【《某电力公司业绩评价及业绩驱动因素分析案例》21000字】

某电力公司业绩评价及业绩驱动因素分析案例目录TOC\o"1-3"\h\u5489某电力公司业绩评价及业绩驱动因素分析案例 1174911.1业绩评价方法选择 1174811.2基于EVA的业绩评价过程 2184361.2.1EVA模型构建 2301241.2.2会计项目调整 3141081.2.3折现率的选择 5298961.2.4LY电力公司2015—2019年EVA指标计算 7210551.3业绩驱动因素指标体系构建 14248551.3.1驱动因素指标体系构建原则 14160671.3.2EVA驱动因素分解 16182641.3.3驱动因素指标选定 20184931.4业绩驱动因素指标重要性权重的确定 28141601.4.1权重计算方法的确定 2840341.4.2层次结构模型的建立 33257561.4.3调查问卷数据的统计 3476581.4.4指标重要性权重的计算 361.1业绩评价方法选择为了进一步指导国有企业专注于企业创造价值，提高公司的可持续发展能力,国有资产监督管理机构在2009、2010年发布了《中央公司实行经济增加值考核方案》和《中央公司负责人经营业绩考核暂行办法》两套文件的临时措施,经济增加值（EVA）作为央企和国企的评价指标，以规模主导，以原始价值引领公司领先发展，以实现国有企业的业绩持续稳步上升。LY电力公司是一个典型的大型国有能源开发公司,公司应该应用经济增加值法（EVA）进行企业业绩评价，此举不仅是国家的宏观政策回应，也符合公司当前阶段的发展需要，是一种帮助公司重要手段，促进企业业绩管理的全面实施，可以维护公司的业务目标和股东价值最大化的目标。与其他业绩评价方法相比，基于EVA模型的业绩评价方法具有以下优点：与相对于资产净值的方法相比，EVA业绩评价方法可以根据公司实际的经营情况对企业的一部分财务数据进行调整，例如，对LY电力公司来说，研发和定期检修将涉及大量的成本调整，EVA能反映那些没有账面价值项目的价值，使得评价结果更具有全面性。此外，由于LY电力公司开办费用高,受政策的影响,未来的发展潜力巨大等等，这些特点导致公司预测未来现金流量和折现率是非常困难的，而贴现现金流方法的重要前提是能够非常准确地预测公司的未来现金流和贴现率，这就使得选择贴现现金流的技术在风电企业业绩评价中的可靠性不高。选择EVA业绩评价法用于预测公司未来相关业务情况的数据较为客观，是基于企业财务报表的相关数据。因此，该方法得到的预测结果具有较高的可靠性和可操作性。此外，风电企业具有初始投资高、风险高的特点，会导致企业未来现金流为负的情形出现，使得贴现现金流法不适用于风电行业的企业业绩评价。EVA企业业绩评价法所选取的用于预测公司未来经营状况的数据，是基于公司财务报表的相关数据，以实际报表说话，通过该方法得到的业绩评价结果更加客观。EVA企业业绩评价方法能够同时兼顾企业的债务资本成本和权益资本成本，这是其他传统企业业绩评价方法没有考虑到的，传统的企业业绩评价方法的实际应用往往没有考虑权益资本成本，因此，EVA业绩评价方法和股东财富最大化的目标要求是相吻合的，采用EVA业绩评价方法对企业业绩进行评价的结果也能够反映出更有利于企业价值的最大化。综上所述，本文选取基于EVA的企业业绩评价方法更适用于LY电力公司，通过分析公司的发展现状和运营特点，准确把握公司的经营方向，以评估有效的电力公司的业绩，为市场投资者的观点提供参考，也为其他国内能源行业公司的业绩评价提供借鉴和参考。1.2基于EVA的业绩评价过程1.2.1EVA模型构建根据EVA业绩评价方法计算公司内在价值的原理可以得知：对公司未来的EVA值进行折现，进而结合期初资本总额计算得出企业的内在价值，即公司的内在价值是未来EVA的现值与期初投入的资本总额之和。但是在计算时，公司所处发展阶段不同，EVA增长情况所套用的估值模型也不相同。首先，进行EVA价值评估模型建立所需的假设条件有：满足持续经营假设。假设LY电力公司公司能够保证企业长远稳定发展，企业的生产经营水平和运营状态等内部因素保持不变。外部宏观环境不变。假设LY电力公司的在稳定的外部宏观经济环境下运行，通货膨胀率与银行存、贷款利率等能够保持平稳，以确保在计算EVA指标的过程中所使用的资本成本率和贴现率不会受到较大影响。公司资本结构稳定。在企业的资本结构中主要包括债务资本与权益资本。假设LY电力公司的资本结构稳定，没有较大的债务资本变动，也没有比重较大的股权融资，保持一定的债务水平。结合LY电力公司的经营情况与行业发展水平可知，LY电力公司在2015年至2019年这一期间是公司稳定成熟发展的阶段，没有较大幅度的利润增长变动。因此，在进行基于EVA模型估值时，本文将采用稳定增长阶段的EVA估值模型对LY电力公司的内在价值进行评估。估值公式详见公式1.1：（1.1）在公式1.1中，V表示公司内在价值，TC表示期初资本总额，表示第t年企业的EVA，r表示加权平均资本成本率。1.2.2会计项目调整对税后净利润的调整（1）利息支出利息支出是企业支付的利息债务，在会计处理时计在“财务费用”科目下。在账务处理过程中，营业利润在计算时需要减掉财务费用，但是在经济增加值的理论中认为，资本成本可分为权益资本成本和债务资本成本，而利息支出是债务资本成本的组成部分之一，也是资本成本的一部分，所以企业在计算EVA时，应该将利息支出加回到净利润中。（2）研发费用研发费用指的是企业财务报表中“管理费用”项下的研发费用。根据新会计准则的规定，企业研发项目的支出应该区分为在研究阶段的支出和开发阶段的支出，研究阶段的支出应当直接计入当期损益，即管理费用；开发阶段的支出中，不符合资本化条件的支出不应资本化计入无形资产价值，应该直接计入当期损益，对于符合资本化条件的开发支出可以予以资本化，通过折旧摊销在使用年限内逐年分摊。而EVA的理论认为，企业为研发项目所发生的费用是企业为经营发展做出的资本投入，属于消耗性资产，无论是研究阶段还是开发阶段的支出均应予以资本化，然后通过折旧摊销在资产使用年限之内分摊扣除。这样既不会影响当期的财务利润，又能激励投资者继续投资，有一举多得的作用，能够促进企业长期稳定发展。（3）营业外收入营业外收入是指企业主营业务以外的其他收入部分。营业外收入虽然不是企业的主营业务，但是它的大小也会影响企业的实际运营情况以及盈利水平。企业通常在利润不达标或者发生亏损时，在法律法规允许的范围之内，运用营业外收入对利润进行调整，以粉饰企业的财务报告。在EVA理论中，要计算企业的EVA，需要将营业外利润在税后净利润中扣减掉，这样才能使计算数据更加精确。对资本总额的调整（1）无息负债一般情况下，企业在日常经营活动中所产生的的流动负债不是对外借款形成的，这部分负债不需要承担利息，因此在财务上将其统称为无息负债，一般是指应付账款、应付票据、应付利息、预收款项、其他应付款、应交税费和其他流动负债项目。企业在计算EVA之前，应将这部分的无息负债从资本总额当中扣除掉。（2）在建工程在建工程是企业正在建设过程中尚未投产的工程项目所发生的支出，包括企业固定资产的新建、改扩建、安装、大修等尚未完工的工程支出。由于为建造工程所投入的大量资金会导致企业的资本明显增多，会对EVA的计算结果产生很大的影响，所以在计算EVA时，要将在建工程从资本总额中减除，等到在建工程转固后才能被算作总资本的一部分。