长三角地区中小企业信用评价体系研究——基于AHP 算法

夏佳佳，马 静

（安徽商贸职业技术学院，安徽 芜湖 241002）

中小企业的发展是区域经济发展的重要组成部分，目前制约我国中小企业发展的主要原因仍然是融资渠道单一，究其原因，首先，中小企业交易市场中债务拖欠问题普遍存在，逐渐降低了企业自身的信用意识，因此打击了市场投资的积极性；其次，是对于商业银行而言，中小企业信用能力欠佳，商业银行一般会对中小企业信用给出较低的信用评级，从而造成商业银行对于中小企业贷款额度的缩减，最终造成贷款难贷款利率高的问题。因此，建立健全的长三角区域中小企业信用评价体系，一方面可以提升长三角区域内中小企业的信用意识；另一方面可以增强投资者的信心，对于降低中小企业融资成本，减少融资风险，解决“融资难融资贵”问题，提升中小企业信用能力，促进长三角区域经济稳定发展有着重要的现实意义。

目前，国内外学者就中小企业信用评价体系进行了一定的研究。Imad Bou-Hamad［1］利用随机森林和贝叶斯模型，考察了信用评价体系的准确率以及序数变量的重要程度。Jadbav［2］综合使用了信息增益法和封装法，其中对于信用等级划分运用的是信息增益法，而对于信用指标最优组合选择运用的是封装法，最后利用K 近邻模型计算得到最终信用等级。郭林等［3］针对企业客户提出了是否违约与不同违约损失相结合的创新指标筛选方法，利用3111 个企业数据进行了实证分析，最终将成本费用率等九个指标区别为不违约、低违约、高违约三类企业信用评价指标。丁振辉［4］从大数据角度出发，提出推进优质信用评级是解决融资难问题的重要因素，应当使得商业银行的评级模板更加适应大数据信息结构，还应当加强对非结构化数据的甄别和捕捉，从而更加全面地刻画企业信用状况。

本文在前人研究成果的基础上进行了一定的创新研究：首先，拓宽了中小信用评价体系范围，不再局限于某一个群体企业，创新了中小信用评价体系的考察维度，综合考虑了区域环境中如地理环境，自然资源等要素对中小企业信用状况的影响；其次，在信用评价体系的企业创新能力指标中，引入了更加权威指标，即专利的质量，指标评价不再单纯依靠专利数量，能够更准确地刻画中小企业信用状况。

1 层次分析法（AHP）

1.1 构建长三角区域中小企业信用评价体系

1.1.1 指标的选择

借鉴前辈学者的研究，选取企业主素质、偿债能力、盈利能力、营运能力、创新能力及区域差异［5］六个指标建立长三角区域中小企业信用评价体系。

1.1.2 指标体系构建

综合考虑上述影响因素，构建长三角区域中小企业信用评价体系，将整个评价系统分为三层：第一层是目标层A，信用状况；第二层是准则层B，是按照逻辑关系建立的与目标层相关的各指标，如企业主素质、偿债能力、盈利能力等；第三层是方案层，最底层C，它是通过再次分层得到的与准则层相关的各项指标，如年龄、教育水平、从业年限等［6］，构建出的信用状况指标体系（见表1）。

表1 长三角区域中小企业信用评价体系

1.2 构造两两比较判断矩阵

根据上文中长三角地区中小企业信用状况各项指标的层次结构模型，分别对同一层的各项指标进行两两比较确定权重构造出对应的判断矩阵。设定目标层为A，所关联的第二层指标层即准则层为B，最底层设定为C［7］。

1.3 计算各判断矩阵的权重

构建判断矩阵后需要对各层指标的权重进行计算，本文选择运用特征向量法来对指标权重进行计算确定［8］。

1.4 判断矩阵一致性检验

在层次分析法中，需要对判断矩阵的一致性进行检验。计算判断矩阵一致性指标CI（见公式1），后通过查表得到相应平均随机一致性指标RI，从而计算得到一致性比率CR（见公式2）。当求得CR＜0.1 时，则该判断矩阵一致性比率通过，反之CR ≥0.1 时，则该判断矩阵一致性比率不被接受，应当重新修正判断矩阵。

其中，λmax为最大特征值，n 为判断矩阵阶数。

1.5 组合一致性检验及目标总权重计算

在进行单排序一致性检验后，需要再对组合一致性进行检验，包括准则层、方案层及整个系统的一致性检验，计算公式（见式3），当CRt＜0.1 时，则该判断矩阵一致性比率通过，反之CRt≥0.1时，则该判断矩阵一致性比率不被接受，应当重新修正判断矩阵。

