新能源企业价值创造的EVA评价有效性研究

曾繁荣++李晋杰

【摘 要】 针对我国新能源上市公司价值创造能力评价方法展开实证研究，引入EVA视角，并将EVA指标与六种传统的企业价值评价指标相比较，进而检验EVA评价体系的有效性。文中选取了我国104家新能源上市公司的数据，研究发现EVA评价体系对于我国新能源上市公司的价值创造能力衡量具有良好的效果，这一结论为EVA价值评价理念在我国新能源领域的进一步推广应用打下了坚实的基础。

【关键词】 新能源； 价值创造能力； EVA

【中图分类号】 F275 【文献标识码】 A 【文章编号】 1004-5937（2016）16-0045-03

引 言

《中共中央 国务院关于加快推进生态文明建设的意见》明确提出要加强开展能源节约、资源循环利用、新能源开发、污染治理、生态修复等领域关键技术攻关，在基础研究和前沿技术研发方面取得突破。另外还特别强调要加快核电、风电、太阳能光伏发电等新材料、新装备的研发和推广。这一文件的出台，势必会促进我国新能源领域的大步发展，所以，针对我国新能源领域内企业的特点，研究其价值创造能力的评价方法具有很强的现实意义。早在2009年12月28日，国务院国资委就发布了《中央企业负责人经营业绩考核暂行办法》，该暂行办法引入了经济增加值指标对中央企业进行业绩考核，并明确了经济增加值的计算规则。这一考核办法出台以来，各方学者对于EVA评价体系应用于我国央企经营业绩考核的有效性进行了一定程度的研究，成果颇丰。本文旨在将EVA评价体系的应用拓展到我国新能源公司价值创造能力评价方面，并对其有效性进行检验。

一、理论基础和研究假设

1982年，斯特恩—斯图尔特公司对“剩余收益”等早期的经济利润指标进行改造和完善，并冠之以“经济增加值”这样一个新的名称。自从2001年EVA被引入我国以来，研究EVA指标在评价企业价值创造能力方面有效性的文献还比较少。王国顺和彭宏[1]在2004年对我国沪深两市的1 051家上市公司进行实证研究后得出结论：在我国证券市场，以EVA指标衡量上市公司的绩效是有限可行的，但在具体结合分析上市公司的实际经营状况，剔除虚报和水分后，该业绩度量方法比较有效，值得推荐。李洪和张德明[2]等在2006年针对我国454家沪市A股上市公司进行实证研究后表明：EVA、EPE和EPA指标对于衡量公司绩效是有效的。赵岩和陈金龙[3]在针对2010年EVA考核排名前30的央企进行实证研究后得出：EVA与传统财务绩效评价指标在评价央企经营业绩时，在绝对有效性上，评价结果表现出较大的差异性；在相对有效性上，评价结果具有一致性。另外，关于EVA指标的有用性研究，一些学者认为，EVA不论是相对信息含量还是增量信息含量都明显好于传统会计指标，如Stern（1995）、汤谷良和林长泉（2003）、胡玉明（2008）[4]。纵观前人研究结果不难发现，EVA计算调整的主观性较大是限制其推广应用的重要原因之一，但是反过来思考，如果能针对特定行业提出契合其行业特点的EVA计算调整方法的话，就能将这一价值指标的劣势转化为优势。所以，本文从EVA系列指标在评价我国新能源上市公司价值创造能力方面的绝对有效性、相对有效性以及EVA与传统指标的内在一致性方面展开实证研究，在已有研究成果的基础上拟提出假设1—假设4。

假设1：新能源公司EVA评价指标与六种传统指标存在显著正相关关系，说明EVA评价体系在评价新能源公司价值创造能力方面具有绝对有效性。

假设2：新能源公司EVA、EPA、EPE的排名情况与六种传统指标的排名情况显著相关，说明EVA评价体系在评价新能源公司价值创造能力方面具有相对有效性。

假设3：运用EVA与运用传统指标在评价我国新能源公司价值创造能力方面具有内在一致性。这一点也从另一个侧面说明了将EVA价值评价体系运用于评价新能源公司价值创造能力方面的科学性和有效性。

假设4：运用EPA相对指标比运用EVA绝对指标在评价我国新能源公司价值创造能力方面更具有优越性。

二、研究设计

（一）样本选择与数据来源

本文所用的数据均是选自WIND数据库和国泰安数据库，由于EVA的调整和计算过程不是文章研究的重点，所以不在此赘述。样本中的104家上市公司主要集中于核能核电、太阳能发电和风能发电领域，对于新能源行业有极好的代表性。本文选取了上述各公司2014年年度数据，为了消除异常数据对于研究结果的不利影响和保证所选数据的有效性，剔除了财务数据不全或无法获取的公司和ST、*ST公司，最终得到80家公司数据。

