采用因子分析法对上市公司的盈利能力进行评价..doc

采用因子分析法对上市公司的盈利能力进行评价. 　　企业盈利是一个多方面因素共同作用的结果,既有企业内部因素的影响,也有外部环境的影响,从企业的经营过程来看,企业的外部因素影响到企业的销售量#65380;产品价格#65380;原材料成本等,最终影响企业的经营成果#65377;外部因素包括政治#65380;法律#65380;税收#65380;宏观经济状况等因素#65377;企业自身的产品竞争力#65380;产品生命周期#65380;日常生产经营管理#65380;营销组织决策#65380;投资项目风险选择则构成了影响企业盈利的内部因素#65377;内外部因素共同作用,决定了企业的盈利能力#65377;除了实际生产过程的价格因素外,企业的资本结构#65380;财务杠杆#65380;股权结构#65380;行业#65380;规模等因素会通过对公司治理效率的作用来影响企业的盈利能力,这正是公司财务理论对盈利能力分析所要研究的内容#65377; 　　 　　一#65380;研究数据与方法 　　 　　(一)数据和样本区间 　　我们考察2000-2004年沪深股市的上市公司,所有公司在1999年12月31日前已经上市#65377;计算变量的各项指标取自WIND资讯#65377;我们只分析沪深股市上市的A股公司,因此含B股的上市公司从样本中剔除#65377;由于ST#65380;PT公司存在着较大的异常值,同样不予考虑#65377;金融类上市公司按照习惯也从样本中剔除#65377;最后得到660家上市公司#65377; 　　(二)企业盈利能力的衡量 　　由于反映企业盈利能力的一些指标存在局限性,我们采用因子分析法对上市公司的盈利能力进行评价#65377;因子分析(Factor Analysis)是主成分分析的推广,因子分析的基本思想是通过变量(或样品)的相关系数矩阵(对样品是相似系数矩阵)内部结构的研究,找出能控制所有变量(或样品)的少数几个随机变量去描述多个变量(或样品)之间的相关(相似)关系,但在这里,这少数几个随机变量是不可观测的,通常称为因子#65377;因子分析方法的计算步骤包括原始数据标准化#65380;建立变量的相关系数#65380;求R的特征根及其相应的单位特征向量#65380;对因子载荷阵施行最大正交旋转#65380;计算因子得分等步骤#65377;由于各因子反映的原始指标信息量的不同,因此,在计算上市公司盈利能力综合评价值时,因子所占的权重与反映的信息量能否一致是综合评价是否有效的关键,可以用各公司因子的方差贡献率作为因子相应的权重并据此得到上市公司盈利能力的综合评价指标#65377; 　　(三)实证研究方法 　　我们采用面板数据来进行分析#65377;面板数据是时间序列和截面数据的混合,这样既可以分析个体之间的差异情况,又可以描述个体的动态变化特征#65377;面板数据可以有效地扩大样本容量#65380;有效地削弱模型中多重共线性的影响#65380;提高模型的估计精度,还可以反映一些被忽略的时间因素和个体差异因素的综合影响,而这些因素往往是难以观察或量化的#65377; 　　对于期限较短而截面数据较多的样本,可以认为模型参数只与个体差异有关而与时间的变化无关,其差异主要表现在横截面的不同个体之间,即参数不随时间变化#65377;同时,由于我们是通过面板数据来考察其盈利能力决定的一般因素,因此可以假定斜率系数是常数,即个体之间的资本成本的差异只表现在截距项上#65377;因此我们的任务是要区别是采用混合回归模型还是固定效应的变截距模型抑或是随机效应的变截距模型#65377; 　　检验一:对于混合回归模型还是固定效应的变截距模型,在个体效应不显著的原假设下,应当有假设1成立: 　　 假设1: α1=α2=…=αn 　　我们可以采用F统计量来检验上述假设是否成立, 　　 F=～F(n-1, nT-n-k) 　　其中,S2表示不受约束的模型,即我们的固定效应模型;S3表示受约束的模型,即混合数据模型的残差平方;n为截面样本点的个数,T为时序期数,k为解释变量个数#65377; 　　检验二:对于混合回归模型还是随机效应的变截距模型, 可以通过Breusch和Pagan的LM统计量进行检验,其原假设为=0,相应的检验统计量为: 　　LM= 　　在原假设下,LM 统计量服从一个自由度为1 的卡方分布#65377;如果拒绝原假设则表明存在随机效应#65377; 　　检验三:固定效应的变截距模型还是随机效应的变截距模型,可以通过Hausman检验来确定#65377;Hausman 检验基于如下Wald 统计量: 　　 W=〖b-〗′[b-]～χ2(K-1)