当前位置:范文帮毕业论文内容页

城市群房地产投资环境评价研究

2021-11-04 20:38:56毕业论文访问手机版

摘要:以长三角城市群为研究对象,通过应用层次分析与k—均值聚类分析的评价方法,构建房地产投资环境评价指标体系,计算得到长三角城市群26个城市的综合得分。结果表明,长三角地区的房地产市场发展不均衡,其中安徽省在长三角地区处于弱势地位。改善和优化长三角地区房地产投资环境,需要优化产业结构,推动当地经济发展;优化长三角经济布局,促进长三角协调发展;大力发展创新教育,始终坚持科技创新。

关键词:房地产投资;环境;层次分析;k—均值聚类分析

一、引言

近几年,全国房地产市场经济发展迅速,其中长三角地区尤为明显。交通运输的一体化,高铁、城际线、地铁等外部与内部运输的发达为房地产行业带来了崭新的发展契机。与此同时长三角一体化大大增加了跨地区的人才流动,良好的投资环境对房地产投资者来说至关重要。深入研究该地区的房地产投资环境问题,可以为各个城市的政府部门针对该区域的建设与发展提供依据,并为该区域的招商引资提供提供有效的咨讯信息。鉴于房地产投资环境评价的重要性,目前国内外一些学者对房地产投资环境进行了许多探索。SilinWu运用主成分分析法对广州郊区房地产投资环境进行综合评价[1]。WenshuaiWu和GangKou基于层次分析法建立了群体决策共识模型,以分析多准则问题下的房地产投资环境[2]。VanagsJ与ButaneI研究了可持续性在房地产业投资环境中的重要地位[3]。万婷在研究房地产投资环境时采用了主成分分析和因子分析法[4]。邱艳超在研究长江中游城市群房地产投资环境时以因子分析与聚类分析的理论为基础[5]。周德芬依据熵权TOPSIS原理构建了房地产投资项目评价模型[6]。韦师结合熵权法和灰色关联分析法对广西的旅游房地产投资环境进行综合评价[7]。综上,现有研究主要集中于主成分分析、层次分析、熵权法等分析方法。考虑到层次分析法充分体现了定量与定性相结合的特点,本研究结合层次分析法与k—均值聚类分析法综合评估长三角城市群房地产投资环境,为促进长三角城市群房地产市场的协调发展提供参考依据。

二、评价指标体系的构建

(一)指标选取

房地产投资环境受到诸多因素的影响,本文在参考众多文献的基础上[8][9],根据指标的量化容易程度以及长三角城市群的具体情况,确定了长三角城市群房地产投资环境评价指标体系,如表1所示。

(二)指标数据来源

本文研究数据均参照苏浙沪皖各省市的统计年鉴(2020),其中江苏、安徽各地区的全社会固定资产投资额是根据2017年的固定资产投资额以及2018年和2019年的固定资产投资额增长速度计算得到的。

