數(shù)據(jù)挖掘在家電企業(yè)績效評(píng)價(jià)中的應(yīng)用研究

袁放建，王新華

(陜西師范大學(xué)國際商學(xué)院，陜西西安，710062)

數(shù)據(jù)挖掘在家電企業(yè)績效評(píng)價(jià)中的應(yīng)用研究

袁放建，王新華

(陜西師范大學(xué)國際商學(xué)院，陜西西安，710062)

選取我國家電行業(yè)上市公司 2008年度數(shù)據(jù)，利用主成分分析方法對(duì)財(cái)務(wù)比率指標(biāo)數(shù)據(jù)進(jìn)行分析，提取盈利能力、發(fā)展能力、償債能力及資產(chǎn)營運(yùn)能力四個(gè)主要因子, 并結(jié)合因子在各財(cái)務(wù)指標(biāo)的載荷以及各財(cái)務(wù)指標(biāo)之間的復(fù)相關(guān)系數(shù)來確定財(cái)務(wù)指標(biāo)的選取和權(quán)重的設(shè)定，以此構(gòu)建企業(yè)績效評(píng)價(jià)指標(biāo)體系，然后利用所構(gòu)建的指標(biāo)體系對(duì)家電行業(yè)上市公司的企業(yè)績效進(jìn)行評(píng)測排序，最后利用聚類分析方法檢驗(yàn)該指標(biāo)體系的有效性。研究結(jié)果表明，使用此種方法建立企業(yè)績效評(píng)價(jià)體系是可行有效的。

數(shù)據(jù)挖掘；企業(yè)績效；家電企業(yè)；績效評(píng)價(jià)

企業(yè)績效評(píng)價(jià)是企業(yè)管理的重要組成部分，合理有效的績效評(píng)價(jià)體系可以提高企業(yè)經(jīng)營管理的效率和效能[1]。但隨著信息時(shí)代的到來，會(huì)計(jì)核算業(yè)務(wù)量以及數(shù)據(jù)庫規(guī)模的不斷擴(kuò)大，如何在大量財(cái)務(wù)數(shù)據(jù)中發(fā)掘有用信息、內(nèi)在規(guī)律[2]，借以構(gòu)建有效的績效評(píng)價(jià)指標(biāo)體系就顯得越來越重要，而將數(shù)據(jù)挖掘技術(shù)應(yīng)用到績效評(píng)價(jià)中，可以幫助我們有效的解決這一問題。

目前數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)績效評(píng)價(jià)領(lǐng)域的應(yīng)用主要體現(xiàn)在兩個(gè)方面：一是利用聚類分析方法對(duì)上市公司的績效進(jìn)行分類分析[3]；二是利用主成分分析方法對(duì)上市公司的部分財(cái)務(wù)指標(biāo)提取主因子，根據(jù)因子的方差貢獻(xiàn)率來確定因子權(quán)重，再由因子得分函數(shù)來計(jì)算因子得分并對(duì)上市公司的績效表現(xiàn)進(jìn)行排序。而利用主成分分析法的大部分研究只是計(jì)算了各因子的權(quán)重，并未確定各個(gè)財(cái)務(wù)指標(biāo)的權(quán)重，未能建立一個(gè)相對(duì)精確的績效評(píng)價(jià)指標(biāo)體系；又因?yàn)槊總€(gè)因子在各個(gè)財(cái)務(wù)指標(biāo)上都有或大或小的載荷[4]，所以每個(gè)因子的得分函數(shù)中均包含了所有的財(cái)務(wù)指標(biāo)，沒有真正達(dá)到指標(biāo)(變量)降維的目的。此外，很多研究文獻(xiàn)并沒有統(tǒng)一選取財(cái)務(wù)指標(biāo)的量綱，而只是簡單的進(jìn)行統(tǒng)計(jì)整理或通過簡單的標(biāo)準(zhǔn)化[5]。

