基于因子分析的行業(yè)成長(zhǎng)性評(píng)估研究

李+明+張志清+楊凌雁

【摘要】 關(guān)于行業(yè)成長(zhǎng)性已成為眾多企業(yè)和個(gè)人十分關(guān)注的問(wèn)題，然而具有普遍性的對(duì)各行業(yè)成長(zhǎng)性的評(píng)估研究還很缺乏。鑒于此，文章通過(guò)對(duì)反映行業(yè)成長(zhǎng)性的因素進(jìn)行分析，從而構(gòu)建了基于財(cái)務(wù)指標(biāo)的行業(yè)成長(zhǎng)性評(píng)估指標(biāo)體系，利用多元統(tǒng)計(jì)中的因子分析法對(duì)我國(guó)20個(gè)行業(yè)的行業(yè)成長(zhǎng)性進(jìn)行實(shí)證研究，得出我國(guó)行業(yè)成長(zhǎng)性的綜合得分和排名，并對(duì)最終結(jié)構(gòu)進(jìn)行了綜合分析。

【關(guān)鍵詞】 行業(yè)成長(zhǎng)性； 指標(biāo)體系； 財(cái)務(wù)指標(biāo)； 因子分析

中圖分類號(hào)：F272.5文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1004-5937（2014）16-0024-05一、引言

隨著市場(chǎng)經(jīng)濟(jì)的發(fā)展和競(jìng)爭(zhēng)的不斷加劇，對(duì)行業(yè)成長(zhǎng)性的判斷越來(lái)越受到各領(lǐng)域?qū)＜业钠毡殛P(guān)注。準(zhǔn)確地把握一個(gè)行業(yè)的發(fā)展態(tài)勢(shì)及其成長(zhǎng)性，將對(duì)企業(yè)在制定決策方案起到積極的指引作用，對(duì)社會(huì)上的求職者在判斷一個(gè)行業(yè)是否為朝陽(yáng)行業(yè)也將起到舉足輕重的作用。因此建立一套對(duì)行業(yè)成長(zhǎng)性的評(píng)估體系和方法，將是一個(gè)重要的課題。目前在國(guó)內(nèi)外這方面的研究主要側(cè)重兩個(gè)方面：一方面是集中在對(duì)企業(yè)成長(zhǎng)性的研究上。例如劉倩（2011）以28家創(chuàng)業(yè)板上市企業(yè)為樣本，通過(guò)主成分聚類的方法構(gòu)造了我國(guó)中小企業(yè)成長(zhǎng)性評(píng)價(jià)模型，并對(duì)其進(jìn)行了實(shí)證研究。劉曜等（2011）通過(guò)對(duì)中小板上市公司從盈利能力、風(fēng)險(xiǎn)水平、治理能力和運(yùn)營(yíng)周期四個(gè)方面進(jìn)行測(cè)度，對(duì)影響中小板上市公司的成長(zhǎng)性因素進(jìn)行了驗(yàn)證分析。彭憶等（2012）通過(guò)對(duì)116家高科技企業(yè)進(jìn)行研究，從企業(yè)規(guī)模、企業(yè)財(cái)務(wù)狀況、企業(yè)發(fā)展能力和企業(yè)科研創(chuàng)新能力四個(gè)方面構(gòu)建了成長(zhǎng)性評(píng)價(jià)模型，并利用因子分析法對(duì)其進(jìn)行了實(shí)證研究。另一方面是針對(duì)某一地區(qū)或某一類行業(yè)的研究。例如李林等（2012）對(duì)通信行業(yè)資本結(jié)構(gòu)與其成長(zhǎng)性之間的關(guān)系進(jìn)行研究，并利用通信行業(yè)上市公司的財(cái)務(wù)指標(biāo)數(shù)據(jù)對(duì)其進(jìn)行了實(shí)證檢驗(yàn)。張濤等（2013）采用因子分析法以行業(yè)成長(zhǎng)性為視角對(duì)商業(yè)銀行的信貸策略制定進(jìn)行了研究。但目前還沒(méi)有一套通用的用于評(píng)估各行業(yè)成長(zhǎng)性的體系和方法。

