劉曉鳳 鞠恒鑫

摘 要：企業(yè)經(jīng)濟(jì)對(duì)中國經(jīng)濟(jì)的發(fā)展發(fā)揮了不可替代的作用，但近年來公司破產(chǎn)清算現(xiàn)象時(shí)有發(fā)生，建立合理的財(cái)務(wù)績效評(píng)估體系可以使企業(yè)及時(shí)感知風(fēng)險(xiǎn)并在此基礎(chǔ)上做出有效決策。本文在參照杜邦分析框架及相關(guān)文獻(xiàn)的基礎(chǔ)上，首先建立了企業(yè)財(cái)務(wù)績效評(píng)估指標(biāo)體系;接著使用因子分析法對(duì)原始指標(biāo)提取公因子，根據(jù)其解釋程度劃分為三類公因子，然后運(yùn)用熵值加權(quán)秩和比法建立評(píng)估模型，并對(duì)各公司進(jìn)行了排序和分檔。實(shí)證表明：營運(yùn)能力對(duì)于績效評(píng)估結(jié)果影響程度最大，其次分別是償債能力、盈利能力。大多數(shù)公司處于第二檔次，財(cái)務(wù)績效評(píng)估結(jié)果差別不大，最后結(jié)合每檔中的公司特點(diǎn)提出了發(fā)展建議。

關(guān)鍵詞：績效評(píng)估;財(cái)務(wù)管理;因子分析;熵值法;加權(quán)秩和比法

一、引言

中國經(jīng)濟(jì)自1978年至今蓬勃發(fā)展而企業(yè)經(jīng)濟(jì)對(duì)中國經(jīng)濟(jì)的發(fā)展發(fā)揮了不可替代的作用。國家統(tǒng)計(jì)局發(fā)布的《新中國成立70周年經(jīng)濟(jì)社會(huì)發(fā)展成就報(bào)告》顯示，企業(yè)數(shù)量進(jìn)入爆炸式增長階段。但近年來企業(yè)競爭壓力愈演激烈，一些企業(yè)因成本核算不規(guī)范、資金管理不當(dāng)?shù)葐栴}導(dǎo)致了企業(yè)財(cái)務(wù)狀況日漸下降，最終導(dǎo)致企業(yè)破產(chǎn)清算。而結(jié)合企業(yè)經(jīng)營特點(diǎn)，合理量化財(cái)務(wù)績效評(píng)估指標(biāo)體系并建立準(zhǔn)確的財(cái)務(wù)績效評(píng)價(jià)模型能夠幫助企業(yè)盡早發(fā)現(xiàn)問題，及時(shí)做出決策調(diào)整經(jīng)營策略。

已有文獻(xiàn)在企業(yè)財(cái)務(wù)績效評(píng)估方面采用了不同的方法，劉運(yùn)國、陳國菲（2007）提出了基于BSC和EVA相結(jié)合的財(cái)務(wù)績效評(píng)估指標(biāo)體系;劉倩（2010）構(gòu)建了評(píng)價(jià)模型即主成分分析法及綜合集成賦權(quán)法對(duì)企業(yè)財(cái)務(wù)績效評(píng)價(jià)進(jìn)行研究;景琦（2017）通過層次分析法篩選指標(biāo)并構(gòu)建財(cái)務(wù)績效評(píng)價(jià)體系，運(yùn)用數(shù)據(jù)包絡(luò)分析法構(gòu)建企業(yè)財(cái)務(wù)績效評(píng)價(jià)模型;樊樹海、凌寧（2018）提出用AHP法確定各個(gè)績效評(píng)價(jià)指標(biāo)的權(quán)重，再采用TOPSIS法計(jì)算各方案相對(duì)于理想解相近程度來建立企業(yè)財(cái)務(wù)績效評(píng)價(jià)模型;國內(nèi)學(xué)者對(duì)企業(yè)績效評(píng)價(jià)方法的研究相對(duì)完善，但仍存在著以下問題：指標(biāo)體系構(gòu)建繁多和分散;財(cái)務(wù)績效評(píng)估計(jì)算方法各異且評(píng)估精準(zhǔn)度沒有得到進(jìn)一步提升。

