引言与文献综述

习近平总书记在著作《之江新语》中提出，“‘信用浙江’的建设要以企业为主体，建立包括信用信息、信用评价、信用激励和失信惩罚机制在内的社会信用体系”，体现了信用评价对于企业乃至社会信用体系建设的重要性。企业的信用评价无论是在市场交易中识别对手的信用价值与风险，还是提高政府精细化的监管，亦或是提升企业自身管理能力，都是重要的手段和工具之一。在当今大数据的时代越来越多的公共信用信息被挖掘和共享，如何更好地利用公共信用信息评价企业的信用价值，是一个值得深入探讨的问题。

（一）企业信用评价技术的演进

企业信用评价的技术体系主要经历了三个阶段。第一阶段是经验判断阶段，根据“6C”“5P”及“LAPP”等财务要素信息以及评价人员的经验判断企业信用，该方法的缺点是评价的主观性太强。第二阶段主要是统计方法阶段。Altman提出的线性判别式模型和二次判别式模型的出发点都是依据违约企业的特征规律建立判别函数来预测新企业的信用风险。虽然二次判别式模型相对于多元判别分析法有改进，但还是面临着要求数据服从正态分布和等协方差的不足。龚玲玲、迟国泰、杜永强利用判别原理构建了小微企业信用评价指标体系，并证明了有效性。Ohlson利用Logit回归模型来计算企业的违约概率来判断信用类别，Altman和Sabato证明了该方法对数据的要求不高，评价的结果也优于多元判断模型。刘兢轶等根据因子分析Logit模型建立中小企业信用风险模型，预测的准确度较高。Zmijewski在违约与正常两类企业群体中选择较为明显的特征构建Probit模型预测了破产概率。刘丹、李战江、郑喜喜在对商业银行有信贷业务的小微企业进行信用指标组合筛选时，验证了Probit模型方法的有效性。第三阶段是人工智能方法阶段。计算机信息技术的蓬勃发展，推动了人工智能方法在企业信用评价中的使用。神经网络模型具有较强的泛化能力和较高的准确率，Odom和Sharda最早利用了神经网络模型来预测企业财务危机。随着人工智能方法的不断演进，定性变量和公共信用信息在企业信用评价中得到重视，于是多目标决策等方法也逐渐发展起来。

在企业信用评价方法的演进过程中，随着方法的复杂化，对于评价信息的要求也越来越高，多以企业财务信息为主，限制了在实践中的应用。与此同时，大数据技术的成熟应用，让公共信用信息的获取途径越来越便捷，获取成本越来越低，应用公共信用信息评价企业信用成为趋势。

（二）企业信用评价信息要素的变化

▍大数据技术使公共信用信息的使用成为可能

大数据概念（BigData）是由EMC（易安信）在2011年5月率先提出，之后迅速成为世界各国的共识。在中国大数据已经成为国家战略，党的十九大报告中更是强调了大数据、人工智能等技术要与实体经济进行深度融合。孙玥璠等认为大数据正不断地渗入各大行业，带来企业信用评价指标体系的重构。乔晗等利用大数据技术解决企业成长性评价信息不充分以及检验结果有效性的问题。总之，大数据使得公共信用信息的内涵得到丰富，催生了大量来源分散且口径不一致的非传统信用数据，给社会公共信用信息提出挑战的同时也带来了应用的价值和机遇。

▍公共信用信息可以弥补企业信用评价中信息不对称的短板

现代企业信用评价可以追溯到1890年约翰·穆迪提出债券风险管理体系。一直以来，学界与实践部门都比较青睐于大型企业信用评价，但其存在信息不对称和信息成本的根本问题，Stiglitz和Weiss的研究成果以及Myers和Majluf提出的POH理论就证实了这一点。

大数据时代公共信用信息的引入，对于解决企业信用评价中的信息难题有重要意义。很多学者如连镇殿等都提出了公共信用信息平台，是基于互联网和大数据技术将信用主体的各种数据进行归集、整理、交换、共享与应用，可以有效解决企业信用评价中信息不对称的问题。

