基于动态计量经济学模型下的商业地产市场需求因素研究

欧江徽，金长宏

(安徽建筑大学 管理学院，合肥 230601)



基于动态计量经济学模型下的商业地产市场需求因素研究

欧江徽，金长宏

(安徽建筑大学 管理学院，合肥 230601)

摘要：近年来商业地产成为国内房地产领域的一个新的经济增长点，为正确把握商业地产在市场需求过程中受到哪些因素的影响，文章结合国内房地产的投资开发情况首先对商业地产的市场供需现状做了系统化的分析；进而以国内商业地产市场需求为导向，分别从经济和社会两个层面对影响商业地产市场需求的因素进行了讨论；最后以安徽省合肥市为例，将市场供需理论与动态计量经济学模型相结合，通过对相关数据的数学化处理，确立了商业地产市场需求与相关影响因素之间的均衡关系，最终以简明的形式给出了商业地产市场实际需求的变化趋势。

关键词：商业地产；市场需求因素；ARDL模型；误差修正模型

从房地产业的兴起到房地产领域的迅猛发展，房地产业在促进国民经济增长、提升经济发展水平的过程中发挥着越来越重要的作用。一直以来在房地产领域占据主导地位的住宅物业地产在经历了一系列曲折的发展历程之后逐步地趋于平稳；商业地产作为房地产业的另一支柱性物业顺势成为国内房地产行业新的经济增长点。就国内商业地产的开发、经营现状而言，受中国特殊国情的影响，众多理性和非理性因素对商业地产市场需求产生了不同程度的影响，若完全套用国外先验理论对国内商业地产市场进行分析缺乏足够的合理性；另外，现阶段国内多数学者对房地产领域的研究大都集中于住宅物业地产，对商业地产的研究相对较少，且多数采用传统的以理论为先导的方法，没有从动态影响机制和量化的角度对影响商业地产市场需求的因素进行分析，在一定程度上降低了其研究结果对商业地产投资和开发的参考价值。

1商业地产市场现状分析

新世纪以来，一直在大中城市房地产领域占据重要地位的商业地产逐渐扩展到三四线城市。基于国家统计局公布数据显示，自2001年后，国内商业地产年投资额一直处于增长的趋势，且商业投资增长率逐渐超过了住宅地产投资增长率；商业营业用房、办公楼等不同类型的商业地产年销售面积除部分年份有小幅度下降外总体呈现稳定增长态势，销售价格也呈现平稳增长。

下面分别从商业营业用房和办公楼在不同年份的总投资额、总销售面积和平均销售价格三个方面对国内商业地产发展现状进行分析。

1.12001-2014年我国商业营业用房和办公楼销售面积

2001-2014年商业营业用房与办公楼完成销售情况如图1所示。由图1可以看出，商业地产销售面积从2001年的1 696.15万m2上升到2014年的9 076.93万m2，总体增长约5.35倍。从2001年至2007年商业地产年销售面积逐年平稳上升，2008年由于受到国际金融危机的影响其增长速度有所放缓，而自2008年末至2011年商业地产年销售面积出现迅速回升的景象，持续保持近30%的年增长率。显然，在金融危机冲击过后，商业地产呈现出新一轮投资热潮，商业地产步入崭新的快速发展时期。

图1　2001-2014年商业营业用房与办公楼销售面积

1.22001-2014年我国商业营业用房和办公楼总投资额

2001-2014年商业营业用房和办公楼社会投资情况如图2所示。商业营业用房年完成投资额由2001年的720.8亿元上升至2014年的14 346.25亿元，增长近20倍，每年均保持约31.4%的增长率。明显可以看出，自步入21世纪以来，我国商业地产始终保持良好的发展态势，且国内商业地产投资平均增长率已超过国民经济总体增长率，商业地产的年完成投资额在房地产总投资额中的比重也呈逐年递增的趋势。

图2　2001-2014年商业营业用房和办公楼社会投资情况

1.32001-2014年我国商业营业用房和办公楼平均销售价格

2001-2014年商业营业用房和办公楼平均销售价格如图3所示。商业营业用房的平均销售价格总体呈平稳上升趋势，其平均售价由2001年3 273.53元/m2上升至2014年9 817元/m2，总体增长约2.99倍。2008年房地产领域由于受金融风暴的影响，商业地产的市场价格在保持平稳的基础上有小幅度的下降；2009年以来，由于政府陆续实施一系列限制住宅地产市场的政策，众多投资者和开发商将投资重心转移至商业地产，从而使得商业地产的市场价格涨幅明显。

