http://www.paper.edu.cn
上市公司盈利能力综合评价方法改进的研究1
—以全国电力行业上市公司盈利能力评价为例
吴冲，王栋
哈尔滨工业大学管理学院，黑龙江哈尔滨 (150001)
E-mail：wuchong@hit.edu.cn
摘 要：目前为止，许多学者习惯于应用各种单一的评价方法对经济社会现象进行评价。然而，对同一目标进行评价时，不同的方法可能得出了不同的评价结果。基于此状况，本文提出一种系统的综合评价方法，并对全国22家典型电力上市企业进行系统的综合评价，该方法克服了以往采用单一评价方法在评价中所产生的片面性，研究结果表明系统综合评价法的准确性明显好于其它几种单一的评价法，使评价结果更加全面、客观、具有说服力。 关键词：综合评价，因子分析，主成分分析，关联度，聚类分析
1. 引言
目前国内外提出的综合评价方法有几十种之多，但总体上可归为两大类：即主观赋权评价法和客观赋权评价法。前者多是采取定性的方法，由专家根据经验进行主观判断而得到权数，如层次分析法[1]、模糊综合评判法等[2]；后者根据指标之间的相关关系或各项指标的变异系数来确定权数，如灰色关联度法[3]、TOPPSIS法[4]、主成分分析法[5]等。然而许多学者在对社会经济现象或电力上市公司进行评价时，大多只使用一种评价方法，如因子分析法
[6-8]
、主成分分析法、灰色关联度法等，但是应用不同的方法对同一资料评价的结果总存在
着差异，比如主成分分析法是根据评价指标中存在着一定相关性的特点，用较少的指标来代替原来较多的指标，并使这些较少的指标尽可能地反映原来指标的信息，从根本上解决了指标间的信息重叠问题，又大大简化了原指标体系的指标结构，因而在社会统计中是应用最多、被认为效果最好的方法。但主成分分析法是根据样本指标来进行综合评价，并假设指标之间的关系都为线性关系，所以其评价结果与样本量的规模有关，而且在实际应用时，若指标之间的关系并非线性关系，那么就有可能导致评价结果的偏差。因子分析法虽然是对主成分分析法的一种改进，但这种方法认为每个变量既有特殊性又有公共性，通过概括和推论出少数不可观测的“潜变量”(又称因子)来建立一个评价系统，如果实际应用时，若变量之间缺少这种特殊性和公共性，那么通过概括和推论出少数不可观测“潜变量”就不能反映变量的全部信息，就有可能使评价结果出现偏差。
由上可知，可以用作评价的数学方法很多，但是每种方法考虑问题的侧重点不尽相同，所选择的方法不同，就有可能导致评价结果的不同，对问题仅采用一种方法进行评价无疑具有一定的片面性。对此，本文以全国电力行业上市公司的盈利能力综合评价为例，应用系统的综合评价方法对其进行综合评价，使其结果更加全面、客观、符合实际。
2. 基本原理
电力行业的发展前景和宏观经济形势息息相关，近几年来随着国民经济的快速发展，该行业进入了新的一轮景气循环，城市化和重化工业的高速增长带动了电力需求强劲增长，全国的电力短缺已经从2005年17省扩展到2006年的24省。为了对全国22个典型电力上市公司作出全面、科学的评价与分析，本文综合应用主成分分析法、因子分析法、灰色关联度分析 1
本课题得到黑龙江省社科基金（05B0060）和高校博士点基金(20050213037）的资助。
-1-
http://www.paper.edu.cn
法三种方法对其盈利能力进行分析评价。在对盈利能力分别运用这三种方法进行评价时会得到三种不同的排序结果，然后利用KENDALL—W检验对其排序结果进行一致性检验，若排序结果具有一致性，则说明几种方法结果基本一致，此时，我们将各种方法的最后得分进行标准化处理，然后求其标准分之和，最后按其标准分之和进行排序，即得到最后评价结果。如果在一致性检验中出现不一致性，我们则应该对各种方法进行两两一致性检验，将具有一致性的方法放在一起，然后对样本资料、评价结果及方法特定进行分析，选取出客观、符合实际又具有一致性的几种方法，然后再进行系统综合评价。具体步骤如下：
(1) 运用主成分分析法、因子分析法、灰色关联度分析法分别进行评价 (2) 对评价排序结果采用KENDALL—W协和系数法进行一致性检验
(3) 将每一种方法各样本的得分值进行标准化，得到标准化得分Rij(Rij代表第i个样本第j种方法的标准分)
(4) 计算Pi=∑Rij
(5) 按照Pi大小顺序进行排序
3. 实例应用
3.1 资料来源及指标确定
我们根据选取的指标要能够客观、系统地反映电力行业盈利能力的原则，并根据财务分析理论和数据获取情况，另外结合所研究的具体问题[6]，对电力行业盈利能力的各项指标经过全面、科学的筛选，本文选用了五个指标对22家典型上市电力公司的盈利能力进行分析和综合评价，这五个指标分别为产品销售利润率(X1)、销售成本利润率(X2)、营业成本费用利润率(X3)、总资产利润率(X4)及净资产利润率(X5)。利用SPSS11.5统计分析软件、MATLAB和EXCEL对数据进行因子分析、主成分分析和灰色关联度分析(资料来源于中国统计年鉴2006)。
