学士学位论文--基于因子分析的钢铁行业上市公司财务综合分析与评价.doc

本 科 毕 业 论 文

基于因子分析的钢铁行业上市公司财务综合分析与评价
Based On The Factor Analysis Of Iron And Steel Industry Listed Companies Comprehensive Financial Analysis And Evaluation

学 院：
商学院
专业班级：
会计学 D会计08
学生姓名：
潘小乐
学 号：
510930131
指导教师：
戴华江（副教授）

2012 年 6 月淮海工学院本科生毕业设计（论文）诚信承诺书

1.本人郑重承诺所呈交的毕业设计（论文）是我个人在导师的指导下完成并取得的成果，同时严格遵守校、院毕业设计（论文）的规章制度。
2.本人在毕业设计（论文）中引用他人的观点和参考资料均加以注释和说明。
3.本人承诺在毕业设计（论文）选题和研究过程中没有抄袭他人成果和伪造相关数据等行为。
4.在毕业设计（论文）中对侵犯任何方面知识产权的行为，由本人承担相应的法律责任。

毕业设计（论文）作者签名：

年 月 日
毕业论文中文摘要

基于因子分析的钢铁行业上市公司财务综合分析与评价

摘 要：随着经济的飞速发展，企业的利益相关者越来越注重企业的财务分析结果。本文选用38家上市的钢铁公司2011年度财务报表数据,对钢铁行业上市公司盈利能力、营运能力、偿债能力、发展能力和现金流量五个方面的12个财务指标进行了因子分析。分析结论是：金岭矿业、鲁银投资和大冶特钢的综合排名较前，排在前三位，说明三家企业的综合能力较强；而鞍钢股份、韶钢松山和重庆钢铁的综合排名较后，排在了倒数三位，说明与其他企业相比其综合能力较差。最后根据分析的实际情况提出了改进意见。
关键词：钢铁行业；上市公司；因子分析；财务分析

毕业论文外文摘要

Based On The Factor Analysis Of Iron And Steel Industry Listed Companies Comprehensive Financial Analysis And Evaluation

Abstract: With the rapid development of economy, the stakeholders of enterprises pay more and more attention to the enterprise financial analysis results. This paper selects38 listed Steel Corp in the 2011annual financial report data, on the iron and steel industry listing Corporation profitability, operation ability, debt paying ability, development ability and cash flow in five aspects of12 financial index factor analysis. The analysis conclusion is: Jinling mining, good investment and Daye special steel integrated top, top three, three of enterprises comprehensive ability; and Angang Steel Company, Chongqing iron and steel SGIS and comprehensive ranking of later, ranked in the bottom three, and other enterprises compared to its comprehensive ability of the poor.Finally according to the analysis of the actual situation puts forward suggestions for improvement.
Keywords: Eteel industry；Listed companies；Factor analysis；Financial analysis

目 录

1 引言 1
1.1 研究背景 1
1.2 研究意义 1
2 因子分析理论基础概述及文献综述 2
2.1因子分析基本原理 2
2.2因子分析程序 2
2.3文献综述 3
3 钢铁行业上市公司的财务综合分析与评价 5
3.1数据来源及财务分析指标选择 5
3.2 钢铁行业上市公司财务状况因子分析 7
3.3钢铁行业上市公司因子分析结果的评价 16
4 钢铁行业上市公司发展的改进意见 18
结论 19
参 考 文 献 20
附表 22
致　谢 26

