淮海工学院二〇一四届本科毕业论文 第 9 页 共 30 页
4.2.2 KMO 和 Barlett 的检验
本文采用Bartlett球度检验和KMO检验方法共同检验。KMO值接近于1，表明变量间的相关性越强，原有变量越适合做因子分析。根据理论值，KMO的值必须大于0.5，sig.值必须小于0.05，才能继续因子分析，所挑选出来的因子才具备统计学的意义。KMO检验和Bartlett球度检验,主要是用来检查数据的信度与效度。
表4 KMO 和 Bartlett 的检验
取样足够度的 Kaiser-Meyer-Olkin 度量。 Bartlett 的球形度检.572 366.837 105 .000 近似卡方 Df Sig. 验 在表4中，我们可以看出KMO值为0.572，表明变量之间存在线性关系，适合做因子分析。Sig.(显著性水平)小于0.05，数据间存在结构效度，能够进行因子分析。综上，KMO 和 Barlett 的检验通过。 4.2.3 利用主成分分析法提取因子并计算方差解释比重
表5 解释的总方差
成份 初始特征值 合计 方差的% 累积% 4.049 2.589 1.882 1.363 1.217 1.000 .762 .717 .467 .349 .259 .132 .111 .056 .048 26.992 17.261 12.545 9.086 8.111 6.669 5.079 4.781 3.112 2.327 1.727 .880 .739 .374 .317 26.992 44.253 56.797 65.884 73.995 80.664 85.743 90.524 93.636 95.963 97.690 98.569 99.308 99.683 100.000 提取平方和载入 合计 方差的% 累积% 4.049 2.589 1.882 1.363 1.217 1.000 26.992 17.261 12.545 9.086 8.111 6.669 26.992 44.253 56.797 65.884 73.995 80.664 旋转平方和载入 合计 方差的% 累积% 3.236 2.207 2.164 1.851 1.445 1.197 21.575 14.712 14.426 12.340 9.632 7.979 21.575 36.286 50.712 63.052 72.685 80.664 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 提取方法：主成份分析。 从该表中可以看出该表中前6个因子的积累贡献率达到了80.664%，从而达到了因子分析中80%信息量的要求，因此可以提取6个最具有代表性的因子代替
淮海工学院二〇一四届本科毕业论文 第 10 页 共 30 页
原始15个指标变量，也就是说提取的6个具有代表性的因子，能够解释原始变量大部分的信息，不会信息失真。
为了使提取出的主要因子更具代表性，运用Kaiser标准化的正交旋转法进行转换（旋转成分矩阵相对于成分矩阵来说更富有解释力），重新分配各因子所解释的方差比例，从而突出能够解释主要因子的典型变量，使各主要指标具有实际意义，如表6所示：
表6 载荷矩阵
成份 中文名 现金流动负债比(ZX2) 现金债务总额比(ZX3) 现金比率(ZX1) 总资产收现比率(ZX12) 主营业务收现比率(ZX13) 主营业务收入增长率(ZX9) 销售净利率(ZX7) 存货周转率(ZX15) 净利润现金含量(ZX11) 应收账款周转率(ZX14) 每股现金净流量(ZX6) 每股收益(ZX5) 净利润增长率(ZX8) 利息保障倍数(ZX4) 总资产增长率(ZX10) a. 旋转在7次迭代后收敛。 1 .920 .900 .763 .633 .589 .044 .041 -.209 -.016 -.075 .323 .187 .079 -.117 .196 2 -.067 -.062 .017 .055 .192 .882 .774 .695 -.096 -.115 -.018 .154 .158 -.248 .407 3 -.047 -.046 -.147 .301 .377 -.034 -.047 -.171 .962 .952 .098 -.138 .096 -.059 .015 4 .173 .217 .086 .554 .096 -.003 -.091 .254 -.011 .043 .884 .757 .043 -.082 .116 5 .010 .035 .139 -.286 -.547 -.032 .294 -.038 .019 .006 -.151 .415 .857 .106 -.114 6 -.083 -.140 .288 .000 .155 .014 .015 -.066 -.041 -.023 .009 -.006 .062 .758 .691 由主成分的因子载荷矩阵，得到主成分与原始指标的相关系数—因子荷载量，因子载荷量体现了主成分因子与原始指标之间的相关程度。通过对因子载荷矩阵的分析，我们可以看出：
第一主成分中，指标ZX2(现金流动负债比)、ZX3(现金债务总额比)对主成分F1解释力较强，因此，主成分F1主要反映了医药行业上市公司的偿债能力,具体地说，是从现金流量角度反映企业当期偿付短期负债能力。
第二主成分中，指标ZX9 (主营业务收入增长率)对主成分F2的解释力较强，因此，主成分F2主要反映了医药行业上市公司的成长能力，并且主成分F2侧重于主营业务收入方面。
第三主成分中，指ZX11(净利润现金含量)、ZX14(应收账款周转率)对主成分F3解释力较强，因此，主成分F3主要反映了上市公司的营运能力。
淮海工学院二〇一四届本科毕业论文 第 11 页 共 30 页
第四主成分中，指标ZX6 (每股现金净流量)对主成分F4的解释力较强，因此，主成分F4主要反应了上市公司的盈利能力。
第五主成分中,指标ZX8(净利润增长率)对主成分F5的解释力较强,因此,主成分F5主要反映了上市公司的成长能力。并且主成分F5侧重于净利润方面。