图3　2001-2014全国商业营业用房和办公楼销售价格

2商业地产市场需求影响因素分析

从微观与宏观经济层面出发，商业地产市场需求影响因素是指在某一特定时期、特定经济环境下能够对商业地产实际的市场需求量产生影响的相关因素。就国内商业地产的实际情况而言，影响其市场需求的因素很多，这些因素相互作用、相互影响，系统地构成了影响商业地产市场需求的动态机制。结合国内商业地产现状，可以从经济因素和社会因素两个层面对商业地产市场需求因素进行分析[1]。

2.1经济因素

无论是住宅地产还是商业地产，经济因素始终是影响地产物业的核心因素，一般来说经济因素主要包括以下几个方面。

(1)政府财政收入：政府财政总收入直接反映了政府从社会各行各业所获得的经济收益，财政收入的大小在很大程度上表现了一个区域的经济发展水平。区域经济发展水平的高低会使该区域对商业地产的消费、投资等需求产生重要的影响，一般而言，区域的经济发展水平越高，该区域的商业地产的需求量越大。

(2)社会固定资产投资：社会固定资产投资总额是以货币形式表现出来的政府对购置和建造固定资产的投入总量，它是反映政府对固定资产的投资规模、投资比例和投资方向的综合性指标。社会固定资产总投资额的增加，将很大程度上带动社会各产业的综合产值的增加，也将通过系统的经济作用对商业地产的市场需求产生影响。

(3)城镇居民收入水平：指城镇居民在支付个人所得税、家庭其他必要支出及记账补贴后所剩下的实际可支配收入，此项经济指标直接反映了一个区域居民的总体购买力和消费水平，是区域房地产业健康、稳定发展的一个重要衡量指标。

(4)商业地产的价格水平：商业地产市场价格是指商业地产在正常的市场供给需求机制的影响下，表现出的市场交易价格。如果某一地区的市场价格超过区域城镇居民的实际购买力，就会造成该区域商业地产市场缺乏需求从而出现供过于求的局面，并使得建成的商业地产出现销售困难的局面。

2.2社会因素

(1)城镇化进程：城镇(市)经济的发展在一定程度上伴随着城镇化，是区域原本以农业为主的乡村社会型态向服务业、工业为代表的现代城镇转变的发展过程，具体涵盖了人口职业、产业结构、区域规划和土地利用空间的转变。随着人口、职业、产业结构的转变，城镇整体对商业地产的市场需求也将得到提升，更多的居民将成为商业地产的消费群体。

(2)区域人口密度：城镇化进程的不断加快必然伴随着城镇人口的增加，城镇人口是商业地产的重要推动因素，源于城镇人口的增加将直接增加消费者基数，市场消费总体需求也将相应增加，具体化而言即人口的增加将直接增加城市消费群体对商业地产的市场消费。(3)商业地产相关政策：政府在对城市布局和发展进行规划的过程中，会对房地产业市场需求进行相关的政策性引导[2]；通常来说受政府干预较多的是高新科技园、工业园区等相关房地产项目。政府在对这些产业的结构进行调整、扶持时会制定一些产业税费和土地资源上的优惠政策，这些政策也将对商业地产的市场需求产生较大影响。

(4)房地产金融环境：从房地产业的开发流程来看，其本身与金融行业有很多相似之处，金融贷款作为房地产企业开发资金的重要来源，特别是商业地产投资开发过程中的中长期贷款，对商业地产开发运营的资金成本影响巨大，大数额的贷款会在很大程度上增加开发商的成本，最终会转移到商业地产的市场交易价格层，进而抑制市场需求实现[3]。

3动态计量经济学研究方法

商业地产作为房地产业的一重要分支，其市场需求的变化受市场内外部环境的影响极为深刻；而且，从时间上来讲商业地产的市场随着时间的变化表现出较强的动态性。要想正确地把握商业地产市场需求的影响因素，必须从动态的角度出发对其市场需求的变化进行分析和研究。近年来，国内外学者就房地产市场进行研究的方法主要有：

3.1层次分析法(AHP)

层次分析法[4](AHP)是美国运筹学家萨蒂(T.L.Saaty)于20世纪70年代初将多目标综合评价和网络系统理论相结合，提出的一种层次权重分析方法。这种方法的特点是在对复杂的问题的本质、影响因素及其内在关系等进行深入分析的基础上，利用较为有限的定量信息使决策的思维过程数学化，是对难于完全定量的复杂系统做出评价分析的模型和方法。其弊端是，从构建层次结构模型到给出成对比较矩阵，人主观因素对分析过程的影响很大，这就使得分析结果难以让多数的决策者接受，且该方法中的比较、判断以及结果的计算过程相对来说都比较粗糙，不适于对精度较高的问题进行分析。

