基于因子分析模型的乐视生态系统研究

马甜甜　陈骏兰　赵云云

摘 要：本文以乐视网为研究对象，运用因子分析模型，运用SPSS软件构建出具体的财务分析模型，对乐视网的财务情况进行综合评价。在此基础上从财务分析角度剖析其陷入发展困境的原因，并为乐视未来的可持续发展提出建议。

关键词：因子分析；财务分析模型；乐视网；综合评价；建议

一、因子分析法的原理

因子分析法是在保证原始信息丢失度较少的情况下，利用降低维数的方法，通过内在隐形因子的联系将多个复杂因子分类为少量几个具有共同性质的公共因子，并用这少量几个公因子来代替原始数据中的多个指标。通过对少数几个公共因子建立数学模型，从而大大简化数据分析过程。其数学模型用矩阵形式表示如下：

X=AF+a （1）

其中，（i=1，2…n）表示标准化后的原始变量，A表示因子载荷矩阵，F表示提取出的因子变量，（i=1，2…n）表示因子載荷系数， （i=1，2…n）表示特殊因子。

二、因子分析的步骤

首先，对原始数据进行标准化处理，因为原始数据的计量单位、属性之间的差异性较大，直接进行处理可能会使结果不准确。

其次，确认待分析的原始变量是否适合做因子分析，只有指标变量之间的相关性较强时，才表明适合将指标进行因子分类，检验的方法有很多，比较常用的是KMO检验和Barlett球度检验。

通过检验则可构建因子变量，用SPSS运行得出主因子的特征值和贡献率以及累计贡献率，并可以用碎石图来辅助确定主因子个数；当主因子在各原始指标的因子载荷系数差异不大时，可将因子进行旋转，使主因子在各指标的载荷区别更加明显，可解释性更强。

最后，根据因子得分模型=++…+（2）计算出各公司各主因子得分，再根据模型=（3）（其中表示第i个公因子旋转后的方差贡献率，表示所有提取出来的所有公因子变量旋转后的累计方差贡献率），计算出每个公司最后的综合因子得分。

三、财务分析模型的构建

1.样本的选取

本文根据中商产业研究院公布的2016年A股上市且市值排名前12的互联网信息技术企业名单，选取其2016年年末数据与乐视网进行横向比较，分析乐视网与发展态势良好、经营绩效优良的公司之间的差距。数据均来源于各公司年报和国泰安数据库。

2.财务指标的选取

（1）指标选取原则。其一，全面性原则。财务指标的选取应当涵盖企业财务状况综合评价的各个主要方面，是对企业整体情况的全面性反映。其二，可比性原则。选取的财务指标在各个公司的计算方法与口径应当一致，这样才能保证选取的指标在不同公司之间具有可比性。其三，可获取性原则。由于难以获取具体数值的财务指标，无法准确对其进行定量分析，所以财务指标也应当满足可获取性条件。

（2）具体财务指标。本文根据传统财务理论，选取了能够代表企业整体财务状况的八个财务指标，分别为：销售净利率（X1），营业利润率（X2），流动比率（X3），速动比率（X4），营业利润增长率（X5），利润总额增长率（X6），流动资产周转率（X7），总资产周转率（X8）。

3.具体模型的构建

（1）数据的标准化处理。由于各个指标的计量单位不同，且各个指标在不同公司之间的差异也较大，所以需要对指标数据进行标准化处理。对于效益型指标，可以采用以下公式进行标准化处理：X=（min）/（maxmin）；对于成本型指标，可以采用以下公式进行标准化处理：=（max）/（maxmin）；表示第i个互联网公司的第j个财务指标，X表示标准化之后的变量数据，表示第j个指标。

（2）KMO检验和Barlett球度检验。由运行结果可知，KMO值为0.605>0.5，Bartlett的球形度检验近似卡方为150.852，df值为28，显著性为0.000，适合做因子分析。

