我国国有控股工业行业的经济效益评价与分析

1、我国国有控股工业行业的经济效益评价与分析摘 要：对反映行业经济效益的总资产贡献率、资产负债率、流动资产周转次数、工业成本费用利润率和产品销售率等五个经济指标进行主成分分析，提取反映行业盈利能力和市场能力的两个综合指标。然后通过因子分析法分析反映经济效益的各指标的内部结构，表明行业经济效益主要由盈利能力和市场能力两个公因子决定。根据各行业在盈利能力上的得分和市场能力上的得分将工业行业分为五类，并对各行业经济效益进行综合评价。然后用聚类分析对综合评价结果进行验证，表明综合评价较为客观合理。最后，本文给出相应的政策建议。关键词：国有工业行业；经济效益；主成分分析；因子分析目录一、选题的意义和目的4二

2、、主成分分析和因子分析的基本原理42.1主成分分析的基本原理42.2因子分析的基本原理52.3经济效益的综合指标确定5（1）指标解释和数据处理5（2）工业主要行业经济效益的综合指标确定8三、工业主要行业经济效益的综合评价93.1基于因子分析的综合评价103.2 行业的聚类分析14四、建议与讨论15五、参考文献15我国国有控股工业行业的经济效益评价与分析一、选题的意义和目的改革开放以来，工业始终是我国经济发展的主要支柱。作为社会主义国家，我国国有及国有控股工业行业掌控着国家工业发展命脉，对国民经济、社会协调发展具有巨大推动作用。因此，考核工业行业的经济效益，对挖掘重点行业和弱势行业，提高整个国有

3、工业企业的经济效益等具有重大的现实意义。企业或行业的经济效益由众多因素来刻画，目前反映行业经济效益主要有总资产贡献率、资产负债率、流动资产周转次数、工业成本费用利润率和产品销售率等五个经济指标。这些众多指标虽然能从多方面对行业的经济效益进行全面考察，但也在一定程度增加了分析问题的复杂性。在损失少量信息的前提下，设计一个或少数几个综合指标，并用较少的综合指标对工业经济效益进行分析评价，能够简化问题。此外，挖掘出反映经济效益的众多指标的内在基本结构，有助于指出各行业经济效益的主要决定因素及瓶颈，也有助于对各行业经济效益进行综合评价。本文以2008年国有及国有控股的主要工业行业为研究对象，通过主成分

4、分析和因子分析法，再次对各工业行业的经济效益进行分析与评价，并结合聚类分析法来验证综合评价的结果。二、主成分分析和因子分析的基本原理2.1主成分分析的基本原理主成分分析由Hotelling于1933年提出，通过对样本协方差阵或相关系数矩阵的结构分析，在损失较少信息的前提下将多个指标转换为少数几个综合指标的多元统计方法，实现降维而简化问题。设待研究对象有p个指标，分别用X1，X2，.，Xp表示，这P个指标构成p维随机向量为X=（X1，X2，.，Xp）T。设随机向量X的样本协方差矩阵和相关系数矩阵分别为S、R。设主成分分别为Y1，Y2，.，Yp从样本协方差阵求主成分为例，则主成分与原始变量的关系有

5、：，i=1，2，.，m （1）其中，Ui为样本协方差矩阵第i大特征值所对应的特征向量，其中提取了m个主成分，m一般而言远小于p。m的选取原则一般根据方差的累积贡献率大于85%，或者依据相关系数矩阵的特征根大于1 的个数来选择主成分的个数。2.2因子分析的基本原理因子分析根据变量之间相关性的大小，对变量进行分组，使得组内的变量之间相关性较高，而组间变量的相关性较低。每组变量代表一个基本结构，即公共因子。从而将众多变量转换为少数几个公共因子。计算样本在各个公共因子上的得分，可以挖掘出样本的问题所在。通过计算样本的加权公共因子得分，可以对样本进行综合评价。因子分析的一般模型如下： （2）一般而言，m

