我国批发和零售业上市公司经营业绩的综合评价

刘春梅 隋如彬 朱良宽

(1，2. 哈尔滨商业大学 基础科学学院，黑龙江 哈尔滨 150028;3. 东北林业大学 机电工程学院，黑龙江 哈尔滨 150040)

批发和零售业在现代服务业和经济社会发展中的作用日益重要，是促进产业结构调整、转变经济发展方式的重要领域，与老百姓的日常生活、投资理财等密切相关。目前，在国内外批发和零售业已经占据了各行业领域产业链的主导地位，并起到了控制市场、决定生产、影响消费的关键作用。所以批发和零售业上市公司经营业绩体现出其对国民经济增长的贡献率的强弱，如何切实、有效地对我国批发和零售业上市公司经营业绩进行综合评价，是流通经济学界和政府有关部门面临的重要课题之一。

综合评价是指对多属性体系结构描述的对象系统做出全局性、整体性的评价。目前对评价问题的研究大致可以分为两类:一类是对评价指标体系的研究;另一类是对综合评价方法的研究，大多学者只注重两者之一的研究。同时，关于批发和零售业的公司业绩评价并不多见。因此，针对以上问题，本文在同时考虑评价指标选取和方法研究的基础上，对我国批发和零售业的上市公司业绩进行评价。首先采用聚类分析和多元回归分析法选取评价指标体系，再利用因子分析法构造综合评价公式，对上市公司的经营业绩进行评价。实证结果表明，该评价过程考虑了评价指标选取的科学性和评价过程的客观性。

一、评价原理

(一)基于聚类分析的评价指标筛选

在上市公司经营业绩综合评价过程中，指标的选取是否合适直接影响到综合评价的结论。综合评价指标体系应该同时具备全面性和代表性，但是全面性并不意味着指标越多越好，指标选取过多会产生许多重复性指标;选取太少则所选指标缺乏足够的代表性，产生片面性。所以，如何科学地选择指标，构建指标体系，是综合评价研究中首先要解决的问题。

具体步骤为:1. 根据经济意义进行指标分类。从上市公司经营业绩的内涵出发，对主要综合评价指标按照经济意义进行分类;2. 对每类中的指标再进行R 型聚类分析，将其分成若干子类;3. 在子类中运用多元线性回归方法选择代表性指标。若某个子类只有一个指标，则将其直接选入评价指标体系;若某子类有两个以上的指标，则计算该子类中各指标与其他指标的复相关系数。某指标的复相关系数在该类最大，则可认为该指标所包含本类的信息最丰富，对该类指标的代表性最强，按此原理，复相关系数最大的指标入选。

(二)基于因子分析的上市公司经营业绩综合评价

确定合适的评价指标变量后，再通过研究多个指标的相关矩阵内部依赖关系，找出控制所有变量的少数主因子，将每个指标变量表示成主因子的线性组合，以再现原始变量与主因子之间的相关关系。因子分析的目的是寻求变量基本结构，简化观测系统，减少变量维数，用少数的变量来解释所研究的复杂问题。

设有N 个样本，p 个指标。X =(X1，X2，…，Xn)T为可观察的随机变量，要寻找的主因子为f = (f1，f2，…，fq)，则因子分析模型:

在因子分析过程中，我们将每个主因子表示为变量的线性组合，进而用变量的观测值来估计每个主因子的值(即因子得分)。

其数学模型为:

其中Fi为第i 个因子得分。

二、实证分析

(一)指标选择

在借鉴“网易财经”(quotes.money.163.com)公布的财务分析指标的基础上，对上市公司业绩评价指标按盈利能力、偿债能力、成长能力和营运能力四方面进行分类，见表1:

表1 上市公司经营业绩评价初选指标

选择批发和零售业40 家上市公司作为样本，所有数据来自“网易财经”，在分析前首先进行指标类型一致化处理，然后进行指标的无量纲化处理，并且将异常点用所属某列去除所有异常点的均值进行替代。

(二)对每类指标的聚类分析及筛选

将40 家上市公司的样本数据录入SPSS，进行聚类分析。聚类方法采用系统默认的类平均法，选择皮尔逊相关系数(pearson correlation)作为距离的测度，聚类结果见图1。

根据图1 中的聚类分析结果我们可以将盈利能力的7 个指标分为两类，即A1、A2、A3、A4、A5 为一类，A6、A7为一类，按照指标筛选方案。

图1 盈利能力指标聚类结果

对于A1、A2、A3、A4、A5 五个指标，分别求每一个指标对其他6 个指标的复相关系数R，结果如下:

RA1=0.873 RA2=0.948 RA3=0.918

RA4=0.732 RA5=0.598

可以看出，A2(每股净资产)最大，指标A2 入选。在A6、A7 中，同样求每一个指标对其他4 个指标的复相关系数R，结果如下:

RA6=0.729 RA7=0.794

可以看出，A7(息税前利润率)最大，指标A7 入选。

这样，在盈利能力指标中，通过筛选，将A2(每股净资产)和A7(息税前利润率)两个指标作为盈利能力的代表性指标。

采用同样的方法对其它类进行分析，得到上市公司经营业绩综合评价指标体系，见表2:

表2 上市公司经营业绩综合评价指标

(三)基于因子分析综合评价方法的基本步骤

1. 将表2 指标对应到原始数据标准化处理，采用Z－score 方法无量纲化，由SPSS 软件自动完成;

2. 根据标准化数据矩阵计算相关系数矩阵R;

3. 计算相关系数矩阵R 的特征值及方差贡献率，见表3。

表3 相关系数矩阵R 的特征值及方差贡献率

2 1.876 23.446 51.485 1.701 21.263 45.920 3 1.278 15.974 67.459 1.587 19.836 65.756 4 1.020 12.750 80.208 1.156 14.452 80.208 5 .704 8.802 89.010 6 .493 6.159 95.169 7 .224 2.797 97.967 8 .163 2.033 100.000

4. 对综合因子进行线性加权求和

在实际评价中，通常只选取前面几个方差大的综合因子，这样既简化了指标之间的联系，又达到了以尽可能少的指标反映尽可能多信息的目的。通常是要求选取的综合因子的累计贡献率大于80%，这里取前4 个综合因子(累计贡献率80.208%)来代替原来8 个指标。

以各主因子的方差贡献率占累计贡献率的比重为权数进行线性加权求和，得到各上市公司的综合得分F:

采用因子分析对40 家批发和零售贸易行业上市公司经营业绩进行综合评价，结果见表4。

表4 上市公司得分及排名

综合评分值正负并无实际意义，这是指标标准化后的结果。从得分来看，最高为永泰能源，得分为1.68，最低为百大集团，为－0.98，公司的得分主要集中在(－1，1)之间，业绩分布基本上是呈正态分布的。从排名情况来看，效益好、财务结构合理、经营业绩良好的企业明显排在前列。得分较高的批发和零售业主要集中在能源类，这与实际情况比较相符，在一定程度上证明了因子综合评价法的合理性，可作为科学决策的有力依据。

三、结论

本文利用多元统计分析方法对批发和零售业上市公司经营业绩进行了综合评价。为提高因子分析方法在综合评价中的效果和可靠性，首先对评价指标采用聚类分析和多元回归分析方法进行科学选取，使得进入评价过程中的指标都是影响显著的;其次，利用因子分析法，根据数据本身得到各个指标在综合评分中的权重和因子得分;第三，计算公司业绩综合得分值，并进行排名，并与实际情况比较，验证了该综合评价法能够很好地体现经营业绩评价的客观性和合理性。虽然，选取不同行业的样本会影响到最后的综合评价函数，但却不会降低在同一样本或时期公司经营业绩的可比性，这也是对传统评价方法中的“权重一旦确定便很少变动”缺陷的克服。

［1］KEH.H，CHU.S.Retail Productivity and Scale Economies at the Firm Level a DEA Approach［J］. Omega，2003，31(2):75 －82.

［2］刘勇，汪旭晖. 对全国30 个地区零售行业效率的分析［J］.统计与决策，2007(9):75 －77.

［3］楼文高，沈莲莲，冯国珍. 中国批发和零售业投入产出效率研究［J］.广东商学院学报，2012(4):49 －59.

［4］财政部统计评价司. 企业效绩评价问答［M］. 经济科学出版社，1999:67 －70.

［5］JONDROW.J，LOVELL.C，MATEROV.I.On the Estimation of Technical Inefficiency in the Stochastic Frontier Production Function Model ［J］. Journal of Econometrics，1982，19(3):233 －238.

［6］陈衍泰，陈国宏，李美娟. 综合评价方法分类及研究进展［J］.管理科学学报，2004，7(2):69 －78.

［7］王大飞，曹佳. 基于因子分析法的上市公司经营业绩的评价模型［J］.经济论坛，2010(6):195 －198.

［8］王力宾. 多元统计分析:模型、案例及SPSS 应用［M］.北京:经济科学出版社，2010:234 －246.

［9］Tang Qian，Huang Jinghua.Impact of Web Site Functions on E－Business Success in Chinese Wholesale and Retail Industries ［J］. Tsinghua Science and Technology，2008，13(3):368 －373.