中国农林牧副渔行业股票净资产收益率影响因素研究

莫雪梅

【摘要】通过选取了2010年到2011年的农林牧副渔行业人半年度财务、人力资本数据，通过建立计量回归模型，采取因子分析以及截面数据的混合数据等方法，对影响因素进行了实证分析，发现人力资本对农林牧副渔行业的净资产收益率并无显著影响，得出了农林牧副渔行业上市公司的业绩与公司投入产出能力、营运能力等有显著的正相关，与偿债能力负相关。

【关键词】农林牧副渔行业主成分分析经营业绩

一、引言

净资产收益率（ROE）是衡量一个企业经营业绩好坏的一个指标，既反映了企业的赢利能力，也反映了投资的获利能力和企业筹资、投资、资产运营等活动的效率。从企业经营管理角度看，净资产收益率一方面取决于企业自身所拥有的资源禀赋状况和由此所决定的生产能力；另一方面取决于管理层努力程度所决定的公司治理效率。

二、研究方法

（一）样本与数据

本文选择的样本是农林牧副渔行业板块的34只股票，已经剔除了ST、ST*和数据不全的13家公司，采用的是2010年到2011年的半年度的混合数据。原始数据均来源于巨潮相关公告和新浪财经网站中有关公司个股的资料整理得到。

（二）变量说明

根据研究需要，本文设计了大股东持股比例、经营能力、偿债能力、资本构成、主营业务的赢利能力和成长性、公司规模、员工构成等因素作为控制变量分析其对净资产收益率的影响。各变量定义如下：

大股东持股比例（SDGD）：大股东持股比例=大股东持股数／总股本数。

投资能力（MGSY、MGJZC）：每股收益、每股净资产。

经营能力（ZZCZZL、ZZZBCL）：总资产周转率、总资产报酬率。

偿债能力（ZCFZBL）：资产负债比率。

资本构成（JZCBL）：净资产比率。

赢利能力（JLRL）：净利率是企业赢利能力的代表性指标，净利率=净利润／主营业务销售总额。

成长能力（ZYYWSYL）：选取代表性指标主营业务收入增长率。

公司规模（GSGM）：总资产的对数。

员工构成（GLRYBL、DZYSBL）：管理人员比例、大专以上学历比例。

（三）模型设计

面板数据（Panel Data）能够同时反映变量在截面和时间二维空间上的变化规律和特征，具有纯时间序列数据和纯截面数据所不可比拟的诸多优点：可以扩大样本容量，能够控制个体的异质性，有效减少回归变量，即解释变量间的多重共线性，增加自由度从而提高参数估计的有效性，以及用于构造更复杂的行为模型等，使之成为当前非常受欢迎的分析工具之一。本文选用的样本是2010年至2011年农林牧副渔行业的上市公司年报、半年报披露的面板数据，时间跨度为2年。因此，根据面板数据方法的原理设计出下列模型：

ROEit=α0+β1trccnl+β2cznly+β3rlzb+β4jynl+εit

上式中，α0为截距；βk（k=1，…，12）为模型回归系数；ε为随机扰动变量，服从独立同分布，代表模型之外的影响ROE的其他变量；i代表第i家上市公司，其中i=1，2，…；t表示时间，且t=2010，…，2011，代表第t个时间序列的值。在对模型进行回归时使用统计软件eviews6.0对模型进行估计，从而分析出各变量对模型的解释程度。

三、实证分析

在本文设置的模型计算中，主要分析了大股东持股比例、经营能力、偿债能力、资本构成、主营业务的赢利能力和成长机会、公司规模、员工构成等因素作为控制变量分析其对净资产收益率的影响。由于因素较多，且有较强的相关性，所以先采用SPSS软件的因子分析的方法提出公因子，然后再用为eviews作回归。

（一）因子分析

1.KMO测度和Bartlrtt检验。检验样本的取样是否适当，采用的是KMO测度和Bartlrtt检验，KMO测度的值越高（接近1.0时），表明变量间的共同因子越多，研究数据适合用因子分析。Bartlett球体检验的目的是检验相关矩阵是否是单位矩阵（identity matrix），如果是单位矩阵，则认为因子模型不合适。Bartlett球体检验的虚无假设为相关矩阵是单位阵，如果不能拒绝该假设的话，就表明数据不适合用于因子分析。一般说来，显著水平值越小（<0.05）表明原始变量之间越可能存在有意义的关系，如果显著性水平很大（如0.10以上）可能表明数据不适宜于因子分析。