上海財經(jīng)大學(xué)　羅韻峰

區(qū)域房地產(chǎn)市場特征和房地產(chǎn)企業(yè)行為研究

上海財經(jīng)大學(xué)羅韻峰

摘要:近年來房地產(chǎn)價格開始下滑,且房價下跌幅度存在明顯的區(qū)域性差異。本文運用主成分分析法對不同省市房地產(chǎn)價格前景建立評分體系,并以此對有代表性的上市房地產(chǎn)企業(yè)土地儲備情況進行研究。

關(guān)鍵詞:房地產(chǎn)價格區(qū)域性差異主成分分析

2014年在房價整體下滑的背景下，一線城市仍然保持了正增長，二三線城市房價出現(xiàn)下跌。由此可見房地產(chǎn)市場是一個典型的地域性市場，不同地域房地產(chǎn)價格受同一因素的影響程度和影響時間存在較大差異。本文的研究目的是通過研究房地產(chǎn)價格區(qū)域差異的影響因素，為政府制定我國房地產(chǎn)市場區(qū)域調(diào)控政策，防止部分省市房地產(chǎn)價格過度下滑提供科學(xué)依據(jù)，促進房地產(chǎn)行業(yè)的市場化進程，為房地產(chǎn)行業(yè)可持續(xù)發(fā)展出謀劃策。

一、基于省級數(shù)據(jù)的房地產(chǎn)價格評分體系

本文認(rèn)為房地產(chǎn)價格與收入水平、土地供應(yīng)、信貸規(guī)模、人口規(guī)模、城鎮(zhèn)化率、GDP增長和各省市對土地財政依賴程度有關(guān)，因此本文以30個省和4個直轄市作為研究樣本，選取以上指標(biāo)進行主成分分析。

選取城鎮(zhèn)人均可支配收入作為反映收入水平的指標(biāo)，計算各省市1999年到2013年的平均值作為樣本，指標(biāo)單位為元。

選取土地購置面積作為反映土地供給的指標(biāo)，計算各省市1999年到2013年的平均值作為樣本，指標(biāo)單位為萬平方米。

選取房地產(chǎn)開發(fā)投資指標(biāo)中國內(nèi)貸款項作為反映信貸規(guī)模的指標(biāo)，計算各省市1999年到2013年的平均值作為樣本，該指標(biāo)單位為萬元。

選取人口總量作為反映人口規(guī)模的指標(biāo)，計算各省市1999年到2013年的平均值作為樣本，該指標(biāo)為萬人。

選取人均土地供應(yīng)面積作為人口密度指標(biāo)，計算方式為人口總數(shù)與土地購置面積的比值，以各省市1999年到2013年的平均值作為樣本，單位為人∕平方米。

選取城鎮(zhèn)化率作為反映城鎮(zhèn)化水平的指標(biāo)，計算方式為各省市城鎮(zhèn)人口占總?cè)丝诘谋戎兀愿魇∈?999年到2013年的平均值作為樣本,該指標(biāo)無單位。

選取房地產(chǎn)投資∕GDP作為土地財政依賴程度的指標(biāo)，計算各省市1999年到2013年的平均值作為樣本，該指標(biāo)無單位。

選取各省市GDP增長率指標(biāo)作為反映經(jīng)濟增長的指標(biāo)，計算各省市1999年到2013年的平均值作為樣本，該指標(biāo)無單位。

以上數(shù)據(jù)中人口密度指標(biāo)、房地產(chǎn)投資∕GDP指標(biāo)以及城鎮(zhèn)化率指標(biāo)通過計算獲得，其他數(shù)據(jù)均來自于歷年《中國統(tǒng)計年鑒》和wind數(shù)據(jù)庫。

(一)模型適用性檢驗

主成分分析法的目的主要在于數(shù)據(jù)的壓縮以及相關(guān)性的降低，如果各指標(biāo)間均相互獨立，相關(guān)性不強，則意味著信息重疊度較低，從而失去了使用主成分法的意義。因此在對數(shù)據(jù)進行標(biāo)準(zhǔn)化處理后，計算上述8個指標(biāo)的相關(guān)系數(shù)矩陣，結(jié)果如表1所示。整體來看，各原始變量存在著明顯的信息重疊，可以使用主成分法進一步分析。（如表1）

