辽 宁 工 业 大 学
题目:房地产企业财务状况的影响因素分析
院 (系): 经济学院 专业班级: 2014级工商管理1班 学 号: 1 3 0 1 0 1 0 2 6 学生姓名: 杨徐林 指导教师: 陈树良 教师职称: 副教授 起止时间: 2016.12.26-2016.1.8
统计软件 实训任务书及评语
院(系): 经济学院 专业:工商管理
目 录
1 、实训题目与数据 .............................................. 1 1.1 实训题目与数据 ............................................ 1 1.2 样本与变量 ................................................ 1 1.3 数据文件 .................................................. 2 2、房地产企业财务状况的影响因素的统计分析 ....................... 3 2.1房地产企业财务状况的影响因素分析的描述统计分析 ............. 3
2.1.1房地产企业财务状况的影响因素的集中趋势及离散程度
的计算与分析 .................................................. 3 2.1.2房地产企业财务状况的影响因素计算结果的说明 ............ 4 2.2房地产企业财务状况的影响因素的Q型聚类分析 ................. 5
2.2.1房地产企业财务状况的影响因素的统计软件处理 ............ 5 2.2.2房地产企业财务状况的影响因素的计算结果的说明 .......... 9 2.3 房地产企业财务状况的影响因素的因子分析 .................... 12 2.3.1 房地产企业财务状况的影响因素的统计软件处理 ........... 12 2.3.2 房地产企业财务状况的影响因素的计算结果的说明 ......... 15 3、研究结论 .................................................... 19 3.1 2015年房地产行业的基本情况概述 ........................... 19 3.2 实训结果 ................................................. 19
1、实训题目与数据
1.1 实训题目与目的
实训问题:房地产企业财务状况的影响因素。
在全国各地都有着很多的追梦者和打拼的人,他们曾经怀着无限的热情来到某一个城市,希望在这个城市能够实现自己的梦想,在这个城市能够站稳脚跟,在这个城市能够拥有一个家,能够安定的生活下去。那么想要拥有一个“家”可不是一件容易的事。这个城市的房价将极大的影响你的生活。房地产行业作为国民经济的支柱、国家税收的主要来源,房地产行业发展备受关注。
当前,我国房地产企业的财务体系相对完备,但在衡量财务状况时仍有一些不足,如指标多、体系复杂等等。本文对2015年31家房地产企业的净资产收益率,总资产报酬率,固定资产周转率,总资产报酬率,流动资产周转率,应收账款周转率。进行基本分析,聚类,以及主成分分析。找出影响财务状况的主要因素,并对其进行分析,以期更直观地说明影响房地产企业财务状况的因素。
实训目的:
(1):熟练的掌握SPSS统计软件的各项功能,能用该软件解决实际问题。 (2):通过本次实训能够了解我国房地产行业近年来的状况。 (3):知道影响房地产财务状况的因素。
1.2样本与变量 样本:31家房地产企业
变量:X1:净资产收益率。 X2:总资产报酬率。 X3:固定资产周转率。 X4:总资产报酬率。 X5:流动资产周转率。 X6:应收账款周转率。
1.3数据文件
表1 2015年30家企业财务指标
2、房地产企业财务状况的影响因素的统计分析。
2.1 房地产企业财务状况的描述统计分析
2.1.1 房地产企业财务状况的影响因素的趋势及分散程度的计算与分析。
(1)统计软件操作过程:
① 选择菜单:【Analyze—Dscriptive statistics—Dscriptives】,如图
1
图1计算基本描述统计量窗口
② 选择需要计算的变量到【Variables】框中,出现图2示窗口。
图2计算基本描述统计量窗口
③ 单击【Option】按钮,选择统计量及相应选项,如图 3示。
