導語：城市群房地產投資環境評價研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要:以長三角城市群為研究對象，通過應用層次分析與k—均值聚類分析的評價方法，構建房地產投資環境評價指標體系，計算得到長三角城市群26個城市的綜合得分。結果表明，長三角地區的房地產市場發展不均衡，其中安徽省在長三角地區處于弱勢地位。改善和優化長三角地區房地產投資環境，需要優化產業結構，推動當地經濟發展;優化長三角經濟布局，促進長三角協調發展;大力發展創新教育，始終堅持科技創新。

關鍵詞:房地產投資；環境；層次分析；k—均值聚類分析

一、引言

近幾年，全國房地產市場經濟發展迅速，其中長三角地區尤為明顯。交通運輸的一體化，高鐵、城際線、地鐵等外部與內部運輸的發達為房地產行業帶來了嶄新的發展契機。與此同時長三角一體化大大增加了跨地區的人才流動，良好的投資環境對房地產投資者來說至關重要。深入研究該地區的房地產投資環境問題，可以為各個城市的政府部門針對該區域的建設與發展提供依據，并為該區域的招商引資提供提供有效的咨訊信息。鑒于房地產投資環境評價的重要性，目前國內外一些學者對房地產投資環境進行了許多探索。SilinWu運用主成分分析法對廣州郊區房地產投資環境進行綜合評價［1］。WenshuaiWu和GangKou基于層次分析法建立了群體決策共識模型，以分析多準則問題下的房地產投資環境［2］。VanagsJ與ButaneI研究了可持續性在房地產業投資環境中的重要地位［3］。萬婷在研究房地產投資環境時采用了主成分分析和因子分析法［4］。邱艷超在研究長江中游城市群房地產投資環境時以因子分析與聚類分析的理論為基礎［5］。周德芬依據熵權TOPSIS原理構建了房地產投資項目評價模型［6］。韋師結合熵權法和灰色關聯分析法對廣西的旅游房地產投資環境進行綜合評價［7］。綜上，現有研究主要集中于主成分分析、層次分析、熵權法等分析方法。考慮到層次分析法充分體現了定量與定性相結合的特點，本研究結合層次分析法與k—均值聚類分析法綜合評估長三角城市群房地產投資環境，為促進長三角城市群房地產市場的協調發展提供參考依據。

二、評價指標體系的構建

(一)指標選取

房地產投資環境受到諸多因素的影響，本文在參考眾多文獻的基礎上［8］［9］，根據指標的量化容易程度以及長三角城市群的具體情況，確定了長三角城市群房地產投資環境評價指標體系，如表1所示。

(二)指標數據來源

本文研究數據均參照蘇浙滬皖各省市的統計年鑒(2020)，其中江蘇、安徽各地區的全社會固定資產投資額是根據2017年的固定資產投資額以及2018年和2019年的固定資產投資額增長速度計算得到的。

三、評價模型

(一)AHP層次分析法

AHP的基本思想是逐層歸納、先分后總地解決復雜的問題。即將一個復雜的問題作為一個系統，根據研究問題的性質和要達到的總目標，將問題分解為不同的組成因素，并按照因素間的相互關聯影響以及隸屬關系將因素按不同層次聚集組合，形成一個多層次的分析結構模型，從而使問題歸結為最低層相對于最高層的相對重要權重值的確定或相對優劣次序的排定［10］。1.建立層次結構模型如表1，目標層在本研究中是指房地產投資環境評價指標體系，進一步分解的準則層包括城市人文環境、城市基礎設施環境等5個準則，最終分解的指標層包括社會消費品零售總額、商品房銷售收入等19個指標。2.構造判斷矩陣層次分析法中構造判斷矩陣的方法是一致矩陣法，即:不把所有層次因素放在一起比較，而是兩兩之間相互比較，對此應采用相對尺度，以盡量減少性質不同的諸因素相互比較的困難，以大大提高其準確度。相關數字含義見表2。3.層次單排序及其一致性檢驗從準則層開始，分別以其上一層次指標作為判斷準則做比較得出重要性判斷，并以列出數值的方式來表達判斷結果，然后構造判斷矩陣，最后通過咨詢專家的方式獲得各指標兩兩之間的相對重要性，以此為構建原則得出判斷矩陣。通過MCEAHP軟件，求得判斷矩陣的權重，見表3，同時可以得到判斷矩陣的最大特征根λmax=5.020，CI=0.005，CR=0.004，由于CR＜0.10，因此可以認為該判斷矩陣具有滿意的一致性。4.確定評價指標層的權重通過MCEAHP軟件，計算、整理后得到評價指標層相對于目標層的權重，見表4。5.評價結果對原始數據進行了歸一化的處理后，根據各個評價指標相對于目標層的權重，計算得出各城市房地產投資環境的綜合得分，并對其綜合得分進行排序，評價結果見表5與圖1。根據層次分析結果，將長三角城市群26個城市的房地產投資環境按照綜合得分劃分為四個層次。第一層次:綜合得分在0.75以上。這類城市的房地產投資環境最好，只有上海這個城市。上海作為長三角的核心城市，無論是在教育、科學、文化、衛生，還是經濟、金融、貿易等方面都處于領先地位，其房地產投資環境也處于最優地位。第二層次:綜合得分在0.4至0.65之間。這類城市的房地產投資環境較好，其包括蘇州、杭州、合肥、南京、寧波、無錫、南通7個城市。主要是浙江、江蘇、安徽的省會中心城市以及省內經濟發展較好的城市，其相比上海，在固定資產投資、對外貿易、教育水平、科研支出方面有一定的差距。第三層次:綜合得分在0.25至0.4之間。這類城市的房地產投資環境一般，包括常州、紹興、滁州、嘉興、鹽城、金華、臺州、揚州、蕪湖、湖州、泰州11個城市。與前兩個層次的城市相比，這類城市在利用外資額、進出口貿易方面較弱，在一定程度上影響了房地產等相關產業的發展。第三層次:綜合得分在0.25以下。這類城市的房地產投資環境相對較差，包括馬鞍山、鎮江、安慶、宣城、銅陵、池州、舟山7個城市。主要分布在安徽，經濟發展明顯落后于長三角其他地區，房地產投資環境也與其他地區存在較大差距。