▍公共信用信息在企业信用评价中的优势

在大数据技术的推动下公共信用信息将重构企业信用评价体系。一是，评价信息获取具有便捷性，纪崑认为，与传统信用评价的财务数据相比，大数据技术推动下的公共信用信息数据获取变得越来越便捷，而且信息获取的成本也越来越低；二是，评价结果具有全面性，陈小梅等学者认为公共信用信息能够共同还原企业的经营发展状况和信用能力；三是，评价效果具有可靠性，Lin等学者指出公共信用信息的完善为传统信用评级提供了更为先进的数据采集和数据分析手段，能够有效克服传统征信单指数测度的局限性。

（三）应用公共信用信息面临的问题

应用公共信用信息来构建企业信用评价有优势也面临许多问题。一是数据的完整性问题，公共信用信息共享机制还没有建立，特别是数据的跨系统、跨区域共享仍然存在障碍，苗燕认为不同功能部门的不同存储方式直接增加了数据管理工作量，使数据更难具有完整性；二是数据的法律保护问题，如果对公共信用信息共享问题不加以严格管理，极易被非法获取，将会严重影响信息主体的社会经济活动；三是数据应用的规范性问题，公共信用信息的分析显化与应用是需克服难题。武剑指出构建适合企业信用评估的体系才是决定大数据应用成败的关键，在公共信用信息背景下，为企业量身打造一个信用评价指标体系至关重要。

公共信用信息环境下的投标领域企业信用评价的构建

（一）理论分析

市场经济本质上是以契约为基础的信用经济。现代信用理论的奠基人马克思将信用定义为经济上的一种借贷关系，是以偿还为条件的价值单方面让渡。信用的这一定义从社会关系来看是一种有条件的信任，从经济关系来看是一种价值运动，是偿还条件下意愿与能力的综合体现。休谟、富兰克林等经济学家将信用不再局限于借贷领域，而是基于资产的履约能力与心理信任，极大拓展了信用的广度和深度。随着经济理论的不断发展，信用的内涵不断加深、外延不断拓展，但是市场经济条件下的信用本质依然是基于契约的履约意愿与履约能力。

招投标是一个履行契约的经济行为，从业务流程来看招投标具有排他性，一旦中标将其他竞争者排除在外，履约的意愿就显得特别重要。从业务目的来看招投标具有利益最大化的特性，在现有的条件下通过招投标行为来匹配最具能力的企业，即履约能力。因此，在招投标领域企业的信用集中表现在履约意愿和履约能力两个方面。首先，二者都是企业信用不可分割的组成部分。履约的意愿是企业信用的内涵，表现为企业的诚信度，属于道德的范畴。履约意愿具体反映在市场经济活动中企业遵章守纪和合法合规生产经营的基本意愿，既是企业赖以生存的基础，也是市场秩序的基本规则。履约能力是企业信用的外延，表现为企业的业务能力、经济实力及内部管理水平。其次，二者相互支撑相互联系。企业的履约意愿即诚信度，是企业在市场经济中生存与发展的基础，良好的诚信度容易获取市场的信任，从而有助于企业业务拓展和履约能力的提升。企业在发展壮大的过程中履约能力得以增强的同时，更加需要通过企业诚信度来获取社会信任，这也是企业应该履行的社会责任。