图3本描述统计量选择窗口
④ 单击【OK】按钮。
2.1.2 房地产企业财务状况问题的计算结果的说明
表2 Descriptive Statistics
如表2所示,该分析中有31个样本,净资产收益率的最大值为40.12.,最小
值为-74.38,标准差为19.72371。总资产报酬率的最大值为7.01%,最小值为-6.56%,标准差为2.7207%.固定资产周转率的最大值为697.2.,最小值为0.7,标准差为130.1342。总资产报酬率的最大值为0.4.,最小值为0,标准差为0.0953。流动资产周转率的最大值为0.6,最小值为0.04标准差为0.13072。应收账款周转率的最大值为436139.53,最小值为0.58,标准差为79913.79。
2.2房地产企业财务状况的影响因素的Q型聚类分析
2.2.1房地产企业财务状况的影响因素的Q型聚类分析的软件处理
(1)调出主菜单(Analyze/Classify/Hierarchical Cluster),在数据编辑窗口,依次点击Analyze/Classify/Hierarchical Cluster,调出聚类分析菜单,并进入聚类分析主对话框Hierarchical Cluster Analysis。
图 4 聚类分析菜单
(2)主对话框的设置(Hierarchical Cluster Analysis)
在聚类分析主对话框,分别进行以下设置。
①设置聚类分析的变量。在主对话框中,将对话框左侧原始变量框中选择x1-x6,调入到右侧的分析变量Variables框中。
②设置标记变量。标记变量就是在系统聚类分析中显示聚类内容名称,将地区设置成标志变量并调入到右侧中间的lable Cases By框中。
③选择系统聚类的类型。系统聚类有两种类型,即Q型和R型。现在要选择的是Q型聚类分析。在主对话框的右侧中间的Cluster框的下面选中Cases即可。
④设置输出内容。系统聚类分析的输出内容有数据计算的结果和图形。因此为全面进行系统聚类分析,要同时选中这两项。在主对话框的右侧中间的Display框在选中Statistics和Plots,表示做统计计算和绘图。
图 5 聚类分析主对话框
(3)各个二级对话框的设置
在聚类分析主对话框中,分别进行以下设置。
①输出特定的计算内容。在聚类分析主对话框中,点击Statistics按钮,进入二级对话框Hierarchical Cluster Analysis:Statistics。主要选择Agglomeration schedule,表示输出凝聚状态表。之后点击Continue按钮返回主对话框。
图 6 输出聚类分析凝聚状态表
②输出图形。在聚类分析主对话框中,点击Plots按钮,进入二级对HierarchicalClusterAnalysis:Plots,指定输出图形。
输出树形图。选择Dendrogram输出树形图,用于判断聚类的结论。
输出冰柱图。按照默认的设置输出冰柱图。在Icicle框中,按照默认方式选择All clusters;在Orientation框中,按照默认方式选择Vertical,表示输出纵向冰柱图。完成上述设置后,点击Continue按钮返回主对话框。
图 7 输出聚类分析图形
③指定聚类分析聚类的计算方法。在聚类分析主对话框中,点击Method按钮,进入二级对话框Hierarchical Cluster Analysis:Method。关于聚类分析距离的计算的几个方面。
小类间距离的计算方法。在Cluster Method框中,按照默认选项选择组间平均链锁距离Between-groups Linkage距离计算方法。
个体间距离的计算方法。在Measure框中,按照默认选项选择欧式距离平方Squared Eucliddean Distance距离计算方法
数据的转换处理即是否标准化。在Transform Values框中,选择None方法表示不进行数据的标准化。
符号度量的转换。在Transform Measure框中,有3种转换方法。即所有样本取绝对值Absolute Values,改换样本值的符号Change,重新调整样本值在0~1之间Rescale to 0-1 range。上述设置完成后,返回主对话框。
图 8 设置聚类分析距离的计算方法
④输出聚类的结果。点击Save按钮,进入二级对话框Hierarchical Cluster Analysis:Save。在这个二级对话框里,选择保存2——5类的聚类分析的结果。上述设置完成后,返回主对话框。
