摘?要：以長(zhǎng)三角城市群為研究對(duì)象，通過(guò)應(yīng)用層次分析與k—均值聚類分析的評(píng)價(jià)方法，構(gòu)建房地產(chǎn)投資環(huán)境評(píng)價(jià)指標(biāo)體系，計(jì)算得到長(zhǎng)三角城市群26個(gè)城市的綜合得分。結(jié)果表明，長(zhǎng)三角地區(qū)的房地產(chǎn)市場(chǎng)發(fā)展不均衡，其中安徽省在長(zhǎng)三角地區(qū)處于弱勢(shì)地位。改善和優(yōu)化長(zhǎng)三角地區(qū)房地產(chǎn)投資環(huán)境，需要優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，推動(dòng)當(dāng)?shù)亟?jīng)濟(jì)發(fā)展;優(yōu)化長(zhǎng)三角經(jīng)濟(jì)布局，促進(jìn)長(zhǎng)三角協(xié)調(diào)發(fā)展;大力發(fā)展創(chuàng)新教育，始終堅(jiān)持科技創(chuàng)新。

關(guān)鍵詞：房地產(chǎn)投資環(huán)境?層次分析?k—均值聚類分析

一、引言

近幾年，全國(guó)房地產(chǎn)市場(chǎng)經(jīng)濟(jì)發(fā)展迅速，其中長(zhǎng)三角地區(qū)尤為明顯。交通運(yùn)輸?shù)囊惑w化，高鐵、城際線、地鐵等外部與內(nèi)部運(yùn)輸?shù)陌l(fā)達(dá)為房地產(chǎn)行業(yè)帶來(lái)了嶄新的發(fā)展契機(jī)。與此同時(shí)長(zhǎng)三角一體化大大增加了跨地區(qū)的人才流動(dòng)，良好的投資環(huán)境對(duì)房地產(chǎn)投資者來(lái)說(shuō)至關(guān)重要。深入研究該地區(qū)的房地產(chǎn)投資環(huán)境問(wèn)題，可以為各個(gè)城市的政府部門(mén)針對(duì)該區(qū)域的建設(shè)與發(fā)展提供依據(jù)，并為該區(qū)域的招商引資提供提供有效的咨訊信息。

鑒于房地產(chǎn)投資環(huán)境評(píng)價(jià)的重要性，目前國(guó)內(nèi)外一些學(xué)者對(duì)房地產(chǎn)投資環(huán)境進(jìn)行了許多探索。Silin?Wu運(yùn)用主成分分析法對(duì)廣州郊區(qū)房地產(chǎn)投資環(huán)境進(jìn)行綜合評(píng)價(jià)[1]。Wenshuai?Wu和Gang?Kou基于層次分析法建立了群體決策共識(shí)模型，以分析多準(zhǔn)則問(wèn)題下的房地產(chǎn)投資環(huán)境[2]。Vanags?J與Butane?I研究了可持續(xù)性在房地產(chǎn)業(yè)投資環(huán)境中的重要地位[3]。萬(wàn)婷在研究房地產(chǎn)投資環(huán)境時(shí)采用了主成分分析和因子分析法[4]。邱艷超在研究長(zhǎng)江中游城市群房地產(chǎn)投資環(huán)境時(shí)以因子分析與聚類分析的理論為基礎(chǔ)[5]。周德芬依據(jù)熵權(quán)TOPSIS原理構(gòu)建了房地產(chǎn)投資項(xiàng)目評(píng)價(jià)模型[6]。韋師結(jié)合熵權(quán)法和灰色關(guān)聯(lián)分析法對(duì)廣西的旅游房地產(chǎn)投資環(huán)境進(jìn)行綜合評(píng)價(jià)[7]。綜上，現(xiàn)有研究主要集中于主成分分析、層次分析、熵權(quán)法等分析方法?？紤]到層次分析法充分體現(xiàn)了定量與定性相結(jié)合的特點(diǎn)，本研究結(jié)合層次分析法與k—均值聚類分析法綜合評(píng)估長(zhǎng)三角城市群房地產(chǎn)投資環(huán)境，為促進(jìn)長(zhǎng)三角城市群房地產(chǎn)市場(chǎng)的協(xié)調(diào)發(fā)展提供參考依據(jù)。

