郑继兴+桂美增

【摘 要】 企业绩效评价是对企业自身的有效认知，但评价中多采用单一评价方法进行。针对这一情况，文章以创业板上市公司为研究对象，从主观与客观两个角度出发，分别使用熵值法赋权的因子分析与层次分析法赋权的灰色关联分析对所收集的企业数据进行评价和排序。通过模糊Borda法对这两种单一评价方法的结果进行组合。研究结果表明：单一评价方法均有自身缺陷，评价结果有时可能过于片面，通过模糊Borda法可以将这两种方法结合起来，使两种单一评价方法优势互补，有效弥补了单一评价方法的不足，得到了更加全面、可信的评价结果，提高了评价结果的科学性，为企业绩效评价提供了新的思路与方法。

【关键词】 绩效评价； 因子分析； 灰色关联分析； 模糊Borda法

【中图分类号】 F272 【文献标识码】 A 【文章编号】 1004-5937（2017）10-0078-06

一、引言

2015年12月27日，第十二届全国人大常委会第十八次会议通过了《关于授权国务院在实施股票发行注册制改革中调整适用〈中华人民共和国证券法〉有关规定的决定》。在注册制下每家上市公司质量完全交给市场判断，由市场配置资源实现优胜劣汰。注册制的到来，会促使大批企业寻求上市，这些希望上市的公司难免鱼龙混杂，对投资者尤其是个体投资人提出了更高的辨别要求。

对于投资者来说，为了筛选具有投资价值的企业，企业的绩效评价显得尤为重要。Yang等指出通过绩效评价能够选出最有价值的企业。国内外众多学者对企业绩效评价方法进行了大量的研究，主要有数据包络分析法（DEA）、因子分析法、主成分分析法、层次分析法（AHP）、经济增加值法（EVA）、灰色关联分析法等。总的来说，单一绩效评价方法可分为主观赋权评价法与客观赋权评价法两大类。主观赋权评价法经常使用定性的方式进行评价，多由专家凭借自身知识与经验进行打分从而获得权重，如层次分析法、模糊综合评判法；客观赋权评价法的计算依据均来自于实际数据，往往通过指标间的相关关系或各指标值的变异系数进而计算出权重，如数据包络分析法、熵值法。

单一角度的评价方法均存在自身无法弥补的缺陷：主观赋权类方法往往难以避免主观因素对最终结果产生一定影响；客观赋权类方法由于不能考虑指标本身的重要性，有时会发生指标实际影响程度与计算结果相悖的情况，其最终结果也难以让人信服[ 1 ]。不同的评价方法仅从不同角度对被评价对象作出某种估量，若是仅使用一种评价方法，其结果的可信程度将大打折扣。组合评价模型可以对复杂系统的信息不完整性起到降低作用，将模糊综合评价理论与组合评价模型结合在一起的模糊综合评价模型，将更好地解决这一问题，使评价结果更加贴近实际[ 2 ]。

据此本文从主观和客观两个角度出发，分别使用层次分析法赋权的灰色关联分析与熵值法赋权的因子分析這两种单一评价方法，对企业进行分析评价。为了使最终评价结果既体现主观因素影响又体现客观因素影响，引入模糊Borda组合评价法[ 3 ]，通过模糊Borda法将这两种评价方法进行组合，从而使两种单一评价方法优势互补。新建立的模糊Borda模型既包含专家的主观因素影响又包含数据指标的客观因素影响，使最终的评价结果更加科学合理。

二、创业板评价指标体系设计

我国的企业绩效评价指标共经历过四次变化：1993年《企业财务通则》用企业的盈利能力、营运能力、偿债能力这三个指标进行评价；1995年规定310个指标；1999年规定了32个指标；2006年国资委又通过了《中央企业综合绩效评价管理暂行办法》，该文件主要规定了27个财务指标对不同行业进行评价分析。

