中国文化传媒上市公司竞争力研究

摘 要：采用因子分析方法，对选取的20家文化传媒上市公司进行竞争力综合分析，发现差距产生的原因，在此基础上提出提高我国文化传媒行业竞争力的建议和对策：在多元化和专业化之间做好权衡，对企业有效的资源进行合理分配；寻找新的利益增长点，发掘新的文化传播方式；加强企业内部管理，采用标杆管理方法，寻找差距；构筑科学的公司治理架构，规范公司制度、章程；加强企业创新，借鉴国外成功经验，切实提高公司竞争力。

关键词：文化传媒；因子分析；竞争力；研究

中图分类号：F23 文献标志码：A 文章编号：1002-2589（2013）17-0096-03

资本市场是企业融资经营的主要渠道，通过资本市场投资者和公司的利益紧密相连。随着2001年《上市公司行业分类指引》的颁布，证监会新设了“传播与文化产业”，政策的制定为我国文化传媒公司的上市融资提供了便利。此外，根据摩根斯坦利全球投资报告的分析显示，传媒业仅需8年时间就可以建立起世界级有竞争力的大企业，远远快于交通、医药、能源、金融等行业。可以说，文化传媒业已经成为继电子信息、制造业、烟草业之后我国排名第四的国家支柱产业（陈蕾，2005）。目前，我国的文化传媒业正处于起步阶段，沪深两市有二十多家文化传媒公司上市，但这些公司的竞争力如何，经营绩效变现如何，是否随着市场的成熟，公司实力有所提升等等，这些问题依旧值得探讨。本文运用科学的数理统计分析方法，对20家文化传媒业上市公司进行综合评价。通过研究，我们希望传媒业上市公司对自己所处的形势有清晰的认识，进而找到公司的差距与不足，提高整个传媒业的竞争力。

一、研究对象及研究方法

1.研究对象选择

文化传媒业作为我国快速发展的朝阳产业，已经成为我国国民经济的重要组成部分，其飞速的发展速度有目共睹。目前我国文化传媒业上市公司二十多家，本文选取了上市时间超过3年的文化传媒公司作为研究样本，将选取的20家公司主营业务归为综合（5家）、电视（4家）、动漫（1家）、报纸（3家）、图书出版（2家）、影视（1家）、广告（2家）、网络传媒（1家）8类。见表1。

2.数据来源与变量选择

为了使研究的结果更有说服力，更能体现传媒公司的实力，本文研究所使用的数据为20家公司2009-2011年的面板数据，力求从公司成长发展的角度对公司进行合理评价，所采用的财务指标均来在CCER中国经济金融数据库，对于部分缺失的数据，又人工查询了公司年度报表，力求数据准确无误。

目前，国内学者对文化传媒业的定性研究居多，在定量研究中，多采用每股净收益、每股净资产、托宾q值等单一指标作为公司竞争力的衡量。为克服运单项指标对实证结论稳定性的不良影响，本文选择运用因子分析法，综合分析得到公司竞争力指标F值。不同的指标反映了公司绩效的不同方面，我们通过对指标进行比对筛选，确定从四个方面进行公司竞争力研究，分别为偿债能力、资产管理能力、盈利能力、成长能力。子指标从14个方面进行衡量。

首先，指标数目方面。相比单一的指标类型，多指标综合分析可以全面反映公司情况。我们对国内学者常用的评价指标进行了比较分析，最后选择流动比率、速动比率等14个指标。其次，指标计量方面。我们所选用的14个指标都是常用的财务比率指标，均可计量，所使用的数据来自CCER数据库，有较高可信度，分别反映了上市公司四个方面的绩效内容。最后，指标所反映的内容。我们所选择的14个指标反映了上市公司在公司绩效四个方面的内容，分别是公司偿债能力、资产管理能力、盈利能力、成长能力。指标定义如表2所示。

3.研究方法

本文在数据处理过程中借助SPSS软件，采用因子分析方法，主要思想是通过研究变量之间的相关关系，找出能对所有变量有很强解释力的少数变量，提取出公共因子。在此基础上，将变量分组，使得组内变量有较高的相关性，组间变量低度相关。对于所研究的问题，试图用最小个数的不可观测的公共因子组建的线性函数来对样本作以衡量。

在因子分析之前，又进行了KMO和Bartlett检验，用来检验变量之间的相关度和相关系数阵是否是单位阵，在方法选择时，采用主成分分析法，并采用方差最大旋转法，简化对因子的解释。

二、结果分析

1.KMO和Bartlett检验

变量之间存在明显的相关性是进行因子分析的基础，因子分析之前，进行了KMO和Bartlett检验，KMO值越接近于1，表明变量之间的相关性越强，Bartlett检验的P值越小，原有变量越适合做因子分析。经过检验后得到，KMO检验值为0.62，Bartlett检验的P值为0.00，表明数据适合做因子分析。

2.共同度

共同度是变量对m个因子的依赖程度的度量，指每个变量在每个共同因素的负荷量的平方和。根据Kaiser准则，平均共同度在0.7以上较为理想。从表3可以看到，14个因子中除了存货周转率、营业利润增长率外，主因子对大多数变量均有很强的解释力。

3.累计方差贡献

表4显示的是因子模型进行旋转后得到的累计方差贡献率，表示主因子对模型概括能力的强弱，累计方差贡献率越大说明，主因子对公因子的解释率越强。从表4可以看到，前五个因子对模型的解释力达到78.498%，五个因子对模型概括性较强。其中，第一个因子对模型的解释率达到23.793%，起到尤其主要的作用。

4.因子载荷矩阵

因子载荷矩阵中公因子和主因子对应的数字表示二者之间的紧密程度，数字越大，相关性越高。经过方差最大旋转法得到的载荷矩阵如表5所示，公因子和主因子的系数进行对比，数据较大者，公因子归于相应的主因子。从表5可以看到，第一主因子在流动比率、速动比率和薪金负债比率上的系数较大，仍归为偿债能力（F1）；第二主因子在净资产收益率、净利润率、每股收益、营业利润增长率上系数较大，可以看作代表公司利润水平（F2）；第三主因子在总资产周转率、市净率、主营业务收入增长率、总资产增长率又相关度较大（F3），可总结为公司经营能力因子；第四个主因子只有在市盈率、存货周转率上系数较大，可认为代表公司的投资价值和销售回收能力（F4）；第五个主因子在应收账款周转率上系数较大，可视为资金回收能力（F5）。