图 9 设置聚类分析的类成员
(4)运行程序(OK)
2.2.2房地产企业财务状况的影响因素的计算结果的说明
(1)系统聚类分析的概要
表 3 Case Processing Summary(a,b)
a Squared Euclidean Distance used b Average Linkage (Between Groups)
这是聚类分析的第一个表格。从表中数据可以看到,共有30个个案、100%进入了系统聚类分析,也就是说原始数据全部有效。 (2)凝聚状态表
凝聚状态表是系统聚类分析中各种距离的计算结果。从中可以看到各个个体及小类之间的距离。
第一列,表示聚类步骤。
第二列和第三列,表示本步骤聚类中是哪两个样本或者小类聚成一类。 第四列,表示聚类过程产生的距离。
第五列和第六列,表示在本步骤的聚类中,参与聚类的是个体还是小类,其中“0”表示个体,非“0”的具体数据表示小类。
第七列,表示本步骤的聚类结果在以后的哪一步中用到了。
具体内容:第1行,第6和11号个体最先进行了聚类,之间的距离是0,参与聚类的都是个体,这个聚类的结果将在以后的第2步使用。以下各行的含义大致如此,略。
表 4 Agglomeration Schedule
(3)树形图
这是系统聚类分析的树形图,也是得到系统聚类分析最后结果的最重要的依据和来源,根据这个树形图,基本上能够得到系统聚类分析的最后结果。各类之间的聚类在标准化的距离25内。根据树形图,可以看到,聚类数为2—5类都是可以的。
表 5 Dendrogram using Average Linkage (Between Groups)
Rescaled Distance Cluster Combine
(4)聚类分析的结论
根据上面的分析,房地产企业财务状况可以分为两类。聚类分为2类的时候,各类包含的地区:
第1类:天房地产,广宇地产两个企业。
第2类:保利地产,华远地产,中粮地产,宝安地产,中房地产等28家企业。
2.3 房地产企业财务状况影响因素的因子分析
2.3.1房地产企业财务状况影响因素统计软件操作过程
① 选择菜单【Analyze—Dimension Reduction—Factor】,如图10示。
图 10
② 把参与因子分析的变量到【Variables】框中,如图11所示。
图 11 因子分析窗口
③ 图11所示窗口中单击【Descriptives】按钮指定输出结果,如图12。
图 12 因子分析的描述窗口
④ 在图11口中单击【Exration】按钮指定输出结果,如图13示
图 13 因子分析的抽取窗口
⑤ 在图11口中单击【Rotation】按钮指定输出结果,如图14示。
图 14 因子分析的旋转窗口
⑥ 在图11口中单击【Factor Scores】按钮指定输出结果,图15示。
图 15 因子分析的得分窗口
⑦ 在图11窗口中单击【Option】选项指定输出结果,如图16示。
图 16 因子分析的选项窗口
2.3.2房地产企业财务状况的影响因素的计算结果的说明。
(1)因子分析的前提条件的判断
表 6 KMO and Bartlett's Test
在表6 中,概率P值接近于0,小于显著性水平,拒绝零假设;同时KMO值为0.525,巴特利特球度检验值为131.256,对应的相伴概率为0.000,小于显著性水平0.05,所以断定原始数据可以进行因子分析,为下面的因子分析奠定了基础。 (2)因子提取
根据因子分析的基本理论,因子提取的标准有3个,即特征值大于1、累计方差贡献率达到85%、因子碎石图。
表 7 Total Variance Explained
Extraction Method: Principal Component Analysis.根据表7可知,在6个变量的6个特征值中,有3个特征值为2.576,1.855,1.183,均大于1,据此提取三个因子:同时,特征根产生了方差贡献率,3个大于1的特征值得累计方差贡献率为93.564%,达到因子提取的条件,在结合下面的碎石图,最后结论提取3个因子。
Eigenvalue
图 17 因子分析碎石图
(3)因子命名
SPSS统计软件计算出了未旋转和旋转的因子载荷,将这两个载荷进行比较,应以旋转的因子载荷进行命名。表8为未旋转的因子载荷矩阵,表9为旋转的因子载荷矩阵。
表 8 Component Matrix(a)
Extraction Method: Principal Component Analysis.
a 3 components extracted.
