張圣忠，張春娜

(長安大學(xué) 經(jīng)濟與管理學(xué)院，陜西 西安 710064)

近年來，在國家加快轉(zhuǎn)變經(jīng)濟增長方式和調(diào)整產(chǎn)業(yè)結(jié)構(gòu)的大背景下，由于現(xiàn)代物流業(yè)作為生產(chǎn)性服務(wù)業(yè)的重要組成部分，對經(jīng)濟社會發(fā)展的支撐與引導(dǎo)作用越顯突出，其產(chǎn)業(yè)地位得以逐步確立，邁入了難得的戰(zhàn)略發(fā)展期，產(chǎn)業(yè)政策也在逐步完善。然而，產(chǎn)業(yè)快速發(fā)展與戰(zhàn)略機遇的耦合是否帶來了物流企業(yè)價值或績效的絕對提升，則是企業(yè)管理者和投資者關(guān)注的焦點。為此，一些學(xué)者嘗試運用模糊綜合評價、成本指數(shù)、模糊聚類、熵權(quán)與灰關(guān)聯(lián)分析、數(shù)據(jù)包絡(luò)分析、主成分分析等方法定量評估物流企業(yè)的績效，并論證了方法的可行性［1］。其中，應(yīng)用最多的是主成分分析，且被認(rèn)為簡便科學(xué)。但是，通過梳理文獻可以發(fā)現(xiàn)，在應(yīng)用主成分分析評估物流企業(yè)績效時仍然存在實證研究不充分和評估對象選擇不科學(xué)的問題。例如，劉輝、焦癑等、孫曉東等都遴選了相對較為全面的指標(biāo)，并以示例的方式驗證了借助主成分分析評價物流企業(yè)績效的可行性，但評估結(jié)果不具有現(xiàn)實參考價值［2-4］;閆楓逸和毛海軍、賀瓊和萬華麗均選取滬深兩市的物流上市公司作為績效評估對象進行實證研究［1，5］，雖然驗證了主成分分析的可行性，但所選取的部分上市公司(如南方航空、海南航空、贛粵高速、中原高速、廈門機場、長運股份等)較少涉及物流業(yè)務(wù)，樣本不具典型性。有鑒于此，作者擬在科學(xué)遴選評估對象的基礎(chǔ)上，利用公開的上市公司信息，借助主成分分析，對滬深兩市的物流上市公司績效進行重新評估，以跟蹤市場變化，為物流企業(yè)管理和投資決策提供更為科學(xué)的依據(jù)。

一、樣本與評估指標(biāo)的選取

(一)樣本的選取

不同于現(xiàn)有文獻簡單地以不完整的行業(yè)板塊為依據(jù)選擇樣本的做法，本文通過查閱上市公司公開財務(wù)數(shù)據(jù)，依據(jù)公司主營業(yè)務(wù)收入構(gòu)成，并剔除ST公司和信息不完整公司，最終在運輸物流、交通設(shè)施、港口水運等多個板塊遴選出40 家以貨物運輸、倉儲、裝卸搬運、貨運代理等典型物流業(yè)務(wù)為主營業(yè)務(wù)的上市公司作為績效評估對象。同時，依據(jù)其業(yè)務(wù)范疇，將40 家物流上市公司歸為港口類、水路運輸類、鐵路運輸類及綜合類。具體樣本情況見表1。