第六主成分中,指标ZX4(利息保障倍数)虽然载荷系数小于0.8，但是0.758接近于0.8，且在主成分F6值最高，对主成分F6的解释力较强,因此,主成分F6主要反映了上市公司的偿债能力，特别是企业的长期偿债能力。
综上所述， 6个主成分涵盖了全部的财务指标信息，综合地体现了企业的偿债能力、营运能力、成长能力、盈利能力这四个方面的特征。因此可以用6个主成分因子代替原始财务指标进行上市公司财务状况的解释。
表7 成份得分系数矩阵 中文名 现金比率(ZX1) 现金流动负债比(ZX2) 现金债务总额比(ZX3) 利息保障倍数(ZX4) 每股收益(ZX5) 每股现金净流量(ZX6) 销售净利率(ZX7) 净利润增长率(ZX8) 主营业务收入增长率(ZX9) 总资产增长率(ZX10) 净利润现金含量(ZX11) 总资产收现比率(ZX12) 主营业务收现比率(ZX13) 应收账款周转率(ZX14) 存货周转率(ZX15) 1 .293 .349 .333 -.071 -.101 -.125 .073 .082 .027 .002 -.006 .091 .174 -.049 -.150 2 -.021 -.036 -.036 -.162 -.020 -.073 .363 .035 .422 .157 .014 .015 .130 -.002 .302 3 -.062 -.041 -.040 -.019 -.056 -.009 .054 .131 .034 .026 .464 .095 .141 .455 -.056 成份 4 -.137 -.128 -.094 .032 .488 .571 -.158 -.037 -.092 .032 -.042 .226 -.102 .019 .191 5 .139 .068 .083 .074 .269 -.109 .181 .630 -.064 -.094 .104 -.158 -.336 .088 -.099 6 .196 -.120 -.165 .661 .009 .035 -.038 .038 -.038 .561 -.015 -.011 .097 .007 -.069 明确了各主成分的意义，根据表7(得分系数矩阵)，就可以确定各主成分关于原始变量指标的线性表达式，得到主成分预警模型的函数表达式：
F1=0.293ZX1+0.349ZX2+0.333ZX3-0.071ZX4-0.101ZX5-0.125ZX6+0.073ZX7+0.082ZX8+0.027ZX9+0.002ZX10-0.006ZX11+0.091ZX12+0.174 ZX13-0.049 ZX14-0.15 ZX15
F2=-0.021ZX1-0.036ZX2-0.036ZX3-0.162ZX4-0.02ZX5-0.073ZX6+0.363ZX7+0.035ZX8+0.422ZX9+0.157ZX10+0.014ZX11+0.015ZX12+0.13ZX13-0.002ZX14+0.302ZX15
淮海工学院二〇一四届本科毕业论文 第 12 页 共 30 页
F3=-0.062ZX1-0.041ZX2-0.04ZX3-0.019ZX4-0.056ZX5-0.009ZX6+0.054ZX7+0.131ZX8+0.034ZX9+0.026ZX10+0.464ZX11+0.095ZX12+0.141ZX13+0.455ZX14-0.056ZX15
F4=-0.137ZX1-0.128ZX2-0.094ZX3+0.032ZX4+0.488ZX5+0.571ZX6-0.158ZX7-0.037ZX8-0.092ZX9+0.032ZX10-0.042ZX11+0.226ZX12-0.102ZX13+0.019ZX14+0.191ZX15
F5=0.139ZX1+0.068ZX2+0.083ZX3+0.074ZX4+0.269ZX5-0.109ZX6+0.181ZX7+0.63ZX8-0.064ZX9-0.094ZX10+0.104ZX11-0.158ZX12-0.336ZX13+0.088ZX14-0.099ZX15
F6=0.196ZX1-0.120ZX2-0.165ZX3+0.661ZX4+0.009ZX5+0.035ZX6-0.038ZX7+0.038ZX8-0.038ZX9+0.561ZX10-0.015ZX11-0.011ZX12+0.097ZX13+0.007ZX14-0.069 ZX15
4.3 基于现金流量的财务预警模型的构建
得出函数表达式后，本文采用Logistic回归分析的方法来构建医药行业企业财务危机预警模型，预测企业财务危机发生的可能性。假设发生财务危机的公司为的Y值为1，非财务危机的公司的Y值为0并进行回归分析，模拟的回归模型拟合信息如表8所示，似然比检验如表9所示：
表8 模型拟合信息
模型 仅截距 最终 AIC 48.105 28.742 模型拟合标准 BIC 49.843 40.906 -2 倍对数似然值 卡方 46.105 14.742 31.363 似然比检验 df 6 显著水平 .000 模型拟合信息是从整体上检验logistic模型拟合的情况，最终的显著性水平必须小于0.05，这个logistic模型才算有效。在表8中，最终的显著性水平为0.000，小于0.05，说明能够构建logistic模型。
表9 似然比检验
效应 截距 FAC1_1 FAC2_1 FAC3_1 FAC4_1 FAC5_1 简化模型的AIC 51.156 42.831 30.057 37.472 41.029 33.911 模型拟合标准 简化模型简化后的模型的-2 的BIC 61.582 53.257 40.483 47.898 51.455 44.337 倍对数似然值 39.156 30.831 18.057 25.472 29.029 21.911
卡方 24.413 16.088 3.315 10.730 14.287 7.169 似然比检验 df 1 1 1 1 1 1 显著水平 .000 .000 .069 .001 .000 .007
相关推荐：
loading