- 1 -
基于聚类分析的上市公司成长性实证研究
辛江龙，贾明琪
兰州大学管理学院，甘肃兰州（730000）
摘 要：本文以我国上市公司为研究对象，利用聚类分析、因子分析和 Fisher判别函数相结
合的统计学方法，建立了上市公司的成长性判别模型。实证研究表明：一、我国上市公司具
有成长性的企业占总样本的 38%，说明我国上市公司的质量较高。二、利用基于聚类分析
为基础的自动分类方法，可以避免因主观人为因素所选取指标及初步分组的不当，而造成评
价结果的不科学。三、在成长性研究中，对变量进行因子分析可以有效地解决因变量信息重
叠而产生的共线性问题。从而可能提高 Fisher判别函数的稳定性及准确率。
关键词：成长性；聚类分析；因子分析；Fisher判别分析
1. 引 言
上市公司作为资本市场的主体，其发展状况及成长性直接关系到整个资产市场的好坏及
稳定性。而且成长性的公司能够带动经济的高速发展，因此对公司成长性的研究具有很大的
现实意义。然而现阶段对公司的成长性的研究中，研究方法及评价指标的选择多数相对主观。
对哪些指标能够更好的区分公司的成长性与否还没有统一的定论。如同一学者利用相同的指
标不同的方法所得到的结论也不尽相同，这足以说明对成长性的研究还处于未成熟阶段。
Berger&Udell [1]认为多层次的资本市场对企业融资，特别是中小企业的成长性有着不可
替代的作用。Kimberly Frank [2]研究了会计信息与股价的关系对成长具有很大的影响，但具
体影响方式不清楚。William [3]通过采用不同的方法，找出 7 种与公司成立时间、
规模和产业从属关系相关的不同的公司成长模式。Gupta [4]在考虑竞争力的常规分布的基础
上研究了制造业公司规模的动态成长性。在资本结构方面 Myers and Majluf [5]认为合理的资
本结构下的股权结构对企业成长具有积极的作用。国内吴世农等 [6]利用 Fisher 二类线性判
定模型提出影响成长性的五个主要因素。范柏乃等 [7]利用因子分析法在进行了信度与效度
分析的在基础之上对我国风险公司的成长性进行分层分析。吕长江等[8]利用多元线性回归模
型得出，不同经营业绩下公司财务杠杆对成长性的影响作用存在差异这一结论。而陈晓红等
[9-10]分别利用 GRA 灰色关联度法和突变级数法对同一样本公司与指标进行比较研究，却得
到了不同的成长性排序，且其排序差异性具有显著性。
本文与以上文献不同的是，我们通过采用二阶段聚类(TwoStep Cluster Analysis)分析法
来客观的选择样本分组及重要变量。以克服因主观变量的选取及人为事先分组的不当的缺
点，故首先采用二阶段聚类分析法对样本及变量进行自动聚类分析，这样客观的划分出不同
类样本与选择出区分度强的重要变量。其次，采用因子分析(Factor Analysis)法，对这些重要
变量进行非相关性处理。最后，将处理后的因子作为解释变量，利用 Fisher 判别准则对成长
组与非成长组公司进行判定模型的建立。试图从研究方法上有所创新。
2. 数据及变量的选取
数据来源
样本的选取是以 2006—2007 年度，在经中国证券监督管理委员会审核后公开上市公司，
选取其中的 71 家。其行业分布有制造业、化学、医药、港口、电器、通信、纺织、有色金
属、食品、服务等十余个行业。根据成长性研究的需要，对这些公司的招股说明书中的财务
- 2 -
数据及相关信息进行手动提取，以确定上市公司中具有成长性的公司的数量及未来的发展潜
力。作为公司中佼佼者，新上市公司的成长性代表着我国公司的整体水平，因此有必要对其
进行实证研究。
变量的选择
本文在考虑到变量间子属及线性关系的同时，初步选取了 9 个最重要的财务指标（见表
1），以从财务的各个方面来反应公司全面的成长性。以希望从中经过聚类分析客观的找出有
效评价公司成长性的指标。
表 1 财务指标及变量
变 量 财务指标 指标计算方法
X1 利息保障倍数（倍） 息费前利润/利息费用
X2 存货周转率（次） 销货成本/存货平均余额
X3 应收账款周转率（次） 营业收入/平均应收账款余额
X4 净资产收益率 净利润/ 平均所有都权益
X5 每股收益 净利润/发行在外的普通股数
X6 每股净资产 净资产/发行在外的普通股股数
X7 每股净现金流量
现金及现金等价物净增加额/发行在外
的普通股股数
X8 净资产增长率
(期末所有者权益 - 期初所有者权益)
