基于变精度粗糙集的房地产企业盈利能力评价

2020年第6期重庆三峡学院学报No.6.2020第36卷（190期）JOURNAL OF CHONGQING THREE GORGES UNIVERSITY V ol.36 No.190基于变精度粗糙集的房地产企业盈利能力评价
舒服华
（武汉理工大学继续教育学院，湖北武汉 430070）
摘 要：在利用传统粗糙集理论确定属性指标的权重时，由于分类要求比较严格，原有的信息量不能完全利用，导致许多属性指标的权重相同，与实际情况不相吻合。

变精度
粗糙集降低了分类要求，丰富了分类的多样性，能够充分利用原有的信息，求得的指标属
性一般不会完全相同，能客观反映现实。

运用变精度粗糙集理论确定房地产企业盈利能力
评价指标的权重，并通过模糊评价法对我国部分上市房地产企业的盈利能力进行评价。

关键词：房地产；企业盈利能力；评价；变精度粗糙集
中图分类号：F293.3文献标识码：A文章编号：1009-8135（2020）06-0055-10
房地产业是国民经济的支柱型产业，在国民经济中占有举足轻重的地位。

房地产业牵涉的面广，关联的产业多，对经济带动作用十分突出。

能带动上游行业钢铁、水泥、建材、玻璃、陶瓷，以及下游行业装修、厨卫、灯具、家具、家电等十多个行业的发展。

除此之外，房地产业在推进城市建设、完善城市功能、美化城市环境、改善人居条件等方面功不可没。

同时，对繁荣城市经济、增加就业、创造税收等也有重要贡献。

自我国住房制度改革以来，房地产业发展迅猛，2019年全国房地产开发投资达1.3万亿多元，比上年增长9.9%，占固定资产投资的24%，建筑业增加值7万亿多元，占第二产业增加值近19%。

房地产企业的盈利能力直接反映企业在国民经济中的价值和财富创造能力。

客观评价我国房地产企业盈利能力，对房地产企业改善经营，提高经济效益，促进企业持续健康发展具有重要的现实意义。

国内学者对房地产企业经营绩效进行了一些研究，主要方法有EVA法[1]、TOPSIS法[2]、AHP[3]、因子分析法[4]、主成分分析法[5]、DEA法[6]等，取得了一些成效，但总体不太令人满意。

粗糙集理论（Rough Set）是用于研究不完整知识表达、学习与归纳的一种数学工具，它无需任何先验知识，通过自动学习原有知识而获取新知识，揭示系统的规律性，广泛用于知识发现与数据挖掘，在数学[7]、系统工程[8]、经济[9]、管理[10]、计算机[11-12]、机械[13-14]、电力[15-16]等领域得到成功应用。

粗糙集理论的核心问题是分类分析，经典粗糙集对于边界的刻画过于简单，所处理的对象是已知的，且划分对象以绝对精确为准则，即分类基于完全包含与不包含的原则，而集合的关系不仅仅是包含与不包含的关系，还有属于关系，这限制了粗糙集的适用对象，特别是在利用粗糙集理论求属性指标的权重时，分类要求苛刻，导致许多属性指标的权重相同，体现不出指标数据间的细微差异。

变精度粗糙集是经典粗糙集模型的拓展，它引入正确分类率，从而允许存在分类错误，因此，对异常数据具有容忍度，适合于处理含
作者简介：舒服华（1966—），男，湖北武汉人，博士，教授，主要研究计量经济学。

基金项目：湖北省自然科学基金项目“运筹学和统计学应用技术研究”（2018CFB211）。

舒服华：基于变精度粗糙集的房地产企业盈利能力评价
噪声、干扰信息的系统，适用范围更广。

粗糙集理论一个最重要的应用是在多属性决策中确定属性指标的权重。

国内学者对变精度粗糙集的相关研究较多，但提出的一些理论和公式晦涩难懂，使读者难以理解，本研究摒弃那些深奥繁琐的公式，用通俗浅显的语言阐明变精度粗糙集理论，化繁为简，变抽象为形象，便于读者理解。

