毕业论文（设计）基于因子分析的房地产上市公司盈利能力评价.doc

湖南财政经济学院毕业论文（设计）论文（设计）题目：基于因子分析的房地产上市公司 盈利能力评价 学生姓名 专业班级 2009级经济信息管理班 指导老师 系 主 任 2011 年 12 月 20 日基于因子分析的房地产上市公司盈利能力评价摘 要随着经济和信息技术的不断发展，贸易往来、商业活动中产生了大量的数据，而如何从中提取有用的信息已成为现今商家的迫切需求，因此，催生了数据挖掘这一技术。本文所采用的因子分析是数据挖掘技术的一种，它是对所搜集的数据降维处理，找出问题的关键点，是对数据进行更深入地分析与应用。盈利能力是企业获取利润的能力，是衡量上市公司业绩的基本指标。而房地产业是进行房产、地产开发和经营的基础建设行业，是不动产。现在，房地产行业的不断升温和它在国民经济中处于越来越重要的地位，说明了对房地产上市公司的盈利能力评价是非常有意义的。本文利用SPSS17.0软件给三十家房地产企业进行因子分析，得出相关结果，期望为决策者提供科学的决策依据，进一步提高公司的业绩，而且也给与房地产相关的人士提供了更多的参考。关 键 词：因子分析，主成分分析，盈利能力The evaluation on real estate listed company profitabilityby factor analysis Author : Zhang-xiaoyan Tutor : Li-xiangbaoAbstractWith the increasing development of economy and information technology, trade and business activities produced large amounts of data data, and how to extract useful information already has become the urgent needs of businesses, therefore, that gave birth to the technology about the data mining. the factor analysis is a kind of data mining technology this paper used by. it is used to dimension reduction processing the collected data and find out the key point, a more in-depth analysis of data and applications.Profitability is the enterprise profit ability, it is the basic indicators of measure performa- nce of listed companies. And the real estate industry is the foundation construction industry in real estate, real estate development and management, is the real estate. Now, The real estate industry's increase and it plays more and more important role in the national economy, It is si gnificant to the real estate of listed companies the profitability of the evaluation.This paper using the factor analysis to thirty real estate enterprise use SPSS17.0 software, to get the relevant results.Expect to offer scientific decision-making basis for policy makers, to further improve the performance of the company, and