彭飞-基于因子分析法的汽车行业上市公司综合实力评价和战略制定

摘要：为了对汽车行业上市公司进行综合实力评价和战略制定，本文采用模糊综合评价和因子分析法，建立了综合实力评价模型，运用综合实力—增长率战略决策图，同时结合汽车行业10家上市公司的原始数据，验证了汽车行业上市公司的综合实力水平并制定了相应的战略，这些工作将为企业管理层和投资者提供重要的决策依据。

关键词：因子分析法；综合实力评价模型；战略决策图

一、引言

1.1 对汽车行业进行综合实力评价和战略制定的必要性 汽车行业因其强大的产业联动效应和高新技术吸附性，对提高生产力、拉动科技进步、推进社会经济发展有着巨大的贡献。目前，汽车行业作为我国国民经济的支柱产业已经进入了前所未有的繁荣时期，取得令人瞩目的成绩。但是，我国汽车行业的发展良莠不齐，各公司的经营状况不尽相同。因此，对于中国汽车行业上市公司进行综合实力评价和战略制定, 将有助于了解中国汽车行业的发展现状与规律, 把握各企业间的实力差距与存在问题, 从而有利于汽车行业的持续快速健康发展。本文对汽车行业的10家上市公司进行实证研究,对正确分析判断汽车行业上市公司的综合实力状况和发展前景提供依据,并对各级决策者、学者以及广大投资者提供了有益的参考。

1.2 方法的选择 在评价方法上，针对单指标体和多指标体系中主观赋权法确定指标值存在的问题，尝试将模糊评价法与因子分析法有机地结合在一起，建立因子分析模糊综合评价模型，完善上市公司综合实力评价的方法；而在战略制定方法上，也突破以往的SWOT分析方法，采用改进的战略决策图。

二、因子分析的基本原理

因子分析是通过研究多个指标的相关矩阵的内部依赖关系,找出控制所有变量的少数公因子,将每个指标变量表示成公因子的线性组合,以再现原始变量与因子之间的相关关系。因子分析方法要经过以下几个步骤：

1.将原始数据进行标准化处理。

2.计算所有相关矩阵R，做因子分析实用性检验。

3.因子提取。公共因子的选择有两种方法：一是根据各个因子解释原有指标变量总方差的情况即累计贡献率，选取累计贡献率大于85%的公共因子；二是选取特征值不小于1的公共因子。

4.因子命名和解释。因子分析的目的不仅要找出主因子，更重要的是知道每个因子的意义，为便于对主因子进行解释，一般需对因子载荷矩阵进行旋转，以达到结构件化的目的。

5.计算每一样本点的因子得分，用于诊断模型。

因子分析法正是将原来提出的所有变量综合成尽可能少的几个综合性变量(即指标) ,并且要求这几个综合变量既能充分反映原来的变量所反映的信息,又能使少数变量之间互不相关。在旋转后的因子载荷矩阵A中提取主因子,并对其经济意义给以明确解释,以此来解释影响综合实力的主要因素,并制定相应的发展

策略。

三、汽车行业上市公司综合实力的评价体系的建立

3.1 建立综合实力评价体系框架

上市公司的综合实力可以从公司规模、获利能力、营运能力、发展能力、偿债能力和管理能力等方面体现出来。考虑数据的可及性和客观性，本文建立的评价指标体系框架由三层组成，如图1所示。其中，顶层（也称目标层） 代表整个评价指标体系的评价目标，底层也称指标层）为各具体指标，居于中间的为准则层。准则层中的“公司规模”是反映公司实力的非常重要的指标；“获利能力”、“营运能力”、“管理能力”体现了公司的管理能力及发展战略；“偿债能力”和“发展能力”这两个方面则体现了公司的长期发展水平。

综合实力 公司规模 获利能力 营运能力 偿债能力 发展能力 管理能力 具体指标 具体指标 具体指标 具体指标 具体指标 具体指标 图1 上市公司评价指标体系框架

3.2 评价指标的选择

在选择具体评价指标时，应依据性和可比性的原则。所谓性就是指各个评价指标之间要尽量避免显见的包容关系，如选择了“资产负债率”指标后就不能再选与之互补的“净资产比率”。所谓可比性，是指被挑选的各指标对整个评价体系有明显的作用。据此，本文选取的具体评价指标情况见表1所示。

