中国房地产行业效率分析：基于省级数据的实证研究

摘要：基于省级数据，文章利用数据包络方法（DEA）评估了中国房地产行业效率。结果显示：东部地区的技术效率和纯技术效率明显高于东北、中部及西部三地区；全国平均技术效率得分呈现出倒U型特征；各省（市、区）基本上都处于规模报酬递减阶段。这表明，近些年地方政府过度关注房地产业的经济增长效应而忽略房地产企业规模效率这一基本事实并未因相继出台的一系列房地产政策而改善，而当务之急是设计更合理体制机制改变对地方政府行为的激励与约束，以引导房地产业与其它产业协调有效发展。

关键词：房地产业效率；DEA；地区差异

一、 引言

近些年来，房地产投资在促进中国经济快速增长、增加地方政府财政收入及加快城市化进程中发挥了重要作用。然而，伴随房价快速增长和房地产市场规模膨胀，社会财富分配机制扭曲和资源配置与利用效率降低等问题也逐步加剧。从理论上讲，其根本原因在于地方政府治理结构的不合理性，即以GDP为核心的地方官员政治晋升机制和财权事权不匹配的地方财政体制。

房地产业效率问题已引起国内一些学者的关注，但现有关于我国房地产业绩效研究的研究文献较多关注涉房地产投资的微观企业，且主要以上市公司为研究样本评估企业财务绩效。比如，杨飞等（2012）选用托宾Q和资产利润率两项财务指标分析限购政策对房地产上市公司绩效的影响；李斌等（2007）选取24家房地产企业分析了2005年绩效水平，而唐晓华和邱煜（2013）仅仅以13家企业为研究样本，分析西部房地产业效率。张水英（2013）借鉴AHP的思路，即通过专家判断确定财务指标权重的方法，评估宏观调控政策对房地产企业财务绩效的影响。上述文献从微观数据出发，得到了一些有价值的结论，但由于样本数目较少且仅考虑规模相对较大的上市公司，很难得出具有普遍性的结论。这无法帮助政策制定者和学者认识和判断整个房地产行业绩效的基本状况和地区间差异。

数据包络分析方法（Data Envelopment Analysis，DEA）作为一种相对效率评估方法，在研究多种投入与多种产出系统时具有较多优点，这为本文研究房地产业投入产出效率提供了方法选择。需要强调的是，DEA方法不需要设定具体的投入产出函数形式和主观权重使得其在经济学实证分析中得到广泛应用（颜鹏飞、王兵，2004；姚树洁等，2004；陈诗一、张军，2008；Young，2003：Zheng & Hu，2004）。

考虑到DEA方法的众多优点及其在实证应用中的有效性，本文拟选用省级数据研究各地区房地产业效率，并分析相关房地产政策效应，以期从宏观视角出发丰富现有研究和提出政策建议。

二、 研究方法设计

1. DEA方法。典型DEA模型为的CCR-DEA（Cha-rnes等，1978）。其在规模报酬不变（CRS）的假设条件下，建立输入项目线性组合与输出项目线性组合，并通过构建这两类线性组合的比值来评估决策单元的效率值。CCR-DEA模型的具体思路可简要概括如下：

假设有n个决策单元DMUj（j=1，2，…，n），而每个决策单元DMUj都有m个输入项Xj=（Xj1，Xj2，…，Xjm）和s个输出项Yj=（Yj1，Yj2，…，Yjs），则决策单元DMUj的投入产出比可以表示为，uTY0/vTX0。在限定u，v？叟0及uTYj/vTXj？燮1的情况下，经过Charnes-Cooper变换与对偶变换可得如下线性规划模型：

min？兹s.t■Xj？姿j？燮？兹X0，■Yj？姿j？叟Y0，？姿j？叟0，j=1，…，n

通过求解上述线性规划模型，可以得到的第j个决策单位的相对效率得分？兹值。

由于上述模型假设规模报酬不变，所以其适用性取决于所有的决策单位是否都处于最优规模（李再扬、杨少华，2010），其适用范围和效能也因此受限。然而，经过众多学者们不断发展与完善，DEA方法也衍生出许多变体。比如，Banker等（1984）所提出的规模收益可变（VRS）的BCC-DEA模型，能够很好地克服规模报酬不变假设的不足。与CCR-DEA模型不同，BCC-DEA模型在线性规划方程中引入凸约束1`？姿=1，并且结合CCR-DEA模型可以将效率得分分解为规模效率与纯技术效率（李再扬和杨少华，2010）。

值得注意的是，在使用DEA模型估计投入产出系统的技术效率时，既可以选择输入导向型方法（Input-Oriented），也可以选择输出导向型方法（Output-Oriented）。本文在估算效率时则选择后者，即在产出给定的情况下，根据投入要素成本来判断决策单元的相对效率。

