论文部分内容阅读
摘 要：为了有效测度房地产市场风险，探索其可持续发展路径，以安徽省16个地级市房地产市场为调研对象，通过实地访谈、专家论证等方式，从库存、价格、资金链、政策环境等四个方面甄别房地产市场风险因素;运用结构方程模型（SEM）实证研究房地产市场风险对可持续发展的作用路径，诠释房地产市场风险的形成机理。研究结果表明：对房地产市场健康可持续发展作用效果影响最大的风险因素是资金链，其次是库存，价格的作用效应值较小，政策环境的作用效应值最小。据此，为房地产市场健康可持续发展探索新的路径，为房地产市场调控提出针对性的对策建议。
关键词：房地产市场;风险测度;作用路径;结构方程;可持续发展
中图分类号：F 293 文献标识码：A 文章编号：1672 - 7312（2020）02 -0154-06
Abstract：In order to measure the risk of the real estate market effectively，explore its sustainable development path，the real estate markets in 16 prefecture-level cities in Anhui province was taken as the research object.The real estate market risk factors are identified from four aspects，including inventory，price，capital chain and policy environment，through field interviews and expert argumentation.The structural equation model （SEM） is used to empirically study the action path of real estate market risk on healthy and sustainable development，and to interpret the formation mechanism of real estate market risk.The research results show that：the risk factor that has the biggest impact on the overall effect of the healthy and sustainable development of the real estate market is the capital chain，next is inventory，the effect value of price is small，and the effect value of policy environment is the minimum.Accordingly，the paper explored new paths for the healthy and sustainable development of the real estate market，and put forward corresponding countermeasures and suggestions for the regulation of the real estate market.
Key words：real estate market;risk measurement;action path;structural equation model;sustainable development
0 引言
我国经济发展进入“十三五”时期，房地产市场亦呈现新特征，区域分化严重，风险逐渐显现。因此，参考国际成熟经验，完善房地产信托投资基金有关配套政策，为房地产业提供长期的融资渠道，促进房地产企业向“轻资产”经营模式转型，防范系统性金融风险，加快建立和完善房地产市场平稳健康发展的长效机制[1]。2019年房地产市场风险被列为重大风险之一。习近平总书记在省部级主要领导干部坚持底线思维着力防范化解重大风险专题研讨班上指出，维护社会大局稳定，要做好住房市场调控，有效防范风险连锁联动;要稳妥实施房地产市场平稳健康发展长效机制方案[2]。
房地產作为讨论焦点，重心已从买转租，有关房地产市场风险的相关研究已成为经济管理领域的热点内容，部分学者的研究成果为笔者探究房地产市场风险拓展了思路、提供了借鉴。WANG Chunyu[3]认为人均GDP是推动房地产价格变动的主要因素，房地产投资和人均可支配收入能促进房地产价格上涨，但效果相对较弱;朱永升等[4]从供给和需求两个层面筛选影响房地产市场的风险因素;刘大港等[5]认为新常态下库存、价格、融资和政策环境是导致房地产市场风险的主要致因;MA，Chaoqun[6]通过分析轨道交通环境下住宅房地产价格影响因素，得出城市中心距越远，轨道交通对住宅房地产价格上涨的影响越大;郭娜等[7]认为人口增长和老龄化是影响房地产价格变动的关键性因素，经济越发达，老龄化门限值越高，老龄化对东部、西部地区房地产价格产生一定程度的负向影响，中部则为正向影响;韩秀兰等[8]认为新常态下职工工资收入、产业结构、经济发展、人口密度和人口流动等对房地产价格的影响显著;武力超等[9]基于日本1980—2010年郡县级样本和我国2002—2013年省级样本数据，探究人口总抚养比、老年抚养比、少年抚养比以及城市化等多维度人口结构对房地产市场的影响;CHEN Ling[10]运用Eviews软件和数据稳定性试验的统计分析特征，利用格兰杰因果检验和VAR模型对房地产市场风险和股票市场进行联动研究;朱佳俊等[11-12]以房地产信托产品为研究对象，运用CAPM方法对风险进行分类，系统分析了中国房地产信托产品风险溢价的影响因素;刘焕鹏等[13]借助效用函数探究房地产投资同劳动力成本之间的因果关系，认为我国劳动力成本上升在相当大的程度上是由房地产投资推动的;王慧[14]基于我国147家上市房地产企业2009—2016年数据，运用KMV模型对我国上市房地产企业信用风险进行了测度;GUO Jianhua[15]基于协整理论、Granger因果分析，构建VAR/VEC模型与VARMVGARCH-BEKK模型，探究我国房地产市场和股票市场的波动溢出效应，认为房地产市场和股票市场之间存在着长期的弱负向均衡关系，同时存在单向波动溢出效应和单向因果关系。 笔者在借鉴现有研究的基础上，对房地产市场风险因素进行识别与分析，借助结构方程模型（SEM）实证分析房地产市场风险对健康可持续发现的作用效应，深入剖析各风险因素之间的关联作用，为探寻房地产市场健康可持续发展路径奠定基础。