本文整理并選取滬深兩市24家家電行業(yè)上市公司的14個(gè)財(cái)務(wù)比率指標(biāo)數(shù)據(jù)[6]，將原始數(shù)據(jù)標(biāo)準(zhǔn)化處理后，對(duì)數(shù)據(jù)進(jìn)行主成分分析并提取主因子，首先確定各因子的含義及權(quán)重，再結(jié)合因子在各財(cái)務(wù)指標(biāo)的載荷以及各財(cái)務(wù)指標(biāo)之間的復(fù)相關(guān)系數(shù)來確定財(cái)務(wù)指標(biāo)的選取和權(quán)重的設(shè)定，以此建立一個(gè)較為精確的企業(yè)績效評(píng)價(jià)指標(biāo)體系，然后利用所構(gòu)建的指標(biāo)體系來測評(píng)家電行業(yè)24家上市公司的企業(yè)績效狀況，最后利用聚類分析來檢驗(yàn)評(píng)測結(jié)果的正確性。

一、績效評(píng)價(jià)指標(biāo)體系的建立

截至2008年底，在A股市場家電行業(yè)有26家上市公司，由于 ST股公司數(shù)據(jù)不具有可比性，所以將其剔除，本文整理并選取24家上市公司的14個(gè)財(cái)務(wù)指標(biāo)數(shù)據(jù)，選取的財(cái)務(wù)指標(biāo)在表2可見，數(shù)據(jù)來源于證券交易所披露的 2008年度報(bào)告以及同花順證券軟件。為了便于SPSS進(jìn)行數(shù)據(jù)處理，先將原始數(shù)據(jù)進(jìn)行Z-Score標(biāo)準(zhǔn)化處理，將財(cái)務(wù)指標(biāo)A的原始值μ標(biāo)準(zhǔn)化為μ′的計(jì)算公式為：μ′=(μ?)/σA，其中是財(cái)務(wù)指標(biāo)A原始值的均值, σA是財(cái)務(wù)指標(biāo)A原始值的標(biāo)準(zhǔn)差。將原始數(shù)據(jù)經(jīng)過標(biāo)準(zhǔn)化處理之后，利用SPSS軟件進(jìn)行主成分分析。

(一) 提取因子

采用主成分分析法提取因子并選取特征根值大于1的特征根，在表1中可以看到，四個(gè)因子共解釋了原有變量總方差的 87.682%，并結(jié)合因子分析初始解(表略)可知，原有變量的絕大部分信息可被因子解釋，總體上原有變量的信息丟失較少，因子分析結(jié)果較理想。

表1 Total variance explained

(二) 因子的命名解釋

由于單獨(dú)通過因子載荷矩陣難以給各個(gè)因子命名，所以采用方差最大法對(duì)因子載荷矩陣實(shí)行正交旋轉(zhuǎn)以使各個(gè)因子的含義更為清晰，旋轉(zhuǎn)后的載荷矩陣如表2。

由表2可知：營業(yè)利潤增長率、凈利潤增長率、凈資產(chǎn)報(bào)酬率、總資產(chǎn)報(bào)酬率、銷售毛利率和營業(yè)利潤率在第一個(gè)因子上有較高載荷，故第一個(gè)因子可解釋為盈利能力(F1)；凈資產(chǎn)增長率和總資產(chǎn)增長率在第二個(gè)因子上有較高載荷，故第二個(gè)因子可解釋為發(fā)展能力(F2)；股東權(quán)益比率、流動(dòng)比率和速動(dòng)比率在第三個(gè)因子上有較高載荷，故第三個(gè)因子可解釋為償債能力(F3)；存貨周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率在第四個(gè)因子上有較高載荷，故第四個(gè)因子可解釋為資產(chǎn)營運(yùn)能力(F4)。

(三) 指標(biāo)的選取以及權(quán)重設(shè)定

利用主成分分析方法所提取的四個(gè)因子分別在14個(gè)財(cái)務(wù)指標(biāo)上具有不同的載荷，并沒有真正實(shí)現(xiàn)變量降維的效果，可以分別分析各因子中財(cái)務(wù)指標(biāo)的復(fù)相關(guān)系數(shù)，并結(jié)合載荷矩陣來確定選取哪幾個(gè)指標(biāo)作為代表指標(biāo)。

