房地產(chǎn)行業(yè)專題報(bào)告：行業(yè)發(fā)展換擋城市周期興起

1、 第 頁(yè) 目錄 HYPERLINK l _bookmark0 行業(yè)進(jìn)入總量高位，增速低位時(shí)代6 HYPERLINK l _bookmark1 房地產(chǎn)行業(yè)銷售總量影響因素分析6 HYPERLINK l _bookmark3 人口需求總量進(jìn)入高增長(zhǎng)低增速階段7 HYPERLINK l _bookmark11 行業(yè)調(diào)控方式轉(zhuǎn)變，發(fā)展方式換擋8 HYPERLINK l _bookmark12 行業(yè)主要指標(biāo)周期波動(dòng)幅度減弱8 HYPERLINK l _bookmark16 區(qū)域分化，城市周期興起10 HYPERLINK l _bookmark17 房企競(jìng)爭(zhēng)方式轉(zhuǎn)換，從行業(yè)紅利轉(zhuǎn)向企業(yè)紅利10 HYPER

2、LINK l _bookmark21 重點(diǎn) 50 城基本面分析11 HYPERLINK l _bookmark22 分線城市總量分析11 HYPERLINK l _bookmark32 人口流入情況分析16 HYPERLINK l _bookmark37 分線城市經(jīng)濟(jì)特征18 HYPERLINK l _bookmark44 分線城市綜合因素排名19 HYPERLINK l _bookmark47 4.總結(jié)21 HYPERLINK l _bookmark48 風(fēng)險(xiǎn)提示21圖目錄 HYPERLINK l _bookmark2 圖 1房地產(chǎn)行業(yè)銷售總量影響因素分解簡(jiǎn)示6 HYPERLINK l _b

3、ookmark5 圖 21999-2018 年房地產(chǎn)銷售金額及同比增速7 HYPERLINK l _bookmark6 圖 31999-2018 年房地產(chǎn)銷售面積及同比增速7 HYPERLINK l _bookmark8 圖 41999-2018 年中國(guó)總?cè)丝谀暝鲩L(zhǎng)8 HYPERLINK l _bookmark7 圖 51999-2018 年房地產(chǎn)銷售單價(jià)及同比增速8 HYPERLINK l _bookmark9 圖 61999-2018 城鎮(zhèn)人口增速逐步放緩8 HYPERLINK l _bookmark10 圖 71999-2018 中國(guó)城鎮(zhèn)化率不斷提升，變化速率降低8 HYPERLINK

4、l _bookmark13 圖 8房地產(chǎn)行業(yè)主要數(shù)據(jù)指標(biāo)月度累計(jì)同比數(shù)據(jù) 銷售端9 HYPERLINK l _bookmark14 圖 9房地產(chǎn)行業(yè)主要數(shù)據(jù)指標(biāo)月度累計(jì)同比數(shù)據(jù)投資端9 HYPERLINK l _bookmark15 圖 10房地產(chǎn)行業(yè)主要數(shù)據(jù)指標(biāo)月度累計(jì)同比數(shù)據(jù)房?jī)r(jià)9 HYPERLINK l _bookmark18 圖 11影響房企核心要素簡(jiǎn)析圖11 HYPERLINK l _bookmark19 圖 122018 年 31 個(gè)省市 GDP 占比較 1999 年變化11 HYPERLINK l _bookmark20 圖 131999-2018 年常住人口年復(fù)合增速與 GDP

5、 占比相關(guān)性11 HYPERLINK l _bookmark24 圖 14樣本城市 GDP 及全國(guó)占比12 HYPERLINK l _bookmark25 圖 15樣本城市常住人口及全國(guó)占比12 HYPERLINK l _bookmark26 圖 1650 個(gè)樣本城市 2018 年常住人口數(shù)量比較13 HYPERLINK l _bookmark27 圖 1750 個(gè)樣本城市近十年 GDP 均值比較14 HYPERLINK l _bookmark28 圖 18分線城市 GDP 逐年同比變化率14 HYPERLINK l _bookmark29 圖 1950 個(gè)樣本城市近十年城鎮(zhèn)人均可支配收入均值

6、比較15 HYPERLINK l _bookmark30 圖 20分線城市城鎮(zhèn)人均可支配收入逐年同比變化率15 HYPERLINK l _bookmark31 圖 2150 個(gè)樣本城市“輻射城市 GDP/樣本城市與輻射城市距離”比較16 HYPERLINK l _bookmark33 圖 2250 個(gè)樣本城市近十年常住人口絕對(duì)變化16 HYPERLINK l _bookmark34 圖 2350 個(gè)樣本城市近十年常住人口相對(duì)變化17 HYPERLINK l _bookmark35 圖 24分線城市常住人口逐年同比變化率17 HYPERLINK l _bookmark36 圖 25分線城市常住人

7、口三年移動(dòng)平均復(fù)合增速18 HYPERLINK l _bookmark38 圖 26樣本城市 GDP 對(duì)近十年常住人口相對(duì)變化率18 HYPERLINK l _bookmark39 圖 27樣本城市 GDP 對(duì)近十年常住人口絕對(duì)變化18 HYPERLINK l _bookmark40 圖 28樣本城市城鎮(zhèn)人均可支配收入對(duì)近十年常住人口變化率19 HYPERLINK l _bookmark41 圖 29樣本城市城鎮(zhèn)人均可支配收入對(duì)近十年常住人口變化19 HYPERLINK l _bookmark42 圖 30輻射城市 GDP/城市間距離對(duì)近十年常住人口變化率19 HYPERLINK l _boo

8、kmark43 圖 31輻射城市 GDP/城市間距離對(duì)近十年常住人口變化19表目錄 HYPERLINK l _bookmark4 表 1房地產(chǎn)行業(yè)銷售端數(shù)據(jù)和人口分段增速均值7 HYPERLINK l _bookmark23 表 250 個(gè)樣本城市名單12 HYPERLINK l _bookmark45 表 3采取 2018 年樣本城市指標(biāo)值進(jìn)行篩選時(shí)的前 14 個(gè)城市20 HYPERLINK l _bookmark46 表 4采取未來(lái)三年樣本城市指標(biāo)預(yù)測(cè)均值進(jìn)行篩選時(shí)的前 14 個(gè)城市20行業(yè)進(jìn)入總量高位，增速低位時(shí)代房地產(chǎn)行業(yè)銷售總量影響因素分析1980 年代中國(guó)逐步探索和推行住房制度改革