針對(duì)這一問(wèn)題，遵循評(píng)價(jià)指標(biāo)體系選取的科學(xué)性、系統(tǒng)性、可行性以及可比性與可操作性相結(jié)合的原則，本文提出了一種基于財(cái)務(wù)指標(biāo)的行業(yè)成長(zhǎng)性評(píng)估體系，并運(yùn)用因子分析法對(duì)其進(jìn)行分析判斷，從而得出了行業(yè)成長(zhǎng)性的最后得分，并用于對(duì)行業(yè)成長(zhǎng)性進(jìn)行排名，從而找出最具有發(fā)展?jié)摿Φ男袠I(yè)，以為企業(yè)選擇進(jìn)入的行業(yè)提供指導(dǎo)作用，同時(shí)也為個(gè)人在擇業(yè)、就業(yè)方面提供很好的參考，從而可以使企業(yè)或個(gè)人在將來(lái)有一個(gè)更好的發(fā)展未來(lái)。

二、行業(yè)成長(zhǎng)性評(píng)估指標(biāo)的構(gòu)建

要對(duì)行業(yè)的成長(zhǎng)性作出科學(xué)客觀的評(píng)價(jià)，首要的任務(wù)就是建立一套行之有效的評(píng)價(jià)指標(biāo)體系。對(duì)一個(gè)行業(yè)成長(zhǎng)性的評(píng)估要綜合考慮多個(gè)相關(guān)指標(biāo)的綜合表現(xiàn)。基于對(duì)我國(guó)目前行業(yè)發(fā)展現(xiàn)狀的研究，依據(jù)近年國(guó)家統(tǒng)計(jì)年鑒所提供的信息，建立了一個(gè)擁有3個(gè)一級(jí)指標(biāo)和10個(gè)二級(jí)指標(biāo)的指標(biāo)評(píng)價(jià)體系，如表1所示。

指標(biāo)的計(jì)算：

（一）反映行業(yè)穩(wěn)定成長(zhǎng)能力的各指標(biāo)的計(jì)算公式

工業(yè)總產(chǎn)值增長(zhǎng)率=

■×100%

資產(chǎn)收益增長(zhǎng)率=

■×100%

資本保值增長(zhǎng)率=■×100%

主營(yíng)業(yè)務(wù)收入增長(zhǎng)率=

■×100%

總資產(chǎn)增長(zhǎng)率=■×100%

以上這些指標(biāo)反映了一個(gè)行業(yè)資產(chǎn)的保值增值能力，比例越高，越說(shuō)明該行業(yè)具有越強(qiáng)的資本積累能力，該行業(yè)也就越能更好地保持穩(wěn)定的成長(zhǎng)趨勢(shì)。

（二）反映行業(yè)資產(chǎn)運(yùn)作效率的各指標(biāo)的計(jì)算公式

流動(dòng)資產(chǎn)周轉(zhuǎn)次數(shù)=■

總資產(chǎn)周轉(zhuǎn)率=■×100%

流動(dòng)資產(chǎn)周轉(zhuǎn)率=■×100%

以上這些指標(biāo)反映的是該行業(yè)資產(chǎn)的運(yùn)作效率，指標(biāo)的次數(shù)和比率越大，說(shuō)明資產(chǎn)的利用率越高，表明該行業(yè)的經(jīng)濟(jì)運(yùn)行情況越高，從而間接地反映出該行業(yè)具有很強(qiáng)的成長(zhǎng)潛力。

（三）反映行業(yè)成長(zhǎng)性的各指標(biāo)的計(jì)算公式

主營(yíng)業(yè)務(wù)利潤(rùn)增長(zhǎng)率=■×

100%

凈利潤(rùn)增長(zhǎng)率=■×100%

以上這些指標(biāo)從更直觀的角度來(lái)反映行業(yè)成長(zhǎng)性的好壞，指標(biāo)的比率越高，說(shuō)明企業(yè)未來(lái)具有越強(qiáng)的成長(zhǎng)能力。