（3）递延所得税递延所得税的实质是会计准则中的会计要求与我国税法中规定的税基不一致而造成的。换句话说，递延所得税并没有实质性地导致公司资产的增加或减少，也没有实质性地导致费用的减少或增加。因此，在进行企业业绩评价时，应将当期递延所得税抵免余额的增加额予以补回。1.2.3折现率的选择本文在计算EVA的过程中所选用的折现率为LY电力公司的加权平均资本成本率。加权平均资本成本率（即WACC）是通过计算债务资本和权益资本在企业整体资本结构中分别所占的比例，然后将各自的比例与债务资本成本和权益资本成本分别相乘得出的乘积，而后加权平均所得出的单位成本。加权平均资本成本率反映的是投资者投入企业的资本利用效率，它是EVA计算过程中的重要指标，其计算公式详见公式1.2：加权平均资本成本率=债务资本成本率×[债务资本成本÷(债务资本成本+权益资本成本)]+权益资本成本率×[权益资本成本÷(债务资本成本+权益资本成本)]即：（1.2）公式1.2中，债务资本成本率为税后的一年期银行贷款利率的加权平均数，权益资本成本率的计算公式为公式1.3：权益资本成本率=无风险收益率+市场风险溢酬×风险系数β=无风险收益率+（市场平均收益率-无风险收益率）×风险系数β即：（1.3）公式1.3中，为权益资本成本率，为无风险收益率，为市场平均收益率，为市场风险溢酬，β系数为研究对象所在行业的权益风险系数。（1）无风险收益率如果β系数等于零，那么就表示此时投资的股票和证券组合在行业内是没有任何风险的，权益的资本成本率即称之为无风险收益率。在实际的应用过程中，一般把税后的一年期银行存款利率或发行国债的利率的加权平均数作为无风险收益率。由于大家普遍认为储蓄是安全性最高最稳妥的投资方式，几乎不存在违约风险，而且存款利率会跟随经济环境的变化进行及时调整，它能够准确地反映出市场利率的变化，而国债虽然也没有违约风险，但是债券市场在我国的发展并不十分完善，国债不能准确地反应市场利率的变化，因此本文选取人民银行一年期存款利率在2015年至2019年的加权平均数作为本文计算EVA时的无风险收益率。2015年至2019年的人民银行存款利率公示如表1.1：表1.12015年—2019年人民银行一年期存款利率Table1.1One-yeardepositrateofthePeople'sBankofChinafrom2015to2019时期利率（%）2015.01.01—2015.02.282.752015.03.01—2015.05.102.502015.05.11—2015.06.272.252015.06.28—2015.08.252.002015.08.26—2052015.10.24—2019.12.311.50表1.1中，经过计算，2015年的无风险收益率分别为2.13%，2016年、2017年、2018年和2019年的无风险收益率均未1.5%。（2）市场风险溢酬市场风险溢酬是资本资产定价模型中，它指的是在无风险收益率的基础之上，投资者对于承担了市场平均风险的市场投资组合而要求的高于无风险收益率的资本回报率，它能够反映市场整体对于风险的忍受程度，也就是对风险的偏好高低。如果风险厌恶程度高，投资者越冒险，市场风险溢酬就较低，反之，则较高。市场风险溢酬可以理解为：市场风险溢酬=资本市场的补偿额+国家风险补偿额2015年至2019年的资本市场补偿额和国家风险补偿额如表1.2所示：表1.22015—2019年资本市场补偿额和国家风险补偿额数据表Table1.2Datatableofcapitalmarketcompensationandnationalriskcompensationfrom2015to2019年份2015年2016年2017年2018年2019年资本市场补偿额6.25%6.18%6.24%6.38%6.26%国家风险补偿额0.90%0.93%0.86%0.81%0.98%表1.2中，经过计算可以得出2015年至2019年每年的市场风险溢酬分别为7.15%、7.11%、7.10%、7.19%、7.24%。（3）β系数β系数代表一个单一因素市场投资组合的风险，结合中国国有资产监督管理委员会颁布的央企EVA考核暂行办法和指导意见的相关规定，本文将LY电力公司的β系数值设定为1。1.2.4LY电力公司2015—2019年EVA指标计算本文选取LY电力公司2015年至2019年的财务报表数据作为本文研究的数据来源，计算LY电力公司的EVA及公司内在价值，计算过程如下：调整税后净利润根据前文所述的会计项目调整方法，将LY电力公司的净利润进行调整，调整过程如表1.3所示：表1.32015年—2019年LY电力公司税后净利润调整表Table1.3Adjustmentofafter-taxnetprofitofLYPowerCompanyfrom2015to2019单位：亿元年份2015年2016年2017年2018年2019年净利润41.3445.645.7950.1253.67加：利息支出27.4728.1228.5535.6433.85加：研发费用0.030.140.030.080.64减：营业外收入×50%1.702.760.240.410.43合计67.1571.1171.1485.4387.73乘以：（1-所得税率）（1-25%）（1-25%）（1-25%）（1-25%）（1-25%）调整后的税后净利润50.3653.3355.6061.0765.80由表1.3可以得出，LY电力公司2015年至2019年调整后的税后净利润分别为50.36亿元、53.33亿元、55.60亿元、61.07亿元和65.80亿元。调整资本总额资本总额在调整时要扣除平均无息流动负债和平均在建工程的影响，LY电力公司在计算EVA企业内在价值时资本总额的调整过程如表1.4所示：表1.42015年—2019年LY电力公司资本总额调整表Table1.4CapitaladjustmenttableofLYPowerCompanyfrom2015to2019单位：亿元年份2015年2016年2017年2018年2019年平均资本总额1,279.891,358.911,415.171,452.911,508.33减：应付票据16.9121.2313.6713.125.11应付账款81.3373.8977.1473.2975.08预收款项2.162.56100.09应交税费3.043.346.113.891.38应付利息6.495.546.476.767.36其他应付款25.3721.5121.3136.1649.69其他流动负债230170.005055.145.11减：平均在建工程139.97109.6491.66106.91130.41加：递延所得税负债0.620.700.980.830.95调整后的资本总额775.24948.901,145.791,158.531,172.05由表1.4计算得出，LY电力公司2015年至2019年调整后的资本总额分别为775.24亿元、948.90亿元、1,145.79亿元、1,158.53亿元和1,172.05亿元。计算加权平均资本成本率根据前文加权平均资本成本率的计算公式1.2，本文按如下步骤分别计算得出公式中的几个变量：（1）债务资本和权益资本比例资本总额是有债务资本和权益资本合计而成，首先要分别求出LY电力公司债务资本和权益资本占资本总额的百分比。