多元线性回归模型在装备制造业资产管理评价中应用的探析

邢照洁　唐尧尧

【摘 要】本文在分析我国装备制造业资产管理不足的基础上，针对资产管理评价方面存在的问题，考虑其行业特点并结合杜邦财务分析体系选取评价其资产管理效率的财务指标，构建回归模型评价公司整体资产管理效水平，根据评价结果提出改进建议，促进公司更好地实现发展战略。

【关键词】装备制造业；资产管理评价；回归模型

装备制造业的发展受到我国的长期关注，但是装备制造业资产管理评价方面的研究比较少，资产管理是企业生产经营管理的主要内容，管理者要在思想上高度重视，积极完善相关制度。本文将通过研究杜邦财务分析体确定装备制造业资产管理评价指标，构建多元线性回归模型评价企业资产管理水平。系杜邦财务分析体系也可称作杜邦财务分析法，是美国杜邦公司提出的一种以净资产收益率为核心的财务分析方法。将偿债能力、资产营运能力、盈利能力通过相应理论支撑联系起来，并可以将关键指标分解，分析具体指标的变动情况，及时反馈并调整相关管理。可以用净资产收益率=销售净利率×总资产周转率×权益乘数反应各指标之间的关系。即三个因子为其三个影响因素。本文也将主要研究总资产周转率及各资产周转率，并通过其与净资产收益率的关系评价公司资产管理的效率。

多元线性回归模型是指因变量Y与多个自变量之间存在线性关系。假定因变量Y与多个自变量X1、X2、X3、X4……Xn之间具有线性关系，是因变量的多元线性函数，即多元回归模型为：Y=a1X1+a2X2+a3X3+a4X4+a5X5+a0。

其中，a1、a2、a3、a4、a5分别为自变量的系数，a0为随机误差。多元线性回归分析的过程是根据样本估计模型中的各个系数，对估计系数及回归方程进行检验，从而用建立的回归模型预测和分析相关数据。该模型包含多个自变量，多个自变量同时对被因变量Y产生作用。

变量的选择。建立多元线性回归模型需要合理的确定自变量和因变量，考虑到杜邦财务体系是经典的评价公司绩效的体系，所以本文对杜邦财务体系的因子进行分解，根据与资产相关的指标确定多元线性回归模型的自变量和因变量。

因变量：净资产收益率。为了反应资产管理效率，本文选择净资产收益率为因变量。自变量：应收账款周转率（次）、存货周转率（次）、流动资产周转率（次）、固定资产周转率（次）和非流动资产周转率（次）。由于本文旨在研究资产管理，因此自变量只选取了杜邦财务分析体系中与资产相关的主要指标。

样本的选择。研究样本选择装备制造业上市公司数据，通过国泰安数据库随机选取了700家装备制造业上市公司2011年的财务数据数据，计算出相应的自变量和因变量的值。多元回归模型建立。根据选取的自变量和因变量假设多元回归模型为：Y=a1X1+a2X2+a3X3+a4X4+a5X5+a0。

其中，a1、a2、a3、a4、a5分别为自变量的系数，a0为随机误差。利用Excll中多元回归数据分析模块对选择的样本进行分析，得到如下数据：

根据上表中的结果可以看出，变量X3（流动资产周转率）和X5（非流动资产周转率）能更好的反应因变量的变化情况，与这两个变量更能反应总资产周转率有关。回归模型为：

Y=0.000370X1-0.000601X2+0.018579X3-0.000464X4+

0.010714X5+0.063985

多元回归模型评价。将公司当年的各资产周转率带入回归方程，求出对应的净资产收益率，与公司当年实际净资产收益率进行对比，如果根据回归方程求出的净资产收益率高于公司当年实际值，说明公司资产管理效率低于行业平均水平。反之，说明公司资产管理效率高于行业平均水平。

多元回归模型评价的实例应用。通过国泰安数据库检索到A上市公司2011年的应收账款周转率为3.267947、存货周转率为2.277389、流动资产周转率为0.409505、固定资产周转率为6.345939、非流动资产周转率为2.901959。将数据带入回归模型：Y=0.000370X1-0.000601X2+0.018579X3-0.000464X4+0.010714X5+0.063985中，得到Y为0.099584，即净资产收益率为9.96%。而A上市公司2011年的实际净资产收益率为6.37%，说明该公司这几项指标的综合的效率好于行业平均值。

我国装备制造业公司资产管理管理水平不断在提高，本文在分析装备制造业资产管理评价方面存在问题的基础上，考虑其行业特点，结合杜邦财务分析体系选取评价指标，通过构建回归模型评价公司整体资产管理效水平，希望促进装备制造业公司资产管理管理水平不断提高，更好地实现公司发展战略。

参 考 文 献

[1]潘丽华，杨志胜.浅谈企业资产管理现状与对策[J].现代商业.

2010（12）

[2]中国注册会计师协会编.注册会计师财务管理教材[M].经济科学出版社，2009