基于多元线性回归的每股收益影响因素分析——以安徽省为例

第35卷第2期 萍乡学院学报 2018年4月 Vol.35 NO.2 Journal of Pingxiang University Apr.2018

基于多元线性回归的每股收益影响因素分析 ——以安徽省为例 孟婷妤，方美芳，朱家明

（安徽财经大学，安徽 合肥 233030）

摘 要：针对安徽省制造业上市公司每股收益的实证研究，将基于杜邦原理分析得到的若干影响每股收益的因素作为回归模型中的解释变量，同时均值处理收集得到的2014~2016年数据，代入Eviews软件进行参数估计。并对模型进行多重共线性，异方差和自相关检验，根据检验结果对模型不断修正完善。最终运用逐步回归法和加权最小二乘法得到关于每股收益影响因素的多元线性回归式，并提出关于提高上市企业每股收益的有益建议。 关键词：每股收益；多元线性回归；加权最小二乘法

中图分类号：F832.51 文献标识码：A 文章编号：2095-9249（2018）02-0037-05

引言

安徽省位于我国华东地区，是我国长江三角洲城市群中的重要一员。近年来安徽省厚积薄发，在国家政策的引导与支持下经济实现跨越式发展。区域经济的发展离不开企业创造的经济效益[1]，上市公司作为优秀的企业主体，具备稳定的经营能力，独特的发展优势与更高的区域影响力，其良好的发展态势可为当地的财政收入做出贡献，将有效促进区域经济竞争力的增强。截至目前皖籍在沪深两市的上市公司共有109家，分布于13个行业门类。每股收益是预测企业财务的可持续增长能力的主要指标之一，反映股东资金投入的回报情况，与上市公司价值紧密相连，公司的利益相关者视其为辅助相关财务决策的重要依据。每股收益的可持续性增长可反映企业的持续发展能力以及评价企业的经营业绩，对加速实现公司的财务目标意义重大。因此，探求上市公司每股收益同影响因素间的定量关系，针对性得提出改进建议，对企业自身稳健成长以及拉动地方经济增长具有重要的研究价值和意义。

一、文献综述

对于企业每股收益的影响因素研究，领域内的很多

收稿日期：2018-05-10 基金项目：国家自然科学基金（11601001）；国家级大学生创新创业项目（201710378458）；安徽财经大学大学生

科研创新基金（XSKY1899）

作者简介：孟婷妤（1997—），女，安徽合肥人，安徽财经大学会计学院在读，研究方向：财务管理。 通讯作者：朱家明（1973—），男，安徽宿州人，副教授，硕士，研究方向：应用数学与数学建模，

E-mail：zhujm1973@163.com。

学者都进行深入分析与研究。端木青（2010）首先以每股

收益为核心指标，融入资产负债表，利润表，现金流量表的相关项目进行杜邦分析体系的改造。选取主要指标代入47家中小企业板上市公司分别对每股收益、每股收益差额及每股收益增长率的影响因素进行实证分析，指出销售净利率为最主要的因素[2]；丁华（2012）以深交所579家中小板上市公司为研究样本，通过实际数据分析得出影响每股收益的重要因素，并提出相应建议[3]；陈建（2016）基于Higgins和Van horne财务可持续增长理念进行理论分析，并构建EPS可持续增长模型，以中国农业上市公司为研究样本进行多元回归分析，得出农业公司的主营业务收入对公司每股收益的影响最为显著[4]。但上述研究文献中，大多是从某一股票市场或者某一行业着手，鲜有考虑到不同省份间经济发展的独特性，基于区域视角开展相关数据的实证分析。按照证监会行业分类规定，安徽省共有73家制造业上市公司。故本文以安徽省的主板上市制造业公司为例，基于杜邦分析原理对上市公司的每股收益的影响因素进行理论分析，搜集相关数据构建各因素与上市公司每股收益的多元线性回归模型，通过各种经济检验探究其具体影响机制和影响效果，并根据结论提出关于提高上市公司每股收益的切实建议，从而推动上市公司发展，助力安徽省经济实力的提升。

