基于K 均值聚類算法與TOPSIS 熵權(quán)法結(jié)合的市場(chǎng)法改進(jìn)研究
——以魚躍醫(yī)療股權(quán)價(jià)值評(píng)估為例

■封懷宇 胡 兵 錢 坤 劉詩(shī)瑤

（1.江蘇華信資產(chǎn)評(píng)估有限公司，江蘇南京 210000；2.南京財(cái)經(jīng)大學(xué)會(huì)計(jì)學(xué)院，江蘇南京 210000）

一、引言

企業(yè)價(jià)值評(píng)估中的市場(chǎng)法，是指將評(píng)估對(duì)象與可比上市公司或者可比交易案例進(jìn)行比較，確定評(píng)估對(duì)象價(jià)值的評(píng)估方法。市場(chǎng)法的關(guān)鍵和難點(diǎn)是選取可比公司及選擇恰當(dāng)?shù)膬r(jià)值比率。《資產(chǎn)評(píng)估執(zhí)業(yè)準(zhǔn)則——企業(yè)價(jià)值》第三十三條要求，“資產(chǎn)評(píng)估專業(yè)人員應(yīng)當(dāng)關(guān)注業(yè)務(wù)結(jié)構(gòu)、經(jīng)營(yíng)模式、企業(yè)規(guī)模、資產(chǎn)配置和使用情況、企業(yè)所處經(jīng)營(yíng)階段、成長(zhǎng)性、經(jīng)營(yíng)風(fēng)險(xiǎn)、財(cái)務(wù)風(fēng)險(xiǎn)等因素，恰當(dāng)選擇與被評(píng)估單位進(jìn)行比較分析的可比企業(yè)。”[1]

行業(yè)內(nèi)關(guān)于選取可比公司和價(jià)值比率也有很多研究，國(guó)外學(xué)者Damodaran（2001）[2]研究發(fā)現(xiàn)，在市場(chǎng)法的應(yīng)用中，可比公司的選擇應(yīng)綜合考慮風(fēng)險(xiǎn)水平、增長(zhǎng)潛力、現(xiàn)金流生成能力等方面的可比性；Ananth Rao（2018）[3]研究表明公司規(guī)模也是使用市場(chǎng)法時(shí)選擇可比公司的重要參數(shù)。為了更加準(zhǔn)確地篩選可比公司，國(guó)內(nèi)學(xué)者也進(jìn)行了相關(guān)研究，例如：于志超（2010）[4]構(gòu)建企業(yè)綜合績(jī)效評(píng)價(jià)指標(biāo)體系，并引入沃爾評(píng)分法科學(xué)地衡量可比公司與被評(píng)估公司的接近程度；孫楊舟（2011）[5]以主成分分析法與多元回歸相結(jié)合的方法對(duì)可比公司進(jìn)行確定；蔡曉琰等（2013）[6]將因子分析和聚類分析結(jié)合，建立可比公司的相似度模型；安磊（2017）[7]則通過(guò)對(duì)傳統(tǒng)數(shù)據(jù)與高維數(shù)據(jù)相似性度量方法的研究，構(gòu)建Esim模型選擇可比公司。

在價(jià)值比率的研究中，沈蘭（2019）[8]認(rèn)為，應(yīng)結(jié)合SWOT 分析法、波特五力等定性分析模型及公司四大能力指標(biāo)對(duì)價(jià)值比率進(jìn)行修正。徐曉琪（2019）[9]創(chuàng)新性地將無(wú)形資產(chǎn)、銷售費(fèi)等指標(biāo)納入價(jià)值比率體系。沈越火（2007）[10]認(rèn)為使用回歸分析是區(qū)分和修正比較案例和評(píng)價(jià)對(duì)象差異的有效方法。陳樂(lè)娟和程文莉（2016）[11]以醫(yī)藥企業(yè)上市公司為研究樣本，證明用集群分析法改進(jìn)后的股價(jià)預(yù)測(cè)可以更準(zhǔn)確地確定價(jià)值比率。

