国内建筑涂料市场影响因素与预测分析

够精准预测行业趋势对各涂料厂商精准决策和投资,提升企业经营质量具有重要意义。文章收集了 近12年建筑业总产值、房地产投资、城镇常住居民人口、M2和GDP等影响建筑涂料市场的数据，通过 回归分析的方法得出：各影响因素与建筑涂料产量存在紧密且正相关的定量关系，并由此预测了国

内建筑涂料市场在未来3年将稳步发展。关键词:建筑涂料;房地产投资;GDP；回归分析;预测中图分类号:TQ635. 5

科 学 文献标识码：A 文章编号:0253-4312(2020)01 -0083-05doi：10. 12020/j. issn. 0253-4312. 2020. 1. 83视 Influencing Factors and Forecast Analysis of Domestic Architectural

Coatings MarketTian Jian1, Zhen Jiangbo1, Li Tan2(1. Jiangsu University of Science and Technology, Zhenjiang, Jiangsu 212003, China; 2. CNOOC Changzhou

Coatings Chemical Research Institute Co., Ltd., Changzhou, Jiangsu 213016, C/iinu)点Abstract： At present, China's domestic architectural coatings market is the largest in the world. Every coatings manufacturer competes fiercely in the Chinese architectural paint

market. It is of great significance for paint manufacturers to make precise decisions and

investments and to improve their business quality by accurately predicting the industry trends. This paper collected the data in the last 12 years of the total output value of construction

industry, real estate investment, urban resident population, M2 and GDP that affected the architectural coatings market. By regression analysis, it was concluded that there was a close and positive quantitative relationship between the influencing factors and the production volume of architectural coatings, based on which, it was predicted that the domestic

architectural coatings market would develop steadily in the next three years.Key words: architectural coatings; real estate investment; GDP; regression analysis;

prediction2018年，全球涂料市场达到1.649亿美元，亚太

2/3⑴。截止到2018年底，我国建筑涂料总产量约为地区占了总量的一半，中国市场约占亚太地区的 717.6万t,占全国涂料总产量的40%左右叫 中国建［基金项目］国家社会科学基金项目：生命周期视角下众创空间创业生态系统演化机理与运行绩效研究(项目批准号：17BGL028) 作者简介：田剑(1971-),男，安徽蚌埠人，江苏科技大学教授，主要从事市场营销研究。田剑等：国内建筑涂料市场影响因素与预测分析筑涂料行业是市场化的，基本上是以销定产，且生产 本地化，进出口很少，因此，产量可以近似看成销

涂料市场积极发展RF。由此可得如下假设：房地产 投资对建筑涂料产量产生正向影响。量現准确预测中国建筑涂料市场的发展趋势，对国 内外的涂料企业都有很大的指导意义，能为企业正

1.3城镇常住居民人口(XJ与建筑涂料产量

(门的关系城镇化水平与房地产需求、房地产供给之间都

确决策提供参考依据，使各厂商采取合适的策略谋 求更快更大的发展。存在显著的正向相关。城镇化率每提高1%,将会带 来122. 34万n?的房地产需求。同时城镇化率每提高

建筑涂料市场的发展预测受到相关研究机构和 专家的关注。前瞻产业研究院结合近年来房地产行 业的景气程度，预计建筑涂料产量将维持中低速增

1%,也促进70. 79亿元房地产开发投资活动的开

展叫城镇化率的提升说明城镇常住居民人口的增

长,2019—2023年,建筑涂料产量将分别达到779万t、

加，城镇常住居民人口的增加又促进建筑涂料的使

810万t、842万t、876万t、911万t旳。涂料行业专家 林宣益结合中国外部环境，国内GDP、M2、全社会固 定资产投资、民间固定资产投资的国内发展状态，房

用。由此可得如下假设：城镇常住居民人口对建筑 涂料产量产生正向影响。科 地产投资情况和自身多年的行业经验等多维度的综

1.4 M2(XJ与建筑涂料产量(刃的关系近20年中国广义货币(M2)年增长,2008年，随着

学 视 合推演预测2019年建筑涂料产量估计约以3%增速 发展叫世界涂料理事会会长、美国涂料工业协会会 长安迪•道约尔(Andy Doyle)于2019年3月在濮阳市 召开的“2019中国涂料大会——致敬改革开放40年”

