影响房地产行业利润的因素分析.docx

影响房地产行业利润的因素分析.docx

《影响房地产行业利润的因素分析.docx》由会员分享，可在线阅读，更多相关《影响房地产行业利润的因素分析.docx（27页珍藏版）》请在冰豆网上搜索。

影响房地产行业利润的因素分析

影响房地产行业利润的因素分析

一、引言

房地产业是进行房地产类投资、开发、经营、管理和服务的行业，属于第三产业。

主要包括：

土地开发、房屋的建设、转让、租赁、维修、管理以及由此形成的市场。

我国房地产业从20世纪80年代开始兴起,1998年房地产业开始真正发展起来。

从2002年开始,我国房价节节攀升,房地产业成为一个新的经济增长点,一直备受关注。

直到2007年底开始出现房地产市场有价无市的现象,紧接着就迎来了2008年的房市低迷。

低迷到有些地区的金融受到冲击,在国家进行一系列政策调整后,2009年房市出现大反弹,房价一直飙升至2010年底。

2011年以来,为了促进房地产业平稳健康发展，国家近几年来加大了对房地产市场的调控力度。

房价涨幅得到控制,有些地区已经出现下降趋势。

房地产业是我国支柱性产业，是具有基础性和先导性的产业，在国民经济中起重要作用，是增强国民经济和改善人民生活的重要产业。

房地产业能够直接推动经济的增长，而经济的增长的同时也能带动房地产业的增长。

房地产业具有很强的关联效应，它的兴旺繁荣能够有力地带动很多产业的发展。

促进房地产业健康发展，是提高居民住房水平，改善居住质量，满足人民群众物资文化生活需要的基本需求。

房地产业对财政收入的贡献也在不断加大，它既是政府的集中性分配活动，又是国家进行宏观调控的重要工具。

因此，房地产行业的发展对国家经济运行具有重要的作用。

利润是一个企业生存和发展的基础，同时它也是投资者进行投资决策的最重要影响决策之一。

企业利润是指企业在一定会计期间的经营成果。

企业只有不断提高企业的盈利水平，增强企业的盈利能力，才能在残酷的市场环境中生存，具有无限的生命力。

这就需要企业必须探索适合本企业特点的提高利润的有效途径。

因而对房地产行业利润的影响因素的分析十分重要。

‘

二、文献综述

DhaouiAbderrazak，OuidadYousfi（2010）研究了目前的研发战略的决定因素和分析对财务绩效与盈余管理的权力下放的R&D的影响，研究结果表明跨国公司的研发权力下放，以改善公司的盈利能力，而管理人员的优势，可以得到一些私人和非转让的盈余管理而增加的好处。

因为产生这样的结果就会鼓励人们分散自己的研发，以增加盈余管理。

刘平和张红（2006）在《我国房地产上市公司盈利能力及其影响因素》一文中，从每股净资产、每股收益、净资产收益率、主营业务收和主营业务利润水平五个方面对房地产行业的利润水平进行了描述性统计，影响房地产行业盈利的因素从主营业务成本，负债总额，存货和折旧额等方面说明了其对盈利的影响。

田慧在《论提高企业利润的途径》中提出，企业要提高利润最重要的就是要做到开源，寻求利润新的增长点。

需要企业进行多方面的创新，通过实施产品创新、市场创新以及客户管理创新来达到培养利润新的增长点、提高企业利润的目的。

邓聿文在《房地产行业高利润从何而来》中指出，房地产业的利润大大高于其他行业，房地产行业高利润的三个来源，究其根源，都与政府有关。

土地批租是地方政府直接垄断形成的；征地和拆迁中的低补偿是由于地方政府制定了偏向房地产企业的法规而造成的。

偷漏税也与对房地产企业的税种过多以及税制结构不合理有直接关系。

吴静在《发展房地产产业投资基金拓宽房地产融资渠道》一文中提出，我国房地产金融市场主要以银行信贷为主，其他金融方式如上市融资、信托融资、债券融资以及基金融资等所占比例较小。

