论文部分内容阅读
摘 要：“马太效应”指在一定条件下，强者越来越强、弱者越来越弱、富者越来越富、穷者越来越穷这类两极分化不断加剧、滚动累积的现象。在市场竞争中的马太效应，是指具有优势者越来越强，而劣势者越来越弱的情况。本文以上海区域一手住宅市场的结构演化为切入点，基于对产业集中度测算方法的借鉴与修正，从土地市场与一手房市场层次对上海区域房地产市场集中度演化特征进行定性、定量研究，认为上海住宅市场具有较明显的“马太效應”特征。
关键词：房地产市场 集中度 马太效应
2015年12月中央经济工作会议提出对房地产市场“取消过时的限制性措施”，并对房地产去库存工作进行全面梳理及部署，在2013年提出“努力解决好住房问题，注重调整供地结构”后，再一次将房地产市场推上舆论的风口浪尖。我国房地产市场具有较强的区域结构性特征，在整体市场去库存、调结构大背景下，各个区域面临的矛盾不同。一二线代表城市商品住宅出清周期（出清周期=现有存量/近六个月平均每月的成交量）为10.2个月，处于合理水平，库存压力多集中于三四线城市。上海政治经济意义特殊、房市调控形势紧迫及政策试验经验丰富，其住宅市场结构特征在一线城市中具有一定的代表性与研究价值。
一、文献综述
1.对上海区域房地产市场研究。近年来，学者们对于上海区域房地产市场的研究偏重于解析政策影响效果。张建同等（2015）利用断点回归方法研究上海房地产限购限贷政策对房价及地方财政收入的影响，认为其对商品房销售价格有显著负面作用。尹音频等（2014）通过研究房产税施行后上海住宅供给结构变化，认为房产税政策对抑制投机性需求，引导住宅租赁市场成长有一定效果。封海洋等（2013）通过构建一系列房地产市场泡沫指征指标，研究代表城市的房地产市场表现，认为一二线城市的房地产泡沫的严重性高于三线城市，三线城市较一二线城市房地产调控政策效果滞后。高原（2013）研究了上海自贸区政策对于区域内土地市场以及住宅、商业以及产业物业价值的影响。杨刚等（2012）利用状态空间模型和卡尔曼滤波模型，从消费性金融支持和开发性金融支持两方面进行了实证研究了金融政策对上海房地产市场量价影响。
2.对房地产市场集中度研究。学者们对于房地产市场结构的形成、演化以及趋势都有一定的研究。李敏等（2015）通过对30个省份的区域房地产集中度及房价水平面板数据进行研究，发现市场集中度对房价存在显著正向影响。尹音频等（2014）对于房产税政策实施以来上海新房房源供给结构变化进行研究，发现别墅、高档公寓的投资比重下降，普通住宅占整个住宅销售比重上升。李美莹（2013）通过横向比较我国房地产业市场结构与境外其他成熟市场，认为我国整体房地产市场集中度低，处于垄断竞争阶段。况伟大（2012）研究发现住房市场垄断性越强，房价越高，房地产税对房价影响越大。
综上，研究大多数关注上海区域房地产市场的量价特征，以及各类政策影响机理，对于市场本身结构演化的关注不够，房地产作为不动产的性质以及我国住宅市场供需现状决定该市场具有很强的区域性，区域房地产市场结构与民生直接关联，影响未来市场交易量价特征，使得研究具有价值与必要性。
二、上海区域市场集中度测算
本文将研究界定为一手住宅市场，文中提到土地指代土地一级市场中普通住宅类用地。
1.研究方法。市场集中度研究市场结构的重要指标，可以使用：产业集中度测度、洛仑兹曲线描述、基尼系数测算、赫芬达尔一赫希曼指数、墒指数等指标衡量[11]。本文采用产业集中度方法，对市场集中度进行研究。其测量方法如下：
CRn即为产业中前n位企业的市场集中度，Xi表现产业中第i位企业在某约定期限（一般为1年）的产值情况、销售总量、销售总额或企业资产总额等指标。N表示产业内企业总数。植草益（1982）年依据不同CRn范围，对市场结构划分如下：
资料来源：[日]植草益：《产业组织论》，筑摩1982年版。
苏嘉琪（2012），唐晓灵（2012）等都采用传统的产业集中度测算方法对区域市场结构进行研究，使用销售额作为测算基础。本文认为，房地产开发从土地获取到产品入市存在一定时滞，企业的土地投资策略一定程度上表征着未来的市场供给情形，故而本文从土地市场与一手房市场两个层次出发，引入土地投资与销售总量两个指标进行市场集中度测算。