4万亿经济刺激政策的出台，中国M2的增速加快。此 后M2的变化始终处于高位，中国M2近20年每年增速 在16%以上,最高年增速超过48%。中国M2增长速 度迅速，但中国的通货膨胀并不快，这主要是被投资 到房地产业，房地产业的资金蓄水池效应明显(测，也

点的会议中预测到2020年中国涂料仍有高于5%的增 长速度冋。上述专家主要采用逐年和区域进行类比 递推以及人均消费对比的方法进行预测。在大数据

刺激建筑涂料行业的迅猛发展。由此可得如下假设:

时代的背景下，本文首次运用10年来收集的涂料产

广义货币量对建筑涂料产量产生正向影响。量和关联行业的数据，将相关的影响因素进行模型 构建，对数据进行回归分析得岀未来3年我国涂料市

1.5 GDP(Xj与建筑涂料产量(门的关系一直以来，我国房地产业在GDP中占有非常高

场的预测结果,为各涂料厂商的决策提供参考。的比重。2018年房地产销售14. 99万亿元，我国GDP 突破了 90万亿，占GDP总值的1/6,GDP和房地产业

1国内建筑涂料产量的影响因素模型

的构建的关系非常紧密叫GDP促进房地产业，同时带动建

筑涂料的发展。由此可得如下假设：GDP对建筑涂 料产量产生正向影响。1.1建筑总产值(XJ与建筑涂料产量(丫)的

关系在主要建材产品的消费中，建筑业占到50%~

综上,得出如下预测模型：Y=f(X1,X2,X3,X4,X5)70%；同时，在建筑产品造价中，建筑材料占70%以 上。因此，建筑业和建材业是相互依存、相互制约、 紧密相关的两大产业叫由此可得如下假设：建筑总

2数据收集和模型修正在查阅2007—2018年相关统计年鉴、国家统计

产值对建筑涂料产量产生正向影响。局及相关行业组织发布的数据基础上，整合我国建 筑涂料产量以及相关影响因素的数据，如表1所示。

1.2房地产投资(X?)与建筑涂料产量(丫)的

关系近年来中国房地产开发投资一直保持较快增长 态势。房地产行业作为中国经济的支柱性产业，作

2.1用SPSS软件对原始数据的各因素进行

共线性分析各因素共线性数据如表2所示。观察特征值和条件指标2个参数,J,,X2,X3,X4, /的特征值都接近0,条件指标都大于10,说明自变

为建筑涂料行业的直接下游产业，对建筑涂料的发 展起到至关重要的作用，2017年在“住房不炒”的基

调下,房地产开发投资依旧保持高速增长，拉动建筑 量之间存在严重的多重共线性。将Y依次和各自变田剑等：国内建筑涂料市场影响因素与预测分析表1 2007—2018年建筑涂料产量及相关因素的数据Table 1 Data of architectural coatings production and related factors in 2007—20181项目20072008年份2009201020112012201320142015201620172018年“万t年年年年年年年年年年年179.6194. 1261.7351.8345.541647855495.03660263& 9680. 1717.6扎/千亿元50. 01862.03276. 80296.026116.461137. 214160. 362176.703180.749193. 665213. 947235.085禺/千亿元25. 2831. 20336. 24148. 25961.796禺/千亿元59. 37960.66764.51266. 97869.07971.80386.01373.11195. 979102. 581109. 799120. 26477.11671.18297.4185.674.916122.84104.879.298155.0181.34783.137千亿元40. 3447. 5260.6272. 5985. 1675.7110.6596.1

139. 23110.6167.68122.4182. 67130.3//千亿元35.54652.261111.9表2各因素共线性诊断*Table 2 Colinearity diagnosis of various factors科 X、 0. 00模型维特征值条件指标方差比例学 常量

X、0. 00X] 0. 000. 00X, 0. 000. 000. 280.01X,0. 000. 000.01视 125. 8450. 1521.0000. 000. 006. 19844. 9670. 000. 000. 060. 000. 000. 000.01点1 30. 0030. 0000. 0004. 265x10-'0. 000. 020.010. 020. 190. 660. 1445140. 578214.0920. 740. 880. 060. 490.210. 000. 256370. 1690. 970. 99注:a—因变量：建筑涂料产量（万t）。量进行回归分析得出之间的关系。小于显著性水平0.05,T检验通过。得出回归方

