崔慶飛

(河北工程大學(xué)，經(jīng)濟管理學(xué)院，河北邯鄲，056038)

房地產(chǎn)投資環(huán)境是一個復(fù)雜的綜合系統(tǒng)，受到經(jīng)濟、文化、自然條件、基礎(chǔ)環(huán)境等外界因素的制約和影響［1－2］。作為企業(yè)來說，面對影響房地產(chǎn)投資的諸多因素指標(biāo)，如何在進行房地產(chǎn)投資的過程中獲得利潤的最大化，需要管理者對房地產(chǎn)投資環(huán)境進行初步的評價，對不同地域房地產(chǎn)投資環(huán)境有一定的認識和理解。傳統(tǒng)的房地產(chǎn)投資環(huán)境評價方法有很多，例如:灰色系統(tǒng)理論［3］，未確知數(shù)學(xué)［4］，層次分析法［5］，主成分分析法［6］等。本文運用主成分分析方法對房地產(chǎn)投資環(huán)境的指標(biāo)進行降維處理，確定包含眾多指標(biāo)因素的主成分。為了消除權(quán)重分配上的主觀性，利用熵權(quán)法給定多層次影響指標(biāo)因素的權(quán)重，并進行綜合評價［7］。

1 房地產(chǎn)投資環(huán)境評價

1.1 房地產(chǎn)投資環(huán)境評價指標(biāo)的確定

影響房地產(chǎn)項目投資環(huán)境的因素指標(biāo)眾多，本文在參考文獻［8－10］的基礎(chǔ)上，對影響房地產(chǎn)投資環(huán)境指標(biāo)分為經(jīng)濟環(huán)境，市場環(huán)境，基礎(chǔ)設(shè)施，社會環(huán)境四個一級指標(biāo)和26個二級指標(biāo)。根據(jù)各城市《年度統(tǒng)計公報》、《中國統(tǒng)計年鑒》和《中國城市統(tǒng)計年鑒》提取東部沿海12個省會和直轄市的2012年的統(tǒng)計數(shù)據(jù)為例進行分析說明。指標(biāo)體系如表1。

1.2 主成分分析

對獲得的原始數(shù)據(jù)應(yīng)用spss17.0軟件進行主成分分析得到主成分載荷矩陣(表2)，特征值和方差貢獻率(表3)，主成分得分矩陣(表4)，由表3可知前五個主成分的方差累計貢獻率≥85%，根據(jù)本文實際取五個主成分［11］。

對主成分分析進行說明，通過表2主成分荷載矩陣可以看出第一主成分與生產(chǎn)總值、實際利用外資、人均GDP、城鎮(zhèn)人均可支配收入、城市居民人均消費支出、出口總額、生產(chǎn)總值增長率、房地產(chǎn)開發(fā)投資額、居住用地、房屋建筑施工面積、房屋建筑竣工面積、城鄉(xiāng)居民儲蓄額、人均教育投資額、人均生活用電量、人均電信業(yè)務(wù)總量、區(qū)域人口數(shù)量、人口密度、房地產(chǎn)平均銷售價格的指標(biāo)高度相關(guān)，反應(yīng)著城市的整體經(jīng)濟環(huán)境水平。第二主成分與人均教育投資額、人均生活用電量、區(qū)域人口數(shù)量、每萬人醫(yī)療床位數(shù)、城市人均住宅面積的指標(biāo)高度相關(guān)，反應(yīng)著城市人口以及人均經(jīng)濟利益。第三主成分與人口密度、建成區(qū)綠化覆蓋率、每萬人擁有公交高度相關(guān)。第四主成分與人均城市道路面積高度相關(guān)。第五主成分與居住用地、人均郵政業(yè)務(wù)總量高度相關(guān)。后三個主成分可以理解為反應(yīng)著基礎(chǔ)設(shè)施環(huán)境的基本情況。由此可知前五個主成分基本上概況了所有的評價指標(biāo)，通過降維起到了簡化指標(biāo)的作用。

表1指標(biāo)體系Tab.1 Index system

表2主成分荷載Tab.2 Principal component loads

表3主成分的特征值和方差貢獻率Tab.3 The characteristic value and variance contribution ratio of the principal components