/ 期初所有者权益
X9 主营业务增长率
（期末主营业务收入-期初主营业务收
入）/期初主营业务收入
3. 研究方法
聚类分析法
聚类分析①(Cluster Analysis)又称集群分析，是按“物以类聚”原则研究事物分类的一种多
元统计学方法。根据样本的多指标（变量）、多个观察数据，定量地确定样品、指标之间存
在的相似性或亲疏关系，椐此联结这些样品或指标归成大小类群。在统计软件中其方法有多
种有逐步聚类适用于也称为快速聚类，可以事先指定分为几类但不能自动分类。系统聚类常
适用于小样本的分析；二阶段聚类(TwoStep Cluster)分析具有系统自动分类、可以处理分类
及连续变量、有效地分析大样本数据等优点，故本文选择二阶段聚类分析法，对样本及变量
进行自动聚类分析。其原理为，首先构建聚类特征树，之后使用聚集类法对聚类特征树的结
点进行分组。通过比较 Schwarz-Bayesian 或 Akaike 信息准则来自动确定最优聚类数。
因子分析法
因子分析(Factor Analysis)法,是一种通过降维技术把多个具有一定相关性的指标简化为
少数几个综合指标的统计分析方法. 它被广泛用于指标合成(Rao) [11]。在分析处理多变量问
① 本文利用 进行聚类分析、因子分析并建立成长性判别模型。
- 3 -
题时，变量间往往相关密切，使观测数据所反映的信息有重叠。因此，人们希望找出较少的
综合变量尽可能地反映原来变量的信息。这些少数几个综合变量称为公共因子或潜在因子。
一般说来,一种好的指标合成技术,应尽可能少地丢失原始信息。因此,最终因子个数的选择,
将取决于其对原始指标变量的解释程度[12].
假设有 n 个指标,用向量表示为 X=(X1,X2,…,Xn),其中 Xi=(x1i,x2i,…,xmi)′,xmi 代表第 m 个
样本在第 i 个(i=1,2,…,p)指标上的观测值。那么,因子 Fi 的线性组合可以表示为:
1 11 1 12 2 1
2 21 1 22 2 2
1 1 2 2
m m
m m
n n n n m
F u x u x u x
F u x u x u x
F u x u x u x
= + + +⎧⎪ = + + +⎪⎨⎪⎪ = + + +⎩
L
L
LL
L
其中 1) u21i+u22i+…+u2mi=1
2) Fi 与 Fj (i≠j,i,j=1,2,…,p)不相关
3) Var(Fi)>Var(Fi+1) i=1,2,…,p-1
第 i 个因子 Fi 是 x1,…,xm 的一切线性组合中方差第 i 大的,而对应的系数向量
(u1i,u2i,…,umi)则恰好是 X 的协方差矩阵(∑)的第 i 个最大的特征值所对应的特征向量。
Fisher 判别模型
Fisher 别函数是一种常用的判别分类方法，是利用判别函数来进行最小距离分类的，它
对原始数据系统进行坐标变换，寻求能将总体尽可能分开的方向。这样就相当于使组间的差
异（组间离差平方和 SSG）尽可能大，组内差异（组内离差平方和 SSE）尽可能小即：
MAX( SSG/SSE) 。它对总体的分布类型没有要求，但要求解释变量之间不相关。当 Fisher
判别函数中变量间存在相关性即存在信息重叠时，就可能会产生多重共线性问题，导致判别
函数的不稳定。因此，我们在进行 Fisher 判别模型构建之前，先对变量进行不相关化的处理
即进行因子分析，这样就保证了判别模型的稳定性，也就克服了 Fisher 判别函数的缺点。
4. 建模过程
聚类选择
将所选取的9个(X1-9)财务指标作为备选变量,利用二阶段聚类(TwoStep Cluster)分析将样
本自动分组并显示变量重要性条形图以选择出能区分不同类的显著性变量。聚类结果及变量
条形图如下：
表2 Cluster Distribution（聚类分布）
N % of Combined % of Total
1 27 % %
2 44 % % Cluster
Combined 71 % %
Total 71 %
- 4 -
表3 Centroids(聚类中心)
续 表
X5 X6 X7 X8 X9
Mean Mean Mean Mean Mean
.72577 .75683 .48079 .83930 .79745 .12885
.49480 .05742 .98375 .45650 .77460
.00000 .00000 .00000 .00000 .00000
