1、基于因子分析的物流企业绩效评价研究【摘要】本文首先探讨了如何建立物流绩效评价指标体系，确立经营效益能力、偿债能力、营运能力和发展能力这 4 个一级指标以及 9 个二级指标。接着应用因子分析方法对我国上市物流企业经营绩效评价进行了实证研究。实证研究中选取 18 家上市物流企业，分别来自公路运输、水路运输、航空运输、港口、机场以及仓储业。最后根据实证分析的结果对我国上市物流企业提出了投资建议。 【关键词】因子分析 公司绩效 物流企业 一、物流企业绩效评价指标 物流企业经济效益评价是一项比较复杂的工作，它涉及企业经济运行中各生产要素的投入、产出、效率等诸多方面的问题。本文选取了 4个一级指标，分别是
2、经营效益能力指标、偿债能力指标、营运能力指标、发展能力指标；设置了 9 个二级指标：资产负债率，速动比率，应收账款周转率，总资产周转率，总资产增长率，经营净利率，净资产收益率，成本费用利润率，股东权益增长率，作为物流企业绩效分析的评价指标。这些指标共同反映物流企业的经营效益、偿债能力、营运能力和发展能力。 二、实证分析 （一）数据来源 本文分析选取了 18 家上市物流公司 2009 年的年度财务数据，具体数据如表 1 所示。 表 1 上市公司财务数据 单位：% 注一：X1：资产负债率（%） ，X2：速动比率（%） ，X3：应收账款周转率（%） ，X4：总资产周转率（%） ，X5：总资产增长率（
3、%） ，X6：经营净利率（%） ，X7：净资产收益率（%） ，X8：成本费用利润率（%） ，X9：股东权益增长率（%） 注二：数据来源于世纪证券分析软件的财务分析以及国泰安网站的财务分析 （二）计算相关系数矩阵和 Bartlett 球度检验和 KMO 检验 根据图 1 可以看出，大部分指标间的相关系数是大于 0.3 的，存在着较强的相关性。 图 1 相关系数矩阵 Bartlett 球度检验以原有变量的相关系数矩阵为出发点，其零假设是：相关系数矩阵为单位矩阵，即相关系数矩阵主对角元素均为 1，非主对角元素均为 0。根据相关系数矩阵的行列式计算可得其近似服从卡方分布。从图 2 可知，统计量卡方值较
4、大为 74.59 且对应的 sig 值小于给定的显著性水平，所以零假设不成立。即说明相关系数矩阵不太可能是单位矩阵，变量之间存在相关关系，适合做因子分析。 KMO 检验的统计量值越接近 1，意味着变量间的相关性越强，原有变量适合做因子分析；越接近 0，意味变量间的相关性越弱，越不适合作因子分析。根据图 2 中的 KMO 抽样适当性统计量的值为 0.598，已达到适合的标准。因此可认为本文数据是比较适合用于因子分析的。 图 2 KMO 抽样适当性检验和 Bartlett 球度检验结果 （三）公因子个数的确定 目前还没有一种能够精确确定公因子个数的定量方法，实际应用中往往借助一些准则来确定。主要有
5、以下几种： 1.特征值准则，取特征值大于或等于 1 的主成分作为初始因子。 2.因子累计方差贡献率准则，一般所选取的因子个数应该满足累计方差贡献率达到 80%以上。 图 3 抽取共同因子的结果 当然最终确定因子个数还必须考虑所研究课题的目的与具体的经济意义，在这里综合考虑以上因素最终确定提取 3 个公因子。本文采用的是主成分法初步抽取因子，从图 3（第四列）可以看出抽取前 3 个因子所解释变异量的累积百分比为 75.457%，其中第一个因子解释变异量的百分比为 37.514%，第二个因子解释变异量的百分比为 25.056%，第三个因子解释变异量的百分比为 12.887%；第二列为各因子的特征值
6、，第一因子的特征值为 3.376，第二因子的特征值为 2.255，第三因子的特征值为1.16；特征值越大，表示该主成分在解释所有变异量时越重要。第 9 列为旋转后各因子解释方差的百分比，这对后面计算各企业综合得分时很重要，是作为参与计算的各因子的权数。 （四）求解因子模型 主要是根据因子载荷矩阵（各变量在共同因子上的组型负荷量）来求解因子模型。图 4 列出了各变量对应于 3 个公因子的载荷值，但此表不能清晰地看出各个公因子代表哪些变量（经济意义不明显） ，因此对因子载荷矩阵进行方差极大旋转，使载荷矩阵中每一行的数值（绝对值）尽可能向 0 和 1 两极分化，这样得到的旋转后的因子载荷矩阵（图 5
