基于模糊Borda法的創(chuàng)業(yè)板上市公司績效評價

鄭繼興+桂美增

【摘 要】 企業(yè)績效評價是對企業(yè)自身的有效認(rèn)知，但評價中多采用單一評價方法進(jìn)行。針對這一情況，文章以創(chuàng)業(yè)板上市公司為研究對象，從主觀與客觀兩個角度出發(fā)，分別使用熵值法賦權(quán)的因子分析與層次分析法賦權(quán)的灰色關(guān)聯(lián)分析對所收集的企業(yè)數(shù)據(jù)進(jìn)行評價和排序。通過模糊Borda法對這兩種單一評價方法的結(jié)果進(jìn)行組合。研究結(jié)果表明：單一評價方法均有自身缺陷，評價結(jié)果有時可能過于片面，通過模糊Borda法可以將這兩種方法結(jié)合起來，使兩種單一評價方法優(yōu)勢互補，有效彌補了單一評價方法的不足，得到了更加全面、可信的評價結(jié)果，提高了評價結(jié)果的科學(xué)性，為企業(yè)績效評價提供了新的思路與方法。

【關(guān)鍵詞】 績效評價； 因子分析； 灰色關(guān)聯(lián)分析； 模糊Borda法

【中圖分類號】 F272 【文獻(xiàn)標(biāo)識碼】 A 【文章編號】 1004-5937（2017）10-0078-06

一、引言

2015年12月27日，第十二屆全國人大常委會第十八次會議通過了《關(guān)于授權(quán)國務(wù)院在實施股票發(fā)行注冊制改革中調(diào)整適用〈中華人民共和國證券法〉有關(guān)規(guī)定的決定》。在注冊制下每家上市公司質(zhì)量完全交給市場判斷，由市場配置資源實現(xiàn)優(yōu)勝劣汰。注冊制的到來，會促使大批企業(yè)尋求上市，這些希望上市的公司難免魚龍混雜，對投資者尤其是個體投資人提出了更高的辨別要求。

對于投資者來說，為了篩選具有投資價值的企業(yè)，企業(yè)的績效評價顯得尤為重要。Yang等指出通過績效評價能夠選出最有價值的企業(yè)。國內(nèi)外眾多學(xué)者對企業(yè)績效評價方法進(jìn)行了大量的研究，主要有數(shù)據(jù)包絡(luò)分析法（DEA）、因子分析法、主成分分析法、層次分析法（AHP）、經(jīng)濟(jì)增加值法（EVA）、灰色關(guān)聯(lián)分析法等?？偟膩碚f，單一績效評價方法可分為主觀賦權(quán)評價法與客觀賦權(quán)評價法兩大類。主觀賦權(quán)評價法經(jīng)常使用定性的方式進(jìn)行評價，多由專家憑借自身知識與經(jīng)驗進(jìn)行打分從而獲得權(quán)重，如層次分析法、模糊綜合評判法；客觀賦權(quán)評價法的計算依據(jù)均來自于實際數(shù)據(jù)，往往通過指標(biāo)間的相關(guān)關(guān)系或各指標(biāo)值的變異系數(shù)進(jìn)而計算出權(quán)重，如數(shù)據(jù)包絡(luò)分析法、熵值法。

單一角度的評價方法均存在自身無法彌補的缺陷：主觀賦權(quán)類方法往往難以避免主觀因素對最終結(jié)果產(chǎn)生一定影響；客觀賦權(quán)類方法由于不能考慮指標(biāo)本身的重要性，有時會發(fā)生指標(biāo)實際影響程度與計算結(jié)果相悖的情況，其最終結(jié)果也難以讓人信服[ 1 ]。不同的評價方法僅從不同角度對被評價對象作出某種估量，若是僅使用一種評價方法，其結(jié)果的可信程度將大打折扣。組合評價模型可以對復(fù)雜系統(tǒng)的信息不完整性起到降低作用，將模糊綜合評價理論與組合評價模型結(jié)合在一起的模糊綜合評價模型，將更好地解決這一問題，使評價結(jié)果更加貼近實際[ 2 ]。

