房地产企业财务状况影响因素分析.docx
《房地产企业财务状况影响因素分析.docx》由会员分享,可在线阅读,更多相关《房地产企业财务状况影响因素分析.docx(27页珍藏版)》请在冰点文库上搜索。
房地产企业财务状况影响因素分析
辽宁工业大学
统计软件实训报告
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:
130101026
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
学号
130101026
学生姓名
杨徐林
专业班级
14。
1班
实训任务与要求
一、实训任务
任务一:
实训题目与目的。
确定实训题目,确定样本与变量,拟定数据文件。
要求:
实训题目要简明、具体、规范.可以从上市公司、社会经济发展实际等领域选择实训题目。
样本规模尽量为大样本,变量数量要尽量多。
根据实训题目及样本与变量,建立数据文件。
任务二:
统计软件应用过程。
进行集中趋势分析、离散程度分析(如均值、中位数、众数和标准差、方差等),针对研究问题进行统计进行分析。
进行推断统计分析(如单样本t检验、两个独立样本t检验、单因素方差分析和回归分析等),针对研究问题进行统计分析。
进行多元统计分析(如Q型聚类分析、R型聚类分析、K型聚类分析,因子分析等),针对研究问题进行统计分析。
要求:
分析以下四个方面的问题:
分析方法的选择、统计软件操作、计算结果的分析。
要求统计软件操作过程清晰、目的明确。
任务三:
研究结论。
要求:
根据描述统计、推断统计、多元统计等计算结果,分析计算结果的社会经济意义,分析研究问题的现状、差异、特点及现象之间的相互关系,从中提炼研究结果,反映研究问题的发展特点和规律。
二、实训报告要求
1、实训报告内容包括3部分:
(1)实训题目与目的;
(2)统计软件操作过程;(3)研究结论。
2、实训报告结构及排版要求见指导书。
工作进度计划
确定实训题目与数据,包括确定研究问题和研究目的,设计研究样本与变量;通过适当的渠道,取得有关数据,建立数据文件(1天)。
统计软件操作,包括描述统计分析(2天),推断统计(2.5天),多元统计分析(2。
5天),分析计算结果,得出研究结论(1天).根据根据上述实训内容,整理、完善、上交统计软件实训报告与答辩(1天)。
指导教师评语及成绩
成绩:
指导教师签字:
年月日
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12015年30家企业财务指标
X1
X2
X3
X4
X5
X6
浦东金桥
6。
35
3.13%
2。
3
0。
40
0.24
13。
23
光明地产
8。
8
1。
08%
14。
13
0.26
0。
26
8.65
天房地产
0。
1
0。
02%
30.95
0。
18
0.16
8。
65
嘉凯城
—74.38
—6.56%
11.53
0.11
0。
14
4.56
津滨发展
-13。
99
—2。
84%
82.89
0.11
0.10
7.93
云南城投
6。
7
0.71%
11。
87
0.10
0。
11
1。
94
华远地产
17。
73
3.48%
83.07
0。
36
0.34
30。
83
大名城
8.45
1。
58%
11.5
0。
18
0.14
39.1
格力地产
40.12
7.01%
12.29
0.13
0。
10
663.81
西藏城投
2.54
0.57%
8.79
0.07
0。
08
5.05
大龙地产
2。
79
2.01%
12.83
0.23
0.28
2.87
保利地产
18。
63
3。
21%
43.82
0。
32
0。
30
38。
03
卧龙地产
3。
73
1。
37%
120.73
0。
35
0.43
4。
47
宝安地产
2.89
0.99%
39.42
0.18
0.60
4。
52
中粮地产
12
1.42%
23。
39
0.27
0。
28
69.75
信达地产
10.6
1。
91%
100。
28
0。
18
0。
19
18。
41
北京城建
8。
15
2。
50%
54.51
0.16
0.15
114.74
万通地产
—18.98
-4。
39%
87。
60
0。
19
0.18
47.19
中房地产
1。
68
0。
4%
26。
33
0.16
0.15
57326.97
中航地产
10.9
1.87%
37。
26
0。
26
0.39
14.40
荣安地产
2.82
1.48%
175。
91
0。
16
0.16
29.63
中天城投
32。
18
5。
28%
4.49
0。
31
0。
32
14。
82
渝开发
0.26
0.1%
0。
74
0.15
0。
23
23。
89
湖北金环
-6.1
—1。
19%
1.73
0。
10
0。
14
14。
14
京投地产
5。
99
0。
4%
148.54
0。
30
0。
28
263.9
南国置业
1.03
0.19%
94。
87
0.19
0。
28
9.98
天津松江
-34.14
-4。
8%
3。
97
0。
05
0.04
0.58
京能置业
5.35
1.39%
51.24
0。
15
0.13
2758.86
广宇地产
7。
57
2。
22%
697.15
0.23
0.15
436139.51
栖霞地产
4。
9
1.32%
214.14
0.41
0.52
797。
18
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-Dscriptivestatistics-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
N
Minimum
Maximum
Mean
Std。
Deviation
X1
30
-74.38
40.12
2.4890
19。
72371
X2
30
—6。
5600%
7.0100%
.862000%
2。
7207%
X3
30
。
7
697.2
73.609
130。
1342
X4
30
。
0
。
4
.196
。
0953
X5
30
.04
.60
。
2260
。
13072
X6
30
。
58
436139。
5
16646。
89
79913.79
ValidN(listwise)
30
表2DescriptiveStatistics
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/HierarchicalCluster),在数据编辑窗口,依次点击Analyze/Classify/HierarchicalCluster,调出聚类分析菜单,并进入聚类分析主对话框HierarchicalClusterAnalysis。
图4聚类分析菜单
(2)主对话框的设置(HierarchicalClusterAnalysis)
在聚类分析主对话框,分别进行以下设置。
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。
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lableCasesBy框中。
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。
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。
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HierarchicalClusterAnalysis:
Statistics。
主要选择Agglomerationschedule,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