三、基于因子分析法的行業(yè)成長(zhǎng)性評(píng)估模型

（一）因子分析的模型

因子分析法是從研究變量?jī)?nèi)部相關(guān)的依賴關(guān)系出發(fā)，把一些具有錯(cuò)綜復(fù)雜關(guān)系的變量歸結(jié)為少數(shù)幾個(gè)綜合因子的一種多變量統(tǒng)計(jì)分析方法。它的基本思想是將觀測(cè)變量進(jìn)行分類，將相關(guān)性較高，即聯(lián)系比較緊密的分在同一類中，而不同類變量之間的相關(guān)性則較低，那么每一類變量實(shí)際上就代表了一個(gè)基本結(jié)構(gòu)，即公共因子。對(duì)于所研究的問(wèn)題就是試圖用最少個(gè)數(shù)的、不可測(cè)的、所謂公共因子的線性函數(shù)與特殊因子之和來(lái)描述原來(lái)觀測(cè)的每一分量。因子分析模型描述如下：

x1x2■xp=a11 a12 … a1ma21 a22 … a2m■ ■ … ■ap1 ap2 … apmF1F2■Fm+?著1?著2■?著p（k≤p）（1）

模型中，向量是可觀測(cè)隨機(jī)向量，即原始觀測(cè)變量。F（f1，f2，…，fn）是X（x1，x2，…，xn）的公共因子，即各個(gè)原觀測(cè)變量的表達(dá)式中共同出現(xiàn)的因子，是相互獨(dú)立的不可觀測(cè)的理論變量。公共因子的具體含義必須結(jié)合實(shí)際研究問(wèn)題來(lái)界定。A（aij）是公共因子F（f1，f2，…，fn）的系數(shù)，稱為因子載荷矩陣；aij（i=1，2，…，n；j=1， 2，…，m）稱為因子載荷，是第i個(gè)原有變量在第j個(gè)因子上的負(fù)荷，或可將aij看作第i個(gè)變量在第j公共因子上的權(quán)重。aij是xi與fj的協(xié)方差，也是xi與fj的相關(guān)系數(shù)，表示xi對(duì)fj的依賴程度或相關(guān)程度。aij的絕對(duì)值越大，表明公共因子fj對(duì)于xi的載荷量越大。

（二）因子分析的步驟

1.確定原變量是否適合做因子分析

通過(guò)對(duì)樣本數(shù)據(jù)進(jìn)行KMO和Bartletts球形檢驗(yàn)，當(dāng)KMO檢驗(yàn)系數(shù)>0.5，Bartletts球形檢驗(yàn)的顯著性水平<0.05時(shí)，表明原變量適合做因子分析，如果有任何一個(gè)條件不滿足，則需要進(jìn)行數(shù)據(jù)的調(diào)整，或者進(jìn)行變量的更改。當(dāng)KMO檢驗(yàn)系數(shù)越大，Bartletts球形檢驗(yàn)的顯著性水平越小，則說(shuō)明越適合。

2.主因子的確定

通過(guò)主成分分析法，求解出因子載荷矩陣，然后計(jì)算出因子載荷矩陣中各列元素的平方和記為g2j= ∑n i=1a2ij（j=1，2，…，n）。g2j代表的是F（f1，f2，…，fn）對(duì)X（x1，x2，…，xn）的方差貢獻(xiàn)，g2j越大，表明其貢獻(xiàn)越大。根據(jù)計(jì)算出來(lái)的g2j排序，就可以提煉出最有影響力的公共因子。

3.因子旋轉(zhuǎn)

通過(guò)因子旋轉(zhuǎn)找出主因子與可觀測(cè)變量xi之間的關(guān)系。經(jīng)過(guò)旋轉(zhuǎn)后，主因子對(duì)xi的方差貢獻(xiàn)并不會(huì)改變。旋轉(zhuǎn)是為了使得每個(gè)變量?jī)H在一個(gè)公因子上有較大的載荷，從而可以使得每個(gè)公因子F能有一個(gè)更好的解釋。

4.因子得分

最后，根據(jù)如下的因子得分函數(shù)，即：

f1=?茁11x1+?茁12x2+…+?茁1mxmf2=?茁21x2+?茁22x2+…+?茁2mxm… …fn=?茁n1xn+?茁n2x2+…+?茁nmxm （2）