6、远少于p，m的选取一般根据相关系数矩阵特征根大于1的个数来确定。其中因子分析的出发点是相关系数矩阵，上述因子载荷系数可以基于主成分法、主轴因子法、极大似然法、综合最小平方法或a因子法等方法进行估计。通过回归法或Bartlett法等建立公共因子与原始变量的线性组合，从而求得各因子的得分。2.3经济效益的综合指标确定（1）指标解释和数据处理反映经济效益的指标较多，不同文献中选取的指标不尽相同。本文采用国家统计局最新公布的五个指标：总资产贡献率、资产负债率、流动资产周转次数、工业成本费用利润率和产品销售率，分别记为X1至X5。总资产贡献率（X1）反映企业全部资产的获利能力。资产负债率（X2）既反映企

7、业经营风险的大小，也反映企业利用债权人提供的资金从事经营活动的能力。流动资产周转次数（X3）反映投入工业企业流动资金的周转速度。成本费用利润率（X4）反映企业投入的生产成本及费用的经济效益。产品销售率（X5）反映工业产品已实现销售的程度。选取39个主要工业行业的数据整理如表1所示。表1 2010年国有及国有控股工业行业主要经济效益指标行业总资产贡献率X1（%）资产负债率X2（%）流动资产周转次数X3（次/年）成本费用利润率X4（%）产品销售率X5（%）煤炭开采和洗选业16.2961.041.9217.3198.2石油和天然气开采业49.4739.064.6583.4789.16黑色金属矿采选业

8、19.7140.691.932.1996.26有色金属矿采选业17.8547.532.0317.298.88非金属矿采选业13.1252.511.7911.5496.26其他采矿业0.6374.370.370.51118.57农副食品加工业8.9565.542.82.6696.5食品制造业8.7863.22.253.0897.33饮料制造业21.4342.611.6117.6799.07烟草制品业7023.351.4941.9498.94纺织业4.2767.871.610.298.1纺织服装、鞋、帽制造业8.2964.651.375.6798.82皮革、毛皮、羽毛制品业16.6743.221.

9、2211.9298.27木材加工及竹草等制品业8.2564.041.773.3293.61家具制造业15.72582.559.2299.67造纸及纸制品业6.5359.821.65.0694.99印刷业和记录媒介的复制12.941.571.6611.9897.56文教体育用品制造业5.3750.581.382.7199.94石油加工、炼焦加工业-6.9758.885.54-7.6499.15化学原料及制品制造业6.255.472.321.9997.92医药制造业13.4346.891.3912.6896.05化学纤维制造业0.4856.341.87-4.7298.08橡胶制品业673.322.

10、070.5798.86塑料制品业9.6664.51.636.3398.3非金属矿物制品业961.521.746.4997.51黑色金属冶炼加工业7.2562.222.581.6999.15有色金属冶炼加工业9.1258.342.393.4298.03金属制品业10.7958.772.124.6198.97通用设备制造业7.3969.741.186.5297.79专用设备制造业6.867.541.295.5395.8交通运输设备制造业10.8563.021.656.8799.53电气机械及器材制造业9.2963.571.436.4798.13通信设备及其他制造业5.4159.261.353.07

11、97.22仪器仪表办公机械制造业8.8448.641.14998.03工艺品及其他制造业5.8771.591.643.9797.71废弃资源材料回收加工业13.4764.12.96.992.08电力、热力生产和供应业5.8663.613.851.5599.22燃气生产和供应业6.255.962.094.398.26水的生产和供应业2.1750.850.81-0.1296.59根据下述公式计算样本协方差阵S和样本相关系数矩阵R：，其中X为原始数据阵，中每一行为样本均值向量。，其中（i,j=1,2,3,4,5） （2）工业主要行业经济效益的综合指标确定首先考察收集到的原有变量直接按是否存在一定的线

12、性关系是否适合采用因子分析，提取因子。这里借助变量的相关系数矩阵、反映像相关矩阵、巴特利特球度检验和KMO检验方法进行分析，同时，数据存在缺失值，采用均值替代法处理缺失值。 表2 原有变量的相关系数矩阵Correlation Matrix总资产贡献率X1（%）资产负债率X2（%）流动资产周转次数X3（次/年）成本费用利润率X4（%）产品销售率X5（%）Correlation总资产贡献率X1（%）1.000-.709.083.852-.259资产负债率X2（%）-.7091.000-.045-.632.267流动资产周转次数X3（次/年）.083-.0451.000.235-.349成本费用利润