（3）提取共同因子（见表1）。

表1显示了各因子特征值和方差贡献率，可以看出，单个因子1、单个因子2、单个因子3的方差贡献率分别为为33.925%、32.203%、27.078%，三个因子的累计方差贡献率93.205%，其余因子的方差贡献率非常小，说明提取的三个公因子能够说明93.205%的原始信息，原始信息丢失度非常小，再一次证明了提取的因子是合理的。

（4）共同因子命名。由于在初始因子矩阵中，各主因子在各指标上的载荷比重分布不明显，因此将原始因子矩阵进行了旋转。在旋转后的因子矩阵中，因子1在销售净利率、营业利润率、流动比率、速动比率、营业利润增长率、利润总额增长率、流动资产周转率、总资产周转率上的载荷分别为0.871、0.839、0.013、0.011、0.244、0.225、0.706、0.802，可以看出，因子1在销售净利率、营业利润率、流动资产周转率和总资产周转率上的载荷较高，前两个指标与因子1是正相关关系，后两个指标与因子1是负相关关系，因此可将因子1解释为盈利能力因子（F1）。

同样，因子2在8个财务指标上的载荷分别为0.237、0.152、0.976、0.969、0.060、0.078、0.620、0.460，可以看出，因子2在流动比率、速动比率上的载荷都大于0.95，而流动比率、速动比率是反映企业用流动资产偿还流动负债的能力的重要指标，因此可将因子2命名为偿债能力因子（F2）。

因子3在各个指标上的载荷依次为0.353、0.393、0.059、0.061、0.954、0.968、0.076、0.167，显然，因子3在营业利润增长率、利润总额增长率上拥有较高的载荷，而营业利润增长率、利润总额增长率反映了企业报告期的盈利水平相对于基期财务水平的增长幅度，能够看出企业是处于上升还是下降的发展趋势，因此可将因子3解释为发展能力因子（F3）。

（5）计算各公司因子得分和综合排序。根据原始数据，结合因子评分系数矩阵和模型（2）可以计算出各公司F1、F2、F3的各因子得分，再结合模型（3）就可以计算出各公司的综合得分，结果如表2所示。

四、模型结果分析

（1）从因子F1来看，乐视网在12家互联网企业中排名第11，说明在2016年其盈利能力比较落后；从因子F2来看，乐视网排名第8，也是属于中等以下水平，说明其偿债能力也很薄弱；从因子F3来看，乐视网排名第12，说明其发展能力是12个互联网企业中最差的。

（2）从综合因子得分及排名中可以看出，乐视网为最后一名，说明其整体水平堪忧，公司面临巨大财务危机。

五、对策建议

笔者认为，乐视网可以通过改善公司的盈利模式来提高其盈利能力，多专注于盈利能力强的模块加强投资与发展，而不是盲目扩张。同时要加各种成本费用的控制，谨慎每一笔支出。除此之外，因子分析结果也揭示出乐视网的发展能力在同行业中较差，所以乐视网应该对企业自身年度之间的财务状况做深入的纵向比较，来发现滞后的限制因素，从而有针对性地改善其财务状况。

从综合因子得分排名可以看出，乐视网整体状况较差，公司面临较大的财务风险，这也显示出乐视网内部风险控制制度不足，公司应该建立完善的偿债能力预警机制，防止过度负债，无法偿还。企业应当有一套完整的风险评估、风险控制制度，建立全面财务风险监管流程，并合理分配人员职责。

六、研究的局限性与不足

首先，因子分析本身存在一定的局限性，虽然减少了主观赋权的不准确性，但是由于因子分析中的特殊因子没有被计算进去，所以仍然存在一定程度的结果偏差。

其次，各公司的财务状况是不断变化的动态过程，而本文只研究了各互联网公司2016年的财务状况，缺少普适性，需要与各公司自身不同年度之间的发展状况相结合，才能发挥更大的价值。

参考文献

1.康月，韩丽.基于因子分析法的互联网企业财务综合评价.商场现代化，2017（17）.

2.万钟岭.基于因子分析法的鞍钢股份财务分析.黑龙江八一农垦大学，2017.

3.崔海轮.互联网企业财务风险分析与防范.金融经济，2017（04）.（责任编辑：王文龙）