計(jì)算出各個(gè)樣品的最終得分，然后按照最終得分排序即可。

四、實(shí)證研究

本文根據(jù)《國(guó)民經(jīng)濟(jì)行業(yè)分類》標(biāo)準(zhǔn)，選取全國(guó)20個(gè)工業(yè)行業(yè)為研究樣本（數(shù)據(jù)主要來(lái)源于國(guó)家統(tǒng)計(jì)局2012年經(jīng)濟(jì)普查材料），包括煤炭開(kāi)采和洗選業(yè)a1，石油和天然氣開(kāi)采業(yè)a2，黑色金屬礦采選業(yè)a3，有色金屬礦采選業(yè)a4，非金屬礦采選業(yè)a5，其他采礦業(yè)a6，農(nóng)副食品加工業(yè)a7，食品制造業(yè)a8，酒、飲料和精制茶制造業(yè)a9，煙草制品業(yè)a10，紡織業(yè)a11，紡織服裝、服飾業(yè)a12，皮革、毛皮、羽毛及其制品和制鞋業(yè)a13，木材加工及木、竹、藤、棕、草制品業(yè)a14，家具制造業(yè)a15，造紙和紙制品業(yè)a16，印刷和記錄媒介復(fù)制業(yè)a17，文教、工美、體育和娛樂(lè)用品制造業(yè)a18，石油加工、煉焦及核燃料加工業(yè)a19，化學(xué)原料及化學(xué)制品制造業(yè)a20。按照上文所建立的指標(biāo)體系，利用從國(guó)家統(tǒng)計(jì)局所得的數(shù)據(jù)，計(jì)算出這20個(gè)行業(yè)在這些指標(biāo)上所對(duì)應(yīng)的數(shù)值，從而得到表2中的數(shù)據(jù)。

（一）對(duì)樣本進(jìn)行適用性檢驗(yàn)

通過(guò)因子分析法對(duì)樣本進(jìn)行KMO和Bartletts球形檢驗(yàn)，當(dāng)KMO值越大時(shí)，代表變量間的共同因素越多，越適合進(jìn)行因素分析；當(dāng)KMO<0.5時(shí)，則表示不宜進(jìn)行因素分析。而B(niǎo)artletts球形檢驗(yàn)用于檢驗(yàn)各變量是否各自獨(dú)立。通過(guò)對(duì)上述數(shù)據(jù)進(jìn)行因子分析可得，KMO值為0.669，Bartletts球形檢驗(yàn)表明顯著性水平為0.000，因此可知該樣本適合進(jìn)行因子分析（表3）。

（二）主因子的確定

依據(jù)累計(jì)貢獻(xiàn)率大于80%和因子特征值大于1的原則，從10個(gè)指標(biāo)中提取出3個(gè)主要因子，通過(guò)這3個(gè)主要因子來(lái)替代原來(lái)的指標(biāo)所包含的信息，從而可以簡(jiǎn)化行業(yè)成長(zhǎng)性的評(píng)估過(guò)程。根據(jù)表4可知，筆者所提取的這3個(gè)主要因子的累計(jì)方差貢獻(xiàn)率為91.310%，即能反映總體信息的91.310%，丟失的信息比較少，可信度高，可以很好地反映總體信息。

（三）因子的旋轉(zhuǎn)

為了更好地對(duì)所求出的主成分進(jìn)行命名，對(duì)原數(shù)據(jù)進(jìn)行最大方差旋轉(zhuǎn)，根據(jù)旋轉(zhuǎn)后得到的表5可以看出，第一個(gè)主成分主要由5個(gè)觀測(cè)變量決定，可以將其命名為穩(wěn)定成長(zhǎng)因子；第二個(gè)主成分主要由3個(gè)觀測(cè)變量決定，可以將其命名為運(yùn)作效率因子；第三個(gè)主成分主要由2個(gè)觀測(cè)變量決定，可以將其命名為成長(zhǎng)性因子。

（四）計(jì)算最終得分

為了將各行業(yè)成長(zhǎng)性進(jìn)行科學(xué)分類和進(jìn)一步評(píng)價(jià)，對(duì)3個(gè)因子采用默認(rèn)的回歸法計(jì)算因子得分，并以3個(gè)主因子各自的貢獻(xiàn)率在累計(jì)貢獻(xiàn)率中的比重為權(quán)數(shù)加權(quán)，其公式為：

Z=0.46156F1+0.26710F2+0.18445F3，可求得綜合得分Z，然后按照降序排列，則得到各行業(yè)成長(zhǎng)性由高到低的排列名次，如表6所示。

