牛東來(lái) 黃馨萍

[摘 要]超市與居民生活密切相關(guān)，近年來(lái)競(jìng)爭(zhēng)不斷加劇。文章以我國(guó)超市上市公司經(jīng)營(yíng)核心指標(biāo)作為數(shù)據(jù)基礎(chǔ)，用SPSS軟件作為統(tǒng)計(jì)分析工具，分別運(yùn)用時(shí)間序列、神經(jīng)網(wǎng)絡(luò)和多元線性回歸模型，對(duì)2010年至2019年15家超市上市公司的數(shù)據(jù)進(jìn)行建模分析。結(jié)果顯示，超市主營(yíng)業(yè)務(wù)收入和毛利率使用多元線性回歸模型，凈利潤(rùn)、門店數(shù)和人效使用神經(jīng)網(wǎng)絡(luò)模型，資產(chǎn)負(fù)債率使用時(shí)間序列模型預(yù)測(cè)數(shù)據(jù)擬合度較高。最后，利用各指標(biāo)中預(yù)測(cè)精度較高的模型，對(duì)2020年至2025年的指標(biāo)進(jìn)行預(yù)測(cè)。該結(jié)果對(duì)零售超市業(yè)態(tài)的發(fā)展及規(guī)劃具有一定的研究?jī)r(jià)值和實(shí)際意義。

[關(guān)鍵詞]超市;經(jīng)營(yíng)指標(biāo);預(yù)測(cè)方法;上市公司;預(yù)測(cè)

[DOI]10.13939/j.cnki.zgsc.2021.13.105

1 引言

零售行業(yè)在我國(guó)國(guó)民經(jīng)濟(jì)中起著非常重要的作用[1]，是實(shí)現(xiàn)國(guó)內(nèi)大循環(huán)為主體目標(biāo)的重要組成部分。近幾年來(lái)，由于新零售的產(chǎn)生及資本的不斷進(jìn)入，使得零售行業(yè)、特別是超市面臨著巨大的競(jìng)爭(zhēng)態(tài)勢(shì)，從而導(dǎo)致行業(yè)的經(jīng)營(yíng)和發(fā)展遇到很大瓶頸。2020年年初以來(lái)的新冠肺炎疫情在促進(jìn)線上銷售不斷攀升的同時(shí)，也對(duì)整體超市行業(yè)帶來(lái)不同程度的打擊。對(duì)超市行業(yè)未來(lái)經(jīng)營(yíng)發(fā)展趨勢(shì)的研究是居民、行業(yè)和社會(huì)普遍關(guān)注的問(wèn)題。

為了更好地預(yù)判超市行業(yè)未來(lái)的發(fā)展趨勢(shì)，文章獲取了15家超市上市公司年報(bào)的數(shù)據(jù)資料，利用三種預(yù)測(cè)模型作為分析工具，對(duì)超市核心經(jīng)營(yíng)指標(biāo)進(jìn)行了預(yù)測(cè)分析，給出了不同預(yù)測(cè)模型適于預(yù)測(cè)的指標(biāo)，同時(shí)對(duì)超市行業(yè)未來(lái)5年的發(fā)展進(jìn)行了預(yù)測(cè)。

2 數(shù)據(jù)來(lái)源

2.1 搜集樣本數(shù)據(jù)

文章選擇了中國(guó)連鎖經(jīng)營(yíng)協(xié)會(huì)于2020年6月29日發(fā)布的2019年中國(guó)超市百?gòu)?qiáng)名單中的15家上市公司，用2010年至2019年的該15家上市公司的年報(bào)作為數(shù)據(jù)來(lái)源，分析和研究上市公司經(jīng)營(yíng)情況相關(guān)的指標(biāo)，對(duì)超市上市公司的經(jīng)營(yíng)狀況指標(biāo)進(jìn)行研究和預(yù)測(cè)。超市上市公司在整個(gè)零售行業(yè)中具有一定的代表性，用其經(jīng)營(yíng)指標(biāo)進(jìn)行分析和研究，對(duì)今后超市業(yè)態(tài)和零售行業(yè)的發(fā)展具有一定的研究?jī)r(jià)值和理論意義。

2.2 指標(biāo)選擇

大多數(shù)學(xué)者在進(jìn)行零售企業(yè)經(jīng)營(yíng)狀況分析時(shí)會(huì)以財(cái)務(wù)指標(biāo)作為主要的衡量標(biāo)準(zhǔn)，通過(guò)對(duì)文獻(xiàn)中出現(xiàn)的財(cái)務(wù)指標(biāo)頻次的綜合評(píng)判，為了更好地分析零售業(yè)上市公司的經(jīng)營(yíng)狀況，文章主要從各公司的年報(bào)中選擇了六個(gè)和經(jīng)營(yíng)情況相關(guān)的指標(biāo)如表1所示。

