PCA-EWM模型下互聯(lián)網(wǎng)行業(yè)企業(yè)績(jī)效影響因素的研究

摘 要：隨著互聯(lián)網(wǎng)企業(yè)的興起，影響企業(yè)的績(jī)效水平因素逐漸成為國(guó)內(nèi)外專家和學(xué)者關(guān)注的焦點(diǎn)。目前，大多數(shù)學(xué)者都是在既定的指標(biāo)水平下研究影響企業(yè)績(jī)效的因素，但影響績(jī)效的許多因素是相互關(guān)聯(lián)和相互影響的。因此，文章構(gòu)建了一個(gè)多維指標(biāo)體系，綜合運(yùn)用PCA降維、相關(guān)性檢驗(yàn)、回歸分析，以及EWM（熵權(quán)法）等方法，構(gòu)建PCA-EWM模型進(jìn)行系統(tǒng)分析，旨在全面、系統(tǒng)地研究各種影響因素對(duì)企業(yè)活動(dòng)結(jié)果的影響。研究結(jié)果表明：影響互聯(lián)網(wǎng)企業(yè)績(jī)效的因素主要有長(zhǎng)期資產(chǎn)適合率、留存收益資產(chǎn)比、全部現(xiàn)金回收率、可持續(xù)增長(zhǎng)率4項(xiàng)指標(biāo)。其中，長(zhǎng)期資產(chǎn)適合率與企業(yè)績(jī)效呈負(fù)相關(guān)，留存收益資產(chǎn)比、全部現(xiàn)金回收率、可持續(xù)增長(zhǎng)率與企業(yè)績(jī)效呈正相關(guān)。文章豐富了企業(yè)績(jī)效相關(guān)研究，可以為我國(guó)互聯(lián)網(wǎng)企業(yè)上市公司提升企業(yè)績(jī)效提供參考。

關(guān)鍵詞：企業(yè)績(jī)效；長(zhǎng)期資產(chǎn)適合率；熵權(quán)法；PCA

中圖分類號(hào)：F49文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1005-6432（2025）21-0061-05

DOI：10.13939/j.cnki.zgsc.2025.21.016

1 引言

第三次工業(yè)革命后，現(xiàn)代計(jì)算機(jī)和網(wǎng)絡(luò)通信等信息技術(shù)發(fā)展加速，出現(xiàn)了創(chuàng)新的商業(yè)模式。20世紀(jì)80年代，經(jīng)濟(jì)和知識(shí)經(jīng)濟(jì)等新經(jīng)濟(jì)業(yè)態(tài)開(kāi)始出現(xiàn)，投資、生產(chǎn)手段、工廠、原材料、勞動(dòng)力和其他存儲(chǔ)產(chǎn)品等條件是企業(yè)創(chuàng)造剩余價(jià)值和實(shí)現(xiàn)生產(chǎn)力提高的重要預(yù)測(cè)因素，與過(guò)去的技術(shù)經(jīng)濟(jì)不同。隨著數(shù)據(jù)的逐步分析，一種信息量更大、效率更高的基于房地產(chǎn)、勞動(dòng)密集型和資本密集型的模式正在被一種新的經(jīng)濟(jì)模式所取代[1]。

據(jù)研究，自進(jìn)入新經(jīng)濟(jì)時(shí)代以來(lái)，互聯(lián)網(wǎng)經(jīng)濟(jì)的創(chuàng)新，如土地、勞動(dòng)力、物質(zhì)資本等不斷變化，企業(yè)競(jìng)爭(zhēng)力增強(qiáng)。 增加企業(yè)收入，了解互聯(lián)網(wǎng)經(jīng)濟(jì)并把它整合到業(yè)務(wù)管理和發(fā)展中，是組織轉(zhuǎn)型的關(guān)鍵[2]。

