（華北水利水電大學(xué)管理與經(jīng)濟(jì)學(xué)院 河南鄭州450046）

一、研究背景

中國信通院公布的數(shù)據(jù)顯示，2016年，在我國2.4萬億元的信息通信業(yè)收入中，互聯(lián)網(wǎng)企業(yè)收入約為1.24億元，占比首次超過50%，實(shí)現(xiàn)了歷史性突破。隨著互聯(lián)網(wǎng)技術(shù)的飛速進(jìn)步和互聯(lián)網(wǎng)企業(yè)數(shù)量和類型的不斷增加，企業(yè)收入的不斷增長(zhǎng)，盈利能力分析有助于國家引導(dǎo)互聯(lián)網(wǎng)產(chǎn)業(yè)健康發(fā)展，有助于企業(yè)提升經(jīng)營管理水平，是互聯(lián)網(wǎng)企業(yè)在技術(shù)更新快、競(jìng)爭(zhēng)日趨激烈的的行業(yè)背景下能否長(zhǎng)久生存，能否保障投資人和債權(quán)人權(quán)益的重要參考依據(jù)，也是衡量經(jīng)營者業(yè)績(jī)的重要標(biāo)準(zhǔn)之一。

二、因子分析

（一）因子分析原理

因子分析是利用降維的思想，由研究原始變量相關(guān)矩陣內(nèi)部的依賴關(guān)系出發(fā)，把一些具有錯(cuò)綜復(fù)雜關(guān)系的變量歸結(jié)為少數(shù)幾個(gè)綜合因子的一種多變量統(tǒng)計(jì)分析方法。

設(shè)有n個(gè)樣本，每個(gè)樣本有p個(gè)相關(guān)性較強(qiáng)的指標(biāo)，為消除由于觀測(cè)量綱的差異及數(shù)量級(jí)不同所造成的影響，對(duì)樣本觀測(cè)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，使標(biāo)準(zhǔn)化后的變量均值為0，方差為1。用向量X表示原始變量及標(biāo)準(zhǔn)化后的變量，用 F1，F(xiàn)2，…，F(xiàn)m（m＜p）表示標(biāo)準(zhǔn)化的公共因子，其相互獨(dú)立且不可測(cè)，則因子模型為：

X1=a11F1+a12F2+…+a1mFm+ε1

X2=a21F1+a22F2+…+a2mFm+ε2

……

X1=ap1F1+ap2F2+…+apmFm+εp

其中，ε1，ε2，…εp稱為特殊因子，是Xi所特有的因子。公共因子間、特殊因子間、公共因子和特殊因子間相互獨(dú)立。aij稱為因子載荷，表示Xi和Fj的相依程度。a2i1+a2i2+…+a2im稱為變量Xi的共同度，表示公共因子解釋Xi方差的比例。求出因子載荷后可以進(jìn)行因子旋轉(zhuǎn)以找到實(shí)際意義更明顯的公共因子，再求出因子得分，根據(jù)因子得分值進(jìn)行進(jìn)一步分析。

（二）研究樣本及指標(biāo)的選取

本文選取剔除出部分指標(biāo)缺失公司后的34家互聯(lián)網(wǎng)上市公司為研究樣本，運(yùn)用其2016年第三季度的報(bào)表數(shù)據(jù)進(jìn)行分析。選取的盈利能力指標(biāo)有：營業(yè)利潤(rùn)率 （X1）、成本利潤(rùn)率（X2）、盈余現(xiàn)金保障倍數(shù)（X3）、總資產(chǎn)報(bào)酬率（X4）、凈資產(chǎn)收益率（X5）、每股收益（X6）、每股凈資產(chǎn)（X7）共 7 個(gè)指標(biāo)。數(shù)據(jù)來源于萬德資訊。

（三）因子分析過程

1.因子分析的可行性檢驗(yàn)。本文使用SPSS 22.0進(jìn)行因子分析。由于原始數(shù)據(jù)量綱的差異較大，因此對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，然后進(jìn)行KMO檢驗(yàn)和B-artlett球度檢驗(yàn)，檢驗(yàn)結(jié)果見表1。

