［提要］ 汽车制造业是国家重点支柱产业，也是我国经济发展中不可或缺的一环。本文以汽车制造业上市公司作为研究对象，从四大角度构建包含10项指标的财务绩效评价指标体系，借助SPSS25.0软件工具，用因子分析法和聚类分析法，对161家汽车制造业上市公司2021年财务绩效进行评价，最后提出提升该行业上市公司财务绩效的相关建议，以便为投资者规避风险、做出最优决策提供参考借鉴。
关键词：汽车制造业；财务绩效；因子分析；聚类分析
中图分类号：F275 文献标识码：A
收录日期：2022年9月14日
“十四五”规划指出要把经济发展的着力点向实体经济倾斜，制造业作为实体经济的重要支柱产业，这对其提出了更高的要求。我国由制造业大国向制造业强国转变，并最终成为制造业强国，既是《中国制造 2025》的时代需要，也是我国不动摇走高质量发展道路的需要。目前，世界范围内新一轮科技革命与产业革命正不断推进，疫情的反复对全球产生了重大影响，发展实体经济，振兴制造业尤为关键。其中这，汽车制造业在制造业中技术含量和产业集中度相对较高，如何对汽车制造业的绩效进行评价来“准确识变、科学应变、主动求变”，对于我国经济发展具有重要意义。
目前，绩效评价时大多数学者主要采用经济增加值法、平衡计分卡、因子分析法等方法进行评价分析，运用因子分析和聚类分析双重方法进行财务绩效评价的研究相对较少，因子分析、聚类分析都是采用降维的思想，用公共因子来反映大部分数据信息，聚类分析可对因子分析结果进行验证，使评价结果的数据准确性更高且直观易理解。基于此，本文依据因子分析选取161家汽车制造业上市公司，结合汽车制造工业的行业发展现状及特点，选取10个主要财务指标，通过SPSS25.0对样本数据进行因子分析，提取出4个公因子，计算得到因子得分，将其进行聚类分析，针对不同聚类的公司，进行财务绩效分析评价，最终分聚类地提出建议，从而促进汽车制造业的良好发展。
一、汽车制造业上市公司绩效评价体系设计
（一）样本数据来源。本文参考证监会发布的行业分类标准《证监会行业分类指引》（2012年修订），考虑到样本的科学性和适用性，剔除2021年数据缺失的公司及ST公司，最终选取汽车制造业中161家上市公司作为样本公司，以2021年年报数据作为初始样本数据，对10个财务指标进行深入分析。本文所有数据均来自CSMAR国泰安数据库。
（二）财务指标的选择。财务指标是评价企业财务绩效的切入点，所以在指标的选取上，本文依据《企业绩效评价操作细则》选取财务指标，充分考虑目标指标的科学性和严谨性、充分性和适当性、准确性和系统性，再结合汽车制造业的行业特点对财务指标进行选取，用流动比率x1和速动比率x2代表偿债能力，总资产增长率x3和所有者权益增长率x4代表成长能力，应收账款周转率x5、存货周转率x6和总资产周转率x7代表营运能力，资产报酬率x8、净资产收益率x9和营业利润率x10代表盈利能力。
二、因子分析
（一）构建因子分析模型。因子分析法，通过分析诸多变量之间内部关联程度，从多个维度的变量中提取出较为有代表性的公共因子，在保留数据原始信息量的情况下，减少数据维度，将复杂的数据进行简化。因子分析的目的在于帮助决策者对影响企业经营发展的众多复杂影响因素进行梳理，找出相互影响的因素，将繁杂的因素进行简化，从而降低因信息冗余造成的决策失误，抓住主要矛盾，解决关键问题。因子分析法是相对客观的一种绩效评价方法，该方法不需要对指标变量进行赋权，通过内在数学模型，计算出各公因子对被评价对象的影响比率，即方差贡献率，并以此作为权重，这降低了评价过程中的主观干扰，使评价结果更加准确。本文采用的因子分析模型如下：
Y1=α11F1+α12F2+...+α1mFm+σ1
Y2=α21F1+α22F2+...+α2mFm+σ2
……
Yp=αp1F1+αp2F2+...+αpmFm+σp
（二）因子分析适用性检验。利用SPSS25.0软件，用KMO检验和Bartlett's球形检验法对原始数据进行检验，KMO值的范围是0～1，其中KMO值大于0.5，表示该组数据可以进行因子分析；当Bartlett's球形检验的相伴概率小于0.05时，表示该组数据符合因子分析的使用条件。通过对该组数据进行检验，得到结果见表1。（表1）
由表1可以看出，该组数据KMO取样适切性量数为0.611，大于因子分析适用条件要求的0.5，Bartlett's球形检验的相伴概率是0，小于适用条件0.05。因此，该样本指标通过了KMO和Bartlett's球形检验，适合进行进一步的因子分析。