（二）设计思路

根据上述理论分析，将招投标领域企业信用评价指标体系设计为“履约意愿（诚信度）＋履约能力”双模块，考虑如下：其一，从信用理论的角度分析，履约意愿和履约能力都是企业信用不可分割的组成部分。履约意愿即企业诚信度，反映了企业在市场交易中守信意愿，揭示发生主观违约的可能性。履约能力则侧重于反映企业在市场经济环境中内部管理水平、业务能力和经济实力，集中体现了企业履行合同约定的能力和水平，因此二者综合反映了企业的信用水平。其二，从应用的角度分析，对履约意愿（诚信度）和履约能力的企业信用拆分测度更有实践的价值。履约意愿即企业诚信度的评价，量化了企业在市场环境中主观守信和自我约束的意愿，有助于企业精准发现问题从而加强内部管理，同时也为政府管理部门在市场准入、业务管理、预警等业务监管提供必要可靠的依据。履约能力的评价可以让市场交易双方能够清晰识别交易对手的业务能力和经济实力，让市场资源得到合理配置。其三，从企业发展的角度分析，诚信度是企业的基本素质和承担社会责任的具体表现，也是企业长期发展中追求的目标，与企业的履约能力有着高度的关联性。企业在发展过程中需要不断提升履约能力并内化为诚信度，是企业信用价值的真实体现。因此，本文利用投入产出模型来分析履约能力对企业诚信度的影响，也是以新的视角探究企业内部信用管理。基于此，本文构建“诚信度＋履约能力”的企业信用双模块评价体系有一定的现实意义和创新价值。

（三）企业信用评价指标体系及模型分析

▍“诚信度＋履约能力”双模块企业信用评价指标体系企业诚信度反映主体在市场经济活动中遵章守纪及合规经营的主观意愿，因此评价指标体系的构建中更多是利用企业在生产经营的行为数据和政府部门的监管信息来判断守信的可能性。招投标领域企业生产经营行为的数据包含了企业在参与招投标全流程（事前、事中和事后）各环节的业务信息，政府监管信息包含有市场监督管理局、税务局、环保局等多个政府部门的监管数据以及法院的审判信息等，具体构建的企业诚信度评价指标体系如表1所示。

履约能力是经济学的范畴，反映了企业在市场交易中履行合同的能力和经济实力，也是企业在招投标业务活动中信用的重要表现。围绕企业业务运营和项目管理水平构建履约能力指标体系，如表2所示。

 

表2中“固定资产原值”和“其中机械设备原值”两个指标的数据缺失较多。缺失值的填补方法有很多，本文选择用预测值来处理缺失值，不仅可以处理连续型变量缺失值，还可用于分类数据缺失值的填补，特别是针对只有一个未缺失值的极端情况下，也可填补其余缺失值。

▍“诚信度＋履约能力”双模块企业信用评价方法

（1）企业诚信度评价中的赋权方法

全局敏感度赋权方法的适用性分析。全局敏感度主要是全面反映输入变量的不确定性对于输出响应变量的影响程度。企业诚信度评价体系的赋权中选择用全局敏感度的方法，是基于评价指标体系和样本单位实际情况考虑的。首先，企业诚信度评价体系中指标较多且各个指标的相对重要程度很难准确度量。其次，样本企业数量过大，如果采用常规的客观赋权法，权重通常会受到样本量大小的影响，从而使评价结果出现逆序（增减样本使得评价结果反转）的不合理现象。选择全局敏感度赋权，通过度量各个指标对评价结果的影响来确定指标权重，可以很好地解决逆序问题。全局敏感度赋权的步骤：

（2）企业信用的投入产出分析法

企业信用投入产出的指标选择。诚信度从宏观层面直接影响营商环境和经济秩序，因此将诚信度作为企业信用的产出指标。企业的履约能力是经济层面的范畴是企业诚信度提升的重要经济保障，长期而言与诚信度具有一致性和依存性，可以看成是企业信用的投入指标。根据表2所示将反映企业履约能力目标层指标企业素质、项目管理、保障能力和运营能力等作为企业信用的投入指标。