本文認(rèn)為篩選可比公司應(yīng)在業(yè)務(wù)結(jié)構(gòu)相近的情況下量化分析企業(yè)不同因素的指標(biāo)表現(xiàn)，使篩選的可比公司整體經(jīng)營(yíng)情況與被評(píng)估單位相近。在修正價(jià)值比率時(shí)，應(yīng)延續(xù)上述定量分析的方式，通過(guò)企業(yè)經(jīng)營(yíng)狀況反映的不同維度指標(biāo)表現(xiàn)尋找被評(píng)估單位在公開(kāi)活躍交易市場(chǎng)中的價(jià)值。因此本文將結(jié)合K 均值聚類算法（k-means clustering algorithm）與TOPSIS 熵權(quán)法，用市場(chǎng)法評(píng)估江蘇魚躍醫(yī)療設(shè)備股份有限公司（以下簡(jiǎn)稱“魚躍醫(yī)療”）的股東全部權(quán)益價(jià)值，為市場(chǎng)法應(yīng)用過(guò)程中選擇可比公司與計(jì)算價(jià)值比率提供一種思路，對(duì)市場(chǎng)法在企業(yè)價(jià)值評(píng)估中的應(yīng)用具有一定參考意義。

二、理論陳述

（一）K 均值聚類算法

在市場(chǎng)法實(shí)務(wù)操作中，為了量化可比公司與被評(píng)估單位的個(gè)體特征來(lái)修正價(jià)值比率，評(píng)估人員需根據(jù)企業(yè)及其所處行業(yè)的特點(diǎn)選取評(píng)價(jià)指標(biāo)，并根據(jù)指標(biāo)表現(xiàn)對(duì)其進(jìn)行綜合評(píng)價(jià)。引入K 均值聚類算法的目的是通過(guò)最優(yōu)K 值下被評(píng)估單位所在的聚類來(lái)選取可比公司。

K 均值聚類算法是一種迭代求解的聚類分析算法，該算法首先設(shè)置聚類數(shù)量K，聚類的最終結(jié)果就是確定K 個(gè)簇質(zhì)心的位置并形成K 個(gè)簇，算法最大限度地減少了每個(gè)簇內(nèi)的點(diǎn)（數(shù)據(jù)）之間的相似性度量，并最大限度地提高了不同簇之間的相似性度量。設(shè)置K 值后，首先隨機(jī)生成k 個(gè)質(zhì)心位置并計(jì)算每個(gè)點(diǎn)到每個(gè)質(zhì)心的距離。根據(jù)距離最小原則，將每個(gè)點(diǎn)劃分至距其最近質(zhì)心所在的聚類中。

此時(shí)，質(zhì)心可能不是最佳位置，因此需要不斷更新每一簇的質(zhì)心以進(jìn)行優(yōu)化。更新質(zhì)心位置的方法是對(duì)簇中的每個(gè)點(diǎn)進(jìn)行平均，并將平均值所在的位置作為新簇的質(zhì)心位置。經(jīng)過(guò)不斷求均值來(lái)不斷更新簇的位置，直到簇的質(zhì)心不變并達(dá)到優(yōu)化標(biāo)準(zhǔn)為止，算法結(jié)束，最終的聚類結(jié)果形成。[12]

（二）TOPSIS 熵權(quán)法

引入TOPSIS 熵權(quán)法的目的是在通過(guò)K 均值聚類算法篩選出可比公司的基礎(chǔ)上，賦予各評(píng)價(jià)指標(biāo)權(quán)重，并計(jì)算被評(píng)估單位與可比公司的綜合評(píng)價(jià)來(lái)確定價(jià)值比率。

1.TOPSIS 法概述

1 500 m超深礦井提升機(jī)采用多繩纏繞式提升系統(tǒng)。它是由多根鋼絲繩卷繞在同一個(gè)分段卷筒上，利用鋼絲繩在卷筒上卷入或繞出，實(shí)現(xiàn)提升容器的上提或下放。其中，每個(gè)分段滾筒上卷繞2根鋼絲繩，鋼絲繩其中一端繞過(guò)天輪，通過(guò)張力平衡裝置與提升容器相連接，其中一個(gè)提升容器處于上升狀態(tài)，而另一個(gè)處于下放狀態(tài)。提升鋼絲繩在不同分段卷筒上的纏繞方向相反，如圖1所示，由于電機(jī)帶動(dòng)卷筒運(yùn)轉(zhuǎn)，當(dāng)改變電機(jī)的運(yùn)轉(zhuǎn)方向時(shí)即可實(shí)現(xiàn)重物的上升或下降。