2.集中度测算。从土地市场层次出发，土地投资是开发商未来市场策略与未来市场供给的重要指征。2014年5月，上海新一轮的城市总体规划提出上海土地 “五量调控”管理思路，分别是：总量锁定、增量递减、存量优化、流量增效、质量提高。在该思路的指引下，上海未来建设用地规模限定为3226平方公里，并且年均新增用地计划逐年递减，进入改造更新与存量挖潜的时期，未来可供开发土地规模有限。
从2010年我国进入房地产密集调控时期开始至2012年，上海市住宅用途土地出让减少，并于2013年达到545.5万平方米后短暂反弹。期间，前20名开发商获取土地面积较市场供给变化同向变化，但幅度较整体收窄，其余开发商获取土地面积同向变化，增长幅度较整体放大。2015年土地超过40%的住宅土地成交面积由排名前8的开发商获得，历年水平均高于30%。
从开发商历年获取土地投资总额（图1）变化规律出发，总体土地市场投资额变化期间，前20名开发商土地投资总额同向变化，但幅度较整体收窄，其余开发商投资总额同向变化，增长幅度较整体放大；同时，前20名以外的开发商全体土地投资总额对整体投资额增长的敏感性高于缩减的敏感性。以2013年为例，当整体市场投资额快速上升期间，其投资额上升幅度近5倍于整体市场，超过700%。
从开发商土地投资总额集中度（表2）出发，CR8除2013年外均高于40%。对照土地投资总额变化，2013年之前土地投资总额与市场集中度反向变化，从2013年土地投资总额与市场集中度同向变化。土地市场投资额整体处于高中寡占（寡占型）。对照2013年后土地出让面积与投资总额变化，认为土地出让价格上涨较快；对照期间市场集中度的变化趋势，认为市场中强势开发商获取了较多溢价较高土地。 研究上海开发商销售总额（图2）变化，2008年的经济危机与2010年的“史上最严厉调控”造成市场两次成交下滑，其余阶段市场成交额均稳步爬升。从销售总额变化来看，当市场总体成交下滑时，强势开发商销售额下滑幅度相较整体小，有时甚至出现逆势增长的情况，其余开发商下滑幅度高于市场整体；当市场总体成交额上升时，强势开发商上升幅度相对小于市场整体，其余开发商销售额上升幅度高于市场整体，其中8-20名开发商当市场成交额增长期间销售额上升幅度高于20名后开发商整体。
数据来源：中国指数研究院数据库
从销售额集中度（表3）出发，2010年后CR8处于30%-40%区间并呈上升趋势，属于低集中寡占（竞争型），成交额总量与市场集中度反向变化。
3.集中度演进趋势。在市场集中度的基础上，本文进一步引入相关系数对未来市场集中度的演进趋势进行研究：
选取2007-2014年间8年的销售数据，并综合选取排名前30的开发商的排名，以A（x11，x12，…，x1n），n=30作为2008年样本向量，当开发商1在2008年排名属于前30，x11取1，否则取0，依次类推构造8个30维向量，计算结果如表5。年份相邻越近相关系数越高，越靠近2014年的相邻两年向量间的相关系数越大。
从计算结果可以推测，上海一手住宅市场的存在强者愈强的趋势，从土地市场与一手房市场层次研究都存在集中度不断提高，呈现从低集中寡占向高中寡占市场演进的趋势。
三、未来趋势预测
对房地产市场集中度进行区域间横向比较发现，我国2012年全国房地产市场集中度为0.47，低于美国、中国香港等国际成熟房地产市场，例如2006年美国规模最大的前五家房地产企业市场集中度超过20%，中国香港前十家房地产企业市场集中度超过80%[9]，均属于寡头垄断型市场。2012年我国一线城市中北京CR8为0.44，广东为0.41，上海同期水平为0.33，整体低于全国及其他一线城市，更远低于国际成熟市场。