二者的计算公式分别为：债务资本比=（短期借款+长期借款+一年内到期的非流动负债）/资本总额权益资本比例=（资本总额-债务资本）/资本总额*100%2015至2019年LY电力公司的资本结构如表1.5所示：表1.52015年—2019年LY电力公司资本结构表Table1.5CapitalstructureofLYPowerCompanyfrom2015to2019单位：亿元年份2015年2016年2017年2018年2019年资本总额775.24948.901,145.791,158.531,172.05债务资本总额396.69448.68531.04483.07511.46债务资本比例51.17%47.28%46.61%41.70%43.89%权益资本总额378.55500.22611.75675.46657.59权益资本比例48.83%52.72%53.39%58.30%56.11%由表1.5可以计算得出LY电力公司2015年至2019年各年的债务资本比与权益资本比，债务资本比分别为51.17%、47.28%、46.61%、41.70%、43.89%，权益资本比分别为48.83%、52.72%、53.39%、58.30%、56.11%。（2）债务资本成本率本文采用2015年至2019年中国人民银行的一年期人民币贷款利率作为LY电力公司计算EVA时的债务资本成本率，中国人民银行六个月至一年期的贷款基准利率如表1.6所示：表1.62015年—2019年中国人民银行六个月至一年期贷款基准利率Table1.6BenchmarkinterestratesofthePeople'sBankofChinaforsix-monthtoone-yearloansfrom2015to2019日期利率2015.01.01—2015.02.285.60%2015.03.01—2015.05.105.35%2015.05.11—2015.06.275.10%2015.06.28—2015.08.251.85%2015.08.26—200%2015.10.24—2019.12.311.35%由表1.6可以计算得出央行2015年一年期贷款利率的加权平均数为1.98%，2016年、2017年、2018年和2019年则均未1.35%。由此本文可以根据所求结果在综合了所得税影响之后计算得出LY电力公司每一年的债务资本成本率，如表1.7所示：表1.72015年—2019年LY电力公司债务资本成本率表Table1.7DebtcapitalcostratioofLYPowerCompanyfrom2015to2019年份2015年2016年2017年2018年2019年央行一年期加权平均贷款利率1.98%1.35%1.35%1.35%1.35%乘：（1-所得税率）（1-25%）（1-25%）（1-25%）（1-25%）（1-25%）债务资本成本率3.74%3.26%3.26%3.26%3.26%由表1.7显示，计算得出的LY电力公司2015年债务资本成本率为3.74%、2016年、2017年、2018年和2019年的债务资本成本率都是3.26%。（3）权益资本成本率本文通过资本资产定价模型（CAPM）计算LY电力公司的权益资本成本率，在前文1.2.3会计项目调整这一小节本文已经确定了公式1.3中计算所需的相关变量，计算过程如表1.8所示：表1.82015年—2019年LY电力公司权益资本成本率Table1.8CostofequitycapitalofLYPowerCompanyfrom2015to2019年份2015年2016年2017年2018年2019年无风险收益率2.13%1.50%1.50%1.50%1.50%市场风险溢酬7.15%7.11%7.10%7.19%7.24%β系数11111权益资本成本率9.28%8.61%8.60%8.69%8.74%由表1.8所示，LY电力公司2015年的权益资本成本率为9.28%，2016年的权益资本成本率为8.61%，2017年的权益资本成本率为8.60%，2018年的权益资本成本率为8.69%，2019年的权益资本成本率为8.74%。（4）加权平均资本成本率根据前文1.2.3会计项目调整这一节中的公式1.2，将LY电力公司每一年的资本结构数据、债务资本成本率和权益资本成本率分别代入进公式1.2中，即可求出LY电力公司的加权平均资本成本率，公式相关数据总结如表1.9所示：表1.92015年—2019年LY电力公司的加权平均资本成本率Table1.9TheweightedaveragecostofcapitalratioofLYPowerfrom2015to2019年份2015年2016年2017年2018年2019年债务资本比51.17%47.28%46.61%41.70%43.89%债务资本成本率3.74%3.26%3.26%3.26%3.26%权益资本比48.83%52.72%53.39%58.30%56.11%权益资本成本率9.28%8.61%8.60%8.69%8.74%加权平均资本成本率6.45%6.08%6.11%6.43%6.33%由表1.9可见，LY电力公司2015年至2019年每年的加权平均资本成本率分别为6.45%、6.08%、6.11%、6.43%和6.33%。计算EVA值EVA的计算公式见公式1.4：EVA=税后净利润-资本成本=调整后的税后净利润-调整后的资本总额×加权平均资本成本率即：（1.4）公式1.4中，NOPATA——调整后的税后净利润TC——调整后的资本总额WACC——公司加权平均资本成本率经过上述调整后，将计算过程中求得的LY电力公司每年的相应指标的计算结果代入到公式1.4中，计算出LY电力公司的EVA值，相关数据总结到表1.10所示：表1.102015年—2019年LY电力公司的EVA值Table1.10EVAvalueofLYPowerCompanyfrom2015to2019单位：亿元年份2015年2016年2017年2018年2019年税后净利润50.3653.3355.6061.0765.80调整后的资本总额775.24948.901,145.791,158.531,172.05加权平均资本成本率6.45%6.08%6.11%6.43%6.33%EVA值0.39-1.37-11.42-10.37-8.45由表1.10计算得出，LY电力公司2015年至2019年的EVA值分别为0.39、-1.37、-11.42、-10.37、-8.45，有利润不一定有价值，LY电力公司近五年EVA考核值基本上为负数，表明企业实际上是虚盈实亏，正是利用EVA业绩评价法，才将LY电力公司这一业绩泡沫打碎。计算公司内在价值通过公式1.1及前文算出的加权平均资本成本率和EVA值，计算得出LY电力公司在2015年至2019年的内在价值分别为：1,225.04亿元、1,221.17亿元、1,209.14亿元、1,201亿元和1,191.77亿元，2015年至2019年LY电力公司根据EVA估值的企业平均内在价值为1,210.23亿元。在风电行业统一的经营环境与政策环境下，根据普氏全球能源公司排行Top250榜单中涉及的中国风力发电企业以及在国内风电行业近年来业绩表现良好的风电企业选取了10家公司：长江国际、华润电力、国投电力、金风科技、华电福新、京能清洁能源、新天绿色能源、中广核新能源和大唐新能源来作为行业参照进行对比分析。