在考察房地产企业盈利能力时，运用变精度粗糙集属性依赖度理论确定评价指标的权重。

改善传统粗糙集分类简单化的不足，充分挖掘系统内部隐含的信息，排除了人为因素的干扰，避免求得的属性指标权重雷同，使指标权重更加符合客观现实。

一、变精度粗糙集理论
（一）变精度粗糙集原理
粗糙集（Rough Set）理论是一种用于处理不精确、不确定、不完备的数据信息的有效数学工具，它以已知数据信息为基础，用集合论理论对其进行描述，通过不可分辨关系和等价类确定相关的近似域，以寻求系统的内在规律。

经典粗糙集模型是严格按照等价关系来分类的，分类必须是完全正确的或肯定的，且所处理的对象是已知的，分类虽然精确，但缺乏对先验知识、模糊或不确定数据的分析和处理能力，限制了粗糙集理论的应用范围。

特别是在利用粗糙集理论求属性指标的权重时，往往系统的信息利用不够充分，导致得到的一些属性指标的权重相同，不能真实反映属性指标的细微差异。

变精度粗糙集是传统粗糙集的扩展模型，它允许一定程度的错误分类存在，放松了标准粗糙集理论对近似边界的严格定义。

一方面完善了近似空间的概念，另一方面有利于从关联性不强的数据中发现有细微价值的信息，解决了属性间不一致性较弱的分类问题，能够更加充分利用系统隐藏的有价值信息，提高了泛化能力。

粗糙集理论可以用分类、不可分辨关系、等价类、正域等关键词来概括。

属性值相同或决策结果一致的样本被分为一类，不同类别的样本集合构成等价类，同一类样本如果有多个，则它们称为不可分辨关系，正域则是可以分辨的样本总数量。

任何信息系统都可以用以下数组表示：
S = (U，C，D)
其中，U={X1，X2，…，X n}为对象集；C={C1，C2，…，C m}为属性集，D为决策集D={D1，D2，…，D k}。

下面以属性集为例，阐明传统粗糙集和变精度粗糙集的基本思想。

对于任意决策系统，可以按属性值对样本进行分类，记为C/U={X k}，称为等价类。

在分类结果{X k}中，有些类别的对象大于2，则此类中的样本不可区分，称为不可分辨关系，等价类的正域（粗糙集的下近似集）记为POS C(D)，是粗糙集的灵魂。

实际上它为等价类中可以区分的对象个数，也就是对象类别中只有一个样本的所用数目。

变精度粗糙集在分类过程中，不要求同一类对象所有属性值都相同，允许少数不一致，可以用正确分类率或分类质量描述。

设对象的属性集总共N个指标，给定阈值β，那么两个对象属性只要有M=βN以上个指标相同，就可以将其划归一类，此时分类正确率为β=（M/N）%，错分率为1-β。

（二）属性指标权重的确定
设｜U｜为论域中个体的数量，D i为决策类的某个等价类；POS Cβ(D)为变精度粗糙集某
重庆三峡学院学报
决策类的等价类正域的个体数量，则条件属性的重要度为：
U
D POS U
D POS C I D
U D i
C
C i ∑∈=
=
/)
()
()(ββ
（1）
条件属性的信息量为：
2
1
2
1)(U
X
C E n
i i
∑=-
= （2）
式（2）中，｜X i ｜为根据某类等价关系划分的某个等价类所包含的个体数量。

则条件属性C 关于D 的依赖度为：
)()-(1)()ig(C E C I C S λλ+= （3） 式（3）中，λ为决策系数，λ∈[0，1]，其值根据个人喜好确定，λ越大，表示属性依赖度主要由其信息量决定；λ越小，表示属性的依赖度主要由其重要度决定。

当求单个属性指标C i 的权重时，首先将决策表中C i 所在的列去除，然后再求剩余属性集C-{C i }的依赖度，为了书写方便记为Sig(C i )，每个属性的依赖度求出后，进行归一化处理就可以得到指标的权重，即：
∑==
m
i i
i i C S C S w 1
)
ig()
ig( （4）
式（4）中，w i (i=1，2，…，m)为评价指标C i 的权重。

