何葉榮 陳瑞 方穎

摘 要：為了有效測度房地產(chǎn)市場風險，探索其可持續(xù)發(fā)展路徑，以安徽省16個地級市房地產(chǎn)市場為調(diào)研對象，通過實地訪談、專家論證等方式，從庫存、價格、資金鏈、政策環(huán)境等四個方面甄別房地產(chǎn)市場風險因素;運用結(jié)構(gòu)方程模型（SEM）實證研究房地產(chǎn)市場風險對可持續(xù)發(fā)展的作用路徑，詮釋房地產(chǎn)市場風險的形成機理。研究結(jié)果表明：對房地產(chǎn)市場健康可持續(xù)發(fā)展作用效果影響最大的風險因素是資金鏈，其次是庫存，價格的作用效應(yīng)值較小，政策環(huán)境的作用效應(yīng)值最小。據(jù)此，為房地產(chǎn)市場健康可持續(xù)發(fā)展探索新的路徑，為房地產(chǎn)市場調(diào)控提出針對性的對策建議。

關(guān)鍵詞：房地產(chǎn)市場;風險測度;作用路徑;結(jié)構(gòu)方程;可持續(xù)發(fā)展

中圖分類號：F 293 ? 文獻標識碼：A ? 文章編號：1672 - 7312（2020）02 -0154-06

Abstract：In order to measure the risk of the real estate market effectively，explore its sustainable development path，the real estate markets in 16 prefecture-level cities in Anhui province was taken as the research object.The real estate market risk factors are identified from four aspects，including inventory，price，capital chain and policy environment，through field interviews and expert argumentation.The structural equation model （SEM） is used to empirically study the action path of real estate market risk on healthy and sustainable development，and to interpret the formation mechanism of real estate market risk.The research results show that：the risk factor that has the biggest impact on the overall effect of the healthy and sustainable development of the real estate market is the capital chain，next is inventory，the effect value of price is small，and the effect value of policy environment is the minimum.Accordingly，the paper explored new paths for the healthy and sustainable development of the real estate market，and put forward corresponding countermeasures and suggestions for the regulation of the real estate market.

Key words：real estate market;risk measurement;action path;structural equation model;sustainable development

0 引言

我國經(jīng)濟發(fā)展進入“十三五”時期，房地產(chǎn)市場亦呈現(xiàn)新特征，區(qū)域分化嚴重，風險逐漸顯現(xiàn)。因此，參考國際成熟經(jīng)驗，完善房地產(chǎn)信托投資基金有關(guān)配套政策，為房地產(chǎn)業(yè)提供長期的融資渠道，促進房地產(chǎn)企業(yè)向“輕資產(chǎn)”經(jīng)營模式轉(zhuǎn)型，防范系統(tǒng)性金融風險，加快建立和完善房地產(chǎn)市場平穩(wěn)健康發(fā)展的長效機制[1]。2019年房地產(chǎn)市場風險被列為重大風險之一。習近平總書記在省部級主要領(lǐng)導(dǎo)干部堅持底線思維著力防范化解重大風險專題研討班上指出，維護社會大局穩(wěn)定，要做好住房市場調(diào)控，有效防范風險連鎖聯(lián)動;要穩(wěn)妥實施房地產(chǎn)市場平穩(wěn)健康發(fā)展長效機制方案[2]。