银行一直以来都是房地产市场的主要资金提供者，大约70％的房地产开发资金来自银行贷款。

因此，她主张要发展房地产产业投资基金，有助于降低因过分依赖银行而带来的系统风斛引。

赵中秋、冉伦（2005）探讨了房地产融资的策略及金融业发展创新的方向。

借鉴发达国家的经验，采用比较分析、相关分析等方法，分析了目前我国房地产行业融资渠道的现状及存在的问题，在此基础上，提出了今后房地产行业在融资渠道及金融创新方面的建议，指出我国必须培育发达的资本市场并提供尽可能多的融资渠道从而减少房地产中的金融风险。

黄明、郭大伟在《浅谈企业盈利能力的分析》说，盈利能力通常是指企业在一定时期内赚取利润的能力。

盈利能力的大小是—个相对的概念，即利润相对于一定的资源投入、一定的收入而言。

利润率越高，盈利能力越强；利润率越低，盈利能力越差。

企业经营业绩的好坏最终可通过企业的盈利能力来反映。

无论是企业的经理人员、债权人，还是股东（投资人）都非常关心企业的盈利能力，并重视对利润率及其变动趋势的分析与预测。

三、建立模型

1、选择变量

对于这个模型，选取房地产开发企业资金来源小计、房地产开发企业本年完成投资额、商品房销售面积、商品房平均销售价格以及城乡居民人民币储蓄存款年度余额为变量

（1）房地产开发企业资金来源小计。

我国房地产资金构成主要由国家预算内资金、国内贷款、债券、利用外资、自筹资金和其他资金来源组成。

但根据估算，房地产开发商的自筹资金10％是由个人住房贷款形成的，其他资金来源大约有20％～30％间接来源于银行贷款，总体测算，房地产开发投资资金约有60％来自银行贷款。

我国房地产融资对银行贷款的依赖程度仍很高。

（2）房地产开发企业本年完成投资额。

房地产开发投资指各种登记注册类型的房地产开发法人单位统一开发的包括统代建、拆迁还建的住宅、厂房、仓库、饭店、宾馆、度假村、写字楼、办公楼等房屋建筑物，配套的服务设施，土地开发工程（如道路、给水、排水、供电、供热、通讯、平整场地等基础设施工程）和土地购置的投资；不包括单纯的土地开发和交易活动。