系统在进行自动聚类时，将 71 家拟上市公司分成 2 类，BIC 信息准则表明 2 类为最优
的聚。由聚类分布表 2 可知，其中第一类有 27 家公司，第 2 类有 44 家公司。在变量重要性
条形图 1 中，置信度为 95%的垂直线依次穿过净资产收益率 X4、净资产增长率 X8、每股收
益 X5、每股净现金流量 X7，在变量重要性条形图 2 中，置信度为 95%的垂直线依次穿过净
资产增长率 X8、净资产收益率 X4、利息保障倍数（倍）X1、每股收益 X5 说，明两类公司
以上指标存在显著性差异。根据聚类中心（Centroids）表可知，第一类公司的以上 5 个指标
要明显高于第二类公司具有很高的成长性，且从保存到文件的分类数字可知，各分类公司的
具体名称。此外，由变量重要条形图可知，虽然存货周转率（次）X2、每股净资产 X6没有
被 95%的置信垂线穿过，但在分类 1 和 2 条形图中可以看出这两个变量在反向区分这两类
公司具有一定的作用，由聚类中心可知，第一类公司的这两个指标明显低于第二类公司。故
在建立判别模型时，也将两变量纳入模型中。
X1 X2 X3 X4
Mean Mean Mean Mean
1 .65300 .65300 .41937 .17259 .90446 .93113
Cluster
2 .41319 .043300 .466196 .52423
Combined .00000 .00000 .00000 .00000
- 5 -
变量的处理
本文利用因子分析(Facter Analysis)的方法，对经过聚类分析所筛选的变量进行因子分
析。根据因子得分载荷矩阵计算出每个因子在的选取的 7 个变量中的得分，再以这些因子为
解释变量来构建判别模型。在因子分析时，如果直接使用原始数据指标，会使因子过分偏重
具有较大方差与数量级的指标[12]。为了消除财务比率量纲和数量级差异的影响，故首先，
对原始数据进行标准化，即变换成均值为 0 标准差为 1 的新数据。然后进行因子分析。
表 4 因子分析参数
变 量 因子数 KMO值 Bartlett's Test值 显著性水平 累计方差贡献率%
X1、2、4、5、6、7、
8
5
由因子参数表 4 可知，以上财务指标的 KMO 值大于 ，巴特利特球度检验值及显著
性水平表明 7 个财务指标的整合适合运用因子分析，而且从选取的因子个数的累计方差贡献
率来看它代表了原有财务信息的 %，说明这 5 个因子对原有信息丢失较少。
表 5 Total Variance Explaine (总方差解释矩阵)
表 6 Component Score (因子得分矩阵)
Component
Variable
1 2 3 4 5
X1 .199 .246 .196 .770
X2 .875 .449 .199
X4 .317 .148
X5 .283 .235 .491
X6 .760 .360 .149
X7 .180 .539 .723
X8 .295 .093
Initial Eigenvalues
Component
Total % of Variance Cumulative %
1
2
3
4 .760
5 .690
6 .316
7 .075
- 6 -
由表 6 可知，各因子与原始财务指标（变量）之间的线形表达式为(公式 1)：
1 1 2 4 5 6 7 8
2 1 2 4 5 6 7 8
3 1 2 4 5 6 7 8
4 1 2 4
+ + + +
+ +
+ + +
+ +
F
F
F
F
=
=
=
= 5 6 7 8
5 1 2 4 5 6 7 8
+ +
+ + +
⎧⎪⎪⎪⎨⎪⎪⎪ =⎩
(公式1)
建立模型
由经因子分析处理后互不相关的 5 个因子作为解释变量，将聚类分析后所得的两类公司
（1，2）为因变量，利用 Fisher 判别函数进行分类模型的构建。得到的 Fisher 线性判别函
数为（公式 2、3）如下：
1 1 2 3 4 ( )Z F F F F F= + + + + 公式2
2 1 2 3 4 ( 3)Z F F F F F= + 公式
（1）成长性模型的检验及分类结果，由判别函数的 Wilks' Lambda 检验可知，其检验概
率为 。说明 Fisher 成长性判别模型具有显著性。由表 7 分类结果可知，判别结果正确
率很高，第一类错误为 ，第二类错误为 0. 判别模型总正确率高达 %.
