基于主成分分析的中國物流上市公司績效評估

張圣忠，張春娜

(長安大學 經濟與管理學院，陜西 西安 710064)

近年來，在國家加快轉變經濟增長方式和調整產業結構的大背景下，由于現代物流業作為生產性服務業的重要組成部分，對經濟社會發展的支撐與引導作用越顯突出，其產業地位得以逐步確立，邁入了難得的戰略發展期，產業政策也在逐步完善。然而，產業快速發展與戰略機遇的耦合是否帶來了物流企業價值或績效的絕對提升，則是企業管理者和投資者關注的焦點。為此，一些學者嘗試運用模糊綜合評價、成本指數、模糊聚類、熵權與灰關聯分析、數據包絡分析、主成分分析等方法定量評估物流企業的績效，并論證了方法的可行性［1］。其中，應用最多的是主成分分析，且被認為簡便科學。但是，通過梳理文獻可以發現，在應用主成分分析評估物流企業績效時仍然存在實證研究不充分和評估對象選擇不科學的問題。例如，劉輝、焦癑等、孫曉東等都遴選了相對較為全面的指標，并以示例的方式驗證了借助主成分分析評價物流企業績效的可行性，但評估結果不具有現實參考價值［2-4］;閆楓逸和毛海軍、賀瓊和萬華麗均選取滬深兩市的物流上市公司作為績效評估對象進行實證研究［1，5］，雖然驗證了主成分分析的可行性，但所選取的部分上市公司(如南方航空、海南航空、贛粵高速、中原高速、廈門機場、長運股份等)較少涉及物流業務，樣本不具典型性。有鑒于此，作者擬在科學遴選評估對象的基礎上，利用公開的上市公司信息，借助主成分分析，對滬深兩市的物流上市公司績效進行重新評估，以跟蹤市場變化，為物流企業管理和投資決策提供更為科學的依據。

一、樣本與評估指標的選取

(一)樣本的選取

不同于現有文獻簡單地以不完整的行業板塊為依據選擇樣本的做法，本文通過查閱上市公司公開財務數據，依據公司主營業務收入構成，并剔除ST公司和信息不完整公司，最終在運輸物流、交通設施、港口水運等多個板塊遴選出40 家以貨物運輸、倉儲、裝卸搬運、貨運代理等典型物流業務為主營業務的上市公司作為績效評估對象。同時，依據其業務范疇，將40 家物流上市公司歸為港口類、水路運輸類、鐵路運輸類及綜合類。具體樣本情況見表1。

(二)評估指標的選取

為了更科學地遴選評估指標，本文前期從每股指標、盈利能力、成長能力、營運能力、償債能力、現金流量及資本構成等方面構建了包含23 個單項指標的評估指標體系;再借助Kaiser-Meyer-Olkin(以下簡稱KMO)抽樣充分性測度，剔除了KMO 值在0.6以下的指標(通常被認為不能接受或非常差)，最終選取每股收益x1、總資產利潤率x2、主營業務利潤率x3、總資產凈利潤率x4、成本費用利潤率x5、營業利潤率x6、總資產報酬率x7、凈利潤率x8、流動資產周轉率x9、流動比率x10、速動比率x11、資產負債率x12、現金流量比率x13、凈資產比率x14等14 個財務指標作為評估指標。

表1 上市公司績效綜合得分及其排序表

二、數據處理與計算

(一)主成分分析及其基本原理

主成分分析也稱為主分量分析，是由霍特林于1933 年首先提出來的。主成分分析是利用降維的思想，在損失較少信息的前提下把多個指標轉化為幾個綜合指標的多元統計方法。轉化生成的綜合指標即稱為主成分，其中每個主成分都是原始變量的線性組合，且各個主成分之間沒有相關性［6］。

主成分的模型表達式為

式中:xi(i =1，2，…，n)為研究的各項指標變量;Fm為提取的各個主成分;umn為因子載荷，因子載荷越大，說明指標變量與主成分的關聯程度越大;am為第m 個主成分的貢獻率;Y 表示財務狀況預測分值。

