制造业上市公司盈利能力分析模型构建

蒋尧明 陆音

【摘 要】 传统的盈利能力分析只是单纯地通过会计利润财务指标或现金流量指标进行分析，在众多的企业中，很难确定最具有投资价值的优质企业。文章从投资者的角度，研究制造业上市公司的盈利能力模型。将会计利润指标与现金流量指标相结合，运用因子分析法，构建出评价综合盈利能力的模型；利用得出的盈利能力模型，计算公司的盈利能力综合得分，由此可以全面地对多个制造业上市公司的盈利能力进行分析比较，确定企业在同行业间的地位。以此，为投资者进行投资选择时，提供一个更为准确的、全面的依据。

【关键词】 制造业； 盈利能力； 因子分析法； 财务绩效

中图分类号：F272.5 文献标识码：A 文章编号：1004-5937（2016）01-0078-06

一、引言

盈利能力就是企业运用其拥有的资本和资产进行经营，从而创造出现金流量的能力。盈利能力与公司股东取得的回报成正相关的关系，也就表明判断一个上市公司是否具备投资价值与盈利能力息息相关。对于投资者来说，如何客观公允地判断某上市公司的盈利能力，一直是经济投资领域的热门话题，也是学术界研究的热点。然而，我国的证券市场还不完善，在信息的获取上，投资者与经营者、管理者获得的信息不对称。一般来说，投资者所能获取到的信息，主要是通过上市公司公开披露的财务报表，可见对财务报表所披露的信息进行真伪判别就显得很重要。因此，只有深入地分析上市公司的盈利能力，才能对上市公司的财务评价有一个客观公允的认识。

二、文献回顾与评述

自从有了生产活动，绩效评价思想也就随之产生，而以盈利能力分析为主的绩效评价真正出现，是在20世纪30年代之后伴随着后现代公司制企业的建立而发展起来的。

国外企业绩效评价体系的发展背景，以美国、英国为主要代表，大致分为了观察性、统计性、财务性、战略性评价四个阶段。20世纪之初，随着资本市场的发展，企业两权分离，利益相关者也就越来越关注企业的经营状况和财务状况，从而促进了企业绩效文化的发展。

1903年，在美国学者Pierre Dupont的主持下，杜邦公司首次把净资产收益率分解成几个重要的财务指标，从而更深入地分析公司的财务状况和盈利能力，这也是公认的经典业绩评价方法——杜邦分析法的产生。美国学者Alexander Wole（1928）在出版的《信用晴雨表研究》和《财务报表比率分析》中首次提出信用能力指数的概念，主要将其用于评价公司的信用水平。Michael Kesneer（1939）首先研究了美国经理人的报酬和公司绩效评价之间的关系，在对公司绩效评价中对公司盈利能力进行了研究。Edward（1971）分析了30家美国跨国公司的盈利能力评价系统，指出投资报酬率（ROI）是被公司使用最多的评价盈利能力的财务指标。1991年，美国Stern Stewart咨询公司开发了一种新型的价值分析工具和业绩评价指标——经济增加值（EVA），从资本价值增值角度反映公司的盈利能力。Prowse（1992）以净利润作为因变量，通过分析1979—1984年的数据，实证研究了各个因素对公司盈利能力的影响。

我国对企业绩效评价的研究与西方国家相比较为迟缓，我国企业绩效评价的发展始于20世纪中期，财政部于1999年6月颁发的《国有资本金效绩评价规则》，奠定了我国绩效评价的基础。其中规定评价的主要内容表现在资产运营、财务效益、偿债能力和发展能力四个方面。2002年3月，财政部又修订了《国有资本金效绩评价操作细则》，将原有的指标进行了删减，较大地改进了其可操作性以及合理性。

