基于三階段DEA的我國各省房地產業效率實證研究

摘要：利用DEA三階段分析法對2008年中國31個省（自治區、直轄市）房地產行業進行了排除環境變量和統計噪音影響的技術效率分析，結果表明，很多省份的房地產行業效率水平的確受到地區政府支持力度和經濟發展水平等環境變量和好壞運氣的影響，在同質經營環境下純技術效率不高的問題更加突出。從而，提出了提高我國房地產業效率的相應策略。

關鍵詞：三階段DEA；房地產業；綜合技術效率；純技術效率；規模效率

中圖分類號：F203 文獻標志碼：Ａ文章編號：１６７３－２９１Ｘ（２０11）08－０044－04

引言

我國房地產業經過二十多年的發展，已經成為國民經濟發展的新的經濟增長點，尤其是近年來，房地產市場異常火爆，房價一路攀升。但是，房地產市場效率如何？提升的方向和空間在哪里？本文根據DEA和SFA的相關理論，以2008年我國31個省的相關數據為樣本[1]，對我國各地區的房地產業效率進行了實證研究。

現有文獻中大多著重于考察房地產業對經濟總量的貢獻，如將房地產投資額作為資本形成總額的一部分，將其增量所占GDP增量的比例作為對GDP的貢獻[2-4]；或是通過選取代表房地產業的變量和代表國民經濟水平的GDP，采用ARDL、ECM、Granger因果檢驗等直接反映房地產業對經濟總量的貢獻[5]。張志紅等基于主因子分析給出房地產上市公司在總體上市公司中的資產運作水平[6]。王亞東、安立仁也運用DEA方法考察了我國各省房地產行業的效率，但其并未排除環境變量和統計噪音對房地產行業的影響[7]。所以，國內鮮有利用三階段DEA對房地產業生產力和效率進行研究的文獻。

一、研究方法與工具

自Charnes和Rhodes創立基本的DEA模型后，為測度環境變量對決策單元效率的影響程度，Coelli（1998）提出了DEA的兩階段模型[8]。但由于該模型存在技術上的缺陷，并且在實際應用中會忽略被包括在投入松弛或產出剩余里的信息，因此，H.O.FRIED創建了三階段DEA模型[9]。其三個階段分別是：

1.第一階段DEA模型。該階段使用投入產出數據進行一般DEA分析，本文采用投入導向的規模報酬可變的BCC模型。之所以采用投入導向，是因為本著資源節約和環境友好的要求，盡量減少投入和降低負產出是必要的。由于BCC作為一個成熟的DEA模型，其數學原理已非常清晰，這里不再贅述。

2.第二階段構建相似SFA模型。Fried等人認為，第一階段DEA分析得出的投入產出松弛變量由環境影響、管理無效率和統計噪音三因素構成[9]。通過構建SFA模型可分別觀測出以上三個因素的影響。本文以投入導向為例，分別對N個投入松弛變量進行SFA分析。

首先，建立松弛變量：

sni＝xni-Xnλ≥0，n＝1，2，……N，i＝1，2，……I （1）

其中，sni是第一階段是第i個廠商在使用第n個投入的松弛變量（射線的加上非射線的）。Xn是X的第n行，Xnλ是xni對應產出變量yi在投入效率子集上的最優映射。

其次，建立松弛變量與環境解釋變量的理論模型：

sni＝fn（Zi；βn）-vni+uni，n＝1，2，……N，i＝1，2，……I （2）

其中，zi＝[z1i，z2i，……zki]，i＝1，2，……I，為K個可觀測的環境變量，fn（Zi；βn）是確定可行的松弛前沿，參數向量βn將被估計，vni+uni為混合誤差項。與隨機成本前沿公式一樣，vni～N（0，σ2vn）反映統計噪音，uni≥0反映管理無效率。

