成绩分析总结范文篇1

一、试卷结构

以我校科技学院人力资源管理专业2007级1班《人员测评理论与方法》期末考试试卷为例，参加考试人数38人，试卷共6大题。试卷结构如表1：

表1.试题分值分布表

表中q1是填空题；q2是选择题；q3是判断说明题；q4是名词解释；q5是简答题；q6是论述题。

二、试卷成绩数据的定义与录入

1．数据定义

在SPSS软件中，点击Variableview（变量视图）标签，在Name标题下定义：班级、学号、题1、题2、题3……题6、总分。在Type标题下定义各个项目的类型，其中班级、学号定义为String类型，长度为4，各题和总成绩均定义成Numeric类型，长度为5，小数点后长度为1，其余项使用默认即可。其中题号和总成绩均定义成Numeric（数字型）类型，长度为5，小数点后长度为0，其余项使用默认。

2．数据录入

数据录入可以直接输入，将窗口切换回数据视图，点击Dataview标签，按照定义变量的顺序将共计38份试卷的相应数据输入SPSS。数据录入也可以通过数据文件直接调入，先建立一个扩展名为txt的数据文件；再读入ASCII码数据文件并将其转换为SPSS格式。转换的操作步骤：按FileReadTextData顺序展开OpenFile对话框，指定前面已建立的扩展名为txt的数据文件并打开按钮，展开TextImportWizard对话框，分6步完成转换工作。其中，固定格式ASCII码数据的转换，要求根据变量所占列分配分隔线，其他使用默认。

三、考试成绩统计分析

1.考试成绩的基本描述性统计

对成绩进行描述性统计分析，包括频数分析、集中趋势分析和离散程度分析。其中，通过频数分析反映数据的整体分布概况；集中趋势分析，通过计算“总分”的平均值（Mean）、中位数（Median）和众数（Mode）等指标，反映考生成绩集中所在的分数段，代表考生的集体水平。而离散程度分析，通过计算“总分”的标准差（Std.Deviation）和全距，反映考生之间的差异。全距是最小值（Minimum）与最大值（Maximum）之间的绝对差。偏度（Skewness）和峰度（Kurtosis）用来描述数据分布是否对称，偏斜程度如何，分布陡缓程度等。操作如下。

在SPSS中单击：①执行AnalyzeDescriptiveStatisticsFrequencies，弹出Frequencies对话框，将需计算的“总分”和“各题”（题1、题2、题3……题6）变量移入Variables框中；②按Statistics按钮，弹出Fre-quenciesStatistics对话框，选上Mean，Std.deviation，Mini-mum，Maximum，Skewness，Kurtosis等指标；③按Charts按钮，弹出Frequencies：Charts对话框，选上His-tograms和Withnormalcurve，然后单击Continue按钮，再单击OK按钮，即可获得总分和各题的有关统计，以及成绩分布直方图，结果见表2图1。

表2“总分”一栏显示1班期末考试的总分中，众数=中位数＞均值，偏度值＜0呈左偏态分布状态；标准差为16.03，同学之间成绩差异很大，特别是最低成绩32分，使全班均分受到影响，低于中位数和众数，综合以上信息，以中位数和众数74分更能反映该班同学在这门学科中的整体水平。此外，表2显示峰度值接近于0，图1也表明全班成绩从60分开始基本上呈正态分布，说明1班期末成绩可以看成是正态分布，表明该试卷命题基本合理。试卷所反映的知识点全面，难易程度适中，学生对本门课程在知识结构和能力发展等方面已达到基本教学目标，但要重点关注和辅导55分以下的5个同学。

图1.200701班期末成绩频率数分布

2．考试成绩的等级比率统计

在进行试卷分析时，我们往往想知道各分数段的人数及所占比例。为此，可以先分组后统计。

首先，将百分制分数转换成5等级，即优秀（≥90分）、良好（80~89分）、中等（70~79分）、不及格（

接着，统计期末成绩的等级比率。操作如下：选择菜单AnalyzeDescriptiveStatisticsFrequencies中，选中“期末成绩等级”送入Variables，再单击OK按钮，即可得出表3。

表3.200701班期末成绩等级分布（N=38）

表3显示，学生较多集中在良（28.9%）、中（18.4%）和及格（18.4%）段，优和不及格段分布少（各占18.4%、15.9%），说明本卷试题难度适宜，绝大部分学生能在及格以上。

值得注意的是，若要按班进行试卷分析，则要首先划分数据，方法为：拆分文件，执行DataSpiltFile……，弹出SpiltFile对话框，选择OrganizeOutputbyGroups，将“班级”变量移入GroupsBasedon框中，然后单击图中OK按钮，即将文件按“班级”进行了拆分。然后按照上面的操作流程，得到按班完成的成绩分析表单和图形。

