论文部分内容阅读
【摘 要】 本文选取粤港澳大湾区9个城市统计数据，从经济环境、消费环境等5个方面选取指标，构建房地产投资环境综合评价指标体系。采用熵权-TOPSIS模型，对大湾区9个城市房地产投资环境进行评价分析，为投资商的投资决策和区域城市发展提供一定的参考和借鉴。
【关键词】 房地产 投资环境 大湾区 熵权法
粤港澳大湾区由广东省广州、深圳、珠海、佛山、惠州、东莞、中山、江门、肇庆九个地市和香港、澳门两个特别行政区组成，是中国经济活力最强的区域之一，同时也是中国建设世界级城市群的重要空间载体。随着粤港澳大湾区发展规划的发布，大湾区房地产行业迎来发展新机遇。房地产业作为一项具有投资周期长、投资风险高、变现能力差等特点的产业，其发展受城市规划、宏观政策、经济发展水平等多种因素的影响，对投资环境的要求尤其严格。科学合理地评价房地产市场投资环境有助于准确把握房地产投资风险，正确进行投资战略决策。
1文献综述
国外学者对投资环境的研究较早，现已形成完备的研究方法和理论体系。如Litvak、Banting（1968）首次提出“冷热国比较法”，奠定了现代投资环境评价的理论基础。Robort.b.Stobaugh（1969）提出罗氏多因素评分分析法，使投资环境评价走向了定量分析。国内对房地产投资环境的评价也趋向将理论分析与实证研究相结合。余洋（2007）运用层次分析法对苏州等市的房地产投资环境进行了评价。王明、何亚伯等（2007）借助模糊数学综合评价法对房地产投资环境各个影响因素进行考量。卢新海、桂婷婷等（2013）用主成分分析法和聚类分析法对武汉城市圈房地产投资环境进行综合评价及分类评析。唐嫣然（2017）则采用基于熵权的TOPSIS模型，计算中原城市群9个城市房地产投资环境的综合得分。
综合来看，现有关于投资环境评价的方法多达30余种，如多因素和关键因素评价法、聚类分析法、冷热比较分析法、主成分分析法、熵权法以及综合分析等，每种方法都有自身的特点与不足。其中，熵权法根据评价系统指标的变异程度客观地确定相应指标权重，进而反映该指标在整个指标体系中的重要程度，具有较强的操作性和客观性，因而将其应用于房地产投资环境评價是很好的工具。本文以大湾区城市群为研究对象，借鉴已有熵权TOPSIS模型对大湾区核心9市房地产投资环境进行研究，实现定性与定量分析相结合，拓展了熵权理论的应用范围，为研判大湾区房地产投资环境与潜力提供了新视角。
2房地产投资环境评价指标体系构建
房地产投资环境是由若干相互关联、具有层次结构性的因素构成的复杂系统。本文在梳理前人研究的基础上，将房地产投资环境要素划分为经济环境、消费环境、房地产市场环境、基础设施环境、社会文化环境5方面。根据指标数据的可获得性原则，共选取18个指标，构建大湾区城市群房地产投资环境评价指标体系，如表1所示。
3熵权模型及TOPSIS方法
3.1熵权法简介
熵权法根据评价系统指标的变异程度客观地确定相应指标权重，进而反映该指标在整个指标体系中的重要程度。一般情况下，综合评价体系中，评价对象在某项指标上的变异程度越大，该项指标熵值越小，熵权越大，能提供的信息量越大，反之亦然。熵权的计算公式为：，其中， ，式中xij表示第i个评价对象所对应的第j个评价指标的数值，初始矩阵为，i=1，2…m;j=1，2…n;m为评价对象总个数，n为评价指标总个数。rij为原始数据指标矩阵的标准化数据矩阵，本文采取极值法对其进行标准化，ej为第j项指标的信息熵;fij为第j项指标下第i个评价对象的标准化值在所有评价对象序列中的比重，并假定当fij=0时，fijlnfij=0。k为波尔兹曼常数，令k>0。dj为信息熵冗余度。wj为第j项指标的熵权，且满足0≦wj≦1，和。
3.2 TOPSIS法简介
TOPSIS法也称为逼近理想解的排序方法，该方法首先选出多个评价方案中的最优与最劣方案，测算各评价方案到理想解、负理想解的距离，即贴近度，根据贴近度大小排序确定各评价方案的优劣次序。具体运算步骤为：（1）数据标准化。由于各指标量纲不同，需要先进行无量纲化处理，本文采取极值标准化法，得到标准化矩阵rij。（2）根据熵权构建加权规范化矩阵。加权规范化矩阵vij通过矩阵rij的每一行与其相应的权重wj相乘得到：
（3）确定理想解和负理想解，公式分别为：
，
，