房地產(chǎn)作為討論焦點，重心已從買轉(zhuǎn)租，有關(guān)房地產(chǎn)市場風險的相關(guān)研究已成為經(jīng)濟管理領(lǐng)域的熱點內(nèi)容，部分學(xué)者的研究成果為筆者探究房地產(chǎn)市場風險拓展了思路、提供了借鑒。WANG Chunyu[3]認為人均GDP是推動房地產(chǎn)價格變動的主要因素，房地產(chǎn)投資和人均可支配收入能促進房地產(chǎn)價格上漲，但效果相對較弱;朱永升等[4]從供給和需求兩個層面篩選影響房地產(chǎn)市場的風險因素;劉大港等[5]認為新常態(tài)下庫存、價格、融資和政策環(huán)境是導(dǎo)致房地產(chǎn)市場風險的主要致因;MA，Chaoqun[6]通過分析軌道交通環(huán)境下住宅房地產(chǎn)價格影響因素，得出城市中心距越遠，軌道交通對住宅房地產(chǎn)價格上漲的影響越大;郭娜等[7]認為人口增長和老齡化是影響房地產(chǎn)價格變動的關(guān)鍵性因素，經(jīng)濟越發(fā)達，老齡化門限值越高，老齡化對東部、西部地區(qū)房地產(chǎn)價格產(chǎn)生一定程度的負向影響，中部則為正向影響;韓秀蘭等[8]認為新常態(tài)下職工工資收入、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟發(fā)展、人口密度和人口流動等對房地產(chǎn)價格的影響顯著;武力超等[9]基于日本1980—2010年郡縣級樣本和我國2002—2013年省級樣本數(shù)據(jù)，探究人口總撫養(yǎng)比、老年撫養(yǎng)比、少年撫養(yǎng)比以及城市化等多維度人口結(jié)構(gòu)對房地產(chǎn)市場的影響;CHEN Ling[10]運用Eviews軟件和數(shù)據(jù)穩(wěn)定性試驗的統(tǒng)計分析特征，利用格蘭杰因果檢驗和VAR模型對房地產(chǎn)市場風險和股票市場進行聯(lián)動研究;朱佳俊等[11-12]以房地產(chǎn)信托產(chǎn)品為研究對象，運用CAPM方法對風險進行分類，系統(tǒng)分析了中國房地產(chǎn)信托產(chǎn)品風險溢價的影響因素;劉煥鵬等[13]借助效用函數(shù)探究房地產(chǎn)投資同勞動力成本之間的因果關(guān)系，認為我國勞動力成本上升在相當大的程度上是由房地產(chǎn)投資推動的;王慧[14]基于我國147家上市房地產(chǎn)企業(yè)2009—2016年數(shù)據(jù)，運用KMV模型對我國上市房地產(chǎn)企業(yè)信用風險進行了測度;GUO Jianhua[15]基于協(xié)整理論、Granger因果分析，構(gòu)建VAR/VEC模型與VARMVGARCH-BEKK模型，探究我國房地產(chǎn)市場和股票市場的波動溢出效應(yīng)，認為房地產(chǎn)市場和股票市場之間存在著長期的弱負向均衡關(guān)系，同時存在單向波動溢出效應(yīng)和單向因果關(guān)系。

筆者在借鑒現(xiàn)有研究的基礎(chǔ)上，對房地產(chǎn)市場風險因素進行識別與分析，借助結(jié)構(gòu)方程模型（SEM）實證分析房地產(chǎn)市場風險對健康可持續(xù)發(fā)現(xiàn)的作用效應(yīng)，深入剖析各風險因素之間的關(guān)聯(lián)作用，為探尋房地產(chǎn)市場健康可持續(xù)發(fā)展路徑奠定基礎(chǔ)。

1 研究變量設(shè)計

1.1 樣本選取

鑒于國內(nèi)外相關(guān)文獻研究，結(jié)合新常態(tài)下我國房地產(chǎn)市場發(fā)展現(xiàn)狀，選擇安徽省16個地級市為調(diào)研區(qū)域，主要通過電子郵件和現(xiàn)場發(fā)放問卷兩種形式，調(diào)研對象主要包括相關(guān)房地產(chǎn)企業(yè)負責人、房地產(chǎn)中介機構(gòu)負責人、資深房地產(chǎn)工作人員，房地產(chǎn)研究機構(gòu)的專家學(xué)者，高校從事房地產(chǎn)研究的教師、研究生等，共計發(fā)放問卷265份，收回有效問卷223份，占回收問卷的84.15%.經(jīng)過統(tǒng)計分析，受訪人員中，擁有本科及以上學(xué)位的占67.56%，對房地產(chǎn)市場比較熟悉的占36.78%，從事房地產(chǎn)行業(yè)超過五年的占66.97%.調(diào)研結(jié)果顯示，新常態(tài)下安徽省房地產(chǎn)市場風險比較顯著，另一方面，此次參與問卷填寫的受訪者理論層次、業(yè)務(wù)能力、工作基礎(chǔ)均從側(cè)面反映了本次研究的可信度與有效性。