· 38 萍乡学院学报 2018年 ·

二、每股收益影响因素分析

（一）变量选取

每股收益是指在扣除优先股股利后普通股每股所获得的净利润余额[4]。杜邦财务分析体系的核心是“净资产收益率=资产净利率×平均权益乘数”[5]，基于此原理可将每股收益分解为：每股收益=销售净利率×总资产周转率×平均权益乘数×每股净资产。其中，销售净利率体现企业的盈利能力；总资产周转率体现企业的

表1 影响每股收益因素表

变量

净资产收益率（ROE） 存货周转率（ITR） 固定资产周转率（FAR） 资产负债率（ADR） 每股净资产（NAPS） 每股净现金流量（CFPS） 股权集中度（OC）

符号

计算公式

净资产收益率=净利润/股东权益平均总额 存货周转率=主营业务成本/平均存货 固定资产周转率=主营业务收入/平均固定资产

资产负债率=负债合计/资产合计 每股净资产=股东权益/期末普通股股数

每股净现金流量=现金及现金等价物净增加额/期末总股本 前十大股东持股比例=前十大股东持股数/公司总股数

资产运作效率；平均权益乘数是资产总额与股东权益总额之比，其大小受资产负债率高低的影响，可反映企业偿债能力；而每股净资产则可体现出企业的股本规模。综合上述的理论分析并参考相关研究成果，本文以盈利能力、营运能力、偿债能力、股本规模四个维度为基础，同时纳入现金流量，股东持股比例等其他因素考虑，选取得到具体变量（见表1）：

X1

X2

X3 X4

X5 X6 X7

（公式来源：锐思数据库[6]中数据词典计算方法）

X1：ROE：净资产收益率是评价企业盈利能力的重要财务指标。在股东投入资本一定的前提下，其比率越高说明企业创造的净利润越高，从而使每股收益也得到提高，二者之间成正相关关系。故本文以净资产收益率为解释变量之一。

X2：ITR：存货周转率可以反映企业存货的变现速

出，而相应地，发行在外的流通股股数则越小。故负债比例的高低会影响到每股收益的变化。通常来看，当公司实现的EBIT足够大时，多负债有助于提高每股收益；反之，则会导致每股收益减少[7]。故本文以资产负债率为解释变量之一。

X5：NAPS：每股净资产反映在会计期末每一股份

度。制造型企业以生产销售有形商品为主营业务，存货的周转速度高低于企业意义重大。存货周转率低，通常意味着产销结构搭配不合理，企业销售状况不佳，此时易造成存货积压，使得企业更多的营运资金被占用。这将导致企业的整体生产成本升高，销售收入降低，削薄净利润空间，从而影响到每股收益。故本文以存货周转率为解释变量之一，且每股收益将随着存货周转率的提高而增加。

X3：FAR：对于制造业而言，在同等条件下，企

所分配得到公司账面净资产的价值，是股东权益和企业内在价值的体现。基于杜邦原理可知，当净资产收益率一定时，每股收益随着每股净资产的增加而增加。故本文以每股净资产为解释变量之一，其与每股收益间呈正相关关系。

X6：CFPS：企业通过经营活动，投资活动和筹资

活动在一定会计期间内发生现金流量的流入或流出，其中以经营活动的现金流量贡献度最大。每股净现金流量越高说明制造企业的供产销各环节越稳定，能合理安排资金使用，增强风险抵御能力，提高效益。故本文以每股净现金流量为解释变量之一，其与每股收益间呈正相关关系。

X7：OC：股权集中度是度量公司股权分布状态的

业生产能力越强其产出越高，从而可以带来更多的收入，企业的固定资产周转率就会提高。换言之，固定资产周转率越高的企业可以在利用等量资产的前提下创造更高的经济效益。故本文以固定资产周转率为解释变量之一，且其与每股收益间呈正相关关系。

X4：ADR：资产负债率是企业长期偿债能力的主

重要指标。股份越集中，则企业在交易市场中的被收购成本越高，公司的生产经营将越稳定。同时股东持股比例的增加会充分鼓励股东自发参与企业管理，对管理者的“监督效应”将有效增强，促使管理者以实现股东利