（五）評(píng)價(jià)結(jié)果分析

為了能更加清晰、直觀地了解我國(guó)各行業(yè)成長(zhǎng)性的分布情況，可以將其分為三類：

第一類是具有很強(qiáng)成長(zhǎng)性的行業(yè)，以綜合得分大于0.5為界。主要有a14、a7、a5、a4。這一類行業(yè)是在未來(lái)非常看好的行業(yè)，是企業(yè)進(jìn)行業(yè)務(wù)擴(kuò)展或個(gè)人在行業(yè)選擇方面都應(yīng)該重點(diǎn)考慮的對(duì)象，是值得時(shí)刻關(guān)注的。

第二類是具有一定成長(zhǎng)性的行業(yè)，以綜合得分大于0為界。主要有a19、a8、a20、a9、a2、a3、a1、a13。這一類行業(yè)在未來(lái)有一定的行業(yè)成長(zhǎng)性，與第一類相比較弱，企業(yè)和個(gè)人可以關(guān)注這一類行業(yè)的發(fā)展?fàn)顩r，未來(lái)也有可能受到一系列因素的影響發(fā)展成為高成長(zhǎng)性的行業(yè)。所以也應(yīng)該關(guān)注一類行業(yè)的發(fā)展 狀況。

第三類是不具有成長(zhǎng)性的行業(yè)，以綜合得分小于0為界。主要有：a15、a11、a12、a16、a10、a18、a17、a6。因此，當(dāng)企業(yè)和個(gè)人想進(jìn)入這樣一些行業(yè)的時(shí)候要慎重考慮，尤其是企業(yè)，考慮到投資周期較長(zhǎng)，而且成本較大，應(yīng)該盡量回避在這些行業(yè)進(jìn)行業(yè)務(wù)擴(kuò)展。

五、結(jié)束語(yǔ)

我國(guó)行業(yè)的成長(zhǎng)性還有很大的研究?jī)r(jià)值，主要從兩個(gè)方面來(lái)加以完善：其一是建立一套動(dòng)態(tài)變化的指標(biāo)體系來(lái)反映行業(yè)的成長(zhǎng)性，這樣可以有效排除指標(biāo)體系的主觀性，得到更加客觀的結(jié)果；其二是可以從財(cái)務(wù)與非財(cái)務(wù)指標(biāo)相結(jié)合的角度來(lái)評(píng)價(jià)行業(yè)成長(zhǎng)性，這樣可以更加準(zhǔn)確地反映行業(yè)的成長(zhǎng)性?！?/p>

【參考文獻(xiàn)】

［1］ 劉倩.基于主成分聚類分析的中小企業(yè)成長(zhǎng)性研究［J］. 統(tǒng)計(jì)與決策，2011（16）：75-81.

［2］ 劉曜，史爽.中小板上市公司成長(zhǎng)性影響因素的驗(yàn)證分析［J］.統(tǒng)計(jì)與決策，2011（1）：32-38.

［3］ 彭憶，謝格.我國(guó)創(chuàng)業(yè)板高科技企業(yè)成長(zhǎng)性實(shí)證研究［J］.商場(chǎng)現(xiàn)代化，2012（13）：48-55.

［4］ 張濤，李宛融，于波.基于行業(yè)成長(zhǎng)性的商業(yè)銀行信貸策略選擇的方法與實(shí)證研究——以黑龍江省裝備制造業(yè)為例［J］. 商業(yè)經(jīng)濟(jì). 2013（6）：73-79.

［5］ Lieach A.M，Ruiz Diaz D.A，Mengel D.B. Interpreting Relationships between Soil Variables and Soybean Iron Deficiency using Factor Analysis［J］. Soil Science Society of America Journal，2012（76）：1311-1318.

［6］ Nakamura T，Ohashi H. Effects of re-invention on industry growth and productivity: evidence from steel refining technology in Japan,1957-1968［J］. Economics of Innovation and New Technology， 2012，21（4）：411-426.

