x11=存货周转天数invtrtrday
(二)提取主因子
因子分析方法在多元统计中属于降维思想中的一种,其目的在于简化数据,通过较少的公共因子反映复杂现象的基本结构。原始评价指标少,意义明确,能较好地反映评价对象,这时,不一定要使用因子分析。如果强行运用,不仅会加大计算量,而且意义不大。此处,使用因子分析法进行综合评价目的之一是为了避免评价指标之间的相关性所引起权重的偏倚3因此其中一个前提条件是评价指标之间应该有较强的相关关系。如果指标之间的相关程度很小,指标不可能共享公共因子,公共因子对于指标的综合能力就偏低。一般来说,可以通过对指标的相关矩阵进行检验,如果相关矩阵的大部分系数都小于0.3,则不适合做因子分析。
表4.1.1
Communalities
|
|
|
Initial
|
Extraction
|
销售净利率()_Netprfrt
|
1.000
|
.834
|
销售期间费用率()_Pdcostrt
|
1.000
|
.739
|
净利润/营业总收入()_NprTOR
|
1.000
|
.834
|
营业利润率()_Opeprfrt
|
1.000
|
.626
|
每股收益增长率()_EPSgrrt
|
1.000
|
.998
|
稀释每股收益增长率()_DilutEPSgrrt
|
1.000
|
.998
|
归属母公司的净利润增长率()_NPPCgrrt
|
1.000
|
.993
|
经营活动现金流量净额增长率()_NOCFgrrt
|
1.000
|
.932
|
每股经营活动现金流量增长率()_OpeCPSgrrt
|
1.000
|
.957
|
营业周期()_Opecyc
|
1.000
|
.924
|
存货周转天数()_invtrtrday
|
1.000
|
.921
|
Extraction Method: Principal Component Analysis.
|
Extraction是个变量的的公因子方差,我们看到大部分的都很较高,说明剔除以后数据适合做因子分析
(三)建立因子载荷矩阵及主因子特点分析
采用spss的因子分析,计算公共因子的特征值与方差贡献率,选取累计贡献率大于百分之八十五的公因子。由于第一次未旋转状态下的因子分析结果,因子F1的意义可以很好解释,故不对其旋转。得出如下总方差解释表。
表4.1.2
Total Variance Explained
|
Component
|
Initial Eigenvalues
|
Extraction Sums of Squared Loadings
|
Total
|
% of Variance
|
Cumulative %
|
Total
|
% of Variance
|
Cumulative %
|
1
|
3.031
|
27.558
|
27.558
|
3.031
|
27.558
|
27.558
|
2
|
2.549
|
23.170
|
50.728
|
2.549
|
23.170
|
50.728
|
3
|
2.336
|
21.239
|
71.967
|
2.336
|
21.239
|
71.967
|
4
|
1.840
|
16.729
|
88.696
|
1.840
|
16.729
|
88.696
|
5
|
1.040
|
9.458
|
98.154
|
|
|
|
6
|
.168
|
1.523
|
99.677
|
|
|
|
7
|
.019
|
.176
|
99.853
|
|
|
|
8
|
.010
|
.095
|
99.948
|
|
|
|
9
|
.006
|
.052
|
100.000
|
|
|
|
10
|
1.26E-005
|
.000
|
100.000
|
|
|
|
11
|
1.56E-007
|
1.42E-006
|
100.000
|
|
|
|
Extraction Method: Principal Component Analysis.
|
从表中看到前四个公因子累计贡献率已经达到88.696%,超过85%,包含了样本的主要信息。
因子载荷矩阵为
表4.1.3
Component Matrix(a)
|
|
|
Component
|
|
1
|
2
|
3
|
4
|
|
销售净利率()_Netprfrt
|
.263
|
-.796
|
.258
|
.255
|
|
销售期间费用率()_Pdcostrt
|
-.229
|
.677
|
.417
|
-.233
|
|
净利润/营业总收入()_NprTOR
|
.263
|
-.796
|
.258
|
.255
|
|
营业利润率()_Opeprfrt
|
.214
|
-.545
|
-.491
|
.205
|
|
每股收益增长率()_EPSgrrt
|
.966
|
.250
|
.033
|
-.047
|
|
稀释每股收益增长率()_DilutEPSgrrt
|
.966
|
.250
|
.033
|
-.047
|
|
归属母公司的净利润增长率()_NPPCgrrt
|
.962
|
.254
|
.035
|
-.051
|
|
经营活动现金流量净额增长率()_NOCFgrrt
|
-.029
|
.370
|
-.540
|
.709
|
|
每股经营活动现金流量增长率()_OpeCPSgrrt
|
-.034
|
.386
|
-.552
|
.709
|
|
营业周期()_Opecyc
|
-.044
|
.167
|
.770
|
.549
|
|
存货周转天数()_invtrtrday
|
-.042
|
.156
|
.771
|
.547
|
|
Extraction Method: Principal Component Analysis.