9、以來(lái)，中國(guó)房地產(chǎn)市場(chǎng)總量持續(xù)增長(zhǎng)。2018 年房地產(chǎn)商品房銷售金額和面積達(dá)到歷史新高。房地產(chǎn)行業(yè)總銷量由住房面積需求和單價(jià)構(gòu)成，住房面積需求和銷售單價(jià)分別受市場(chǎng)和政策多方面因素影響。不同時(shí)間段內(nèi)單個(gè)影響因素的重要性和影響力不同。我們將行業(yè)總量影響因素進(jìn)行簡(jiǎn)要拆分和分析（見(jiàn)下圖 1）。在穩(wěn)定增長(zhǎng)的經(jīng)濟(jì)環(huán)境下，我們認(rèn)為房地產(chǎn)行業(yè)長(zhǎng)期增長(zhǎng)的主要驅(qū)動(dòng)因素在于住房需求的增長(zhǎng)，住房需求有三個(gè)維度：1、總量方面，全國(guó)人口增長(zhǎng)所帶來(lái)居住需求的增長(zhǎng)；2、區(qū)域經(jīng)濟(jì)發(fā)展不平衡所導(dǎo)致人口流動(dòng)帶來(lái)本地常住人口增長(zhǎng)的需求；3、棚改和安臵需求。后兩大因素影響需求釋放的速度和地區(qū)差異。政策因素市場(chǎng)因素生育政策總?cè)丝谠鲩L(zhǎng)放緩，

10、二孩政策放開(kāi)當(dāng)?shù)厝丝谧匀辉鲩L(zhǎng)（包含城鎮(zhèn)擴(kuò)張使原農(nóng)村戶口變?yōu)槌擎?zhèn)戶口）經(jīng)濟(jì)發(fā)展初期人口快速增長(zhǎng)，行業(yè)需求增長(zhǎng)主要由人口自然增長(zhǎng)驅(qū)動(dòng)限 購(gòu) 限 貸政策我們認(rèn)為因城施策調(diào)控長(zhǎng)期存在，政策松緊在于落戶限制門檻的調(diào)節(jié)城市人口凈流入（或流出）區(qū)域經(jīng)濟(jì)發(fā)展分化，因經(jīng)濟(jì)、就業(yè)、教育、醫(yī)療等資源差異導(dǎo)致人口遷移受 拆 遷 政策 支 持 或限制全國(guó)大規(guī)模棚改計(jì)劃進(jìn)入收尾階段，我們認(rèn)為拆遷總量會(huì)逐步回落棚改和拆遷安臵需求拆遷安臵主要因城市內(nèi)房齡過(guò)高或居住環(huán)境落后產(chǎn)生的棚改需求，以及城市建設(shè)規(guī)劃產(chǎn)生的拆遷需求。受政策鼓勵(lì)或限制，通常需求為間歇性而非持續(xù)性。住房面積需求住房需求總體量銷售單價(jià)行業(yè)總銷量此外，我們認(rèn)為受調(diào)

11、控政策影響，投機(jī)性需求受到抑制。在維持住房不炒的總基調(diào)下，抑制投機(jī)性需求的調(diào)控政策可能長(zhǎng)期存在。圖1 房地產(chǎn)行業(yè)銷售總量影響因素分解簡(jiǎn)示市場(chǎng)因素需求結(jié)構(gòu)性變化：城鎮(zhèn)中高端住房需求增加驅(qū)使住房單價(jià)增長(zhǎng)行業(yè)供需不平衡造成價(jià)格波動(dòng)宏觀經(jīng)濟(jì)影響因素：貨幣政策、存款和貸款利率變化、通脹率變化政策因素限價(jià)政策：限制房?jī)r(jià)上限資料來(lái)源： 人口需求總量進(jìn)入高增長(zhǎng)低增速階段我們選取 1999 年至 2018 年的行業(yè)銷售數(shù)據(jù)1，配合中國(guó)人口總量和城鎮(zhèn)化發(fā)展分析行業(yè)銷售總量變化。受到政策影響，歷史上行業(yè)銷售金額、面積和房?jī)r(jià)2 同比增速出現(xiàn)較大波動(dòng)，但波動(dòng)從 2016 年開(kāi)始縮小。為了平滑行業(yè)波動(dòng)，我們以 1999

12、年為基準(zhǔn)，計(jì)算后續(xù)每一年房地產(chǎn)銷售金額、面積及單價(jià)在當(dāng)年的年復(fù)合增速，增速時(shí)間段為 1999 年至當(dāng)年。年復(fù)合增速在下圖 2、3、4 中標(biāo)注為紅色線，復(fù)合增速?gòu)?2000 年開(kāi)始產(chǎn)生數(shù)據(jù)。從 2000-2018 年各指標(biāo)年復(fù)合增速變化趨勢(shì)來(lái)看，行業(yè)銷售端的面積和總金額復(fù)合增速逐漸放緩。我們根據(jù)復(fù)合增速變化趨勢(shì)分段計(jì)算年同比增速和復(fù)合增速均值（見(jiàn)表1）。我們發(fā)現(xiàn)，銷售面積年同比增速和復(fù)合增速出現(xiàn)明顯收窄，同時(shí)期出現(xiàn)明顯相同情況的還有城鎮(zhèn)人口數(shù)。中國(guó)總?cè)丝谠鏊僭?1999 年至 2018 年期間從 12.57 億人增長(zhǎng)到13.95 億人，年同比增速呈現(xiàn)逐步下降?？?cè)丝?2005 年增長(zhǎng)率從 0.6

13、%-0.8%換擋成為0.5%左右，2018 年增長(zhǎng)率進(jìn)一步下滑到 0.38%。與此同時(shí)，城鎮(zhèn)人口在 1999 年至 2018 年期間從 4.37 億人增長(zhǎng)到 8.31 億人，年復(fù)合增速 3.44%。年度同比增速?gòu)?1999 年 5.1% 逐步下降到 2018 年 2.2%。房地產(chǎn)行業(yè)銷售金額總量由銷售面積和價(jià)格兩方面因素影響。從影響力度上來(lái)看， 我們認(rèn)為銷售面積對(duì)行業(yè)銷售金額總量的影響較大。截止到 2018 年我國(guó)城鎮(zhèn)化率達(dá)到59.58%。我們認(rèn)為，雖然中國(guó)城鎮(zhèn)化率相比發(fā)達(dá)國(guó)家仍有上升的空間，但隨著人口總量增速放緩和城鎮(zhèn)化發(fā)展水平逐步達(dá)到高位，總量增速和城鎮(zhèn)化增速可能會(huì)不斷放緩。從總量分析來(lái)看