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Allclusters;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
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HierarchicalClusterAnalysis:
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ClusterMethod框中,按照默认选项选择组间平均链锁距离Between—groupsLinkage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SquaredEucliddeanDistance距离计算方法
数据的转换处理即是否标准化.在TransformValues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TransformMeasure框中,有3种转换方法。
即所有样本取绝对值AbsoluteValues,改换样本值的符号Change,重新调整样本值在0~1之间Rescaleto0-1range。
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
输出聚类的结果.点击Save按钮,进入二级对话框HierarchicalClusterAnalysis:
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3CaseProcessingSummary(a,b)
Cases
Valid
Missing
Total
N
Percent
N
Percent
N
Percent
30
100.0
0
。
0
30
100.0
aSquaredEuclideanDistanceused
bAverageLinkage(BetweenGroups)
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4AgglomerationSchedule
Stage
ClusterCombined
Coefficients
StageClusterFirstAppears
NextStage
Cluster1
Cluster2
Cluster1
Cluster2
1
6
11
18.810
0
0
2
2
6
10
29.896
1
0
3
3
2
6
69.277
0
2
8
4
23
24
138。
167
0
0
6
5
14
20
167。
265
0
0
12
6
1
23
168。
584
0
4
8
7
16
26
194。
876
0
0
9
8
1
2
357。
895
6
3
11
9
7
16
683.763
0
7
10
10
5
7
997。
556
0
9
14
11
1
8
997.665
8
0
13
12
12
14
1029。
018
0
5
15
13
1
22
1029.952
11
0
15
14
5
13
1364.320
10
0
17
15
1
12
1601.552
13
12
19
16
4
27
1695。
363
0
0
19
17
5
18
2104。
558
14
0
20
18
15
17
3008.572
0
0
21
19
1
4
5012。
917
15
16
21
20
5
21
7238.738
17
0
22
21
1
15
8664。
902
19
18
22
22
1
5
10894。
272
21
20
24
23
9
30
47399。
659
0
0
25
24
1
25
72313.662
22
0
26
25
3
9
107420。
130
0
23
26
26
1
3
624751。
517
24
25
27
27
1
28
7041791。
240
26
0
28
28
1
19
3262409541。
341
27
0
29
29
1
29
188428782936.902
28
0
0
(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5DendrogramusingAverageLinkage(BetweenGroups)
RescaledDistanceClusterCombine
(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—DimensionReduction—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【FactorScores】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6KMOandBartlett’sTest
Kaiser-Meyer-OlkinMeasureofSamplingAdequacy.
。
525
Bartlett’sTestofSphericity
Approx。
Chi—Square
131.256
df
15
Sig.
。
000
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7TotalVarianceExplained
Component
InitialEigenvalues
ExtractionSumsofSquaredLoadings
Total
%ofVariance
Cumulative%
Total
%ofVariance
Cumulative%
1
2.576
42。
926
42。
926
2。
576
42.926
42.926
2
1。
855
30.918
73.844
1.855
30。
918
73。
844
3
1.183
19.720
93。
564
1.183
19.720
93。
564
4
.247
4。
113
97。
677
5
.080
1。
332
99.009
6
.059
。
991
100。
000
ExtractionMethod:
PrincipalComponentAnalysis.
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。
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8ComponentMatrix(a)
Component
1
2
3
净资产收益率
.813
—。
224
—.506
总资产报酬率
。
825
—.197
—.496
固定资产周转率
。
389
.893
.114
总资产周转率
.778
—。
090
。
513
流动资产周转率
。
636
-。
292
。
630
应收账款周转率
。
270
.936
—.088
ExtractionMethod:
PrincipalComponentAnalysis.
a3componentsextracted。
表9RotatedComponentMatrix(a)
Component
1
2
3
净资产收益率
.969
.019
。
169
总资产报酬率
.965
.049
.180
固定资产周转率
。
015
。
970
。
146
总资产周转率
。
247
.152
。
890
流动资产周转率
.111
—.082
.932
应收账款周转率
.052
.972
—.089
(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10ComponentScoreCoefficientMatrix
Component
1
2
3
净资产收益率
.535
—。
028
-.102
总资产报酬率
。
529
-。
012
-。
095
固定资产周转率
—。
057
.506
。
069
总资产周转率
-.055