上市公司派现能力的因子分析与检验
基于因子分析的房地产上市公司综合能力评价
基于因子分析的房地产上市公司综合能力评价选取2007年我国沪深两市的44 家房地产类A股上市公司为研究样本，采用14个指标，利用统计软件SPSS15.0，采用因子分析法对房地产类上市公司综合能力进行评价。
评价结果表明，不同样本的得分是有差异的，以平均水平为分界点，综合能力好与差的公司各占半壁江山，并且在地区间没有显著差异。
标签：房地产；上市公司；因子分析；综合能力0 前言近几年，随着我国居民住房制度改革进一步向纵深推入，房地产业已经发展成为我国国民经济的支柱产业，成为我国经济发展的主要推动力量和我国国民经济新的增长点。
本文选取了2007年我国沪深上市的44 家房地产类上市公司有关数据，采用14个指标，利用统计软件SPSS15.0，采用根据各指标实际观察值所提供的信息量大小来确定各指标权重的客观赋权法——因子分析法来进行实证研究, 对房地产上市公司的综合能力进行评价。
1 研究样本的确定本文将中国证监会《上市公司行业分类指引》中的房地产上市公司作为样本基础。
以2007年我国房地产上市公司为研究样本，剔除B股上市公司、ST公司以及在评价指标上存在异常值的公司，最后选取了44家房地产上市公司为研究对象,对房地产上市公司的综合进行评价和分析。
由于篇幅所限，此处不详细说明。
2 评价指标的确定与数据来源2.1 评价指标的确定参与综合评价指标选择直接影响评价结果。
本文本着综合性、系统性、全面性、科学性、目的性、关联性的原则,在指标可获得性的基础上，从短期偿债能力、长期偿债能力、股东获利能力、经营能力、成长能力、盈利能力、发展能力等七方面建立房地产上市公司综合能力评价指标。
并通过以下步骤对指标进行了筛选：首先，剔除了缺失值比较多的指标；其次，运用选择典型指标方法和主分量分析的方法进行筛选。
最终选取了14个指标，分别为：流动比率（X1）、速动比率（X2）、资产负债率（X3）、净资产比率（X4）、存货周转率（X5）、总资产周转率（X6）、净利润率（X7）、总资产报酬率（X8）、净资产收益率（X9）、每股收益（X10）、每股净资产（X11）、主营收入增长率（X12）、净利润增长率（X13）、总资产增长率（X14）。
上市公司盈利能力分析
上市公司盈利能力分析班级:财务1104**:***学号：**************:***摘要：企业盈利能力是衡量评价上市企业前景的重要组成部分和具体体现，企业获取利润的能力是衡量上市公司业绩的基本指标。
因子分析是指研究从变量群中提取共性因子的统计技术，可在许多变量中找出隐藏的具有代表性的因子。
将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。
本文利用SPSS软件对三十家房地产企业进行因子分析，得出相关结果，期望为决策者提供科学的决策依据，进一步提高公司的业绩，为我国房地产上市公司及其他人士提高经济效益和企业价值提供参考。
关键词：因子分析，上市公司，盈利能力一．引言随着人民的物质和生活水平在不断地提高，房地产已经成为我国经济发展的引擎和国民经济的重要支柱行业。
人民对住房的需求不断的攀升，促进了房地产行业的崛起。
中国的房地产业得到了快速发展。
房地产业在整个国民经济体系中具有重要的地位和作用，对房地产企业的盈利能力评价意义重大。
对于上市公司来说，盈利能力是企业利用资产创造收益的能力，反映企业的管理水平和经营业绩，是企业发展的动力。
盈利能力评价企业在生产经营中的创利水平，它为企业提供生产经营的效果和利润以及为投资者提供资本收益等，反映企业的综合素质。
作为财务分析的工具，财务比率是指反映会计报表内在联系的比较分析指标，对上市公司盈利能力采用比率分析。
因为财务比率能够揭示会计报表所提供的财务数据不能直接反映的相互关系，并据此对上市公司历史的盈利能力及其未来变动趋势做出判断。
因此，以财务比率对公司的盈利能力进行分析是财务分析最富创意的内容。
本文因子分析的变量均是相应的财务比率，选取了在深圳、上海上市的三十家房地产企业的财务报表数据，进行盈利能力分析与评价。
二．房地产上市企业盈利能力分析的指标选择本文参考对盈利能力评价的大量研究结果，选取了以下的指标体系。
通过对每股收益、每股净资产、净资产收益率、总资产报酬率、资产净利率、销售净利率、销售毛利率七个指标来反映企业的盈利能力。