接下来，本文以国投电力为例，运用EVA估值模型，计算国投电力的内在价值，计算过程如下表1.11所示：表1.11国投电力2015年—2019年EVA指标计算表Table1.11CalculationtableofEVAindicatorsforSDICpowerfrom2015to2019单位：亿元年份2015年2016年2017年2018年2019年净利润101.0378.665.5983.7787.31加：利息支出59.015049.0350.2648.74加：研发费用0.010.010.010.010.35减：营业外收入×50%8.345.200.280.570.66合计151.72123.42111.36133.47135.74乘：（1-所得税率）（1-25%）（1-25%）（1-25%）（1-25%）（1-25%）调整后的税后净利润113.7992.5685.77100.10101.81资本总额1,786.4851,931.182,057.8952,141.982,227.15减：平均无息流动负债157.03197.26151.09131.35118.02应付票据15.325.06应付账款35.5355.6148.3546.7830.02预收款项0.372.575.831.071.46应交税费-311.356.99应付利息5.155.475.475.270其他应付款69.6569.5963.6652.3958.94其他流动负债35.1945.2212.2510.2715.55减：平均在建工程329.94441.00479.58451.67465.51加：平均递延所得税负债0.420.360.370.450.45调整后的资本总额1,299.941,296.281,427.601,559.411,641.07债务资本总额1,107.341,201.31,276.11,331.851,268.95债务资本比例85.18%92.67%89.39%85.41%77.18%续表1.11权益资本总额192.6091.98151.50227.56375.12权益资本比例11.82%7.33%10.61%11.59%22.82%债务资本成本率3.74%3.26%3.26%3.26%3.26%权益资本成本率9.28%8.61%8.60%8.69%8.74%加权平均资本成本率1.56%3.65%3.83%1.05%1.51%EVA51.5045.2231.1436.9127.65由表1.11可见，国投电力的EVA值为正数，明显高于LY电力公司，根据EVA估值模型公式，可以计算得出国投电力的2015年至2019年的平均内在价值为1.856.75亿元，大大高于LY电力公司的1,210.23亿元。用同样的计算过程计算出其他八家电力企业的平均内在价值，而后按照由高到低的顺序排序，行业内在价值的比较分析见图1.1。图1.1风电行业基于EVA的平均价值排名情况Figure1.1EVAbasedaveragevaluerankingofthewindpowerindustry根据图1.1中所示，LY电力公司作为新能源产业中重要的上游企业，由上图可见，LY电力公司的内在平均价值在行业内排名位于第三名，在行业中占据较高位置，但是与国投电力还有一定差距。由此可见，研究LY电力公司的企业业绩是消除影响企业业绩提高障碍所必须要做的。接下来将从EVA分解的角度分析LY电力公司的业绩评价结果。1.3业绩驱动因素指标体系构建通过分析LY电力公司企业业绩的驱动因素情况,我们可以定位出影响企业创造价值能力的指标，通过建立驱动因素指标体系，罗列出可能影响企业业绩的各项驱动因素，而后经过分析得知LY电力公司的优势和劣势，这将作为改善和提升LY电力公司的企业业绩的重要依据。1.3.1驱动因素指标体系构建原则本文采用基于EVA的业绩评价方法对LY电力公司的业绩进行评价，将业绩评价结果结合杜邦分析法对影响企业业绩的驱动因素向下分解，从而建立影响企业业绩的驱动因素的指标体系，在指标体系的设计上，单纯的财务指标已经不能够满足全面分析的需要，也应该重视非财务指标对企业业绩的影响程度，这样对影响企业业绩的驱动因素更具有概括性，能够更全面地了解企业的财务状况和经营成果。因此，本文将建立起一套财务指标与非财务指标相结合的指标体系。在构建指标体系的过程中，应当遵循以下几个原则：（1）实用性原则影响企业业绩的驱动因素有很多，但构建指标体系选取的指标并不是越多越好，需要有选择性的进行筛选，以防止指标体系的分析和估计因过于庞大而失效。因此，根据实用性的原则，在选择适用指标的过程中，LY电力公司业绩评价指标的选择应当充分考虑实用性问题，被选中的应当是代表性很强的指标，这些指标相互影响能够较为突出地反映出公司的实际经营状况，从根本上确保驱动因素指标体系的可操作性和高质量性。（2）全面性原则LY电力公司具有自身的行业特点，建立LY电力公司的驱动因素指标体系，应从两个方面进行考虑，一方面要充分考虑公司的发展目标和竞争优势；另一方面，应该考虑各种指标之间的相关性，以促进对企业业绩的全面和客观评价。（3）系统性原则系统性原则要求LY电力公司的业绩评价指标要建立在科学、完整的前提下,根据评价目标的重要程度考虑其在指标评价体系中的比例，对评价目标和角色之间的联系做出权衡和权重设置，使评价指标在整个业绩评价体系中既能够突出其关键性，也能达到企业业绩评价体系的最终目标。（4）可操作性性原则建立企业业的业绩驱动因素指标体系，选择驱动因素指标，都应充分考虑其可操作性。一旦选定的指标脱离了可操作性原则，即使指标科学、合理、系统，也不能真正反映企业业绩。当然，在指标的选择上，并不是越多越好，而是要通俗易懂、去繁化简、重点突出，业绩评价指标的选择应围绕LY电力公司的经营业务和发展目标来进行。在建立评价指标体系时，要选择易于理解、便于操作和容易获得的指标，以提高指标体系在今后工作中的高性能和可行性。定性指标应转化为定量指标，评价结果应真实反映LY电力公司业绩现状，以及目前存在的问题，有利于企业能够有针对性地提出解决方案。（5）相关性原则企业的业绩评价结果能够真实地反映企业一定时期的经营业绩。因此，建立业绩驱动因素指标体系应以反映企业长期可持续发展能力为前提，选择的业绩驱动因素指标体系应与企业经营发展的战略目标相一致，有利于企业未来的经营发展。结合企业整体经营发展情况来看，影响企业业绩的驱动因素指标，并非单单只有财务指标，许多非财务指标也会对企业的业绩产生一定的影响，财务指标与非财务指标相互关联、互相影响，因此LY电力公司业绩驱动因素指标体系的建立一定是财务指标与非财务指标相结合的指标体系。1.3.2EVA驱动因素分解为构建LY电力公司基于EVA的业绩驱动因素指标体系，应当对EVA的驱动因素逐层分解。本文结合杜邦分析法以及LY电力公司的经营现状和运营特点，将EVA的计算公式逐层分解。在分解时不仅要考虑财务因素，也应当考虑非财务因素对企业业绩的影响，在某些情况下各种非财务因素对企业业绩的影响程度不亚于财务因素，企业管理者对这些非财务因素也应当重视起来。并且，从企业可持续发展的角度来看，一些非财务因素更能够有效地反映出一个企业的可持续发展能力。对此，本文将从财务因素和非财务因素相结合的角度双向分解EVA，分解的思路是从财务和非财务两个维度分别找出重点突出LY电力公司生产运营中占比较大以及对公司生产经营活动和企业业绩有重大影响的指标，结合LY电力公司的具体情况将EVA的驱动因素用便于操作、便于衡量的相关指标来体现，建立LY电力公司业绩驱动因素指标体系分布图。