（三）因子分析过程
1、主成分的提取。通过SPSS25.0软件对数据进行因子分析后，提取的主成分如表2所示。（表2）
从表2中可以看出，SPSS软件自动提取的主成分为成分1到成分4；在旋转载荷平方和中可以看出，成分1到成分4的累计贡献百分比为81.339%，该累计贡献率水平大于软件适用条件所要求的80%，主成分1到主成分4所对应的方差百分比分别为27.558%、21.157%、16.704%和15.919%，表明通过因子分析提取的4个主成分中所包含的原始信息大于80%。
2、主成分的解释。根据旋转后的成分矩阵，依据各项财务指标与输出主成分的相关性，解释各主成分的含义，各财务指标与主成分的相关性大于0.5视为相关，旋转后的成分矩阵见表3。（表3）
根据表3可以看出，在最大方差法旋转后的成分矩阵中，依据特征值大于1而提取的4个主成分各自包含的原始变量存在明显的差异性，说明具有可解释性。本文将提取的四个主成分依次命名为F1、F2、F3和F4。
通过观察四个主成分在10个财务指标上的载荷值可以看出，资产报酬率、营业利润率和净资产收益率与F1存在强关联性，因此将主成分F1命名为盈利因子；与主成分F2具有强关联性的财务指标有速动比率和流动比率，因此F2被解释为偿债因子；F3在总资产增长率和所有者权益增长率上的载荷值分别为0.904和0.896，远远大于其他财务指标的载荷值，因此将其命名为发展因子；衡量企业营运能力的财务指标应收账款周转率、存货周转率和总资产周转率与主成分F4呈强正相关，因此将F4命名为营运因子。
3、计算各企业的综合评分。根据SPSS25.0软件进行因子分析处理，得出成分得分系数矩阵，利用该成分得分系数矩阵，可以表示出主成分F1、F2、F3和F4与变量x1、x2、x3…x10的关系表达式，其中变量x1、x2、x3…x10为根据指标选取原则选取的企业10个财务指标。通过主成分与变量之间的关系表达式，即可求出不同企业各能力因子的得分情况。主成分Fn与变量x的关系表达式：
F1=-0.058x1-0.077x2-0.059x3-0.053x4-0.098x5-0.080x6+0.119x7+0.360x8+0.382x9+0.336x10
F2=0.487x1+0.506x2-0.027x3+0.000x4+0.138x5+0.119x6-0.132x7-0.050x8-0.138x9+0.031x10
F3=-0.008x1-0.009x2+0.562x3+0.551x4+0.040x5-0.032x6+0.021x7-0.023x8-0.011x9-0.089x10
F4=0.069x1+0.099x2+0.024x3-0.008x4+0.517x5+0.500x6+0.385x7-0.062x8-0.027x9-0.047x10
结合表2总方差解释中各个主成分的方差百分比，可以得到综合因子得分表达式：
F=27.558%F1+21.157%F2+16.704%F3+15.919%F4
通过对上述表达式的计算，可以得到161家汽车制造业上市公司的盈利因子F1、偿债因子F2、发展因子F3、营运因子F4以及综合因子F的得分，以下将引入聚类分析，对其进行Q型聚类。
三、聚类分析
（一）聚类划分。聚类分析法，将所要研究对象依据特征、性质等进行分类，使分类后各组内部的研究对象拥有尽可能多的相似性，而各组之间研究对象的相似性尽可能的少。常用的系统聚类方法主要分为两种，分别为Q型和R型系统聚类，两者主要区别点在于分类对象不同。前者是对所研究的样本进行聚类，将离散程度小的样本汇聚在一个对象组内，从而可以反映出各样本之间的相关性；后者主要对研究变量进行聚类，主要研究各变量之间的相关程度。
本文主要运用聚类分析法汇聚汽车制造业上市公司，故采用Q型系统聚类方法。通过对提取的主成分F1、F2、F3和F4采用系统聚类法中的平方欧姆法，将汽车制造业上市公司进行聚类分析，将汽车制造业上市公司划分为五大聚类，以从不同聚类样本企业中发现对应的财务绩效问题，从而提出针对性建议。
（二）聚类均值。根据聚类分析的结果，得出并比较四个公共因子和综合因子的均值，并在结论部分对其进行分析，聚类均值见表4。（表4）
四、结论及建议
（一）第一类样本公司。第一聚类样本公司包括雪龙集团、泰祥股份2家汽车制造业上市公司，综合因子F值的均分为1.573，综合评分位于五类公司的首位。从单个能力因子来分析，其偿债因子的均值远大于综合因子得分的均值，盈利能力也处于各类企业的领先水平。这表明，该类企业的变现能力比较强，且具有一个较好的股权债务结构，偿还长期债务的能力比较好。
