齐锡晶, 张晶钰, 季红男
东北大学 资源与土木工程学院, 辽宁 沈阳 110819
收稿日期：2020-09-24
基金项目：国家自然科学基金资助项目(U1602232, 51474050)。
作者简介：齐锡晶(1963-), 男, 辽宁沈阳人, 东北大学教授。

摘要：将房地产开发行业发展效率界定为资源要素投入(土地、资金)与产出之间转化的相对有效程度.利用超效率DEA模型, 选取土地购置面积、房地产开发投资为投入指标, 商品房销售面积、商品房销售额和土地增值税为产出指标, 通过横向对比与纵向对比相结合的方式, 对沈阳房地产开发行业发展效率进行测度分析.研究结果表明, 沈阳房地产开发行业发展效率相对不高, 进而从政策和企业两个层面, 提出优化发展效率的对策建议, 旨在促进行业转型升级.
关键词：房地产开发开发行业发展效率评价与优化超效率DEA模型
Development Efficiency Evaluation and Optimization of Shenyang Real Estate Industry
QI Xi-jing, ZHANG Jing-yu, JI Hong-nan
School of Resources & Civil Engineering, Northeastern University, Shenyang 110819, China
Corresponding author: QI Xi-jing, E-mail: qixijing63@163.com.

Abstract: The development efficiency of the real estate industry is defined as the relative effective degree of transformation between input resources factors (land and capital) and output factors of the real estate development industry. The enhanced efficient DEA model is used to measure and analyze the development efficiency of Shenyang real estate industry by selecting the purchased land area and real estate development investment as the input indicators and the commercial housing sales area, commercial housing sales and land value-added tax as the output indicators. The results show that the development efficiency of Shenyang real estate industry is relatively low. Therefore, countermeasures and suggestions to optimize the development efficiency are put forward from the perspective of policies and enterprises in order to promote the transformation and upgrading of the industry.
Key words: real estate developmentdevelopment industrydevelopment efficiencyevaluation and optimizationenhanced efficient DEA model
我国经济由高速度增长转向高质量发展阶段, 经济增速的逐步放缓促使房地产开发行业进入转型升级的关键时期, 对发展效率的重视程度进一步提高.因此，评价沈阳房地产开发行业发展效率, 并进行区域间的比较, 有利于辨析沈阳的特点, 进而优化行业发展效率.
1 房地产开发行业现状及效率分析房地产行业快速发展的时期已经结束, 高效率发展成为开发行业的必然选择.本文在界定房地产开发行业相关概念的基础上, 通过分析开发行业的现状, 指出存在的问题, 定义发展效率.
1.1 房地产开发行业现状房地产开发是指按照城乡规划和社会经济发展的要求, 在依法取得国有土地使用权的土地上进行基础设施建设、房屋建设的行为^[1].开发行业则由从事房地产开发和经营的企业聚集而成.
1.1.1 土地交易面积2009—2018年, 沈阳房地产开发企业土地购置面积呈现波浪式波动.2009—2013年, 沈阳房地产开发行业快速发展, 其中, 2010年土地市场火爆, 购置面积达到波峰.由于土地超额供应, 2013年后购置面积降幅明显, 直到2017年才逐渐回暖, 购置面积呈上升趋势, 如图 1所示.
图 1(Fig. 1)

图 1 沈阳房地产开发企业购置土地面积(2009—2018年)Fig.1 Purchased land area by real estate development enterprises in Shenyang (2009—2018)

1.1.2 房地产开发建设2009—2016年, 沈阳房地产开发投资先增后降, 受2016年统计数据"挤水分"的影响, 2017年触底反弹后保持以双位数的速度明显增长.2009—2018年, 商品房施工面积、竣工面积先增后降, 近几年连续呈现负增长的下降态势, 这与去库存、供给侧结构性改革等密切相关.但是由于沈阳始终存在住房需求, 因此随着2017年房地产开发投资的增长, 新开工面积开始呈现上升态势.沈阳房地产开发建设的主要情况如图 2所示.
图 2(Fig. 2)