國(guó)外，Mahajan Pramod Sanjay（2024）通過(guò)分析庫(kù)存管理（IM）和全面質(zhì)量管理（TQM）實(shí)踐的文獻(xiàn)計(jì)量學(xué)數(shù)據(jù)及其對(duì)企業(yè)績(jī)效的影響，量化用于構(gòu)建理論模型的變量趨勢(shì)[3]。使用Scopus數(shù)據(jù)庫(kù)和 Web of Science （WoS）（包括 Elsevier、Emerald Group Publishing、Taylor and Francis、Wiley、IEEE、Informs 和 SAGE）查找相關(guān)文章。從1993年到2021年，對(duì)文章、綜述論文和會(huì)議論文集進(jìn)行了篩選。對(duì)這些文章進(jìn)行了分析，以解釋不同類型的IM實(shí)踐、TQM實(shí)踐及其對(duì)公司績(jī)效的影響。使用“R”（Biblioshiny）和VOSviewer的文獻(xiàn)計(jì)量包進(jìn)行主題分析，以確定關(guān)鍵趨勢(shì)、方法和研究議程。研究結(jié)果：該研究涵蓋了 28 年的出版物，總結(jié)了 497 篇文章、評(píng)論論文和會(huì)議論文。研究人員得出結(jié)論，IM與存貨周轉(zhuǎn)率高度相關(guān)，與企業(yè)績(jī)效無(wú)關(guān)。此外，TQM對(duì)公司績(jī)效有積極影響。

國(guó)內(nèi)，胡元林等（2024）以2007—2021年中國(guó)滬深A(yù)股制造業(yè)上市公司為研究樣本，從知識(shí)管理視角考察工業(yè)互聯(lián)網(wǎng)平臺(tái)應(yīng)用對(duì)企業(yè)績(jī)效的影響及內(nèi)在機(jī)理。研究發(fā)現(xiàn)，工業(yè)互聯(lián)網(wǎng)平臺(tái)應(yīng)用能夠促進(jìn)制造企業(yè)績(jī)效提升[4]；盧福財(cái)（2023）路徑分析表明，工業(yè)互聯(lián)網(wǎng)平臺(tái)應(yīng)用提升企業(yè)績(jī)效主要是通過(guò)緩解信息不對(duì)稱、促進(jìn)知識(shí)共享及提高企業(yè)創(chuàng)新質(zhì)量三種渠道機(jī)制實(shí)現(xiàn)[5]。以上結(jié)論在考慮內(nèi)生問(wèn)題并在穩(wěn)定性測(cè)試檢查后仍然成立。異質(zhì)性分析發(fā)現(xiàn)，與管制性行業(yè)的企業(yè)、中小規(guī)模企業(yè)以及非國(guó)有企業(yè)相比，競(jìng)爭(zhēng)性行業(yè)的企業(yè)、大規(guī)模企業(yè)及國(guó)有企業(yè)工業(yè)互聯(lián)網(wǎng)平臺(tái)應(yīng)用對(duì)企業(yè)績(jī)效的影響更明顯。

綜上所述，國(guó)內(nèi)外學(xué)者對(duì)企業(yè)績(jī)效影響的因素的研究中有眾多因素對(duì)企業(yè)績(jī)效有或正向或逆向的影響，文章主要通過(guò)企業(yè)綜合財(cái)務(wù)指標(biāo)來(lái)分析影響企業(yè)績(jī)效的因素。

2 理論基礎(chǔ)及假設(shè)

2.1 企業(yè)績(jī)效

企業(yè)績(jī)效是指一個(gè)公司的運(yùn)營(yíng)效率和其運(yùn)營(yíng)操作者的效率。生產(chǎn)要素與最高生產(chǎn)力（經(jīng)濟(jì)和社會(huì)）之間的關(guān)系越緊密，其效率越高。最終要達(dá)成投入與產(chǎn)出比率的最大化。

2.2 主成分分析法（PCA）

主成分分析法（PCA）是無(wú)監(jiān)督線性縮放中常用和廣泛使用的經(jīng)典方法[6]。PCA的一般思想是提取數(shù)據(jù)的關(guān)鍵特征，同時(shí)保留原始數(shù)據(jù)的大部分屬性，以便估計(jì)測(cè)量中數(shù)據(jù)的較小方差達(dá)到最大值，從而減少數(shù)據(jù)中的重復(fù)。簡(jiǎn)單地說(shuō)，選擇少量準(zhǔn)確的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析[7]。PCA降維的基本原理是首先對(duì)MR/MS數(shù)據(jù)進(jìn)行處理，計(jì)算矩陣的eGenvalues和eGenVectors，然后根據(jù)大小關(guān)系對(duì)eGen值進(jìn)行排序。

