国内建筑涂料市场影响因素与预测分析

　　2018年，全球涂料市场达到1.649亿美元，亚太地区占了总量的一半，中国市场约占亚太地区的2/3。截止到2018年底，我国建筑涂料总产量为717.6万t，占全国涂料总产量的40%左右。中国建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量。能够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。

　　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长，2019-2023年，建筑涂料产量依次将分别达到为779万t、810万t、842万t、876万t、911万t。国内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，房地产投资情况和自身多年的行业经验等多维度的综合的推演预测2019年建筑涂料产量估计约以3%增速发展。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)预测中国涂料将有高于5%的增长速度增长。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。在大数据时代的背景下，本文首次运用10年来收集的涂料产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出未来3年我国涂料市场的预测结果，为各涂料厂商的决策提供参考。

　　1国内建筑涂料产量的影响因素模型的构建

　　1.1建筑总产值（X1）与建筑涂料产量（Y）的关系

　　在主要建材产品的消费中，建筑业占到50%~70%；同时，在建筑产品造价中，建筑材料约占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。建筑涂料主要使用在建筑物的内外表面，发挥保护和装饰作用，是建筑材料的主要材料之一，和建筑业的发展密切相关，由此可得如下假设：建筑总产值对建筑涂料产量产生正向影响。

　　1.2房地产投资（X2）与建筑涂料产量（Y）的关系

　　近几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，拉动建筑涂料市场积极发展。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。

　　1.3城镇常住居民人口（X3）与建筑涂料产量（Y）的关系

　　城镇化水平与房地产需求、房地产供给之间都存在显著的正向相关关系。城镇化率每提高1%,，将会带来122.34万m2的房地产需求。同时城镇化率每提高1%，也促进70.79亿元房地产开发投资活动的开展，城镇化率的提升说明城镇常住居民人口的增加，城镇常住居民人口的增加促进建筑涂料的使用。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。

　　1.4 M2（X4）与建筑涂料产量（Y）的关系

　　近二十年20年中国广义货币（M2）年增长，2008年，随着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，也刺激建筑涂料行业的迅猛发展。由此可得如下假设：广义货币量对建筑涂料产量产生正向影响。

　　1.5 GDP（X5）与建筑涂料产量（Y）的关系

　　一直以来，我国房地产业在GDP的中占有非常高的比重。2018年房地产销售14.99万亿元，我国约等于15万亿，GDP突破了90万亿，占GDP总值的1/6，GDP和房地产业的关系非常紧密。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。综上，得出如下预测模型：Y=f(X1,X2,X3,X4,X5)

　　2数据收集和模型修正

　　在查阅2007-2018年相关统计年鉴、国家统计局及相关行业组织中国工业涂料协会发布的数据基础上，整理出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。

　　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两2个参数，X1,X2,X3,X4,X5的特征值都接近0，条件指标都大于10，说明自变量之间存在严重的多重共线性。将Y依次和各自变量进行回归分析，得出之间的关系。

　　2.2 Y和X1的回归分析

　　对先Y和X1做对数处理，得到的数据如表3所示。

　　用EXCEL软件回归得出：R2=0.9834,说明回归方程对样本数据拟合很好；F显著性为3.15x10-10，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。得出回归方程：lnY=1.4898+0.934lnX1。

　　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，T检验是每个自变量的显著性检验。，ln是以常数e为底数的对数，下同。

　　2.3 Y和X2的回归分析

　　先对Y和X2做对数处理,得到的数据如表4所示。

　　用EXCEL软件回归得出：R2=0.9753,说明回归方程对样本数据拟合很好；F显著性为2.89x10-9,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。得出回归方程：lnY=2.293+0.89lnX2。

　　2.4 Y和X3的回归分析

　　对Y和X3做对数处理,得到的数据如表5所示。

　　用EXCEL软件回归得出：R2=0.9819,说明回归方程对样本数据拟合很好；F显著性为4.87x10-10,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。得出回归方程：lnY=-12.1961+4.268lnX3。

　　2.5 Y和X4的回归分析

　　对Y和X4做先对数处理，得到的数据如表6所示。

　　用EXCEL软件回归得出：R2=0.9875，说明回归方程对样本数据拟合很好；F显著性为7.42x10-11，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，T检验通过。得出回归方程：lnY=1.65+0.956lnX4。

　　2.6 Y和X5的回归分析

　　对Y和X5做对数处理，得到的数据如表7所示。

　　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4.51x10-09，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。得出回归方程：lnY=1.1348+1.1148lnX5。

　　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GDP增长率分别为6.3％、6.2％、5.9％，GDP以此依次为138.5千亿美元、147.1千亿美元、155.8万千亿美元。通过代入公式可得2019年、2020年、2021年的建筑涂料产量和年增长率，见表8。

　　综上分析，在中国房地产投资稳步发展的情况下，涂料产量也相应的地稳步提升。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。

　　将建筑涂料产量带入代入相关公式，可分别得出各相关因素的预测值，如表9所示。

　　4结语

　　在国内良好的宏观经济下，房地产行业稳中有升的基调下，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3a内，建筑涂料产量保持以6.2%的速度成长。到2021年，建筑涂料产量将会达到859.62万t。对各涂料厂商来说，中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。