（二）变量选取与初步分析

本文选取EVA体系指标与传统的企业价值创造能力评价指标为研究变量。传统指标主要包括：主营业务利润率（OPE）、净资产收益率（ROE）、每股收益（EPS）、总资产净利率（ROI）、总资产报酬率（ROA）和销售净利率（NPM）。EVA评价体系指标主要包括：经济增加值（EVA）、单位资产实现的经济增加值（EPA）和单位净资产实现的经济增加值（EPE）。上述各指标计算公式如下：

主营业务利润率（OPE）=主营业务利润/主营业务收入×100%

净资产收益率（ROE）=净利润/（年初净资产+年末净资产）/2×100%

每股收益（EPS）=净利润/（年初总股数+年末总股数）/2×100%

总资产净利润（ROI）=净利润/（年初总资产+年末总资产）/2×100%

总资产报酬率（ROA）=净利润/（期初总资产+期末总资产）/2×100%

销售净利率（NPM）=净利润/营业收入×100%

经济增加值（EVA）=税后净营业利润-全部资本成本

单位资产实现的经济增加值（EPA）=EVA/（年初总资产+年末总资产）/2

单位净资产实现的经济增加值（EPE）=EVA/（年初净资产+年末净资产）/2

考虑到六个传统的价值创造能力评价指标均是基于营业利润计算出来的，这一点和EVA指标的计算基础相似，所以选用SPSS 20.0进行相关分析来研究变量之间关系的密切程度。但是企业的EVA值属于量纲数据，而六个传统指标属于无量纲数据，两者直接进行相关分析会造成结果的不准确，在此基础上考虑到我国新能源上市公司在企业规模方面参差不齐，为了消除上述两方面对于分析结果的不利影响，本文只研究EPA、EPE和其他六个传统指标之间的相关性。结果显示：EPA与OPE的相关系数检验的t统计量的显著性概率为0.017<0.05，所以在0.05的显著性水平上拒绝零假设，说明EPA与OPE有显著的相关关系；同样的，EPA与ROE、EPS、ROI、ROA、NPM之间的相关系数检验的t统计量的显著性概率均为0.000<0.01，说明EPA与另外五个传统指标也有非常显著的相关关系。EPE的分析结果与EPA类似，所以在此不再赘述。以上结果说明EPA和EPE在评价我国新能源上市公司价值创造能力方面具有绝对有效性，从而验证了假设一，同时也给接下来的一系列分析打下了坚实的基础。

上述相关分析还反映出一个现象，就是六种传统价值创造能力评价指标之间有显著的正相关关系。为了简化问题，可以运用主成分分析方法从这六个指标中提炼出若干综合性指标，以此来反映原来六个指标所表示的主要信息，为下一步的回归分析做好准备。分别用变量X1、X2、X3、X4、X5和X6代表主营业务利润率（OPE）、净资产收益率（ROE）、每股收益（EPS）、总资产净利率（ROI）、总资产报酬率（ROA）和销售净利率（NPM）。 KMO测度和巴特利特球体检验结果显示KMO值为0.792，巴特利特球体检验的卡方统计值的显著性概率是0.000，小于0.01，说明数据具有相关性，适合做主成分分析。另外，从特征根和方差贡献表中可以看出前两个变量已经解释了原来六个变量90.361%的方差。最终，根据得出的旋转前的因子负荷矩阵计算出特征向量矩阵，得到主成分的表达式：

Y1=0.38X1+0.62X2+0.57X3+0.64X4+0.62X5+0.55X6

Y2=0.51X1-0.07X2-0.25X3-0.12X4-0.13X5+0.27X6

通过以上对于六种传统指标的主成分分析，得出了两个新的主成分变量，这两个主成分变量已经涵盖了原来六个传统财务指标超过90%的信息，并且相互独立不存在共线性问题，遂可以在多元回归分析中当作自变量使用。这两个主成分变量由原始变量的线性组合构成，进一步分析六个原始变量在两个主成分上的载荷区别可以发现，第一主成分Y1主要由净资产收益率（ROE）、每股收益（EPS）、总资产净利率（ROI）、总资产报酬率（ROA）和销售净利率（NPM）决定，而第二主成分Y2主要由主营业务利润率（OPE）决定。在此基础上，分别以Y1和Y2的方差贡献率为基础设定权重，得出一个更为综合的企业价值创造评价指标，表达式如下：

Y3=0.817Y1+0.183Y2

（三）关于排名的距离分析

本文将每一家样本公司在总样本内的EVA指标的排名和六个传统指标的排名运用距离分析法，探究两类指标在评价新能源企业价值创造能力方面的相似性，从而为假设二的验证提供支持。在此，主要考察EVA、EPA、EPE和Y3的排序距离分析，结果显示样本企业的EVA、EPA、EPE和Y3的排名具有一定的相似性，但并不是非常显著，同时发现EPA和EPE排名与Y3排名的相似度较EVA排名与Y3排名的相似度更高，所以下文主要基于EPA和EPE进行回归分析。

