基于杜邦分析法的铁路机车统计指标关联性分析体系研究

王 鹏

WANG Peng

（中国铁路总公司 运输统筹监督局，北京 100844）

( Department of Transport Coordination and Supervision， China Railway Corporation， Beijing 100844， China)

1 概述

1.1 研究现状

机车是铁路客货运输的主要工具，是直接关系形成运输产品的重要载体。开展铁路机车工作量统计、运用效率效益评价等研究，应通过构建机车相关的各类统计指标建立起相关分析基础。因此，在实现铁路高质量发展的新时代要求下[1]，深入分析铁路机车相关统计指标关联性，有利于开展铁路机车投入产出效果评价研究，对提高机辆装备效率效益、增加运输产品有效供给、改进移动装备购置决策十分关键。

国内外学者基于相关统计指标对机车工作量及运用效果评价等开展了大量研究。郭晓黎等[2]运用多层次灰色关联分析方法对铁路客车运用效率进行评价，降低了评价指标权重赋值人为主观性、偏好性的不利影响；林晓言等[3]构建了基于修正生产函数的铁路机车投资效果评价模型，并对 1995—2009年的机车投资效益进行测算分析。王子健[4]、高小珣等[5]分别采用网络 DEA 模型，与铁路机车运用流程相结合，构建铁路机车运用效率评价体系，并以国家铁路货车和客车为例评价铁路机车的投入产出效果；刘杰、何世伟等[6]通过构建线路上机车折返站时空网络图，构建货运机车资源配置优化模型并给出免疫克隆算法，从而得到线路上机车的接续关系，通过算例进行了分析验证。孙盈[7]运用财务盈亏平衡方法，从铁路运输供给和需求 2 个角度推导运输成本和运输收入函数，构建铁路移动装备购置决策方法。由此看出，系统梳理铁路机车相关统计指标并构建重点指标之间的逻辑性和关联性，是开展机车投入运输生产全过程效果研究和总体评价的重要基础。

1.2 杜邦财务分析体系

“单机单量”法是指传统以单机对机车工作量和运用效果进行统计和评价的方法。从指标运用角度分析，“单机单量”法是最直观显示机车运用效果的指标评价方法，即采纳机车投入产出全过程的两端，初始投入和最终产出信息，计算机车平均运用效果。该指标间接直观、综合性强，但无法有效反映机车运用全过程中的各重点环节变化情况，因而无法确定“单机单量”指标变化的原因，从而进行合理的评价和确定改善的对策。

杜邦分析法 (DuPont Analysis) 也称杜邦财务分析体系，是由美国杜邦公司 20 世纪 20 年代首创的财务比率综合分析体系。杜邦分析法从评价企业绩效最具代表性和综合性的财务指标——净资产收益率 (权益净利率) 出发，利用各主要财务比率指标间的内在有机联系，将财务指标逐层分解，如反映企业盈利状况的销售净利率、反映资产营运状况的资产周转率和反映偿债能力状况的资产负债率按其内在联系有机结合[8-9]，实现优化企业盈利途径与方式的有效量化分析。目前，传统杜邦分析体系及其拓展在现代企业财务管理中得到了非常广泛的应用。传统杜邦财务分析体系如图 1 所示。

图 1 传统杜邦财务分析体系Fig.1 The traditional DuPont financial analysis system

由图 1 可以看出，传统杜邦分析体系将净资产收益率 (权益净利率) 分解为销售净利率、资产周转率和权益乘数 3 个财务指标，分别从盈利能力、营运能力和偿债能力 (或财务杠杆) 3 个方面分析对企业净资产收益率的影响。与此同时，销售净利率、资产周转率和权益乘数的计算过程中，将财务指标又分解至资产负债表和利润表中的具体会计科目，因而能够进一步深入发现企业经营状况变动的根本原因，通过把控关键要素项目的变动情况，实现企业经营绩效的优化提升。

杜邦财务分析体系最显著的特点是将若干个用以评价企业经营绩效的财务比率按其内在联系有机地结合起来，形成一个完整简洁的指标体系结构，并最终通过净资产收益率 (权益净利率) 综合反映。采用这种方法，可以使财务比率综合分析的层次更为清晰、条理更为突出，为报表分析者全面仔细地把握企业经营状况提供了一种行之有效的可靠方式。

