基于因子分析法的物流企業(yè)業(yè)績(jī)?cè)u(píng)價(jià)

袁子安 （南京林業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，江蘇 南京210037）

0 引 言

隨著境內(nèi)外貿(mào)易，主要是電子商務(wù)網(wǎng)站的崛起與繁榮，物流行業(yè)業(yè)務(wù)量也呈現(xiàn)“爆炸”增長(zhǎng)的狀態(tài)，從2009年的18.6 億件至2019年已達(dá)635.2 億件[1]。為了適應(yīng)市場(chǎng)的飛速發(fā)展，物流企業(yè)的發(fā)展方向也變?yōu)榇_保商品快速化與高效化的運(yùn)輸[2]。但物流行業(yè)也面臨發(fā)展不平衡，企業(yè)之間、地域之間差異較大的情況[3]。因此，若能以一種合適的方式對(duì)物流企業(yè)的業(yè)績(jī)進(jìn)行評(píng)價(jià)，便能在一定程度上反映出企業(yè)自身當(dāng)前存在的問(wèn)題，也能發(fā)現(xiàn)行業(yè)的高速發(fā)展對(duì)企業(yè)帶來(lái)的影響。

當(dāng)前針對(duì)物流企業(yè)的主要評(píng)價(jià)方法以因子分析法與經(jīng)濟(jì)增加值—平衡計(jì)分卡（EVA-BSC）方法為主，但平衡計(jì)分卡中非財(cái)務(wù)指標(biāo)的選取難度較大，選取成本高[4]。因此，其結(jié)果往往帶有主觀性質(zhì)。針對(duì)上述問(wèn)題，本文選擇通過(guò)因子分析法的方法對(duì)2019年度的上市物流企業(yè)，進(jìn)行績(jī)效評(píng)價(jià)分析，以期發(fā)現(xiàn)可能的問(wèn)題，并提出可行的改進(jìn)意見(jiàn)。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 數(shù)據(jù)來(lái)源。在對(duì)樣本企業(yè)進(jìn)行選取時(shí)，本文通過(guò)選取新浪財(cái)經(jīng)下申萬(wàn)二級(jí)交通運(yùn)輸類中在上海與深圳證券交易所上市的物流企業(yè)共41 家。為保證研究數(shù)據(jù)的公允性，在剔除其中4 家ST 與*ST 企業(yè)后，確定共37 家截止至2019年12月31日在兩市上市的企業(yè)作為研究樣本。相關(guān)企業(yè)信息從新浪財(cái)經(jīng)與國(guó)泰安CSMAR 數(shù)據(jù)庫(kù)獲得。

1.2 指標(biāo)選擇。考慮到物流企業(yè)存在的“爆炸性”增長(zhǎng)態(tài)勢(shì)，經(jīng)濟(jì)敏感性強(qiáng)，沿海企業(yè)多于內(nèi)地，經(jīng)濟(jì)發(fā)達(dá)地區(qū)多于不發(fā)達(dá)地區(qū)，省級(jí)與副省級(jí)城市多于地市與縣鎮(zhèn)的特征[5]。因此其各項(xiàng)經(jīng)營(yíng)水平與指標(biāo)數(shù)據(jù)難以從公開(kāi)報(bào)道與研報(bào)中準(zhǔn)確取得。在研究指標(biāo)的選擇上，結(jié)合李清、黨正磊（2019）[6]與其他學(xué)者在對(duì)各類型上市公司的與業(yè)績(jī)?cè)u(píng)價(jià)有關(guān)的影響因素的研究基礎(chǔ)上[7-9]，以客觀、全面、可操作的原則為指導(dǎo)，從財(cái)務(wù)指標(biāo)的4 個(gè)維度，選取13 項(xiàng)具體指標(biāo)進(jìn)行分析。具體指標(biāo)與計(jì)算方法如表1 所示。

1.3 模型建立。本文之所以選擇因子分析法對(duì)上市物流企業(yè)的業(yè)績(jī)進(jìn)行評(píng)價(jià)的另一主要原因是，通過(guò)因子分析不僅能保證結(jié)果的客觀性，而且在降維分析的過(guò)程中可以對(duì)企業(yè)的業(yè)績(jī)做出更好解釋與評(píng)價(jià)。同時(shí)在對(duì)指標(biāo)進(jìn)行研究的過(guò)程中，復(fù)雜的多個(gè)指標(biāo)可以濃縮為幾個(gè)變量成份，得以使用較少的變量反應(yīng)整體業(yè)績(jī)的情況。因此，根據(jù)以上所述，設(shè)計(jì)的因子得分模型如式（1）所示：