(2) 成长性判别方法，将样本公司的以上 7 个财务数据首先进行标准化处理。之后，
将标准化后的数据带入到公式 1 进行因子分析。最后，将因子分析后的数据带入到公式 2、
3 比较两公式值的大小，若 Z1 大于 Z2，则说明该公司属于成长性公司，否则为非成长性公
司。值得说明的是，本文在聚类分析具有显著性的条件下进行自动分组，所以分类 1 一般都
具有较高的成长性。
表7 Classification Results (分类结果)
Predicted Group Membership 类 别
1 2 Total
1 23 4 27
Count
2 0 44 44
1
Original
%
2 .0
5. 结 论
本文以我国上市公司为研究对象，以上市公司首次公开发行股票招股说明书中财务数据
为来源。利用聚类分析、因子分析和Fsher判别函数相结合的统计学方法，建立了上市公司
的成长性判别模型。通过对上市公司的各方面指标来进行分析公司的成长性。实证研究表明：
首先，我国上市公司具有成长性的企业占总样本的38%，说明近年来随着我国经济的高速发
展及证券市场的不断完善上市公司的质量得到了不断的提高。其次，通过利用基于聚类分析
为基础的自动分类方法，可以避免因主观人为因素所选取指标及初步判定分组的不当，而造
成评价结果的不科学。最后，在成长性研究中，对变量进行因子分析可以有效地解决因变量
信息重叠而产生的共线性问题。本文最终以5个互不相关的公因子来表达原有变量的大部份
的信息，提高了Fisher判别函数的稳定性及准确率。进而构造出了较好的成长性判别模型。
- 7 -
参考文献
[1] Allen N., Berger Gregory, F., Udell. The economics of small business: The roles of private equity and debt
markets in the financial growth cycle. Journal of Banking & Finance. 1998, 22: 613-673.
[2] Frank K. The effect of growth on the value relevance of accounting data. Journal of Business ,
55 : 69 – 78.
[3] Delmar, Fre′de′ric, Davidsson, P and William, B. Gartner, Arriving at the high-growth firm. Journal of
Business Venturing. 2003, 18: 189-216.
[4] Gupta, and Campanha,., Firms growth dynamics, competition and power-law scaling. Physica A.
2003, 323: 626 - 634.
[5] Myers and Majluf, Corporate Financing and Investment Decisions when Firms HaveInformation That
Investor Do not Have. Journal of Financial Economics, 1984,13, 187-221.
[6] 吴世农,李常青,余伟.我国上市公司成长性的判定分析和实证研究[J].南开管理评论,1999,(4):
49—56
[7] 范柏乃,沈荣芳,陈德棉.中国风险企业成长性评价指标体系研究[J].科研管理,2001,(1):112—117
[8] 吕长江,金超,陈英. 财务杠杆对公司成长性影响的实证研究[J].财经问题研究,2006,(2):80—85
[9] 陈晓红,佘坚,邹湘娟等.基于GRA的中小上市企业成长性评价研究[N].证券市场导报,2005,(5):
41—44.
