生產(chǎn)效率與轉(zhuǎn)型升級
——基于房地產(chǎn)業(yè)的分析

(上海理工大學(xué)管理學(xué)院 上海 200093)

房地產(chǎn)是我國的支柱產(chǎn)業(yè)，近十年來為我國經(jīng)濟發(fā)展做出了巨大的貢獻。經(jīng)過多年的發(fā)展，國內(nèi)房企已經(jīng)完成原始的資本積累，向著新的歷史時期進發(fā)，舊的經(jīng)營模式已經(jīng)不適用于新的歷史時期[1]。截至目前，全國多數(shù)房地產(chǎn)企業(yè)正在或已經(jīng)開始謀求轉(zhuǎn)型。各企業(yè)轉(zhuǎn)型方向各有千秋，轉(zhuǎn)型效果也不盡相同。因此，對房地產(chǎn)企業(yè)轉(zhuǎn)型方向的分析至關(guān)重要。通過分析，我們可以發(fā)現(xiàn)房地產(chǎn)企業(yè)發(fā)展的盲目與不足，幫助企業(yè)制定更合理的發(fā)展戰(zhàn)略，以有利于維持房地產(chǎn)市場長久穩(wěn)定健康發(fā)展和房地產(chǎn)長效調(diào)控機制順利運行，同時也為其他行業(yè)企業(yè)的轉(zhuǎn)型提供思路。

本文第一部分為文獻綜述；第二部分為研究方法簡介；第三、四部分為實證分析；最后一部分為結(jié)論與建議。

1 文獻綜述

對于行業(yè)或者企業(yè)轉(zhuǎn)型的研究，目前學(xué)者們多采用DEA技術(shù)。DEA技術(shù)的應(yīng)用分為微觀應(yīng)用與宏觀應(yīng)用，大都是基于DEA數(shù)據(jù)本身進行判斷，或分析各項數(shù)據(jù)占比，或考慮數(shù)據(jù)變化趨勢。

微觀上，DEA-Malmquist指數(shù)法在各行業(yè)運用比較廣泛。例如：在軍工類，胡紅安[2]通過對47家上市軍工企業(yè)的分布區(qū)域進行分析，認(rèn)為我國軍工上市企業(yè)的技術(shù)效率和規(guī)模效率處于較高水平；在交通運輸業(yè)，李守林等[3]通過DEA-Malmquist指數(shù)分析法發(fā)現(xiàn)2010—2016年我國交通運輸行業(yè)平均全要素生產(chǎn)率整體呈下降趨勢，其轉(zhuǎn)型方向是更加充分地利用各項要素。

宏觀上，董曉慶[4]對13年的數(shù)據(jù)進行了計算分析。根據(jù)所得的創(chuàng)新效率M值，其認(rèn)為國企與民企的創(chuàng)新效率存在著顯著的差別，相對來講民營企業(yè)的創(chuàng)新效率更高。不僅是企業(yè)效率，政策效率也可以通過DEA來分析。如李健英等[5]對上市公司創(chuàng)新績效進行DEA研究，從整體行業(yè)與個別企業(yè)兩方面分析了目前我國創(chuàng)新存在的問題以及企業(yè)轉(zhuǎn)型之路。

目前已有學(xué)者將聚類思想引入效率分析領(lǐng)域。黃賢鳳等[6]運用DEA最優(yōu)分割聚類思想分析中國制造業(yè)技術(shù)創(chuàng)新效率，得出的結(jié)論是我國制造業(yè)創(chuàng)新效率較低，提高制造業(yè)創(chuàng)新效率的關(guān)鍵在于提高規(guī)模效率。但是，目前尚無將復(fù)雜算法理論與DEA-Malmquist模型結(jié)合起來研究不同企業(yè)、不同行業(yè)乃至不同城市的行為特征的文獻。在大數(shù)據(jù)時代，將機器學(xué)習(xí)理論引入數(shù)據(jù)分析領(lǐng)域，發(fā)現(xiàn)行為共性，從而對行為進行評價或?qū)Πl(fā)展趨勢做出判斷有一定的必要性。

