房地产上市公司盈利能力实证分析

杨亚萍

摘 要：近年来，房地产市场过热导致的房价快速增长以及市场供给不平衡，使得房产从一个生活必需品变为奢侈品，给我国经济建设带来了一定的影响。因此，选取有代表性的33家房地产上市公司十一年的财务数据作为观测对象，运用SPSS中的因子分析法对房地产上市公司的盈利能力进行综合性评价。

关键词：房地产；盈利能力；因子分析

中图分类号：F293.3 文献标志码：A 文章编号：1673-291X（2017）25-0066-04

一、研究设计

1.样本数据来源。本文主要研究的是房地产调控政策对房地产上市公司盈利能力的影响，需要2005—2015年共十一年的该行业上市公司的年度10项财务指标分别是营业利润率、销售毛利率、销售净利率、净利润增长率、资本保值增值率、净资产收益率、总资产收益率、每股收益、每股净资产、每股现金流量。

2.样本数据选取。根据2013年4月最新的中国证券监督管理委员会对上市公司行业分类的划分，房地产业代码为K，行业大类代码为70，该大类里包括在上海证券交易所以及深圳证券交易所上市的公司一共有139家。为了真实地反映房产调控政策与房地产上市公司盈利能力的相关性，同时考虑到数据分析的完整性与连续性，保证实证研究结果的准确性和客观性，故依以下标准对房地产上市公司的进行筛选。

（1）由于ST股上市公司的某些财务数据没有意义，对统计结果有较大影响，所以样本选取时剔除了ST股，此类公司有3家。（2）本文研究的是房产调控政策对房地产上市公司的盈利能力的影响，故选取的财务数据从2005年开始，因此这136家非ST公司中要选取2004年12月31日前上市并至目前未退市的公司，这样保证了数据的相对完整性。（3）为了使研究结果具有全国地区代表性，故只选取全国性地产公司。（4）为了使研究结果具有可信度，在选取样本时将资产负债率大于100%的公司以及房产经营业务占总业务30%以下的公司剔除在外。（5）由于股票市场存在A股公司和B、H股公司，而这两类股票在编制财务报表时遵循不同的会计准则（A股公司遵循中国会计准则；B、H股公司遵循国际会计准则），因此没有可比性，所以在选取样本时也排除了仅上市B、H股的公司，只取A股上市公司。

到此，选取的房地产上市公司的样本共33个。其中，19家在上海交易所上市，14家在深圳交易所上市。

3.样本所选取的指标。每个样本选取10个指标值，即营业利润率、销售毛利率、销售净利率、净利润增长率、资本保值增值率、净资产收益率、总资产收益率、每股收益、每股净资产、每股现金流量。其中，资本保值增值率、总资产收益率两个指标是通过其他相关数据计算得来，其余8个数据均是原始数据未经改动。

4.研究方法。由于所研究的问题是要找出综合的指标，为此，我们选用因子分析法为本文的研究方法。因子分析法是一种针对多变量的多元统计方法，从所要研究的所有变量内部的依赖关系出发，剔除重叠信息，将原有的变量归结为几个相互之间相关性小，但内部相关性高的变量，再用这些变量来解决所要研究的问题。

5.数据处理工具。SPSS（Statistical Package for the Social Sciences 的缩写）提供了从简单的统计描述到复杂的多因素统计分析方法，比如数据的探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、Logistic回归等。能够读取及输出多种格式的文件，比如由DBASE、FoxBASE、FOXPRO产生的dbf文件，文本编辑器软件生成的ASCII数据文件，Excel的*.xls文件等均可转换成可供分析的SPSS数据文件，能够把SPSS的图形转换为7种图形文件，结果可保存为txt、word、PPT及html格式的文件。正因为其强大的功能，已经被广泛地应用于医学、心理学、工业、经济学、生物学、教育学，以及体育、农业、林业和金融等各个领域。

二、数据分析过程及解析

1.对样本数据进行描述性分析。由于原始指标的量纲或经济意义不同，有时若将原始指标直接求综合得分，其结果在经济意义上无法解释。此时，需要将原始数据经过某种方法后，使其具有经济意义。对原始数据的处理有很多方法，比如均值化、标准化、级差正规化。在SPSS 中运用因子分析法时，系统会自动将数据处理，而得出的结果中不会显示其处理过程。但是，可以手动单独对数据进行标准化处理，在SPSS19.0中点击“分析”中的“描述统计”下的“描述”即可生成标准化后的数据（如下表所示）。经过描述性统计以后，我们得到了样本的极大值、极小值、均值、标准差以及方差。