also to offer more reference to real estate related people.Key Words: The Factor analysis,Principal component analysis,Profitability目 录1 绪 论11.1 研究背景及意义11.2 SPSS简介12 分析方法理论32.1 因子分析法32.2 主成分分析法33 房地产上市公司盈利能力分析研究内容53.1 房地产上市公司盈利能力分析样本公司的选择53.2 房地产上市公司盈利能力分析的数据来源63.3 房地产上市公司盈利能力分析财务指标的选择74 因子分析在房地产上市公司中的应用114.1 数据标准化处理114.2 求解所有变量的相关系数矩阵并进行检验114.3 提取公因子134.4 因子旋转144.5 计算因子得分154.6 计算综合评价值175 结论19致 谢20参考文献211 绪 论1.1 研究背景及意义改革开放以来，人民的物质和生活水平在不断地提高，对住房的需求也不断的攀升，促进了房地产行业的崛起。特别是1998年进一步深化城镇住房制度改革以后，伴随着城镇化的快速发展，中国的房地产业得到了快速发展。目前，中国的房地产市场是世界上最大的房地产市场。房地产业在我国国民经济体系中处于先导性、基础性、支柱性产业的地位。房地产业作为国民经济的基本承载体，在整个国民经济体系中具有重要的地位和作用，由于房地产业具有资金投入量大、投资回收期长、资产负债率高等特点，故房地产业的健康发展是近年学界和业界关注的一个焦点，我国房地产业的发展与调控趋势，跟宏观经济及国家大政方针走向息息相关。所以，对房地产企业的盈利能力评价就显得意义重大。对于上市公司来说，盈利能力是企业利用资产创造收益的能力，反映企业的管理水平和经营业绩，是企业发展的动力。盈利能力评价企业在生产经营中的创利水平，它为企业提供生产经营的效果和利润以及为投资者提供资本收益等，反映企业的综合素质。作为财务分析的工具，财务比率是指反映会计报表内在联系的比较分析指标，对上市公司盈利能力采用比率分析。因为财务比率能够揭示会计报表所提供的财务数据不能直接反映的相互关系，并据此对上市公司历史的盈利能力及其未来变动趋势做出判断。因此，以财务比率对公司的盈利能力进行分析是财务分析最富创意的内容1。本文因子分析的变量均是相应的财务比率，选取了在深圳、上海上市的三十家房地产企业的财务报表数据，进行盈利能力分析与评价。1.2 SPSS简介SPSS，最初名为“社会科学统计软件包（Statistical Package for the Social Sciences），随着产品服务领域的扩大和服务深度的增加，现已更改为“Statistical Product and Service Solutions”，意为“统计产品与服务解决方案”，是世界上著名的统计分析软件之一。SPSS是世界上最早的统计分析软件，由美国斯坦福大学的三位研究生于20世纪60年代末研制。同时，SPSS和SAS（Statistical Analysis System，统计分析系统）、BMDP（Biomedical Programs，生物医学程序）并称为国际上最有影响的三大统计软件。SPSS软件是公认的最优秀的统计分析软件包之一，也是当今世界上应用最为广泛的统计分析软件。它在社会科学、自然科学的各个领域都能发挥巨大作用，并已经应用于经济学、生物学、教育学、心理学、医学以及体育、工业、农业、林业、商业和金融等各个领域。作为统计分析工具，她理论严谨、内容丰富，包括了数据管理、统计推断、趋势研究、制表绘图、文字处理等功能。以上是对统计分析的一些基本理论基础及其统计分析工具SPSS软件的一些简单介绍。综上可知，SPSS是一种功能较全，应用较广的统计分析软件。同时，随着社会的发展，SPSS软件也在不断的更新，功能不断强化，其应用也在不断向着更深更广的方向发展。2 分析方法理论2.1 因子分析法本文研究采用的方法是因子分析法，因子分析法是一种实用的多元统计方法。因子分析法的主要目的是浓缩数据，它通过研究众多变量之间的内部依赖关系来探求被观测数据中的基本结构，并用少数几个假想变量来表示的该数据结构。这些假想变量能够反映原来众多的观测变量所代表的信息，并解释这些变量之间的相互依存关系，我们把这些假想变量称之为因子。1、因子分析的数学模型因子分析的核心是用较少的互相独立的因子反映原有变量的绝大部分信息。