图 2 沈阳房地产开发建设的主要情况(2009—2018年)Fig.2 Major situation of real estate development and construction in Shenyang (2009—2018)

1.1.3 商品房交易情况2009—2018年, 沈阳商品房销售面积与销售额同趋势发展, 2012年达到巅峰后一路下滑, 2016年逐渐回暖.2009—2018年, 房地产开发经营利润总额波动较大, 经过短期的上升后, 从2013年起连续4年持续下降.2016年由于受到"挤水分"的影响, 利润总额降至近十年最低, 2017年出现反弹.沈阳商品房交易的主要情况如图 3所示.
图 3(Fig. 3)

图 3 沈阳商品房交易的主要情况(2009—2018年)Fig.3 Major situation of commercial housing transactions in Shenyang (2009—2018)

近年来, 由于体量较为巨大、供需基本平衡、政策比较稳定, 沈阳房地产市场呈现稳中有升的发展轨迹, 开发行业在稳定的市场环境中日益强盛, 但是发展效率仍有待评价.沈阳作为辽宁省省会、副省级市, 同时还是新一线城市和区域中心城市, 具有代表性, 故本文以沈阳为例, 评价并优化房地产开发行业发展效率.
1.2 发展效率的定义效率一般指收益与成本之间的关系^[2], 从管理学的角度来讲, 是在特定时间内, 组织的各种投入与产出或成本与收益之间的比率关系^[3].各行各业都不乏对发展效率的研究, Dong等认为, 航空航天行业的发展效率是指在一定资金投入下, 产出效益的能力^[4].He认为物流业的发展效率评价是指不同资源实际运作时是否实现合理配置^[5].在房地产行业, ****们也探索了发展效率的评价.Yang等将房地产开发分为获取土地、房屋开发和房屋销售三个阶段, 并将投入产出效率视为房地产业发展效率^[6].Li等从建设用地的使用、收益水平等方面, 将房地产行业供给侧的效率视为房地产开发行业的发展效率^[7].
本文综合考虑各研究领域对于效率的定义, 以及****们从不同角度对于行业发展效率的研究之后, 将房地产开发行业发展效率界定为: 房地产开发行业资源要素投入(土地、资金)与产出之间转化的相对有效程度.
1.3 发展效率评价方法及结果可信度分析对于本文界定的房地产开发行业发展效率, 可用的评价方法包括层次分析法(AHP)、模糊综合评价法、数据包络分析法(DEA)等.但是, 层次分析法不能为决策提供改进方向、模糊综合评价法主观性较强, 因此本文引入可计算投入与产出有效性的数据包络分析法, 作为评价房地产开发行业发展效率的方法.
数据包络分析法能够客观反映发展效率的实际情况并提供优化的方向, 在使用时应尽可能满足该方法对于决策单元和投入产出指标个数的最低要求, 否则会影响评价结果的可信度.因此, 为使该方法的评价结果能够充分反映房地产开发行业资源要素投入产出的相对有效程度, 保证发展效率评价结果的准确性, 应尽可能多地收集指标数据, 为房地产开发行业的发展提供指导.
2 房地产开发行业发展效率评价模型的设计2.1 评价的目的与原则评价房地产开发行业发展效率, 旨在发掘影响因素, 优化行业发展效率, 为促进行业转型升级、保持房地产市场平稳发展提供指引.
行业发展效率评价, 应遵循客观性、真实性和可操作性的原则.选择客观性强的评价方法和能反映真实情况的指标, 且所选指标的数据应容易获得、有价值、有连续性、便于分析, 以使评价结果更加合理可信, 具有实用性和参考价值.
2.2 评价模型的建立数据包络分析(DEA)是使用数学规划模型, 评价多投入、多产出的情况下, 多决策单元(DMU)之间的相对有效性, 并可以在多重标准下进行检查, 帮助决策单元优化效率评价.该方法原理简单, 能够避免主观确定权重, 适合评价房地产开发行业的发展效率.在众多DEA模型中, 由Andersen等提出的超效率DEA模型^[8], 因为能够对多个效率值为1的决策单元作出进一步的评价和比较, 因此经常被结合经典的DEA模型(CCR和BCC)广泛运用.本文即采用投入角度的超效率DEA模型, 从综合技术效率、纯技术效率和规模效率三方面, 评价房地产开发行业的发展效率, 并寻找优化的方向.
首先, 假设每个决策单元有a个投入指标和b个产出指标, 记第j个决策单元的输入、输出为列向量x_j, y_j, 则有