1 研究变量设计
1.1 样本选取
鉴于国内外相关文献研究，结合新常态下我国房地产市场发展现状，选择安徽省16个地级市为调研区域，主要通过电子邮件和现场发放问卷两种形式，调研对象主要包括相关房地产企业负责人、房地产中介机构负责人、资深房地产工作人员，房地产研究机构的专家学者，高校从事房地产研究的教师、研究生等，共计发放问卷265份，收回有效问卷223份，占回收问卷的84.15%.经过统计分析，受访人员中，拥有本科及以上学位的占67.56%，对房地产市场比较熟悉的占36.78%，从事房地产行业超过五年的占66.97%.调研结果显示，新常态下安徽省房地产市场风险比较显著，另一方面，此次参与问卷填写的受访者理论层次、业务能力、工作基础均从侧面反映了本次研究的可信度与有效性。
借助STATA 12.0统计分析软件对搜集到的问卷数据开展信度、效度检验，信度通常借助Cronbach’s Alpha系数与CITC值来验证。Cronbach’s Alpha系数介于0.50～0.60，不理想;在0.60～0.70，勉强接受;0.70～0.80，可以接受;0.80～0.90，理想;大于0.9，非常理想;CITC值在0.5以上有效[16]。调查问卷整体的Cronbach’s Alpha值等于0.865，有关库存量表的Cronbach’s Alpha值为0.900，价格量表的Cronbach’s Alpha值是0.920，资金量表的Cronbach’s Alpha值是0.822，政策环境量表的Cronbach’s Alpha值是0.783，健康可持续发展量表的Cronbach’s Alpha值等于0.899，均超过参照值0.7，CITC值均在0.5以上，所设计的问卷具有比较理想的信度。
效度用以验证测试结果同预测变量特性的拟合效果，效度值愈大表示测试结果同真实状况愈相符，愈能达到良好的测试效果。同样借助STATA 12.0软件测度KMO与Bartlett球形度以及因子载荷系数。常用的KMO度量标准是：0.9以上非常适合因子分析，介于0.8至0.9很适合，超过0.7适合。基于所得数据计算KMO与Bartlett球形数值可知，KMO值等于0.837，Bartless球形检验等于3 576.448，对应的Sig.等于0.000，充分说明所得变量适宜进行因子分析，所得的因子载荷系数值均在0.6以上，量表效度较满意。
1.2 变量设计
新常态下房地产市场风险受到多种因素影响，完善并促进房地产市场健康可持续发展成为两会关注的热点话题，如何对风险因素进行有效识别、分类显得愈加重要。参照房地产市场供求理论与金融脆弱性理论，借助STATA 12.0软件工具，对影响房地产市场健康可持续发展以及反映市场风险状态的库存、价格、资金链、政策环境4个主要层面25个二级因素开展因子分析操作[17-18]，进而甄别影响房地产市场健康可持续发展的关键风险因素，接着应用PCA提取因子旋转后的23个关键风险驱动因子，其对整体影响因子的解释率达68.949%，23个变量具体归类见表1.
2 模型假設与检验
2.1 研究假设
房地产市场的健康可持续发展主要由库存、价格、资金链以及政策环境等多维度耦合叠加决定的，房地产市场可持续发展是风险测度及安全管理的聚焦点。结合房地产供求理论，供求不均衡均可导致房价变动，引发风险，换言之，金融市场和国家相关政策的稳健又可防范甚至规避风险，尽可能将风险发生率控制到最低。因此，令房地产市场健康可持续发展水平作为内生潜变量，其余四个维度的指标作为外因潜变量。基于此，提出以下假设。
假设Ha：房地产市场健康可持续发展受库存、价格、资金链以及政策环境等风险因素的影响，其中，Ha1：假设资金链和政策环境层面对房地产市场健康可持续发展起正向影响，Ha2：假设库存和价格层面对房地产市场健康可持续发展起负向影响;假设Hb：假设风险内部各潜变量相互影响;Hb1：假设库存受房地产市场价格、资金链和政策环境风险因素的影响;Hb2：假设价格受库存、资金链、政策环境风险因素的影响;Hb3：假设资金链受库存、价格、政策环境风险因素的影响;Hb4：假设政策环境受库存、资金链、价格风险因素的影响。
2.2 模型构建
明晰房地产市场风险作用路径是科学测度风险因子和有效规避风险的前提，同时，房地产市场风险作用路径分析是验证风险关键指标是否显著的重要环节。通过对比分析，最终选取结构方程模型（SEM）作为度量房地产市场风险和健康可持续发展路径的分析工具。
SEM基于协方差矩阵分析多个变量数据间关联，并依据先验知识预先设定变量之间的相关关系，可以明晰各变量之间的作用关联，并对整体模型展开拟合与验证[18-19]。利用模型分析这些变量之间关系，分析新常态下房地产市场健康可持续发展的作用路径。通过调查问卷搜集、整合数据，然后实证分析4个维度风险对房地产市场健康可持续发展作用路径效应。
模型构建如下：①选取影响新常态下房地产市场健康可持续发展水平的4个风险指标作为外因潜变量;②选取房地产市场健康可持续发展指标作为内因潜变量;③选取23个风险状态描述作为观测变量;④选取调查问卷量表分析数据所得协方差作为模型初始数据，利用模型对新常态下房地产市场风险形成路径关系，基于AMOS软件展开结构方程建模，具体变量之间的作用关联及模型输出结果如图1所示。
依据理论推测和研究假设，探究模型构建的合理与否需进一步验证。参照结构方程拟合标准值及M.I.大小，对模型展开修正，然后采用SEM与MLE（Maximum Likelihood Estimate，极大似然估计），依托STATA统计软件进行计算和验证。 2.3 模型检验与修正
基于模型中协方差的修正指标信息，对显示的修正指标值和估计参数改变量进行对应修正，检验模型的参数和拟合优度。多次重复上述步骤，直到假设模型与观测数据的适配情形达到标准，修正后的适配度模型结果见表2.