设原有P个变量X1，X2，X3，Xp，且每个变量（或经标准化处理后）的均值为0，标准差均为1。现将每个原有变量用K（K<P）个因子f1,f2,f3,，fk的线性组合来表示， 因子分析数学模型如下: （2.1）矩阵形式表示为: X = A F +。其中 F为公共因子, A 为因子载荷矩阵, 是第i个原有变量在第j个因子上的负荷。为特殊因子，表示了原有变量不能被因子解释的部分。2、因子载荷在因子不相关的前提下，因子载荷aij是变量Xi与因子fj的相关系数，反映了变量Xi与因子fj的相关程度。因子载荷aij值小于等于1，绝对值越接近1，表明因子fj 与变量Xi 的相关性越强，同时，因子载荷aij也反映了因子fj对解释变量Xi的重要作用和程度。2.2 主成分分析法主成分分析方法是因子分析法中求解因子载荷矩阵的一种方法。它的核心是通过原有变量的线性组合以及各个主成分的求解来实现变量降维的，能够为因子分析提供初始解。主成分分析法通过坐标变换的手段，将原有的P个变量xi标准化后进行线性组合，转换成另一组不相关的变量yi其数学模型为： （2.2）其中；yi与yj(ij;i,j=1,2,3,p)相互独立；y1是x1,x2,x3,xp的一切线性组合（系数满足上述方程组）中方差最大的；y2是与y1不相关的x1,x2,x3,xp的一切线性组合中方差最大的；yp是与y1,y2,y3,yp-1都不相关的x1,x2,x3,xp的一切线性组合中方差最大的。根据上述原则确定得变量y1,y2,y3,yp一次称为原有变量x1,x2,x3,xp的第1、第2、第3、，第P各主成分。其中y1在总方差中所占比例依次递减，即其余主成分y2,y3,yp综合原有变量x1,x2,x3,xp的能力依次减弱。在主成分分析的实际应用中，一般值选取前面几个方差较大的主成分。这样既减少了变量的数目，又能够用较少的主成分反映原有变量的绝大部分信息。3 房地产上市公司盈利能力分析研究内容3.1 房地产上市公司盈利能力分析样本公司的选择本文选取了房地产行业作为分析的大环境，拟选取深、沪市房地产类上市公司中三十家公司，通过相关财务指标对房地产行业的盈利性能力进行分析。中国证监会2001年4月颁布了上市公司行业分类指引(以下简称指引)，以上市公司各行业的营业收入比重作为分类的标准，当公司某类业务的营业收入比重大于或等于50%，则将其划入该业务相对应的类别；当公司没有一类业务的营业收入比重大于或等于50%时，如果某类业务营业收入比重比其他业务收入比重均高出30%，则将该公司划入此类业务相对应的行业类别，否则将其划为综合类。在目前上海证券交易所的一千多家上市公司中，涉及房地产开发业务的公司数量约为在三分之一以上1。按照指引的标准，根据和讯网行情中心沪深股市标准行业（ /sseportal/webapp/datapresent/SSEQueryHangyeInfoAct?CSRCCODE=J&submit0=Go），被分为房地产行业的有66家，由于房地产企业众多，故随机选取了深、沪市各15家企业。本文的样本选自在上海、深圳证券交易所发行A股的上市公司，事件是深、沪市A股房地产上市公司2010年的年度财务报告。本文不予考虑ST公司，最后在深、沪市各选取15家房地产公司作为本文进行论述的房地产行业上市公司盈利能力实证研究的样本。本文选取的样本公司如表3.1：表3.1 样本公司公司代码公司简称公司代码公司简称公司代码公司简称C600048保利地产C600716凤凰股份C000573粤宏远AC600185格力地产C600736苏州高新C000671阳光城C600208新湖中宝C600748上实发展C002146荣盛发展C600239云南城投C600791京能置业C600133东湖高新C600240华业地产C601588北辰实业C600846同济科技C600266北京城建C000002万科AC000506中润投资C600376首开股份C000006深振业AC000718苏宁环球C600576万好万家C000024招商地产C002016世荣兆业C600663陆家嘴C000031中粮地产C002244滨江集团C600683京投银泰C000046泛海建设C002305南国置业3.2 房地产上市公司盈利能力分析的数据来源本文的数据来源于锐思数据库中的RESSET金融研究数据库（RESSET/DB），网址为 :8080/product/common/main.jsp。