供给侧结构性改革背景下贵州房地产业供求协调度分析

作者:未知

  摘要:利用主成分分析法对贵州房地产市场供求协调关系进行分析,通过计算得到供求协调度指数K,显示2011—2015年贵州省房地产供求协调度指数预警指数总体上是处于正常区间和基本正常区间;2012—2015年K值处于上升阶段,处于负向基本正常运行区和正常运行区,说明期间的房地产市场供大于求;2012年供求指数走高至供不应求,K值接近中间值即供求接近平衡。
  关键词:供求协调度主成分分析供求关系贵州房地产
  2015年11月,习近平总书记在中央财经领导小组第十一次会议上,首次提出供给侧结构性改革,为“十三五”时期的发展确立了主线。2016年12月16日,中央经济工作会议明确提出2017年是供给侧结构性改革的深化之年,要继续推进房地产业的供给侧改革,要坚持“房子是用来住的,不是用来炒的”的定位,扩大有效需求,消化库存,促进房地产市场平稳健康发展。
  房地产业是贵州经济的重要组成部分,现阶段贵州房地产业面临的关键问题是供给侧结构性问题。2016年贵州住宅商品房去库存效果明显,但非住宅商品房库存依然高位运行。房地产交易量大幅增加,但开发投资增速1998年来首次下跌,住宅商品房和非住宅商品房去库存效果差异悬殊,需求大幅增加,供给却大幅萎缩。如何通过对供求协调度分析实行供给侧结构改革,就成为贵州房产业转型升级,促进贵州房地产市场实现平稳健康发展面临的重要课题。
  一、文献综述
  供给侧结构性改革是当前学界关注的热点问题,有关房地产方面的供给侧结构性改革也有不少文献。林毅夫等(2016)、吴敬琏(2016)对我国提出供给侧结构性改的革的背景和前景进行了深入探讨和分析;刘元春(2016)指出房地产结构性库存的三大特征(潜在需求难以转化为现实需求,区域错配,使用属性和现实需求的错配),并提出相应的政策建议;杨英杰(2017)认为房地产和实体经济失衡是我国经济重大结构性失衡之一,需要从供给侧结构性改革实现经济结构再平衡,具体说来主要通过去杠杆去库存化解房地产市场风险,房地产供给侧结构性改革远比仅仅去库存复杂。中国房地产业协会会长刘志峰(2016a)认为,中国的住房消费已经从“有房住”向“住好房”转变,追求更完善的住房配套、更优质的公共服务、更绿色健康的品质和环境,是供给侧改革的主要任务。刘志峰(2016b)认为,房地产业供给侧结构性改革应该做好六个方面的产业重构,一是重构房地产信用体系、二是重构房地产供求体系、三是重构房地产布局、四是重构房地产发展环境、五是重构房地产组织架构、六是重构房地产效率效能体系。高红(2016)从“公共服务+”视角探讨了房地产供给侧性改革的内涵和实施路径;马智利(2017)分析了供给侧结构性改革的三个层面(产业、要素、制度)对重庆房地产市场的影响,提出重庆房地产供给侧结构改革的路径:首先,通过去库存措施以及房地产投资的规模控制机制进行供给侧改革;其次,从房地产市场细分的角度,重庆政府通过“低端有保障,低中端有供给,高端有遏制”对房地产市场进行调控。该文实质上是对重庆房地产调控经验的总结。董藩(2017)认为我国在推动房地产业供给侧改革时可以借鉴发达国家房地产业发展经验。
  二、供求协调度分析方法
  (一)主成分分析法
  主成分分析法是对于原先诸多指标中所表达的信息变量,利用降维的方式进行转化,使用其线性组合将各个独立的指标综合起来反映指标信息,在尽可能保持原有信息不变的前提下建立使用尽可能少的新变量。其基本思想是设法将原来众多的具有一定相关性的p个指标x1,x2,…,xp,重新组合成一组少數m个互不相关综合指标Fm来代替原来指标。设F1表示原变量的第一个线性组合所形成的主成分指标,即F1=a11x1+a12x2+…+a1pxp,每一个主成分所提取的信息量可用其方差来度量,其方差Var(F1)越大,表示F1包含的信息越多。一般而言第一主成分F1所含的信息量最大,因此在所有的线性组合中选取的F1应该是x1,x2,…,xp的所有线性组合中方差最大的,故称F1为第一主成分。如果第一主成分不足以代表原来p个指标的信息,再考虑选取第二个主成分指标F2,为有效地反映原信息,F1已有的信息就不需要再出现在F2中,即F2与F1要保持独立、不相关,即其协方差Cov(F1,F2)=0,所以F2是与F1不相关的x1,x2,…,xp的所有线性组合中方差最大的,故称F2为第二主成分,依此类推构造出的F1、F2、……、Fm为原变量指标x1,x2,…,xp第一、第二、……、第m个主成分。