假設(shè)存在向量w為目標(biāo)子空間中的n維向量，樣本數(shù)據(jù)經(jīng)過(guò)映射后使得方差最大化的x數(shù)學(xué)表達(dá)形式為：

maxw1m－1∑mi=1（wT（xi－x））2（1）

其中， m 是數(shù)據(jù)樣本的個(gè)數(shù)， xi是數(shù)據(jù)里實(shí)例i的向量表達(dá)，x是所有數(shù)據(jù)的平均向量。

PCA由X的原始維度降低到了k維，降維后的輸出結(jié)果為：

Y=wTx（2）

PCA的目的是使用數(shù)據(jù)的整體結(jié)構(gòu)來(lái)衡量每次投影后方向的重要性和準(zhǔn)確性，即有關(guān)數(shù)據(jù)內(nèi)部特征的準(zhǔn)確信息，圖像數(shù)據(jù)的大小，大小和分布減少。但投影后差異效果并不明顯。這主要是因?yàn)闃悠分g的差異已被消除，在大多數(shù)情況下導(dǎo)致了PCA效果的不顯著。

2.3 熵權(quán)法（EWM）

“熵”于 1850 年由德國(guó)的物理學(xué)家引入。最早被應(yīng)用在熱力學(xué)中，表示在一定的空間中其能量的分布是否均勻，以及均勻程度。依據(jù)信息論中對(duì)基本原理的解釋，信息，即對(duì)系統(tǒng)中有序（均勻）程度的一種衡量，熵是系統(tǒng)無(wú)序程度的一個(gè)度量[8]；根據(jù)信息熵的定義，數(shù)據(jù)的熵值越小，指數(shù)的分布越大，指數(shù)對(duì)總體評(píng)級(jí)（即權(quán)重）的影響就越大[9]。如果指標(biāo)的值全部相等，則該指標(biāo)將不適用于總體評(píng)級(jí)。所以，可以使用數(shù)據(jù)熵的手段計(jì)算每個(gè)指標(biāo)的權(quán)重，這是對(duì)幾個(gè)指標(biāo)進(jìn)行全面評(píng)估的基礎(chǔ)。 之后，逐漸演變?yōu)殪刂捣āｌ氐膶?dǎo)數(shù)用于評(píng)估相應(yīng)指標(biāo)的性能和價(jià)值。 熵是數(shù)據(jù)中異常程度的度量，數(shù)據(jù)的大小與可用數(shù)據(jù)量成反比。熵越高，系統(tǒng)就越有條理。

熵權(quán)法過(guò)程如下。

（1）設(shè)計(jì)分析矩陣。將選取的目標(biāo)指標(biāo)進(jìn)行匯總并整理，經(jīng)整理形成m×n的矩陣，建立評(píng)價(jià)分析原始矩陣，見(jiàn)式（3）：

x=x11x12...x1jx21x22...x2j............xi1xi2...xijm×n（3）

其中，xij是指第i年里第j個(gè)被評(píng)價(jià)指標(biāo)的取值數(shù)據(jù)。

（2）被評(píng)價(jià)指標(biāo)無(wú)量綱化的處理過(guò)程。因?yàn)椴煌笜?biāo)的所屬重要性有所不同，所以，指標(biāo)數(shù)據(jù)一般無(wú)法被直接相互加總，要先對(duì)不同類型的指標(biāo)進(jìn)行分類，分為正向指標(biāo)與負(fù)向指標(biāo)，接著進(jìn)行無(wú)量綱化處理，無(wú)量綱化公式如下：

正向指標(biāo)無(wú)量綱化處理，見(jiàn)式（4）：

x′ij=x（i，j）－xmin（i，j）xmax（i，j）－xmin（i，j）（4）

負(fù)向指標(biāo)無(wú)量綱化處理，見(jiàn)式（5）：

x′ij=xmax（i，j）－x（i，j）xmax（i，j）－xmin（i，j）（5）

無(wú)量綱化后的矩陣，見(jiàn)式（6）：

x′=x′11x′12...x′1jx'21x′22...x′2j............x′i1x′i2...x′ij（6）

（3）正向化指標(biāo)處理過(guò)程。將被評(píng)價(jià)指標(biāo)進(jìn)行無(wú)量綱化處理后，可能會(huì)導(dǎo)致指標(biāo)數(shù)據(jù)較小，甚至為負(fù)值，所以，要對(duì)經(jīng)無(wú)量綱化后的指標(biāo)數(shù)據(jù)平移，以避免數(shù)值為0或者為負(fù)數(shù)的情況，見(jiàn)式（7）：

x′ij=H+x′ij（7）

其中，i=1，2，3，…，m；j=1，2，3，…，n；Ｈ是指對(duì)指標(biāo)數(shù)據(jù)平移的程度，其取值可以依據(jù)經(jīng)無(wú)量綱化后指標(biāo)數(shù)據(jù)的最小值來(lái)進(jìn)行確定，從而消除再次出現(xiàn)無(wú)法被計(jì)算的情形[10]。

