趙維樹，楊 帆

(安徽建筑大學 經(jīng)濟與管理學院，安徽 合肥 230601)

為進一步優(yōu)化房地產(chǎn)投資環(huán)境、有效規(guī)避投資風險、挖掘潛力城市、緩解一線城市住房壓力，在此對長三角城市群進行新一輪的房地產(chǎn)投資市場綜合分析。

經(jīng)濟區(qū)域是按人類經(jīng)濟活動的空間分布規(guī)律劃分的，在國民經(jīng)濟體系中發(fā)揮特定作用的地域單元[13]。投資方通過對一定區(qū)域的數(shù)據(jù)進行定性、定量的分析研究，對該區(qū)域房地產(chǎn)住宅投資市場得到合理的認識，從而做出正確的判斷，有效規(guī)避投資風險。如楊建平等對關(guān)中城市群房地產(chǎn)投資環(huán)境進行綜合評價[2]；付錦泉等以河北省房地產(chǎn)市場現(xiàn)狀的分析出發(fā)，探討了新型城鎮(zhèn)化對房地產(chǎn)投資的影響[3]。馬麗等選用層次分析法和熵權(quán)法進行組合賦權(quán)確定評價指標權(quán)重值，引入非線性模糊矩陣合成運算方法，構(gòu)建了依靠時間軸的投資決策階段-前期工作階段-建設(shè)階段-租售階段-使用階段風險指標體系[4]；師應來等采用綜合分析方法對指標進行初次選擇，用聚類分析和相關(guān)分析相結(jié)合的方法進行再次選擇，建立房地產(chǎn)自身發(fā)展速度-房地產(chǎn)市場供求均衡-房地產(chǎn)與國民經(jīng)濟協(xié)調(diào)性指標體系[5]。

陶書金引入最小平方法和熵權(quán)的原理確定指標的主客觀權(quán)重，將其結(jié)合確定了指標體系中指標權(quán)重的求解模型，并通過理想解法(TOPSIS)對各投資方案進行綜合評價，建立了基于組合賦權(quán)——TOPSIS法的房地產(chǎn)投資決策模型[6]；劉海鵬根據(jù)房地產(chǎn)投資決策的原則和DEA法的應用特點，建立模型(DEA法C2R模型)，結(jié)合計算機工具(Lingo軟件)計算決策單元的相符效率，然后根據(jù)模型計算的相對效率值對房地產(chǎn)投資決策方案進行優(yōu)劣排序[7]。

本研究以長江三角洲城市群作為分析對象，通過建立社會文化-基礎(chǔ)設(shè)施建設(shè)-市場-經(jīng)濟-產(chǎn)業(yè)結(jié)構(gòu)評價指標體系，采用熵權(quán)法和灰色關(guān)聯(lián)度法對其房地產(chǎn)資環(huán)境進行定量綜合評價。

1 數(shù)據(jù)來源

本著科學性真實性的原則，文中所選取的數(shù)據(jù)均來自《中國城市統(tǒng)計年鑒》(2018)、各省市的國民經(jīng)濟和社會發(fā)展統(tǒng)計公報(2018)、國家統(tǒng)計局官網(wǎng)有關(guān)房地產(chǎn)統(tǒng)計數(shù)據(jù)等。數(shù)據(jù)涉及人口、勞動力與就業(yè)、按三次產(chǎn)業(yè)的單位從業(yè)人員就業(yè)狀況、單位從業(yè)人員就業(yè)結(jié)構(gòu)、土地資源、綜合經(jīng)濟、工業(yè)總產(chǎn)值、固定資產(chǎn)投資、財政(市轄區(qū))、房地產(chǎn)、金融、勞動工資、在校學生數(shù)、文化、衛(wèi)生、交通運輸、郵電、通信等方面。少數(shù)缺失數(shù)據(jù)通過近5年數(shù)據(jù)，利用插值計算得出。

2 指標體系構(gòu)建和研究方法

2.1 指標體系

房地產(chǎn)投資環(huán)境的影響因素很多，涉及到房地產(chǎn)項目的整個生命周期。本研究在參考眾多文獻的基礎(chǔ)上本著系統(tǒng)性、合理性、科學性、針對性、可獲得性的原則選取了24個指標，構(gòu)建了社會文化-基礎(chǔ)設(shè)施建設(shè)-市場-經(jīng)濟-產(chǎn)業(yè)結(jié)構(gòu)指標體系。選取的 24個評價指標及評價指標選取依據(jù)如表1所示。

