基于Python 與RSR 的不同登記類型建筑業企業經濟效益綜合評價

劉俊宸 LIU Jun-chen；劉宏 LIU Hong

（①商洛學院，商洛 726000；②安康學院，安康 725000）

0 引言

建筑業是國家重要的生產部門，在國民經濟發展中發揮重要作用。我國的建筑企業根據登記類型分為國有建筑業企業、集體建筑業企業、外商投資建筑業企業、外商獨資建筑業企業、港澳臺商投資建筑業企業及港澳臺商獨資建筑業企業[1]，對于不同類型企業的經濟效益進行綜合評價是宏觀管理的重要方面。如何對不同的建筑企業進行綜合評價，對于建筑業的健康發展具有重要意義。目前常用的綜合評價方法有逼近理想解排序法（TOPSIS）、秩和比法（RSR）、層次分析法（AHP）、模糊綜合評判法、人工神經網絡、灰色評價法及數據包絡分析（DEA）等[2，3]，本文利用RSR 方法對不同登記類型建筑企業經濟效益進行綜合評價研究。

RSR 方法，也叫秩和比法，是一種將古典參數統計和近代非參數統計進結合，并融其各自優點于一身的統計分析方法，1988 年由田風調教授提出，它是數量方法中一種廣譜的方法，針對性強、操作簡便、使用效果明顯[4]。在公共衛生服務質量綜合評價[5]，城市宜居性評價[6]，體育技術的綜合評價[7]，生態效率評估[8]、運營效率評價[9]、數控機床質量評價[10]等有廣泛的應用。

Python 是現代使用廣泛的高級語言，具有簡單、易學、免費開源、可移植性好、支持庫豐富等優勢，在數據處理方面有廣泛的應用。

1 開發平臺、研究對象與方法

1.1 開發平臺

本文使用Anaconda3 為開發平臺，編輯器為Jupyter Notebook，Python 版本為3.9.12，使用的庫有numpy、pandas、statsmodels.api 和stats.scipy。其中，numpy 主要提供多維度數組與矩陣運算，pandas 用于讀取數據及數據處理與分析，statsmodels.api 用于擬合多種統計模型，stats.scipy 提供統計信息和概率分布函數等功能。

1.2 研究對象

為了對不同登記類型建筑業企業經濟效益進行綜合評價，選取國家統計局年度數據作為資料來源，國家統計局提供的數據中包含的評價指標為24 項，由于部分指標的數據不完整，經過篩選，確定了11 項分析指標，包括：從業人員、固定資產原價、建筑業總產值、房屋施工面積、房屋竣工面積、利潤總額、稅金總額、按總產值計算勞動生產率、房屋建筑面積竣工率、產值利潤率及產值利稅率。其中，從業人員、固定資產原價、建筑業總產值、房屋施工面積、房屋竣工面積、利潤總額、稅金總額為絕對指標，反映了企業的實力與經營狀況；按總產值計算勞動生產率、房屋建筑面積竣工率、產值利潤率、產值利稅率四項指標為相對指標反映企業的管理能力、經濟效益與社會效益。因此，這11 項指標均可認為是效益型指標，值越大，其編秩數也越大，表明企業的經濟效益越好。

另外，在國家的統計數據中，每年僅有國有建筑業企業、集體建筑業企業、外商投資建筑業企業、外商獨資建筑業企業、港澳臺商投資建筑業企業及港澳臺商獨資建筑業這6 類登記企業，樣本數較少，因此選取了2021-2019 年連續三年6 類企業的數據作為一批觀察樣本進行處理，這樣就形成了18 個樣本11 觀察指標的矩陣。

1.3 研究方法

本文采用熵權法和RSR 法進行不同登記類型企業經濟效益綜合評價與分類。熵權法用來計算各指標的權重，RSR 法用于各登記企業的綜合評價與分類。

1.3.1 熵權法 指標權重的計算方法。計算指標權重的方法有AHP、熵權法或是自定義權重。熵權法是一種客觀賦權方法，在具體使用過程中，根據各指標數據的分散程度，利用信息熵計算出各指標的熵權，再根據各指標對熵權進行一定的修正，從而得到較為客觀的指標權重。在分析中，當數據越分散時，熵值越小，則該數據包含信息越多，因此權重越大。

具體計算方法如下：

第一步是確定評價對象，建立評價指標體系，構造n行m 列的水平矩陣R′，R′的元素記為；

第二步是對評價矩陣進行標準化處理得到矩陣R，R的元素為rij；

第三步：計算每個指標的熵值Hj；

第四步：計算第j 個指標的熵權Wj；

1.3.2 RSR 法 具體計算步驟如下：

①編秩。編秩是根據每一個具體的評價指標按其指標值的大小進行排序，得到秩次矩陣R′′，用秩次R′′代替原指標值。編秩方法有整秩法和非整秩法。本文采用整秩法進行編秩。②計算秩和比RSR 值。在一個n 行m 列的秩矩陣R′′中，在本文中評價指標的權重不同，計算加權秩和比。③繪制秩和比WRSR 分布表。將WRSR 值按照順序排列，計算各組的頻數及累計頻數，確定各組WRSR 的秩次RR 及平均秩次，計算向下的累計頻率，最后一項用（1-1/4n）*100%修正。根據累計頻率，查詢“百分數與概率單位對照表”即可得到概率單位，在Python 編程中使用正態分布的scipy.stats.norm.isf 方法計算出概率單位（Probit），語句如下：Distribution['Probit']=5-norm.isf(Distribution.iloc[:,-1])。④回歸分析與分檔。在上一步得到Probit 值之后，將其作為自變量X，將WRSR 分布值作為因變量Y，生成回歸模型WRSR，并根據回歸模型生成Probit 的WRSR 的擬合值WRSR-Reg，并根據擬合值WRSR-Reg 和分檔標準，對樣本進行最終的分檔排序。

