会员登录
会员注册摘 要：2012年4月，沪深两所先后推出创业板退市制度和主板、中小板退市制度方案（征求意见稿），A股市场退市制度全面铺开，A股估值将不再以股本大小来排序，而是以综合绩效来排序。基于此，本文以新疆36家上市公司2011年的年度财务报表为依据，选取其中的14个财务指标构建上市公司绩效评价体系，运用因子分析法对其综合经营绩效进行了实证分析，并给出每家公司的具体排名情况。最后，在退市机制逐步健全大背景下，基于实证结果指出新疆上市公司存在的问题，并给出了相应的建议。
关键词：退市制度，因子分析，经营绩效评估，财务指标，上市公司
截至2011年12月31日，新疆37家A股上市公司总市值达到2233.71亿元。资本市场已经成为新疆筹集经济建设资金的重要渠道之一，成为推动新疆新型工业化建设、加快新农村建设、拉动经济增长的一支重要力量，为促进新疆经济社会又好又快发展发挥重要作用。
一、文献综述及评价
目前国内、外对上市公司经营绩效研究已经具备了一定的基础，但仍存在一些问题：（1）对上市公司经营绩效评估指标的选取方面还没有达成一致。如张涛（2010）在对云南26家上市公司绩效评估时，虽然选取了15个相关财务指标[1]，但是由于选取的指标存在过多的“共线性”，同时未把一些重要的指标囊括其中（如每股收益），从而导致提取出来的公因子对原始数据的信息总量的解释程度偏小（仅为75%），遗失了过多的信息。（2）选取指标的时间跨度有待商酌。如马胜春（2010）采用半年报财务数据对新疆33家上市公司的综合绩效进行评估[2].由于许多上市公司天然的周期性，可能导致同一家公司的经营情况在一年内不同的季度之间存在显著差别，采取半年报数据进行评估，显然有失公允（本文的结论也证实了这一担忧）。（3）在评估上市公司经营绩效的方法论方面也存在一些不同的见解。杨兴辉、李俊衡（2009）在采用因子分析法对我国电力行业上市公司2009年一季度财务指标提取出公因子并计算其各自得分后，采用聚类分析对56家公司进行归类，最终将其划分为5类[3].但采用聚类分析进行归类，并不能得到每家公司具体的经营情况或者更明确的结论。
基于此，本文运用新疆36家上市公司（截至2011年12月份共37家上市公司，除去宏源证券，因该公司已迁至北京）2011年年报数据中14个财务指标，基于因子分析视角，对他们的经营绩效情况进行综合评估。
二、模型介绍及实证分析
（一）因子分析法的基本原理
因子分析是多元统计分析的主干技术之一，它利用降维的思想，由研究原始变量相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量归结为几个少数综合因子。其目的在于从大量的自变量中寻找一些适合解释因变量的公共变量或虚拟变量，基于信息损失最小化原则，将众多原始变量浓缩为上述少数几个因子变量，使得变量具有更高的可解释性。
（二）因子分析法过程及实证结果
1.样本指标体系的建立及标准化
本文以36家上市公司为研究对象，借鉴国家财政部颁布的企业绩效评价体系，结合目前国内外优秀研究成果，选取14项指标建立本文的综合绩效评价指标体系，力求全面、完整、真实地反映新疆上市公司综合绩效排名状况2.在该指标体系中，流动比率、速动比率、资产负债率为适度指标，其他11个均为正向指标。因此，在分析前要对适度指标进行趋同化处理。同时，为了消除各指标之间的量纲及数值大小差异的影响，在趋同化后，要对所有指标进行标准化处理（本文采用Z-Score变化法），以构建标准化数据的相关系数矩阵。
2. 指标数据的适用性检验
进行因子分析之前要确定原有变量之间有较强的相关关系。通常采用的方法有：相关系数矩阵法、反映像相关矩阵法、巴特利球度检验和KMO检验法。本文采用第三种方法。其中使用巴特利球度检验和KMO检验的临界值分别为小于1%和大于0.6，检验结果如表1。
表1 KMO和球形Bartlett检验
3.因子提取及因子载荷矩阵的求解
本文采用主成分分析法求解公因子特征值、方差贡献率及累计方差贡献率（见表2）。根据特征值大于1 及提取因子信息损失最小化原则，在累计方程贡献率大于80%的前提下最终确定了5个公因子。
表2 原有变量中总方差被解释的列表
4.公因子的命名与解释
由于在初始的公因子荷载矩阵中，公因子所对应的负载较大的指标信息无法使公因子具有较好的解释性，并据此进行命名，因此，为了更好地理解公因子的实际经济意义并对其命名，本文采用方差最大化正交旋转法对因子旋转，旋转前的碎石图及旋转后的因子载荷矩阵分别如图1和表3（为了便于观察，只给出了载荷绝对值大于0.3的主成份数据）。
5. 因子得分及得分函数建立
在上一步对因子经济意义解释的基础上，对因子进行定量描述，得到经VARIMAX法旋转后各个公因子的得分系数的回归估计值（见表5）。