而在西方诸多先进研究成果的基础上，我国对于盈利能力的研究起点相对比较高，从目前国内研究文献来看，主要是针对企业盈利能力的相关基本指标的讨论，以及提出各类修正评价体系的指标。尤其是近年来，对于评价企业盈利能力，更多的学者利用各类数理分析方法，并结合修正后的指标体系，进行实证研究。何有世（2003）将现行工业企业经济效益指标体系进行改进，结合十几家企业进行了因子分析法的实证研究。张俊瑞（2004）以国内外上市公司为样本，利用5年的财务会计信息，应用因子分析法，发现评价盈利能力的财务指标并不全面。张红（2010）采用主成分分析法构建了盈利能力的综合评价计量指标，利用2000—2007年的财务数据，运用因子分析法提取主成分因素，最终确定综合计量指标，并结合相关指标对房地产上市公司盈利能力进行了分析与预测。王吉恒（2013）以万科企业股份有限公司为例，通过设置各盈利指标的权重，利用层次分析法得出盈利能力评价模型，并对万科企业盈利能力进行定量分析。唐建民（2013）利用因子分析法对2009—2011年家电行业板块27家上市公司的经营业绩进行了分析，结论是我国家电行业经营业绩两极分化严重，多数上市公司经营绩效表现欠佳。宋光辉（2015）从营运能力、偿债能力、盈利能力、成长能力四个角度出发，运用因子分析法和聚类分析法，综合评价了我国零部件类上市公司的经营绩效。在参考以上国内外学者的研究成果基础上，本文采用因子分析法对制造业企业盈利能力分析模型进行了构建。

三、研究设计

（一）盈利能力指标的确定

要进行模型分析，首先要选取合适的指标作为研究对象。有关盈利能力分析常见的会计利润指标与现金流量指标如表1。

指标的分析和选择过程如下：

1.由于股票市值不稳定，变动性大，通过借鉴胡志勇（2004）在《国有资本金效绩评价体系的价值相关性》中的观点，认为效绩评价值较每股收益和净资产而言，它与股票市值的价值相关性较低，难以发现其与增量价值的相关性，所以本文在指标选取中，剔除了与股票市值有关的市盈率和市净率这两个指标。

2.本文运用聚类分析中的层次聚类分析将各财务指标变量分类，层次聚类就是将距离相近的指标分为一类，本文将表1列示的除市盈率与市净率之外的11个财务指标和现金流量指标运用SPSS 13.0进行分类，分类结果如表2。

由表2可知，系统将上述11个指标分为三大类：第一大类包括了每股收益、总资产净利率、资本保值增值率、主营业务收现率；第二大类包括销售净利率、净资产收益率、每股净资产、每股股利；第三大类包括收益质量利率、每股现金净流量、盈利现金比率。在每个大类中结合指标在实际运用中的具体情况选取两个重要的指标作为研究对象。

3.第一大类中选取每股收益和总资产净利率，这两个指标在现实会计工作中经常使用。每股收益指可供分配净利润除以流通在外的普通股加权平均股数所得到的比率，反映每只普通股当年创造的净利润。总资产净利率排除了企业经营活动、投资活动、筹资活动以及国家税收政策的影响，反映每一元总资产创造的净利润，总资产净利润是企业盈利能力的关键。

4.第二大类中选取销售净利率与净资产收益率。销售净利率表示每一元的销售收入与其成本费用之间可以“挤”出来的净利润。该比率代表盈利能力的强弱。净资产收益率反映每单位股东权益所赚取的净利润，可以用来衡量企业的总体盈利能力。对于投资者来说，其综合性较好，较为全面地反映了企业的经营业绩和财务业绩。

5.第三大类中选取收益质量利率与每股现金净流量。收益质量比率表明每单位净利润中由经营活动所产生的现金净流入，反映企业净利润中的变现水平。由于企业操纵利润一般没有相应的现金流量，所以该指标可以有效防止企业操纵利润，避免给投资者带来信息误导。每股现金净流量反映单位流通股平均所获得的现金净流量，反映的是公司分派股利的最大能力。

综上所述，选择每股收益、总资产净利率、销售净利率、净资产收益率、收益质量率和每股现金净流量作为评价上市公司盈利能力的指标。

（二）盈利能力指标样本数据的搜集

本文所研究的样本数据来源是：首先在中国证券监督管理委员会网站搜集所有深、沪两市制造业上市公司代码，在剔除其他制造行业类公司和ST公司后，为了分析结果的准确性，在剩余的1 604家制造业上市公司中运用Excel软件随机抽取50家公司作为本次研究的样本公司；然后分别搜集这50家上市公司2012年、2013年、2014年年度财务报告数据，经过Excel整理得出各上市公司的六个财务指标，经过数据标准化处理、KMO检验和Bartlett球度检验，发现2012和2014年的KMO值分别为0.65、0.67，只有2013年数据的KMO统计量的数值在0.7以上，为了分析结果的准确性，选择2013年的数据作为样本，经过整理计算后形成50家上市公司的财务指标数据样本。

