我国汽车产业整车上市公司绩效剖析.docVIP

我国汽车产业整车上市公司绩效剖析 　　摘要：汽车产业作为我国重要的支柱产业，在促进国民经济的发展进程中扮演着重要角色，而作为其中重要分支的整车行业同样发展迅速。本文选取沪深两市22家整车上市公司2012―2015年的财务数据，使用因子分析法得出整车上市公司财务绩效的综合得分及排名，并总结影响整车上市公司财务绩效的主要因素。最后，针对整车上市公司如何提高财务绩效提出可行建议。 　　关键词：汽车产业 因子分析 财务绩效 　　中图分类号：F275 文献标识码：A 文章编号：1002-5812（2016）18-0081-03 　　当前，我国经济正处于产业结构战略调整的关键时期，各行业要实现可持续发展，产业转型升级起着决定性作用。作为我国支柱产业之一的汽车产业，同样面临着产业升级的重大挑战，而整车上市公司作为汽车产业的领头羊无疑应发挥模范带头作用。因此，对整车上市公司的绩效进行客观、全面、系统的评价就显得尤为必要，一方面，有助于上市公司管理当局根据评价结果客观分析自己的优势和劣势，进行自我完善，提高公司在行业中的竞争力，另一方面，有利于投资者根据自身情况恰当地选择投资对象，降低自身投资风险。同时有利于相关监管部门在进行行业监督和宏观调控时，做到有案可依，有据可查。此外，对于促进产业绩效管理，以及保持汽车产业持续、稳定、健康发展都具有重要意义。 　　一、因子分析的基本原理 　　因子分析从研究变量内部相关的依赖关系出发，找出控制所有变量的少数公共因子，再以每个公因子的方差贡献率作为权数与该因子的得分乘数之和构造得分函数，以重现初始变量与因子之间的相关关系。因子分析的一般数学模型为： 　　X1=a11F1+a12F2+…+a1nFn+ε1 　　X2=a22F1+a22F2+…+a2nFn+ε2 　　…… 　　Xn=am1F1+am2F2+…+amnFn+εm 　　其中：X1，X2，…，Xn为可实测的随机变量；aij（i=1，2，…，m；j=1，2，…，n）为因子荷载，是第i个原有变量在第j个因子上的负荷。aij越大，表明第i变量与第j因子的关系越密切；aij越小，则说明第i变量与第j因子的相关程度越小。F（F1，F2，…，Fn）是X（X1，X2，…，Xn）的公共因子，即原随机变量表达式中共同出现的因子，是相互独立的不可观测的理论变量。εi（i=1，2，…，m）为特殊因子，是实测变量与估计值之间的残差值，在实际中可忽略不计。 　　二、实证分析 　　（一）指标选取。盈利能力、偿债能力、营运能力、发展能力和股本扩张能力是现行对上市公司财务绩效进行评价的五个主要方面，本文根据这五个方面选取了13项财务指标，构建了整车上市公司财务绩效评价指标体系，见下页表1。所选用的13项财务指标，除反映偿债能力的3项指标为适度指标外，其他指标均属于正向指标。 　　（二）样本选择与数据来源。本文选取申万行业分类2014年版的沪深两市全部22家整车上市公司作为研究对象。所用原始数据来源于锐思数据库，为消除指标异常的影响，各项财务指标均采用2012―2015年3年内11个季度的平均值。 　　（三）因子分析。 　　1.指标的趋同化和标准化处理。在进行绩效综合评价时，应首先对指标进行同趋势化处理，一般做法是将逆向指标和适度指标转化为正向指标，再进行标准化。首先，正向化处理适度指标。本文中除反映偿债能力的3项指标资产负债率（X5）、流动比率（X6）、速动比率（X7）为适度指标外，其余10项指标均为正向指标。对其进行正向化处理，正向化方法为：Xi′=1/（1+|Xi-Qi|）（i=5、6、7；其中，Qi为上述3个指标的合适值。考虑到整车上市公司作为典型传统制造企业，上述三个指标的合适值可分别取50、2、1）。其次，对指标数据进行标准化。为消除13项财务指标之间量纲不一致所造成的影响，本文使用SPSS软件对趋同化后的数据进行标准化，将经标准化后的指标数据用于后续的因子分析。 　　2.检验是否适合进行因子分析。最常用的方法是通过KMO检验和巴特利特球度检验来验证。KMO检验用来比较变量间简单的相关系数和偏相关系数，KMO值越靠近1，意味着变量之间的相关程度越强。巴特利特球度检验的原假设是相关系数矩阵为单位阵，如果该统计量的取值比较大，并且对应的概率值小于给定的显著性水平a，则拒绝原假设，相关系数矩阵不太可能是单位矩阵，适合做因子分析；反之，则接受原假设，不适合做因子分析。检验结果显示KMO值为0.589，大于0.5，巴特利特球度检验的卡方统计值为130.96，显著性概率为0.000，小于显著性水平0.05，拒绝原假设，相关系数矩阵不是单位矩阵。检验结果显示，处理后的数据可以进行因子分析。 　　3.提取公共因子。采用方差最大正交旋转法计算主成分特征