(二)數據處理與計算

依據主成分分析的通用方法，借助Stata 統計分析軟件，對樣本公司的數據做如下處理與計算:

(1)對原始數據進行標準化處理。將選取的樣本公司各類財務指標進行量綱為1 處理，使其具有可比性。在Stata 軟件中，可以直接利用描述性統計過程得到標準化的數據。

(2)計算指標特征值及貢獻率。運用Stata 軟件對標準化后的財務指標進行主成分分析，得到指標的特征值、貢獻率及累計貢獻率(表2)。

表2 指標特征值及貢獻率

主成分提取一般依據2 個標準，即指標特征值大于1 或累計貢獻率大于85%。表1 中前3 個指標的特征值均大于1，而且累計貢獻率達83.66%，說明前3 個指標基本包含了全部指標具有的信息，故選擇這3 個指標作為主成分，分別記為F1、F2、F3。

(3)KMO 與SMC 檢驗。為了保證指標選取的科學性，本文對所遴選的14 個財務指標進行了KMO 與SMC 統計檢驗。KMO 抽樣充分性測度是用于測量變量之間相關關系強弱的重要指標，可通過比較2 個變量的相關系數與偏相關系數得到。KMO 值介于0～1 之間，KMO 越高，表明變量的共性越強。如果偏相關系數相對于相關系數比較高，則KMO 比較低，主成分分析不能起到很好的數據約化效果。Kaiser 曾經給出的判斷標準如下:0.00～0.49，不能接受;0.50～0.59，非常差;0.60～0.69，勉強接受;0.70～0.79，可以接受;0.80～0.89，比較好;0.90～1.00，非常好［7］。Squared-Multiple-Correlation(以下簡稱SMC)是一個變量與其他所有變量的復相關系數的平方，也就是復回歸方程的可決系數。SMC 值越高，表明變量的線性關系越強，共性越強，主成分分析就越合適。運用Stata 軟件對所選取的財務指標進行KMO 與SMC 檢驗(表3)，可見各指標均可接受或符合要求［8］。

(4)特征向量計算與主成分模型。對載荷矩陣進行旋轉即可得到相應的特征向量，如表4 所示。

將特征向量與標準化處理后的指標相乘，即可得到各個主成分模型:

F1=0.200 8* x1+0.255 2* x2+0.280 9* x3+0.249 4 * x4+ 0.309 8 * x5+ 0.325 3 * x6+0.261 0* x7+0.325 4* x8－0.066 4* x9+0.275 3*x10+0.268 6* x11－0.281 3* x12+0.2704* x13+0.270 3* x14

F2=0.377 3* x1+0.380 5* x2－0.072 0* x3+0.386 6 * x4－ 0.199 9 * x5－ 0.148 1 * x6+0.372 1* x7－0.159 5* x8+0.366 4* x9－0.259 2*x10－0.303 9* x11－0.077 0* x12－0.169 2* x13+0.063 9* x14

表3 KMO 與SMC 檢驗值

表4 旋轉后的特征向量

F3=0.209 4* x1+0.101 5* x2+0.164 5* x3+0.138 0 * x4+ 0.241 3 * x5+ 0.210 6 * x6+0.086 5* x7+0.190 3* x8－0.141 2* x9－0.125*x10－0.057 6* x11+0.576 8* x12－0.024 6* x13－0.617 5* x14

在第一主成分F1的表達式中，x5、x6、x8的系數較大，這3 項指標起主要作用，可以把F1看成是盈利能力綜合指標;在第二主成分F2的表達式中，x1、x2、x4的系數較大，可以把F2看成是每股指標的綜合指標;在第三主成分F3的表達式中，x11、x12、x14的系數較大，可以把F3看作償債能力及資本構成的綜合指標。