據(jù)此本文從主觀和客觀兩個角度出發(fā)，分別使用層次分析法賦權(quán)的灰色關(guān)聯(lián)分析與熵值法賦權(quán)的因子分析這兩種單一評價方法，對企業(yè)進(jìn)行分析評價。為了使最終評價結(jié)果既體現(xiàn)主觀因素影響又體現(xiàn)客觀因素影響，引入模糊Borda組合評價法[ 3 ]，通過模糊Borda法將這兩種評價方法進(jìn)行組合，從而使兩種單一評價方法優(yōu)勢互補。新建立的模糊Borda模型既包含專家的主觀因素影響又包含數(shù)據(jù)指標(biāo)的客觀因素影響，使最終的評價結(jié)果更加科學(xué)合理。

二、創(chuàng)業(yè)板評價指標(biāo)體系設(shè)計

我國的企業(yè)績效評價指標(biāo)共經(jīng)歷過四次變化：1993年《企業(yè)財務(wù)通則》用企業(yè)的盈利能力、營運能力、償債能力這三個指標(biāo)進(jìn)行評價；1995年規(guī)定310個指標(biāo)；1999年規(guī)定了32個指標(biāo)；2006年國資委又通過了《中央企業(yè)綜合績效評價管理暫行辦法》，該文件主要規(guī)定了27個財務(wù)指標(biāo)對不同行業(yè)進(jìn)行評價分析。

創(chuàng)業(yè)板是在主板發(fā)展到一定程度后，為順應(yīng)新的市場需求建立的市場化程度更高的市場。同時創(chuàng)業(yè)板創(chuàng)立的目的也是國家為了扶持中小企業(yè)的發(fā)展，為一些高科技企業(yè)提供更好的融資渠道，既促進(jìn)了企業(yè)規(guī)范化的運作，又更好地建立了現(xiàn)代企業(yè)制度。因此在創(chuàng)業(yè)板上市公司評價指標(biāo)體系的建設(shè)中，更要突顯創(chuàng)業(yè)板上市公司的特點。對于創(chuàng)業(yè)板公司來說自主創(chuàng)新能力能夠顯著提高企業(yè)的績效[ 4 ]。Leenders和Wierenga在評價企業(yè)自主創(chuàng)新能力時采用了是否使用新技術(shù)、研發(fā)經(jīng)費的數(shù)目以及研究人員數(shù)量和研發(fā)投入等指標(biāo)[ 5 ]。Joos和Zhdanov指出研發(fā)費用投入比決定了企業(yè)創(chuàng)新的順利程度[ 6 ]。對于創(chuàng)業(yè)板上市公司來說技術(shù)創(chuàng)新會給企業(yè)帶來績效的提高，企業(yè)的研發(fā)投入對績效有顯著的正向影響。同時創(chuàng)業(yè)板上市公司一般均為高新技術(shù)公司，所以在指標(biāo)構(gòu)建時也要體現(xiàn)出公司的發(fā)展?jié)摿 7 ]。

在構(gòu)建創(chuàng)業(yè)板上市公司的績效評價指標(biāo)體系時，可從指標(biāo)的全面性與指標(biāo)數(shù)據(jù)的易獲取性出發(fā)。首先以國資委財務(wù)監(jiān)督與考核評價局頒布的《2014年企業(yè)績效評價標(biāo)準(zhǔn)值》為依據(jù)，確定了盈利能力、營運能力、償債能力、成長能力4個一級指標(biāo)。為了體現(xiàn)創(chuàng)業(yè)板上市公司相較于主板上市公司的獨特之處，通過查閱文獻(xiàn)本文引入了創(chuàng)新能力與人力資源質(zhì)量這兩個一級指標(biāo)[ 8 ]，最終確定了包含21個二級指標(biāo)的評價指標(biāo)體系（見表1）。

本文通過Wind數(shù)據(jù)庫和國泰安數(shù)據(jù)庫獲取了2014年創(chuàng)業(yè)板上市公司的年報數(shù)據(jù)，并剔除數(shù)據(jù)不完整的企業(yè)，對剩下的414家公司進(jìn)行分析。

