苑萌萌++张洪

摘 要：房地产业是我国的支柱产业，房地产业的发展存在明显的区域差异，近年来不同城市的市场分化更趋明显，一线及热点二线城市依然供不应求，房价表现坚挺，而多数三四线城市供求结构失衡，房价上涨动力不再，去库存问题严重，可见，区域背景不同对房地产上市公司的财务风险影响也会有不同。选取区域和企业两个层面的样本和数据，运用多层线性模型（HLM）的分析思想，主要进行房地产上市公司财务风险区域因素分析，以期能够为房地产公司做出些许指导。

关键词：区域因素；财务风险；多层线性模型

中图分类号：F293.30 文献标志码：A 文章编号：1673-291X（2017）14-0110-02

很多学者已经对房地产上市公司的财务风险外部因素进行了研究，邓晓岚等（2008）、过新伟等（2012）、卢永艳（2013）都证明了外部因素对企业的财务风险有重要影响。但是，针对区域因素研究房地产上市公司财务风险影响的还比较少，因此，本文从该角度出发，主要来分析区域因素对房地产上市公司财务风险的影响。

一、变量选择与数据收集

（一）变量选择

本文中的变量处于公司层面和区域层面两个层面。

1.公司层面

以公司的财务风险为公司层面的被解释变量，本文借鉴彭中文等（2014）选择样本企业的Z-score指数来衡量企业财务风险：Z=1.2x1+1.4x2+3.3x3+0.6x4+0.99x5。

其中，x1=资产营运资本率=营运资本/总资产×100%，x2=资产留存收益率=留存收益/总资产×100%，x3=资产报酬率=息税前利润/总资产×100%，x4=债务权益市价率=股票总市值/债务总额×100%，x5=总资产周转率=销售收入/总资产×100%

基于数据的可获得性，本文选择资产增长率、资产负债率、前五大股东持股比例三方面指标作为控制变量进行接下来的分析。

2.区域层面

本文中区域发展变量选取劳动参与率、投资水平、工业化水平、对外依存度和城市化水平。其中，劳动参与率为三次产业分的年底就业人数与年底总人口比；投资水平为城乡全社会固定资产投资占各地国内生产总值的比例；工业化水平是各地区第二产业产值占该地区GDP的比；对外依存度是各地区进出口商品总值与该地区GDP的比；城市化水平是非农人口占各地区人口比。

（二）数据来源

取深、沪上市的房地产开发公司共149家，采用2006—2014年9年的数据为研究区间，数据全部来源于国泰安数据库。在原始数据的基础上进行了以下的数据处理。一是剔除2006年前未上市的公司，二是剔除2006年之后重组成为房地产企业的上市公司，三是剔除数据严重缺失的企业。剔除数据后共有103家房地产上市公司作为样本。

选取34个省市作为区域层面的研究对象，剔除没有数据的省市及不存在房地产上市公司的省市，最后剩余21个省市作为研究对象。与企业层面的数据相同，采用9年的数据作为研究区间，区域层面的数据来源于各个省市的统计局中的地区统计年鉴。

二、实证分析

（一）数据统计性描述

因为考察了区域和企业两个层面变量之间的关系，本文在实证分析中采用多层线性模型（HLM）的分析思想，利用R语言进行编程实现。

在进行实证之前，使用正态标准化进行数据标准化处理。各数据进行正态标准化处理之后，计算出两两变量之间的相关性系数，见表1。其中，X1代表前五大股东持股比例，X2代表资产增长率，X3代表资产负债率，X5代表劳动参与率，X6代表投资水平，X7代表工业化水平，X8代表对外依存度，X9代表城市化水平。

观察表1第一层变量各个数据值，可发现第一层各变量之间的相关性系数比较小；通过对第一层自变量进行kappa检验表明，kappa值等于1.459，小于10，说明自变量之间不存在多重共线性。观察表1第二层变量各个数据值，可发现其中有变量之间（比如X8和X9）的相关性系数超过了0.7，说明它们之间存在较强的相关性；通过对第二层变量进行kappa检验表明，kappa值等于11.516 37，大于10但小于100，说明第二层自变量之间存在一定的多重共线性。由此，下文的数据分析对第二层面的变量采用逐步回归，每次放入一个变量，检验该变量对企业财务风险的直接影响。