14、房地產(chǎn)行業(yè)長(zhǎng)期銷售面積的變化與人口總量變化趨勢(shì)基本一致。如果假設(shè)當(dāng)前房住不炒總基調(diào)在可見(jiàn)時(shí)間內(nèi)長(zhǎng)期堅(jiān)持，行業(yè)價(jià)格受政策調(diào)控，那么行業(yè)銷 售金額總量可能會(huì)隨總?cè)丝谠鲩L(zhǎng)放緩而進(jìn)入到總量高位而增速低位的階段。表 1 房地產(chǎn)行業(yè)銷售端數(shù)據(jù)和人口分段增速均值銷售面積銷售價(jià)格銷售金額總額總?cè)丝诔擎?zhèn)人口年同比增速?gòu)?fù)合增速年同比增速?gòu)?fù)合增速年同比增速?gòu)?fù)合增速年同比增速年同比增速2000-2005 年增速平均27.0%24.9%5.7%5.6%37.0%30.6%0.65%4.27%2006-2011 年增速平均13.4%21.6%11.2%8.4%25.5%31.4%0.50%3.50%2012-2018 年

15、增速平均7.1%15.9%7.1%8.4%15.0%25.2%0.50%2.68%資料來(lái)源：Wind、 圖2 1999-2018 年房地產(chǎn)銷售金額及同比增速20.0015.0010.005.00199 9200 0200 12002200 3200 4200 5200 6200 720082009201 0201 1201 2201 320142015201 6201 7201 80.00100 %50%0%-50%圖3 1999-2018 年房地產(chǎn)銷售面積及同比增速20.0015.0010.005.001999200020012002200320042005200620072008200 9

16、201 0201 1201 2201 3201 4201 5201 6201 7201 80.0060%40%20%0%-20%商品房銷售金額（萬(wàn)億，左軸） 同比（%， 右軸）以1999年為起點(diǎn)， 當(dāng)年距離1999年期間的年復(fù)合增長(zhǎng)率（ %，右軸）資料來(lái)源：Wind， 商品房銷售面積（億平，左軸）同比（%， 右軸）以1999年為起點(diǎn)， 當(dāng)年距離1999年期間的年復(fù)合增長(zhǎng)率（ %，右軸）資料來(lái)源：Wind， 1 國(guó)家統(tǒng)計(jì)局公布的行業(yè)月度銷售數(shù)據(jù)起點(diǎn)為 1999 年 2 月房?jī)r(jià)計(jì)算為國(guó)家統(tǒng)計(jì)局披露的當(dāng)年總銷售金額除以總面積圖4 1999-2018 年房地產(chǎn)銷售單價(jià)及同比增速30.00%25.00%

17、20.00%15.00%10.00%5.00%199 9200 0200 1200 2200 3200 4200 5200 6200 7200 8200 9201 0201 1201 2201 3201 4201 52016201720180.00%-5.00%圖5 1999-2018 年中國(guó)總?cè)丝谀暝鲩L(zhǎng)0.90%0.80%0.70%0.60%0.50%0.40%0.30%0.20%0.10%199 9200 0200 1200 2200 3200 4200 5200 6200 7200 8200 9201 0201 1201 2201 3201 4201 5201 6201 7201 80.

18、00%房?jī)r(jià)同比增速（%）以1999年房?jī)r(jià)為起點(diǎn)，當(dāng)年距離1999年期間的年復(fù)合增長(zhǎng)率（%）總?cè)丝谕仍鲩L(zhǎng)（%） 資料來(lái)源：Wind， 圖6 1999-2018 城鎮(zhèn)人口增速逐步放緩資料來(lái)源：Wind， 圖7 1999-2018 中國(guó)城鎮(zhèn)化率不斷提升，變化速率降低6.0%5.0%4.0%3.0%2.0%1.0%199 9200 0200 1200 2200 3200 4200 5200 6200 7200 8200 9201 0201 1201 2201 3201 4201 5201 6201 7201 80.0%70.00%60.00%50.00%40.00%30.00%20.00%10.00

19、%1999200 02001200 2200 3200 4200 5200 6200 72008200 92010201 12012201 3201 4201 5201 62017201 80.00%1.801.601.401.201.000.800.600.400.200.00城鎮(zhèn)人口同比增長(zhǎng)（%） 城鎮(zhèn)化率（%，左軸）城鎮(zhèn)化率變動(dòng)（%， 右軸）資料來(lái)源：Wind， 資料來(lái)源：Wind， 行業(yè)調(diào)控方式轉(zhuǎn)變，發(fā)展方式換擋行業(yè)主要指標(biāo)周期波動(dòng)幅度減弱從行業(yè)的周期波動(dòng)來(lái)看，中國(guó)房地產(chǎn)行業(yè)進(jìn)入 2000 年以來(lái)，一共經(jīng)歷了四次收緊調(diào)控。疊加行業(yè)主要指標(biāo)的同比增速和歷次調(diào)控政策的松緊程度來(lái)看（如下圖

20、8-10，灰色代表行業(yè)政策調(diào)控偏緊，黃色代表行業(yè)政策調(diào)控放松），行業(yè)基本面主要指標(biāo)的同比增速在政策松緊變換中呈現(xiàn)明顯波動(dòng)。但是本輪調(diào)控政策從 2016 年 9 月3底持續(xù)至今，行業(yè)主要指標(biāo)的同比增速波動(dòng)區(qū)間較前幾輪波動(dòng)區(qū)間明顯收窄。所謂因城施策是指各城市根據(jù)實(shí)際情況，在房地產(chǎn)政策松緊上采取適合本地經(jīng)濟(jì)和居民收入水平的相應(yīng)政策。2016 年 3 月 17 日2016 年政府工作報(bào)告首次提出要“因城施策”的政策理念，即完善支持居民住房合理消費(fèi)的稅收、信貸政策，適應(yīng)住房剛性需求和改善性需求，因城施策化解房地產(chǎn)庫(kù)存。我們認(rèn)為在本輪因城施策的調(diào)控下，調(diào)控政策采取了更加貼近城市基本面情況，對(duì)不同市場(chǎng)有保有

