序數空間中企業戰略風險與企業績效關系研究
——基于中國紡織業面板數據分析

朱慧明，張曉昱，吳宣明，廖 萍

（湖南大學工商管理學院，湖南長沙 410082）＊

一、引言

企業發展戰略關系著企業的生存與興衰，企業的戰略決策與其經營風險及競爭優勢有著密切的關系［1］。什么樣的戰略可以獲得高的績效是非常吸引人的問題，而在企業的生存發展中，企業戰略風險與績效之間的關系一直是戰略管理研究中的一個重要問題。

戰略風險的概念由Andrews在1971年提出，將戰略與風險理論結合，Barton等（1997）分別從管理決策、行業競爭排名、公司業績和戰略實施能力的不確定性等角度對戰略風險進行了界定［2］。王國順和李燦（2005）考慮四個指標建立戰略業績評價指標體系進行績效評價和分析［3］。劉建國（2006）給出了基于屬性空間分布的定量分析方法，對戰略風險進行了評估［4］。很多學者把傳統經濟領域的“風險收益”關系問題提升到組織的層次來檢驗戰略風險與收益的關系，結合行為理論對相關實證結果進行解釋，并且試圖把戰略風險納入到企業競爭優勢的分析框架中。Bowman通過選擇美國85個產業來驗證公司戰略風險與收益的關系，得到了大部分產業風險與收益呈負相關關系的重要結論，被稱為“風險收益悖論（paradox）”［5］。Bowman的這個重要發現開辟了戰略管理研究組織風險收益的新領域。Winfrey和Budd（1992）研究發現，風險和收益可能是獨立的，不同的戰略方案帶來的風險與其收益的關系并不明顯［6］。McGahan（1999）利用百分比將相關關系的正負性表示出來［7］。Ruefli和Wiggins（2003）利用非參數方法對企業業務影響，經營業績進行了評價并對其戰略風險進行了度量［8］。這些在基數空間采用傳統均值方差方法對企業的戰略風險和收益及其他績效指標關系的研究有一定的局限性，沒有考慮到企業之間的相互作用。因此，Collins和Ruefli（1992）提出借鑒序數空間熵值法對企業戰略風險進行刻畫，并對企業戰略風險和收益進行了肯氏檢驗，得到企業的戰略風險與收益存在負相關關系［9］。祝志明，楊乃定等（2008）利用中國滬深300數據通過最小二乘回歸在中國背景下對勃曼悖論進行了驗證［10］。而Powell（2010）在序數空間中給出排序的具體數值表，并通過對12個工業公司40年的數據驗證［11］。但他們均采用的是橫截面數據，并沒有在時間維度上對戰略風險和收益及其他績效指標進行分析。朱承亮，岳宏志（2009）通過建立面板數據模型對戰略實施績效進行了評價［12］，因此，將面板數據模型應用于戰略經濟學的研究成為今后研究的主要方向。

針對上述問題，本文將序數空間定義的戰略風險與面板數據模型結合對企業風險和收益的關系進行研究，收集中國紡織業的相關數據，通過借鑒序數信息下系統組織整體不確定性度量的熵法，對企業的戰略風險進行刻畫，并利用分階段數據，建立隨機效應面板數據模型，選取企業績效中的四個指標，對戰略風險和它們的相關關系進行實證檢驗，對公司的戰略選擇及投資決策具有指導意義。

二、序數空間中戰略風險的刻畫

以往的研究中多采用計算凈資產收益率的均值方差的方法來度量企業的風險值，而這種方法將損失和收益同等看待，企業的持續損失或收益都將被看作風險計算。其次，均值方差方法用企業自身收益的絕對變動對風險進行度量，忽略了企業之間的相互作用及其在一個參考系統中排名相對位置變化帶來的影響。另外，均值方差的方法一般利用獨立于時間的橫截面數據計算，而企業的戰略風險往往和時間密切關聯。因此，為避免均值方差方法帶來的局限，可從序數空間角度出發。

將同行業的企業看作一個系統參考集，通過研究不同時期內各階段企業排名的變化，引起的系統結構的變化帶來的不確定信息用熵度量，采取時間窗的方式對已有數據進行處理，將5年當作一個時間段進行研究，滾動進行相關分析，避免了偶然性的干擾。