表1 KMO 和巴特利特檢驗(yàn)

KMO 統(tǒng)計(jì)量為 0.794＞0.5，Bartlett球度檢驗(yàn)的概率P值接近于0，說明數(shù)據(jù)適合做因子分析。

2.運(yùn)用主成分法尋找公共因子。為使提取的公因子能較多地反映原始數(shù)據(jù)信息，因此將抽取的因子數(shù)量設(shè)定為3，并使用最大方差法進(jìn)行因子旋轉(zhuǎn)以使各因子具有更加明確的經(jīng)濟(jì)意義。由下頁表2數(shù)據(jù)可知，三個(gè)公因子的特征值分別為4.168、1.081、0.766；旋轉(zhuǎn)后方差貢獻(xiàn)率分別為 52.070%、19.203%、14.665%。方差貢獻(xiàn)率反映了提取的公共因子反映原始變量的能力，三個(gè)公共因子的累積方差貢獻(xiàn)率達(dá)到了85.938%，表明這三個(gè)公共因子集中了7個(gè)原始變量的信息的85.938%，效果較好。因此，7個(gè)盈利指標(biāo)可以用3個(gè)因子來反映。

表2 總方差解釋

表3 旋轉(zhuǎn)后的成分矩陣a

3.使用方差最大法進(jìn)行因子旋轉(zhuǎn)得到因子載荷矩陣。使用方差最大法進(jìn)行因子旋轉(zhuǎn)后可得到表3所示的因子載荷矩陣。由表3數(shù)據(jù)可知，因子1在營業(yè)利潤(rùn)率、成本利潤(rùn)率、總資產(chǎn)報(bào)酬率、凈資產(chǎn)收益率和每股收益上具有較高的因子載荷。這些指標(biāo)主要反映了企業(yè)的投入（資產(chǎn)、費(fèi)用）與回報(bào)（利潤(rùn)、收入），因此將因子1稱為投入回報(bào)因子F1。因子2在每股凈資產(chǎn)上具有較高的因子載荷。由于該指標(biāo)反映了企業(yè)的內(nèi)在價(jià)值，因此將因子2稱為內(nèi)在價(jià)值因子F2。因子3在盈余現(xiàn)金保障倍數(shù)上具有較高的因子載荷。由于該指標(biāo)反映了企業(yè)盈余質(zhì)量，因此將因子3稱為盈余質(zhì)量因子F3。

表4 因子得分

4.計(jì)算各因子得分及各企業(yè)綜合得分。由旋轉(zhuǎn)后的成分矩陣可得因子得分函數(shù)為：

F1=0.777×X1+0.854×X2-0.067×X3+0.930×X4+0.897×X5+0.770×X6+0.213×X7

F2=0.119×X1+0.322×X2+0.032×X3+0.160×X4+0.093×X5+0.518×X6+0.961×X7

F3=-0.211×X1-0.062×X2+0.986×X3-0.005×X4+0.009×X5+0.069×X6+0.024×X7

再以各因子的方差貢獻(xiàn)率占三個(gè)因子的總方差貢獻(xiàn)率的比重作為權(quán)重進(jìn)行加權(quán)匯總，得出各企業(yè)的綜合得分F，即：

F=（52.070×F1+19.203×F2+14.665×F3）/85.938

計(jì)算出的各因子得分及綜合得分見表4。

三、聚類分析

（一）聚類分析原理

聚類分析是將個(gè)體或?qū)ο蠓诸悺⑹沟猛活愔械膶?duì)象之間的相似性比與其他類的對(duì)象的相似性更強(qiáng)的一種方法。聚類分析認(rèn)為，所研究的樣品或指標(biāo)間存在程度不同的相似性。根據(jù)一批樣品的多個(gè)觀測(cè)指標(biāo)，具體找出一些能夠度量樣品或指標(biāo)間相似程度的統(tǒng)計(jì)量，以這些統(tǒng)計(jì)量作為劃分類型的依據(jù)。