创业板是在主板发展到一定程度后，为顺应新的市场需求建立的市场化程度更高的市场。同时创业板创立的目的也是国家为了扶持中小企业的发展，为一些高科技企业提供更好的融资渠道，既促进了企业规范化的运作，又更好地建立了现代企业制度。因此在创业板上市公司评价指标体系的建设中，更要突显创业板上市公司的特点。对于创业板公司来说自主创新能力能够显著提高企业的绩效[ 4 ]。Leenders和Wierenga在评价企业自主创新能力时采用了是否使用新技术、研发经费的数目以及研究人员数量和研发投入等指标[ 5 ]。Joos和Zhdanov指出研发费用投入比决定了企业创新的顺利程度[ 6 ]。对于创业板上市公司来说技术创新会给企业带来绩效的提高，企业的研发投入对绩效有显著的正向影响。同时创业板上市公司一般均为高新技术公司，所以在指标构建时也要体现出公司的发展潜力[ 7 ]。

在构建创业板上市公司的绩效评价指标体系时，可从指标的全面性与指标数据的易获取性出发。首先以国资委财务监督与考核评价局颁布的《2014年企业绩效评价标准值》为依据，确定了盈利能力、营运能力、偿债能力、成长能力4个一级指标。为了体现创业板上市公司相较于主板上市公司的独特之处，通过查阅文献本文引入了创新能力与人力资源质量这两个一级指标[ 8 ]，最终确定了包含21个二级指标的评价指标体系（见表1）。

本文通过Wind数据库和国泰安数据库获取了2014年创业板上市公司的年报数据，并剔除数据不完整的企业，对剩下的414家公司进行分析。

三、两种评价模型的建立

（一）因子分析

因子分析是一门钻研怎样用最少的信息损失将更多原始变量信息集中到几个因素的多元统计方法。因子分析的目的是使用更少的独立因素来反映原始变量的大部分信息。因子分析法的优点是能够将原始指标变量化繁为简，使用较少的新指标来替代原来繁杂的原始指标，同时这些新指标能够较大程度涵盖原始指标的信息，解决了指标间信息重叠问题。主要步骤如下：

1.标准化处理

在所建立的绩效评价指标体系中，资产负债率、流动比率、速动比率和现金比率为适度指标，为了能够进行下一步分析，要将这四项适度指标通过趋同化来转化为正向指标。通过查阅资料分别将这四项指标的标准值设定为40%、200%、100%和50%。趋同化公式Dij=1/（1+Eij-Ai），其中Ai为标准值，Eij为第i家公司的第j项指标，Dij为趋同化后的指标。通过该公式这四项指标数值均被压缩在[0，1]区间内，且均变为正向指标。在对适度指标进行趋同化后，为了避免不同指标数据间量纲对结果的影响，还要对各指标数据进行无量纲化处理。本文采用在正态分布假设下的正态标准化处理法：Tij=（Dij-？滋j）/σj（i=1，2，…，m；j=1，2，…，n），其中m为公司个数，n为评价指标个数，Tij为经过标准化后的值，？滋j和σj分别为Dij的均值与标准差。

2.相关性检验

本文运用Stata13.0进行因子分析，首先对数据进行KMO检验，检验结果为0.7193，该值大于0.6，比较适合作因子分析。

3.确定因子

通过因子分析提取公因子，公因子的方差贡献情况见表2。

通过分析可以得出特征值大于1的公因子有6个，如表2所示。这6个公因子的累计贡献率为73%，可以表明提取的公因子能够较好地解释样本的整体情况。于是使用这6个公因子来替代原来的指标，进而对创业板上市公司进行绩效评价，分别用F1到F6来表示这6个公因子。

4.因子命名

为了对提取出的6个公因子更好地解释命名，本文使用方差最大法对因子进行旋转，从而增强了各因子的可解释性。旋转后的因子载荷矩阵见表3。

通过表3可以看出净资产收益率B11、总资产报酬率B12、成本费用利润率B15、全部资产现金回收率B24、主营业务利润率B13、资本收益率B14在因子1上因子载荷值最大，并且这些指标均体现了企业的盈利能力，因此将因子F1定名为盈利因子。资产负债率B31、速动比率B32、流动比率B33、现金比率B34在因子2上因子载荷值最大，同时这些指标均体现了企业的债务风险情况，因此将因子F2定名为偿债因子。总资产周转率B21、应收账款周转率B22、流动资产周转率B23在因子3上因子载荷值最大，同时这些指标均体现了企业在运营过程中收回现金的能力，因此将因子F3定名为营运因子。技术人员占职工比B51、研发费用投入占比B52、高学历人员比重B62在因子4上因子载荷值最大，同时这些指标都体现了企业创新研发的投入情况，因此将因子F4定名为创新投入因子。总资产增长率B41、营业收入增长率B42、净资产增长率B43在因子5上因子载荷值最大，同时这些指标均体现了企业的经营成长情况，因此将因子F5定名为成长因子。专利数目B53、劳动效率B61在因子6上因子载荷值最大，并且这两个指标体现了企业的创新成果，因此将因子F6定名为创新成果因子。

