基于主成分分析的农业供应链信用风险评价*

张远航

（沈阳师范大学，辽宁 沈阳 110034）

0 引言

农业是我国主要产业，大力发展农业对促进我国经济发展、提高农业经营主体的整体生活水平至关重要[1]。目前，银行等金融机构缺少对农业企业的系统和规范的评价方法，对于农业企业的信用风险缺少规范的原则和依据，使得农业企业在融资方面面临较大的困难，抑制了农业整体发展[2]。同时，农业行业的特点主要包括受自然因素影响较大，并且不确定性风险较多，且农业行业在银行进行贷款的资金具有长期性的特点，使得其在银行等金融机构的信用水平较低，造成农业企业融资困难，融资成本较高，导致农业企业的资金流通受到制约，阻碍了农业整体发展。随着乡村振兴战略的推进，农业企业的融资困难问题越来越受到社会的广泛关注，解决农业企业融资困难成为农业农村发展的重中之重[3]。

为解决农业企业融资困难的问题，需要对农业企业进行信用风险评估，明确农业行业整体的信用风险水平对制定相关政策以及行业引导至关重要。在评价企业信用风险方法中主要有主成分分析法、logistic模型、AHP 层次分析法、模糊综合评价法等。本文主要借助主成分分析法对中国农业上市公司进行信用风险评价，构建相应的指标体系，综合分析影响农业信用风险的因素[4]。

1 主成分分析原理

主成分分析是一种将多个指标进行降维处理，把多个自变量用几个主成分来进行解释的过程。为了避免由于数据众多以及变量之间相关性的影响，希望通过主成分分析将具有相关性的变量进行整合，筛选出几个不具有相关性的主成分，通过少数变量得到整体的影响指标分析[5]。主成分分析具有以下优点：一是可以减少变量处理的工作量；二是能够避免变量之间的相关性造成结果分析的偏差。

2 主成分分析的主要步骤

2.1 数据标准化

假设进行主成分分析的指标总共有m个，需要进行评价的对象有n个，第i个对象在第j个指标中的数据用xij表示，将原始变量xij标准化得到。

2.2 建立变量之间相关系数矩阵

相关系数矩阵为R=(rij)m×m。

其中，rii=1，rij=rji，rij是第i个指标对第j个指标的相关系数。

2.3 计算相关系数矩阵的特征值及特征向量

u1···um，由特征向量组成m个新的指标变量。

式中，y1到ym分别表示第1到m个主成分。

2.4 写出主成分并计算综合得分

主成分yj的贡献率及综合得分分别为：

式中，bj为第j个主成分的贡献率。

3 主成分分析

3.1 农业上市公司信用风险评价指标体系

目前，针对农业上市公司信用风险评价指标体系尚无统一标准，结合农业行业发展现状以及相关文献，构建了农业行业上市公司信用风险指标体系[6]。此次研究指标体系分为4 个一级指标，分别为偿债能力、营运能力、成长能力、盈利能力。偿债能力下的二级指标包括：资产负债率、流动比率、速动比率、权益乘数、现金比率；营运能力下的二级指标包括：总资产周转率、流动资产周转率、主营业务利润率；成长能力下的二级指标包括：总资产增长率、所有者权益增长率、净利润增长率；盈利能力下的二级指标包括：销售净利率、净资产收益率。通过以上构建的指标体系对我国农业上市公司的企业财务状况进行主成分分析，通过对财务信息的分析得出企业的信用风险状况。

3.2 数据来源

本文主要选取中国农业A 股上市公司，为了对正常经营企业和经过特殊处理的企业的信用风险状况进行比较分析，选择我国农业上市公司中17 家正常企业以及3 家经过特殊处理的企业的财务状况进行统计。通过国泰安数据库导出所需的财务数据，并对其中的财务数据进行相应的补充。

3.3 实证分析

3.3.1 数据特征分析

通过将农业企业的相关财务指标进行收集，并利用SPSS 进行数据处理，在主成分分析前，根据SPSS进行KMO 检验和巴特利特球形度检验，得到结果为KMO 检验值为0.553，说明上述指标数据适合进行主成分分析，并且巴特利特球形检验为0.000，满足显著性检验。KMO 和巴特利特检验结果如表1所示。

表1 KMO 和巴特利特检验结果

3.3.2 指标体系数据标准化

根据构建的农业上市公司的指标体系，利用SPSS 对上述财务指标数据进行主成分分析，首先将各个指标数据进行标准化，得到标准化后的变量记为Z1到Z13，并计算建立协方差矩阵，得到指标体系的特征值和特征向量，并得到标准化的指标体系的总方差解释如表2所示。

表2 总方差解释

3.3.3选择主成分

通过输出的总方差解释表根据特征值大于1 且解释度累计达到83.3%的结果筛选出4 个主成分，根据旋转后的成分矩阵可以得出每个主成分的影响因子的构成，将主成分1 命名为营运能力，主成分2 命名为盈利能力，主成分3 命名为偿债能力，主成分4 命名为成长能力。旋转后的成分矩阵如表3 所示。

表3 旋转后的成分矩阵a

3.3.4 计算主成分得分

根据主成分得分公式，计算各个主成分中各个变量的权重，即用各个主成分因子的系数与各个主成分特征值的开根之比[7]，再用权重与标准化后的因子相乘，得到4个主成分的计算公式如下：

以各因子方差贡献率为权重计算综合得分：

通过以上公式分别计算各个企业的综合得分，得分越高说明这个企业的营运状况越好，经营活动正常，偿债的能力也比较高，信贷风险的水平也比较低；如果企业的得分越低，则说明这个企业的营运存在一定的问题，公司的经营状况存在一定的纰漏，出现信用风险的可能性较大[8]。

4 结论与建议

本文根据主成分分析对农业企业的信用风险水平进行了实证研究，根据实证分析的结果可以得出以下的结论：根据以往学者的研究以及相关资料调查，总结提取出农业企业信用风险的评价指标体系，同时根据因子分析的结果得到4 个衡量农业信用风险水平的主成分，根据因子载荷情况，将4 个主成分重新命名为：主成分1 为营运能力，主成分2 为盈利能力，主成分3 为偿债能力，主成分4 为成长能力。因此，根据筛选出的4 个主成分，可以对农业企业的信用风险水平进行评估。同时，根据主成分分析法计算各个企业的最后得分情况，根据企业的总得分情况对企业的信用风险水平进行排名，根据排名得出的结论是：正常经营的企业的整体排名较高，而被标ST 的企业的排名较低。根据此结论得出，企业的财务状况能够直接影响企业的信用风险水平，企业的经营状况以及整体的运作能力对企业的信用风险水平具有重要影响。

为提高农业企业的信用水平，企业应该提高自身的经营能力以及管理能力，加强风险预警和风险防范措施。同时，企业的盈利能力以及偿债能力是影响企业信用水平的重要因素，企业应该加强内部的资金流动，处理好应收账款等[9]。农业供应链金融模式为加强农业中农小型企业资金流通提供了支持，应加强农业供应链融资在农业中小型企业融资过程中的支持作用[10]。