城市房地产市场投资吸引力的综合评价

胡 芳，黄仿伦

(1.安徽财贸职业学院行知管理学院，合肥 230601；2.安徽大学数学与计算科学学院，合肥 230039）

0 引言

DEA方法即数据包络分析法，无需任何权重设置，可以根据实际数据求得最优权重，具有很强的客观性，在评价单位的效率和效益方面具有突出的作用。层次分析法可以增加灰色综合评价法关于权重设置的客观性和科学性；灰色综合评价法通过对被评价对象指标与最优指标的对比排序，可以弥补指标选择的不足；两种方法相结合可以较科学地评价各城市房地产市场投资吸引力。

本文也利用层次分析法和灰色综合评价法，建立综合评价指标对城市房地产市场的投资吸引力进行定量综合评价，并以安徽省16个城市的房地产市场为例，利用综合评价指标得出城市投资吸引力的评价结果，并且很好地解决了上述问题。通过指标分析可以得到对城市房地产市场进行综合分析的方法，并通过建模实现城市房地产投资吸引力的排名，给开发商投资提供依据。

1 综合评价指标体系的构建

结合房地产行业相关专家意见，借鉴相关文献，对城市房地产市场投资吸引力综合评价指标体系进行筛选和优化，最终建立了如表1的指标体系的层次分析结构。

人口数量、经济发展状况和市场交易情况是反映和描述房地产市场运行发展的重要指标。房地产行业是随着经济的发展而不断发展的，因而城市经济环境是影响城市房地产市场发展的最根本的因素。

人口数量特别是非农业人数越多，房地产市场的需求量越大；城市的经济发展情况越好，尤其是城镇居民人均可支配收入越高，房地产市场的需求量越大；第三产业越繁荣、发展程度越高，社会经济越发达，房地产市场投资吸引力越大；房地产投资利润率、房地产企业资产报酬率都反映了房地产市场交易的获利情况，企业收益越大，市场对企业的吸引力越高；商品房销售面积和购置商品房的土地均价也是市场交易指标，商品房销售面积越大、购置商品房的土地单价越小，市场交易越活跃。

表1 城市房地产市场投资吸引力综合评价指标体系层次分析结构

二级指标大，一级指标也大，二级指标的方向性为正向，反之为反向。

表1的指标体系中，一级指标与最终的吸引力之间均为正向关系。

2 基于层次分析法的指标权重设置

在层次分析法中，为使矩阵中的各要素的重要性能够进行定量显示，引进了矩阵判断标度。根据20世纪70年代美国匹茨堡大学萨蒂教授的判断矩阵标度[4]，通过相互比较确定各准则对于目标的权重，即构造判断矩阵，如表2所示。

运用德尔菲方法，可以采用最大特征根λmax、归一化后的特征向量W、一致性指标C.I.以及随机一致性比率C.R.的计算来构建判断矩阵。

对于矩阵

表2 判断矩阵标度及含义

将每一列归一化处理得：

再求每一行的和

将w～i归一化处理得到权重向量W

利用下式可以得到最大特征值λmax

一致性指标C.I.可以反映矩阵A的一致性程度：

而随机一致性指标RI可以查表获得：

m RI 1 0 2 0 3 0.58 4 0.90 5 1.12 6 1.24 7 1.32

随机一致性比率C.R.的计算

根据上述指标的计算可以得到判断矩阵。根据的两两比较矩阵结果，可得城市房地产市场投资吸引力综合评价指标权重表，如表3所示。

表3 城市房地产市场投资吸引力综合评价指标权重

人口和经济的各项指标在一段时间内可以视作基本稳定、或者各个城市的发展趋势基本一致，而城市房地产市场交易指标每年都有不同的变化，一段时间内市场交易的平均值数据又很难统计，本文选取最近一年的市场交易值作为参考，所以市场交易指标所占权重较低。

3 城市房地产市场投资吸引力排序

灰色综合评价法是一种以灰色关联分析理论为指导，基于专家评判的综合性评估方法。其过程是：（1）建立灰色综合评估模型（2）对各种评价因素进行权重选择（3）进行综合评估。

其中，灰色综合评估法中的权重选择可以结合层次分析法，以提高评估的准确性。

下面通过对安徽省统计局信息网中的相关数据进行收集、整理和计算，最终得出安徽省16个城市2011年度二级指标数值，如表4所示，并根据指标的方向性列出每个二级指标的参考数（最优值）。

其中，房地产投资利润率=房地产利润总额/房地产开发完成投资

房地产企业资产报酬率=房地产利润总额/房地产企业资产总计

商品房销售面积=商品房销售额/商品房均价

购置商品房的土地单价=购置的商品房土地总额/购置的商品房土地面积

从表4中可以得出参考数行：

V0=(762,260,2.73,11.5,9.31,5.01,1246.60,694.79)