（3）商品房销售面积。

商品房销售面积指报告期内出售商品房屋的合同总面积（即双方签署的正式买卖合同中所确定的建筑面积）。

由现房销售建筑面积和期房销售建筑面积两部分组成。

（4）商品房平均销售价格。

商品房作为房地产行业的销售支柱，其销售价格会对房地产行业营业利润产生重大影响。

而如今房价的飞速增长对房地产行业利润的获得有着深远的影响。

虽然近几年国家采取了一系列的宏观调控政策来抑制房价的过快增长，使得房地产价格增速放缓，但房价出现大幅下跌的可能性并不大。

因此房价在很大程度上还是影响着房地产行业销售利润。

（5）城乡居民人民币储蓄存款年度余额。

人民币储蓄存款余额是指城乡居民在某一时点上在银行和其他金融机构的人民币储蓄存款总额。

购房不仅要看当前的收入，还要看过去的收入和未来的收入。

过去的收入主要就是指消费者的储蓄存款，储蓄存款能大大增强消费者的信心，而未来的收入又关系到其信贷消费。

2、模型设定

模型可以设立为：

其中：

Y：

房地产开发企业营业利润（亿元）X1：

房地产开发企业资金来源小计（亿元）X2：

房地产开发企业本年完成投资额（亿元）X3：

商品房销售面积（万平方米）X4：

商品房平均销售价格（元/平方米）X5：

城乡居民人民币储蓄存款年底余额（亿元）Ｕ：

随机扰动项

3、选择数据

房地产开发企业营业利润（亿元）

房地产开发企业资金来源小计（亿元）

房地产开发企业本年完成投资额（亿元）

商品房销售面积（万平方米）

商品房平均销售价格（元/平方米）

城乡居民人民币储蓄存款年底余额（亿元）

2000年

73.28

5,997.63

4984.05

18637.13

2112

64332.38

2001年

125.47

7,696.39

6344.11

22411.9

2170

73762.43

2002年

252.91

9,749.95

7790.92

26808.29

2250

86910.65

2003年

430.37

13,196.92

10153.8

33717.63

2359

103617.65

2004年

857.97

17,168.77

13158.25

38231.64

2778

119555.39

2005年

1109.19

21,397.84

15909.25

55486.22

3167.66

141050.99

2006年

1669.89

27,135.55

19422.92

61857.07

3366.79

161587.3

2007年

2436.61

37,477.96

25288.84

77354.72

3863.9

172534.19

2008年

3432.23

39,619.36

31203.19

65969.83

3800

217885.35

2009年

4728.58

57,799.04

36241.81

94755

4681

260771.66

2010年

6111.48

72,944.04

48259.4

104764.65

5032

303302.49

2011年

5798.58

85,688.73

61796.89

109366.75

5357.1

343635.89

数据来源：

国家统计局

1.商品房销售额是当期累计数据。

2.城乡居民储蓄数据来源于人民银行。

4、参数估计

DependentVariable:

Y

Method:

LeastSquares

Date:

12/02/13Time:

20:

19

Sample:

20002011

Includedobservations:

12

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-3285.963

2121.909

-1.548588

0.1725

X1

0.107153

0.050807

2.109034

0.0795

X2

-0.150741

0.069565

-2.166900

0.0734

X3

-0.048145

0.036172

-1.330979

0.2315

X4

1.346684

1.486101

0.906186

0.3998

X5

0.022134

0.012332

1.794887

0.1228

R-squared

0.987223

    Meandependentvar

2252.213

AdjustedR-squared

0.976575

    S.D.dependentvar

2240.254

S.E.ofregression

342.8790

    Akaikeinfocriterion

14.81949

Sumsquaredresid

705396.0

    Schwarzcriterion

15.06194

Loglikelihood

-82.91691

    Hannan-Quinncriter.

14.72972

F-statistic

92.71511

    Durbin-Watsonstat

2.308253

Prob（F-statistic）

0.000013

t=（-1.548588）（2.109034）（-2.166900）（-1.330979）（0.906186）（1.794887）

=0.987223S.E.=342.8790F=92.71511D-W=2.308253

四、结果分析

1、统计推断检验

（1）拟合优度：

由上表数据可得

=0.987223，修正可决系数

=0.95345

（2）F检验：

给定显著性水平为

=0.05，则F=92.71511>

=3.97，应拒绝原假设，说明回归方程显著。

（3）t检验：

给定显著性水平

=0.05，查t分布表得

（7）=2.4469，对应表中数据，

、

、

、

、

的绝对值均小于临界值，说明

、

、

、

、

这三个变量对Y的影响不显著怀疑存在多重共线性的影响使其t值不显著。

2、计量经济学检验

（1）多重共线性检验

采用简单相关系数矩阵法对其进行检验：

X1

X2

X3

X4

X5

X1

 1.000000

 0.994300

 0.968707

 0.984409

 0.992342

X2

 0.994300

 1.000000

 0.952099

 0.972787

 0.990626

X3

 0.968707

 0.952099

 1.000000

 0.993925

 0.971725

X4

 0.984409

 0.972787

 0.993925

 1.000000

 0.987141

X5

 0.992342

 0.990626

 0.971725

 0.987141

 1.000000

采用逐步回归法对其进行修正。

分别作Y与

、

、

、

、

间的回归：

DependentVariable:

Y

Method:

LeastSquares

Date:

12/02/13Time:

22:

51

Sample:

20002011

Includedobservations:

12

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-485.5712

193.4853

-2.509603

0.0309

X1

0.082990

0.004644

17.87107

0.0000

R-squared

0.969639

    Meandependentvar

2252.213

AdjustedR-squared

0.966603

    S.D.dependentvar

2240.254

S.E.ofregression

409.4004

    Akaikeinfocriterion

15.01828

Sumsquaredresid

1676087.