简言之，变精度粗糙集与传统粗糙集的区别主要在于变精度粗糙集允许一定的错分率。

对于传统粗糙集而言，两个对象所有属性指标值完全相同才能被划归为一类；而变精度粗糙集则不要求两个对象的指标值全部相同，只要大部分相同就可以划归一类。

（三）房地产企业盈利能力评价
房地产企业盈利能力采用模糊评价法。

其基本思想是首先根据评价对象各评价值构造模糊评价矩阵，然后利用变精度粗糙集理论确定各评价指标的权重。

评价对象的最终评价值为其指标评价值的加权平均和。

即：
ij m
j j i w P η∑==1
（5）
式（5）中，ηij 为第i 评价对象的第j 个评价指标的归一化值；w j 为第j 评价指标的权重。

二、实例分析
我国上市的房地产企业有100多家，规模和经营状况相差悬殊，为了使评价更富现实意义，选择14家经营情况接近的上市房地产商为研究对象。

故评价对象集为X={X 1，X 2，…，X 14}。

考察房地产企业盈利能力主要通过其财务指标，但项目也比较多，有不少指标内涵交叉重叠，全部选用既无必要，也不经济。

为了操作方便，根据全面性、系统性、典型性、代表性的原则，本研究选取8个核心指标来衡量上市房地产企业的盈利能力，这些指标分别为：
舒服华：基于变精度粗糙集的房地产企业盈利能力评价
资产报酬率(C 1)、总资产利润率(C 2)、销售净利率(C 3)、营业利润率(C 4)，成本费用利润率(C 5)、每股收益(C 6)、每股净资产(C 7)、净资产收益率(C 8)。

故评价指标集为C={C 1，C 2，…，C 8}。

这14家上市房地产企业8个关于盈利能力的指标数据如表1所示（数据来源于各公司2019年的年报）。

表1 房地产企业盈利能力相关指标值
评价对象 资产报酬率/% 总资产利润率/% 销售净利率/% 营业利润率/% 成本费用利润率/%每股收
益/元 每股净资产/元 净资产收益率/% 北辰实业 3.765 3.001 9.663 13.648 16.450 0.46 5.158 9.52 世茂股份 3.380 1.966 17.099 24.987 31.175 0.65 6.767 9.57 天地源
1.746 1.422
7.363 12.587 14.788 0.49
4.270 11.49 绿地控股 2.563 1.829 4.897 7.401 7.621 1.21 6.484 18.69 蓝光发展 2.339 2.060 10.610 14.175 16.661 1.02 6.378 18.00 首开股份 2.102 1.858 11.829
17.524 21.680 0.95 11.433 9.35 滨江集团 3.489 3.065 15.921 21.721 27.169 0.52 5.325 9.85 金科股份 3.307 1.877 9.380 12.721 14.255 1.05 5.125 20.74 中洲控股 3.649 1.492
9.378 18.091 20.297 1.18
11.366 10.42 保利地产 3.855 3.645 15.917 21.363 26.766 2.36 13.075 17.92 金地集团 4.778 4.619 24.515 31.253 39.117 2.23 11.982 18.63 万科A 3.406 3.187 14.986 20.825 26.100 3.47 16.64 20.67 宋都股份 1.745 1.554 14.052 19.928 24.142 0.44
3.649 12.66 大悦城
3.174 2.023 10.967 17.756 21.371 0.61
4.520 12.25
（1）数据标准化
由于原始数据量纲不同，数据的方向性也有差异，为了便于比较，需要对原始数据进行标准化处理。

为满足以下构造相似矩阵的需要，原始数据规范化处理分为两步：
第一步是数据正规化。

将数据转化为均值为0、标准差为1的标准数，即：
j
j
ij ij x y σ
μ-=
（6）
式中，y ij 为正规化数据，μj 为第j 个指标的均值，σj 为第j 个指标的标准差。

第二步是规范化处理，将其转化为0-1的模糊数。

对于效益型数据，数据规范化方法为：
)
min()max()min(ij ij ij ij ij y y y y z --=
（7）
对于成本型数据，数据规范化方法为： )
min()max()max(ij ij ij ij ij y y y y z --=
（8）
式中，z ij 为规范化数据，max(y ij )、min(y ij )为样本中第j 个指标的最大值和最小值。