四、盈利能力分析模型构建

得到样本数据后，运用统计软件对数据进行分析，本文模型分析运用的软件是SPSS 13.0。按照以下正确步骤对数据进行详细全面的分析。

（一）数据检验

数据检验是判断收集的数据是否适合进行因子分析（用于因子分析的变量必须具有相关性）。本文采用KMO检验和Bartlett球度检验的方法对数据进行检验。其中，Bartlett球度检验是以变量的相关系数矩阵为基础，若相关系数矩阵为单位阵，则各变量是独立的，也就意味着无法进行因子分析。而KMO检验用于检验变量间的偏相关性，KMO统计量的取值一般在0—1，统计量的取值越接近于1，变量间的偏相关性则越强，因子的分析效果就越好。一般来说，KMO值在0.7以上时，就认为因子分析效果较好；低于0.5以下时，则认为因子分析效果就较差。

由表3的结果可以看到Bartlett球度检验统计量为211.394，其Sig值接近于0，可以认为相关系数矩阵与单位矩阵有显著差异，表明六个变量之间有较强的相关性。KMO统计量为0.764，大于0.7，说明该六个变量适合作因子分析。

表4是给出的共同度量表，由表4可知，所有变量的共同度量均在70%以上，因此可以认为，提取出来的公因子对原始变量的解释能力是较好的。

（二）因子提取

因子提取是从原始变量中提取出少数几个因子来反映原始变量的绝大部分信息，从而实现降维的方法。因子的提取方法有多种，本文选择的是主成分法。因子方差的累计贡献率决定了因子的数量，一般情况下，累计贡献率达到80%以上的因子，就可以确定为最后的公因子。

从表5可以得知各因子的方差贡献率和累计方差贡献率。表中第2列是“特征根”，它反映的是引入该主成分后，可以用于解释的原始变量的信息。第3列是“方差贡献率”，是某个特征根占特征根总和的比例。第4列是“累计方差贡献率”，是进行主成分个数选择的依据。一般来说，选择累计方差贡献率超过80%的前几个作为主成分。表5中因子1能解释盈利能力的权重为58.728%，因子2能解释盈利能力的权重为21.431%，因子1解释原变量的程度高于因子2，表中前两个因子总共解释了原始变量方差的80.159%，表明这两个因子能够对原始指标能够进行较好的解释。

（三）因子命名和解释

因为通过因子分析所确定的因子的含义是较模糊的，需要进行重新命名，针对所要研究的问题作出更为清晰的解释。当因子含义模糊不清时，即需要进行因子旋转，旋转后能够得到较为合理的解释。

表6是采用Varimax法得到的旋转后的因子载荷矩阵。表中第一个因子与总资产净利率（X2）、销售净利率（X3）、净资产收益率（X4）和每股收益（X1）这四个变量的荷载系数较大，主要解释了这几个变量。从实际意义上看这几个变量主要反映了与会计利润相关的指标，故将因子1命名为“会计利润”因子。而第二个因子与收益质量率（X5）和每股现金净流量（X6）这两个变量的载荷系数分别为0.85和0.774，相对其他变量较大，主要用于解释这两个变量，从实际来看，这两个变量也是与现金流量相关的变量，因此命名因子2为“现金流量”因子。

（四）因子得分的计算

因子得分，从便于理解的角度来讲就是各因子在各样本的具体取值，是各变量的线性组合。表7是由SPSS软件按照回归法估计的因子得分系数矩阵。表中第1列数据表示的是因子1中各个财务指标变量的系数，表中第2列数据表示的是因子2中各个财务指标变量的系数。