借助STATA 12.0統(tǒng)計分析軟件對搜集到的問卷數(shù)據(jù)開展信度、效度檢驗，信度通常借助Cronbachs Alpha系數(shù)與CITC值來驗證。Cronbachs Alpha系數(shù)介于0.50～0.60，不理想;在0.60～0.70，勉強接受;0.70～0.80，可以接受;0.80～0.90，理想;大于0.9，非常理想;CITC值在0.5以上有效[16]。調(diào)查問卷整體的Cronbachs Alpha值等于0.865，有關(guān)庫存量表的Cronbachs Alpha值為0.900，價格量表的Cronbachs Alpha值是0.920，資金量表的Cronbachs Alpha值是0.822，政策環(huán)境量表的Cronbachs Alpha值是0.783，健康可持續(xù)發(fā)展量表的Cronbachs Alpha值等于0.899，均超過參照值0.7，CITC值均在0.5以上，所設(shè)計的問卷具有比較理想的信度。

效度用以驗證測試結(jié)果同預(yù)測變量特性的擬合效果，效度值愈大表示測試結(jié)果同真實狀況愈相符，愈能達到良好的測試效果。同樣借助STATA 12.0軟件測度KMO與Bartlett球形度以及因子載荷系數(shù)。常用的KMO度量標準是：0.9以上非常適合因子分析，介于0.8至0.9很適合，超過0.7適合。基于所得數(shù)據(jù)計算KMO與Bartlett球形數(shù)值可知，KMO值等于0.837，Bartless球形檢驗等于3 576.448，對應(yīng)的Sig.等于0.000，充分說明所得變量適宜進行因子分析，所得的因子載荷系數(shù)值均在0.6以上，量表效度較滿意。

1.2 變量設(shè)計

新常態(tài)下房地產(chǎn)市場風險受到多種因素影響，完善并促進房地產(chǎn)市場健康可持續(xù)發(fā)展成為兩會關(guān)注的熱點話題，如何對風險因素進行有效識別、分類顯得愈加重要。參照房地產(chǎn)市場供求理論與金融脆弱性理論，借助STATA 12.0軟件工具，對影響房地產(chǎn)市場健康可持續(xù)發(fā)展以及反映市場風險狀態(tài)的庫存、價格、資金鏈、政策環(huán)境4個主要層面25個二級因素開展因子分析操作[17-18]，進而甄別影響房地產(chǎn)市場健康可持續(xù)發(fā)展的關(guān)鍵風險因素，接著應(yīng)用PCA提取因子旋轉(zhuǎn)后的23個關(guān)鍵風險驅(qū)動因子，其對整體影響因子的解釋率達68.949%，23個變量具體歸類見表1.

2 模型假設(shè)與檢驗

2.1 研究假設(shè)

房地產(chǎn)市場的健康可持續(xù)發(fā)展主要由庫存、價格、資金鏈以及政策環(huán)境等多維度耦合疊加決定的，房地產(chǎn)市場可持續(xù)發(fā)展是風險測度及安全管理的聚焦點。結(jié)合房地產(chǎn)供求理論，供求不均衡均可導(dǎo)致房價變動，引發(fā)風險，換言之，金融市場和國家相關(guān)政策的穩(wěn)健又可防范甚至規(guī)避風險，盡可能將風險發(fā)生率控制到最低。因此，令房地產(chǎn)市場健康可持續(xù)發(fā)展水平作為內(nèi)生潛變量，其余四個維度的指標作為外因潛變量?；诖?，提出以下假設(shè)。

