(武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院 湖北 武漢 430072)
房地產(chǎn)業(yè)是人們的基本生存資源,同時也是帶有明顯投資性質(zhì)的商品。房地產(chǎn)在選址過程中對土地資源和區(qū)位較為敏感,在開發(fā)與消費(fèi)環(huán)節(jié)對資金的要求也較高,因此具有明顯的地域差異性市場特征。[1]部分地區(qū)房產(chǎn)開發(fā)過熱,房價上漲過快,人們住房可支付性下降;有些地區(qū)因房產(chǎn)開發(fā)規(guī)劃與建設(shè)不合理,出現(xiàn)了空置率極高的新城或鬼城;還有部分地區(qū)爭取房產(chǎn)投資資金不足,居民居住環(huán)境得不到應(yīng)有的改善,這種房地產(chǎn)地域差異性正逐步受到我國政府以及學(xué)者的關(guān)注與研究。而中國自1998年結(jié)束了福利分房制,開始住房市場化改革,就成為房地產(chǎn)業(yè)走向市場化的分水嶺。[2]從此,中國的房地產(chǎn)市場迅速發(fā)展,對啟動內(nèi)需,加快城市化進(jìn)程,促進(jìn)國民經(jīng)濟(jì)的快速增長,起到了極其重要作用。經(jīng)過將近二十年的發(fā)展,房地產(chǎn)行業(yè)現(xiàn)已成為我國主要產(chǎn)業(yè)之一。然而房地產(chǎn)市場由于其供給彈性有限、不存在易得的替代品:房地產(chǎn)沒有終極價格、基本價值難于確定等一系列特征,使其成為最常見的經(jīng)濟(jì)泡沫載體之一。[3]2016年“930新政”后,中國樓市逐漸進(jìn)入“政策市”,四限、因城施策、長效機(jī)制和諸多房企融資限制等調(diào)控政策對房地產(chǎn)市場的影響越來越大。在中國經(jīng)濟(jì)總體韌性較好的背景下,2018年上半年樓市調(diào)控政策料將難以出現(xiàn)實(shí)質(zhì)性松動,甚至不排除“四限”政策向三四線城市繼續(xù)擴(kuò)容的可能性。在樓市和金融雙雙被嚴(yán)監(jiān)管之下,預(yù)計2018年房地產(chǎn)銷售或?qū)⒊霈F(xiàn)一定幅度下行,但考慮到部分一二線城市庫存較低,那些受益于深度城市化和都市圈化的優(yōu)質(zhì)城市房價料將難以出現(xiàn)大幅下行。[4]與此同時,有關(guān)我國東部地區(qū)房價的爭論也在不斷升溫。而對于東部地區(qū)的房地產(chǎn)行業(yè)發(fā)展的研究,一方面可以為房地產(chǎn)開發(fā)企業(yè)起到一定的指導(dǎo)作用,另一方面,對于各個省份針對自身發(fā)展水平調(diào)整房地產(chǎn)發(fā)展結(jié)構(gòu)也有一定的作用。本文在借鑒國內(nèi)外理論研究的基礎(chǔ)之上,引用一系列的統(tǒng)計數(shù)據(jù),運(yùn)用理論和實(shí)證相結(jié)合的分析方法,對我國東部地區(qū)的房地產(chǎn)行業(yè)發(fā)展進(jìn)行了實(shí)證分析,力圖通過本文的嘗試,對東部的各級地方政府引導(dǎo)房地產(chǎn)行業(yè)健康發(fā)展具有重要的指導(dǎo)作用。
本文采用了因子分析法,利用其降維的思想,將具有錯綜復(fù)雜關(guān)系的變量壓縮為數(shù)量較少的幾個綜合變量,是高度相關(guān)的變量劃歸同組內(nèi),相關(guān)性較低的變量歸于不同組內(nèi),以再現(xiàn)原始變量和因子之間的相互關(guān)系,避免綜合評價中因信息量過大而導(dǎo)致的重復(fù)評價。公共因子的選取通常是以特征值大于1或累積方差貢獻(xiàn)率大于80%為標(biāo)準(zhǔn),確保保留大部分的原始信息。最后,以公共因子得分與各因子方差貢獻(xiàn)率進(jìn)行加權(quán)求和,得分越高,表明該省份房地產(chǎn)發(fā)展綜合實(shí)力越高,整體質(zhì)量也越強(qiáng);得分越低,競爭力相對較弱,發(fā)展?fàn)顩r也相對較差。
東部地區(qū)房地產(chǎn)市場已進(jìn)入高位運(yùn)行軌道,那么上海、浙江是在這條軌道上行駛的火車的車頭。而東部地區(qū)出現(xiàn)這種高速向前發(fā)展的良好局面,其原因是多方面的,既有我國經(jīng)濟(jì)發(fā)展大的背景,也有居民生活水平提高、住房觀念轉(zhuǎn)變等多個因素。
(一)評價指標(biāo)體系
為了更好地反映東部地區(qū)各省份房地產(chǎn)市場的差異,找出其房價上漲的具體原因,筆者遵循著指標(biāo)體系的綜合性、指標(biāo)的代表性、指標(biāo)的相關(guān)性以及指標(biāo)的可得性等原則,選取了以下9個指標(biāo):
