我国房地产上市公司盈利能力的因子分析

杨静宇

(湖北经济学院 湖北 武汉 430205)

一、研究设计

(一)样本选取

本文根据房地产公司的定义选取了2018年我国沪深两市共127家房地产上市公司作为分析的样本。

(二)定义变量

为了合理有效的描述企业的盈利能力，本文选取了7个反映盈利能力的指标，依次为：总资产净利率(X1)、净资产收益率(X2)、总资产报酬率(X3)、销售净利率(X4)、成本费用利润率(X5)、基本每股收益(X6)、每股净资产(X7)。

(三)因子分析模型

上述模型中，X1、X2……Xp是原指标，F1、F2……Fm是公共因子，ε1、ε2……εp是特殊因子，是指标Xi所特有的因子，另外aij为因子负荷，其含义为：

(1)aij表明Xi与Fi的相关程度，该值越大，相关程度就越高。

(2)aij表示Xi与每个公因子F1、F2……Fm的共同依赖程度，如果该系数接近Xi的方差，可直接用F1、F2……Fm线性组合来表示Xi而忽视ε对原指标Xi的影响。

求解以上因子分析模型的关键是求出因子载荷系数，本文主要采用因子分析法求解出因子载荷矩阵(或旋转后的因子载荷矩阵)得出系数aij。

二、实证研究

(一)原始数据标准化

通过SPSS20.0，对于127家房地产上市公司包含的7项财务指标数据进行标准化处理，并且将标准化后的变量以Z字开头命名。

(二)KMO检验和Bartlett’s球形检验

为了验证能否进行因子分析，将原始数据代入SPSS20.0做KMO检验和Bartlett’s球形检验，结果显示：(1)KMO=0.729>0.7；(2)p值接近0，小于0.05，拒绝原假设，原始变量具有相关性。综上以上两点可知该数据能用因子分析法加以分析。

(三)计算出特征值λ、贡献率及累计贡献率

用SPSS20.0统计软件的Factor过程计算出特征值λ、贡献率及累计贡献率，其结果如表1所示：

表1 解释的总方差

从表1中可以看出：(1)第一个主成分的λ=4.444>1，第二个主成分的λ=1.514>1；(2)两个主成分累计方差贡献率=85.107%>85%。综合以上两点，可以选择前两个主因子代替原来的7个变量。

(四)对因子载荷矩阵实行最大正交旋转

表2 旋转后的因子载荷矩阵

从表2可以看出，第一个公因子(F1)中总资产净利率、净资产收益率、总资产报酬率、销售净利率、成本费用利润率有较大的载荷，由于这些变量和资本资产、收入、成本费用的利用效率有关，所以将第一个因子命名为盈利效率因子。另外，第二个公因子(F2)中基本每股收益、每股净资产有较大的载荷，由于这两个变量均和投资报酬相关，所以将第二个因子命名为投资回报盈利能力因子。

(五)计算因子得分和综合评价值

在SPSS20.0中利用回归方法得出因子得分系数矩阵，根据该矩阵可以将主因子F1和F2表示成X1到X7的线性组合：

F1=0.252X1+0.143X2+0.252X3+0.249X4+0.246X5-0.065X6-0.143X7

F2=-0.048X1+0.166X2-0.068X3-0.115X4-0.066X5+0.497X6+0.540X7

两个公因子分别从不同角度衡量房地产上市公司盈利能力，但单独使用某一公因子的得分并不能对盈利能力做出综合评价，因此应按各公因子旋转后的方差贡献率为权数计算综合评价值，计算公式如下:

F=(56.783%F1+28.324%F2)/85.107%

上式中F1代表盈利效率，F2代表投资回报盈利能力。通过SPSS20.0计算和Excel的排序，部分企业综合得分排名见下表：

表3 部分房地产上市公司综合评价排序

三、研究结论

排名第一的绿景控股，其公因子F1的得分排在第一名，但是其公因子F2的得分却是125名，在总的样本数为127的情况下，排名非常靠后，然而其综合得分为第1名。排名最后的中珠医疗，公因子F2的排名在中等水平，但是由于其公因子F1是最后一名，所以严重拉低了其综合得分水平。

通过以上的分析可知排名靠前的几家房地产上市公司，其公因子F1排名大多靠前，再加上这个因子占比56.783%，所以房地产上市公司盈利能力与盈利效率紧密相关，为了提高盈利能力，应重点关注诸如总资产净利率这类与盈利效率相关的指标。