楊 巍，梁蓓蓓

（1.廈門海洋職業(yè)技術(shù)學(xué)院 航海學(xué)院，福建 廈門 361012；2.廈門大唐房地產(chǎn)集團(tuán)有限公司，福建 廈門 361012）

房地產(chǎn)業(yè)作為我國的支柱產(chǎn)業(yè)，為我國經(jīng)濟(jì)的快速發(fā)展做出了巨大貢獻(xiàn).隨著“房住不炒”大方向的提出，各地持續(xù)收緊調(diào)控政策來保持市場平穩(wěn)運(yùn)行.房地產(chǎn)行業(yè)分化、企業(yè)分化愈加嚴(yán)重，中小房企在資金有限的情況下，市場占有率不斷被擠壓，不僅面臨擴(kuò)張問題，更有甚者生存狀況堪憂.這樣的大背景和自身特質(zhì)對(duì)中小房企跨區(qū)域經(jīng)營決策的科學(xué)性和正確性要求更高.近年來國家大力實(shí)施的城市群戰(zhàn)略則為這種區(qū)域及城市選擇提供了依據(jù)，縮小了范圍.隨著我國經(jīng)濟(jì)進(jìn)入高質(zhì)量發(fā)展階段，新型城鎮(zhèn)化和都市圈建設(shè)已經(jīng)成為經(jīng)濟(jì)轉(zhuǎn)型發(fā)展的重要引擎，也將為房地產(chǎn)行業(yè)發(fā)展帶來新的機(jī)遇.

國外學(xué)者對(duì)于房企戰(zhàn)略擴(kuò)張進(jìn)行跨區(qū)域投資時(shí)的城市選擇問題開展了相關(guān)研究.如Nachum 從區(qū)位優(yōu)勢和集聚經(jīng)濟(jì)兩個(gè)角度出發(fā)，研究跨國企業(yè)在美國投資時(shí)是如何針對(duì)區(qū)位做出決策的［1］. Adams 等通過對(duì)房地產(chǎn)信托投資基金投資行為的研究，提出了空間分散化在投資風(fēng)險(xiǎn)管理中的重要性［2］. Kim 等通過對(duì)韓國首爾辦公樓市場進(jìn)行實(shí)例研究，討論全球房地產(chǎn)投資的空間和區(qū)位分布特征［3］. 基于房地產(chǎn)在我國的支柱產(chǎn)業(yè)地位，國內(nèi)學(xué)者針對(duì)房企的城市選擇開展了大量的研究.如萬婷運(yùn)用因子分析法對(duì)長江經(jīng)濟(jì)帶城市群的房地產(chǎn)投資環(huán)境進(jìn)行了評(píng)價(jià)［4］.吳璟等通過對(duì)上市典型房企跨區(qū)域擴(kuò)張路徑的提煉和比較分析，歸納上市房企城市選擇行為特征的主要影響因素［5］.趙彬等結(jié)合主成分分析評(píng)價(jià)法和灰色關(guān)聯(lián)度分析法建立房地產(chǎn)投資潛力評(píng)價(jià)模型，對(duì)15 座“新一線城市”進(jìn)行評(píng)價(jià)，以期找到具有投資潛力的城市房地產(chǎn)市場［6］.針對(duì)城市群發(fā)展的相關(guān)研究，西方學(xué)者的研究比較久遠(yuǎn)，而我國對(duì)城市群的研究始于姚士謀等于1992 年出版的《中國的城市群》［7］.近年來，國內(nèi)學(xué)者側(cè)重于對(duì)城市群一體化、城市群協(xié)同發(fā)展的相關(guān)研究［8-10］.綜上，現(xiàn)有文獻(xiàn)對(duì)房企跨區(qū)域投資城市選擇的研究側(cè)重于從上市房企等大中房企的角度出發(fā)，或是單獨(dú)分析國內(nèi)主要城市的投資環(huán)境，且未將房企跨區(qū)域投資的微觀行為置于城市群的宏觀背景下考慮.鑒于此，筆者構(gòu)建的城市選擇模型充分考慮到中小房企的獨(dú)特性，在城市群的視角下，將定量分析與定性分析相結(jié)合，對(duì)擬投資的城市進(jìn)行評(píng)級(jí).