2.2 丫和X’的回归分析对y和&做对数处理，得到的数据如表3所示。程：InV=l. 4898+0. 9341nX,o其中:R是因变量自变量的相关系数,F显著性是 整个模型的显著性检验,P值是拒绝原假设的值检

用EXCEL软件回归得出：疋=0. 9834，说明回归 方程对样本数据拟合很好；F显著性为3. 15x10-1。,

验是每个自变量的显著性检验,In是以常数e为底数 的对数，下同。小于0.05』的检验通过，截距和自变量的P值远

表3 lny和lnX]的数据Table 3 Data of lnY and lnX1年份项目2007 20082009201020112012201320142015201620172018年年年年年年年年年年年年InY5. 193.915. 274. 135.575. 864. 565.844. 766. 034. 926. 175.086. 326. 406. 466. 525.376.58lnX14. 345. 175.205. 275.462.3 y和X?的回归分析

对y和禺做对数处理，得到的数据如表4 所示。

用EXCEL软件回归得出：F=o.9753,说明回归方程对样本数据拟合很好；F显著性为2. 89X10-%小于0.05,F的检验通过，截距和自变量的P值远田剑等:国内建筑涂料市场影响因素与预测分析表4 lny和1忒2的数据Table 4 Data of lnK and lnX2年份项目200720082009201020112012201320142015201620172018年年年年年年年年年年年年\\nY5. 193.235.273.445.573.595. 865. 856. 036. 174.456. 324. 556. 404. 566. 466. 524. 706. 58lnX23. 884. 124. 274. 634. 79小于显著性水平0. 05,T检验通过。得出回归方程：

2.5 y和X』的回归分析对y和乙做对数处理，得到的数据如表6所示。用EXCEL软件回归得出：RM). 9875,说明回归

\\nY=2. 293+0. 891il¥2O2.4 丫和X3的回归分析对y和禺做对数处理，得到的数据如表5

方程对样本数据拟合很好；F显著性为7. 42x10-\

所示。用EXCEL软件回归得出：用=0. 9819,说明回归 方程对样本数据拟合很好；F显著性为4. 87x10-°, 小于0.05, F的检验通过，截距和自变量的P值远 小于显著性水平0. 05,T检验通过。得岀回归方程：

小于0.05, F检验通过，截距和自变量的P值远小 于显著性水平0.05,7检验通过。得出回归方程：

lny=l. 65+0. 9561nJ4O2.6 y和X5的回归分析对y和堆做对数处理，得到的数据如表7

lnF=-12. 1961+4. 2681血所示。表5 lnF和InJG的数据

Table 5 Data of lnK and \\nX3年份项目200720082009201020112012 201320142015201620172018年年年年年年 年年年年年年\\nY 5. 19 5.27 5.57

4. 17

5. 86 4.20

5. 84 6.03 4.27

6. 17 6.32 6.40 6.46 4.37

6.52

4.40

6.584.42lnX3 4.08 4. 11 4.24 4.29 4.32 第 35

表6 lnY和InXq的数据Table 6 Data of \\nY and \\nX4年份项目200720082009201020112012201320142015201620172018年年年年年年年年年年年年lnKlnX45. 193.705.273. 865.574. 105. 865. 844. 446. 034.586. 176. 324.816. 404. 946. 465.046. 525. 126.584. 284.715.21表7 lnY和InJG的数据

Table 7 Data of lnY and \\nX5年份项目20072008200920102011201220132014201520162017 2018年年年年年年年年年年年年InY5. 193. 575.273. 835.573.965. 865. 844. 336. 036. 176. 326. 404.716. 466. 526. 584. 87lnX54. 114. 454. 574. 654. 724.81田剑等:国内建筑涂料市场影响因素与预测分析用EXCEL软件回归得出：R2=0. 9717,说明回归 方程对样本数据拟合很好；F显著性为4.51x10\ 小于0.05, F的检验通过，截距和自变量的P值远