（一）對(duì)樣本進(jìn)行適用性檢驗(yàn)

通過(guò)因子分析法對(duì)樣本進(jìn)行KMO和Bartletts球形檢驗(yàn)，當(dāng)KMO值越大時(shí)，代表變量間的共同因素越多，越適合進(jìn)行因素分析；當(dāng)KMO<0.5時(shí)，則表示不宜進(jìn)行因素分析。而B(niǎo)artletts球形檢驗(yàn)用于檢驗(yàn)各變量是否各自獨(dú)立。通過(guò)對(duì)上述數(shù)據(jù)進(jìn)行因子分析可得，KMO值為0.669，Bartletts球形檢驗(yàn)表明顯著性水平為0.000，因此可知該樣本適合進(jìn)行因子分析（表3）。

（二）主因子的確定

依據(jù)累計(jì)貢獻(xiàn)率大于80%和因子特征值大于1的原則，從10個(gè)指標(biāo)中提取出3個(gè)主要因子，通過(guò)這3個(gè)主要因子來(lái)替代原來(lái)的指標(biāo)所包含的信息，從而可以簡(jiǎn)化行業(yè)成長(zhǎng)性的評(píng)估過(guò)程。根據(jù)表4可知，筆者所提取的這3個(gè)主要因子的累計(jì)方差貢獻(xiàn)率為91.310%，即能反映總體信息的91.310%，丟失的信息比較少，可信度高，可以很好地反映總體信息。

（三）因子的旋轉(zhuǎn)

為了更好地對(duì)所求出的主成分進(jìn)行命名，對(duì)原數(shù)據(jù)進(jìn)行最大方差旋轉(zhuǎn)，根據(jù)旋轉(zhuǎn)后得到的表5可以看出，第一個(gè)主成分主要由5個(gè)觀測(cè)變量決定，可以將其命名為穩(wěn)定成長(zhǎng)因子；第二個(gè)主成分主要由3個(gè)觀測(cè)變量決定，可以將其命名為運(yùn)作效率因子；第三個(gè)主成分主要由2個(gè)觀測(cè)變量決定，可以將其命名為成長(zhǎng)性因子。

（四）計(jì)算最終得分

為了將各行業(yè)成長(zhǎng)性進(jìn)行科學(xué)分類和進(jìn)一步評(píng)價(jià)，對(duì)3個(gè)因子采用默認(rèn)的回歸法計(jì)算因子得分，并以3個(gè)主因子各自的貢獻(xiàn)率在累計(jì)貢獻(xiàn)率中的比重為權(quán)數(shù)加權(quán)，其公式為：

Z=0.46156F1+0.26710F2+0.18445F3，可求得綜合得分Z，然后按照降序排列，則得到各行業(yè)成長(zhǎng)性由高到低的排列名次，如表6所示。

（五）評(píng)價(jià)結(jié)果分析

為了能更加清晰、直觀地了解我國(guó)各行業(yè)成長(zhǎng)性的分布情況，可以將其分為三類：

第一類是具有很強(qiáng)成長(zhǎng)性的行業(yè)，以綜合得分大于0.5為界。主要有a14、a7、a5、a4。這一類行業(yè)是在未來(lái)非?？春玫男袠I(yè)，是企業(yè)進(jìn)行業(yè)務(wù)擴(kuò)展或個(gè)人在行業(yè)選擇方面都應(yīng)該重點(diǎn)考慮的對(duì)象，是值得時(shí)刻關(guān)注的。

第二類是具有一定成長(zhǎng)性的行業(yè)，以綜合得分大于0為界。主要有a19、a8、a20、a9、a2、a3、a1、a13。這一類行業(yè)在未來(lái)有一定的行業(yè)成長(zhǎng)性，與第一類相比較弱，企業(yè)和個(gè)人可以關(guān)注這一類行業(yè)的發(fā)展?fàn)顩r，未來(lái)也有可能受到一系列因素的影響發(fā)展成為高成長(zhǎng)性的行業(yè)。所以也應(yīng)該關(guān)注一類行業(yè)的發(fā)展 狀況。

第三類是不具有成長(zhǎng)性的行業(yè)，以綜合得分小于0為界。主要有：a15、a11、a12、a16、a10、a18、a17、a6。因此，當(dāng)企業(yè)和個(gè)人想進(jìn)入這樣一些行業(yè)的時(shí)候要慎重考慮，尤其是企業(yè)，考慮到投資周期較長(zhǎng)，而且成本較大，應(yīng)該盡量回避在這些行業(yè)進(jìn)行業(yè)務(wù)擴(kuò)展。

五、結(jié)束語(yǔ)