RESSET金融研究数据库是一个为模型检验、投资研究等提供专业服务的数据平台。由多位国内外著名高校和研究机构专家的全程参与，参照了国际权威数据库的设计标准，又结合中国金融市场的实际情况，以实证研究为导向进行整体设计，达到了国际先进水平。本文选取的数据如表3.2：表3.2 公司样本数据公司代码公司简称每股收益每股净资产净资产收益率资产报酬率资产净利率销售净利率销售毛利率C600048保利地产1.086.4917.9576.02394.546815.337634.1243C600185格力地产0.253.098.36932.69861.918412.449448.1318C600208新湖中宝0.311.6520.95459.40056.868121.30531.7261C600239云南城投0.51965.0910.6573.99263.059899.688451.4642C600240华业地产0.45293.6613.18485.14943.701912.416728.6707C600266北京城建1.35085.85524.010411.39378.574830.4641.4626C600376首开股份1.16949.1113.56287.19383.526717.222147.0151C600576万好万家-0.122.47-4.8463-3.4044-3.7201-7.998133.6396C600663陆家嘴0.63815.5111.65177.54085.56344.223463.8847C600683京投银泰0.362.3116.54526.12673.766817.619431.8602C600716凤凰股份0.251.914.17637.03244.405116.714833.0308C600736苏州高新0.35513.247711.30994.06192.62667.309228.3457C600748上实发展0.32.3912.31855.43413.714417.078545.0052C600791京能置业0.282.0914.00158.2955.564220.470752.7841C601588北辰实业0.062.732.22713.97231.16915.472934.3118C000002万科A0.664.0217.84898.10195.004817.430440.6996C000006深振业A0.6333.2321.092110.93626.268421.227939.6105C000024招商地产1.1710.611.6656.76554.612118.022939.7756C000031中粮地产0.262.588.60894.99493.217526.239846.9011C000046泛海建设0.0543.451.49331.26330.537.352446.6897C000573粤宏远A0.06392.1972.95253.79941.8438.888843.2004C000671阳光城1.053.0245.191616.664312.034817.340535.6014C002146荣盛发展0.71253.3223.90918.01385.858515.665134.9025C600133东湖高新0.03551.8151.97864.88841.71835.769823.2337C600846同济科技0.151.918.25545.02054.06077.548319.5075C000506中润投资0.36561.26233.87668.6196.285223.652448.9093C000718苏宁环球0.452.0923.98769.69137.221125.311647.5826C002016世荣兆业0.21.8611.62169.05976.828218.015144.1451C002244滨江集团0.713.1825.08178.30875.880823.034344.826C002305南国置业0.43.0913.64748.49596.452629.077261.06583.3 房地产上市公司盈利能力分析财务指标的选择关于上市公司盈利能力指标的选择，不同的学者看法有所不一样。