(1)

式中: x_ij, y_ij分别为第j个决策单元的第i项投入、产出数据.
其次, 定义第j个决策单元的效率值为

(2)

式中: u_r, v_r分别为投入、产出指标的权重向量.通过权重向量计算出的最大值作为效率值, 并使所有的效率值θ满足θ≤1, 则第j个决策单元的效率值为

(3)

为了方便理解及计算, 将式(3)等价为对偶的线性规划模型, 即为投入角度的超效率CCR模型(规模报酬不变), 用于评价房地产开发行业的综合技术效率, 详见模型(Ⅰ).
最后, 在模型(Ⅰ)的基础上, 加入约束条件式(4)：

(4)

构建出投入角度的超效率BCC模型(规模报酬可变), 用于评价房地产开发行业的纯技术效率, 详见模型(Ⅱ).
模型(Ⅰ)和(Ⅱ)中, x为投入指标, y为产出指标, θ为超效率值, λ为权重, s^-为投入松弛变量, s⁺为产出松弛变量.
规模效率表示为综合技术效率与纯技术效率的比值, 不单独建立模型求解.纯技术效率和规模效率分别侧重技术管理和规模方面的效率评价, 因此其评价结果仅为决策单元的优化方向提供参考.本文所指的发展效率为综合技术效率的评价结果.
2.3 评价指标的选取参考已有研究成果, 结合评价原则, 且考虑"决策单元个数至少大于投入产出指标个数和的二倍"的要求, 评价指标主要从图 1~3中产生.首先, 将9个指标按照土地、资金两个方面划分之后, 按照投入、产出再次进行划分.其次, 利用灰色关联分析法分别筛选出与投入指标关联性大的产出指标, 并使用Pearson相关性系数修正筛选结果.灰色关联分析法可根据因素之间发展趋势的相似或相异程度, 衡量因素间关联程度, 主要步骤包括：收集分析数据、确定参考数列、指标数据无量纲化、计算参考数列与比较数列的灰色关联系数、计算关联度.其中, 关联系数ξ_xi的求解方法为

(5)

式中: Δ为参考数列与比较数列的绝对差值; ρ为分辨系数, 通常取0.5.
则关联度r_i为

(6)

式中, N为数列个数.关联度r_i的值越接近1, 说明相关性越好.
为了保证指标筛选结果的可靠性, 本文使用Pearson相关性系数修正筛选指标的结果, 计算方法为

(7)

式中: X和Y为变量; N为变量取值的个数.相关性系数r的值越接近1, 说明相关性越好.
各投入产出指标的关联情况如表 1所示.
表 1(Table 1)

表 1 各投入产出指标的关联情况Table 1 The correlation of each input-output index 分类1 分类2 指标 关联度 相关性系数 分类1 分类2 指标 关联度 相关性系数 土地 投入 土地购置面积 1 1 资金 投入 房地产开发投资 1 1 产出 商品房施工面积 0.62 0.58 产出 商品房销售额 0.74 0.77 产出 商品房新开工面积 0.56 0.95 产出 利润总额 0.60 0.33 产出 商品房竣工面积 0.74 0.55 产出 土地增值税 0.68 0.69 产出 商品房销售面积 0.70 0.82