TOPSIS 法相比一般的單指標(biāo)比較分析，適用于更復(fù)雜的多層次指標(biāo)體系評(píng)價(jià)，且該方法對(duì)指標(biāo)樣本量的要求較低，可以在樣本數(shù)據(jù)較少的情況下，通過(guò)評(píng)價(jià)得出相對(duì)科學(xué)有效的結(jié)論。[13]因此，TOPSIS 法在企業(yè)績(jī)效評(píng)估領(lǐng)域被廣泛使用。例如，Berna Bulgurcu 將其用于伊斯坦布爾上市公司財(cái)務(wù)績(jī)效評(píng)估，Tien-Chin Wang 等將其用于臺(tái)灣股市上市公司績(jī)效評(píng)估等。

2.熵權(quán)法概述

步驟三，計(jì)算評(píng)價(jià)對(duì)象與最優(yōu)向量的相對(duì)貼近度Pi：

信息論中，熵（entropy）是系統(tǒng)無(wú)序程度的一個(gè)度量。指標(biāo)信息量越大，不確定性就越小，指標(biāo)的信息熵越小；指標(biāo)信息量越小，不確定性越大，指標(biāo)的信息熵越大。根據(jù)熵的特性，我們可以通過(guò)計(jì)算指標(biāo)的熵值來(lái)判斷其離散程度，指標(biāo)的離散程度越大，該指標(biāo)對(duì)綜合評(píng)價(jià)的影響越大即權(quán)重越高。[14]

TOPSIS（Technique for Order of Preference by Similarity to Ideal Solution）是一種多維度決策分析方法，在確定各評(píng)價(jià)指標(biāo) “正理想解”和“負(fù)理想解”的基礎(chǔ)上，根據(jù)評(píng)價(jià)對(duì)象與理想解的相對(duì)貼近度對(duì)評(píng)價(jià)對(duì)象進(jìn)行排序，實(shí)現(xiàn)現(xiàn)有對(duì)象相對(duì)優(yōu)劣的定量評(píng)價(jià)。

（三）K 均值聚類算法與TOPSIS 熵權(quán)法具體步驟

1.構(gòu)建評(píng)價(jià)指標(biāo)體系

如圖1所示，作用72 h后，2‐DG及Met可濃度相關(guān)性的抑制HepG2細(xì)胞生長(zhǎng)，其中2‐DG的IC50值為2.45 mmol/L（圖1A），Met的IC50值為16.35 mmol/L（圖1B）。因聯(lián)合用藥涉及兩種藥物，無(wú)法計(jì)算IC50值，采用金氏公式Q值來(lái)衡量效果。由圖1C可知，聯(lián)合用藥后可顯著的增加對(duì)細(xì)胞生長(zhǎng)抑制作用，與同濃度2‐DG組比較差異顯著（P＜0.05）。各組Q值均大于1.15，具有協(xié)同抗腫瘤作用（表1）。為了體現(xiàn)聯(lián)合應(yīng)用的效果，采用較低生長(zhǎng)抑制作用下的2‐DG（1 mmol/L）及Met（3 mmol/L）進(jìn)行后續(xù)研究。

根據(jù)被評(píng)估單位及其所處行業(yè)特點(diǎn)選取n個(gè)同行業(yè)公司及m個(gè)評(píng)價(jià)指標(biāo)，建立評(píng)價(jià)矩陣R:

其中，rij(i=1,2,…,n; j=1,2,…,m)表示第i 個(gè)公司在第j個(gè)評(píng)價(jià)指標(biāo)下的指標(biāo)值。

因原始數(shù)據(jù)在數(shù)量級(jí)、量綱上存在差異，為了保證數(shù)據(jù)的可比性，需要對(duì)每項(xiàng)評(píng)價(jià)指標(biāo)的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

若第j (j=1,2,…,m)項(xiàng)指標(biāo)為正向評(píng)價(jià)指標(biāo)，本文采用的標(biāo)準(zhǔn)化方法為：

若第j (j=1,2,…,m)項(xiàng)指標(biāo)為負(fù)向評(píng)價(jià)指標(biāo)，本文采用的標(biāo)準(zhǔn)化方法為：