2 處理與結果

2.1 熵權法確定的指標權重

經熵權法計算，各指標的權重如表1 所示。在11 項指標中，后4 項指標，即按總產值計算勞動生產率、房屋建筑面積竣工率、產值利潤率及產值利稅率相較于其他7 項指標由于數值過于偏小，指標的權重也非常小。

表1 不同登記類型建筑業企業經濟指標權重表

2.2 不同登記類型企業的WRSR 值及概率單位值Probit

按照前面所述的計算方法進行Python 編程，計算不同登記類型建筑業企業的WRSR 值及概率單位值Probit，其結果如表2 所示。

表2 不同登記類型建筑業企業經濟指標權WRSR 及Probit 值

2.3 回歸方程建立

以概率單位值Probit 為自變量，加權秩和比WRSR 為因變量， 建立線性回歸方程，WRSR =-1.1675 +0.3962Probit。經回歸方程檢驗，R 方的值為0.959，接近于1，表明回歸模型用于評估預測值和實際值的符合程度好；回歸方程顯著性檢驗F 統計值達到371.7，表明該模型構成因變量的線性組合是有效的。常數項與Probit 的系統項顯著性檢驗t 值分別為-10.931、19.280，其概率值均為0，均小于0.05，說明回歸方程顯著具有統計意義。

2.4 分檔與排序

根據各分位檔對應的概論單位Probit 值，按照回歸方程計算擬合值WRSR-Reg，根據田鳳調教授推薦的合理分檔標準[11]，將分檔數確定為3 檔，其差、中、優的百分數為分別為P15.866以下、P15.866-P84.134之間及P84.134以上，其對應的概率單位Y 值分別為4 以下、4-6 及6 以上，因此使用以下Python 語句對樣本進行分檔：threshold=np.polyval（r0，[2，4，6，8]），其中r0 為多元回歸的系數，并按照[2，4，6，8]計算差、中、優的WRSR-Reg 值。R_result['Level']=pd.cut（R_result['WRSR']，threshold，labels=range（len（threshold）-1，0，-1）），按照上步計算的WRSR-Reg 值對每個樣本的WRSR 值進行分檔，分檔的標記為1，2，3，其中，1 取值為優，2 取值為中，3 取值為差，不同登記類型建筑業企業經濟效益綜合評價及分檔結果如表3 所示。

表3 不同登記類型建筑業企業經濟效益綜合評價及分檔結果

3 討論

根據上面的分析，不同登記類型建筑業企業經濟效益綜合評價及分檔結果顯示，2021、2020、2019 三年國有建筑企業的綜合評價為優，2021、2020 年港澳臺商獨資建筑業企業綜合評價為差，其他企業的2021-2019 年綜合評價均為中。以2021 年為例，從房屋建筑面積竣工率、產值利潤率和產值利稅率3 個指標來看，港澳臺獨資企業較其他5 類建筑業企業都要優秀，國有建筑企業是港澳臺獨資企業的0.98、0.42 和0.51 倍，是劣于后者的。但是，其他的8項指標中除按總產值計算勞動生產率指標為后者的1.27倍外，國有建筑企業最多是后者的265.96 倍，最少也是后者的92.78 倍。另外，WRSR 排名13 位外商獨資企業相較于港澳臺獨資企業，除利潤總額、產值利潤率、產值利稅率分別是后者的0.83、0.15、0.43 倍外，其他8 項指標中有2項指標是后者的1.38、2.65 倍，有3 項指標是后者的4-6 倍，有2 項指標是后者的9-10 倍。綜上所述，國有建筑企業和外商獨資企業是優于港澳臺獨資企業的，其他的15 類登記主體情況類似于國有建筑企業和外商獨資企業，因此采用RSR 對不同登記主體建筑企業進行經濟效益綜合評價是科學有效的。

前文中把從業人員、固定資產原價兩個指標作為效益型指標參與了綜合評價，這是否合理？于是，把從業人員、固定資產原價不作為指標，或者說將這2 項指標刪除，其他的處理方法不變，得到WRSR 值的排序及分類結果前后沒有任何變化，因此，可以證明把從業人員、固定資產原價作為效益型指標是合理可行的。

前文中把概率單位Y 按照[2，4，6，8] 分為三檔，其結果（即分檔及登記主體企業數）為：一檔（優）有3 個，二檔（中）有13 個，三檔（差）有2 個；若概率單位Y 按照[2，3.5，6.5，8]分為四檔，其結果為：一檔（最優）有2 個，二檔（次優）有15 個，三檔（較差）有1個，四檔（最差） 有0 個；若概率單位Y 按照[2，3.2，4.4，5.6，6.8，8] 分為五檔對數據進行處理，其結果為：一檔（最優）有1 個，二檔（次優）有4 個，三檔（中）有9個，四檔（較差）有4 個，五檔（最差）有0 個。在以上三檔、四檔及五檔三種分檔方式中，三檔分法確保每檔都有相應的登記建筑業企業，四檔、五檔分法中最差分檔沒有相應的登記建筑業企業，說明從數據的內在邏輯上講分為三檔是更科學與合理的。

因此，基于Python，采用RSR 法對不同登記類型建筑業企業進行經濟效益綜合評價，其方法科學，結果可靠有效。