三、兩種評價模型的建立

（一）因子分析

因子分析是一門鉆研怎樣用最少的信息損失將更多原始變量信息集中到幾個因素的多元統(tǒng)計方法。因子分析的目的是使用更少的獨立因素來反映原始變量的大部分信息。因子分析法的優(yōu)點是能夠?qū)⒃贾笜?biāo)變量化繁為簡，使用較少的新指標(biāo)來替代原來繁雜的原始指標(biāo)，同時這些新指標(biāo)能夠較大程度涵蓋原始指標(biāo)的信息，解決了指標(biāo)間信息重疊問題。主要步驟如下：

1.標(biāo)準(zhǔn)化處理

在所建立的績效評價指標(biāo)體系中，資產(chǎn)負(fù)債率、流動比率、速動比率和現(xiàn)金比率為適度指標(biāo)，為了能夠進(jìn)行下一步分析，要將這四項適度指標(biāo)通過趨同化來轉(zhuǎn)化為正向指標(biāo)。通過查閱資料分別將這四項指標(biāo)的標(biāo)準(zhǔn)值設(shè)定為40%、200%、100%和50%。趨同化公式Dij=1/（1+Eij-Ai），其中Ai為標(biāo)準(zhǔn)值，Eij為第i家公司的第j項指標(biāo)，Dij為趨同化后的指標(biāo)。通過該公式這四項指標(biāo)數(shù)值均被壓縮在[0，1]區(qū)間內(nèi)，且均變?yōu)檎蛑笜?biāo)。在對適度指標(biāo)進(jìn)行趨同化后，為了避免不同指標(biāo)數(shù)據(jù)間量綱對結(jié)果的影響，還要對各指標(biāo)數(shù)據(jù)進(jìn)行無量綱化處理。本文采用在正態(tài)分布假設(shè)下的正態(tài)標(biāo)準(zhǔn)化處理法：Tij=（Dij-？滋j）/σj（i=1，2，…，m；j=1，2，…，n），其中m為公司個數(shù)，n為評價指標(biāo)個數(shù)，Tij為經(jīng)過標(biāo)準(zhǔn)化后的值，？滋j和σj分別為Dij的均值與標(biāo)準(zhǔn)差。

2.相關(guān)性檢驗

本文運用Stata13.0進(jìn)行因子分析，首先對數(shù)據(jù)進(jìn)行KMO檢驗，檢驗結(jié)果為0.7193，該值大于0.6，比較適合作因子分析。

3.確定因子

通過因子分析提取公因子，公因子的方差貢獻(xiàn)情況見表2。

通過分析可以得出特征值大于1的公因子有6個，如表2所示。這6個公因子的累計貢獻(xiàn)率為73%，可以表明提取的公因子能夠較好地解釋樣本的整體情況。于是使用這6個公因子來替代原來的指標(biāo)，進(jìn)而對創(chuàng)業(yè)板上市公司進(jìn)行績效評價，分別用F1到F6來表示這6個公因子。

4.因子命名

為了對提取出的6個公因子更好地解釋命名，本文使用方差最大法對因子進(jìn)行旋轉(zhuǎn)，從而增強了各因子的可解釋性。旋轉(zhuǎn)后的因子載荷矩陣見表3。

通過表3可以看出凈資產(chǎn)收益率B11、總資產(chǎn)報酬率B12、成本費用利潤率B15、全部資產(chǎn)現(xiàn)金回收率B24、主營業(yè)務(wù)利潤率B13、資本收益率B14在因子1上因子載荷值最大，并且這些指標(biāo)均體現(xiàn)了企業(yè)的盈利能力，因此將因子F1定名為盈利因子。資產(chǎn)負(fù)債率B31、速動比率B32、流動比率B33、現(xiàn)金比率B34在因子2上因子載荷值最大，同時這些指標(biāo)均體現(xiàn)了企業(yè)的債務(wù)風(fēng)險情況，因此將因子F2定名為償債因子?？傎Y產(chǎn)周轉(zhuǎn)率B21、應(yīng)收賬款周轉(zhuǎn)率B22、流動資產(chǎn)周轉(zhuǎn)率B23在因子3上因子載荷值最大，同時這些指標(biāo)均體現(xiàn)了企業(yè)在運營過程中收回現(xiàn)金的能力，因此將因子F3定名為營運因子。技術(shù)人員占職工比B51、研發(fā)費用投入占比B52、高學(xué)歷人員比重B62在因子4上因子載荷值最大，同時這些指標(biāo)都體現(xiàn)了企業(yè)創(chuàng)新研發(fā)的投入情況，因此將因子F4定名為創(chuàng)新投入因子?？傎Y產(chǎn)增長率B41、營業(yè)收入增長率B42、凈資產(chǎn)增長率B43在因子5上因子載荷值最大，同時這些指標(biāo)均體現(xiàn)了企業(yè)的經(jīng)營成長情況，因此將因子F5定名為成長因子。專利數(shù)目B53、勞動效率B61在因子6上因子載荷值最大，并且這兩個指標(biāo)體現(xiàn)了企業(yè)的創(chuàng)新成果，因此將因子F6定名為創(chuàng)新成果因子。