1. 盈利能力

盈利能力因子中各財(cái)務(wù)指標(biāo)間的復(fù)相關(guān)系數(shù)為：營業(yè)利潤增長率與{凈利潤增長率、凈資產(chǎn)報(bào)酬率、總資產(chǎn)報(bào)酬率、銷售毛利率、營業(yè)利潤率}，0.997；凈利潤增長率與{營業(yè)利潤增長率、凈資產(chǎn)報(bào)酬率、總資產(chǎn)報(bào)酬率、銷售毛利率、營業(yè)利潤率}，0.997；凈資產(chǎn)報(bào)酬率與{營業(yè)利潤增長率、凈利潤增長率、總資產(chǎn)報(bào)酬率、銷售毛利率、營業(yè)利潤率}，0.965；總資產(chǎn)報(bào)酬率與{營業(yè)利潤增長率、凈利潤增長率、凈資產(chǎn)報(bào)酬率、銷售毛利率、營業(yè)利潤率}，0.964；銷售毛利率與{營業(yè)利潤增長率、凈利潤增長率、凈資產(chǎn)報(bào)酬率、總資產(chǎn)報(bào)酬率、營業(yè)利潤率}，0.760；營業(yè)利潤率與{營業(yè)利潤增長率、凈利潤增長率、凈資產(chǎn)報(bào)酬率、總資產(chǎn)報(bào)酬率、銷售毛利率}，0.832。

表2 Rotated component matrixa

營業(yè)利潤增長率(F11)、凈利潤增長率(F12)、凈資產(chǎn)報(bào)酬率(F13)、總資產(chǎn)報(bào)酬率(F14)四個(gè)指標(biāo)與其他財(cái)務(wù)指標(biāo)的復(fù)相關(guān)系數(shù)較高，再由表2可知，盈利能力因子在這四個(gè)指標(biāo)上的載荷也是較高的，故可選取這四個(gè)指標(biāo)作為盈利能力因子的代表指標(biāo)。若假設(shè)盈利能力因子的權(quán)數(shù)為100，這四個(gè)指標(biāo)的權(quán)重分別為w11、w12、w13、 w14，則有：

由以上分析可以得出盈利能力因子(F1)的得分函數(shù)為：

2. 發(fā)展能力

發(fā)展能力因子中凈資產(chǎn)增長率(F21)與總資產(chǎn)增長率(F22)相關(guān)系數(shù)0.955，再由表2可知，發(fā)展能力因子在這兩個(gè)指標(biāo)上的載荷均較高，故可選取這兩個(gè)指標(biāo)作為發(fā)展能力因子的代表指標(biāo)。若假設(shè)發(fā)展能力因子的權(quán)數(shù)為 100，這兩個(gè)指標(biāo)的權(quán)重分別為 w21、w22，則有：

由以上分析可以得出發(fā)展能力因子(F2)的得分函數(shù)為：

3. 償債能力

償債能力因子中各財(cái)務(wù)指標(biāo)間的復(fù)相關(guān)系數(shù)為：股東權(quán)益比率與{流動(dòng)比率、速動(dòng)比率}，0.844；流動(dòng)比率與{股東權(quán)益比率、速動(dòng)比率}，0.996；速動(dòng)比率與{股東權(quán)益比率、流動(dòng)比率}，0.995。

流動(dòng)比率(F31)、速動(dòng)比率(F32)與其他財(cái)務(wù)指標(biāo)的復(fù)相關(guān)系數(shù)較高，再由表2可知，償債能力因子在這兩個(gè)指標(biāo)上的載荷也是較高的，故可選取這兩個(gè)指標(biāo)作為償債能力因子的代表指標(biāo)。若假設(shè)償債能力因子的權(quán)數(shù)為100，這兩個(gè)指標(biāo)的權(quán)重分別為w31、w32，則有：