表 9 Rotated Component Matrix(a)
(4)因子得分
因子得分系数矩阵与因子得分函数。SPSS统计软件计算出了因子得分矩阵,见表10。
表 10 Component Score Coefficient Matrix
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
Component Scores.
综合得分。使用SPSS软件,利用Transform/Compute可以得到综合因子得分计算结果。在使用SPSS统计软件的Sort功能,对计算结果进行降序排列,得到图18。
图 18 30家房地产企业财务状况因子得分
该图参考3个因子得分给出了31家房地产企业财务状况的综合得分并进行了降序排列。得分为正的企业综合水平高,得分为负分的企业综合水平较低。在综合考虑净资产收益率,总资产报酬率,固定资产周转率,总资产报酬率,流动资产周转率,应收账款周转率。等6个指标基础上,广宇地产、栖霞地产等企业名列前茅,而嘉凯城,天津松江等企业居后。
3 、研究结论。
3.1 2015年房地产行业的基本情况概述。
目前,房地产依然是中国经济的核心问题。从2015年中国房地产现状来看,不少学者市场人士基本都认同房地产市场的拐点已到,未来中国楼市将步入调整期。
所有的房地产繁荣期终将结束,随后经历一个修正期。中国房地产现状也不例外,从2015年中国房地产现状分析来看,房地产开发的黄金时代或许告一段落,但中国房地产行业与互联网结缘的时代才刚刚开始,中国房地产从单一开发销售向不动产多元化经营管理以及和资本市场真实对接的时代刚刚开始。
3.2 实训结果
净资产收益率体现了自有资本获得净收益的能力,总资产报酬率是评价企业资产运营效益的重要指标,固定资产周转率是企业销售收入与固定资产净值的比率,总资产周转率是综合评价企业全部资产的经营质量和利用效率的重要指标。周转率越大,说明总资产周转越快,反映出销售能力越强,流动资产周转率是评价企业资产利用率的一个重要指标,应收账款周转率就是反映企业应收账款周转速度的比率。它说明一定期间内企业应收账款转为现金的平均次数。 净资产收益率和总资产报酬率反应了企业的的经营业绩,固定资产周转率,总资产周转率,流动资产周转率反应资产的成长性,应收账款周转率反应资产的使用情况。
通过检查KMO和Bartlett检验值得出,概率P值接近于0,小于显著性水平,拒绝零假设;同时KMO值为0.525,巴特利特球度检验值为131.256,对应的相伴概率为0.000,小于显著性水平0.05,应拒绝原假设,原始数据的这些财务指标具有较强的相关性,其显著性为0,可以进行因素分析。
通过本次分析,基于对6个财务指标的分析确定三个主要因素,累计贡献率507.02%,三个主因素可以较好的评价房地产上市公司的财务状况。(见表7)并且了解到了30家企业的综合水平的高低,其中广宇地产、栖霞地产等企业名列前茅,而嘉凯城,天津松江等企业居后。
4 、参考文献
[1]陈树良、史宪睿、李晓梅《统计软件》[M].沈阳:东北大学出版社,2013。
[2]程春梅、李亚凤、陈树良、孟亮、杨威《经济与工商专业综合实验教程》
[M].沈阳:东北大学出版社,2013:1。
[3]焦晓松,杨茜,曹颖琦,基于主成分分析的自主创新能力综合评价研究
[J],商业研究,2007,(2):46-47.
[4]王晓芳,王学伟,基于因子分析的我国证券公司竞争力研究[J]《现代商贸工业》2008.