首先，从财务的维度开始进行分解，经济增加值的计算公式为EVA=税后净营业利润-资本成本，根据EVA的计算公式逐层分解后得出LY电力公司在EVA估值模型下财务维度的驱动因素分解图，如图1.2所示。图1.2EVA估值模型下财务维度的驱动因素分解Figure1.2DecompositionofdrivingfactorsoffinancialdimensionunderEVAvaluationmodel由图1.2可以看出，经济增加值的两个决定性因素是企业的营业利润与资本成本。营业利润等于营业收入减去营业成本，对于LY电力公司来说，营业收入主要是售电收入，这里面还包括国家对风电电价的补贴收入，由于电价补贴是商品交易价格的组成部分，因此这部分收入也计入营业收入。营业成本分为固定成本和可变成本，在固定成本中，对LY电力公司影响最多的是高额的固定资产折旧费用与各大风电项目产生的管理费用；而人工费、材料费、运维费则会随着风电场项目的规模和产能变动而变动。企业的资本成本主要受到企业资金的占用与周转情况以及加权平均资本成本率的影响，风电机组和设备的购建、应收和应付账款的金额与账龄都会影响企业资金的占用与周转率，企业的资本结构、权益与债务资本率的大小也会综合影响企业的加权平均资本成本率的高低。接下来，从非财务的角度对EVA估值模型进行分解。相较于财务维度的因素能直观地反映出企业近期的经营情况，非财务维度的因素则是环环相扣、潜移默化地影响着企业的价值创造能力，依据LY电力公司的行业特性与实际情况，将非财务维度划分为内部运营、客户维度、学习与成长三个方面，分解图如图1.3所示。图1.3EVA估值模型下非财务维度的驱动因素分解Figure1.3Dissociationofdrivingfactorsofnon-financialdimensionsunderEVAvaluationmodel由图1.3可以看出，一个优秀的企业可以吸引来优秀的员工，企业为员工提供的良好的学习和成长环境可以提升公司员工的工作能力与技术创新能力，进而提升企业的内部运营效率，使企业获得优秀的生产效率和产品质量，而优质的产品和生产能力不仅能够提升企业的竞争能力，也能够保障客户的满意度和忠诚度，从而为企业创造更高的价值。将EVA估值模型下财务维度和非财务维度的驱动因素分解结合起来，可以得到图1.4：图1.4LY电力公司EVA估值模型下的驱动因素分解Figure1.4DecompositionofdrivingfactorsunderTHEEVAvaluationmodelofLYPowerCompany从图1.4可以看出根据上文的分解原则，将EVA公式逐层分解后，可以得知要取得税后净营业利润的关键因素是销售收入和各风电项目的成本，而对于企业的资本成本，其实主要是看企业资本的占用与周转情况，以及资本成本率的高低。而在非财务维度中，企业的内部流程、客户、学习与成长等很多指标都与财务维度的指标相辅相成，共同驱动、影响着企业的业绩。根据LY电力公司的企业性质和运营特点接下来将从财务维度和非财务维度选取若干重要的指标，进行详细的分析。1.3.3驱动因素指标选定经济增加值的计算公式为EVA=税后净营业利润-资本成本，根据前文中EVA驱动因素的分解图，影响LY电力公司业绩的驱动因素从财务维度和非财务维度分别纵向分解，接下来本文在这两个维度下分别从电力销售、成本管理、资金占用与资本成本、内部运营、客户维度、学习与成长这六大方面分析和选择影响企业业绩的驱动因素的主要指标，建立起一个完整的驱动因素指标体系。电力销售企业的财务效益是企业生存发展的根本所在，也是各利益相关者关注的焦点。在生产企业中，为企业创造财务效益的最基本指标即产品的单位收入与产品销量。作为电能为主要产品的发电企业，从电力销售的角度来看，为LY电力公司创造财务效益的指标主要是与电力销售相关的业务所取得的收入。LY电力公司的收入则主要取决于售电收入和补贴收入，顾名思义售电收入即是销售电量产生的收入，补贴收入是指国家对新能源发电产业的财政补贴收入。但是，根据我国风电建设管理的有关规定，自2018年起我国对风电项目将采用竞争配置方式进行市场化交易，电力主管部门对风电企业的管理模式发生了变化，对于新能源企业来说，电力体制的改革、电力主管部门的退出，将风电完全投入到市场竞争中去实现资源配置，这已然使得风电行业的竞争更加激烈。这意味着，风电发展到一定的程度，补贴的已逐步减少甚至退出，竞价上网对于风电企业来说已成为不可避免的竞争方式，那么影响LY电力公司的收入的关键因素是售电收入。售电收入的影响因素主要是上网电量和上网电价。其中上网电量主要取决于风电机组的稳定性和有效发电时长，这可以通过风电机组在技术层面确保稳定，那么由此可见，影响LY电力公司的售电收入的因素主要是上网电价的竞价。风力发电的标准电价变动、公司的定价策略都会影响上网电价的高低。根据我国电力企业改革的有关规定，风电的有关管理部门对风电行业的“放手”使得风电企业市场竞争加剧，财政补贴的减少势必会影响LY电力公司的收入，如何通过合理竞价来填补丧失财务补贴的空缺，是LY电力公司亟待解决的问题。综上所述，电力销售相关的驱动因素指标选定以下几个方面：电价波动情况、上网电价定价、风电行业电价补贴政策。成本管理对于风电项目的成本来说，从图1.4可以看出，LY电力公司的成本可分为固定成本和可变成本这两个部分。其中与固定成本有关的方面主要源自于风电场风机设备投入所产生的折旧费用以及一些非技术成本。由于风电行业属于新能源产业，纵观整个风电行业，风电设备造价高是限制新能源企业盈利能力的主要问题之一，风电场建设的前期会产生巨大的建设投资成本，其中包括风电技术研发成本、风电机组的设备投入成本等，营业成本中主要为风电场建设投资以及建成后高额的固定资产折旧费用。对于风电企业来说，造成风电投资成本和度电成本居高不下的另一原因是非技术成本，经测算，2019年除去弃风限电在内的其他非技术成本折合成度电成本等同于将度电成本抬高了0.05元，在三北地区甚至抬高了0.1元。产生非技术成本的原因实质上是由于各地的年度建设规模由各地方政府自主确定，在进行风电项目行政审批的过程中，将风电资源分配给能力达不到的企业，由此产生的倒卖路条行为，极大地增加了风电开发成本。“路条”通常是指当地政府部门同意项目开展前期工作的函，是项目前期开展必不可少的重要证照。新能源行业尤其如此，无论是风电场还是光伏电站，“路条”是项目立项、核准、开工建设、并网投运必不可少的重要文件，不能豁免。2019年底北方部分区域“路条”价格约每瓦0.6-0.9元左右，这极大地抬高了企业的非技术成本。另外，一些地方政府为了提高自身成绩，甚至会提出让企业资源出让、援建和捐赠，从而变相地向企业收取费用，这都增加了企业的成本负担。其次是弃风限电带来的成本流失，弃风限电的意思是对于风电项目在并网后机组正常生产过程中，根据用电地区电量需求来调整发电量，但是由于风能属于自然资源，有很强的随机性，且无法储存，这就使得一部分风力发电的电量没有得到充分利用，风电场不得不因为用电需求量的缘故而放弃这部分产能。相关统计表明2019年LY电力公司弃风率为5.17%，因弃风限电造成的损失，相当于将风电的成本抬高了6.3分/千瓦时。总而言之，非技术成本方面有很大的改进空间。另一方面，与可变成本相关的有关的成本主要体现在人力资源方面。