經(jīng)上述標(biāo)準(zhǔn)化處理最終得到的規(guī)范化評(píng)價(jià)矩陣為：

梨花的聲音怯怯的，好像是誰(shuí)家的童養(yǎng)媳，小李的眼神卻有些熱，輕聲對(duì)著梨花：別有什么顧慮，這只是走個(gè)過(guò)場(chǎng)而已。梨花對(duì)著小李點(diǎn)了點(diǎn)頭，臉色依然沉重。老鄧狠狠地瞪了小李一眼：什么過(guò)場(chǎng)，這是很嚴(yán)肅的事情，是需要人坐牢的大事。小李對(duì)梨花伸了伸舌頭，再次溫和地笑笑。

膠州大白菜協(xié)會(huì)積極開(kāi)展膠州大白菜節(jié)等活動(dòng)，進(jìn)一步發(fā)揮品牌的輻射和擴(kuò)散效應(yīng)。挖掘膠州大白菜文化，提高消費(fèi)者對(duì)該品牌的忠誠(chéng)度。膠州開(kāi)展了專門保護(hù)品牌權(quán)益的打假行動(dòng)，膠州大白菜的品牌在廣大消費(fèi)者心中具有很高的影響力和知名度。

2.通過(guò)K 均值聚類算法篩選可比公司

步驟一，指定K 值，根據(jù)上述規(guī)范化評(píng)價(jià)矩陣，將各公司xi(i=1,2,…,n)劃分為K 個(gè)聚類，隨機(jī)選擇每個(gè)聚類Ck(k=1,2,……,K)的聚類中心μk(μk∈Ck)，計(jì)算各公司xi與各聚類中心μk的距離dCk：

將所有公司劃分到距其最近的聚類中心所對(duì)應(yīng)的類中，即針對(duì)每個(gè)公司xi選擇μk使得dCk最??；

步驟二，計(jì)算各聚類內(nèi)的公司與對(duì)應(yīng)聚類中心的距離dCk':

步驟三，根據(jù)上述聚類結(jié)果重新確定各聚類的均值點(diǎn)作為新聚類中心μk'(μk'∈Ck)，計(jì)算各公司xi與對(duì)應(yīng)新聚類中心μk'的距離dCk：

根據(jù)dCk重新對(duì)各公司類別進(jìn)行劃分，再次計(jì)算重新劃分后各聚類內(nèi)公司與對(duì)應(yīng)聚類中心的距離dCk'：

齊魯醫(yī)院領(lǐng)導(dǎo)層將住培工作納入醫(yī)院整體布局和長(zhǎng)遠(yuǎn)規(guī)劃，隨著住培工作不斷深入推進(jìn)，結(jié)合前期實(shí)踐，確立了以“實(shí)施全面質(zhì)量管理、筑牢住培質(zhì)控網(wǎng)底”為目標(biāo)導(dǎo)向，以打造“五星級(jí)醫(yī)師”和精品人才工程為目標(biāo)定位的頂層設(shè)計(jì)戰(zhàn)略實(shí)施方案。

③近三年未連續(xù)虧損；

步驟五，計(jì)算輪廓系數(shù)（Silhouette Coefficient）：

其中，a (xi)表示聚類簇內(nèi)樣本點(diǎn)的內(nèi)聚度，設(shè)集合A為所取樣本點(diǎn)xi(xi∈ A)所在聚類，a (xi)計(jì)算公式如下：

根據(jù)鐵鉆工的工作需要，選定滾動(dòng)軸承式回轉(zhuǎn)支撐作為實(shí)現(xiàn)鉗體回轉(zhuǎn)的支撐結(jié)構(gòu)。滾動(dòng)軸承式回轉(zhuǎn)支撐裝置尺寸緊湊、性能完善，可以同時(shí)承受鐵鉆工鉗體所帶來(lái)的水平力、因鐵鉆工重力而產(chǎn)生的垂直力以及在鐵鉆工伸出狀態(tài)而產(chǎn)生的傾覆力矩。因此選定單排四點(diǎn)接觸球式回轉(zhuǎn)支撐，它是由2個(gè)座圈組成，具有結(jié)構(gòu)緊湊、質(zhì)量輕、高度尺寸小等特點(diǎn)。由于回轉(zhuǎn)支撐有兩種安裝形式，一種為懸掛式安裝(圖5)，一種為座式安裝(圖6)，通過(guò)對(duì)比分析可知回轉(zhuǎn)支撐座式用于下面固定上面支撐，回轉(zhuǎn)支撐懸掛式為上面固定下面連接所要支撐的部件。根據(jù)鐵鉆工的工作需求選擇座式安裝，安裝時(shí)鐵鉆工的回轉(zhuǎn)部分與軸承的內(nèi)圈相連，固定部分與外圈相連。