我國(guó)行業(yè)的成長(zhǎng)性還有很大的研究?jī)r(jià)值，主要從兩個(gè)方面來(lái)加以完善：其一是建立一套動(dòng)態(tài)變化的指標(biāo)體系來(lái)反映行業(yè)的成長(zhǎng)性，這樣可以有效排除指標(biāo)體系的主觀性，得到更加客觀的結(jié)果；其二是可以從財(cái)務(wù)與非財(cái)務(wù)指標(biāo)相結(jié)合的角度來(lái)評(píng)價(jià)行業(yè)成長(zhǎng)性，這樣可以更加準(zhǔn)確地反映行業(yè)的成長(zhǎng)性?！?/p>

【參考文獻(xiàn)】

［1］ 劉倩.基于主成分聚類分析的中小企業(yè)成長(zhǎng)性研究［J］. 統(tǒng)計(jì)與決策，2011（16）：75-81.

［2］ 劉曜，史爽.中小板上市公司成長(zhǎng)性影響因素的驗(yàn)證分析［J］.統(tǒng)計(jì)與決策，2011（1）：32-38.

［3］ 彭憶，謝格.我國(guó)創(chuàng)業(yè)板高科技企業(yè)成長(zhǎng)性實(shí)證研究［J］.商場(chǎng)現(xiàn)代化，2012（13）：48-55.

［4］ 張濤，李宛融，于波.基于行業(yè)成長(zhǎng)性的商業(yè)銀行信貸策略選擇的方法與實(shí)證研究——以黑龍江省裝備制造業(yè)為例［J］. 商業(yè)經(jīng)濟(jì). 2013（6）：73-79.

［5］ Lieach A.M，Ruiz Diaz D.A，Mengel D.B. Interpreting Relationships between Soil Variables and Soybean Iron Deficiency using Factor Analysis［J］. Soil Science Society of America Journal，2012（76）：1311-1318.

［6］ Nakamura T，Ohashi H. Effects of re-invention on industry growth and productivity: evidence from steel refining technology in Japan,1957-1968［J］. Economics of Innovation and New Technology， 2012，21（4）：411-426.

（一）對(duì)樣本進(jìn)行適用性檢驗(yàn)

通過(guò)因子分析法對(duì)樣本進(jìn)行KMO和Bartletts球形檢驗(yàn)，當(dāng)KMO值越大時(shí)，代表變量間的共同因素越多，越適合進(jìn)行因素分析；當(dāng)KMO<0.5時(shí)，則表示不宜進(jìn)行因素分析。而B(niǎo)artletts球形檢驗(yàn)用于檢驗(yàn)各變量是否各自獨(dú)立。通過(guò)對(duì)上述數(shù)據(jù)進(jìn)行因子分析可得，KMO值為0.669，Bartletts球形檢驗(yàn)表明顯著性水平為0.000，因此可知該樣本適合進(jìn)行因子分析（表3）。

（二）主因子的確定

依據(jù)累計(jì)貢獻(xiàn)率大于80%和因子特征值大于1的原則，從10個(gè)指標(biāo)中提取出3個(gè)主要因子，通過(guò)這3個(gè)主要因子來(lái)替代原來(lái)的指標(biāo)所包含的信息，從而可以簡(jiǎn)化行業(yè)成長(zhǎng)性的評(píng)估過(guò)程。根據(jù)表4可知，筆者所提取的這3個(gè)主要因子的累計(jì)方差貢獻(xiàn)率為91.310%，即能反映總體信息的91.310%，丟失的信息比較少，可信度高，可以很好地反映總體信息。

（三）因子的旋轉(zhuǎn)

為了更好地對(duì)所求出的主成分進(jìn)行命名，對(duì)原數(shù)據(jù)進(jìn)行最大方差旋轉(zhuǎn)，根據(jù)旋轉(zhuǎn)后得到的表5可以看出，第一個(gè)主成分主要由5個(gè)觀測(cè)變量決定，可以將其命名為穩(wěn)定成長(zhǎng)因子；第二個(gè)主成分主要由3個(gè)觀測(cè)變量決定，可以將其命名為運(yùn)作效率因子；第三個(gè)主成分主要由2個(gè)觀測(cè)變量決定，可以將其命名為成長(zhǎng)性因子。

（四）計(jì)算最終得分

為了將各行業(yè)成長(zhǎng)性進(jìn)行科學(xué)分類和進(jìn)一步評(píng)價(jià)，對(duì)3個(gè)因子采用默認(rèn)的回歸法計(jì)算因子得分，并以3個(gè)主因子各自的貢獻(xiàn)率在累計(jì)貢獻(xiàn)率中的比重為權(quán)數(shù)加權(quán)，其公式為：