表1 長江三角洲城市群房地產(chǎn)投資環(huán)境評價指標體系一覽表

2.2 模型建立

2.2.1 熵值法

熵的概念源于熱力學，是對系統(tǒng)狀態(tài)不確定性的一種度量。在信息論中，信息是系統(tǒng)有序程度的一種度量。熵值法是一種客觀賦權(quán)法,其根據(jù)各項指標觀測值所提供的信息的大小來確定指標權(quán)重,計算綜合得分。研究涉及26座城市的24項指標，計算步驟如下：

(1)確定矩陣

(1)

式中：Xij代表第i座城市的第j項指標。

(2)數(shù)據(jù)處理

由于選取的數(shù)據(jù)量綱和單位的差異，不能直接使用，需要對其進行無量綱化處理。

正向指標：

(2)

負向指標：

(3)

(3)計算熵值

(4)

式中：Pij為第j項指標下第i座城市占該指標的比重。

(5)

(4)計算綜合得分

Gj=1-Ej

(6)

式中：Gj為第j項指標的差異系數(shù)，指標值差異越大，對城市評分的影響越大，熵值就越小。

(7)

(8)

式中：Si為第i座城市的綜合得分。

各個城市綜合得分表如表2～表5所示。

表2 房地產(chǎn)投資環(huán)境綜合評分一覽表

表3 房地產(chǎn)投資環(huán)境綜合評分一覽表

表4 房地產(chǎn)投資環(huán)境綜合評分一覽表

表5 房地產(chǎn)投資環(huán)境綜合評分一覽表

2.2.2 灰色關(guān)聯(lián)分析法

由于人類對事物認識的局限，難以獲取全面、準確的信息。在沒有足夠信息的情況下如何對事物進行客觀認知、判斷，成為不確定性研究的基礎(chǔ)。鄧聚龍教授首創(chuàng)的灰色系統(tǒng)理論，對存在不充分明確信息的研究提供新的研究方法，即從眾多因素中分辨出主要影響因素和次要影響因素，可以更好地有針對性地對其進行強化[1]。根據(jù)本研究利用熵值法所算得的綜合得分、房地產(chǎn)占總固定投資比X17、住宅占房地產(chǎn)開發(fā)比重X18、商品房年銷售面積X19分別作為系統(tǒng)特征序列，定義為X0，計算步驟如下：

(1)設(shè)系統(tǒng)行為序列

(9)

式中：i=(1，2，…，26)，m=26，代表26座城市；j=(0，1，…，24)，n=24，0代表特征序列； 其余代表24項指標。

(2)計算初值像

(10)

(3)計算差序列

(11)

(4)計算兩極差

(12)

(13)

(5)計算關(guān)聯(lián)系數(shù)

(14)

經(jīng)計算，各項指標與特征數(shù)列的灰色關(guān)聯(lián)度如表6所示：

（7）事中績效監(jiān)控沒落實，事后績效評價沒應用。很多高校關(guān)注的是專項資金如何分配，分配完之后，就處于放任的狀態(tài)，不注重過程的監(jiān)管，事中績效監(jiān)控沒真正落實，不能及時發(fā)現(xiàn)問題并加以糾正，導致貽誤時機。很多高校按政府要求對專項資金進行事后績效評價，可是評價結(jié)果并沒得到應用，對專項資金執(zhí)行進度沒完成的部門沒追責，執(zhí)行好執(zhí)行壞一個樣，不能形成正確導向。

表6 各項指標與特征數(shù)列的灰色關(guān)聯(lián)系數(shù)一覽表

3 結(jié)果分析

3.1 城市綜合得分

對綜合得分進行排序，上海、杭州、南京、合肥占據(jù)前四，與其他直轄市和省會城市的資源優(yōu)勢、地理位置成正比。浙江省8市整體排序適中，杭州、寧波評分偏高，嘉興、湖州、紹興排序偏低，其余3市評分居中。江蘇省9市評分分布呈兩極分化，南京、蘇州、無錫、常州、鎮(zhèn)江排序靠前，南通、泰州、鹽城、揚州排序偏后，但整體評分排序優(yōu)勢明顯。安徽省中除合肥、蕪湖排序靠前，其余6市均排序偏后，整體水平偏低。

3.2 灰色關(guān)聯(lián)系數(shù)

