李慶雪

（延安大學(xué)經(jīng)濟與管理學(xué)院，陜西 延安 716000）

企業(yè)財務(wù)績效評價是使用財務(wù)指標(biāo)對企業(yè)企業(yè)償債能力，盈利能力，運營能力和發(fā)展能力綜合評價的方法。對企業(yè)績效綜合評價，能夠幫助利益相關(guān)者獲取投資決策需要的信息，并且?guī)椭芾碚哒J(rèn)識到與既定目標(biāo)的差距。綜合比較使用較多的績效評價方法后，本文選擇采用因子分析法對智能制造行業(yè)上市公司的績效進行綜合評價，同時根據(jù)綜合得分進行排名，并根據(jù)排名結(jié)果針對性地提出發(fā)展建議，以期提高智能制造行業(yè)的績效水平。

一、因子分析法概述

因子分析法是在多個變量中尋找具有代表性的因子，將具有同類信息的因子歸類成一個或幾個綜合因子，代表原始資料中大部分變量絕大部分原始信息，增加信息的代表性和可讀性，減少信息的維度，且不會導(dǎo)致大量信息丟失的多元統(tǒng)計分析方法。其具體數(shù)學(xué)模型如下：

X1=a11F1+a12F2+a13F3+……+a1kFK+e1

X2=a21F1+a22F2+a23F3+……+a2kFK+e2

X3=a31F1+a32F2+a33F3+……+a3kFK+e3

……

Xn=an1F1+an2F2+an3F3+……+ankFK+en

式中，F(xiàn)被稱為公共因子，F(xiàn)j（j=1，2，…，k）彼此不相關(guān)；aij（i=1，2，…，n；j=1，2，…，k）稱為因子載荷，是第i個原有變量在第j個因子上的載荷，即各因子對各變量的影響度；e稱為特殊因子，表示除了公因子外影響該變量的其他因素，其均值為0，獨立于Fj（j=1，2，…，k）。

二、實證分析過程

1.數(shù)據(jù)來源及指標(biāo)選擇

隨著新一代信息技術(shù)與先進制造技術(shù)的不斷深度融合，新一輪科技革命和產(chǎn)業(yè)變革正在重構(gòu)全球創(chuàng)新版圖、重塑全球經(jīng)濟結(jié)構(gòu)，數(shù)字化和智能化日益成為未來制造業(yè)發(fā)展的主要方向。國務(wù)院于2015年發(fā)布并實施《中國制造2025》，文件中明確提出將智能制造作為主攻方向，其目的在于加速我國制造業(yè)提質(zhì)增效、轉(zhuǎn)型升級，培育我國新的經(jīng)濟增長新動能，搶占新一輪產(chǎn)業(yè)競爭制高點。確定產(chǎn)業(yè)發(fā)展的方向之后，意味著各個制造業(yè)要積極推進轉(zhuǎn)型升級，跟進產(chǎn)業(yè)發(fā)展新趨勢。在制造業(yè)轉(zhuǎn)型期間，分析智能制造企業(yè)經(jīng)營績效，具有一定的現(xiàn)實意義。

本文首先從法國里昂商學(xué)院公布的2019年中國智能制造百強名單為中剔除未上市，港股上市以及數(shù)據(jù)嚴(yán)重缺失的公司；其次，綜合考慮樣本代表性之后，選取了61家智能制造上市公司2019年財務(wù)指標(biāo)數(shù)據(jù)；最后，構(gòu)建因子分析模型對其進行分析評價。使用數(shù)據(jù)均來源于國泰安數(shù)據(jù)庫和東方財富網(wǎng)。

公司績效應(yīng)綜合考慮多種因素的影響，本文選擇五項常用財務(wù)指標(biāo)來衡量公司績效，具體如下：

（1）償債能力主要選擇資產(chǎn)負(fù)債率和流動比率，反映企業(yè)短期償債能力以及利用杠桿能力獲取資金的能力。

（2）營運能力主要選擇總資產(chǎn)周轉(zhuǎn)率和流動資產(chǎn)周轉(zhuǎn)率，這兩個指標(biāo)反映企業(yè)利用資產(chǎn)獲取收益的效率。

（3）盈利能力主要選擇營業(yè)利潤率，凈資產(chǎn)收益率和成本費用利潤率，反映企業(yè)創(chuàng)造利潤的能力。

（4）成長能力選擇的是資本積累率和營業(yè)總成本增長率，反映企業(yè)的擴張能力。

（5）每股質(zhì)量選擇的是每股凈資產(chǎn)，每股營業(yè)收入和每股留存收益，反映企業(yè)每股普通股的質(zhì)量。

表1 定義變量表

2.數(shù)據(jù)預(yù)處理

首先，利用spss22.0對原始財務(wù)指標(biāo)進行無量綱化處理，以消除不同財務(wù)指標(biāo)不可比的問題。此外，為了提高數(shù)據(jù)分析的嚴(yán)謹(jǐn)性，本文對流動比率和資產(chǎn)負(fù)債率這2項適度指標(biāo)進行了正向化處理，所采用的公式為：Y=1/（1+|r-X|）。其中，X為原始指標(biāo)值；Y為正向化處理后的指標(biāo)值；r為X理論上的最優(yōu)值，如流動比率為2，資產(chǎn)負(fù)債率為 0.5。