b (xi)表示不同聚類間樣本點(diǎn)的分離度，設(shè)集合C 為不同于集合A 的其他聚類，即C ≠A，則b (xi)計(jì)算公式如下：

以該K 值下所有樣本輪廓系數(shù)的平均值作為該K 值聚類總體的輪廓系數(shù)，包含N 個(gè)樣本的數(shù)據(jù)集聚類輪廓系數(shù)公式如下：

步驟六，根據(jù)輪廓系數(shù)選擇最優(yōu)K 值并重新聚類

根據(jù)輪廓系數(shù)計(jì)算公式的特性，可以看出，當(dāng)聚類總體的輪廓系數(shù)S (xi)趨近于1 時(shí)，此時(shí)趨近于0，即不同聚類之間的分離度遠(yuǎn)大于聚類間的內(nèi)聚度，聚類效果較優(yōu)。[16]通過(guò)計(jì)算取值范圍內(nèi)各K值聚類結(jié)果的輪廓系數(shù)進(jìn)行比較，來(lái)確認(rèn)最優(yōu)K 值，并以最優(yōu)K 值重新進(jìn)行聚類，將被評(píng)估單位所在聚類Ck'重新構(gòu)建規(guī)范化評(píng)價(jià)矩陣。

3.基于熵權(quán)法確定指標(biāo)權(quán)重

步驟一，對(duì)標(biāo)準(zhǔn)化矩陣進(jìn)行歸一化處理：

步驟二，計(jì)算第j (j=1,2,…,m)項(xiàng)評(píng)價(jià)指標(biāo)的熵值，此處為了將熵值取值范圍控制為[0,1]，熵值計(jì)算公式采用自然對(duì)數(shù)，并引入常數(shù)項(xiàng)：

步驟三，計(jì)算第j(j=1,2,…,m)項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重：

經(jīng)上述步驟，可以計(jì)算出m個(gè)評(píng)價(jià)指標(biāo)的權(quán)重向量W：

評(píng)估基準(zhǔn)日時(shí)單個(gè)時(shí)點(diǎn)的收盤價(jià)可能受到非正常因素的干擾，使股價(jià)暫時(shí)偏離正常情況下企業(yè)的估值水平。針對(duì)該問(wèn)題，可以利用時(shí)間區(qū)間的均價(jià)有效稀釋市場(chǎng)的非正常擾動(dòng)，因此本次采用評(píng)估基準(zhǔn)日（2022 年12 月31 日）前20 日成交均價(jià)計(jì)算可比公司的股權(quán)價(jià)值，并加回企業(yè)的付息負(fù)債、少數(shù)股東權(quán)益和優(yōu)先股價(jià)值后剔除非經(jīng)營(yíng)性資產(chǎn)與負(fù)債得出可比公司經(jīng)營(yíng)性資產(chǎn)市場(chǎng)化及少數(shù)股東權(quán)益基礎(chǔ)上的企業(yè)整體價(jià)值，相關(guān)計(jì)算過(guò)程如表7 所示。

步驟一，基于上述規(guī)范化評(píng)價(jià)矩陣X'構(gòu)建最優(yōu)向量S+及最劣向量S-：

同一底板下的樁注漿盡可能短時(shí)間連續(xù)施工完成，由于高壓注漿水泥漿流向的相對(duì)不確定性，先進(jìn)行周邊樁的注漿，后中間樁；先外圍樁，后里面樁。注漿結(jié)束待孔中泥漿沉淀30 min后，在孔中灌入C20細(xì)石混凝土進(jìn)行封孔。