辽 宁 工 业 大 学
题目:房地产企业财务状况的影响因素分析
院 (系): 经济学院 专业班级: 2014级工商管理1班 学 号: 1 3 0 1 0 1 0 2 6 学生姓名: 杨徐林 指导教师: 陈树良 教师职称: 副教授 起止时间: 2016.12.26-2016.1.8
统计软件 实训任务书及评语
院(系): 经济学院 专业:工商管理
目 录
1 、实训题目与数据 .............................................. 1 1.1 实训题目与数据 ............................................ 1 1.2 样本与变量 ................................................ 1 1.3 数据文件 .................................................. 2 2、房地产企业财务状况的影响因素的统计分析 ....................... 3 2.1房地产企业财务状况的影响因素分析的描述统计分析 ............. 3
2.1.1房地产企业财务状况的影响因素的集中趋势及离散程度
的计算与分析 .................................................. 3 2.1.2房地产企业财务状况的影响因素计算结果的说明 ............ 4 2.2房地产企业财务状况的影响因素的Q型聚类分析 ................. 5
2.2.1房地产企业财务状况的影响因素的统计软件处理 ............ 5 2.2.2房地产企业财务状况的影响因素的计算结果的说明 .......... 9 2.3 房地产企业财务状况的影响因素的因子分析 .................... 12 2.3.1 房地产企业财务状况的影响因素的统计软件处理 ........... 12 2.3.2 房地产企业财务状况的影响因素的计算结果的说明 ......... 15 3、研究结论 .................................................... 19 3.1 2015年房地产行业的基本情况概述 ........................... 19 3.2 实训结果 ................................................. 19
1、实训题目与数据
1.1 实训题目与目的
实训问题:房地产企业财务状况的影响因素。
在全国各地都有着很多的追梦者和打拼的人,他们曾经怀着无限的热情来到某一个城市,希望在这个城市能够实现自己的梦想,在这个城市能够站稳脚跟,在这个城市能够拥有一个家,能够安定的生活下去。那么想要拥有一个“家”可不是一件容易的事。这个城市的房价将极大的影响你的生活。房地产行业作为国民经济的支柱、国家税收的主要来源,房地产行业发展备受关注。
当前,我国房地产企业的财务体系相对完备,但在衡量财务状况时仍有一些不足,如指标多、体系复杂等等。本文对2015年31家房地产企业的净资产收益率,总资产报酬率,固定资产周转率,总资产报酬率,流动资产周转率,应收账款周转率。进行基本分析,聚类,以及主成分分析。找出影响财务状况的主要因素,并对其进行分析,以期更直观地说明影响房地产企业财务状况的因素。
实训目的:
(1):熟练的掌握SPSS统计软件的各项功能,能用该软件解决实际问题。 (2):通过本次实训能够了解我国房地产行业近年来的状况。 (3):知道影响房地产财务状况的因素。
1.2样本与变量 样本:31家房地产企业
变量:X1:净资产收益率。 X2:总资产报酬率。 X3:固定资产周转率。 X4:总资产报酬率。 X5:流动资产周转率。 X6:应收账款周转率。
1.3数据文件
表1 2015年30家企业财务指标
2、房地产企业财务状况的影响因素的统计分析。
2.1 房地产企业财务状况的描述统计分析
2.1.1 房地产企业财务状况的影响因素的趋势及分散程度的计算与分析。
(1)统计软件操作过程:
① 选择菜单:【Analyze—Dscriptive statistics—Dscriptives】,如图
1
图1计算基本描述统计量窗口
② 选择需要计算的变量到【Variables】框中,出现图2示窗口。
图2计算基本描述统计量窗口
③ 单击【Option】按钮,选择统计量及相应选项,如图 3示。