根据表2中数值及整体模型适配度检验标准，χ2/df比值小于2，文中构建的房地产市场健康可持续发展结构模型中χ2/df等于0.102，表明适合进行结构方程建模并且模型可接受。RMSEA（渐进残差均方和平方根）是一种不需要基准线模型的绝对性指标，其值愈小，表示模型的适配度愈佳，一般而言，当RMSEA的数值超过0.10时，说明模型的适配度欠佳;低于0.05说明模型适配度非常好，文中RMSEA等于0.024，适配良好。GFI（良性适配指数）、AGFI（调整适配指数）、NFI（规准适配指数）、CFI（比较适配指数）、NNFI（非规准适配指数）均达到参考标准临界值以上。据此，认为文中所构建的房地产市场健康可持续发展风险因素模型整体适配良好，同样本数据的解释程度偏高，差异程度偏低，模型可接受。
3 结果分析
3.1 外因潜变量同内因潜变量间的作用路径
根据表3中的检验结果，对于假设Ha，外因潜变量IR，PR，CCR、PER均对内因潜变量HSD有影响，对应的作用系数分别为-0.482，-0.100，1.143，0.085，作用效果显著，Ha通过验证;针对假设Ha1，资金链风险IR对房地产市场健康可持续发展HSD的作用效果值是1.143，作用效果值最大，即房地产资金链风险每增加1个百分点就可触发房地产健康可持续发展水平变化1.143个百分点，因此，当前房地产市场调控需谨防房企资金链风险;政策环境风险PER对房地产市场健康可持续发展HSD的作用效果值是0.085，影响较为显著，即政策环境越好，越有利于房地产市场的健康可持续发展，Ha1通过检验;对于假设Ha2，外因潜变量IR，PR对内因潜变量HSD的作用效应值依次为-0.482，-0.100，换言之，库存风险和价格风险波动愈大，对房地产市场的健康可持续发展影响愈大，越不利于房地产市场的健康发展，库存和价格同房地产市场健康可持续发展呈显著的负相关关系，Ha2通过验证。
3.2 外因潜变量间的相互作用
通过整理Amos Output中Estimates的输出结果，见表4.针对假设Hb1，外因潜变量IR受PR，CCR，PER的影响，其对应的关联系数分别为0.954，0.646，0.460，均通过显著性检验，PR同IR的关联度最大，即影响程度最大，假设成立;假设Hb2，外因潜变量PR受IR，CCR，PER的影响，其对应的关联系数分别为0.954，0.875，0.492，通过检验，关联程度依次递减;假设Hb3，外因潜变量CCR受IR，PR，PER的影响，其对应的关联系数分别为0.646，0.875，1.054，通过检验，关联程度逐渐增强，即CCR资金链风险同PER政策环境风险的影响最大;假设Hb4，外因潜变量PER受IR，PR，CCR的影响，其对应的关联系数分别为0.460，0.492，1.054，影响显著，通过检验。
4 结语
通过以上研究可知，资金链风险对房地产市场健康可持续发展影响最大，其对房地产市场可持续发展水平的作用效应值是1.143，其次是库存风险（-0.482）、价格风险（-0.100），作用效应最小的是政策环境风险（0.085）;其中，资金链风险与政策环境风险的关联性最高，这也说明了房地产企业资金链风险的产生主要来源于市场经济或企业规模调控等政策环境的内外部因素影响。
房地产行业是资金密集型行业，其投资周期长，资金需求量大，导致其潜在的资金风险较大，新常态下房地产市场的健康可持续发展不仅是旧建筑的翻新、城市建设的技术手段、房地产开发导向的经济行为，还具有深刻的社会和人文内涵。这些都与资金管理息息相关，因为资金管理是一个从设计优化和再定位开始到资金重新投入市场并实现资产增值和投资回报最大化的全生命周期过程。因此，防范资金风险是实现房地产市场健康可持续发展的重要保障。
经济新常态发展背景下，房地产市场投资趋向、交易类型等呈现新态势，经过近些年的市场发展，房地产去库存已取得良好进展。棚改货币化政策起到了短期内迅速扩大住房需求及缩减供给的作用，对三四线乃至二线城市住房市场具有较强的剌激效应，房地产市场库存风险得到了良好管控。
由于城市攤大饼式的扩张开发难以持续，城市更新是城市房地产市场发展的必然选择，另外，城市更新使得房地产重置成本越来越高，房租价格进一步上涨;而我国愈来愈大的旧城改造，也使得房地产市场价格节节攀升。如今政策收紧对房地产市场形成了新一轮的限制，抑制房价上涨。在“房住不炒”和“因城施策”方略等多因素影响下，房价上涨态势基本得到控制，价格风险趋于稳定，这将为房地产市场的健康可持续发展提供支撑。
政策环境的时变性和动态性要求房地产调控策略必须有所创新，加快住房制度改革和房地产健康可持续发展长效机制建设，以保持房地产市场平稳健康发展。对安徽省房地产市场而言，应坚持分类调控，保持房地产市场总体平稳运行;加快建立多主体供给、多渠道保障、租赁并举的制度，建立完善房地产统计和市场监测预警机制，提高调控精准度。将风险规避到萌芽阶段，真正实现房地产市场的健康可持续发展。
