【文章內(nèi)容簡介】 究法，原因主要有：一是我國的資本市場發(fā)展同發(fā)達國家有一定差距，不能直接套用在其資本市場中適用的一些方法。具體表現(xiàn)為：一是我國證券市場發(fā)育時間較短，信急的完整性、分布均勻性、時效性均與發(fā)達國家有很大差距，股價受人為因素影響比較大。二是我國上市公司股權(quán)結(jié)構(gòu)的特殊性，即上市公司股權(quán)分為非流通股和流通股，大部分國有股和法人股不能上市流通，流通股的市值不能代替全部股票的價值；基于股價變動的評價方法本身也有局限性，特別是用異常收益法衡量上市公司并購績效仍存在缺點。具體表現(xiàn)為：第一，事件的時間研究窗口過短，這樣會使股價變化包含太多的投機因素。第二，收益率計算不加挑選、事件的選擇沒有一致的標(biāo)準(zhǔn)以及選擇統(tǒng)計量沒有考慮樣本的特點，不能全方位的反映上市公司的并購績效。因此基于以上兩個方面的考慮，本文將不采用股價變動類的并購績效評價模型。本文采用財務(wù)指標(biāo)法，分析 2011 年上市公司進行并購的績效情況，通過上市公司并購前一年，并購當(dāng)年，并購后一年，并購后二年的績效變化情況進行比較分析。財務(wù)指標(biāo)法是根據(jù)預(yù)先設(shè)定的收入、利潤、投資報酬率等財務(wù)指標(biāo)，對一個企業(yè)的績效進行評估，評判各項財務(wù)指標(biāo)達到的程度的評估方法。本文采用主營業(yè)務(wù)利潤率、總資產(chǎn)報酬率、凈資產(chǎn)收益率、每股收益、資產(chǎn)負債率、速動比率、主營業(yè)務(wù)收入增長率、凈利潤增長率和每股現(xiàn)金流量凈額等 8 個指標(biāo)來評價我國上市公司并購績效水平。 因子分析法為了便于比較上市公司并購前后的績效，最好的辦法就是將眾多的指標(biāo)構(gòu)成一個綜合指標(biāo)，本文所采用的綜合方法是因子分析法，因子分析法(Factor Analysis)就是用少數(shù)幾個因子來描述眾多指標(biāo)或因素之間的聯(lián)系，以較少幾個因子來反映原始資料的大部分信息的統(tǒng)計學(xué)分析方法，同時根據(jù)不同因子還可以對變量進行分類，從而對所收集的資料作全面的分析。其原理是從眾指標(biāo)中找出共同因子來替代，并以每個因子的貢獻率與因子得分的積構(gòu)成綜合指標(biāo)[20]。其基本思想是：是通過變量的相關(guān)系數(shù)矩陣內(nèi)部結(jié)構(gòu)的研究，找出能影響所有變量的少數(shù)幾個隨機變量去描述多個變量之間的相關(guān)關(guān)系，然后根據(jù)相關(guān)性的大小把變量分組，使得同組內(nèi)的變量之間相關(guān)性較高，但不同組的變量相關(guān)性較低，每組變量代表一個基本結(jié)構(gòu)，稱為公共因子。其基本特點是：因子變量的數(shù)量遠少于原有的指標(biāo)變量的數(shù)量，因而對因子變量的分析能夠減少分析中的工作量；因子變量不是對原始變量的取舍，而是根據(jù)原始變量的信息進行重新組構(gòu)，它能夠反映原始變量大部分的信息；因子變量之間不存在顯著的線性相關(guān)關(guān)系，對變量的分析比較方便，但原始部分變量之間多存在較為顯著的相關(guān)關(guān)系；因子變量具有命名解釋性，即該變量是對某些原始變量信息的綜合反映。在保證數(shù)據(jù)信息丟失最少的原則下，對高維變量空間進行降維處理。顯然，在一個低維空間解釋系統(tǒng)要比在高維系統(tǒng)容易的多[21]。其具體步驟是：第一，計算相關(guān)系數(shù)，并判斷進行因子分析的適合度。