二、評(píng)價(jià)指標(biāo)體系的構(gòu)建

（一）指標(biāo)選取

房地產(chǎn)投資環(huán)境受到諸多因素的影響，本文在參考眾多文獻(xiàn)的基礎(chǔ)上[8][9]，根據(jù)指標(biāo)的量化容易程度以及長(zhǎng)三角城市群的具體情況，確定了長(zhǎng)三角城市群房地產(chǎn)投資環(huán)境評(píng)價(jià)指標(biāo)體系，如表1所示。

（二）指標(biāo)數(shù)據(jù)來(lái)源

本文研究數(shù)據(jù)均參照蘇浙滬皖各省市的統(tǒng)計(jì)年鑒（2020），其中江蘇、安徽各地區(qū)的全社會(huì)固定資產(chǎn)投資額是根據(jù)2017年的固定資產(chǎn)投資額以及2018年和2019年的固定資產(chǎn)投資額增長(zhǎng)速度計(jì)算得到的。

三、評(píng)價(jià)模型

（一）AHP層次分析法

AHP的基本思想是逐層歸納、先分后總地解決復(fù)雜的問(wèn)題。即將一個(gè)復(fù)雜的問(wèn)題作為一個(gè)系統(tǒng)，根據(jù)研究問(wèn)題的性質(zhì)和要達(dá)到的總目標(biāo)，將問(wèn)題分解為不同的組成因素，并按照因素間的相互關(guān)聯(lián)影響以及隸屬關(guān)系將因素按不同層次聚集組合，形成一個(gè)多層次的分析結(jié)構(gòu)模型，從而使問(wèn)題歸結(jié)為最低層相對(duì)于最高層的相對(duì)重要權(quán)重值的確定或相對(duì)優(yōu)劣次序的排定[10]。

1.建立層次結(jié)構(gòu)模型

如表1，目標(biāo)層在本研究中是指房地產(chǎn)投資環(huán)境評(píng)價(jià)指標(biāo)體系，進(jìn)一步分解的準(zhǔn)則層包括城市人文環(huán)境、城市基礎(chǔ)設(shè)施環(huán)境等5個(gè)準(zhǔn)則，最終分解的指標(biāo)層包括社會(huì)消費(fèi)品零售總額、商品房銷售收入等19個(gè)指標(biāo)。

2.構(gòu)造判斷矩陣

層次分析法中構(gòu)造判斷矩陣的方法是一致矩陣法，即：不把所有層次因素放在一起比較，而是兩兩之間相互比較，對(duì)此應(yīng)采用相對(duì)尺度，以盡量減少性質(zhì)不同的諸因素相互比較的困難，以大大提高其準(zhǔn)確度。相關(guān)數(shù)字含義見(jiàn)表2。

從準(zhǔn)則層開(kāi)始，分別以其上一層次指標(biāo)作為判斷準(zhǔn)則做比較得出重要性判斷，并以列出數(shù)值的方式來(lái)表達(dá)判斷結(jié)果，然后構(gòu)造判斷矩陣，最后通過(guò)咨詢專家的方式獲得各指標(biāo)兩兩之間的相對(duì)重要性，以此為構(gòu)建原則得出判斷矩陣。通過(guò)MCEAHP軟件，求得判斷矩陣的權(quán)重，見(jiàn)表3，同時(shí)可以得到判斷矩陣的最大特征根λmax=5.020，CI=0.005，CR=0.004，由于CR<0.10，因此可以認(rèn)為該判斷矩陣具有滿意的一致性。

4.確定評(píng)價(jià)指標(biāo)層的權(quán)重

通過(guò)MCEAHP軟件，計(jì)算、整理后得到評(píng)價(jià)指標(biāo)層相對(duì)于目標(biāo)層的權(quán)重，見(jiàn)表4。

5.評(píng)價(jià)結(jié)果

對(duì)原始數(shù)據(jù)進(jìn)行了歸一化的處理后，根據(jù)各個(gè)評(píng)價(jià)指標(biāo)相對(duì)于目標(biāo)層的權(quán)重，計(jì)算得出各城市房地產(chǎn)投資環(huán)境的綜合得分，并對(duì)其綜合得分進(jìn)行排序，評(píng)價(jià)結(jié)果見(jiàn)表5與圖1。

根據(jù)層次分析結(jié)果，將長(zhǎng)三角城市群26個(gè)城市的房地產(chǎn)投資環(huán)境按照綜合得分劃分為四個(gè)層次。

第一層次：綜合得分在0.75以上。這類城市的房地產(chǎn)投資環(huán)境最好，只有上海這個(gè)城市。上海作為長(zhǎng)三角的核心城市，無(wú)論是在教育、科學(xué)、文化、衛(wèi)生，還是經(jīng)濟(jì)、金融、貿(mào)易等方面都處于領(lǐng)先地位，其房地產(chǎn)投資環(huán)境也處于最優(yōu)地位。

