基于Python 与RSR 的不同登记类型建筑业企业经济效益综合评价

刘俊宸 LIU Jun-chen；刘宏 LIU Hong

（①商洛学院，商洛 726000；②安康学院，安康 725000）

0 引言

建筑业是国家重要的生产部门，在国民经济发展中发挥重要作用。我国的建筑企业根据登记类型分为国有建筑业企业、集体建筑业企业、外商投资建筑业企业、外商独资建筑业企业、港澳台商投资建筑业企业及港澳台商独资建筑业企业[1]，对于不同类型企业的经济效益进行综合评价是宏观管理的重要方面。如何对不同的建筑企业进行综合评价，对于建筑业的健康发展具有重要意义。目前常用的综合评价方法有逼近理想解排序法（TOPSIS）、秩和比法（RSR）、层次分析法（AHP）、模糊综合评判法、人工神经网络、灰色评价法及数据包络分析（DEA）等[2，3]，本文利用RSR 方法对不同登记类型建筑企业经济效益进行综合评价研究。

RSR 方法，也叫秩和比法，是一种将古典参数统计和近代非参数统计进结合，并融其各自优点于一身的统计分析方法，1988 年由田风调教授提出，它是数量方法中一种广谱的方法，针对性强、操作简便、使用效果明显[4]。在公共卫生服务质量综合评价[5]，城市宜居性评价[6]，体育技术的综合评价[7]，生态效率评估[8]、运营效率评价[9]、数控机床质量评价[10]等有广泛的应用。

Python 是现代使用广泛的高级语言，具有简单、易学、免费开源、可移植性好、支持库丰富等优势，在数据处理方面有广泛的应用。

1 开发平台、研究对象与方法

1.1 开发平台

本文使用Anaconda3 为开发平台，编辑器为Jupyter Notebook，Python 版本为3.9.12，使用的库有numpy、pandas、statsmodels.api 和stats.scipy。其中，numpy 主要提供多维度数组与矩阵运算，pandas 用于读取数据及数据处理与分析，statsmodels.api 用于拟合多种统计模型，stats.scipy 提供统计信息和概率分布函数等功能。

1.2 研究对象

为了对不同登记类型建筑业企业经济效益进行综合评价，选取国家统计局年度数据作为资料来源，国家统计局提供的数据中包含的评价指标为24 项，由于部分指标的数据不完整，经过筛选，确定了11 项分析指标，包括：从业人员、固定资产原价、建筑业总产值、房屋施工面积、房屋竣工面积、利润总额、税金总额、按总产值计算劳动生产率、房屋建筑面积竣工率、产值利润率及产值利税率。其中，从业人员、固定资产原价、建筑业总产值、房屋施工面积、房屋竣工面积、利润总额、税金总额为绝对指标，反映了企业的实力与经营状况；按总产值计算劳动生产率、房屋建筑面积竣工率、产值利润率、产值利税率四项指标为相对指标反映企业的管理能力、经济效益与社会效益。因此，这11 项指标均可认为是效益型指标，值越大，其编秩数也越大，表明企业的经济效益越好。

另外，在国家的统计数据中，每年仅有国有建筑业企业、集体建筑业企业、外商投资建筑业企业、外商独资建筑业企业、港澳台商投资建筑业企业及港澳台商独资建筑业这6 类登记企业，样本数较少，因此选取了2021-2019 年连续三年6 类企业的数据作为一批观察样本进行处理，这样就形成了18 个样本11 观察指标的矩阵。

1.3 研究方法

本文采用熵权法和RSR 法进行不同登记类型企业经济效益综合评价与分类。熵权法用来计算各指标的权重，RSR 法用于各登记企业的综合评价与分类。

1.3.1 熵权法 指标权重的计算方法。计算指标权重的方法有AHP、熵权法或是自定义权重。熵权法是一种客观赋权方法，在具体使用过程中，根据各指标数据的分散程度，利用信息熵计算出各指标的熵权，再根据各指标对熵权进行一定的修正，从而得到较为客观的指标权重。在分析中，当数据越分散时，熵值越小，则该数据包含信息越多，因此权重越大。

具体计算方法如下：

第一步是确定评价对象，建立评价指标体系，构造n行m 列的水平矩阵R′，R′的元素记为；

第二步是对评价矩阵进行标准化处理得到矩阵R，R的元素为rij；

第三步：计算每个指标的熵值Hj；

第四步：计算第j 个指标的熵权Wj；

1.3.2 RSR 法 具体计算步骤如下：

①编秩。编秩是根据每一个具体的评价指标按其指标值的大小进行排序，得到秩次矩阵R′′，用秩次R′′代替原指标值。编秩方法有整秩法和非整秩法。本文采用整秩法进行编秩。②计算秩和比RSR 值。在一个n 行m 列的秩矩阵R′′中，在本文中评价指标的权重不同，计算加权秩和比。③绘制秩和比WRSR 分布表。将WRSR 值按照顺序排列，计算各组的频数及累计频数，确定各组WRSR 的秩次RR 及平均秩次，计算向下的累计频率，最后一项用（1-1/4n）*100%修正。根据累计频率，查询“百分数与概率单位对照表”即可得到概率单位，在Python 编程中使用正态分布的scipy.stats.norm.isf 方法计算出概率单位（Probit），语句如下：Distribution['Probit']=5-norm.isf(Distribution.iloc[:,-1])。④回归分析与分档。在上一步得到Probit 值之后，将其作为自变量X，将WRSR 分布值作为因变量Y，生成回归模型WRSR，并根据回归模型生成Probit 的WRSR 的拟合值WRSR-Reg，并根据拟合值WRSR-Reg 和分档标准，对样本进行最终的分档排序。