张国杰、奚祥华(2003)则认为公司的盈利能力指标应该是资产报酬率、销售净利率、净资产收益率、每股股利、每股净资产和成本费用净利率；屈丽华(2005)认为选取净资产收益率可以做为评价一般上市公司盈利能力的通用标准1；同年，傅再育认为评价企业盈利能力的指标有总资产利润率、净资产收益率、主营业务利润率、每股净收益、现金运营指数、每股经营现金净流量3；2007年，蒋飞，文毅荣选取了四项指标研究盈利能力，分别是每股收益、净资产收益率、总资产收益率和主营业务收益率4。苏丽群（2011）则选取了销售毛利率、营业利润率、总资产收益率、净资产收益率、每股收益作为研究盈利能力的指标2；随后，刘念也提出盈利能力指标体系的设立应该是销售毛利率、销售净利率、总资产报酬率、每股收益、净资产收益率、主营业务利润率等5。尽管不同学者对于盈利能力指标的选择上存在一定的差异，但是仔细分析可以发现这些指标之间存在着一定的密切联系。本文参考这些对盈利能力评价的大量研究结果，选取了以下的指标体系。本文将通过每股收益、每股净资产、净资产收益率、总资产报酬率、资产净利率、销售净利率、销售毛利率七个指标来反映企业的盈利能力。1、每股收益每股收益(Earning Per Share，简称EPS)又称每股税后利润、每股盈余，是衡量上市公司盈利能力最重要的财务指标。每股收益通常被用来反映企业的经营成果，衡量普通股的获利水平及投资风险，它是测定股票投资价值的重要指标之一，也是反映企业盈利能力强弱的核心指标之一，投资者等信息使用者通过该指标来评价企业盈利能力，预测企业成长潜力，进而做出相关经济决策。每股收益的计算公式如下：每股收益=（净利润 - 优先股股息) / 发行在外的普通股加权平均数 （3.1）在计算每股收益时剔除了优先股股息是因为优先股股利一般是在普通股股利之前支付的，所以在计算时必须先将其剔除。一般来说，发行在外的普通股每股收益越高，表明企业的盈利能力较强，一般在其它因素不变的情况下，股票的价格相应会比较高，反之亦然，故选择每股资产来代表上市公司的盈利能力2。2、每股净资产每股净资产反映每股股票所拥有的资产现值。每股净资产越高，股东拥有的资产现值越多，所承担的投资风险越小。通常每股净资产越高越好。其计算公式为：每股净资产= 净资产/总股数（3.2）“净资产”是指企业的资产总额减去负债以后的净额，也叫“股东权益”或“所有者权益”，即企业总资产中，投资者所应享有的份额。每股净收益体现了公司发展潜力与其股票的投资价值。每股净收益数额大，意味着公司有潜力增发股利或增加资本金以扩大生产经营规模，而公司经营规模扩大、预期利润增长又会使公司股票市价稳步上升。因此，每股净收益的高低是发放普通股股息和普通股票升值的基础，也是评估一家企业经营业绩的重要依据，投资者在作出投资决策前都非常重视对这一指标的考核分析，故选择每股净收益来代表上市公司的盈利能力。3、净资产收益率净资产收益率是指上市公司的净利润与净资产(股东权益)的百分比，是反映公司盈利能力的最主要指标，是公司营运能力、清偿债务和盈利能力综合作用的结果，是综合性最强的财务比率，直接表明股东拥有的净资产的获利能力，反映股东权益的收益水平，即企业盈利的真正绩效。实践中，净资产收益率可能是国内证券市场使用频率最高的一个财务比率，原因是它被视为衡量上市公司首发、增发、配股资格的主要指标之一。中国证监会规定,公司要进行配股,必须三年平均净资产收益率达到10%以上。可见,净资产收益率指标非常重要，故选择净资产收益率来代表上市公司的盈利能力1。4、总资产报酬率总资产报酬率是利润总额和利息支出总额与平均资产总额的比率，是用来衡量公司运用全部资产获取利润的能力，是分析公司盈利能力时又一个非常有用的比率，是另一个衡量企业收益能力的指标。其中，利润总额指企业实现的全部利润，包括企业当年营业利润、投资收益、补贴收入、营业外支出净额等项内容，如为亏损，则用 ”-” 号表示。 利息支出是指企业在生产经营过程中实际支出的借款利息、债权利息等。 利润总额与利息支出之和为息税前利润，是指企业当年实现的全部利润与利息支出的合计数。平均资产总额是平均负债总额与平均所有者权益的加和，它也是指当期期初和期末资产总额的算术平均值。5、资产净利率资产净利率指标反映的是公司运用全部资产所获得利润的水平，即公司每单位资产平均能获得利润的多少。资产净利率是公司净利润与平均资产总额的百分比。净利润的计算公式为：净利润利润总额×（1所得税率）（3.3）该指标越高，表明公司投入产出水平越高，资产的利用效率越高，资产运营越有效，成本费用的控制水平越高，说明公司在增加收入和节约资金使用等方面取得了良好的效果，体现出企业管理水平的高低，否则相反。