（4）歸一化的處理過(guò)程。經(jīng)以上三步的處理后，對(duì)被評(píng)價(jià)指標(biāo)的數(shù)據(jù)進(jìn)行歸一化處理，見(jiàn)式（8）：

yij=x′ij∑mi=1x′ij（8）

其中，i=1，2，3，…，m；j=1，2，3，…，n。

（5）計(jì)算各指標(biāo)的熵值。各指標(biāo)的熵值計(jì)算公式見(jiàn)式（9）：

ej=－1lnm∑mi=1yijlnyij（9）

其中，ej指的是第j個(gè)評(píng)價(jià)指標(biāo)的熵值；其中i=1，2，3，…，m；j=1，2，3，…，n。

（6）計(jì)算差異系數(shù)。差異系數(shù)表示第j個(gè)評(píng)價(jià)指標(biāo)第i年的效用值，見(jiàn)式（10）：

gj=1-ej（10）

其中，j=1，2，3，…，n。

（7）計(jì)算各指標(biāo)的熵權(quán)。各指標(biāo)的熵權(quán)計(jì)算公式見(jiàn)式（11）：

wj=gj∑nj=1gj（11）

其中，j=1，2，3，…，n。

（8）計(jì)算綜合得分。各指標(biāo)的綜合得分計(jì)算公式見(jiàn)式（12）：

sj=∑mi=1wj×xij（12）

其中，wj是第j個(gè)指標(biāo)的信息熵權(quán)重，xij是第i年在第j指標(biāo)上的評(píng)價(jià)指標(biāo)值。

3 研究設(shè)計(jì)

3.1 采樣和數(shù)據(jù)來(lái)源

文章通過(guò)國(guó)泰安CSMAR獲取A股市場(chǎng)81家互聯(lián)網(wǎng)上市公司2018—2023年的財(cái)務(wù)數(shù)據(jù)，剔除在行業(yè)存續(xù)不足五年或ST公司的數(shù)據(jù)后，剩余816條數(shù)據(jù)組樣本，對(duì)上述樣本先后進(jìn)行PCA以及回歸分析兩次降維，確定最終對(duì)行業(yè)財(cái)務(wù)績(jī)效影響的關(guān)鍵指標(biāo)，并對(duì)上述指標(biāo)利用熵權(quán)法進(jìn)行加權(quán)，對(duì)影響因素進(jìn)行排序。

3.2 研究過(guò)程

3.2.1 PCA降維

通過(guò)國(guó)泰安數(shù)據(jù)庫(kù)獲取互聯(lián)網(wǎng)行業(yè)近五年所有財(cái)務(wù)指標(biāo)，共388項(xiàng)，為滿足分析需要，在指標(biāo)選取的過(guò)程中剔除絕對(duì)數(shù)指標(biāo)，最終剩余102項(xiàng)相對(duì)數(shù)指標(biāo)，對(duì)上述相對(duì)數(shù)指標(biāo)進(jìn)行PCA降維，剔除因子載荷絕對(duì)值小于0.5的項(xiàng)目，經(jīng)降維后該102項(xiàng)指標(biāo)共被分為26組。圖1為碎石。

圖1 碎石

3.2.2 相關(guān)性檢驗(yàn)

對(duì)上述指標(biāo)進(jìn)行相關(guān)性檢驗(yàn)，其中凈資產(chǎn)收益率（F050502B）為因變量，其余指標(biāo)為自變量，剔除無(wú)相關(guān)性指標(biāo)以及顯著性水平大于0.05，并在剩余指標(biāo)中根據(jù)PCA分組情況保留相關(guān)系數(shù)R絕對(duì)值最大的指標(biāo)，經(jīng)剔除不具有相關(guān)性以及同組中不具代表性的指標(biāo)后，剩余指標(biāo)為9項(xiàng)，檢驗(yàn)結(jié)果見(jiàn)表1。

