劉俊宸 LIU Jun-chen；劉宏 LIU Hong

（①商洛學(xué)院，商洛 726000；②安康學(xué)院，安康 725000）

0 引言

建筑業(yè)是國(guó)家重要的生產(chǎn)部門(mén)，在國(guó)民經(jīng)濟(jì)發(fā)展中發(fā)揮重要作用。我國(guó)的建筑企業(yè)根據(jù)登記類型分為國(guó)有建筑業(yè)企業(yè)、集體建筑業(yè)企業(yè)、外商投資建筑業(yè)企業(yè)、外商獨(dú)資建筑業(yè)企業(yè)、港澳臺(tái)商投資建筑業(yè)企業(yè)及港澳臺(tái)商獨(dú)資建筑業(yè)企業(yè)[1]，對(duì)于不同類型企業(yè)的經(jīng)濟(jì)效益進(jìn)行綜合評(píng)價(jià)是宏觀管理的重要方面。如何對(duì)不同的建筑企業(yè)進(jìn)行綜合評(píng)價(jià)，對(duì)于建筑業(yè)的健康發(fā)展具有重要意義。目前常用的綜合評(píng)價(jià)方法有逼近理想解排序法（TOPSIS）、秩和比法（RSR）、層次分析法（AHP）、模糊綜合評(píng)判法、人工神經(jīng)網(wǎng)絡(luò)、灰色評(píng)價(jià)法及數(shù)據(jù)包絡(luò)分析（DEA）等[2，3]，本文利用RSR 方法對(duì)不同登記類型建筑企業(yè)經(jīng)濟(jì)效益進(jìn)行綜合評(píng)價(jià)研究。

RSR 方法，也叫秩和比法，是一種將古典參數(shù)統(tǒng)計(jì)和近代非參數(shù)統(tǒng)計(jì)進(jìn)結(jié)合，并融其各自優(yōu)點(diǎn)于一身的統(tǒng)計(jì)分析方法，1988 年由田風(fēng)調(diào)教授提出，它是數(shù)量方法中一種廣譜的方法，針對(duì)性強(qiáng)、操作簡(jiǎn)便、使用效果明顯[4]。在公共衛(wèi)生服務(wù)質(zhì)量綜合評(píng)價(jià)[5]，城市宜居性評(píng)價(jià)[6]，體育技術(shù)的綜合評(píng)價(jià)[7]，生態(tài)效率評(píng)估[8]、運(yùn)營(yíng)效率評(píng)價(jià)[9]、數(shù)控機(jī)床質(zhì)量評(píng)價(jià)[10]等有廣泛的應(yīng)用。

Python 是現(xiàn)代使用廣泛的高級(jí)語(yǔ)言，具有簡(jiǎn)單、易學(xué)、免費(fèi)開(kāi)源、可移植性好、支持庫(kù)豐富等優(yōu)勢(shì)，在數(shù)據(jù)處理方面有廣泛的應(yīng)用。

1 開(kāi)發(fā)平臺(tái)、研究對(duì)象與方法

1.1 開(kāi)發(fā)平臺(tái)

本文使用Anaconda3 為開(kāi)發(fā)平臺(tái)，編輯器為Jupyter Notebook，Python 版本為3.9.12，使用的庫(kù)有numpy、pandas、statsmodels.api 和stats.scipy。其中，numpy 主要提供多維度數(shù)組與矩陣運(yùn)算，pandas 用于讀取數(shù)據(jù)及數(shù)據(jù)處理與分析，statsmodels.api 用于擬合多種統(tǒng)計(jì)模型，stats.scipy 提供統(tǒng)計(jì)信息和概率分布函數(shù)等功能。