在8个属性指标中，C 7为成本型指标，其余为效益型指标。

原始数据正规化和规范化结
重庆三峡学院学报
果如表2、表3所示。

表2 数据正规化结果
对象集y i1y i2y i3y i4y i5y i6y i7y i8 X10.765 26 0.632 77 -0.598 84 -0.751 80 -0.691 17 -0.813 87 -0.703 04 -1.049 33 X20.327 02 -0.456 68 0.910 83 1.145 34 1.152 28 -0.601 63 -0.306 73 -1.038 28 X3-1.532 95 -1.029 31 -1.065 79 -0.929 31 -0.899 24 -0.780 36 -0.921 77 -0.614 01 X4-0.602 97 -0.600 89 -1.566 44 -1.796 99 -1.796 49 0.023 94 -0.376 43 0.977 04 X5-0.857 95 -0.357 74 -0.406 58 -0.663 62 -0.664 75 -0.188 31 -0.402 54 0.824 57 X6-1.127 72 -0.570 37 -0.159 10 -0.103 30 -0.036 41 -0.266 50 0.842 56 -1.086 90 X70.451 09 0.700 14 0.671 67 0.598 90 0.650 77 -0.746 85 -0.661 91 -0.976 41 X80.243 92 -0.550 37 -0.656 30 -0.906 89 -0.965 96 -0.154 80 -0.711 17 1.430 05 X90.633 22 -0.955 62 -0.656 70 -0.00844 -0.209 55 -0.009 57 0.826 06 -0.850 45 X100.867 70 1.310 66 0.670 86 0.539 00 0.600 31 1.308 58 1.247 00 0.806 89 X11 1.918 35 2.335 90 2.416 44 2.193 70 2.146 56 1.163 36 0.977 78 0.963 78 X120.356 61 0.828 56 0.481 84 0.448 99 0.516 94 2.548 54 2.125 10 1.414 58 X13-1.534 09 -0.890 36 0.292 22 0.298 91 0.271 81 -0.836 21 -1.074 73 -0.355 46 X140.092 53 -0.396 69 -0.334 10 -0.064 49 -0.075 10 -0.646 31 -0.860 19 -0.446 06
表3 数据规范化结果
对象集z i1z i2z i3z i4z i5z i6z i7z i8
X10.666 007 0.493 901 0.242 940 0.261 9070.280 3210.006601 0.883 843 0.014 925 X20.539 070 0.170 160 0.621 980 0.737 2970.747 8410.069 3070.759 988 0.019 315 X30.000 330 0 0.125 701 0.217 4240.227 5530.016 5020.952 198 0.187 884 X40.269 700 0.127 307 0 0 0 0.254 1250.781 772 0.820 018 X50.195 846 0.199 562 0.291 212 0.284 0010.287 0210.191 4190.789 931 0.759 438 X60.117 705 0.136 378 0.353 349 0.424 4090.446 3740.168 3170.400 816 0
X70.575 008 0.513 919 0.561 933 0.600 3690.620 6500.026 4030.870 988 0.043 898 X80.515 002 0.142 321 0.228 515 0.223 0420.210 6300.201 3200.886 383 1
X90.627 761 0.021 896 0.228 413 0.448 1800.402 4640.244 2240.405 973 0.093 942 X100.695 681 0.695 339 0.561 729 0.585 3600.607 8550.633 6630.274 421 0.752 414 X11 1 1 1 1 1 0.590 7590.358 556 0.814 750 X120.547 643 0.552 080 0.514 273 0.562 8040.586 709 1 0 0.993 854 X130 0.041 289 0.466 663 0.525 1970.524 5430 1 0.290 606 X140.471 151 0.187 989 0.309 410 0.434 1360.436 5630.056 1060.932 954 0.254 609（2）确定决策类
确定待评价的14家房地产企业盈利能力的大致类属。

以最大最小法构建的模糊相似矩阵R=(r ij)n×n为基础，通过模糊聚类方法确定。

其模糊相似矩阵系数计算公式为：
舒服华：基于变精度粗糙集的房地产企业盈利能力评价
∑∑===
m k jk ik m
k jk ik ij z z
z z
r 1
1)
,max()
,min( （9）
式中，r ij 表示样本X i 与X j 之间的相似程度，r ij 的值越大，表明这两个样本越接近。

