东部地区房地产行业发展分析

(武汉大学经济与管理学院 湖北 武汉 430072)

一、背景及问题提出

房地产业是人们的基本生存资源,同时也是带有明显投资性质的商品。房地产在选址过程中对土地资源和区位较为敏感,在开发与消费环节对资金的要求也较高,因此具有明显的地域差异性市场特征。[1]部分地区房产开发过热,房价上涨过快,人们住房可支付性下降;有些地区因房产开发规划与建设不合理,出现了空置率极高的新城或鬼城;还有部分地区争取房产投资资金不足,居民居住环境得不到应有的改善,这种房地产地域差异性正逐步受到我国政府以及学者的关注与研究。而中国自1998年结束了福利分房制,开始住房市场化改革,就成为房地产业走向市场化的分水岭。[2]从此,中国的房地产市场迅速发展,对启动内需,加快城市化进程,促进国民经济的快速增长,起到了极其重要作用。经过将近二十年的发展,房地产行业现已成为我国主要产业之一。然而房地产市场由于其供给弹性有限、不存在易得的替代品:房地产没有终极价格、基本价值难于确定等一系列特征,使其成为最常见的经济泡沫载体之一。[3]2016年“930新政”后，中国楼市逐渐进入“政策市”，四限、因城施策、长效机制和诸多房企融资限制等调控政策对房地产市场的影响越来越大。在中国经济总体韧性较好的背景下，2018年上半年楼市调控政策料将难以出现实质性松动，甚至不排除“四限”政策向三四线城市继续扩容的可能性。在楼市和金融双双被严监管之下，预计2018年房地产销售或将出现一定幅度下行，但考虑到部分一二线城市库存较低，那些受益于深度城市化和都市圈化的优质城市房价料将难以出现大幅下行。[4]与此同时,有关我国东部地区房价的争论也在不断升温。而对于东部地区的房地产行业发展的研究，一方面可以为房地产开发企业起到一定的指导作用,另一方面,对于各个省份针对自身发展水平调整房地产发展结构也有一定的作用。本文在借鉴国内外理论研究的基础之上,引用一系列的统计数据,运用理论和实证相结合的分析方法,对我国东部地区的房地产行业发展进行了实证分析,力图通过本文的尝试,对东部的各级地方政府引导房地产行业健康发展具有重要的指导作用。

本文采用了因子分析法，利用其降维的思想，将具有错综复杂关系的变量压缩为数量较少的几个综合变量，是高度相关的变量划归同组内，相关性较低的变量归于不同组内，以再现原始变量和因子之间的相互关系，避免综合评价中因信息量过大而导致的重复评价。公共因子的选取通常是以特征值大于1或累积方差贡献率大于80%为标准，确保保留大部分的原始信息。最后，以公共因子得分与各因子方差贡献率进行加权求和，得分越高，表明该省份房地产发展综合实力越高，整体质量也越强；得分越低，竞争力相对较弱，发展状况也相对较差。

二、东部地区房地产发展状况

东部地区房地产市场已进入高位运行轨道,那么上海、浙江是在这条轨道上行驶的火车的车头。而东部地区出现这种高速向前发展的良好局面,其原因是多方面的,既有我国经济发展大的背景,也有居民生活水平提高、住房观念转变等多个因素。

三、因子分析法的具体运用

(一)评价指标体系

为了更好地反映东部地区各省份房地产市场的差异，找出其房价上涨的具体原因，笔者遵循着指标体系的综合性、指标的代表性、指标的相关性以及指标的可得性等原则，选取了以下9个指标：

Xl ——居民消费价格指数；

X2——地区生产总值(亿元)；

X3——商品房销售面积(万平方米)；

X4——各地区建筑业总产值(亿元)；

X5——各地区社会住房投资(亿元)；

X6——各地区总承包建筑业企业个数(个)；

X7——各地区房地产从业人员(万人)；

X8——各地区房地产利税总额(万元)；

X9——各地区商品房平均销售价格(元/平方米)；

表1 东部地区各省份有关指标

注：数据来自中国统计局官网(2016年)

由于表l中的不同变量之间存在不同量纲、不同数量级的情况，为使各个变量具有可比性，使数据得以在更平等的条件下进行分析，将数据进行标准化处理。可以直接使用SPSS进行数据标准化处理，这里采用的是Z标准化，即使均值为0，方差为1。[5]

(二)指标相关性检验

指标相关性检验因子分析的前提是指标之间具有相关性。从表2可以看出，各指标间存在较强大的相关性，而且对其进行的KMO与Bartlett检验显示，KMO度量值为0.612>0.5，样本大小达到要求，虽然度量值未达到0.7，属于较差的范围，但变量间仍存在共同因素，可以做因子分析。同时，Bartlett球度检验中，显著水平值为0.000<0.005，达到显著性水平要求，表明相关系数矩阵与单位矩阵有显著差异，即原始变量间可能存在有意义的关系，可进一步做因子分析。[6]因此我们需要对以上指标进行因子分析，把问题降维，避免指标自相关性对结果的影响。

