基于因子研究法煤炭上市公司绩效评价.docVIP

基于因子研究法煤炭上市公司绩效评价 　　摘 要：文章运用SPSS17.0软件，对煤炭行业上市公司2007年-2011年的12个财务指标进行了因子分析，并建立面板模型，从中提取出4个具有一定含义的因子，评价了公司的综合经营业绩。评价结果为上市公司的经营决策提供一定的决策依据，并就煤炭行业的发展提出了建议。 关键词：因子分析 绩效评价 煤炭上市公司 中图分类号：F061.5 文献标识码：A 文章编号：1004-4914（2014）01-155-03 引言 煤炭是我国的主体能源，煤炭工业在我国经济建设和社会发展中占有举足轻重的地位，其发展直接关系到国民经济的命脉。然而随着世界经济的发展和全球一体化的进程受国际金融危机影响，国内煤炭需求迅速回落、价格下滑，加之各项政策性增支相继出台，安全成本压力增大，煤炭行业经济效益开始出现下滑。因此研究我国煤炭企业的经营状况具有重要的现实意义。 当前，对企业经营业绩评价的相关研究已趋于成熟，所采用的方法主要有因子分析法、综合评价方法（DEA方法、灰色关联分析等）、财务学方法（EVA方法）和综合评价方法（包含有非财务指标和安全因素指标等多方面）几类。其中，因子分析法因具有让“数据自己说话”的特点，有利于发现企业经营业绩的相关因素，并可为预测提供更多的信息，进而在各方面被多次采用。基于上述优点，本文对我国煤炭上市公司经营业绩进行实证分析时采用因子分析法。 为了更全面地反映企业的长期经营业绩，本文以2007-2011年面板数据作为煤炭上市公司的研究，选取沪市深市股市29家上市公司，采用了面板数据下的因子分析法对煤炭行业的经营业绩进行评价。通过从盈利能力、成长能力、偿债能力、营运能力和现金流量五方面更选取12个指标对其进行研究。 一、面板数据下的因子分析法模型的构建 因子分析更侧重于解释指标变量之间的相关性和协方差关系。其主旨是指标降维、浓缩信息、简化结构，在尽可能少损失主要信息的前提下，使指标体系的分析更加简单有效。传统的因子分析研究，大多是建立在一维数据的基础上，考虑横截面数据或时间序列数据。为了更加科学全面对绩效进行评价，本文采用兼有横截面和时间序列的数据集，建立一种基于此类数据集的模型。 （一）基本因子分析模型 研究样本数为n个，指标为m个，且这m个指标之间具有强相关性，对原始指标变量记为X=（X1，X2，…，Xm）标准化后的变量向量记为Y=（y1，y2，…，ym）。设经过转化后的公共因子变量记为F1，F2…，Fp（p 　　（二）评价体系计算结果及分析 （1）原始数据阵为X=（Xij）n×p，其中n为样本容量，m为评价指标个数，Xij为第i个样本的第j个指标数值，标准化数据变换的方法为：xij’=■（i=1，2，…，n；j=1，2，…，m） 其中Xij为原始数据；бj为第j个指标的原始数据的标准差；N=29为样本容量，即煤炭行业的29家上市公司；M=12为统计指标个数。 （2）因子分析试用性检验。通常采用KMO检验与Bartlett球型检验，用来检验数据之间的相关性及检验样本是否适合做因子分析。用SPSS17.0软件对2007年至2011年的财务指标进行主成分分析，经过计算提取综合因子。本文以2008年为例，如图表1中结果可见，四个综合因子就包含了12个指标中的81.917%的信息。可用这四个综合因子代替原来的12个指标进行公司的经营业绩的综合评价。 （3）因子得分分析。根据主成分分析法得到12个评价指标旋转后的因子载荷阵。由因子载荷阵可得到四个综合因子。综合因子F1包括总资产净利润率、总资产报酬率、核心利润率、经营现金净流量与主营业务收入的比率、经营现金净流量与流动负债的比率，这些指标反映了上市公司的盈利能力；综合因子F2包括净资产收益率、每股收益、股东权益增长率，这些指标反映了上市公司的成长能力；综合因子F3包括速动比率、资产负债率，这些指标反映了上市公司的偿债能力；综合因子F4包括存货周转率、应收账款周转率，这些指标反映了上市公司的营运能力。 用回归法估计因子得分系数，并输出因子分析系数。 现命名指标核心利润率（X1）、总资产净利润率（X2）、净资产收益率（X3）、基本每股收益（X4）、股东权益增长率（X5）、速动比率（X6）、资产负债率（X7）、存货周转率（X8）、应收账款周转率（X9）、经营现金净流量与主营业务收入的比率（X10）、经营现金净流量与流动负债的比率（X11）、总资产报酬率（X12）。 根据该矩阵的数值，写出如下的因子得分函数（见表2），根据因子得分系数矩阵和个指标的原始数据标准化值可以计算煤炭行业的每个上市公司各个因子的得分数， 结合表1的方差贡献率建立函数：