21、壓，減少了行業(yè)整體大起大落的波動(dòng)性。我們對(duì) 2016 年 9 月底開(kāi)始的調(diào)控政策相關(guān)點(diǎn)評(píng)為 2016 年 10 月 07 日發(fā)布的筑堤與防洪，中國(guó)地產(chǎn)限購(gòu)史史為鏡，知興替系列三圖8 房地產(chǎn)行業(yè)主要數(shù)據(jù)指標(biāo)月度累計(jì)同比數(shù)據(jù) 銷售端資料來(lái)源：Wind，海通證券研究所圖9 房地產(chǎn)行業(yè)主要數(shù)據(jù)指標(biāo)月度累計(jì)同比數(shù)據(jù)投資端資料來(lái)源：Wind，海通證券研究所圖10 房地產(chǎn)行業(yè)主要數(shù)據(jù)指標(biāo)月度同比數(shù)據(jù)房?jī)r(jià)資料來(lái)源：Wind，海通證券研究所區(qū)域分化，城市周期興起本輪行業(yè)調(diào)控思路發(fā)生轉(zhuǎn)變，調(diào)控權(quán)利被下放至地方，由地方根據(jù)當(dāng)?shù)厥袌?chǎng)情況使用適宜的調(diào)控工具進(jìn)行調(diào)節(jié)。不僅如此，國(guó)家發(fā)改委發(fā)布的關(guān)于實(shí)施 2018 年推進(jìn)新

22、型城鎮(zhèn)化建設(shè)重點(diǎn)任務(wù)的通知和2019 年新型城鎮(zhèn)化建設(shè)重點(diǎn)任務(wù)（簡(jiǎn)稱為 2018年和 2019 年通知）中對(duì)于城鎮(zhèn)化發(fā)展的思路在向城市轉(zhuǎn)變，其中包括：加強(qiáng)都市圈建設(shè)及中心城市人口吸引力：2018 年通知建議開(kāi)展都市圈建設(shè)， 即在城市群內(nèi)選擇若干具備條件的中心城市及周邊中小城市，提高中心城市產(chǎn)業(yè)質(zhì)量和公共服務(wù)水平，增強(qiáng)對(duì)人口的吸引力和承載力；降低大中小城市落戶難度：2019 年通知首次以常住人口劃分城市能級(jí)，降低大中小潛力城市落戶難度，繼續(xù)加大戶籍制度改革力度：在此前城區(qū)常住人口 100 萬(wàn)以下的中小城市和小城鎮(zhèn)已陸續(xù)取消落戶限制的基礎(chǔ)上，城區(qū)常住人口 100 萬(wàn)300 萬(wàn)的型大城市要全面取消落

23、戶限制；城區(qū)常住人口 300 萬(wàn)500 萬(wàn)的型大城市要全面放開(kāi)放寬落戶條件，并全面取消重點(diǎn)群體落戶限制。資源匹配人口流動(dòng)：2018 年和 2019 年通知均顯示在資源調(diào)配方面傾向于人口聚集區(qū)域，例如深化人地錢掛鉤等配套政策4，允許都市圈內(nèi)城鄉(xiāng)建設(shè)用地增減掛鉤節(jié)余指標(biāo)跨地區(qū)調(diào)劑等。此外，2017 年起多個(gè)城市陸續(xù)涌現(xiàn)人才引入政策或在現(xiàn)有政策上進(jìn)行松緊調(diào)整。人才政策通常在落戶、社保、補(bǔ)貼（購(gòu)房補(bǔ)貼、租房補(bǔ)貼或現(xiàn)金補(bǔ)貼）等方面給與支持。我們認(rèn)為人才引入政策是因城施策的另外一種體現(xiàn)，是調(diào)控政策抑制市場(chǎng)過(guò)熱的一種平衡措施，既有助于流動(dòng)人口帶來(lái)的剛性需求正常釋放，又不影響現(xiàn)有調(diào)控政策對(duì)投機(jī)需求的抑制作用。

24、由于不同城市的人才引入政策的方式和力度略有差異，我們認(rèn)為這種差異會(huì)使得不同城市對(duì)流動(dòng)人口產(chǎn)生不同吸引力，形成城市分化的另一種影響因素。我們認(rèn)為，當(dāng)行業(yè)總量進(jìn)入低增速階段時(shí)，地域人口流動(dòng)所帶來(lái)的住房需求將逐漸成為行業(yè)銷售主要影響因素，成為不同城市間市場(chǎng)差異的主要原因。行業(yè)政策促進(jìn)人口流入發(fā)展型城市，進(jìn)而加速城市分化資源優(yōu)質(zhì)的大中型城市長(zhǎng)期具備較強(qiáng)的人口吸引能力?？紤]到城市基本面的分化以及因城施策調(diào)控，我們認(rèn)為行業(yè)未來(lái)發(fā)展將從總量驅(qū)動(dòng)的增長(zhǎng)變?yōu)樾袠I(yè)內(nèi)部分化驅(qū)動(dòng)的區(qū)域增長(zhǎng)，行業(yè)周期將從行業(yè)整體同漲同跌變?yōu)槌鞘兄芷凇７科蟾?jìng)爭(zhēng)方式轉(zhuǎn)換，從行業(yè)紅利轉(zhuǎn)向企業(yè)紅利我們認(rèn)為行業(yè)總量高位低增長(zhǎng)而區(qū)域出現(xiàn)分化的基本

25、面趨勢(shì)會(huì)使得房地產(chǎn)企業(yè)之間競(jìng)爭(zhēng)加劇。行業(yè)原先的發(fā)展主要是依靠人口整體增長(zhǎng)所帶來(lái)的行業(yè)紅利。我們認(rèn)為，在總量穩(wěn)定的情況下行業(yè)思路將轉(zhuǎn)變?yōu)槠髽I(yè)紅利，即不同企業(yè)依據(jù)自身核心競(jìng)爭(zhēng)力，精準(zhǔn)把握項(xiàng)目區(qū)域和產(chǎn)品的選擇，從而獲取高于行業(yè)平均的利潤(rùn)率水平。區(qū)域方面，行業(yè)政策導(dǎo)向明晰了方向，即城市群內(nèi)選擇若干具備條件的中心城市及周邊中小城市。房企選對(duì)區(qū)域即選對(duì)了趨勢(shì)，可以獲取長(zhǎng)期發(fā)展過(guò)程中人口流入、經(jīng)濟(jì)增長(zhǎng)所影響的購(gòu)買力、以及配套基建完善給資產(chǎn)帶來(lái)的增值紅利。其次，房企需要順應(yīng)所在城市的需求設(shè)計(jì)產(chǎn)品。在競(jìng)爭(zhēng)加劇的環(huán)境下，適合當(dāng)?shù)匦枨蟮漠a(chǎn)品是保證短期銷售和樹(shù)立長(zhǎng)期品牌的重要因素。詳見(jiàn) 2019 年 4 月 9 日發(fā)