第二層次：綜合得分在0.4至0.65之間。這類城市的房地產(chǎn)投資環(huán)境較好，其包括蘇州、杭州、合肥、南京、寧波、無(wú)錫、南通7個(gè)城市。主要是浙江、江蘇、安徽的省會(huì)中心城市以及省內(nèi)經(jīng)濟(jì)發(fā)展較好的城市，其相比上海，在固定資產(chǎn)投資、對(duì)外貿(mào)易、教育水平、科研支出方面有一定的差距。

第三層次：綜合得分在0.25至0.4之間。這類城市的房地產(chǎn)投資環(huán)境一般，包括常州、紹興、滁州、嘉興、鹽城、金華、臺(tái)州、揚(yáng)州、蕪湖、湖州、泰州11個(gè)城市。與前兩個(gè)層次的城市相比，這類城市在利用外資額、進(jìn)出口貿(mào)易方面較弱，在一定程度上影響了房地產(chǎn)等相關(guān)產(chǎn)業(yè)的發(fā)展。

第三層次：綜合得分在0.25以下。這類城市的房地產(chǎn)投資環(huán)境相對(duì)較差，包括馬鞍山、鎮(zhèn)江、安慶、宣城、銅陵、池州、舟山7個(gè)城市。主要分布在安徽，經(jīng)濟(jì)發(fā)展明顯落后于長(zhǎng)三角其他地區(qū)，房地產(chǎn)投資環(huán)境也與其他地區(qū)存在較大差距。

（二）K—均值聚類分析

K—均值聚類分析是一種迭代求解的聚類分析方法，通過(guò)逐次更新各聚類中心的值，不斷地進(jìn)行迭代，直到得出最理想的聚類結(jié)果。其基本步驟包括[11]：

1.選擇k個(gè)對(duì)象作為初始凝聚中心

2.計(jì)算各個(gè)數(shù)據(jù)對(duì)象到各聚類中心的距離，把數(shù)據(jù)對(duì)象歸到離它最近的那個(gè)聚類中心所在的類

3.反復(fù)執(zhí)行上一個(gè)分配步驟，直到所有的對(duì)象都不能再分配為止

根據(jù)研究數(shù)據(jù)，利用MATLAB2017a對(duì)長(zhǎng)三角城市群進(jìn)行聚類分析，一共將其房地產(chǎn)投資環(huán)境分為了四個(gè)類別，分類結(jié)果見(jiàn)表6。

通過(guò)K—均值聚類分析，把長(zhǎng)三角城市群的房地產(chǎn)投資環(huán)境分為了四個(gè)類別。第一類別房地產(chǎn)投資環(huán)境最好，第二類別房地產(chǎn)投資環(huán)境較好，第三類別房地產(chǎn)投資環(huán)境一般，第四類別房地產(chǎn)投資環(huán)境較差。而且通過(guò)K—均值聚類分析得到的分類結(jié)果與通過(guò)層次分析得到的分類結(jié)果總體相似，這也進(jìn)一步檢驗(yàn)了層次分析法的精確度。

五、結(jié)語(yǔ)

本文通過(guò)對(duì)2019年長(zhǎng)三角城市群房地產(chǎn)投資環(huán)境進(jìn)行綜合評(píng)價(jià)，得出結(jié)論：長(zhǎng)三角地區(qū)的房地產(chǎn)市場(chǎng)發(fā)展不均衡，其中安徽省在長(zhǎng)三角地區(qū)處于弱勢(shì)地位，除了合肥市的房地產(chǎn)投資環(huán)境較好外，其余七市的房地產(chǎn)投資環(huán)境均處于中下水平，這與安徽的經(jīng)濟(jì)發(fā)展有很大關(guān)系。根據(jù)評(píng)價(jià)結(jié)果，對(duì)長(zhǎng)三角地區(qū)房地產(chǎn)投資環(huán)境的改善和優(yōu)化提出了以下建議：

（一）優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，推動(dòng)當(dāng)?shù)亟?jīng)濟(jì)發(fā)展

一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展?fàn)顩r在當(dāng)?shù)氐姆康禺a(chǎn)市場(chǎng)中占有重要地位。因此在充分利用地區(qū)自身優(yōu)勢(shì)的基礎(chǔ)上，要繼續(xù)大力發(fā)展第三產(chǎn)業(yè)，增大其在地區(qū)生產(chǎn)總值中的比重。同時(shí)要繼續(xù)加大對(duì)固定資產(chǎn)的投資，推動(dòng)當(dāng)?shù)亟?jīng)濟(jì)發(fā)展。

