（一）成长性因素研究方法

本章在国内外现有研究的基础上，利用因子分析法和多元线性回归法来研究影响江苏省创业板上市公司成长性的内部因素。首先，在确定成长性内部影响因素指标的基础上，运用因子分析法归纳提炼出需要的主因子，然后运用多元线性回归法，找出影响创业板上市公司成长性的因素。影响创业板上市公司成长性的内部因素较多，而因子分析法可从许多相关指标中精炼出少量公因子，使研究更加具有针对性，同时因子分析法以主因子的方差贡献率作为权重来构建研究函数，从客观角度反映指标之间的相关关系，以降低人为因素的影响，使得研究结果更可靠；多元线性回归法是在对大量数据进行统计分析的基础上，用数学表达式来定量描述变量间相互关系的方法。

（二）样本选择

本章研究的是影响江苏省创业板上市公司成长性的内部因素，由于研究的需要，每一个样本个体需包含最新两年的数据，我们选取2012年以及2013年度的年报数据。江苏省截至2014年年末有48家创业板上市公司，但其中有6家是2012年12月31日之后挂牌上市的，因此选择可提供2012年及2013年年报的江苏省42家创业板上市公司作为研究样本。

（三）数据收集

选取的样本和数据均来自锐思数据库及深圳证券交易所提供的创业板上市公司的2012年、2013年年报。

（四）因子分析

以本章选取的13个指标的原始变量作为解释变量，分别为X1存货周转率、X2流动资产周转率、X3现金流量收入比、X4净资产收益率、X5每股收益、X6营业利润率、X7流动比率、X8速动比率、X9资产负债率、X10资产规模、X11研发投入比、X12本科及以上学历占比、X13研发人员占比。根据指标数据进行相应处理，运用SPSS17.0软件，采用统计方法中的因子分析法进行综合研究。主要分为以下几个步骤：

第一步，将整理好的数据输入SPSS软件，进行KMO检验和Bartlett球形检验，以确定选取的若干变量是否适合做因子分析。KMO检验可以用于检验变量间的偏相关系数是否过小；而Bartlett球形检验则可用于检验相关系数矩阵是不是单位阵，如果得出的结果sig.＜0.05，则表示各个变量都是各自独立的，可以进行接下来的操作。

表4.2　KMO检验和Bartlett球形检验结果表

从表4.2中可以看出，KMO检验结果为0.575，大于0.5，可以用选择的指标做因子分析处理；Bartlett球形检验的sig.取值为0.000，小于0.05，该结果表示拒绝原假设，认为各个变量之间不是独立的。综合以上两项测试，可以认为本研究所选取的13个指标变量适合做因子分析。

第二步，构造因子变量共同度表。我们在完成KMO检验和Bartlett球形检验后发现所选指标适合做因子分析，然后通过SPSS软件构造因子变量共同度表。该表可以给出提取公共因子前后各变量的共同度，是衡量公共因子相对重要性的指标。

表4.3　因子共同度表

续表

如表4.3所示，每一个变量的共性方差都在0.6以上，且绝大多数接近或超过0.8，这说明提取出来的公因子能够较好地反映原变量的大部分信息，适合提取公因子。

第三步，提取公因子。在提取公因子之后，通过SPSS软件构造公因子总方差解释表。表中列出了所有的主成分，并且按照特征根从大到小的次序排列，以此提取公因子并了解每个公因子的方差贡献率和累计方差贡献率。

表4.4　公因子总方差解释表

从表4.4中可以看出，变量相关矩阵的前4个因子为最大特征根，其分别为4.671、3.764、1.653、1.021，均大于1，方差的贡献率依次为35.929%、28.954%、12.713%、7.853%，而其累积贡献率为85.448%，说明这4个因子提供了能够解释13个指标中85.448%的信息，可以提供足够的原始数据信息。