各項指標與城市房地產(chǎn)綜合得分、房地產(chǎn)占總固定投資比、住宅占房地產(chǎn)開發(fā)比重、商品房年銷售面積的灰色關(guān)聯(lián)度。首先各個指標與綜合得分的關(guān)聯(lián)度均大于0.749，證明所選指標準確且具有針對性。其次，本文總計做了4次灰色關(guān)聯(lián)度分析，其余3列均來自房地產(chǎn)投資環(huán)境評價指標體系中的二級指標——市場環(huán)境，這是為了更好的使數(shù)據(jù)貼近真實市場情況。

在與綜合評分的關(guān)聯(lián)度中，綜合得分與科研行業(yè)占總就業(yè)人數(shù)比關(guān)聯(lián)度最高；其余從高到低分別為商品房年銷售面積、電信行業(yè)占總就業(yè)人數(shù)比等；與教育投入占公共預算支出比、人口自然增長率的關(guān)聯(lián)度偏低。

在與X17的關(guān)聯(lián)度排序中從高到低依次為年公共客車客運總量、衛(wèi)生機構(gòu)人員數(shù)關(guān)聯(lián)度偏高；教育投入占公共預算支出比、人口自然增長率仍然是關(guān)聯(lián)度偏低；結(jié)果分析表明交通、醫(yī)療、教育是一個城市安居樂業(yè)的基礎(chǔ)，一個城市是否發(fā)達也與此息息相關(guān)。

而在與X18的關(guān)聯(lián)度中教育投入占公共預算支出比最高，依次是GDP實際增速、城市建成區(qū)綠化覆蓋率等；偏低的依次為一般公共預算收入、人口自然增長率；這是因為當代父母把孩子的教育問題當成頭等大事，為追求更好的教育環(huán)境，所導致學區(qū)房熱，一房難求，破房高價的現(xiàn)象。

最后在與X19的關(guān)聯(lián)度中普通中學在校生數(shù)、科研行業(yè)占總就業(yè)人數(shù)比等關(guān)聯(lián)度偏高；教育投入占公共預算支出比、人口自然增長率相對靠后。不難發(fā)現(xiàn)4次灰色關(guān)聯(lián)分析，人口自然增長率始終都是關(guān)聯(lián)度最低且與其他指標的關(guān)聯(lián)度差距較大。這是由于長三角地區(qū)的地理位置相關(guān)，長三角處于河流沖積平原地帶，土壤肥沃、氣候適宜、交通發(fā)達、人口密度大、城鎮(zhèn)化率高。

4 結(jié) 語

繼續(xù)保持科技創(chuàng)新優(yōu)越地位，培育創(chuàng)新發(fā)展新動能 大力發(fā)展創(chuàng)新教育，依靠以中科大等各大高校為科研中心，省會合肥市要堅持以大湖名城，創(chuàng)新高地作為城市標簽。重點培育一批具有核心技術(shù)和自主品牌的創(chuàng)新型企業(yè)，促進形成以創(chuàng)新為主要引領(lǐng)和支撐的經(jīng)濟體系和發(fā)展模式?？萍际堑谝簧a(chǎn)力，要重視科技成果轉(zhuǎn)現(xiàn)，使城市更加的現(xiàn)代化，經(jīng)濟增長極更加的多元化，避免為了盲目追求經(jīng)濟發(fā)展，破壞房地產(chǎn)業(yè)發(fā)展秩序。

強化區(qū)域協(xié)同發(fā)展戰(zhàn)略，推進區(qū)域空間發(fā)展互動 主要是發(fā)展大中城市，提高人口和要素承載力，構(gòu)建功能清晰、分工合理、各具特色、協(xié)調(diào)聯(lián)動的多中心的區(qū)域發(fā)展格局，縮小各個城市投資環(huán)境之間的差異。

吸引在外務工人員回鄉(xiāng)安居樂業(yè)，以及人才引進 人才是一個城市的源動力，要大力實施人才優(yōu)先戰(zhàn)略，深入推進人才高地建設(shè)，目前有些城市出臺了有關(guān)于人才引進相應的落戶，優(yōu)惠購房政策。

對長江三角洲城市群26個城市的24項指標進行房地產(chǎn)投資環(huán)境的綜合評價分析，得出結(jié)論：各個城市綜合評分差異較為明顯。上海、浙江、江蘇的城市房地產(chǎn)整體投資環(huán)境較好；安徽整體環(huán)境偏差。長江三角洲城市群作為國內(nèi)最頂級的城市群，其房地產(chǎn)投資環(huán)境是靠各個方面整體一致的結(jié)果，在所有的指標中，綜合得分與科研行業(yè)占總就業(yè)人數(shù)比關(guān)聯(lián)度最高，這說明了科教興國、人才強國戰(zhàn)略方針的準確性。