3.2 盈利能力的综合分析与评价
3.2.1 因子分析法
(1) 将原始数据标准化，把指标的平均值和方差分别统一到0和1，消除变量之间的量纲差异。
(2) 在SPSS中利用主成分法提取因子，得到各因子的特征值与方差贡献率，按累计贡献
FF
率大于85%的原则，选入两个因子1和2，其累计方差贡献率为87.94%。
(3) 选用方差最大化正交旋转阵得到因子负荷矩阵，，然后利用回归法估计出因子得分，以各因子的方差贡献率占四个因子总方差贡献率的比重作为权重进行加权汇总，得出各城市的综合得分F，即
F=(60.62 F×1+27.32×F2)/87.94
3.2.2 主成分分析法
(1) 利用SPSS将原始数据标准化，建立变量的相关系数矩阵R。
(2) 利用MATLAB计算出R的特征值及相应得特征向量，见表1。
-2-
http://www.paper.edu.cn
表1 相关系数矩阵的特征值和特征向量
Tab1 Eigenvalues and eigenvectors
根据累计贡献率大于85%的要求提取两个主成分Y1和Y2，则主成分Y1和Y2的得分表达式各为:
Y1=0.4593×X1+0.4304×X2+0.4434×X3+0.4573×X4+0.4449×X5 Y2=−0.4843×X1−0.5475×X2+0.0543×X3+0.4860×X4+0.4759×X5
(3) 以各主成分的方差贡献率占两个主成分总方差贡献率的比重作为权重进行汇总，得出各城市的综合得分F，即
F=(60.62×Y1+27.32×Y2)/87.94
3.2.3 灰色关联度分析法
(1) 以各个指标的最大值建立参考数列，将原始数据标准化（即用各城市的每个指标值分别除以该指标的最大值），某个上市公司的盈利能力如果与该参考数列的关联程度越大，那么该上市公司的得分就越高，也即它的盈利能力就越高。
(2) 以22家电力上市公司的指标水平为比较数列，求出各比较数列与参考数列的“对应差数列表”，确定出对应差值中的最大值∆max=0.997和最小值∆min=0。
求比较数列Xi与参考数列X0(3) 根据电力行业的实际情况我们设分辨系数为ξ=0.5，的关联系数δi(k)和关联度σi，其计算公式为：δi(k)=
∆min+ξ∆max1N
, σi=∑δ(k)。
Nk=1i∆0i(k)+ξ∆max下面我们以长源电力公司为例具体说明其关联度如何计算，见表2。
表2 长源电力公司关联度计算
Tab2 Calculating correlation
指标 参考数列 长源 标准化
X1 X2 X3 X4 X5
0.583 1.398 2.216 0.211 0.297 0.15 0.177 0.084 0.037 0.065 X0 1 1 1 1 1 Xi 0.257 0.127 0.038 0.175 0.219 0.743 0.873 0.962 0.825 0.781 ︱X0(k)-Xi(k)︱
△0i(k) δi(k) 0.4016 0.3635 0.3413 0.3767 0.36 σi 0.3745 -3-
http://www.paper.edu.cn
(4) 根据各城市的关联度大小对其进行排序。
3.2 三种方法的评价得分及排序结果
应说明的一点是，某企业的因子得分为负数，这是因为在计算时对原始数据作了标准化处理，把各盈利能力指标的平均水平当作零来处理的缘故。因此，某企业的盈利能力因子得分为负数，只表明该企业的盈利能力在全体被考察企业的平均水平之下。三种方法的具体排序结果如表3。
表3 各评价方法的原始和标准得分及最终评价结果 Tab3 Standard scores and final evaluation results
长源 国电 华银 九龙 乐山 龙电 闽东 明星 蒙电 汕电 韶能 申能 南山 恒运 皖能 祥龙 广电 漳泽 东方 赣能 桂冠 深能
因子得分位次 主成分得分位次18 5 21 15 17 14 22 9 12 19 11 3 4 7 8 20 1 10 13 16 2 6 灰色关联度得
分 0.3736 0.4394 0.3443 0.4008 0.3900 0.3977 0.3652 0.4879 0.32 0.3766 0.4348 0.5014 0.6536 0.5181 0.4247 0.3483 0.6706 0.4281 0.4150 0.3888 0.6606 0.5330 位次 19 8 22 13 15 14 20 7 16 18 9 6 3 5 11 21 1 10 12 17 2 4 总得分
