互聯網企業盈利能力研究
——基于因子分析及聚類分析

（華北水利水電大學管理與經濟學院 河南鄭州450046）

一、研究背景

中國信通院公布的數據顯示，2016年，在我國2.4萬億元的信息通信業收入中，互聯網企業收入約為1.24億元，占比首次超過50%，實現了歷史性突破。隨著互聯網技術的飛速進步和互聯網企業數量和類型的不斷增加，企業收入的不斷增長，盈利能力分析有助于國家引導互聯網產業健康發展，有助于企業提升經營管理水平，是互聯網企業在技術更新快、競爭日趨激烈的的行業背景下能否長久生存，能否保障投資人和債權人權益的重要參考依據，也是衡量經營者業績的重要標準之一。

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矩陣內部的依賴關系出發，把一些具有錯綜復雜關系的變量歸結為少數幾個綜合因子的一種多變量統計分析方法。

設有n個樣本，每個樣本有p個相關性較強的指標，為消除由于觀測量綱的差異及數量級不同所造成的影響，對樣本觀測數據進行標準化處理，使標準化后的變量均值為0，方差為1。用向量X表示原始變量及標準化后的變量，用 F1，F2，…，Fm（m＜p）表示標準化的公共因子，其相互獨立且不可測，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行因子旋轉以找到實際意義更明顯的公共因子，再求出因子得分，根據因子得分值進行進一步分析。

（二）研究樣本及指標的選取

本文選取剔除出部分指標缺失公司后的34家互聯網上市公司為研究樣本，運用其2016年第三季度的報表數據進行分析。選取的盈利能力指標有：營業利潤率 （X1）、成本利潤率（X2）、盈余現金保障倍數（X3）、總資產報酬率（X4）、凈資產收益率（X5）、每股收益（X6）、每股凈資產（X7）共 7 個指標。數據來源于萬德資訊。

（三）因子分析過程

1.因子分析的可行性檢驗。本文使用SPSS 22.0進行因子分析。由于原始數據量綱的差異較大，因此對原始數據進行標準化，然后進行KMO檢驗和B-artlett球度檢驗，檢驗結果見表1。

表1 KMO 和巴特利特檢驗

KMO 統計量為 0.794＞0.5，Bartlett球度檢驗的概率P值接近于0，說明數據適合做因子分析。

2.運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據信息，因此將抽取的因子數量設定為3，并使用最大方差法進行因子旋轉以使各因子具有更加明確的經濟意義。由下頁表2數據可知，三個公因子的特征值分別為4.168、1.081、0.766；旋轉后方差貢獻率分別為 52.070%、19.203%、14.665%。方差貢獻率反映了提取的公共因子反映原始變量的能力，三個公共因子的累積方差貢獻率達到了85.938%，表明這三個公共因子集中了7個原始變量的信息的85.938%，效果較好。因此，7個盈利指標可以用3個因子來反映。

表2 總方差解釋

表3 旋轉后的成分矩陣a

3.使用方差最大法進行因子旋轉得到因子載荷矩陣。使用方差最大法進行因子旋轉后可得到表3所示的因子載荷矩陣。由表3數據可知，因子1在營業利潤率、成本利潤率、總資產報酬率、凈資產收益率和每股收益上具有較高的因子載荷。這些指標主要反映了企業的投入（資產、費用）與回報（利潤、收入），因此將因子1稱為投入回報因子F1。因子2在每股凈資產上具有較高的因子載荷。由于該指標反映了企業的內在價值，因此將因子2稱為內在價值因子F2。因子3在盈余現金保障倍數上具有較高的因子載荷。由于該指標反映了企業盈余質量，因此將因子3稱為盈余質量因子F3。

表4 因子得分

4.計算各因子得分及各企業綜合得分。由旋轉后的成分矩陣可得因子得分函數為：

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率占三個因子的總方差貢獻率的比重作為權重進行加權匯總，得出各企業的綜合得分F，即：

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

計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

聚類分析是將個體或對象分類、使得同一類中的對象之間的相似性比與其他類的對象的相似性更強的一種方法。聚類分析認為，所研究的樣品或指標間存在程度不同的相似性。根據一批樣品的多個觀測指標，具體找出一些能夠度量樣品或指標間相似程度的統計量，以這些統計量作為劃分類型的依據。

本文使用系統聚類法進行分析。系統聚類法首先將n個樣品看成n類，然后將性質最接近的兩類合并成一個新類，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結法進行系統聚類，并結合各因子得分樹狀圖及聚合系數隨分類數變化曲線，將F1得分分為3類，F2得分分為3類，F3得分分為4類，F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劃分至不同的類中。