上市公司超能力派现文献回顾与评价
上市公司超能力派现文献回顾与评价
首都 经济贸 易大学会计 学院 栾甫贵 侯 晶
摘要 ： 随着我国强制分红政策的出台， 证券市场上 出现 了超能力派现这一具有我 国特 色的分红
现 象。 国 内学 者在 界 定超 能 力派现 范 围的基 础 上 ， 对 其 影响 因素进 行 了 比较 深入 的研 究 。 深 化 了人 们 对超 能 力派 现 的认 识 ， 为进 一 步 深入 研 究提 供 了重 要 素材 。但 现 有 文 献 仍存 在 以下 不足 ： 一是 对 超 能 力 派现仍 没有 明 确合 理 的界 定 ； 二 是 对其 影 响 因素 的 分析 缺 乏相 关宏观 因 素的 影 响分 析 ， 影 响
、
引 言
自从 １ ９ ９ ０ 年 建立 深 沪两 个 证 券市 场 以来 ，我 国资本 市
的净利润分光 ，还需动用 以前年度的留存收益， 这可能引 起 以后年度企业派现能力的下降 ，不利于公 司长期发展。
为 了避 免 每股 收 益 虚增 可能 带 来 的 信 息误 导 ， 出于 谨 慎 性 原则 ， 主张 采 用稀 释 每股 收 益衡 量 盈利 能 力更 为 准确 。
稳 定 地进 行 现 金 分红 的上 市公 司 。 为 了规 范 上 市公 司 的股 利 分 配 行 为 ，证 监 会 多 次颁 布 相 关 改 革措 施 ： ２ ０ ０ ０ 年 证 监
会发布实施 了《 关 于上市公司配股工作有关问题的补充通
知》 ， 建立 了再 融 资 与派 发 现金 股 利 相 关 联 的 导 向性 政 策 ； ２ ０ ０ ８ 年 出 台 了《 关 于修 改 上 市公 司现 金 分 红 若 资 时 派现 比例 标 准 由不 少 于 最
基于因子分析法的上市公司财务指标评价
基于因子分析法的上市公司财务指标评价
随着经济的发展，上市公司越来越多。
然而，如何进行有效的上市公司财务指标评价
是一个非常重要的问题。
因此，本文提出一种基于因子分析法的上市公司财务指标评价方法。
因子分析法是一种多元统计方法，旨在识别一个数据集中的潜在因素并将这些因素合
并成几个更具解释性的因素。
因子分析法允许我们从多个财务指标中提取少数个别的因子，为此需要进行如下步骤：
1.选择财务指标：选择一组常规的财务指标（如净利润、负债率、资产周转率等）作
为评价指标。
2.确定因子模型：确定因子模型的数量，并使用因子分析软件，如SPSS等，建立财
务指标的因子模型。
3.提取因子：通过因子分析软件，提取因子并进行解释。
根据获得的因子，分析公司
各项财务指标之间的关系。
4.评价公司财务表现：根据因子分析和因子的解释，综合评价公司的财务表现。
可以
做出比较合理的结论并给出合理的建议。
1.可以更好地综合考虑财务指标之间的关系，从而有助于发现问题。
2.提高了财务指标的解释性和可解释性。
3.增加了财务指标的准确性和实用性。
因此，基于因子分析法的上市公司财务指标评价方法是一种非常有效的方法。
通过对
公司财务指标的综合考虑和解释，可以为公司提供更加准确和有效的财务评价。
同时，也
能够提供切实可行的建议，帮助公司更好地发展。
基于因子分析法的上市公司财务指标评价
基于因子分析法的上市公司财务指标评价因子分析法是一种多变量分析方法，常用于评价上市公司的财务指标。
通过因子分析法可以将多个相关的财务指标归纳为几个不相关的因子，然后利用这些因子来评价公司的财务状况。
以下是基于因子分析法的上市公司财务指标评价的方法及步骤。
1.确定评价指标：首先需要确定评价指标，通常包括财务结构、盈利能力、偿债能力、营运能力、成长潜力等方面的指标。
这些指标应该能够客观反映公司的财务状况。
2.收集数据：收集所选指标的相关数据，可以通过公司的财务报表、财务指标数据库等途径获取。
3.数据预处理：对收集到的数据进行预处理，包括数据清洗、标准化等步骤，确保数据的准确性和可比性。
4.进行因子分析：利用因子分析方法对预处理后的数据进行分析，将相关的指标归纳为几个不相关的因子。
常用的因子分析方法包括主成分分析、因子旋转等。
5.解释因子：根据因子分析的结果，解释每个因子代表的含义。
第一个因子可能代表财务稳定性，第二个因子可能代表盈利能力，以此类推。
6.计算得分：根据因子的权重，计算每个公司在每个因子上的得分。
