长江三角洲城市群房地产投资环境评价

赵维树，杨 帆

(安徽建筑大学 经济与管理学院，安徽 合肥 230601)

为进一步优化房地产投资环境、有效规避投资风险、挖掘潜力城市、缓解一线城市住房压力，在此对长三角城市群进行新一轮的房地产投资市场综合分析。

经济区域是按人类经济活动的空间分布规律划分的，在国民经济体系中发挥特定作用的地域单元[13]。投资方通过对一定区域的数据进行定性、定量的分析研究，对该区域房地产住宅投资市场得到合理的认识，从而做出正确的判断，有效规避投资风险。如杨建平等对关中城市群房地产投资环境进行综合评价[2]；付锦泉等以河北省房地产市场现状的分析出发，探讨了新型城镇化对房地产投资的影响[3]。马丽等选用层次分析法和熵权法进行组合赋权确定评价指标权重值，引入非线性模糊矩阵合成运算方法，构建了依靠时间轴的投资决策阶段-前期工作阶段-建设阶段-租售阶段-使用阶段风险指标体系[4]；师应来等采用综合分析方法对指标进行初次选择，用聚类分析和相关分析相结合的方法进行再次选择，建立房地产自身发展速度-房地产市场供求均衡-房地产与国民经济协调性指标体系[5]。

陶书金引入最小平方法和熵权的原理确定指标的主客观权重，将其结合确定了指标体系中指标权重的求解模型，并通过理想解法(TOPSIS)对各投资方案进行综合评价，建立了基于组合赋权——TOPSIS法的房地产投资决策模型[6]；刘海鹏根据房地产投资决策的原则和DEA法的应用特点，建立模型(DEA法C2R模型)，结合计算机工具(Lingo软件)计算决策单元的相符效率，然后根据模型计算的相对效率值对房地产投资决策方案进行优劣排序[7]。

本研究以长江三角洲城市群作为分析对象，通过建立社会文化-基础设施建设-市场-经济-产业结构评价指标体系，采用熵权法和灰色关联度法对其房地产资环境进行定量综合评价。

1 数据来源

本着科学性真实性的原则，文中所选取的数据均来自《中国城市统计年鉴》(2018)、各省市的国民经济和社会发展统计公报(2018)、国家统计局官网有关房地产统计数据等。数据涉及人口、劳动力与就业、按三次产业的单位从业人员就业状况、单位从业人员就业结构、土地资源、综合经济、工业总产值、固定资产投资、财政(市辖区)、房地产、金融、劳动工资、在校学生数、文化、卫生、交通运输、邮电、通信等方面。少数缺失数据通过近5年数据，利用插值计算得出。

2 指标体系构建和研究方法

2.1 指标体系

房地产投资环境的影响因素很多，涉及到房地产项目的整个生命周期。本研究在参考众多文献的基础上本着系统性、合理性、科学性、针对性、可获得性的原则选取了24个指标，构建了社会文化-基础设施建设-市场-经济-产业结构指标体系。选取的 24个评价指标及评价指标选取依据如表1所示。

表1 长江三角洲城市群房地产投资环境评价指标体系一览表

2.2 模型建立

2.2.1 熵值法

熵的概念源于热力学，是对系统状态不确定性的一种度量。在信息论中，信息是系统有序程度的一种度量。熵值法是一种客观赋权法,其根据各项指标观测值所提供的信息的大小来确定指标权重,计算综合得分。研究涉及26座城市的24项指标，计算步骤如下：

(1)确定矩阵

(1)

式中：Xij代表第i座城市的第j项指标。

(2)数据处理

由于选取的数据量纲和单位的差异，不能直接使用，需要对其进行无量纲化处理。

正向指标：

(2)

负向指标：

(3)

(3)计算熵值

(4)

式中：Pij为第j项指标下第i座城市占该指标的比重。

(5)

(4)计算综合得分

Gj=1-Ej

(6)

式中：Gj为第j项指标的差异系数，指标值差异越大，对城市评分的影响越大，熵值就越小。

(7)

(8)

式中：Si为第i座城市的综合得分。

各个城市综合得分表如表2～表5所示。

表2 房地产投资环境综合评分一览表

表3 房地产投资环境综合评分一览表

表4 房地产投资环境综合评分一览表

表5 房地产投资环境综合评分一览表

2.2.2 灰色关联分析法

由于人类对事物认识的局限，难以获取全面、准确的信息。在没有足够信息的情况下如何对事物进行客观认知、判断，成为不确定性研究的基础。邓聚龙教授首创的灰色系统理论，对存在不充分明确信息的研究提供新的研究方法，即从众多因素中分辨出主要影响因素和次要影响因素，可以更好地有针对性地对其进行强化[1]。根据本研究利用熵值法所算得的综合得分、房地产占总固定投资比X17、住宅占房地产开发比重X18、商品房年销售面积X19分别作为系统特征序列，定义为X0，计算步骤如下：