為了對(duì)超市業(yè)態(tài)未來(lái)的整體發(fā)展趨勢(shì)有一個(gè)較直觀的預(yù)判，將每一年這15家公司的指標(biāo)數(shù)值取平均值，所得到的整體結(jié)果如表2所示。

3 理論與方法

3.1 時(shí)間序列分析和預(yù)測(cè)

文章選取的數(shù)據(jù)是按照時(shí)間順序進(jìn)行排列的時(shí)間序列，因此能夠使用SPSS時(shí)間序列方法對(duì)其進(jìn)行建模和預(yù)測(cè)[2]，主要方法包括專家建模器和ARIMA模型。

先使用專家建模器對(duì)各指標(biāo)進(jìn)行預(yù)測(cè)，但由于平均零售主營(yíng)業(yè)務(wù)收入、門店數(shù)、凈利潤(rùn)和資產(chǎn)負(fù)債率的預(yù)測(cè)精度無(wú)法通過(guò)精度對(duì)照表[3]，其對(duì)應(yīng)的模型不適合問(wèn)題的研究，所以改用ARIMA模型做進(jìn)一步的參數(shù)設(shè)置和研究分析。由最終的擬合結(jié)果可得，各指標(biāo)對(duì)應(yīng)的平穩(wěn)的R方和R方值都大于0.5，所對(duì)應(yīng)的模型都適合問(wèn)題的研究，擬合結(jié)果均具有統(tǒng)計(jì)學(xué)意義，可以作為很好的預(yù)測(cè)模型來(lái)進(jìn)行研究和分析。

3.2 神經(jīng)網(wǎng)絡(luò)分析和預(yù)測(cè)

SPSS神經(jīng)網(wǎng)絡(luò)是一個(gè)非線性的數(shù)據(jù)建模工具集合，它包含輸入層和輸出層、一個(gè)或多個(gè)隱藏層。神經(jīng)元之間的連接賦予相關(guān)的權(quán)重，訓(xùn)練算法在迭代過(guò)程中不斷地調(diào)整這些權(quán)重，從而使得預(yù)測(cè)誤差最小化并給出預(yù)測(cè)精度。文章使用的是多層感知器（Multilayer Perceptron，MLP）的方法，是一種前饋人工神經(jīng)網(wǎng)絡(luò)模型，其將輸入的多個(gè)數(shù)據(jù)集映射到單一的輸出的數(shù)據(jù)集上。

在進(jìn)行分析和預(yù)測(cè)的過(guò)程中，依次把其中一個(gè)指標(biāo)作為因變量輸入，其他剩余指標(biāo)作為協(xié)變量輸入，分區(qū)數(shù)據(jù)集根據(jù)個(gè)案的相對(duì)數(shù)量，按照訓(xùn)練集與測(cè)試集比例7：3進(jìn)行分配，根據(jù)各指標(biāo)分別作為因變量的模型匯總結(jié)果可知，所有指標(biāo)的相對(duì)錯(cuò)誤數(shù)值均小于0.1，即正確率在90%以上，說(shuō)明該模型擬合效果較好，可以作為較科學(xué)的方法進(jìn)行預(yù)測(cè)。

3.3 多元線性回歸分析和預(yù)測(cè)

利用該方法對(duì)各指標(biāo)的分析過(guò)程中，把其中一個(gè)指標(biāo)依次作為因變量y，其余各指標(biāo)作為自變量x1，x2，x3，x4，x5進(jìn)行多元線性回歸建模，使用SPSS軟件進(jìn)行計(jì)算，所有指標(biāo)的相關(guān)系數(shù)R、判斷系數(shù)R2和調(diào)整后的R2都大于0.5，標(biāo)準(zhǔn)估計(jì)的誤差較小，但平均門店數(shù)、平均人效和平均資產(chǎn)負(fù)債率的顯著性大于0.05，可知這三個(gè)指標(biāo)沒(méi)有通過(guò)系數(shù)檢驗(yàn)，達(dá)不到統(tǒng)計(jì)學(xué)意義上的顯著，由此我們考慮模型中存在多重共線性問(wèn)題。

為了去除多重共線性的問(wèn)題，改為“逐步”的回歸方法進(jìn)行調(diào)整[4]，得到各指標(biāo)最終的所有統(tǒng)計(jì)量均具有統(tǒng)計(jì)學(xué)意義，所以該模型可作為預(yù)測(cè)模型進(jìn)行分析。另外，該模型對(duì)各指標(biāo)預(yù)測(cè)得到的真實(shí)值和預(yù)測(cè)值的誤差率較小，擬合精度較高，可以對(duì)預(yù)測(cè)未來(lái)15家超市上市公司的經(jīng)營(yíng)情況提供一個(gè)比較可靠的參考。