本文使用系統(tǒng)聚類法進(jìn)行分析。系統(tǒng)聚類法首先將n個(gè)樣品看成n類，然后將性質(zhì)最接近的兩類合并成一個(gè)新類，得到n-1類，再從中找出最接近的兩類加以合并，變成n-2類，如此下去，最后所有樣品均在一起，便可決定分多少類，每類各有哪些樣品。

（二）聚類分析過程

本文使用SPSS 22.0進(jìn)行聚類分析。將 F1得分、F2得分、F3得分、F 得分分別采用組間聯(lián)結(jié)法進(jìn)行系統(tǒng)聚類，并結(jié)合各因子得分樹狀圖及聚合系數(shù)隨分類數(shù)變化曲線，將F1得分分為3類，F(xiàn)2得分分為3類，F(xiàn)3得分分為4類，F(xiàn)得分分為3類。

（三）因子得分聚類情況

聚類分析按照因子得分的高低將企業(yè)劃分至不同的類中。

按F1得分進(jìn)行聚類的結(jié)果為：第一類得分中等，分?jǐn)?shù)為0.3744至1.48668；第二類得分較低，分?jǐn)?shù)為-1.37703至0.10106；第三類得分較高，因子得分為4.169。該因子得分越高，表明企業(yè)的投入回報(bào)越高。

按F2得分進(jìn)行聚類的結(jié)果為：第一類得分較低，分?jǐn)?shù)為-0.8151至0.27796；第二類得分中等，分?jǐn)?shù)為0.51066和0.68142；第三類得分較高，分?jǐn)?shù)為 2.58268、2.93403 和 3.12595。該因子得分越高，表明企業(yè)的內(nèi)在價(jià)值越高。

按F3得分進(jìn)行聚類的結(jié)果為：第一類得分較低，分?jǐn)?shù)為-2.03044和-1.65382；第二類得分中等，分?jǐn)?shù)為-0.9728至0.53121；第三類得分較高，分?jǐn)?shù)為 1.36748和 1.91886；第四類得分高，為4.14048。該因子得分越高，表明企業(yè)的現(xiàn)金回報(bào)越高。

按F得分進(jìn)行聚類的結(jié)果為：第一類較低，分?jǐn)?shù)為-0.76444至-0.07501；第二類得分中等，分?jǐn)?shù)為-0.0077至0.69511。第三類得分較高，分?jǐn)?shù)為3.02366。該因子得分越高，表明企業(yè)的盈利能力越強(qiáng)。

四、研究結(jié)論

在34家公司中，主營業(yè)務(wù)與網(wǎng)絡(luò)游戲相關(guān)的公司共15家，其他業(yè)務(wù)類型的公司共19家。通過計(jì)算因子得分并進(jìn)行聚類，可以按照各因子的得分情況將企業(yè)在盈利能力的不同方面進(jìn)行科學(xué)的分類，從而進(jìn)一步分析企業(yè)在盈利能力的不同方面上表現(xiàn)如何，從而為企業(yè)未來的的發(fā)展方向及改善盈利能力提供一定的指導(dǎo)。

主營業(yè)務(wù)與電子商務(wù)相關(guān)的公司，如二六三、東方財(cái)富、上海鋼聯(lián)等F1得分普遍較低，而與網(wǎng)絡(luò)游戲相關(guān)的企業(yè)F1得分普遍較高，共有10家，占網(wǎng)絡(luò)游戲公司總數(shù)的66.67%。該結(jié)果反映出主營業(yè)務(wù)與網(wǎng)絡(luò)游戲相關(guān)的公司投資回報(bào)較高。

大部分企業(yè)在F2上的得分較低，但值得注意的是，網(wǎng)絡(luò)游戲企業(yè)有11家該項(xiàng)得分較低，占網(wǎng)絡(luò)游戲企業(yè)總數(shù)的73.33%，說明該類企業(yè)在行業(yè)內(nèi)雖然有較高的投資回報(bào)，但內(nèi)在價(jià)值普遍不高。