式（1）中：gdy表示goal，即當(dāng)年度其代表y 企業(yè)的因子(diviso)r 的得分情況，Ci為coefficient，表示i 指標(biāo)的分析系數(shù)，Xi表示當(dāng)年度選取的財(cái)務(wù)指標(biāo)的實(shí)際值。之后選用解釋的總方差中的累積方差貢獻(xiàn)率作為權(quán)重，最終得到對(duì)上市物流企業(yè)績(jī)效進(jìn)行評(píng)價(jià)的評(píng)分模型，如式（2）所示：

表1 指標(biāo)選取明細(xì)

式（2）中：Goaly代表當(dāng)年度y 企業(yè)的績(jī)效評(píng)價(jià)得分，Vd表示當(dāng)年度特征值大于1 的主成份分析法下的方差貢獻(xiàn)率，表示當(dāng)年度特征值大于1 的主成分分析法下的累積方差貢獻(xiàn)率。

2 實(shí)證分析

2.1 適用性檢驗(yàn)。適用性檢驗(yàn)通過(guò)SPSS20.0 軟件，對(duì)2019年度數(shù)據(jù)進(jìn)行KMO 和Bartlett 球度適用性檢驗(yàn)，以此判斷是否適合進(jìn)行因子分析。一般認(rèn)為KMO 統(tǒng)計(jì)量越接近于1，變量間的相關(guān)性越強(qiáng)，偏相關(guān)性越弱，因子分析的效果越好。當(dāng)KMO 統(tǒng)計(jì)量在0.7 以上時(shí)效果比較好（如表2 所示），數(shù)據(jù)的KMO 值為0.703，符合相關(guān)要求，同時(shí)Sig 為0.000，小于0.05 的顯著性水平，表明變量之間存在一定關(guān)聯(lián)性，有提取公因子的條件。

表2 KMO 和Bartlett 的檢驗(yàn)表

2.2 因子分析。首先通過(guò)主成分分析法對(duì)主成分進(jìn)行提取。從13 個(gè)成分中得到4 個(gè)初始特征值＞1 的主成分，且累積的方差貢獻(xiàn)率達(dá)到82.014%，表明這4 個(gè)成分能反映82.014%的信息（如表3 所示），因此認(rèn)為通過(guò)其反映企業(yè)的業(yè)績(jī)是有代表性的。

表3 2019年度上市物流企業(yè)解釋的總方差

接下來(lái)建立成分載荷矩陣，運(yùn)用最大平衡法對(duì)因子進(jìn)行旋轉(zhuǎn)，得到表4（旋轉(zhuǎn)成份矩陣）其中成份1、2、3、4 分別在營(yíng)業(yè)利潤(rùn)率、息稅前營(yíng)業(yè)利潤(rùn)率、投入資本回報(bào)率、資產(chǎn)報(bào)酬率；存貨周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率；流動(dòng)比率、速動(dòng)比率、現(xiàn)金比率；所有者權(quán)益增長(zhǎng)率、每股凈資產(chǎn)增長(zhǎng)率、總資產(chǎn)增長(zhǎng)率有較大載荷。因此將4 項(xiàng)成分命名為g1盈利因子、g2營(yíng)運(yùn)因子、g3償債因子與g4成長(zhǎng)因子。

之后對(duì)變量進(jìn)行回歸，計(jì)算成分得分系數(shù)，得到上市物流企業(yè)成分得分系數(shù)矩陣（如表5 所示），最后依據(jù)得分模型與綜合效益評(píng)價(jià)模型得到2019年度上市物流企業(yè)的因子得分公式與業(yè)績(jī)?cè)u(píng)級(jí)評(píng)分公式如下：

表4 2019年度上市物流企業(yè)旋轉(zhuǎn)成分矩陣

表5 2019年度上市物流企業(yè)成分得分系數(shù)矩陣

3 上市物流企業(yè)績(jī)效排名分析

將相應(yīng)成分所包括的指標(biāo)依次代入式（3）、式（4）、式（5）、式（6），并根據(jù)計(jì)算得出結(jié)果將giy結(jié)果代入Goaly，最后得出各家企業(yè)的單因子得分具體數(shù)值與業(yè)績(jī)?cè)u(píng)價(jià)總分。將這37 家企業(yè)的業(yè)績(jī)?cè)u(píng)價(jià)總分降序排列，選取排名前10 與最后10 名的企業(yè)如表6 所示。