要财务比率之一，亦可以反映企业的资本结构。当企业资本资产规模和资产风险即EBIT（息税前利润）既定时，企业的负债比例越高则会产生越高的固定财务支

第2期 孟婷妤，方美芳，朱家明：基于多元线性回归的每股收益影响因素分析 润最大化为目标创造更高的收益。因此本文认为股权集中度是影响每股收益的因素之一，且与每股收益呈正相关关系。

实际上可影响上市企业每股收益的因素种类较多，影响程度各异。本文只是基于理论分析的基础上选取部分具有代表意义的参考指标作为主要研究内容，对于其他难以量化和难以取得数据的因素将用随机干扰项i纳入构建的回归模型以表示其综合影响效果。

（二）数据收集与样本选择

企业的稳健发展需要经过时间的考验，故本文选取2006年前在深圳和上海证券交易所主板上市的安徽省制造业公司为研究样本，剔除ST和ST*公司后共有29家。从锐思数据库[3]收集2014—2016年间的企业相关数据并对数据进行均值化处理后展开研究。

P（0.9890）（0.0000）（0.1843） （0.0063）（0.0027）（0.5960）

R20.930942

·39·

R0.907923 DW=1.897288 F=40.44175

Prob（F）=0.0000 n=29

2由回归方程可知，每股收益与净资产收益率，固定资产周转率，每股净资产，每股净现金流量呈正相关，而与资产负债率呈负相关，符合理论假设内容。但其与存货周转率，股权集中度呈负相关关系与假设相悖。基于此，本文对模型进行模型检验和修正。

（一）模型检验与修正 1. 统计检验

模型的可决系数R20.930942，调整后的可决系数R0.907923，说明模型整体拟合效果好，选定的解释变量对每股收益的解释程度较高。F统计量为40.44175，且P值为0通过检验，表明7个解释变量联合起来对每股收益影响显著。但是当显著性水平

2

三、建立模型与实证分析

以每股收益为被解释变量（Y），净资产收益率（x1）、存货周转率（x2）、固定资产周转率（x3）、资产负债率（x4）、每股净资产（x5）、每股净现金流量（x6）、股权集中度（x7）为解释变量，采用多元线性回归建立如下回归方程：

Yi01X1i2X2i3X3i4X4i

+5X5i6X6i7X7ii

0.05时，仅有X1、X5、X6三个解释变量通过了t检验，说明其余变量单独对于每股收益的影响并不显著，且其中的存货周转率与股权集中度的经济意义也非完全合理。故本文推断选定变量间可能存在多重共线性并对最终结果造成影响，下面将对模型进行计量经济检验。

2. 计量经济检验

（1）多重共线性检验及模型修正

对所有变量之间进行相关系数的求解，发现解释变量间有一定程度的相关性，模型中的多重共线性是存在的，因而会影响到最小二乘估计拟合得出的结果的准确率。故采用逐步回归法重新引入解释变量，建立回归模型。由t检验可知，X1的影响最为显著，因此选定X1为基础的解释变量，再不断地引入与剔除其他变量，最终得到较为理想的拟合结果，如表2：

（i=1 , 2,…, 29）

其中，0为回归常数，1、2、3、4、5、

6、7为回归系数，i为随机扰动项。

将样本数据带入Eviews7.2软件，运用最小二乘法（OLS）估计已建立模型的参数，根据拟合结果可得每股收益与各影响因素间的线性回归方程为：

Yi=0.001519+0.031301X1i0.001115X2i0.007345X3i 0.001718X4i0.039774X5i0.240997X6i0.124870X7i

t（0.013901）（8.953894）（-0.207556）（1.043886） （-1.372945）（3.038111）（3.406852）（-0.538352）

表2 逐步多元回归后的模型参数表

Variable CoefficientStd. Errort-Statistic Prob. C -0.123170 0.048432 -2.5431500.0176