同時，通過文獻梳理，筆者發(fā)現(xiàn)對近幾年房地產(chǎn)企業(yè)轉(zhuǎn)型效率進行研究的文獻也甚少。原因可能有以下幾點：首先，判斷轉(zhuǎn)型時間點有困難。2014年之前房地產(chǎn)業(yè)處于黃金時期，那時鮮有企業(yè)思考轉(zhuǎn)型的問題[7]。其二，即使有的房地產(chǎn)企業(yè)正在或已經(jīng)轉(zhuǎn)型，但由于房地產(chǎn)企業(yè)普遍體量大，其轉(zhuǎn)型所需時間相對較久，動作相對較慢，因此對短時間的階段性行為難以做出準(zhǔn)確的評價。其三，由于房地產(chǎn)業(yè)回款慢、經(jīng)營周期長，因此難以通過幾個月，甚至一兩年的經(jīng)營數(shù)據(jù)對房地產(chǎn)企業(yè)轉(zhuǎn)型效果做出評價。

2 研究方法

2.1 DEA-Malmquist指數(shù)分析

Malmquist指數(shù)法最早由Caves(1982)提出。該方法是DEA數(shù)據(jù)包絡(luò)圖分析法的延伸，但最初該理論并不完善，無法用于實際測度。Fare等[8]基于DEA的方法對Malmquist指數(shù)進行了擴展，構(gòu)造了從t期到t+1期的規(guī)模效率不變(CRS)的Malmquist生產(chǎn)率指數(shù)公式，如下式：

式中：Dt(xt,yt)、Dt(xt+1,yt+1)分別指以t期的技術(shù)為參考(即以t期的數(shù)據(jù)為參考集)時，t期和t+1期的決策單元的距離函數(shù)；Dt+1(xt+1,yt+1)、Dt+1(xt,yt)含義相似。根據(jù)Fare等在VRS的假設(shè)下，將Malmquist生產(chǎn)率指數(shù)分解為技術(shù)效率(Effch)和技術(shù)進步(Techch)兩部分，其中技術(shù)效率又可進一步分解為純技術(shù)效率(Pech)和規(guī)模效率(Sech),上式可以分解為：

Malmquist指數(shù)方法為分析決策單元(DMU)的全要素效率變化提供了便利的工具。根據(jù)該方法，不僅可以通過技術(shù)進步(Techch)指標(biāo)衡量上市房地產(chǎn)企業(yè)近年來的技術(shù)變化情況，還可以將技術(shù)效率(Effch)進一步分解為純技術(shù)效率(Pech)和規(guī)模效率(Sech)，并得出全要素生產(chǎn)率(Tfpch)，從而可以從更多的角度去考察房地產(chǎn)企業(yè)技術(shù)、效率等方面的變化。

2.2 聚類分析

為了挖掘房地產(chǎn)行業(yè)轉(zhuǎn)型之路的共性，本文擬采用聚類分析法對財務(wù)指標(biāo)與要素生產(chǎn)率進行歸納。目前常用的聚類算法有K-Means與DBSCAN算法。因為K-means方法中初始聚類中心的選擇會對聚類的結(jié)果產(chǎn)生一定的影響，同時本研究并不能事先確定最終簇的個數(shù)，因此，用DBSCAN算法進行聚類分析是一個更好的選擇。

DBSCAN(Density-based spatial clustering ofapplications with noise)是Martin Ester、Hans-PeterKriegel等人于1996年提出的基于密度空間數(shù)據(jù)的聚類方法。該算法將具有足夠高密度的區(qū)域作為距離中心，并不斷向外擴展該區(qū)域。算法的核心理論為：在一個聚類中，任何一個點都可被視為核心。同時該方法引入簇的定義，將一個類別劃為一簇。簇是有足夠高的密度的一個區(qū)域。該算法可在有噪聲的空間數(shù)據(jù)庫中發(fā)現(xiàn)任意形狀的聚類簇。其突出優(yōu)點在于在進行聚類運算之前不需要給出要劃分的聚類個數(shù)。

其算法流程如下：

輸入Data，一個包含n個對象的數(shù)據(jù)集

eps：半徑參數(shù)

MinPts:鄰域密度閾值

1)DBSCAN通過檢查數(shù)據(jù)集中每點的Eps鄰域來創(chuàng)建簇，如果點p的Eps鄰域包含的點多于MinPts個，則創(chuàng)建一個以p為核心對象的簇；