26、布的因地制宜推進(jìn)城鎮(zhèn)化，開(kāi)放、合作、共贏銷售金額營(yíng)業(yè)成本三項(xiàng)費(fèi)用核心凈利潤(rùn)可售面積單價(jià)產(chǎn)品類型新開(kāi)工地理位臵拿地成本限制政策銷售規(guī)模信用評(píng)級(jí)土地儲(chǔ)備股東背書融資成本管理費(fèi)用有自持物業(yè)的可以1） 通過(guò)增加自持物業(yè) 比重對(duì)沖開(kāi)發(fā)毛利率下滑，2）通過(guò)公允價(jià)值變動(dòng)增加凈利潤(rùn)銷售費(fèi)用圖11 影響房企核心要素簡(jiǎn)析圖資料來(lái)源： 我們將 1999-2018 年中國(guó) 31 個(gè)省、直轄市和計(jì)劃單列市的 GDP 和常住人口進(jìn)行了相關(guān)性分析。中國(guó) 31 個(gè)省和直轄市的 GDP 占比從 1999 年到 2018 年變化不大，這也就是說(shuō)各省每年對(duì)經(jīng)濟(jì)總量的貢獻(xiàn)相對(duì)穩(wěn)定。從 1999-2018 年常住人口年復(fù)合增速與31

27、個(gè)省和直轄市 GDP 占比的關(guān)系來(lái)看，GDP 占比較大的省市常住人口增長(zhǎng)率相對(duì)較高。而常住人口增長(zhǎng)復(fù)合增速和 GDP 復(fù)合增速的相關(guān)性卻不強(qiáng)。我們認(rèn)為，經(jīng)濟(jì)強(qiáng)的省市對(duì)人口有長(zhǎng)期吸引力，同時(shí)我們認(rèn)為此規(guī)律也適用于城市。由此我們推測(cè)，未來(lái)直轄市和省會(huì)城市以及周邊有潛力的中小城市更具有人口吸引力和房地產(chǎn)行業(yè)發(fā)展?jié)摿ΑD12 2018 年 31 個(gè)省市 GDP 占比較 1999 年變化圖13 1999-2018 年常住人口年復(fù)合增速與 GDP 占比相關(guān)性2.0%1.5%1.0%0.5%0.0%-0.5%-1.0%-1.5%-2.0%-2.5%北天河山內(nèi)遼吉黑上江浙安福江山河湖湖廣廣海重四貴云西陜甘青寧

28、新京津北西蒙寧林龍海蘇江徽建西東南北南東西南慶川州南藏西肅海夏疆3.5%0%2%4%6%8%10%12%1999-2018年常住人口年復(fù)合增速3.0%2.5%2.0%1.5%1.0%0.5%0.0%-0.5%省和直轄市GDP占比 資料來(lái)源：Wind， 資料來(lái)源：Wind， 考慮產(chǎn)品選擇涉及微觀實(shí)體運(yùn)營(yíng)較多，本文暫時(shí)不深入討論。后部分集中分析城市選擇問(wèn)題。重點(diǎn) 50 城基本面分析基于上文對(duì)行業(yè)周期趨勢(shì)變化以及所造成的城市波動(dòng)影響，我們希望在下文中找出未來(lái)具備發(fā)展?jié)摿Φ闹攸c(diǎn)五十大城市。分線城市總量分析綜上所述，我們選取了 50 個(gè)我們認(rèn)為具備條件的中心城市及周邊中小城市（見(jiàn)表2）。2018 年 5

29、0 個(gè)樣本城市的合計(jì) GDP 占全國(guó)的 46.42%，常住人口占全國(guó)的 29.44%。我們認(rèn)為該 50 個(gè)城市具有一定代表性。在下面章節(jié)中，我們按照近十年（2008-2018 年，下同）的時(shí)間跨度，對(duì)城市常住人口和經(jīng)濟(jì)指標(biāo)數(shù)據(jù)進(jìn)行研究分析。表 2 50 個(gè)樣本城市名單序號(hào)一線城市序號(hào)二線城市序號(hào)三四線城市1北京1天津1珠海2上海2重慶2東莞3深圳3呼和浩特3無(wú)錫4廣州4杭州4蘇州5南京5嘉興6海口6寧波7福州7紹興8鄭州8漳州9長(zhǎng)沙9泉州10成都10長(zhǎng)治11貴陽(yáng)11九江12西安12煙臺(tái)13西寧13濰坊14石家莊14衡陽(yáng)15哈爾濱15洛陽(yáng)16太原16貴港17南昌17南充18濟(jì)南18廊坊19武漢1

30、9唐山20南寧20曲靖21蘭州21撫州22黃石23襄陽(yáng)24蚌埠25榆林資料來(lái)源：Wind、 圖14 樣本城市 GDP 及全國(guó)占比圖15 樣本城市常住人口及全國(guó)占比440000樣本城市GDP合計(jì)（億元，左軸）47.6%41200樣本城市常住總?cè)丝冢ㄈf(wàn)人，左軸）29.5%420000樣本城市GDP合計(jì)占全國(guó)比例（右軸）47.4%41000樣本城市常住總?cè)丝谡既珖?guó)比例（右軸）29.4%47.2%4080040000029.3%47.0%4060038000046.8%29.2%4040036000046.6%29.1%46.4%4020034000029.0%46.2%4000032000046.0

31、%3980028.9%30000045.8%3960028.8%201620172018201620172018資料來(lái)源：Wind， 資料來(lái)源：Wind， 我們認(rèn)為，樣本城市的人口流動(dòng)受到該城市經(jīng)濟(jì)發(fā)展水平、居民生活質(zhì)量、以及該城市所處區(qū)位等綜合因素影響。為此，我們分別選取 50 個(gè)城市的樣本城市 GDP 和樣本城市城鎮(zhèn)人均可支配收入指標(biāo)分別代表相應(yīng)城市的經(jīng)濟(jì)發(fā)展水平和當(dāng)?shù)鼐用裆钯|(zhì)量。同時(shí)，我們認(rèn)為樣本城市所處的區(qū)位影響因素可能與該城市周邊的大城市經(jīng)濟(jì)實(shí)力成正比，而與該城市距離輻射大城市的距離成反比。為此我們采取輻射城市 GDP/樣本城市與輻射城市間距離的復(fù)合指標(biāo)來(lái)表示樣本城市受其周邊大城市

32、的經(jīng)濟(jì)輻射程度的影響因素。首先，從樣本城市 2018 年常住人口總量上分析，50 個(gè)樣本城市中，一線城市常住人口均值為 1842.8 萬(wàn)人，二線城市常住人口均值為 904.2 萬(wàn)人，三四線城市常住人口均值為 588.6 萬(wàn)人。即一線城市常住人口數(shù)量均值高于二線城市，而二線城市常住人口數(shù)量均值高于三四線城市。同時(shí)，不同城市之間的常住人口數(shù)量差異較大。其中，一線城市中上海、北京的常住人口數(shù)量高于一線城市均值；二線城市中重慶、成都、天津等城市的常住人口數(shù)量高于二線城市均值；三四線城市中蘇州、濰坊等城市的常住人口數(shù)量高于三四線城市均值。而由于新成立合并區(qū)縣較多的緣故，五十城中重慶的常住人口數(shù)量最大。圖