2. 决策单元与投入产出指标选取。

（1）决策单元选取。关于房地产业效率研究的实证文献基本上选择了部分房地产业上市公司作为研究样本（张红、杨飞；丁琪等，2011；杨东进、邓吉，2013）。这使得其研究结论既缺乏普遍性，也无法比较区域间房地产业相对效率的差异性。与现有文献不同，本文拟选用省级房地产业统计数据来评估我国房地产业效率，即以省级行政区域作为决策单位，借助DEA方法评估房地产业效率。这样不仅有利于比较不同区域间房地产业效率的差异性，还能够有效避免因仅选取小部分公司样本作为研究对象而降低评估结果的代表性和可靠性。

（2）指标选取。本文选取主营业务收入作产出指标，用于衡量房地产业企业因从事主要的成产经与营活动而取得的营业收入。这是因为其能够反映房地产企业真实的运营状况。考虑到数据的可得性和各经济指标的含义，我们选择的投入指标包括四项，即总资产、所有者权益（实收资本或股本+资本公积+盈余公积+未分配利润）、主营业务成本（原材料+人工成本+固定资产折旧等）与总费用（销售费用+管理费用+财务费用），这些指标不仅能够反映企业生产经营所需要的机器设备等固定资产、各种消耗型材料及人工成本与各项费用，还能够在一定程度上间接反映企业的资产负债结构。

三、 数据及实证结果

1. 数据来源与统计特征。本文所用数据为全国31个省级省（市、区）2007年～2012年的统计数据，数据来源于CEIC全球统计数据库。表1给出了2007年～2012年全国31个省级区域各年份房地产业投入产出指标统计均值。2007年各省级区域房地产业的平均主营业务收入为662.8亿元，此后连续三年增长，增长率分别为7.75%、30.55%和20.28%，2008年增长缓慢与2007年美国次贷爆发进而引发的全球金融危机有较大关系，而此2008年之后又快速恢复增长则得益于我国政府4万亿积极财政刺激计划；2011年主营业务收入停止增长且略有下降与当年实施的房地产限购政策、紧缩性信贷政策及重庆、上海试点开征房产税及扩围预期对房地产开发与交易市场产生的负面影响密切相关。而2012年主营业务收入又恢复快速增长。主营业务成本也表现出类似规律。其余三个投入指标的增长率变化趋势则近似表现出W形状。

2. DEA实证结果及比较分析。本文实证分析的目的为比较分析我国东北、东部、中部及西部四大地区房地产业生产效率的差异。因此，本文基于省级数据，分别借助CCR-DEA模型和BCC-DEA模型估计房地产业的技术效率（总效率）和纯技术效率，并根据这两个模型的估计结果分解出规模效率。

（1）规模报酬不变假设条件下的技术效率。表2给出了全国四大地区房地产业的技术效率得分。结果显示：（1）2007年～2012年间东部地区房地产业技术效率得分一直最高，且呈现出先增后减变化趋势，并在2010年达到峰值0.942 2；（2）2008年～2011年间，东北地区与中部地区技术效率得分大小和变化趋势非常相似，即均呈现出倒U型，也均于2010年达到峰值。2012年中部地区的技术效率得分明显上升，而东北地区则相反。后者技术效率得分比上年度下降了约1.6%；（3）西部地区在2007年之后也呈现出先增后降的趋势，且在2010年的峰值超过了东北和中部两地区，其技术效率波动性也较东北、中部地区剧烈。但就平均分而言，西部地区最低，东部地区最高；（4）2007年～2012年全国平均得分也呈现出倒U型特征说明，从2009年末开始逐步实施的房地产限贷、限购、限价政策，紧缩性货币政策及开征房产税等一系列措施，在有效遏制房价泡沫和打击投机行为的同时，也给技术效率带来负面冲击。换言之，政府的房地产市场调控政策损害了各地区房地产行业效率。

（2）规模报酬可变假设条件下的纯技术效率与规模效率。纯技术效率反映了在投出规模既定的情况下，各省（市、区）房地产业企业生产、经营及销售等管理水平的高低与其对经济资源进行有效配置和合理利用的程度。因此，纯技术效率得分可以被用来衡量各省（市、区）房地产业无效率在多大程度上取决于纯技术无效率。

表3左栏给出了全国四大地区房地产业的纯技术效率得分。结果显示：（1）东北、东部、中部及西部四大地区房地产业纯技术效率得分均值分别为0.878 5、0.942 8、0.894 0及0.880 5。其中，东部地区得分最高，而西部地区依旧得分最低；（2）2007年～2012年间四大地区纯技术效率得分与表2中技术效率得分的变化趋势表现出相似规律。这则表明各省（市、区）房地产无效率的主要原因在于纯技术效率较低，即未达到技术生产边界导致实际产量较低。