附表清单：

附表1 原始数据表………………………………………………………………… 1
附表2 因子分析相关表…………………………………………………………… 2

淮海工学院二〇一二届本科毕业论文 第 25 页 共 32页
1　引言
随着社会经济的不断发展，企业的规模日益扩大，企业外部理财环境也是变化多端，企业财务活动越来越复杂，财务分析也随之越来越重要，越来越为企业管理者所重视。社会主义市场经济的发展，使更多的企业外部利益相关者如债权人、投资者需要关注企业的财务安全，需要对影响投资报酬与投资风险的重大因素进行分析，需要对企业的发展的潜能进行评估，才能有针对性地调整或改进企业财务状况，才能最有效地利用资本市场改善企业的发展状况。
我国的钢铁行业是我国的支柱产业，市面上现在有不计其数的钢铁上市公司，要在这么激烈的竞争环境下生存下来企业势必要知己知彼，尤其是对自己的经营状况有一个很好的了解。要想做到这一点就要对其各项财务指标进行系统的分析，对企业进行综合财务分析，得到真实可靠的会计信息，为企业的投资者、债权人做出决策提供依据。
本文通过对财经网上38家（除*ST广钢，因为其亏损严重，存在被迫退市风险，没有研究的意义跟实际价值）行业上市公司2011年度各项财务指标运用因子分析作出财务综合分析与评价，为各大钢铁行业能够更好的立足于这个激烈的竞争行业提供重要信息以及改进的意见和建议。
1.1　研究背景
钢铁产业是我国国民经济的重要支柱产业，涉及面广、产业关联度高、拉动消费幅度大，在经济建设和社会发展方面都发挥着重要作用。我国既是钢铁生产的大国，又是消费大国，粗钢的产量连续多年都居于世界第一位。进入21世纪以来，我国钢铁产业发展迅速，粗钢产量年均增长21.1%，这对于其他国家来说是很难超越的。即使是达到这么高的产量，钢铁产品基本也只能满足国内需要。同时也不要看我国钢铁产品只有产量而已，部分关键品种达到国际先进水平。钢铁产业有力支撑和带动了相关产业的发展，促进了社会就业，对保障国民经济又好又快发展做出了重要贡献。对钢铁行业上市公司财务进行综合分析与评价，有利于钢铁类公司看到自已在行业中的定位，明白自己的优势与不足；也有利于债权人和投资人更好的进行投资决策，这样才能够进一步推动经济的发展。
1.2 研究意义
我们基本上是从企业公布的财务报告和财务报表分析中了解一个企业的经营状况和发展状况的。
然而能够反映一个企业经营状况和未来发展态势的财务指标有很多很多，这样就会让人陷入混乱不清的境地。所以在实际工作中，人们就希望用较少的财务指标来代替原有的很多的财务指标，而且依然能够很好、很完整的反映企业原有的信息，而因子分析就解决了这个问题。因为因子分析就是从研究相关矩阵内部的依赖关系出发，把一些具体的错综复杂的变量归结为少数几个综合因子的一种多变量统计分析方法。
所以我们必须从客观、全面的方向选择合适的财务指标，以公开披露的信息为依据，来综合反映本企业的现实状况和未来的发展状况。
2　因子分析理论概述与文献综述
2.1　因子分析基本原理
到目前为止，随着经济的飞速发展，为了适应现实的状况，就会出现不同的财务分析方法，比如：杜邦分解法、因素分析法、主成份分析，因子分析等等。而因子分析方法就是主成分分析方法的一种延续和发展，解决了由于财务指标过多而造成混乱不清的状况。其目的是用有限个不可观测的隐变量来解释原始变量之间的相关关系。
因子分析就是从研究相关矩阵内部的依赖关系出发，把一些具体的错综复杂的变量归结为少数几个综合因子的一种多变量统计分析方法。在近年来，因子分析运用于各种不同的领域，比如心理学、医学、地质等等。可谓是一种相当不错的研究方法，也为不同领域的发展做出一定的贡献。
因子分析主要用于：(1)、减少分析变量个数；(2)、通过对变量间相关关系探测，将原始变量进行分类。即将相关性高的变量分为一组，用共性因子代替该组变量。
2.2　因子分析程序
每一种财务分析方法都有属于自己的独有的一套分析程序，因子分析方法也不例外。以下是因子分析的具体步骤：
第一步：对原始数据进行标准化处理。消除由于观测量纲的差异及数量级所造成的影响。先对数据进行正向化然后使用SPSS软件进行标准化得出标准化数据。使标准化后的变量的均值服从标准正态分布，是各财务比率指标之间具有可比性。
第二步：计算相关系数矩阵R并进行相关性检验。相关系数可反映指标间信息重叠的程度，其值越大，信息重叠的程度越高。
第三步：利用数据矩阵，计算其特征值、特征向量、贡献率。
第四步：公共因子。计算因子载荷矩阵中的所有F对X的方差贡献，衡量公共因子的相对重要性。将所有的方差贡献进行排序，就可以依次提炼出最有影响的公共因子。
第五步：因子旋转。建立因子分析的模型的目的不仅仅在于找出公共因子，更重要的是懂得每个公共因子的意义，以便对实际问题进行财务分析。
第六步：计算因子得分及综合得分。根据因子得分系数矩阵，采用回归法估计出各因子得分。以各因子的方差贡献率占累计方差贡献率的比重作为权重计算综合分值。
为了能够更加直观的了解因子分析程序的流程，我们可以看以下因子分析流程图：
选取原始变量