2.原始数据相关矩阵分析。通过对原始数据的同向化后发现，所选取的指标中属于同一性质的相关度都比较高，例如，净资产收益率与净利润增长率相关度为0.89，每股净资产与每股收益相关度为0.764。但有些指标不属于同一属性其相关度也达到一半左右，这说明我们的基础数据中还是存在一些信息重叠的问题，比如资产报酬率和营业利润率的相关度为0.487，净资产收益率与净利润增长率之间的相关度为0.49，资本保值增值率与净资产收益率的相关度为0.43，资本保值增值率与每股收益的相关度为0.49，资产报酬率与总资产收益率之间的相关度为0.486。存在重叠信息既需要进行降低维度的處理，即减少指标，选取重要的指标，只有这样才能更好地反映上市公司的盈利能力，而因子分析法正是解决这种问题的办法。

3.KMO测度和巴特里特球体检验。由于人为原因，所选取的指标可能存在重合或是相关性不高，正如上边分析道德。为此，我们利用SPSS中的主成分分析法进行指标分析，用以剔除重叠信息，综合评价房地产上市公司的盈利能力，从而找出主要指标。将原始数据带入SPSSl9.0做检验，KMO值为0.705，说明对该样本可以使用因子分析。巴特利特球体检验的结果为931.948，自由度为55，显著性水平为0.000<0.05，拒绝0假设，可以进行因子分析。通过以上检验可以说明，用因子分析来进行盈利能力的统计分析可以取得良好的效果。

4.计算公共因子的共性方差hi2。本文选取10个指标，用因子分析法提取公共因子，从中可以看出各变量的共同度都比较大，其中共同度过最高的前3个是每股收益0.918，营业利润率0.873，销售净利润0.85，即抽取的公共因子对这3个变量的方差做出的贡献最大。共同度是抽出的公共因子对变量方差的估计，若其取值比较大，则表示抽取的主成分能够很好地代表原变量；反之，表示共同度取值较小，需要重新抽取，从表中看都在70%以上。所以，本文采用因子分析法效果是显著的。

5.根据解释的总方差确定主因子个数。从因子解释的总方差情况可以看到，旋转后特征值大于1的因子有4个，第一个因子的特征根为3.76，解释了原有10个变量总方差的37.611%，累积方差贡献率为37.611%；第二个因子的特征根为2.357，解释了原有10个变量总方差的23.568%，累积方差贡献率为61.179%；第三个因子的特征值为1.177，解释了原有10个变量总方差的11.771%，累积方差贡献率为72.95%；第4个因子的特征值为1.084，解释了原有10个变量总方差的10.844%，累积方差贡献率为83.794%。即这4个因子的累积方差贡献率已经大于80%，可以代表原有的10个变量，做主因子进行盈利能力分析。

6.因子荷载矩阵。成分矩阵又叫因子荷载矩阵，主因子1上的荷载有些过重，如营业利润率0.747，销售毛利率0.626，销售净利率0.714，净资产收益率0.597，每股收益0.611，它们在因子1上的负载都超过了50%，并且，每一个指标在每一个因子上的负重都比较均匀，这就很难界定各因子的解释。因此，我们需要采用另一种方法对主因子进行界定，这里采用正交旋转方法。

7.根据旋转后的因子载荷矩阵计算主成份值。为了使主因子能够有更明确的含义，从而得到一个更易于解释、更简单的结构，对原样本能清楚地观察，在此需要对原因子载荷矩阵进行调整，这里我们用最正交旋转法。旋转后的因子载荷矩阵可以看出，第一主因子主要由营业利润率、销售净利润、销售毛利率决定，它们在主因子1上的荷载分别为0.740、0.790、0.829；第二主因子主要由每股收益、每股净资产决定，它们在主因子2上的荷载分别为0.835、0.836；第三主因子主要由净利润增长率、净资产收益率、总资产收益率决定，它们在主因子3上的荷载分别为0.773、0.615、0.483；第四主因子主要由资本保值增值率、每股现金流量决定，它们在主因子4上的荷载分别为0.564、0.829。由以上结果可以确定，第一个因子主要反映上市公司的经营盈利能力fac1，第二个因子主要反映市场价值盈利能力fac2，第三个因子主要表示上市公司的资产运用能力fac3，第四个因子主要表示上市公司的发展能力fac4 。

