中国房地产行业效率分析：基于省级数据的实证研究.docVIP

中国房地产行业效率分析：基于省级数据的实证研究 　　摘要：基于省级数据，文章利用数据包络方法（DEA）评估了中国房地产行业效率。结果显示：东部地区的技术效率和纯技术效率明显高于东北、中部及西部三地区；全国平均技术效率得分呈现出倒U型特征；各省（市、区）基本上都处于规模报酬递减阶段。这表明，近些年地方政府过度关注房地产业的经济增长效应而忽略房地产企业规模效率这一基本事实并未因相继出台的一系列房地产政策而改善，而当务之急是设计更合理体制机制改变对地方政府行为的激励与约束，以引导房地产业与其它产业协调有效发展。 　　关键词：房地产业效率；DEA；地区差异 　　一、 引言 　　近些年来，房地产投资在促进中国经济快速增长、增加地方政府财政收入及加快城市化进程中发挥了重要作用。然而，伴随房价快速增长和房地产市场规模膨胀，社会财富分配机制扭曲和资源配置与利用效率降低等问题也逐步加剧。从理论上讲，其根本原因在于地方政府治理结构的不合理性，即以GDP为核心的地方官员政治晋升机制和财权事权不匹配的地方财政体制。 　　房地产业效率问题已引起国内一些学者的关注，但现有关于我国房地产业绩效研究的研究文献较多关注涉房地产投资的微观企业，且主要以上市公司为研究样本评估企业财务绩效。比如，杨飞等（2012）选用托宾Q和资产利润率两项财务指标分析限购政策对房地产上市公司绩效的影响；李斌等（2007）选取24家房地产企业分析了2005年绩效水平，而唐晓华和邱煜（2013）仅仅以13家企业为研究样本，分析西部房地产业效率。张水英（2013）借鉴AHP的思路，即通过专家判断确定财务指标权重的方法，评估宏观调控政策对房地产企业财务绩效的影响。上述文献从微观数据出发，得到了一些有价值的结论，但由于样本数目较少且仅考虑规模相对较大的上市公司，很难得出具有普遍性的结论。这无法帮助政策制定者和学者认识和判断整个房地产行业绩效的基本状况和地区间差异。 　　数据包络分析方法（Data Envelopment Analysis，DEA）作为一种相对效率评估方法，在研究多种投入与多种产出系统时具有较多优点，这为本文研究房地产业投入产出效率提供了方法选择。需要强调的是，DEA方法不需要设定具体的投入产出函数形式和主观权重使得其在经济学实证分析中得到广泛应用（颜鹏飞、王兵，2004；姚树洁等，2004；陈诗一、张军，2008；Young，2003：Zheng Hu，2004）。 　　考虑到DEA方法的众多优点及其在实证应用中的有效性，本文拟选用省级数据研究各地区房地产业效率，并分析相关房地产政策效应，以期从宏观视角出发丰富现有研究和提出政策建议。 　　二、 研究方法设计 　　1. DEA方法。典型DEA模型为的CCR-DEA（Cha-rnes等，1978）。其在规模报酬不变（CRS）的假设条件下，建立输入项目线性组合与输出项目线性组合，并通过构建这两类线性组合的比值来评估决策单元的效率值。CCR-DEA模型的具体思路可简要概括如下： 　　假设有n个决策单元DMUj（j=1，2，…，n），而每个决策单元DMUj都有m个输入项Xj=（Xj1，Xj2，…，Xjm）和s个输出项Yj=（Yj1，Yj2，…，Yjs），则决策单元DMUj的投入产出比可以表示为，uTY0/vTX0。在限定u，v？叟0及uTYj/vTXj？燮1的情况下，经过Charnes-Cooper变换与对偶变换可得如下线性规划模型： 　　min？兹s.t■Xj？姿j？燮？兹X0，■Yj？姿j？叟Y0，？姿j？叟0，j=1，…，n 　　通过求解上述线性规划模型，可以得到的第j个决策单位的相对效率得分？兹值。 　　由于上述模型假设规模报酬不变，所以其适用性取决于所有的决策单位是否都处于最优规模（李再扬、杨少华，2010），其适用范围和效能也因此受限。然而，经过众多学者们不断发展与完善，DEA方法也衍生出许多变体。比如，Banker等（1984）所提出的规模收益可变（VRS）的BCC-DEA模型，能够很好地克服规模报酬不变假设的不足。与CCR-DEA模型不同，BCC-DEA模型在线性规划方程中引入凸约束1`？姿=1，并且结合CCR-DEA模型可以将效率得分分解为规模效率与纯技术效率（李再扬和杨少华，2010）。 　　值得注意的是，在使用DEA模型估计投入产出系统的技术效率时，既可以选择输入导向型方法（Input-Oriented），也可以选择输出导向型方法（Output-Oriented）。本文在估算效率时则选择后者，即在产出给定的情况下，根据投入要素成本来判断决策单元的相对效率。 　　2. 决策单元与投入产出指标选取。 　　（1）决策单元选取。关于房地产业效率研究的实证文献基本上选择了部分房地产业上市公