铁路机车统计是铁路运输生产和经营管理的重要基础，采用杜邦财务分析体系方法，根据《铁路机车统计规则》《铁路货物运输统计规则》等，按照反映机车保有、检修、运用、工作量、运用效率或运输效率等对统计指标进行分类，可以更好地实现铁路机车统计指标关联性分析，为铁路机车运用评价研究提供分析依据。

2 铁路机车统计指标关联性分析

2.1 铁路机车统计指标类别

（1）保有量统计指标。机车保有量统计指标与机车投入因素直接相关，是机车运用投入统计的最主要依据。通过投资采购形成的铁路机车是铁路运输企业的核心固定资产，以实物形态和价值形态体现在企业的财务及相关统计报表中。针对与机车总体保有量相关的日均运用、检修、备用等指标纳入至保有量统计类别的研究，一方面，这类指标均以“辆”“台”等日均单位值进行统计，能够有效区分机车总体保有情况下的不同技术状态；另一方面，能够与机车的生产运用情况相结合，满足流程划分的基本要求。

（2）运用工作量统计指标。机车运用工作量统计指标从机车检修运用角度对不同类型机车的运用状况进行统计，主要体现出以下特征：①该类统计指标大部分仅与特定类型机车的直接运用效果相关，较少涉及旅客和货物运输情况等相关因素，如走行公里等指标。这类指标重点反映机车运用环节，能够客观体现机车在特定周期内的生产运用效果，是作为初始投入与最后产出的关键连接。②该类统计指标多数由总量指标构成，反映特定时期内机车的工作总量效果，如机车牵引总重吨公里等指标。运用工作总量指标是机车效率评价的基础，任何效率指标的计算和分析均是以总量指标作为基础。

（3）运用效率统计指标。与机车运用工作总量指标直接对应的是机车运用效率指标，该类指标主要是由机车保有量指标与机车运用工作量指标相结合进行计算的结果。机车运用效率指标往往是两两指标比较计算的结果，即单机单量指标等。该类指标能够直观地反映机车的运用效果，能够在时间维度和类别维度进行比较分析，评价机车运用效率水平的变化。但是，该类指标在具有简单、直观等优点的同时，也存在忽视相关重要影响因素等缺点。

（4）运输量统计指标。机车运输量统计指标与机车的最终产出密切相关，是机车运用效果的最直接评价。与机车运用工作量统计指标相同的是，该类指标也属于总量指标范畴，反映特定时期内机车的运输产出效果，如旅客发送量、客运周转量等指标。与机车运用工作量统计指标不同的是，该类指标与旅客和货物的实际运输情况密切相关，即与运输产品的实际市场需求水平相联系。

（5）运输效率统计指标。与机车运输量指标相对应的是机车运输效率指标，该类指标主要是由机车保有量指标、运用工作量与运输工作量指标相结合进行计算的结果，与机车运用效率指标的解释含义和计算方法基本相同，只是从运输市场需求的产出维度评价机车的运用效率。

需要特别说明的是：一是对机车统计指标的梳理和分类是基于指标基本属性和从机车运用全流程维度开展研究的需要，该分类并不具有普适性。二是该分类的目的是反映铁路机车投入运输生产的全过程，从中选取与投入产出过程重要节点相关的指标。某个具体指标有可能既符合某个分类也适用于其他分类。三是研究所构建的评价方法体系从既有指标中进行了重点选择，但不仅限于这部分既有指标，还涉及到相关运输能力指标和财务指标等。

杜邦分析体系实际上从企业绩效评价及原因分析的角度，依据核心财务指标之间的逻辑关系，构建指标分解体系。该方法能够将运用运营管理各方面相关的财务指标进行关联，通过不同层级财务指标的变化情况，对总体绩效指标进行分析。铁路具有设备联动、作业联劳、管理联系的特点，通过借鉴杜邦分析体系的计算原理和评价方法，从分析铁路机车运用效果评价所依赖的相关统计指标之间是否存在逻辑关系入手，进一步研究这些逻辑关系与机车运用全过程的内在联系。