(二)評估指標(biāo)的選取

為了更科學(xué)地遴選評估指標(biāo)，本文前期從每股指標(biāo)、盈利能力、成長能力、營運能力、償債能力、現(xiàn)金流量及資本構(gòu)成等方面構(gòu)建了包含23 個單項指標(biāo)的評估指標(biāo)體系;再借助Kaiser-Meyer-Olkin(以下簡稱KMO)抽樣充分性測度，剔除了KMO 值在0.6以下的指標(biāo)(通常被認(rèn)為不能接受或非常差)，最終選取每股收益x1、總資產(chǎn)利潤率x2、主營業(yè)務(wù)利潤率x3、總資產(chǎn)凈利潤率x4、成本費用利潤率x5、營業(yè)利潤率x6、總資產(chǎn)報酬率x7、凈利潤率x8、流動資產(chǎn)周轉(zhuǎn)率x9、流動比率x10、速動比率x11、資產(chǎn)負(fù)債率x12、現(xiàn)金流量比率x13、凈資產(chǎn)比率x14等14 個財務(wù)指標(biāo)作為評估指標(biāo)。

表1 上市公司績效綜合得分及其排序表

二、數(shù)據(jù)處理與計算

(一)主成分分析及其基本原理

主成分分析也稱為主分量分析，是由霍特林于1933 年首先提出來的。主成分分析是利用降維的思想，在損失較少信息的前提下把多個指標(biāo)轉(zhuǎn)化為幾個綜合指標(biāo)的多元統(tǒng)計方法。轉(zhuǎn)化生成的綜合指標(biāo)即稱為主成分，其中每個主成分都是原始變量的線性組合，且各個主成分之間沒有相關(guān)性［6］。

主成分的模型表達(dá)式為

式中:xi(i =1，2，…，n)為研究的各項指標(biāo)變量;Fm為提取的各個主成分;umn為因子載荷，因子載荷越大，說明指標(biāo)變量與主成分的關(guān)聯(lián)程度越大;am為第m 個主成分的貢獻率;Y 表示財務(wù)狀況預(yù)測分值。

(二)數(shù)據(jù)處理與計算

依據(jù)主成分分析的通用方法，借助Stata 統(tǒng)計分析軟件，對樣本公司的數(shù)據(jù)做如下處理與計算:

(1)對原始數(shù)據(jù)進行標(biāo)準(zhǔn)化處理。將選取的樣本公司各類財務(wù)指標(biāo)進行量綱為1 處理，使其具有可比性。在Stata 軟件中，可以直接利用描述性統(tǒng)計過程得到標(biāo)準(zhǔn)化的數(shù)據(jù)。

(2)計算指標(biāo)特征值及貢獻率。運用Stata 軟件對標(biāo)準(zhǔn)化后的財務(wù)指標(biāo)進行主成分分析，得到指標(biāo)的特征值、貢獻率及累計貢獻率(表2)。

表2 指標(biāo)特征值及貢獻率

主成分提取一般依據(jù)2 個標(biāo)準(zhǔn)，即指標(biāo)特征值大于1 或累計貢獻率大于85%。表1 中前3 個指標(biāo)的特征值均大于1，而且累計貢獻率達(dá)83.66%，說明前3 個指標(biāo)基本包含了全部指標(biāo)具有的信息，故選擇這3 個指標(biāo)作為主成分，分別記為F1、F2、F3。

(3)KMO 與SMC 檢驗。為了保證指標(biāo)選取的科學(xué)性，本文對所遴選的14 個財務(wù)指標(biāo)進行了KMO 與SMC 統(tǒng)計檢驗。KMO 抽樣充分性測度是用于測量變量之間相關(guān)關(guān)系強弱的重要指標(biāo)，可通過比較2 個變量的相關(guān)系數(shù)與偏相關(guān)系數(shù)得到。KMO 值介于0～1 之間，KMO 越高，表明變量的共性越強。如果偏相關(guān)系數(shù)相對于相關(guān)系數(shù)比較高，則KMO 比較低，主成分分析不能起到很好的數(shù)據(jù)約化效果。Kaiser 曾經(jīng)給出的判斷標(biāo)準(zhǔn)如下:0.00～0.49，不能接受;0.50～0.59，非常差;0.60～0.69，勉強接受;0.70～0.79，可以接受;0.80～0.89，比較好;0.90～1.00，非常好［7］。Squared-Multiple-Correlation(以下簡稱SMC)是一個變量與其他所有變量的復(fù)相關(guān)系數(shù)的平方，也就是復(fù)回歸方程的可決系數(shù)。SMC 值越高，表明變量的線性關(guān)系越強，共性越強，主成分分析就越合適。運用Stata 軟件對所選取的財務(wù)指標(biāo)進行KMO 與SMC 檢驗(表3)，可見各指標(biāo)均可接受或符合要求［8］。