(5)績效評估。以各個主成分的方差貢獻率作為權數，即可得出公司績效的綜合評價函數F，進而可以計算出40 家物流上市公司的績效評估值(表1)。

F =0.544 1* F1+0.219 7 * F2+0.072 9 * F3

(三)數據結果分析

在四大類物流上市公司中，鐵路運輸類上市公司的平均績效最高，這與充足的鐵路貨運需求、鐵路貨運的價格優勢以及鐵路貨運運力的不斷釋放等因素有關;水路運輸類上市公司的平均績效最低，平均僅為－0.918 3，超過80%的上市公司績效得分為負數，這與金融危機、歐債危機等外部因素直接引致的國際貿易量持續下滑和國內經濟增長放緩等問題相關;港口類上市公司的績效差別較大，鹽田港和深赤灣憑借運營效率和成本控制上的優勢獲得了突出的財務績效，同時也有超過半數的公司績效得分為負數，但總體上好于水路運輸類上市公司，這與其多樣化的經營內容有關;綜合類物流上市公司中，專注于高端產業物流專門化服務或專門化物流設施經營的上市公司往往具有相對較好的財務績效，如專注IT產品一體化供應鏈管理服務的飛力達、從事危險品儲罐出租的恒基達鑫、從事低溫倉儲的錦江投資和經營碼頭化學品倉儲的保稅科技等［9］。

三、結 語

(1)主成分分析利用公開且不斷更新的上市公司財務數據評估公司績效，方法簡便且科學性強，物流上市公司、外部投資者或金融機構均可采用這一方法實時評估公司績效，以提高經營及投資決策的科學性。

(2)在國際金融危機、歐債危機持續發酵的背景下，中國不同類別的物流上市公司的績效表現差別較大。整體上來看，鐵路運輸類物流上市公司的績效表現最佳，而水路運輸類物流上市公司的績效表現最差。具體來看，具有先天優勢的鐵路貨運物流公司、具有明顯效率與成本優勢的港口經營企業、以及專注于高端產業物流專門化服務或具有專門化物流設施的綜合物流企業績效表現較好，投資價值大。

(3)物流產業作為現代服務業的重要組成部分，在中國正處于快速發展階段，發展空間和投資前景巨大，值得投資者重點關注。

(4)物流服務需求具有顯著的派生性，物流產業發展需要適應區域產業機構和產品結構的變化。因此，在當前國際經濟復蘇緩慢、國內加快轉變經濟增長方式和調整產業結構的背景下，物流企業的發展勢必會受到巨大沖擊，需要及時調整戰略部署，創新物流服務，培育核心競爭力，以適應外部環境的持續變化并尋求戰略性擴張。

［1］賀 瓊，萬華麗.基于主成分分析法的物流業上市公司綜合評價［J］.武漢理工大學學報，2010，32(12):162-166.

［2］劉 輝.利用主成分分析對物流企業績效的評價［J］.統計與決策，2005(14):142-143.

［3］焦 癑，孫曉東，胡勁松.企業物流績效評價的主成分分析(PCA)方法［J］.物流技術，2005(6):47-49.

［4］孫曉東，田 澎，焦 玥，胡勁松.類加權主成分分析在企業物流績效評價中的應用［J］.工業工程與管理，2007(1):57-63.

［5］閆楓逸，毛海軍.主成分分析法:物流類上市公司綜合評價［J］.中國儲運，2004(8):39-42.

［6］李衛東.應用多元統計分析［M］.北京:北京大學出版社，2008.

［7］Kaiser H F.An index of factorial simplicity［J］.Psychometrika，1974(39):31-36.

［8］馬 暕，李俊娟，姬長龍，等.基于DEA 的滬深兩市運輸物流板塊上市企業績效評價［J］.長安大學學報:社會科學版，2012，14(6):52-56.

［9］馬成林，毛海軍，李旭寵.物流園區內部功能區布局方法［J］.交通運輸工程學報，2008，8(6):116-121.