2 处理与结果

2.1 熵权法确定的指标权重

经熵权法计算，各指标的权重如表1 所示。在11 项指标中，后4 项指标，即按总产值计算劳动生产率、房屋建筑面积竣工率、产值利润率及产值利税率相较于其他7 项指标由于数值过于偏小，指标的权重也非常小。

表1 不同登记类型建筑业企业经济指标权重表

2.2 不同登记类型企业的WRSR 值及概率单位值Probit

按照前面所述的计算方法进行Python 编程，计算不同登记类型建筑业企业的WRSR 值及概率单位值Probit，其结果如表2 所示。

表2 不同登记类型建筑业企业经济指标权WRSR 及Probit 值

2.3 回归方程建立

以概率单位值Probit 为自变量，加权秩和比WRSR 为因变量， 建立线性回归方程，WRSR =-1.1675 +0.3962Probit。经回归方程检验，R 方的值为0.959，接近于1，表明回归模型用于评估预测值和实际值的符合程度好；回归方程显著性检验F 统计值达到371.7，表明该模型构成因变量的线性组合是有效的。常数项与Probit 的系统项显著性检验t 值分别为-10.931、19.280，其概率值均为0，均小于0.05，说明回归方程显著具有统计意义。

2.4 分档与排序

根据各分位档对应的概论单位Probit 值，按照回归方程计算拟合值WRSR-Reg，根据田凤调教授推荐的合理分档标准[11]，将分档数确定为3 档，其差、中、优的百分数为分别为P15.866以下、P15.866-P84.134之间及P84.134以上，其对应的概率单位Y 值分别为4 以下、4-6 及6 以上，因此使用以下Python 语句对样本进行分档：threshold=np.polyval（r0，[2，4，6，8]），其中r0 为多元回归的系数，并按照[2，4，6，8]计算差、中、优的WRSR-Reg 值。R_result['Level']=pd.cut（R_result['WRSR']，threshold，labels=range（len（threshold）-1，0，-1）），按照上步计算的WRSR-Reg 值对每个样本的WRSR 值进行分档，分档的标记为1，2，3，其中，1 取值为优，2 取值为中，3 取值为差，不同登记类型建筑业企业经济效益综合评价及分档结果如表3 所示。

表3 不同登记类型建筑业企业经济效益综合评价及分档结果

3 讨论

根据上面的分析，不同登记类型建筑业企业经济效益综合评价及分档结果显示，2021、2020、2019 三年国有建筑企业的综合评价为优，2021、2020 年港澳台商独资建筑业企业综合评价为差，其他企业的2021-2019 年综合评价均为中。以2021 年为例，从房屋建筑面积竣工率、产值利润率和产值利税率3 个指标来看，港澳台独资企业较其他5 类建筑业企业都要优秀，国有建筑企业是港澳台独资企业的0.98、0.42 和0.51 倍，是劣于后者的。但是，其他的8项指标中除按总产值计算劳动生产率指标为后者的1.27倍外，国有建筑企业最多是后者的265.96 倍，最少也是后者的92.78 倍。另外，WRSR 排名13 位外商独资企业相较于港澳台独资企业，除利润总额、产值利润率、产值利税率分别是后者的0.83、0.15、0.43 倍外，其他8 项指标中有2项指标是后者的1.38、2.65 倍，有3 项指标是后者的4-6 倍，有2 项指标是后者的9-10 倍。综上所述，国有建筑企业和外商独资企业是优于港澳台独资企业的，其他的15 类登记主体情况类似于国有建筑企业和外商独资企业，因此采用RSR 对不同登记主体建筑企业进行经济效益综合评价是科学有效的。

前文中把从业人员、固定资产原价两个指标作为效益型指标参与了综合评价，这是否合理？于是，把从业人员、固定资产原价不作为指标，或者说将这2 项指标删除，其他的处理方法不变，得到WRSR 值的排序及分类结果前后没有任何变化，因此，可以证明把从业人员、固定资产原价作为效益型指标是合理可行的。

前文中把概率单位Y 按照[2，4，6，8] 分为三档，其结果（即分档及登记主体企业数）为：一档（优）有3 个，二档（中）有13 个，三档（差）有2 个；若概率单位Y 按照[2，3.5，6.5，8]分为四档，其结果为：一档（最优）有2 个，二档（次优）有15 个，三档（较差）有1个，四档（最差） 有0 个；若概率单位Y 按照[2，3.2，4.4，5.6，6.8，8] 分为五档对数据进行处理，其结果为：一档（最优）有1 个，二档（次优）有4 个，三档（中）有9个，四档（较差）有4 个，五档（最差）有0 个。在以上三档、四档及五档三种分档方式中，三档分法确保每档都有相应的登记建筑业企业，四档、五档分法中最差分档没有相应的登记建筑业企业，说明从数据的内在逻辑上讲分为三档是更科学与合理的。

因此，基于Python，采用RSR 法对不同登记类型建筑业企业进行经济效益综合评价，其方法科学，结果可靠有效。