基于主成分分析的高校固定资产管理绩效评价研究

付睿

摘要：在数据海量、分布广泛、种类较多的固定资产管理大数据环境下，如何建立科学有效的资产绩效评价面临着巨大的挑战，因此固定资产管理的绩效评价成为当前我国高校重点研究的问题。本文以不同地区不同性质的高校为研究对象，采用主成分分析方法，通过分析评价体系指标、样本及指标选取、进行KMO和Bartlett球形检验、计算相关系数和特征值、贡献率及指标权重来构建高校固定资产管理绩效评价模型，最后对选取的高校进行实例分析，得出其综合得分和排名。本文采取主成分分析对高校固定资产管理的绩效评价方法进行研究，从而优化高校固定资产管理。

关键词：高校;固定资产管理;绩效评价;主成分分析

中图分类号：TP315 文献标识码：A

文章编号：1009-3044（2019）29-0224-03

1概述

十八大以来，我国教育事业快速发展，国家对教育经费的持续投入使得各高校的规模迅速扩大、教学设施不断完善。然而随着越来越多的资产被引入高校，固定资产管理逐渐成为值得我们关注的问题。目前各高校的固定资产具有种类较多、数值较大、分布廣泛等特点。以武汉软件工程职业学院为例，我校分为光谷校区和汉口校区。截至2018年12月，我校固定资产总值已超过7.53亿元，总数量超过76.55万件，实验实训室多达200余间。在数据海量、分布广泛、种类较多的固定资产管理大数据环境下，资产管理部门面临着如何建立有效的固定资产绩效评价从而优化资产配置与提高资产利用率的挑战，因此固定资产管理的绩效评价成为当前我国高校重点研究的问题。由于影响高校的固定资产管理绩效综合评价的因素指标较多，如固定资产增长率，固定资产利用率、固定资产处置率、人均净资产总额等，并且指标之间均相互存在关联，因此对高校的固定资产进行客观准确的综合评价存在一定的复杂性。

通常我们对多元指标进行综合评价方法包括层次分析法、主成分分析、模糊评价法等。目前在固定资产管理研究领域普遍使用层次分析法进行绩效评价体系的构建。层次分析法的特点是可以简单地将综合指标定量化，但该方法数据统计量大且权重难以科学确定，因此缺乏客观性和准确性。相较于层次分析法，主成分分析法存在明显优势：一是消除了原始指标之间的影响，计算结果更加客观准确;二是通过降维既简化了原始指标体系，又尽可能保留原始指标的特性和信息量;三是在对原始指标变换为主成分的过程中，能计算得出包含信息量的权重。但主成分分析法尚未应用于高校固定资产管理，本课题研究的主要目标是采取主成分分析法对高校固定资产管理的绩效评价方法进行研究，从而优化高校固定资产管理。

2评价体系指标

根据指标的重要性、必要性和完整性等原则，兼顾每年指标数值的连续性和指标间信息不重叠，从固定资产保值能力、固定资产使用运行效益、固定资产管理水平三个层面选取了14个指标建立高校固定资产管理绩效评价体系，以反映高校固定资产管理水平。具体如下：

2.1固定资产保值能力

指标1：固定资产占比=平均固定资产总额/平均资产总额

指标2：教学用固定资产比率=平均教学用固定资产总额/平均固定资产总额

指标3：行政用固定资产比率=平均行政用固定资产总额/平均固定资产总额

指标4：图书资料占固定资产比率=平均图书资产总额，平均固定资产总额

高校作为教学科研活动的重要场所，教学用资产、图书资料占比反映了高校对教学科研的投入程度。

指标5：固定资产增长率=本年新增固定资产额/年初固定资产总额.该指标反映了高校教学科研的具备优良的硬件条件。一般规模较大的高校，固定资产增长率较高。

2.2固定资产使用运行效益

指标6：生均仪器设备数量=年平均仪器设备数量/年平均在校生人数

指标7：生均固定资产总值=年固定资产总额/年平均在校生人数

生均指标主要反映了每个学生所占有的固定资产的情况，会影响高校教学质量的评估，是高校固定资产使用效益的重要指标。

指标8：仪器设备利用率=年实际使用机时/额定年度使用时数

指标9：可用固定资产率=在用固定资产完好数/账面全部固定资产数

目前高校存在仪器设备闲置、提前报废或者利用率不高的情况，固定资产管理应提高利用率，以免造成资源浪费。可用固定资产率反映了高校固定资产的利用程度。

指标10：固定资产维护成本比=当年维护固定资产支出总额，平均固定资产总额

指标11：固定资产报废率=已报废固定资产/固定资产总值

以上11个指标属于定量指标，可通过收集各高校的历史数据根据各计算公式得出各指标数据。

2.3固定资产管理水平

指标12：管理制度建设。管理制度建设指是否有健全的资产管理制度、管理机构指责是否明确等。

指标13：机构与人员配置。机构与人员配置指组织架构是否合理、人员配备是否齐全等。

指标14：信息化程度。信息化程度指是否采用信息技术来有效提高管理效率等。

加强固定资产管理水平，需要完善相关规章制度和人员配置，利用信息化技术加强科学管控。这3项是定性指标，可定性处理来获取指标数据，比如采取专家打分制。

3高校固定资产管理绩效评价体系的建立

3.1方法介绍

主成分分析（Principal Component Analysis，PCA）是多元指标综合评价的重要方法之一，PCA的思想是将n维特征映射到k维上（k

3.2基于主成分分析建立评价模型

3.2.1样本及指标选取

获取高校固定资产管理指标的大数据信息有多种途径，可通过高校构建的综合固定资产管理系统、教学仪器设备管理平台和湖北省行政事业单位国有资产系统等平台，获取固定资产管理绩效评价相关数据。也可从各高校官网的“学院概况”“信息公开”等模块，下载各高校资产数据相关的年度决算报告，获取较完整的历史数据。也可从各高校财务处或者资产管理处研究人员的研究论文或者报告收集相对应的指标数据。