33、16 50 個(gè)樣本城市 2018 年常住人口數(shù)量比較各樣本城市2018年常住人口（萬(wàn)人）分線城市均值（萬(wàn)人）一線城市二線城市三四線城市350030002500200015001000500上海北京廣州深圳重慶成都天津武漢石家莊鄭州西安杭州哈爾濱南京長(zhǎng)沙福州濟(jì)南南寧南昌貴陽(yáng)太原蘭州呼和浩特西寧?？谔K州濰坊泉州東莞寧波唐山衡陽(yáng)煙臺(tái)洛陽(yáng)無(wú)錫南充曲靖襄陽(yáng)漳州紹興九江廊坊嘉興貴港撫州長(zhǎng)治榆林蚌埠黃石珠海0資料來(lái)源：Wind、 其次，從樣本城市近十年的 GDP 總量上分析。50 個(gè)樣本城市中，一線城市近十年的 GDP 均值為 18178.3 億元，二線城市近十年的 GDP 均值為 5529.9 億元，三四

34、線城市近十年的 GDP 均值為 3474.9 億元。即一線城市近十年的 GDP 均值高于二線城市， 而二線城市近十年的 GDP 均值高于三四線城市。同時(shí)，不同城市之間近十年的 GDP 均值差異較大。其中，一線城市中上海、北京近十年的 GDP 均值超過(guò)一線城市均值； 二線城市中天津、重慶等城市近十年的 GDP 均值超過(guò)二線城市均值；三四線城市中蘇州、無(wú)錫、寧波等城市近十年的 GDP 均值超過(guò)三四線城市均值。圖17 50 個(gè)樣本城市近十年 GDP 均值比較各樣本城市近十年平均GDP（億元）分線城市均值（億元）一線城市二線城市三四線城市250002000015000100005000上海北京廣州深圳

35、天津重慶成都武漢杭州南京長(zhǎng)沙鄭州濟(jì)南西安哈爾濱福州石家莊南昌南寧太原呼和浩特貴陽(yáng)蘭州?？谖鲗幪K州無(wú)錫寧波煙臺(tái)東莞唐山泉州濰坊紹興嘉興洛陽(yáng)襄陽(yáng)榆林漳州衡陽(yáng)廊坊珠海九江曲靖南充長(zhǎng)治黃石蚌埠撫州貴港0資料來(lái)源：Wind、 從分線城市 GDP 逐年同比變化率分析，不同分線城市的 GDP 增速走勢(shì)趨同且差距逐漸收窄。2009 年因經(jīng)濟(jì)危機(jī)爆發(fā)影響，不同分線城市 GDP 同比增速均下滑， 2010-2011 年 GDP 保持高速增長(zhǎng)，2012 年開(kāi)始 GDP 增速放緩。2018 年，分線城市GDP 逐年同比變化率由高到低分別為三四線城市、一線城市和二線城市。圖18 分線城市 GDP 逐年同比變化率一線城市

36、二線城市三四線城市25%20%15%10%5%0%20082009201020112012201320142015201620172018資料來(lái)源：Wind， 第三，從樣本城市近十年的城鎮(zhèn)人均可支配收入均值上分析，50 個(gè)樣本城市中， 一線城市近十年的城鎮(zhèn)人均可支配收入均值為 42868 元，二線城市近十年的城鎮(zhèn)人均可支配收入均值為 28512 元，三四線城市近十年的城鎮(zhèn)人均可支配收入均值為 28675 元。即一線城市近十年的城鎮(zhèn)人均可支配收入均值高于二三四線城市，而二線城市和三四線城市之間近十年城鎮(zhèn)人均可支配收入均值的差異不大。其中，一線城市中上海、北京近十年的城鎮(zhèn)人均可支配收入均值略高于一

37、線城市均值；二線城市中杭州、南京等城市近十年的城鎮(zhèn)人均可支配收入均值超過(guò)二線城市均值；三四線城市中蘇州、寧波、東莞等城市近十年的城鎮(zhèn)人均可支配收入均值超過(guò)三四線城市均值。圖19 50 個(gè)樣本城市近十年城鎮(zhèn)人均可支配收入均值比較各樣本城市近十年平均城鎮(zhèn)人均可支配收入（元）分線城市均值（元）一線城市二線城市三四線城市5000045000400003500030000250002000015000100005000上海北京深圳廣州杭州南京濟(jì)南長(zhǎng)沙呼和浩特福州天津武漢西安成都南昌鄭州哈爾濱南寧石家莊海口太原重慶貴陽(yáng)蘭州西寧蘇州寧波東莞紹興無(wú)錫嘉興珠海泉州煙臺(tái)廊坊唐山濰坊漳州洛陽(yáng)榆林衡陽(yáng)曲靖九江長(zhǎng)治蚌埠

38、黃石貴港撫州襄陽(yáng)南充0資料來(lái)源：Wind、 從分線城市城鎮(zhèn)人均可支配收入逐年同比變化率分析，分線城市變化率波動(dòng)較大。除了 2008 年受金融危機(jī)影響而一線城市與二三四線城市趨勢(shì)相反以外，其余時(shí)間不同分線城市之間的城鎮(zhèn)人均可支配收入逐年同比增速的變動(dòng)趨勢(shì)大體相同。2018 年，分線城市城鎮(zhèn)人均可支配收入逐年同比變化率由高到低分別為一線城市、二線城市和三四線城市。圖20 分線城市城鎮(zhèn)人均可支配收入逐年同比變化率一線城市二線城市三四線城市16%14%12%10%8%6%4%2%0%20082009201020112012201320142015201620172018資料來(lái)源：Wind， 第四，從樣

39、本城市所處的區(qū)位影響因素總量上分析（采取前述輻射城市 GDP/樣本城市與輻射城市間距離的復(fù)合指標(biāo)表示。為了研究便利，當(dāng)研究的樣本城市為三四線城市時(shí)，該指標(biāo)中的輻射城市為該城市所在省的省會(huì)城市；當(dāng)研究的樣本城市為具有較強(qiáng)經(jīng)濟(jì)輻射能力的一二線城市本身時(shí)，該指標(biāo)中的輻射城市簡(jiǎn)化為該城市的中心點(diǎn)）， 2018 年 50 個(gè)樣本城市中，一線城市 2018 年所處的區(qū)位影響因素指標(biāo)均值為 644.3 億元/ km，二線城市 2018 年所處的區(qū)位影響因素指標(biāo)均值為 138.5 億元/km，三四線城市2018 年所處的區(qū)位影響因素指標(biāo)均值為 75.5 億元/km。即一線城市 2018 年所處的區(qū)位影響因素指