1.2 研究對(duì)象

為了對(duì)不同登記類型建筑業(yè)企業(yè)經(jīng)濟(jì)效益進(jìn)行綜合評(píng)價(jià)，選取國(guó)家統(tǒng)計(jì)局年度數(shù)據(jù)作為資料來(lái)源，國(guó)家統(tǒng)計(jì)局提供的數(shù)據(jù)中包含的評(píng)價(jià)指標(biāo)為24 項(xiàng)，由于部分指標(biāo)的數(shù)據(jù)不完整，經(jīng)過(guò)篩選，確定了11 項(xiàng)分析指標(biāo)，包括：從業(yè)人員、固定資產(chǎn)原價(jià)、建筑業(yè)總產(chǎn)值、房屋施工面積、房屋竣工面積、利潤(rùn)總額、稅金總額、按總產(chǎn)值計(jì)算勞動(dòng)生產(chǎn)率、房屋建筑面積竣工率、產(chǎn)值利潤(rùn)率及產(chǎn)值利稅率。其中，從業(yè)人員、固定資產(chǎn)原價(jià)、建筑業(yè)總產(chǎn)值、房屋施工面積、房屋竣工面積、利潤(rùn)總額、稅金總額為絕對(duì)指標(biāo)，反映了企業(yè)的實(shí)力與經(jīng)營(yíng)狀況；按總產(chǎn)值計(jì)算勞動(dòng)生產(chǎn)率、房屋建筑面積竣工率、產(chǎn)值利潤(rùn)率、產(chǎn)值利稅率四項(xiàng)指標(biāo)為相對(duì)指標(biāo)反映企業(yè)的管理能力、經(jīng)濟(jì)效益與社會(huì)效益。因此，這11 項(xiàng)指標(biāo)均可認(rèn)為是效益型指標(biāo)，值越大，其編秩數(shù)也越大，表明企業(yè)的經(jīng)濟(jì)效益越好。

另外，在國(guó)家的統(tǒng)計(jì)數(shù)據(jù)中，每年僅有國(guó)有建筑業(yè)企業(yè)、集體建筑業(yè)企業(yè)、外商投資建筑業(yè)企業(yè)、外商獨(dú)資建筑業(yè)企業(yè)、港澳臺(tái)商投資建筑業(yè)企業(yè)及港澳臺(tái)商獨(dú)資建筑業(yè)這6 類登記企業(yè)，樣本數(shù)較少，因此選取了2021-2019 年連續(xù)三年6 類企業(yè)的數(shù)據(jù)作為一批觀察樣本進(jìn)行處理，這樣就形成了18 個(gè)樣本11 觀察指標(biāo)的矩陣。

1.3 研究方法

本文采用熵權(quán)法和RSR 法進(jìn)行不同登記類型企業(yè)經(jīng)濟(jì)效益綜合評(píng)價(jià)與分類。熵權(quán)法用來(lái)計(jì)算各指標(biāo)的權(quán)重，RSR 法用于各登記企業(yè)的綜合評(píng)價(jià)與分類。

1.3.1 熵權(quán)法 指標(biāo)權(quán)重的計(jì)算方法。計(jì)算指標(biāo)權(quán)重的方法有AHP、熵權(quán)法或是自定義權(quán)重。熵權(quán)法是一種客觀賦權(quán)方法，在具體使用過(guò)程中，根據(jù)各指標(biāo)數(shù)據(jù)的分散程度，利用信息熵計(jì)算出各指標(biāo)的熵權(quán)，再根據(jù)各指標(biāo)對(duì)熵權(quán)進(jìn)行一定的修正，從而得到較為客觀的指標(biāo)權(quán)重。在分析中，當(dāng)數(shù)據(jù)越分散時(shí)，熵值越小，則該數(shù)據(jù)包含信息越多，因此權(quán)重越大。

具體計(jì)算方法如下：

第一步是確定評(píng)價(jià)對(duì)象，建立評(píng)價(jià)指標(biāo)體系，構(gòu)造n行m 列的水平矩陣R′，R′的元素記為；

第二步是對(duì)評(píng)價(jià)矩陣進(jìn)行標(biāo)準(zhǔn)化處理得到矩陣R，R的元素為rij；

第三步：計(jì)算每個(gè)指標(biāo)的熵值Hj；

第四步：計(jì)算第j 個(gè)指標(biāo)的熵權(quán)Wj；

1.3.2 RSR 法 具體計(jì)算步驟如下：

①編秩。編秩是根據(jù)每一個(gè)具體的評(píng)價(jià)指標(biāo)按其指標(biāo)值的大小進(jìn)行排序，得到秩次矩陣R′′，用秩次R′′代替原指標(biāo)值。編秩方法有整秩法和非整秩法。本文采用整秩法進(jìn)行編秩。②計(jì)算秩和比RSR 值。在一個(gè)n 行m 列的秩矩陣R′′中，在本文中評(píng)價(jià)指標(biāo)的權(quán)重不同，計(jì)算加權(quán)秩和比。③繪制秩和比WRSR 分布表。將WRSR 值按照順序排列，計(jì)算各組的頻數(shù)及累計(jì)頻數(shù)，確定各組WRSR 的秩次RR 及平均秩次，計(jì)算向下的累計(jì)頻率，最后一項(xiàng)用（1-1/4n）*100%修正。根據(jù)累計(jì)頻率，查詢“百分?jǐn)?shù)與概率單位對(duì)照表”即可得到概率單位，在Python 編程中使用正態(tài)分布的scipy.stats.norm.isf 方法計(jì)算出概率單位（Probit），語(yǔ)句如下：Distribution['Probit']=5-norm.isf(Distribution.iloc[:,-1])。④回歸分析與分檔。在上一步得到Probit 值之后，將其作為自變量X，將WRSR 分布值作為因變量Y，生成回歸模型WRSR，并根據(jù)回歸模型生成Probit 的WRSR 的擬合值WRSR-Reg，并根據(jù)擬合值WRSR-Reg 和分檔標(biāo)準(zhǔn)，對(duì)樣本進(jìn)行最終的分檔排序。