由以上分析可以得出償債能力因子(F3)的得分函數(shù)為：

4.資產(chǎn)營運(yùn)能力

資產(chǎn)營運(yùn)能力因子中各財(cái)務(wù)指標(biāo)間的復(fù)相關(guān)系數(shù)為：存貨周轉(zhuǎn)率與(應(yīng)收賬款周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率)，0.730；應(yīng)收賬款周轉(zhuǎn)率與(存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率)，0.624；總資產(chǎn)周轉(zhuǎn)率與(存貨周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率)，0.685。

存貨周轉(zhuǎn)率(F41)、總資產(chǎn)周轉(zhuǎn)率(F42)與其他財(cái)務(wù)指標(biāo)的復(fù)相關(guān)系數(shù)較高，再由表2可知，資產(chǎn)營運(yùn)能力因子在這兩個(gè)指標(biāo)上的載荷也是較高的，故可選取這兩個(gè)指標(biāo)作為資產(chǎn)營運(yùn)能力因子的代表指標(biāo)。若假設(shè)資產(chǎn)營運(yùn)能力因子的權(quán)數(shù)為100， 這兩個(gè)指標(biāo)的權(quán)重分別為w41、w42，則有：

由以上分析可以得出資產(chǎn)營運(yùn)能力因子(F4)的得分函數(shù)為：

F4=51.6%F41+48.4%F42

另外由表1可知，企業(yè)績效(F)綜合得分的函數(shù)為：

即

綜上所述，構(gòu)建的企業(yè)績效評(píng)價(jià)指標(biāo)體系如表3。

二、績效評(píng)價(jià)指標(biāo)體系的檢驗(yàn)

根據(jù)前面建立的績效評(píng)價(jià)指標(biāo)體系，可計(jì)算24家家電行業(yè)上市公司各因子得分以及綜合得分，據(jù)此可得出各上市公司的排序[7]。為了使評(píng)價(jià)結(jié)果更易理解、更符合日常表達(dá)習(xí)慣，所以先將原始數(shù)據(jù)進(jìn)行最小最大標(biāo)準(zhǔn)化處理，將財(cái)務(wù)指標(biāo)A的原始值μ標(biāo)準(zhǔn)化為μ″的計(jì)算公式為：μ″=(μ?minA)/(maxA?minA)，然后計(jì)算各因子得分，以使評(píng)價(jià)結(jié)果均以百分制的形式呈現(xiàn)，如表4。

表3 企業(yè)績效評(píng)價(jià)指標(biāo)體系

然后，利用聚類分析方法對(duì)上述綜合得分排名情況進(jìn)行檢驗(yàn)，以便驗(yàn)證所建立績效評(píng)價(jià)指標(biāo)體系的有效性。利用層次聚類Q型聚類對(duì)24家家電上市公司進(jìn)行分類分析，其中個(gè)體距離采用平方歐式距離，類間距離采用平方組間鏈鎖距離，通過觀察碎石圖(圖略)可知，將24家上市公司分為3類或4類較為合適，聚類結(jié)果的類成員表見表5。

由表5可知，若將24家上市公司分為三類，則有：九陽股份單獨(dú)為一類，廣電信息單獨(dú)為一類，其他公司歸為一類，可解釋為九陽股份綜合財(cái)務(wù)表現(xiàn)優(yōu)良，其他上市公司綜合財(cái)務(wù)表現(xiàn)一般，廣電信息綜合財(cái)務(wù)表現(xiàn)較差；若將24家上市公司分為四類，則有：九陽股份單獨(dú)為一類，佛山照明單獨(dú)為一類，廣電信息單獨(dú)為一類，其他公司歸為一類，可解釋為九陽股份綜合財(cái)務(wù)表現(xiàn)優(yōu)秀，佛山照明綜合財(cái)務(wù)表現(xiàn)良好，廣電信息綜合財(cái)務(wù)表現(xiàn)較差，其他上市公司綜合財(cái)務(wù)表現(xiàn)一般。