假設(shè)Ha：房地產(chǎn)市場健康可持續(xù)發(fā)展受庫存、價格、資金鏈以及政策環(huán)境等風險因素的影響，其中，Ha1：假設(shè)資金鏈和政策環(huán)境層面對房地產(chǎn)市場健康可持續(xù)發(fā)展起正向影響，Ha2：假設(shè)庫存和價格層面對房地產(chǎn)市場健康可持續(xù)發(fā)展起負向影響;假設(shè)Hb：假設(shè)風險內(nèi)部各潛變量相互影響;Hb1：假設(shè)庫存受房地產(chǎn)市場價格、資金鏈和政策環(huán)境風險因素的影響;Hb2：假設(shè)價格受庫存、資金鏈、政策環(huán)境風險因素的影響;Hb3：假設(shè)資金鏈受庫存、價格、政策環(huán)境風險因素的影響;Hb4：假設(shè)政策環(huán)境受庫存、資金鏈、價格風險因素的影響。

2.2 模型構(gòu)建

明晰房地產(chǎn)市場風險作用路徑是科學(xué)測度風險因子和有效規(guī)避風險的前提，同時，房地產(chǎn)市場風險作用路徑分析是驗證風險關(guān)鍵指標是否顯著的重要環(huán)節(jié)。通過對比分析，最終選取結(jié)構(gòu)方程模型（SEM）作為度量房地產(chǎn)市場風險和健康可持續(xù)發(fā)展路徑的分析工具。

SEM基于協(xié)方差矩陣分析多個變量數(shù)據(jù)間關(guān)聯(lián)，并依據(jù)先驗知識預(yù)先設(shè)定變量之間的相關(guān)關(guān)系，可以明晰各變量之間的作用關(guān)聯(lián)，并對整體模型展開擬合與驗證[18-19]。利用模型分析這些變量之間關(guān)系，分析新常態(tài)下房地產(chǎn)市場健康可持續(xù)發(fā)展的作用路徑。通過調(diào)查問卷搜集、整合數(shù)據(jù)，然后實證分析4個維度風險對房地產(chǎn)市場健康可持續(xù)發(fā)展作用路徑效應(yīng)。

模型構(gòu)建如下：①選取影響新常態(tài)下房地產(chǎn)市場健康可持續(xù)發(fā)展水平的4個風險指標作為外因潛變量;②選取房地產(chǎn)市場健康可持續(xù)發(fā)展指標作為內(nèi)因潛變量;③選取23個風險狀態(tài)描述作為觀測變量;④選取調(diào)查問卷量表分析數(shù)據(jù)所得協(xié)方差作為模型初始數(shù)據(jù)，利用模型對新常態(tài)下房地產(chǎn)市場風險形成路徑關(guān)系，基于AMOS軟件展開結(jié)構(gòu)方程建模，具體變量之間的作用關(guān)聯(lián)及模型輸出結(jié)果如圖1所示。

依據(jù)理論推測和研究假設(shè)，探究模型構(gòu)建的合理與否需進一步驗證。參照結(jié)構(gòu)方程擬合標準值及M.I.大小，對模型展開修正，然后采用SEM與MLE（Maximum Likelihood Estimate，極大似然估計），依托STATA統(tǒng)計軟件進行計算和驗證。

2.3 模型檢驗與修正

基于模型中協(xié)方差的修正指標信息，對顯示的修正指標值和估計參數(shù)改變量進行對應(yīng)修正，檢驗?zāi)Ｐ偷膮?shù)和擬合優(yōu)度。多次重復(fù)上述步驟，直到假設(shè)模型與觀測數(shù)據(jù)的適配情形達到標準，修正后的適配度模型結(jié)果見表2.