表1 上市公司综合实力评价指标一览表

准则层 具体评价指标 总资产 B11 股东权益 B12 主营业务收入 B13 利润总额 B14 指标计算公式 流动资产+非流动资产 总资产-负债 经常性活动实现的收入 营业利润+投资收益(减投资损失)+补贴收入+营业外收入-营业外支出 利润总额-所得税 利润总额/平均资产总额 总资产净利率×权益乘数 年平均利润总额／投资总额 利润总额/成本费用总额 净利润/销售收入 营业收入/平均资产总额 营业收入/流动资产平均余额 营业收入与应收账款平均余额 销售成本/平均存货 营业收入/平均固定资产 流动资产/流动负债 （流动资产-存货）/流动负债 负债总额/资产总额 息税前利润总额/利息费用 本年销售收入增长额/上年销售收入 本期净利润增长额/上期净利润 本年总资产增长额/年初资产总额 股东权益本期增加额/期初股东权益 公司规模 B1 获利能力 B2 营运能力 B3 净利润 B15 总资产利润率 B21 净资产收益率 B22 投资收益率 B23 成本费用利润率 B24 销售净利率 B25 总资产周转率 B31 流动资产周转率 B32 应收账款周转率 B33 存货周转率 B34 固定资产周转率 B35 流动比率 B41 速动比率 B42 资产负债率 B43 利息支付倍数 B44 销售收入增长率 B51 净利润增长率 B52 总资产增长率 B53 股东权益增长率 B54 偿债能力 B4 发展能力 B5 管理能力 B6 人力资源开发与应用能人力资源价值=企业的总利润力 B61 -行业平均利润 公司研究开发能力 B62 研究开发经费比率=研究开发经费/主营业务收入

四、汽车行业上市公司综合实力的分析评价过程

本文选取了汽车行业十个上市公司05-09年5年的相关数据，采用因子分析的方法对其综合实力进行分析。本文原始数据来源于新浪财经上公布的上市公司的财务指标（见附表一），数据的计算利用了SPSS11.5软件。下面以2010年的财务数据为例描述因子分析的具体过程：

4.1 因子分析实用性检验

因子分析法的一个潜在的前提即要求原指标变量之间应具有较强的相关关系。采用计算各个指标变量的相关系数矩阵以及巴特利特球度检验和KMO检验等方法来检测因子分析法对本文样本数据的适用性。KMO 是用于比较变量间简单相关系数与偏相关系数的一个统计量，其值愈接近1，表明愈适合作因子分析；而Bartlett 球形检验是判断变量的相关系数矩阵是否为单位阵的一个统计量， 其相伴概率（sig.）小于显著性水平（0.05 或0.1），表明相关系数矩阵不为单位矩阵，适合因子分析，反之亦然。通过检验, 25个指标两两之间大多数具有很强的相关性,同时巴特利特球度检验统计量和KMO度量标准值附和指定的标准，说明原指标变量适合进行因子分析。(由于表格所占篇幅较大故在此不做列示)。

4.2 因子提取 本文选用主成分分析法，主成分分析方法中的主成分要能够概括原变量所提供信息的大部分。这里按照特征值标准选取公共因子，即特征值不小于1。

表二 因子解释原有指标总方差的情况 成份 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

合计 7.460 5.956 3.740 3.284 2.007 1.063 .830 .511 .149 1.960E-15 8.212E-16 6.795E-16 4.036E-16 2.4E-16 1.807E-16 1.562E-16 -1.849E-17 -2.801E-17 -1.553E-16 -1.775E-16 -2.475E-16

初始特征值 方差的% 29.838 23.825 14.961 13.136 8.027 4.253 3.319 2.045 .597 7.842E-15 3.285E-15 2.718E-15 1.614E-15 9.958E-16 7.229E-16 6.250E-16 -7.395E-17 -1.120E-16 -6.210E-16 -7.100E-16 -9.902E-16