3.2.3 回歸分析

對(duì)上述9項(xiàng)指標(biāo)進(jìn)行回歸分析，剔除顯著性大于0.05的未通過(guò)顯著性檢驗(yàn)的指標(biāo)，最終確定對(duì)F050502B具有直接影響的4項(xiàng)指標(biāo)，回歸分析的系數(shù)結(jié)果見(jiàn)表2。

根據(jù)表2回歸系數(shù)可得企業(yè)績(jī)效與上述四個(gè)指標(biāo)的回歸方程：

F050502B=0.031×F031201A-0.01×F031301A+0.2×F061701B+0.431×F082601B+0.024

3.2.4 EWM熵權(quán)法

根據(jù)上述回歸分析結(jié)果對(duì)指標(biāo)區(qū)分正向影響指標(biāo)以及負(fù)向影響指標(biāo)，其中長(zhǎng)期資產(chǎn)適合率（F031301A）的回歸系數(shù)為-0.099，與企業(yè)凈資產(chǎn)收益率（F050502B）呈負(fù)相關(guān)，記為負(fù)向指標(biāo)；其余變量，例如：留存收益資產(chǎn)比（F031201A）、全部現(xiàn)金回收率（F061701B）、可持續(xù)增長(zhǎng)率（F082601B）的回歸系數(shù)分別為0.095、0.122、0.403，與企業(yè)凈資產(chǎn)收益率（F050502B）呈正相關(guān)，記為正向指標(biāo)。將上述指標(biāo)按年進(jìn)行熵權(quán)加權(quán)，對(duì)年度權(quán)重進(jìn)行匯總，并計(jì)算綜合得分。表3、表4為熵權(quán)結(jié)果。

通過(guò)上述圖表可以看出，對(duì)于互聯(lián)網(wǎng)行業(yè)來(lái)說(shuō)，影響企業(yè)權(quán)益凈利率的主要影響因素為長(zhǎng)期資產(chǎn)適合率（F031301A）、留存收益資產(chǎn)比（F031201A）、全部現(xiàn)金回收率（F061701B）、可持續(xù)增長(zhǎng)率（F082601B）。其中就單個(gè)指標(biāo)影響權(quán)重來(lái)看，全部現(xiàn)金回收率（F061701B）對(duì)凈資產(chǎn)收益率（F050502B）的相對(duì)影響權(quán)重最高，五年平均權(quán)重為0.40；可持續(xù)增長(zhǎng)率（F082601B）的影響次之，五年平均權(quán)重為0.22。但受公司規(guī)模，以及指標(biāo)數(shù)據(jù)規(guī)模的影響，就綜合得分情況來(lái)看，長(zhǎng)期資產(chǎn)適合率（F031301A）對(duì)凈資產(chǎn)收益率（F050502B）的影響最大，五年平均影響得分為22.46，全部現(xiàn)金回收率（F061701B）的影響次之，五年平均得分為20.35。

綜上所述，對(duì)于互聯(lián)網(wǎng)行業(yè)來(lái)說(shuō)，影響企業(yè)凈資產(chǎn)收益率（F050502B）的主要財(cái)務(wù)指標(biāo)為長(zhǎng)期資產(chǎn)適合率（F031301A）、留存收益資產(chǎn)比（F031201A）、全部現(xiàn)金回收率（F061701B）、可持續(xù)增長(zhǎng)率（F082601B），詳見(jiàn)表5。