1 城市選擇模型的構(gòu)建

1.1 層次分析法概述

在當(dāng)前“房住不炒”的大背景下，房企，尤其是中小房企跨區(qū)域投資的業(yè)績表現(xiàn)不僅會(huì)受投資城市當(dāng)?shù)亟?jīng)濟(jì)環(huán)境、市場表現(xiàn)等定量因素的影響，還會(huì)在相當(dāng)大的程度上受到當(dāng)?shù)刭Y金監(jiān)管、調(diào)控政策等難以量化因素的影響，所以在構(gòu)建城市選擇模型時(shí)應(yīng)該將定量指標(biāo)與定性指標(biāo)相結(jié)合，才能盡可能全面地評(píng)估.層次分析法是一種將定量分析和定性分析相結(jié)合的層次權(quán)重決策分析方法，適用于構(gòu)建房企跨區(qū)域投資的城市選擇模型，其應(yīng)用主要有幾個(gè)步驟.

（1）分解各個(gè)影響因素，繪制遞階層次結(jié)構(gòu).

（2）構(gòu)造兩兩比較判斷矩陣.參照張炳江研究中的評(píng)價(jià)尺度表［11］23對(duì)判斷矩陣中的因素進(jìn)行兩兩比較打分.aij用表示第i個(gè)因素相對(duì)于第j個(gè)因素的比較結(jié)果，則aij=1/aij，設(shè)兩兩比較判斷矩陣Α為：

（3）計(jì)算單層次權(quán)重并進(jìn)行一致性檢驗(yàn).采用方根法計(jì)算判斷矩陣的特征向量W和最大特征根λmax，設(shè)一致性檢驗(yàn)指標(biāo)為CI ，隨機(jī)一致性指標(biāo)為RI（取值參照張炳江的研究［11］53），一致性比例為CR，則：，.通常在CR＜0.1 時(shí)，認(rèn)為判斷矩陣通過一致性檢驗(yàn).

（4）計(jì)算總排序并進(jìn)行一致性檢驗(yàn).根據(jù)得出的各單層次權(quán)重，可以計(jì)算出最底層的權(quán)重.對(duì)層次總排序結(jié)果同樣也需要進(jìn)行一致性檢驗(yàn).

1.2 指標(biāo)選取

筆者參考相關(guān)文獻(xiàn)［4-6，12-14］及克而瑞、中指、同策等第三方房地產(chǎn)市場研究機(jī)構(gòu)的指標(biāo)體系，并結(jié)合我國中小房企的實(shí)際情況及數(shù)據(jù)的可獲得性，最終篩選出5 大類共20 個(gè)指標(biāo)來構(gòu)建我國中小房企城市選擇模型.

1.2.1 人口及收入

主要考察年末常住人口、近3 年常住人口復(fù)合增長率、近3 年常住戶籍人口比、城鎮(zhèn)居民人均可支配收入以及社會(huì)消費(fèi)品零售總額5 個(gè)定量指標(biāo).

1.2.2 經(jīng)濟(jì)環(huán)境

經(jīng)濟(jì)實(shí)力雄厚的城市對(duì)于人口、資金、產(chǎn)業(yè)的吸引力較為持久可靠，能夠較好地防范化解風(fēng)險(xiǎn).這一指標(biāo)主要包括GDP 總量、近3 年GDP 復(fù)合增長率、人均GDP、金融機(jī)構(gòu)年末存款余額4 個(gè)定量指標(biāo).

1.2.3 市場表現(xiàn)

市場表現(xiàn)可從多維度分析，主要選取一二級(jí)市場供求平衡度、市場容量、房價(jià)地價(jià)比3 個(gè)定量指標(biāo).

1.2.4 城市發(fā)展?jié)摿?/p>

主要通過發(fā)展定位、交通通達(dá)性兩個(gè)定性指標(biāo)分別從宏觀和微觀兩個(gè)層面來考察城市的發(fā)展?jié)摿?