按F1得分進行聚類的結果為：第一類得分中等，分數為0.3744至1.48668；第二類得分較低，分數為-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，表明企業的投入回報越高。

按F2得分進行聚類的結果為：第一類得分較低，分數為-0.8151至0.27796；第二類得分中等，分數為0.51066和0.68142；第三類得分較高，分數為 2.58268、2.93403 和 3.12595。該因子得分越高，表明企業的內在價值越高。

按F3得分進行聚類的結果為：第一類得分較低，分數為-2.03044和-1.65382；第二類得分中等，分數為-0.9728至0.53121；第三類得分較高，分數為 1.36748和 1.91886；第四類得分高，為4.14048。該因子得分越高，表明企業的現金回報越高。

按F得分進行聚類的結果為：第一類較低，分數為-0.76444至-0.07501；第二類得分中等，分數為-0.0077至0.69511。第三類得分較高，分數為3.02366。該因子得分越高，表明企業的盈利能力越強。

四、研究結論

在34家公司中，主營業務與網絡游戲相關的公司共15家，其他業務類型的公司共19家。通過計算因子得分并進行聚類，可以按照各因子的得分情況將企業在盈利能力的不同方面進行科學的分類，從而進一步分析企業在盈利能力的不同方面上表現如何，從而為企業未來的的發展方向及改善盈利能力提供一定的指導。

主營業務與電子商務相關的公司，如二六三、東方財富、上海鋼聯等F1得分普遍較低，而與網絡游戲相關的企業F1得分普遍較高，共有10家，占網絡游戲公司總數的66.67%。該結果反映出主營業務與網絡游戲相關的公司投資回報較高。

大部分企業在F2上的得分較低，但值得注意的是，網絡游戲企業有11家該項得分較低，占網絡游戲企業總數的73.33%，說明該類企業在行業內雖然有較高的投資回報，但內在價值普遍不高。

F3得分較低的企業為生意寶和東方財富；得分中等的企業共29家，主營業務各不相同，15家主營業務與網絡游戲相關的企業均在其中；得分較高的企業為鵬博士和上海鋼聯。值得注意的是，按F3得分可將企業分為四類，因子得分最高的第四類企業為樂視網。

因子綜合得分F較低的企業共20家，得分中等的企業共13家，其中主營業務與網絡游戲相關的公司共10家，占該類企業總數的66.67%，得分較高的企業為吉比特。這表明大部分主營業務與網絡游戲相關的公司綜合盈利能力在行業內處于中上游水平。

由以上分析可知，主營業務與網絡游戲相關的企業投入回報較高，且大部分企業的盈利能力在互聯網行業內屬中等或中上等，顯示出該類企業較強的盈利能力，但其內在價值大部分較低（F2得分較低）。主營業務涉及電子商務的企業內在價值在互聯網行業內處于較低水平，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上的得分遠超其他企業，表明其在互聯網行業內具有出色的投入回報和盈利能力。樂視網在F3上得分遠超其他企業，被單獨劃為一類，表明其盈余質量在當時較高，但由于其涉足行業過多，短時間內攤子鋪得太大，進入2016年底后樂視網資金鏈危機和債務危機不斷爆發，其盈利能力和盈余質量已大打折扣。由此可見，分析企業的盈利能力和發展前景除了依靠因子分析等統計方法外，還應綜合考慮其發展戰略等因素，這樣才能對其未來的盈利趨勢和企業狀況有一個更為科學的把握。通過因子分析可知，某些企業的盈利能力較高，但其在某些單項指標所反映的能力上并不突出，這表明通過單一指標來判斷企業整體的盈利能力有較大偏差。因子分析所建立的綜合評價模型克服了這一缺點，而聚類分析則將企業按各因子得分的高低，即盈利能力不同方面的表現進行歸類，有助于管理者明確企業在行業中所處的位置。因此，不應僅著眼于個別指標對企業的盈利能力和管理者業績進行評價，而應當從微觀到宏觀，從對盈利能力的不同方面到整體盈利能力進行綜合評價，避免因為整體盈利能力較高而忽略了其中的薄弱方面，從而造成評價結果的失真，對企業的各項決策產生誤導。另一方面，通過聚類分析所呈現出的在盈利能力上的主營業務特征，也為政府管理部門制定相關政策，引導互聯網行業健康發展提供了一定的依據。