Xl ——居民消費(fèi)價格指數(shù);
X2——地區(qū)生產(chǎn)總值(億元);
X3——商品房銷售面積(萬平方米);
X4——各地區(qū)建筑業(yè)總產(chǎn)值(億元);
X5——各地區(qū)社會住房投資(億元);
X6——各地區(qū)總承包建筑業(yè)企業(yè)個數(shù)(個);
X7——各地區(qū)房地產(chǎn)從業(yè)人員(萬人);
X8——各地區(qū)房地產(chǎn)利稅總額(萬元);
X9——各地區(qū)商品房平均銷售價格(元/平方米);
表1 東部地區(qū)各省份有關(guān)指標(biāo)
注:數(shù)據(jù)來自中國統(tǒng)計局官網(wǎng)(2016年)
由于表l中的不同變量之間存在不同量綱、不同數(shù)量級的情況,為使各個變量具有可比性,使數(shù)據(jù)得以在更平等的條件下進(jìn)行分析,將數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理??梢灾苯邮褂肧PSS進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理,這里采用的是Z標(biāo)準(zhǔn)化,即使均值為0,方差為1。[5]
(二)指標(biāo)相關(guān)性檢驗(yàn)
指標(biāo)相關(guān)性檢驗(yàn)因子分析的前提是指標(biāo)之間具有相關(guān)性。從表2可以看出,各指標(biāo)間存在較強(qiáng)大的相關(guān)性,而且對其進(jìn)行的KMO與Bartlett檢驗(yàn)顯示,KMO度量值為0.612>0.5,樣本大小達(dá)到要求,雖然度量值未達(dá)到0.7,屬于較差的范圍,但變量間仍存在共同因素,可以做因子分析。同時,Bartlett球度檢驗(yàn)中,顯著水平值為0.000<0.005,達(dá)到顯著性水平要求,表明相關(guān)系數(shù)矩陣與單位矩陣有顯著差異,即原始變量間可能存在有意義的關(guān)系,可進(jìn)一步做因子分析。[6]因此我們需要對以上指標(biāo)進(jìn)行因子分析,把問題降維,避免指標(biāo)自相關(guān)性對結(jié)果的影響。
表2 相關(guān)矩陣
(三)公共因子分析
因子載荷是公共因子與指標(biāo)變量之間的相關(guān)系數(shù),載荷越大,說明公共因子與指標(biāo)變量之間的關(guān)系越密切。[7]在確定公共因子個數(shù)時,先選擇與原變量數(shù)目相等的因子個數(shù),計算因子總方差結(jié)果見表3。取初始特征值大于l的因子為公共因子。由表3可知,符合條件的特征值有3個,累積方差貢獻(xiàn)率達(dá)87.425%,涵蓋了大部分變量信息。因此,選取前三個因子作為公共因子。
表3 解釋的總方差
提取方法:主成份分析。
一般而言,通過初級變換得到的因子載荷差異不大,含義不明顯,實(shí)用價值不高。因此本文采用方差最大旋轉(zhuǎn)法,得到旋轉(zhuǎn)后的因子載荷,見表4。[8]根據(jù)此表,我們就可以對3個公共因子進(jìn)行命名。旋轉(zhuǎn)后在第一個公共因子上載荷較大的有6個變量,分別是地區(qū)生產(chǎn)總值(億元),商品房銷售面積(萬平方米),各地區(qū)建筑業(yè)總產(chǎn)值(億元),各地區(qū)社會住房投資(億元),各地區(qū)總承包建筑業(yè)企業(yè)個數(shù)(個)和各地區(qū)房地產(chǎn)利稅總額(萬元)。可以看出這些因素都影響著房地產(chǎn)的發(fā)展?fàn)顩r,而且可以看到第一個公共因子F1的方差貢獻(xiàn)率超過了58%,在絕大程度上影響著房地產(chǎn)開發(fā)及發(fā)展,因此可以將其作為房地產(chǎn)開發(fā)因子。旋轉(zhuǎn)后在第二個公共因子上載荷較大的有2個變量,分別為各地區(qū)商品房平均銷售價格(元/平方米)和各地區(qū)房地產(chǎn)從業(yè)人員(萬人)。各地區(qū)房地產(chǎn)從業(yè)人數(shù)影響著商品房的銷售情況,從業(yè)人數(shù)多,在一定程度上能夠促進(jìn)銷售工作的開展,商品房平均銷售價格情況也影響著房地產(chǎn)的銷售情況,也就決定了商品房的銷售情況,因此可以把公共因子F2定義為與銷售有關(guān)的因素,即房地產(chǎn)市場銷售因子。旋轉(zhuǎn)后在第三個公共因子上載荷較大的變量是居民消費(fèi)價格指數(shù),由于居民的消費(fèi)指數(shù)會一定程度上影響居民的購買能力,因此可以將公共因子F3定義為房地產(chǎn)潛在購買因子。