图3本描述统计量选择窗口
④ 单击【OK】按钮。
2.1.2 房地产企业财务状况问题的计算结果的说明
表2 Descriptive Statistics
如表2所示,该分析中有31个样本,净资产收益率的最大值为40.12.,最小
值为-74.38,标准差为19.72371。总资产报酬率的最大值为7.01%,最小值为-6.56%,标准差为2.7207%.固定资产周转率的最大值为697.2.,最小值为0.7,标准差为130.1342。总资产报酬率的最大值为0.4.,最小值为0,标准差为0.0953。流动资产周转率的最大值为0.6,最小值为0.04标准差为0.13072。应收账款周转率的最大值为436139.53,最小值为0.58,标准差为79913.79。
2.2房地产企业财务状况的影响因素的Q型聚类分析
2.2.1房地产企业财务状况的影响因素的Q型聚类分析的软件处理
(1)调出主菜单(Analyze/Classify/Hierarchical Cluster),在数据编辑窗口,依次点击Analyze/Classify/Hierarchical Cluster,调出聚类分析菜单,并进入聚类分析主对话框Hierarchical Cluster Analysis。
图 4 聚类分析菜单
(2)主对话框的设置(Hierarchical Cluster Analysis)
在聚类分析主对话框,分别进行以下设置。
①设置聚类分析的变量。在主对话框中,将对话框左侧原始变量框中选择x1-x6,调入到右侧的分析变量Variables框中。
②设置标记变量。标记变量就是在系统聚类分析中显示聚类内容名称,将地区设置成标志变量并调入到右侧中间的lable Cases By框中。
③选择系统聚类的类型。系统聚类有两种类型,即Q型和R型。现在要选择的是Q型聚类分析。在主对话框的右侧中间的Cluster框的下面选中Cases即可。
④设置输出内容。系统聚类分析的输出内容有数据计算的结果和图形。因此为全面进行系统聚类分析,要同时选中这两项。在主对话框的右侧中间的Display框在选中Statistics和Plots,表示做统计计算和绘图。
图 5 聚类分析主对话框
(3)各个二级对话框的设置
在聚类分析主对话框中,分别进行以下设置。
①输出特定的计算内容。在聚类分析主对话框中,点击Statistics按钮,进入二级对话框Hierarchical Cluster Analysis:Statistics。主要选择Agglomeration schedule,表示输出凝聚状态表。之后点击Continue按钮返回主对话框。
图 6 输出聚类分析凝聚状态表
②输出图形。在聚类分析主对话框中,点击Plots按钮,进入二级对HierarchicalClusterAnalysis:Plots,指定输出图形。
输出树形图。选择Dendrogram输出树形图,用于判断聚类的结论。
输出冰柱图。按照默认的设置输出冰柱图。在Icicle框中,按照默认方式选择All clusters;在Orientation框中,按照默认方式选择Vertical,表示输出纵向冰柱图。完成上述设置后,点击Continue按钮返回主对话框。
图 7 输出聚类分析图形
③指定聚类分析聚类的计算方法。在聚类分析主对话框中,点击Method按钮,进入二级对话框Hierarchical Cluster Analysis:Method。关于聚类分析距离的计算的几个方面。
小类间距离的计算方法。在Cluster Method框中,按照默认选项选择组间平均链锁距离Between-groups Linkage距离计算方法。
个体间距离的计算方法。在Measure框中,按照默认选项选择欧式距离平方Squared Eucliddean Distance距离计算方法
数据的转换处理即是否标准化。在Transform Values框中,选择None方法表示不进行数据的标准化。
符号度量的转换。在Transform Measure框中,有3种转换方法。即所有样本取绝对值Absolute Values,改换样本值的符号Change,重新调整样本值在0~1之间Rescale to 0-1 range。上述设置完成后,返回主对话框。
图 8 设置聚类分析距离的计算方法
④输出聚类的结果。点击Save按钮,进入二级对话框Hierarchical Cluster Analysis:Save。在这个二级对话框里,选择保存2——5类的聚类分析的结果。上述设置完成后,返回主对话框。
