• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    因子分析法在中國(guó)食品行業(yè)上市公司研究中的應(yīng)用

    2009-12-31 00:00:00
    經(jīng)濟(jì)研究導(dǎo)刊 2009年10期

    摘要:選取34家食品制造業(yè)上市公司,根據(jù)2007年第四季度信息及數(shù)據(jù),選擇每股收益、凈資產(chǎn)收益率、總資產(chǎn)收益率等12項(xiàng)財(cái)務(wù)指標(biāo),對(duì)這些食品制造公司進(jìn)行因子分析,為股票的分析和選擇提供依據(jù)。

    關(guān)鍵詞:因子分析法;主因子;上市公司

    中圖分類(lèi)號(hào):F830.9文獻(xiàn)標(biāo)志碼:A文章編號(hào):1673-291X(2009)10-0072-02

    (一)數(shù)據(jù)指標(biāo)的選擇和搜集

    本文通過(guò)對(duì)滬深股市中34家食品制造業(yè)上市公司2007年第四季度的財(cái)務(wù)報(bào)表數(shù)據(jù)進(jìn)行分析研究。本案例就是面對(duì)眾多的指標(biāo)應(yīng)該如何利用因子分析方法進(jìn)行綜合的分析和評(píng)價(jià),共選取12個(gè)指標(biāo): X1—凈資產(chǎn)收益率、X2—凈利潤(rùn)率、X3—每股收益、X4—主營(yíng)收入增長(zhǎng)率、X5—凈利潤(rùn)增長(zhǎng)率、X6—總資產(chǎn)增長(zhǎng)率、X7—流動(dòng)比率、X8—速凍比率、X9—資產(chǎn)負(fù)債率、X10—存貨周轉(zhuǎn)率、X11—總資產(chǎn)周轉(zhuǎn)率、X12—應(yīng)收賬款周轉(zhuǎn)率,研究過(guò)程運(yùn)用SPSS統(tǒng)計(jì)軟件。

    (二)中國(guó)食品制造業(yè)上市公司的因子分析步驟

    1.指標(biāo)的預(yù)處理。對(duì)原始數(shù)據(jù)進(jìn)行同向化處理,即將資產(chǎn)負(fù)債率取倒數(shù),使其變成在一定范圍越大越好的指標(biāo)。

    2.為避免量綱不同而帶來(lái)的數(shù)據(jù)間的無(wú)意義比較,將同向化處理后的數(shù)據(jù)標(biāo)準(zhǔn)化,這一步由統(tǒng)計(jì)軟件實(shí)現(xiàn)。

    3.確定待分析的原有若干變量是否適合于因子分析。由KMO值可知本案例不太適合作因子分析。Bartlett球度檢驗(yàn)給出的相伴概率為0.000,小于顯著性水平,因此拒絕Bartlett球度檢驗(yàn)的零假設(shè),認(rèn)為適合于因子分析。

    4.用主成分法根據(jù)因子貢獻(xiàn)率選取主因子。

    由表1可以看出提取了四個(gè)公共因子后,它們基本反映了各原始變量80%以上的信息。從標(biāo)準(zhǔn)化數(shù)據(jù)矩陣出發(fā),計(jì)算其特征值和特征向量,在參數(shù)估計(jì)中選擇主成分方法,并使用方差最大化旋轉(zhuǎn)標(biāo)準(zhǔn)化數(shù)據(jù)矩陣,得到旋轉(zhuǎn)后的特征值和特征向量。由于設(shè)定了提取因子的標(biāo)準(zhǔn)是特征值大于1,且前三個(gè)特征值的累積方差貢獻(xiàn)率為80%,所以選取四個(gè)共因子。這四個(gè)旋轉(zhuǎn)后的特征值和特征向量如表1和表2所示。其中表2中四個(gè)特征向量矩陣又稱(chēng)為因子載荷矩陣。

