新能源行業(yè)上市公司成長性分析畢業(yè)論文(編輯修改稿)
2025-07-25 04:20 本頁面
【文章內(nèi)容簡介】 可是，這些影響因素要么容易量化但數(shù)據(jù)查找困難，要么不易量化，因此這些影響因素難以作為評價指標。新能源行業(yè)作為新興行業(yè)，技術(shù)的發(fā)展也日新月異，企業(yè)要想跟上發(fā)展趨勢，必須要有一定比例的科研人員，亦要有一定的研發(fā)投入才能保證技術(shù)和產(chǎn)品的進步，由于科研人員占總員工人數(shù)比例、研發(fā)投入這兩種數(shù)據(jù)能夠量化，因此選擇科研人員占員工比例和研發(fā)投入占銷售收入比例兩項指標作為評價新能源行業(yè)上市公司成長性的非財務(wù)指標。 評價模型構(gòu)建根據(jù)本文前面選擇的新能源行業(yè)上市公司成長性評價指標及評價方法，新能源行業(yè)上市公司的成長性評價模型為：Z=a1f1+a2f2+a3f3+a4f4+a5f5+a6f7+a8f8+a9f9+a10f10+a11f11 公式（41）公式41中各個字母代表的意義如下：Z：新能源行業(yè)上市公司的成長性總得分；f1：總資產(chǎn)利潤率；f2：主營業(yè)務(wù)利潤率；f3：主營業(yè)務(wù)收入增長率；f4：凈利潤增長率；f5：總資產(chǎn)增長率；f6：總資產(chǎn)周轉(zhuǎn)率；f7：流動資產(chǎn)周轉(zhuǎn)率；f8：經(jīng)營現(xiàn)金凈流量對負債比率；f9：現(xiàn)金流量比率；f10：科研人員占員工比例；f11：研發(fā)投入占銷售收入比例；a1，a2，……，a12：各個指標在總得分中的權(quán)重。 5 新能源行業(yè)上市公司成長性評價 數(shù)據(jù)收集本文的數(shù)據(jù)收集有兩個階段，第一階段是篩選樣本企業(yè)，第二階段為收集樣本企業(yè)數(shù)據(jù)。 樣本公司篩選本次樣本公司的篩選將按以下步驟進行：（1）在上海證券交易所和深圳證券交易所上市的公司；（2）太陽能、風能、水能、生物質(zhì)能和新光源相關(guān)類型的上市公司；前兩個步驟已在第三章第二節(jié)完成。（3）非ST、非*ST上市公司；（4）2010年及以前上市的公司，即至少已連續(xù)公布兩年年報的上市公司；（5）及時披露公司年報，同時公司年報中披露科研人員數(shù)量及研發(fā)投入的公司。按照上述的步驟對新能源行業(yè)上市公司進行篩選，共篩選出三安光電、風帆股份、光電股份等50家公司，其中太陽能類型公司15家，風能類型9家，水能類型10家，生物質(zhì)能類型4家，新光源類型12家，具體如表51所示。表 51 新能源行業(yè)上市公司樣本新能源上市公司名稱太陽能（共 15 家）三安光電、風帆股份、光電股份、盾安環(huán)境、銀星能源、航天機電、橫店東磁、天威保變、綜藝股份、拓日新能、大港股份、特變電工、杉杉股份、宏發(fā)股份、海潤光伏風能（共 9 家）湘電股份、華儀電氣、寶新能源、長征電氣、泰豪科技、金風科技、華銳風電、申華控股、天奇股份水能（共 10 家）東方電氣、國電電力、樂山電力、閩東電力、明星電力、三峽水利、岷江水電、郴電國際、川投能源、吉電股份生物質(zhì)能（共 4 家）中糧生化、富春環(huán)保、凱迪電力、東湖高新新光源/節(jié)能照明（共 12 家）華微電子、福日電子、天通股份、國星光電、雪萊特、聯(lián)創(chuàng)光電、法拉電子、佛山照明、長電科技、上?？