表 1 各投入产出指标的关联情况 Table 1 The correlation of each input-output index

根据表 1可知, 土地方面产出指标可选择"商品房竣工面积"和"商品房销售面积", 参考相关性系数结果, 则保留"商品房销售面积"；同理, 资金方面产出指标可选择"商品房销售额"和"土地增值税", 均保留.
综上, 筛选出"土地购置面积""房地产开发投资"作为投入指标, "商品房销售面积""商品房销售额""土地增值税"作为产出指标.借助超效率DEA模型, 科学测度沈阳房地产开发行业发展效率.
2.4 评价结果的分析运用超效率DEA模型得到的评价结果中, 效率值大于等于1说明决策单元相对有效, 反之则相对无效.各方面效率评价结果既可以单独反映行业发展效率情况, 也可以联系起来进行分析.例如, 纯技术效率有效但综合技术效率无效的决策单元, 其无效的根本原因在于规模效率低^[9].需要注意的是, 超效率DEA模型评价的效率值均为相对效率值.评价结果大于等于1, 并不代表行业发展效率绝对有效, 只是在所有决策单元中, 是相对有效的.
3 房地产开发行业发展效率评价模型的应用本文利用DEA-SOLVER Pro5.0软件, 横向对比同一时期、不同城市房地产开发行业发展效率, 定位沈阳相对发展水平；纵向对比同一城市(沈阳)、不同时期房地产开发行业发展情况, 改变指标深入分析, 探索影响发展效率的因素.
3.1 房地产开发行业发展效率的横向对比因为数据收集来源受限, 且副省级、新一线城市数据公布的程度不同, 经过综合考量, 选择沈阳、杭州、厦门、青岛、南京、西安、成都、大连、济南、合肥、苏州等11个城市作为决策单元, 评价各城市2015—2018年房地产开发行业的发展效率.投入、产出指标数据均来源于各城市统计局、财政局, 因为数据过多不便一一列出, 本文只列出评价结果.各城市房地产开发行业的综合技术效率评价结果详见图 4.
图 4(Fig. 4)

图 4 各城市房地产开发行业的综合技术效率评价结果(2015—2018年)Fig.4 Comprehensive technical efficiency evaluation results of urban real estate development industries (2015—2018)

DEA模型不同时期的评价结果，可以反映各城市房地产开发行业发展的周期波动规律^[10].由图 4反映的变化趋势来看，2018年沈阳房地产开发行业的发展相比其他城市, 处于下滑期, 而厦门、南京等城市处于上升期.因此, 沈阳房地产开发行业的真实发展效率, 相对处于中等水平.综合技术效率相对不高表明沈阳的资源配置存在不合理的情况.为深入分析评价结果, 将各城市房地产开发行业综合技术效率分解为纯技术效率与规模效率, 详见图 5.
图 5(Fig. 5)

图 5 各城市房地产开发行业的纯技术效率和规模效率评价结果(2015—2018年)Fig.5 Evaluation results of pure technical efficiency and scale efficiency of urban real estate industries (2015—2018) (a)—纯技术效率；(b)—规模效率.

由图 5可知, 沈阳房地产开发行业的纯技术效率大多有效, 但规模效率相对不高是造成综合技术效率低的主要原因.规模效率偏低, 反映出行业中投入的土地规模不合理、利用率偏低, 也说明企业的综合实力有待提升.优化方式如表 2所示.
表 2(Table 2)

表 2 沈阳房地产开发行业发展效率的评价结果优化(2015—2018年)Table 2 Optimization of evaluation results of development efficiency of real estate industry in Shenyang(2015—2018) 年份(发展效率) 投入指标 原始数据/万m2 目标/万m2 变化率/% 投入指标 原始数据/亿元 目标/亿元 变化率/% 2015(0.64) 购置面积 223.0 143.7 -35.6 开发投资 1 337.7 861.8 -35.6 2016(1.22) 购置面积 105.9 128.8 21.7 开发投资 709.7 863.4 21.7 2017(1.05) 购置面积 113.2 76.9 -32.0 开发投资 814.2 854.3 4.9 2018(0.84) 购置面积 217.2 113.1 -47.9 开发投资 996.7 836.3 -16.1

表 2 沈阳房地产开发行业发展效率的评价结果优化(2015—2018年) Table 2 Optimization of evaluation results of development efficiency of real estate industry in Shenyang(2015—2018)