(1)设系统行为序列

(9)

式中：i=(1，2，…，26)，m=26，代表26座城市；j=(0，1，…，24)，n=24，0代表特征序列； 其余代表24项指标。

(2)计算初值像

(10)

(3)计算差序列

(11)

(4)计算两极差

(12)

(13)

(5)计算关联系数

(14)

经计算，各项指标与特征数列的灰色关联度如表6所示：

（7）事中绩效监控没落实，事后绩效评价没应用。很多高校关注的是专项资金如何分配，分配完之后，就处于放任的状态，不注重过程的监管，事中绩效监控没真正落实，不能及时发现问题并加以纠正，导致贻误时机。很多高校按政府要求对专项资金进行事后绩效评价，可是评价结果并没得到应用，对专项资金执行进度没完成的部门没追责，执行好执行坏一个样，不能形成正确导向。

表6 各项指标与特征数列的灰色关联系数一览表

3 结果分析

3.1 城市综合得分

对综合得分进行排序，上海、杭州、南京、合肥占据前四，与其他直辖市和省会城市的资源优势、地理位置成正比。浙江省8市整体排序适中，杭州、宁波评分偏高，嘉兴、湖州、绍兴排序偏低，其余3市评分居中。江苏省9市评分分布呈两极分化，南京、苏州、无锡、常州、镇江排序靠前，南通、泰州、盐城、扬州排序偏后，但整体评分排序优势明显。安徽省中除合肥、芜湖排序靠前，其余6市均排序偏后，整体水平偏低。

3.2 灰色关联系数

各项指标与城市房地产综合得分、房地产占总固定投资比、住宅占房地产开发比重、商品房年销售面积的灰色关联度。首先各个指标与综合得分的关联度均大于0.749，证明所选指标准确且具有针对性。其次，本文总计做了4次灰色关联度分析，其余3列均来自房地产投资环境评价指标体系中的二级指标——市场环境，这是为了更好的使数据贴近真实市场情况。

在与综合评分的关联度中，综合得分与科研行业占总就业人数比关联度最高；其余从高到低分别为商品房年销售面积、电信行业占总就业人数比等；与教育投入占公共预算支出比、人口自然增长率的关联度偏低。

在与X17的关联度排序中从高到低依次为年公共客车客运总量、卫生机构人员数关联度偏高；教育投入占公共预算支出比、人口自然增长率仍然是关联度偏低；结果分析表明交通、医疗、教育是一个城市安居乐业的基础，一个城市是否发达也与此息息相关。

而在与X18的关联度中教育投入占公共预算支出比最高，依次是GDP实际增速、城市建成区绿化覆盖率等；偏低的依次为一般公共预算收入、人口自然增长率；这是因为当代父母把孩子的教育问题当成头等大事，为追求更好的教育环境，所导致学区房热，一房难求，破房高价的现象。

最后在与X19的关联度中普通中学在校生数、科研行业占总就业人数比等关联度偏高；教育投入占公共预算支出比、人口自然增长率相对靠后。不难发现4次灰色关联分析，人口自然增长率始终都是关联度最低且与其他指标的关联度差距较大。这是由于长三角地区的地理位置相关，长三角处于河流冲积平原地带，土壤肥沃、气候适宜、交通发达、人口密度大、城镇化率高。

4 结 语

继续保持科技创新优越地位，培育创新发展新动能 大力发展创新教育，依靠以中科大等各大高校为科研中心，省会合肥市要坚持以大湖名城，创新高地作为城市标签。重点培育一批具有核心技术和自主品牌的创新型企业，促进形成以创新为主要引领和支撑的经济体系和发展模式。科技是第一生产力，要重视科技成果转现，使城市更加的现代化，经济增长极更加的多元化，避免为了盲目追求经济发展，破坏房地产业发展秩序。

强化区域协同发展战略，推进区域空间发展互动 主要是发展大中城市，提高人口和要素承载力，构建功能清晰、分工合理、各具特色、协调联动的多中心的区域发展格局，缩小各个城市投资环境之间的差异。

吸引在外务工人员回乡安居乐业，以及人才引进 人才是一个城市的源动力，要大力实施人才优先战略，深入推进人才高地建设，目前有些城市出台了有关于人才引进相应的落户，优惠购房政策。

对长江三角洲城市群26个城市的24项指标进行房地产投资环境的综合评价分析，得出结论：各个城市综合评分差异较为明显。上海、浙江、江苏的城市房地产整体投资环境较好；安徽整体环境偏差。长江三角洲城市群作为国内最顶级的城市群，其房地产投资环境是靠各个方面整体一致的结果，在所有的指标中，综合得分与科研行业占总就业人数比关联度最高，这说明了科教兴国、人才强国战略方针的准确性。