求相关矩阵

大多数简单相关系数>1

其他分析

主成份法

求公因子及载荷矩阵

其他方法
公因子轴法
极大似然法
深入分析
因子得分
因子旋转
斜交旋转
正交旋转

图一 因子分析程序图
2.3　文献综述
顾文炯(2005)运用了因子分析技术，选用2004年农业上市公司财务报表数据为依据，将选取了销售净利率，股东权益比，应收账款周转率，流动比率等15项财务指标归结为几个不相关的综合因子对我国农业上市公司的经营状况进行综合分析，从中我们可以清晰的看出各大农业上市公司在本行业中的具体定位，找出各自的优劣所在，为上市公司相关利益者投资决策提供依据，再者还提醒各企业在进行综合分析时一定要根据自身的实际情况。实证分析研究显示出因子分析是一种有效的综合财务分析方法。
陈建国，谭颖贤（2007）遵循客观性、全面性、重要性三个原则选取了每股收益、总资产周转率、流动比率、资产负债率等12个主要财务指标对房地产上市公司2006年的财务状况进行分析。就地区来看，深圳、广州和上海的房地产企业发展较好，这说明房地产行业与经济发展紧密相关，如果没有了经济的支撑，那么房地产行业的发展就无从谈起。通过这个因子分析，可以清楚看清不同房地产公司的盈利能力、经营状况、运营能力和发展前景，让企业管理者能够尽早发现自身具体的不足与优势；同时投资者可以依此找到恰当的投资对象。
罗盛， 陈景武，马峻岭（2007）将因子分析的方法运用于研究各种恶性肿瘤死亡率间内在联系及地区分布特点。把多项指标归结为4个公共因子对山东省某县的死亡率因素进行研究，不同肿瘤死亡率可能存在共同的支配因子，而且不同的地区有不同的特点，可从各因子得分较高的地区入手，进行流行病学调查，以发现具体影响因素，采取相应的防治措施以降低肿瘤死亡率。 这为深入开展恶性肿瘤的病因研究提供线索。由此可见，因子分析不管在什么行业，运用于不同领域的研究都是一种有效的、不错的选择。
纪燕霞，马江红，于晓明（2009）用因子分析对上市银行2008年的业绩进行综合评价。将每股收益、每股净资产、股东权益比率、现金净流量等12个财务指标归结为3个公共因子对上市银行进行分析得知各大银行在各项能力上的优劣情况，投资者可以直观的进行判断，而银行本身也应保持自己的优势，对于相对比较薄弱的地方应多加重视，弥补其不足，从而进一步提高企业的综合竞争力。
霍卫峰，李激扬，于吉红，徐如人（2010）利用因子分析方法对数据进行预处理来针对微孔晶体化合物的定向合成的问题。因为一些传统的方法并不理想，比如在确定因子重要性的时候一般会采用逐步回归的方法，效果其实不太好。所以在本文中运用了因子分析法从保留的16个参数中提取5个公共因子，建立了神经网络预算模型的挖掘过程模式。采用了因子分析后不仅减少了训练数据的规模，缩减了复杂的过程，而且还明显提高了预测模型的预测正确率。这对于在此方向的研究具有一定的指导意义。
许如荔（2011）根据创业板上市公司的特征，构建了一套创业板上市公司绩效评价体系。从盈利能力、营运能力、股东获利能力、现金流量能力等多个方面选取了营业毛利率、流动比率、每股收益等15项财务指标，另外应实际情况还创新了创新能力指标和人力资源指标。基于因子分析进行将十多项财务指标归纳为6个主因子进行综合财务分析，从中可以看出我国创业板上市公司的发展状况以及各行业的不同表现，而其中信息技术业表现最佳，尤其是创新能力突出，为各大其他行业树立了一个典范；交通运输类企业的综合表现最差，应该加速向技术创新型企业转型。虽然文章为各类企业的未来发展提供了一些有利的建议，但是本文在单项指标的选择上还是难以克服主观性，而且考虑因素不够全面。