检验通过以后，再根据每一层的权重计算得到目标层总排序权重，如设C 层n 各指标对上层的单层排序权重为c1j、c2j…，cnj，（j=1，2，…，m），可以求得C 层总排序权重为:

2 层次分析法在长三角地区中小企业信用评价中的计算

2.1 各判断矩阵及指标权重计算

本文邀请了30 位相关领域专家学者进行问卷调查，通过运算得到各指标的权重系数，根据企业信用状况这一指标所建立的判断矩阵，求得其特征向量为：W=［0.0353，0.0688，0.1153，0.1321，0.3983，0.2502］T，最大特征根为λmax=6.5769，CI=0.1154，并通过公式（2）计算得到CR=0.0916＜0.1，所以A-B 判断矩阵具有满意的一致性，且准则层对目标层权重值分别为：0.0353，0.0688，0.1153，0.1321，0.3983，0.2502，运用相同方法可求得最底层对准则层的权重，计算结果如下：

根据企业主素质权重建立判断矩阵，求得对应权向量为W1=［0.0736，0.2476，0.1293，0.5495］T，最大特征根为λmax=4.1981，CI1=0.066，计算得到CR1=0.0742＜0.1，所以该判断矩阵具有满意的一致性；根据偿债能力权重这一指标建立判断矩阵，权向量为W2=［0.0864，0.1405，0.2994，0.4738］T，最大特征根为λmax=4.0649，CI2=0.066，计算得到CR2=0.0243＜0.1，因此该判断矩阵具有满意的一致性；根据盈利能力权重这一指标建立判断矩阵，权向量为W3=［0.1135，0.3103，0.0717，0.5045］T，最大特征根为λmax=4.0648，CI3=0.0216，计算得到CR3=0.0243＜0.1，因此该判断矩阵具有满意的一致性；根据营运能力权重这一指标建立判断矩阵，权向量为W4=［0.1307，0.4840，0.114，0.2713］T，最大特征根为λmax=4.1777，CI4=0.0592，计算得到CR4=0.0666＜0.1，因此，该判断矩阵具有满意的一致性；根据创新能力权重这一指标建立判断矩阵，权向量为W5=［0.0942，0.1404，0.2477，0.5177］T，最大特征根为λmax=4.1587，CI5=0.0592，计算得到CR5=0.0594＜0.1，因此该判断矩阵具有满意的一致性；根据区域差异权重这一指标建立判断矩阵，权向量为W6=［0.0851，0.2398，0.5232，0.1519］T，最大特征根为λmax=4.0593，CI6=0.0198，计算得到CR6=0.0222＜0.1，因此该判断矩阵具有满意的一致性。

2.2 准则层、最底层对目标层权值计算

由上述表中计算结果可以得到准则层及最底层各指标对目标层权重，见表2。

表2 准则层、最底层各指标对目标层权重

3 结论及建议

3.1 研究结论

由层次分析法（AHP）进行长三角地区中小企业信用状况指标的权重设计，构建了长三角地区中小企业信用评价体系［9］，由计算结果可以看出，在准则层中，创新能力、区域差异、营运能力及盈利能力占比较大，四项占比达到89.59%，这说明长三角地区中小企业的创新能力、区域差异、营运能力及盈利能力对企业信用状况影响较大。从区域角度来看，长三角地区之间数字化程度、GDP 等差异一方面造成了信用能力不同，另一方面也造成了信用意识的差别。在最底层中，专利级别和地区数字化程度所占权重最大，分别占比为20.62%、13.09%。这说明，专利级别较专利数量对于提升企业信用能力而言更为重要，地区数字化程度代表该地区企业数字化规模及状况，数字化程度越高则该地区中小企业利用数字化拓展业务及节省成本的比例越大，且数字化发展更利于该地区信用监管及信用体系建设。

3.2 指标体系应用建议

在该指标体系应用中，结合长三角地区中小企业现状提出以下几点信用状况提升建议：首先，协同创新提升区域数字化水平，促进中小企业信用能力及信用意识提升，大力发展长三角一体化建设，提升长三角区域系统创新能力和竞争能力，让区域内中小企业更具发展潜力，提升企业信用能力，增强企业信用意识。其次，促进区域内中小企业高质量发展。提升中小企业信用能力离不开中小企业自身高质量发展，即提升企业自身盈利及运营能力。最后，建立区域信用监管机制，打造区域信用一体化环境。为了实现长三角区域协同化发展，政府应当建立适应区域发展的信用监管机制，提供良好的区域信用环境，促进区域优质的信用环境建设。