土地市场的市场供给需求情况作用于未来一手住宅市场供求结构，从供给端来看，土地作为房地产的重要载体，是政府对于房地产市场影响的重要工具，政府的供地节奏、结构、数量都直接影响着开发商主体的行为。国家层面对于召开挂出地方式的规定使得土地出让不断透明化，但也由于这种方式的特殊性对土地价格有“隐性推高”。上海拟改革土地出让模式，使得土地拍卖门槛进一步提高，未来优势地块进一步集中在好的开发商手中，加之未来上海新增土地供给量以及存量改造规模有限。从需求端来看，基于三四线城市库存过高的业内共识，大量房企战略性选择回到获利空间有限的一二线市场，进一步加剧一二线土地市场竞争，2015年上海土地市场地王频出，土地溢价率高，最高达220%，最高实际楼面地价61000元/平方米，对开发商资金营运、综合营运能力都提出严峻挑战。虽然降准降息的利好政策减轻企业的融资负担，但是高企的库存仍旧是摆在开发商面前的严峻考验。2014年全市土地供应面积缩减，但开发商土地投资总额上升，成交案例中超过50%地块由央企或国企获得，市场中前8名开发商投资总额增长率超过50%。中小房企不具备资源、资金等方面优势，难以在一二线市场开展业务，导致市场集中度进一步提高。
研究现期一手住宅市场结构，上海一手住宅市场在全国范围内产能过剩的背景下仍具有很强卖方市场色彩。从供给端出发，上海区域内存量房源去化周期小于10个月。从需求端来看，北京2014年末常住人口2152万人，相较2005年（2005年北京市常住人口为1538万）增加569万人，同期上海常住人口增加648万，达到2426万人，城市人口处于净流入状态。2016年全国开始施行全面二胎政策也将为上海市场创造新增的需求。
四、结语
综上，结合上文对集中度变化趋势的定量与定性分析，未来上海区域一手住宅市场集中度将进一步提高，进入垄断型市场区间。根据古诺模型，垄断市场中企业有动机通过合谋攫取超额利润，而市场集中度对房价有显著的正向影响，通过一手房与二手房价之间的传导机制，可能进一步推高区域房价。同时，集中的高溢价土地开发将使得大量开发项目的“豪宅化”、“高端化”，而中低端住房供给不足，可能导致未来上海住宅市场的结构性供求矛盾。
参考文献：
[1]刘树成. 现代经济词典[M]. 南京： 江苏人民出版社， 2005： 684.
[2]张建同，方陈承，何芳. 上海市房地产限购限贷政策评估：基于断点回归设计的研究[J]. 科学决策. 2015（07）： 1-23.
[3]尹音频，魏彧. 房产税与房地产市场价格及结构——基于上海房产税试点的经验数据分析[J]. 税务与经济. 2014（03）： 96-100.
[4]封海洋，尚正永. 房地产泡沫的判断与测度研究——以上海、南京、淮安为例[J]. 开发研究. 2013（06）： 65-69.
[5]高原. 上海自贸区对房地产市场的影响[J]. 中国房地产. 2013（23）： 36-37.
[6]杨刚，王洪卫. 金融支持对上海房地产市场发展的影响研究——基于状态空间模型的实证检验[J]. 现代管理科学. 2012（03）： 3-5.
[7]李敏，熊斯婷，张东. 中国房地产市场集中度及其对房价的影响实证[Z]. 201571-77.
[8]尹音频，魏彧. 房产税与房地产市场价格及结构——基于上海房产税试点的经验数据分析[J]. 税务与经济. 2014（03）： 96-100.
[9]李美莹. 中国房地产业市场结构分析[J]. 中国市场. 2013（32）： 29-30.
[10]况伟大. 房地产税、市场结构与房价[J]. 经济理论与经济管理. 2012（01）： 10-19.
[11]刘易斯·卡布罗 美. 产业组织导论[M]. 北京： 人民邮电出版社， 2002.
[12]苏嘉琪. 基于SCP范式框架下的上海房地产业分析[J]. 时代金融. 2012（14）： 69-70.
[13]唐晓灵，白宝焕. 我国房地产开发市场集中度研究[J]. 商业时代. 2012（26）： 126-128.
[14]《中国房地产市场形势总结与展望（2015）》，中国指数研究院，http：//fdc.fang.com/report/9851.htm（阅读日期：2015年12月15日）.
[15]《北京市統计局人口抽样调查报告》，中华人民共和国国家发展和改革委员会，http：//shs.ndrc.gov.cn/shfzdt/201505/t20150529_694088.html（阅读日期：2015年12月15日） .
