中国汽车整车制造业上市公司财务治理效率评价研究

发布时间：2020-07-05 06:59

【摘要】：近些年,在相关政策的鼓励下,在大环境的发展态势下,我国汽车制造业迅猛发展,作为国民经济的支柱产业,汽车制造业上市公司的发展备受关注,其公司财务治理效率的研究也成为热点问题。财务治理作为公司治理的核心内容,其效率的高低对于公司的发展起到至关重要的作用。目前对于财务治理的相关研究不多并且大部分集中在治理结构上,针对财务治理效率的研究还不够成熟。然而,效率是财务治理的根本目的,因此,若要对财务治理进行研究就必须进行治理效率的研究。本文在财务治理效率评价相关文献的基础之上,先对财务治理进行概念的界定,公司的财务治理是指公司董监高人员通过对公司财务权限进行规范,并且对相关活动进行安排,从而保护相关者利益最大化,实现企业目标,提升企业的经营管理效率。公司经营者的主要目标就是提高财务治理的效率。通过对其他学者对于汽车制造业财务治理效率研究成果的研究发现,大家使用的效率的研究方法有很多,本文通过对平衡计分卡、杜邦分析法、财务因素分析法、回归分析法等主要效率评价方法进行研究,分析这些方法在财务治理效率评价中的优势与不足。进行综合评价后发现,在效率的评价领域中,大家使用比较广泛的就是因子分析法和数据包络分析法。本文对比两种发放后发现这两种方法在对效率进行分析评价时都具有局限性。因子分析是通过少数变量来反映所有变量的大部分信息,由于在过程中剔除掉了一些信息,必然会导致信息的丢失。数据包络分析法是备受学者追捧的,主要是因为它不局限于单一投入和单一产出,并且不需要人为给出权重。但是这个方法也是存在缺陷的,对异常值非常敏感,是的数据不够稳定,对于同一套数据如果采用不同的方法处理会得到不同的结果。本文在此情况下引入了组合评价法,综合因子分析和数据包络分析法的数据结果得到一套更加客观的效率排名,来对样本数据进行效率评价。在之前学者的研究基础上,本文借鉴了国内外以往关于财务治理效率评价所选取的数据指标,根据因子分析和数据包络分析法在分析评价中不同的特征,分别选择了适应于相应分析方法的指标体系。根据因子分析法的特征从财务治理的5各方面选取不同指标建立了数据指标体系。由于数据包络分析法的数学模型就是对投入产出进行比值,如果使用同因子分析一样的比率指标反而会影响DEA的结果。因此本文为了每个方法对于财务治理效率评价的客观合理,选取了两套财务指标并使用上述两种发放分别对22家汽车整车制造业上市公司2013-2017年的财务治理效率进行评价。然后将得到的两套财务治理效率评价指标进行排序,先使用斯皮尔曼等级相关系数进行相关性评价,得出两种评价方法具有密切相关性的结论,在确定了相关性之后采用平均值法得出组合评价排名。并对组合评价排名最高、最低、连年增长的有代表性的企业进行了进一步的分析,给予企业提供了提高效率的参考意见。本文采用因子分析与数据包络分析法结合的组合评价方法来衡量上市公司财务治理效率,不同于之前学者仅使用数据包络单一方法的评价模式,在方法的选取上是一种创新,并且得到了较为满意的财务治理效率结果。丰富了财务治理效率的相关研究,使得财务治理效率的相关文献能够更加客观,也为我国汽车整车制造业的财务效率评价提供了参考依据。
【学位授予单位】：天津商业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F426.471;F406.72;F832.51
【图文】：

分析模型,公因子

子分析法析的主要思想是降维，即利用较少的独立公因子来客观地反信息。量有 m 个，12x ,x将原有变量用n个公因子 m nnF ,F,,F12 性组合，具体评价模型如下所示： mmmmnnmnnnnXaFaFaFXaFaFaFXaFaFaF 1122221122222111112211公式（3-1）的形式也可以表达为：X=AF+E 。在以上所述的模型中，其载，也可以理解为第 i 个原始变量所存在的负载，负载主要上。因子分析法的应用下，对变量展开评价，若无法根据分情况下，此时可选择使用旋转变换法，让公因子系数倾向于将可实现。具体模型如下：

第四章基于因子分析法对汽车整车制造业上市公司财务治理效率评价存货周转率 1.000 0.531总资产周转率 1.000 0.767流动资产周转率 1.000 0.821 4-3 表示初始共同度和提取共同度比例。共同度是提取的因子对释程度，提取的共同度大部分都在 0.7 以上，表示提取的公因子进行比较完整的解释。这 16 个指标中净利润增长率的信息保留是.6%，也就是说只有 5.4%的信丢失。这 16 个指标中有 8 个信息完外 6 个指标的信息完整度都在 60%以上，只有 2 个低于 60%，说信息丢失比较少。 4-1 是软件绘制的碎石图。根据碎石图可以看出因子 1 到因子 5 1，处于显著位置，从因子 6 到因子 17，这些因子的特征值不够于 1 以下的一条水平线上，说明他们的特征值差别都很小。因此各因子来进行后续的分析。

【相似文献】