4 實(shí)證檢驗(yàn)結(jié)果及分析

根據(jù)上述分析可以看出：第一，長(zhǎng)期資產(chǎn)適合率的回歸系數(shù)為-0.099，與企業(yè)績(jī)效呈負(fù)相關(guān)，占四個(gè)指標(biāo)的平均熵權(quán)權(quán)重為0.20，綜合權(quán)重得分為22.46，綜合權(quán)重得分在四項(xiàng)指標(biāo)中排名第一。主要是由于長(zhǎng)期資產(chǎn)較其他資產(chǎn)來(lái)說(shuō)金額較大，且比較穩(wěn)定，其綜合負(fù)向影響較高，但企業(yè)績(jī)效對(duì)其的敏感性相對(duì)較弱。第二，留存收益資產(chǎn)比的回歸系數(shù)為0.095，占四個(gè)指標(biāo)的平均熵權(quán)權(quán)重為0.18，綜合權(quán)重得分為18.09，綜合權(quán)重得分在四項(xiàng)指標(biāo)中排名第三。主要是由于留存收益作為企業(yè)長(zhǎng)期資本的主要來(lái)源，其是企業(yè)的積累，較為穩(wěn)定，對(duì)企業(yè)的財(cái)務(wù)績(jī)效有一定的影響，但敏感性相對(duì)較弱。第三，全部現(xiàn)金回收率的回歸系數(shù)為0.122，占四個(gè)指標(biāo)的平均熵權(quán)權(quán)重為0.40，綜合得分為20.35，綜合權(quán)重得分在四項(xiàng)指標(biāo)中排名第二。主要是由于現(xiàn)金回收率能夠直接為企業(yè)帶來(lái)實(shí)際現(xiàn)金留存，是企業(yè)營(yíng)運(yùn)能力的直接體現(xiàn)，企業(yè)績(jī)效對(duì)其敏感性較強(qiáng)。第四，可持續(xù)增長(zhǎng)率的回歸系數(shù)為0.403，占四個(gè)指標(biāo)的平均熵權(quán)權(quán)重為0.22，綜合得分為12.42，綜合權(quán)重得分在四個(gè)指標(biāo)中排名第四，主要是因?yàn)榭沙掷m(xù)增長(zhǎng)率在數(shù)量級(jí)上與其他三個(gè)指標(biāo)相比較小，企業(yè)進(jìn)入可持續(xù)增長(zhǎng)狀態(tài)后可持續(xù)增長(zhǎng)率會(huì)長(zhǎng)期處于穩(wěn)定的狀態(tài)，企業(yè)績(jī)效對(duì)其的敏感性相對(duì)較弱，但可持續(xù)增長(zhǎng)率高的企業(yè)發(fā)展前景以及盈利能力較強(qiáng)，與企業(yè)績(jī)效呈正相關(guān)。

5 結(jié)論與建議

經(jīng)上述分析，可知影響互聯(lián)網(wǎng)行業(yè)企業(yè)績(jī)效的因素主要有長(zhǎng)期資產(chǎn)適合率、留存收益資產(chǎn)比、全部現(xiàn)金回收率、可持續(xù)增長(zhǎng)率4項(xiàng)指標(biāo)。

5.1 研究結(jié)論

長(zhǎng)期資產(chǎn)適合率、留存收益資產(chǎn)比、全部現(xiàn)金回收率以及可持續(xù)增長(zhǎng)率系行業(yè)普遍影響指標(biāo)，即行業(yè)的整體綜合企業(yè)績(jī)效受上述四項(xiàng)指標(biāo)的影響。第一，長(zhǎng)期資產(chǎn)適合率為負(fù)向指標(biāo)，即長(zhǎng)期資產(chǎn)適合率越高，企業(yè)績(jī)效越差。該指標(biāo)在互聯(lián)網(wǎng)行業(yè)相對(duì)穩(wěn)定，綜合影響程度最高，但企業(yè)績(jī)效對(duì)其敏感性較弱。第二，留存收益資產(chǎn)比為正向指標(biāo)，即留存收益資產(chǎn)比越高，企業(yè)績(jī)效水平越高。其在企業(yè)績(jī)效的影響因素中的影響相對(duì)較弱。第三，全部現(xiàn)金回收率為正向指標(biāo)，即全部現(xiàn)金回收率越高，企業(yè)績(jī)效水平越高。企業(yè)績(jī)效對(duì)其敏感性最強(qiáng)，是企業(yè)績(jī)效影響因素中最主要的因素之一。第四，可持續(xù)增長(zhǎng)率為正向指標(biāo)，即企業(yè)的可持續(xù)增長(zhǎng)率越高，企業(yè)績(jī)效水平越高，該指標(biāo)在企業(yè)績(jī)效影響因素中的綜合影響中相對(duì)較弱，但卻是企業(yè)營(yíng)運(yùn)能力的一個(gè)重要體現(xiàn)因素。