[16]《2014年上海市国民经济和社会发展统计公报》，上海市统计局，http：//www.stats-sh.gov.cn/sjfb/201502/277392.html（阅读日期：2015年12月15日）.
作者简介：杨安琪，同济大学经济与管理学院硕士研究生。
关键词：房地产市场 集中度 马太效应
2015年12月中央经济工作会议提出对房地产市场“取消过时的限制性措施”，并对房地产去库存工作进行全面梳理及部署，在2013年提出“努力解决好住房问题，注重调整供地结构”后，再一次将房地产市场推上舆论的风口浪尖。我国房地产市场具有较强的区域结构性特征，在整体市场去库存、调结构大背景下，各个区域面临的矛盾不同。一二线代表城市商品住宅出清周期（出清周期=现有存量/近六个月平均每月的成交量）为10.2个月，处于合理水平，库存压力多集中于三四线城市。上海政治经济意义特殊、房市调控形势紧迫及政策试验经验丰富，其住宅市场结构特征在一线城市中具有一定的代表性与研究价值。
一、文献综述
1.对上海区域房地产市场研究。近年来，学者们对于上海区域房地产市场的研究偏重于解析政策影响效果。张建同等（2015）利用断点回归方法研究上海房地产限购限贷政策对房价及地方财政收入的影响，认为其对商品房销售价格有显著负面作用。尹音频等（2014）通过研究房产税施行后上海住宅供给结构变化，认为房产税政策对抑制投机性需求，引导住宅租赁市场成长有一定效果。封海洋等（2013）通过构建一系列房地产市场泡沫指征指标，研究代表城市的房地产市场表现，认为一二线城市的房地产泡沫的严重性高于三线城市，三线城市较一二线城市房地产调控政策效果滞后。高原（2013）研究了上海自贸区政策对于区域内土地市场以及住宅、商业以及产业物业价值的影响。杨刚等（2012）利用状态空间模型和卡尔曼滤波模型，从消费性金融支持和开发性金融支持两方面进行了实证研究了金融政策对上海房地产市场量价影响。
2.对房地产市场集中度研究。学者们对于房地产市场结构的形成、演化以及趋势都有一定的研究。李敏等（2015）通过对30个省份的区域房地产集中度及房价水平面板数据进行研究，发现市场集中度对房价存在显著正向影响。尹音频等（2014）对于房产税政策实施以来上海新房房源供给结构变化进行研究，发现别墅、高档公寓的投资比重下降，普通住宅占整个住宅销售比重上升。李美莹（2013）通过横向比较我国房地产业市场结构与境外其他成熟市场，认为我国整体房地产市场集中度低，处于垄断竞争阶段。况伟大（2012）研究发现住房市场垄断性越强，房价越高，房地产税对房价影响越大。
综上，研究大多数关注上海区域房地产市场的量价特征，以及各类政策影响机理，对于市场本身结构演化的关注不够，房地产作为不动产的性质以及我国住宅市场供需现状决定该市场具有很强的区域性，区域房地产市场结构与民生直接关联，影响未来市场交易量价特征，使得研究具有价值与必要性。
二、上海区域市场集中度测算
本文将研究界定为一手住宅市场，文中提到土地指代土地一级市场中普通住宅类用地。
1.研究方法。市场集中度研究市场结构的重要指标，可以使用：产业集中度测度、洛仑兹曲线描述、基尼系数测算、赫芬达尔一赫希曼指数、墒指数等指标衡量[11]。本文采用产业集中度方法，对市场集中度进行研究。其测量方法如下：
CRn即为产业中前n位企业的市场集中度，Xi表现产业中第i位企业在某约定期限（一般为1年）的产值情况、销售总量、销售总额或企业资产总额等指标。N表示产业内企业总数。植草益（1982）年依据不同CRn范围，对市场结构划分如下：
资料来源：[日]植草益：《产业组织论》，筑摩1982年版。
苏嘉琪（2012），唐晓灵（2012）等都采用传统的产业集中度测算方法对区域市场结构进行研究，使用销售额作为测算基础。本文认为，房地产开发从土地获取到产品入市存在一定时滞，企业的土地投资策略一定程度上表征着未来的市场供给情形，故而本文从土地市场与一手房市场两个层次出发，引入土地投资与销售总量两个指标进行市场集中度测算。