第四步，因子识别。取上述4个因子建立初始因子载荷矩阵，对初始因子载荷矩阵按方差最大正交旋转法进行旋转，得到旋转后的因子载荷矩阵表，如表4.5所示。

表4.5　旋转后的因子载荷矩阵表

我们可从表4.5中得知因子1在X3（现金流量收入比）、X4（净资产收益率）、X5（每股收益）、X6（营业利润率）上有较大载荷，有3个变量都是反映企业盈利能力的指标，因此将因子1命名为盈利能力因子。因子2在X7（流动比率）、X8（速动比率）、X9（资产负债率）上有较大载荷，3个因子均反映企业的偿债能力，因此将因子2命名为偿债能力因子。因子3在X2（流动资产周转率）、X10（资产规模）、X11（研发投入比）、X12（本科及以上学历占比）、X13（研发人员占比）上有较大载荷，5个因子代表了企业规模和创新能力，因此将因子3命名为企业规模及创新能力因子。因子4在X1（存货周转率）上有较大载荷，因此将因子4命名为营运能力因子。

第五步，建立因子得分函数。运用SPSS软件得出变量的得分系数矩阵，从而得到因子得分表达式。

表4.6　因子得分系数矩阵

(www.daowen.com)

从表4.6我们可以得出因子得分系数，从而得到因子得分表达式：

（五）多元线性回归

由于企业在创业板上市的先决条件之一就是发行人应当主要经营一种业务，其生产经营活动符合法律、行政法规和公司章程的规定，符合国家产业政策及环境保护政策，因此，创业板公司的营业收入增长率可以较好地代表公司整体的成长情况。所以本章选择营业收入增长率作为成长能力的衡量指标，我们将营业收入增长率定义为Y1。

经过上面的因子分析，本研究得出了分别以偿债能力因子、营运能力因子、盈利能力因子、企业规模及创新能力因子为代表的4个因子变量，并依据因子得分系数表建立了因子得分表达式。接下来以营业收入增长率作为因变量，以F1、F2、F3、F4分别代表盈利能力因子、偿债能力因子、企业规模及创新能力因子、营运能力因子4个因子变量作为自变量，建立以下回归模型：

Y＝α0＋α1 F1＋α2 F2＋α3 F3＋α4 F4＋ε

对数据进行收集整理，运用SPSS软件构建多元线性回归模型，并进行以Y1作为成长性指标的多元回归。

第一步，确定被引入和被剔除的变量。将数据导入SPSS软件，得到变量引入／剔除表。

表4.7　变量引入／剔除表

由表4.7可以看出，模型最先引入的变量是F4，然后分别是F3、F2和F1，并没有变量被剔除，说明模型比较合适。

第二步，检验模型拟合度。对于多元线性回归模型，一般采用其调整的判定系数来进行判断。

表4.8　模型概述表

可从表4.8得知模型1的复相关系数为0.552，判定系数为0.304，调整判定系数为0.268，由于本章选取的是面板数据，因此该模型拟合程度可以接受。在接受模型的前提下，可以继续分析模型的方差和确定回归系数。

第三步，运用spss 17.0对建立的模型的方差进行分析。

表4.9　方差分析表

表4.9显示了多元线性回归模型的方差分析结果，从表中可以看出，回归模型的F统计量的观察值为8.315，F值比较大，且回归模型的Sig.值为0，小于0.05，该结果说明该模型有显著的统计意义。在确定模型具有统计意义后，我们开始确定回归系数以及相应的显著程度。

第四步，确定回归系数。运用SPSS软件得到回归分析的结果如表4.10，从左到右依次表示未标准化的回归系数、标准化的回归系数、t检验统计量值和Sig.值。

表4.10　回归系数表

根据回归系数表4.10，我们能够得到回归模型：

因此通过上述多元线性回归分析，我们可以得到以下结论：在95%的置信区间内，F1（盈利能力）和F2（偿债能力）显著，说明在以净利润增长率代表江苏省创业板上市公司成长性的情况下，盈利能力和偿债能力对公司成长性有着显著作用，盈利能力越强则越有助于江苏省创业板上市公司的成长，而偿债能力越强则会制约公司的成长性。

表4.11　江苏省创业板上市公司成长性

通过因子得分系数我们可以还原得到最初的13个自变量在模型中的系数。从表4.11中可以发现，流动资产周转率、净资产收益率、每股收益、营业利润率、资产负债率、本科及以上学历占比和研发人员占比系数为正，对于江苏省创业板公司的成长性有较大的推动作用。而存货周转率虽然同样表现为正相关，但作用较小。流动比率、速动比率、资产规模、研发投入比系数为负，且对公司成长性有较大抑制作用。尽管现金流量收入比系数也为负，但是作用较小。