基于主成分分析的中國物流上市公司績效評估

張圣忠，張春娜

(長安大學(xué) 經(jīng)濟(jì)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(jì)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(jì)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(jī)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(xiàn)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(jìn)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(jī)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(jìn)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(xiàn)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(xiàn)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(jìn)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(jìn)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(xiàn)率。運用Stata 軟件對標(biāo)準(zhǔn)化后的財務(wù)指標(biāo)進(jìn)行主成分分析，得到指標(biāo)的特征值、貢獻(xiàn)率及累計貢獻(xiàn)率(表2)。

表2 指標(biāo)特征值及貢獻(xiàn)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(xiàn)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(xiàn)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(jìn)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(qiáng)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(qiáng)。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(qiáng)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(qiáng)，共性越強(qiáng)，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(jìn)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(jìn)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(xiàn)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(jìn)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(jī)、歐債危機(jī)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(jì)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(qiáng)，物流上市公司、外部投資者或金融機(jī)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(jī)、歐債危機(jī)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(jī)構(gòu)和產(chǎn)品結(jié)構(gòu)的變化。因此，在當(dāng)前國際經(jīng)濟(jì)復(fù)蘇緩慢、國內(nèi)加快轉(zhuǎn)變經(jīng)濟(jì)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(kuò)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.