其中，J1为效益性指标集，该指标越大投资环境越好;J2为成本性指标集，该指标值越小投资环境越好，i=1，2…m。（4）计算各评价对象到理想解的距离D+和到负理想解的距离D-。， （i=1，2…m）。（5）计算各评价对象与最优方案的贴近度ci，计算公式为：（i=1，2…m）， 式中，贴近度的值ci介于0～1，当ci=1时，房地产市场投资环境评分最高，市场投资环境达到最优状态;当ci=0，房地产市场投资处于高度无序混乱状态;ci越大，表示房地产市场投资环境越接近最优水平。
4大湾区9市房地产投资环境综合评价
4.1数据来源与标准化处理
根据《2018年广东省统计年鉴》（2017年数据）、各城市统计年鉴及年度国民经济发展和社会统计公报，获取粤港澳大湾区9市各项指标的统计数据，并建立原始评价矩阵，并对评价对象指标矩阵进行标准化处理。本研究所选取的均为效益型指标，其处理方式为：。
4.2指标客观权重
由熵权法计算出第j个指标的信息熵值ej，信息熵冗余度dj和客观熵权wj，并得出结果，如表2所示，一级经济环境指标包括四个子指标，将其熵权加总可得经济环境指标权重为0.2357，同理可得到其他一级指标权重。
4.3基于TOPSIS法进行投资环境综合评价 根据熵权wj和标准化矩阵rij求加权规范化矩阵Vij，据此求正理想解 V+和负理想解V-，根据正负理想解分别计算每个评价对象到正负理想解的距离D+、D-，并计算相对贴近度ci。按照贴近度ci对各评价对象进行排序，贴近度越大，投资环境越优，贴进度越小，投资环境越差。排序结果如表3所示。
D+=[ 0.0489，0.1432， 0.2300，0.1828，0.2215，0.1902，0.2324，0.2355，0.2477]
D- =[ 0.2358，0.1798， 0.0404，0.1060，0.0551，0.0866，0.0373，0.0230，0.0091]
C = [ 0.8281，0.5566， 0.1493，0.3670，0.1993，0.3129，0.1383，0.0890，0.0355]
5结论与展望
本文利用熵权TOPSIS法对大湾区除港澳外的核心9市房地产投资环境进行了评价，从总体得分来看，投资环境优劣排序依次为广州、深圳、佛山、东莞、惠州、珠海、中山、江门和肇庆。广州作为粤港澳大湾区的中心城市，其房地产投资环境为最优，深圳紧随其后，两者明显处于优势地位。其次是佛山、东莞，这与其二线城市地位相吻合，而江门、肇庆作为三四线城市，其房地产投资环境处于大湾区的较低水平。由此可见，大湾区的房地产投资环境排名与城市整体地位大致吻合，并呈现出显著的空间差异性。这也在一定程度上说明了所构建的境评价体系具有合理性，评价方法具有良好的应用价值。
从指标权重来看，各子系统也表现出了一定的差异性，经济环境（0.2357）对房地产投资环境评价影响最大，其次为社会文化环境指标（0.2221）、房地產市场环境（0.1814）、消费环境（0.1813）和基础设施环境（0.1795），可以看出各指标权重差异不大。具体而言，在经济环境指标下，其二级指标地区生产总值（0.0745）权重最大，反映城市经济发展总体水平对房地产投资环境有着重要影响，但值得注意的是，房地产投资环境排名与地区生产总值并非完全一致。在社会文化环境指标下，二级指标常住人口密度（0.0936）和普通高等学校在校学生数（0.0809）占比均较大，反映了人口因素对房地产投资环境评价的贡献率较高。在房地产市场环境指标下，商品房销售面积（0.0579）占比相对较大，这从供需层面直接影响房地产投资环境。在消费环境指标下，社会消费品零售总额（0.0690）和城乡居民储蓄存款（0.0671）占比均较高，反映了社会总体消费水平和城乡居民的购买力对投资环境的影响。
展望大湾区房地产未来投资环境，可从企业投资、人口与收入、区域产业发展几个角度考虑。从企业投资层面来看，随着粤港澳大湾区发展规划的发布，大量房企会加速布局粤港澳大湾区，由广深等一线城市向三四线城市下沉，积极拓展土地储备。从人口集聚与收入增长的角度看，未来广东省内以及周边省份人口仍将进一步向湾区集中，同时交通基础设施高度联通也促使跨城市购房需求会不断释放。从区域产业发展角度而言，未来大湾区房地产投资环境要想实现整体改善，一方面需要各城市积极整合资源，进行产业升级和转型，以产业升级带动地产投资开发;另一方面也需要各城市因地制宜，充分发挥自身优势，进行具有特色的房地产开发。
【参考文献】
[1] 余洋.房地产市场投资环境分析——以苏南五城市为例[J].安徽农业科学，2007（22）：7019+7022.