累计贡献率 %

29.838 53.663 68.624 81.760 .787 94.039 97.358 99.403 100.000 100.000 100.000 100.000 100.000 100.000 100.000 100.000 100.000 100.000 100.000 100.000 100.000

22 23 24 25

-3.085E-16 -4.635E-16 -5.271E-16 -6.461E-16

-1.234E-15 -1.854E-15 -2.108E-15 -2.585E-15

100.000 100.000 100.000 100.000

提取方法：主成分分析

以上是2009年的方差和特征值分析表，根据特征值不小于1的原则选取了六个主因子。表二的数据说明，提取的六个主因子的累计方差贡献率为94.039%，即这六个主因子反映了总体信息的94.039%，丢失信息较少，因此用他们来代替原有指标变量进行上市公司综合实力评价是可行的。

4.3 因子命名和解释

本文采用最大方差正交旋转法对潜在因子进行解释。通过旋转后的因子负荷矩阵进行分析。旋转后的因子载荷矩阵见表三:

表三 旋转后的因子载荷矩阵

成份

总资产 股东权益 主营业务收入 利润总额 净利润 总资产利润率 净资产收益率 投资收益率 成本费用利润率 销售净利率 总资产周转率 流动资产周转率 应收账款周转率 存货周转率 固定资产周转率 流动比率 速动比率 资产负债率 已获利息倍数

1 .990 .985 .982 .995 .996 .069 .083 .793 .135 .215 -.254 -.156 -.0 .466 .061 -.251 -.076 .042 -.151

2 -.090 .035 -.114 -.002 .004 .918 .397 .310 .883 .847 -.143 -.234 .533 .104 -.106 .885 .910 -.876 -.090

3 -.011 .084 -.086 -.041 -.028 .134 -.083 .232 .384 .447 -.038 .078 -.428 .356 -.256 .106 .139 -.169 .156

4 -.066 -.063 .030 -.030 -.033 .261 .438 .165 -.025 -.052 .771 .943 .494 .661 .039 -.229 -.290 -.076 .100

5 -.004 -.071 .060 .010 .007 .236 .729 .303 -.011 -.022 .498 .045 .261 -.153 .869 .165 .055 .374 -.181

6 -.013 -.003 -.070 -.071 -.062 -.033 -.093 -.054 -.024 .035 -.181 -.023 .317 .132 -.149 0..234 0..306 0.859 .938

销售收入增长率 净利润增长率 总资产增长率 股东权益增长率 人力资源开发与应用能力 公司研究开发能力

.047 -.076 -.049 .042

.210 -.130 .170 .228

.941 -.045 .955 .956

.059 -.076 .128 -.008

-.095 -.032 .015 -.073

.148 .947 .042 -.055

-.221 -.151 -.231 -.506 0.825 -.339

-.048 .505 .782 .098 0.287 .014

提取方法 :主成分分析法。

旋转法 :具有 Kaiser 标准化的正交旋转法

从表三中数据可以看出①总资产、股东权益、主营业务收入、利润总额和净利润这几个指标在第一个主因子里具有较高的载荷，可对第一个命名为公司规模因子；②总资产利润率、销售净利率和成本费用利润率在第二主因子具有较高的载荷，将其命名为获利能力因子；③销售收入增长率、总资产增长率与股东权利增长率在第三个主因子上具有较高的载荷，可将其命名为发展能力因子；④总资产周转率、流动资产周转率和存货周转率在第四个主因子具有较高的载荷，将其命名为营运能力因子；⑤人力资源开发与应用能力和公司研究开发能力在第五个主因子中具有较高的载荷，将其命名为管理能力因子⑥资产负债率、已获利息倍数和现金比率在第六个主因子具有较高的载荷率，将其命名为偿债能力因子。

4.4 计算因子得分

采用回归法估计因子得分系数，以bij(i=1,2,3,4,5,6,j=1,2,„„...21)表示各系数，以Xj (j=1,„..21)表示各指标变量，所提取的因子Fi(i=1,„6)的得分函数可表达成： Fi=bijXj, 因子得分系数如表四所示：