0.031799 0.002713 11.71968 0.0000 X1

0.041347 0.012133 3.407691 0.0022 X5

0.232182 0.060555 3.834237 0.0008 X6

R-squared 0.919091 Mean dependent var 0.162777 Adjusted R-squared 0.909382 S.D. dependent var 0.336720 S.E. of regression 0.101362 Akaike info criterion -1.612791 Sum squared resid 0.256857 Schwarz criterion -1.424199 Log likelihood 27.38547 Hannan-Quinn criter. -1.553726 F-statistic 94.66343 Durbin-Watson stat 1.653800 Prob(F-statistic) 0.000000

· 40 萍乡学院学报 2018年 ·

由此可得到修正后的回归方程

Yi=0.123170+0.031799X1i0.041347X5i0.232182X6i

资产收益率，每股净资产和每股净现金流量一起对每股

收益有显著影响

（2）异方差检验及修正 a. White检验

由于得到的线性回归方程含3个解释变量，故利用White检验构造含交叉乘积项的辅助函数，得到检验结果如下表3：

模型的可决系数R20.919091，调整后的

R0.909382，模型的拟合优度较高。F统计量为

94.66343，其相伴概率为0.000000通过检验。当设定显著性水平0.05时，t(nk)t0.025(294)2.06，

2

2X1、X5、X6和常数项的回归系数估计值高度显著，变量均独立通过检验且符号与预期假设一致。这说明净

表3 White检验结果表

Heteroskedasticity Test: White

F-statistic 18.35668 Prob. F(9,19) 0.0000 Obs*R-squared 26.00885 Prob. Chi-Square(9) 0.0020 Scaled explained SS

36.97108

Prob. Chi-Square(9)

0.0000

由表4可知，nR226.00885x20.05(9)16.919，相伴概率P=0.0020小于显著性水平0.05，即拒绝原假设，此模型存在异方差。

过多次赋权比较，本文最终选择

1

作为权数以消除回ei2

归模型的异方差性。运行Eviews软件得到修正结果见表4：

b. 异方差性的修正

运用加权最小二乘法对模型参数进行重新估计，经

表4 WLS法下的多元线性回归模型参数表

Variable Coefficient

Std. Errort-Statistic Prob.

0.0000

C -0.132002 0.003135 -42.11234

X1 0.030285 0.000275 110.1133 0.0000 X5 0.049442 0.002116 23.36070 0.0000 X6 0.173478 0.016969 10.22337 0.0000

Weighted Statistics

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

0.999776 0.999749 0.000199 9.89E-07 208.1555

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter.

0.018396 0.076811 -14.07969 -13.89110 -14.02063

F-statistic 37152.84 Durbin-Watson stat 1.865853 Prob(F-statistic) 0.000000 Weighted mean dep. 0.015056

由表可知，修正后的模型拟合优度非常高，变量的t检验均显著，F检验也通过。对模型再度进行

自相关通常出现于时间序列数据中，但截面数据也有可能存在，因此本文对模型进行自相关检验。记显著性水平0.05，当样本容量n=29，解释变量数目 k=3时，查询DW分布表，得其临界值dL1.198，dU1.650。因为修正后模型的DW统计量值为1.865853，而dU1.650DW1.8658534dU2.134147，说明

White检验，得到nR20.350343x20.05(9)16.919，Prob. Chi-Square(3)=0.9485>0.05，这表明修正后的模型符合原假设，即回归方程的随机误差项满足同方差性。

（3）自相关检验

该模型无自相关。

第2期 孟婷妤，方美芳，朱家明：基于多元线性回归的每股收益影响因素分析 （二）结论

在对初始建立的模型进行多重检验，并基于检验结果对模型加以修正后，本文最终得到加权最小二乘法下安徽省制造业上市公司每股收益与影响因素间的多元线性回归方程：

Yi=0.132002+0.030285X1i0.049442X5i0.173478X6i

·41·

t=(-42.11234) (110.1133) (23.36070) (10.22337) R20.999749 R0.999749 DW=1.865853

2

对模型的解释如下：在其他变量一定时，若上市公司的净资产收益率每增长1%，则其每股收益增长0.030285%；若上市公司的每股净资产每增长1%，则其每股收益增长0.049442%；若上市公司的每股净现金流量每增长1%，则其每股收益增长0.173478%。以上三个解释变量均与每股收益呈正相关关系。