这些得分可以用来评价公司在不同财务方面的表现。
7.综合评价：根据各个得分，综合评价公司的财务状况。
可以将得分进行加权求和，得到一个综合评价指标，也可以根据不同因子的重要性进行加权求和，得到不同财务方面的评价指标。
8.比较分析：将上市公司的财务指标评价结果与同行业或同类公司进行比较分析，了解公司在行业内的竞争优势和劣势。
1.综合性：因子分析可以将多个相关的财务指标综合起来评价公司的财务状况，能够全面地反映公司的财务情况。
2.客观性：因子分析是一种客观的方法，不受主观因素的干扰，能够准确评价公司的财务状况。
3.易操作性：基于因子分析的财务指标评价方法具有较高的操作性，能够快速获取结果，为公司的决策提供参考。
4.指导性：基于因子分析的财务指标评价结果可以指导公司的财务管理和经营决策，帮助公司提高盈利能力、降低风险等。
基于因子分析法的上市公司财务指标评价
基于因子分析法的上市公司财务指标评价随着市场经济的快速发展和竞争的加剧，上市公司财务指标评价变得越来越重要。
通过对财务指标进行评价，可以全面了解公司的财务状况，为投资者和经理人提供决策支持。
本文将使用因子分析法对上市公司的财务指标进行评价。
一、因子分析法及其应用因子分析法是一种多元统计分析方法，它可以将多个相关的变量转换为少数几个相互独立的综合指标。
因子分析法可以降低数据维度，提高数据解释的可靠性和有效性，同时还可以发现变量之间的潜在关系。
因子分析法在金融、经济学、市场研究等领域得到广泛的应用。
二、数据来源和预处理本文选取了2019年A股市场上的100家上市公司作为研究对象，从Wind数据库中获取了这些公司的财务指标数据。
根据财务指标的类型和定义，采用了以下8个指标：总资产、流动资产、固定资产、净利润、毛利润、经营现金流、负债总额和现金和现金等价物余额。
由于指标之间的差异比较大，需要对数据进行标准化处理。
标准化的方法是将每个指标减去平均值，再除以标准差，使每个指标的均值为0，标准差为1。
三、因子提取因子提取是因子分析的核心步骤，其目的是确定多个指标之间的共同因素。
本文采用主成分分析法进行因子提取。
主成分分析法是一种经典的因子提取方法，其基本思想是将大量变量压缩为少数几个主成分，这些主成分是基于线性组合的方式提取出来的，能够代表多个原始变量的信息。
四、因子旋转因子旋转是因子分析的一部分，其目的是使因子变得更容易解释和理解。
本文采用的是Varimax旋转方法。
Varimax旋转能够将因子之间的相关性最小化，使得因子之间的解释更加独立，便于对因子的特点和意义进行解释。
经过因子旋转后，可以得到如下表格：因子|第一因子|第二因子|第三因子--|---|---|---总解释方差|32.7%|20.8%|13.1%总贡献方差|25.3%|16.0%|10.1%总方差贡献率|38.0%|24.0%|15.1%总方差解释率|48.8%|31.1%|19.6%总方差|4.6|2.9|1.84总因子负荷|0.67|0.70|0.63总因子方差|3.1|1.9|1.2表中显示了每个因子的贡献方差，贡献方差表示因子对总方差的贡献程度。
基于因子分析法的上市公司财务指标评价
基于因子分析法的上市公司财务指标评价因子分析法是一种常用的统计分析方法，用于评价上市公司的财务指标。
它通过将一组相关的指标进行综合分析，提取出其中共同的因子，进而评估公司的财务状况。
下面将基于因子分析法对上市公司的财务指标进行评价，并进行详细阐述。
对于因子分析法的应用，需要确定一组关联性强的财务指标。
常用的指标包括资产负债表指标、利润表指标和现金流量表指标。
资产负债表指标包括总资产、总负债、净资产和资产负债率等；利润表指标包括净利润、营业收入和毛利率等；现金流量表指标则包括经营性现金流、投资性现金流和筹资性现金流等。
这些指标可以反映公司的资产状况、盈利能力和现金流量情况。
通过对这些财务指标进行因子分析，可以提取出其中的共同因子。
常用的因子分析方法有主成分分析和因子旋转。
主成分分析是一种通过线性组合将原始指标转化为新的共同因子的方法，可以简化指标的数量和复杂度。
因子旋转则是调整因子的结构，使得因子解释更加清晰和可解释。
基于提取出的共同因子，可以进行财务指标的评价和排名。
通过给每个因子赋予相应的权重，可以计算出公司在每个因子上的得分。
然后，将各个因子的得分进行加权求和，得到总的评价得分。