7、）便于解释公因子的实际意义。 图 4 因子载荷矩阵 图 5 旋转后的因子载荷矩阵 （五）因子命名 由图 5 可以看出，因子一基本反映了 X1：资产负债率、X2：速动比率、X5：总资产增长率、X9：股东权益增长率，其经济意义代表着物流企业的偿债能力和发展能力；因子二基本反映了 X3：应收账款周转率、X4：总资产周转率、X6：经营净利率、X8：成本费用利润率，其经济意义代表着物流企业的营运能力。因子三基本反映了 X7：净资产收益率，其经济意义代表着物流企业的经营效益。具体命名如表 2。 表 2 因子命名 图 6 主成分得分系数矩阵 （六）计算因子得分 本文选择主成分分析法提取因子并且以回归法输出因
8、子得分，因此因子得分主要是根据主成分得分系数矩阵（图 6）来确定的。该得分系数矩阵是经过旋转所得的，据此可计算因子得分函数如下： Ci1=-0.143x1+0.253x2-0.023x3+0.148x4+0.348x5+ 0.03x6+0.072x7+0.023x8+0.363x9 Ci2=-0.181x1+0.031x2-0.239x3-0.339x4-0.101x5+ 0.294x6+0.01x7+0.324x8-0.116x9 Ci3=0.225x1-0.173x2+0.268x3+0.124x4+0.16x5+ 0.272x6+0.707x7+0.107x8+0.191x9 （其中，C
9、i1 表示第 i 家企业的因子一得得分） （七）综合得分和企业排名 由因子得分函数可以计算出各个因子的得分，但是对于企业经济效益的综合评价必须知道企业的综合得分，在这里关键是确定每个因子进入求和计算时的权重，因此根据旋转后因子解释方差的百分比来确定权重。由图 3（抽取共同因子的结果）可以得到因子一解释方差的百分比为37.514%，因子二为 25.056%，因子三为 12.887%，根据解释方差的百分比计算权重。计算总得分时各因子的权重为： f=49.716% 同理可得，f2=33.206%，f3=17.078%。 表 3 各项因子得分排名和综合得分排名 接下来就是计算综合得分，由于每一企业各因
10、子得分软件已经输出到数据编辑窗口，再加上计算得到的权重，则可得出综合得分，其计算公式如下： F= （其中 i-代表第 i 家企业，j-代表第 j 个因子，cij-表示第 i 家企业第 j 个因子的得分，fj-表示第 j 全因子的权重。 ）根据各项因子得分可以对各个企业进行单项排名，根据综合得分的计算公式计算得到 14 家物流企业的综合得分可以对企业进行综合排名（具体计算结果见表 3） 。 三、结论 根据表 3，从综合得分排名来看，排名前 5 的依次是新宁物流、深圳机场、五洲交通、白云机场和招商轮船，而排名后 5 的依次为东方航空、中国远洋、南方航空、江西长运和中远航运。很明显，公路运输、机场以
11、及仓储业的效益要好于水路运输和民航运输业。从单个因子得分排名来看，因子一（偿债能力和发展能力因子）：排名前三位的依次是新宁物流、深圳机场和中储股份，排名后三位的依次是东方航空、中原高速和中国远洋；因子二（营运能力因子）：排名前三位的依次是五洲交通、深圳机场和白云机场，后三位的依次是中储股份、南方航空和东方航空；因子三（经营效益能力因子）：排名前三位的依次是招商轮船、深圳机场和南方航空，后三位的依次是恒基达鑫、中国远洋和上港集团。 参考文献 1李贵春，李从东，李龙沫.供应链绩效评价指标体系与评价方法研究J.管理工程学报.2004. 2蔡定萍.企业物流系统综合评价指标体系设计J.物流技术. 2006（3）. 3杜广志.第三方物流企业绩效评价研究D.暨南大学硕士学位论文，2007. 作者简介：夏群（1987-） ，女，广东珠海人，北京理工大学珠海学院会计与金融学院教师，研究方向：风险管理；邓雄博（1986-） ，男，湖南邵阳人，云南财经大学金融学院研究生。