2 處理與結(jié)果

2.1 熵權(quán)法確定的指標(biāo)權(quán)重

經(jīng)熵權(quán)法計(jì)算，各指標(biāo)的權(quán)重如表1 所示。在11 項(xiàng)指標(biāo)中，后4 項(xiàng)指標(biāo)，即按總產(chǎn)值計(jì)算勞動(dòng)生產(chǎn)率、房屋建筑面積竣工率、產(chǎn)值利潤(rùn)率及產(chǎn)值利稅率相較于其他7 項(xiàng)指標(biāo)由于數(shù)值過(guò)于偏小，指標(biāo)的權(quán)重也非常小。

表1 不同登記類型建筑業(yè)企業(yè)經(jīng)濟(jì)指標(biāo)權(quán)重表

2.2 不同登記類型企業(yè)的WRSR 值及概率單位值Probit

按照前面所述的計(jì)算方法進(jìn)行Python 編程，計(jì)算不同登記類型建筑業(yè)企業(yè)的WRSR 值及概率單位值Probit，其結(jié)果如表2 所示。

表2 不同登記類型建筑業(yè)企業(yè)經(jīng)濟(jì)指標(biāo)權(quán)WRSR 及Probit 值

2.3 回歸方程建立

以概率單位值Probit 為自變量，加權(quán)秩和比WRSR 為因變量， 建立線性回歸方程，WRSR =-1.1675 +0.3962Probit。經(jīng)回歸方程檢驗(yàn)，R 方的值為0.959，接近于1，表明回歸模型用于評(píng)估預(yù)測(cè)值和實(shí)際值的符合程度好；回歸方程顯著性檢驗(yàn)F 統(tǒng)計(jì)值達(dá)到371.7，表明該模型構(gòu)成因變量的線性組合是有效的。常數(shù)項(xiàng)與Probit 的系統(tǒng)項(xiàng)顯著性檢驗(yàn)t 值分別為-10.931、19.280，其概率值均為0，均小于0.05，說(shuō)明回歸方程顯著具有統(tǒng)計(jì)意義。

2.4 分檔與排序

根據(jù)各分位檔對(duì)應(yīng)的概論單位Probit 值，按照回歸方程計(jì)算擬合值WRSR-Reg，根據(jù)田鳳調(diào)教授推薦的合理分檔標(biāo)準(zhǔn)[11]，將分檔數(shù)確定為3 檔，其差、中、優(yōu)的百分?jǐn)?shù)為分別為P15.866以下、P15.866-P84.134之間及P84.134以上，其對(duì)應(yīng)的概率單位Y 值分別為4 以下、4-6 及6 以上，因此使用以下Python 語(yǔ)句對(duì)樣本進(jìn)行分檔：threshold=np.polyval（r0，[2，4，6，8]），其中r0 為多元回歸的系數(shù)，并按照[2，4，6，8]計(jì)算差、中、優(yōu)的WRSR-Reg 值。R_result['Level']=pd.cut（R_result['WRSR']，threshold，labels=range（len（threshold）-1，0，-1）），按照上步計(jì)算的WRSR-Reg 值對(duì)每個(gè)樣本的WRSR 值進(jìn)行分檔，分檔的標(biāo)記為1，2，3，其中，1 取值為優(yōu)，2 取值為中，3 取值為差，不同登記類型建筑業(yè)企業(yè)經(jīng)濟(jì)效益綜合評(píng)價(jià)及分檔結(jié)果如表3 所示。

