牛东来 黄馨萍

[摘 要]超市与居民生活密切相关，近年来竞争不断加剧。文章以我国超市上市公司经营核心指标作为数据基础，用SPSS软件作为统计分析工具，分别运用时间序列、神经网络和多元线性回归模型，对2010年至2019年15家超市上市公司的数据进行建模分析。结果显示，超市主营业务收入和毛利率使用多元线性回归模型，净利润、门店数和人效使用神经网络模型，资产负债率使用时间序列模型预测数据拟合度较高。最后，利用各指标中预测精度较高的模型，对2020年至2025年的指标进行预测。该结果对零售超市业态的发展及规划具有一定的研究价值和实际意义。

[关键词]超市;经营指标;预测方法;上市公司;预测

[DOI]10.13939/j.cnki.zgsc.2021.13.105

1 引言

零售行业在我国国民经济中起着非常重要的作用[1]，是实现国内大循环为主体目标的重要组成部分。近几年来，由于新零售的产生及资本的不断进入，使得零售行业、特别是超市面临着巨大的竞争态势，从而导致行业的经营和发展遇到很大瓶颈。2020年年初以来的新冠肺炎疫情在促进线上销售不断攀升的同时，也对整体超市行业带来不同程度的打击。对超市行业未来经营发展趋势的研究是居民、行业和社会普遍关注的问题。

为了更好地预判超市行业未来的发展趋势，文章获取了15家超市上市公司年报的数据资料，利用三种预测模型作为分析工具，对超市核心经营指标进行了预测分析，给出了不同预测模型适于预测的指标，同时对超市行业未来5年的发展进行了预测。

2 数据来源

2.1 搜集样本数据

文章选择了中国连锁经营协会于2020年6月29日发布的2019年中国超市百强名单中的15家上市公司，用2010年至2019年的该15家上市公司的年报作为数据来源，分析和研究上市公司经营情况相关的指标，对超市上市公司的经营状况指标进行研究和预测。超市上市公司在整个零售行业中具有一定的代表性，用其经营指标进行分析和研究，对今后超市业态和零售行业的发展具有一定的研究价值和理论意义。

2.2 指标选择

大多数学者在进行零售企业经营状况分析时会以财务指标作为主要的衡量标准，通过对文献中出现的财务指标频次的综合评判，为了更好地分析零售业上市公司的经营状况，文章主要从各公司的年报中选择了六个和经营情况相关的指标如表1所示。

为了对超市业态未来的整体发展趋势有一个较直观的预判，将每一年这15家公司的指标数值取平均值，所得到的整体结果如表2所示。

3 理论与方法

3.1 时间序列分析和预测

文章选取的数据是按照时间顺序进行排列的时间序列，因此能够使用SPSS时间序列方法对其进行建模和预测[2]，主要方法包括专家建模器和ARIMA模型。

先使用专家建模器对各指标进行预测，但由于平均零售主营业务收入、门店数、净利润和资产负债率的预测精度无法通过精度对照表[3]，其对应的模型不适合问题的研究，所以改用ARIMA模型做进一步的参数设置和研究分析。由最终的拟合结果可得，各指标对应的平稳的R方和R方值都大于0.5，所对应的模型都适合问题的研究，拟合结果均具有统计学意义，可以作为很好的预测模型来进行研究和分析。

3.2 神经网络分析和预测

SPSS神经网络是一个非线性的数据建模工具集合，它包含输入层和输出层、一个或多个隐藏层。神经元之间的连接赋予相关的权重，训练算法在迭代过程中不断地调整这些权重，从而使得预测误差最小化并给出预测精度。文章使用的是多层感知器（Multilayer Perceptron，MLP）的方法，是一种前馈人工神经网络模型，其将输入的多个数据集映射到单一的输出的数据集上。

在进行分析和预测的过程中，依次把其中一个指标作为因变量输入，其他剩余指标作为协变量输入，分区数据集根据个案的相对数量，按照训练集与测试集比例7：3进行分配，根据各指标分别作为因变量的模型汇总结果可知，所有指标的相对错误数值均小于0.1，即正确率在90%以上，说明该模型拟合效果较好，可以作为较科学的方法进行预测。

