[房地产市场发展状况比较研究]2017房地产市场现状
热点透视
房地产市场发展状况比较研究
刘广平
1
陈立文
2
(1.南开大学商学院,天津300071;2.河北工业大学管理学院,天津300401)
【摘要】房地产市场发展状况的好坏直接影响到我国国民经济的发展和社会的稳定。本文在指标
体系选择的基础上,运用信息熵确定指标权重,利用TOPSIS方法进行决策评价,建立了房地产市场发展状况比较模型;并对北京、上海、广州和重庆四个城市的房地产市场发展状况进行比较分析,结果表明:重庆房地产市场发展较为合理,北京房地产市场离理想状况最远,最为不合理,上海和广州房地产市场也不理想,也应引起相关部门的重视。【关键词】房地产市场;信息熵;TOPSIS方法【中图分类号】F293.3
【文献标志码】A
【文章编号】1003-0166(2010)03-0093-04
地产资产缩水,宏观层面还会影响到较来验证美国房地产泡沫的存在[3]。国内的学者主要集中在房地产市场健康和房地产发展水平上。刘晓辉,张健(2007)建立了房地产市场健康发展指标体系[4],其涉及的指标包括经济因素、人口因素、人文因素、自然环境、政策和法律制度等五个方面,但选用的指标并不能反映出房地产市场健康发展的程度,只是从量上进行比较分析,比如投资增幅、开发施工面积增幅等指标,并不能通过其大小来说明健康状况;投资增幅过快,可能存在房地产泡沫,投资增幅很
一、引言我国经济的健康发展。
关于房地产市场发展状况比较
房地产业作为国家的支柱产业,其运行状况的好坏直接影响到国民经济的发展和社会的稳定。我国房地产市场自2007年四季度以来开始进入不景气状态,各地区房地产销售量开始下降。目前,我国房地产市场仍旧处于不断波动的状态。国内许多学者研究表明,我国房地产市场存在着泡沫。房地产市场泡沫一旦破灭,从微观层面上不仅会使大量民众的房
研究的文献较少。国外学者的研究主要为不同区域或国家的房地产增值、利润、泡沫等方面的研究。Cpistop-
berA.Manning(1986)建立了均衡模型,对美国不同城市间房地产价格增长率的不同进行了比较分析
[1]
;
JosephL等(1997)对1985-1995年的澳大利亚、加拿大、英国和美国房地产利润进行了比较
[2]
;HitoshiSaito
(2003)对美国和日本房地产业进行比
基金项目:国家自然科学基金项目“基于Multi-agent的分布式房地产开发企业风险管理体系研究(70872029)”和河北
省百名优秀创新人才支持计划资助
作者简介:刘广平
陈立文
南开大学商学院技术经济及管理专业博士生,研究方向:项目管理
河北工业大学管理学院副院长、博士、教授、博士生导师,研究方向:项目管理与风险控制、技术经济与投资决策
///
热点透视
小,房地产市场发展可能太慢。商国琲等(2008)对河北省房地产经济发展水平进行了研究[5],同样也存在指标选取的科学性问题。杨卫青、浦晓天(2008)对中国各省域房地产市场发展水平进行了研究[6],只选用了房地产业增加值占地区生产总值比重一个指标,因为房地产市场的发展状况是有多种因素影响的,并不能只用一个指标来进行充分解释,所以其在指标选取时缺乏全面性。通过对各地房地产市场发展状况的比较研究,我们不仅能够了解每个地区或城市房地产市场是否处于健康发展状态,而且还能够对各地区或城市的房地产市场进行对比,通过对某一地区或城市的房地产市场发展状况分析可以了解其他地区或城市的房地产市场所处状态。基于此,本文通过运用信息熵确定指标权重、采用TOPSIS方法来进行评价决策从而构建房地产市场发展状况比较模型,对北京、上海、广州和重庆房地产市场进行对比研究,通过得出的排序结果,可以得出各城市房地产市场发展状况的合理性,从而据此针对各地区房地产市场采取措施进行调控。
提出的[13],是一种有限方案多目标决策方法[14]。TOPSIS方法是建立在所选择的方案与理想方案的差距最小并且与负理想方案差距最大的理论上,其优点是[15]:能对各决策方案进行排序比较,基于归一化后的原始数据矩阵,找出优先方案中的最优方案和最劣方案然后获得某一方案与最优方案和最劣方案间的距离,从而得出该方案与最优方案的接近程度,并以此作为评价各方案优劣的依据。
的比例越大,说明居民购房的压力越大,居民用于其他物品的消费就相对越少;反之,则说明居民购房压力较小。
④空置率(d)