升的基调下，同时随着重涂市场的到来，为建筑涂料

行业的发展提供了有力支持，总体来看,建筑涂料行

业进入稳定发展期。预计在接下来的3 a内，建筑涂 料产量保持以6. 2%的速度成长。到2021年,建筑涂

小于显著性水平0.05,7检验通过。得岀回归方程:

lny=l. 1348+1. 11481nX5O料产量将会达到859. 62万t。对各涂料厂商来说，中

3国内建筑涂料市场的预测分析根据我国稳步发展的态势来看，保守估计2019 年、2020年、2021年的GDP增长率分别为6.3%、

国建筑涂料市场仍有很好的市场潜力和存在良好的 机遇，各涂料厂商应理性进行营销战略选择,争取更

大更快的发展。在大数据时代的背景下，建筑涂料行业应该重

6. 2%、5. 9%叫GDP依次为138. 5千亿美元J47. 1千

亿美元、155.8千亿美元。通过代入公式可得2019

视数据的保存和整理，应用大数据的技术来准确预

测市场前景以及促进销售。当然本文还有不足之

年、2020年、2021年的建筑涂料产量和年增长率， 见表8。处，本文考虑的建筑涂料行业与建筑业产值、房地产 投资、城镇化、M2和GDP的关联性，各因素之间存在

表8 2019—2021年涂料建筑产量和年增长率数据

Table 8 Data of architectural coatings productionand annual growth rate in 2019-2021很强的共线性。此外一些旧房翻新的面积等没有详

细统计在内，因此还可以通过更多的因素和更多的 数据来进行进一步的研究。项目年份 _________

201920202021参考文献[1 ] World's top ten paints companies 2 018 annual report [EB/OL],

建筑涂料产量/万t年增长率/%75& 85.8811.5859.65.96.9Washington： WPC1A[2O18-01-05], http：//www. wpcia.

org/news/ World% 27s% 20Top% 20ten% 20Paints% 20Com-

综上分析，在中国房地产投资稳步发展的情况

panies%202018%20Annual%20Report. html.[2 ]陶晓倩.2018年中国建筑涂料产业年度分析报告[EB/OL].

产业研报[2019-04-09]. http：//www. sohu. com /a /306691396_

下，涂料产量也相应地稳步提升。同时，随着市场建 筑总存量的增加，旧房翻新和外墙重涂市场的逐步 来临,建筑涂料产量在未来3 a稳步增长。313697.[3] 林宣益.2018年建筑涂料现状和2019年展望[J].中国涂

料,2019,34(3):28-34.将建筑涂料产量代入相关公式，可分别得出各 相关因素的预测值，如表9所示。[4] 2018年建筑涂料发展分析，建筑涂料产量将维持中低速

涨幅[EB/OL], [2018-07-03], https：//www. sohu. com/a/

表9 2019—2021年各相关因素的数据Table 9 Data of related factors in 2019-2021239212560_717107.项目建筑涂料产量/万t建筑业总产值/千亿元年份2019 年2020 年2021 年[5 ]中国涂料工业2018年业绩出炉：产量、营收、利润齐增长

[EB/0L]. [2019-04-01]. http：//news, ejianlian. com/ar- chives/39298.75& 8811.5859.6[6] 杨琼.浅析建筑业发展对建筑材料工业的影响[J].安徽

建筑,2001,70(6):98-99.246.0131.082.4264.3141.283.7281. 1150.7房地产投资/千亿元城镇化常住居民/千万[7] 谢福泉；黄俊晖.城镇化与房地产市场供需：基于中国数

据的检验[J].上海经济研究,2013,12(8):115-123.84.820& 8155.8M2/万亿元GDP/千亿美元183.313& 5196.6147. 1[8 ]夏慧异.财政收入和广义货币量(M2)对房地产的影响

分析[J].统计与决策2014(7):153-155.[9]驻哈萨克经商参处.普华永道预测2019年全球经济增

4结语

在国内良好的宏观经济下，房地产行业稳中有

长放缓[EB/OL]. [2019-01 -11]. http://www. mofcom. gov.

cn/article/i/jyjl/e/201901/20190102826229. shtml.收稿日期2019-10-31(修改稿)