排序
-0.501 17 0.12122 0.19696 7 0.45959 -0.97038 21 0.03742 -0.34969 15 0.17067 -0.65117 19 0.12473 -0.29006 13 0.21118 -1.23476 22 0.02693 0.08711 8 0.28840 -0.29226 14 0.24409 -0.58216 18 0.10339 -0.13548 11 0.25306 0.72593 5 0.59750 1.44831 2 0.48098 0.79515 4 0.39306 0.07460 9 0.296 -0.94795 20 0.04235 1.57968 1 1.02200 0.05131 10 0.26813 -0.23886 12 0.24098 -0.35352 16 0.16551 0.433 6 0.66574 0.95115 3 0.43450 -0.01409 171.09595 7-0.58866 210.22178 15-0.134 190.31882 14-0.84263 220.86341 80.34103 13-0.10217 180.55238 111.82483 52.582 21.70631 60.79576 9-0.55730 203.27228 10.74754 100.41712 120.20079 161.97067 31.91865 4
3.3 对评价结果采用KENDALL—W协和系数法进行一致性检验
该检验时考查M种评价方法对N个对象的评判结果之间是否一致，它是通过讨论协和系数W这个指标显示出样本数据中的实际符合与最大可能的符合之间的分歧程度来进行的。KENDALL协和系数：
n22212∑Ri−3mn(n+1)i=1
W=
22mn(n−1)
其中：m为评价方法的数目；n为评价对象的数目；R为各被评价对象的等级之和。
-4-
http://www.paper.edu.cn
W检验： H0：m种方法的评价等级不具有一致性
H1：m种方法的评价等级具有一致性
检验统计量X当X
2
2
2
=m(n−1)W在大样本的情况下近似服从Xα(n−1)
2
≥Xα时拒绝原假设，认为m种评价方法的评价等级之间具有一致性。
应用SPSS中的Nonparametric tests进行检验，结果如下：协和系数W为0.950，渐近显著性概率ASYMP，Sig=0.000p0.05,说明在概率保证程度为95%的情况下其三种方法评价排序结果具有一致性。
最后，将每一种方法各样本的得分值进行标准化，然后求出各样本的最后标准总得分P，并按照P的大小顺序进行排序，进行最终评价。各方法的标准得分及最终评价结果见表3。
4. 系统聚类分析
以方法的标准得分为聚类指标，采用欧氏距离法对22家电力上市公司进行聚类，根据SPSS软件包生成聚类图，可将这22家上市公司分为以下4个类群，呈典型的“纺锥形”分布，见表4。
表4 系统聚类图 Tab4 Cluster map
第一类：广州电力作为我国电力行业发展的领头羊，经过这么多年的不断发展，其资产与产品盈利能力方面一直遥遥领先，盈利能力综合得分为3.27228，远远高于其他上市电力公司，位居首位，因此把它归为第一类是符合实际情况的。
第二类：包括国电、南山、桂冠、深能、申能和恒运六家上市电力公司，这类上市公司地处发达的沿海城市和经济特区，由于其独特的地理优势，发展较快，其盈利能力综合得分都超过了1，随着我国越来越地关注能源部门，这类公司必将成为投资者的投资对象。
第三类：包括明星、九龙、龙电、明星、蒙电、韶能、皖能、漳泽、东方和赣能九家上市电力公司，它们大部分属于内地，由于其地理位置的原因，改革开放起步较晚，其发展水平相对落后于那些沿海城市和经济特区的电力公司，因此这些电力公司的盈利能力处于全国电力行业的中等水平。
第四类：包括长源、华银、乐山、闽东、汕电、祥龙六家上市电力公司，它们大部分属于经济欠发达的四川、甘肃和广西等地，故其盈利能力处于全国电力行业的中等偏下水平。
5. 结论
通过最终的评价结果我们可以得知广电的盈利能力在电力行业中名列首位，其它电力公司的盈利能力与其所处的省市地理位置有关，若一个省市的经济发展较快，人民收入水平较
-5-
http://www.paper.edu.cn
高，则这个省市的用电量就大，电力公司的盈利能力就高，这些都是与实际相符合的。本文将以往的评价方法综合起来应用，提出一种系统的综合评价方法，是对以往评价方法的一种改进，经过以上实证研究，结果证明该方法与其它方法相比，更具有吸引力和推广预测的能力，此方法克服了以往评价中仅使用一种方法的片面性及其方法的缺陷性，解决了各方法评价结果所存在的差异现象。由此我们可以看出用此方法进行综合评价可以使得评价结果更加客观、真实、全面、符合实际，并可根据最终的评价得分进行聚类分析，从而得出更为准确的分类。