40、標(biāo)均值遠(yuǎn)高于二線城市，而二線城市 2018 年所處的區(qū)位影響因素指標(biāo)均值高于三四線城市。其中，一線城市中深圳、上海 2018 年所處的區(qū)位影響因素指標(biāo)高于一線城市均值；二線城市中天津、武漢、南京等城市 2018 年所處的區(qū)位影響因素指標(biāo)1200各樣本城市輻射城市2018年GDP/輻射城市與樣本城市距離（億元/KM)分線城市均值（億元/KM)10008006004002000一線城市二線城市三四線城市超過(guò)二線城市均值；三四線城市中東莞、紹興、珠海等城市 2018 年所處的區(qū)位影響因素指標(biāo)超過(guò)三四線城市均值。圖21 50 個(gè)樣本城市輻射城市 GDP/樣本城市與輻射城市距離比較深圳上海 廣州 北京天

41、津武漢南京 成都 鄭州杭州太原 長(zhǎng)沙 西安濟(jì)南福州重慶 南昌 石家莊貴陽(yáng)哈爾濱南寧 ?？?蘭州呼和浩特西寧東莞紹興珠海嘉興黃石寧波洛陽(yáng)無(wú)錫南充蘇州衡陽(yáng)蚌埠襄陽(yáng)撫州九江泉州濰坊曲靖漳州貴港廊坊長(zhǎng)治煙臺(tái)榆林唐山資料來(lái)源：Wind、 3.2 人口流入情況分析首先，從樣本城市常住人口近十年的絕對(duì)變動(dòng)上分析（即 2018 年城市常住人口較2008 年常住人口增長(zhǎng)數(shù)量，以萬(wàn)人為單位），50 個(gè)樣本城市中，一線城市常住人口近十年的絕對(duì)流入均值高于二線城市，而二線城市常住人口近十年的絕對(duì)流入均值高于三四線城市。其中，一線城市中上海、北京的常住人口近十年的絕對(duì)流入值較高；二線城市中天津、成都等城市常住人口近十年

42、的絕對(duì)流入值較高；三四線城市中蘇州、寧波、東莞等城市常住人口近十年的絕對(duì)流入值較高。50 個(gè)樣本城市中只有哈爾濱近十年呈現(xiàn)人口流出的趨勢(shì)。圖22 50 個(gè)樣本城市近十年常住人口絕對(duì)變化各樣本城市近十年常住人口絕對(duì)變化（萬(wàn)人）分線城市均值（萬(wàn)人）一線城市二線城市三四線城市600500400300200100上海北京廣州深圳天津成都鄭州重慶武漢杭州西安長(zhǎng)沙石家莊太原南昌福州南京濟(jì)南貴陽(yáng)?？诤艉秃铺靥m州南寧西寧哈爾濱蘇州寧波東莞廊坊泉州衡陽(yáng)唐山嘉興濰坊洛陽(yáng)無(wú)錫紹興珠海曲靖漳州襄陽(yáng)南充長(zhǎng)治蚌埠撫州貴港九江煙臺(tái)榆林黃石0-100資料來(lái)源：Wind、 其次，從樣本城市常住人口近十年的相對(duì)變動(dòng)上分析（即 2

43、018 年城市常住人口較2008 年常住人口增長(zhǎng)率，以百分?jǐn)?shù)為單位），50 個(gè)樣本城市中，一線城市常住人口近十年的相對(duì)變動(dòng)率均值為 31.4%，二線城市常住人口近十年的相對(duì)變動(dòng)率均值為17.9%，三四線城市常住人口近十年的相對(duì)變動(dòng)率均值為 8.07%。即一線城市常住人口近十年的相對(duì)變動(dòng)率均值高于二線城市，而二線城市常住人口近十年的相對(duì)變動(dòng)率均值高于三四線城市。其中，一線城市中深圳、廣州常住人口近十年的相對(duì)變動(dòng)率高于一線城市均值；二線城市中鄭州、天津等城市常住人口近十年的相對(duì)變動(dòng)率超過(guò)二線城市均值；三四線城市中珠海、廊坊、蘇州等城市常住人口近十年的相對(duì)變動(dòng)率超過(guò)三四線城市均值。圖23 50 個(gè)樣

44、本城市近十年常住人口相對(duì)變化各樣本城市近十年常住人口相對(duì)變化率（%）分線城市均值（%）一線城市二線城市三四線城市403530252015105深圳廣州上海北京鄭州天津成都太原?？陂L(zhǎng)沙武漢杭州南昌西安貴陽(yáng)呼和浩特蘭州福州濟(jì)南石家莊南京重慶西寧南寧哈爾濱珠海廊坊蘇州寧波東莞嘉興泉州紹興漳州無(wú)錫衡陽(yáng)洛陽(yáng)唐山曲靖蚌埠長(zhǎng)治濰坊撫州襄陽(yáng)貴港南充九江榆林黃石煙臺(tái)0-5-10資料來(lái)源：Wind、 從分線城市常住人口逐年同比變化率和三年移動(dòng)平均復(fù)合增速中可以看出：2010 年之前分線變化率波動(dòng)較大，近年來(lái)分線城市變化率波動(dòng)較為平穩(wěn)，而 2016 年之后二線和三四線城市常住人口逐年同比變化率逐步抬升，其中二線城市

45、常住人口逐年同比變化率開(kāi)始超過(guò)一線城市。圖24 分線城市常住人口逐年同比變化率一線城市二線城市三四線城市10%9%8%7%6%5%4%3%2%1%0%2009201020112012201320142015201620172018資料來(lái)源：Wind， 圖25 分線城市常住人口三年移動(dòng)平均復(fù)合增速一線城市二線城市三四線城市10%9%8%7%6%5%4%3%2%1%0%2009201020112012201320142015201620172018資料來(lái)源：Wind， 3.3 分線城市經(jīng)濟(jì)特征基于上述分析，我們進(jìn)一步探討近十年來(lái)樣本城市的 GDP、城鎮(zhèn)人均可支配收入， 以及樣本城市所處的區(qū)位影響因