TOPSIS 可以實(shí)現(xiàn)分析對(duì)象單維度指標(biāo)的優(yōu)劣評(píng)價(jià)，但無(wú)法判斷不同維度指標(biāo)之間的重要性，因此要對(duì)各維度指標(biāo)賦予權(quán)重。賦權(quán)的方法可以分為主觀與客觀兩類，主觀賦權(quán)法的優(yōu)點(diǎn)是簡(jiǎn)單易操作，但受個(gè)人判斷影響較大?？陀^賦權(quán)法在一定程度上克服了主觀賦權(quán)法的缺點(diǎn)，在確定權(quán)重方面比較客觀準(zhǔn)確，因此，本文使用了客觀賦權(quán)法中的熵權(quán)法對(duì)評(píng)價(jià)指標(biāo)賦權(quán)。

將各評(píng)價(jià)對(duì)象的相對(duì)貼近度Pi作為其綜合得分指數(shù)，將被評(píng)估單位與可比公司的綜合得分指數(shù)比值作為可比公司價(jià)值比率的修正系數(shù)。

三、案例陳述

（一）案例選擇

醫(yī)療器械行業(yè)是一個(gè)涉及光、聲、電等多個(gè)領(lǐng)域的高新技術(shù)產(chǎn)業(yè)，屬于國(guó)家重大產(chǎn)業(yè)政策鼓勵(lì)和扶持對(duì)象。根據(jù)國(guó)際管理咨詢公司羅蘭貝格2023 年發(fā)布的《中國(guó)醫(yī)療器械行業(yè)發(fā)展現(xiàn)狀與趨勢(shì)》報(bào)告顯示2022 年我國(guó)醫(yī)療器械市場(chǎng)規(guī)模預(yù)計(jì)達(dá)9 582 億元人民幣，近7 年CAGR 約17.5%，已成為全球第二大市場(chǎng)。但我國(guó)目前藥械比水平僅為2.9，與全球平均藥械比1.4 的水平仍有一定差距，表明我國(guó)醫(yī)療器械市場(chǎng)未來(lái)存在較大的增長(zhǎng)空間。因此，本文以醫(yī)療器械行業(yè)中的魚躍醫(yī)療股東全部權(quán)益價(jià)值為評(píng)估對(duì)象作為市場(chǎng)法估值案例具有一定參考意義。為保證時(shí)效性與數(shù)據(jù)完整性本文選取2022 年12 月31 日為評(píng)估基準(zhǔn)日。

（二）案例基本情況

魚躍醫(yī)療成立于1998 年10 月，主要從事研發(fā)、制造和銷售醫(yī)療器械產(chǎn)品及提供相關(guān)解決方案。產(chǎn)品主要集中在呼吸供氧、血壓血糖、消毒感控、醫(yī)療急救、手術(shù)器械、眼科器械、康復(fù)護(hù)理及提供醫(yī)院消毒感染控制解決方案等領(lǐng)域。2008 年4 月18日，魚躍醫(yī)療于在深圳證券交易所首次公開(kāi)發(fā)行。

四、案例分析

本文將基于上述理論陳述與案例情況計(jì)算魚躍醫(yī)療公司的價(jià)值比率，并將該價(jià)值比率計(jì)算出的股權(quán)價(jià)值與基準(zhǔn)日時(shí)股價(jià)所反映的市值進(jìn)行比較驗(yàn)證，通過(guò)K 均值聚類算法與TOPSIS 熵權(quán)法計(jì)算價(jià)值比率的流程圖如圖1 所示。

其中，xij(i=1,2,…,n; j=1,2,…,m)表示第i個(gè)公司在第j個(gè)評(píng)價(jià)指標(biāo)下的無(wú)量綱評(píng)價(jià)值[15]。

圖1 價(jià)值比率計(jì)算流程圖

（一）行業(yè)情況

魚躍醫(yī)療根據(jù)申銀萬(wàn)國(guó)行業(yè)分類屬于“醫(yī)藥生物-醫(yī)療器械-醫(yī)療設(shè)備”類別，除魚躍醫(yī)療外該類別截至評(píng)估基準(zhǔn)日共37 家上市公司，在做聚類分析之前，對(duì)上市公司進(jìn)行初篩，初篩條件如下：