5.2 研究建議

綜上分析可以看出，互聯(lián)網(wǎng)行業(yè)目前處于瓶頸期，雖平穩(wěn)但各項(xiàng)關(guān)鍵指標(biāo)已隱現(xiàn)下降趨勢(shì)。第一，互聯(lián)網(wǎng)行業(yè)作為一個(gè)輕資產(chǎn)行業(yè)，保證足夠的流動(dòng)比率至關(guān)重要，而互聯(lián)網(wǎng)行業(yè)現(xiàn)在普遍保持在高長(zhǎng)期資產(chǎn)適合率的狀態(tài)，導(dǎo)致較大的杠桿，有較大的財(cái)務(wù)風(fēng)險(xiǎn)。所以，如何有效去杠桿系當(dāng)前互聯(lián)網(wǎng)行業(yè)亟待解決的問(wèn)題。第二，留存收益系企業(yè)的盈利留存的直接體現(xiàn)，當(dāng)前互聯(lián)網(wǎng)行業(yè)的留存收益資產(chǎn)比在小規(guī)模下降，導(dǎo)致互聯(lián)網(wǎng)行業(yè)的風(fēng)險(xiǎn)抵抗能力不充足。如何有效提高互聯(lián)網(wǎng)企業(yè)的盈利營(yíng)運(yùn)能力成為第二解決問(wèn)題。第三，現(xiàn)金回收率體現(xiàn)一個(gè)企業(yè)的變現(xiàn)能力，當(dāng)前互聯(lián)網(wǎng)行業(yè)的全部現(xiàn)金回收率處于較低的狀態(tài)。那么完善信用政策，提高回款能力對(duì)于互聯(lián)網(wǎng)行業(yè)來(lái)說(shuō)就迫在眉睫。第四，可持續(xù)增長(zhǎng)率對(duì)各行各業(yè)來(lái)說(shuō)都是至關(guān)重要的，對(duì)于互聯(lián)網(wǎng)行業(yè)來(lái)說(shuō)，創(chuàng)新發(fā)展能力系關(guān)系到行業(yè)榮辱興衰的關(guān)鍵能力。

參考文獻(xiàn)：

[1]劉國(guó)武，李君華.數(shù)字經(jīng)濟(jì)發(fā)展對(duì)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)的影響——基于需求端視角[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2024，46（1）：104-116.

[2]李曉華.制造業(yè)數(shù)字化轉(zhuǎn)型與價(jià)值創(chuàng)造能力提升[J].改革，2022（11）：24-36.

[3]MAHAJAN P S，RAUT R D，KUMAR P R，et al.Inventory management and TQM practices for better firm performance： a systematic and bibliometric review[J].The TQM journal，2024，36（2）：405-430.

[4]胡元林，吳語(yǔ)涵，朱雁春.工業(yè)互聯(lián)網(wǎng)平臺(tái)應(yīng)用對(duì)企業(yè)績(jī)效的影響研究[J].昆明理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2024，49（3）：309-321.

[5]盧福財(cái)，陳慧.工業(yè)互聯(lián)網(wǎng)、企業(yè)成長(zhǎng)性與價(jià)值創(chuàng)造[J].經(jīng)濟(jì)管理，2023，45（1）：5-24.

[6]鄭德生，孫涵明，王立遠(yuǎn)，等.多元時(shí)間序列聚類算法綜述[J].計(jì)算機(jī)科學(xué)與探索，2025，19（3）：582-601.

[7]王一朵.基于PCA、LDA與SVM相結(jié)合的人臉圖像識(shí)別應(yīng)用研究[D].蘭州：蘭州交通大學(xué)， 2023.

[8]李芊，雷歆，王臘銀.基于熵權(quán)法的裝配式建筑發(fā)展水平研究——以西部地區(qū)省會(huì)城市為例[J].經(jīng)營(yíng)與管理，2022（1）：169-176.

[9]胡雪萍，樂(lè)冬.綠色技術(shù)創(chuàng)新促進(jìn)了經(jīng)濟(jì)高質(zhì)量發(fā)展嗎？——基于空間溢出效應(yīng)的視角[J].福建論壇（人文社會(huì)科學(xué)版），2023（1）：69-83.

[10]雷碧瑩，石寶峰.農(nóng)村信用社競(jìng)爭(zhēng)力評(píng)價(jià)及其區(qū)域差異分析[J].東北農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2022，20（5）：46-63.