基于Python 與RSR 的不同登記類型建筑業(yè)企業(yè)經(jīng)濟效益綜合評價

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

RSR 方法，也叫秩和比法，是一種將古典參數(shù)統(tǒng)計和近代非參數(shù)統(tǒng)計進結(jié)合，并融其各自優(yōu)點于一身的統(tǒng)計分析方法，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，針對性強、操作簡便、使用效果明顯[4]。在公共衛(wèi)生服務(wù)質(zhì)量綜合評價[5]，城市宜居性評價[6]，體育技術(shù)的綜合評價[7]，生態(tài)效率評估[8]、運營效率評價[9]、數(shù)控機床質(zhì)量評價[10]等有廣泛的應(yīng)用。

Python 是現(xiàn)代使用廣泛的高級語言，具有簡單、易學(xué)、免費開源、可移植性好、支持庫豐富等優(yōu)勢，在數(shù)據(jù)處理方面有廣泛的應(yīng)用。

1 開發(fā)平臺、研究對象與方法

1.1 開發(fā)平臺

本文使用Anaconda3 為開發(fā)平臺，編輯器為Jupyter Notebook，Python 版本為3.9.12，使用的庫有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)計模型，stats.scipy 提供統(tǒng)計信息和概率分布函數(shù)等功能。

1.2 研究對象

為了對不同登記類型建筑業(yè)企業(yè)經(jīng)濟效益進行綜合評價，選取國家統(tǒng)計局年度數(shù)據(jù)作為資料來源，國家統(tǒng)計局提供的數(shù)據(jù)中包含的評價指標為24 項，由于部分指標的數(shù)據(jù)不完整，經(jīng)過篩選，確定了11 項分析指標，包括：從業(yè)人員、固定資產(chǎn)原價、建筑業(yè)總產(chǎn)值、房屋施工面積、房屋竣工面積、利潤總額、稅金總額、按總產(chǎn)值計算勞動生產(chǎn)率、房屋建筑面積竣工率、產(chǎn)值利潤率及產(chǎn)值利稅率。其中，從業(yè)人員、固定資產(chǎn)原價、建筑業(yè)總產(chǎn)值、房屋施工面積、房屋竣工面積、利潤總額、稅金總額為絕對指標，反映了企業(yè)的實力與經(jīng)營狀況；按總產(chǎn)值計算勞動生產(chǎn)率、房屋建筑面積竣工率、產(chǎn)值利潤率、產(chǎn)值利稅率四項指標為相對指標反映企業(yè)的管理能力、經(jīng)濟效益與社會效益。因此，這11 項指標均可認為是效益型指標，值越大，其編秩數(shù)也越大，表明企業(yè)的經(jīng)濟效益越好。

另外，在國家的統(tǒng)計數(shù)據(jù)中，每年僅有國有建筑業(yè)企業(yè)、集體建筑業(yè)企業(yè)、外商投資建筑業(yè)企業(yè)、外商獨資建筑業(yè)企業(yè)、港澳臺商投資建筑業(yè)企業(yè)及港澳臺商獨資建筑業(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行處理，這樣就形成了18 個樣本11 觀察指標的矩陣。

1.3 研究方法

本文采用熵權(quán)法和RSR 法進行不同登記類型企業(yè)經(jīng)濟效益綜合評價與分類。熵權(quán)法用來計算各指標的權(quán)重，RSR 法用于各登記企業(yè)的綜合評價與分類。

1.3.1 熵權(quán)法 指標權(quán)重的計算方法。計算指標權(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，在具體使用過程中，根據(jù)各指標數(shù)據(jù)的分散程度，利用信息熵計算出各指標的熵權(quán)，再根據(jù)各指標對熵權(quán)進行一定的修正，從而得到較為客觀的指標權(quán)重。在分析中，當(dāng)數(shù)據(jù)越分散時，熵值越小，則該數(shù)據(jù)包含信息越多，因此權(quán)重越大。

具體計算方法如下：

第一步是確定評價對象，建立評價指標體系，構(gòu)造n行m 列的水平矩陣R′，R′的元素記為；

第二步是對評價矩陣進行標準化處理得到矩陣R，R的元素為rij；

第三步：計算每個指標的熵值Hj；

第四步：計算第j 個指標的熵權(quán)Wj；

1.3.2 RSR 法 具體計算步驟如下：

①編秩。編秩是根據(jù)每一個具體的評價指標按其指標值的大小進行排序，得到秩次矩陣R′′，用秩次R′′代替原指標值。編秩方法有整秩法和非整秩法。本文采用整秩法進行編秩。②計算秩和比RSR 值。在一個n 行m 列的秩矩陣R′′中，在本文中評價指標的權(quán)重不同，計算加權(quán)秩和比。③繪制秩和比WRSR 分布表。將WRSR 值按照順序排列，計算各組的頻數(shù)及累計頻數(shù)，確定各組WRSR 的秩次RR 及平均秩次，計算向下的累計頻率，最后一項用（1-1/4n）*100%修正。根據(jù)累計頻率，查詢“百分數(shù)與概率單位對照表”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 方法計算出概率單位（Probit），語句如下：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 和分檔標準，對樣本進行最終的分檔排序。