5.計算因子得分

通過軟件Stata13.0可以得出每個公司對應(yīng)的6個公因子的因子得分。

6.熵值賦權(quán)及得分

熵的概念起源于經(jīng)典熱力學(xué)理論，香農(nóng)將熵引入到信息論中，熵值是衡量系統(tǒng)不確定性程度的一種方法，熵值越小，則表示系統(tǒng)的不確定程度越小，信息的可用程度越高。在進(jìn)行企業(yè)績效評價時，若某一財務(wù)指標(biāo)對不同企業(yè)的評價結(jié)果差異顯著，則表示使用該指標(biāo)進(jìn)行績效評價效果較好，該指標(biāo)的熵值就較小。因此，為了對各財務(wù)指標(biāo)賦予恰當(dāng)?shù)臋?quán)重，可以通過財務(wù)指標(biāo)之間的差異程度，以信息熵為工具來實現(xiàn)。熵值法的基本步驟如下：

（1）Gij為第i家公司的第j個評價指標(biāo)值（i=1，2，…，m；j=1，2，…，s），其中m為公司數(shù)目，s為因子分析提取的公因子數(shù)目。

（2）對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理：由于通過因子分析計算出的各公因子得分結(jié)果Gij可能存在負(fù)數(shù)和零的情況，所以要將這些公因子得分進(jìn)行非負(fù)數(shù)化處理，運用極差變化法將Gij進(jìn)行平移，G'ij=■+1，這里為了方便，仍將標(biāo)準(zhǔn)化后的變量G'ij記為Gij。

（3）計算比重：通過公式Pij=Gij /∑m i=1Gij，（1≤j≤s）計算出第i家公司在第j個指標(biāo)下的權(quán)重。

（4）計算熵值：通過公式ej=Q∑m i=1Pijln（Pij），（Q=

-■，0≤ej≤1）計算出第j個評價指標(biāo)的熵值。

（5）計算差異性系數(shù)：通過公式gj=1-ej，（0≤gj≤1）計算出第j個指標(biāo)的差異性系數(shù)。

（6）計算指標(biāo)權(quán)重：通過公式？棕j=gj /∑s j=1gj計算出第j個指標(biāo)的權(quán)重。

（7）計算最終得分：通過公式Fi=∑s j=1？棕jGij計算出每個公司的因子總得分。

通過熵值賦權(quán)法計算出6個指標(biāo)的熵值與權(quán)重，見表4。

將使用Stata計算出的各因子得分Gij與表4中各公因子熵值權(quán)重？棕j代入到創(chuàng)業(yè)板上市公司績效評價計算因子總得分的公式中，就可以計算出創(chuàng)業(yè)板上市公司的績效綜合得分及排名情況（見表7）。

（二）灰色關(guān)聯(lián)分析

鄧聚龍教授最早提出了灰色系統(tǒng)理論?；疑到y(tǒng)理論的研究對象是“部分信息已知，部分信息未知”的“貧信息”不確定性系統(tǒng)，通過對已知部分信息的生成與開發(fā)，實現(xiàn)對現(xiàn)實情況的精確描述和理解。其方法的實質(zhì)就是比較對照數(shù)列所組成的幾何形狀與參考數(shù)列所組成的幾何形狀的相似程度，幾何形狀越相似，其關(guān)聯(lián)度就越大。其主要步驟如下：

