基于因子分析与DEA方法的旅游上市公司效率评价，本文主要内容关键词为：因子论文,上市公司论文,效率论文,评价论文,方法论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
目前国内外研究综合评价的方法很多，但是在实际运用中遇到的一个问题是，当对同一对象运用多种方法评价时，结论存在差异，以致人们难以据其对客观现实做出准确的判断[1]。为了解决多方法评价的一致性问题，近年来学术界提出了“组合评价”的研究思路，即将2种评价方法进行综合，实现二者的优势互补，以得到更合理、科学的评价结果。对单一评价方法的组合，可针对单一评价法的权数进行组合，也可对单一评价法的评价排序结果进行组合。近年来，不少学者针对数据包络分析(DEA)在权重确定上的优点，提出了层次分析方法(AHP)与DEA的组合，加权灰色关联与DEA分析法，以及模糊综合评价与DEA的组合[2]。但在实际运用中至少存在以下4个问题：①难以保证DEA中的决策单元(DMU)个数大于投入产出指标的2倍[3～５]；②投入产出指标间可能存在强线性关系；③过多的投入产出指标可能会造成主次不分，从而不能很好地反映评价的目的和评价内容；④DEA的评价结果仅能反映决策单元的投入产出效率，而不能客观全面地反映决策单元的实际发展水平。鉴于此，本文提出一种基于因子分析(data reduction factor，DRF)的DEA评价方法。
DRF是一种用少数几个因子来描述众多指标或因素之间的联系，以较少几个因子反映原资料的大部分信息的统计学方法。这种方法的特点就在于：①因子变量的数量少于原有指标变量的数量，对因子变量的分析能够减少分析中的计算工作量；②因子变量根据原始变量的信息进行重新组构，它能够反映原有变量的大部分信息；③因子变量间不存在线性相关关系；④因子变量具有命名解释性，即该变量是对某原始变量信息的综合反映[6]；⑤能够客观地对各个评价单元的实际情况进行多目标综合评价。
本文提出的基于DRF的DEA组合评价方法不仅修正了上述问题，而且在给出2种方法的相容性检验的基础上[7]，综合了DRF和DEA2种方法的优点，以DEA为中心，以DRF为辅助，通过DRF法对投入产出指标进行处理，把繁多的投入产出指标归并成若干个具有明确经济意义的公共因子，从而利用DEA模型计算出各个决策单元的相对效率值，实现各决策单元的排序。
1 基本原理
1.1 评价思路
基于DRF的DEA组合评价方法的基本思路如下：
(1)对评价模型进行肯达尔一致性检验[8]，确保组合评价的可行性、科学性和评价结果的一致性。
(2)利用DRF在维降序上的作用，归并过多的投入产出指标，保证决策单元个数大于指标数的2倍，同时消除DEA模型投入产出指标的强线性关系。
(3)由于
]及
可能出现负数，无法进行有效性分析，所以在把它们应用于DEA模型之前,应对]及进行标准化处理。DEA评价的结果希望输入越少越好、输出越大越好，因此采用极差变化法将指标数据归一化到[1，10]区间中，并将标准化的数据记为]、。
(4)根据实际需要选择DEA模型，求取特定的决策单元的有效性系数，以此来评价决策单元的优劣。据此将各决策单元定级排序，确定有效的决策单元，并可给出其他决策单元非有效的原因和程度。
应用
输入倾向模型进行规模收益评价时，暗含了2个重要的假设：①决策单元为弱BCC有效；②解唯一。若不满足假设条件则可能得出错误的结果，因此，在利用该组合方法进行评价时，必须应用BCC输出倾向模型对决策单元的技术有效性进行评价，对那些不落在BCC相对有效面上的点的规模收益状况，则由该决策单元向上的投影点的规模收益状况决定(具体证明和运用过程参见文献[10，11])。
用传统的模型进行评价时，可能出现多个单元同时为DEA有效的情况，从而影响决策的有效性，因此本文运用MDEA模型对决策单元进行评价，从而实现所有评价单元的充分排序。
MDEA的特点在于生产可能集(即约束条件)没有包括被评价单元j[，0]，也就是说MDEA评价是将比较单元与其他所有决策单元的线性组合比较，这就使有效的DMU有可能按比例增加其投入，而仍保持其相对有效性。在MDEA模型中，将某个DMU能增加其投入而保持相对有效性的最大比例值，称为该DMU的“MDEA”效率，显然该效率值可能大于1[12～14]。
1.2 评价结果反映的管理学意义
本文设计的DRF与DEA的组合评价方法不仅能克服DEA评价方法在实际运用中存在的问题，而且该组合评价得到的评价结果至少可以反映三方面的管理学意义：
(1)能够客观、全面地反映决策单元的实际绩效水平 DEA评价结果实际上反映的是具有相似投入规模的决策单元相对的投入产出效率；而DRF反映的是决策单元当前的成果和实力水平。从组织绩效的角度来看，组织运营的效率和效果共同构成了组织运营的绩效，因此DEA评价的效率值和DRF得分值所反映的组织运营效果对于管理决策都是十分重要的。本文所探讨的方法不仅可以反映决策单元的投入产出效率，还可以反映决策单元当前的绩效水平，用以反映决策单元的实际水平。
(2)得到最优投入规模比 运用BCC输出倾向模型评价结果反映不同投入规模的产出规模效应，从而得到最优投入规模。在资源有限的情况下，这个结果对企业高层进行资源配置和资金决策具有一定的参考价值，根据评价结果可以优化资源配置，从而提高资源配置的规模效率。
(3)明确管理重点 利用DEA投影定理可以得到决策单元非DEA有效的原因和改进的方向，这为管理者指明了管理的方向和管理的重点。
2 方法应用
2.1 样本说明
按我国上市公司行业类型划分，旅游上市公司隶属于社会服务业。本文从沪、深两市的社会服务业上市公司中，按公司登记的营业范围为标准对决策单元进行筛选，获得20家旅游上市公司2000～2005年的财务数据。本文以所选样本公司6年财务数据的均值作为样本进入计算，以消除不同发展阶段上市公司的差异性。
本研究的目的是评价旅游上市公司经营效率，在听取专家意见和反复上机实验后选取指标如下：
2.2.1 因子分析
本文采用主成分分析法构造因子变量，通过SPSS13.0统计分析软件上机计算，选取特征值大于1的4个变量作为新的因子变量(4个因子累计贡献率达84.07％)；然后运用方差极大法对因子进行旋转，根据旋转后的因子载荷对变量命名(见表1)。
根据MDEA效率可以得到我国旅游上市公司从优到劣的排名：锦江酒店、华侨城、锦江投资、中青旅、首旅股份、*ST明珠、西安旅游、国旅联合、美都控股、黄山旅游、西藏圣地、华天酒店、西安饮食、峨眉山A、东方宾馆、桂林旅游、ST张家界、京西旅游、ST大东海、ST新都。
3 结语
本文利用DRF与数据包络分析方法对旅游业上市公司进行了行业内的对比分析。实证结果表明，DRF与DEA模型的组合运用既能发挥DRF降维、减少评价指标、避免出现评价指标间的强线性相关性的作用，又能通过DEA模型实现所有评价单元进行充分的排序。这2种方法的组合运用能为决策者决策提供更加完备的管理信息，同时也可以将这种方法组合运用于其他领域进行相对有效性评价。