2)DBSCAN聚集從這些核心對象直接密度可達的對象，遍歷每一個點，這個過程可能涉及一些密度可達簇的合并；

3)當(dāng)沒有新的點添加到任何簇時，將所有的點分為核心點、邊界點和噪點，算法結(jié)束。

通過DBSCAN算法，可以發(fā)現(xiàn)空間中點的聚集性。本文將決策單元視為空間中的點，從一個新的視角分析不同決策單元的行為特性、歸納決策單元的行為共性。

2.3 數(shù)據(jù)來源及處理

對于房地產(chǎn)這類高資金杠桿、高資金風(fēng)險的行業(yè)來說，資金的周轉(zhuǎn)至關(guān)重要。對于所有企業(yè)來說，無論轉(zhuǎn)型方向如何，其首要目標(biāo)在于獲得盡可能多的利潤，以便在競爭激烈的市場中占有一席之地，房地產(chǎn)行業(yè)尤甚。無論是前期開發(fā)土地項目還是中后期運營，抑或是轉(zhuǎn)型擴張，房地產(chǎn)企業(yè)都需要大量的資金進行周轉(zhuǎn)。因此，本文選取房地產(chǎn)企業(yè)財務(wù)指標(biāo)中的流動比率、速動比率、總資金周轉(zhuǎn)率、存貨周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率以及資產(chǎn)負(fù)債率作為投入指標(biāo)，將每股收益、凈資產(chǎn)收益率、總資產(chǎn)報酬率以及銷售凈利率作為產(chǎn)出指標(biāo)，將每一個房地產(chǎn)企業(yè)視為一個決策單元(DMU)。收集數(shù)據(jù)后對所有數(shù)據(jù)進行無量綱化處理，以便于計算。

本文選取在上市公司名錄下申萬一級行業(yè)房地產(chǎn)類的所有企業(yè)。剔除ST及數(shù)據(jù)嚴(yán)重缺失的企業(yè)，將92家上市房地產(chǎn)企業(yè)作為樣本。所有財務(wù)數(shù)據(jù)均來源于Wind數(shù)據(jù)庫。

考慮到房地產(chǎn)企業(yè)轉(zhuǎn)型速度慢，具有投入產(chǎn)出的時滯效應(yīng)，因此設(shè)定滯后期為一年，即取2013年的投入指標(biāo)對應(yīng)2014年的產(chǎn)出指標(biāo)，2016年的投入指標(biāo)對應(yīng)2017年的產(chǎn)出指標(biāo)，其余同理。

3 DEA-Malmquist指數(shù)分析

利用 DEAP2.1軟件對92家房地產(chǎn)開發(fā)企業(yè)2014—2017年的數(shù)據(jù)進行分年度的 Malmquist指數(shù)分析，結(jié)果見表1。

表1 分年全部樣本企業(yè)DEA-Malmquist 值及分項變化表

注：表格中的數(shù)據(jù)為 DEAP2.1軟件的輸出結(jié)果。表中數(shù)據(jù)為相應(yīng)變量的變動率，如 2014—2015 年的全要素生產(chǎn)率一欄為“1.004”，是指 2014—2015年全要素生產(chǎn)率增長0.4%。均值為歷年幾何平均值。