通过横向对比其他城市可知, 沈阳房地产开发行业发展效率相对不高, 处于中等水平.优化沈阳房地产开发行业发展效率, 可控制房地产开发企业购置土地面积或提高土地的利用率, 并在开发投资方面进行引导，控制规模，加强监管.
3.2 房地产开发行业发展效率的纵向对比进行纵向对比时, 选择2008—2019年为决策单元.为深入探究, 将产出指标中的"土地增值税"替换为"房地产业税收", 再次测度沈阳房地产开发行业发展效率, 评价结果如图 6所示.
图 6(Fig. 6)

图 6 沈阳房地产开发行业发展效率评价结果及排序Fig.6 Evaluation results and ranking of the development efficiency of Shenyang real estate industry (a)—产出为房地产业税收时的效率值；(b)—产出为土地增值税时的效率值.

由图 6可以看出, 近几年沈阳房地产开发行业综合技术效率相对有效、纯技术效率相对有效、规模效率相对无效.这说明实际规模与最优生产规模之间的差距对综合技术效率的制约效果比纯技术效率更为明显.因为房地产业税收的范围比土地增值税广泛, 本文认为产出指标采用"房地产业税收"的综合技术效率评价结果, 为发展效率的实际情况.对比不同产出指标时发展效率的评价结果, 可发掘税收的结构变化对房地产开发行业发展效率的影响.
通过图 6还可以看出, 产出指标为"房地产业税收"时, 发展效率评价结果(已标注数据)基本上与产出指标为"土地增值税"时变化趋势同步.但是由2014年发展效率评价结果的异常可以看出, 当土地增值税在房地产业税收中占比过高时(结合图 7), 会拉低行业的发展效率.
图 7(Fig. 7)

图 7 房地产业税收情况(2008—2019年)Fig.7 Tax situation of real estate industry(2008—2019)

通过纵向对比可知, 近年来沈阳房地产开发行业发展效率相对有效, 但仍可以从调整税收结构方面探索优化发展效率的途径.
综上, 虽然沈阳与过去相比发展效率有所提高, 但是与其他副省级、新一线城市相比, 由于规模效率不高, 房地产开发投资、土地购置面积冗余, 税收结构不完善等, 导致发展效率相对不高, 仍然处于中等水平.沈阳房地产开发行业应重视对于发展效率的优化, 促进行业转型升级.
4 优化沈阳房地产开发行业发展效率的对策建议结合评价结果, 针对沈阳房地产开发行业发展效率相对不高的问题及要因, 从政策和企业两个层面, 内外兼修、良性互动, 提出优化发展效率的对策建议.
4.1 政策层面合理安排规模, 提高用地效率.结合城市规划、经济社会发展、人口流动以及开发建设和房屋销售等要素, 合理确定土地出让规模.梳理全市土地利用情况, 新增土地供应与存量盘活并举, 提高用地效率.例如, 在符合城市规划和准入条件的前提下, 增设创新型产业用地(M0)或者允许已出让土地调整为M0用地, 有利于盘活存量土地, 进而提高用地效率.
引导投资方向, 加强项目监管.引导投入的房地产开发投资, 结合各区域库存规模和去化周期情况进行精准投资.完善土地利用规划多部门参与机制, 使相关部门在土地出让后能够及时获得信息介入监管, 确保项目按规定的开工、施工和竣工时间科学运行, 防止半截子工程拉低行业发展效率.
改进营商环境, 优化审批程序.深入研究基本建设程序, 建立电子数据库, 并实现对开发全过程的监控.充分利用网上审批服务平台, 开展并联审批, 并统一不同部门的标准, 避免重复审批, 进而提高服务效率.
优化税收结构, 改善综合环境.建立主次分明、层级合理的税制体系, 加快房产税立法, 一来促使闲置住房出租, 增加存量住房的有效供给；二来抑制投机性需求, 有效打击囤房套利行为.此外, 建设科学的税收评估体系, 改善税收综合环境, 避免某一税种对开发企业发展造成沉重负担而影响行业发展效率.
4.2 企业层面积极引进技术, 稳步推进发展.充分发挥沈阳装配式建筑示范城市的引领带动作用, 积极推进建筑信息模型(BIM)技术在装配式建筑中的全过程应用, 推进管理制度创新, 增大产出，优化行业发展效率.
制定发展战略, 增强综合实力.沈阳中小型房地产企业应注重基本的财务战略和品牌战略的制定；大型房地产企业具有一定的资源整合能力, 应制定出符合自身的多元化战略和信息战略.此外, 注重人才培养是增强企业综合实力的切实途径.
丰富开发模式, 提高核心竞争力.中小型房地产开发企业应不断稳固和完善传统的开发模式, 适当进行多元化的开发；大型开发企业可以对项目进行横向、专业化管理, 并在原有的单一模式的基础上, 实现"房地产+"的多种开发模式的综合利用.
开展租赁业务, 避免资源浪费.房地产开发企业可以利用自持闲置房源开展租赁业务, 积极开发建设并经营租赁型商品住房.此外, 可将"烂尾楼"、闲置厂房、事业单位改制后腾出的办公用房等改造为租赁住房, 将存量空置写字楼改造为商业公寓或人才住房, 避免资源浪费拉低行业发展效率.
参考文献