模糊聚类结果如图1所示。

根据图1的聚类结果，待评价的14家房地产企业的盈利能力分为4类较为合适，具体如表4所示。

同理，对14家房地产企业8个属性指标也进行分类，结果如表4。

由此，便得到了粗糙集理论的决策表，从决策表可知，没有属性值和决策值一致的样本，即没有冗余样本。

图1 模糊动态聚类图 表4 粗糙集决策表
对象集
C 1 C 2 C 3 C 4 C 5 C 6 C 7 C 8 D
X 1 1 2 2 2 2 3 1 3 1 X 2 1 3 1 1 1 3 1 3 4 X 3
3 3 3 3 3 3 1 3 2 X 4
2 3 3 3 3 2 1 1 4 X 5
2 2 2 2 2
3 1 1
4 X 6
3 3 2 2 2 3 2 3
4 X 7
1 1 1 1 1 3 1 3 4 X 8
1 3
2 2
3 2 1 1
4 X 9
1 3
2 2 2 2 2
3
4 X 10
1 1 1 1 1 1 3 1 3 X 11
1 1 1 1 1 1
2 1
3 X 12
1 1 1 1 1 1 3 1 3 X 13
3 3 2 1 1 3 1 2
4 X 14
2 2 2 2 2
3 1 2
4 通过表4，我们来比较传统粗糙集和变精度粗糙集的差异，以对象的属性集为例。

在8
重庆三峡学院学报
个属性指标离散化值的基础上对14个对象的属性集进行分类。

对于传统粗糙集（β=0），只有8个属性值完全相同的对象才能划归同一类，即C/U={1，
2，3，4，5，6，7，8，9，(10，12)，11，13，14}，共有13类，相应的正域POS C(D)= {1，
2，3，4，5，6，7，8，9，11，13，14}，共有12个对象。

对于变精度粗糙集（取β=0.7），8个属性值中只需6个相同的对象就可以划归同一类（分
类正确率为7/8=0.875%＞0.8）。

即C0.8/U={1，2，3，4，(5，14)，6，7，8，9，(10，11，12)，13}，共11类，相应的正域POS0.8(D)={1，2，3，4，6，7，8，9，13}，共9个对象。

可见
变精度粗糙集增强了分类的多样性。

求各属性指标的依赖度。

以属性指标C i的依赖度确定为例。

因为本研究只涉及求指标权
重，所以决策类D可以不必考虑。

将决策表中的C1所在的列剔除掉，通过剩下的属性集C-{C1}
求C1的依赖度，决策表如表5所示。

取β=0.70，则对象的7个属性指标只要有5个相同就可
以划归同一类，分类正确率为5/7=71.43%＞0.70)。

表5 确定指标C1依赖度的决策表
对象集C2C3C4C5C6C7C8
X1 2 2 2 2 3 1 3 X2 3 1 1 1 3 1 3 X3 3 3 3 3 3 1 3 X4 3 3 3 3 2 1 1 X5 2 2 2 2 3 1 1 X6 3 2 2 2 3 2 3 X7 1 1 1 1 3 1 3 X8 3 2 2 3 2 1 1 X9 3 2 2 2 2 2 3 X10 1 1 1 1 1 3 1 X11 1 1 1 1 1 2 1 X12 1 1 1 1 1 3 1 X13 3 2 1 1 3 1 2 X14 2 2 2 2 3 1 2 于是，构成属性等价类：
C1/U={1，5，14)，(2，7)，(3，4)，(5，8)，(6，9)，(10，11，12)，13}。

等价类的正域为：
POS0.70C1(D)={13}=1
按照式（2）求C1的重要度为：
E(C1)=1-(2×32+4×22+12)/142=0.77551。

按照式（1）求C1的信息量为：
I(C1)=1/14=0.07143。

取λ=0.5，则按式（3）求得C1的依赖度为：
Sig(C1)=0.5×0.0714+(1-0.5)×0.77551=0.42347。

同理，可求出其它属性指标的依赖度，它们分别为：Sig(C2) = 0.632 56；Sig(C3) = 0.575 63；
舒服华：基于变精度粗糙集的房地产企业盈利能力评价
Sig(C 4) = 0.533 12；Sig(C 5) = 0.556 12；Sig(C 6) = 0.523 00；Sig(C 7) = 0.548 47；Sig(C 8) = 0.489 80。

