预览加载中,请您耐心等待几秒...
1/6
2/6
3/6
4/6
5/6
6/6

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

我国农业上市公司财务绩效评价研究 朱莉娟 (云南农业大学经济与管理学院,云南昆明650000) 摘要:农业是我国证券市场上一个非常重要的一个行业,其稳定健康发展对整个社会经济起着非常重要的影响,加之近年来政府部门高度重视农业的发展,因此,对农业上市公司财务绩效的研究显得十分必要。本文主要运用SPSS17.0,通过因子分析法,对我国A股市场农业上市公司2014年的财务绩效进行实证研究,研究表明我国农业上市公司经营绩效呈“两头小,中间大”的椭圆形分布,同时行业内部各子行业发展不均衡,文章最后给出了相关政策建议。 关键词:农业上市公司,财务绩效,因子分析 一、引言 中国作为一个人口众多,耕地较少的农业大国,截止2014年我国耕地面积约为20.3亿亩,人均耕地面积约为1.4亩,不到世界人均耕地面积的一半,由此可见,提高农业部门的生产效率已成为当务之急。农业上市公司作为中国证券市场的重要组成部门,它不仅实现了我国农业经济的产业化升级,也带动了整个国民经济的发展。农业上市公司经营状况的好坏可以通过财务数据显示,因此可以通过对财务数据研究对农业上市公司做出客观的评价。本文主要利用因子分析法,从偿债能力、盈利能力、营运能力、成长能力四方面采用15个财务指标对农业上市公司进行财务绩效分析,得出农业上市整体现状及发现公司经营过程中存在的问题,并由此得出提高企业绩效的各种手段措施。 文献综述 我国学者对农业上市公司财务绩效评价方面做了一系列研究。陈玲运用移动平均法和因子分析法对农业上市公司绩效进行评价,得出当期农业上市公司规模较小,经营绩效呈“两头小,中间大”的橄榄形分布。郝祥坤,赵海燕、赵丽等运用运用因子分析法,实证分析了农业上市公司的财务绩效,研究得出农业上市公司整体绩效较低,总体财务状况较差,多元化道路受阻。刘伟运用二次相对评价模型、因子分析法对农业上市公司业绩进行评价,研究发现农业上市公司发展潜力较大,如果加强资产管理、成长能力,取得政府在贷款等方面的支持,必将带动我国农业快速发展,提升我国农业在国际的竞争力。 三、研究方法 本文主要采用了因子分析法对A股农业上市公司2014年财务数据进行实证分析。为了保证研究结果的有效性,本文剔除ST、PT类农业上市公司和2014年12月31日未公布财务数据,财务数据缺失,异常的公司。最终选择了33家农业上市公司进行财务状况分析。数据主要来自和讯网和证券之星公布的各农业企业信息。 本文主要从偿债能力,盈利能力,营运能力,和成长能力四个方面选择了资产负债率,速动比率,现金比率,净资产收益率,总资产收益率,资本金收益率,主营业务利润率,每股收益,应收帐款周转率,存货周转率,总资产周转率,主营业务收入增长率,净利率增长率,总资产扩张率,固定资产投资扩张率十五个指标。 二、实证分析 本文选取的15个财务指标,利用SPSS17.0,通过因子分析法,我们可以得到以下结果: 首先需要对2014年33家农业上市公司的财务指标进行相关性检验,从而排除偶然性因素的影响。一般而言,KMO值>0.5,意味着可以进行因子分析。由表1可以看出,本文样本的KMO为0.658,大于0.5,因子相关性较强,同时sig(显著性概率)为0.00,小于0.05,这表明原始数据之间的相关性较为明显,适合做因子分析。 表1KMO和Bartlett的检验 取样足够度的Kaiser-Meyer-Olkin度量。 Bartlett的球形度检验近似卡方 df Sig..575 585.799 105 .000 表2为总方差解释表,从表中我们可以看到4个最大特征根,他们累积贡献率为79.033,说明4个主成分足够充分说明解释原始数据的信息,因此这些变量适合做因子分析。 表2解释的总方差 成份初始特征值提取平方和载入旋转平方和载入合计方差的%累积%合计方差的%累积%合计方差的%累积%15.48636.57736.5775.11934.12834.1285.11934.12834.12823.27621.84358.4203.26021.73455.8633.26021.73455.86331.84412.29670.7152.12314.15370.0162.12314.15370.01641.2488.31879.0331.3539.01779.0331.3539.01779.0335.8545.69384.7266.7625.08189.8077.5793.86393.6718.4232.82196.4929.2701.80298.29310.123.81899.11111.058.38699.49712.038.25599.75213.028.18899.94014.007.04699.98715.002.013100.000 表3为旋转后的因子系数矩阵