（二）零模型检验

本文研究的是房地产上市公司财务风险区域因素分析，主要研究了影响房地产上市公司财务风险的区域因素。房地产上市公司的财务风险受到企业层面因素的影响，还会受到区域层面因素的影响。首先需要验证不同区域的房地产上市公司财务风险存在差异，使用R语言的零模型进行检验。即在模型的第一层和第二层没有放入任何企业或者区域层面的变量，以此来检验第二层截距项的残差变异是否显著，分析检验模式如下：

LEVEL1：Z=β0j+εij

LEVEL2：β0j=γ00+μ0j

式中，Z為房地产上市公司的财务风险Z值。

零模型的数据分析结果见表2。从表2中可以看出，Z（μ0j=1.45884，P<0.001），截距项的残差变异都达到显著水平。

经过进一步计算得出各变量的ICCI，见表3。企业Z值有19.39126%的变异来自区域因素之间的差异，即区域因素可以解释企业Z值19.39126%的方差。

（三）全模型检验

通过零模型的检验，发现不同地区的企业所表现的财务风险存在显著差异，以Z值作为被解释变量，使用线性混合模型进行分析，结果如表4。由表1可知，第二层面的5个变量之间存在一定的多重共线性，故模型在回归的过程中采用多步回归，逐个放入回归变量，以避免多重共线性带来的问题。

三、结论

Z值来源于Z-score模型，Z值越小，企业风险越大；反之，Z值越大，企业风险越小。从以上表4中可以看出，劳动参与率X5系数为负，且P值小于0.05，说明劳动参与率与房地产上市公司Z值显著负相关，劳动参与率越高，Z值越小，房地产上市公司的财务风险越大。投资水平X6的系数值为正，且P值小于0.05，说明投资水平与房地产上市公司Z值显著正相关，投资水平越高，Z值越大，房地产上市公司财务风险越小。工业化水平X7的系数为正，P值为0.088 89，在显著性阀值0.1的情况下显著，说明工业化水平与房地产上市公司Z值显著正相关，工业化水平越高，房地产上市公司Z值越大，房地产上市公司的财务风险越小。对外依存度X8的系数为负，且P值小于0.05，说明区域经济的对外依存度对房地产上市公司Z值有显著负相关，对外依存度越高，Z值越小，房地产上市公司的财务风险越大。城市化水平X9的系数为负，且P值小于0.05，说明城市化水平与房地产上市公司的Z值显著负相关，城市化水平越高，Z值越小，房地产上市公司的财务风险越大。

针对以上结论，房地产公司可以以区域相关因素作指导来降低企业的财务风险。

参考文献：

[1] 邓晓岚，王宗军.股票市场表现、宏观经济环境与公司财务困境[J].重庆大学学报：社会科学版，2008，14（4）：39-44.

[2] 过新伟，胡晓.公司治理、宏观经济环境与财务失败预警研究——离散时间风险模型的应用[J].上海经济研究，2012，（5）：85-97.

[3] 卢永艳.宏观经济因素对企业财务困境风险影响的实证分析[J].宏观经济研究，2013，（5）：53-58.

[4] 彭中文，李力，文磊.观调控、公司治理与财务风险——基于房地产上市公司的面板数据[J].中央财经大学学报，2014，1（5）：52.

[5] 徐彪，李心丹，刘海飞，等.区域背景與企业绩效关系研究——基于中国52个城市工业制造企业的实证分析[J].管理学报，2011，

8（6）：827-835.

[6] 张李昂，朱显平.我国区域经济差异对房地产价格的影响分析与对策[J].经济问题探索，2015，（12）：100-105.

[责任编辑 杜 娟]