F3得分較低的企業(yè)為生意寶和東方財(cái)富；得分中等的企業(yè)共29家，主營業(yè)務(wù)各不相同，15家主營業(yè)務(wù)與網(wǎng)絡(luò)游戲相關(guān)的企業(yè)均在其中；得分較高的企業(yè)為鵬博士和上海鋼聯(lián)。值得注意的是，按F3得分可將企業(yè)分為四類，因子得分最高的第四類企業(yè)為樂視網(wǎng)。

因子綜合得分F較低的企業(yè)共20家，得分中等的企業(yè)共13家，其中主營業(yè)務(wù)與網(wǎng)絡(luò)游戲相關(guān)的公司共10家，占該類企業(yè)總數(shù)的66.67%，得分較高的企業(yè)為吉比特。這表明大部分主營業(yè)務(wù)與網(wǎng)絡(luò)游戲相關(guān)的公司綜合盈利能力在行業(yè)內(nèi)處于中上游水平。

由以上分析可知，主營業(yè)務(wù)與網(wǎng)絡(luò)游戲相關(guān)的企業(yè)投入回報(bào)較高，且大部分企業(yè)的盈利能力在互聯(lián)網(wǎng)行業(yè)內(nèi)屬中等或中上等，顯示出該類企業(yè)較強(qiáng)的盈利能力，但其內(nèi)在價(jià)值大部分較低（F2得分較低）。主營業(yè)務(wù)涉及電子商務(wù)的企業(yè)內(nèi)在價(jià)值在互聯(lián)網(wǎng)行業(yè)內(nèi)處于較低水平，且其盈利能力較低。另外值得注意的是，吉比特在F1、F2和F上得分均很高，其中在F1和F上的得分遠(yuǎn)超其他企業(yè)，表明其在互聯(lián)網(wǎng)行業(yè)內(nèi)具有出色的投入回報(bào)和盈利能力。樂視網(wǎng)在F3上得分遠(yuǎn)超其他企業(yè)，被單獨(dú)劃為一類，表明其盈余質(zhì)量在當(dāng)時(shí)較高，但由于其涉足行業(yè)過多，短時(shí)間內(nèi)攤子鋪得太大，進(jìn)入2016年底后樂視網(wǎng)資金鏈危機(jī)和債務(wù)危機(jī)不斷爆發(fā)，其盈利能力和盈余質(zhì)量已大打折扣。由此可見，分析企業(yè)的盈利能力和發(fā)展前景除了依靠因子分析等統(tǒng)計(jì)方法外，還應(yīng)綜合考慮其發(fā)展戰(zhàn)略等因素，這樣才能對(duì)其未來的盈利趨勢(shì)和企業(yè)狀況有一個(gè)更為科學(xué)的把握。通過因子分析可知，某些企業(yè)的盈利能力較高，但其在某些單項(xiàng)指標(biāo)所反映的能力上并不突出，這表明通過單一指標(biāo)來判斷企業(yè)整體的盈利能力有較大偏差。因子分析所建立的綜合評(píng)價(jià)模型克服了這一缺點(diǎn)，而聚類分析則將企業(yè)按各因子得分的高低，即盈利能力不同方面的表現(xiàn)進(jìn)行歸類，有助于管理者明確企業(yè)在行業(yè)中所處的位置。因此，不應(yīng)僅著眼于個(gè)別指標(biāo)對(duì)企業(yè)的盈利能力和管理者業(yè)績(jī)進(jìn)行評(píng)價(jià)，而應(yīng)當(dāng)從微觀到宏觀，從對(duì)盈利能力的不同方面到整體盈利能力進(jìn)行綜合評(píng)價(jià)，避免因?yàn)檎w盈利能力較高而忽略了其中的薄弱方面，從而造成評(píng)價(jià)結(jié)果的失真，對(duì)企業(yè)的各項(xiàng)決策產(chǎn)生誤導(dǎo)。另一方面，通過聚類分析所呈現(xiàn)出的在盈利能力上的主營業(yè)務(wù)特征，也為政府管理部門制定相關(guān)政策，引導(dǎo)互聯(lián)網(wǎng)行業(yè)健康發(fā)展提供了一定的依據(jù)。