3.因子分析的適用性檢測

如表2所示，KMO和巴特利特檢驗檢驗值為0.655>0.5，表明已有變量之間存在信息重復(fù)部分，因子分析可以起到降低信息維度的作用，因此存在可行性。巴特萊特的球形度檢驗相伴概率約等于0，小于顯著性水平0.0l，拒絕各變量之間獨立的原假設(shè)。因此使用的原始信息滿足因子分析的條件，可以進行因子分析。

表2 KMO和巴特利特檢驗

4.提取公因子

在確定因子個數(shù)時，通常觀察其初始特征值，特征值大于或等于1的主成分為初始因子。分析表3可知，特征值大于1的主成分有5個，其累計貢獻率為88.027%，表明這5個因子能夠反映88.027%的原始信息，因此提取這5個因子作為公因子。

表3 總方差解釋

5.計算因子旋轉(zhuǎn)載荷矩陣并命名

利用最大方差法對主成分矩陣進行旋轉(zhuǎn)，去除結(jié)果小于0.5的系數(shù)后如表4所示。

表4 旋轉(zhuǎn)后的成分矩陣

根據(jù)表4旋轉(zhuǎn)成份矩陣中各因子特征值載荷量，可以提取如下5個公因子：

（1）智能制造上市公司的影響因素中方差貢獻率最大的公共因子載荷為25.898%。其中，成本費用利潤率、凈資產(chǎn)收益率、營業(yè)利潤率在該因子具有較高的載荷，這些指標(biāo)從不同方面反映了企業(yè)的盈利能力，因此將其命名為盈利因子。

（2）智能制造上市公司影響因素中方差貢獻率第二的公共因子載荷為19.471%。其中，每股營業(yè)收入，每股凈資產(chǎn)和每股留存收益有較高載荷，該指標(biāo)能夠說明公司的普通股股本擴張能力和盈利能力，因此將其命名為每股質(zhì)量因子。

（3）智能制造上市公司影響因素中方差貢獻率第三的公共因子載荷為16.397%。其中，流動資產(chǎn)周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率有較高載荷。這兩個指標(biāo)反映了該公司運用資產(chǎn)獲取收益的效率，故將該因子命名為營運能力因子。

（4）智能制造行業(yè)上市公司影響因素中方差貢獻率第四的公因子載荷為13.337%，其中資本累計率和營業(yè)總成本增長率在該因子具有較高的載荷，這兩個指標(biāo)反映公司的持續(xù)發(fā)展能力和對成本的把控能力，因此將其命名為成長因子。

（5）智能制造行業(yè)上市公司影響因素中方差貢獻率第五的公因子載荷為12.923%，其中流動比率和資產(chǎn)負(fù)債率具有較高的因子載荷，這兩個指標(biāo)可以用來衡量企業(yè)短期和長期償債能力，因此將其命名為償債能力因子。

最終累計解釋的總方差達(dá)到了88.026%，這說明提取的5個公共因子可以解釋初始財務(wù)數(shù)據(jù)中的大部分原始信息。最終公共因子匯總?cè)绫?所示。

表6 公共因子

6.因子得分計算及綜合得分評價模型

由成分得分矩陣，得到因子分析模型得分的表達(dá)式：

F1=0.113X1-0.045X2+…………-0.14X11+0.086X12

F2=0.007X1-0.023X2+…………+0.407X11+0.311X12

F3=-0.115X1+0.099X2+…………+0.079X11-0.098X12

F4=-0.152X1+0.051X2+…………+0.032X11-0.006X12

F5=0.659X1+0.495X2+…………-0.047X11+0.047X12

對各個因子進行加權(quán)求得出 61家上市公司的綜合得分，其綜合得分為：F=（25.899*F1+19.471F2+16.397*F3+13.337*F4+12.923*F5）/88.027

表7即為61家上市公司具體得分情況及排名。

表7 上市公司綜合得分及排名

三、 評價結(jié)果分析

由表7可以看出，61家樣本公司中30家綜合得分大于0，表明約占樣本一半的公司處于平均水平之上。這說明我國智能制造技術(shù)及其產(chǎn)業(yè)化迅速發(fā)展，并取得了較為顯著的成效。然而，由于其處于發(fā)展初期，仍然存在技術(shù)體系不健全，政策不完善等制約我國智能制造快速發(fā)展的矛盾和問題。