[1]	中华人民共和国住房和城乡建设部. 房地产业基本术语标准[M]. 北京: 中国建筑工业出版社, 2015. (Ministry of Housing and Urban-Rural Development, PRC. Basic terminology standards for real estate industry[M]. Beijing: China Building Industry Press, 2015.)
[2]	Li Z W, Wang R, Xu Y J, et al. Financial technology efficiency and credit constraints facing the industrial sector: evidence from China[J]. IEEE Access, 2020, 8: 57335-57347. DOI:10.1109/ACCESS.2020.2981685
[3]	朱彦霏. 西安市房地产市场结构、效率与绩效关系研究[D]. 西安: 西安建筑科技大学, 2015. (Zhu Yan-fei. Research on the relationship between the structure, efficiency and performance of the real estate market in Xi'an[D]. Xi'an: Xi'an University of Architecture and Technology, 2015. )
[4]	Dong P W, Qiao K, Yang M. Operational efficiency across the Chinese aerospace industry: a DEA and Malmquist analysis[J]. Chinese Management Studies, 2015, 9(4): 553-570. DOI:10.1108/CMS-07-2015-0142
[5]	He B. Applied research on logistics system efficiency evaluation based on fuzzy DEA model[J]. Applied Mechanics and Materials, 2014, 644: 6189-6191.
[6]	Yang G L, Fukuyama H, Chen K, et al. Investigating the regional sustainable performance of the Chinese real estate industry: a slack-based DEA approach[J]. Omega, 2019, 84: 141-159. DOI:10.1016/j.omega.2018.04.009
[7]	Li K, Ma Z L, Zhang G Z. Evaluation of the supply-side efficiency of China's real estate market: a data envelopment analysis[J]. Sustainability, 2019, 11(1): 288. DOI:10.3390/su11010288
[8]	Andersen P, Petersen N C. A procedure for ranking efficient units in data envelopment analysis[J]. Management Science, 1993, 39(10): 1261-1264. DOI:10.1287/mnsc.39.10.1261
[9]	Yilmaz M K, Kusakci A O, Tatoglu E, et al. Performance evaluation of real estate investment trusts using a hybridized interval type-2 fuzzy AHP-DEA approach: the case of Borsa Istanbul[J]. International Journal of Information Technology & Decision Making, 2019, 18(6): 1785-1820.
[10]	齐锡晶, 宋明亮, 王宏伟, 等. 中国房地产市场周期波动分析[J]. 东北大学学报(自然科学版), 2010, 31(7): 1039-1042. (Qi Xi-jing, Song Ming-liang, Wang Hong-wei, et al. Analysis on the cyclical fluctuation of China real estate market[J]. Journal of Northeastern University (Natural Science), 2010, 31(7): 1039-1042. DOI:10.3969/j.issn.1005-3026.2010.07.031)