根据表7可得因子1与因子2上的得分函数：

F1=0.273X1+0.233X2+0.286X3+0.28X4-0.126X5+0.028X6 （式1）F2=-0.113X1+0.089X2-0.033X3-0.056X4+0.655X5+0.549X6 （式2）

上式中的Xi是经过标准化处理的数据，根据上式就可以确定每个上市公司因子1和因子2的数值，也被称为因子得分。有了因子得分的函数，便能得出综合盈利能力模型。

（五）盈利能力模型的确定

盈利能力模型的公式为：F=λ1/（λ1+λ2）F1+λ2/（λ1+λ2）F2 （式3）

式中的λ为每个因子对应的方差贡献率，根据表5的结果可知λ1=58.728，λ2=21.431。将λ1，λ2带入式3中，因此有了综合盈利能力得分方程：

F=0.733F1+0.267F2 （式4）

其中F1，F2分别为因子1得分与因子2得分，结合因子得分函数式1与式2通过计算整理就可以得出制造业上市公司盈利能力模型，如式5：

综合盈利能力=0.17X1+0.19X2+0.2X3+0.19X4+0.08X5

+0.17X6 （式5）

式5中Xi为标准化后的数据，X1为每股收益、X2为总资产净利率、X3为销售净利率、X4为净资产收益率、X5为收益质量率、X6为每股现金净流量。由上可以看出盈利能力的综合得分由会计利润因子与现金流量因子得分共同构成、互为弥补。其中因子1的方差贡献率为58.728%，因子2的方差贡献率为21.431%，可见因子1，即会计利润因子在盈利能力评价时占有较为重要的地位，故会计利润指标在进行盈利能力的分析时起着举足轻重的作用，因此，对于摒弃传统的会计利润，一味强调现金流量指标的做法是不可取的。就盈利能力模型来说，每股收益、总资产净利率、销售净利率净资产收益以及每股现金流量对盈利能力的影响相差不大，都在0.17—0.2之间徘徊，销售净利率是影响最大的，占0.2的比重，然而要指出的是收益质量率这个指标变量对综合盈利能力的影响力相对于其他指标来说较低，只有0.08。因此，投资者在关注一个制造业公司的盈利能力时可以重点关注销售净利率。按照上述盈利能力模型就可以计算出各制造业上市公司的盈利能力综合得分，并以此进行排名。

特别要注意的是，因子得分和综合得分为负值并不代表盈利为绝对的亏损或者盈利能力为负，综合得分为负值只表明该公司的综合盈利水平处于平均水平之下（由于因子经过标准化处理后的结果）。综合得分的高低并没有一个绝对的评价标准，仅作为一个判断该企业在同行中所处位置的依据。利用盈利模型计算出制造业上市公司的综合盈利能力指数，把会计利润指标与现金流量指标进行了融合，科学地分配了现金流量指标与会计利润指标对盈利能力的影响，从而有效地克服了传统企业绩效评价体系中单纯用会计利润指标，或过多强调现金流量指标重要性的缺点，能够给投资者提供一个更为精确、客观公允的参考依据，选择盈利能力强、发展前景好的公司进行投资，从而提高投资收益，降低投资风险。

五、盈利能力分析模型的应用

将得到的综合盈利能力模型运用于实际投资决策当中，随机选择两家制造业上市公司来进行盈利能力的比较。作为投资者，现有两个投资方案：方案一是投资苏州斯莱克精密设备股份有限公司；方案二是投资东莞劲胜精密组件股份有限公司。选择这两家制造业上市公司的原因是，将因子分析得出的排名与传统的杜邦分析得出的排名进行分析比较后，发现这两家公司的排名差异大，并且都属于精密构件与精密模具加工和制造公司。假设选择投资方案的依据是盈利能力，不考虑其他因素。接下来用传统方法与盈利能力模型对其盈利能力分别进行分析，根据其2013年资产负债表日的财务数据资料得出各会计利润指标与现金流量指标，基本资料如表8。

从传统的盈利能力指标分析来看，表8中会计利润指标与公司的盈利能力呈正相关关系，即指数越高代表盈利能力越好，可以直观地得知在会计利润指标下，斯莱克公司的盈利能力指标均高于劲胜精密，从会计利润的角度看应选择斯莱克公司作为投资对象。但是，从现金流量指标来看，劲胜精密公司现金流量又都优于斯莱克，应该选择劲胜精密。如此一来，问题就显而易见了，两者得出的结论不一致，导致投资者很难作出投资选择。