4 三種方法的預(yù)測(cè)結(jié)果對(duì)比

通過(guò)上述三種模型對(duì)15家超市上市公司經(jīng)營(yíng)指標(biāo)的預(yù)測(cè)，對(duì)各指標(biāo)計(jì)算三種模型的均方根誤差和平均相對(duì)誤差[5]，經(jīng)對(duì)比得出各指標(biāo)最適合的預(yù)測(cè)模型結(jié)果是：零售主營(yíng)業(yè)務(wù)收入和毛利率使用多元線性回歸模型，凈利潤(rùn)、門店數(shù)和人效使用神經(jīng)網(wǎng)絡(luò)模型，資產(chǎn)負(fù)債率使用時(shí)間序列模型。

分別使用各個(gè)指標(biāo)中預(yù)測(cè)精度較高的模型對(duì)2020年至2025年各個(gè)經(jīng)營(yíng)指標(biāo)進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果如表3所示。

由上表可得，平均零售主營(yíng)業(yè)務(wù)收入以3%至4%左右的增長(zhǎng)率呈現(xiàn)穩(wěn)定增長(zhǎng)的趨勢(shì);平均門店數(shù)在2020年至2022年呈現(xiàn)下降趨勢(shì)，在2023年略有回升，在2023至2025年逐年增長(zhǎng);平均人效在2020至2021年有所提升，但是2022年及以后呈現(xiàn)出下降的趨勢(shì);平均毛利率和平均資產(chǎn)負(fù)債率分別以1%和2.5%左右的增長(zhǎng)率在逐年穩(wěn)定

上升;平均凈利潤(rùn)整體而言呈現(xiàn)增長(zhǎng)的趨勢(shì)，但于2024年有所下降后又呈增長(zhǎng)趨勢(shì)。

5 結(jié)論

文章對(duì)我國(guó)2010年至2019年15家超市上市公司主要經(jīng)營(yíng)指標(biāo)進(jìn)行分析，以時(shí)間序列、神經(jīng)網(wǎng)絡(luò)和多元線性回歸模型為基礎(chǔ)，對(duì)零售主營(yíng)業(yè)務(wù)收入、毛利率、凈利潤(rùn)、門店數(shù)、人效和資產(chǎn)負(fù)債率六個(gè)指標(biāo)進(jìn)行建模預(yù)測(cè)，經(jīng)過(guò)平均相對(duì)誤差和均方根誤差的對(duì)比分析，得到多元線性回歸模型適合零售主營(yíng)收入和毛利率的預(yù)測(cè)，神經(jīng)網(wǎng)絡(luò)模型適合凈利潤(rùn)、門店數(shù)、人效的預(yù)測(cè)，時(shí)間序列適合資產(chǎn)負(fù)債率的預(yù)測(cè)。

從2020年至2025年的預(yù)測(cè)結(jié)果來(lái)看，未來(lái)零售行業(yè)超市業(yè)態(tài)的發(fā)展整體情況較為平穩(wěn)。在盈利能力方面，主營(yíng)業(yè)務(wù)收入和毛利率每年呈緩慢穩(wěn)定增長(zhǎng)趨勢(shì)，凈利潤(rùn)緩慢下降并有所波動(dòng)，可以通過(guò)線上流量和線下體驗(yàn)相融合的方式尋找新的增量。在企業(yè)規(guī)模方面，門店數(shù)量會(huì)由于網(wǎng)上零售和疫情的影響有所下降，整體的規(guī)模并不會(huì)大幅度減少。在經(jīng)營(yíng)效率方面，人均創(chuàng)效能力略有下降，可以通過(guò)引進(jìn)自助設(shè)備和數(shù)字化手段減少人力提高人效。在償債能力方面，有所增長(zhǎng)但較為平穩(wěn)，應(yīng)及時(shí)應(yīng)對(duì)風(fēng)險(xiǎn)的變動(dòng)，加強(qiáng)企業(yè)內(nèi)部管控。

參考文獻(xiàn)：

[1]付長(zhǎng)鳳.基于回歸算法的超市銷售數(shù)據(jù)預(yù)測(cè)研究[J].信息技術(shù)與信息化，2020（5）：39-41.

[2]朱建芳，段嘉敏，高亮.煤礦百萬(wàn)噸死亡率預(yù)測(cè)方法對(duì)比研究[J].華北科技學(xué)院學(xué)報(bào)，2018，15（3）：10-15，20.

[3]覃延.神經(jīng)網(wǎng)絡(luò)模型和多元線性回歸預(yù)測(cè)腎結(jié)石CT值的比較[J].影像研究與醫(yī)學(xué)應(yīng)用，2020，4（6）：26-28.

[4]鐘麗燕.基于多元線性回歸分析的在校大學(xué)生人數(shù)預(yù)測(cè)[J].經(jīng)貿(mào)實(shí)踐，2018（23）：293-294.

[5]阿布力孜·布力布力，張新國(guó).基于灰色線性回歸組合模型的超市商品銷售量預(yù)測(cè)[J].統(tǒng)計(jì)與決策，2014（7）：69-71.

[作者簡(jiǎn)介]黃馨萍（1995—），女，漢族，安徽合肥人，碩士研究生，研究方向：電子商務(wù)與供應(yīng)鏈一體化。