(4)特征向量計算與主成分模型。對載荷矩陣進行旋轉(zhuǎn)即可得到相應(yīng)的特征向量，如表4 所示。

將特征向量與標(biāo)準(zhǔn)化處理后的指標(biāo)相乘，即可得到各個主成分模型:

F1=0.200 8* x1+0.255 2* x2+0.280 9* x3+0.249 4 * x4+ 0.309 8 * x5+ 0.325 3 * x6+0.261 0* x7+0.325 4* x8－0.066 4* x9+0.275 3*x10+0.268 6* x11－0.281 3* x12+0.2704* x13+0.270 3* x14

F2=0.377 3* x1+0.380 5* x2－0.072 0* x3+0.386 6 * x4－ 0.199 9 * x5－ 0.148 1 * x6+0.372 1* x7－0.159 5* x8+0.366 4* x9－0.259 2*x10－0.303 9* x11－0.077 0* x12－0.169 2* x13+0.063 9* x14

表3 KMO 與SMC 檢驗值

表4 旋轉(zhuǎn)后的特征向量

F3=0.209 4* x1+0.101 5* x2+0.164 5* x3+0.138 0 * x4+ 0.241 3 * x5+ 0.210 6 * x6+0.086 5* x7+0.190 3* x8－0.141 2* x9－0.125*x10－0.057 6* x11+0.576 8* x12－0.024 6* x13－0.617 5* x14

在第一主成分F1的表達(dá)式中，x5、x6、x8的系數(shù)較大，這3 項指標(biāo)起主要作用，可以把F1看成是盈利能力綜合指標(biāo);在第二主成分F2的表達(dá)式中，x1、x2、x4的系數(shù)較大，可以把F2看成是每股指標(biāo)的綜合指標(biāo);在第三主成分F3的表達(dá)式中，x11、x12、x14的系數(shù)較大，可以把F3看作償債能力及資本構(gòu)成的綜合指標(biāo)。

(5)績效評估。以各個主成分的方差貢獻率作為權(quán)數(shù)，即可得出公司績效的綜合評價函數(shù)F，進而可以計算出40 家物流上市公司的績效評估值(表1)。

F =0.544 1* F1+0.219 7 * F2+0.072 9 * F3

(三)數(shù)據(jù)結(jié)果分析

在四大類物流上市公司中，鐵路運輸類上市公司的平均績效最高，這與充足的鐵路貨運需求、鐵路貨運的價格優(yōu)勢以及鐵路貨運運力的不斷釋放等因素有關(guān);水路運輸類上市公司的平均績效最低，平均僅為－0.918 3，超過80%的上市公司績效得分為負(fù)數(shù)，這與金融危機、歐債危機等外部因素直接引致的國際貿(mào)易量持續(xù)下滑和國內(nèi)經(jīng)濟增長放緩等問題相關(guān);港口類上市公司的績效差別較大，鹽田港和深赤灣憑借運營效率和成本控制上的優(yōu)勢獲得了突出的財務(wù)績效，同時也有超過半數(shù)的公司績效得分為負(fù)數(shù)，但總體上好于水路運輸類上市公司，這與其多樣化的經(jīng)營內(nèi)容有關(guān);綜合類物流上市公司中，專注于高端產(chǎn)業(yè)物流專門化服務(wù)或?qū)ｉT化物流設(shè)施經(jīng)營的上市公司往往具有相對較好的財務(wù)績效，如專注IT產(chǎn)品一體化供應(yīng)鏈管理服務(wù)的飛力達(dá)、從事危險品儲罐出租的恒基達(dá)鑫、從事低溫倉儲的錦江投資和經(jīng)營碼頭化學(xué)品倉儲的保稅科技等［9］。