依据对《铁路统计资料汇编》中关于铁路机车运用，以及客货运输作业量相关指标的计算公式及解释说明的梳理，铁路机车在运用统计指标方面存在指标之间的逻辑相关性，因而能够借鉴杜邦分析体系经验构建指标分解评价体系。铁路机车运用指标关联性分析如图 2 所示。

由图 2 中可以看出，铁路机车运用指标可以划分为基础数据类别、基础数据项目和机车运用指标 3 个类别，各统计指标之间存在紧密的逻辑关系。例如，机车平均全周转时间=机车全周转时间之和/机车周转次数；支配机车日产量=总重吨公里/支配机车台数；机车日车公里=运用机车沿线走行公里/运用机车台日。

通过对《铁路统计资料汇编》中铁路机车运用及客货运输工作量相关总量指标与效率指标逻辑关系的分析发现，铁路机车运用相关统计指标之间存在很强的逻辑关系。因此，依据机车运用全过程统计指标为构建机车统计指标关联性分析体系提供了重要基础。

2.2 基于杜邦分析法的机车统计指标关联性体系构建

通过对铁路机车统计指标的梳理，结合实际运输生产作业流程，构建基于杜邦分析法的铁路机车统计指标关联性体系，更好地反映机车的投入、运用、运能和产出等统计指标之间的关联性。相对于传统效率评价“单机单量法”，构建铁路机车统计指标的关联性能够更为客观深入地反映统计指标变化的根本性原因、统计指标间的本质性逻辑关系及运输生产关键性统计指标的变动，为机车实际投入至产出一系列环节的管理决策提供支持。

图 2 铁路机车统计指标关联性分析Fig.2 The relevance analysis of railway locomotive statistical index

2.2.1 基于机车运用全流程的铁路机车统计指标类别构建

通过对铁路机车运用相关指标的梳理，主要从运用效率和运营效益 2 个维度，对运输能力和相关财务指标进行分析。

（1）运输能力指标。铁路机车运用的结果是提供客货运输产品供给，并最大程度地满足运输市场需求。运输供给与运输需求的适应程度决定了铁路运输企业的收入水平和效益状况。因此，机车运输供给能力因素是从投入至产出整个流程中的重要环节。一方面，该类指标能够反映铁路运输企业实际供给水平，与企业内部生产组织效率密切相关；另一方面，能够体现铁路运输产品与市场需求的适应性，与企业经营管理水平密切相关。然而，关于运输能力指标的实际统计存在一定的困难，对铁路机车统计指标关联性分析具有一定的影响。

（2）相关财务指标。在以经营效益为核心的考核导向背景下，仅仅从生产效率的角度进行分析无法体现成本和价格因素，进而无法开展与经营效益相关的财务评价，不能有效支撑机车投资采购决策。因此，机车统计指标关联性分析体系应尽可能实现生产效率与经营效益的有效结合，将机车投资和运输产出相关的财务指标纳入分析体系，满足投资决策财务评价的需要。

因此，从机车投资、运用、运能和产出 4 个环节，对指标进行细化分解，构建基于机车从投入至产出全流程的统计指标关联性分析体系。

2.2.2 机车统计指标分解

保有机车量 (台日) 是衡量机车投入的基础指标，发送量是衡量机车产出的基础指标，而两者之商即为衡量机车运用全流程效率指标。为进一步挖掘机车运用效率指标变动的内部规律，基于机车的投入、运用和产出，以及效率向效益转化对机车统计指标进行拆解与合并。

（1）考虑到机车运用因素的影响，将机车运用全流程效率指标进行因素分解，即

（2）考虑到机车与线路的约束条件，即

（3）考虑到机车价值，将机车投入扩展至财务效益评价，即

（4）考虑到机车收入，将机车产出扩展至财务效益评价，即

铁路机车统计指标关联性分析体系构建如图3所示。

图 3 铁路机车统计指标关联性分析体系构建Fig.3 The statistical index decomposition and the relevance analysis system of railway locomotive