（二）優(yōu)化長(zhǎng)三角經(jīng)濟(jì)布局，促進(jìn)長(zhǎng)三角協(xié)調(diào)發(fā)展

以經(jīng)濟(jì)發(fā)展具有優(yōu)勢(shì)的上海、南京、蘇州、杭州為重點(diǎn)，提高其綜合承載能力和資源優(yōu)化配置能力，強(qiáng)化對(duì)區(qū)域發(fā)展的輻射帶動(dòng)作用。優(yōu)化長(zhǎng)三角城市群的內(nèi)部空間結(jié)構(gòu)，構(gòu)筑生態(tài)和安全屏障，形成多中心、多層級(jí)、多節(jié)點(diǎn)的網(wǎng)絡(luò)型城市群。進(jìn)而使長(zhǎng)三角不同地區(qū)房地產(chǎn)投資環(huán)境之間的差距縮小。

（三）大力發(fā)展創(chuàng)新教育，始終堅(jiān)持科技創(chuàng)新

要始終把推進(jìn)科技創(chuàng)新工作放到經(jīng)濟(jì)社會(huì)發(fā)展的重要戰(zhàn)略上來(lái)支撐，并且鼓勵(lì)在具備條件的地方建設(shè)區(qū)域性科技創(chuàng)新中心，提高當(dāng)?shù)氐目萍妓?。要以各地的普通高等院校學(xué)生為主，加強(qiáng)對(duì)科技創(chuàng)新型的專業(yè)人才培養(yǎng)，完善對(duì)人才的培養(yǎng)與激勵(lì)制度。同時(shí)推動(dòng)各類創(chuàng)新性要素向企業(yè)集聚，形成產(chǎn)學(xué)研用深度融合的技術(shù)創(chuàng)新體系。使長(zhǎng)三角各地房地產(chǎn)市場(chǎng)能夠更健康持久的發(fā)展。

參考文獻(xiàn)：

[1]Wu?S.?Analysis?on?the?Evaluation?of?Suburban?Real?Estate?Investment?Environment—Taking?Guangzhou?as?an?Example[J].Modern?Economy，?2019，10（03）：914—930.

[2]Wenshuai?Wu，Gang?Kou.A?group?consensus?model?for?evaluating?real?estate?investment?alternatives[J].Financial?Innovation，2016，2（01）：8—18.

[3]Vanags?J，Butane?I.Major?Aspects?of?Development?of?Sustainable?Investment?Environment?in?Real?Estate?Industry[J].Procedia?Engineering，2013，57（01）：1223—1229.

[4]萬(wàn)婷.基于因子分析法的城市房地產(chǎn)投資環(huán)境評(píng)價(jià)[J].統(tǒng)計(jì)與決策，2016（03）：66—68.

[5]邱艷超.長(zhǎng)江中游城市群房地產(chǎn)投資環(huán)境比較研究[D].華中農(nóng)業(yè)大學(xué)，2018.

[6]周德芬.基于熵權(quán)TOPSIS法的房地產(chǎn)投資項(xiàng)目評(píng)價(jià)模型研究[J].國(guó)際商務(wù)財(cái)會(huì)，2020，375（03）：78—82.

[7]韋師.廣西旅游房地產(chǎn)投資環(huán)境評(píng)價(jià)[J].全國(guó)流通經(jīng)濟(jì)，2020（32）：121—123.

[8]程志，劉蘭，郭宏.房地產(chǎn)投資環(huán)境評(píng)價(jià)指標(biāo)體系的建立和應(yīng)用[J].科技和產(chǎn)業(yè)，2013，13（06）：101—105.

[9]任醒，包紅霏.遼寧省城市房地產(chǎn)投資環(huán)境評(píng)價(jià)研究[J].遼寧經(jīng)濟(jì)，2012（10）：88—91.

[10]于金秀.基于層次分析方法的房地產(chǎn)投資環(huán)境比較分析[J].中國(guó)國(guó)際財(cái)經(jīng)（中英文），2017（24）：239—240.

[11]方超，丁少玲.基于主成分與聚類分析的中國(guó)新型冠狀病毒城市劃分[J].統(tǒng)計(jì)與管理，2020，35（03）：48—52.

（趙薇，安徽師范大學(xué)經(jīng)濟(jì)管理學(xué)院）