1.確定系統(tǒng)的參考數(shù)列和比較數(shù)列

確定系統(tǒng)的參考數(shù)列，參考數(shù)列為X0，X0={X01，X02，…，X0n}。關(guān)聯(lián)分析中被比較數(shù)列為Xi，Xi={Xi1，Xi2，…，Xin}，（i=1，2，…，m）。參考數(shù)列X0的元素為本文所構(gòu)建的績效評價指標(biāo)體系中每個指標(biāo)的最優(yōu)值（所選指標(biāo)為正向指標(biāo)則取指標(biāo)最大值，所選指標(biāo)為適度指標(biāo)則取標(biāo)準(zhǔn)化后的最大值）。比較數(shù)列Xi中Xi1，Xi2，…，Xin為被評價單元各指標(biāo)值。

2.變量序列標(biāo)準(zhǔn)化

因為評價指標(biāo)間通常是有不同的量綱和數(shù)量級的，為了保證評價結(jié)果的科學(xué)性與可靠性，還要對各指標(biāo)進(jìn)行標(biāo)準(zhǔn)無量綱化處理。這里的數(shù)據(jù)標(biāo)準(zhǔn)化處理與因子分析數(shù)據(jù)標(biāo)準(zhǔn)化不同，首先將適度指標(biāo)進(jìn)行趨同化，然后使用以下公式對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化：Yij=■（i=1，2，…，m；j=1，2，…，n；Xij為原始數(shù)列；X0j為參考數(shù)列）。為方便仍將標(biāo)準(zhǔn)化后的Yij記為Xij。

3.計算關(guān)聯(lián)系數(shù)

按照下列公式計算Xi對X0在第j個元素上的關(guān)聯(lián)系數(shù)？孜（j=1，2，…，n）。

？孜=■

上式中λ為分辨系數(shù)，λ∈[0，1]，引入它是為了降低極值對計算結(jié)果的影響。在實際使用時，根據(jù)序列間的關(guān)聯(lián)程度選擇分辨系數(shù)，一般取λ≤0.5最為恰當(dāng)，通常λ值取0.5[ 9 ]，本文也取λ值為0.5。

4.AHP確定各指標(biāo)的權(quán)重

本文設(shè)計了創(chuàng)業(yè)板公司績效評價指標(biāo)重要性程度調(diào)查問卷，對20位專家進(jìn)行了調(diào)查，共發(fā)放問卷20份，收回16份，有效問卷14份。統(tǒng)計調(diào)查問卷結(jié)果，借助Yaahp軟件分析得出影響創(chuàng)業(yè)板公司績效的一級指標(biāo)及二級指標(biāo)的權(quán)重（見表5），結(jié)果均通過一致性檢驗。

5.計算關(guān)聯(lián)度

通過層次分析法計算出了每個二級指標(biāo)相對于上一級指標(biāo)的權(quán)重？棕*，然后使用公式？酌=∑n j=1？棕*×？孜可以求出各創(chuàng)業(yè)板上市公司對理想方案的加權(quán)關(guān)聯(lián)度。通過對計算出的關(guān)聯(lián)度大小分析，可以對企業(yè)的績效進(jìn)行排名，具體得分及排名見表7。

四、創(chuàng)業(yè)板上市公司企業(yè)績效組合評價模型

Borda法最早是C.deBorda在1784年用來解決投票選舉問題而提出的方法。其主要思想就是通過比較m個單一評價方法對n個評價對象的優(yōu)序關(guān)系，從而確定被評價對象的Borda分值，把Borda分值按照從大到小的順序排列。但是Borda法僅能獲得個體評價的定量結(jié)果優(yōu)序關(guān)系，忽略了個體評價的定性結(jié)果效用值，故而獲得的結(jié)果可能與事實相悖。楊季美、史本山為了克服上述缺陷，研究提出了新的評價方法即模糊Borda數(shù)分析法。在將模糊Borda法應(yīng)用于組合評價方面，郭顯光教授首先進(jìn)行了運用，并得到了比較滿意的結(jié)果[ 1 ]。通過模糊Borda法對兩種單一評價方法結(jié)果進(jìn)行組合，進(jìn)而可以得到組合評價結(jié)果，其結(jié)果較單一評價結(jié)果具有更高的可信度[ 10 ]。本文也引入模糊Borda法來對前面兩種單一評價方法的結(jié)果進(jìn)行組合，從而得到更加全面的評價結(jié)果。