(二)主成分個數(shù)的確定

圖1　主成分方差

表1　相關(guān)系數(shù)矩陣

表2　主成分標(biāo)準(zhǔn)差與方差占比

表3　荷載矩陣與特征根

表4　省市房地產(chǎn)價格綜合評分

表5　房地產(chǎn)企業(yè)土地儲備得分

以累計方差貢獻率是否超過85%來作為主成分提取個數(shù)的標(biāo)準(zhǔn)。從表2可以看到，第一個主成分的方差貢獻率最大，占全部方差的比例為41%，依次遞減,前4個主成分所含信息比率達到90%，因此主成分提取數(shù)量確定為4個。

(三)荷載矩陣與特征根

從主成分分析方法的過程來看，結(jié)合表2和表3可以發(fā)現(xiàn)主成分1選用了全部7個指標(biāo)，包含41%的信息量；主成分2剔除了信貸規(guī)模指標(biāo)，前兩個主成分累計包含68%的信息量；主成分3剔除了信貸規(guī)模和城鎮(zhèn)化率指標(biāo)，前三個主成分累計包含82%的信息量；主成分4選取了全部指標(biāo),可以看作是對主成分1的修正，前四個主成分累計包含90%的信息量。

(四)權(quán)重的確定及綜合評價因子的計算

由表3所示載荷矩陣與特征根可以計算出每一個主成分對應(yīng)的數(shù)值，即有：

其中：

Fi：由4個主成分組成的向量；

（R1…R8）：由8個原始指標(biāo)組成的向量；

最后以特征值占比作為權(quán)重，將4個主成分值進行加權(quán)平均，得到各省市房地產(chǎn)價格綜合得分。

其中：

F :房地產(chǎn)價格綜合得分；

Fk：第k個主成分的數(shù)值；

λk：第k個主成分對應(yīng)的特征值。

計算結(jié)果如表4所示。

使用表4的主成分得分?jǐn)?shù)據(jù)制作我國各省市房地產(chǎn)價格綜合得分色階地圖，房地產(chǎn)價格得分最高的城市是北京1.91分，最低為西藏省-2.79分，兩者差值4.7。若將所有省市房地產(chǎn)價格得分值等距分為五檔，則每檔間隔為0.94。如圖4.7所示，第五檔得分在-2.79分到-1.85分之間，第四檔得分在-1.85分到-0.91分之間，第三檔得分在-0.89到0.05分之間，第二檔得分在0.06到1分之間，第一檔得分在1.1分到1.94分之間。

從地圖上看，紅色區(qū)域為北京市、江蘇省、浙江省和遼寧省。這些省市分別位于長三角經(jīng)濟圈、環(huán)渤海經(jīng)濟圈以及京津冀經(jīng)濟圈，未來經(jīng)濟增長以及人口凈流入將使這些城市房地產(chǎn)市場受益。橙色區(qū)域主要是廣東、福建、海南省，這些省市位于我國南部沿海，毗鄰香港和澳門，對外開放程度高，經(jīng)濟發(fā)展速度快，房地產(chǎn)價格得到支撐。其次米色區(qū)域主要是四川、貴州、湖北、河南等中部省市；這些省市一方面靠近經(jīng)濟發(fā)達的沿海城市，另一方面自身也擁有數(shù)個大型城市或省會城市，例如武漢、重慶、成都等；大型城市向外輻射效應(yīng)較強，對房地產(chǎn)價格有一定支撐，但受制于土地供應(yīng)面積較大以及人口流入較少，房地產(chǎn)價格整體水平一般。最后綠色區(qū)域主要是我國西部地區(qū)，包括新疆、西藏、青海、甘肅等省市和自治區(qū)，這些地域人口密度低、經(jīng)濟增長慢，房地產(chǎn)市場較落后。