程翠凤（2011）采用因子分析法对江苏制造业上市公司的2009年收益质量水平进行评价。从获利性、现金保障性和持续性三个方面选取了销售毛利率、总资产现金回收率、营业利润与利润总额的比率等8个具体财务指标，并将它们归结为3个主因子进行分析。通过分析知道了江苏制造业上市公司收益质量两极化现象很明显，并且这些上市公司的EPS和EQI的排名不一致。江苏制造业上市公司收益质量出现了一定的板块分化现象。上述研究选取的财务指标有限，而且只研究了制造业上市公司的收益质量，并没有对其变化情况和发展趋势作出详细的研究。
王兰（2012）用因子分析方法对新能源行业上市公司进行经营绩效评价选取了流动比率、速动比率、资产负债率等15个财务指标对44家国内和2家国外新能源上市公司2011年度财务报表数据进行分析。得知我国新能源发展较快，具有一定的竞争优势，但是其综合实力有待增强，且盈利水平落后于发达国家的同行业，其中融资成本过高成为其综合效益差的主要原因，这让新能源行业指导自己改努力的方向。
上述有些论文所运用的财务指标有的只有一个，有的虽然有多个，但是对于庞大的数据群来说也存在一定的局限性。总之来说有些论文所选取的财务指标有些过于片面，一些宏观因素和一些特殊情况,有时是考虑不到的。所以我们进行财务分析、选取财务指标时一定要遵循全面、客观、公正的原则，这样才能得出真实、可靠的财务信息。
本文实证研究借鉴以上各位学者的研究结果，克服他们在研究过程中的不足之处，选取了具有代表性的财务指标，对我国钢铁行业上市公司2011 年度的盈利能力、偿债能力、营运能力、发展能力和现金流量进行分析，以全面，客观地评价其经营活动的业绩成果。
3　钢铁行业上市公司财务综合分析与评价
3.1　数据来源与财务指标选择
1.数据来源
本文数据以财经网上的38家已在深市、沪市公布的2011年度钢铁行业上市公司的数据为分析对象。这38家公司的名称以及股票的代码如下表所示：
表1 公司代码
序号
股票代码
上市公司
1
002541
鸿路钢构
2
000708
大冶特钢
3
600784
鲁银投资
4
002545
东方铁塔
5
000655
金岭矿业
6
000778
新兴铸管
7
600581
八一钢铁
8
601028
玉龙股份
9
600507
方大特钢
10
002318
久立特材
11
600496
精工钢构
12
002110
三钢闽光
13
002487
大金重工
14
600117
西宁特钢
15
600019
宝钢股份
16
600307
酒钢宏兴
17
000969
安泰科技
18
600126
杭钢股份
19
002443
金洲管道
20
600558
大西洋
21
000761
本钢板材
22
600231
凌钢股份
23
002359
齐星铁塔
24
600992
贵绳股份
25
600477
杭萧钢构
26
002524
光正钢构
27
002132
恒星科技
28
600782
新钢股份
29
600282
南钢股份
30
600010
包钢股份
31
000890
法尔胜
32
000932
华菱钢铁
33
600022
山东钢铁
34
600808
马钢股份
35
600165
新日恒力
36
000898
鞍钢股份
37
000717
韶钢松山
38
601005
重庆钢铁

