智能制造上市公司财务绩效评价研究——基于因子分析法

李庆雪

（延安大学经济与管理学院，陕西 延安 716000）

企业财务绩效评价是使用财务指标对企业企业偿债能力，盈利能力，运营能力和发展能力综合评价的方法。对企业绩效综合评价，能够帮助利益相关者获取投资决策需要的信息，并且帮助管理者认识到与既定目标的差距。综合比较使用较多的绩效评价方法后，本文选择采用因子分析法对智能制造行业上市公司的绩效进行综合评价，同时根据综合得分进行排名，并根据排名结果针对性地提出发展建议，以期提高智能制造行业的绩效水平。

一、因子分析法概述

因子分析法是在多个变量中寻找具有代表性的因子，将具有同类信息的因子归类成一个或几个综合因子，代表原始资料中大部分变量绝大部分原始信息，增加信息的代表性和可读性，减少信息的维度，且不会导致大量信息丢失的多元统计分析方法。其具体数学模型如下：

X1=a11F1+a12F2+a13F3+……+a1kFK+e1

X2=a21F1+a22F2+a23F3+……+a2kFK+e2

X3=a31F1+a32F2+a33F3+……+a3kFK+e3

……

Xn=an1F1+an2F2+an3F3+……+ankFK+en

式中，F被称为公共因子，Fj（j=1，2，…，k）彼此不相关；aij（i=1，2，…，n；j=1，2，…，k）称为因子载荷，是第i个原有变量在第j个因子上的载荷，即各因子对各变量的影响度；e称为特殊因子，表示除了公因子外影响该变量的其他因素，其均值为0，独立于Fj（j=1，2，…，k）。

二、实证分析过程

1.数据来源及指标选择

随着新一代信息技术与先进制造技术的不断深度融合，新一轮科技革命和产业变革正在重构全球创新版图、重塑全球经济结构，数字化和智能化日益成为未来制造业发展的主要方向。国务院于2015年发布并实施《中国制造2025》，文件中明确提出将智能制造作为主攻方向，其目的在于加速我国制造业提质增效、转型升级，培育我国新的经济增长新动能，抢占新一轮产业竞争制高点。确定产业发展的方向之后，意味着各个制造业要积极推进转型升级，跟进产业发展新趋势。在制造业转型期间，分析智能制造企业经营绩效，具有一定的现实意义。

本文首先从法国里昂商学院公布的2019年中国智能制造百强名单为中剔除未上市，港股上市以及数据严重缺失的公司；其次，综合考虑样本代表性之后，选取了61家智能制造上市公司2019年财务指标数据；最后，构建因子分析模型对其进行分析评价。使用数据均来源于国泰安数据库和东方财富网。

公司绩效应综合考虑多种因素的影响，本文选择五项常用财务指标来衡量公司绩效，具体如下：

（1）偿债能力主要选择资产负债率和流动比率，反映企业短期偿债能力以及利用杠杆能力获取资金的能力。

（2）营运能力主要选择总资产周转率和流动资产周转率，这两个指标反映企业利用资产获取收益的效率。

（3）盈利能力主要选择营业利润率，净资产收益率和成本费用利润率，反映企业创造利润的能力。

（4）成长能力选择的是资本积累率和营业总成本增长率，反映企业的扩张能力。

（5）每股质量选择的是每股净资产，每股营业收入和每股留存收益，反映企业每股普通股的质量。

表1 定义变量表

2.数据预处理

首先，利用spss22.0对原始财务指标进行无量纲化处理，以消除不同财务指标不可比的问题。此外，为了提高数据分析的严谨性，本文对流动比率和资产负债率这2项适度指标进行了正向化处理，所采用的公式为：Y=1/（1+|r-X|）。其中，X为原始指标值；Y为正向化处理后的指标值；r为X理论上的最优值，如流动比率为2，资产负债率为 0.5。

3.因子分析的适用性检测

如表2所示，KMO和巴特利特检验检验值为0.655>0.5，表明已有变量之间存在信息重复部分，因子分析可以起到降低信息维度的作用，因此存在可行性。巴特莱特的球形度检验相伴概率约等于0，小于显著性水平0.0l，拒绝各变量之间独立的原假设。因此使用的原始信息满足因子分析的条件，可以进行因子分析。

表2 KMO和巴特利特检验

4.提取公因子

在确定因子个数时，通常观察其初始特征值，特征值大于或等于1的主成分为初始因子。分析表3可知，特征值大于1的主成分有5个，其累计贡献率为88.027%，表明这5个因子能够反映88.027%的原始信息，因此提取这5个因子作为公因子。

表3 总方差解释

5.计算因子旋转载荷矩阵并命名

利用最大方差法对主成分矩阵进行旋转，去除结果小于0.5的系数后如表4所示。

表4 旋转后的成分矩阵

根据表4旋转成份矩阵中各因子特征值载荷量，可以提取如下5个公因子：

（1）智能制造上市公司的影响因素中方差贡献率最大的公共因子载荷为25.898%。其中，成本费用利润率、净资产收益率、营业利润率在该因子具有较高的载荷，这些指标从不同方面反映了企业的盈利能力，因此将其命名为盈利因子。

（2）智能制造上市公司影响因素中方差贡献率第二的公共因子载荷为19.471%。其中，每股营业收入，每股净资产和每股留存收益有较高载荷，该指标能够说明公司的普通股股本扩张能力和盈利能力，因此将其命名为每股质量因子。

（3）智能制造上市公司影响因素中方差贡献率第三的公共因子载荷为16.397%。其中，流动资产周转率和总资产周转率有较高载荷。这两个指标反映了该公司运用资产获取收益的效率，故将该因子命名为营运能力因子。