  (二)3σ法
  3σ准则又称为拉依达准则,其假设一组检测数据只含有随机误差,根据标准偏差,按一定概率确定正常区间,若误差超过这个区间的误差,就不属于随机误差而是较大误差,含有该误差的数据应予以剔除。这种判别处理原理及方法仅局限于对正态或近似正态分布的样本数据处理,它是以测量次数充分大为前提。通过计算各个指标数据系列的中心值和标准差,得出偏离中心值1倍标准差的区间即[E-σ,E+σ]属于正常运行区间;偏离中心值1—2倍标准差的区间即[E-2σ,E-σ]和[E+σ,E+2σ]属于基本正常区间;偏离中心值2倍标准差以上的区间即[-??,E-2σ]和[E+2σ,+??]属于异常区间。这样就得到了评价供求关系协调度的5个区间。
  三、应用分析
  (一)指标的选取
  城市房地产市场关键指标选择应遵循如下三条原则:第一,敏感性原则。选取的指标能敏锐地反映房地产市场的发展变化。第二,时效性原则。选取的指标能反映一个周期内市场供求状况,按照“短期—中期—长期”的不同阶段,确定对应的关键指标。第三,可操作性原则。指标数据要有及时、稳定和可靠的来源,容易获取,并能根据“房地产市场信息系统”和统计局公布的现行统计指标确定。选取反映房地产市场供求协调关系的指标体系如下:
  (二)原始数据   通过对《中国统计年鉴》《贵州省统计年鉴》《房地产年度报告》数据进行收集、计算和整理,得到2011—2015年贵州省的房地产供求协调度指标如表1所示:
  (三)主成分分析
  利用SPSS统计分析软件进行主成分分析
  1将表1数据标准化,得到数据如表2所示
  2主成分与各指标的关系
  根据表3可得,由于第一个特征值的累计贡献率已经达到802%,根据累计贡献率大于80%的原则,所以选取前两个特征值分别作为主成分F1。
  第一个主成分可以看成是X1的综合变量,可以解释为第一主成分反映了房地产市场现房供求匹配问题和商品房的空置率。主成分与各指标之间的关系,而房地产市场供求协调度指数K为上述两个主成分与贡献率乘积的累加
  (四)确定协调度指数区间
  基于3σ理论,选择1倍标准差和2倍标准差作为预警区间的界限。通过计算得到房地产供求协调度指数数据的均值E=00001和标准差σ=2712。根据3σ法计算房地产市场供求协调度指数预警区间如表6所示。
  (五)结果分析
  根据以上计算的供求协调度指数K得到2011—2015年贵州省房地产供求协调度指数预警指数总体上是处于正常区间和基本正常区间的。可以看出,2012—2015年K值是不断上升的,处于负向基本正常运行区和正常运行区。说明当年的房地产市场供大于求,供求市场萎缩。这也就说明了在这几年房地产市场消化了大量商品房,也显示了从2012年供求指数走高至供不应求,K值接近中间值,即供求接近平衡。
  通过对贵州省2011年—2015年房地产市场供求情况进行分析,可以看出利用主成分分析法对房地产供求协调关系进行分析的结果基本符合市场的实际情况。因此可以利用主成分分析法比较准确地分析出房地产市场供求协调状况,可以为政府制定有关房地产市场的调控政策提供参考。
  参考文献:
  [1]林毅夫等供给侧结构性改革[M].北京:民主与建设出版社,2016
  [2]吴敬琏供给侧改革引领“十三五”[M].北京:中信出版社,2016
  [3]刘元春供给侧结构性改革的实施路径[J].国家治理,2016(4):37—48
  [4]杨英杰中国经济重大结构性失衡与再平衡[J].中共中央党校学报,2017(2):120—128
  [5]刘志峰加快房地產供给侧结构性改革[J].城市开发,2016(14):18—19
  [6]刘志峰创新发展理念,重构行业格局——以供给侧结构性改革促进房地产转型升级[J].城市开发,2016(11):12—16
  [7]高红房地产供给侧改革:“公共服务+”的视角[J].求实,2016(12):51—60
  [8]马智利,滕凤华重庆市房地产市场供给侧结构性改革影响研究[J].建筑经济,2017(2):72—76
  [9]董藩,董文婷发达国家房地产业发展经验及其对我国供给侧改革的启示[J].人文杂志,2017(4):29—36
  (钱玉秀,贵州财经大学)
转载注明来源:https://www.xzbu.com/2/view-14846074.htm

服务推荐