    由表3可以看出,第一主成分與流動(dòng)比率、速凍比率和資產(chǎn)負(fù)債率的因子負(fù)荷量均為正值且都大于0.9,說(shuō)明第一主成分大約反映了各上市公司的償債能力的信息。第二主成分與存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率和應(yīng)收賬款周轉(zhuǎn)率的因子載荷比較大,說(shuō)明第二主成分大約反映了各上市公司的綜合運(yùn)營(yíng)能力的信息。第三主成分與凈資產(chǎn)收益率、凈利潤(rùn)率和每股收益的因子載荷比較大,說(shuō)明第三主成分大約反映了各上市公司的盈利能力的信息,但其意義并不十分明朗,因?yàn)閷?duì)主營(yíng)業(yè)務(wù)收益增長(zhǎng)率不好解釋。

    5.計(jì)算因子得分矩陣及最后綜合評(píng)價(jià)得分。

    在上述分析基礎(chǔ)上,選擇回歸最小二乘法可以求得旋轉(zhuǎn)后的因子得分矩陣如下:

    使用加權(quán)平均的方法將每一只股票的各因子得分綜合起來(lái),就得到股票的最后綜合得分。其中加權(quán)平均的權(quán)重使用每一個(gè)因子所能解釋總方差的比重,對(duì)得到的綜合得分進(jìn)行排序得以下排名表(見(jiàn)表4):

    總體來(lái)說(shuō),綜合得分為正數(shù)的企業(yè)的綜合業(yè)績(jī)較好;而綜合得分為負(fù)數(shù)的企業(yè)的綜合業(yè)績(jī)較差。從排名情況來(lái)看,一些效益好、財(cái)務(wù)結(jié)構(gòu)合理、運(yùn)營(yíng)穩(wěn)定的企業(yè)明顯排在前列,如雙匯發(fā)展、華馨實(shí)業(yè)、深深寶等,與實(shí)際情況有著比較高的一致性,可作為科學(xué)決策的有力依據(jù)。這些上市公司的綜合評(píng)價(jià)效果與其經(jīng)營(yíng)業(yè)績(jī)有密切關(guān)系, 經(jīng)營(yíng)業(yè)績(jī)好的公司在綜合評(píng)價(jià)中顯現(xiàn)出明顯優(yōu)勢(shì)。

    參考文獻(xiàn):

    [1]余建英,何旭宏.數(shù)據(jù)統(tǒng)計(jì)分析與SPSS應(yīng)用[M].北京:人民郵電出版社,2003.

    [2]柯冰,錢(qián)省三.聚類(lèi)分析和因子分析在股票研究中的應(yīng)用[J].上海理工大學(xué)學(xué)報(bào),2002,(4).

    [3]王學(xué)民.因子分析在股票評(píng)價(jià)中的應(yīng)用[J].數(shù)理統(tǒng)計(jì)與管理,2004,(5).

    [4]姜學(xué).上市公司業(yè)績(jī)?cè)u(píng)價(jià)中的因子分析法[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào),2005,(3).

    [5]唐洋,周鵬飛.基于因子分析的西部各省份社會(huì)經(jīng)濟(jì)實(shí)證研究[J].重慶工學(xué)院學(xué)報(bào),2007,(2).

    [責(zé)任編輯陳麗敏]

    注:本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文

    浦城县| 饶平县| 盱眙县| 正定县| 罗平县| 兴安盟| 灵丘县| 宁德市| 西畴县| 阳谷县| 遂平县| 庆阳市| 襄垣县| 宁乡县| 新安县| 涿鹿县| 房产| 两当县| 平遥县| 鄂州市| 商南县| 革吉县| 内江市| 大同县| 天台县| 宜川县| 南雄市| 疏勒县| 临海市| 阆中市| 惠安县| 葵青区| 南城县| 滦平县| 宜兰市| 渑池县| 炎陵县| 循化| 屏东市| 信阳市| 裕民县|