2. 财务指标选择
财务分析是以会计核算和报告资料及其他相关资料为依据，采用一系列专门的分析技术和方法，对企业等经济组织过去和现在的有关筹资活动、投资活动、经济活动的盈利能力、营运能力、偿债能力和增长能力状况等进行分析与评价，为企业的投资者、债权者、经营者及其他关心企业的组织或个人了解企业过去、评价企业现状、预测企业未来、做出正确决策与估价提供准确的信息或依据的经济应用学科。
财务分析不仅要满足投资者、债权人等外部信息要求者的需要，而且要满足管理者、员工等内部信息需求者的需要；不仅要满足管理学理论与实务发展的需要，而且要满足经济学理论与实务发展的需要。
所以财务指标的选择必须客观、全面，这样才能够以公开披露的信息为依据综合反映企业的现实状况和未来发展状况。
本文在上述文献综述中各位专家学者的研究成果的基础之上，借鉴他们研究的精华之处，克服他们在研究中的不足之处，选取了一些具有代表性的财务指标对钢铁行业上市公司的盈利能力、营运能力、偿债能力、发展能力、现金流量等方面进行财务综合分析。所选择的财务指标如下表：
表2 上市公司财务指标
方向
财务指标
盈利能力指标
净资产收益率

销售净利润率

每股收益
营运能力指标
流动资产周转率

存货周转率

应收账款周转率
偿债能力指标
资产负债率

流动比率
发展能力指标
净资产增长率

总资产增长率
现金流量指标
资产的经营现金流量回报率

现金流量比率
3.2　钢铁行业上市公司财务状况因子分析
本文根据客观、全面、公正的原则选择了12项财务指标来体现钢铁行业上市公司的盈利能力、营运能力、偿债能力、发展能力、投资者盈利能力和现金流量的情况。为了在因子分析过程中方便对数据进行统计分析，所以我们队这12个财务指标进行设值，见下表3：
表3 上市公司财务指标
财务指标
设值
指标性质
净资产收益率
X1
正指标
销售净利润率
X2
正指标
每股收益
X3
正指标
流动资产率
X4
正指标
存货周转率
X5
正指标
应收账款周转率
X6
正指标
资产负债率
X7
适度指标
流动比率
X8
适度指标
净资产增长率
X9
正指标
总资产增长率
X10
正指标
资产的经营现金流量回报率
X11
正指标
现金流量比率
X12
正指标

4.2.1 对原始数据进行标准化处理
为了方便对财务比率进行比较，并且消除由于观测量纲和数量级的差异所造成的影响，所以有必要对原始的数据进行标准化处理，使其基本上服从(0,1)标准正态分布。但其中偿债能力中的资产负债率和流动比率是有一定的标准，资产负债率一般为50%左右，而流动比率的适度值一般为2,所以不能够直接进行标准化，需要对它们进行正向化。在本文选用的是此行业该项指标的平均值作为最优值。其正向化的公式为
X'=1/|X-A| 公式（1）
数据经过正向化后我们便可以对数据进行标准化。对于标准化我们一般采用Z—score标准化公式得到的标准化矩阵。其中标准化的公式为：
Y¡=(X¡-μ¡)/δ¡,(i=1,2，…,P) 公式(2)
Y¡—标准化变量
X¡—原始变量
μ¡—原始变量平均数
δ¡—原始变量方差
我们在本文中通过SPSS软件中的描述统计计算得出标准化矩阵。
3.2.2 计算相关系数矩阵R并进行相关性检验
相关性系数可反映指标间信息重叠的程度，其值越大，信息重叠的程度越高；反之，则越低。由原始变量的相关分析结果可以看出，这选取的12个财务指标，符合相关矩阵，且相关性较强。
再者 KMO 的值越接近于1越好，而Bartlett的相伴概率则是越小越好。从下表4的 KMO 和Bartlett的检验中可以看出：KMO 的值为0.527，因为其在统计学标准0.5之上，所以我们认为样本数据可以进行因子分析。而且Bartlett的相伴概率为0.000，小于0.05（显著性水平），我们可以确定其适合使用因子分析进行分析。
表:4 KMO 和 Bartlett 的检验
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
0.527
Bartlett's Test of Sphericity
Approx. Chi-Square
221.284

df
66

Sig.
0
3.2.3 利用数据矩阵，计算R的特征值、特征量、贡献率
在本文SPSS中我们是采用主成份法来提取因子的，得到因子分析的总变量表（如下表5）。其中因子的特征值是指该因子对总体方差的贡献，即该因子可以对总方差的解释程度。而方差贡献率是指该因子所描述的方差占原始资料总方差的比率。从表5中可以看出有5个因子满足特征值大于1的标准。它们的方差贡献率分别为26.392%、20.252%、13.151%、10.290%和9.108%，累计方差率贡献率达到了79.193%。这就说明了这5个公共因子能够覆盖原始数据所提供的79.193%的信息，接近于80%，也就是说基本上能够反映企业的大部分信息。而这5个公共因子中第一个公共因子的贡献率最大，且5个公共因子的方差贡献率呈下降的趋势。此外对于由SPSS软件生成的了下图的碎石图，我们可以从中更加明显的感受贡献率变化的趋势。
表5 因子分析的总变量
Component
Initial Eigenvalues
Extraction Sums of Squared Loadings
Rotation Sums of Squared Loadings
Total
% of Variance
Cumulative %
Total
% of Variance
Cumulative %
Total
% of Variance
Cumulative %
1
3.167
26.392
26.392
3.167
26.392
26.392
2.882
24.014
24.014
2
2.430
20.252
46.644
2.430
20.252
46.644
1.994
16.619
40.633
3
1.578
13.151
59.795
1.578
13.151
59.795
1.859
15.489
56.122
4
1.235
10.290
70.086
1.235
10.290
70.086
1.512
12.602
68.724
5
1.093
9.108
79.193
1.093
9.108
79.193
1.256
10.469
79.193
6
.756
6.296
85.490