空置率是指当前商品房空置面积与前三年商品房可供数量之比,其中,商品房可供数量是指当年商品房竣工面积[18]。高的空置率,说明社会上有大量的社会资源处于闲置和浪费状态。空置率高的原因一种可能是居民住房不存在问题,供给大于需
三、房地产市场发展状况
比较的模型构建
1.指标体系的选取
本文考虑指标选取的科学性和全面性,选用的指标为房价收入比、房地产价格增长率/GDP增长率、居民平均每人全年住房消费支出/人均可支配收入和空置率四个指标。
求,市场已经饱和;另一种情况为房价过高,超过了人们的购房支付能力,导致大量房屋卖不出去。显然我国大部分地区属于第二种情况。空置率过高,说明存在较多的房屋积压,供需存在不平衡,房地产市场供需结构不合理,市场存在问题。
2.矩阵归一化
设有m个地区或城市参与房地产市场发展状况比较,选用n个评价指标。地区或城市集为:A={A1,A2,∧,
①房价收入比(a)
房价收入比是房地产价格与居民平均家庭年收入的比值,该指标用来衡量居民购房的承受能力。如果某地区房价收入比越高,说明居民购房压力越大,支付能力越低,更进一步说明该地区房地产市场发展越不合
Am},评价指标集为:X={X1,X2,∧,Xn}。其中Ai是代表i个地区或城市,Xij为第i个地区或城市的第j个评价指标。决策矩阵为:
∧∧∧∧∧∧∧∧∧∧∧∧
X11X12∧X1nX21X22∧X2nM
M
M
Xm1Xm2∧Xmn
二、信息熵和TOPSIS简介
“熵”最早是由德国的物理学家克劳修斯(R.Clausius)提出的。最初克劳修斯把它作为描述系统的热力学态函数而引入的,后来,波尔兹曼等引入了统计意义的熵。香农(Shan-
理;反之,则说明该地区房地产市场发展相对合理。房价收入比=每套住房平均价格总额/居民家庭平均年收入=平均住房单价*人均住房面积*平均家庭人口数/(居民人均个人可支配收入*平均家庭人口数)[16]。
D=
∧∧∧∧∧∧∧∧∧∧∧∧
由于决策矩阵中的各个指标具有不同的量纲,在进行决策时,需对原始决策矩阵进行规范化处理。针对决策矩阵中的属性(指标),属性类型分为效益型属性(指标)和成本型属性(指标)。效益型属性(指标)是指属性值越大越好的属性;成本型属性(指标)是指属性值越小越好的属性。
对于效益型指标,Xij转换的结果为:
②房地产价格增长率/GDP增长率(b)
该指标是根据房地产泡沫的涵义来设计的
[17]
non)在1948年把这一概念引入到信息论中[7],提出了信息熵(Information
entropy)的概念,其核心是[8]:把信息的度量看作是对事物不肯定性的度量。“熵权”理论是一种客观的赋权方法,其本质是利用指标信息的效用值来计算各指标的权重,效用值越高,其对评价的重要性越大
[9]
。房地产价格增长率/
GDP增长率指标越大,反映出房地产市场泡沫化程度越大,指标越小,说明泡沫化程度越小;该指标也从另一方面表明:如果A地区房地产价格增长率/GDP增长率指标比B地区的指标大的话,说明A地区房地产市场发展不如B地区合理,相反的话,则说明A地区比B地区房地产市场发展合理。
rij=
xij
。由于信息
Σx
i=1
m
,i=1,2,∧,m;j=1,2,∧,n
ij
熵可以用来度量系统不确定性,并可以预测系统的发展趋势,所以信息熵在许多研究中得到应用,用来确定权重,例如:滑坡危险度评价[10]、沙尘暴[11]、自然灾害[12]等。
(1)
对于成本型指标,Xij转换的结果为:
③居民平均每人全年住房消费支出/人均可支配收入(c)
城市居民家庭平均每人全年居住消费支出占城市人均可支配收入
TOPSIS(Techniquefororderpref-erencebysimilaritytoidealsolution)方法是在1981年由Wang和Yoon
1ij
,i=1,2,∧,m;j=1,2,∧,nrij=1Σiji=1
(2)
//20/3
热点透视
归一化后得到的矩阵为:
∧∧11∧∧∧21∧∧∧∧∧∧
∧m1
rrr
r12∧r1nr22∧r2n
M
rm2∧rmn
R=
MM
∧∧∧∧∧∧∧∧∧∧∧∧
Si=
+
姨姨
Σ(v-v
ij
j=1
n
+j)2;(8)
计算得加权标准化决策矩阵:
∧≤≤≤≤≤≤≤≤≤≤∧
0.08220.04010.01600.05570.08910.07720.01400.06770.10610.07530.04120.03520.18030.08020.01180.0548
每个评价对象到负理想方案的距离为:
V=
3.确定指标权重
为了得出所选用各指标的权重,利用香农(Shannon)给出的表示方法[7]19,首先确定第j个指标的信息熵—Ej