参考文献：
[1] 陈建华.完善配套政策，支持房地产信托投资基金试点[EB/OL].2018-03-20/2019-08-09.https：//baijiahao.baidu.com/s？id=1595382449163910797&wfr=spider&for=pc
[2]中国政府网.习近平在省部级主要领导干部坚持底线思维着力防范化解重大风险专题研讨班开班式上发表重要讲话[EB/OL].2019-01-21/2019-08-09.http：//www.gov.cn/xinwen/2019-01/21/content_5359898.htm [3]Wang Chun-yu，Zhang Jia-yi.Influencing factors on Beijing real estate price[J].ICCREM 2017：Real Estate and Urbanization-Proceedings of the International Conference on Construction and Real Estate Management，2017：62-67.
[4]朱永升，王卫华.房地产市场风险的影响因素及其模糊评价[J].中国农业大学学报，2001（06）：8-12.
[5]王大港，刘伊生.新常态下中国房地产市场风险特征及影响因素研究[J].东岳论丛，2016，37（10）：157-164.
[6]Ma Chao-qun，Yang Fu-she，Wang Yu-ping，et al.Impact of rail transit on price increase of residential real estate[J].Jiaotong Yunshu Gongcheng Xuebao/Journal of Traffic and Transportation Engineering，2010，10（04）：91-96.
[7]郭 娜，胡佳琪.人口老龄化趋势、区域差异与房地产价格波动的实证分析[J].统计与决策，2018（05）：92-95.
[8]韩秀兰，李俊明.中国城市房价时空特征与影响机制研究——基于贝叶斯分域时空模型的实证[J].数理统计与管理，2018（01）：1-11.
[9]武力超，林俊民，韩华桂，等.人口结构对中日美房地产市场影响的比较研究[J/OL].审计与经济研究，2018（02）：1-14.
[10]Chen Ling，Huang Hui-jing，Xu Wei.The empirical study on the relationship between the stock market and the real estate market in China[J].ICCREM 2017：Real Estate and Urbanization-Proceedings of the International Conference on Construction and Real Estate Management，2017：197-209.
[11]朱佳俊，周方召.市場竞争与负债融资的替代效应研究——基于中国房地产上市公司数据的实证检验[J].会计之友，2017（19）：68-72.
[12]朱佳俊，周方召.市场份额、负债融资与企业价值——基于中国房地产上市公司的实证研究[J].技术经济，2017，36（01）：117-122.
[13]刘焕鹏，徐 炜，董利红.高速增长的房地产投资是否推升了劳动力成本？——基于中国地级及以上城市的证据[J/OL].现代财经（天津财经大学学报），2018（04）：16-29.
[14]王 慧，张国君.KMV模型在我国上市房地产企业信用风险度量中的应用[J].经济问题，2018（03）：36-40.
[15]Guo Jian-hua，Xu Song-lin.Song-jin.Research on the linkage and spillover effects between Chinese stock market and Real estate market[J].BioTechnology：An Indian Journal，2014，10（10）：4436-4443.
[16]何叶荣，孟祥瑞，李慧宗，等.煤矿企业安全管理能力风险因素结构模型[J].中国安全生产科学技术，2015，11（03）：135-140.
[17]王大港.新常态下中国城市房地产风险评价及调控策略研究[D].北京：北京交通大学，2017.
