序論：在您撰寫新能源汽車企業(yè)財(cái)務(wù)績效的影響時(shí)，參考他人的優(yōu)秀作品可以開闊視野，小編為您整理的1篇范文，希望這些建議能夠激發(fā)您的創(chuàng)作熱情，引導(dǎo)您走向新的創(chuàng)作高度。

近期，多家傳統(tǒng)車企陸續(xù)宣布將停止燃油汽車的整車生產(chǎn)，傳統(tǒng)燃油汽車的市場前景并不光明，而新能源汽車受到政府和廣大消費(fèi)者的青睞，不難預(yù)測，新能源汽車將逐步占據(jù)汽車市場。自2009年以來，我國陸續(xù)出臺針對新能源汽車企業(yè)的利好政策，確保新能源汽車企業(yè)的健康發(fā)展。然而，新能源汽車研發(fā)難度大、技術(shù)不成熟等問題仍難以解決，企業(yè)對政府補(bǔ)助的依賴性較強(qiáng)，因此研究政府補(bǔ)助對新能源汽車企業(yè)財(cái)務(wù)績效的影響十分必要。本文基于現(xiàn)有財(cái)務(wù)指標(biāo)評價(jià)體系，首先采用因子分析法從現(xiàn)有的14個(gè)財(cái)務(wù)績效指標(biāo)中提取出綜合因子，并依據(jù)得到的綜合因子對所選取的十家公司的財(cái)務(wù)績效進(jìn)行定量分析，同時(shí)提出政府補(bǔ)助對新能源汽車企業(yè)的財(cái)務(wù)績效有顯著積極影響的假設(shè)，建立線性回歸模型，借助SPSS軟件進(jìn)行假設(shè)檢驗(yàn)。

一、財(cái)務(wù)績效評價(jià)指標(biāo)確立

（一）財(cái)務(wù)績效指標(biāo)選取。現(xiàn)有的財(cái)務(wù)績效評價(jià)指標(biāo)體系對企業(yè)的財(cái)務(wù)績效有比較全面且準(zhǔn)確的描述，基于凈資產(chǎn)收益率而言，該項(xiàng)財(cái)務(wù)指標(biāo)可以反映股東權(quán)益的收益水平；基于流動(dòng)比率而言，其可以用來考量企業(yè)短期償債能力。然而，使用單一財(cái)務(wù)績效指標(biāo)對企業(yè)的財(cái)務(wù)績效進(jìn)行分析存在困難，且財(cái)務(wù)績效評價(jià)指標(biāo)過于繁瑣冗雜，對企業(yè)財(cái)務(wù)績效的描述雖然維度全面但描述重點(diǎn)不夠突出，因此采用因子分析法對所選定的14個(gè)財(cái)務(wù)績效評價(jià)指標(biāo)進(jìn)行重新排序分類，見表1。（表1）

（二）因子分析1、樣本選擇與數(shù)據(jù)來源。本文從2012～2021年財(cái)務(wù)數(shù)據(jù)完整、獲得了政府補(bǔ)助的A股上市新能源汽車企業(yè)中選取了10家市場份額占比較大且發(fā)展趨勢較好的企業(yè)作為研究對象，收集了這10家公司2012～2021年的財(cái)務(wù)數(shù)據(jù)進(jìn)行研究，數(shù)據(jù)來源于新浪財(cái)經(jīng)、Wind數(shù)據(jù)庫等。

2、描述性統(tǒng)計(jì)。根據(jù)所得到的財(cái)務(wù)績效指標(biāo)數(shù)據(jù)，采取因子分析法對選取的財(cái)務(wù)評價(jià)指標(biāo)進(jìn)行處理，可提取出綜合因子，進(jìn)而得到總財(cái)務(wù)績效因子。利用SPSS26.0對數(shù)據(jù)進(jìn)行因子分析前，首先需對現(xiàn)有樣本數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，防止數(shù)據(jù)的偏差過大。