众所周知，电力行业由于其持续运营时长与其企业性质导致电力企业普遍机构设置繁多，LY电力公司运营时间将近30年，三十个年头的悠久历史，运营期间LY电力公司又在不断地快速扩张，企业内部人员架构总量庞大，人员结构层次非常复杂，盘根错节的职能部门以及繁乱冗杂的人员安排，一些岗位设置既不够科学，也不便于管理，人力资源系统的治理问题一直是令公司头痛的问题所在。由于庞杂的人力资源结构，以及逐年提升的员工薪酬与福利，势必产生巨大的人力资源成本，这其中还有很多的不合理之处，造成LY电力公司存在人力资源成本的不当支出，导致高额的人力资源成本在LY电力公司的项目成本中占据了不小的份额。综上所述，成本管理相关的驱动因素指标选定以下几个方面：人力资源成本、非技术成本、固定资产折旧。资金占用与资本成本风电行业具有投资规模大、运营周期长的特点，企业固定资产的投资规模在一定程度上会影响企业的资产运营能力，当风电企业扩张，风电厂在建项目增加时，势必会大批量购建固定资产，这必然使得企业资产的流动性大幅下降，对于风电企业来说，企业资产的周转效率与流动资产的流动性息息相关，流动资产的运营情况是一个不容忽视的重要方面。基于资本占用与周转的企业业绩影响因素，由图1.4可以看出，LY电力公司的资本占用主要用于大量风机设备的采购，在LY电力公司的风电项目建设过程中，风机设备的采购成本占风电场全部投资的比重最大，约为50%至60%，故风机价格的变动将直接影响公司未来的流动资产。如未来风机价格大幅度上升，则新建项目的投资成本将增加，对未来的经营业绩可能造成重大不利影响。LY电力公司的流动资产还包括与供应商相关的应收款项、应付款项、预收款项和预付款项等往来账款，风电设备的库存管理以及国内、国外风机零部件的供应对于风电项目固定资产的周转影响也比较大，同时，公司资产的周转效率也决定着风电机组的日常运行维护工作。另外，根据图1.4所示，影响LY电力公司企业业绩的另一大主要因素是企业资本成本的高低，企业的资本成本又受到资本结构、融资状况以及资产负债比例等因素的影响。其中，资本结构是企业各种资本的价值构成及其比例，其反映的是企业债务与股权的比例关系，它在很大程度上决定着企业的偿债和再融资能力，决定着企业未来的盈利能力，是影响企业业绩的一个重要指标。合理的资本结构可以降低企业融资的成本，使财务杠杆的调节作用充分发挥，使企业获得更大的自有资金收益率，为企业创造更高的价值。对于LY电力公司来说，资本结构如何配置、风电项目融资规模的大小如何控制，这些因素势必会影响企业的发展状况。通过计算LY电力公司的资产负债率，可以得知当前LY电力公司的偿债能力，资本资产负债率是衡量企业资产负债水平的一个权威性指标，本文文通过选取同行业风力发电企业的资产负债率与LY电力公司的资产负债率进行对比，得出表1.12。表1.12LY电力公司资产负债率和行业平均资产负债率Table1.12.LYPowerCompanyasset-liabilityratioandindustryaverageasset-liabilityratio年份2015年2016年2017年2018年2019年行业平均资产负债率61.69%61.63%63.76%61.86%60.84%LY电力公司资产负债率66.47%65.27%63.10%61.07%61.01%通过表1.12清晰的反映出，近五年来，LY电力公司的资产负债率明显高于同行业的资产负债率平均水平，国际上通常认为一个企业适当的资产负债率为50%左右，资产负债率指标过高，可能会增加公司的财务风险系数，造成企业财务危机成本的增加，最终直接影响公司管理层的利益。相反，资产负债率指数较低，是表示企业资本结构中权益资本的占比较大，这样会对股东的权益产生稀释的效应，从而影响股票的价值，股东可能会遭受损失。总体来说，LY电力公司与国际公认指标值之间相差10个百分点左右，这表明LY电力公司在资本结构上具有很大的改进的空间。综上所述，基于资金占用与资本成本方面的影响因素总结如下：风机设备价格变动、风机部件供应能力、资本结构、项目融资规模、资产负债率。内部运营于企业而言，在内部运营上的提升，也是提升企业业绩的驱动因素。对于LY电力公司来说，风力发电的效率会直接影响企业的经营状况，这也关系到自身能否满足客户的需求进而决定企业核心竞争力的高低。根据新能源行业的特殊性，本文在内部运营维度主要从安全生产、清洁生产以及企业生产能耗三个方面进行分析。安全生产一直以来都是发电行业的重中之重，风力发电行业的安全生产管理更是不容忽视。风电项目所处地理位置大多数位于高原或沿海地区，这些区域气候和地理的特性给风电设备安全运行造成的影响要引起重视。风电设备的安全和运维都需要克服复杂的地理位置和恶劣的天气气候，这对设备本身以及运维人员来讲都是非常大的考验。例如，风雪天气下风机叶片和风轮出现的冰冻现象，将导致发电机组不规律运转甚至是停机，这不仅影响风电设备的使用寿命，更使得发电质量无法达到标准要求，从而影响企业经济效益的实现。因此提高设备性能、减少计划外停机、提高发电机组可靠性水平，对于企业降低发电成本、提高企业经营业绩来说具有重要的意义。发电机组的可靠性水平的高低可以用发电机组等效可用系数来衡量，它是考核发电企业安全生产的一个重要指标，通常用风力发电设备的可用小时数除以统计期间小时数的商来表示，这一比值越高，机组的可靠性越高。另外，风力发电虽然是新能源行业，但是鉴于风能的不稳定性，为了保证发电量的稳定，还是会配备传统火电机组，并且国家为了考察企业是否在创造经济效益的同时也重视环保和节能，清洁生产已然是风电行业考核体系的一部分，清洁能源装机占比对企业业绩有着不容忽视的作用。风电设备既要保证可靠性，同时还要降低自身的生产能耗。发电机组在生产过程中，机组设备自身也会耗电，其生产的电量除去其自身消耗的电量后，剩余的电量才是为企业创造价值的产品，通常表示为综合厂用电量，综合厂用电量越低，机组为企业创造的价值才会越多。综上所述，在内部运营维度选取的指标有发电机组等效可用系数、综合厂用电量和清洁能源装机占比。客户维度客户是企业创造利润的重要来源，所以客户的需要即为企业的奋斗目标之一。众所周知，电网公司在市场上处于高度垄断地位，对于国有发电企业而言，发电业的市场主要是面向国家电网和南方电网两大主要客户。LY电力公司在客户维度的指标设置，由于其客户范围的局限性得以简化。对于从客户维度提升满意度，以驱动企业业绩提升，实现企业可持续发展，本文主要从市场占有率、供电质量和客户关系方面做出分析。发电企业的标准化产品就是电能，发电企业生产电能，将产出的电能销往各电网公司，电网公司对发电企业的供电质量是有一定质量标准的，电网公司通常通过规定电压、频率等来保证电网供电的安全运行，因此发电企业必须要严格遵守规定，保证供电质量，才能长久持续地发展下去。对于供电质量，本文选取的考核指标为电压合格率，它是指在限制范围内运行电压累计时间与总时间的比值，电压合格率越高，说明发电企业的供电质量越好。随着电力体制改革的逐渐深化，各发电集团风电布局也逐步完善，从客户维度考察风电企业业绩的另一个重要指标就是企业的竞争力，发电企业的竞争力通常通过市场占有率来反映，市场占有率是指企业当前所占有的市场份额，用企业本期售电量除以本期电网机组发电量来表示，它能直观地反映企业目前的市场竞争状态，市场占有率越高，企业的市场竞争能力越强。此外，对于维系与电网公司客户关系的另一重要指标便是客户满意度，提升电网公司的客户满意度，才能使企业维持住与客户的良好合作关系，为企业的可持续发展打下基础，创造价值。