参考文献
[1]王成, 饶从军.综合评价中的非线性优化层次分析法[J].统计与决策, 2007, (2): 1-2
[2]王雷, 胡维华.多因素层次模糊综合评价在上市公司赢利能力分析中的应用研究[J].数量经济技术经济研究, 2000, (1): 59-61
[3]李少岩, 魏佳.灰色关联分析方法在黑龙江省林业产业结构规划调整中的应用[J].商业经济, 2007, (1): 1-3 [4]吴小萍, 陈秀方, 杨晓宇.新建铁路基本走向决策支持系统[J].中南工业大学学报(自然科学版).2003, 34(5): 1-4
[5]李占国, 高志刚.基于主成分分析的区域产业竞争力评价[J].财经学院学报.2007, (1): 1-3 [6]曾卫, 常根发.电力行业上市公司盈利能力综合评价的实证研究[J].企业经济, 2004, (11): 121-123 [7]刘令，毛定祥.因子分析方法在上市公司综合财务分析与评价中的应用[J].系统工程,1997,15(6):11-16 [8]吴冲.电力行业上市公司盈利能力综合分析与评价[J].中国管理科学,2005,13:1-4
The Comprehensive Assessment Improvement Research of
Profitability of Listed Companies ——The case of integrate-evaluating of domestic electric power industry
Wu Chong, Wang Dong
School of Management, Harbin Institute of Technology, Harbin, China (150001)
Abstract
The electric power company who registered on stock exchange market, be as a “window” of reflecting the activity of whole electirc power industry,due to their excellent performance and achievement and growing steady character,it has been focused by the capital market in long term. Many experts in the past are accustomed to apply lots different single method to evaluate electric power company who is on the stock market. However, different method obtained different evaluating conclusions when evaluate same set of them. Base on this status, this essay introduce a systemic and integrative evaluating method, and collected 22 representative electronic power companies who registered on stock exchange market to evaluate synthetically, it overcome the unilateralism character of being used to apply single method when we are evaluating,so as to let the evaluating outcomes more comprehensive and objective.
Keywords: integrative evaluating; gene analysis; main component analysis; relevancy degree; clustering analysis.
作者简介：
吴冲，男，1971年出生，籍贯：黑龙江省，哈尔滨工业大学博士生导师，博士后，研究方
向：金融系统工程、企业系统工程、人工智能在管理中的应用，E-mail：wuchong@hit.edu.cn；
王栋，男，1982年出生，籍贯：山西省，哈尔滨工业大学硕士研究生，研究方向：金融系统工程，E-mail：yourwd@126.com。
-6-