该类公司营运能力评分处于各类企业中的中等水平，表明该类企业在未来的发展中应当不断提高企业资产的周转效率和流动性。企业无论是与本聚类其他能力比较，还是与其他聚类该项能力比较，其成长能力表现都是极低的，严重拉低其综合因子F的评分。故从未来发展的角度来看，该类公司成长因子较低，一方面说明该类企业是较为成熟的企业，如今已进入了一个较为稳定的盈利阶段；另一方面该类企业若想追求更高的成长空间，需要为自身的发展做好长远的计划。
（二）第二类样本公司。第二聚类样本公司包括钧达股份和精进电动2家上市公司。综合因子得分的均值为0.114，从其F值的评分上来看排名第三位，该聚类企业处于行业的中上游水平。
从单个因子来看，其盈利能力和偿债能力比较低，其偿债能力和获利能力的平均值都低于零，而其综合因子F均值主要是靠其经济成长能力拉动的，表明此类企业在短期的收益情况并不太明朗，获利能力及偿债能力不足导致公司对资产的偿债能力缺乏保障。所以，企业要重视盈利能力及偿债能力的改善，以增强资本的流动性和效率。鉴于其成长性因子的值在各类公司中占据着绝对领先的地位，说明从长远考虑此类企业仍有着很大的发展潜力，属“成长型企业”。在今后发展中，此类公司除了注重盈利能力以外，还应高度重视偿债能力，降低企业承担的财务风险，加强公司对资金的管理，提高资金利用率，改善公司债务资本结构。
（三）第三类样本公司。第三类样本公司包括长安汽车、一汽富维和一汽解放等3家上市公司。综合因子得分均值为0.774，财务绩效的综合实力较为强劲，位于各类别的第二位。具体分析该类企业各能力聚类均值发现，该类企业营运能力远高于其他聚类，偿债能力处于行业中等偏上水平。但该类企业的盈利因子和成长因子均小于0，并且与其他类别相比该类企业盈利和成长能力偏差。故该类企业在以后的发展中应当不断提高自身盈利水平，在保障公司资产周转性的同时，不断增强资产的获利性和盈利水平，提高资产质量，从而提升该类企业的盈利能力和成长能力，增强企业的财务绩效水平。
（四）第四类样本公司。第四类样本公司包括兴民智通、汉马科技、北汽蓝谷、安凯客车、福田汽车、小康股份、越博动力7家上市公司。从该类企业的综合因子得分上来看，该类企业综合得分排名在各类企业中最低。具体分析各能力聚类均值来看，其F均值的评分比较低主要是因为其盈利能力和成长能力均值均为各类别的最小值，其盈利能力均值更是处于极低水平。所以，该类企业在未来的发展中，应当高度重视科技投入，引入和研发新的技术，提高企业科技创新能力，通过控制成本、提升生产效率、提高产品品质，提高企业的盈利能力和成长能力。
（五）第五类样本公司。第五类样本公司包括银轮股份、日上集团、长鹰信质等147家上市公司，综合因子得分的均值为0.008，勉强高于0这一因子得分基准线，聚类均值位于所研究样本公司类别的第四位，综合得分排名较落后。
该类公司单因子分析中，其盈利能力大于0，偿债能力、成长能力和营运能力均值均为小于0，表明该类公司盈利能力较强，具有获利能力，但偿债、发展和经营能力相对较弱。该类公司在注重提升偿债、发展和经营能力的同时，要防止采取过于激进的发展策略，以减少公司承担的财务风险，进一步完善企业内部对资本结构的控制，以提升企业资本效益，同时通过对高管进行培养和委托有能力的外部高管经营企业，提高内部管理人员的风险管控能力，并加强一些防范企业经营风险的重要工作，对财务风险随时保持高度警惕，对企业的未来发展规划与策略进行全新调整。
（作者单位：1.黑龙江科技大学；2.中铁十一局集团华东建设有限公司）
主要参考文献：
［1］叶陈毅，管晓，杨蕾，陈依萍.医药制造业上市公司综合业绩评价研究——基于因子分析与聚类分析［J］.财会通讯，2021（12）.
［2］宋光辉，李兵.零部件类上市汽车公司经营绩效研究——基于因子分析和聚类分析［J］.会计之友，2015（02）.
［3］李天红.基于因子分析法的白酒行业财务绩效评价［D］.阜阳：阜阳师范大学，2019.
［4］罗雪雪，王林田.中国白酒行业上市公司综合竞争力浅析——基于聚类分析与因子分析法［J］.中国食品，2022（13）.
［5］周光权，李宜融.基于因子-聚类分析的道路交通扶贫绩效评价［J］.铁道科学与工程学报，2021.18（09）.
［6］凌晓凡.我国汽车制造业上市公司财务业绩评价——基于因子分析法分析［J］.现代商业，2022（08）.
|