模型（4）表示若纯技术效率和规模效率两者均为1，就意味着DEA有效；若两者中只有一方的值为1，说明实现了弱DEA有效；若两者均不为1，则说明非DEA有效。

DEA对于企业信用投入产出的模型方法适用性分析。DEA方法非常适合处理多变量海量数据，用于对企业信用投入产出的分析有着其他传统方法无法比拟的优势，具体而言如下：第一，DEA模型不需要事先假设指标权重，每一个投入产出指标的权重是由样本的实际数据自动给出各变量的最优权重，具有很强的客观性，可以避免主观因素的影响；第二，DEA模型适用于多因素投入产出效率的评价，尤其是企业信用影响因素复杂的情况，投入与产出指标之间并不是绝对独立的，可能存在某种内在联系，但DEA模型并不必考虑投入与产出指标的影响程度就可以进行计算；第三，在对企业的信用等级评价以及信用因素分析中，相比较于其他模型中的变量多为综合性变量，DEA模型将投入和产出变量指标独立分离开来，不仅给出效率评价结果来反映资源的利用情况，也可以从某种程度上反映变量之间的相关性。

公共信用信息应用下企业信用评价的实证分析

（一）公共信用信息环境下的企业诚信度评价

▍指标权重的确定

根据全局敏感度赋权的理论模型，将表1中评价指标的权重作为输入变量，得到第一个企业构成的线性函数：y1＝0.087611ω1＋0.000012ω2＋⋯＋0.979592ω31

同理可得其他企业的线性函数，进而计算出第一个企业的第一个指标权重的敏感度为0.000721，以及第一个企业的其他指标权重的敏感度，于是得到了各个企业在所有指标权重的敏感度。将某一个评价指标在所有企业表现的敏感度加总就是该指标权重的全局敏感度，最后通过归一化处理得到各个评价指标权重，计算结果如表3。

▍企业诚信度分析

根据“诚信度＝评价值×100”，可以计算出292家样本企业的诚信度综合评价值，表4展示诚信度排名前5和排名后5的企业。

从表4结果来看，企业之间的诚信度存在较大的差距，适合于对企业按照诚信度进行聚类分析，更有利于在实践中推进实施分级分类监管。

▍企业诚信度的聚类

（1）聚类方法的选择

由于企业诚信表现具有模糊性、复杂性和多样性的特征，选择优化目标函数硬聚类算法虽然能够清晰地对事物进行划分，但不允许模棱两可结果的出现，这与企业诚信表现特征不相符。而基于混合高斯模型的软聚类算法是一个较好的选择，其优点在于诚信度投影后的样本点不是一个确定的分类标记，而是每一分类的概率，进而利用概率大小进行分类。高斯混合模型聚类的结果只是表明了某企业归属于某个类别的可能性，因此还需要结合企业诚信度得分进一步分析。

（2）聚类的结果及分析

对292家样本企业依据表1的准则层指标形成样本集并进行聚类。但是无监督学习聚类中会存在未被观测到的隐变量，因此采用期望最大化算法来确定这些变量的最佳值，然后找到模型参数。具体聚类结果如表5所示。

表5的结果表明根据高斯混合模型将292家样本企业按诚信度分为了9类，可以将第9类中的7家企业认定为诚信未达标。在实际应用中政府监管部门把诚信未达标类别的企业列为市场禁入，因此本文在进一步的研究中将这7家企业予以剔除。将高斯混合模型聚类结果与企业诚信度得分结合分析，发现第9类的7家企业也是诚信度得分最低的，这也进一步证明了高斯混合模型在企业诚信度聚类时的可靠性，具体结果如表6所示。就高斯混合模型聚类方法而言，聚类的结果可能会存在偏误，其原因是高斯混合模型是软聚类方法，企业所属类别是按照最有可能的概率得到的。而由于在测算企业诚信度得分时，对准则层指标赋予权重来计算加权值，因此各类别中可能会有少数企业存在诚信度与聚类结果不一致的情况。

（二）基于投入与产出方法的企业信用价值分析

▍样本选取的说明和数据来源

起初共有292家企业作为研究对象，由于在企业诚信度的聚类分析中有7家企业处于第9类别，即诚信不达标类别，因此在企业信用的投入产出分析中剔除这7家诚信不达标的企业，将剩余的285家企业作为新的研究对象。在具体分析中，由于投入指标较多、指标间的计量单位不统一和DEA方法对选取指标单位的敏感等原因，先用主成分法构建同一投入指标下各变量的权重，以缩小指标间的差别。