本文共收集获取了30所不同地区不同性质的高校，包括教育部直属高校10所、普通本科院校10所、高職高专10所。选取的指标为第2节中的14个指标：固定资产占比X1、教学用固定资产比率X2、行政用固定资产比率X3、图书资料占固定资产比率X4、固定资产增长率X5、生均仪器设备数量X6、生均固定资产总值X7、仪器设备利用率X4、可用固定资产率X9、固定资产维护成本比x10固定资产报废率X11、管理制度建设x12机构与人员配置X13、信息化程度X14。

3.2.2进行KMO和Bartlett球形检验

KM0（Kaiser-Meyer-01kin）检验统计量是用于比较变量间简单相关系数和偏相关系数的指标。若KM0值<0.6，则不适合作主成分分析。Bartlett球形检验用于检验相关矩阵是否为单位阵，若检验值<0.01，则适合作主成分分析。用SPSS对数据进行KMO和Bartlett球形检验。由图1可看出，KMO值为0.641>0.6，Bartlett球形检验值为0.02<0.01，说明固定资产管理各绩效评价指标之间有共同因素存在，即存在相关性，故本研究数据适合进行主成分分析。

3.2.3计算相关系数和特征值、贡献率

首先对原始数据进行标准化处理（即中心化和方差归一化），然后计算各指标的两两相关系数，得出相关系统矩阵R，再求出R矩阵的全部特征值和方差贡献率、累计方差贡献率，最后确定提取出的主成分。通常按照特征值>1并且累计贡献率>80%来确定选择前4个主成分，这样对信息的损失度较小，并且前4个主成分能够较完整地反映原始指标数据的基本情况。以下图2和图3是利用SPSS软件进行主成分分析的结果。

图2中旋转载荷平方和的第一列表示各主成分的特征值，第一主成分F1的特征值为3.938，第二主成分F2的特征值为3.457，第三主成分F3的特征值为2.593，第四主成分F4的特征值为1.282。第二列“方差百分百”表示各主成分的方差贡献率，可看作是不同主成分的权重，其中第一主成分F1的方差贡献率为28.129%，第二主成分F2的方差贡献率为24.694%，第三主成分F3的方差贡献率为18.524%，第四主成分F4的方差贡献率为9.156%。

从图2中可以看出前4个主成分对应的特征值均>1并且累计方差贡献率为80.504%，前4个主成分基本能够反映代替原14个指标，基本具有代表高校固定资产管理绩效评价内容信息，因此提取前4个主成分对数据进行分析。

从图3可知，信息化程度、机构与人员配置、管理制度建设和管理制度建设在第一主成分F1具有较高的载荷，均呈正相关关系，第一主成分反映了高校的资产管理水平。生均设备数量和图书资料占固定资产比率在第二主成分F2的载荷较大。可用固定资产率和固定资产占比在第三主成分F3的载荷较大。教学用固定资产比率在第四主成分F4的载荷较大。

3.2.4计算指标权重构建综合得分评价模型

第1步先用图3旋转后的成分矩阵的数据除以图2旋转载荷各主成分特征值的平方根，得到4个主成分中每个指标所对应的系数。见表l主成分与各标准化指标的系数关系。

第2步根据4个主成分的贡献率，可得出综合评价的得分F，即：

F=28.129F1+24.694F2+18.524F3+9.156F4

第3步将各主成分与指标的系数乘以对应的方差贡献率再除以4个主成分累计方差贡献率80.504做加权平均，比如：

其中每个指标前所对应的系数即每个指标的权重。权重越大则该指标的重要性越高，对整体的影响越高。此模型中固定资产增长率（权重29.4%），固定资产比率（权重22%），可用固定资产率（权重18.4%），机构与人员配置（权重17.7%），管理制度建设（权重16.5%），信息化程度（权重16.2%）对高校固定资产管理绩效评价具有较为重要的影响，其他指标影响次之。

3.2.5综合评价得分和排名

按照评价模型计算出各高校4个主成分的得分、综合得分及排名，表2列举了排名前十的高校。

高校固定资产管理绩效评价的综合得分为正数和负数，都属于正常情况，不影响排名。因为在进行主成分分析时，对原始数据做了标准化处理，把各个管理绩效评价指标的平均水平当作0来处理。某些高校的综合得分为正数表示其超过了总体的平均水平，某些高校的综合得分为负数，表示其低于总体的平均水平。

4结论

高校固定资产管理的绩效评价模型的构建，有利于各高校对自身的运行和管理进行科学的度量，从而优化固定资产管理。各高校的固定资产管理的绩效评价指标繁多，教育理念各有不同，采取主成分分析法简化原始指标体系的同时，尽可能保留原始指标的特性和信息量，科学计算出权重，使得综合评价得分和排名更加客观准确。采取主成分分析法对高校固定资产管理的绩效评价方法进行研究，有利于高校对自身的优势和劣势进行全面了解和科学调整，促使高校全方位的健康发展。