①上市時(shí)間三年以上；

②為非“ST”公司；

步驟四，按照上述步驟迭代計(jì)算，當(dāng)各聚類內(nèi)公司與對(duì)應(yīng)聚類中心的總距離最小時(shí)達(dá)到收斂條件，此時(shí)聚類中心不再變化。

④樣本公司于評(píng)估基準(zhǔn)日連續(xù)交易，并無(wú)重大事項(xiàng)發(fā)生。

實(shí)施兒童肥胖干預(yù)的場(chǎng)所有學(xué)校、家庭、社區(qū)等，在學(xué)校實(shí)施肥胖干預(yù)，便于組織實(shí)施和持續(xù)進(jìn)行。由于城市學(xué)齡兒童入學(xué)率高，在校時(shí)間長(zhǎng)，使得學(xué)校成為預(yù)防和干預(yù)學(xué)齡兒童肥胖的最佳場(chǎng)所。本研究以校園為主要干預(yù)環(huán)境，同時(shí)向家庭發(fā)散。采用分級(jí)培訓(xùn)式健康教育，探討培養(yǎng)學(xué)齡兒童健康生活方式，降低肥胖發(fā)生率的策略，具有重要的社會(huì)價(jià)值和現(xiàn)實(shí)意義。

按上述方法初篩后的公司共16家，具體如表1 所示：

表1 樣本公司初篩結(jié)果

（二）構(gòu)建評(píng)價(jià)指標(biāo)體系

企業(yè)評(píng)價(jià)指標(biāo)體系的構(gòu)建應(yīng)基于其財(cái)務(wù)數(shù)據(jù)所反映的實(shí)際經(jīng)營(yíng)情況，同時(shí)，許多學(xué)者也提出企業(yè)價(jià)值與其財(cái)務(wù)因素和非財(cái)務(wù)因素的線性關(guān)系相似，認(rèn)為應(yīng)該注重非財(cái)務(wù)因素對(duì)評(píng)估企業(yè)價(jià)值的影響。國(guó)外學(xué)者Bontis 和Richardson（2010）[17]以馬來(lái)西亞和加拿大等國(guó)家的代表企業(yè)為研究對(duì)象，發(fā)現(xiàn)知識(shí)資本中的相關(guān)資本和人力資本也影響著企業(yè)價(jià)值。國(guó)內(nèi)研究領(lǐng)域也逐漸認(rèn)識(shí)到非財(cái)務(wù)因素在企業(yè)價(jià)值評(píng)估中的作用，并進(jìn)行了深入的研究，郭存杰和朱芳（2005）[18]提出，在知識(shí)經(jīng)濟(jì)時(shí)代，要重視創(chuàng)新水平、企業(yè)文化、戰(zhàn)略規(guī)劃等人力資本因素對(duì)企業(yè)價(jià)值的推動(dòng)作用，管理者對(duì)非財(cái)務(wù)因素的重視從長(zhǎng)遠(yuǎn)來(lái)看有利于創(chuàng)造企業(yè)價(jià)值。

醫(yī)療設(shè)備企業(yè)屬于技術(shù)密集型企業(yè)，其對(duì)企業(yè)科技水平以及科技人員的能力要求較高，企業(yè)整體研發(fā)投入較高、產(chǎn)品從研發(fā)到上市銷售通常周期較長(zhǎng)，因此在構(gòu)建該類企業(yè)評(píng)價(jià)指標(biāo)體系時(shí)應(yīng)考慮研發(fā)及人員相關(guān)指標(biāo)。為了全面、準(zhǔn)確地衡量企業(yè)間的差異，同時(shí)考慮到相關(guān)指標(biāo)數(shù)據(jù)的獲取難度，本文通過(guò)企業(yè)規(guī)模、成長(zhǎng)能力、研發(fā)投入與勞動(dòng)效率等六個(gè)方面共19 項(xiàng)指標(biāo)構(gòu)建評(píng)價(jià)體系，為體現(xiàn)企業(yè)長(zhǎng)期穩(wěn)定的經(jīng)營(yíng)情況，上述評(píng)價(jià)指標(biāo)取值均選用近三年算術(shù)平均數(shù)，具體情況如表2 所示。

