基于因子分析法的食品制造业上市公司经营绩效评价(编辑修改稿)

基于因子分析法的食品制造业上市公司经营绩效评价(编辑修改稿)内容摘要：

也就越小。 这么做有效的避免了人为确定数值的随意性，使结果唯一，但也具有客观性、合理性。 ②计算机软件的开发使因子分析法的全部过程可以更加方便快捷地进行，具有很强的操作性。 因此，本文的研究方法选择因子分析法。 3 食品制造业上市公司经营绩效评价指标体系的构建 食品制造业上市公司指标建立的原则 企业经营绩效评价的一个重要部分就是食品制造业上市公司绩效评价指标体系，它应根据企业经营 战略主导思想的变化而随之变化。 根据新经营环境下中国食品制造业上市公司的发展要求和特点，食品制造业上市公司的绩效评价指标体系的建立应包括一下几点原则： 第一，目的性原则。 绩效评价必须先从所有的反映企业经营发展状况方面进行综合评价分析，然后找出最具有代表性指标进行重点分析，必须明确，指标的 第 5 页 共 24 页 全面性并非指标无限范围的蔓延，过度复杂的指标体系会致使出现没用核心评价内容，导致评价结果不准确。 因此，建立一个好的指标体系一定要有很明确的目的。 第二，相关性原则。 评价指标的选择要充分反映业务发展和经营状况，同时利益相关者所要 关注的部分要能直接体现出来，而且要保证各个指标不是孤立的，要有互相影响、互相制约的关系。 第三，可操作性原则。 对于所选取的指标含义要明确，表达的内容也要准确的描述，数据收集还要方便，对于得到的数据要确保准确可靠，计算方法简明易懂。 想要使研究更加有意义，只有选取的指标具有可操作性，才能从实际中获得可靠的数据，进行更加准确的绩效评价。 食品制造业上市公司经营绩效评价指标的选取 本研究在遵循以上几点原则的基础上，为了体现指标选取的合理及实用性，将反映食品制造业上市公司财务绩效的核心主要内容和发展状况作为 前提条件，从盈利能力、偿债能力、营运能力和发展能力这四个方面选取了 11 个指标。 构建了一个新的评价指标体系，如下表 31： 表 31 食品制造业上市公司的经营绩效评价指标体系 指标类型 指标名称 指标计算公式 盈利能力 净资产收益率 X1 净利润 /平均净资产 营业利润率 X2 营业利润 /主营收入 每股收益 X3 （净利润－优先股股利） /发行在外普通股股数 盈余现金保障倍数 X4 经营现金净流量 /净利润 营运能力 总资产周转率 X5 销售（营业）收入净额 /平 均资产总额 固定资产周转率 X6 营业收入 /平均固定资产净值 偿债能力 流动比率 X7 流动资产 /流动负债 资产负债率 X8 负债总额 /资产总额 现金流量比率 X9 经营活动产生的现金净流量 /期末流动负责 发展能力 总资产增长率 X10 本年总资产增长额 /年初资产总额 净资产增长率 X11 （ 期末净资产 — 期初净资产） /期初净资产 4 因子分析法在食品制造业上市公司绩效评价中的应用 样本的选取和原始数据计算 本文将我国食品制造业上市公司作为研究对象，食品制造业在上海和深圳证券交易所上市的 公司总共 26 家，把 2020 年上市的 3 家公司剔除，剩余的 23 家则作为本文研究分析的样本。 这 23 家公司的简称及股票代码如下表 41： 第 6 页 共 24 页 表 41 样本公司代码及公司简称 股票代码 上市公司简称 股票代码 上市公司简称 300146 汤臣倍健 002661 克明面业 002626 金达威 002495 佳隆股份 002481 双塔食品 002216 三全食品 300149 量子高科 600579 光明乳业 600873 梅花生物 600305 恒顺醋业 600073 上海梅林 600429 三元股 份 002507 涪陵榨菜 600866 星湖科技 002650 加加食品 000716 南方食品 002329 皇氏乳业 600419 天润乳业 002570 贝因美 600186 莲花味精 600298 安琪酵母 600887 伊利股份 600872 中炬高新 本文分析时所用到的 2020 年财务数据主要来源于证券之星和新浪财经网上公布的财务报表，并经过自己计算整理得到。 