[10] 陈晓红,佘坚,邹湘娟等.中小上市企业成长性评价方法比较研究[J].科研管理,2006,(1):145—151.
[11] Rao, C. R., The Use and Interpretation of Principal Component Analysis in Applied Research. Sankhya: The
Indian Journal of Statistics. 1964, 26:329–358.
[12] 杨永恒,胡鞍钢,张宁. 基于因子分析法的人类发展指数替代技术[J].经济研究,2005,(7):4—17
Based on Cluster analysis of Listed Companies Growth
Potential Empirical Study
Xin Jianglong, Jia Mingqi
Lanzhou university（730000）
Abstract
This paper in cluster analysis based on the use of Fisher discriminant function to the establishment of
China's listed companies growing discriminant model. Empirical research shows that: First, China's
listed companies with growth potential enterprises of the total sample of 38%, that the quality of
China's listed companies higher. Second, Using cluster analysis, can be objective and accurate in my
review of the growth of the listed companies . Third, The variable factor analysis can effectively
address the variable information arising from the overlap of linear problems. Thus Fisher discriminant
function may improve the stability and accuracy.
Key Words: Growth Potential; Cluster Analysis; Factor Analysis; Fisher Discriminant Analysis
作者简介：
辛江龙(1981-)，男(蒙)，辽宁阜新人，硕士研究生，主要研究方向为金融及证券投资理论。
贾明琪(1966-)，男，陕西宝鸡人，副教授，主要研究方向为资本市场及财务管理理论。
<<
/ASCII85EncodePages false
/AllowTransparency false
/AutoPositionEPSFiles true
/AutoRotatePages /All
/Binding /Left
/CalGrayProfile (Dot Gain 20%)
/CalRGBProfile (sRGB )
/CalCMYKProfile (. Web Coated \050SWOP\051 v2)
/sRGBProfile (sRGB )
/CannotEmbedFontPolicy /Warning
/CompatibilityLevel
/CompressObjects /Tags
/CompressPages true
/ConvertImagesToIndexed true
/PassThroughJPEGImages true
/CreateJDFFile false
/CreateJobTicket false
/DefaultRenderingIntent /Default
/DetectBlends true
/ColorConversionStrategy /LeaveColorUnchanged
/DoThumbnails false
/EmbedAllFonts true
/EmbedJobOptions true
/DSCReportingLevel 0
/EmitDSCWarnings false
/EndPage -1
/ImageMemory 1048576
/LockDistillerParams false
/MaxSubsetPct 100
/Optimize true
/OPM 1
/ParseDSCComments true
/ParseDSCCommentsForDocInfo true
/PreserveCopyPage true
/PreserveEPSInfo true
/PreserveHalftoneInfo false
/PreserveOPIComments false
/PreserveOverprintSettings true
/StartPage 1
/SubsetFonts true
/TransferFunctionInfo /Apply
/UCRandBGInfo /Preserve
/UsePrologue false
/ColorSettingsFile ()
/AlwaysEmbed [ true
]
/NeverEmbed [ true
]
/AntiAliasColorImages false
/DownsampleColorImages true
/ColorImageDownsampleType /Bicubic
/ColorImageResolution 300
/ColorImageDepth -1
/ColorImageDownsampleThreshold
/EncodeColorImages true
/ColorImageFilter /DCTEncode
/AutoFilterColorImages true
/ColorImageAutoFilterStrategy /JPEG
/ColorACSImageDict <<
/QFactor
/HSamples [1 1 1 1] /VSamples [1 1 1 1]
>>
/ColorImageDict <<
/QFactor
/HSamples [1 1 1 1] /VSamples [1 1 1 1]
>>
/JPEG2000ColorACSImageDict <<
/TileWidth 256
/TileHeight 256
/Quality 30
>>
/JPEG2000ColorImageDict <<
/TileWidth 256
/TileHeight 256
/Quality 30
>>
/AntiAliasGrayImages false
/DownsampleGrayImages true
/GrayImageDownsampleType /Bicubic
/GrayImageResolution 300
/GrayImageDepth -1
/GrayImageDownsampleThreshold
/EncodeGrayImages true
/GrayImageFilter /DCTEncode
/AutoFilterGrayImages true
/GrayImageAutoFilterStrategy /JPEG
/GrayACSImageDict <<
/QFactor
/HSamples [1 1 1 1] /VSamples [1 1 1 1]
>>
/GrayImageDict <<
/QFactor
/HSamples [1 1 1 1] /VSamples [1 1 1 1]
>>
/JPEG2000GrayACSImageDict <<
/TileWidth 256
/TileHeight 256