综上所述，在客户维度本文选取市场占有率、电压合格率、客户满意度三个指标作为驱动因素指标体系的一部分。学习与成长对于一个企业来说，企业的员工是企业经营管理的最直接参与者、是企业经营决策的执行者、是企业经营业绩的创造者，员工的学习与成长对于一个企业来说具有至关重要的作用。在市场竞争日益激烈的当下，企业在坚持可持续发展的道路上必须要注重员工的学习与成长，如果说企业从财务角度、内部流程角度和客户角度分析出的驱动因素指标是为了提升企业的业绩，那么从学习与成长维度分析出的指标就是为了实现以上目标提供的基本保障，如果一个企业没有优秀的员工，那么这个企业是无法创造出优异业绩的。企业员工的素质能决定其是否能胜任本职岗位的工作，这会直接影响企业的决策能否被正确地执行，进而影响企业的业绩高低。企业员工的学历高低能够直观地展示出企业的人才素养，这对于企业来说是一笔最大的财富。此时不得不谈及员工的离职问题，对于大型企业来说，员工离职率的高低也影响着企业的稳定发展，员工的离职率越低，说明企业越能够凝聚人才，稳定性越高。此外，企业员工的发展也能够影响企业的综合业绩。时代在不断进步，科技在逐步创新，随着风电行业科研技术的完善，科研开发的投入逐年增大，对员工的技术水平也要求越来越高。企业在要求高学历人才的同时，对在职员工的培训也非常重要，企业提供给员工的培训时长，反映了企业注重对员工的培养和长期发展，重视人才发展机制，建立完善的人才培训体系，让员工与企业共同与时俱进。综上所述，在学习与成长维度，本文选取的指标有高学历人才比例、员工离职率、员工平均培训时长。根据上述对各个方面驱动因素的分析，本文从电力销售、项目成本管理、资本占用与资本成本、内部流程、客户维度、学习与成长这六大方面选取重要性程度高的相关指标，总共选取了20个指标，建立起LY电力公司业绩驱动因素指标体系，具体如表1.13所示：表1.13LY电力公司业绩驱动因素指标表Table1.13LYPowerCompanyPerformanceDrivingFactorsIndicators维度指标电力销售电价波动情况上网电价定价风电行业电价补贴政策成本管理人力资源成本非技术成本固定资产折旧资金占用与资本成本风机设备价格变动风机部件供应能力资本结构项目融资规模资产负债率内部运营清洁能源装机占比综合厂用电量发电机组等效可用系数客户维度市场占有率电压合格率客户满意度学习与成长高学历人才比例员工离职率员工平均培训时长1.4业绩驱动因素指标重要性权重的确定1.4.1权重计算方法的确定层次分析法是20世纪70年代初由美国运筹学家匹茨堡大学教授萨迪提出的一种层次权重决策分析方法。它是将与决策相关的指标分解成目标层、评价准则层、指标层等层次，形成一个递阶层次结构，然后在这个基础上，进行定性与定量相结合的分析决策方法。层次分析法主要是对不同层次结构中的指标，用求解判断矩阵特征向量的办法，求得每一个层次的元素对上一层次元素的优先权重，最后再加权出各指标对总目标的最终权重，做出重要性评估，确定出各个指标相对重要性的顺序。层次分析法以分层的方式将复杂的问题分解，并从中找出重要性高的影响因素，进而寻求解决问题的最佳途径。层次分析法的分析步骤如下：建立递阶层次结构模型以LY电力公司为研究对象，遵循多层次结构的分析模型的原理，将构建的业绩驱动因素指标体系按照目标层、准则层、指标层三个层次划分，以期运用该方法求得影响LY电力公司企业业绩的驱动因素重要性权重排序。构造判断矩阵构造判断矩阵是为了判断出不同层级指标的相对重要性程度，使各个指标之间都具有可比性。将同一层级中的指标两两比较其对上一层级因素的重要性程度，而后依次构造出判断矩阵，记做A：A为判断矩阵，则表示指标和指标j相对于目标的重要性比较结果，量化比例标度按照1-9的标度排定，用来反映指标两两相比的重要性程度，比例标度及对应含义见表1.14。表1.14层次分析法常用比例标度Table1.14ThescalecommonlyusedinAHP标度含义1表示两两指标相比，两者具有相同重要性3表示两两指标相比，前者比后者稍微重要5表示两两指标相比，前者比后者明显重要7表示两两指标相比，前者比后者强烈重要9表示两两指标相比，前者比后者极端重要2、4、6、8表示上述相邻判断的中间值倒数表示后者相较于前者的重要性程度计算权重向量在构建好判断矩阵之后，利用几何平均法将判断矩阵中每行分值的乘积开n次方，如公式1.5：（1.5）在公式1.5中，表示各行指标分值乘积的n次方根。然后将进行归一化，从而得到权重向量，记作，计算公式为公式1.6：（1.6）在公式1.6中，即为所求的权重向量。在得到判断矩阵中每一指标的权重向量之后，需要进行一致性检验，虽然在构造判断矩阵A的时候并不要求判断具有一致性，但是判断偏离一致性过大也是不允许的，因此需要对判断矩阵A进行一致性检验。首先，需要计算出判断矩阵A的最大特征值，计算公式如公式1.7：（1.7）在公式1.7中，求得的即代表判断矩阵A的最大特征值；然后，将判断矩阵A的最大特征值代入公式1.8：（1.8）公式1.8中，CI是一致性检验指标，n是判断矩阵的阶数。计算出一致性检验指标之后需要对指标值做出判断，如果CI值越大，表示该判断矩阵A的一致性越小，反之，如果CI值越小，则表示判断矩阵A的一致性越高；当CI值为零的时候，表明判断矩阵A具有完全一致性，那么就不用继续进行下一步计算；但是当CI值不等于零的时候，就需要进行下一步计算，即计算CR值，计算公式见公式1.9：（1.9）公式1.9中，CR是检验系数，RI表示平均随机一致性指标，平均随机一致性指标RI的标准值如表1.15所示：表1.15平均随机一致性指标标准值Table1.15Thestandardvalueofthemeanrandomconsistencyindexn123456789RI000.520.891.121.261.361.411.46由表1.15和公式1.9可知，n值越大，RI越大，计算出的CR越小。若CR<0.1，说明判断矩阵A具有一致性；若则等式不成立，需要调整判断性矩阵，再次通过计算以便通过一致性检验。最后，判断矩阵A通过一致性检验后，即可计算综合权重。设在第k-1层上个指标对总目标的排序权重向量为：,第k层上个指标对上一层（即第k-1层）第j个指标的权重向量为：，则矩阵是矩阵，表示第k层上的指标对其上一层（即第k-1层）各指标的排序权重向量，那么第k层上的指标对总目标层的排序权重向量为：。1.4.2层次结构模型的建立根据前文对层次分析法的计算步骤的研究，首先，将LY电力公司业绩驱动因素指标体系按照目标层、准则层、指标层来划分，分别将目标层标记为A、准则层标记为B，指标层标记为C，按照层次分析法建立起层次结构模型，如表1.16所示：表1.16LY电力公司业绩驱动因素指标层次结构表Table1.16LYPowerCompanyPerformanceDrivingFactorsIndicatorHierarchyStructureTable目标层A准则层B指标层C企业业绩最大化电力销售B1电价波动情况C1上网电价定价C2风电行业电价补贴政策C3成本管理B2人力资源成本C4非技术成本C5固定资产折旧C6资金占用与资本成本B3风机设备价格变动C7风机部件供应能力C8资本结构C9项目融资规模C10资产负债率C11内部运营B4清洁能源装机占比C12综合厂用电量C13发电机组等效可用系数C14客户维度B5市场占有率C15电压合格率C16客户满意度C17学习与成长B6高学历人才比例C18员工离职率C19员工平均培训时长C20由表1.16可以看出，本次运用层次分析法分析的总目标是使LY电力公司企业业绩最大化，通过层层分解，得出C1-C20总计20个末层指标，接下来通过发放调查问卷的方式进行数据收集，然后根据调查结果逐层构造判断矩阵并运用软件进行运算，通过一致性检验后，最终得出各指标针对总目标的综合重要性权重。