3、因子分析可行性檢驗(yàn)。本文使用SPSS26.0軟件，對所選取的樣本展開了因子分析，該方法可以將其進(jìn)行細(xì)分，分為以下兩種方法：主成分、共因子。本文采取主成分分析法，該方法借助于正交變換，從數(shù)據(jù)矩陣之間關(guān)聯(lián)性的角度出發(fā)，將關(guān)聯(lián)性突出的矩陣提取出來，改變?yōu)椴淮嬖陉P(guān)聯(lián)性的矩陣。同時(shí)進(jìn)行排序分類，從而將現(xiàn)有的指標(biāo)重新組合為幾個(gè)新的綜合指標(biāo)，得到的綜合指標(biāo)包涵原指標(biāo)的所有信息且在數(shù)據(jù)分析中更具針對性。主成分分析法對數(shù)據(jù)矩陣的相關(guān)性有明確要求，分析前首先進(jìn)行可行性檢驗(yàn)，本文通過KMO球形檢驗(yàn)法以及巴特利特檢驗(yàn)法（Bartlett檢驗(yàn)法）對現(xiàn)有樣本數(shù)據(jù)進(jìn)行檢驗(yàn)，計(jì)算得到檢驗(yàn)矩陣。因子分析法要求在KMO球形檢驗(yàn)法中，KMO取樣適切性量數(shù)的數(shù)值在0.5以上，能夠利用因子分析法對數(shù)據(jù)資料實(shí)施探究。根據(jù)檢驗(yàn)矩陣計(jì)算結(jié)果，本文通過對KMO取樣適切性量數(shù)展開分析，得出其具體的數(shù)值超過0.5，為0.68，符合KMO球形檢驗(yàn)法的使用條件。經(jīng)由巴特利特檢驗(yàn)法，對所選取數(shù)據(jù)矩陣的相關(guān)性進(jìn)行檢驗(yàn)，近似卡方為241.063，數(shù)據(jù)矩陣自由度為91，顯著性Sig.為0.000，以上結(jié)果說明初始數(shù)據(jù)矩陣具有顯著的相關(guān)性，通過了因子分析法的適用性檢驗(yàn)。

4、綜合因子選取。主成分分析法把相關(guān)性較強(qiáng)的原始指標(biāo)轉(zhuǎn)變?yōu)椴幌嚓P(guān)的綜合指標(biāo)對數(shù)據(jù)進(jìn)行分析，原始單一指標(biāo)數(shù)量較繁雜，且使用單一指標(biāo)進(jìn)行分析時(shí)無法得到準(zhǔn)確全面的結(jié)論。因此，經(jīng)主成分分析法得知，需要將初始指標(biāo)進(jìn)行梳理，系統(tǒng)整合為綜合指標(biāo)。所得綜合指標(biāo)互不相關(guān)且各自包涵原始指標(biāo)的部分信息，確保了所得到的綜合指標(biāo)能夠全面覆蓋所有或者大部分初始信息且各不重疊，分析得到的結(jié)論的準(zhǔn)確性和完整性能夠得到保證。在運(yùn)用該分析法時(shí)，常規(guī)的方式是選取以下兩種方法：其一為特征根值法，利用了協(xié)方差特征根，其選取的數(shù)據(jù)信息來自于初始樣本中，進(jìn)而計(jì)算出綜合因子數(shù)量，決定采用的準(zhǔn)確數(shù)值；其二將累計(jì)方差貢獻(xiàn)率同固定比值80%形成對照，用來判斷綜合因子。當(dāng)在判斷因子的特征根值時(shí)，其數(shù)值超過1，可以看作公因子，其小于1，則要去掉該因子，將所有因子的特征根值用圖線表示出來即為碎石圖，具體情況如圖1所示。對比各因子對方差貢獻(xiàn)率的累計(jì)數(shù)與80%的大小，可以確定因子。前4個(gè)因子對方差的貢獻(xiàn)率累計(jì)值為81.178%，表示前4個(gè)因子包含了大部分初始指標(biāo)的信息，且由碎石圖可知，從第4個(gè)因子開始，各因子的特征根值在1以下，且碎石圖曲線比較平滑，因此確定需提取的綜合因子的數(shù)量為4個(gè)。（圖1）

5、綜合因子定義與取名。主成分分析法中，利用正交變換對原始數(shù)據(jù)進(jìn)行轉(zhuǎn)換，得到各初始因子與提取的綜合因子的負(fù)荷，本文中提取了4個(gè)綜合因子，分別以F1、F2、F3、F4表示，上述4個(gè)綜合因子基于初始指標(biāo)提取而得，且由4個(gè)綜合因子的方差貢獻(xiàn)率積累值大于80%所提取的綜合因子包含整體的大部分信息。由于4個(gè)綜合因子各不相關(guān)且包含整體的大部分信息，確定各個(gè)綜合因子所包含的信息所代表的含義對后續(xù)的分析十分必要，由SPSS26.0軟件計(jì)算可得各成分的負(fù)荷矩陣，如表2所示。（表2）由表2中的計(jì)算結(jié)果可知，各初始成分的負(fù)荷系數(shù)相差不大，無法明確初始成分與各綜合因子的關(guān)系。為明確各初始成分與綜合因子的相關(guān)性，通過最大方差旋轉(zhuǎn)法來最大限度地使初始成分的負(fù)荷系數(shù)差異性增大，根據(jù)旋轉(zhuǎn)后的結(jié)果可發(fā)現(xiàn)，綜合因子F1與流動(dòng)比率、速動(dòng)比率、資產(chǎn)負(fù)債率以及現(xiàn)金比率相關(guān)性較大，考慮這4個(gè)財(cái)務(wù)指標(biāo)的內(nèi)涵，將綜合因子F1定義為償債能力因子；綜合因子F2與凈資產(chǎn)收益率ROE、總資產(chǎn)凈利率ROA以及營業(yè)利潤率相關(guān)性較大，考慮這3個(gè)財(cái)務(wù)指標(biāo)的內(nèi)涵，將綜合因子F2定義為盈利能力因子；綜合因子F3與存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、流動(dòng)資產(chǎn)周轉(zhuǎn)率以及應(yīng)收賬款周轉(zhuǎn)率相關(guān)性較大，考慮這4個(gè)財(cái)務(wù)指標(biāo)的內(nèi)涵，將綜合因子F3定義為營運(yùn)能力因子；綜合因子F4與凈資產(chǎn)增長率、總資產(chǎn)增長率以及營業(yè)收入增長率相關(guān)性較大，考慮這3個(gè)財(cái)務(wù)指標(biāo)的內(nèi)涵，將綜合因子F4定義為成長能力因子。