Z=0.46156F1+0.26710F2+0.18445F3，可求得綜合得分Z，然后按照降序排列，則得到各行業(yè)成長(zhǎng)性由高到低的排列名次，如表6所示。

（五）評(píng)價(jià)結(jié)果分析

為了能更加清晰、直觀地了解我國(guó)各行業(yè)成長(zhǎng)性的分布情況，可以將其分為三類：

第一類是具有很強(qiáng)成長(zhǎng)性的行業(yè)，以綜合得分大于0.5為界。主要有a14、a7、a5、a4。這一類行業(yè)是在未來(lái)非常看好的行業(yè)，是企業(yè)進(jìn)行業(yè)務(wù)擴(kuò)展或個(gè)人在行業(yè)選擇方面都應(yīng)該重點(diǎn)考慮的對(duì)象，是值得時(shí)刻關(guān)注的。

第二類是具有一定成長(zhǎng)性的行業(yè)，以綜合得分大于0為界。主要有a19、a8、a20、a9、a2、a3、a1、a13。這一類行業(yè)在未來(lái)有一定的行業(yè)成長(zhǎng)性，與第一類相比較弱，企業(yè)和個(gè)人可以關(guān)注這一類行業(yè)的發(fā)展?fàn)顩r，未來(lái)也有可能受到一系列因素的影響發(fā)展成為高成長(zhǎng)性的行業(yè)。所以也應(yīng)該關(guān)注一類行業(yè)的發(fā)展 狀況。

第三類是不具有成長(zhǎng)性的行業(yè)，以綜合得分小于0為界。主要有：a15、a11、a12、a16、a10、a18、a17、a6。因此，當(dāng)企業(yè)和個(gè)人想進(jìn)入這樣一些行業(yè)的時(shí)候要慎重考慮，尤其是企業(yè)，考慮到投資周期較長(zhǎng)，而且成本較大，應(yīng)該盡量回避在這些行業(yè)進(jìn)行業(yè)務(wù)擴(kuò)展。

五、結(jié)束語(yǔ)

我國(guó)行業(yè)的成長(zhǎng)性還有很大的研究?jī)r(jià)值，主要從兩個(gè)方面來(lái)加以完善：其一是建立一套動(dòng)態(tài)變化的指標(biāo)體系來(lái)反映行業(yè)的成長(zhǎng)性，這樣可以有效排除指標(biāo)體系的主觀性，得到更加客觀的結(jié)果；其二是可以從財(cái)務(wù)與非財(cái)務(wù)指標(biāo)相結(jié)合的角度來(lái)評(píng)價(jià)行業(yè)成長(zhǎng)性，這樣可以更加準(zhǔn)確地反映行業(yè)的成長(zhǎng)性?！?/p>

【參考文獻(xiàn)】

［1］ 劉倩.基于主成分聚類分析的中小企業(yè)成長(zhǎng)性研究［J］. 統(tǒng)計(jì)與決策，2011（16）：75-81.

［2］ 劉曜，史爽.中小板上市公司成長(zhǎng)性影響因素的驗(yàn)證分析［J］.統(tǒng)計(jì)與決策，2011（1）：32-38.

［3］ 彭憶，謝格.我國(guó)創(chuàng)業(yè)板高科技企業(yè)成長(zhǎng)性實(shí)證研究［J］.商場(chǎng)現(xiàn)代化，2012（13）：48-55.

［4］ 張濤，李宛融，于波.基于行業(yè)成長(zhǎng)性的商業(yè)銀行信貸策略選擇的方法與實(shí)證研究——以黑龍江省裝備制造業(yè)為例［J］. 商業(yè)經(jīng)濟(jì). 2013（6）：73-79.

［5］ Lieach A.M，Ruiz Diaz D.A，Mengel D.B. Interpreting Relationships between Soil Variables and Soybean Iron Deficiency using Factor Analysis［J］. Soil Science Society of America Journal，2012（76）：1311-1318.

［6］ Nakamura T，Ohashi H. Effects of re-invention on industry growth and productivity: evidence from steel refining technology in Japan,1957-1968［J］. Economics of Innovation and New Technology， 2012，21（4）：411-426.