根據(jù)表2中數(shù)值及整體模型適配度檢驗標準，χ2/df比值小于2，文中構(gòu)建的房地產(chǎn)市場健康可持續(xù)發(fā)展結(jié)構(gòu)模型中χ2/df等于0.102，表明適合進行結(jié)構(gòu)方程建模并且模型可接受。RMSEA（漸進殘差均方和平方根）是一種不需要基準線模型的絕對性指標，其值愈小，表示模型的適配度愈佳，一般而言，當RMSEA的數(shù)值超過0.10時，說明模型的適配度欠佳;低于0.05說明模型適配度非常好，文中RMSEA等于0.024，適配良好。GFI（良性適配指數(shù)）、AGFI（調(diào)整適配指數(shù)）、NFI（規(guī)準適配指數(shù)）、CFI（比較適配指數(shù)）、NNFI（非規(guī)準適配指數(shù)）均達到參考標準臨界值以上。據(jù)此，認為文中所構(gòu)建的房地產(chǎn)市場健康可持續(xù)發(fā)展風險因素模型整體適配良好，同樣本數(shù)據(jù)的解釋程度偏高，差異程度偏低，模型可接受。

3 結(jié)果分析

3.1 外因潛變量同內(nèi)因潛變量間的作用路徑

根據(jù)表3中的檢驗結(jié)果，對于假設(shè)Ha，外因潛變量IR，PR，CCR、PER均對內(nèi)因潛變量HSD有影響，對應(yīng)的作用系數(shù)分別為-0.482，-0.100，1.143，0.085，作用效果顯著，Ha通過驗證;針對假設(shè)Ha1，資金鏈風險IR對房地產(chǎn)市場健康可持續(xù)發(fā)展HSD的作用效果值是1.143，作用效果值最大，即房地產(chǎn)資金鏈風險每增加1個百分點就可觸發(fā)房地產(chǎn)健康可持續(xù)發(fā)展水平變化1.143個百分點，因此，當前房地產(chǎn)市場調(diào)控需謹防房企資金鏈風險;政策環(huán)境風險PER對房地產(chǎn)市場健康可持續(xù)發(fā)展HSD的作用效果值是0.085，影響較為顯著，即政策環(huán)境越好，越有利于房地產(chǎn)市場的健康可持續(xù)發(fā)展，Ha1通過檢驗;對于假設(shè)Ha2，外因潛變量IR，PR對內(nèi)因潛變量HSD的作用效應(yīng)值依次為-0.482，-0.100，換言之，庫存風險和價格風險波動愈大，對房地產(chǎn)市場的健康可持續(xù)發(fā)展影響愈大，越不利于房地產(chǎn)市場的健康發(fā)展，庫存和價格同房地產(chǎn)市場健康可持續(xù)發(fā)展呈顯著的負相關(guān)關(guān)系，Ha2通過驗證。

3.2 外因潛變量間的相互作用

通過整理Amos Output中Estimates的輸出結(jié)果，見表4.針對假設(shè)Hb1，外因潛變量IR受PR，CCR，PER的影響，其對應(yīng)的關(guān)聯(lián)系數(shù)分別為0.954，0.646，0.460，均通過顯著性檢驗，PR同IR的關(guān)聯(lián)度最大，即影響程度最大，假設(shè)成立;假設(shè)Hb2，外因潛變量PR受IR，CCR，PER的影響，其對應(yīng)的關(guān)聯(lián)系數(shù)分別為0.954，0.875，0.492，通過檢驗，關(guān)聯(lián)程度依次遞減;假設(shè)Hb3，外因潛變量CCR受IR，PR，PER的影響，其對應(yīng)的關(guān)聯(lián)系數(shù)分別為0.646，0.875，1.054，通過檢驗，關(guān)聯(lián)程度逐漸增強，即CCR資金鏈風險同PER政策環(huán)境風險的影響最大;假設(shè)Hb4，外因潛變量PER受IR，PR，CCR的影響，其對應(yīng)的關(guān)聯(lián)系數(shù)分別為0.460，0.492，1.054，影響顯著，通過檢驗。