表2 相关矩阵

(三)公共因子分析

因子载荷是公共因子与指标变量之间的相关系数，载荷越大，说明公共因子与指标变量之间的关系越密切。[7]在确定公共因子个数时，先选择与原变量数目相等的因子个数，计算因子总方差结果见表3。取初始特征值大于l的因子为公共因子。由表3可知，符合条件的特征值有3个，累积方差贡献率达87.425%，涵盖了大部分变量信息。因此，选取前三个因子作为公共因子。

表3 解释的总方差

提取方法：主成份分析。

一般而言，通过初级变换得到的因子载荷差异不大，含义不明显，实用价值不高。因此本文采用方差最大旋转法，得到旋转后的因子载荷，见表4。[8]根据此表，我们就可以对3个公共因子进行命名。旋转后在第一个公共因子上载荷较大的有6个变量，分别是地区生产总值(亿元)，商品房销售面积(万平方米)，各地区建筑业总产值(亿元)，各地区社会住房投资(亿元)，各地区总承包建筑业企业个数(个)和各地区房地产利税总额(万元)。可以看出这些因素都影响着房地产的发展状况，而且可以看到第一个公共因子F1的方差贡献率超过了58%，在绝大程度上影响着房地产开发及发展，因此可以将其作为房地产开发因子。旋转后在第二个公共因子上载荷较大的有2个变量，分别为各地区商品房平均销售价格(元/平方米)和各地区房地产从业人员(万人)。各地区房地产从业人数影响着商品房的销售情况，从业人数多，在一定程度上能够促进销售工作的开展，商品房平均销售价格情况也影响着房地产的销售情况，也就决定了商品房的销售情况，因此可以把公共因子F2定义为与销售有关的因素，即房地产市场销售因子。旋转后在第三个公共因子上载荷较大的变量是居民消费价格指数，由于居民的消费指数会一定程度上影响居民的购买能力，因此可以将公共因子F3定义为房地产潜在购买因子。

表4 旋转成份矩阵a

提取方法:主成份。

旋转法:具有 Kaiser 标准化的正交旋转法。

a.旋转在 5 次迭代后收敛。

(四)计算因子得分

根据表1和表4，计算出各公共因子的得分，如表5所示。

公共因子F1代表各地区房地产开发因子，由表5中F1一列可以看出江苏省，广东省，浙江省和山东省的房地产开发位于东部地区的领先水平，同时也说明了这几个地区的房地产行业发展状况很好。而公共因子F2代表销售因子，可以从F2一列看出北京，上海的房地产销售状况远远好于其他的东部地区的各个省份，这也与这两个地区的人民生活水平有关，人民生活质量好，相较于其他地方经济状况也更好一些。而F3代表潜在购买因子，由表5可以看出上海市，广东省和海南省得分较高，可以看出这几个地区居民的潜在购买能力较高。而依据综合得分可以看出江苏省和广东省的综合得分最高，而浙江省和山东省的得分也还行，其次就是上海，北京，福建，东部地区发展最为不好的是天津，河北，辽宁和海南省。

表5 各地区房地产发展综合得分表

四、结论

东部地区中江苏省，广东省，北京和上海这些地区的房地产市场较为成熟，房地产行业吸引力大，投资效益也高，但同时也要稳定房地产行业的发展，警惕两种房地产过热现象。第一种是盲目性过热，比如盲目投资，盲目扩大开发量等，从而导致市场供给远远大于需求量，空置率上升；第二种是泡沫性过热，房地产的市场价格远远高于其成本价，一旦经济发展减缓，房地产行业就将受到重创，在当前经济下行空间主要要稳定房价。[9]其他具有良好的地缘优势和较佳的投资环境的地区，房地产行业还可以进一步做大做强，在提高房地产效益方面还有进一步的拓展空间，还可以利用相关政策来加快发展。对于有大规模城区化的地区，要积极探索社会保障机制，加强管理，规范房地产企业的市场行为；建立健全的住房供应体系，尽快解决房地产行业的结构性矛盾，合理配置住房与非住房，高档住房与低价位住房的结构与比例。[10]要注意加快住宅产业的现代化进程，积极改善投资环境，狠抓招商引资工作，努力拓宽融资渠道，加大经济适用房的开发力度；加强监管，整顿和规范房地产市场秩序。[11]而对于像天津，河北，辽宁等地区可以在加大土地面积开发的同时，稳定房地产价格，使房价与居民收入水平相称，促进房地产行业健康有序的发展。

另外，很多人认为，在像北京、上海、广东这样一些经济发达的城市中购房，是一种身份的象征，因此具有隐性收入的人会选择在这些地区买房，从而哄抬房价。笔者认为，政府相关单位及房地产开发商应该减少提供大户型住房，针对中等收入家庭提供经济适用房，使其成为住房供应的主渠道，以满足大部分城镇居民的需求。还有一个是土地价格上涨导致成本上升。我国土地价格主要由取得成本、开发成本、政府收益三部分构成。[12]土地价格的上涨使得开发商将土地成本增加的部分转嫁给消费者，这就提升了房价的上涨速度。江苏省，广东省，浙江省和山东省四个省份的开发因子相对其他因子得分较高，这说明他们无论是购置的土地还是完成开发的土地相对其他因素而言都占有相对优势，这就构成了其房价上涨的原因之一。因此，房地产商在投资之前，应该做好充分的预算，避免造成大量土地闲置的局面。