表1表示各年全部樣本企業(yè)TFP平均值及其分解值變動率。從中可以發(fā)現(xiàn)以下幾點：1)從時間序列上分析，2014—2017年我國房地產(chǎn)開發(fā)企業(yè)的平均TFP下降了0.7%，其中技術(shù)效率平均增長率為-0.1%，技術(shù)進步平均增長率為-0.6%。通過分析可知，技術(shù)效率與技術(shù)進步都導(dǎo)致我國房地產(chǎn)開發(fā)企業(yè)的TFP負(fù)增長，而技術(shù)進步是導(dǎo)致我國房地產(chǎn)開發(fā)企業(yè)TFP下降的主要原因。結(jié)合房地產(chǎn)行業(yè)的實際可以知道，房地產(chǎn)行業(yè)技術(shù)值低的原因主要有以下幾方面：從建工方面看，裝配式住宅等綠色建筑技術(shù)剛剛興起，BIM技術(shù)尚未得到廣泛應(yīng)用；從管理方面分析，我國地產(chǎn)行業(yè)還處于粗放式發(fā)展階段，尚未進行大規(guī)模的行業(yè)整合，不少房地產(chǎn)企業(yè)的管理模式較落后，甚至有的企業(yè)只考慮擴張而不重視內(nèi)部管理技術(shù)。2)從各年截面時間數(shù)據(jù)來分析，2014年上市房地產(chǎn)企業(yè)各項指標(biāo)均表現(xiàn)較好，而2017年退步明顯，房地產(chǎn)企業(yè)的TFP負(fù)增長趨勢逐漸加大，除技術(shù)進步項外的其他三項與上一年表現(xiàn)相近。2014年房地產(chǎn)調(diào)控措施趨緊，房地產(chǎn)行業(yè)高速擴張的黃金時期結(jié)束，因此企業(yè)需要充分利用已有資源，調(diào)整戰(zhàn)略，主動尋求轉(zhuǎn)型，行為上趨于穩(wěn)定發(fā)展，以求渡過難關(guān)，因而行業(yè)總體TFP相對較好。2017年TFP同比下降2.5%，主要原因在于技術(shù)進步趨緩。在2016—2017年，房價快速增長，由于市場的火爆，房地產(chǎn)企業(yè)為了迎合市場，對產(chǎn)品更多的是追求量而不是質(zhì)，企業(yè)無暇顧及技術(shù)創(chuàng)新升級以及外部知識的吸收消化，因而導(dǎo)致行業(yè)全要素生產(chǎn)率下降。3)從具體指標(biāo)看，三年來，房地產(chǎn)企業(yè)技術(shù)進步項得分逐年降低。這表明兩點：第一，在行業(yè)低迷時大部分房地產(chǎn)企業(yè)的選擇是節(jié)省開支以及從企業(yè)內(nèi)部挖潛，以提高要素利用率。此時企業(yè)有尋求技術(shù)突破，進行集團性轉(zhuǎn)型升級，使企業(yè)規(guī)模保持穩(wěn)定或穩(wěn)步增長的需求，全行業(yè)的各項要素能夠被充分利用。第二，當(dāng)行業(yè)進入跨越式發(fā)展階段，企業(yè)追求高速發(fā)展，無暇顧及技術(shù)進步，導(dǎo)致整體生產(chǎn)率下降。兩相比較，我們可以發(fā)現(xiàn)，技術(shù)進步在房地產(chǎn)行業(yè)起到重要的作用，而行業(yè)的趨勢決定了技術(shù)進步的程度。另外，我們還可以發(fā)現(xiàn)，規(guī)模效率這一項三年來始終大于1，這也證實了房地產(chǎn)行業(yè)各企業(yè)都在努力擴大規(guī)模，以便在增長空間愈發(fā)有限的市場中擴大影響力。

表2 92家房地產(chǎn)上市公司2014—2017年間平均全要素生產(chǎn)率及其分解值

續(xù)表2

注:表中數(shù)據(jù)為各公司2014—2017年各項指標(biāo)平均值，均為DEAP2.1軟件的輸出結(jié)果。

表2是92家上市房地產(chǎn)企業(yè)各自的平均全要素生產(chǎn)率及其分項指標(biāo)的歷年均值。我們可以看到，共有25家企業(yè)TFP大于1，占比為27.7%，這說明房地產(chǎn)行業(yè)的要素利用率處于顯著較低水平，有待進一步提高。

從分項指標(biāo)看，三年來沒有技術(shù)進步的企業(yè)高達70家，占比為76.09%。相應(yīng)的，在規(guī)模效率指標(biāo)中，三年來均值大于1的企業(yè)多達68家，占比73.91%。數(shù)據(jù)驗證了前文所述，即無論是行業(yè)快速發(fā)展時還是相對低迷時，相當(dāng)多的房地產(chǎn)企業(yè)都在力求擴大規(guī)模。在高速擴張的過程中，僅有少數(shù)企業(yè)兼顧到技術(shù)的發(fā)展與進步。當(dāng)所有企業(yè)技術(shù)效率相同、規(guī)模都在擴張時，技術(shù)進步這一項的差距就會造成企業(yè)之間TFP的巨大差別。