故选择资产净利率来代表上市公司的盈利能力。6、销售净利率 销售净利率，又称销售净利润率，是净利润占销售收入的百分比，用以衡量企业在一定时期的销售收入获取的能力。该指标反映每一元销售收入带来的净利润的多少，表示销售收入的收益水平。它与净利润成正比关系，与销售收入成反比关系，企业在增加销售收入额的同时，必须相应地获得更多的净利润，才能使销售净利率保持不变或有所提高。通过分析销售净利率的升降变动，可以促使企业在扩大销售的同时，注意改进经营管理，提高盈利水平。故选择销售净利率来代表上市公司的盈利能力。7、销售毛利率销售毛利率指的是企业的毛利占销售收入的百分比，通常称为毛利率。其计算公式如下:销售毛利率 = (销售收入- 销售成本)/销售收入*100%（3.4）它表示单位销售收入在扣除销售成本之后所占销售收入的比例。该指标反映企业的初始盈利能力，企业在经营活动中产生的成本费用等方面的损失由销售毛利率承受，它体现了企业的获利空间。所以，销售毛利率是评价企业盈利能力的重要指标之一2。4 因子分析在房地产上市公司中的应用 本文在构建盈利能力评价指标体系的基础上，运用 SPSS 17.0 软件的因子分析法对指标进行评价分析，期望为决策者提供科学的决策依据。4.1 数据标准化处理若原始指标的量纲或经济意义不同，将原始指标直接求得综合得分，将很难给予一个合理的经济解释；若原始指标变量数量级差较大，则变量值大的综合指标(公共因子)的影响也大。对原始指标进行无量纲化处理的方法有很多种，如标准化、均值化或级差正规化。由于标准化处理会保持原始指标数值的相对稳定性，在进行因子运算时会带来许多便捷，因此是最普遍的做法。设表示第i个公司第j个指标的指标值，则其标准化值为其中，。标准化后的数据服从（0,1）标准正态分布，经过这样标准化的变量并不改变变量之间的相关系数3。而SPSS 在调用因子分析过程进行分析时，SPSS 会自动对原始数据进行标准化处理，所以在得到计算结果后的变量都是指经过标准化处理后的变量，但 SPSS 并不直接给出标准化后的数据，如需要得到标准化数据，具体操作过程如下：点击 分析描述统计描述，进入“描述性”对话框，实现对 30 家房地产上市公司7项财务指标数据标准化，标准化后的数据以 Z 开头命名。4.2 求解所有变量的相关系数矩阵并进行检验因子分析的目的是简化数据，找出基本的数据结构，避免评价指标之间的相关性所引起的权重的偏倚，因此，使用因子分析的前提条件是变量之间应该有较强的相关关系。所以，在提取公因子之前要对观测变量之间的相关程度进行检验。本文借助变量的相关系数、巴特利特球度检验和KMO检验方法进行分析。巴利特球体检验(Bartlett test of SpheriCity)可以用来检验变量间是否存在相关。零假设H0：相关系数矩阵是单位矩阵，即相关系数矩阵为对角矩阵（对角元素不为0，非对角矩阵为0）且主对角元素均为1。如果统计量的观测值比较大，且对应的概率P值小于给定的显著性水平，则认为相关系数矩阵不太可能是单位矩阵，因此拒绝原假设，可以进行因子分析，否则应该慎重考虑。KMO(Kaiser一Meyer一Olkin)检验，它比较了观测到的变量间的相关系数和偏相关系数的大小。KMO值越接近于1，意味着变量间的相关性越强，原有变量越适合作因子分析KMO值越接近0，表明变量间的相关性越弱，原有变量不适合作因子分析。表4.1 相关矩阵每股收益每股净资产净资产收益率资产报酬率资产净利率销售净利率销售毛利率相关每股收益1.000.756.597.597.594.275.137每股净资产.7561.000-.003.049.037.222.184净资产收益率.597-.0031.000.864.878.207.080资产报酬率.597.049.8641.000.974.221.138资产净利率.594.037.878.9741.000.287.181销售净利率.275.222.207.221.2871.000.511销售毛利率.137.184.080.138.181.5111.000表4.1是原有变量的相关系数矩阵，由表可知，大部分的相关系数较高，各变量呈较强的线性关系，适合进行因子分析。一般而言，KMO测度>0.5，意味着因子分析可以进行，而在0.7以上则是令人满意的值。