為進行下一步的投入調整，首先必須從SFA回歸模型的混合誤差中把統計噪音從管理無效率中分離出來，為排除不同運營環境和統計噪音的影響，對于那些相對有利的運營環境或相對好運的DMU的投入進行向上調整，如（3）式

xAni＝xni+[maxi{zi，βn}]+[maxi{vni}-vni]，n＝1，……，N，i＝1，2，…… （3）

（3）式右邊的第一步調整使所有廠商處于共同的營運環境，及樣本中所觀測的最差的環境。第二步調整是所有廠商處于共同的自然狀態，即樣本中遇到的最不幸的狀態，以致使每個DMU均面對相同的營運環境和營運運氣。

3.第三階段調整后的DEA模型。用調整后的投入數據代替原始投入數據xni，再次運用BCC模型計算效率值。第三階段輸出的DMU效率值，排除了運營環境和統計噪音的影響，客觀體現了技術效率，更能反映事實。

二、變量的選取與分析

1.投入產出指標的選取。鑒于數據的可得性和完整性，本文選取2008年中國31個省（自治區、直轄市，以下簡稱省）的房地產行業為樣本。文中數據來源于《中國統計年鑒2009》。

綜合DEA方法對投人和產出指標的基本要求，對于房地產業投入指標，主要從人力、財力和資源三個角度去衡量。鑒于我國房地產業自身特點，經過比較分析和測算，本文主要選取三個投入指標：各個省房地產業本年度資金投入額、從業人員數、開發土地面積；兩個產出指標：竣工面積和房屋銷售額。

2.環境變量的選取。環境變量指的是那些影響房地產業效率但不在樣本主觀可控范圍之內的因素。考慮到房地產業的發展特性，本文主要考慮以下幾個因素作為環境變量：反映各地區政府對房地產業支持力度的土地增值稅稅率；反映一個地區房地產行業市場結構和規模經濟狀態的房地產開發企業個數；反映一個地區市場化水平的非國有經濟職工所占的比重，市場化水平越高，整個社會資源配置效率也越高；反映一個地區經濟發展水平的地區生產總值，它既是影響房地產行業發展的需求因素，又可能從技術和管理等方面對供給產生影響。

三、實證結果分析

1.第一階段傳統DEA的實證結果。第一階段運用Deap2.1軟件對中國31個省房地產行業的效率水平與規模報酬所處的狀態進行了分析。結果如表1所示，在不考慮外在環境變量和隨機因素影響時，中國房地產行業的平均技術效率為0.728，平均純技術效率為0.809，平均規模效率為0.900。其中，6個省（天津、上海、江蘇、浙江、西藏、寧夏）處于技術效率前沿，其他各省則面臨不同的技術效率改進空間。除湖北、內蒙古、重慶、河南、新疆以外，其他各省的純技術效率均低于規模效率，也就是說代表決策與管理水平的純技術效率不高是制約中國大多數省份房地產行業效率提升的主要因素。

2.SFA估計結果。由第一階段可得出樣本各投入變量的松弛量（射線加上非射線的），將其作為函數的被解釋變量，將政府支持力度、地區房地產行業市場結構和規模經濟狀態、地區市場化水平、地區經濟發展水平作為解釋變量進行SFA回歸分析。結果如表2所示。

由表2可知，每個似然比LR都通過5%的顯著性檢驗，即表明混合誤差項中存在技術非效率，因此，使用SFA分析十分必要[10]。而且λ＝表示技術無效率方差占總方差的比率，每個回歸分析都顯示γ→1，且顯著水平均達到1 ，這說明技術效率存在差異，采用SFA分析是適宜的，并且表明技術無效率對松弛變量的產生具有很大的影響，而隨機因素影響很小[11]。

由于環境變量是對各投入松弛變量的回歸，所以當回歸系數為負時，表示增加環境變量有利于投入松弛變量的減少，即有利于減少各投入變量的浪費[11]。

（1）政府支持力度：其對資金和從業人員投入松弛變量的回歸系數為負，表明加大政府支持力度有利于資金和人力資源的節約，但會造成土地資源的浪費。所以，政府加大對房地產行業的支持的力度并不一定會帶來其效率的增長。