7
.649
5.409
90.899

8
.420
3.498
94.397

9
.368
3.067
97.465

10
.155
1.289
98.753

11
.090
.752
99.505

12
.059
.495
100.000

图2 碎石图
3.2.4 公共因子
通过SPSS软件，运用主成分分析法进行提取，然后进行因子分析得出了对应各变量的5个公共因子的载荷值。我们从表6中可以看出所有的数据相差并不是太大，容易使因子的含义模糊不清，不利于我们进行分析。
表6 成分矩阵

Component

1
2
3
4
5
Zscore(VAR00001)
.811
.154
-.017
.316
.148
Zscore(VAR00002)
.770
-.099
-.531
.023
-.053
Zscore(VAR00003)
.920
.005
.146
.171
.062
Zscore(VAR00004)
.008
.784
.433
.204
-.035
Zscore(VAR00005)
.231
.892
-.071
-.175
.104
Zscore(VAR00006)
.004
.451
.352
.546
-.174
Zscore(VAR00007)
.041
.413
.160
-.428
.637
Zscore(VAR00008)
-.039
-.249
-.189
.265
.737
Zscore(VAR00009)
.593
-.429
.436
-.227
-.063
Zscore(VAR00010)
.668
-.376
.336
-.010
.004
Zscore(VAR00011)
-.344
-.240
-.118
.656
.193
Zscore(VAR00012)
.312
.410
-.762
.002
-.178
3.2.5 因子旋转
由于直接根据因子载荷阵难以看出公共因子的真正含义，我们就要利用因子旋转，才能够对每个变量在每个因子上的原始变量载荷值进行计算和分析。因子旋转的目的就是使复杂的矩阵变得更加简洁，有利于我们对主要因子进行解释和分析。本文采用最大方差法进行 Kaiser 标准化的正交旋转使公共因子的负荷系数尽量向0或1靠近，从而得出了表7的旋转成分矩阵。表中的数值就是载荷值，我们都知道载荷值越大的，说明该变量和这个因子的关系越强，作用也就越大。
表7 旋转成分矩阵

Component

1
2
3
4
5
Zscore(VAR00001)
.697
.444
.282
.089
.183
Zscore(VAR00002)
.516
.744
-.245
-.081
.024
Zscore(VAR00003)
.878
.304
.178
.066
.023
Zscore(VAR00004)
-.054
-.040
.842
.321
-.169
Zscore(VAR00005)
-.084
.451
.475
.632
-.244
Zscore(VAR00006)
.023
-.046
.796
-.133
.028
Zscore(VAR00007)
-.009
-.081
.012
.879
.077
Zscore(VAR00008)
.043
-.019
-.204
.184
.798
Zscore(VAR00009)
.783
-.254
-.222
-.022
-.232
Zscore(VAR00010)
.818
-.108
-.109
-.072
-.053
Zscore(VAR00011)
-.217
-.105
.128
-.400
.650
Zscore(VAR00012)
-.129
.922
.003
.032
-.105