2 處理與結(jié)果

2.1 熵權(quán)法確定的指標權(quán)重

經(jīng)熵權(quán)法計算，各指標的權(quán)重如表1 所示。在11 項指標中，后4 項指標，即按總產(chǎn)值計算勞動生產(chǎn)率、房屋建筑面積竣工率、產(chǎn)值利潤率及產(chǎn)值利稅率相較于其他7 項指標由于數(shù)值過于偏小，指標的權(quán)重也非常小。

表1 不同登記類型建筑業(yè)企業(yè)經(jīng)濟指標權(quán)重表

2.2 不同登記類型企業(yè)的WRSR 值及概率單位值Probit

按照前面所述的計算方法進行Python 編程，計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)濟指標權(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，R 方的值為0.959，接近于1，表明回歸模型用于評估預(yù)測值和實際值的符合程度好；回歸方程顯著性檢驗F 統(tǒng)計值達到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)項與Probit 的系統(tǒng)項顯著性檢驗t 值分別為-10.931、19.280，其概率值均為0，均小于0.05，說明回歸方程顯著具有統(tǒng)計意義。

2.4 分檔與排序

根據(jù)各分位檔對應(yīng)的概論單位Probit 值，按照回歸方程計算擬合值WRSR-Reg，根據(jù)田鳳調(diào)教授推薦的合理分檔標準[11]，將分檔數(shù)確定為3 檔，其差、中、優(yōu)的百分數(shù)為分別為P15.866以下、P15.866-P84.134之間及P84.134以上，其對應(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 語句對樣本進行分檔：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）），按照上步計算的WRSR-Reg 值對每個樣本的WRSR 值進行分檔，分檔的標記為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)濟效益綜合評價及分檔結(jié)果如表3 所示。

表3 不同登記類型建筑業(yè)企業(yè)經(jīng)濟效益綜合評價及分檔結(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)濟效益綜合評價及分檔結(jié)果顯示，2021、2020、2019 三年國有建筑企業(yè)的綜合評價為優(yōu)，2021、2020 年港澳臺商獨資建筑業(yè)企業(yè)綜合評價為差，其他企業(yè)的2021-2019 年綜合評價均為中。以2021 年為例，從房屋建筑面積竣工率、產(chǎn)值利潤率和產(chǎn)值利稅率3 個指標來看，港澳臺獨資企業(yè)較其他5 類建筑業(yè)企業(yè)都要優(yōu)秀，國有建筑企業(yè)是港澳臺獨資企業(yè)的0.98、0.42 和0.51 倍，是劣于后者的。但是，其他的8項指標中除按總產(chǎn)值計算勞動生產(chǎn)率指標為后者的1.27倍外，國有建筑企業(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 位外商獨資企業(yè)相較于港澳臺獨資企業(yè)，除利潤總額、產(chǎn)值利潤率、產(chǎn)值利稅率分別是后者的0.83、0.15、0.43 倍外，其他8 項指標中有2項指標是后者的1.38、2.65 倍，有3 項指標是后者的4-6 倍，有2 項指標是后者的9-10 倍。綜上所述，國有建筑企業(yè)和外商獨資企業(yè)是優(yōu)于港澳臺獨資企業(yè)的，其他的15 類登記主體情況類似于國有建筑企業(yè)和外商獨資企業(yè)，因此采用RSR 對不同登記主體建筑企業(yè)進行經(jīng)濟效益綜合評價是科學(xué)有效的。

前文中把從業(yè)人員、固定資產(chǎn)原價兩個指標作為效益型指標參與了綜合評價，這是否合理？于是，把從業(yè)人員、固定資產(chǎn)原價不作為指標，或者說將這2 項指標刪除，其他的處理方法不變，得到WRSR 值的排序及分類結(jié)果前后沒有任何變化，因此，可以證明把從業(yè)人員、固定資產(chǎn)原價作為效益型指標是合理可行的。

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，二檔（中）有13 個，三檔（差）有2 個；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，二檔（次優(yōu)）有15 個，三檔（較差）有1個，四檔（最差） 有0 個；若概率單位Y 按照[2，3.2，4.4，5.6，6.8，8] 分為五檔對數(shù)據(jù)進行處理，其結(jié)果為：一檔（最優(yōu)）有1 個，二檔（次優(yōu)）有4 個，三檔（中）有9個，四檔（較差）有4 個，五檔（最差）有0 個。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有相應(yīng)的登記建筑業(yè)企業(yè)，說明從數(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 法對不同登記類型建筑業(yè)企業(yè)進行經(jīng)濟效益綜合評價，其方法科學(xué)，結(jié)果可靠有效。