Si=
-
Σ(vij-v-j)2。其中i=1,2,∧,
j=1
n
∧∧∧∧∧∧∧∧∧∧∧∧
m(9)
最后计算与理想解相对接近程
较
3.四城市房地产市场发展状况比按照式6和式7,先确定理想解A+
和A
-
度Ci,
+
负理想解。A
+
={0.1803,
Ej=-kΣrijInrij,i=1,2,∧,m;j=1,2,
i=1
m
Ci=Si/(Si+Si)
+
-+
-+
(10)
0.0802,0.0160,0.0677},A-={0.0822,0.0401,0.0118,0.0352}。然后根据式8和式9计算距离,S1=0.1067,S2=
+
+
∧,n(3)
这里的k表示一个常量,k=1/
+
其中0
i的大小对各城市发展状况进行排序。
0.0913,S3=0.0812,S4=0.0136;S1=
+
+
-
Inm,从而保证0≤Ej≤1。然后计算信息偏差度dj
0.0209,S2=0.0499,S3=0.0426,S4=
---
四、实证分析
(4)
本文选用2006年北京、上海、广州和重庆四个城市的数据,具体指标数据如表1所示。
0.1078。最后按照式10计算与理想解的相对接近程度,C1=0.1638,C2
+
+
dj=1-Ej
最后,确定各指标的权重wj。如果决策者对各属性没有偏好,也就是认为这n个属性具有相同的偏好。定义权重wi的值为:
=0.3534,C3
+
+
=0.3441,C4
+
=0.8880。
根据CJ的大小排列四个城市房地产市场发展状况:重庆>上海>广州>北京。
1.构造决策矩阵并归一化
(5)
表1
wj=
dj
Σd
j=1
n
,j=1,2,∧,n
j
各城市指标值
假设通过信息熵方法计算得出的指标权重向量为w=(w1,w2,∧,wn),
Σw=1。加权标准化决策矩阵V为矩
i
j=1
n
阵R的每列于其相应的权重wj相乘而得到。
∧
≤11≤≤
≤21≤≤≤≤≤≤
∧m1
vv12∧v1nv22∧v2nvm2∧vmn
V=
vv
MMMM
∧∧∧∧∧∧∧∧∧∧∧∧
注:本文数据由北京统计年鉴2007、上海统计年鉴2007、广州统计年鉴2007、重庆统计年鉴2007和中国统计年鉴2007整理而得。上述四个指标均为成本型指标。按照式2进行归一化后得到的决策
∧∧∧∧∧∧∧∧∧∧∧∧
=
五、结论
本文选用了房价收入比、房地产价格增长率/GDP增长率、居民平均每人全年住房消费支出/人均可支配收入和空置率四个指标,运用信息熵和TOPSIS方法建立了房地产发展状况比较模型,并对北京、上海、广州和重庆四个城市房地产市场发展状况
≤≤≤≤≤≤≤≤≤≤≤∧
w1r11w2r12∧wnr1n
M
M
M
矩阵为:
∧≤≤≤≤≤≤≤≤≤≤∧
w2r21w2r22∧wnr2nM
w1rm1w2rm2∧wnrmn
+
-
0.17960.14700.28630.26100.19460.28300.25010.31720.23190.27600.25300.16490.39390.29400.21060.25692.计算各指标权重
R=
4.评价比较
设A为正理想解,A为负理想解。A和A的定义为
+
-[15]
∧∧∧∧∧∧∧∧∧∧∧∧
:
依照式3、式4和式5,经计算得
(6)
进行了比较。结果表明重庆房地产市场发展相对最为合理,接近理想状
(7)
其中J为效益型指标,J′为成本型指标。
然后,计算每个评价对象到理想点的距离。每个评价对象与理想方案的距离为:
出房价收入比、房地产价格增长率/
态;上海、广州房地产市场与理想状态有一定的差距,北京房地产市场发展相对最为不合理,与理想目标差距很大。基于上述的分析结果,有关部门可以针对北京、上海和广州这些地区的房地产市场采取相应的措施,使各城市的房地产市场进入健康的运
GDP增长率、居民平均每人全年住房消费支出/人均可支配收入和空置率四个指标的权重分别为:w1=0.4577,
w2=0.2729,w3=0.0560,w4=0.2134。经
///
热点透视
行轨道。当然,本文研究也存在不足之处。在对房地产市场发展状况进行比较时,指标的选取不可能全面,有待进一步选择更多合适和合理的指标。运用TOPSIS方法进行比较分析时,虽然最后得出了与理想解的相对接近程度,但是并不能准确确定各城市房地产市场处于哪个等级,需要在等级划分上投入更多的研究。□
[4]刘晓辉,张健.浅谈房地产业健康发展指标体系建立[J].消费导刊,2007(5):12.