3 研究结论

（1）满足机车运用全过程分析的要求。基于对“单机单量”指标的分解，能够将机车投入运用相关统计指标建立合理的逻辑关系，该逻辑关系能够有效反映机车投入、运用、运能和产出 4 个关键环节，与机车运用全过程实现较好的结合，满足评价分析的基本要求。依据机车运用全过程设置重要的量化评价节点是构建方法体系的核心，这需要既有相关统计数据的有效支撑，或者需要通过对原始数据的统计加工以支撑评价节点的建立。

（2）实现生产效率与经营效益的结合。通过基于机车作业指标的分析进一步扩展至财务指标，能够将效率指标与财务指标有机结合，两者的结合能够使得机车投资决策部门在制定投资计划时充分考虑机车运用效率情况和机车运用全过程效益情况，有助于铁路运输企业相关管理部门的共同决策。同时，效率指标与财务指标的结合，符合铁路运输产业的实际特征，既可以满足经济社会发展的基本需求，同时也满足了有关经营业绩考核的要求。

（3）实现总量指标与效率指标的结合。总量统计指标是效率 (比率) 指标计算的基础，对“单机单量”指标进行分解时，首先应选择对应的总量指标，进而依据总量指标的不断增加设置相应的比率指标。任何评价方法都离不开总量指标的支撑。针对“单机单量”指标进行分解的研究，满足了总量指标的增加与运用全过程分析节点设置一致性的要求。

参考文献：

[1]陆东福. 交通强国 铁路先行 促进经济社会持续健康发展作出更大贡献：在中国铁路总公司工作会议上的报告 (摘要)[J]. 中国铁路，2018(1)：1-6.LU Dong-fu. Railway，as the Leader of Transportation in China，a Major Player in the Industry，Aims to Contribute More to Sustained and Sound Socioeconomic Development[J].Chinese Railways，2018(1)：1-6.

[2]郭晓黎，高小珣，付建飞，等. 基于多层次灰色关联分析的铁路客车运用效率评价[J]. 铁道运输与经济，2017，39(1)：8-12.GUO Xiao-li，GAO Xiao-xun，FU Jian-fei，et al. Evaluation of Railway Passenger Train Operation Effciency based on the Multilevel Grey Correlation Analysis[J]. Railway Transport and Economy，2017，39 (1)：8-12.

[3]林晓言，马 涛. 基于生产函数的铁路机车投资效益评价[J]. 技术经济，2012，31(12)： 90-95.LIN Xiao-yan，MA Tao. Evaluation on Investment Return of Railway Mobile Equipment based on Production Function[J].Technology Economics，2012，31(12)：90-95.

[4]王子健. 基于网络 DEA 模型的铁路机车投入产出评价研究[J]. 铁道运输与经济，2016，38(3)：1-7.WANG Zi-jian. Study on Input-output Evaluation of Railway Mobile Equipments based on Network DEA Model[J]. Railway Transport and Economy，2016，38(3)：1-7.

[5]高小珣，郭晓黎，王子健. 基于 DEA 网络模型的铁路客运车辆新增运能供给效率研究[J]. 铁道运输与经济，2016，38(12)：25-29.GAO Xiao-xun，GUO Xiao-li，WANG Zi-jian. Research on the Supply Effciency of Increased Passenger Transport Capacity of Railway Vehicles Using DEA Network Model[J].Railway Transport and Economy，2016，38(12)：25-29.

[6]刘 杰，何世伟，宋 瑞，等. 铁路货运机车资源配置优化模型与算法研究[J]. 铁道学报，2012，34(9)：1-6.LIU Jie，HE Shi-wei，SONG Rui，et al. Research on Optimized Model and Algorithm for Assignment of Railway Freight Locomotive Resources[J]. Journal of the China Railway Society，2012，34(9)：1-6.

[7]孙 盈. 铁路移动装备购置决策方法研究[D]. 北京：北京交通大学，2011.SUN Ying. The Purchasing Decision Method Study of the Railway Equipment[D]. Beijing：Beijing Jiaotong University，2011.

[8]马春华. 基于扩展杜邦分析法的我国中小企业盈利模式优化路径分析研究[J]. 经济问题探索，2012(10)：85-88.

[9]BAUMAN M P. Forecasting Operating Profitability with DuPont Analysis[J]. Review of Accounting and Finance，2014(13)：191-205.