3.3 多元线性回归分析和预测

利用该方法对各指标的分析过程中，把其中一个指标依次作为因变量y，其余各指标作为自变量x1，x2，x3，x4，x5进行多元线性回归建模，使用SPSS软件进行计算，所有指标的相关系数R、判断系数R2和调整后的R2都大于0.5，标准估计的误差较小，但平均門店数、平均人效和平均资产负债率的显著性大于0.05，可知这三个指标没有通过系数检验，达不到统计学意义上的显著，由此我们考虑模型中存在多重共线性问题。

为了去除多重共线性的问题，改为“逐步”的回归方法进行调整[4]，得到各指标最终的所有统计量均具有统计学意义，所以该模型可作为预测模型进行分析。另外，该模型对各指标预测得到的真实值和预测值的误差率较小，拟合精度较高，可以对预测未来15家超市上市公司的经营情况提供一个比较可靠的参考。

4 三种方法的预测结果对比

通过上述三种模型对15家超市上市公司经营指标的预测，对各指标计算三种模型的均方根误差和平均相对误差[5]，经对比得出各指标最适合的预测模型结果是：零售主营业务收入和毛利率使用多元线性回归模型，净利润、门店数和人效使用神经网络模型，资产负债率使用时间序列模型。

分别使用各个指标中预测精度较高的模型对2020年至2025年各个经营指标进行预测，预测结果如表3所示。

由上表可得，平均零售主营业务收入以3%至4%左右的增长率呈现稳定增长的趋势;平均门店数在2020年至2022年呈现下降趋势，在2023年略有回升，在2023至2025年逐年增长;平均人效在2020至2021年有所提升，但是2022年及以后呈现出下降的趋势;平均毛利率和平均资产负债率分别以1%和2.5%左右的增长率在逐年稳定

上升;平均净利润整体而言呈现增长的趋势，但于2024年有所下降后又呈增长趋势。

5 结论

文章对我国2010年至2019年15家超市上市公司主要经营指标进行分析，以时间序列、神经网络和多元线性回归模型为基础，对零售主营业务收入、毛利率、净利润、门店数、人效和资产负债率六个指标进行建模预测，经过平均相对误差和均方根误差的对比分析，得到多元线性回归模型适合零售主营收入和毛利率的预测，神经网络模型适合净利润、门店数、人效的预测，时间序列适合资产负债率的预测。

从2020年至2025年的预测结果来看，未来零售行业超市业态的发展整体情况较为平稳。在盈利能力方面，主营业务收入和毛利率每年呈缓慢稳定增长趋势，净利润缓慢下降并有所波动，可以通过线上流量和线下体验相融合的方式寻找新的增量。在企业规模方面，门店数量会由于网上零售和疫情的影响有所下降，整体的规模并不会大幅度减少。在经营效率方面，人均创效能力略有下降，可以通过引进自助设备和数字化手段减少人力提高人效。在偿债能力方面，有所增长但较为平稳，应及时应对风险的变动，加强企业内部管控。

参考文献：

[1]付长凤.基于回归算法的超市销售数据预测研究[J].信息技术与信息化，2020（5）：39-41.

[2]朱建芳，段嘉敏，高亮.煤矿百万吨死亡率预测方法对比研究[J].华北科技学院学报，2018，15（3）：10-15，20.

[3]覃延.神经网络模型和多元线性回归预测肾结石CT值的比较[J].影像研究与医学应用，2020，4（6）：26-28.

[4]钟丽燕.基于多元线性回归分析的在校大学生人数预测[J].经贸实践，2018（23）：293-294.

[5]阿布力孜·布力布力，张新国.基于灰色线性回归组合模型的超市商品销售量预测[J].统计与决策，2014（7）：69-71.

[作者简介]黄馨萍（1995—），女，汉族，安徽合肥人，硕士研究生，研究方向：电子商务与供应链一体化。