（4）智能制造行业上市公司影响因素中方差贡献率第四的公因子载荷为13.337%，其中资本累计率和营业总成本增长率在该因子具有较高的载荷，这两个指标反映公司的持续发展能力和对成本的把控能力，因此将其命名为成长因子。

（5）智能制造行业上市公司影响因素中方差贡献率第五的公因子载荷为12.923%，其中流动比率和资产负债率具有较高的因子载荷，这两个指标可以用来衡量企业短期和长期偿债能力，因此将其命名为偿债能力因子。

最终累计解释的总方差达到了88.026%，这说明提取的5个公共因子可以解释初始财务数据中的大部分原始信息。最终公共因子汇总如表6所示。

表6 公共因子

6.因子得分计算及综合得分评价模型

由成分得分矩阵，得到因子分析模型得分的表达式：

F1=0.113X1-0.045X2+…………-0.14X11+0.086X12

F2=0.007X1-0.023X2+…………+0.407X11+0.311X12

F3=-0.115X1+0.099X2+…………+0.079X11-0.098X12

F4=-0.152X1+0.051X2+…………+0.032X11-0.006X12

F5=0.659X1+0.495X2+…………-0.047X11+0.047X12

对各个因子进行加权求得出 61家上市公司的综合得分，其综合得分为：F=（25.899*F1+19.471F2+16.397*F3+13.337*F4+12.923*F5）/88.027

表7即为61家上市公司具体得分情况及排名。

表7 上市公司综合得分及排名

三、 评价结果分析

由表7可以看出，61家样本公司中30家综合得分大于0，表明约占样本一半的公司处于平均水平之上。这说明我国智能制造技术及其产业化迅速发展，并取得了较为显著的成效。然而，由于其处于发展初期，仍然存在技术体系不健全，政策不完善等制约我国智能制造快速发展的矛盾和问题。

具体分析可以看出，公因子1得分最高的为汇顶科技，其次是美亚光电、博实股份和康斯特，其得分分别为1.83128、1.70731、1.29028和1.23376，其余企业得分均小于1甚至部分企业得分为负。该公因子的高低体现公司的盈利能力，得分越高代表公司盈利能力越强。这表明智能型制造型上市公司的获利能力参差不齐，大部分公司有很大的发展空间。公因子2得分最高的为中国动力，得分最低的是东方精工，分别为2.98994和-1.59201，相差4.58195。该公因子表示公司的每股质量，代表上市公司股东权益大小和未来公司扩张的物质基础，最大值和最小值的差距并不大，从一定程度上表明样本企业对于每股质量的把控能力相差不多。公因子3得分最高的是东方精工3.00319，得分最低的是巨轮智能-1.57433，该因子代表企业的运营能力，体现公司对利用现有资产获取收益的效率，间接影响企业的经营效益和对债务的偿付能力。总体来看，各公司的运营能力表现一般，相差并不大。公因子4得分大于0的公司有27家（占比0.44%），排名前三的是三一重工，中信重工和晨光生物，得分相对较高。该公因子一方面代表企业对外扩张的能力，另一方面代表企业对内成本把控能力。智能制造市场的成长能力与其市场占有率息息相关，但是由于市场缺乏统一标准，导致产品市场推广难度加大，限制该行业进一步发展。公因子5得分最高的是拓邦股份，得分最低的是美亚光电，该因子的高低体现了公司偿债能力的强弱，智能制造公司转型初期通常伴随着大量的资金投入，且投资回收周期较长，良好的偿债能力是企业稳定发展的保证。该指标的差距并不大，表明智能制造行业的偿债能力差距较小。

四、对策和建议

1.选择适合的销售渠道，提升盈利能力

从上述的综合排名可以看出，当前智能制造行业的盈利能力参差不齐，为使智能制造行业整体提升，需要从不同维度做出改变。在我国，主要的销售模式有两种，一种是将产品直接外包给经销商，自身不参与或较小范围内组织营销；另一种是智能制造公司利用自身的信誉和品牌号召力积极开拓自己的销售渠道。智能制造公司要根据自身的特点来选择销售渠道。注重研发的公司可以将精力放在产品的创新上，选择合适的经销商来减少对研发资源的占用或者直销经销结合，有助于公司了解客户需求，抓住痛点，研发出更贴近需求的产品。在企业自身主营业务达到一定高度之后，可以开拓下游销售渠道，扩大产业链条，创造协同价值。

2.加大研发投入，提高成长能力

我国制造业和发达国家产生差距的主要原因在于核心技术的研发和重点零部件的制造。因此，一方面，政府要洞察行业升级改造痛点，把握行业发展需求，在高新技术研发方面给予适当的政策支持，并尽快建立起符合中国国情的行业智能标准，使智能制造产品市场更加规范；另一方面，还需要鼓励企业发挥自身优势，不断优化产品，同时和高校、研究结构建立合作关系，促进高新技术转化成智能产品，加快实现制造产业的转型，缩小行业差距，促进我国智能制造行业的发展。此外，人才是企业研发创新的基础，可以适当提高福利待遇，吸引核心技术人才，将创新作为企业的第一生产力。

3.持续提升企业的核心竞争力

智能制造企业不断提升全流程的精益制造水平，生产出高价值、高质量的智能产品，维持与高品质产品适配的价格并保持产品竞争力，而不是简单地追求绝对低成本，从而提高资源、能源利用效率以及制造管理的效率。未来智能制造要植根制造行业，遵循行业发展规律，调研行业用户现实需求，量身定制智能化产品。深耕细分行业，不断积累专业知识和技术方法，提炼总结形成标准，成为行业内标杆企业。积极布局一批核心技术产权，利用平台化、数字化、网络化的技术手段，推动智能制造产品的产业化。