（一）構建轉移概率矩陣

假設一個戰略系統參考集中n個公司持續經營，在研究的時間段內無退出和進入現象，公司的所有指標值在研究的單個時間段內保持不變。

假設第i個公司從t0到tm時間段，指標排名由j到k，系統中公司在一個研究的階段的排名變化矩陣設為Φi，由第i個公司排名變化次數φijk組成矩陣Φijk。如果排名無變化，則記為0。將公司排名轉移矩陣中每個元素除以其行和，得到該時間段內公司在系統中排名的轉移概率矩陣如下：

此處，Φ·jk是n個公司在t0到tm時間段內所有從j變到k的值；Φ·j·是矩陣Φ＝（Φ·jk）n×n中第i行和。由此得到轉移概率矩陣P＝（p·jk）n×n，其中，pj·、p·k分別表示行與列之和，取值均為1。

（二）不確定系統中加權熵值度量

在不確定系統中，信息和熵都是表示系統狀態的物理量，信息描述的是系統的有序程度，而熵是描述系統的無序程度。一個系統要從無序變為有序必須減少熵，而增加信息量，則可借用熵度量的方法，用概率分布矩陣描述一個不確定系統的平均條件熵。

但由于實際戰略參考系統中其競爭位置排名變動的方向和幅度不同，會出現轉移事件是在一個轉移系統中轉移即由兩個不相鄰的狀態轉移而來，而每個位置的轉移均有所不同。例如，從排名第一轉移到排名最后一名和由排名倒數第二名轉移到最后一名，對于系統中熵值的影響是不同的。元素的轉移和它發生的概率有關，和排名的變化也有關，故每次轉移在轉移概率矩陣中所占的比重不同，因此應設定權重矩陣對風險熵值進行度量。

選擇權重值基于以下的假設，假設1，權重值均為非負有限實數。假設2，如果一個時段的轉移A比另個時段轉移B重要，那么它們的權重ωA和ωB有：ωA＞ωB。構建權重函數衡量轉移概率矩陣：

此處，α／β＝1，α表示在狀態轉移過程中變動幅度的固定系數，按研究的時間段劃分來取值，一般按年取時間段通常為1，按半年取時間段則通常取0．5，β表示狀態轉移變化后企業排名的變化，若狀態轉移后，企業位置排名不變，即j＝k時，權重為β，通常取β＝1。根據對風險的界定，負面的不確定性即排名損失的改變才能稱為風險，對戰略系統而言，k＞j時，排名從高到低轉移，意味著企業的競爭位置相對下降，所有的不確定信息為系統戰略風險。因此加權不確定系統風險熵可以定義為：

其中

在無權重系統中，轉移概率矩陣中每個元素相等是可以得到系統的最大熵值，加權系統中比無權重系統計算最大熵相對困難，Thomas（1979）和Freund（1984）采用數學中優化方法得到加權系統的最大熵。

（三）單個企業戰略風險度量

考慮每個公司對整個系統戰略風險的貢獻度，可以得到每個企業在系統戰略風險中與戰略參考集中其他企業的貢獻關系和排名，在特定的狀態轉化中，記單個企業的轉移次數為fijk，那么它對整個狀態轉移次數的貢獻成正比，即：fijk／f·j·，所以單個企業的加權平均條件熵可記為：hWi（K｜J）＝ωk｜jp＊＊，由此可得單個企業的風險為：

其中

將得到的單個企業的風險值與加權系統的最大熵相比，標準化得到單個企業在系統中的戰略風險值：

由此，可以得到每5年階段內，企業的戰略風險值，由于該風險值采取凈資產收益率的序數信息，與其本身的數值無關，并將損失和收益區別對待，對企業的持續損失和盈利都不考慮為風險。并利用滾動窗口將時間的影響因素在企業戰略風險熵中表現出來，因此，利用序數空間熵理論得到的企業戰略風險值用于對績效指標的關系分析更為貼切。

三、面板數據模型的設定與估計

以往對企業績效分析的研究中大多利用企業具有的二維信息，如利用若干企業績效指標的時間序列建?；蚶脵M截面數據建模，但在實際中僅利用二維信息的模型不能滿足對戰略風險與企業績效關系的分析需要。因此，從面板數據出發研究實際戰略風險與企業績效關系問題可以構造和檢驗比以往單獨使用橫截面數據或時間序列數據更為真實的行為方程，進行更加深入的分析是可行且必要的。