从综合盈利能力得分模型的角度来分析，首先将模型中所需的每股收益、总资产净利率、销售净利率、净资产收益率、收益质量率、每股现金净流量这六个变量进行标准化。将标准化后的六指标带入综合盈利得分模型中，可以得出斯莱克因子1得分为1.63，因子2得分为-0.25，盈利能力综合得分为1.68，劲胜精密因子1得分为0.17，因子2得分为1.53，盈利能力综合得分为1.38。由因子1与因子2的得分差异可以看出，斯莱克的会计利润因子得分虽高于劲胜精密，但是现金流量因子得分为负数，低于行业平均水平，收现能力差，存在着财务风险。综合会计利润指标与现金流量指标，斯莱克的综合盈利能力大于劲胜精密的综合盈利能力，因此可以确定斯莱克公司作为投资的选择。

从以上案例分析的结果来看，在投资者进行投资时，传统盈利能力分析单个指标的比较无法判定投资选择，不能满足投资者的需求，而本文的盈利模型则能够有效解决这一问题，结合会计利润指标与现金流量指标，能够全面、准确、客观地评价该公司的综合盈利能力，给投资者提供了一个有效的参考依据。

六、结论

本文的研究立足于样本数据本身，运用层次聚类法将初选的11个会计利润指标与现金流量指标分成三大类，然后结合各个财务指标实际运用情况在每个大类里选出两个合适的指标，最后形成了六个合适的指标变量作为研究制造业上市公司盈利能力的样本指标，分别是：每股收益、总资产净利率、销售净利率、净资产收益率、收益质量率和每股现金净流量。这组指标的确立弥补了会计利润指标或现金流量单一指标基础的缺陷，并且，随着经济的飞速发展，现代盈利能力评价体系必然是将会计利润指标与现金流量指标进行融合。本文从两者相结合的角度，运用因子分析得出综合盈利能力模型公式。

从因子分析的结果来看“会计利润”因子能够解释大部分的盈利能力，其在盈利能力分析体系中的重要性是不容忽视的，由此可以看出在盈利能力分析中摒弃传统的会计利润分析指标与过分强调现金流量指标都是不可取的。从得出的综合盈利能力计算公式的分析中可知，投资者在进行投资时，应格外关注会计利润指标中的销售净利率与总资产净利率以及现金流量指标中的收益质量率。运用因子分析法将会计利润指标与现金流量指标有机结合起来，得出综合盈利能力方程，克服了传统单一指标对公司盈利能力比较的缺点，能更系统、客观、全面地对制造业上市公司盈利能力进行对比，二者具有互补性。对于投资者来说，这是一个决策投资制造业上市公司较好的评估方法。

【参考文献】

[1] WILLIAMSON R W. Evidence on the Selective Reporting of Financial adios[J].Accounting Review，2002（1）： 22-26.

[2] ALTMAN， E. Financial Ratios， Discriminate Analysis and the Prediction of Corporate Bankruptcy[J]. Journal of Finance，1971（9）：29-32.

[3] PROWSE S D. The structure of corporate ownership in Japan[J].Journal of Finance，1992 （3）：1121-1140.

[4] 何有世，徐文芹.因子分析法在工业企业经济效益综合评价中的应用[J].数理统计与管理，2003（1）：19-22.

[5] 张俊瑞，贾宗武，孙玉梅.上市公司盈利能力的因子分析[J].当代经济科学，2004（6）：53-59.

[6] 张红，林荫，刘平.基于主成分分析的房地产上市公司盈利能力分析与预测[J].清华大学学报（自然科学版），2010（3）：470-473.

[7] 唐建民，王娟.基于因子分析的家电行业上市公司经营绩效评价[J].会计之友，2013（2）：75-79.

[8] 王吉恒，王天舒.基于企业层次分析法的盈利能力分析——以万科企业股份有限公司为例[J].哈尔滨商业大学学报（社会科学版），2013（4）：3-10.

[9] 宋光辉，李兵.零部件类上市汽车公司经营绩效研究——基于因子分析和聚类分析[J].会计之友，2015（2）：79-83.

[10] 胡志勇.国有资本金效绩评价体系的价值相关性[J].会计研究，2007（10）：54-62.