[18]于 洁.新常态下乌海市房地产信贷风险研究[D].内蒙古：内蒙古财经大学，2016.
[19]王琪延，韦佳佳.家规家训与生活满意度研究——基于结构方程模型的实证分析[J].调研世界，2018（03）：1-5.
（责任编辑：王 强）
关键词：房地产市场;风险测度;作用路径;结构方程;可持续发展
中图分类号：F 293 文献标识码：A 文章编号：1672 - 7312（2020）02 -0154-06
Abstract：In order to measure the risk of the real estate market effectively，explore its sustainable development path，the real estate markets in 16 prefecture-level cities in Anhui province was taken as the research object.The real estate market risk factors are identified from four aspects，including inventory，price，capital chain and policy environment，through field interviews and expert argumentation.The structural equation model （SEM） is used to empirically study the action path of real estate market risk on healthy and sustainable development，and to interpret the formation mechanism of real estate market risk.The research results show that：the risk factor that has the biggest impact on the overall effect of the healthy and sustainable development of the real estate market is the capital chain，next is inventory，the effect value of price is small，and the effect value of policy environment is the minimum.Accordingly，the paper explored new paths for the healthy and sustainable development of the real estate market，and put forward corresponding countermeasures and suggestions for the regulation of the real estate market.
Key words：real estate market;risk measurement;action path;structural equation model;sustainable development
0 引言
我国经济发展进入“十三五”时期，房地产市场亦呈现新特征，区域分化严重，风险逐渐显现。因此，参考国际成熟经验，完善房地产信托投资基金有关配套政策，为房地产业提供长期的融资渠道，促进房地产企业向“轻资产”经营模式转型，防范系统性金融风险，加快建立和完善房地产市场平稳健康发展的长效机制[1]。2019年房地产市场风险被列为重大风险之一。习近平总书记在省部级主要领导干部坚持底线思维着力防范化解重大风险专题研讨班上指出，维护社会大局稳定，要做好住房市场调控，有效防范风险连锁联动;要稳妥实施房地产市场平稳健康发展长效机制方案[2]。
房地產作为讨论焦点，重心已从买转租，有关房地产市场风险的相关研究已成为经济管理领域的热点内容，部分学者的研究成果为笔者探究房地产市场风险拓展了思路、提供了借鉴。WANG Chunyu[3]认为人均GDP是推动房地产价格变动的主要因素，房地产投资和人均可支配收入能促进房地产价格上涨，但效果相对较弱;朱永升等[4]从供给和需求两个层面筛选影响房地产市场的风险因素;刘大港等[5]认为新常态下库存、价格、融资和政策环境是导致房地产市场风险的主要致因;MA，Chaoqun[6]通过分析轨道交通环境下住宅房地产价格影响因素，得出城市中心距越远，轨道交通对住宅房地产价格上涨的影响越大;郭娜等[7]认为人口增长和老龄化是影响房地产价格变动的关键性因素，经济越发达，老龄化门限值越高，老龄化对东部、西部地区房地产价格产生一定程度的负向影响，中部则为正向影响;韩秀兰等[8]认为新常态下职工工资收入、产业结构、经济发展、人口密度和人口流动等对房地产价格的影响显著;武力超等[9]基于日本1980—2010年郡县级样本和我国2002—2013年省级样本数据，探究人口总抚养比、老年抚养比、少年抚养比以及城市化等多维度人口结构对房地产市场的影响;CHEN Ling[10]运用Eviews软件和数据稳定性试验的统计分析特征，利用格兰杰因果检验和VAR模型对房地产市场风险和股票市场进行联动研究;朱佳俊等[11-12]以房地产信托产品为研究对象，运用CAPM方法对风险进行分类，系统分析了中国房地产信托产品风险溢价的影响因素;刘焕鹏等[13]借助效用函数探究房地产投资同劳动力成本之间的因果关系，认为我国劳动力成本上升在相当大的程度上是由房地产投资推动的;王慧[14]基于我国147家上市房地产企业2009—2016年数据，运用KMV模型对我国上市房地产企业信用风险进行了测度;GUO Jianhua[15]基于协整理论、Granger因果分析，构建VAR/VEC模型与VARMVGARCH-BEKK模型，探究我国房地产市场和股票市场的波动溢出效应，认为房地产市场和股票市场之间存在着长期的弱负向均衡关系，同时存在单向波动溢出效应和单向因果关系。 笔者在借鉴现有研究的基础上，对房地产市场风险因素进行识别与分析，借助结构方程模型（SEM）实证分析房地产市场风险对健康可持续发现的作用效应，深入剖析各风险因素之间的关联作用，为探寻房地产市场健康可持续发展路径奠定基础。