6、確定總財(cái)務(wù)績效因子。通過計(jì)算可得到各初始成分對各綜合因子的得分系數(shù)，根據(jù)得分系數(shù)可以將綜合因子表達(dá)為初始指標(biāo)的線性組合，由4個(gè)綜合因子對方差貢獻(xiàn)率的權(quán)重可得總財(cái)務(wù)績效因子P的表達(dá)式如下：P＝0.381×F1+0.373×F2+0.126×F3+0.118×F4（5）由公式（1）～（5）計(jì)算可得各綜合因子以及總財(cái)務(wù)績效因子P的得分結(jié)果，根據(jù)計(jì)算結(jié)果繪制總財(cái)務(wù)績效因子P的得分結(jié)果圖線，如圖2所示。由圖2可知，2012～2021年新能源汽車企業(yè)的財(cái)務(wù)績效總體變化趨勢是：2014年前呈增長勢頭，這是由于從2009年開始國家陸續(xù)頒布了針對新能源汽車企業(yè)的補(bǔ)助政策；2014～2017年呈下降趨勢，這是由于部分新能源汽車企業(yè)存在惡意騙補(bǔ)的行為，政府放緩了對新能源汽車企業(yè)的補(bǔ)助力度；到2017年，政府補(bǔ)助政策向促進(jìn)新能源汽車企業(yè)技術(shù)發(fā)展傾斜，補(bǔ)貼基準(zhǔn)逐年退坡，因此可以看出2017～2018年曲線出現(xiàn)大幅下降趨勢；到2020年，由于疫情對全球經(jīng)濟(jì)大環(huán)境的沖擊，國家調(diào)整了補(bǔ)助政策，在2020年延緩了補(bǔ)貼退坡的政策，因此2020～2021年整體趨勢有所上揚(yáng)。

二、假設(shè)檢驗(yàn)

（一）研究假設(shè)。新能源汽車作為新興產(chǎn)業(yè)，由于技術(shù)積累和市場認(rèn)可度等原因，目前對于政府補(bǔ)助的依賴性較大，由上文的分析也可知，政府補(bǔ)助對新能源汽車企業(yè)的財(cái)務(wù)績效有較大影響。為確定政府補(bǔ)助與新能源汽車企業(yè)財(cái)務(wù)績效的準(zhǔn)確關(guān)系，本文提出假設(shè)：H：政府補(bǔ)助對新能源汽車企業(yè)財(cái)務(wù)績效有顯著積極影響

（二）研究設(shè)計(jì)

1、變量定義。由大量文獻(xiàn)研究可知，對于新能源汽車企業(yè)而言，影響其財(cái)務(wù)績效的不光是政府補(bǔ)助，其他條件也能波及到企業(yè)的財(cái)務(wù)績效。基于實(shí)證研究數(shù)據(jù)而言，為了檢驗(yàn)其數(shù)據(jù)是否符合實(shí)際需求，本文參考大量的相關(guān)文獻(xiàn)與研究，綜合眾多研究者對于協(xié)變量的選取，本文選取企業(yè)的總資產(chǎn)、成長因素、負(fù)債因素、股權(quán)因素以及年齡作為協(xié)變量。具體的各變量定義與符號見表4。（表4）2、模型構(gòu)建。根據(jù)本文提出的假設(shè)，通過對所選取數(shù)據(jù)的初步觀察，建立線性回歸模型對提出的假設(shè)進(jìn)行檢驗(yàn)，模型如下：P＝α+β1Sub+β2S1+β3S2+β4S3+β5S4+β6S5+ε（6）式中，S1～S5為本文選取的協(xié)變量，α為截距，ε為殘差項(xiàng)，β1～β6為各變量的回歸系數(shù)。針對此模型進(jìn)行質(zhì)量檢驗(yàn)，利用SPSS26.0對模型的擬合優(yōu)度進(jìn)行檢驗(yàn)。所建立模型的R2為0.954，調(diào)整后的R2為0.818，即模型的擬合優(yōu)度為0.954，調(diào)整后的擬合優(yōu)度為0.818，說明所建立的模型對所選取數(shù)據(jù)的解釋度較高，模型可信度較高。