1.4.3调查问卷数据的统计在构造判断矩阵时，为了保证对数据判断结果的客观性和科学性，本研究通过问卷调查的收集方式，总共发放了15份调查问卷（问卷调查样表参见附录一），分别邀请LY电力公司内部极具经验的权威人士以及相关行业人员填写问卷，其中包括总经理、总会计师、人力资源部主任、商务采购部主任、战略投资部主任、市场开发部主任、运行生产部主任以及几大项目部经理与关键员工，经过这些权威人员进行判断得到调查结果，保证了所搜集数据的客观有效性。根据收回的调查问卷统计结果，将调查问卷统计结果中的数据进行汇总后，得出以下数据汇总表，本文将基于该调查结果汇总情况，开展对LY电力公司业绩驱动因素的层次分析。调查结果数据汇总见表1.17和表1.18所示：表1.17调查问卷结果数据汇总表1问卷B1/B2B1/B3B1/B4B1/B5B1/B6B2/B3B2/B4B2/B5B2/B6B3/B4B3/B5B3/B6B4/B5B4/B6B5/B61223331/22233231/2222223241/22233231/222322334331/31/21/222222433221/21/23324422225222111/31/3243321/31/31611/3221/31/332224232373312221/31/31/32222238311/21/2223333521/511/293211/21/213322222241033222211/21/213323211211/21/233311/31/32221/31/31211/21/21/233331/21/2331/21/24132212221/31433221/31142221/31/231/2133542221533122211/32222322Table1.17Summaryofquestionnaireresultsdata1

表1.18调查问卷结果数据汇总表2问卷C1/C2C1/C3C2/C3C4/C5C4/C6C5/C6C7/C8C7/C9C7/C10C7/C11C8/C9C8/C10C8/C11C9/C10C9/C11C10/C11C12/C13C12/C14C13/C14C15/C16C15/C17C16/C17C18/C19C18/C20C19/C20122222222332232222223223232322323232242332223325312433223321223322131333533223322122233133126231234222222221231333712223333211323322328323-33722422321311339322332335113333323101232122222522331221113122222322123222133123231221233112333152233222331332333122222223133322214133312322223333231532222222222223133Table1.18Summaryofquestionnaireresultsdata21.4.4指标重要性权重的计算根据表1.17和表1.18中，对问卷调查结果中的数据利用软件MATLAB采用几何平均法进行运算，最后对每份问卷的最终权重进行算数平均，从而确定出各项指标针对其上层指标以及总目标的权重大小。鉴于计算步骤的一致性，本文以问卷一的调查结果数据为例，展示各指标重要性权重的计算过程。准则层对总目标层的权重计算将准则层对目标层的矩阵数据输入MATLAB软件，通过计算得到准则层对目标层的指标权重，如表1.19所示。表1.19准则层对目标层的指标权重Table1.19TheindexweightofcriterionlayertotargetlayerAB1B2B3B4B5B6B11223330.3158B20.510.52230.1738B30.5213230.2343B40.33330.50.333310.520.0894B50.33330.50.52120.1205B60.33330.33330.33330.50.510.0663CR：0.0287；：6.1807由表1.19可以看出准则层对目标层的各指标权重，指标权重的具体计算过程如下：（1）首先通过公式1.5将判断矩阵中每行的分值相乘，再求解的6次方根，则有：（2）根据公式1.6求得权重，则有：=2.1822/(2.1822+1.2009+1.6188+0.6176+0.8326+0.4582)=0.3158=1.2009/(2.1822+1.2009+1.6188+0.6176+0.8326+0.4582)=0.1738=1.6188/(2.1822+1.2009+1.6188+0.6176+0.8326+0.4582)=0.2343=0.6176/(2.1822+1.2009+1.6188+0.6176+0.8326+0.4582)=0.0894=0.8326/(2.1822+1.2009+1.6188+0.6176+0.8326+0.4582)=0.1205=0.4582/(2.1822+1.2009+1.6188+0.6176+0.8326+0.4582)=0.0663根据上述计算结果，可以得出A矩阵中6个指标的权重向量分别为（0.31580.17380.23430.08940.12050.0663）。（3）根据公式1.7求得矩阵的最大特征值，首先将已求得的指标层对准则层A的判断矩阵与已求得的权重向量相乘，A和如下： =（0.31580.17380.23430.08940.12050.0663）相乘后，得到(1.96041.06751.44780.55250.74110.4125)，记作。然后，将与对应的值相除：1.9603/0.3157=6.20811.0674/0.1737=6.14261.4477/0.2342=6.18020.5524/0.0893=6.18080.7411/0.1204=6.15090.4124/0.0663=6.2209将上述计算结果进行求和，可以得到：6.2081+6.1426+6.1802+6.1808+6.1509+6.2209=37.0837那么就可以计算出判断矩阵A的最大特征值为=37.0837/6=6.1806。（4）最后一步是进行一致性检验，根据公式1.8求得判断矩阵A的一致性指标CI：CI=（6.1806-6）/（6-1）=0.0361再根据公式1.9验证随机CR，根据表1.15所示，当n=6时，RI=1.26，则CR=0.0361/1.26=0.0291，结果表明CR<0.1，通过了一致性检验。指标层对准则层的权重计算考虑到其他指标权重值的计算步骤与上述步骤一致，故其他指标权重的计算步骤不再赘述，指标层对准则层的判断矩阵及权重如下：指标层对准则层B1的判断矩阵准则层B1为电力销售维度