税收筹划工作，达到合理避税的目的从而提高税后利润，改善企业财务业绩。而加强企业应收账款回收和资产管理，制定全面完善的现金预算规划，可以保持现金流量的充沛以及流转顺畅，为企业的全面发展提供强有力的支持。

（三）开展多样化投资，采取适当股利政策

上市公司应当在保持现有业务经营稳定的基础上，借助政府的政策支持，选择合理的投资项目，适当开展多样化项目投资，以扩大公司的盈利范围，增加企业价值。同时积极调整股利政策，合理进行股利分配，向外界释放企业经营良好的信号从而吸引投资者的注意，获得更多资金支持，为企业创造更大的财富效应奠定基础。

参 考 文 献

[1] 罗天宇. 上市公司对安徽省区域经济增长影响研究[D].

上海: 上海师范大学, 2014.

[2] 端木青. 中小板上市公司基于EPS为核心的杜邦财务体

系的实证分析[J]. 北方经济, 2010,（4）: 12~15. [3] 丁华. 中小板公司每股收益影响因素分析[J]. 财会月刊,

2012,（9）: 43~45.

[4] 陈建. 中国农业上市公司每股收益可持续增长实证分析

[J]. 南华大学学报（社会科学版）, 2016, 17（5）: 61~65. [5] 荆新, 王化成, 刘俊彦. 财务管理学[M]. 北京: 中国人民

大学出版社, 2015: 95~96; 109. [6] RESSET数据库: http://www.resset.cn/.

[7] 陆正飞, 朱凯, 童盼. 高级财务管理[M]. 北京: 北京大学

出版社, 2013: 59~60.

[8] 关珊, 朱家明. 中国农业银行不良贷款率影响因素的实证

分析[J]. 鸡西大学学报, 2017, 17（1）: 61~65.

〔责任编校：王中兰〕

四、建议

实证分析的最终结果表明：安徽省制造业上市公司的每股收益变化与净资产收益率，每股净资产和每股净现金流量紧密相关，企业的盈利能力是支撑每股收益持续性增长的动力。为了更好的促进上市公司的发展从而带动安徽省区域经济实力的增强，本文提出以下建议：

（一）加强成本控制，提高主营业务收入

制造业企业应当提高生产效率，加强库存管理，控制内部消耗，从而控制企业在生产环节的成本支出。同时维系同供应商和员工良好的合作关系以削弱市场因素和政策原因等引起的原材料价格，用工成本等变动带来的影响。在销售环节采取积极的销售策略，实施有效的员工激励措施，拓宽销售市场范围从而提高企业主营业务收入，最终促进企业每股收益的提高。

（二）提高税后利润，做好现金预算规划

企业应当充分利用国家规定的税收优惠政策开展

Analysis of Influencing Factors of Earnings Per Share Based on Multiple Linear Regression

——A Case Stufy of Anhui Province

MENG Ting-yu, FANG Mei-fang, ZHU Jia-ming

(Anhui University of Finance and Economics, Bengbu Anhui 233030, China)

Abstract: Focusing on the empirical study of the listed company’s earnings per share in Anhui Province, the paper takes the factors that affect the earnings per share as the explanatory variables in the regression model, based on the theoretical analysis of the DuPont principle, and simultaneously substitutes collected data from 2014 to 2016 which is processed with mean method into Eviews software for parameter estimation. The multiple co-linearity, different variance, autocorrelation tests are performed on the model which is continuously revised and refined according to the test results. Finally, multiple linear regressions on the factors affecting earnings per share is obtained by using stepwise regression method and the weighted least square method, and some useful suggestions are proposed for improving the earnings per share of listed companies. Key words: earnings per share; multiple linear regressions; weighted least square method;