13、率X4（%）.852-.632.2351.000-.356产品销售率X5（%）-.259.267-.349-.3561.000尽管数据的标准化处理可能会抹杀原始指标离散程度的差异，但考虑到各指标的量纲不尽相同，而且各指标的方差差异显著。因此，为了提取经济效益的综合指标，本文将对标准化数据进行主成分分析。表3 巴特利特球度检验和KMO检验KMO and Bartlett's TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.684Bartlett's Test of SphericityApprox. Chi-Square83

14、.527df10Sig.000首先巴特利特球度检验表明：巴特利特球度统计量值为83.527，显著性水平少于0.001,即拒绝相关系数矩阵是一个单位阵的原假设。KMO统计量为0.684，表明简单相关系数平方和远大于偏相关系数平方和，比较适合做主成分分析。巴特利特球度检验和KMO检验均表明原始指标具有一定的相关性，适合于主成分分析。通过SPSS软件，按照特征值大于1的原则选择两个未标准化的主成分分别为： （3） （4）其中zi为原始变量的相应标准化变量。第一主成分对原始变量的贡献率为53.65%，第二主成分的贡献率为23.66% ，其累计贡献率为77.31%。主成分对五个标准化指标的方差贡献率分别

15、为89.1%、74.6%、76.2%、84.5%和62.3%，结果表明前两个主成分提取了原始变量的绝大部分信息。由上可知，第一主成分中z1、z2和z4的系数绝对值较大，第二主成分中z3和z5的系数绝对值较大。因此，第一主成分主要由总资产贡献率、资产负债率和工业成本费用利润率组成，第二主成分主要由流动资产周转次数和产品销售率组成。因此，可以将第一主成分看成是行业的盈利能力，第二主成分反映行业的销售与资本周转能力，可以看作是行业的市场能力。三、工业主要行业经济效益的综合评价3.1基于因子分析的综合评价由于上述主成分分析中第一主成分的提取的总信息仅为53.65%，而且产品销售率的系数为负，因此第一主

16、成分难以作为一个综合评价的综合指标。本文考虑因子分析法来建立综合评价模型。因子分析的出发点是相关系数矩阵，本文根据特征根大于1的原则选取主因子的个数。本文的目的是提取最少的因子最大程度地解释原始数据中的方差，对国有及国有控股工业行业的经济效益的综合评价。因此选取主成分法来估计因子载荷阵。为了使主因子的意义明晰，根据方差最大化正交旋转进行因子旋转。运用SPSS，我们选取了两个公共因子，其方差的累积贡献率为77.31%。估计出因子载荷阵以及旋转后的因子载荷阵如下表1所示：表4 因子载荷阵和旋转后的因子载荷阵旋转前最大方差正交旋转原始指标公因子1公因子2公因子1公因子2总资产贡献率(%).902-.

17、277.940.081资产负债率(%)-.815.286-.863-.039流动资产周转次数（次/年）.303.819-.026.873工业成本费用利润率（%）.916-.080.879.268产品销售率（%）-.524-.590-.266-.743由上表可计算出两个公因子对每个指标的共同度分别为89.1%、74.6%、76.2%、84.5%和62.3%。公因子F1在总资产贡献率、资产负债率、工业成本费用利润率上的载荷值都很大，其主要反映了行业的盈利能力，而且其对总方差的贡献达53.65%，说明了盈利能力是行业的经济效益指标体系中的主要方面。国有工业行业要想提高经济效益，就要在这个主因子方面着

18、手加大力度。公因子F2主要由流动资产周转次数和产品销售率决定，公因子F2主要反映行业的经济活动中的流动资金周转快慢与行业的市场销售能力。因此，国有工业要想提高经济效益，就要在行业的结构调整上下功夫，要大力支撑市场需求较大的行业。表5 工业行业的因子得分及综合得分盈利能力市场能力综合效益工业行业排名排名排名煤炭开采和洗选业.2101811-.02290180.1311石油和天然气开采业3.0490922.9478713.011黑色金属矿采选业1.355543.05389150.893 有色金属矿采选业.705526-.18628240.385非金属矿采选业.2934810.05579140.21

19、10其他采矿业-.8432136-3.6803439-1.8739农副食品加工业-.6477533.865255-0.116食品制造业-.4738328.342767-0.1824饮料制造业1.064824-.58359330.474烟草制品业3.810321-1.09081382.042纺织业-.7371835-.1468223-0.5237纺织服装、鞋、帽制造业-.3379225-.4519632-0.3833皮革、毛皮、羽毛(绒)及其制品业.826855-.73721370.269木材加工及木、竹、藤、棕、草制品业-.4418927.515136-0.115家具制造业.0155812.1