表6 2019年度上市物流企業(yè)績(jī)效得分排名

得分最高的企業(yè)為德邦股份，而得分最低的為華鵬飛。耳熟能詳?shù)摹叭ㄒ贿_(dá)”中申通快遞、韻達(dá)股份與圓通速遞位列前10（中通在美股上市，未進(jìn)入本次樣本選取范圍），但是一直以快速、高效與可靠著稱的“網(wǎng)紅”物流企業(yè)順豐控股，在這次業(yè)績(jī)?cè)u(píng)價(jià)排名中僅處于中游，位列第14名。

從排名中不難發(fā)現(xiàn)，不論排名高低，各家物流企業(yè)的盈利因子得分均為負(fù)數(shù)，甚至出現(xiàn)了排名越高，盈利因子得分越低的情況。這樣的情況看似反常，但結(jié)合我國(guó)目前電子商務(wù)行業(yè)的飛速發(fā)展，對(duì)物流的需求量與日俱增，各大物流企業(yè)都在積極爭(zhēng)奪市場(chǎng)，通過(guò)不斷降低自身盈利水平的方式來(lái)降低報(bào)價(jià)，吸引顧客成為常態(tài)，因而表現(xiàn)越好的公司其盈利狀況越差便可以理解。對(duì)于業(yè)績(jī)排名較低的企業(yè)，雖然其市場(chǎng)份額不夠，但客戶有一定忠實(shí)度，因而盈利因子得分可以相較而言有一個(gè)較高的分?jǐn)?shù)。

4大因子得分中，營(yíng)運(yùn)因子的得分顯得頗為顯眼。37 家物流企業(yè)的得分均為正數(shù)，且排名與營(yíng)運(yùn)因子得分存在正向關(guān)系。營(yíng)運(yùn)因子主要包括存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率與應(yīng)收賬款周轉(zhuǎn)率，反映企業(yè)的運(yùn)營(yíng)情況。這表明各家企業(yè)運(yùn)營(yíng)狀況良好，且運(yùn)營(yíng)效率高，從側(cè)面反映出物流市場(chǎng)的高效快捷的特點(diǎn)與市場(chǎng)的日益繁榮。

償債因子與成長(zhǎng)因子的得分情況同樣能夠反映當(dāng)前市場(chǎng)的積極向好狀態(tài)與企業(yè)為爭(zhēng)奪市場(chǎng)正不斷進(jìn)行的擴(kuò)張行為。

4 結(jié)論與建議

通過(guò)上述研究發(fā)現(xiàn)，進(jìn)入討論的37 家物流上市企業(yè)競(jìng)爭(zhēng)激烈，業(yè)績(jī)?cè)u(píng)價(jià)評(píng)分越高的企業(yè)擁有越強(qiáng)的營(yíng)運(yùn)能力，但其盈利能力與負(fù)債水平也會(huì)越不樂(lè)觀。反映出當(dāng)前為爭(zhēng)奪市場(chǎng)份額各家不惜“賠本賺吆喝”的市場(chǎng)現(xiàn)狀與伴隨電子商務(wù)迅猛發(fā)展的物流業(yè)發(fā)展勢(shì)頭。

面對(duì)企業(yè)的上述境遇，對(duì)于其自身而言，除了緊跟市場(chǎng)進(jìn)行擴(kuò)張業(yè)務(wù)外，更需要抓住自身定位，確立自身優(yōu)勢(shì)[10]，例如專攻大宗商品或農(nóng)村、鄉(xiāng)鎮(zhèn)等細(xì)分市場(chǎng)而非盲目進(jìn)行“價(jià)格戰(zhàn)”，這反而會(huì)降低企業(yè)盈利能力、增加負(fù)債風(fēng)險(xiǎn)，導(dǎo)致服務(wù)質(zhì)量降低，進(jìn)而拖累未來(lái)發(fā)展，并不利于長(zhǎng)久發(fā)展。對(duì)于消費(fèi)者而言，在選擇物流服務(wù)“物美價(jià)廉”的考量中，“物美”應(yīng)放在首位，避免進(jìn)入企業(yè)的“價(jià)格陷阱”而導(dǎo)致自身財(cái)產(chǎn)受到損失。對(duì)于政府而言，除了進(jìn)一步提供有利的政策促進(jìn)物流行業(yè)發(fā)展，不僅開(kāi)拓國(guó)內(nèi)，更要向“一帶一路”沿線國(guó)家開(kāi)放[11]，也要建立相應(yīng)的法律制度規(guī)范物流企業(yè)的作業(yè)流程既提高企業(yè)服務(wù)質(zhì)量，也避免出現(xiàn)市場(chǎng)壟斷、一家獨(dú)大的情況。