财务绩效指标的因子分析.docxVIP

财务绩效指标的因子分析 　　(一)数据来源 　　本文主要从财务角度探讨贵州茅台股份有限公司关于绩效评价相关的设计。所选用数据来源于锐思股票数据库中的财务数据库，在排除财务数据残缺以及财务比率有异常的年份后，选取贵州茅台股份有限公司2017年1月1日至2020年9月30日划分总计15个截止日期所得的财务数据作为研究样本，基于spss21.0来进行因子分析，研讨贵州茅台股份有限公司财务绩效。 　　(二)财务绩效指标选取 　　一般而言，如果只从单一的角度来衡量企业财务绩效的话必然存有一定的缺陷，本文在体系构建上从获利能力、偿债能力、成长能力、营运能力四个维度来衡量财务绩效，分别用每股收益(X1)为净利润/总股数、净资产收益率(X2)为净利润/平均净资产、流动比率(X3)为流动资产/流动负债、净资产负债率(X4)为负债总额/净资产总额、每股收益增长率(X5)为本上期每股收益差/上期每股收益、营业收入增长率(X6)为本上期营业收入差/上期营业收入、存货周转率(X7)为销售成本/存货平均余额以及总资产周转率(X8)为销售收入/平均资产总额等8个指标来判定财务绩效。 　　(三)因子分析 　　因子分析的核心原理是用较少的因子反映较多的信息[2]，以达到降低问题的复杂程度，在此基础上分析研究原变量间的相互关系。基本操作步骤是：第一，进行数据标准化处理即进行描述性统计分析，以在较少误差的情况下对于各个变量进行比较分析，最常用方法就是Z-score法；第二，进行适用性分析，包括相关性检验，巴特利特球度检验以及KMO检验，以及计算相应变量共同度来衡量因子分析效果和来测试数据选取是否合适；第三，提取公因子即进行因子提取；第四，进行因子命名即旋转并计算旋转前后的因子载荷矩阵；第五，计算取得的公因子得分并算出因子分析模型以及求解公因子综合得分并进行排序分析。 　　1.数据标准化处理。 　　对于数据进行无量纲化处理，即对于贵州茅台股份有限公司所取得的财务绩效指标进行描述性统计分析。同时可以看出存货周转率以及总资产周转率的均值是小于1的，说明2017—2020年间营运能力总体不算是很好，但是流动比率的均值是大于1的，所以在这四年间总体而言，偿债能力是不错的。而且营业收入增长率在2017年至2020年极大值和极小值之间倍数相差了将近6倍，这表明贵州茅台在2017年至2020年营业收入增长的差距比价明显。 　　2.相关性检验分析。 　　相关性检验分析主要是衡量所选取变量之间的相关关系。每股收益与净资产收益率的相关系数为0.895，存货周转率与每股收益的相关系数为0.932，净资产周转率与存货周转率的相关系数为0.993，每股收入增长率与营业收入增长率的相关系数为0.939，这些相关系数都接近于1，说明选取的研究变量之间相关性较强，进一步表明选用的财务绩效数据是适用的。 　　3.KMO检验分析和巴特利特(Bartletts)球度检验。 　　在进行因子分析前要进行适用性检验[3]。首先进行巴特利球度检验和KMO检验分析，一般而言，是否通过巴特利球度检验的标准就是看sig.值是否小于1%，以及近似卡方值是否比较大。sig.值为0.000，小于0.01，说明差异性显着，符合因子分析的一般要求。而且近似卡方值为185.197是比较大的，因此说明贵州茅台各项财务绩效指标之间是存有显着的相关关系，这就通过了巴特利特球度检验测试，说明选取的研究样本数据适合采纳因子分析法进行分析研究。KMO检验主要是用于比较变量之间的偏相关系数以及简单相关系数，一般而言，是否通过KMO检验的标准就是看KMO值的大小，如果KMO值大于0.9，表明数据选取非常合适；如果KMO值大于0.8小于0.9，说明数据选取合适；如果KMO值大于0.6小于0.8，说明数据选取一般，尚可接受；如果KMO值大于0.5小于0.6，表明样本数据选取不太合适；如果KMO值是小于0.5，说明数据选取极其不合适。KMO值为0.638，说明贵州茅台各项财务绩效指标的选取在接受范围之内，通过了KMO检验测试。因此，总体而言，所选取的财务绩效数据比较适合采用因子分析方法来进行研究。 　　4.变量共同度分析检验。 　　变量共同度主要是衡量因子分析效果的重要依据，通过分析可以得知财务绩效指标初始共同度都为1.000，而用主成分分析法提取公因子的共同度都接近于1，说明提取的公因子能够很好地反映原有变量的大部分信息，即表明选用主成分分析法来提取出公因子的方法是适用的。 　　5.主成分提取公因子。 　　主成分提取公因子即将原来的变量提取成少数几个公因子是因子分析的关键所在，而最重要的就是确定提取公因子的数量。第一，根据因子的累计方差贡献率来确定提取公因子的数量，可以看出提取的两个公因子的方差贡献率分别为45.575%和38.760%，累积贡献率