基于因子分析法的高速公路上市公司经营业绩分析.docVIP

基于因子分析法的高速公路上市公司经营业绩分析.doc

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于因子分析法的高速公路上市公司经营业绩分析.doc

基于因子分析法的高速公路上市公司经营业绩分析   [摘 要]文章在收集深圳和上海证券交易所上市的19家高速公路上市公司2012年财务数据基础上,设置评价经营业绩的综合指标,并建立综合评价模型,对全国高速公路上市公司的经营业绩进行评价。   [关键词]因子分析;高速公路;上市公司;业绩评价   [DOI]10.13939/j.cnki.zgsc.2015.44.099   1 引 言   随着经济的发展,国家对全国高速公路网建设的投资力度不断加大,高速公路的建设正如火如荼地开展。新中国成立以来,我国的高速公路建设取得可喜的成就,但是目前来看,高速公路建设总量建设依然不足。公路运输需求的增加,促使该行业发展平稳前进,具有优质资产、经营管理较好的高速公路上市公司也表现出良好的成长性。因此,合理对高速公路上市公司进行业绩评价,有助于管理者更好地管理公司,也有助于投资者做出合理的投资决策。   目前,有不少学者利用因子分析法对上市公司进行业绩评价的研究。李君梅和孙红梅选用12个财务指标,对家电行业的20家上市公司进行业绩评价;[1]周琳等选用17个具体的财务指标,从每股财务指标、赢利能力、营运能力、成长能力、偿债能力等几方面对河南省31家上市公司进行业绩评价;[2]刘新绍选用11个指标变量,从赢利能力、营运能力、企业成长能力、偿债能力四个方面评价广西21家上市公司绩效。[3]王大飞选取了公司业绩评价的五大指标,利用因子分析法得到业绩评价模型,并在沪市、深市各选取10家公司进行检验,证明因子分析法的有效性;乔海燕选取了14个指标,采用2009年793家在上海交易所上市的上市公司的数据进行因子分析。[4]学者们利用因子分析对上市公司经营业绩进行评价研究,说明该研究具有一定的理论和现实意义。本文参考企业的绩效评价指标,采用因子分析法,对全国19家高速公路上市公司的经营业绩进行评价,为外部投资者投资和内部信息需求者管理公司提供参考。   2 研究方法与研究对象   20世纪初 Karl和Charles Spearmen采用因子分析法进行智力测验的统计分析,这一概念被人们所认可,并逐步发展完善。目前越来越多的领域采用因子分析法。因子分析法的基本思路就是根据变量之间的相关性进行分组,使得不同组的相关性很低,同组的变量相关性高,每组变量代表一个公共因子,用少数公共因子代替整组数据,其基本思想为降维。   本文以全国高速公路上市公司为研究对象,收集了2012年全国19家高速公路上市公司的财务数据,利用因子分析法对高速公路上市公司进行业绩评价。本文的原始数据来源于新浪财经、上海证券交易所和深圳交易所,数据的处理工具主要是SPSS 13.0软件和Excel。   3 实证分析   3.1 指标的选择及处理   本文选取13个指标对高速公路上市公司从股本扩张能力、赢利能力、营运能力、偿债能力和成长能力等几方面进行综合评价。   3.2 因子分析适用性检验   采用因子分析法进行综合指标评价,就是在众多的指标中选取少量的能够代表所有变量的因子进行评价,那么这些变量之间必须有很强的相关性,因此,需要对这些变量进行因子分析适用性检验。本文采用的是KMO检验和巴特利特球度检验方法,得到KMO检验值为0.572,大于0.5,数据可以做因子分析;Bartlett检验的结果为243.002,对应的检验统计量为0.000,设定显著性水平为5%,sig值小于显著性水平,因此拒绝零假设,也说明这些数据适合做因子分析。   3.3 确定主因子数量   利用主成分分析法在13个因子中选取5个因子作为我们的公共因子。由表2解释的总方差得出,5个公共因子的特征值贡献率为91.389%,超过了85%,因此可以用这5个公共因子来代替全部的13个变量进行分析。   3.4 因子的命名   为了使单个变量在某一个公共因子上具有较大的载荷,而在其他公共因子上载荷较小,从而突出各公共因子的代表变量,使公共因子具有经济含义,就必须要对含义模糊不清的原始变量的因子载荷矩阵进行旋转。对公共因子进行因子旋转的常用方法是方差最大化法。旋转后的累计方差贡献率并没有改变,而每个公共因子的方差贡献率却发生了变化,即影响了各公共因子的分配比例。旋转后得到因子载荷矩阵,如表3所示。   每股净资产、每股未分配利润、每股收益、每股经营性现金流量在第一个因子上的载荷分别为0.983、0.958、0.931和0.689,这三个指标在其他公共因子的载荷较低,即第一个因子可以解释这几个变量,因此把第一个因子定义为反映公司股本扩张能力的因子;营业利润率、销售净利率、总资产净利率、销售毛利率在第二个因子上有较高的载荷,把第二个因子命名为反映公司赢利能力的因子;股东权益增长率、主营业务收

文档评论(0)

yingzhiguo + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:5243141323000000

1亿VIP精品文档

相关文档