对表7进一步分析得知：
公共因子F1在每股收益、净资产增长率和总资产增长率指标上的因子载荷值相对比较大。以上指标前面一个是盈利能力指标，后两个是发展能力指标。所以我们将公共因子F1定义为活力因子。一个企业的发展就是为了能够赚取更多利润，发展就是盈利的前提和基础。对于钢铁企业来说它的发展就是为了能够获取利润，要在这个竞争激烈的行业中占有一席之地，那它就要发展，在发展的基础上谋求更多的利润。
公共因子F2在销售净利润率和现金流量比率指标上的因子载荷值相对比较大。以上指标前一个是盈利能力指标，后一个是现金流量指标。所以我们将公共因子F2定义为获利因子。一个企业的发展离不开现金的周转，如果现金都周转不灵了，那么企业要想赚取利润那是难上加难。钢铁企业也是一样的，如果本公司的现金流通畅通，那么其他方面都能够很好的实现，各项资产周转也不是什么问题，而且公司赚钱利润的能力也是很好的话，那么企业要想长远发展下去就不是什么难事了。
公共因子F3在流动资产周转率和应收账款周转率指标上的因子载荷值相对比较大。以上两个指标都是反应企业营运能力的指标。所以我们将公共因子F3定义为营运因子。良好的营运能力是企业发展壮大的前提和基础。只要各方面有较好的流动性，那么企业就才能够高效有序的运转。钢铁行业上市公司如果哪天资产流转出现的问题，那么企业其他方面多多少少都会受到一些影响。企业要想高效运转从而实现利润，那良好的营运能力是必不可少的。
公共因子F4在资产负债率指标上的因子载荷值相对比较大。这是反映企业偿债能力的指标。所以我们将公共因子F4定义为偿债因子。一个企业只有拥有良好的偿债能力，这样才能够进入良性发展循环。该企业的偿债能力越强那就说明企业的效益就越好，这对于相关利益者来说就更有保障。良好的偿债能力是企业获利的重要因素之一。
公共因子F5在流动比率和资产的经营现金流量回报率指标上的因子载荷值相对比较大。以上两个指标前一个是反映企业偿债能力的指标，后一个是反映企业现金流量的指标。所以我们将公共因子F5定义为风险因子。现金流量对于一个企业各项方面的发展都具有重要的意义。如果没有很好的现金流，那么企业的各项工作都无法很好的开展，这样将会产生恶性循环。良好的现金流和偿债能力是一个企业发展壮大的前提和基础。
3.2.6 计算因子得分及综合得分
进行到这里，我们应当反过来考虑每一个样本，在统计模型上就需要将公共因子F用变量的线性组合来表示，计算因子得分。本文通过SPSS中的回归法得到每一个企业样本在不同因子上的具体的数值，也就是我们平常所说的因子得分。如下表8所示：
表8 成份得分系数矩阵

Component

1
2
3
4
5
Zscore(VAR00001)
.231
.154
.174
.009
.215
Zscore(VAR00002)
.104
.372
-.142
-.078
.027
Zscore(VAR00003)
.302
.063
.119
.006
.076
Zscore(VAR00004)
.016
-.084
.436
.088
-.053
Zscore(VAR00005)
-.061
.175
.140
.327
-.099
Zscore(VAR00006)
.046
-.050
.498
-.219
.063
Zscore(VAR00007)
.018
-.119
-.125
.666
.157
Zscore(VAR00008)
.040
-.007
-.094
.256
.671
Zscore(VAR00009)
.298
-.213
-.101
.025
-.187
Zscore(VAR00010)
.307
-.134
-.018
-.024
-.031
Zscore(VAR00011)
-.045
.006
.180
-.241
.498
Zscore(VAR00012)
-.147
.513
-.056
-.070
-.072

设F1、F2、F3、F4、F5分别是各家钢铁行业上市公司在5个因子上的得分，则有:
F1=0.231X1+0.104X2+0.302X3+0.016X4-0.061X5+0.046X6+0.018X7+0.040X8 +0.298X9+0.307X10-0.045X11-0.147X12
F2=0.154X1+0.372X2+0.063X3-0.084X4+0.175X5-0.050X6-0.119X7-0.007X8
-0.213X9-0.134X10+0.006X11+0.513X12
F3=0.174X1-0.142X2+0.119X3+0.436X4+0.140X5+0.498X6-0.125X7-0.094X8
-0.101X9-0.018X10+0.180X11-0.056X12
F4=0.009X1-0.078X2+0.006X3+0.088X4+0.327X5-0.219X6+0.666X7+0.256X8 +0.025X9-0.024X10-0.241X11-0.070X12
F5=0.215X1+0.027X2+0.076X3-0.053X4-0.099X5+0.063X6+0.157X7+0.671X8 -0.187X9-0.031X10+0.498X11-0.072X12
其中，X1、X2、X3、…、X12为各项财务指标经过了标准化处理之后的数据。再以各因子所对应的方差贡献率进行加权求和，即可得到综合评价得分F。
F=0.26392F1+0.20252F2+0.13151F3+0.10290F4+0.09108F5
各因子得分和综合得分见表9：
　　　　　　　　表9 因子得分及综合得分

F1
F2
F3
F4
F5
F
鸿路钢构
3.08
-1.22
-0.78
-