表四 成份得分系数矩阵

成份

VAR00001 VAR00002 VAR00003 VAR00004 VAR00005 VAR00006 VAR00007 VAR00008 VAR00009 VAR00010 VAR00011 VAR00012

1 .245 .392 .191 .301 .313 .816 .317 .637 .928 .958 -.151 -.112

2 .955 .3 .977 .945 .941 -.194 .053 .8 -.190 -.120 -.122 -.067

3 -.128 -.176 .001 -.058 -.066 .483 .868 .233 .043 -.026 .799 .513

4 -.036 -.032 -.029 -.090 -.084 -.172 .006 .046 -.199 -.145 .441 .722

5 .054 .068 .016 .039 .044 .144 -.040 -.031 .090 .114 -.297 -.172

6 .010 -.027 -.026 -.036 -.031 -.058 .211 .132 -.017 .027 -.052 -.384

VAR00013 VAR00014 VAR00015 VAR00016 VAR00017 VAR00018 VAR00019 VAR00020 VAR00021 VAR00022 VAR00023 VAR00024 VAR00025

.179 .478 -.200 .637 .724 -.754 -.045 .698 -.177 .650 .717 -.346 .810

-.130 .342 .212 -.484 -.350 .348 -.212 -.188 -.0 -.252 -.187 -.148 -.342

.721 .131 .674 .197 .056 .043 -.251 -.358 -.197 -.241 -.358 -.446 -.302

-.010 .602 -.149 -.553 -.533 .217 .571 .496 .373 .519 .371 -.496 .268

.537 .034 -.166 -.025 .110 -.230 .721 -.179 .791 -.312 -.353 -.186 -.129

-.166 -.326 .520 .081 .069 .388 .149 .196 .294 .226 .190 -.182 -.092

上表中主因子1所对对应的那一列即为bij的值，将bij与Xj相乘之后就能得到因子得分，具体的因子得分模型由于数据太多，这里不做详细描述，因子得分表如下所示：

表五 因子得分

上海汽车 北汽福田 一汽轿车 重庆长安 华域汽车 中国重汽 安徽江淮 东风汽车 厦门金龙 江铃汽车 因子1 2.79579 -0.34469 -0.13054 -0.17385 0.06741 -0.47045 -0.3619 -0.58584 -0.41618 -0.37975 因子2 -0.20533 -0.9865 1.35382 -0.28783 0.63632 -0.6768 -0.90985 -0.27097 -0.62977 1.97691 因子3 -0.35232 0.25919 -0.84906 -0.10828 2.70911 -0.05924 -0.24446 -0.59157 -0.25477 -0.5086 因子4 -0.17104 1.39477 0.9035 -0.40073 -0.12206 -1.05816 1.61674 -1.20175 -0.92436 -0.03691 因子5 -0.06975 1.44476 0.87767 -0.00459 -0.30735 1.20792 -1.78004 -1.14162 0.09424 -0.32124 因子6 -0.24026 -0.912 0.158 2.68617 -0.11521 -0.35828 0.02175 -0.99999 -0.16987 -0.33167 根据6个综合因子方差的累计贡献率，构造出2009年10家上市公司的综合实力评价模型：

F=0.29838F1+0.53663F2+0.68624F3+0.81760F4+0.787F5+0.94039F6

4.5 综合得分及排序

按照综合实力评价模型计算出汽车行业10家上市公司的综合得分并对其排名，如下表所示：

表六 综合得分及排名

2009 2008 综合得分 2007 2006 2005 总分 平均分 增长率 上海汽车 0.053839 1.262685 0.960761 0.174765 0.315332 2.767382 0.553476 排名 1 -0.0523 北 汽3 福田 1.372777 1.394435 1.128187 -1.83618 -2.084 -0.58162 -0.11632 0.802723 一 汽2 轿车 1.778778 1.849725 -1.862134 0.09486 -0.072 1.7885 0.357718 0.370284 重 庆6 长安 1.913652 -1.27539 -0.91767 -0.39761 -2.18583 -2.86285 -0.57257 0.8196 华域汽车 1.736583 9 -1.66311 -2.2 -1.85725 -1.83702 -6.28522 -1.25704 0.714721 中国重汽 -0.66174 -2.055051 1.578255 -2.19938 5 1.17832 -2.1596 -0.43192 -0.36801 安徽江淮 -1.01994 -1.18299 -0.00182 -0.80324 1.8091 4 -1.1439 -0.22878 -0.57681 东 风10 汽车 -3.67413 -1.83863 -2.50013 1.639081 -0.42107 -6.79488 -1.358 -0.65061 厦 门8 金龙 -1.46785 0.358574 -2.28539 1.387829 -2.657824 -4.666 -0.93293 0.237995 江铃汽 7 -0.03197 -0.96035 -2.840116 1.398381 -1.141849 -3.5759 -0.71518 0.221976 车 表六 是主因子得分和综合得分，分数的高低排列顺序表明其经营业绩的优劣，其得分的高低、正负仅表示该公司与平均水平的位置关系，从表六中看出排在前三位的是分别是上海汽车、北汽福田和一汽轿车，与实际情况进行相比十分接近。