表4.2 KMO和Bartlett检验取样足够度的 Kaiser-Meyer-Olkin 度量。.613Bartlett 的球形度检验近似卡方204.192df21Sig.000表4.2是KMO和巴利特球体检验结果。由表可知，KMO值为0.613，说明对该样本可以使用因子分析。巴特利特球体检验的结果为204.192，自由度为21，显著性水平为0.000<0.05,拒绝零假设，可以进行因子分析。通过以上检验可以说明用因子分析来进行盈利能力的统计分析可以取得良好的效果。4.3 提取公因子本文采用主成分分析法从七个盈利能力指标中提取公因子。表4.3 公因子方差 初始提取每股收益1.000.978每股净资产1.000.985净资产收益率1.000.901资产报酬率1.000.948资产净利率1.000.964销售净利率1.000.740销售毛利率1.000.784表4.3是用默认的主成分分析法抽取后的公因子方差(共同度)，从中可以看出各变量初始共同度是对每个变量中由所有成分或因素解释的方差的估计，它始终等于1(标准化的结果)，抽取共同度是抽出的公因子所解释的变量方差估计，其取值较大表示抽取出的主成分能很好地代表原变量；反之，某个共同度取值较小则需要重新抽取，从表中看都在70%以上。表4.4 解释的总方差成份初始特征值提取平方和载入旋转平方和载入合计方差的 %累积 %合计方差的 %累积 %合计方差的 %累积 %13.51450.20550.2053.51450.20550.2053.08644.09244.09221.57822.54872.7531.57822.54872.7531.67723.95168.04331.20617.23289.9851.20617.23289.9851.53621.94289.9854.4816.87496.8585.1672.38199.2396.031.44599.6847.022.316100.000表4.4是因子解释原有变量总方差的情况。由于指定三个因子，在“提取平方和载入”中提取了三个因子，第一个因子的特征根值为3.514，解释了原有7个变量总方差的50.205%，累积方差贡献率为50.205%；第二个因子的特征根值为1.578，解释了原有7个变量总方差的22.548%，累积方差贡献率为72.753%；第三个因子的特征值为1.206，解释了原有7个变量总方差的17.232%，累积方差贡献率为89.985%。这三个因子的累积方差贡献率已经大于80%，可以代表原有的7个变量，作主因子进行盈利能力分析。表4.5是因子的载荷矩阵，是因子的核心内容。因子分析模型为：资产净利率=0.928F1-0.305F2+0.098F3资产报酬率=0.914F1-0.333F2+0.039F3净资产收益率=0.876F1-0.366F2+0.017F3每股收益=0.809F1+0.325F2-0.466F3每股净资产=0.334F1+0.752F2-0.554F3销售毛利率=0.302F1+0.548F2+0.626F3销售净利率=0.438F1+0.518F2+0.529F3由表可知，第一个因子在资产净利率、资产报酬率、净资产收益率、每股收益上载荷很高，第二个因子在每股净资产、销售毛利率和销售净利率有不少载荷，而第三个因子在销售净利率和销售毛利率上有较高的载荷，这三个因子对原有变量的解释作用不显著，实际含义模糊。表4.5 因子载荷矩阵成分123资产净利率.928-.305.098资产报酬率.914-.333.039净资产收益率.876-.366.017每股收益.809.325-.466每股净资产.334.752-.554销售毛利率.302.548.626销售净利率.438.518.5294.4 因子旋转本文采用方差最大法对因子载荷矩阵实施正交旋转。表4.6 旋转因子载荷矩阵成分123资产净利率.965.081.158资产报酬率.964.097.094净资产收益率.945.076.046每股净资产-.077.979.139每股收益.545.820.085销售毛利率.032.047.883销售净利率.162.142.832表4.6是旋转后的因子载荷矩阵，可知第一个因子在资产净利率、资产报酬率、净资产收益率上有较高的载荷，解释为资产运用能力因子F1；第二个因子在每股净资产、每股收益上有较高的载荷，解释为投资者获利能力因子F2；第三个因子在销售毛利率、销售净利率上有较高的载荷，可解释为生产经营能