3.2模拟法

模拟法和类比法较为近似。它是在按照先验理论设计出与某被研究过程或现象(即原型)相似的模型，然后通过设计好的模型，间接研究事物规律性的分析方法。根据设计模型和理论原型之间的类似关系，模拟法主要可分为物理模拟和数学模拟两种[5]。模拟法的缺点主要是人工复制和模仿的人为性，难免使得得出的结论欠准确，欠完整，不一定符合模拟的对象。模拟法尚属发展中的一种新方法，需要在实践中得到验证，从而使其不断完善。

3.3主成分分析法

主成分分析法是通过处理将原来多个具有一定相关性的指标，重新组合成一组互相无关的新的综合指标来代替最初的指标，是对多个变量间相关性进行分析的一种多元统计方法，研究如何利用少数几个主成分来分析多个变量间的内部结构。在主成分分析中，首先需要保证所提取的前几个主成分的累计贡献率达到一个较高的水平(即解释变量在降维后所蕴含的信息量需保持在一个较高水平上)，其次是要求这些被提取的主成分都能给出符合实际背景和意义的解释(否则主成分将空有信息量而无实际含义)，且主成分的因子的解释含义一般多少带有点模糊性和不精确性，不如原始变量的含义那么清楚、确切，这是主成分分析法在运用中的欠缺之处。

本文针对以上几种分析方法存在的不足，利用动态的时间序列计量分析方法，以安徽省合肥市2000-2013年商业地产的相关时间序列数据为基础，建立了关于商业地产市场需求与相关因素之间的动态计量经济学模型，从时间滞后的角度考察了商业地产市场需求的影响因素，实证结果表明该方法具有较高的分析精度。

4实证研究

4.1动态计量经济学模型构建思路[6-8]

(1)在微观经济学市场供求理论和动态计量经济学理论的指导下，以现阶段商业地产市场需求量为被解释变量，选取影响商业地产市场需求的主要因素为解释变量；

(2)在建立自回归分布滞后模型的基础上，对模型中的解释变量进行单整、协整检验，并初步建立长期均衡方程；

(3)对初步建立的长期均衡方程的拟合优度和F值进行判别，看解释变量之间是否存在多重共线性并对其进行相应的处理，最终确立被解释变量与解释变量之间的长期均衡方程；

(4)构建误差修正模型，通过对误差修正序列的识别，反映出现阶段商业地产的实际需求量与长期均衡的偏离程度和震荡趋势，以此来把握现阶段商业地产实际需求量的变化趋势。

4.2实证变量的选取与模型的假设

从影响商业地产市场需求的因素出发，分别用合肥市历年的财政收入(Fiscal revenue)、人均可支配收入(Disposable income)、年末城市人口(End of population)、商业营业用房平均售价(Average price)、社会消费品零售总额(Total of sales)作为模型的解释变量；选用商业营业用房年销售面积(Sales areas)作为模型的被解释变量，变量的具体定义见表1。

表1　合肥市商业地产市场需求实证分析模型的变量

在上述变量被应用到模型之前我们需要对模型作相应的假设[9]：①解释变量在抽取的样本中具有变异性，并且随着样本容量的增加，解释变量的样本方差趋于一非零常数；②随机误差项的当前项与滞后项在解释变量给定的条件下不存在相关性；③随机误差项服从零均值、同方差的正态分布；④解释变量与随机误差项不存在相关性。

4.3合肥市商业地产实证分析相关基础数据

合肥市2000-2013年商业地产市场需求相关数据见表2。为了使各变量在模型中的变化趋势更为稳定，且又不改变各解释变量的统计性质，在整个建模和分析过程中对变量的数值取对数计算。

表2　合肥市历年商业营业用房销售面积

注：以上数据来自合肥市房地产管理局、合肥市统计年鉴(2001-2014年)、国家统计年鉴(2001-2014年)、搜房网、房地产信网

4.4实证模型的建立于修正

4.4.1建立实证分析自回归分布滞后(ARDL)模型

通过对现代商业地产的研究知道，商业地产的开发建设周期一般为1-2年，故我们将ARDL模型的滞后阶数定为(p；q)=(1；1)，由此初步建立ARDL模型：

其中εt～(0，δ2)。

4.4.2实证模型变量的单整与协整检验

根据动态计量经济学中的协整理论，只有当模型中变量之间存在协整关系时，解释变量与被解释变量才会存在长期均衡关系，这就要求对模型的变量进行协整检验，而进行协整检验的前提是模型中变量均是同阶单整变量[10]。