20、6490120.0712造纸及纸制品业-.2816920.1857111-0.1118印刷业和记录媒介的复制.696327-.31966280.336文教体育用品制造业-.0107413-.7313536-0.2726石油加工、炼焦及核燃料加工业-1.58183392.453822-0.1320化学原料及化学制品制造业-.3227224.2476510-0.1219医药制造业.586438-.25468260.288化学纤维制造业-.6104432-.0720022-0.4234橡胶制品业-.9354538.1225513-0.5538塑料制品业-.3173923-.2062225-0.282

21、8非金属矿物制品业-.2501817-.0473320-0.1823黑色金属冶炼及压延加工业-.5695731.327398-0.2525有色金属冶炼及压延加工业-.3094322.297289-0.0914金属制品业-.2009315-.0227917-0.1422通用设备制造业-.4932430-.3862131-0.4535专用设备制造业-.4782829-.0636421-0.3332交通运输设备制造业-.2186716-.3785030-0.2827电气机械及器材制造业-.2619119-.3315529-0.2929通信设备、计算机及其他电子设备制造业-.2994021-.2972

22、327-0.331仪器仪表及文化、办公用机械制造业.342399-.6628934-0.0213工艺品及其他制造业-.7357234-.0303319-0.4836废弃资源和废旧材料回收加工业-.38307261.5007030.37电力、热力的生产和供应业-.86703371.242264-0.1117燃气生产和供应业-.2502018.0537816-0.1421水的生产和供应业-.0968614-.6724335-0.330为了能够计算出各行业的因子得分，我们需要将公共因子表示成原始变量的线性组合。公共因子对原始变量基于最小二乘法的最优线性估计为： （5） 其中A为旋转后的因子载荷矩阵，

23、R为样本相关系数矩阵，Z为标准化原始指标向量。按照（5）式，估计出两个公因子的因子得分表达式为：（6）（7）其中i表示第i个行业，表示第i个行业的第j个标准化处理后的指标值。各行业经济效益的综合指标得分： （8） 根据上述公式（6）、（7）和（8），计算出工业主要行业的因子得分及排名见上表2所示，其中可知石油和天然气开采业、烟草制品业和黑色金属矿采选业等行业的经济效益最高；而其他采矿业、橡胶制品业和纺织业等行业的经济效益最低。根据上表2，我们可以对39个工业行业的盈利能力和市场能力进行分类。第一类是盈利能力和市场能力均较强的行业：石油和天然气开采业、黑色金属矿采选业、非金属矿采选业、家具制造业

24、。第二类是盈利能力较强但市场能力非常弱的行业：烟草制品业、饮料制造业、皮革毛皮羽毛(绒)及其制品业、印刷业和记录媒介的复制、医药制造业、水的生产和供应业。第三类是盈利能力非常弱但市场能力较强的行业：农副食品加工业、食品制造业、木材加工及木竹藤棕草制品业、石油加工与炼焦及核燃料加工业、橡胶制造业、黑色金属冶炼及压延加工业、电力与热力的生产和供应业。第四类是盈利能力与市场能力均非常弱的行业：其他采矿业、纺织业、纺织服装鞋帽制造业、通用设备制造业。第五类是盈利能力和市场能力均一般的行业，即其它行业。这些分类为我们认识到各个行业起到了一定的作用，作为国有及国有控股企业，要想提高整个工业的经济效益，应该对不同的行业予以不同力度和不同方面进行支持。3.2 行业的聚类分析我们已经对各工业行业进行了综合评价，为了验证评价的客观性和可靠性，本文采用聚类分析加以验证，其主要思想和依据：如果经济效益高的行业自然会成为一类，经济效益差的行业会成为一类，如果聚类分析能够验证这个结论，则说明我们的综合评价具有一定的可靠性。本文用欧式距离来度量样本之间的距离，用瓦尔德法测度来类与类之间的距离，将39个行业分为三类：第一类：石油和天然气开采业、烟草制造业。第二类：黑色金属矿采选业、有色金属矿采选业、非金属矿采选业、饮料制造业、皮革毛皮羽毛(绒)及其制品业、印刷业和记录媒介的