（一）兩種綜合評價方法的一致性檢驗

因子分析與灰色關(guān)聯(lián)分析均是從各自的角度出發(fā)對樣本進(jìn)行評價，進(jìn)而計算出各自的績效評價結(jié)果。這兩種評價結(jié)果存在一定差異，但對于同一樣本而言，通過不同角度與方法計算出的評價結(jié)果總體差異不會過大。所以本文使用相關(guān)系數(shù)來檢驗這兩種評價結(jié)果的一致性。其公式為r=1-■，di為兩種不同評價方法所得排序等級差。通過以上公式計算就可得出這兩種評價結(jié)果的相關(guān)系數(shù)（見表6）。通過表6可以看出，這兩種評價方法的結(jié)果具有顯著的正相關(guān)關(guān)系，表示這兩種評價方法的結(jié)果有較強的一致性。

■

（二）建立組合評價模型

通過這兩種單一評價方法的結(jié)果一致性檢驗，可以發(fā)現(xiàn)雖然這兩種評價方法產(chǎn)生的結(jié)果存在一定差異，但這兩種評價方法的結(jié)果具有較強的一致性。為了消除其中差異，本文使用模糊Borda法對這兩種單一評價方法的結(jié)果進(jìn)行組合，最終獲得更加科學(xué)合理的評價結(jié)果。

具體步驟如下：

（1）計算隸屬優(yōu)度？滋ij，計算公式為？滋ij=■×0.9+0.1，（i=1，2，…，m；j=1，2），Xij表示第i家公司在第j種單一評價方法下的得分。

（2）計算第i家公司處于第h（1≤h≤m）位的模糊頻數(shù)Pih，公式為Pih=∑2 j=1？啄j ih？滋ij，其中？啄j ih為第i家公司在第j種單一評價方法下排在第h位，則有 ？啄j ih1，第j種評價方法下第i家公司排在h位0，其他。

（3）計算模糊頻率：Wih=■，其中Fi=∑m h=1Pih

（4）計算名次h（1≤h≤m）對應(yīng)得分：Qhi=■（m-h）（m-h+1），Qh i表示第i只股票排在第h位的得分。

（5）計算第i只股票的模糊Borda數(shù)得分，記為Bi，公式為Bi=∑m h=1WihQh。

（6）根據(jù)Bi的大小由大到小對數(shù)據(jù)進(jìn)行排序，見表7。

從表7可以看出單一評價方法中，熵值賦權(quán)的因子分析法與層次分析法賦權(quán)的灰色關(guān)聯(lián)法，均是從各自的角度對創(chuàng)業(yè)板公司的績效進(jìn)行單一評價，若僅用一種評價方法來進(jìn)行評價，其結(jié)果往往讓人難以信服。通過模糊Borda組合評價的運用，實現(xiàn)了對這兩種單一評價方法結(jié)果的組合，使得最終的評價結(jié)果汲取了雙方各自的優(yōu)勢，既考慮了客觀因素又考慮了主觀因素，最終得出的評價結(jié)果更為全面合理，增強了評價結(jié)果的可信度。

五、結(jié)論

本文以創(chuàng)業(yè)板上市公司為研究對象，通過熵值賦權(quán)的因子分析法與層次分析法賦權(quán)的灰色關(guān)聯(lián)法對創(chuàng)業(yè)板上市公司進(jìn)行績效評價，為了使最終評價結(jié)果既體現(xiàn)客觀性又體現(xiàn)主觀性，引入模糊Borda法對兩種評價方法的得分與排名進(jìn)行組合，最終獲得企業(yè)綜合得分及排名。