先利用ADF检验对上述模型中解释变量ln(Sa)，ln(Ts)，ln(Fr)，ln(Di)，ln(Ap)分别进行单整检验；检验过程中对软件设定的检验条件均为二阶差分、一阶滞后、不含截距和趋势项，检验结果如表3所示。

表3　模型变量ADF单整检验结果汇总表

由ADF检验结果可知，上述模型中的变量均为二阶单整，即各变量在经过二次差分滞后全部成为平稳序列，满足进行多重协整检验的条件[11]。根据动态计量经济学中恩格尔-格兰杰检验法对上述变量进行协整检验，检验结果如表4所示。

表4　变量协整检验结果显示表

4.4.3实证模型变量多重共线性检验及处理

表4的检验结果表明，上述模型中的各变量间存在多重协整关系，进而可以对上述变量之间的长期均衡关系进行估计，初步得到如下长期均衡方程：

ln(Sa)=-3.778 1+0.067 1ln(Ts)-0.040 7ln(Ep)+0.899 9ln(Fr)-2.000 1ln(Ap)+1.670 8ln(Di)，

ln(Sa)=-5.069 1+0.179 5ln(Ts)+1.038 3ln(Fr)+1.779 4ln(Di)-1.549 8ln(Ap)。

4.4.4构建实证分析变量的误差修正模型[13-15]

根据动态计量经济学理论中格兰杰表述定理，将上文得到的长期均衡方程的残差作为误差修正项，就可以得到误差修正序列：

ecm=ln(Sa)-α0-ln(Ts)-ln(Fr)-ln(Di)-ln(Ap)=ln(Sa)+5.069 1-0.179 5ln(Ts)-1.038 3ln(Fr)-1.779 4ln(Di)+1.549 8ln(Ap)。

将ln(Sa)，ln(Ts)，ln(Fr)，ln(Di)，ln(Ap)的实际值带入上述方程得到实际的误差修正序列。以误差修正序列为基础，对下列误差修正修正模型进行估计：

Δln(Sa)=β0+β1Δln(Ts)+β2Δln(Fr)+β3Δln(Di)+β4Δln(Ap)+φ1Δln(Ts)t-1+φ2+φ3Δln(Di)t-1+φ4Δln(Ap)t-1+μ1Δln(Sa)t-1+γecm+εt=0.443 1+0.753 6Δln(Ts)-1.967 8Δln(Fr)-0.264 5Δln(Di)+2.121 3Δln(Ap)-2.418 8Δln(Ts)t-1+0.757 1Δln(Fr)t-1+0.240 8Δln(Di)t-1+

0.798 7Δln(Ap)t-1-0.219 4Δln(Sa)t-1+

0.985 4ecm。

4.5实证模型的分析与应用

4.5.1模型数据经济意义分析

根据建立的误差修正模型，从不同解释变量所对应的系数的正负和大小来分析，我们可以得到如下结论：①城市经济发展水平、居民收入水平以及区域经济总体消费水平的提升，能够增加商业地产的需求量，同时商业地产价格水平的提升对商业地产的需求产生反作用；②商业地产价格水平对商业地产市场需求的影响最为深刻，其次是城市经济发展水平，对商业地产市场需求影响较小的是区域总体消费水平和居民收入水平。

4.5.2误差修正序列的预测意义

在对模型的计算过程中得出的误差修正序列[16-18]，实际上反映的是商业地产市场实际需求与长期均衡水平之间的差额，如果将误差修正序列的数据用图形表示出来，即构成了合肥市商业地产市场需求围绕长期均衡水平变化的趋势图(如图4所示)。从图4中可以看出，合肥市商业地产市场实际需求始终围绕长期均衡水平上下波动，且随着年份的增加波动的幅度越来越小，在一定程度上说明了合肥市商业地产的发展逐渐趋于成熟。

