林业企业经营绩效影响因素分析.doc

《林业企业经营绩效影响因素分析.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、林业企业经营绩效影响因素分析摘要：针对我国林业企业发展面临的现状，从林业企业生产运营状况、资金运作状况以及技术研发创新三个层面，选取14个二级指标作为探讨林业企业经营绩效关键影响因素的输入数据；并把每股收益、加权净资产收益率以及归属净利润同比增长率3个指标作为衡量林业企业经营绩效的输出层衡量指标；选取42家涉及林产品生产加工销售的上市公司，以其2018年相关数据作为分析样本，利用MLP神经网络模型进行分析后得到影响林业企业经营绩效的各个指标的重要性程度；并根据分析结果提出了林业企业为提升其绩效水平，应

2、当把重点放在对其产品市场的控制上的建议。关键词：林业企业；经营绩效；变量重要性；MLP神经网络1引言林业产业是我国国民经济重要构成部分，自20世纪80年代以来，我国林业产业就处于迅速发展阶段，2018年我国林业产业总产值为7.33万亿元，同比增长2.88%，林产品进出口贸易额达1600亿美元，各类经济林产品产量达1.57亿t，其中，木竹加工及产品制造业仍对林业产业的发展起着较大的贡献性作用。林业企业的共同努力是林业产业发展的重要原因之一，但是随着近来我国对林业产业的发展更加注重质量，林业企业对林产品的

3、开发和使用受到了一定程度限制[1]。从股市数据反映，多数涉林的上市公司近两年来经营效果不是很理想，净利润水平不高，甚至出现亏损。通过对我国A股市场上市的42家涉林企业的经营数据分析，挖掘对经营绩效产生影响的相关变量，量化目前对林业企业绩效产生影响的影响因素及其影响程度，以分析结论为指导总结可行性发展建议将会对林业企业，在面临生存发展受到挑战的瓶颈期取得经营绩效突破有着指导性意义。2企业的经营绩效影响因素分析4企业经营绩受多个相互作用且复杂的因素交叉影响[2-3]，不同类型的企业绩效关键性影响因素存在较

4、大差异：一般来说，加工制造型企业受其生产运作过程管理影响较大，涉及寻求突破的企业更加抓住科技创新带来的机遇，并且规模越大，资金的投入和使用对其影响效果越为明显，因此文章从林业企业生产运营、资金运转、研发创新三个层面，寻找可能够对其经营绩效产生影响、可以量化计算的二级指标。在经营绩效反应层面，以每股收益、加权净资产及归属净利润同比增长率为主要经营绩效衡量指标。2.1生产与运营。规模较大的林业企业会涉及林木产品的采购、运输、加工、仓储、销售，如果能够合理对从采购到销售的整体过程进行科学化管理，将会对其绩效

5、产生深远的根本性影响[4]。在生产运营层面涉及利润的营业收入A1、营业成本A2、毛利润A3是生产过程中的核心指标，存货周转率A4是其产品销售能力的反映指标，销售费用A5、管理费用A6是企业团队管理过程中投入。2.2资金运转与使用。资本的投入和管理对企业绩效有较大程度的影响，企业的规模越大，对资金的管理水平要求越高。资产负债率B1反映了企业的借入资本和总资本的比例结构；财务费用B2大部分由借入资本产生的利息构成；流动比率B3则反映了企业资金的流动性程度，流动比率越高，说明企业流动资产偿还流动负债的能力越

6、强，但是流动比率过高也反映了该企业的资金闲置成本过多；应收账款周转率B4则反映企业对赊销收入产生的应收账款管理能力，应收账款周转率高，既反映企业对应收账款管理能力较强，也反映了企业的销售业务较多，经营业绩良好。2.3研发创新能力。由于林业企业现实问题，其生产结构、加工手段、产品特质、企业的运作模式等各个方面都必须经历一定的创新，对产品的研发和升级是必不可少的生存条件，因此衡量林业企业的长期绩效，研发创新能力是必不可少的、需要纳入考虑因素[5]。一个企业的研发资金投入C1，研发人员数量C2、研发人员占总

7、人员的比重C3，以及企业形成的无形资产C4都能体现一个企业对研发创新的重视水平。3基于MLP模型的实证分析43.1数据来源。林业企业经营绩效影响因素的相关指标数据来源于各个企业2018年年度报报告的报告值，或者依据报告值为基础的计算值。选取标准为在我国A股市场上市，涉及林业、木材加工及木、竹、藤、棕、草制品业、家具制造业、造纸及纸制品业的全部42家企业。3.2MLP模型简述。MLP多层感知器人工神经网络包含m个隐藏层，计算时隐藏层和输出层的任一神经元的输入值均为前一层所有神经元输出值加权之和。即：yi

8、l=f(∑nj=1yjl-1wjil-1+bil)（1）其中：yil为第l层第i个神经元的输出值；yjl-1为l-1层第j个神经元的输出值；wjil-1为第l-1层第j个神经元的连接权值；n为第l-1层神经元的个数；bil为所求神经元的偏差值；f（—）为传递函数，其训练和学习过程如图1所示[6]。MLP提供了多个输入、多个输出的关系分析，并且能够通过隐含层复杂的训练和检验，将看似复杂无关联的数据很好地归类、量化，反映各个输入值对输出值的重要性程度，能够帮