具體分析可以看出，公因子1得分最高的為匯頂科技，其次是美亞光電、博實股份和康斯特，其得分分別為1.83128、1.70731、1.29028和1.23376，其余企業(yè)得分均小于1甚至部分企業(yè)得分為負(fù)。該公因子的高低體現(xiàn)公司的盈利能力，得分越高代表公司盈利能力越強。這表明智能型制造型上市公司的獲利能力參差不齊，大部分公司有很大的發(fā)展空間。公因子2得分最高的為中國動力，得分最低的是東方精工，分別為2.98994和-1.59201，相差4.58195。該公因子表示公司的每股質(zhì)量，代表上市公司股東權(quán)益大小和未來公司擴張的物質(zhì)基礎(chǔ)，最大值和最小值的差距并不大，從一定程度上表明樣本企業(yè)對于每股質(zhì)量的把控能力相差不多。公因子3得分最高的是東方精工3.00319，得分最低的是巨輪智能-1.57433，該因子代表企業(yè)的運營能力，體現(xiàn)公司對利用現(xiàn)有資產(chǎn)獲取收益的效率，間接影響企業(yè)的經(jīng)營效益和對債務(wù)的償付能力。總體來看，各公司的運營能力表現(xiàn)一般，相差并不大。公因子4得分大于0的公司有27家（占比0.44%），排名前三的是三一重工，中信重工和晨光生物，得分相對較高。該公因子一方面代表企業(yè)對外擴張的能力，另一方面代表企業(yè)對內(nèi)成本把控能力。智能制造市場的成長能力與其市場占有率息息相關(guān)，但是由于市場缺乏統(tǒng)一標(biāo)準(zhǔn)，導(dǎo)致產(chǎn)品市場推廣難度加大，限制該行業(yè)進一步發(fā)展。公因子5得分最高的是拓邦股份，得分最低的是美亞光電，該因子的高低體現(xiàn)了公司償債能力的強弱，智能制造公司轉(zhuǎn)型初期通常伴隨著大量的資金投入，且投資回收周期較長，良好的償債能力是企業(yè)穩(wěn)定發(fā)展的保證。該指標(biāo)的差距并不大，表明智能制造行業(yè)的償債能力差距較小。

四、對策和建議

1.選擇適合的銷售渠道，提升盈利能力

從上述的綜合排名可以看出，當(dāng)前智能制造行業(yè)的盈利能力參差不齊，為使智能制造行業(yè)整體提升，需要從不同維度做出改變。在我國，主要的銷售模式有兩種，一種是將產(chǎn)品直接外包給經(jīng)銷商，自身不參與或較小范圍內(nèi)組織營銷；另一種是智能制造公司利用自身的信譽和品牌號召力積極開拓自己的銷售渠道。智能制造公司要根據(jù)自身的特點來選擇銷售渠道。注重研發(fā)的公司可以將精力放在產(chǎn)品的創(chuàng)新上，選擇合適的經(jīng)銷商來減少對研發(fā)資源的占用或者直銷經(jīng)銷結(jié)合，有助于公司了解客戶需求，抓住痛點，研發(fā)出更貼近需求的產(chǎn)品。在企業(yè)自身主營業(yè)務(wù)達(dá)到一定高度之后，可以開拓下游銷售渠道，擴大產(chǎn)業(yè)鏈條，創(chuàng)造協(xié)同價值。

2.加大研發(fā)投入，提高成長能力

我國制造業(yè)和發(fā)達(dá)國家產(chǎn)生差距的主要原因在于核心技術(shù)的研發(fā)和重點零部件的制造。因此，一方面，政府要洞察行業(yè)升級改造痛點，把握行業(yè)發(fā)展需求，在高新技術(shù)研發(fā)方面給予適當(dāng)?shù)恼咧С?，并盡快建立起符合中國國情的行業(yè)智能標(biāo)準(zhǔn)，使智能制造產(chǎn)品市場更加規(guī)范；另一方面，還需要鼓勵企業(yè)發(fā)揮自身優(yōu)勢，不斷優(yōu)化產(chǎn)品，同時和高校、研究結(jié)構(gòu)建立合作關(guān)系，促進高新技術(shù)轉(zhuǎn)化成智能產(chǎn)品，加快實現(xiàn)制造產(chǎn)業(yè)的轉(zhuǎn)型，縮小行業(yè)差距，促進我國智能制造行業(yè)的發(fā)展。此外，人才是企業(yè)研發(fā)創(chuàng)新的基礎(chǔ)，可以適當(dāng)提高福利待遇，吸引核心技術(shù)人才，將創(chuàng)新作為企業(yè)的第一生產(chǎn)力。

3.持續(xù)提升企業(yè)的核心競爭力

智能制造企業(yè)不斷提升全流程的精益制造水平，生產(chǎn)出高價值、高質(zhì)量的智能產(chǎn)品，維持與高品質(zhì)產(chǎn)品適配的價格并保持產(chǎn)品競爭力，而不是簡單地追求絕對低成本，從而提高資源、能源利用效率以及制造管理的效率。未來智能制造要植根制造行業(yè)，遵循行業(yè)發(fā)展規(guī)律，調(diào)研行業(yè)用戶現(xiàn)實需求，量身定制智能化產(chǎn)品。深耕細(xì)分行業(yè)，不斷積累專業(yè)知識和技術(shù)方法，提煉總結(jié)形成標(biāo)準(zhǔn)，成為行業(yè)內(nèi)標(biāo)桿企業(yè)。積極布局一批核心技術(shù)產(chǎn)權(quán)，利用平臺化、數(shù)字化、網(wǎng)絡(luò)化的技術(shù)手段，推動智能制造產(chǎn)品的產(chǎn)業(yè)化。