[5]尚国琲,李成刚等.河北省房地产经济发展水平评价研究[J].石家庄经济学院学报,2008,4(31):33-36.
[6]杨卫青,浦晓天.基于ESDA的中国省域房地产发展水平研究[J].现代经济,2008,13(7):38-40,49.
[7]ShannonC.E.Amathematical
然科学版),1994,30(2):276-280.
[13]Wang.C.L,Yoon.K.S.
Multipleattributedecisionmaking
[M].Spring-verlag,Berlin,1981.
[14]OzernoyV.M.Choosingthe“best”
multiplecriteriadecision-
makingmethod[J].INFOR,1992(30):159-171.
[15]聂莹,刘付显.TOPSIS法用于地空导弹兵阵地选择[J].弹箭与制导学报,2007,27(3):278-280.
[16]李平.对我国房地产泡沫的测度研究[J].统计与决策,2007(24):
theoryofcommunication[J].TheBellSystemTechnicalJournal,1948(27):379-423,623-656.
[8]苗卿,单立新,裘昱.信息熵在数据集分割中的应用研究[J].电脑知
参考文献(References)[1]
识与技术,2007(5):1194.
[9]邹志红,孙靖南,任广平.模糊评价因子的熵权法赋权及其在水质评价中的应用[J].环境科学学报,
82-85.
[17]刘琳,黄英,刘洪玉.房地产泡沫测度系数研究[J].价格理论与实践,2003(3):37-38.
[18]范翰章,石海均,等.对商品房空置若干理论问题的探索[J].中国房地产,2000(11):40-41.
[19]徐玖平,吴巍.多属性决策的理论与方法[M].清华大学出版社,
CpistopberA.Manning,
IntercityDifferencesinHomePriceAppreciation,JournalofRealEstateResearch[J].1986,(1):45-66.
[2]JosephL.PagliariJr.James
2005,25(4):552-556.
[10]杨宗佶,乔建平.基于信息熵的典型滑坡危险度评价研究[J].四川大学学报(工程科学版),2008,4(40):
R.Webb,AFundamentalComparisonofInternationalRealEstateReturns,JournalofRealEstateResearch[J].1997(13):317-348.
[3]
2006.
[20]北京统计年鉴2007,上海统计年鉴2007,广州统计年鉴2007,重庆统计年鉴2007和中国统计年鉴
47-52.
[11]李向军,陈亚宁,欧阳辉.运用灾害熵浅析沙尘暴强度[J].干旱区地理,2002,25(4):350-353.
[12]仪垂祥,史培军.熵产生和自然灾害[J].北京师范大学学报(自
Hitoshisaito.Theusreal
estatebubble?Acomparisontojapan[J].Japanandtheworldeconomy,
2007.
2003,8(15):365-371.
TheComparativeResearchofRealEstateMarketDevelopmentStatus
LIUGuang-ping1,CHENLi-wen2
(1.BusinessSchoolofNankaiUniversity,Tianjin300071,China;2.SchoolofManagement,HebeiUniversityofTechnology,Tianjin300401,China)
Abstract:Thedevelopmentstatusofrealestatemarkethasadirectimpactonthedevelopmentofournationaleconomyandsocialstability.Inthispaper,basedonthechoosingofindices,usingofinformationentropytoestablishtheweightofindi-cators,applyingTOPSISmethodtomakedecision,weestablisheddevelopmentcomparisionmodelofrealestatemarket,andanalysedthedevelopmentstatusofrealestatemarketbyadoptingBeijing,Shanghai,GuanghzhouandChongqing.Theresultsshowthat:Chongqingrealestatemarketisthemostreasonable,Beijingrealestatemarketisfarfromidealsituation,Shang-haiandGuangzhourealestatemarketarenotalsoideal,governmentshouldattachimportanttothissituation.Keywords:Realestatemarket;Informationentropy;TOPSISCLCnumber:F293.3
Documentcode:A
ArticleID:1003-0166(2010)03-0093-04
//20/3