[2] 王明，何亚伯，陈玉梅.基于FAHP的房地产投资环境分析[J].建筑经济，2007（S1）：84-86.
[3] 卢新海，桂婷婷，万凯.基于主成分分析的区域房地产投资环境评价研究——以武汉城市圈为例[J].中国房地产. 2013（02）
[4] 唐嫣然.中原城市群核心9市房地产投资环境评价——基于熵权-TOPSIS法[J].中国房地产，2017（18）：20-29.
[5] 吴文文，蔡广鹏，范丽娟.银川市房地产投资环境综合评价[J].合作经济与科技，2019（04）：56-59.
[6] 崔庆飞.基于主成分和熵权的房地产投资环境评价[J].河北工程大学学报（自然科学版），2014，31（04）：105-108.
[7] 陈雷，王延章.基于熵权系数与TOPSIS集成评价决策方法的研究[J].控制与决策. 2003（04）
[8] 周书敬，宋喜民.基建优化.熵权方法在房地产投资环境优序评价中的应用[J]. 2003（02）
【关键词】 房地产 投资环境 大湾区 熵权法
粤港澳大湾区由广东省广州、深圳、珠海、佛山、惠州、东莞、中山、江门、肇庆九个地市和香港、澳门两个特别行政区组成，是中国经济活力最强的区域之一，同时也是中国建设世界级城市群的重要空间载体。随着粤港澳大湾区发展规划的发布，大湾区房地产行业迎来发展新机遇。房地产业作为一项具有投资周期长、投资风险高、变现能力差等特点的产业，其发展受城市规划、宏观政策、经济发展水平等多种因素的影响，对投资环境的要求尤其严格。科学合理地评价房地产市场投资环境有助于准确把握房地产投资风险，正确进行投资战略决策。
1文献综述
国外学者对投资环境的研究较早，现已形成完备的研究方法和理论体系。如Litvak、Banting（1968）首次提出“冷热国比较法”，奠定了现代投资环境评价的理论基础。Robort.b.Stobaugh（1969）提出罗氏多因素评分分析法，使投资环境评价走向了定量分析。国内对房地产投资环境的评价也趋向将理论分析与实证研究相结合。余洋（2007）运用层次分析法对苏州等市的房地产投资环境进行了评价。王明、何亚伯等（2007）借助模糊数学综合评价法对房地产投资环境各个影响因素进行考量。卢新海、桂婷婷等（2013）用主成分分析法和聚类分析法对武汉城市圈房地产投资环境进行综合评价及分类评析。唐嫣然（2017）则采用基于熵权的TOPSIS模型，计算中原城市群9个城市房地产投资环境的综合得分。
综合来看，现有关于投资环境评价的方法多达30余种，如多因素和关键因素评价法、聚类分析法、冷热比较分析法、主成分分析法、熵权法以及综合分析等，每种方法都有自身的特点与不足。其中，熵权法根据评价系统指标的变异程度客观地确定相应指标权重，进而反映该指标在整个指标体系中的重要程度，具有较强的操作性和客观性，因而将其应用于房地产投资环境评價是很好的工具。本文以大湾区城市群为研究对象，借鉴已有熵权TOPSIS模型对大湾区核心9市房地产投资环境进行研究，实现定性与定量分析相结合，拓展了熵权理论的应用范围，为研判大湾区房地产投资环境与潜力提供了新视角。
2房地产投资环境评价指标体系构建
房地产投资环境是由若干相互关联、具有层次结构性的因素构成的复杂系统。本文在梳理前人研究的基础上，将房地产投资环境要素划分为经济环境、消费环境、房地产市场环境、基础设施环境、社会文化环境5方面。根据指标数据的可获得性原则，共选取18个指标，构建大湾区城市群房地产投资环境评价指标体系，如表1所示。
3熵权模型及TOPSIS方法