2.集中度测算。从土地市场层次出发，土地投资是开发商未来市场策略与未来市场供给的重要指征。2014年5月，上海新一轮的城市总体规划提出上海土地 “五量调控”管理思路，分别是：总量锁定、增量递减、存量优化、流量增效、质量提高。在该思路的指引下，上海未来建设用地规模限定为3226平方公里，并且年均新增用地计划逐年递减，进入改造更新与存量挖潜的时期，未来可供开发土地规模有限。
从2010年我国进入房地产密集调控时期开始至2012年，上海市住宅用途土地出让减少，并于2013年达到545.5万平方米后短暂反弹。期间，前20名开发商获取土地面积较市场供给变化同向变化，但幅度较整体收窄，其余开发商获取土地面积同向变化，增长幅度较整体放大。2015年土地超过40%的住宅土地成交面积由排名前8的开发商获得，历年水平均高于30%。
从开发商历年获取土地投资总额（图1）变化规律出发，总体土地市场投资额变化期间，前20名开发商土地投资总额同向变化，但幅度较整体收窄，其余开发商投资总额同向变化，增长幅度较整体放大；同时，前20名以外的开发商全体土地投资总额对整体投资额增长的敏感性高于缩减的敏感性。以2013年为例，当整体市场投资额快速上升期间，其投资额上升幅度近5倍于整体市场，超过700%。
从开发商土地投资总额集中度（表2）出发，CR8除2013年外均高于40%。对照土地投资总额变化，2013年之前土地投资总额与市场集中度反向变化，从2013年土地投资总额与市场集中度同向变化。土地市场投资额整体处于高中寡占（寡占型）。对照2013年后土地出让面积与投资总额变化，认为土地出让价格上涨较快；对照期间市场集中度的变化趋势，认为市场中强势开发商获取了较多溢价较高土地。 研究上海开发商销售总额（图2）变化，2008年的经济危机与2010年的“史上最严厉调控”造成市场两次成交下滑，其余阶段市场成交额均稳步爬升。从销售总额变化来看，当市场总体成交下滑时，强势开发商销售额下滑幅度相较整体小，有时甚至出现逆势增长的情况，其余开发商下滑幅度高于市场整体；当市场总体成交额上升时，强势开发商上升幅度相对小于市场整体，其余开发商销售额上升幅度高于市场整体，其中8-20名开发商当市场成交额增长期间销售额上升幅度高于20名后开发商整体。
数据来源：中国指数研究院数据库
从销售额集中度（表3）出发，2010年后CR8处于30%-40%区间并呈上升趋势，属于低集中寡占（竞争型），成交额总量与市场集中度反向变化。
3.集中度演进趋势。在市场集中度的基础上，本文进一步引入相关系数对未来市场集中度的演进趋势进行研究：
选取2007-2014年间8年的销售数据，并综合选取排名前30的开发商的排名，以A（x11，x12，…，x1n），n=30作为2008年样本向量，当开发商1在2008年排名属于前30，x11取1，否则取0，依次类推构造8个30维向量，计算结果如表5。年份相邻越近相关系数越高，越靠近2014年的相邻两年向量间的相关系数越大。
从计算结果可以推测，上海一手住宅市场的存在强者愈强的趋势，从土地市场与一手房市场层次研究都存在集中度不断提高，呈现从低集中寡占向高中寡占市场演进的趋势。
三、未来趋势预测
对房地产市场集中度进行区域间横向比较发现，我国2012年全国房地产市场集中度为0.47，低于美国、中国香港等国际成熟房地产市场，例如2006年美国规模最大的前五家房地产企业市场集中度超过20%，中国香港前十家房地产企业市场集中度超过80%[9]，均属于寡头垄断型市场。2012年我国一线城市中北京CR8为0.44，广东为0.41，上海同期水平为0.33，整体低于全国及其他一线城市，更远低于国际成熟市场。
土地市场的市场供给需求情况作用于未来一手住宅市场供求结构，从供给端来看，土地作为房地产的重要载体，是政府对于房地产市场影响的重要工具，政府的供地节奏、结构、数量都直接影响着开发商主体的行为。国家层面对于召开挂出地方式的规定使得土地出让不断透明化，但也由于这种方式的特殊性对土地价格有“隐性推高”。上海拟改革土地出让模式，使得土地拍卖门槛进一步提高，未来优势地块进一步集中在好的开发商手中，加之未来上海新增土地供给量以及存量改造规模有限。从需求端来看，基于三四线城市库存过高的业内共识，大量房企战略性选择回到获利空间有限的一二线市场，进一步加剧一二线土地市场竞争，2015年上海土地市场地王频出，土地溢价率高，最高达220%，最高实际楼面地价61000元/平方米，对开发商资金营运、综合营运能力都提出严峻挑战。虽然降准降息的利好政策减轻企业的融资负担，但是高企的库存仍旧是摆在开发商面前的严峻考验。2014年全市土地供应面积缩减，但开发商土地投资总额上升，成交案例中超过50%地块由央企或国企获得，市场中前8名开发商投资总额增长率超过50%。中小房企不具备资源、资金等方面优势，难以在一二线市场开展业务，导致市场集中度进一步提高。