    Schwarzcriterion

15.09909

Loglikelihood

-88.10966

    Hannan-Quinncriter.

14.98835

F-statistic

319.3750

    Durbin-Watsonstat

1.590048

Prob（F-statistic）

0.000000

t=（-2.509603）（17.87107）

=0.969639F=319.3750D.W=1.590048

DependentVariable:

Y

Method:

LeastSquares

Date:

12/03/13Time:

07:

40

Sample:

20002011

Includedobservations:

12

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-583.9340

266.8283

-2.188426

0.0535

X2

0.121309

0.009194

13.19410

0.0000

R-squared

0.945677

    Meandependentvar

2252.213

AdjustedR-squared

0.940245

    S.D.dependentvar

2240.254

S.E.ofregression

547.6277

    Akaikeinfocriterion

15.60008

Sumsquaredresid

2998961.

    Schwarzcriterion

15.68090

Loglikelihood

-91.60048

    Hannan-Quinncriter.

15.57016

F-statistic

174.0842

    Durbin-Watsonstat

1.478429

Prob（F-statistic）

0.000000

t=（-2.188426）（13.19410）

=0.945677F=174.0842D.W=1.478429

DependentVariable:

Y

Method:

LeastSquares

Date:

12/03/13Time:

07:

46

Sample:

20002011

Includedobservations:

12

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-1707.039

400.4509

-4.262793

0.0017

X3

0.066977

0.006007

11.14921

0.0000

R-squared

0.925543

    Meandependentvar

2252.213

AdjustedR-squared

0.918097

    S.D.dependentvar

2240.254

S.E.ofregression

641.1323

    Akaikeinfocriterion

15.91536

Sumsquaredresid

4110507.

    Schwarzcriterion

15.99618

Loglikelihood

-93.49216

    Hannan-Quinncriter.

15.88544

F-statistic

124.3049

    Durbin-Watsonstat

1.327877

Prob（F-statistic）

0.000001

t=（-4.262793）（11.14921）

=0.925543F=124.3049D.W=1.327877

DependentVariable:

Y

Method:

LeastSquares

Date:

12/02/13Time:

22:

57

Sample:

20002011

Includedobservations:

12

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-4261.308

445.4814

-9.565623

0.0000

X4

1.909309

0.124280

15.36301

0.0000

R-squared

0.959353

    Meandependentvar

2252.213

AdjustedR-squared

0.955289

    S.D.dependentvar

2240.254

S.E.ofregression

473.7034

    Akaikeinfocriterion

15.31005

Sumsquaredresid

2243949.

    Schwarzcriterion

15.39087

Loglikelihood

-89.86031

    Hannan-Quinncriter.

15.28013

F-statistic

236.0221

    Durbin-Watsonstat

1.439372

Prob（F-statistic）

0.000000

t=（-9.565623）（15.36301）

=0.959353F=236.0221D.W=1.439372

DependentVariable:

Y

Method:

LeastSquares

Date:

12/02/13Time:

23:

05

Sample:

20002011

Includedobservations:

12

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-1836.304

244.4894

-7.510773

0.0000

X5

0.023945

0.001272

18.82818

0.0000

R-squared

0.972565

    Meandependentvar

2252.213

AdjustedR-squared

0.969822

    S.D.dependentvar

2240.254

S.E.ofregression

389.1748

    Akaikeinfocriterion

14.91695

Sumsquaredresid

1514570.

    Schwarzcriterion

14.99776

Loglikelihood

-87.50168

    Hannan-Quinncriter.

14.88702

F-statistic

354.5002

    Durbin-Watsonstat

1.514864

Prob（F-statistic）

0.000000

t=（-7.510773）（18.82818）

=0.972565F=354.5002D.W=1.514864

由于

的t值最大，拟合度最好，因此把

作为基本变量，将其余解释变量逐一代入

的回归方程，重新回归。

加入

：

DependentVariable:

Y

Method:

LeastSquares

Date:

12/03/13Time:

08:

34

Sample:

20002011

Includedobservations:

12

Variable

Coefficie