萍肌㈥柟庹彰?、拓邦股份 樣本公司數(shù)據(jù)收集與預(yù)處理根據(jù)第四章選取的評價指標，收集50家樣本企業(yè)的11項指標數(shù)據(jù)——總資產(chǎn)利潤率、主營業(yè)務(wù)利潤率、主營業(yè)務(wù)收入增長率、凈利潤增長率、總資產(chǎn)增長率、總資產(chǎn)周轉(zhuǎn)率、流動資產(chǎn)周轉(zhuǎn)率、經(jīng)營現(xiàn)金凈流量對負債比率、現(xiàn)金流量比率、研發(fā)投入占銷售收入比重、科研技術(shù)人員比例數(shù)據(jù)。數(shù)據(jù)的收集工作在新浪財經(jīng)、搜狐財經(jīng)及網(wǎng)易財經(jīng)等網(wǎng)站上手工搜索公司年報及相關(guān)財務(wù)指標完成。此次研究中采用了2009年至2011年3年的數(shù)據(jù)指標（見附表1），隨后再計算3年原始數(shù)據(jù)的均值，得出本次研究能夠使用的相對更為科學合理的數(shù)據(jù)（見附表2），這樣在一定程度上可避免某一年的數(shù)據(jù)異常導致評價結(jié)果的偶然性。SPSS軟件在進行因子分析處理時會自動對數(shù)據(jù)進行標準化處理，因此本文將數(shù)據(jù)標準化處理步驟省略。 因子分析過程對附表 2 中的數(shù)據(jù)，運用 SPSS 軟件進行因子分析，具體過程如下：（1）在進行因子分析之前，首先進行 KMO 和巴特萊特球形檢驗。當 KMO檢驗系數(shù)，巴特萊特球體檢驗的X2統(tǒng)計值的顯著性概率 P 值 時，選取的指標才有結(jié)構(gòu)效度，才能進行因子分析。從表 52 所示的結(jié)果可以看出，KMO檢驗系數(shù)=，同時巴特萊特球體檢驗的 X2統(tǒng)計值的顯著性概率 P≈0， 小。數(shù)據(jù)檢驗表明所選指標比較適合進行因子分析。表52 KMO檢驗和巴特萊特球形檢驗（2）確定主成分。在用SPSS進行因子分析時，采用方差最大法進行正交旋轉(zhuǎn)，得到的方差分解表如表53所示。表53 總方差解釋在因子分析中，一般認為特征值大于累積貢獻率達到70%才能符合分析要求，從表53可以看出，前4個因子的特征值都大于1且4個因子的累積貢獻率已達到75%，因此，可以說這4個因子能較好地描述11個原始評價指標，這里可以將這4個因子稱為公共因子，亦稱主成分因子。為便于后續(xù)分析，在此令F1，F(xiàn)2，F(xiàn)3，F(xiàn)4分別代表這4個因子，F(xiàn)1為第一主成分，F(xiàn)2為第二主成分，以此類推。（3）為了清楚地表現(xiàn)4個主成分因子中各指標的貢獻率，本文采用方差最大化旋轉(zhuǎn)（Varimax）法，讓因子載荷的絕對值按列向0和1兩極分化，得到旋轉(zhuǎn)后的因子載荷矩陣，見表54。 表54 旋轉(zhuǎn)后的因子載荷矩陣從表54中可以看出，第一主成分F1在主營業(yè)務(wù)收入增長率、凈利潤增長率、總資產(chǎn)增長率上的值較大；第二主成分F2在總資產(chǎn)利潤率、主營業(yè)務(wù)利潤率、現(xiàn)金流量比率、研發(fā)投入占銷售收入比重上的值較大；第三主成分F3在經(jīng)營現(xiàn)金凈流量對負債比率、研發(fā)技術(shù)人員占員工比重上的值較大；第
數(shù)學相關(guān)推薦
鄂ICP備17016276號-1