基于三阶段DEA我国各省房地产业效率实证研究.docVIP

基于三阶段DEA我国各省房地产业效率实证研究 　　摘要：利用DEA三阶段分析法对2008年中国31个省（自治区、直辖市）房地产行业进行了排除环境变量和统计噪音影响的技术效率分析，结果表明，很多省份的房地产行业效率水平的确受到地区政府支持力度和经济发展水平等环境变量和好坏运气的影响，在同质经营环境下纯技术效率不高的问题更加突出。从而，提出了提高我国房地产业效率的相应策略。 　　关键词：三阶段DEA；房地产业；综合技术效率；纯技术效率；规模效率 　　中图分类号：F203 文献标志码：Ａ文章编号：１６７３－２９１Ｘ（２０11）08－０044－04 　　 　　引言 　　我国房地产业经过二十多年的发展，已经成为国民经济发展的新的经济增长点，尤其是近年来，房地产市场异常火爆，房价一路攀升。但是，房地产市场效率如何？提升的方向和空间在哪里？本文根据DEA和SFA的相关理论，以2008年我国31个省的相关数据为样本[1]，对我国各地区的房地产业效率进行了实证研究。 　　现有文献中大多着重于考察房地产业对经济总量的贡献，如将房地产投资额作为资本形成总额的一部分，将其增量所占GDP增量的比例作为对GDP的贡献[2-4]；或是通过选取代表房地产业的变量和代表国民经济水平的GDP，采用ARDL、ECM、Granger因果检验等直接反映房地产业对经济总量的贡献[5]。张志红等基于主因子分析给出房地产上市公司在总体上市公司中的资产运作水平[6]。王亚东、安立仁也运用DEA方法考察了我国各省房地产行业的效率，但其并未排除环境变量和统计噪音对房地产行业的影响[7]。所以，国内鲜有利用三阶段DEA对房地产业生产力和效率进行研究的文献。 　　一、研究方法与工具 　　自Charnes和Rhodes创立基本的DEA模型后，为测度环境变量对决策单元效率的影响程度，Coelli（1998）提出了DEA的两阶段模型[8]。但由于该模型存在技术上的缺陷，并且在实际应用中会忽略被包括在投入松弛或产出剩余里的信息，因此，H.O.FRIED创建了三阶段DEA模型[9]。其三个阶段分别是： 　　1.第一阶段DEA模型。该阶段使用投入产出数据进行一般DEA分析，本文采用投入导向的规模报酬可变的BCC模型。之所以采用投入导??，是因为本着资源节约和环境友好的要求，尽量减少投入和降低负产出是必要的。由于BCC作为一个成熟的DEA模型，其数学原理已非常清晰，这里不再赘述。 　　2.第二阶段构建相似SFA模型。Fried等人认为，第一阶段DEA分析得出的投入产出松弛变量由环境影响、管理无效率和统计噪音三因素构成[9]。通过构建SFA模型可分别观测出以上三个因素的影响。本文以投入导向为例，分别对N个投入松弛变量进行SFA分析。 　　首先，建立松弛变量： 　　sni＝xni-Xnλ≥0，n＝1，2，……N，i＝1，2，……I （1） 　　其中，sni是第一阶段是第i个厂商在使用第n个投入的松弛变量（射线的加上非射线的）。Xn是X的第n行，Xnλ是xni对应产出变量yi在投入效率子集上的最优映射。 　　其次，建立松弛变量与环境解释变量的理论模型： 　　sni＝fn（Zi；βn）-vni+uni，n＝1，2，……N，i＝1，2，……I （2） 　　其中，zi＝[z1i，z2i，……zki]，i＝1，2，……I，为K个可观测的环境变量，fn（Zi；βn）是确定可行的松弛前沿，参数向量βn将被估计，vni+uni为混合误差项。与随机成本前沿公式一样，vni～N（0，σ2vn）反映统计噪音，uni≥0反映管理无效率。 　　为进行下一步的投入调整，首先必须从SFA回归模型的混合误差中把统计噪音从管理无效率中分离出来，为排除不同运营环境和统计噪音的影响，对于那些相对有利的运营环境或相对好运的DMU的投入进行向上调整，如（3）式 　　xAni＝xni+[maxi{zi，βn}]+[maxi{vni}-vni]，n＝1，……，N，i＝1，2，…… （3） 　　（3）式右边的第一步调整使所有厂商处于共同的营运环境，及样本中所观测的最差的环境。第二步调整是所有厂商处于共同的自然状态，即样本中遇到的最不幸的状态，以致使每个DMU均面对相同的营运环境和营运运气。 　　3.第三阶段调整后的DEA模型。用调整后的投入数据代替原始投入数据xni，再次运用BCC模型计算效率值。第三阶段输出的DMU效率值，排除了运营环境和统计噪音的影响，客观体现了技术效率，更能反映事实。 　　二、变量的选取与分析 　　1.投入产出指标的选取。鉴于数据的可得性和完整性，本文选取2008年中国31个省（自治区、直辖市，以下简称省）的房地产行业为样本。文中数据来源于《中国统计年鉴2009》。 　　综合D