5.计算因子得分

通过软件Stata13.0可以得出每个公司对应的6个公因子的因子得分。

6.熵值赋权及得分

熵的概念起源于经典热力学理论，香农将熵引入到信息论中，熵值是衡量系统不确定性程度的一种方法，熵值越小，则表示系统的不确定程度越小，信息的可用程度越高。在进行企业绩效评价时，若某一财务指标对不同企业的评价结果差异显著，则表示使用该指标进行绩效评价效果较好，该指标的熵值就较小。因此，为了对各财务指标赋予恰当的权重，可以通过财务指标之间的差异程度，以信息熵为工具来实现。熵值法的基本步骤如下：

（1）Gij为第i家公司的第j个评价指标值（i=1，2，…，m；j=1，2，…，s），其中m为公司数目，s为因子分析提取的公因子数目。

（2）对数据进行标准化处理：由于通过因子分析计算出的各公因子得分结果Gij可能存在负数和零的情况，所以要将这些公因子得分进行非负数化处理，运用极差变化法将Gij进行平移，G'ij=■+1，这里为了方便，仍将标准化后的变量G'ij记为Gij。

（3）计算比重：通过公式Pij=Gij /∑m i=1Gij，（1≤j≤s）计算出第i家公司在第j个指标下的权重。

（4）计算熵值：通过公式ej=Q∑m i=1Pijln（Pij），（Q=

-■，0≤ej≤1）计算出第j个评价指标的熵值。

（5）计算差异性系数：通过公式gj=1-ej，（0≤gj≤1）計算出第j个指标的差异性系数。

（6）计算指标权重：通过公式？棕j=gj /∑s j=1gj计算出第j个指标的权重。

（7）计算最终得分：通过公式Fi=∑s j=1？棕jGij计算出每个公司的因子总得分。

通过熵值赋权法计算出6个指标的熵值与权重，见表4。

将使用Stata计算出的各因子得分Gij与表4中各公因子熵值权重？棕j代入到创业板上市公司绩效评价计算因子总得分的公式中，就可以计算出创业板上市公司的绩效综合得分及排名情况（见表7）。

（二）灰色关联分析

邓聚龙教授最早提出了灰色系统理论。灰色系统理论的研究对象是“部分信息已知，部分信息未知”的“贫信息”不确定性系统，通过对已知部分信息的生成与开发，实现对现实情况的精确描述和理解。其方法的实质就是比较对照数列所组成的几何形状与参考数列所组成的几何形状的相似程度，几何形状越相似，其关联度就越大。其主要步骤如下：

1.确定系统的参考数列和比较数列

确定系统的参考数列，参考数列为X0，X0={X01，X02，…，X0n}。关联分析中被比较数列为Xi，Xi={Xi1，Xi2，…，Xin}，（i=1，2，…，m）。参考数列X0的元素为本文所构建的绩效评价指标体系中每个指标的最优值（所选指标为正向指标则取指标最大值，所选指标为适度指标则取标准化后的最大值）。比较数列Xi中Xi1，Xi2，…，Xin为被评价单元各指标值。

2.变量序列标准化

因为评价指标间通常是有不同的量纲和数量级的，为了保证评价结果的科学性与可靠性，还要对各指标进行标准无量纲化处理。这里的数据标准化处理与因子分析数据标准化不同，首先将适度指标进行趋同化，然后使用以下公式对数据进行标准化：Yij=■（i=1，2，…，m；j=1，2，…，n；Xij为原始数列；X0j为参考数列）。为方便仍将标准化后的Yij记为Xij。

