尚天成,黄斌
(天津大学管理学院,天津 300072)
房地产业是为人类的社会生产活动提供入住空间或物质载体的行业。作为国民经济的支柱产业,房地产业的产业链较长,与国民经济众多产业存在相互依存、相互影响的关系,尤其是与第三产业之间存在着较强的产业关联效应[1]。产业关联是指产业之间通过产品供需而形成的相互关联、相互依存的内在关系。旅游地产在近年的兴起[2],使房地产业与旅游产业的产业关联研究成为热点。
目前的房地产业与旅游业的产业关联研究普遍忽略了省域间的差异,而我国经济发展的一个显著特点即是经济发展的地区不平衡性,各个省域处于不同的发展阶段,无论在经济总量、人均收入,还是在产业结构、资源禀赋等各方面都存在着较大的差异。我国各个省域的房地产业和旅游产业都存在着极大的差异,进一步探索旅游产业对房地产业的关联作用不能忽视省域间的差异。
投入产出模型是常用的定量研究产业关联的方法,李江帆等、于庆年、刘益等利用该模型对旅游产业的关联进行研究,通过计算影响力系数与感应度系数,衡量产业关联度,发现了两种系数的定义皆存在经济含义模糊、定义不够合理的问题,也无法衡量产业关联度的省域差异[3-5]。
基于以上分析,通过构建旅游业—房地产业关联系数,计算出各个省域的产业关联系数,在描述其差异性的基础上,使用时序加权模型,并使用聚类分析等方法对产业关联度的省域差异进行进一步的分析。
国内外对于旅游地产和房地业的产业关联的研究成果并不多。国外相关研究成果主要集中在分时度假定义、营销方式、影响因素、市场预测等方面的研究[6-10]。目前国内的研究主要集中于旅游地产的风险管理、投资策略等方面的研究[11-16]。
在旅游产业与房地产业产业关联的研究成果主要有:施金亮等利用投入产出表,计算结果得出初步结论:房地产业与旅游地产的产业关联较强[17]。李宇翔等以青岛为例,利用单位根检验、协整检验和格兰杰因果检验等计量方法对旅游产业与房地产的关系进行了实证研究,结果显示:旅游产业的发展可以促进房地产市场的发展,长期来看,两者存在着稳定的均衡关系[18]。刘婕等对旅游产业和房地产的产业关联度进行深入分析,认为大规模、综合性、多功能、集群化的旅游复合地产将成为我国旅游房地产业发展的主要方向[19]。王洪玲等采用灰色关联方法,对内蒙古准格尔旗房地产业与第三产业产值及细分行业的关系程度进行计算[20]。
文章的内容主要从以下几方面进行分析研究:首先构造旅游产业与房地产业促进系数,计算出各个省域的促进系数,进而采用时序加权模型和聚类分析,对旅游产业与房地产业关联系数的省域差异进行进一步分析,最后总结出结论和展望。
旅游产业发展所带来的大量外来人口极大地增加了当地的房地产购买力,外来人口的增加和购买力的提升可以提升当地的房地产销售额,这是旅游产业和房地产业存在产业关联的基础。
在借鉴产业经济学相关研究的基础上,依据数据的可得性,构建旅游产业与房地产业关联系数,从产业关联的角度,对旅游产业和房地产业的关联度进行考察:
旅游产业与房地产业关联系数等于各省域的商品房销售总额/各省域国际旅游收入
旅游产业与房地产业关联系数的含义为:每一元的国际旅游收入引起的当地商品房销售总额的变化,以此衡量旅游产业与于房地产业的关联度。
其中,商品房销售额是指报告期内出售商品房屋的合同总价款(即双方签署的正式买卖合同中所确定的合同总价)。该指标与商品房销售面积同口径,由现房销售额和期房销售额两部分组成。国际旅游(外汇)收入指入境游客在中国(大陆)境内旅行、游览过程中用于交通、参观游览、住宿、餐饮、购物、娱乐等全部花费。商品房销售额是房地产业的成果,国际旅游收入是旅游产业的成果(注:因无法获得各省域国内旅游收入准确数据,只能选择国际旅游收入作为旅游业收入的替代变量),以产业成果的视角构建旅游产业与房地产业关联系数,既符合现有的统计口径,符合可比性原则,也有其内在的合理性。
根据国家统计局各省域商品房销售额数据及各省域国际旅游收入数据,计算得出各地区产业关联系数(如表1所示)。对数据基本统计特征进行分析,得出结论(如表2所示):
表1 各省域各年份旅游产业与房地产业关联系数
续表1:
表2 数据统计特征
从数值的平均值来看,2000—2010年的总体趋势是向上的,2005—2010年平均值呈震荡上升趋势;最大数、最小数、中位数的变动趋势也验证了这一点。从年度上来看,2005—2009年的产业关联系数呈显著上升态势,在2009年产业促进系数达到峰值,2010年出现一定幅度的下降,这也与世界和中国的经济形势呈现出一定的相似形态。
因为各个省域各个年份的关联系数存在着一定差异,且为时序立体数据,采用时序加权模型对其进行更深入研究。
对同一个对象某一个特征或者指标进行评价,随着时间轴的不断延展,会拥有大量的按照时间顺序排列的截面数据表,即“时序立体数据表”。文章采用时序加权平均算子(TOWA)处理此动态综合评价问题。
令 N={1,2,…,n},称〈ui,ai〉(i ∈ N)为TOWA对,ui为时间诱导分量,ai为数据分量。定义时序加权(TOWA)算子为:
式中:W=(w1,w2,…,wn)T是 F 相关联的加权向量;bj是(ui∈N)第j时刻对应的TOWA对中的第2个分量,称F是n维TOWA算子。
TOWA算子的实质是引入时间权向量,作为各个时间段指标的权重,进而进行时间维的二次集结。
TOWA的关键是要计算出时间权向量。时间权向量可以刻画时间轴不同观测点的重视程度。首先定义时间权向量熵I和时间度λ。
时间权向量熵描述数据二次集结过程中权重包含信息的程度,I值越大,则所包含的信息量越小。
时间度λ描述了对于不同时序的重视程度,λ介于0与1之间,其值越小,近期数据的权重越大,其值越大,则说明远期数据的权重越大。
利用线性规划方法求解:
经讨论,确定时间度λ取值为0.1,表示非常重视近期数据。模型求解结果为时间权向量 W=(0.0029,0.0086,0.0255,0.0755,0.2238,0.6637)T,进而利用TOWA算子求得我国各个省域关联系数的动态综合评价数值(如表3所示)。
表3 各省域关联系数动态综合评价结果
从数值上来看,各个省域的综合指数值差异较大,这也反映了我国目前各个省域发展阶段和产业特点的极大差异。从排序上来看,各个省域关联系数排序(如图1所示)。从年份贡献度上来看,以2010年的贡献度最高,贡献度可以达到60%至80%左右。
从排序中可以看出,中部和西部地区的关联系数排序较为靠前,东部沿海地区的排序较为靠后。一个合理的解释是:经济较为发达地区的经济发展模式较为多元,本省域居民的购买力较强,外来旅游人口对于当地旅游市场的拉动幅度较为有限,经济发达程度不高的中部和西部地区更加依靠旅游行业的带动。
图1 各省域关联系数排序
进一步地,为了更科学、客观地评价各个省域的系数,文章以各个省域关联系数综合指数为聚类依据,采用系统聚类法,按照可区分性原则,最终得到各个省域聚类结果(如表4所示)。
表4 各省域聚类结果
从聚类结果来看,四川、甘肃、宁夏的产业关联系数最高,北京、上海、广东、福建等的产业关联系数最低,中部地区,如河北、贵州、青海等地聚为一类。结合省域地理位置及经济水平,进一步分析得出结论:西部不发达地区的产业关联度最大,中部次之,东部沿海经济较为发达地区的产业关联度最低。
文章通过构造旅游产业与房地产业关联系数,采用时序加权平均模型和聚类分析,对房地产业与旅游业关联度的省域差异进行研究。得出的主要结论有:
(1)通过构建旅游产业与房地产业关联系数,发现各个省域的产业关联系数存在着明显的差异。这说明旅游产业与房地产业的关联度存在着明显的省域差异。
(2)从各省域关联系数的动态综合评价数值及排序来看,中部和西部地区的关联系数排序较为靠前,东部沿海地区的排序较为靠后。这说明相对于东部沿海发达地区,西部地区的房地产业更加依靠当地旅游产业的带动。
文章利用综合评价方法,对房地产业与旅游产业关联度的省域差异进行了初步研究,但对于该差异的形成机理并未有合理的假设和验证,这有待于进一步的研究。
[1]任木容,苏国强,何晓春.房地产业与三次产业的灰关联分析[J].统计与决策,2009(2):116 - 118.
[2]戴承良.2010年旅游地产十大事件[J].上海房地,2011(1):24-25.
[3]李江帆,李冠霖,江波.旅游业的产业关联和产业波及分析——以广东为例[J].旅游学刊,2001(3):19 -25.
[4]于庆年.丹东市区旅游产业调查与投入产出分析[J].系统工程理论与实践,2002(11):138-143.
[5]刘益.基于投入产出模型的旅游卫星账户研究[J].暨南学报(哲学社会科学版),2006(3):60-65.
[6]Sarah R..Consumer research sheds light on all aspect of resort timesharing business[J].International Journal of Hospitality Management,2009(3):245 -255.
[7]Robert H.W..Opinions of their profession by sales and marketing experts in the timeshare industry[J].Hospitality Management,2008(21):239-244.
[8]William A..The future of timeshare industry expected to be bright[J].Hotel& Motel Management,2006(4):34-41.
[9]Howard N..Timeshare industry looks promising[J].Hotel&Motel Management,2006(10):221 -225.
[10]Watkins E.D..Time to rethink timesharing [J].Lodging Hospitality,2007(10):26-29.
[11]丁顺,王晓鸣,陈华荣,等.基于生命周期的分时度假项目风险识别[J].华中科技大学学报,2003,24(1):47 -50.
[12]周霄,黄猛.解读旅游地产投资的八大成功要素[J].建筑经济,2007(1):69-72.
[13]马勇,王宏坤.基于全价值链的我国旅游地产投资策略研究[J].商业研究,2011(10):208 -211.
[14]耿松涛,刘维林.我国旅游地产的开发模式及风险规避策略研究[J].建筑经济,2012(1):49 -53.
[15]孙斌艺.旅游房地产项目经营绩效特征的实证研究[J].华东师范大学学报(哲学社会科学版),2011(6):131-137.
[16]唐顺英、孙晋芳.基于SSM的山东省国际旅游产业结构分析研究[J].山东建筑大学学报,2009,24(6):543-547.
[17]施金亮,周德力.从产业关联视角看房地产业与旅游业的结合发展[J].经济师,2007(12):158 -159,181.
[18]李宇翔,黄国安.旅游业与房地产市场关系的实证研究——以青岛市为例[J].经济研究导刊,2010(25):27 -28.
[19]刘婕,谭华芳.旅游与房地产业的关联融合度研究[J].经济体制改革,2011(2):150-153.
[20]王洪玲,孟广文.内蒙古准格尔旗房地产产业关联度研究[J].天津师范大学学报(自然科学版),2012,32(1):54-59.