对表4中的各指标值进行规范化处理：

对于正向指标，采用变换：

对于反向指标，采用变换：

同时根据关联系数公式计算各指标与参考数行中的最佳值关联系数：

其中

通常ρ取0.5

根据关联系数的计算方法可以得到各指标与参考数行中的最佳值关联系数表，如表5所示。

利用关联度公式R=WET，可以得到Bi层各指标与最优值的关联度如下（式中ETB1,ETB2,ETB3分别为表10对应的数据组成的矩阵）,最后求得16个城市最高层指标B与最优值的关联度RB。

由表3可知，各指标权重为

表4 2011年度安徽省城市房地产市场投资吸引力综合评价指标值及参考数

表5 各指标与参考数行中的最佳值关联系数表

因此，可以根据关联度公式得到16个城市最高层指标B与最优值的关联度RB。

按照RB中的关联度大小对安徽省16个城市房地产市场投资吸引力进行排序：0.74（合肥）＞0.65（马鞍山）＞0.49（芜湖）＞0.47（宿州）＞0.44（阜阳）＞0.43（蚌埠）、0.43（安庆）＞0.42（六安）、0.42（亳州）＞0.39（滁州）＞0.37（铜陵）、0.37（淮南）＞0.36（池州）＞0.35（宣城）＞0.34（淮北）＞0.31（黄山）。

4 综合评价结果分析

合肥作为省会城市，八项指标中，除了购置商品房的土地单价较高，离最优值最远外，其余的七项指标均离最优值较近，其中常住人口、非农业人数、第三产业增长率、商品房销售面积四项指标占有绝对的领先优势，而且权重最大的城镇居民人均可支配收入指标位列第二，仅次于马鞍山。虽然土地单价最高，最终的投资吸引力排序仍处于第一位，且远远高于处于第二、第三位的马鞍山和芜湖两个城市。

马鞍山的房地产市场投资吸引力位列第二名，是因为其经济发展水平较好，城镇居民人均可支配收入最高，然而其土地成本却偏低。虽然城市规模较小，非农业人数较少，目前在商品房需求还远没有得到满足的情况下，仍然对房地产企业的投资有较大的吸引力。

淮南、淮北之所以与最优值关联度较低，是因为八项指标中，2011年度的房地产投资利润率、房地产企业资产报酬率两个指标离最优值最远且均为负值，2011年度的商品房销售面积较少，其余的五项指标离最优值也相对较远。企业经营的最终目标是效益，投资利润率和资产报酬率是两个直接反映效益高低的指标，如果这两个指标为负值，意味着企业亏损，整个市场对企业的吸引力会非常低。黄山之所以与最优值关联度最低，主要是因为本文选择的人口、经济、市场交易三项评价指标对房地产市场中的商品房市场影响最大。黄山市的人口数量较少，其他指标也没有任何优势。铜陵、池州、宣城和黄山一样，也是小城市，人口数特别是非农业人数都较少，然而由于铜陵在权重较大的城镇居民人均可支配收入指标上较接近于最优值，池州2011年度的房地产投资利润率和房地产企业的资产报酬率接近最优值，四个城市中，宣城人口数量相对多些，所以铜陵、池州、宣城的房地产商品房市场投资吸引力均优于黄山。统计资料显示，2011年度黄山市房地产投资的绝对数为127.7亿元，在16个城市中排名第五[5]，说明黄山旅游房地产市场的发展前景看好。

蚌埠和安庆、六安和亳州的投资吸引力分别相当，它们的各项指标大都处于中等水平，个别指标（如蚌埠和六安的城镇居民人均可支配收入，安庆购置商品房的土地单价，亳州的非农业人数等）相对较弱。

5 结论

层次分析法和灰色综合评价法相结合，科学分析安徽省16个城市的房地产市场（主要是商品房市场）的投资吸引力，最终的排名是：合肥、马鞍山、芜湖、宿州、阜阳、蚌埠、安庆、六安、亳州、滁州、铜陵、淮南、池州、宣城、淮北、黄山。城市经济发展状况是决定房地产市场投资吸引力的主要因素，其次是人口数量，近一两年的房地产交易情况也能说明当前的城市房地产市场运行情况。

房地产经济在我国国民经济中占据重要地位，这一点不但不能动摇，还要进一步发展[6]。在行业调整时期，房地产企业应当认清市场，做出理性的投资决策，保证自身的可持续发展，同时满足我国城镇化进程以及城市居民改善性住房持续增长的需求，促进房地产业的健康稳定发展，更好地发挥房地产经济的支柱作用。

[1]赵棪.基于DEA方法的新疆房地产效率分析[J].科技经济市场，2011,(10).

[2]袁志华.模糊层次分析在房地产市场评价中的应用[J].重庆科技学院学报（社会科学版），2010,(15).