4 結(jié)語

通過以上研究可知，資金鏈風險對房地產(chǎn)市場健康可持續(xù)發(fā)展影響最大，其對房地產(chǎn)市場可持續(xù)發(fā)展水平的作用效應(yīng)值是1.143，其次是庫存風險（-0.482）、價格風險（-0.100），作用效應(yīng)最小的是政策環(huán)境風險（0.085）;其中，資金鏈風險與政策環(huán)境風險的關(guān)聯(lián)性最高，這也說明了房地產(chǎn)企業(yè)資金鏈風險的產(chǎn)生主要來源于市場經(jīng)濟或企業(yè)規(guī)模調(diào)控等政策環(huán)境的內(nèi)外部因素影響。

房地產(chǎn)行業(yè)是資金密集型行業(yè)，其投資周期長，資金需求量大，導(dǎo)致其潛在的資金風險較大，新常態(tài)下房地產(chǎn)市場的健康可持續(xù)發(fā)展不僅是舊建筑的翻新、城市建設(shè)的技術(shù)手段、房地產(chǎn)開發(fā)導(dǎo)向的經(jīng)濟行為，還具有深刻的社會和人文內(nèi)涵。這些都與資金管理息息相關(guān)，因為資金管理是一個從設(shè)計優(yōu)化和再定位開始到資金重新投入市場并實現(xiàn)資產(chǎn)增值和投資回報最大化的全生命周期過程。因此，防范資金風險是實現(xiàn)房地產(chǎn)市場健康可持續(xù)發(fā)展的重要保障。

經(jīng)濟新常態(tài)發(fā)展背景下，房地產(chǎn)市場投資趨向、交易類型等呈現(xiàn)新態(tài)勢，經(jīng)過近些年的市場發(fā)展，房地產(chǎn)去庫存已取得良好進展。棚改貨幣化政策起到了短期內(nèi)迅速擴大住房需求及縮減供給的作用，對三四線乃至二線城市住房市場具有較強的剌激效應(yīng)，房地產(chǎn)市場庫存風險得到了良好管控。

由于城市攤大餅式的擴張開發(fā)難以持續(xù)，城市更新是城市房地產(chǎn)市場發(fā)展的必然選擇，另外，城市更新使得房地產(chǎn)重置成本越來越高，房租價格進一步上漲;而我國愈來愈大的舊城改造，也使得房地產(chǎn)市場價格節(jié)節(jié)攀升。如今政策收緊對房地產(chǎn)市場形成了新一輪的限制，抑制房價上漲。在“房住不炒”和“因城施策”方略等多因素影響下，房價上漲態(tài)勢基本得到控制，價格風險趨于穩(wěn)定，這將為房地產(chǎn)市場的健康可持續(xù)發(fā)展提供支撐。

政策環(huán)境的時變性和動態(tài)性要求房地產(chǎn)調(diào)控策略必須有所創(chuàng)新，加快住房制度改革和房地產(chǎn)健康可持續(xù)發(fā)展長效機制建設(shè)，以保持房地產(chǎn)市場平穩(wěn)健康發(fā)展。對安徽省房地產(chǎn)市場而言，應(yīng)堅持分類調(diào)控，保持房地產(chǎn)市場總體平穩(wěn)運行;加快建立多主體供給、多渠道保障、租賃并舉的制度，建立完善房地產(chǎn)統(tǒng)計和市場監(jiān)測預(yù)警機制，提高調(diào)控精準度。將風險規(guī)避到萌芽階段，真正實現(xiàn)房地產(chǎn)市場的健康可持續(xù)發(fā)展。

參考文獻：

[1] 陳建華.完善配套政策，支持房地產(chǎn)信托投資基金試點[EB/OL].2018-03-20/2019-08-09.https：//baijiahao.baidu.com/s？id=1595382449163910797&wfr=spider&for=pc

[2]中國政府網(wǎng).習近平在省部級主要領(lǐng)導(dǎo)干部堅持底線思維著力防范化解重大風險專題研討班開班式上發(fā)表重要講話[EB/OL].2019-01-21/2019-08-09.http：//www.gov.cn/xinwen/2019-01/21/content_5359898.htm

[3]Wang Chun-yu，Zhang Jia-yi.Influencing factors on Beijing real estate price[J].ICCREM 2017：Real Estate and Urbanization-Proceedings of the International Conference on Construction and Real Estate Management，2017：62-67.

