多元统计案例解析：.pptVIP

一、引言 当今世界已经进入知识经济和信息经济时代,随着世界经济的一体化和全球化发展, 我国企业面临着前所未有的竞争压力以及国内外宏观经济和金融市场变动带来的各种风险, 因财务危机导致企业陷入经营困境甚至发生破产的案例屡见不鲜。如何在财务危机到来之前能够预先有所觉察, 尽早采取措施消除危机隐患, 已成为当前亟待解决的问题。 本文基于我国制造业上市公司的财务数据, 运用主成分分析法构建制造业上市公司财务预警模型, 并对其判别效果进行比较分析。 财务预警模型的作用会受到财务指标和样本选取的限制。各种模型都有财务指标选择的侧重点,从而可能因忽视其他方面财务指标存在一定的片面性; 此外, 不同行业和研究区间的样本选取也会对财务预警模型的适用性产生影响。 有鉴于此, 本文选取我国制造业上市公司作为研究样本, 借鉴国泰安研究服务中心“中国上市公司财务指标分析数据库”中相关指标的设置分类, 选择全面反映企业财务状况的盈利能力、成长能力、偿债能力、现金流量能力和营运能力财务指标作为研究对象, 采用主成分分析法构建制造业上市公司财务预警模型, 并对其判别效果进行分析。 二、研究设计 ( 一) 研究样本选取 本文选取我国A 股制造业上市公司2006 年和2007 年新增的46 家ST 公司( 剔除非财务状况引起的ST 公司) 作为研究样本, 并按照1: 1 的比例选取相同会计年度、资产规模相近、细分行业相同或相近的46 家非ST 公司作为配对样本。根据统计学原理, 当样本容量大于( 等于) 30 时, 对总体具有很大程度的代表性, 因此, 我们将46 对公司分为两组, 一组30 对作为估计样本, 另一组16 对作为检验样本。样本数据取自国泰安研究服务中心“中国上市公司财务指标分析数据库”, 为样本公司ST 前1 年、前2 年和前3 年的财务比率数据。 ( 二) 财务预警指标选择 为使预测变量的选择范围更加广泛和全面, 本文借鉴国泰安研究服务中心“中国上市公司财务指标分析数据库”中相关指标的设置分类, 选择全面反映企业盈利能力、成长能力、偿债能力、现金流量能力、营运能力的28 个财务指标作为备选变量。根据30 家估计样本ST 公司前3 年的数据, 对28 个指标分别进行配对样本显著性T 检验, 共有9 个指标在0.05 的显著性水平通过检验, 包括所有者权益比率( X1) 、权益对负债比率( X2) 、流动比率( X3) 、营运资金对资产总额比率( X4 ) 、现金流量对流动负债比率( X5) 、营业毛利率( X6) 、资产报酬率( X7) 、总资产净利润率( X8) 和投入资本回报率( X9) 。检验结果表明, ST 公司与非ST 公司在偿债能力、盈利能力和现金流量三个方面存在显著差异, 上述9 个财务指标可用于构建财务预警模型。 三、模型构建和检验 ( 一) 主成分分析预警模型构建 为消除不同量纲的影响, 在进行主成分分析之前, 首先根据标准化公式对估计样本组60 家公司的财务指标原始数据进行标准化处理。为检验标准化后的数据是否适宜进行主成分分析, 进行KMO 统计量与Bartlett 球形检验, 结果如表1 所示。 表1 表明,KMO 0.5, Bartlett 检验统计量对应的显著性概率为0.000, 适宜进行因子分析 我们运用SPSS 对估计样本组ST 前1 年的标准化数据进行主成分分析, 计算各主成分的特征值和贡献率, 结果如表2 所示 本文取包含原指标信息含量( 累计贡献率) 95.53% 的前4 个主成分。经方差最大化旋转后的4 个主成分的贡献率分别为45.94%、29.17%、11.15%和9.27%。4 个主成分因子的因子载荷矩阵如表3 所示 表3 显示, 主成分1中, X6、X7、X8 和X9 的负荷量较为明显且集中, 主要代表了企业的盈利能力; 主成分2 中, X2、X3 和X4的负荷量明显大于其他比率。代表了企业的偿债能力; 主成分3 中, X5 的负荷量为0.8706, 远高于其他指标, 代表了企业的现金流量水平; 主成分4 中, X6的负荷量为0.7786, 远高于其他指标, 代表了企业的盈力能力水平。 根据因子得分系数矩阵表( 见表4) 可得到主成分( 用F 表示) 关于财务指标的线性表达式: F1= 0.2944X1- 0.1352X2-0.1956X3+0.1194X4+ 0.0131X5 - 0.2726X6 + 0.3678X7 + 0.3787X8 +0.197X9 F2= 0.0855X1+ 0.4174X2+ 0.5031X3+ 0.3939X4 - 0.2148X5 + 0.025X6 - 0.1971X7 - 0.1682X8 -0.1248X9 F3 = - 0.1451X1 - 0.0078