图 9 设置聚类分析的类成员
(4)运行程序(OK)
2.2.2房地产企业财务状况的影响因素的计算结果的说明
(1)系统聚类分析的概要
表 3 Case Processing Summary(a,b)
a Squared Euclidean Distance used b Average Linkage (Between Groups)
这是聚类分析的第一个表格。从表中数据可以看到,共有30个个案、100%进入了系统聚类分析,也就是说原始数据全部有效。 (2)凝聚状态表
凝聚状态表是系统聚类分析中各种距离的计算结果。从中可以看到各个个体及小类之间的距离。
第一列,表示聚类步骤。
第二列和第三列,表示本步骤聚类中是哪两个样本或者小类聚成一类。 第四列,表示聚类过程产生的距离。
第五列和第六列,表示在本步骤的聚类中,参与聚类的是个体还是小类,其中“0”表示个体,非“0”的具体数据表示小类。
第七列,表示本步骤的聚类结果在以后的哪一步中用到了。
具体内容:第1行,第6和11号个体最先进行了聚类,之间的距离是0,参与聚类的都是个体,这个聚类的结果将在以后的第2步使用。以下各行的含义大致如此,略。
表 4 Agglomeration Schedule
(3)树形图
这是系统聚类分析的树形图,也是得到系统聚类分析最后结果的最重要的依据和来源,根据这个树形图,基本上能够得到系统聚类分析的最后结果。各类之间的聚类在标准化的距离25内。根据树形图,可以看到,聚类数为2—5类都是可以的。
表 5 Dendrogram using Average Linkage (Between Groups)
Rescaled Distance Cluster Combine
(4)聚类分析的结论
根据上面的分析,房地产企业财务状况可以分为两类。聚类分为2类的时候,各类包含的地区:
第1类:天房地产,广宇地产两个企业。
第2类:保利地产,华远地产,中粮地产,宝安地产,中房地产等28家企业。
2.3 房地产企业财务状况影响因素的因子分析
2.3.1房地产企业财务状况影响因素统计软件操作过程
① 选择菜单【Analyze—Dimension Reduction—Factor】,如图10示。
图 10
② 把参与因子分析的变量到【Variables】框中,如图11所示。
图 11 因子分析窗口
③ 图11所示窗口中单击【Descriptives】按钮指定输出结果,如图12。
图 12 因子分析的描述窗口
④ 在图11口中单击【Exration】按钮指定输出结果,如图13示
图 13 因子分析的抽取窗口
⑤ 在图11口中单击【Rotation】按钮指定输出结果,如图14示。
图 14 因子分析的旋转窗口
⑥ 在图11口中单击【Factor Scores】按钮指定输出结果,图15示。
图 15 因子分析的得分窗口
⑦ 在图11窗口中单击【Option】选项指定输出结果,如图16示。
图 16 因子分析的选项窗口
2.3.2房地产企业财务状况的影响因素的计算结果的说明。
(1)因子分析的前提条件的判断
表 6 KMO and Bartlett's Test
在表6 中,概率P值接近于0,小于显著性水平,拒绝零假设;同时KMO值为0.525,巴特利特球度检验值为131.256,对应的相伴概率为0.000,小于显著性水平0.05,所以断定原始数据可以进行因子分析,为下面的因子分析奠定了基础。 (2)因子提取
根据因子分析的基本理论,因子提取的标准有3个,即特征值大于1、累计方差贡献率达到85%、因子碎石图。
表 7 Total Variance Explained
Extraction Method: Principal Component Analysis.根据表7可知,在6个变量的6个特征值中,有3个特征值为2.576,1.855,1.183,均大于1,据此提取三个因子:同时,特征根产生了方差贡献率,3个大于1的特征值得累计方差贡献率为93.564%,达到因子提取的条件,在结合下面的碎石图,最后结论提取3个因子。
Eigenvalue
图 17 因子分析碎石图
(3)因子命名
SPSS统计软件计算出了未旋转和旋转的因子载荷,将这两个载荷进行比较,应以旋转的因子载荷进行命名。表8为未旋转的因子载荷矩阵,表9为旋转的因子载荷矩阵。
表 8 Component Matrix(a)
Extraction Method: Principal Component Analysis.
a 3 components extracted.