從表2中可以發(fā)現(xiàn)，在易居研究院《2017房地產(chǎn)行業(yè)500強》排行榜上處于前50且在內(nèi)地上市的企業(yè)在本表中的排名卻并不名列前茅，這也從側(cè)面驗證了大型企業(yè)在轉(zhuǎn)型時普遍存在轉(zhuǎn)型方向較難把握、轉(zhuǎn)型速度較慢等困難。而小型企業(yè)相較于大型企業(yè)而言，公司組織層級以及業(yè)務(wù)量少，上下級之間溝通速度快，因此可以在短時間內(nèi)做出決策，迅速改變主營業(yè)務(wù)方向，實現(xiàn)轉(zhuǎn)型升級。

4 DBCSAN聚類分析

為了更直觀地分析房地產(chǎn)企業(yè)的轉(zhuǎn)型效果，將前文所述的投入指標(biāo)與通過DEAP2.1軟件計算所得的全要素生產(chǎn)率值進行歸一化處理后導(dǎo)入數(shù)據(jù)庫，通過MATLAB 2017a編程后進行DBCSAN聚類分析。

首先，將通過歸一化處理的各項DEA投入指標(biāo)的幾何均值與當(dāng)年TFP值同時導(dǎo)入數(shù)據(jù)庫進行聚類分析，得到一個92×7矩陣，經(jīng)過DBCSAN算法聚類分析，輸出結(jié)果為：

>> main

class contains:

there are 1 classes totally.

best MinPts is 88.000000.

best eps is 0.794751.

即所有房地產(chǎn)企業(yè)可分為一個簇。這說明在將房地產(chǎn)企業(yè)的財務(wù)指標(biāo)、TFP看作七維空間時，空間中點的歐拉距離相差無幾，即各企業(yè)經(jīng)營方式之間區(qū)別不大。也就是說，在現(xiàn)在的時點，房地產(chǎn)業(yè)仍未產(chǎn)生一個領(lǐng)導(dǎo)行業(yè)進步的企業(yè)集團。

在具體指標(biāo)的分析方面，經(jīng)過對算法和投入數(shù)據(jù)的不斷試驗與改進，最終選取TFP與資產(chǎn)負(fù)債率(DAR)作為二維坐標(biāo)系的橫縱坐標(biāo)，當(dāng)MinPts=5時，得出圖1所示的較優(yōu)結(jié)果。

圖1 聚類分析結(jié)果圖注：圖中斜線為方便讀者閱讀所畫，原圖中并沒有此斜線。

如圖1所示，總體來看，在房地產(chǎn)行業(yè)中，大部分企業(yè)對TFP和DAR的選擇集中于0.975

圖2a 聚類分析演變過程系列圖(2014年)

圖2b 聚類分析演變過程系列圖(2015年)

圖2c 聚類分析演變過程系列圖(2016年)

我們可以將房地產(chǎn)企業(yè)按轉(zhuǎn)型方向大致分為兩個集團，圖1斜線左上方的十字箭頭構(gòu)成簇A，圖1斜線右下方十字箭頭構(gòu)成簇B。簇A中企業(yè)TFP基本都小于1，同時資產(chǎn)負(fù)債率較高；而簇B中企業(yè)資產(chǎn)負(fù)債率較低的同時，TFP值約為1或大于1。這說明雖然整體并無太大差別，然而通過細(xì)分，我們可以看出房地產(chǎn)企業(yè)還是采取了兩種轉(zhuǎn)型方式：一種是以高杠桿、低要素利用率為特點的簇A；一種以低杠桿、高要素利用率為特點的簇B。

我們可以通過分析企業(yè)的微觀行為來觀察行業(yè)的轉(zhuǎn)型方向。簇A中的代表性企業(yè)有泰禾集團、招商蛇口、世茂地產(chǎn)和保利地產(chǎn)，這類企業(yè)通過高杠桿、快速融資實現(xiàn)企業(yè)體量的快速擴張；而簇B的代表性企業(yè)為萬科以及一些深耕所在區(qū)域的中小型房企，由于企業(yè)的文化、企業(yè)組織架構(gòu)的差別，這類企業(yè)相對于前述企業(yè)有著高要素利用率的優(yōu)勢。