表3 不同登記類型建筑業(yè)企業(yè)經(jīng)濟(jì)效益綜合評(píng)價(jià)及分檔結(jié)果

3 討論

根據(jù)上面的分析，不同登記類型建筑業(yè)企業(yè)經(jīng)濟(jì)效益綜合評(píng)價(jià)及分檔結(jié)果顯示，2021、2020、2019 三年國(guó)有建筑企業(yè)的綜合評(píng)價(jià)為優(yōu)，2021、2020 年港澳臺(tái)商獨(dú)資建筑業(yè)企業(yè)綜合評(píng)價(jià)為差，其他企業(yè)的2021-2019 年綜合評(píng)價(jià)均為中。以2021 年為例，從房屋建筑面積竣工率、產(chǎn)值利潤(rùn)率和產(chǎn)值利稅率3 個(gè)指標(biāo)來(lái)看，港澳臺(tái)獨(dú)資企業(yè)較其他5 類建筑業(yè)企業(yè)都要優(yōu)秀，國(guó)有建筑企業(yè)是港澳臺(tái)獨(dú)資企業(yè)的0.98、0.42 和0.51 倍，是劣于后者的。但是，其他的8項(xiàng)指標(biāo)中除按總產(chǎn)值計(jì)算勞動(dòng)生產(chǎn)率指標(biāo)為后者的1.27倍外，國(guó)有建筑企業(yè)最多是后者的265.96 倍，最少也是后者的92.78 倍。另外，WRSR 排名13 位外商獨(dú)資企業(yè)相較于港澳臺(tái)獨(dú)資企業(yè)，除利潤(rùn)總額、產(chǎn)值利潤(rùn)率、產(chǎn)值利稅率分別是后者的0.83、0.15、0.43 倍外，其他8 項(xiàng)指標(biāo)中有2項(xiàng)指標(biāo)是后者的1.38、2.65 倍，有3 項(xiàng)指標(biāo)是后者的4-6 倍，有2 項(xiàng)指標(biāo)是后者的9-10 倍。綜上所述，國(guó)有建筑企業(yè)和外商獨(dú)資企業(yè)是優(yōu)于港澳臺(tái)獨(dú)資企業(yè)的，其他的15 類登記主體情況類似于國(guó)有建筑企業(yè)和外商獨(dú)資企業(yè)，因此采用RSR 對(duì)不同登記主體建筑企業(yè)進(jìn)行經(jīng)濟(jì)效益綜合評(píng)價(jià)是科學(xué)有效的。

前文中把從業(yè)人員、固定資產(chǎn)原價(jià)兩個(gè)指標(biāo)作為效益型指標(biāo)參與了綜合評(píng)價(jià)，這是否合理？于是，把從業(yè)人員、固定資產(chǎn)原價(jià)不作為指標(biāo)，或者說(shuō)將這2 項(xiàng)指標(biāo)刪除，其他的處理方法不變，得到WRSR 值的排序及分類結(jié)果前后沒(méi)有任何變化，因此，可以證明把從業(yè)人員、固定資產(chǎn)原價(jià)作為效益型指標(biāo)是合理可行的。

前文中把概率單位Y 按照[2，4，6，8] 分為三檔，其結(jié)果（即分檔及登記主體企業(yè)數(shù)）為：一檔（優(yōu)）有3 個(gè)，二檔（中）有13 個(gè)，三檔（差）有2 個(gè)；若概率單位Y 按照[2，3.5，6.5，8]分為四檔，其結(jié)果為：一檔（最優(yōu)）有2 個(gè)，二檔（次優(yōu)）有15 個(gè)，三檔（較差）有1個(gè)，四檔（最差） 有0 個(gè)；若概率單位Y 按照[2，3.2，4.4，5.6，6.8，8] 分為五檔對(duì)數(shù)據(jù)進(jìn)行處理，其結(jié)果為：一檔（最優(yōu)）有1 個(gè)，二檔（次優(yōu)）有4 個(gè)，三檔（中）有9個(gè)，四檔（較差）有4 個(gè)，五檔（最差）有0 個(gè)。在以上三檔、四檔及五檔三種分檔方式中，三檔分法確保每檔都有相應(yīng)的登記建筑業(yè)企業(yè)，四檔、五檔分法中最差分檔沒(méi)有相應(yīng)的登記建筑業(yè)企業(yè)，說(shuō)明從數(shù)據(jù)的內(nèi)在邏輯上講分為三檔是更科學(xué)與合理的。

因此，基于Python，采用RSR 法對(duì)不同登記類型建筑業(yè)企業(yè)進(jìn)行經(jīng)濟(jì)效益綜合評(píng)價(jià)，其方法科學(xué)，結(jié)果可靠有效。