3.1熵权法简介
熵权法根据评价系统指标的变异程度客观地确定相应指标权重，进而反映该指标在整个指标体系中的重要程度。一般情况下，综合评价体系中，评价对象在某项指标上的变异程度越大，该项指标熵值越小，熵权越大，能提供的信息量越大，反之亦然。熵权的计算公式为：，其中， ，式中xij表示第i个评价对象所对应的第j个评价指标的数值，初始矩阵为，i=1，2…m;j=1，2…n;m为评价对象总个数，n为评价指标总个数。rij为原始数据指标矩阵的标准化数据矩阵，本文采取极值法对其进行标准化，ej为第j项指标的信息熵;fij为第j项指标下第i个评价对象的标准化值在所有评价对象序列中的比重，并假定当fij=0时，fijlnfij=0。k为波尔兹曼常数，令k>0。dj为信息熵冗余度。wj为第j项指标的熵权，且满足0≦wj≦1，和。
3.2 TOPSIS法简介
TOPSIS法也称为逼近理想解的排序方法，该方法首先选出多个评价方案中的最优与最劣方案，测算各评价方案到理想解、负理想解的距离，即贴近度，根据贴近度大小排序确定各评价方案的优劣次序。具体运算步骤为：（1）数据标准化。由于各指标量纲不同，需要先进行无量纲化处理，本文采取极值标准化法，得到标准化矩阵rij。（2）根据熵权构建加权规范化矩阵。加权规范化矩阵vij通过矩阵rij的每一行与其相应的权重wj相乘得到：
（3）确定理想解和负理想解，公式分别为：
，
，
其中，J1为效益性指标集，该指标越大投资环境越好;J2为成本性指标集，该指标值越小投资环境越好，i=1，2…m。（4）计算各评价对象到理想解的距离D+和到负理想解的距离D-。， （i=1，2…m）。（5）计算各评价对象与最优方案的贴近度ci，计算公式为：（i=1，2…m）， 式中，贴近度的值ci介于0～1，当ci=1时，房地产市场投资环境评分最高，市场投资环境达到最优状态;当ci=0，房地产市场投资处于高度无序混乱状态;ci越大，表示房地产市场投资环境越接近最优水平。
4大湾区9市房地产投资环境综合评价
4.1数据来源与标准化处理
根据《2018年广东省统计年鉴》（2017年数据）、各城市统计年鉴及年度国民经济发展和社会统计公报，获取粤港澳大湾区9市各项指标的统计数据，并建立原始评价矩阵，并对评价对象指标矩阵进行标准化处理。本研究所选取的均为效益型指标，其处理方式为：。
4.2指标客观权重
由熵权法计算出第j个指标的信息熵值ej，信息熵冗余度dj和客观熵权wj，并得出结果，如表2所示，一级经济环境指标包括四个子指标，将其熵权加总可得经济环境指标权重为0.2357，同理可得到其他一级指标权重。
4.3基于TOPSIS法进行投资环境综合评价 根据熵权wj和标准化矩阵rij求加权规范化矩阵Vij，据此求正理想解 V+和负理想解V-，根据正负理想解分别计算每个评价对象到正负理想解的距离D+、D-，并计算相对贴近度ci。按照贴近度ci对各评价对象进行排序，贴近度越大，投资环境越优，贴进度越小，投资环境越差。排序结果如表3所示。
D+=[ 0.0489，0.1432， 0.2300，0.1828，0.2215，0.1902，0.2324，0.2355，0.2477]
D- =[ 0.2358，0.1798， 0.0404，0.1060，0.0551，0.0866，0.0373，0.0230，0.0091]
C = [ 0.8281，0.5566， 0.1493，0.3670，0.1993，0.3129，0.1383，0.0890，0.0355]
