中國農林牧副漁行業股票凈資產收益率影響因素研究

莫雪梅

【摘要】通過選取了2010年到2011年的農林牧副漁行業人半年度財務、人力資本數據，通過建立計量回歸模型，采取因子分析以及截面數據的混合數據等方法，對影響因素進行了實證分析，發現人力資本對農林牧副漁行業的凈資產收益率并無顯著影響，得出了農林牧副漁行業上市公司的業績與公司投入產出能力、營運能力等有顯著的正相關，與償債能力負相關。

【關鍵詞】農林牧副漁行業主成分分析經營業績

一、引言

凈資產收益率（ROE）是衡量一個企業經營業績好壞的一個指標，既反映了企業的贏利能力，也反映了投資的獲利能力和企業籌資、投資、資產運營等活動的效率。從企業經營管理角度看，凈資產收益率一方面取決于企業自身所擁有的資源稟賦狀況和由此所決定的生產能力；另一方面取決于管理層努力程度所決定的公司治理效率。

二、研究方法

（一）樣本與數據

本文選擇的樣本是農林牧副漁行業板塊的34只股票，已經剔除了ST、ST*和數據不全的13家公司，采用的是2010年到2011年的半年度的混合數據。原始數據均來源于巨潮相關公告和新浪財經網站中有關公司個股的資料整理得到。

（二）變量說明

根據研究需要，本文設計了大股東持股比例、經營能力、償債能力、資本構成、主營業務的贏利能力和成長性、公司規模、員工構成等因素作為控制變量分析其對凈資產收益率的影響。各變量定義如下：

大股東持股比例（SDGD）：大股東持股比例=大股東持股數／總股本數。

投資能力（MGSY、MGJZC）：每股收益、每股凈資產。

經營能力（ZZCZZL、ZZZBCL）：總資產周轉率、總資產報酬率。

償債能力（ZCFZBL）：資產負債比率。

資本構成（JZCBL）：凈資產比率。

贏利能力（JLRL）：凈利率是企業贏利能力的代表性指標，凈利率=凈利潤／主營業務銷售總額。

成長能力（ZYYWSYL）：選取代表性指標主營業務收入增長率。

公司規模（GSGM）：總資產的對數。

員工構成（GLRYBL、DZYSBL）：管理人員比例、大專以上學歷比例。

（三）模型設計

面板數據（Panel Data）能夠同時反映變量在截面和時間二維空間上的變化規律和特征，具有純時間序列數據和純截面數據所不可比擬的諸多優點：可以擴大樣本容量，能夠控制個體的異質性，有效減少回歸變量，即解釋變量間的多重共線性，增加自由度從而提高參數估計的有效性，以及用于構造更復雜的行為模型等，使之成為當前非常受歡迎的分析工具之一。本文選用的樣本是2010年至2011年農林牧副漁行業的上市公司年報、半年報披露的面板數據，時間跨度為2年。因此，根據面板數據方法的原理設計出下列模型：

ROEit=α0+β1trccnl+β2cznly+β3rlzb+β4jynl+εit

上式中，α0為截距；βk（k=1，…，12）為模型回歸系數；ε為隨機擾動變量，服從獨立同分布，代表模型之外的影響ROE的其他變量；i代表第i家上市公司，其中i=1，2，…；t表示時間，且t=2010，…，2011，代表第t個時間序列的值。在對模型進行回歸時使用統計軟件eviews6.0對模型進行估計，從而分析出各變量對模型的解釋程度。

三、實證分析

在本文設置的模型計算中，主要分析了大股東持股比例、經營能力、償債能力、資本構成、主營業務的贏利能力和成長機會、公司規模、員工構成等因素作為控制變量分析其對凈資產收益率的影響。由于因素較多，且有較強的相關性，所以先采用SPSS軟件的因子分析的方法提出公因子，然后再用為eviews作回歸。

（一）因子分析

1.KMO測度和Bartlrtt檢驗。檢驗樣本的取樣是否適當，采用的是KMO測度和Bartlrtt檢驗，KMO測度的值越高（接近1.0時），表明變量間的共同因子越多，研究數據適合用因子分析。Bartlett球體檢驗的目的是檢驗相關矩陣是否是單位矩陣（identity matrix），如果是單位矩陣，則認為因子模型不合適。Bartlett球體檢驗的虛無假設為相關矩陣是單位陣，如果不能拒絕該假設的話，就表明數據不適合用于因子分析。一般說來，顯著水平值越小（<0.05）表明原始變量之間越可能存在有意義的關系，如果顯著性水平很大（如0.10以上）可能表明數據不適宜于因子分析。