3.计算关联系数

按照下列公式计算Xi对X0在第j个元素上的关联系数？孜（j=1，2，…，n）。

？孜=■

上式中λ为分辨系数，λ∈[0，1]，引入它是为了降低极值对计算结果的影响。在实际使用时，根据序列间的关联程度选择分辨系数，一般取λ≤0.5最为恰当，通常λ值取0.5[ 9 ]，本文也取λ值为0.5。

4.AHP确定各指标的权重

本文设计了创业板公司绩效评价指标重要性程度调查问卷，对20位专家进行了调查，共发放问卷20份，收回16份，有效问卷14份。统计调查问卷结果，借助Yaahp软件分析得出影响创业板公司绩效的一级指标及二级指标的权重（见表5），结果均通过一致性检验。

5.计算关联度

通过层次分析法计算出了每个二级指标相对于上一级指标的权重？棕*，然后使用公式？酌=∑n j=1？棕*×？孜可以求出各创业板上市公司对理想方案的加权关联度。通过对计算出的关联度大小分析，可以对企业的绩效进行排名，具体得分及排名见表7。

四、创业板上市公司企业绩效组合评价模型

Borda法最早是C.deBorda在1784年用来解决投票选举问题而提出的方法。其主要思想就是通过比较m个单一评价方法对n个评价对象的优序关系，从而确定被评价对象的Borda分值，把Borda分值按照从大到小的顺序排列。但是Borda法仅能获得个体评价的定量结果优序关系，忽略了个体评价的定性结果效用值，故而获得的结果可能与事实相悖。杨季美、史本山为了克服上述缺陷，研究提出了新的评价方法即模糊Borda数分析法。在将模糊Borda法应用于组合评价方面，郭显光教授首先进行了运用，并得到了比较满意的结果[ 1 ]。通过模糊Borda法对两种单一评价方法结果进行组合，进而可以得到组合评价结果，其结果较单一评价结果具有更高的可信度[ 10 ]。本文也引入模糊Borda法来对前面两种单一评价方法的结果进行组合，从而得到更加全面的评价结果。

（一）两种综合评价方法的一致性检验

因子分析与灰色关联分析均是从各自的角度出发对样本进行评价，进而计算出各自的绩效评价结果。这两种评价结果存在一定差异，但对于同一样本而言，通过不同角度与方法计算出的评价结果总体差异不会过大。所以本文使用相关系数来检验这两种评价结果的一致性。其公式为r=1-■，di为两种不同评价方法所得排序等级差。通过以上公式计算就可得出这两种评价结果的相关系数（见表6）。通过表6可以看出，这两种评价方法的结果具有显著的正相关关系，表示这两种评价方法的结果有较强的一致性。

■

（二）建立组合评价模型

通过这两种单一评价方法的结果一致性检验，可以发现虽然这两种评价方法产生的结果存在一定差异，但这两种评价方法的结果具有较强的一致性。为了消除其中差异，本文使用模糊Borda法对这两种单一评价方法的结果进行组合，最终获得更加科学合理的评价结果。

具体步骤如下：

（1）计算隶属优度？滋ij，计算公式为？滋ij=■×0.9+0.1，（i=1，2，…，m；j=1，2），Xij表示第i家公司在第j种单一评价方法下的得分。

（2）计算第i家公司处于第h（1≤h≤m）位的模糊频数Pih，公式为Pih=∑2 j=1？啄j ih？滋ij，其中？啄j ih为第i家公司在第j种单一评价方法下排在第h位，则有 ？啄j ih1，第j种评价方法下第i家公司排在h位0，其他。

（3）计算模糊频率：Wih=■，其中Fi=∑m h=1Pih

（4）计算名次h（1≤h≤m）对应得分：Qhi=■（m-h）（m-h+1），Qh i表示第i只股票排在第h位的得分。

（5）计算第i只股票的模糊Borda数得分，记为Bi，公式为Bi=∑m h=1WihQh。

（6）根据Bi的大小由大到小对数据进行排序，见表7。

从表7可以看出单一评价方法中，熵值赋权的因子分析法与层次分析法赋权的灰色关联法，均是从各自的角度对创业板公司的绩效进行单一評价，若仅用一种评价方法来进行评价，其结果往往让人难以信服。通过模糊Borda组合评价的运用，实现了对这两种单一评价方法结果的组合，使得最终的评价结果汲取了双方各自的优势，既考虑了客观因素又考虑了主观因素，最终得出的评价结果更为全面合理，增强了评价结果的可信度。