1.2.5 城市友好度

在“房住不炒”大基調(diào)、宏觀調(diào)控政策密集出臺(tái)的大背景下，城市友好度對(duì)于中小房企來說意義重大.此類指標(biāo)選取了土地財(cái)政依賴度、財(cái)政赤字兩個(gè)定量指標(biāo)，以及資金監(jiān)管、調(diào)控政策、預(yù)售條件、保證金及土地款支付節(jié)奏4 個(gè)定性指標(biāo).筆者將選取的5 大類共20 個(gè)指標(biāo)劃分為目標(biāo)層（Α層）、準(zhǔn)則層（B層）、方案層（C層）等，見表1.

表1 中小房企城市選擇指標(biāo)層次總排序權(quán)重

2 實(shí)證研究與分析

2.1 數(shù)據(jù)來源

以長三角城市群為例對(duì)擬構(gòu)建的中小房企城市選擇模型進(jìn)行實(shí)證分析. 考慮到長三角城市群中各城市的地位、經(jīng)濟(jì)體量、地域關(guān)系及數(shù)據(jù)可得性，最終選取上海市等19 個(gè)城市進(jìn)行實(shí)證研究與分析.本文主要通過各城市統(tǒng)計(jì)年鑒、克而瑞數(shù)據(jù)系統(tǒng)等渠道搜集定量數(shù)據(jù)，定量數(shù)據(jù)采用各城市2018—2020 年這3 年的數(shù)據(jù)；通過各城市政府網(wǎng)站、市場報(bào)告收集整理定性數(shù)據(jù)，定性數(shù)據(jù)時(shí)間節(jié)點(diǎn)為2022 年5 月31 日.

2.2 實(shí)證分析

2.2.1 構(gòu)造兩兩比較判斷矩陣

在完成中小房企城市選擇指標(biāo)體系的構(gòu)建后，采用專家評(píng)分法構(gòu)造相應(yīng)指標(biāo)的兩兩比較判斷矩陣（見表2），咨詢了包括研究學(xué)者、房地產(chǎn)行業(yè)從業(yè)人員在內(nèi)的業(yè)內(nèi)專家，在綜合各位專家評(píng)分結(jié)果的基礎(chǔ)上，得到最終的兩兩比較判斷矩陣.此處以準(zhǔn)則層（B層）相對(duì)于目標(biāo)層（Α層）的重要性為例，可以得到兩兩比較判斷矩陣Α=（aij）5×5為：

表2 指標(biāo)體系下各因素重要性比較

2.2.2 計(jì)算單層次權(quán)重并進(jìn)行一致性檢驗(yàn)

根據(jù)方根法，第一步：計(jì)算判斷矩陣Α每一行因素的乘積，得到向量

第二步：計(jì)算向量mi的5 次方根，得到向量

第三步：對(duì)向量進(jìn)行歸一化處理，得到權(quán)重向量

第四步：計(jì)算得出最大特征根λmax=5.019 8.

根據(jù)權(quán)重向量得出準(zhǔn)則層（B層）各指標(biāo)權(quán)重為：人口及收入（B1）為0.099 0、經(jīng)濟(jì)環(huán)境（B2）為0.099 0、市場表現(xiàn)（B3）為0.429 3、城市發(fā)展?jié)摿Γ˙4）為0.099 0、城市友好度（B5）為0.273 8.

同樣可以計(jì)算出方案層（C層）各指標(biāo)的單層次權(quán)重.

2.2.3 計(jì)算總排序并進(jìn)行一致性檢驗(yàn)

根據(jù)前述計(jì)算結(jié)果得出總排序的一致性檢驗(yàn)比例，通過一致性檢驗(yàn).最后計(jì)算出方案層（C層）20 個(gè)指標(biāo)對(duì)應(yīng)目標(biāo)層（Α層）的總排序權(quán)重，見表1.