三、评价模型

(一)AHP层次分析法

AHP的基本思想是逐层归纳、先分后总地解决复杂的问题。即将一个复杂的问题作为一个系统,根据研究问题的性质和要达到的总目标,将问题分解为不同的组成因素,并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合,形成一个多层次的分析结构模型,从而使问题归结为最低层相对于最高层的相对重要权重值的确定或相对优劣次序的排定[10]。1.建立层次结构模型如表1,目标层在本研究中是指房地产投资环境评价指标体系,进一步分解的准则层包括城市人文环境、城市基础设施环境等5个准则,最终分解的指标层包括社会消费品零售总额、商品房销售收入等19个指标。2.构造判断矩阵层次分析法中构造判断矩阵的方法是一致矩阵法,即:不把所有层次因素放在一起比较,而是两两之间相互比较,对此应采用相对尺度,以尽量减少性质不同的诸因素相互比较的困难,以大大提高其准确度。相关数字含义见表2。3.层次单排序及其一致性检验从准则层开始,分别以其上一层次指标作为判断准则做比较得出重要性判断,并以列出数值的方式来表达判断结果,然后构造判断矩阵,最后通过咨询专家的方式获得各指标两两之间的相对重要性,以此为构建原则得出判断矩阵。通过MCEAHP软件,求得判断矩阵的权重,见表3,同时可以得到判断矩阵的最大特征根λmax=5.020,CI=0.005,CR=0.004,由于CR<0.10,因此可以认为该判断矩阵具有满意的一致性。4.确定评价指标层的权重通过MCEAHP软件,计算、整理后得到评价指标层相对于目标层的权重,见表4。5.评价结果对原始数据进行了归一化的处理后,根据各个评价指标相对于目标层的权重,计算得出各城市房地产投资环境的综合得分,并对其综合得分进行排序,评价结果见表5与图1。根据层次分析结果,将长三角城市群26个城市的房地产投资环境按照综合得分划分为四个层次。第一层次:综合得分在0.75以上。这类城市的房地产投资环境最好,只有上海这个城市。上海作为长三角的核心城市,无论是在教育、科学、文化、卫生,还是经济、金融、贸易等方面都处于领先地位,其房地产投资环境也处于最优地位。第二层次:综合得分在0.4至0.65之间。这类城市的房地产投资环境较好,其包括苏州、杭州、合肥、南京、宁波、无锡、南通7个城市。主要是浙江、江苏、安徽的省会中心城市以及省内经济发展较好的城市,其相比上海,在固定资产投资、对外贸易、教育水平、科研支出方面有一定的差距。第三层次:综合得分在0.25至0.4之间。这类城市的房地产投资环境一般,包括常州、绍兴、滁州、嘉兴、盐城、金华、台州、扬州、芜湖、湖州、泰州11个城市。与前两个层次的城市相比,这类城市在利用外资额、进出口贸易方面较弱,在一定程度上影响了房地产等相关产业的发展。第三层次:综合得分在0.25以下。这类城市的房地产投资环境相对较差,包括马鞍山、镇江、安庆、宣城、铜陵、池州、舟山7个城市。主要分布在安徽,经济发展明显落后于长三角其他地区,房地产投资环境也与其他地区存在较大差距。

(二)K—均值聚类分析

K—均值聚类分析是一种迭代求解的聚类分析方法,通过逐次更新各聚类中心的值,不断地进行迭代,直到得出最理想的聚类结果。其基本步骤包括[11]:1.选择k个对象作为初始凝聚中心2.计算各个数据对象到各聚类中心的距离,把数据对象归到离它最近的那个聚类中心所在的类3.反复执行上一个分配步骤,直到所有的对象都不能再分配为止根据研究数据,利用MATLAB2017a对长三角城市群进行聚类分析,一共将其房地产投资环境分为了四个类别,分类结果见表6。表6聚类分析结果类别城市第一类别上海第二类别南京苏州杭州合肥宁波无锡南通第三类别常州嘉兴盐城扬州湖州金华镇江绍兴芜湖泰州滁州第四类别台州舟山马鞍山池州铜陵宣城安庆通过K—均值聚类分析,把长三角城市群的房地产投资环境分为了四个类别。第一类别房地产投资环境最好,第二类别房地产投资环境较好,第三类别房地产投资环境一般,第四类别房地产投资环境较差。而且通过K—均值聚类分析得到的分类结果与通过层次分析得到的分类结果总体相似,这也进一步检验了层次分析法的精确度。

四、结语

本文通过对2019年长三角城市群房地产投资环境进行综合评价,得出结论:长三角地区的房地产市场发展不均衡,其中安徽省在长三角地区处于弱势地位,除了合肥市的房地产投资环境较好外,其余七市的房地产投资环境均处于中下水平,这与安徽的经济发展有很大关系。根据评价结果,对长三角地区房地产投资环境的改善和优化提出了以下建议:

(一)优化产业结构,推动当地经济发展

一个地区的经济发展状况在当地的房地产市场中占有重要地位。因此在充分利用地区自身优势的基础上,要继续大力发展第三产业,增大其在地区生产总值中的比重。同时要继续加大对固定资产的投资,推动当地经济发展。

(二)优化长三角经济布局,促进长三角协调发展

以经济发展具有优势的上海、南京、苏州、杭州为重点,提高其综合承载能力和资源优化配置能力,强化对区域发展的辐射带动作用。优化长三角城市群的内部空间结构,构筑生态和安全屏障,形成多中心、多层级、多节点的网络型城市群。进而使长三角不同地区房地产投资环境之间的差距缩小。

(三)大力发展创新教育,始终坚持科技创新

要始终把推进科技创新工作放到经济社会发展的重要战略上来支撑,并且鼓励在具备条件的地方建设区域性科技创新中心,提高当地的科技水平。要以各地的普通高等院校学生为主,加强对科技创新型的专业人才培养,完善对人才的培养与激励制度。同时推动各类创新性要素向企业集聚,形成产学研用深度融合的技术创新体系。使长三角各地房地产市场能够更健康持久的发展。

作者:赵薇