進行因子分析首先必須計算變量間的相關(guān)系數(shù)，如果正交則不能進行因子分析，一般來說，如果變量間的相關(guān)系數(shù)在 以上，并且不正交，則比較適合進行因子分析，接著進行 KMO 和 Bartlett 檢驗，進一步確定是否適合因子分析，如果 KMO 檢驗值越接近 1，則越適合進行因子分析；第二，將原始數(shù)據(jù)進行標(biāo)準(zhǔn)化處理；第三，選取共同因子，并決定所要保留的因子數(shù)目。主要的抽取方法有主成分分析法、主軸法、映像法等，在抽取因子的時候，選擇因子的個數(shù)既要減少指標(biāo)個數(shù)，同時又要能反映原指標(biāo)的信息量，本文選擇主成分分析法進行抽??；第四，選擇適當(dāng)?shù)男D(zhuǎn)方法，使因子間符合簡單結(jié)構(gòu)原則；通過以上的因子抽取，可以得到每一個變量未旋轉(zhuǎn)的因子負荷量，但是該負荷量通常無法有效的提供解釋變量與因子間關(guān)系所需要的信息，因此，必須進一步進行因子旋轉(zhuǎn)，使因子間符合簡單結(jié)構(gòu)原則，本文采用方差最大正交旋轉(zhuǎn)法；最后是結(jié)果解釋。完成旋轉(zhuǎn)后，應(yīng)根據(jù)各變量在因子的結(jié)構(gòu)負荷量，解釋變量與因子間的關(guān)系。具體模型為[22]：（1）收集數(shù)據(jù)，樣本觀測數(shù)據(jù)為m，每個樣本有p個變量，得到數(shù)據(jù)矩陣 X= （32）式中Xnp 代表第 n 個公司第 p 個指標(biāo)。（2）計算相關(guān)系數(shù)矩陣，如果相關(guān)系數(shù)矩陣在進行統(tǒng)計檢驗時，大部分相關(guān)系數(shù)均小于 且未通過檢驗，則這些原始變量就不太適合進行因子分析。如果原始變量之間的相關(guān)系數(shù)大部分都大于 ，并且能通過 KMO 和 Bartlett 檢驗，則使用因子分析可以取得良好的效果。相關(guān)系數(shù)矩陣為： R= （33）式中rij=（3）計算特征值和方差貢獻率，設(shè)量指標(biāo)(主成分)，則其線性組合為：通過坐標(biāo)變換，將原有變量作線性變化，轉(zhuǎn)換為另外一組不相關(guān)的變量Zi (主成分)。求相關(guān)系數(shù)矩陣的特征根λi，和相應(yīng)的標(biāo)準(zhǔn)正交的特征向量Li，根據(jù)其求公共因子Zj的方差貢獻率與累積貢獻率： (34)其中Zi與Zj互相無關(guān)，Z1是X1到Xp一切線性組合中方差最大者，Z2是與Z1不相關(guān)的X1到Xp的的所有線性組合中方差最大者。則新變量指標(biāo)Z1，Z2，…別稱為原變量指標(biāo)的第一，第二，…主成分。Z 為因子變量或公共因子，可以理解為在高維空間中互相垂直的 M 個坐標(biāo)軸。主成分分析實質(zhì)就是確定原來變量Xj( j=1，2，…，p )在各主成分Zi（i=1，2，…，m）上的荷載lij。由特征方程： =0，i=1，2，…，p，求得特征值。則特征值即為公共因子Zj的方差貢獻，則方差貢獻率為： ，i=1，2，…，p （35）累積方差貢獻率為： ，i=1，2，…，p （36）第四章 我國上市公司并購績效實證分析 樣本選取及數(shù)據(jù)來源為了更好的反映中國上市公司的并購狀況，又有較為足夠的并購事件發(fā)生后時間段可對比，從查閱到的并購事件中通過國泰安數(shù)據(jù)庫查閱這些并購事件的上市公司相關(guān)的并購公告、內(nèi)容及數(shù)據(jù)，然后為了排除各種因素的影響根據(jù)公告的內(nèi)容和上市公司的資料對并購事件進行篩選。