(二)K—均值聚類分析

K—均值聚類分析是一種迭代求解的聚類分析方法，通過逐次更新各聚類中心的值，不斷地進行迭代，直到得出最理想的聚類結果。其基本步驟包括［11］:1.選擇k個對象作為初始凝聚中心2.計算各個數據對象到各聚類中心的距離，把數據對象歸到離它最近的那個聚類中心所在的類3.反復執行上一個分配步驟，直到所有的對象都不能再分配為止根據研究數據，利用MATLAB2017a對長三角城市群進行聚類分析，一共將其房地產投資環境分為了四個類別，分類結果見表6。表6聚類分析結果類別城市第一類別上海第二類別南京蘇州杭州合肥寧波無錫南通第三類別常州嘉興鹽城揚州湖州金華鎮江紹興蕪湖泰州滁州第四類別臺州舟山馬鞍山池州銅陵宣城安慶通過K—均值聚類分析，把長三角城市群的房地產投資環境分為了四個類別。第一類別房地產投資環境最好，第二類別房地產投資環境較好，第三類別房地產投資環境一般，第四類別房地產投資環境較差。而且通過K—均值聚類分析得到的分類結果與通過層次分析得到的分類結果總體相似，這也進一步檢驗了層次分析法的精確度。

四、結語

本文通過對2019年長三角城市群房地產投資環境進行綜合評價，得出結論:長三角地區的房地產市場發展不均衡，其中安徽省在長三角地區處于弱勢地位，除了合肥市的房地產投資環境較好外，其余七市的房地產投資環境均處于中下水平，這與安徽的經濟發展有很大關系。根據評價結果，對長三角地區房地產投資環境的改善和優化提出了以下建議:

(一)優化產業結構，推動當地經濟發展

一個地區的經濟發展狀況在當地的房地產市場中占有重要地位。因此在充分利用地區自身優勢的基礎上，要繼續大力發展第三產業，增大其在地區生產總值中的比重。同時要繼續加大對固定資產的投資，推動當地經濟發展。

(二)優化長三角經濟布局，促進長三角協調發展

以經濟發展具有優勢的上海、南京、蘇州、杭州為重點，提高其綜合承載能力和資源優化配置能力，強化對區域發展的輻射帶動作用。優化長三角城市群的內部空間結構，構筑生態和安全屏障，形成多中心、多層級、多節點的網絡型城市群。進而使長三角不同地區房地產投資環境之間的差距縮小。

(三)大力發展創新教育，始終堅持科技創新

要始終把推進科技創新工作放到經濟社會發展的重要戰略上來支撐，并且鼓勵在具備條件的地方建設區域性科技創新中心，提高當地的科技水平。要以各地的普通高等院校學生為主，加強對科技創新型的專業人才培養，完善對人才的培養與激勵制度。同時推動各類創新性要素向企業集聚，形成產學研用深度融合的技術創新體系。使長三角各地房地產市場能夠更健康持久的發展。

作者：趙薇