（2）地區房地產業市場結構和規模經濟狀態：這一環境變量由企業個數來反映。企業個數的增多會導致資金、人力和土地資源的浪費。這可能由于企業越多小規模企業所占的比重就越大，這會加劇資源的浪費，其值均通過1%的顯著性檢驗。

（3）市場化水平：其對占用土地面積松弛變量的回歸系數、對資金和從業人數投入的松弛變量的回歸系數均為負，且通過顯著性檢驗，表明市場化水平的提高有利于房地產業效率的提高。

（4）地區生產總值：其對房地產從業人員數松弛變量和占用土地面積松弛變量的回歸系數為負，表明地區生產總值的增加有利于人力資源和土地資源的增加；其對資金投入松弛變量的回歸系數為正，表明各地生產總值的增加不利于資金的節約。

3.投入調整后的實證結果。根據（4）式進行投入變量的調整，利用Deap2.1再次進行BCC模型運行，可獲得第三階段的各效率值以及規模報酬的狀態，運行結果見表3。

如表3所示，排除環境變量和統計噪音的影響前后，各地區房地產業各項效率發生顯著變化。表1中處于效率前沿的西藏和寧夏效率水平大幅下滑。晉升至效率前沿的則有廣東和福建兩省，說明這兩個地區的房地產行業在剝離環境因素和統計噪音的同質環境下經營是高效的。房地產行業的平均技術效率由0.728下降為0.603，平均規模效率從0.900下降到0.832，而平均純技術效率由0.809下降到0.688。大多數地區的綜合技術效率出現大幅下降，且大多地區的綜合技術效率下降主要是由于純技術效率下降導致的。也就是說，客觀上純技術效率不高是制約中國大多數省份地產行業效率提升的主要因素。有些省（市），如北京、福建、遼寧的純技術效率值大幅上升，說明這個地區之前較低的技術效率確實有部分是由于比較差的環境或不好的運氣所致，而非它的技術管理水平差。而部分地區，如內蒙古、寧夏等的純技術效率值大幅下降，表明它們之前的高效率與它們所處的有利環境和好運密切相關，它們的技術管理水平并沒有看上去那么高。

四、中國各省房地產行業投入產出變量的松弛程度分析

因為第三階段的效率值更趨客觀真實，效率改善也應以此為基礎。依據第三階段DEA分析結果，按照投入（產出）變量松弛程度=投入（產出）松弛變量÷原投入（產出）量，可以得出2008年我國房地產行業DEA非有效地區各投入變量和產出變量的松弛程度，如表4所示。

1.從投入方面看，北京、河北、山西、內蒙古、黑龍江、湖北、重慶、四川等處于經濟加速成長階段[12]的省份資金投入額和占用土地面積兩項指標的投入冗余較為嚴重，而河南、廣西、海南、甘肅、寧夏、新疆等經濟尚處在起飛階段[12]的省份勞動力投入冗余較為嚴重，或者說這些地區人員的專業素質不高、工作效率低下。而北京、河北、山西、內蒙古、黑龍江、湖北、重慶、四川等地在2008年資金投入額和占用土地面積的松弛變量均比河南、廣西、海南、甘肅、寧夏、新疆等地要高，尤其是在完成投資額方面，表明這些地區的房地產業存在著投資過熱的問題。

2.從產出方面看，處于經濟加速成長階段的省份和處于經濟起飛階段的省份均存在房屋銷售額不足的情況，但北京、山東、湖北、重慶等處于經濟加速成長階段的省份更為嚴重。這說明我國房地產業房屋銷售額存在不足。由于竣工面積除內蒙古、河南、寧夏有稍微不足外，其他省份均無不足，這說明房屋在從竣工到銷售成功這個環節上出了問題。由于我國普遍房價較高，因此我國房地產業存在房屋滯銷的情況，經濟加速成長階段的地區這一問題尤為嚴重。