▍模型应用及结果

由于DEA模型要求各项指标为正值，而在最终计算的投入指标数值中却存在0值，因此需要对数据进行归一化处理，使全部的数据分布在正值范围。采用DEAP2.1软件运算，得到285家样本企业的综合效率、纯技术效率和规模效率，如表8。

（1）综合效率分析

综合效率是反映企业在有限的资源条件下调动技术、管理、规模等资源达到最优状态以获取最大投入产出的重要指标之一。对样本企业的综合效率分析如表9。综合效率为1的企业有5家，占总体比例的2％，表明这些企业在现有的投入条件下，对企业诚信度效率输出达到最优水平。同时对比这5家企业的诚信度得分，排名都在前15名以内，也证明了企业信用投入产出的有效性。综合来看，这些企业在保持较高诚信度的同时，也具备了较强的运营、项目管理及其保障等履约能力。综合效率0.8以上的企业有48家，占总体比例的17％。而超过80％的企业综合效率低于0.8，说明企业普遍存在信用投入产出效率不足的问题，存在较大的改进空间。

（2）纯技术效率分析

纯技术效率反映了企业的管理和技术等因素对产出指标企业诚信度的影响，结果如表10。纯技术效率为1，说明了企业的运营能力和项目管理技术水平较高，投入的管理和技术等资源使用是有效率的。248家纯技术效率为1的企业中，纯技术效率总体情况优于综合效率，但结合表9的综合效率分析，只有5家达到综合效率最优状态，说明其余的243家企业业务运营管理水平较好，但规模效率小于1，在运营的规模上存在问题。

纯技术效率小于1，表示企业需要改善内部运营方式及项目管理水平。表10中有13％的企业同时出现运营管理不佳和运营规模规划不当对企业诚信度造成影响的情况。这些企业在实践中表现为企业的业务技术管理能力较弱，同时企业诚信度一般。

（3）规模效率分析

规模效率反映了企业的运营规模对产出指标的影响，具体结果见表11。企业规模效率中，只有60％以上的企业规模效率大于0.5，整体水平欠佳，而超过30％的企业规模效率小于0.5。在这些企业中表现为招投标业务规模在不断地扩展，但诚信度并没有随着业务规模的扩张而发生明显的改观，这种现象需引起监管的高度重视。

总结

本文构建“诚信度＋履约能力”双模块企业信用评价指标体系，不同于现行的企业信用一体化评价模式，既有创新性和优势，也有待于进一步深入研究。

（一）创新与优势

“诚信度＋履约能力”双模块的企业信用评价体系在实践中体现了应用的灵活性，每一个模块都有应用场景。企业诚信度的评价结果反映了企业在市场经济中遵章守纪的情况，为政府的业务监管提供决策依据；企业履约能力的评价结果反映了企业的业务能力及经济实力，可为交易对手在市场交易中提供决策信息；将企业诚信度与信用能力进行投入产出分析，可以进一步挖掘企业内部信用管理问题，有助于企业提升信用水平。

在企业诚信度的评价指标体系中，采用了大量的经营行为数据、第三方平台数据以及公共信用信息平台数据，使评价来源信息更为多元和丰富。除了采用传统评价方法中的财务数据外，更多地尝试使用业务管理数据，更好地反映企业信用潜力。

（二）研究展望

在构建企业信用评价指标体系时，有很多的公共信息如企业成立年限等与企业信用有相关关系，但不存在因果关系，这些信息没有纳入到企业信用评价指标体系中。但是这些公共信息对于企业信用评价的作用和价值需要进一步的研究。

本文以招投标领域的企业为研究对象构建了企业信用评价体系，充分考虑了招投标领域的业务特征、企业信用的特性以及企业公共信用信息的特点。该评价体系不具有普适性，但具有一定地参考性。

（作者：楼裕胜，浙江金融职业学院信息与互联网金融学院，刊发于《统计与信息论坛》第36卷第2期）

来源： 统计与信息论坛