（一）變量選擇

根據前文分析，以信息熵度量的企業戰略風險為因變量，企業凈資產收益率、非流動資產周轉率、總資產周轉率、股息支付率為自變量，對其相關關系進行研究，變量選擇如下：

（1）序數空間中企業戰略風險（SR）：選取上市公司的凈資產收益率（ROA）的序數信息，利用信息熵方法衡量企業戰略風險（式6）。

（2）企業凈資產收益率（ROA）：指公司稅后利潤除以凈資產得到的百分比率，反映股東權益的收益水平，用以衡量公司運用自有資本的效率。

（3）非流動資產周轉率（UCAR）：指銷售收入與非流動資產的比值，反映非流動資產的管理效率。是資產負債表上資產總額減去流動資產后的期初期末的平均數。

（4）總資產周轉率（TAT）：指企業在一定時期業務收入凈額同平均資產總額的比率，用來考察企業資產運營效率，資產的周轉次數越多或周轉天數越少，表明其周轉速度越快，營運能力也就越強，收益就越大，風險越小。在銷售利潤率不變的條件下，周轉的次數越多，形成的利潤越多，即反映了公司的盈利能力。

（5）股息支付率（DPR）：是向股東分派的股息占公司盈利的百分比，反映普通股股東從每股的全部凈收益中分得多少。

（二）模型構建

Cheng Hsiao（1986）提出利用面板數據進行經濟分析，含有個體、時間、指標的三維信息，結合上文對變量的分析，建立戰略風險和企業績效關系面板回歸方程模型如下：

此處ROAit，UCARit，TATit，DPRit為k×1向量，β1，θ1，γ1，λ1為1×k向量，k為解釋變量的數目，E（uit）＝0，Var（uit）＝σ2it。i，t分別為截面維度與時間維度，αi為截距向量，uit為誤差成分。在一維誤差分解即固定效應模型中，uit＝μi＋νit或uit＝λt＋νit；在二維誤差分解即隨機效應模型中，uit＝μi＋λt＋νit，μi為橫截面效應，λt為時間效應，νit為隨機變量。在對該問題的實證研究過程中首先對模型進行Hausman檢驗，以確定采用隨機效應或固定效應模型進行估計。

四、實證研究與結果分析

（一）樣本與數據來源

紡織業在我國是一個勞動密集程度高和對外依存度較大的產業。目前，全球紡織業市場前景不確定性日益增高，這與全球信用危機以及美國、歐盟經濟增長減緩的趨勢一致。國際紡織、服裝貿易制度的變化使紡織服裝企業面臨了新的挑戰，這對我國紡織業不僅帶來了希望和機遇，同時也帶來了極大風險。因此選取我國32家紡織業企業，以2001年為研究起始日期，2009年作為截止日期，確定為研究的樣本。通過收集2001～2009年期間這32家企業年報數據，構成本文研究的企業戰略參考集，數據來源為國泰安數據庫（http：／／www．gtarsc．com）。

選取企業凈資產收益率構成的戰略參考集進行分析，通過序數方法進行排名，得到研究期內32家紡織企業的絕對收益表，并以此計算單個企業在戰略參考集中的序數戰略風險。以5年為一階段，研究2001～2009年共劃分為5個階段，由于采用的是序數信息，所以年報中企業凈資產收益率計算周期的差異不影響研究結果。

（二）實證結果分析

首先，對32家紡織業企業在9年中企業凈資產收益率排名轉移情況進行分析（圖1），從圖中可以看出：凈資產收益率排名轉移跳動較大，說明它對系統的穩定性影響較大，但排名下降的轉移次數和排名上升的轉移次數并不完全對等，即并不是有企業排名下滑就一定有企業排名上升，說明企業的戰略風險除了與本身的排名下滑有關還與其他因素如績效指標、外部環境等有密切的關系。

圖1 凈資產收益率排名轉移圖

將得到的企業戰略風險值，和每個階段凈資產收益率、非流動資產周轉率、總資產周轉率、股息支付率五年的平均值進行統計量描述和分階段相關性檢驗（表1）。

從表中可以看出，分階段進行指標的相關性檢驗可以得到戰略風險和各指標之間多成負相關關系，但各個指標間也存在相關性。而在每一年的相關性檢驗時，戰略風險與各個績效指標相關性并不明顯，由于相關系數的缺點，即它接近于1的程度與數據組數n相關，這容易給人一種假象。在每一年的橫截面數據中，當n較小時，相關系數的波動較大，此時僅憑相關系數較大就判定變量之間有密切的線性關系是不妥當的，因此，采取三維面板數據建模是必要的。利用公式（7）將5個階段的數據建立面板數據模型，首先對其進行Hausman檢驗，得到隨機效應模型好于固定效應模型的概率為89．13%，因此，選用隨機效應模型進行估計，結果見表2。