在準(zhǔn)則層（B層）中，市場表現(xiàn)和城市友好度是中小房企跨區(qū)域投資時(shí)城市選擇的重點(diǎn)考察指標(biāo)（見表1）；而具體到方案層（C層），市場容量、房價(jià)地價(jià)比、一二級(jí)市場供求平衡度、交通通達(dá)性、資金監(jiān)管、預(yù)售條件、保證金及土地款支付節(jié)奏幾項(xiàng)指標(biāo)是對(duì)城市選擇影響最大的指標(biāo)，這與我國中小房企自身資金流動(dòng)性不足及抗風(fēng)險(xiǎn)能力差的特質(zhì)是相符的.

2.2.4 計(jì)算各項(xiàng)指標(biāo)分?jǐn)?shù)

考慮到20 個(gè)指標(biāo)的特性，將其劃分為定量指標(biāo)和定性指標(biāo)兩大類，對(duì)定量指標(biāo)通過模糊綜合評(píng)價(jià)法計(jì)算分?jǐn)?shù)，對(duì)定性指標(biāo)采用專家評(píng)分法打分，最后相加得到各個(gè)城市的總分?jǐn)?shù).

定量指標(biāo)包括年末常住人口（C1）、近3 年常住人口復(fù)合增長率（C2）、近3 年常住戶籍人口比（C3）、城鎮(zhèn)居民人均可支配收入（C4）、社會(huì)消費(fèi)品零售總額（C5）、GDP 總量（C6）、近3 年GDP 復(fù)合增長率（C7）、人均GDP（C8）、金融機(jī)構(gòu)年末存款余額（C9）、一二級(jí)市場供求平衡度（C10）、市場容量（C11）、房價(jià)地價(jià)比（C12）、土地財(cái)政依賴度（C15）、財(cái)政赤字（C16）共14 個(gè)指標(biāo)，總權(quán)重為66.1%，設(shè)定量指標(biāo)滿分為66.1 分；定性指標(biāo)有6 個(gè)，總權(quán)重為33.9%，設(shè)其滿分為33.9 分；則各城市的總滿分為100 分.

首先，計(jì)算定量指標(biāo)得分.

（1）確定因素集合C，即：

（2）確定評(píng)判集合Y.按照前文確定的定量指標(biāo)滿分為66.1 分，將66.1 分平均劃分5 個(gè)評(píng)判等級(jí)，評(píng)判集合設(shè)為Y=｛第一檔，第二檔，第三檔，第四檔，第五檔｝，分別對(duì)應(yīng)｛52.9~66.1，39.7~52.8，26.5~39.6，13.3~26.4，0~13.2｝五個(gè)分?jǐn)?shù)區(qū)間.

（3）確定單因素模糊評(píng)價(jià)矩陣.確定各定量指標(biāo)的分級(jí)標(biāo)準(zhǔn)；在此基礎(chǔ)上構(gòu)建模糊變換矩陣R=其中，rij表示對(duì)第i個(gè)因素做出第j級(jí)評(píng)語的隸屬度.

（4）在對(duì)數(shù)據(jù)進(jìn)行歸一化處理后得到定量指標(biāo)權(quán)重向量Α，即：

（5）計(jì)算定量指標(biāo)得分.由評(píng)判集合Y的分?jǐn)?shù)區(qū)間得出定量指標(biāo)評(píng)分的數(shù)值向量為：

則各城市定量指標(biāo)的得分為：F1=Α×R×P.

其次，計(jì)算定性指標(biāo)得分.

將評(píng)判等級(jí)設(shè)定為｛第一檔，第二檔，第三檔，第四檔，第五檔｝五級(jí)，分別對(duì)應(yīng)｛90~100，80~89，70~79，60~69，0~59｝5 個(gè)分?jǐn)?shù)區(qū)間，然后根據(jù)專家評(píng)分法求出各城市定性指標(biāo)得分：其中，ai表示表2 中各定性指標(biāo)相應(yīng)的權(quán)重，fi表示各定性指標(biāo)專家打分的平均值.最后，得出中小房企城市選擇指標(biāo)的總分?jǐn)?shù)：F=F1+F2.

2.2.5 計(jì)算得分

具體算法以上海市為例說明.

第一步：構(gòu)建單因素模糊評(píng)價(jià)矩陣R（14×5 階矩陣）為：

第二步：根據(jù)得到的權(quán)重向量?。?×14 階矩陣）、評(píng)分?jǐn)?shù)值向量P（5×1 階矩陣），即：

計(jì)算出上海市定量指標(biāo)得分為：F1上海=Α×R×P=57.41.