由圖1～圖5可知：本文設(shè)計(jì)的航向控制器使無(wú)人艇能夠很好地沿著給定的航向航行，跟蹤誤差幾乎為零。但是，僅采用動(dòng)態(tài)面技術(shù)所設(shè)計(jì)的控制器，對(duì)環(huán)境擾動(dòng)引起的不確定項(xiàng)處理效果不理想(如圖5所示)。因此，引入RBF神經(jīng)網(wǎng)絡(luò)逼近器，對(duì)系統(tǒng)不確定項(xiàng)進(jìn)行全局逼近處理。采用單一的在線神經(jīng)網(wǎng)絡(luò)逼近不確定項(xiàng)，不僅解決不確定項(xiàng)的逼近問(wèn)題，在航向控制過(guò)程中有良好的效果，也簡(jiǎn)化了動(dòng)態(tài)面控制器結(jié)構(gòu)，減小計(jì)算負(fù)擔(dān)。

表2 評(píng)價(jià)指標(biāo)體系

根據(jù)評(píng)價(jià)指標(biāo)體系，通過(guò)同花順iFinD 提取并計(jì)算上述指標(biāo)，匯總結(jié)果如下表3 所示。

表3 評(píng)價(jià)指標(biāo)匯總表

對(duì)上述各公司指標(biāo)通過(guò)SPSS 進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化，并將負(fù)向評(píng)價(jià)指標(biāo)做正向化處理，得到規(guī)范化的無(wú)量綱評(píng)價(jià)值匯總?cè)绫? 所示。

（三）通過(guò)K 均值聚類算法篩選可比公司

本文借助Python 第三方模塊中提供機(jī)器學(xué)習(xí)算法的sklearn 庫(kù)實(shí)現(xiàn)K 均值聚類算法與輪廓系數(shù)的計(jì)算，并借助if 循環(huán)語(yǔ)句計(jì)算不同K 值下聚類結(jié)果的輪廓系數(shù)，本次被評(píng)估單位與初篩后的可比公司共17 個(gè)分析對(duì)象，因此K 值的理論取值范圍為[2,16]，不同K 值的輪廓系數(shù)如表5 所示。

表5 不同K 值聚類結(jié)果對(duì)應(yīng)的輪廓系數(shù)匯總表

根據(jù)輪廓系數(shù)定義，當(dāng)K=2 時(shí)，聚類效果最優(yōu)，該K 值下的聚類結(jié)果呈現(xiàn)為：邁瑞醫(yī)療公司歸入一個(gè)聚類，其余公司歸入第二個(gè)聚類，未能實(shí)現(xiàn)進(jìn)一步篩選可比公司的目標(biāo)，因此選擇剩余最優(yōu)聚類效果的K 值，K=3，此時(shí)借助SPSS 使用線性判別法（LDA）將數(shù)據(jù)降維，降維結(jié)果與K=3 的聚類效果圖如表6 及圖2 所示。

表6 線性判別法數(shù)據(jù)降維結(jié)果

圖2 聚類效果圖

根據(jù)聚類結(jié)果顯示，魚躍醫(yī)療的可比公司分別為海爾生物、理邦儀器與邁瑞醫(yī)療。

（四）基于TOPSIS 熵權(quán)法確定修正系數(shù)

1.選擇并計(jì)算可比公司價(jià)值比率

觀察組患者手術(shù)時(shí)間為(112.6±52.8)min,長(zhǎng)于參考組患者;術(shù)中出血量為(1241±448)ml,多于參考組患者,差異具有統(tǒng)計(jì)學(xué)意義,p<0.05。詳細(xì)數(shù)據(jù)如表2所示。

當(dāng)學(xué)生具備了一定的發(fā)現(xiàn)和提出問(wèn)題的能力之后，教師應(yīng)減少引導(dǎo)，不要直接將學(xué)生引入教師預(yù)設(shè)好的問(wèn)題，應(yīng)讓學(xué)生自主思考，探究自己想探究的問(wèn)題。在提出問(wèn)題階段，可以先不考慮實(shí)施的可行性，鼓勵(lì)學(xué)生發(fā)散思維，天馬行空，提出盡量多的豐富多樣的探究問(wèn)題。之后，再考慮實(shí)際情況，評(píng)估確定幾個(gè)在學(xué)校條件下可行性高的探究課題，組建課題小組。

2.1 在相控陣檢測(cè)前，應(yīng)根據(jù)焊接信息（坡口類