五、汽车行业上市公司战略制定

本文的战略制定方法，不是采用以往的SWOT分析方法，而是采用改进的战略决策图，即企业综合实力—增长率战略决策图，运用XY散点图，汽车行业10家上市公司的综合实力和增长率分布如下：

图2 企业综合实力--增长率分布图 1 0.5 0 -1.5 -1 -0.5 -0.5 -1 X轴代表平均综合实力 Y轴代表平均增长率 0 0.5 1

在图2中，位于第一象限的企业综合实力强，综合增长率高，因此属于明星类企业，如一汽轿车，这个企业是在获利能力因子的综合得分较高，同时，在营运能力和管理能力也比较高，这说明一汽轿车不仅综合实力比较强，而且具有很强的发展潜力，因此，他应该选择发展型战略，扩大规模，可以适当的合并一些小型的企业壮大自己的市场份额。位于第二象限的是幼童类企业，它的特点是平均增长率较高，而综合实力相对较弱，包括北汽福田、重庆长安、华域汽车、厦门金龙和江铃汽车，北汽福田的营运能力因子得分比较高，重庆长安的偿债能力因子的得分比较高，而华域汽车的发展能力因子比较高„所有说明这些企业虽然现在的综合实力不强，但是有较强的发展潜力。因此，他们应该选择适度的投资型战略，并以此来提升企业的竞争能力。第三象限的企业是瘦狗类企业，包括中国重汽、安徽江淮和东风汽车，这些企业的特点是综合实力得分较低，同时综合实力平均增长率也较低。说明这些企业不但实力较弱，而且以后的发展潜力也较弱，特别是东风汽车较为明显。因此，他们应该根据自身具体情况选择收缩型战略或者放弃型战略。第四象限的企业是金牛类企业，具体是指上海汽车，它的特点是公司规模因子得分很高，即企业综合能力较强，但是平均增长率较低，但是平均增长率只是低于零下的一个很小的数值。说明企业还有一定的发展潜力。因此，他们应该充分利用现在的优势加快发展。

六、结束语

本文运用模糊综合评价和因子分析相结合的分析法，科学选取指标并构建综

合实力评价模型。经验证，综合评价的结果与公司实际情况基本相符。与此同时，本文创造性的运用综合实力—增长率战略矩阵决策图，可以为公司管理层了解公司在行业中的地位，以合理进行经营管理提供决策依据，同时为监管部门加强市场监管、投资者慎重选择投资对象提供强有力的技术支持。

参考文献

[1] 尹子民.企业竞争力评价与可持续发展战略研究[M].东北大学出版社，2000 [2] 王增民.因子分析法在企业经济效益的综合分析与评价中的应用[J]. 数理统计与管理, 2002 (1) [3] 尹子民，佟会文.增长率-企业竞争能力战略决策图的研究与应用.[辽宁工业大学 经济管理学院 辽宁 锦州 121001]

[4] 张红兵,贾来喜. SPSS宝典[M ]. 北京:电子工业出版社, 2007.

[5] 徐国祥：《上市公司经营业绩综合评价及实证研究》，《统计研究》2000年第9期

附表1,2,3,4,5（原始数据）

表1:2009年原始数据

表2:2008年原始数据

表3:2007年原始数据

表4:2006年原始数据

表5:2005年原始数据