图4　合肥市商业地产市场需求围绕长期均衡水平变化的趋势图

5结论与建议

本文对影响我国商业地产市场需求的因素进行了较为完整的分析，分析结果表明，我国商业地产正处于快速的发展阶段，投资规模和市场需求均保持稳定的增长态势。利用安徽省合肥市2000-2013年面板数据对影响商业地产市场需求的因素进行了实证研究，研究结果表明，以财政收入为衡量指标的城市经济发展水平对商业地产市场需求的影响较大，以社会消费品零售总额为衡量指标的区域总体消费水平和以人均可支配收入为衡量指标的居民收入水平，对商业地产市场需求的影响略小于前者，而商业地产价格水平则与市场需求量表现出负相关的变化关系；通过商业地产市场实际需求量与其长期均衡水平变化机制的识别，得出商业地产市场实际需求始终围绕长期均衡水平上下波动，其波动周期约为3-4年。

本文对商业地产市场需求的分析也存在不足之处，文中的计量经济学模型主要是从市场经济层面对合肥市商业地产市场需求进行了探讨，没有从量化的角度研究消费者心理和国家宏观调控政策对商业地产市场需求的影响，如何精确地将二者以虚拟变量的形式带入数学模型是今后需要进一步研究的内容。

参考文献：

[1]陈文玲.促进中国商业地产的健康发展[J].商业研究，2008(9)：6-7.

[2]胡昕.零售业开放与商业地产发展[J].商业时代，2005，23(6)：67-81.

[3]何艳，吴丰.中心城市商业地产发展机会分析[J].资源与人居环境，2004，9(2)：113-117.

[4]黄己立，高继文.经济应用数学[M].合肥：中国科学技术大学出版社，2012：222-263.

[5]王勇，龙奋杰.中国城市住宅价格供需关系模型极其应用[J].土木工程学报，2002，11(2)：102-108.

[6]张红，潘琦，郑思齐.房地产景气循环与周期研究[M].青岛：青岛出版社，2001：58-63.

[7]李子奈，潘文卿.计量经济学[M].北京：高等教育出版社，2010：63-257.

[8]麦广慧，任志安.安徽省区域经济差异的成因及其对策研究——基于空间计量经济学的分析[J].平顶山学院学报：社会科学版，2008，7(2)：83-85.

[9]威廉·H·格林.计量经济分析[M].北京：中国人民大学出版社，2011：613-752.

[10]叶阿忠，李子奈.高等计量经济学[M].北京：清华大学出版社，2003：261-285.

[11]张红，翁少群.基于均衡价格形成机制的住宅价格变化特征研究[J].土木工程学报，2007(8)：75-97.

[12]伍涛.基于VEC模型的城市住宅市场价格的影响因素研究[J].统计与决策，2009(17)：96-98.

[13]Abraham J M，Hender P H.Bubbles in metropolitan housing markets[J].Journal of Housing Research，1996，7(2)：191-207.

[14]Liner H. Capital markets， the development industry， and urban office mark et dynamics： Rethinking building cycles[J]. Environment and Plan，2004，26(3)：18-31.

[15]Pind jack R S， Rubin-field D. Econometric models and economic forecasts[M]. New York： McGraw-Hill，1998：17-31.

[16]谢品杰，谭忠富.基于小波分析与广义自回归条件异方差模型的短期电价预测[J].电网技术，2008，23(8)：96-103.

[17]余帆，沈炯.基于自回归条件异方差-反向传播网络模型的日前边际电价预测[J].电网技术，2008，32(5)：63-66.

[18]周明，严正，倪以信，等.含误差预测校正的ARIMA电价预测新方法[J].中国电机工程学报，2004，24(12)：63-68.

(责任编校：李秀荣)

A Research into Demand Factors of the Commercial Real Estate Market Based on Dynamic Econometrics Model

OU Jiang-hui， JIN Chang-hong

(School of Management， Anhui Architecture University，Hefei 230601， China)

Abstract：In recent years， commercial real estate has become a new economic growth point in the industry of domestic real estate. In order to obtain the factors affecting the market demand for commercial real estate，the authors of this paper make a systematic analysis of market supply and demand for commercial real estate in view of the domestic real estate investment situation， and discuss the factors affecting the market demand for commercial real estate economically and socially. Then the authors， with Hefei in Anhui Province as an example，establish the equilibrium relationship between the market demand for commercial real estate and some other related factors with the market demand theory and the dynamic econometrics model，based on mathematical procession of the relevant data， and finally give the trend of the actual market demand for commercial real estate.

Key Words：commercial real estate； market demand factor； ARDL model； error correction model

作者简介：欧江徽(1990-)，男，安徽六安人，助理工程师，硕士研究生，主要从事房地产开发与项目管理研究。

中图分类号：F293.353

文献标志码：A

文章编号：1672-349X(2016)03-0088-07

DOI：10.16160/j.cnki.tsxyxb.2016.03.024