結(jié)合前文強調(diào)的技術(shù)進步率，我們可以發(fā)現(xiàn)：在簇A中的企業(yè)技術(shù)進步率普遍較低，例如代表性企業(yè)泰禾集團為0.989，招商蛇口為0.989，世茂地產(chǎn)為0.993，保利地產(chǎn)為0.993；而在簇B中，大多數(shù)企業(yè)的技術(shù)進步率在0.995以上。企業(yè)對資產(chǎn)負(fù)債率的認(rèn)識影響了企業(yè)的行為，導(dǎo)致企業(yè)資產(chǎn)負(fù)債率的不同，進而使企業(yè)存貨的安全邊際也發(fā)生變化。一些企業(yè)認(rèn)為重視技術(shù)，擁有足夠強的技術(shù)壁壘的保護，企業(yè)就有足夠的能力在激烈的市場競爭中存活；而另一些企業(yè)認(rèn)為可以先通過跨越式發(fā)展增加企業(yè)的體量，當(dāng)企業(yè)的體量足夠大時，再重視技術(shù)，這也不失為一種生存之道。

5 結(jié)論與建議

在綜合前述文獻的基礎(chǔ)上，本文根據(jù)DEA-Malmquist值與DBSCAN聚類算法，基于92家房地產(chǎn)企業(yè)的財務(wù)指標(biāo)，對房地產(chǎn)行業(yè)企業(yè)轉(zhuǎn)型效率、行為進行分析，并且對DEA數(shù)據(jù)進行了深入挖掘，得到以下結(jié)論：

第一，房地產(chǎn)行業(yè)總體TFP在2014—2017年呈現(xiàn)逐年下降的趨勢，這意味著房地產(chǎn)行業(yè)要素利用不完全。近三年，國家出臺了一系列經(jīng)濟政策，而房地產(chǎn)行業(yè)大部分房企沒有能夠很好地適應(yīng)新經(jīng)濟環(huán)境，造成行業(yè)各項要素總體利用率較低。

第二，房地產(chǎn)行業(yè)企業(yè)同其他行業(yè)一樣，在盲目擴張時忽略了技術(shù)進步的重要性。而當(dāng)藍(lán)海轉(zhuǎn)變?yōu)榧t海時，企業(yè)前期的技術(shù)積累才能體現(xiàn)出作用。全要素生產(chǎn)率的改變只是表面現(xiàn)象，更深層次是企業(yè)對于技術(shù)進步的態(tài)度。

第三，通過聚類分析，本文認(rèn)為房地產(chǎn)行業(yè)企業(yè)轉(zhuǎn)型主要存在兩種路徑，目前無法判斷這兩種轉(zhuǎn)型方向的優(yōu)劣，也無法評價哪種方向更適合哪一類企業(yè)。企業(yè)需要結(jié)合自身經(jīng)營狀況與外部環(huán)境進行考量，然后選取一個適合自身條件的方向確定發(fā)展戰(zhàn)略。

綜合上述分析，本文對房地產(chǎn)行業(yè)企業(yè)給出以下建議：

首先，轉(zhuǎn)型方向涉及多方面的因素，如行業(yè)特點、外部環(huán)境、政策影響、企業(yè)文化等等，但是，當(dāng)企業(yè)明確了轉(zhuǎn)型的方向與目的時，就要堅持下去，切不可輕易地半途而廢。

其次，無論轉(zhuǎn)型方向如何，技術(shù)進步都是決定企業(yè)要素生產(chǎn)率乃至發(fā)展前景的決定性因素。房地產(chǎn)企業(yè)首先應(yīng)加快適應(yīng)新經(jīng)濟環(huán)境與市場特征，提高自身適配性，努力增強自身適應(yīng)能力。無論市場環(huán)境如何，應(yīng)該始終堅持以技術(shù)提升為要點，在此基礎(chǔ)上，追求規(guī)模效率與技術(shù)利用率的穩(wěn)步增長，以提高全要素利用率。對于高杠桿的激進型與低杠桿的穩(wěn)定型轉(zhuǎn)型模式，企業(yè)在進行選擇時需要結(jié)合外部環(huán)境與內(nèi)部機制仔細(xì)斟酌。