1 研究变量设计
1.1 样本选取
鉴于国内外相关文献研究，结合新常态下我国房地产市场发展现状，选择安徽省16个地级市为调研区域，主要通过电子邮件和现场发放问卷两种形式，调研对象主要包括相关房地产企业负责人、房地产中介机构负责人、资深房地产工作人员，房地产研究机构的专家学者，高校从事房地产研究的教师、研究生等，共计发放问卷265份，收回有效问卷223份，占回收问卷的84.15%.经过统计分析，受访人员中，拥有本科及以上学位的占67.56%，对房地产市场比较熟悉的占36.78%，从事房地产行业超过五年的占66.97%.调研结果显示，新常态下安徽省房地产市场风险比较显著，另一方面，此次参与问卷填写的受访者理论层次、业务能力、工作基础均从侧面反映了本次研究的可信度与有效性。
借助STATA 12.0统计分析软件对搜集到的问卷数据开展信度、效度检验，信度通常借助Cronbach’s Alpha系数与CITC值来验证。Cronbach’s Alpha系数介于0.50～0.60，不理想;在0.60～0.70，勉强接受;0.70～0.80，可以接受;0.80～0.90，理想;大于0.9，非常理想;CITC值在0.5以上有效[16]。调查问卷整体的Cronbach’s Alpha值等于0.865，有关库存量表的Cronbach’s Alpha值为0.900，价格量表的Cronbach’s Alpha值是0.920，资金量表的Cronbach’s Alpha值是0.822，政策环境量表的Cronbach’s Alpha值是0.783，健康可持续发展量表的Cronbach’s Alpha值等于0.899，均超过参照值0.7，CITC值均在0.5以上，所设计的问卷具有比较理想的信度。
效度用以验证测试结果同预测变量特性的拟合效果，效度值愈大表示测试结果同真实状况愈相符，愈能达到良好的测试效果。同样借助STATA 12.0软件测度KMO与Bartlett球形度以及因子载荷系数。常用的KMO度量标准是：0.9以上非常适合因子分析，介于0.8至0.9很适合，超过0.7适合。基于所得数据计算KMO与Bartlett球形数值可知，KMO值等于0.837，Bartless球形检验等于3 576.448，对应的Sig.等于0.000，充分说明所得变量适宜进行因子分析，所得的因子载荷系数值均在0.6以上，量表效度较满意。
1.2 变量设计
新常态下房地产市场风险受到多种因素影响，完善并促进房地产市场健康可持续发展成为两会关注的热点话题，如何对风险因素进行有效识别、分类显得愈加重要。参照房地产市场供求理论与金融脆弱性理论，借助STATA 12.0软件工具，对影响房地产市场健康可持续发展以及反映市场风险状态的库存、价格、资金链、政策环境4个主要层面25个二级因素开展因子分析操作[17-18]，进而甄别影响房地产市场健康可持续发展的关键风险因素，接着应用PCA提取因子旋转后的23个关键风险驱动因子，其对整体影响因子的解释率达68.949%，23个变量具体归类见表1.
2 模型假設与检验
2.1 研究假设
房地产市场的健康可持续发展主要由库存、价格、资金链以及政策环境等多维度耦合叠加决定的，房地产市场可持续发展是风险测度及安全管理的聚焦点。结合房地产供求理论，供求不均衡均可导致房价变动，引发风险，换言之，金融市场和国家相关政策的稳健又可防范甚至规避风险，尽可能将风险发生率控制到最低。因此，令房地产市场健康可持续发展水平作为内生潜变量，其余四个维度的指标作为外因潜变量。基于此，提出以下假设。
假设Ha：房地产市场健康可持续发展受库存、价格、资金链以及政策环境等风险因素的影响，其中，Ha1：假设资金链和政策环境层面对房地产市场健康可持续发展起正向影响，Ha2：假设库存和价格层面对房地产市场健康可持续发展起负向影响;假设Hb：假设风险内部各潜变量相互影响;Hb1：假设库存受房地产市场价格、资金链和政策环境风险因素的影响;Hb2：假设价格受库存、资金链、政策环境风险因素的影响;Hb3：假设资金链受库存、价格、政策环境风险因素的影响;Hb4：假设政策环境受库存、资金链、价格风险因素的影响。
2.2 模型构建
明晰房地产市场风险作用路径是科学测度风险因子和有效规避风险的前提，同时，房地产市场风险作用路径分析是验证风险关键指标是否显著的重要环节。通过对比分析，最终选取结构方程模型（SEM）作为度量房地产市场风险和健康可持续发展路径的分析工具。
SEM基于协方差矩阵分析多个变量数据间关联，并依据先验知识预先设定变量之间的相关关系，可以明晰各变量之间的作用关联，并对整体模型展开拟合与验证[18-19]。利用模型分析这些变量之间关系，分析新常态下房地产市场健康可持续发展的作用路径。通过调查问卷搜集、整合数据，然后实证分析4个维度风险对房地产市场健康可持续发展作用路径效应。
模型构建如下：①选取影响新常态下房地产市场健康可持续发展水平的4个风险指标作为外因潜变量;②选取房地产市场健康可持续发展指标作为内因潜变量;③选取23个风险状态描述作为观测变量;④选取调查问卷量表分析数据所得协方差作为模型初始数据，利用模型对新常态下房地产市场风险形成路径关系，基于AMOS软件展开结构方程建模，具体变量之间的作用关联及模型输出结果如图1所示。
依据理论推测和研究假设，探究模型构建的合理与否需进一步验证。参照结构方程拟合标准值及M.I.大小，对模型展开修正，然后采用SEM与MLE（Maximum Likelihood Estimate，极大似然估计），依托STATA统计软件进行计算和验证。 2.3 模型检验与修正
基于模型中协方差的修正指标信息，对显示的修正指标值和估计参数改变量进行对应修正，检验模型的参数和拟合优度。多次重复上述步骤，直到假设模型与观测数据的适配情形达到标准，修正后的适配度模型结果见表2.