表 9 Rotated Component Matrix(a)
(4)因子得分
因子得分系数矩阵与因子得分函数。SPSS统计软件计算出了因子得分矩阵,见表10。
表 10 Component Score Coefficient Matrix
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
Component Scores.
综合得分。使用SPSS软件,利用Transform/Compute可以得到综合因子得分计算结果。在使用SPSS统计软件的Sort功能,对计算结果进行降序排列,得到图18。
图 18 30家房地产企业财务状况因子得分
该图参考3个因子得分给出了31家房地产企业财务状况的综合得分并进行了降序排列。得分为正的企业综合水平高,得分为负分的企业综合水平较低。在综合考虑净资产收益率,总资产报酬率,固定资产周转率,总资产报酬率,流动资产周转率,应收账款周转率。等6个指标基础上,广宇地产、栖霞地产等企业名列前茅,而嘉凯城,天津松江等企业居后。
3 、研究结论。
3.1 2015年房地产行业的基本情况概述。
目前,房地产依然是中国经济的核心问题。从2015年中国房地产现状来看,不少学者市场人士基本都认同房地产市场的拐点已到,未来中国楼市将步入调整期。
所有的房地产繁荣期终将结束,随后经历一个修正期。中国房地产现状也不例外,从2015年中国房地产现状分析来看,房地产开发的黄金时代或许告一段落,但中国房地产行业与互联网结缘的时代才刚刚开始,中国房地产从单一开发销售向不动产多元化经营管理以及和资本市场真实对接的时代刚刚开始。
3.2 实训结果
净资产收益率体现了自有资本获得净收益的能力,总资产报酬率是评价企业资产运营效益的重要指标,固定资产周转率是企业销售收入与固定资产净值的比率,总资产周转率是综合评价企业全部资产的经营质量和利用效率的重要指标。周转率越大,说明总资产周转越快,反映出销售能力越强,流动资产周转率是评价企业资产利用率的一个重要指标,应收账款周转率就是反映企业应收账款周转速度的比率。它说明一定期间内企业应收账款转为现金的平均次数。 净资产收益率和总资产报酬率反应了企业的的经营业绩,固定资产周转率,总资产周转率,流动资产周转率反应资产的成长性,应收账款周转率反应资产的使用情况。
通过检查KMO和Bartlett检验值得出,概率P值接近于0,小于显著性水平,拒绝零假设;同时KMO值为0.525,巴特利特球度检验值为131.256,对应的相伴概率为0.000,小于显著性水平0.05,应拒绝原假设,原始数据的这些财务指标具有较强的相关性,其显著性为0,可以进行因素分析。
通过本次分析,基于对6个财务指标的分析确定三个主要因素,累计贡献率507.02%,三个主因素可以较好的评价房地产上市公司的财务状况。(见表7)并且了解到了30家企业的综合水平的高低,其中广宇地产、栖霞地产等企业名列前茅,而嘉凯城,天津松江等企业居后。
4 、参考文献
[1]陈树良、史宪睿、李晓梅《统计软件》[M].沈阳:东北大学出版社,2013。
[2]程春梅、李亚凤、陈树良、孟亮、杨威《经济与工商专业综合实验教程》
[M].沈阳:东北大学出版社,2013:1。
[3]焦晓松,杨茜,曹颖琦,基于主成分分析的自主创新能力综合评价研究
[J],商业研究,2007,(2):46-47.
[4]王晓芳,王学伟,基于因子分析的我国证券公司竞争力研究[J]《现代商贸工业》2008.