研究现期一手住宅市场结构，上海一手住宅市场在全国范围内产能过剩的背景下仍具有很强卖方市场色彩。从供给端出发，上海区域内存量房源去化周期小于10个月。从需求端来看，北京2014年末常住人口2152万人，相较2005年（2005年北京市常住人口为1538万）增加569万人，同期上海常住人口增加648万，达到2426万人，城市人口处于净流入状态。2016年全国开始施行全面二胎政策也将为上海市场创造新增的需求。
四、结语
综上，结合上文对集中度变化趋势的定量与定性分析，未来上海区域一手住宅市场集中度将进一步提高，进入垄断型市场区间。根据古诺模型，垄断市场中企业有动机通过合谋攫取超额利润，而市场集中度对房价有显著的正向影响，通过一手房与二手房价之间的传导机制，可能进一步推高区域房价。同时，集中的高溢价土地开发将使得大量开发项目的“豪宅化”、“高端化”，而中低端住房供给不足，可能导致未来上海住宅市场的结构性供求矛盾。
参考文献：
[1]刘树成. 现代经济词典[M]. 南京： 江苏人民出版社， 2005： 684.
[2]张建同，方陈承，何芳. 上海市房地产限购限贷政策评估：基于断点回归设计的研究[J]. 科学决策. 2015（07）： 1-23.
[3]尹音频，魏彧. 房产税与房地产市场价格及结构——基于上海房产税试点的经验数据分析[J]. 税务与经济. 2014（03）： 96-100.
[4]封海洋，尚正永. 房地产泡沫的判断与测度研究——以上海、南京、淮安为例[J]. 开发研究. 2013（06）： 65-69.
[5]高原. 上海自贸区对房地产市场的影响[J]. 中国房地产. 2013（23）： 36-37.
[6]杨刚，王洪卫. 金融支持对上海房地产市场发展的影响研究——基于状态空间模型的实证检验[J]. 现代管理科学. 2012（03）： 3-5.
[7]李敏，熊斯婷，张东. 中国房地产市场集中度及其对房价的影响实证[Z]. 201571-77.
[8]尹音频，魏彧. 房产税与房地产市场价格及结构——基于上海房产税试点的经验数据分析[J]. 税务与经济. 2014（03）： 96-100.
[9]李美莹. 中国房地产业市场结构分析[J]. 中国市场. 2013（32）： 29-30.
[10]况伟大. 房地产税、市场结构与房价[J]. 经济理论与经济管理. 2012（01）： 10-19.
[11]刘易斯·卡布罗 美. 产业组织导论[M]. 北京： 人民邮电出版社， 2002.
[12]苏嘉琪. 基于SCP范式框架下的上海房地产业分析[J]. 时代金融. 2012（14）： 69-70.
[13]唐晓灵，白宝焕. 我国房地产开发市场集中度研究[J]. 商业时代. 2012（26）： 126-128.
[14]《中国房地产市场形势总结与展望（2015）》，中国指数研究院，http：//fdc.fang.com/report/9851.htm（阅读日期：2015年12月15日）.
[15]《北京市統计局人口抽样调查报告》，中华人民共和国国家发展和改革委员会，http：//shs.ndrc.gov.cn/shfzdt/201505/t20150529_694088.html（阅读日期：2015年12月15日） .
[16]《2014年上海市国民经济和社会发展统计公报》，上海市统计局，http：//www.stats-sh.gov.cn/sjfb/201502/277392.html（阅读日期：2015年12月15日）.
作者简介：杨安琪，同济大学经济与管理学院硕士研究生。