/Quality 30
>>
/JPEG2000GrayImageDict <<
/TileWidth 256
/TileHeight 256
/Quality 30
>>
/AntiAliasMonoImages false
/DownsampleMonoImages true
/MonoImageDownsampleType /Bicubic
/MonoImageResolution 1200
/MonoImageDepth -1
/MonoImageDownsampleThreshold
/EncodeMonoImages true
/MonoImageFilter /CCITTFaxEncode
/MonoImageDict <<
/K -1
>>
/AllowPSXObjects false
/PDFX1aCheck false
/PDFX3Check false
/PDFXCompliantPDFOnly false
/PDFXNoTrimBoxError true
/PDFXTrimBoxToMediaBoxOffset [
]
/PDFXSetBleedBoxToMediaBox true
/PDFXBleedBoxToTrimBoxOffset [
]
/PDFXOutputIntentProfile ()
/PDFXOutputCondition ()
/PDFXRegistryName ()
/PDFXTrapped /Unknown
/Description <<
/FRA <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>
/ENU (Use these settings to create PDF documents with higher image resolution for improved printing quality. The PDF documents can be opened with Acrobat and Reader and later.)
/JPN <FEFF3053306e8a2d5b9a306f30019ad889e350cf5ea6753b50cf3092542b308000200050004400460020658766f830924f5c62103059308b3068304d306b4f7f75283057307e30593002537052376642306e753b8cea3092670059279650306b4fdd306430533068304c3067304d307e305930023053306e8a2d5b9a30674f5c62103057305f00200050004400460020658766f8306f0020004100630072006f0062006100740020304a30883073002000520065006100640065007200200035002e003000204ee5964d30678868793a3067304d307e30593002>
/DEU <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>
/PTB <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>
/DAN <FEFF004200720075006700200064006900730073006500200069006e0064007300740069006c006c0069006e006700650072002000740069006c0020006100740020006f0070007200650074007400650020005000440046002d0064006f006b0075006d0065006e0074006500720020006d006500640020006800f8006a006500720065002000620069006c006c00650064006f0070006c00f80073006e0069006e006700200066006f00720020006100740020006600e50020006200650064007200650020007500640073006b00720069006600740073006b00760061006c0069007400650074002e0020005000440046002d0064006f006b0075006d0065006e0074006500720020006b0061006e002000e50062006e006500730020006d006500640020004100630072006f0062006100740020006f0067002000520065006100640065007200200035002e00300020006f00670020006e0079006500720065002e>
/NLD <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>
/ESP <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>
/SUO <FEFF004e00e4006900640065006e002000610073006500740075007300740065006e0020006100760075006c006c006100200076006f0069006400610061006e0020006c0075006f006400610020005000440046002d0061007300690061006b00690072006a006f006a0061002c0020006a006f006900640065006e002000740075006c006f0073007400750073006c00610061007400750020006f006e0020006b006f0072006b006500610020006a00610020006b007500760061006e0020007400610072006b006b007500750073002000730075007500720069002e0020005000440046002d0061007300690061006b00690072006a0061007400200076006f0069006400610061006e0020006100760061007400610020004100630072006f006200610074002d0020006a00610020004100630072006f006200610074002000520065006100640065007200200035002e00300020002d006f0068006a0065006c006d0061006c006c0061002000740061006900200075007500640065006d006d0061006c006c0061002000760065007200730069006f006c006c0061002e>
/ITA <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>
/NOR <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>
/SVE <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>
>>
>> setdistillerparams
<<
/HWResolution [2400 2400]
/PageSize [ ]
>> setpagedevice
