基于因子分析法的互联网上市企业的财务绩效评价

　　摘 要：本文利用25家上市互联网企业2017年的财务数据作为样本，运用因子分析法，从五个方面选取了13个指标构建财务绩效评价体系，得到各个因子和综合财务财务水平的得分与排名。基于此，给出提高我国上市互联网企业财务绩效水平的参考性意见。

　　关键词：因子分析;财务绩效;综合评价;SPSS

　　一、引言

　　随着大数据时代的到来，互联网企业规模迅速扩大。在互联网技术的日益普及，加上政府出台了一系列利好政策的环境下，互联网企业发展前景广阔。在激烈的市场竞争中，若想要取得长足发展，努力提高自身财务绩效对于互联网企业来说是至关重要的。本文将运用因子分析法，对25家不同类型的互联网企业的财务绩效进行综合评价与排序，以透视互联网行业的财务现状与问题，并为互联网企业经济效益的提高提出相关意见。

　　二、因子分析法的应用原理

　　因子分析法是一种实用的多元统计方法，能够有效地简化数据。通过建立因子荷载矩阵，计算各因子在各样本上的具体数值，以因子得分替代原始变量，以达到对事物进行分类并且综合评价的目的。基本数学模型表示形式：

　　…

　　上式中，是p个标准化后的原有初始变量，是m个因子变量。表示成矩阵形式为：

　　其中，A为因子荷载矩阵，为因子荷载，即第i个初始变量在第j个因子变量上的负荷。F为公因子。 为特殊因子，即原有变量不能被因子变量所解释的部分。

　　三、互联网上市企业财务状况指标体系的构建

　　1.评价指标体系的构建

　　为了全面地对互联网上市企业财务状况进行评价，本文从偿债能力、营运能力、盈利能力、成长能力和每股指标五个方面选取了13个财务指标来构建指标体系。本文选取的财务指标如图1所示。

　　2.样本数据的来源与选取

　　通过对同花顺、证监会等网站信息的搜集与整理，剔除了财务信息不完整的企业后，最终选择了25家不同服务类型的互联网上市企业，围绕这些企业的2017年年报展开研究。这25家企业分别为神州数码、东华软件、科大讯飞、启明信息、川大智胜、焦点科技、三七互娱、世纪华通、跨境通、三五互联、中青宝、银之杰、乐视网、三六五网、富春股份、暴风集团、盛天网络、和仁科技、丝路视觉、科蓝科技、东方明珠、大智慧、人民网、掌阅科技、新华网。本文数据均来源于国泰安数据库。

　　四、对25家互联网上市企业13个指标的因子分析

　　1.适用性检验

　　由于因子分析需要从庞大的原始数据中构造出少量具有代表性的因子变量，因此，原有变量之间应当符合有较强相关性的潜在要求，否则就无法提炼出能反映原始变量公共特性的少数公共因子变量。本文将采用KMO和巴特利特球形检验的方法检验数据是否合适做因子分析。KMO统计量的取值范围在0到1之间，其值需要保持在0.6以上，且越接近于1越适合做因子分析。巴特利特球形检验的显著性水平不大于0.01时，表示数据适合做因子分析。由表1可知，KMO统计量值为0.720>0.5，巴特利特球形检验值为599.302，并且采用巴特利特球形檢验得到的显著性概率为0.000，小于0.01的显著水平。由以上分析可知，数据相关性显著，适合做因子分析，检验通过。

　　2.因子提取

　　在经过KMO和巴特利特球形检验之后，运用SPSS软件筛选出了经标准化处理后的25家互联网上市企业的13个指标在原始基本信息被公因子提取后的共性方差。经分析，除了应收账款周转率，其余指标都被提取了至少83%的信息，其中有八个指标的信息被提取了95%以上，可见提取程度较高。

　　表1所示的总方差解释表反映了每个因子特征值和方差贡献率的信息。旋转后的第一个因子特征值为6.301，方差贡献率为48.467%;第二个因子特征值为2.24，方差贡献率为17.228%;第三个因子特征值为2.229，方差贡献率为17.148%;第四个因子特征值为1.302，方差贡献率为10.017%。前四个因子的累积方差贡献率为92.86%，表明这四个因子能够充分的保留原始信息，代表性强，可以选取前四个因子继续分析。从图2所示的SPSS进行因子分析得到的碎石图也可以看到，前四个因子的特征值均大于1，其他因子的特征值依次减小，进一步验证了选取前四个因子是合适的。

　　3.公因子的命名

　　旋转后的因子荷载矩阵可以用来反映各个变量对主成分的贡献程度，因子荷载量的绝对值越大，就表明因子和变量的相关性越强。如表2所示，代表因子1中系数绝对值较大的有资产负债率、权益系数、总资产净利润率、净资产收益率、营业净利润、净利润增长率和每股收益，所以将因子1定义为盈利能力因子()。代表因子2中系数绝对值较大的有流动资产周转率和总资产周转率，将因子2定义为经营能力因子()。代表因子3中系数绝对值较大的有流动比率和速动比率，将因子3命名为偿债能力因子()。代表因子4中系数绝对值较大的有应收账款周转率和每股经营活动产生的现金流量净额，因为这两个指标同营运和每股指标相关，因此将因子4命名为营运收益因子()。

　　4.计算因子得分与总得分

　　由SPSS分析出的成分得分系数矩阵(见表3)和原始数据的标准化值能够求出各个因子得分。

　　但是，某一项指标的评分突出不能够表明该互联网上市企业的财务风险低，只有整体表现优秀才可以说明该企业财务状况良好。因此，我们需要根据每个因子的得分与其方差贡献率来构造可以计算出企业综合得分的综合评价函数。构建的综合评价函数如下：

　　利用综合评价函数模型，结合SPSS函数软件的计算，可以得出选取的各互联网上市企业排名状况(见表4)。

　　五、结果分析

　　对所选择的数据进行了标准化处理之后，综合得分为0即表示财务绩效水平处于平均水平;若得分高于0表示财务绩效水平高于平均水平，越接近于1表示财务风险越低;若得分低于0表示财务绩效水平低于平均水平，低于-1表示财务风险极高。根据表4数据可以看出，所选择的上市企业的各个因子和综合评价得分大多接近于0，且总体来说得分差幅不大，没有出现两头大中间小的情况，说明这些互联网企业的整体经营状况良好，营运较稳定。25家公司中12家企业因子综合得分大于0，说明这些企业整体财务风险水平低于均值，财务绩效良好。

　　推荐阅读：互联网学习有关课题研究方向

期刊VIP网，您身边的高端学术顾问

文章名称： 基于因子分析法的互联网上市企业的财务绩效评价

文章地址： http://www.qikanvip.com/jisuanjiwangluo/53083.html