表4主成分得分矩陣Tab.4 Principal component score matrix

表5主成分的權(quán)重Tab.5 The weight of the principal component

根據(jù)表2得到的主成分的載荷矩陣，用里邊的數(shù)值分別除以相應(yīng)主成分的特征值(表3)的開方得到特征向量矩陣，也就是主成分表達式的系數(shù)，然后將特征向量與標(biāo)準化后的數(shù)值相乘得到主成分得分矩陣(表4)。

1.3 計算熵權(quán)

將得到的主成分得分矩陣運用熵權(quán)計算方法進行計算［12－15］，我們可以得到五大主成分的熵權(quán)(表5)和12個城市房地產(chǎn)投資環(huán)境評價的綜合得分(表6)。

表6房地產(chǎn)投資環(huán)境評價的綜合得分Tab.6 Real estate investment environment evaluation score

表7方差貢獻率確定的權(quán)重Tab.7 Variance contribution rate to determine weight

從表6的排名以2012年統(tǒng)計年鑒數(shù)據(jù)為準來看，基本符合現(xiàn)實情況的一個排名。

2 .結(jié)果分析

我們以五大主成分的方差貢獻率整合得到主成分權(quán)重(表7)和主成分綜合得分(表8)。

表8主成分綜合得分Tab.8 Principal component comprehensive score

表8的綜合得分就是各個城市房地產(chǎn)投資環(huán)境的得分，以此得出排名。

3 結(jié)語

通過熵權(quán)和方差貢獻率兩種不同賦權(quán)方法得到的綜合排名表6和表8，排名基本上一致，所以我們利用主成分分析法對指標(biāo)進行降維然后用信息熵進行賦權(quán)進行綜合評價切實可行的，并能保證信息完備。

［1］王明，何亞伯，陳玉梅.基于FAHP的房地產(chǎn)投資環(huán)境分析［J］.建筑經(jīng)濟，2007，7:84－86.

［2］張亞江，王靜宇.房地產(chǎn)投資環(huán)境的多層次灰色評價［J］.煤炭技術(shù)，2007，26(11):114 －117.

［3］王紅強，林知炎，張英婕.基于灰色系統(tǒng)理論的房地產(chǎn)投資環(huán)境分析方法［J］.同濟大學(xué)學(xué)報:自然科學(xué)版，2005，33(3):423 －426.

［4］周書敬，吳春花，張洪亮.基于未確知測度的房地產(chǎn)投資環(huán)境綜合評價［J］.商場現(xiàn)代化，2006，5(466):235－236.

［5］蘭肇華，鄧志維.基于層次分析法的房地產(chǎn)投資環(huán)境比較分析［J］.統(tǒng)計與決策，2006，8:27－28.

［6］宋桂杰，田小娟.基于主成分分析法的房地產(chǎn)投資環(huán)境分析［J］.揚州大學(xué)學(xué)報:自然科學(xué)版，2006，9(4):69－72.

［7］周宇峰，魏法杰.基于相對熵的多屬性決策組合賦權(quán)方法［J］.運籌與管理，2006，15(5):48－53.

［8］周書敬，李彥蒼.房地產(chǎn)投資分析方法及應(yīng)用［M］.北京:兵器工業(yè)出版社，2013.

［9］李萬慶，李 錚.基于熵權(quán)法的PHC管樁承載力組合預(yù)測［J］.河北工程大學(xué)學(xué)報:自然科學(xué)版，2011，28(1):64－67.

［10］周 鵬，張 紅，謝 娜，等.基于主成分分析和德菲爾法的房地產(chǎn)投資環(huán)境綜合評價體系［J］.中國土地科學(xué)，2010，24(12):58－63.

［11］何曉群.多元統(tǒng)計分析［M］.北京.中國人民大學(xué)出版社，2012.

［12］萬俊，邢煥革，張曉暉.基于熵理論的多屬性群決策專家權(quán)重的調(diào)整算法［J］.控制與決策，2010，25(6):907－910.

［13］王明權(quán)，王金達，劉景雙.基于主成分分析與熵權(quán)的吉林西部生態(tài)承載力演變［J］.中國科學(xué)院研究生院學(xué)報，2008，25(6):764 －770.

［14］代穩(wěn)，張美竹，秦趣.基于主成分分析和熵權(quán)的六盤水水資源安全演變［J］.節(jié)水灌溉，2013，7:45－52.

［15］王飛，陳鮮閣.基于熵的灰關(guān)聯(lián)模型在工程評標(biāo)中的應(yīng)用［J］.河北工程大學(xué)學(xué)報:自然科學(xué)版，2013，30(1):103－106.