第三步：運(yùn)用模型（6）計(jì)算出上海市定性指標(biāo)得分為：F2上海=24.43.

第四步：將定量指標(biāo)得分和定性指標(biāo)得分相加，得出上海市城市選擇指標(biāo)的總分?jǐn)?shù)為：F上海=F1上海+F2上海=81.84.

同理，可以計(jì)算出其余18 個(gè)城市的總得分.需要說明的是，每個(gè)城市的定量指標(biāo)和定性指標(biāo)表現(xiàn)是不斷變化的，并非一成不變的絕對(duì)值，因此各個(gè)城市的評(píng)分及排名僅代表此次分析的結(jié)果.

2.2.6 城市分類

各城市最后的得分體現(xiàn)的是該城市的綜合質(zhì)素，中小房企在選擇城市投資布局時(shí)不能僅依據(jù)得分及排名來確定，而應(yīng)該將定量指標(biāo)及定性指標(biāo)結(jié)合起來綜合分析.故以定量指標(biāo)得分為橫軸，以定性指標(biāo)得分為縱軸，繪制出各城市的得分分布圖，并根據(jù)定量指標(biāo)得分和定性指標(biāo)得分的平均值將上述19 個(gè)城市劃分為4 類，見圖1.按照一、二、三、四象限區(qū)分，位于第一象限的是常州和無錫，這兩個(gè)城市的經(jīng)濟(jì)實(shí)力和人口基礎(chǔ)都處于上游，整體市場表現(xiàn)良好，產(chǎn)業(yè)基礎(chǔ)雄厚，交通便捷，政策環(huán)境寬松，城市友好度較高，適合中小房企作為重點(diǎn)布局和深耕的城市.位于第四象限的是上海、合肥、寧波、南京、蘇州、杭州，這些城市的戰(zhàn)略地位重要，經(jīng)濟(jì)實(shí)力雄厚，人口基數(shù)大且虹吸能力強(qiáng)，交通發(fā)達(dá)，規(guī)劃利好明顯，整體市場表現(xiàn)良好，但政策環(huán)境較為嚴(yán)格，且土拍市場競爭激烈，不適合作為中小房企重點(diǎn)布局的城市，考慮到其戰(zhàn)略地位，可采用與其他房企合作的戰(zhàn)略型布局策略.位于第二象限的是蕪湖、揚(yáng)州、南通、湖州、金華、臺(tái)州、嘉興、泰州幾個(gè)城市，這些城市的經(jīng)濟(jì)實(shí)力雖與全國其他城市相比較為發(fā)達(dá)，但在長三角城市群中表現(xiàn)平平，整體市場表現(xiàn)和政策環(huán)境相對(duì)適中，對(duì)于中小房企來說可以考慮在進(jìn)入長三角城市群后機(jī)會(huì)型布局.位于第4 象限的是鎮(zhèn)江、鹽城、紹興，這3 個(gè)城市的定量指標(biāo)和定性指標(biāo)得分均處于下游，中小房企可謹(jǐn)慎觀望，擇機(jī)進(jìn)入.

圖1 各城市得分分布圖

3 結(jié)束語

基于國家以城市群推動(dòng)重大區(qū)域戰(zhàn)略融合發(fā)展的背景下，在對(duì)有關(guān)房企城市選擇及城市群發(fā)展國內(nèi)外文獻(xiàn)進(jìn)行研究的基礎(chǔ)上，結(jié)合我國中小房企的特質(zhì)，運(yùn)用層次分析法構(gòu)建了城市選擇模型，并以長三角城市群為例進(jìn)行驗(yàn)證，最后針對(duì)每個(gè)類別的城市提出了中小房企的布局建議.該模型還存在諸如數(shù)據(jù)不夠精確、樣本量有限等不足，但是其靈活性較高，不同房企可根據(jù)自身情況進(jìn)行調(diào)整，為我國中小房企城市選擇的探索提供新的思路和方法，為中小房企做出城市選擇決策提供參考.