8.因子成分转换矩阵。对以上分析所得的4个主因子进行成分转换，它表示主因子在旋转前后的关系，即旋转之前的因子荷载矩阵与该矩阵相乘等于旋转后的因子荷载矩阵。

9.计算因子得分。为各因子给出评分，根据因子得分系数和原始变量的值可以计算每个观测量的各因子的分数，并可以据此对观测量做进一步分析。旋转后每个因子在原始变量上的比重，可以得出各因子的分数如下：

Fac1=0.341营业利润率+0.414销售毛利率+0.413销售净利率-0.1净利润增长率-0.189资本保值增值率-0.01净资产收益率+0.149总资产收益率-0.043每股收益-0.04每股净资产-0.076每股现金流量

Fac2=0.05营业利润率-0.022销售毛利率-0.097销售净利率-0.095净利润增长率+0.113资本保值增值率+0.084净资产收益率-0.206总资产收益率+0.522每股收益+0.561每股净资产+0.088每股现金流量

Fac3=-0.008营业利润率-0.149销售毛利率-0.005销售净利率+0.572净利润增长率+0.297资本保值增值率+

0.383净资产收益率+0.322总资产收益率-0.008每股收益-0.162每股净资产+0.159每股现金流量

Fac4=0.052营业利润率+0.035销售毛利率-0.023销售净利率+0.21净利润增长率-0.516资本保值增值率-0.147净资产收益率-0.022总资产收益率-0.022每股收益+0.066每股净资产+0.76每股现金流量

10.因子得分协方差矩阵。最后，取得4个主因子的得分协方差矩阵，这是一个单位矩阵。之前我们介绍过，如果假设值为0，说明是单位矩阵，即所选取的主因子之间没有相关性。所以，此处4个主因子之间没有相关性，这样我们就可以认为，通过此方法得到的这4个主因子所包含的信息是不重复的，也就实现了因子分析的设计目标。

三、实证结果分析

根据以上主成分计算值，以及解释的总方差表中旋转后各因子的方差贡献率大小，我们计算出房地产上市公司的综合盈利能力，其计算公式如下：

综合盈利能力=31.245%fac1+26.428%fac2+15.181%fac3+

10.940%fac4

筆者根据以上分析所得的上市公司综合盈利能力公式，计算得出33家上市公司十一年的综合盈利能力。

根据其平均得分可以看出，基于因子分析方法获得的房地产上市公司在十一年的综合盈利能力的平均值。计算结果如下：2005年33家房地产上市公司的综合盈利能力平均得分为-0.1715分；2006年的综合盈利能力平均得分为-0.1219分；2007年的综合盈利能力平均得分为0.026分，2008年的综合盈利能力平均得分为0.12716分，2009年的综合盈利能力平均得分为0.0667分，2010年的综合盈利能力平均得分为0.0969分，2011年的综合盈利能力平均得分为0.0760分，2012年的综合盈利能力平均得分为0.0445分，2013年的综合盈利能力平均得分为-0.1166分，2014年的综合和盈利能力平均得分为-0.0335分，2014年的综合和盈利能力平均得分为0.0126分。

从平均得分看，综合盈利能力在2005—2008年之间持上涨趋势，但随后2009年又出现下跌情况，之后2010年小幅上升以后至2013年末，又持续下滑。但相较于2005年而言，2014年盈利能力小幅上升。

四、结论

对比2005年与2015年各因子的变化情况发现，资产运营能力因子下降最快，发展能力因子基本持平，生产经营能力因子有小幅上升，投资者获利能力因子受影响最小，总体呈上升态势。

影响经营能力因子得分的财务指标主要受到销售收入、净资产总额和总资产总额的影响。而净资产总额和总资产总额在短期内难以通过财务手段调整，一旦销售收入上升幅度小于资产上升幅度，必然会导致经营能力水平的快速下降。

参考文献：

[1] 张晓阳.我国房地产上市公司盈利能力影响因素实证研究[D].西安：西安石油大学，2009.

[2] 李淳.上市房企整体盈利能力在下滑[N].房地产时报，2012-08-31.

[3] 屈丽华.房地产上市公司盈利能力实证研究[D].武汉：武汉科技大学，2015.

[4] 刘念.创业板上市公司盈利能力的评价研究[D].天津：天津商业大学，2011.

[5] 时立文.SPSSl0.0统计分析软件[M].北京：清华大学出版社，2012：342-349.

[责任编辑 陈丽敏]