3、模型檢驗(yàn)。本文利用SPSS26.0，對所有樣本數(shù)據(jù)進(jìn)行皮爾遜相關(guān)性分析，對所建立的模型與提出的假設(shè)進(jìn)行檢驗(yàn)。計(jì)算結(jié)果如表5所示。（表5）由表5中數(shù)據(jù)可知，政府補(bǔ)助與總財(cái)務(wù)績效因子P的相關(guān)性在0.5%的水平上顯著，且相關(guān)性系數(shù)為0.634，相關(guān)性系數(shù)大于0.6則認(rèn)為二者的相關(guān)性為強(qiáng)相關(guān)，因此可以認(rèn)為政府補(bǔ)助與總財(cái)務(wù)績效因子P顯著相關(guān)。同時(shí)，對相關(guān)系數(shù)展開計(jì)算，得到的符號是正，能夠知曉兩個(gè)因素呈現(xiàn)同向變化的趨勢，因此假設(shè)H成立，即政府補(bǔ)助對新能源汽車企業(yè)的財(cái)務(wù)績效有顯著積極影響。

三、總結(jié)與結(jié)論

總的來說，政府補(bǔ)助對新能源汽車企業(yè)的財(cái)務(wù)績效影響較大，由于現(xiàn)有的財(cái)務(wù)績效評價(jià)指標(biāo)體系過于繁雜，單一指標(biāo)對財(cái)務(wù)績效的描述不夠全面，所以本文通過因子分析法對14個(gè)指標(biāo)展開計(jì)算，并提取4個(gè)綜合因子。通過對4個(gè)綜合因子的計(jì)算分析得到總財(cái)務(wù)績效因子P的變化，為研究政府補(bǔ)助對新能源汽車企業(yè)的財(cái)務(wù)績效的影響，提出政府補(bǔ)助對新能源汽車企業(yè)的財(cái)務(wù)績效具有顯著積極影響的假設(shè)，建立線性回歸模型，利用SPSS26.0軟件進(jìn)行檢驗(yàn)，通過研究本文得到以下結(jié)論：（1）提取了4個(gè)綜合因子，基于其累積方差貢獻(xiàn)率而言，對其展開了具體的計(jì)算，得出結(jié)論，其比值為81.178%，大于80%，能夠解釋為涵蓋了超過8成的數(shù)據(jù)信息。（2）通過與初始指標(biāo)的相關(guān)性分析將4個(gè)因子分別定義為償債能力因子F1、盈利能力因子F2、營運(yùn)能力因子F3、成長能力因子F4。（3）利用綜合因子開展回歸分析，得到總財(cái)務(wù)績效因子P的變化曲線，分析可得新能源汽車企業(yè)的財(cái)務(wù)績效與政府補(bǔ)助力度密切相關(guān)。（4）本文通過檢驗(yàn)，得出假設(shè)H成立的結(jié)論，認(rèn)為政府補(bǔ)助對新能源汽車企業(yè)財(cái)務(wù)績效有顯著積極影響。

主要參考文獻(xiàn)：

［1］韓興國，許鑫.財(cái)稅政策對企業(yè)財(cái)務(wù)績效的影響研究———基于新能源客車產(chǎn)業(yè)鏈行業(yè)上市公司證據(jù)［J］.會計(jì)之友，2020（07）.

［2］王維，李昊展，喬朋華，桂嘉偉.政府補(bǔ)助方式對新能源汽車企業(yè)績效影響研究———基于企業(yè)成長性的深入分析［J］.科技進(jìn)步與對策，2017.34（23）.

［3］饒奕邦，熊勇清，徐文.雙積分政策對新能源汽車上下游企業(yè)財(cái)務(wù)績效的異質(zhì)性影響研究［J/OL］.系統(tǒng)工程理論與實(shí)踐，2022-06-23.

［4］張萌喬.基于政府補(bǔ)貼視角的新能源汽車企業(yè)產(chǎn)能投資與財(cái)務(wù)績效的影響研究［D］.北京：北京交通大學(xué)，2020.

作者:周倩單位:湖南農(nóng)業(yè)大學(xué)商學(xué)院