根据表2中数值及整体模型适配度检验标准，χ2/df比值小于2，文中构建的房地产市场健康可持续发展结构模型中χ2/df等于0.102，表明适合进行结构方程建模并且模型可接受。RMSEA（渐进残差均方和平方根）是一种不需要基准线模型的绝对性指标，其值愈小，表示模型的适配度愈佳，一般而言，当RMSEA的数值超过0.10时，说明模型的适配度欠佳;低于0.05说明模型适配度非常好，文中RMSEA等于0.024，适配良好。GFI（良性适配指数）、AGFI（调整适配指数）、NFI（规准适配指数）、CFI（比较适配指数）、NNFI（非规准适配指数）均达到参考标准临界值以上。据此，认为文中所构建的房地产市场健康可持续发展风险因素模型整体适配良好，同样本数据的解释程度偏高，差异程度偏低，模型可接受。
3 结果分析
3.1 外因潜变量同内因潜变量间的作用路径
根据表3中的检验结果，对于假设Ha，外因潜变量IR，PR，CCR、PER均对内因潜变量HSD有影响，对应的作用系数分别为-0.482，-0.100，1.143，0.085，作用效果显著，Ha通过验证;针对假设Ha1，资金链风险IR对房地产市场健康可持续发展HSD的作用效果值是1.143，作用效果值最大，即房地产资金链风险每增加1个百分点就可触发房地产健康可持续发展水平变化1.143个百分点，因此，当前房地产市场调控需谨防房企资金链风险;政策环境风险PER对房地产市场健康可持续发展HSD的作用效果值是0.085，影响较为显著，即政策环境越好，越有利于房地产市场的健康可持续发展，Ha1通过检验;对于假设Ha2，外因潜变量IR，PR对内因潜变量HSD的作用效应值依次为-0.482，-0.100，换言之，库存风险和价格风险波动愈大，对房地产市场的健康可持续发展影响愈大，越不利于房地产市场的健康发展，库存和价格同房地产市场健康可持续发展呈显著的负相关关系，Ha2通过验证。
3.2 外因潜变量间的相互作用
通过整理Amos Output中Estimates的输出结果，见表4.针对假设Hb1，外因潜变量IR受PR，CCR，PER的影响，其对应的关联系数分别为0.954，0.646，0.460，均通过显著性检验，PR同IR的关联度最大，即影响程度最大，假设成立;假设Hb2，外因潜变量PR受IR，CCR，PER的影响，其对应的关联系数分别为0.954，0.875，0.492，通过检验，关联程度依次递减;假设Hb3，外因潜变量CCR受IR，PR，PER的影响，其对应的关联系数分别为0.646，0.875，1.054，通过检验，关联程度逐渐增强，即CCR资金链风险同PER政策环境风险的影响最大;假设Hb4，外因潜变量PER受IR，PR，CCR的影响，其对应的关联系数分别为0.460，0.492，1.054，影响显著，通过检验。
4 结语
通过以上研究可知，资金链风险对房地产市场健康可持续发展影响最大，其对房地产市场可持续发展水平的作用效应值是1.143，其次是库存风险（-0.482）、价格风险（-0.100），作用效应最小的是政策环境风险（0.085）;其中，资金链风险与政策环境风险的关联性最高，这也说明了房地产企业资金链风险的产生主要来源于市场经济或企业规模调控等政策环境的内外部因素影响。
房地产行业是资金密集型行业，其投资周期长，资金需求量大，导致其潜在的资金风险较大，新常态下房地产市场的健康可持续发展不仅是旧建筑的翻新、城市建设的技术手段、房地产开发导向的经济行为，还具有深刻的社会和人文内涵。这些都与资金管理息息相关，因为资金管理是一个从设计优化和再定位开始到资金重新投入市场并实现资产增值和投资回报最大化的全生命周期过程。因此，防范资金风险是实现房地产市场健康可持续发展的重要保障。
经济新常态发展背景下，房地产市场投资趋向、交易类型等呈现新态势，经过近些年的市场发展，房地产去库存已取得良好进展。棚改货币化政策起到了短期内迅速扩大住房需求及缩减供给的作用，对三四线乃至二线城市住房市场具有较强的剌激效应，房地产市场库存风险得到了良好管控。
由于城市攤大饼式的扩张开发难以持续，城市更新是城市房地产市场发展的必然选择，另外，城市更新使得房地产重置成本越来越高，房租价格进一步上涨;而我国愈来愈大的旧城改造，也使得房地产市场价格节节攀升。如今政策收紧对房地产市场形成了新一轮的限制，抑制房价上涨。在“房住不炒”和“因城施策”方略等多因素影响下，房价上涨态势基本得到控制，价格风险趋于稳定，这将为房地产市场的健康可持续发展提供支撑。
政策环境的时变性和动态性要求房地产调控策略必须有所创新，加快住房制度改革和房地产健康可持续发展长效机制建设，以保持房地产市场平稳健康发展。对安徽省房地产市场而言，应坚持分类调控，保持房地产市场总体平稳运行;加快建立多主体供给、多渠道保障、租赁并举的制度，建立完善房地产统计和市场监测预警机制，提高调控精准度。将风险规避到萌芽阶段，真正实现房地产市场的健康可持续发展。