本文得出的最后結(jié)論是：

第一，單一評價方法可以分為主觀賦權(quán)與客觀賦權(quán)兩種方法，這兩種方法各有自身缺陷，主觀賦權(quán)類的評價方法難以避免主觀因素對評價結(jié)果產(chǎn)生一定的影響，客觀賦權(quán)類方法不能較好地考慮到指標(biāo)本身的重要性。通過模糊Borda法可以將這兩種方法結(jié)合起來，以便相互彌補各自缺陷。通過模糊Borda法組合后的排名可以發(fā)現(xiàn)，最終排名第一的公司為楚天科技（300358），而對該公司使用因子分析法與灰色關(guān)聯(lián)分析法計算的排名分別為第四名和第三名。這表明單一評價方法中因子分析法和灰色關(guān)聯(lián)分析法均是從各自的角度對樣本進(jìn)行分析評價，若僅使用其中一種評價方法，其評價結(jié)果的科學(xué)性難免讓人懷疑，而使用模糊Borda法，將不同角度的評價結(jié)果進(jìn)行組合，實現(xiàn)了主觀與客觀的結(jié)合，使最終的評價結(jié)果更加全面、科學(xué)。

第二，單一評價方法的評價結(jié)果有時可能過于片面。比如盛天網(wǎng)絡(luò)（300494）通過灰色關(guān)聯(lián)分析法的得分最高，而因子分析法的得分排名為269位；天龍光電（300029）通過因子分析法的得分排名為第8位，而灰色關(guān)聯(lián)分析法的得分排名為127位。若兩種單一評價方法對同一樣本的評價結(jié)果差異過大，重新組合將無任何意義。本文通過相關(guān)系數(shù)檢驗，從而檢驗了這兩種單一評價方法結(jié)果的一致性，最終顯示這兩種單一評價方法的評價結(jié)果顯著正相關(guān)，表明這兩種單一評價方法對樣本的評價結(jié)果總體差異不大。

第三，本文以科學(xué)評價企業(yè)績效為目標(biāo)，汲取了主觀賦權(quán)與客觀賦權(quán)評價方法各自的優(yōu)勢，通過模糊Borda法使最終獲得的評價結(jié)果更具有科學(xué)性與合理性，為企業(yè)績效評價提供了新的思路，為投資者進(jìn)行投資提供了新的評價方法。本文的不足之處在于模型構(gòu)建完成后，對于新加入的數(shù)據(jù)不能很快地進(jìn)行績效評價，進(jìn)而得出評價結(jié)果，模型在實際使用中不夠便捷，針對這一缺陷筆者將在后續(xù)的研究中嘗試引入神經(jīng)網(wǎng)絡(luò)模型，從而提升模糊Borda綜合評價模型的實用性。

【參考文獻(xiàn)】

[1] 郭顯光.一種新的綜合評價方法：組合評價法[J].統(tǒng)計研究，1995（5）：56-59.

[2] 孫博文，劉艷春.基于模糊Borda組合評價法的電力行業(yè)上市公司經(jīng)營績效評價[J].數(shù)學(xué)的實踐與認(rèn)識，2013（10）：1-8.

[3] KONG J， ZHANG F， ZHOU Z. Fuzzy comprehensive evaluation of service agent based on large-scale products of new technology[J].Modern Economy，2015，6（4）：498-509.

[4] 馮梓洋，張顯峰，唐亮. 創(chuàng)業(yè)板公司自主創(chuàng)新與企業(yè)績效、股價波動的關(guān)聯(lián)分析[J].證券市場導(dǎo)報，2014（3）：41-45.

[5] LEENDERS MAAM， WIERENGA B. The effectiveness of different mechanisms for integrating marketing and R&D[J]. Journal of Product Innovation Management，2002，19（4）：305-317.

[6] JOOS P，ZHDANOV A. Earnings and equity valuation in the biotech Industry：theory and evidence[J].Financial Management，2008，37（3）：431-460.

[7] 廖勇，陳曄，徐海燕. 基于優(yōu)勢粗糙集的中小企業(yè)二維績效評價模型[J].工業(yè)工程，2015（1）：119-127.

[8] 朱啟明，許如荔.創(chuàng)業(yè)板上市公司績效評價：基于因子分析和熵值法的實證研究[J].貴州財經(jīng)學(xué)院學(xué)報，2011（5）：41-47.

[9] 張麗琨，劉曉麗.城市創(chuàng)新績效影響因素的灰色關(guān)聯(lián)分析[J].科技管理研究，2014（1）：230-233.

[10] 張目，李偉，賀穎.基于模糊Borda法的戰(zhàn)略性新興產(chǎn)業(yè)企業(yè)信用評價[J].科技管理研究，2014（5）：65-68.