46、素對(duì)城市常住人口變動(dòng)（包括絕對(duì)變動(dòng)和相對(duì)變動(dòng)率） 的影響。研究表明：首先，無(wú)論是樣本城市的 GDP、城鎮(zhèn)可支配收入，還是樣本城市所處的區(qū)位影響因素都與樣本城市的常住人口變動(dòng)（包括絕對(duì)變動(dòng)和相對(duì)變動(dòng)率）存在一定的正相關(guān)關(guān)系。我們認(rèn)為，樣本城市的經(jīng)濟(jì)綜合水平、居民生活質(zhì)量，以及該城市所處區(qū)位等因素都對(duì)樣本城市的常住人口流入產(chǎn)生了一定的正向推動(dòng)作用。其次，以樣本城市的 GDP 為例，其與樣本城市常住人口的絕對(duì)變動(dòng)之間的正相關(guān)關(guān)系要大于前者與后者的相對(duì)變動(dòng)率之間的正相關(guān)關(guān)系（城鎮(zhèn)可支配收入、樣本城市所處的區(qū)位影響因素的分析結(jié)果類似）。我們認(rèn)為，樣本城市的經(jīng)濟(jì)綜合水平、居民生活質(zhì)量，以及該城市所處區(qū)位等

47、因素對(duì)樣本城市的常住人口絕對(duì)變化規(guī)模影響程度更大。 圖26 樣本城市 GDP 對(duì)近十年常住人口相對(duì)變化率GDP對(duì)常住人口變化率35302520y = 0.0012x + 7.5077R = 0.33821510500500010000150002000025000-540圖27 樣本城市 GDP 對(duì)近十年常住人口絕對(duì)變化GDP對(duì)常住人口變化y = 0.0234x - 17.489R = 0.819305000100001500020000250006002018年較2008年常住人口增長(zhǎng)（萬(wàn)人）5002018年較2008年常住人口增長(zhǎng)（%）400300200100 -102008-2018年G

48、DP平均值（億元）0-1002008-2018年GDP平均值（億元）資料來(lái)源：Wind， 資料來(lái)源：Wind， 第三，以樣本城市常住人口的相對(duì)變動(dòng)率為例，樣本城市所處的區(qū)位影響因素與樣本城市常住人口的相對(duì)變動(dòng)率之間的正相關(guān)關(guān)系，其強(qiáng)度要大于樣本城市 GDP 因素和城鎮(zhèn)可支配收入因素與后者之間的正相關(guān)關(guān)系。我們認(rèn)為，人口流動(dòng)最容易受到該城市周邊的大城市或城市經(jīng)濟(jì)圈的經(jīng)濟(jì)輻射力的影響，特別是人口向一二線大城市流入逐步變得困難后，流動(dòng)人口傾向于退而求其次，流向大體量經(jīng)濟(jì)體的周邊中小城市的趨勢(shì)。 圖28 樣本城市城鎮(zhèn)人均可支配收入對(duì)近十年常住人口變化率0505城鎮(zhèn)人均可支配收入對(duì)常住人口變化率0y =

49、 0.0007x - 5.41965R = 0.231805015000-52000025000300003500040000450005000042018年較2008年常住人口增長(zhǎng)（%）332211圖29 樣本城市城鎮(zhèn)人均可支配收入對(duì)近十年常住人口變化城鎮(zhèn)人均可支配收入對(duì)常住人口變化500400y = 0.0093x - 165.1 R = 0.2913300200100015000200002500030000350004000045000500002018年較2008年常住人口增長(zhǎng)（萬(wàn)人）600-102008-2018年城鎮(zhèn)人口可支配收入平均值（元）-1002008-2018年城鎮(zhèn)人口可

50、支配收入平均值（元） 資料來(lái)源：Wind， 資料來(lái)源：Wind， 第四，以樣本城市常住人口的相對(duì)變動(dòng)率為例，樣本城市的 GDP 因素與樣本城市常住人口的相對(duì)變動(dòng)率之間的正相關(guān)關(guān)系，其強(qiáng)度要大于樣本城市的城鎮(zhèn)可支配收入因素與后者之間的正相關(guān)關(guān)系。我們認(rèn)為，樣本城市的經(jīng)濟(jì)體量所反映的整體經(jīng)濟(jì)發(fā)展水平是影響人口流入的一個(gè)相對(duì)重要因素。我們認(rèn)為，由于經(jīng)濟(jì)體量大的城市能夠提供更多的就業(yè)崗位，從而為外出務(wù)工人員提供了更大空間遷入。另外，盡管人口更傾向于流入收入和生活水平高的城市，但是考慮到外出務(wù)工人員受知識(shí)水平等所限而大多從事薪酬較低的加工制造業(yè)，因此對(duì)于他們更具有吸引力的往往是有著更多就業(yè)機(jī)會(huì)的城市，

51、而非更高生活質(zhì)量的小而美的城市。從具體城市上看，發(fā)展較早且發(fā)達(dá)的城市（如上海、北京、蘇州等）的常住人口流入的絕對(duì)數(shù)值很高，但人口基數(shù)大也使得人口的相對(duì)變化率表現(xiàn)一般；而近些年發(fā)展迅速的城市（如深圳、鄭州、珠海等）的常住人口流入的相對(duì)變化率表現(xiàn)則更好。 圖30 輻射城市 GDP/城市間距離對(duì)近十年常住人口變化率“GDP/距離 對(duì)常住人口變化率y = 0.0191x + 9.2213R = 0.46330500100015002000250050圖31 輻射城市 GDP/城市間距離對(duì)近十年常住人口變化GDP/距離對(duì)常住人口變化y = 0.29x + 38.258 R = 0.66590500100

52、01500200025007002018年較2008年常住人口增長(zhǎng)（萬(wàn)人）6002018年較2008年常住人口增長(zhǎng)（%）405003040030020200101000-102018年GDP/距離（億元/km)0-1002018年GDP/距離（億元/km) 資料來(lái)源：Wind， 資料來(lái)源：Wind， 3.4 分線城市綜合因素排名綜上所述，我們從 GDP 增速、人均可支配收入、區(qū)位因素三個(gè)指標(biāo)分別給 50 個(gè)樣本城市進(jìn)行賦分，由高到低挑選出最佳的 14 個(gè)城市。對(duì)于每項(xiàng)指標(biāo)，假設(shè)全國(guó)平均指標(biāo)賦值折算為標(biāo)準(zhǔn)分 1 分，每個(gè)樣本城市按照其指標(biāo)值對(duì)應(yīng)全國(guó)平均指標(biāo)賦值的倍數(shù)折算為相應(yīng)的標(biāo)準(zhǔn)分，最后將每個(gè)樣本城市的三個(gè)指標(biāo)標(biāo)準(zhǔn)分加總算出總分，從而挑選出分?jǐn)?shù)最高的前 14 個(gè)城市。方法一：采取 2018 年樣本城市指