林业类上市公司经营绩效评价分析.doc

林业类上市公司经营绩效评价分析.doc

ID:61768137

大小:30.50 KB

页数:5页

时间:2021-03-19

林业类上市公司经营绩效评价分析.doc_第1页
林业类上市公司经营绩效评价分析.doc_第2页
林业类上市公司经营绩效评价分析.doc_第3页
林业类上市公司经营绩效评价分析.doc_第4页
林业类上市公司经营绩效评价分析.doc_第5页
资源描述:

《林业类上市公司经营绩效评价分析.doc》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、林业类上市公司经营绩效评价分析摘要:以13家样本上市公司为研究对象,根据2018年年报数据,采用因子分析方法对盈利能力、营运能力、偿债能力和发展能力进行经营绩效评价。结果表明:①从盈利能力来看,我国大部分林业类上市公司都处于亏损的局面,仅少数上市公司创造出盈利的业绩额;②从营运能力来看,林业类上市公司普遍资产运营效率不高,营运能力的管理效率还有待提升;③从偿债能力来看,林业类上市公司的偿债能力都普遍提升;④从发展能力来看,林业类上市公司在林产品的结构和种类方面还存在较多缺陷,研发技术投入量不足;⑤从综合绩效方面来看,大部分林业类上市公司的经营绩效不太乐观。关键词:林业上市公司

2、;经营绩效;因子分析方法;评价指标林业产业是符合经济社会高质量发展的重要产业,在生态文明建设中具有基础性作用。林业上市公司作为整个林业行业的代表企业和推进林业产业发展的中坚力量,其经营绩效的高低直接影响到林业产业的持续健康发展[1]。林业上市公司以森林这一特殊资源作为经营基础,呈现核心竞争力差、资金需求量大、经营周期长、抗风险能力较弱等特点[2],大部分上市公司经营绩效表现欠佳。对林业上市公司的绩效进行科学合理地评价,找到制约经营绩效的关键因素,对于林业产业发展具有重要的实践意义。国内已有文献以年份时点或时间段数据,采用因子分析方法或主成分分析法、数据包络分析(DEA)及拓展

3、方法对林业上市公司经营绩效开展研究,得出林业类上市公司盈利能力低、整体财务风险较大[3],多数林业上市公司经营绩效差、总体经营绩效偏低[4-6],福建金森、德尔家居和丰林集团2013年盈利能力居前三名,ST景谷盈利能力排名最后[7]等结果。国外对经营绩效评价多使用杜邦分析方法、平衡记分卡、经济附加值分析等,试图将财务指标和非财务绩效指标相结合,但存在适用性问题。现有研究存在因子分析方法的指标选择差异导致经营绩效评价结果差异较大,数据包络分析(DEA)忽略经营过程、效率分析过于抽象等局限。针对上述问题,本文选择2018年13家样本公司为研究对象,运用因子分析方法构建经营绩效评价

4、模型,对绩效评价结果进行具体分析,并提出相应的对策建议。5学海无涯1林业类上市公司经营绩效指标和评价方法的选取1.1经营绩效指标的选取。林业类上市公司经营绩效不仅仅反映在盈利能力财务指标上,营运能力、偿债能力和发展能力都是反映经营绩效水平的财务指标。虽然林业企业具有经济绩效、生态绩效和社会绩效,但作为上市公司,如果不能取得经济绩效,其他绩效也无从谈起,所以,本文重点关注经济绩效。借鉴已有研究的评价指标选择结果[7],本文盈利能力指标主要选择了主营业务利润率、盈余现金保障倍数和成本费用利润率,营运能力指标选择了存货周转率和流动资产周转率,偿债能力指标选择了流动比率和速动比率,发

5、展能力指标选择了净资产增长率、三年利润平均增长率和三年资本平均增长率,总共10个指标来测度评价综合绩效。1.2经营绩效评价方法的选取。已有研究对经营绩效评价使用较多的方法有层次分析法、因子分析法、数据包络分析法(DEA)等[5]。但是通过数据包络分析(DEA)进行投入产出效率分析时,投入指标与产出指标之间具有直接相关性不强,林业企业的异质性导致决策单元测出的相对效率不具有可比性,而层次分析法在指标权重的确定上主观性较强。本文采用的因子分析法通过比较分析变量间的关联信息,找出变量之间的共通点,用简化的少数“因子”涵盖多元变量的大部分信息,找到影响经营绩效的关键因素,从而客观、全

6、面地评价经营绩效。2数据来源与评价过程5学海无涯2.1数据来源。本文数据来源于Wind数据库中2018年度沪深交易所上市13家林业类上市公司年报,选择的样本公司是ST景谷、平潭发展、福建金森、吉林森工、亿利洁能、龙净环保、岳阳林纸、东方园林、丰林集团、晨鸣纸业、铁汉生态、蒙草生态、棕榈股份。上述样本公司具有一定的代表性,既有以林业第一产业营林为主的企业,也有以林业第二产业加工制造业为主和以第三产业生态服务为主的企业。以13家林业上市公司2018年报披露的财务数据为基础,计算出10项具有代表性的绩效指标,构成了本文分析的基础。2.2因子分析方法过程。在使用因子分析方法之前,首先

7、对模型中的变量进行KMO检验和巴特利特球形检验来判断观测数据是否适合作因子分析。检验结果显示,KMO值为0.738,说明适合做因子分析。巴特利特球形度检验的近似卡方值为286.788,Sig.=0.000,小于显著性水平值0.05,表明所选取的原始变量之间存在较高的相关性,可以开展因子分析。接着通过主成分分析法提取了特征值大于1的4个公因子,各自方差贡献率为38.954%、21.774%、14.424%和11.279%,累计的总方差贡献率达到了86.431%,说明符合提取公因子的标准,提取的4个公因子已

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。