三、結(jié) 語

(1)主成分分析利用公開且不斷更新的上市公司財務(wù)數(shù)據(jù)評估公司績效，方法簡便且科學(xué)性強，物流上市公司、外部投資者或金融機構(gòu)均可采用這一方法實時評估公司績效，以提高經(jīng)營及投資決策的科學(xué)性。

(2)在國際金融危機、歐債危機持續(xù)發(fā)酵的背景下，中國不同類別的物流上市公司的績效表現(xiàn)差別較大。整體上來看，鐵路運輸類物流上市公司的績效表現(xiàn)最佳，而水路運輸類物流上市公司的績效表現(xiàn)最差。具體來看，具有先天優(yōu)勢的鐵路貨運物流公司、具有明顯效率與成本優(yōu)勢的港口經(jīng)營企業(yè)、以及專注于高端產(chǎn)業(yè)物流專門化服務(wù)或具有專門化物流設(shè)施的綜合物流企業(yè)績效表現(xiàn)較好，投資價值大。

(3)物流產(chǎn)業(yè)作為現(xiàn)代服務(wù)業(yè)的重要組成部分，在中國正處于快速發(fā)展階段，發(fā)展空間和投資前景巨大，值得投資者重點關(guān)注。

(4)物流服務(wù)需求具有顯著的派生性，物流產(chǎn)業(yè)發(fā)展需要適應(yīng)區(qū)域產(chǎn)業(yè)機構(gòu)和產(chǎn)品結(jié)構(gòu)的變化。因此，在當(dāng)前國際經(jīng)濟復(fù)蘇緩慢、國內(nèi)加快轉(zhuǎn)變經(jīng)濟增長方式和調(diào)整產(chǎn)業(yè)結(jié)構(gòu)的背景下，物流企業(yè)的發(fā)展勢必會受到巨大沖擊，需要及時調(diào)整戰(zhàn)略部署，創(chuàng)新物流服務(wù)，培育核心競爭力，以適應(yīng)外部環(huán)境的持續(xù)變化并尋求戰(zhàn)略性擴張。

［1］賀 瓊，萬華麗.基于主成分分析法的物流業(yè)上市公司綜合評價［J］.武漢理工大學(xué)學(xué)報，2010，32(12):162-166.

［2］劉 輝.利用主成分分析對物流企業(yè)績效的評價［J］.統(tǒng)計與決策，2005(14):142-143.

［3］焦 癑，孫曉東，胡勁松.企業(yè)物流績效評價的主成分分析(PCA)方法［J］.物流技術(shù)，2005(6):47-49.

［4］孫曉東，田 澎，焦 玥，胡勁松.類加權(quán)主成分分析在企業(yè)物流績效評價中的應(yīng)用［J］.工業(yè)工程與管理，2007(1):57-63.

［5］閆楓逸，毛海軍.主成分分析法:物流類上市公司綜合評價［J］.中國儲運，2004(8):39-42.

［6］李衛(wèi)東.應(yīng)用多元統(tǒng)計分析［M］.北京:北京大學(xué)出版社，2008.

［7］Kaiser H F.An index of factorial simplicity［J］.Psychometrika，1974(39):31-36.

［8］馬 暕，李俊娟，姬長龍，等.基于DEA 的滬深兩市運輸物流板塊上市企業(yè)績效評價［J］.長安大學(xué)學(xué)報:社會科學(xué)版，2012，14(6):52-56.

［9］馬成林，毛海軍，李旭寵.物流園區(qū)內(nèi)部功能區(qū)布局方法［J］.交通運輸工程學(xué)報，2008，8(6):116-121.