本文按照以下標(biāo)準(zhǔn)挑選樣本，滿足的保留，不滿足的予以剔除：如果并購事件公告日前后各不存在 15 個連續(xù)交易日或并購前后沒有完整的年度財務(wù)數(shù)據(jù)，則予以剔除；若先后有董事會公告和股東大會公告，則以第一次公告日為準(zhǔn)；受特別處理的公司處于非正常的經(jīng)營狀態(tài)，可以合理推斷其并購行為也不屬于正常發(fā)展戰(zhàn)略所為，將其列入樣本會對研究結(jié)果造成影響，因此剔除被 ST的上市公司樣本數(shù)據(jù)；研究期間內(nèi)樣本公司無重大違規(guī)行為，并且并購公司至今沒有退市。最后，總共得到50 個并購事件作為樣本(見附錄 2)。本文用來做研究的數(shù)據(jù)來源如下：《中國證券監(jiān)督委員會》2010 以及2011年發(fā)布的重組委公告中的企業(yè)在《國泰安數(shù)據(jù)庫》進行查證。并購樣本公司的2010到2013四年財務(wù)數(shù)據(jù)取自國泰安數(shù)據(jù)庫四年的年報，經(jīng)過手工計算得到選取的 8 個財務(wù)指標(biāo)的原始數(shù)據(jù)(財務(wù)指標(biāo)的原始數(shù)據(jù)見附錄 2)。 實證分析過程本文就2011年的數(shù)據(jù)進行詳細的實證分析。 主成分與因子分析中指標(biāo)同趨勢化根據(jù)常識判斷選中的財務(wù)指標(biāo)，發(fā)現(xiàn)其中盈利能力和成長能力的評價指標(biāo)為正向指標(biāo)，而與償債能力有關(guān)的指標(biāo)屬于適度指標(biāo)。根據(jù)適度指標(biāo)的公式[19]： Xi*= （41）將速動比率和資產(chǎn)負債率兩個指標(biāo)的數(shù)值進行處理，其中速動比率的適度值k取1。將原始數(shù)據(jù)進行調(diào)整。 因子分析適宜性判斷一般來說，如果變量間的相關(guān)系數(shù)在 以上，并且不正交，則比較適合進行因子分析，接著進行 KMO 和 Bartlett 檢驗，進一步確定是否適合因子分析，如果 KMO 檢驗值越接近 1，則越適合進行因子分析[23]。利用 軟件進行因子分析，該軟件對所選指標(biāo)可以自動標(biāo)準(zhǔn)化。通過 分析的原始變量的相關(guān)系數(shù)大部分都大于 。對 2011 年 8 個財務(wù)指標(biāo)進行 KMO 和巴特利球形檢驗(Bartlett 球體檢驗)，以判斷上述所選指標(biāo)體系是否適合因子分析。檢驗結(jié)果見表41，如下：表 41 KMO 和巴特利球形檢驗KMO 和 Bartlett 的檢驗取樣足夠度的 KaiserMeyerOlkin 度量。Bartlett 的球形度檢驗近似卡方df28Sig.由表 41 可知所選項的 8 項指標(biāo)體系在進行因子分析時，巴特利球形檢驗?zāi)軌蚓芙^相關(guān)系數(shù)矩陣為單位陣的假設(shè)，且 KMO 檢驗的為 ，綜上可以認(rèn)為較適合做因子分析。 公共因子數(shù)的確定本文取特征值兼顧以上兩個原則，取大于 1 的特征值對應(yīng)的幾個公共因子并且因子的累積方差貢獻率在 70%以上所對應(yīng)的公共因子。在實際評價中，通常只選取前面幾個方差大的綜合因子，這樣既簡化了指標(biāo)之間的聯(lián)系，又達到了以盡可能少的指標(biāo)反映盡可能多信息的目的。本文根據(jù)特征值大于1和累積方差率在 70%以上的原則，選取的公共因子為3個。由因子的特征值對因子的散點圖如圖41，圖中橫坐標(biāo)為公共因子數(shù)，縱坐標(biāo)為公共因子的特征值(即方差貢獻)。從圖中我們可以看出第1公共因子對應(yīng)的特征值最大，第2公共因子對應(yīng)的特征值次之，第3公共因子對應(yīng)的特征值稍微大于1，當(dāng)因子個數(shù)大于3個開始，其對應(yīng)的特征值的減少幅度非常緩慢，根據(jù)對散點圖的判斷基準(zhǔn)，說明提取前3個公因子對原有變量的信息描述具有顯著作用。