我国矿业上市公司盈利能力与资本结构的实证研究
时间：2021-01-26 16:02:32 来源：雅意学习网 本文已影响 人 
摘要：为了研究我国矿业上市公司盈利能力与资本结构的关系，提高矿业上市公司盈利能力，本文以104家矿业上市公司2013年财务数据为依据，利用因子分析法计算盈利能力的综合得分，再将盈利能力的综合得分和资本结构进行回归分析。结果表明，我国矿业上市公司盈利能力与资本结构呈负相关关系，矿业上市公司应优化资本结构并提高经营管理能力以提高盈利能力。
关键词：矿业上市公司 资本结构 盈利能力 主成分分析
一、引言
目前，我国大多数有关资本结构的研究，都是以盈利能力作为自变量，而资本结构作为被解释变量，并且一般以销售毛利率等单一指标衡量盈利能力。实际上，反映盈利能力的指标有很多，以某一单一指标表示盈利能力具有一定的片面性，并且目前的研究很少以资本结构作为解释变量，盈利能力作为被解释变量。而矿业这一行业作为我国国民经济的重要组成部分，其资本结构具有高负债率、内源融资少等特点，并且因矿产品的投资金额大、回收周期长等特点，矿业企业的盈利能力也和一般行业有所不同。因此，本文对矿业上市公司的盈利能力和资本结构进行研究，探讨资本结构对盈利能力的反作用力。目前用于评价多重指标的方法有三种，分别是层次分析法、平衡计分卡法和主成分分析法。为了对盈利能力综合指标进行评价，本文采用主成分分析法计算盈利能力综合得分。
二、 研究假设
（一）样本来源
本文的样本对象是矿业上市公司，由于我国目前对矿业尚没有具体的分类，首先根据2012年证监会修订的上市公司行业分类指引，参照主营业务收入大于等于50%及是否属于B采矿业和C制造业这两条标准，参照首创证券的证监会板块，选取了六大行业板块共155家上市公司作为本文的样本。其次，为了保证财务数据的可靠性及可比性，本文剔除了ST股和*ST股等财务数据异常的公司、发行B股的上市公司、发行H股的上市公司、创业板和中小板股票上市公司，即将研究数据只局限于沪深主板A股。最终得出了共104家矿业上市公司作为研究样本，其中煤炭采选业27家，石油和天然气开采业2家，黑色金属矿采选业5家，有色金属矿采选业18家，黑色金属冶炼及压延加工业21家，有色金属冶炼及压延加工业31家。
（二）研究假设及指标选取
本文提出以下假设：我国矿业上市公司的资本结构与盈利能力呈相关关系，即矿业上市公司的资产负债率越高则盈利能力越差。
反映矿业上市公司盈利能力的指标有很多，各个指标都侧重于不同方面衡量其盈利能力。因此，单一的指标很难全面反映盈利能力。为了能够更全面地反映盈利能力，本文以公布的2013年度矿业上市公司财务报告为依据，选取7个反映盈利能力的指标，通过进行主成分分析降维并计算综合得分以评价矿业上市公司的综合盈利能力。这7个指标分别是基本每股收益、每股净资产、每股经营性现金流、成本费用利润率、营业利润率、总资产报酬率和销售毛利率，具体变量定义如表1所示。为了分析盈利能力和资本结构之间的关系，选取资产负债率衡量资本结构，并以其为解释变量，因子分析所得的盈利能力综合得分作为被解释变量，以研究矿业上市公司资本结构对盈利能力的影响。
三、实证结果分析
（一）描述性分析
从表2描述性统计量可以看出，每股净资产均值最高，达4.0294，而营业利润率的均值较低，均值只有0.0792，其余变量的均值均在0.2左右；每股净资产的离散程度也最大，标准差为2.08875，其次是每股经营性现金流量，其标准差接近1，其余变量的标准差都远小于1，并维持在0.5左右。另外，每股净资产和销售毛利率的极大值也较大，其余变量的极大值也维持在2左右。除此以外，样本指标差异较小。
（二）主成分分析
为了使数据更加具有可比性，消除数据间的量纲关系，首先将相关指标进行Z标准化，可得ZX1、ZX2、ZX3、ZX4、ZX5、ZX6、ZX7。之后运用SPSS 19.0统计软件进行主成分分析，依次可得表3、表4、表5和表6。
（1）KMO 和 Bartlett的检验。由表3可以得出，KMO 的统计量取值为0.553>0.5，意味着变量之间具有相关性，选取的反映盈利能力的7个指标适合做因子分析；Bartlett球度检验Sig.小于显著性水平0.05，即拒绝原假设，证明相关系数矩阵不是单位矩阵，变量之间存在相关关系，因此适合做因子分析。综上所述，KMO和Bartlett 的检验均验证了7个变量适合做因子分析。
（2）相关性矩阵。由表4相关矩阵可得，ZX1基本每股收益和ZX4成本费用利润率的相关性为0.369，ZX4成本费用利润率和ZX5营业利润率的相关性系数为0.779，相关性较为显著。ZX7和其他指标的相关性较差，均维持在0.1左右，除此以外，变量两两之间的相关性系数都接近于0.3，因此选取某单一指标表达盈利能力具有片面性，需要进行主成分分析，并运用因子得分法综合计算盈利能力的综合指标。
（3）提取主成分。由表5可知，特征值大于1对应的主成分有三个，可得特征值分别为λ1=2.090，λ2=1.257，λ3=1.075，主成分贡献率分别为r1=29.864%，r2=17.959%，r3=15.362%，累计方差贡献率为63.184%。
（4）计算特征向量矩阵及盈利能力的综合得分。由下页表6初始因子载荷矩阵，可得相应主成分与对应变量的相关系数V1、V2 、V3，之后点击SPSS 19.0统计软件的转换、计算变量按钮，输入公式F1= V1/SQRT（λ1）可得特征向量F1=0.425，-0.101，0.078，0.622，0.577，0.257，
0.132；同理可得，F2=0.412，0.414，0.551，
-1.614，-0.271，0.441，0.248；F3=0.048，