基于以上問題，本文創(chuàng)新性地提出了熵值加權(quán)RSR法的財(cái)務(wù)績效評(píng)估模型。該模型考慮到了數(shù)據(jù)的波動(dòng)性、信息量等，并對(duì)公司進(jìn)行了排序、歸類且可以清晰地看出各指標(biāo)之間的差異。

二、企業(yè)財(cái)務(wù)績效評(píng)估模型指標(biāo)體系構(gòu)建及數(shù)據(jù)來源

參照《企業(yè)績效評(píng)價(jià)操作細(xì)則（修訂）》及杜邦分析框架，結(jié)合已有文獻(xiàn)所構(gòu)建的財(cái)務(wù)績效評(píng)價(jià)指標(biāo)體系并考慮到指標(biāo)科學(xué)性、全面性和可操作性的基礎(chǔ)上，重建了企業(yè)財(cái)務(wù)績效評(píng)估指標(biāo)體系見圖1。

使用上文構(gòu)建的績效評(píng)價(jià)指標(biāo)體系，在和訊網(wǎng)、新浪財(cái)經(jīng)網(wǎng)選取了2018年度19家上市公司作為研究對(duì)象，分別抽取其13項(xiàng)財(cái)務(wù)指標(biāo)值作為實(shí)證分析數(shù)據(jù)。

三、企業(yè)財(cái)務(wù)績效評(píng)估模型構(gòu)建

1.因子分析簡介

所謂因子分析是基于研究變量的內(nèi)部依賴性，將具有信息層疊和關(guān)系復(fù)雜的變量綜合成幾個(gè)正交的公因子，從而起到降維效果又稱對(duì)原始變量的分解。它的基本思想是將高相關(guān)性的變量集中到一個(gè)組內(nèi)，這就使得不同組別之間無顯著相關(guān)性，每一組抽取出一個(gè)公因子使其可以代表組內(nèi)變量的特性。但單獨(dú)使用其進(jìn)行綜合評(píng)價(jià)函數(shù)時(shí)仍存在一定的缺陷：各因子因方差不同而具有自動(dòng)加權(quán)功能，在因子分析中使用因子得分評(píng)價(jià)評(píng)價(jià)函數(shù)是錯(cuò)誤的。

2.熵值法及RSR簡介

熵值法是根據(jù)輸入指標(biāo)的不確定性來確定指標(biāo)的權(quán)值的客觀評(píng)估方法。而信息論中“熵”是衡量信息不確定性的指標(biāo)，信息量與信息不確定性（熵）呈反向變動(dòng)關(guān)系，即信息量越大信息不確定性（熵）越小。綜上，指標(biāo)的熵值越小則計(jì)算其權(quán)重時(shí)應(yīng)給予更高的重視（權(quán)重）。雖然熵值法可以很好地衡量指標(biāo)之間的相對(duì)重要程度且比較適用于本文的績效評(píng)估問題，但其致命缺陷是會(huì)忽略指標(biāo)的重要程度而去關(guān)注各指標(biāo)之間的不確定性且該算法并不能降低數(shù)據(jù)維數(shù)。

秩和比法（RSR）是由我國衛(wèi)生統(tǒng)計(jì)學(xué)家田鳳調(diào)在改進(jìn)參數(shù)估計(jì)的基礎(chǔ)上提出來的。RSR彌補(bǔ)了傳統(tǒng)參數(shù)統(tǒng)計(jì)要求樣本總體分布為正態(tài)分布這一苛刻條件。該模型主要優(yōu)點(diǎn)包括：可消除異常值干擾;其核心是秩代換也就使得RSR具有更加優(yōu)異的統(tǒng)計(jì)信息性能等。但該算法的缺陷是指標(biāo)在轉(zhuǎn)換為秩次時(shí)，可能會(huì)導(dǎo)致原數(shù)據(jù)信息丟失等。

3.基于因子熵值加權(quán)RSR模型

考慮到因子分析、熵值法、RSR法的優(yōu)缺點(diǎn)，提出了基于因子熵值加權(quán)RSR模型（見圖2）。先使用因子分析提取公因子然后再用熵值法根據(jù)公因子的不確定性計(jì)算權(quán)重，這樣使得兩種算法優(yōu)劣互補(bǔ)。而RSR算法在編秩時(shí)可能會(huì)導(dǎo)致原始數(shù)據(jù)信息丟失，因此使用因子熵權(quán)計(jì)算得出的權(quán)值對(duì)RSR進(jìn)行加權(quán)進(jìn)一步進(jìn)行優(yōu)化。