表1 統計量描述和分階段相關性檢驗

從表1可以看出，戰略風險和企業的凈資產收益率呈負相關關系，在5%顯著水平下通過檢驗，這說明較高的戰略風險不一定帶來較高的收益，相反，高收益低風險的情形是存在的，而取得高收益的企業是其在一定區間內的戰略參考集中排名下降次數相對較少的，收益較低的企業是由于其績效排名下滑頻繁造成的。風險與收益的關系說明企業之間的異質性明顯，在全球紡織業不確定性日益升高的情況下，負相關關系則為中國紡織企業的戰略選擇提供了相關的理論依據。戰略風險和企業的非流動資產周轉率呈正相關關系，表明非流動資產的管理效率對戰略風險的影響是正面的，也就是說明非流動資產的管理效率越高帶來的風險越大。和總資產周轉率的負相關關系表明對于企業來講較高的盈利能力不一定帶來較高的風險，追求在低風險下的利潤最大化存在了可能性。和股息支付率正相關系數較小，說明向股東分派的股息占公司盈利的百分比對企業的戰略風險影響較小。

表2 戰略風險對各個指標的面板回歸結果

五、結 論

以上針對傳統的均值方差、資本資產定價等一般度量方法的局限性，從序數空間理論出發，借鑒序數理論中對系統不確定性的熵度量方法，將企業參考集的戰略風險考慮為系統內排名位置的變化，通過把戰略風險轉化為企業在戰略參考系統內收益排名的下降帶來的負面不確定信息，給出了序數戰略風險度量的一般模型。同時，采取滾動窗口分析方法將研究階段劃分為5個階段，并采用面板數據建立隨機效應面板數據模型。選取紡織業32家企業為研究對象，取凈資產收益率、非流動資產周轉率、總資產周轉率、股息支付率五年的平均值為解釋變量，模型分析結果表明我國紡織業戰略風險和企業的凈資產收益率及總資產周轉率呈負相關關系，和企業非流動資產周轉率、股息支付率雖呈正相關關系，但相關系性較小，驗證了在中國國情下紡織業“勃曼悖論”的存在，為中國紡織企業做出正確的戰略決策及企業的長期發展規劃提供了理論基礎。采用序數空間的熵度量企業戰略風險，結合面板數據模型分析，不僅可以克服傳統方法的缺點，更貼合了戰略風險的內涵，對企業的戰略實踐和選擇具有穩健的指導意義。

［1］Fiegenbaum A，Thomas H．Strategic risk and competitive advantage：an integrative perspective［J］．European Management Review，2004，1（1）：84－95．

［2］Frank，L．Winfrey．，James，L．Budd．Reframing strategic risk［J］．SAM Advanced Management Journal，1997，62（4）：256－272

［3］王國順，李燦．建立戰略業績評價指標體系的基本思路［J］．財經理論與實踐．2005，26（3）：113－116．

［4］劉建國．基于屬性測度的企業戰略風險評價［J］．統計與決策，2006，（3）：142－143．

［5］Bowman E H．A risk／return paradox for strategic management［J］．Sloan Management Review，1980，21（3）：17－31．

［6］Winfrey，Budd．A framework for integrated risk management in international business［J］．Journal of International Business Study，1992，（2）：311－329．

［7］McGahan A M．The performance of U．S．Corporations：1981－1994［J］．Journal of Industrial Economics，1999，47（4）：373－398．

［8］Ruefli T W，Wiggins RR．Industry，corporate and businesssegment effects and business performance：a non－parametric approach［J］．Strategic Management Journal，2003，24（9）：861－879．

［9］Collins J M，Ruefli T W．Strategic risk：an ordinal approach［J］．Management Science，1992，38（12）：1707－1731．

［10］祝志明，楊乃定，高婧．戰略風險與收益：中國上市公司的實證研究［J］．財經研究．2008，34（5）：133－143．

［11］Powell T C，Reinhardt I．Rank friction：an ordinal approach to persistent profitability［J］．Strategic Management Journal，2010，31（5）：1244－1255．

［12］朱承亮，岳宏志，李婷．基于Ja M視角的西部大開發戰略實施績效評價［J］．科學學研究，2009，27（11）：1162－1167．