[4]朱永升，王衛(wèi)華.房地產(chǎn)市場風險的影響因素及其模糊評價[J].中國農(nóng)業(yè)大學(xué)學(xué)報，2001（06）：8-12.

[5]王大港，劉伊生.新常態(tài)下中國房地產(chǎn)市場風險特征及影響因素研究[J].東岳論叢，2016，37（10）：157-164.

[6]Ma Chao-qun，Yang Fu-she，Wang Yu-ping，et al.Impact of rail transit on price increase of residential real estate[J].Jiaotong Yunshu Gongcheng Xuebao/Journal of Traffic and Transportation Engineering，2010，10（04）：91-96.

[7]郭 娜，胡佳琪.人口老齡化趨勢、區(qū)域差異與房地產(chǎn)價格波動的實證分析[J].統(tǒng)計與決策，2018（05）：92-95.

[8]韓秀蘭，李俊明.中國城市房價時空特征與影響機制研究——基于貝葉斯分域時空模型的實證[J].數(shù)理統(tǒng)計與管理，2018（01）：1-11.

[9]武力超，林俊民，韓華桂，等.人口結(jié)構(gòu)對中日美房地產(chǎn)市場影響的比較研究[J/OL].審計與經(jīng)濟研究，2018（02）：1-14.

[10]Chen Ling，Huang Hui-jing，Xu Wei.The empirical study on the relationship between the stock market and the real estate market in China[J].ICCREM 2017：Real Estate and Urbanization-Proceedings of the International Conference on Construction and Real Estate Management，2017：197-209.

[11]朱佳俊，周方召.市場競爭與負債融資的替代效應(yīng)研究——基于中國房地產(chǎn)上市公司數(shù)據(jù)的實證檢驗[J].會計之友，2017（19）：68-72.

[12]朱佳俊，周方召.市場份額、負債融資與企業(yè)價值——基于中國房地產(chǎn)上市公司的實證研究[J].技術(shù)經(jīng)濟，2017，36（01）：117-122.

[13]劉煥鵬，徐 煒，董利紅.高速增長的房地產(chǎn)投資是否推升了勞動力成本？——基于中國地級及以上城市的證據(jù)[J/OL].現(xiàn)代財經(jīng)（天津財經(jīng)大學(xué)學(xué)報），2018（04）：16-29.

[14]王 慧，張國君.KMV模型在我國上市房地產(chǎn)企業(yè)信用風險度量中的應(yīng)用[J].經(jīng)濟問題，2018（03）：36-40.

[15]Guo Jian-hua，Xu Song-lin.Song-jin.Research on the linkage and spillover effects between Chinese stock market and Real estate market[J].BioTechnology：An Indian Journal，2014，10（10）：4436-4443.

[16]何葉榮，孟祥瑞，李慧宗，等.煤礦企業(yè)安全管理能力風險因素結(jié)構(gòu)模型[J].中國安全生產(chǎn)科學(xué)技術(shù)，2015，11（03）：135-140.

[17]王大港.新常態(tài)下中國城市房地產(chǎn)風險評價及調(diào)控策略研究[D].北京：北京交通大學(xué)，2017.

[18]于 潔.新常態(tài)下烏海市房地產(chǎn)信貸風險研究[D].內(nèi)蒙古：內(nèi)蒙古財經(jīng)大學(xué)，2016.

[19]王琪延，韋佳佳.家規(guī)家訓(xùn)與生活滿意度研究——基于結(jié)構(gòu)方程模型的實證分析[J].調(diào)研世界，2018（03）：1-5.

（責任編輯：王 強）