散點圖見圖41，如下：圖 41 公共因子散點圖 變量共同度分析表 42 是變量共同度表，表中給出了提取公共因子前后各個變量的共同度，它是衡量公共因子相對重要性指標(biāo)。它說明了全部公共因子反映出原變量信息的百分比，也稱變量的共同度(Communality)。共同度的范圍是從 0 到 1，0 表示因子不解釋任何方差，l 表示所有方差均能被因子解釋。一個因子能夠解釋變量的方差越大，說明該因子包含原有變量信息的量越多。比如表格中變量X2 的共同度為 ，即提取的公共因子對變量X2 的方差做出了 %的貢獻。從下表可以看出各個變量的共同度都比較大，說明變量在轉(zhuǎn)換時保留了較多的信息，因此，我們可以說因子分析的效果是顯著的。公因子方差見表42，如下：表 42 公因子方差初始提取X1X2X3X4X5X6X7X8提取方法：主成份分析。 綜合績效得分模型的確定本文采用主成分分析方法估計因子，利用最大方差旋轉(zhuǎn)法對因子進行旋轉(zhuǎn)。得到對應(yīng)每個樣本的3個主因子及其對應(yīng)的方差解釋率和旋轉(zhuǎn)載荷矩陣。因子方差解釋率見表43，如下：表 43 因子方差解釋率成份初始特征值提取平方和載入旋轉(zhuǎn)平方和載入合計方差的 %累積 %合計方差的 %累積 %合計方差的 %累積 %12345678提取方法：主成份分析。從表 43 我們可以看出前3個因子的累計方差率達到了70%以上，%。通過上表我們可以認(rèn)為這3個主因子就能夠獲取大部分財務(wù)指標(biāo)的信息。旋轉(zhuǎn)前因子載荷矩陣見表 44，如下：表 44 旋轉(zhuǎn)前的因子載荷矩陣成份Z1Z2Z3X1X8X7X5X6X2X4X3提取方法 :主成份。a. 已提取了 3 個成份。為了明確因子的意義，使各個因子得到合理的解釋，往往要對初始因子載荷矩陣進行旋轉(zhuǎn)，本文采用方差最大正交旋轉(zhuǎn)法，它使每個因子上的具有最高載荷的變量數(shù)最小，因此可以簡化對因子的解釋，旋轉(zhuǎn)后的因子載荷旋轉(zhuǎn)矩陣見表 45，如下：表 45 旋轉(zhuǎn)后的因子載荷矩陣成份Z1Z2Z3X8X7X2X1X4X3X6X5提取方法 :主成份。 旋轉(zhuǎn)法 :具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。表 45 是對表 44 的因子載荷矩陣實行方差最大正交旋轉(zhuǎn)后的結(jié)果，根據(jù)旋轉(zhuǎn)后的因子載荷矩陣可以解釋各主因子的財務(wù)含義。由表 45 我們可以看出第一主因子Z1 主要反映營業(yè)收入增長率和凈利潤增長率，它們在主因子上的載荷分別為 ；第二主因子Z2 主要反映每股收益、凈資產(chǎn)收益率和總資產(chǎn)報酬率，它們在主因子上的載荷分別為 ；第三主因子Z3 主要反映營業(yè)收入利潤率、資產(chǎn)負債率、和速動比率，它在主因子上的載荷為 、。從上表我們可以看到三個主因子對所選取的 8 個原始財務(wù)指標(biāo)都進行了反映。根據(jù)旋轉(zhuǎn)后的因子載荷矩陣，運用 的回歸法，計算得出因子得分系數(shù)矩陣，見表 46。根據(jù)因子得分系數(shù)矩陣和原始變量的標(biāo)準(zhǔn)化值計算出公共因子得分，然后再根據(jù)因子方差解釋率表計算出旋轉(zhuǎn)后的各個公共因子方貢獻率占三個公共因子累積方差貢獻率的比率，用上面計算得出的公共因子得分與之相乘，計算得出樣本公司在并購前和并購后的綜合評價得分。因子得分系數(shù)見表46，如下：表 46 因子得分系數(shù)矩陣成份Z1Z2Z3X1X2X3X4X5X6X7X8提取方法 :主成份。 旋轉(zhuǎn)法 :具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。 構(gòu)成得分。由此可以得出因子得分表達式為Z1=+…+