参考文献：
[1] 陈建华.完善配套政策，支持房地产信托投资基金试点[EB/OL].2018-03-20/2019-08-09.https：//baijiahao.baidu.com/s？id=1595382449163910797&wfr=spider&for=pc
[2]中国政府网.习近平在省部级主要领导干部坚持底线思维着力防范化解重大风险专题研讨班开班式上发表重要讲话[EB/OL].2019-01-21/2019-08-09.http：//www.gov.cn/xinwen/2019-01/21/content_5359898.htm [3]Wang Chun-yu，Zhang Jia-yi.Influencing factors on Beijing real estate price[J].ICCREM 2017：Real Estate and Urbanization-Proceedings of the International Conference on Construction and Real Estate Management，2017：62-67.
[4]朱永升，王卫华.房地产市场风险的影响因素及其模糊评价[J].中国农业大学学报，2001（06）：8-12.
[5]王大港，刘伊生.新常态下中国房地产市场风险特征及影响因素研究[J].东岳论丛，2016，37（10）：157-164.
[6]Ma Chao-qun，Yang Fu-she，Wang Yu-ping，et al.Impact of rail transit on price increase of residential real estate[J].Jiaotong Yunshu Gongcheng Xuebao/Journal of Traffic and Transportation Engineering，2010，10（04）：91-96.
[7]郭 娜，胡佳琪.人口老龄化趋势、区域差异与房地产价格波动的实证分析[J].统计与决策，2018（05）：92-95.
[8]韩秀兰，李俊明.中国城市房价时空特征与影响机制研究——基于贝叶斯分域时空模型的实证[J].数理统计与管理，2018（01）：1-11.
[9]武力超，林俊民，韩华桂，等.人口结构对中日美房地产市场影响的比较研究[J/OL].审计与经济研究，2018（02）：1-14.
[10]Chen Ling，Huang Hui-jing，Xu Wei.The empirical study on the relationship between the stock market and the real estate market in China[J].ICCREM 2017：Real Estate and Urbanization-Proceedings of the International Conference on Construction and Real Estate Management，2017：197-209.
[11]朱佳俊，周方召.市場竞争与负债融资的替代效应研究——基于中国房地产上市公司数据的实证检验[J].会计之友，2017（19）：68-72.
[12]朱佳俊，周方召.市场份额、负债融资与企业价值——基于中国房地产上市公司的实证研究[J].技术经济，2017，36（01）：117-122.
[13]刘焕鹏，徐 炜，董利红.高速增长的房地产投资是否推升了劳动力成本？——基于中国地级及以上城市的证据[J/OL].现代财经（天津财经大学学报），2018（04）：16-29.
[14]王 慧，张国君.KMV模型在我国上市房地产企业信用风险度量中的应用[J].经济问题，2018（03）：36-40.
[15]Guo Jian-hua，Xu Song-lin.Song-jin.Research on the linkage and spillover effects between Chinese stock market and Real estate market[J].BioTechnology：An Indian Journal，2014，10（10）：4436-4443.
[16]何叶荣，孟祥瑞，李慧宗，等.煤矿企业安全管理能力风险因素结构模型[J].中国安全生产科学技术，2015，11（03）：135-140.
[17]王大港.新常态下中国城市房地产风险评价及调控策略研究[D].北京：北京交通大学，2017.
[18]于 洁.新常态下乌海市房地产信贷风险研究[D].内蒙古：内蒙古财经大学，2016.
[19]王琪延，韦佳佳.家规家训与生活满意度研究——基于结构方程模型的实证分析[J].调研世界，2018（03）：1-5.
（责任编辑：王 强）