|
|
a 4 components extracted.
|
|
对于F1,我们发现营业利润/资产总计、利润总额/资产总计、净利润(不含少数损益)/资产总计、扣除非经常性损益后净利润/资产总计,对其影响比较大,我们认为其是主要反映上市公司在单位资产下经营获利活力的指标。它的贡献率最高,也是最主要影响上市公司活了的因素。
对于F2,短期借款/资产总计、应交税费/资产总计、应付利息(不含少数损益)/资产总计、流动负债合计/资产总计、负债合计/资产总计,对其影响比较大,我们认为其是主要反映上市公司在单位资产下债务融资能力的指标同时也是债务压力指标,其往往是越是扩张期的上市公司这个指标越高当然风险也会随之增加。
对于F3,期末现金及现金等价物余额/资产总计、货币资金/资产总计、流动资产合计/资产总计、非流动资产合计/资产总计,对其影响比较大,我们认为其是主要反映上市公司在单位资产下资金流动程度,而资金的充分的流动是保证上市公司活力的重要指标。
F2和F3得分相视是仅此于F1的因素,两者也是相辅相成的,反映了上市公司的资金特点的两个方面。
对于F4,应收账款/资产总计,对其影响比较大,我们认为其是主要反映上市公司在单位资产下日常往来的债权,在资金有保证情况下,反映了上市公司日常的经营规模,在一定程度上也反映了上市公司的活力。其得分比较小作为补充因素。
三分析结果研究结论
当我们以上市公司整体为对象考察时,我们发现上市公司的活力可以归结为四个因子。这四个因子分别代表了上市公司的资本增值能力、获利能力、流动能力、现金能力。其中前两项主要反映了上市公司吸收外部资源的能力,而后两项则反映了上市公司资源流转的快慢。这与我们的设想是一致的。
在四个因子中我们发现第一个因子权重最大,这在某种方面反映了传统的财务观念与目标有其合理的一面。而且归纳的四个因子除去偿债能力因为公因子方差太小被剔除以外,也在某种程度上反映传统分析体系主体的合理性,
对于偿债能力的比率笔者曾经带入运算发现公因子方差太小且受行业类别影响过大,最后不得不剔除。
最后得出以下结论
一、上市公司的活力是客观存在的,他反映在企业的各个方面,而且是可以观察的。通过不同的数据也可以对其予以观测。
二、活力本身存在着内部结构,即对外界资源的获取能力和资源在系统的运转速率,这与生物化学,系统动力学对活力的定义是一致的。
三、活力大小可以反映在财务数据和少量可以准确计量的非财务数据上的。
参考文献
1 曹庆奎,刘开第,李继勇.工业企业活力综合评价模型研究[J].系统工程理论与实践,2004,24(8)
2 闫泽涛.关于对企业活力产生的结构性基础因素分析[J].中国管理科学,2004,12(6)
3 仇念海,谢剑丰.企业活力模糊综合评价方法[J].大庆石油学院学报,2002,26(2)
4 韩利红,赵冰琴.企业活力评价的数学模型研究[J].河北科技大学学报,2010,31(1)
5 韩士成.企业活力与生存发展之道[J].科技广场,2009,''(6)
6 马香银.加强企业文化建设增强企业活力[J].中国城市经济,2010,''(5)
7 朱孔来,田建国.企业活力诊断与评价的系统分析及数学模型[J].数理统计与管理,2006,25(3)
8 郑敏,奉小斌.基于模糊层次分析法的第三方物流企业活力评价[J].物流科技,2008,31(2)
9 李厚刚.试论企业活力塑造[J].商场现代化,2005,''(10)
10 张立军.企业活力的综合评价模型及应用[J].统计与信息论坛,2004,19(4) 2/2 首页 上一页 1 2 |