5结论与展望
本文利用熵权TOPSIS法对大湾区除港澳外的核心9市房地产投资环境进行了评价，从总体得分来看，投资环境优劣排序依次为广州、深圳、佛山、东莞、惠州、珠海、中山、江门和肇庆。广州作为粤港澳大湾区的中心城市，其房地产投资环境为最优，深圳紧随其后，两者明显处于优势地位。其次是佛山、东莞，这与其二线城市地位相吻合，而江门、肇庆作为三四线城市，其房地产投资环境处于大湾区的较低水平。由此可见，大湾区的房地产投资环境排名与城市整体地位大致吻合，并呈现出显著的空间差异性。这也在一定程度上说明了所构建的境评价体系具有合理性，评价方法具有良好的应用价值。
从指标权重来看，各子系统也表现出了一定的差异性，经济环境（0.2357）对房地产投资环境评价影响最大，其次为社会文化环境指标（0.2221）、房地產市场环境（0.1814）、消费环境（0.1813）和基础设施环境（0.1795），可以看出各指标权重差异不大。具体而言，在经济环境指标下，其二级指标地区生产总值（0.0745）权重最大，反映城市经济发展总体水平对房地产投资环境有着重要影响，但值得注意的是，房地产投资环境排名与地区生产总值并非完全一致。在社会文化环境指标下，二级指标常住人口密度（0.0936）和普通高等学校在校学生数（0.0809）占比均较大，反映了人口因素对房地产投资环境评价的贡献率较高。在房地产市场环境指标下，商品房销售面积（0.0579）占比相对较大，这从供需层面直接影响房地产投资环境。在消费环境指标下，社会消费品零售总额（0.0690）和城乡居民储蓄存款（0.0671）占比均较高，反映了社会总体消费水平和城乡居民的购买力对投资环境的影响。
展望大湾区房地产未来投资环境，可从企业投资、人口与收入、区域产业发展几个角度考虑。从企业投资层面来看，随着粤港澳大湾区发展规划的发布，大量房企会加速布局粤港澳大湾区，由广深等一线城市向三四线城市下沉，积极拓展土地储备。从人口集聚与收入增长的角度看，未来广东省内以及周边省份人口仍将进一步向湾区集中，同时交通基础设施高度联通也促使跨城市购房需求会不断释放。从区域产业发展角度而言，未来大湾区房地产投资环境要想实现整体改善，一方面需要各城市积极整合资源，进行产业升级和转型，以产业升级带动地产投资开发;另一方面也需要各城市因地制宜，充分发挥自身优势，进行具有特色的房地产开发。
【参考文献】
[1] 余洋.房地产市场投资环境分析——以苏南五城市为例[J].安徽农业科学，2007（22）：7019+7022.
[2] 王明，何亚伯，陈玉梅.基于FAHP的房地产投资环境分析[J].建筑经济，2007（S1）：84-86.
[3] 卢新海，桂婷婷，万凯.基于主成分分析的区域房地产投资环境评价研究——以武汉城市圈为例[J].中国房地产. 2013（02）
[4] 唐嫣然.中原城市群核心9市房地产投资环境评价——基于熵权-TOPSIS法[J].中国房地产，2017（18）：20-29.
[5] 吴文文，蔡广鹏，范丽娟.银川市房地产投资环境综合评价[J].合作经济与科技，2019（04）：56-59.
[6] 崔庆飞.基于主成分和熵权的房地产投资环境评价[J].河北工程大学学报（自然科学版），2014，31（04）：105-108.
[7] 陈雷，王延章.基于熵权系数与TOPSIS集成评价决策方法的研究[J].控制与决策. 2003（04）
[8] 周书敬，宋喜民.基建优化.熵权方法在房地产投资环境优序评价中的应用[J]. 2003（02）