表4 家電行業(yè)上市公司得分及排名情況

表5 Cluster membership

從以上分析可以看出，將家電行業(yè)24家上市公司無論是分成3類還是4類，其分類結(jié)果都是與表4中各公司綜合得分的排序是一致的，從而驗(yàn)證了表4中各公司排序的正確性，也就說明所建立的績效評(píng)價(jià)指標(biāo)體系是有效的。

本研究取得較好效果，但也存在一些不足之處：研究僅局限于家電行業(yè)，對(duì)于其他行業(yè)的適用性有待證明，也未推廣至一般行業(yè)；本文選取的指標(biāo)均為財(cái)務(wù)指標(biāo)，并未選取非財(cái)務(wù)指標(biāo)，而非財(cái)務(wù)指標(biāo)的評(píng)價(jià)也是企業(yè)績效評(píng)價(jià)中的一項(xiàng)重要內(nèi)容；這些方面都是以后研究需要解決的問題。

[1] 馮麗霞. 企業(yè)績效及其決定因素研究[J]. 長沙理工大學(xué)學(xué)報(bào):社會(huì)科學(xué)版, 2004, 19(3): 65?67.

[2] 左治興, 段丹青. 智能型礦產(chǎn)項(xiàng)目投資決策支持系統(tǒng)結(jié)構(gòu)的研究[J]. 中南大學(xué)學(xué)報(bào): 社會(huì)科學(xué)版, 2003, 9(2): 231?234.

[3] 江海潮, 肖國安. 湖南可持續(xù)發(fā)展實(shí)證研究[J]. 湖南科技大學(xué)學(xué)報(bào): 社會(huì)科學(xué)版, 2003, 5(1): 10?16.

[4] 王建穩(wěn), 石宗亮. 上市公司財(cái)務(wù)比率指標(biāo)的非線性主成分分析[J]. 數(shù)理統(tǒng)計(jì)與管理, 2004, 23(2): 15?18.

[5] 李劍鋒, 李一軍. 數(shù)據(jù)挖掘在財(cái)務(wù)分析中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用, 2005, 2: 217?219.

[6] 何慧婷, 柳建民. 構(gòu)建上市公司財(cái)務(wù)比率指標(biāo)評(píng)價(jià)體系[J].管理學(xué)報(bào), 2005, 2(4): 491?494.

[7] 李慶東.上市公司財(cái)務(wù)績效評(píng)價(jià)與聚類分析[J].工業(yè)技術(shù)經(jīng)濟(jì), 2005, 24(8): 146?148.

Research on the Data Mining Applied in the Performance Evaluation of Household Appliance Enterprise

YUAN Fangjian, WANG Xinhua

(The International Business School, Shaanxi Normal University, Xi’an 710062, China)

The authors selected the listed companies’ 2008 annual data of the household electrical appliance industry, and extracted four main factors by analyzing the financial ratio index data with the principal component analysis. The four main factors are profitability, development capacity, solvency and assets operating capacity. This paper determines the selection of financial index and sets the weights by considering the multiple correlation coefficient among the financial indexes as well as the financial index’s load on every factor, and an enterprise performance evaluation system is established. It then evaluates the performance of listed companies with this evaluation system, at the same time sort the listed companies with this evaluation system, and finally tests the validity of the enterprise performance evaluation system with the cluster analysis. The result shows that the method of establishing enterprise performance evaluation system is feasible and effective.

Data Mining; Enterprise Performance; household appliance enterprises; assessment of enterprise performance

book=16,ebook=136

P270.3

A

1672-3104(2010)02?0054?05

[編輯：汪曉]

2009?12?17

袁放建(1958?)，男，陜西興平人，陜西師范大學(xué)國際商學(xué)院教授，主要研究方向：財(cái)務(wù)管理決策支持；王新華(1985?)，男，山東莒縣人，陜西師范大學(xué)國際商學(xué)院碩士研究生，主要研究方向：財(cái)務(wù)管理決策支持.