五、结论

本文以创业板上市公司为研究对象，通过熵值赋权的因子分析法与层次分析法赋权的灰色关联法对创业板上市公司进行绩效评价，为了使最终评价结果既体现客观性又体现主观性，引入模糊Borda法对两种评价方法的得分与排名进行组合，最终获得企业综合得分及排名。

本文得出的最后结论是：

第一，单一评价方法可以分为主观赋权与客观赋权两种方法，这两种方法各有自身缺陷，主观赋权类的评价方法难以避免主观因素对评价结果产生一定的影响，客观赋权类方法不能较好地考虑到指标本身的重要性。通过模糊Borda法可以将这两种方法结合起来，以便相互弥补各自缺陷。通过模糊Borda法组合后的排名可以发现，最终排名第一的公司为楚天科技（300358），而对该公司使用因子分析法与灰色关联分析法计算的排名分别为第四名和第三名。这表明单一评价方法中因子分析法和灰色关联分析法均是从各自的角度对样本进行分析评价，若仅使用其中一种评价方法，其评价结果的科学性难免让人怀疑，而使用模糊Borda法，将不同角度的评价结果进行组合，实现了主观与客观的结合，使最终的评价结果更加全面、科学。

第二，单一评价方法的评价结果有时可能过于片面。比如盛天网络（300494）通过灰色关联分析法的得分最高，而因子分析法的得分排名为269位；天龙光电（300029）通过因子分析法的得分排名为第8位，而灰色关联分析法的得分排名为127位。若两种单一评价方法对同一样本的评价结果差异过大，重新组合将无任何意义。本文通过相关系数检验，从而检验了这两种单一评价方法结果的一致性，最终显示这两种单一评价方法的评价结果显著正相关，表明这两种单一评价方法对样本的评价结果总体差异不大。

第三，本文以科学评价企业绩效为目标，汲取了主观赋权与客观赋权评价方法各自的优势，通过模糊Borda法使最终获得的评价结果更具有科学性与合理性，为企业绩效评价提供了新的思路，为投资者进行投资提供了新的评价方法。本文的不足之处在于模型构建完成后，对于新加入的数据不能很快地进行绩效评价，进而得出评价结果，模型在实际使用中不够便捷，针对这一缺陷笔者将在后续的研究中尝试引入神经网络模型，从而提升模糊Borda综合评价模型的实用性。

【参考文献】

[1] 郭显光.一种新的综合评价方法：组合评价法[J].统计研究，1995（5）：56-59.

[2] 孙博文，刘艳春.基于模糊Borda组合评价法的电力行业上市公司经营绩效评价[J].数学的实践与认识，2013（10）：1-8.

[3] KONG J， ZHANG F， ZHOU Z. Fuzzy comprehensive evaluation of service agent based on large-scale products of new technology[J].Modern Economy，2015，6（4）：498-509.

[4] 馮梓洋，张显峰，唐亮. 创业板公司自主创新与企业绩效、股价波动的关联分析[J].证券市场导报，2014（3）：41-45.

[5] LEENDERS MAAM， WIERENGA B. The effectiveness of different mechanisms for integrating marketing and R&D[J]. Journal of Product Innovation Management，2002，19（4）：305-317.

[6] JOOS P，ZHDANOV A. Earnings and equity valuation in the biotech Industry：theory and evidence[J].Financial Management，2008，37（3）：431-460.

[7] 廖勇，陈晔，徐海燕. 基于优势粗糙集的中小企业二维绩效评价模型[J].工业工程，2015（1）：119-127.

[8] 朱启明，许如荔.创业板上市公司绩效评价：基于因子分析和熵值法的实证研究[J].贵州财经学院学报，2011（5）：41-47.

[9] 张丽琨，刘晓丽.城市创新绩效影响因素的灰色关联分析[J].科技管理研究，2014（1）：230-233.

[10] 张目，李伟，贺颖.基于模糊Borda法的战略性新兴产业企业信用评价[J].科技管理研究，2014（5）：65-68.