于是按照式（7）求得各评价指标的权重为：w 1 = 0.098 89；w 2 = 0.147 71；w 3 = 0.134 43；w 4=0.112 450；w 5=0.112 987；w 6=0.122 13；w 7=0.128 08；w 8=0.114 39。

可见，8个属性指标的权重都不相同，指标数据间的细小差别都体现出来了，说明变精度粗糙集利用系统信息很充分。

为了使评价结果更为客观，原始数据需按式（10）进行归一化。

⎪⎪⎪⎪⎩
⎪⎪
⎪⎪⎨⎧
=
=∑
∑==成本型指标
、（效益型指标
n i ij ij ij
n
i ij ij ij
x x x x 1212
)/1()/1(μμ （10）
式中，μij 为第i 个评价对象的第j 个评价指标的归一化值。

数据规范化结果如表6所示。

按式（10）求各评价指标的综合得分，也就是各待评价上市房地产企业的盈利能力，结果如表6所示。

表6 数据归一化结果及评价结果
评价对象 ηi1 ηi2 ηi3 ηi4 ηi5 ηi6 ηi7 ηi 综合得分P i
排序
北辰实业 0.313 814 0.312 2600.191 638 0.191 6380.188 85 0.083 7120.309 7150.170 531 0.215 2049世茂股份 0.281 724 0.204 5660.339 110 0.350 8540.357 8960.118 2880.236 0730.171 426 0.247 8445天地源 0.145 530 0.147 9620.146 024 0.176 7400.169770 0.089 1710.374 1240.205 819 0.177 28414绿地控股 0.213 627 0.190 3110.097 118 0.103 9210.087 4910.220 1980.246 3770.334 792 0.180 60613蓝光发展 0.194 956 0.214 3470.210 419 0.199 0380.191 2720.185 6220.250 4720.322 432 0.214 85010首开股份 0.175 202 0.193 3290.234 594 0.246 0620.248 8910.172 8830.139 7280.167 486 0.191 37711滨江集团 0.290 809 0.318 9190.315 747 0.304 9940.311 9060.094 6310.300 0020.176 442 0.258 0124金科股份 0.275 639 0.195 3060.186 025 0.178 6210.163 6510.191 0810.311 7090.371 513 0.225 4478中洲控股 0.304 145 0.155 2460.185 986 0.254 0240.233 0140.214 7390.140 5520.186 652 0.198 48012保利地产 0.321 315 0.379 2690.315 668 0.299 9670.307 2800.429 4770.122 1800.320 999 0.303 5003金地集团 0.398 248 0.480 6160.486 185 0.438 8370.449 0720.405 8200.133 3260.333 717 0.380 6901万科A 0.283 891 0.331 6140.297 204 0.292 4130.299 6340.6314770.096 0040.370 259 0.315 5172宋都股份 0.145 446 0.161 6970.278 681 0.279 8180.277 1560.080 0720.437 7940.226 777 0.230 3036大悦城
0.264 554 0.210 4970.217 499 0.249 32 0.245 3440.111 009
0.353 431
0.219 433
0.226 174
7
重庆三峡学院学报
根据评价值对评价对象的盈利能力进行排序，结果如表6所示。

从表6可见，金地集团的盈利能力最强，天地源的盈利能力最弱，除了金地集团、万科A、保利地产三大地产商盈利水平比较突出外，其它地产商盈利能力相差不大。

评价结果直观图如图2所示。

图2 评价结果直观图
三、结语
房地产业是国民经济的重要组成部分，在保持自身发展的同时，还带动了与之相关产业的发展，在促进我国经济社会发展中起着至关重要的作用。

保持房地产行业平稳健康发展，既有利于促进经济增长，也有利于提高人们的生活质量与水平。

我国房地产业经过一段时间的高速发展后，积累了诸多矛盾和问题，如房价过高、投机炒房、市场供需失衡等问题。

科学评价房地产企业的盈利能力，对促进企业提高管理水平，提升盈利能力，促进房地产业长期健康发展，更好地推动国民经济的进步，更好地满足人民群众对住房的需求具有积极的作用。