规模技术效率表示在一定的投入条件下，技术效率生产边界的产量与最优规模下的产量的比值，而规模效率越大，表示该省级决策单元房地产业的生产规模越接近最优生产规模（韩华为、苗艳青，2010）。

表3右栏给出了全国四大地区房地产业的规模技术效率得分。结果显示：（1）东北、东部、中部及西部四大地区房地产业该项历年得分均值分别为0.975 6、0.964 5、0.963 5及0.970 6。其中东北地区最高，而中部地区最低；（2）与其它三地区相比，东部地区规模技术效率在2007年、2008年两年均较高，而2008年后东北与西部两地区得分几乎相等，各年差值均小于0.003 5。2009年后四大区域的规模技术效率基本上都呈现出下降趋势。

此外，通过对比表2～表3中三类效率得分，可以看出：四大地区的规模技术效率分布相对集中且均在0.96以上，而技术效率与纯技术效率分布相对分散且较低。这进一步说明，各省（市、区）房地产业生产无效率的主要原因在于纯技术效率较低。值得注意的是，规模报酬可变假设条件下的DEA模型还能够判断决策单元的规模报酬类型（韩华为、苗艳青，2010）。研究结果显示，样本期内规模报酬递减的省（市、区）个数依次为：28、25、26、27、27及29个，规模报酬不变的省（市、区）个数依次为：2、1、1、3、1及0个，而规模报酬递增的省（市、区）个数依次为：1、5、4、1、3及2个。也就是讲，大多数省（市、区）房地产业基本上都处于规模报酬递减生产阶段。这一结果也说明，尽管近10年来房地产业投资规模迅速扩张，对拉动我国GDP快速增长和加快城市化进程起到了举足轻重的作用，但地方政府过度关注房地产业的经济增长效应和财政收入效应，也在一定程度上造成房地产行业运营效率不高和房地产项目良莠不齐。

四、 结论及建议

本文利用全国31个省（市、区）2007年～2012年的房地产行业数据，借助DEA方法评估了我国房地产行业生产效率。研究结果显示：

（1）就技术效率和纯技术效率而言，东部地区明显较高，而西部地区这两项平均得分都较低。这说明区域间房地产业生产技术差异较大。此外，2007年～2012年间全国平均技术效率得分呈现出倒U型特征。理论分析认为，这与2009年后开始逐步实施的“三限”政策（限贷、限购、限价）、试点开征房产税和紧缩性货币政策等有较大关系。“三限”政策会通过限制购房者的交易权利和心理预期抑制住房需求，进而影响房地产企业的销售状况，而后者则通过控制信贷资金规模和提高利率水平提高房地产商的开发成本，进而降低其生产和运营效率。换句话讲，政府所采用的房地产市场调控政策是一把“双刃剑”，也损害了企业效率。

（2）就规模技术效率而言，全国31个省（市、区）基本上都处于规模报酬递减阶段。这一重要结论对房地产企业未来发展和地方政府进行经济结构调整都具有指导意义。尽管房地产业蓬勃发展对拉动我国GDP快速增长和加快城市化进程功不可没，但受GDP晋升考核机制激励，地方政府过度关注房地产业的经济增长效应而忽略企业规模效率，已经造成了过度开发投资的局面，这最终将不利于房地产业和整个宏观经济健康运行。

参考文献：

1. Banker R.D.， Charnes A.， Cooper W.W. Some models for estimating technical and scale inefficiencies in data envelopment analysis.Management science，1984，30（9）：1078-1092.

2. 姚树洁，冯根福，姜春霞.中国银行业效率的实证分析.经济研究，2004，（8）：4-15.

3. 张水英.宏观调控下房地产企业的财务绩效变化研究.统计与决策，2013，（2）：173-176.

4. 陈诗一，张军.中国地方政府财政支出效率研究：1978-2005.中国社会科学，2008，（4）：65-78.

5. 韩华为，苗艳青.地方政府卫生支出效率核算及影响因素实证研究——以中国31个省份面板数据为依据的DEA-Tobit分析.财经研究，2010，（5）：4-15.

6. 李斌，蒋涛，吴俊芳，张立军.房地产行业上市公司绩效评价的实证研究.特区经济，2007，（3）：122-123.

7. 李再扬，杨少华.中国省级电信业技术效率：区域差异及影响因素.中国工业经济，2010，（8）：129-139.

8. 唐晓华，邱煜.西部地区房地产上市公司营销绩效的DEA分析.经营管理者，2013，（6）：10-11.

9. 颜鹏飞，王兵.技术效率，技术进步与生产率增长：基于DEA的实证分析.经济研究，2004，（12）：88-96.

基金项目：中国人民大学研究生科学研究基金项目资助（项目号：13XNH002）。

作者简介：方金金，中国人民大学财政金融学院博士生。

收稿日期：2014-09-27。