为了方便本文在后面对食品制造业上市公司的经营绩效惊醒因子分析，笔者 先将本文选取的所有指标的百分比形式转换为数值表示，转化 处理后的每个样本相关的绩效评价指标体系见附录 1。 因子分析的过程 数据的正向化和标准化处理 本文选取的 11 个指标包括正指标及适度指标。 适度指标是指在一个规定的范围内取值相对比较合理的指标，本文的适度指标包含流动比率和资产负债率。 取值越大效果越好的指标就是正指标，本文中除了适度指标以外，其他几个指标都属于正指标。 为了充分保证分析结果是可以相信依靠并且是有效的，在进行数据分析前对适度指标进行正向化处理是我们必须完成的一个步骤。 适度指标数据的正向化处理公式如下：  其中正向化处理后的数据为  ， 原始数据为 X，原始数据的平均值为 K。 通过查询数据，得到流动比率的平均值为 2，资产负债率的平均值为。 （正向化处理后的数据见附录 2，标准化数值见附录 3。 ） 因子分析的适用性检验 从 KOM 检验来看， KOM 的值为 ，大于 ，表明本文适合采用因子分析法对原有变量进行分析；从巴特利特球度检验来看， Sig 为 ，很明显小于显著水平 ，表明 Bartlett 球形检验通过。 因此，因子分析法适用于本文所选 的变量。 第 7 页 共 24 页 表 42 KOM 检验和巴特利特球度检验 取样足够的 KaiserMeyerOlkin 度量 Bartlett 的球形度检验 近似卡方 df 55 Sig. 提取因子 选取初始特征值大于 1 的成分，其个数就是新产生的因子个数。 特征值的选取需要保证其大于初始特征值的平均解释力度，所以主成分的特征值应大于 1。 利用 软件得出解释的总方差表，如表 43 所示： 表 43 总方差解释 成分 初始特征值 提取平方和载入 旋转平方和载入 合计 方差的 % 累积 % 合计 方差的 % 累积 % 合计 方差的 % 累积 % 1 2 3 4 根据表 43 可以看出特征值大于 1 的 只有 前 4 个主成分，它们的累积贡献率达到 %，超过 75%。 所以可以通过 4 个潜在因子来解释本文的总方差。 因子的命名解释 因子载荷矩阵是对因子进行命名的主要依据，在某个因子，如果每个变量上都能拥有较高载荷，就可以清楚的表达因子的实际含义了。 但是经过 软件操作后发现原变量上的载荷值相差不大且每个数值都比较小，不利于解释。 此时就需要对因子载荷矩阵进行旋转，本文采用的是最大方差法。 旋转后的因子载荷矩阵如表 44 所示 ： 表 44 因子载荷矩阵 成分 1 2 3 4 净资产收益率 X1 营业利润率 X2 每股收益 X3 盈余现金保障倍数 X4 总资产周转率 X5 固定资产周转率 X6 流动比率 X7 资产负债率 X8 第 8 页 共 24 页 因子载荷矩阵 续表 44 成分 1 2 3 4 现金流量比率 X9 总资产增长率 X10 净资产增长率 X11 经过旋转之后，因子载荷矩阵上的每个变量在某个因子上就具有系数较大的载荷，此时因子的意义就比较明确了。 接下来就可以参照因子载荷矩阵为因子命名了。 流动比率 (X7)和现金流量比率（ X9）的载荷在第 1 个因子上相对较高，分别为 、 ，这两个指标反映的是企业偿债能力方面的信息，因此它可以被命名为偿债能力因子，记为 F1。 总资产增长率（ X10） 和净资产增长率（ X11） 的载荷在第 2 个因子上相对较高，分别为 、 ， 这两个指标反映的是企业发展能力方面的信息，因此它可以被命名为发展能力指标，记为 F2。 总资产周转率（ X5） 和固定资产周转率（ X6）的载荷在第 3 个因子上相对较高，分别为 和 ，这两个指标反映的是企业营运能力方面的信息，因此它可以被命名为营运能力指标，记为 F3。 盈余现金保障倍数（ X4）的载荷在第 4 个因子上相对较高，为 ，这个指标反映的是企业盈利能力方面的信息，因此它可以被命名 为盈利能力指标，记为 F4。 计算因子得分 在确定因子之后，每个样本在各个因子上的得分就能够计算出来了，将它称为因子得分。 通过因子得分系数矩阵可以确定因子得分函数，此矩阵如下表 45： 表 45 因子得分系数矩阵。