表4 旋轉(zhuǎn)成份矩陣a
提取方法:主成份。
旋轉(zhuǎn)法:具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。
a.旋轉(zhuǎn)在 5 次迭代后收斂。
(四)計算因子得分
根據(jù)表1和表4,計算出各公共因子的得分,如表5所示。
公共因子F1代表各地區(qū)房地產(chǎn)開發(fā)因子,由表5中F1一列可以看出江蘇省,廣東省,浙江省和山東省的房地產(chǎn)開發(fā)位于東部地區(qū)的領(lǐng)先水平,同時也說明了這幾個地區(qū)的房地產(chǎn)行業(yè)發(fā)展?fàn)顩r很好。而公共因子F2代表銷售因子,可以從F2一列看出北京,上海的房地產(chǎn)銷售狀況遠(yuǎn)遠(yuǎn)好于其他的東部地區(qū)的各個省份,這也與這兩個地區(qū)的人民生活水平有關(guān),人民生活質(zhì)量好,相較于其他地方經(jīng)濟(jì)狀況也更好一些。而F3代表潛在購買因子,由表5可以看出上海市,廣東省和海南省得分較高,可以看出這幾個地區(qū)居民的潛在購買能力較高。而依據(jù)綜合得分可以看出江蘇省和廣東省的綜合得分最高,而浙江省和山東省的得分也還行,其次就是上海,北京,福建,東部地區(qū)發(fā)展最為不好的是天津,河北,遼寧和海南省。
表5 各地區(qū)房地產(chǎn)發(fā)展綜合得分表
東部地區(qū)中江蘇省,廣東省,北京和上海這些地區(qū)的房地產(chǎn)市場較為成熟,房地產(chǎn)行業(yè)吸引力大,投資效益也高,但同時也要穩(wěn)定房地產(chǎn)行業(yè)的發(fā)展,警惕兩種房地產(chǎn)過熱現(xiàn)象。第一種是盲目性過熱,比如盲目投資,盲目擴(kuò)大開發(fā)量等,從而導(dǎo)致市場供給遠(yuǎn)遠(yuǎn)大于需求量,空置率上升;第二種是泡沫性過熱,房地產(chǎn)的市場價格遠(yuǎn)遠(yuǎn)高于其成本價,一旦經(jīng)濟(jì)發(fā)展減緩,房地產(chǎn)行業(yè)就將受到重創(chuàng),在當(dāng)前經(jīng)濟(jì)下行空間主要要穩(wěn)定房價。[9]其他具有良好的地緣優(yōu)勢和較佳的投資環(huán)境的地區(qū),房地產(chǎn)行業(yè)還可以進(jìn)一步做大做強(qiáng),在提高房地產(chǎn)效益方面還有進(jìn)一步的拓展空間,還可以利用相關(guān)政策來加快發(fā)展。對于有大規(guī)模城區(qū)化的地區(qū),要積極探索社會保障機(jī)制,加強(qiáng)管理,規(guī)范房地產(chǎn)企業(yè)的市場行為;建立健全的住房供應(yīng)體系,盡快解決房地產(chǎn)行業(yè)的結(jié)構(gòu)性矛盾,合理配置住房與非住房,高檔住房與低價位住房的結(jié)構(gòu)與比例。[10]要注意加快住宅產(chǎn)業(yè)的現(xiàn)代化進(jìn)程,積極改善投資環(huán)境,狠抓招商引資工作,努力拓寬融資渠道,加大經(jīng)濟(jì)適用房的開發(fā)力度;加強(qiáng)監(jiān)管,整頓和規(guī)范房地產(chǎn)市場秩序。[11]而對于像天津,河北,遼寧等地區(qū)可以在加大土地面積開發(fā)的同時,穩(wěn)定房地產(chǎn)價格,使房價與居民收入水平相稱,促進(jìn)房地產(chǎn)行業(yè)健康有序的發(fā)展。
另外,很多人認(rèn)為,在像北京、上海、廣東這樣一些經(jīng)濟(jì)發(fā)達(dá)的城市中購房,是一種身份的象征,因此具有隱性收入的人會選擇在這些地區(qū)買房,從而哄抬房價。筆者認(rèn)為,政府相關(guān)單位及房地產(chǎn)開發(fā)商應(yīng)該減少提供大戶型住房,針對中等收入家庭提供經(jīng)濟(jì)適用房,使其成為住房供應(yīng)的主渠道,以滿足大部分城鎮(zhèn)居民的需求。還有一個是土地價格上漲導(dǎo)致成本上升。我國土地價格主要由取得成本、開發(fā)成本、政府收益三部分構(gòu)成。[12]土地價格的上漲使得開發(fā)商將土地成本增加的部分轉(zhuǎn)嫁給消費(fèi)者,這就提升了房價的上漲速度。江蘇省,廣東省,浙江省和山東省四個省份的開發(fā)因子相對其他因子得分較高,這說明他們無論是購置的土地還是完成開發(fā)的土地相對其他因素而言都占有相對優(yōu)勢,這就構(gòu)成了其房價上漲的原因之一。因此,房地產(chǎn)商在投資之前,應(yīng)該做好充分的預(yù)算,避免造成大量土地閑置的局面。