基于因子分析法的高新技術企業綜合績效評價

韓雪

摘要： 本文以2009年～2012年期間獲得認定的湖北省高新技術上市公司為例，利用因子分析法，選取了2013年～2015年三年的公司年報，構建了盈利能力、償債能力、營運能力、成長能力等四個不同的一級財務指標和十個二級指標，并從中提取了三個主因子，最后根據樣本公司的綜合業績得分及排名作出評價，以期對未來高新技術企業的發展提供幫助。

Abstract： In this paper， taking high-tech listed companies in Hubei Province which have got certified during 2009 ～2012 as an example， it uses factor analysis method to select the three years annual report of 2013 ～2015， constructs four different primary financial indexes profitability， solvency， operational capacity， growth capacity and ten secondary indexes， then extracts three main factors， and finally according to the sample firms's comprehensive performance score and ranking， makes an evaluation， in order to look forward to providing help for the future development of high-tech enterprises.

關鍵詞： 因子分析法；湖北上市高新企業；綜合績效

Key words： factor analysis；listed high-tech enterprises in Hubei；comprehensive performance

中圖分類號：F272.5 文獻標識碼：A 文章編號：1006-4311（2017）21-0025-03

0 引言

當今世界已經進入知識經濟時代，高新技術產業日漸成為推動技術進步的不竭動力和經濟增長的核心。大力發展高新技術產業，可以提高傳統產業的技術和經濟附加價值，實現傳統產業向現代技術密集型產業過渡，促進國民經濟快速發展。湖北作為中部省份，經濟發展步伐日益加快，正在成為中部崛起的強大動力和重要支點，近幾年來，湖北大力推動高新技術企業的發展，這必將為產業升級換代，促進供給側結構性改革，拉動湖北經濟持續健康發展邁出重大一步。在這樣的背景下，結合當下湖北省高新技術企業的實際發展經營狀況進行研究評價，是十分具有現實意義的。

1 研究設計

1.1 因子分析法

因子分析法是在最大限度減少信息丟失的前提下，將原有的多個變量濃縮成較少的幾個具有高度綜合性的指標，并在此基礎上來分析研究問題的一種多元統計分析方法。分析過程主要涉及四個基本步驟：一是適用性檢驗，保證原有變量不存在較強的相關關系是進行因子分析的關鍵前提條件；二是提取公因子，也是核心步驟，即將原有變量綜合成少數因子；三是對原因子載荷矩陣進行旋轉使得因子具有實際意義，即命名解釋性；四是計算因子的綜合得分和排名。

1.2 績效評價指標體系構建

本文結合高新技術企業自身的特點以及所能查閱到的財務指標情況，選取了盈利能力、償債能力、營運能力、成長能力四個一級指標來進行績效評價。盈利能力可以反映一個企業創造利潤的能力，這里選取了凈資產收益率（X1）和資產凈利率（X2）以及營業利潤率（X3）三個二級指標；償債能力主要是指一個企業到期償還本息的能力，反映企業持續經營的能力和風險，這里選取了流動比率（X4）和現金流動負債比（X5）兩個二級指標；營運能力衡量企業管理資產的效率，選用常見的應收賬款周轉率（X6），流動資產周轉率（X7）和總資產周轉率（X8）作為二級指標；另外選用營業收入增長率（X9）和凈利潤增長率（X10）作為考察企業成長能力的二級指標，由此構建了一套評價指標體系。各評價指標類型和計算方法如表1所示。

1.3 數據來源與處理

本文根據銳思金融研究數據庫提供的信息，從中選取2009.1.1～2012.12.31期間獲得高新技術企業認定的24家湖北上市公司作為樣本，樣本的各項具體數據主要來源于各類證券交易軟件和各公司年報，并利用Excel表格處理軟件對原始數據進行處理加工，利用SPSS19.0統計分析軟件進行因子分析的具體步驟。

2 實證分析

2.1 因子分析法的適用性檢驗

首先需要考察搜集的原有變量之間是否有較強的相關關系，原有變量之間的相關關系越強，越適合做因子分析。本文借用巴特利特球度檢驗和KMO檢驗方法進行分析檢驗，得出的檢驗結果如表2所示。由表2可知，2013～2015年度的KMO統計量都在0.6附近，說明變量間的相關性較強，較適合做因子分析；同時三年的概率P-值都約為0，明顯比顯著性水平α0.05低，那么就可以認為單位陣與相關系數矩陣之間有顯著差異，進而得出原有變量是適合用因子分析法的。

2.2 根據方差貢獻率提取主因子

根據原有變量的相關性矩陣，使用主成分分析法并基于大于1的特征值抽取因子。據此原則以2015年上市高新技術企業為例，選擇了三個因子作為主因子，它們的方差貢獻率見表3。前三個因子的累計方差貢獻率約達到 77%，說明這些公因子可以反映原有指標將近77%的信息，占全部信息的絕大部分，因此使用這三個公因子來進行進一步分析可以取得較為滿意的結果。