五、小結與改進策略分析

通過以上分析，結合我國房地產業現狀，提高房地產業的效率就是要在政府的監督與宏觀政策的調控下，從行業的內部投入與產出情況綜合分析，逐步調整行業結構，實現整合全行業的資源達到優化配置的狀態。具體的策略有以下幾個方面。

1.加快結構調整的步伐，合理進行房地產開發項目定位。由以上數據分析知道，我國房地產業總體上存在房屋滯銷的情況，尤其是北京等經濟加速成長的地區。房地產開發商要在政府政策的調控下，在市場信號的引導下，充分考慮消費者的實際需求，加大對中、低檔房地產項目的開發，限制或控制高檔商品房、寫字樓和別墅的開發。

2.對于經濟處于起飛階段的地區，可以通過提升房地產企業的管理水平和建立房地產企業間的聯盟的方法，提高其資源利用水平，以使現有資源發揮最大效用。房地產企業之間通過建立聯盟可以降低市場風險，實現優勢互補，整合企業之間的資源，以提高資源的利用效率。

3.重塑房地產市場監管體制。由第三階段DEA分析結果表明，我國房地產市場總體上已處于規模收益遞減階段，需要重塑房地產市場監管體制，防止房地產業的過快過熱發展。房地產市場監管體制的有效性和規范性，是決定房地產市場持續穩定健康發展的基礎[13]。

4.完善房地產業專業人才的培養體系。對于經濟處于起飛階段的地區尤其要注意人才的培養，這是因為這些地區的從業人員冗余相對經濟加速成長地區更為嚴重。從某種程度上講，人員專業化程度不高，已經成為制約房地產企業成長與成熟的重要因素之一。因此，要完善房地產從業人員的培養，提高房地產業從業人員的素質，尤其是要提高不發達地區的從業人員素質。

5.加快房地產信息化建設，加強投資引導。研究表明，現階段我國房地產業存在銷售不暢、投資額冗余的現象，而信息分散、信息失真是導致其產生的重要原因。因此，應加強房地產信息化建設。國家主管部門應著手建設全國的房地產管理信息系統，盡快建立起公開、透明、高效的房地產信息市場，為國家宏觀管理和發展商投資提供服務。

參考文獻：

[1] 國家統計局.中國統計年鑒[K].2009.

[2] 陳守東，馬輝.中國房地產業投資與經濟增長的實證研究[J].未來與發展，2006，（5）：15-19.

[3] 國家統計局綜合司課題組.關于房地產對國民經濟影響的初步分析[J].管理世界，2005，（11）：30-33.

[4] 李啟明.論中國房地產業與國民經濟的關系[J].中國房地產，2002，（6）：13-16.

[5] 洪佳娣.中國房地產業與國民經濟增長的互動關系研究——基于四個直轄市數據[D].上海：上海師范大學，2010.

[6] 張志紅，王翠春.房地產上市公司的ANOVA分析[J].山東經濟，2010，（4）.

[7] 王亞東，安立仁.我國房地產業的實證研究[J].西安郵電學院學報，2009，（2）.

[8] Coelli， The dominance of inefficiencies over scale and product mix economic in banking[J]. Monetary Economics，18：117-148.

[9] H.O.Fried . A counting for environmental effects and statistical noise in data envelopment analysis[J]. Journal of productivity analysis， 2002，（1）：171.

[10] Subal C Kumbhakar Knox Lovell C A . Stochastic Frontier Analysis[M]. Cambridge University Press，2000：5-15.

[11] Meeusen W，J van den Broeck. Efficiency estimation from cobb-douglas production functions with composed error[J]. International Economic Review，1997，6（1）：21-37.

[12] 周三多，陳傳明，魯明泓.管理學——原理與方法[M].上海：復旦大學出版社，2009：6.

[13] 駱方義，陳恩虎.關注金融和房地產改革對中國經濟體制改革的影響和具體措施以及產業轉移和升級的辦法[J].網絡財富，2010，（2）.