基于因子熵值加權(quán)RSR模型步驟：

①將上市公司財(cái)務(wù)指標(biāo)進(jìn)行因子分析，根據(jù)其解釋原始指標(biāo)程度對(duì)公因子進(jìn)行分類;

②使用熵值法計(jì)算公因子的權(quán)重即根據(jù)公因子之間的信息不確定性進(jìn)行計(jì)算權(quán)重;

③將熵值法得出的公因子權(quán)重對(duì)RSR進(jìn)行加權(quán)（熵值RSR法），然后輸入因子分析得出的公因子計(jì)算得出評(píng)價(jià)結(jié)果。

四、實(shí)證分析

1.因子分析結(jié)果

將所選數(shù)據(jù)用Excel進(jìn)行初步處理，再使用SPSS22進(jìn)行相關(guān)數(shù)據(jù)分析。由表1可知，KMO檢驗(yàn)值為0.688大于0.6且Bartlett的球形度檢驗(yàn)值的顯著性遠(yuǎn)小于0.05;因此，構(gòu)建的指標(biāo)體系符合效度檢驗(yàn)且適合做因子分析。

由表2可知，有3個(gè)公因子的特征值大于1，且累計(jì)方差貢獻(xiàn)率達(dá)到81.7%，符合公因子的提取標(biāo)準(zhǔn)。因此，選擇前三個(gè)公因子作為綜合評(píng)價(jià)指標(biāo)可以較好地解釋原始指標(biāo)數(shù)據(jù)。這三個(gè)公因子分別記作β1、β2、β3。

由表3可知，第一個(gè)公因子β1在前六個(gè)指標(biāo)上有較大的載荷量，且反映了上市公司的獲取利潤和資本增值能力，故定義該公因子為盈利能力指標(biāo)。第二個(gè)公因子β2在X7-X9上有較大的載荷量，故定義為營運(yùn)能力指標(biāo)。第三個(gè)公因子β3在后四個(gè)指標(biāo)上有較大的載荷量，故定義為償債能力指標(biāo)。

2.熵值秩和比法

使用熵值法計(jì)算公因子權(quán)重，首先對(duì)因子的分析得出的主因子進(jìn)行無量綱化處理;其次計(jì)算第i個(gè)指標(biāo)的第j個(gè)指標(biāo)值的比重pij，得到比重矩陣P：

通過公式（2） 定義第i個(gè)指標(biāo)的熵：

通過公式（3） 計(jì)算指標(biāo)信息熵的冗余度：

進(jìn)而通過公式（4） 可得到指標(biāo)權(quán)重（見表4）：

下面使用熵值法結(jié)果對(duì)RSR進(jìn)行加權(quán)，由上文的分析可知β1、β2、β3均為高優(yōu)指標(biāo)，將這些指標(biāo)按照指標(biāo)值大小進(jìn)行排序并建立秩次矩陣R。使用非整秩法對(duì)指標(biāo)進(jìn)行編秩參照公式（5）：

其中Rij表示第i個(gè)企業(yè)第j項(xiàng)主因子的秩次;m為選取企業(yè)個(gè)數(shù)（選取了19個(gè)樣本即m=19）;xij為第i個(gè)企業(yè)第j項(xiàng)主因子的數(shù)值;xij=max{x1j， x2j…xnj};xmin則為取最小值。

最后使用熵值法求出的權(quán)值ωi參照公式（6） 進(jìn)行加權(quán)RSR：

由表4可知，營運(yùn)能力的權(quán)重最大為0.444，其次是償債能力權(quán)重為0.358，最小的是盈利能力權(quán)重為0.197。由此得出，運(yùn)營能力對(duì)評(píng)估體系的影響最大，其次為償債能力，最小的是盈利能力。造成該情況的原因可能是選取行業(yè)的盈利狀況較為集中且無較大差異，運(yùn)營能力及償債能力則對(duì)所選取行業(yè)公司財(cái)務(wù)績效的影響相對(duì)更加重要。因此，該行業(yè)公司應(yīng)在保證盈利能力的基礎(chǔ)上，著重關(guān)注運(yùn)營能力和償債能力的提升路徑。

