第五章因子！.docVIP

第五章 基于因子分析法的盈利能力分析 5.1 物流业上市公司样本的选取 本文主要是采取同花顺软件中的22家物流业上市公司来作为样本进行分析，在进行选取的时候采取了以下方法： 1.剔除财务数据不完善的上市公司，如果采用这些公司的财务数据将难以进行定量分析，进一步影响可靠性原则。 2.剔除ST（出现财务状况或其他状况异常的股票）和PT（上市公司出现连续三年亏损等情况，其股票将暂停上市Analyze→Dimension reduction→Factor”，在弹出的对话框中点击“Descriptves”，再在弹出的“Descriptves”对话框中点击“Initial solution、Coefficients、KMO and Bartless’s test of sphericityPrinciple components、correlation matrix、Unrotated factor solution、Fixed number of factorsok”。 如图5-4可以得出几个公因子方差的累计贡献率，贡献率越高，因子分析整体的效果就越好。图中可以看出每一个变量的共性方差均在0.85以上，说明提取的公因子能反应原始变量85%以上的信息。 图5-4 变量的共同度 如图5-5,从主成分信息中第一组初始因子解可以看出前4个主成分的特征值大于1,解释原7个原始指标的总方差分别是45.68%、25.10%、16.63%，累计方差贡献率分别是45.68%、70.74%和87.37%；第二组为未旋转解释的方差情况，3个因子的情况与第一组差不多；第三组为旋转后的样本数据方差的解释情况，前三个因子解释全部原始变量的情况仍为87.37%，因子分析仍合理。 图5-5 主成分信息 从图5-6旋转前的因子负荷矩阵上可以看出三个公共因子对于7个财务指标的载荷，载荷量越高，公共因子与财务原始变量之间的相关程度越高。从图中可以看出第一个公共因子对于7个财务指标的载荷量基本都大于0.3，特别是在销售净利率、营业利润率和成本费用率的载荷量达到了0.95以上；第二个因子对于普通股每股权益、净资产收益率的载荷达到0.88以上，能大致解释这两个财务指标；第三个因子对于资产报酬率、每股经营现金流的解释达到0.65以上，同样包含了这两个指标的信息。初步可以判定公共因子1可以反映综合情况，因子2反映所有者投资带来的回报能力，因子3既反映企业资金的回收能力，又反映资本资产经营的盈利能力。 图5-6 旋转前的因子负荷矩阵 5.3.6 因子旋转 步骤：在因子分析窗口点击“Rotation”，再在弹出的“Rotation”窗口点击“Varimax、Rotated solutionok”。 如图5-7正交旋转矩阵中表示在因子旋转中，本文主要采用的是最大方差法。 图5-7 正交旋转矩阵 通过最大方差法旋转后，得到7个变量在3个因子上的新的因子负荷。结果显示，因子1支配的有营业利润率、成本费用利用率、销售净利率，从而反映企业在日常生产经营带来的收入、控制成本费用和创造的利润方面的能力，因此我们可以把因子1当做商品经营盈利能力。因子2在净资产收益率和普通股每股权益上有着0.9以上的载荷率，反映企业在所有者权益方面的盈利能力，可以把因子2命名为所有者投资回报盈利能力。因子3在资产报酬率和每股经营现金流方面都有0.8以上的载荷率，既反映了企业运用全部资产的总体获利能力，又反映了企业的资金回收能力，但是在资产报酬率方面的载荷率更高，所以因子2可以命名为资本资产经营能力。公共因子命名见表5-3。 图5-8 旋转后的因子负荷矩阵 表5-3 公共因子命名 原始财务指标 公共因子命名 营业利润率 商品经营盈利能力 成本费用利用率 销售净利率 净资产收益率 所有者投资回报盈利能力 普通股每股权益 资产报酬率 资本资产运营能力 每股经营现金流 5.3.7 计算因子得分 步骤： 1.在因子分子窗口点击“Scores”，在弹出的“Scores”窗口勾选“Save as variables、Regression、Display factor score coefficient matrixContinue”返回到因子分析窗口。 2.在因子分析窗口点击“Options”，在弹出的“Options”窗口勾选“Replace with mean、Scored by sizeContinue”返回到因子分析窗口，点击“Ok”完成因子得分的步骤。 如图5-9，可以得出每个因子的得分系数矩阵，然后可以得出每个公共因子的得分公式： F1（商品经营盈利能力）=0.349营业利润率+0.353成本费用利用率+0.340销售净利率-0.083资产