根据评价得分，对上市公司进行排名，从而比较其财务状况的优劣。
需要注意的是，在进行因子分析时，需要考虑到财务指标之间的相关性和共线性。
如果指标之间具有强相关性，可能会导致共同因子提取的困难和结果不准确。
在进行因子分析前，需要对原始数据进行预处理，如数据标准化和方差共线检验等，以确保分析结果的准确性和可解释性。
基于因子分析法的上市公司财务指标评价能够综合考虑多个关联的指标，提取共同因子，从而客观评价公司的财务状况。
通过因子分析，我们可以对公司的资产状况、盈利能力和现金流量等方面进行全面评价，帮助投资者和经营者做出更加明智的决策。
基于因子分析法的上市公司财务指标评价
基于因子分析法的上市公司财务指标评价因子分析法是一种将多个变量综合考虑的统计方法，通过因子分析，可以将一组相关变量转化为少数几个无关或弱相关的综合指标，从而实现简化和综合评价的目的。
在上市公司财务指标评价中，因子分析法可以帮助我们识别出对公司财务状况影响最大的因素，并通过构建评价模型对上市公司的财务状况进行评估。
上市公司的财务指标可以包括利润能力、偿债能力、经营能力、成长能力等方面的多个指标，每个指标都对公司的财务状况有一定的影响。
通过因子分析法，我们可以将这些指标综合为几个因子，以更精简的方式评价上市公司的财务状况。
在进行因子分析之前，我们首先需要确定需要评价的财务指标，并选择适当的指标作为变量。
一般来说，选择的指标应能够反映上市公司的财务状况和业绩表现。
常用的指标可以包括净利润率、资产负债率、营业收入增长率等。
然后，我们需要收集相应的数据，并对数据进行预处理，例如数据清洗、标准化等。
接下来，我们需要进行因子提取，即将原始变量转化为无关或弱相关的综合指标。
常用的因子提取方法包括主成分分析法和因子旋转法。
主成分分析法通过线性组合原始变量，提取能够解释大部分方差的主成分，从而实现降维和简化的目的。
因子旋转法则可以进一步优化主成分的解释效果和结果的解释性。
在进行因子提取后，我们需要对提取出的因子进行命名和解释。
命名和解释的过程可以根据因子的构成和权重来进行，以确保名称与实际含义相符合。
然后，我们可以根据提取出的因子得分，计算每个上市公司在每个因子上的得分，并对得分进行排序和比较，从而评价上市公司的财务状况。
我们还可以使用因子分析法进行模型评估和验证。
模型评估可以通过计算因子的信度和效度来进行，以确保模型的稳定性和准确性。
验证的过程可以通过构建样本外的验证样本来进行，以验证模型在新样本上的适应性和预测能力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
上市公司派现能力的因子分析与检验
随着我国证券市场的不断改革和完善，投资者逐步理性化，对上市公司分红派现也愈来愈关注，尤其是在当前证券市场股权分置改革的关键时刻。
同时监管部门也在近年来相继推出一系列政策来规范上市公司的派现行为，以引导市场的理性投资。
因此深入上市公司派发现金股利的因素可以从客观上提供一种判断上市公司派发现金股利能力大小的一种，也为投资者在投资过程中选择低风险高收益有良好派现能力的股票，进一步提高投资收益率提供一定的借鉴。
根据股利政策的多因素可知派发现金股利的主要目的是实现股东财富的最大化，因此的盈利能力、成长能力、企业规模、负债水平、股权结构等都可能对制定股利政策产生影响。
运用因子方法中有效降维和信息浓缩技术对上市公司派现能力进行分析，可以发现和公司派现能力相关的具体隐含因子，并运用后期数据进行可靠性和实用性方面的经验，以便投资者在投资过程中使用。
一、进行因子分析指标的选择
如上所述影响派现能力的因素是多方面的，具体表现为企业的各项财务指标。
因为在进行实际分析过程中所涉及的财务指标较多，其中有些指标之间具有一定的相互影响关系，因此本文首先从所涉及到的十八个对企业派发现金股利产生影响的指标进行筛选。
这些指标是：每股收益（X1）、净资产收益率（X2）、每股净资产（X3）、长期负债比率（X4）、每股收益增长率（X5）、净利润增长率（X6）、应收账款周转率（X7）、存货周转率（X8）、总资产周转率（X9）、每股经营活动
现金流量（X10）、总资产对数（X11）、总股本对数（X12）、流通股比率（X13）、法人股比例（X14）、国家股比例（X15）、市盈率（X16）、股价（X17）、每股资本公积金（X18）。
