基于多维面板数据的首批创业板上市公司的绩效分析

【摘 要】本文提出了一种新的绩效分析的方法――多维动态面板数据分析法。介绍了该方法的思想原理、具体步骤。以创业板退市制度为切入点，用该方法对首批上市的28家创业板公司进行绩效分析，最后对该方法及创业板公司的经营绩效问题提出了相应的建议。

【关键词】绩效分析；多维动态面板数据；创业板

一、引言

2009年10月，首批28家创业板公司在深交所挂盘交易，这是中国资本市场一件具有里程碑意义的事件。2011年11月，距首批28家创业板公司登陆深交所上市交易两周年之际，新任中国证监会主席郭树清先生推出了创业板退市制度。创业板在国内是一个新鲜的事物，故对创业板的绩效分析没有完善的方法可供借鉴。不过，很多的学者利用各种统计方法对中小板及各行业上市公司进行过一些研究。林森采用stoNED方法，结合DEA与SFA方法的优点，对中国商业银行1996年～2005年间的绩效进行评价，认为我国国有股份制商业银行的经营绩效显著低于非国有股份制商业银行。本文选取首批登陆创业板的28家上市公司2009年至2011年的经营数据作为研究对象，采用多维面板数据分析方法，利用因子分析对这些上市公司的经营绩效进行评价，为创业板公司经营业绩的评价方法提供一种新视角。

二、方法简述

（1）思想原理。利用多元统计中的因子分析法，对多维面板数据进行动态处理。根据原始变量相关性的大小对原始变量进行分组，使得同组内变量间的相关性较高，不同组的变量相关性较低。每组变量代表一个基本结构，通过几个主因子的方差贡献率作为权重来构造综合评价函数，简化众多原始变量及各指标间的重复信息。对多维面板数据进行动态处理，可避免仅用一个截面数据进行绩效评价的片面性，同时也可以深度挖掘潜藏在面板数据中的有效信息。（2）具体步骤。搜集数据，构造原始数据矩阵；将原始数据正态标准化，以使不同指标的数据有比较意义；计算各年份的相关系数矩阵；计算各个时间截面相关系数矩阵的特征值及特征向量；根据因子贡献度选取主因子，构造主成分的线性表达式；建立并计算各个时间截面的样本综合评价函数，构造综合评价矩阵；对综合评价矩阵进行因子分析，得出因子得分，按照因子得分对各上市公司进行排名。

三、实证分析

（1）数据选取。采用2009年10月30日在深交所首批上市的28家创业板公司2008年至2011年的年报数据进行分析，数据来源于银河证券海王星交易软件。根据年报数据，考虑创业板上市公司的资产负债情况、利润构成情况、盈利及成长能力情况以及每股财务情况，共选取了如下11个具体指标：资产总额、资产负债比、利润总额、净利润、净利润现金含量、主营业务收入、净资产收益率、净资产增长率、每股收益、每股净资产、每股现金流量。（2）分析过程。第一，选取28家上市公司2008年至2012年的年报财务数据中的11项指标，以每年为一个截面，分别对每个截面数据进行主成分分析。得到一个各年份的综合评价矩阵。第二，对综合评价矩阵进行样本适度检验。KMO检验值为0.517，大于0.5，说明样本容量是可行的。Bartiett球度检验的卡方值为47.925，P值为0，显著性水平小于0.05，说明可以对该面板数据进行因子分析。第三，按照方差贡献率提取了两个主因子，根据因子分析方法得出因子总得分计算公式为：F=0.589f1+0.411f2，依此得出，28家上市公司的绩效排名（表1）。第四，结果分析。表1给出了分析的结果。将该结果与2011年年底，各上市公司股价市盈率进行比较，发现这两个排名比较接近。这说明，用该方法对这些上市公司的经营绩效排名基本符合市场预期，该绩效排名也能从一定程度上解释上市公司的股价水平。

四、小结

本文提出了一种对上市公司经营绩效分析的新方法――多维面板动态因子分析法。介绍了该方法的思想原理、具体步骤，并利用该方法对首批上市的28家创业板公司进行了实证分析。从实证分析结果看，该方法的排名与上市公司股价的市盈率基本吻合，说明该法在某种程度上可以用来衡量上市公司的经营绩效并解释其股价的波动。

参 考 文 献

[1]林森.基于StoNED方法的中国商业银行绩效研究[J].统计与决策.2009（7）

[2]程华.我国上市银行绩效研究的新视角[J].统计教育.2011（11）

[3]谢晓菲.银行绩效评估新方法--经济增加值和平衡计分卡的互补融合[J].企业导报.2010（3）：175

[4]林基.基于因子分析法的中国上市商业银行经营绩效分析[J].经济师.2009（10）