变精度粗糙集是粗糙集理论的扩展，它引入了阈值的概念，允许一定比例的错误分类存在，解决了无严格意义上的函数关系或存在不确定关系的数据的分类问题，从而能从不相关的数据中发现相关数据，被广泛应用于模式识别、机器学习、知识获取、数据挖掘等许多领域。

运用变精度粗糙集理论确定房地产企业盈利能力评价指标的权重，然后用模糊评价法对我国部分上市房地产公司的盈利能力进行了评价。

由于该方法对样本数据信息利用完整充分，所得到的权重更加客观准确，所以评价结果更加可靠。

参考文献：
[1] 唐娟．EVA在房地产公司绩效评价中的应用研究[J]．财会学习，2020（8）：247-248．
[2] 林杰，郑循刚．基于熵权TOPSIS法的房地产上市公司绩效评价[J]．技术经济与管理研究，2008（3）：14-15．
[3] 陈铭伦，王福君．基于层次分析法的房地产企业绩效评价办法探讨[J]．沈阳工程学院学报（社会科学版），
2016（1）：60-64．
舒服华：基于变精度粗糙集的房地产企业盈利能力评价
[4] 赵维树，姚颖南．基于因子分析法的房地产公司绩效评价分析[J]．淮阴工学院学报，2019（3）：27-32．
[5] 魏群，张翔，毕雅茹．基于主成分分析法的房地产上市公司财务绩效评价研究[J]．商业会计，2016（22）：
58-61．
[6] 冯利英，刘宇笛，塔娜．基于DEA模型的内蒙古房地产业投入产出效率评价[J]．内蒙古财经大学学报，2018
（6）：18-22．
[7] 张秋娜，李冬梅，徐裙，等．变精度粗糙集的约简算法[J]．模糊系统与数学，2017（6）：132-135．
[8] 曾莹，陆婷婷，翁世洲．基于粗糙集的校园快递综合竞争力评价[J]．电子技术与软件工程，2020（5）：183-187．
[9] 宁宇新，李悦玲．基于粗糙集的企业技术并购战略绩效评价方法[J]．统计与决策，2016（10）：183-186．
[10] 王靖，王兴伟，赵悦．基于变精度粗糙集决策树垃圾邮件过滤[J]．系统仿真学报，2016（3）：705-710．
[11] 范年柏，张宁，孙涛．变精度粗糙集推广模型及其性质研究[J]．计算机应用研究，2018（5）：1399-1402．
[12] 郑树梅，续欣莹，谢裙，等．基于可变容差关系的变精度粗糙集模型[J]．计算机应用，2015（8）：
2360-2365+2370．
[13] 牛小玲，任子晖．基于变精度粗糙集的故障特征选择方法[J]．煤矿机械，2015（6）：292-294．
[14] 陈贻平，徐立云，楼科文．基于变精度粗糙集的缸体加工特征工艺规则提取及更新方法[J]．现代制造技术
与装备，2018（2）：10-15+18．
[15] 舒服华．粗糙集在电能质量综合评价中应用[J]．电力自动化设备，2018（10）：75-79．
[16] 陈晓纯．基于变精度粗糙集的入侵检测技术研究[J]．电脑知识与技术，2018（12）：171-175+177．
（责任编辑：张建升）
The Evaluation of Profitability of Real Estate Enterprises Based on
Variable Precision Rough Set
SHU Fuhua
(School of Continuing Education, Wuhan University of Technology, Wuhan,Hubei 430070, China)
Abstract:When the traditional rough set theory was applied to determine the weight of attribute indexes, the original information cannot be fully useddue to the strict requirements of classification, resulting in the same weight of many attribute indexes, which is not consistent with the real situation. Variable precision rough set can reduce the requirements of classification and enrich the types of classification, whichmakes full use of the original information so as to obtain different index attributes. It can objectively reflect the reality. The theory of variable precision rough set is applied to determine the weight of the evaluation index to evaluate the profitability of real estate enterprises. It also evaluates the profitability of some listed real estate enterprises in China through the fuzzy evaluation method.
Keywords: real estate; enterprise profitability; evaluation; variable precisionrough set。