毕业论文
因为要进行派现能力的分析，本文以每股现金股利为因变量，以上述各种影响因素为自变量进行多元线性回归分析，然后选取各变量系数显著的作为进一步因子分析所使用的变量。
分析所用的样本从2002年度深沪两市派发现金股利的公司中选取，为保证所选样本的代表性和有效性，在选取过程中剔除了以下公司数据：本年度派现同时配股和送红股的公司；本年度新上市的公司；同时发行有B股、H股的公司；本年度为亏损而发放股利的公司。
经过筛选共414家上市公司数据进入分析范围。
统计分析软件spss13.0进行多元回归分析得到表1如下所示：
表1 多元回归分析结果
非标准化系数标准化系数T Sig. 共线性统计
B Std. Error Beta Tolerance VIF
(Constant) -3.348E-02 .058 -.574 .567
每股收益.535 .067 .951 7.976 .000 .104 9.588
每股资本公积金6.028E-02 .010 .674 6.054 .000 .120 8.351
每股净资产-5.362E-02 .011 -.680 -4.881 .000 .076 9.072
总股本对数3.573E-02 .010 .269 3.474 .001 .248 4.031
净资产收益率-.548 .194 -.307 -2.820 .005 .125 7.988
总资产对数-1.792E-02 .009 -.166 -2.052 .041 .228 4.387
从表中可以看出每股收益、每股资本公积金、每股净资产、总股本对数、净资产收益率和总资产对数的回归系数的T值的绝对值都大于其临界值1.96，且显著性水平小于0.05，说明它们是对企业派发现金股利能够产生实质性影响的指标，方差膨胀因子VIF均小于10，可以认为回归模型不存在多重共线性。
因此所筛选出的变量可以作为进一步进行因子分析的变量。
毕业论文
二、因子分析过程
通过以上回归分析所得到的变量对上市公司派发现金股利能力能够产生一定影响，但不能直接说明上市公司派发现金股利的能力大小。
以因子分析方法可以得到这些变量所包含的潜在因子的影响，并可通过因子得分来出具体上市公司在派发现金股利方面的得分情况，更方便进行判断上市公司派现能力的大小。
这里主要应用的是因子分析方法的高度综合概括能力，以再现指标中所隐含的更强解释力。
在上述所选深沪两市414样本中进行巴特利球体检验（Bartlett’S Test of Sphericity），其显著性水平为0，通过检验即可以对所选样本进行因子分析。
以下是通过计算机借助统计分析软件SPSS13.0所实现的分析过程，得到表2、表3、表4的结果。
具体有关因子分析的原理在此不再赘述。
表2 因子提取(Total Variance Explained)
初始解对原变量的刻画情况公共因子对原变量的刻画旋转后对原
变量的刻画
因子特征值方差贡献率累计贡献率特征值方差贡献率累计贡献率特征值方差贡献率累计贡献率
1 2.253 37.558 37.558 2.253 37.558 37.558 2.111 35.190 35.190
2 1.99
3 33.219 70.777 1.993 33.219 70.777 1.817 30.286 65.476
3 1.493 24.887 95.66
4 1.493 24.887 95.664 1.811 30.188 95.664 毕业论文
4 .126 2.099 97.763
5 9.804E-02 1.634 99.397
6 3.616E-02 .603 100.000
从表2可以看出第一个因子变量解释了原有方差总量的37.56%，第二个因子变量解释了33.21%，第三个因子变量解释了24.89％，3个因子共累计解释了方差的95.66％，被放弃的其他3个因子解释的方差仅不到5％，这里提取的3个公共因子基本上反映了原有变量的绝大部分方差。
表3 主成分矩阵Component Matrix
因子
1 2 3
X1 .744 .283 -.578
X12 .394 .584 .668
X11 .696 .382 .555
X3 .729 -.664 -4.180E-03
X2 .380 .646 -.636
X18 .621 -.753 4.077E-02感谢您的阅读！。