（四）建立回归模型

在上文初步分析的基础上，为了进一步验证新能源公司价值创造能力EVA评价的绝对有效性及其与传统评价指标的内在一致性，拟建立下列两个多元线性回归模型：

EPE=α1+α2×Y1+α3×Y2+ξ1 （1）

EPA=β1+β2×Y1+β3×Y2+ξ2 （2）

此外，为了验证EPA作为无量纲指标比单纯的EVA值在评价新能源公司价值创造能力方面更科学、更有效，拟建立如下两个一元线性回归模型：

Y3=γ1+γ2×EPA+ξ3 （3）

Y3=κ1+κ2×EVA+ξ4 （4）

其中α1、β1、γ1、和κ1是待估计参数（截距项），α2、α3、β2、β3、γ2和κ2是回归系数，ξ1、ξ2、ξ3和ξ4是随机干扰项。Y1和Y2是上文从六个传统指标中提炼出的两个主成分变量，Y3是由Y1和Y2的线性组合构成的一个更为综合的企业价值创造能力传统评价指标。

三、回归结果与分析

1.EPA对于新能源公司价值创造能力评价的效果优于单纯的EVA值的一元线性回归模型回归结果及分析。模型（3）和模型（4）的回归结果如表1和表2。

首先对比模型（3）和模型（4）的方差分析结果可以发现：模型（3）的Sig值为0.000<0.05，说明模型（3）在整体上是合理的，但模型（4）的Sig值为0.716>0.05，说明模型（4）在整体上不合理。然后对比表1和表2可以发现：表1中常量和回归系数项对应的Sig值均为0.000，说明γ1和γ2显著异于0，并且可以得出模型（3）的回归方程为：Y3=7.762+235.17×EPA；而表2中回归系数项对应的Sig值为0.716，说明模型（4）中的κ2与0无差异，表明模型（4）构造不合理。以上分析从更为直观精确的角度说明了EPA相对指标比EVA绝对指标在评价新能源公司价值创造能力方面更具有优越性，从而验证了假设4。

2.EVA相对指标在评价新能源公司价值创造能力方面具有绝对有效性，并且与传统评价指标之间具有内在一致性的多元线性回归模型逐步回归结果及分析。模型（1）和模型（2）的回归结果如表3和表4。

以上运用多元线性回归中的逐步回归法对于模型（1）和模型（2）进行了回归分析，两个模型修正后的R2分别为0.666和0.637，说明两个模型的拟合优度均很好。从两个模型的方差分析中可以看出，回归平方和随着逐步回归的进行均在不断增大，这说明逐步回归过程中模型的改进促使已解释变量越来越大；另外从两模型的方差分析中也可以看出模型的F统计值的显著性概率都小于0.01，说明两个模型的总体回归效果都是显著的。从表3和表4中可以看到两个模型逐步回归的过程中变量逐步增加的情况。从两个模型的所有解释变量的t检验情况来看，所有的解释变量的系数都在0.01的水平上显著异于0，说明Y1和Y2都可以作为解释变量存在于模型（1）和模型（2）中，分别用来解释EPA和EPE。这从另一个角度验证了假设1和假设3。两模型的最终方程式为：

EPE=-0.015+0.004×Y1-0.021×Y2 （5）

EPA=-0.007+0.002×Y1-0.009×Y2 （6）

四、结论与启示

本文针对EVA系列指标在我国新能源上市公司价值创造能力评价方面的有效性进行了实证研究，80个有效样本企业的数据均选自WIND数据库和国泰安数据库，经过上文分析得出如下结论：其一，EVA评价体系在评价新能源上市公司价值创造能力方面具有绝对有效性；其二，EVA评价体系在评价新能源上市公司价值创造能力方面的相对有效性有待进一步的验证；其三，EVA评价体系与传统评价指标在评价我国新能源上市公司价值创造能力方面具有内在一致性；其四，运用EPA相对指标比运用EVA绝对指标在评价我国新能源上市公司价值创造能力方面更具有优越性。

本文的研究成果为进一步完善我国新能源上市公司价值创造能力评价体系提供了参考思路。

【参考文献】

[1] 王国顺，彭宏.EVA方法有效性的实证研究[J].系统工程，2004（1）：95-99.

[2] 李洪，张德明，曹秀英，等.EVA绩效评价指标有效性的实证研究——基于454家沪市上市公司2004年度的数据[J].中国软科学，2006（10）：150-157.

[3] 赵岩，陈金龙.央企经营业绩的EVA评价有效性研究[J].宏观经济研究，2012（6）：92-99.

[4] 池国华，王志，杨金.EVA考核提升了企业价值吗？——来自中国国有上市公司的经验证据[J].会计研究，2013（11）：60-66.