由表5可知，因變量WRSR與自變量概率單位值Probit具有高度線性相關(guān)（r=0.893），且Prob（F-Sta）檢驗(yàn)值小于0.05，說明OLS的回歸效果較好。線性回歸方程為y=0.12700Probit- 0.12958。將Probit帶入線性回歸方程中得到實(shí)證樣本的WRSR估計(jì)值見表6。

將選取的財(cái)務(wù)指標(biāo)通過因子熵值加權(quán)RSR模型得出最后的評(píng)價(jià)結(jié)果，并對(duì)該19家企業(yè)進(jìn)行分檔（見表7）。從指標(biāo)得分來看：第一檔中的名家匯運(yùn)營能力排名18其他能力較為良好，應(yīng)關(guān)注運(yùn)營;第二檔中的企業(yè)普遍在營運(yùn)能力和償債能力方面存在欠缺，其中該差異龍建股份、龍?jiān)ㄔO(shè)和天健集團(tuán)更為明顯，應(yīng)著重加強(qiáng)存貨管理，優(yōu)化資本結(jié)構(gòu)等一系列提升措施;第三檔中的騰達(dá)建設(shè)償債能力排名較靠前，應(yīng)更加關(guān)注企業(yè)的經(jīng)營發(fā)展。

五、結(jié)論

本文在和訊網(wǎng)、新浪財(cái)經(jīng)網(wǎng)選取了19家上市公司作為實(shí)證分析樣本。首先，建立了企業(yè)財(cái)務(wù)績效評(píng)估體系，并根據(jù)該體系選取了2018年度樣本公司的13項(xiàng)指標(biāo);其次，提出了公司財(cái)務(wù)績效評(píng)估模型對(duì)樣本公司進(jìn)行分檔并排序。實(shí)證分析得出：運(yùn)營能力對(duì)財(cái)務(wù)評(píng)價(jià)模型的影響要大于償債能力及盈利能力。WRSR模型將樣本公司分為三級(jí)。有些公司雖然最后的綜合能力比較高，但在某些能力上處于劣勢(shì)，例如第一等級(jí)的“名家匯”其運(yùn)營能力相對(duì)較差，經(jīng)查找2018年度財(cái)務(wù)數(shù)據(jù)發(fā)現(xiàn)應(yīng)收賬款周轉(zhuǎn)率、流動(dòng)資產(chǎn)周轉(zhuǎn)率等指標(biāo)相對(duì)較差，要想解決該公司提升的瓶頸問題應(yīng)加強(qiáng)對(duì)賬款的收回管理以免成為壞賬，加強(qiáng)存貨管理，加強(qiáng)存貨流通以免存貨堆積或減值。通過因子熵值加權(quán)RSR法可以對(duì)同一行業(yè)的公司進(jìn)行評(píng)估，在評(píng)估結(jié)果的基礎(chǔ)上找到企業(yè)發(fā)展的突破點(diǎn)以做出改善措施。在未來的研究中，將考慮非財(cái)務(wù)因素對(duì)企業(yè)績效的影響以期建立準(zhǔn)確度更高的企業(yè)評(píng)估模型。

參考文獻(xiàn)：

[1]劉運(yùn)國，陳國菲.BSC與EVA相結(jié)合的企業(yè)績效評(píng)價(jià)研究——基于GP企業(yè)集團(tuán)的案例分析[J].會(huì)計(jì)研究，2007（09）：50-59+96.

[2]劉倩.企業(yè)財(cái)務(wù)績效評(píng)價(jià)模型構(gòu)建——基于主成分分析法[J].生產(chǎn)力研究，2010（06）：249-250+254.

[3]景琦.基于AHP-DEA的傳媒業(yè)上市公司財(cái)務(wù)績效評(píng)價(jià)研究[J].統(tǒng)計(jì)與信息論壇，2017，32（03）：92-100.

[4]樊樹海，凌寧.基于AHP-TOPSIS模型的企業(yè)財(cái)務(wù)績效評(píng)價(jià)[J].會(huì)計(jì)之友，2018（06）：78-80.

[5]王學(xué)民.對(duì)主成分分析中綜合得分方法的質(zhì)疑[J].統(tǒng)計(jì)與決策，2007（08）：31-32.

作者簡介：劉曉鳳（2000- ），女，漢族，山西朔州人，研究方向：財(cái)務(wù)管理;通訊作者：鞠恒鑫（1999- ），男，漢族，山東泰安人，研究方向：營銷與決策