圖2　各省市房價主成分分析色階圖

二、房地產(chǎn)企業(yè)土地儲備評估

房地產(chǎn)開發(fā)企業(yè)是在有償獲得土地后進行開發(fā)，待開發(fā)完成時將房屋作為商品出售或出租來獲得盈利的企業(yè)。因此土地成本和土地儲備質(zhì)量對房地產(chǎn)企業(yè)利潤有重大影響。一般房企經(jīng)理人在行業(yè)景氣時會加大土地儲備，縮短房地產(chǎn)開發(fā)周期并提高周轉(zhuǎn)率，以實現(xiàn)營業(yè)收入和利潤的增長；相反，在行業(yè)衰退時，房企經(jīng)理人會減少土地儲備并延緩開發(fā)周期。目前在房地產(chǎn)價格整體下滑的背景下，研究房地產(chǎn)企業(yè)的土地儲備質(zhì)量有助于了解哪些企業(yè)受房價下跌的影響較小。

一般情況下，房地產(chǎn)開發(fā)周期較長且可以獲得預(yù)付款，因此房企在商品房完工前將預(yù)付款計入財務(wù)報表中的預(yù)收賬款項，將土地和房屋開發(fā)成本計入存貨項，待商品房開發(fā)完成后再結(jié)轉(zhuǎn)相應(yīng)成本和收入。因此可以在存貨明細(xì)一欄中找到目前正在開發(fā)樓盤的權(quán)益建筑面積。另一方面，存貨項中還包括計劃開發(fā)樓盤的權(quán)益建筑面積，將兩者相加得到上市房企在不同省市儲備的建筑面積值。

本文選取萬科地產(chǎn)、保利地產(chǎn)、招商地產(chǎn)、金地集團、中糧地產(chǎn)、泛海控股、金融街和新湖中寶8家具有代表性的上市房地產(chǎn)公司作為研究對象。統(tǒng)計各房企在不同省市土地儲備面積占企業(yè)所有土地儲備面積的百分比，將其作為權(quán)重與表4.6中相應(yīng)省市的F值相乘獲得房企在該省市的土地儲備得分，最后將不同城市的土地儲備得分加總后得到房企土地儲備的評分值，結(jié)果如表5所示。

從統(tǒng)計結(jié)果來看，房地產(chǎn)企業(yè)土地儲備得分從高到低依次是金融街（1.43）、中糧地產(chǎn)（0.99）、新湖中寶（0.97）、泛海控股（0.96）、保利地產(chǎn)（0.6）、金地集團（0.56）、萬科地產(chǎn)（0.49）和招商地產(chǎn)（0.01）。得分考前的企業(yè)均是區(qū)域性開發(fā)商，例如金融街的樓盤只覆蓋了北京、重慶、天津和廣東（深圳）這四座特大城市，這些城市經(jīng)濟增速和人均收入均較高、人口密度大、因此城市得分高；但是過少的城市覆蓋或許不利于分散非系統(tǒng)性風(fēng)險。

萬科、保利、招商、金地這樣的全國性房地產(chǎn)開發(fā)企業(yè)，覆蓋省市數(shù)量都在10個以上，可以很好的分散非系統(tǒng)性風(fēng)險，但是土地儲備評估值明顯低于區(qū)域性開發(fā)商。全國性房地產(chǎn)開發(fā)企業(yè)土地儲備得分從高到低依次是保利地產(chǎn)（0.6）、金地集團（0.56）、萬科地產(chǎn)（0.49）和招商地產(chǎn)（0.01）。

參考文獻:

[1]朱媛玲.我國房地產(chǎn)市場價格區(qū)域差異的計量研究,2012

[2]白忠菊.城市快速擴張中土地供應(yīng)對房價及其波動的影響研究—以重慶市為例,2012

[3]吳老二,劉婧.人口遷移與房地產(chǎn)價格[J].地域研究與開發(fā),2007

[4]Andrea,Claudio,2009:“International house prices and macroeco?nomic fluctuations”, Journal of Banking and Finance, 2009, Vol.34 (3), pp.533-545

[5]Delwar Akbar, John Rolfe, S.M. Zobaidul Kabir,2013:“Predicting impacts of major projects on housing prices in resource based towns with a case study application to Gladstone, Australia”, Resources Policy, 2013

[6]Nneji, Ogonna, Brooks, Chris, Ward, Charles W.R, 2013:“House Price Dynamics and Their Reaction to Macroeconomic Changes”, SSRN Working Paper Series,Mar-2013