四、试卷质量分析

1.试题的难度分析

试题的难度是指全体考生对试题失分的统计量，公式为：P=1-X/W，其中：P为难度值，X为均分值，W为该题满分值。计算方法为：首先将窗口切换回数据视图，点击Dataview标签，将表1中的各题满分和表2中的各题平均值直接录入，并定义变量名“满分”和“均值”。然后，单击TransformCompute，在Numericexpression中输入公式1-Mean/W，在TargetVariable中输入难度系数，单击OK按钮，得到各个题的难度系数（见表4）。若要计算整个试卷的难度系数，只需要将各题的难度系数与各题的满分之积相加，再除以100即可（见表4）。

“本文中所涉及到的图表、公式、注解等请以PDF格式阅读”

本文为全文原貌未安装PDF浏览器用户请先下载安装原版全文

表4.各题难度系数、区分度和信度分析

一般认为，难度系数P值越大，试题难度越大，不及格的考生越多。试题的难度在0.3~0.5之间为宜，P>0.7为难题，P0.2，虽然比较恰当，但难度偏小，试题容易，提示应该适当增加难度，特别是判断说明题。

2.试题的区分度分析

区分度是指试题对考生实际水平的鉴别能力，将考生成绩优劣区别开来的统计量。在进行区分度分析时，常以考试总分作为被试的实际能力水平，而把被试在某题上的得分与总分之间的相关系数作为该题的区分度。区分度的计算方法很多，对于客观题来说，使用斯皮尔曼（Spearman）等级相关分析；对于主观题来说，看成是非等间距测度的连续变量，采用皮尔逊（Pearson）相关分析。这些分析在SPSS中都有相应菜单命令可选用。具体操作：单击AnalysisCorrelateBivariate，在弹出的对话框中选择各客观题号变量和总分进入Variables，在CorrelationCoefficients中单击Spearman，完成后即可得到客观题的区分度。主观题的区分度方法同上，只需选择主观题和总分字段进入，然后选择Pearson即可。若要计算整个试卷的区分度，只需要将各题的区分度与各题的满分之积相加，再除以100即可。本次考试的区分度结果见表4。教育理论认为，区分度D>0.4为优，D0.75，整个试卷的区分度为0.792，说明本卷区分度都很高，试题和试卷能区分学生之间的实际差异。结合前面难度偏小，试题容易，提示成绩比较低分的学生要加强课外学习，增强学习自觉性和行动力。

3.试题的信度分析

信度是反映试卷的题目得分一致性程度的统计量，表示考试的可靠性、稳定性，反映试卷或试卷测试结果是否代表考生的真实水平。其取值范围为0~1，其值越大，信度越高。对试卷信度大小的衡量通常用信度系数α来度量，此系数的估算方法很多，有重测法、等值法、克伦巴赫系数等。如果测验中包括有非0-1记分的题目，可选用克伦巴赫Alpha系数来计算一致性信度系数。做法是：在SPSS中单击AnalyzeScaleReliabilityAnalysis，在弹出的对话框中选择所有题目变量进入Item框中，在Model中选择Alpha模型，得到测试信度。本文中实例的信度Alpha=0.8351。一般来说，大规模标准化考试的信度应在0.9以上，学校教师自编考卷的信度应在0.6以上。可见，本自编测验的信度很高，本次测评成绩较真实地反映了该班学生的学习状况和水平。

4.试题的效度分析

效度是指测试的有效程度。常用的效度检验有内容效度分析、结构效度分析、关联效度分析、项目分数效度分析。试卷分析一般采用效标关联效度分析法，即首先寻求一种可靠的效标，然后求出测试结果与效标的相关系数，该相关系数则为效标关联效度。具体操作：首先将窗口切换回数据视图，点击Dataview标签，将“可靠的效标”录入，并定义变量名“平时成绩”。然后，单击AnalyzeCorrelateBivariate，选择“平时成绩”和“总分”进入表达式，然后在CorrelationCoefficients中单击Pearson。得出总分与平时成绩的相关系数为0.837。说明本次考试与平时成绩相关性较高，即平时成绩好的学生此次考试成绩亦较好，平时成绩差的学生此次考试成绩亦较差。

五、结论与建议

本次考试平均水平为74分（宜用中位数和众数表示），成绩分布基本符合正态分布；标准差为16.03，标准差值较大，说明学生个体之间存在较大的差异，这主要是由于此班的极少数学生上课不认真听讲，考试也不下功夫复习所致。因此，以后在教学中应当关注这类学生，调动他们的学习积极性，经常鼓励他们，从而达到提高他们成绩的目的。

在难度分析中，可知第3题判断说明题特别容易，其他各题和整个试卷的难度>0.2，虽然比较恰当，但难度偏小，试题容易，应该适当增加难度，特别是判断说明题；在区分度分析中，可知各题的区分度均>0.75，整个试卷的区分度为0.792，说明本卷区分度都很高，试题和试卷能区分学生之间的实际差异，所以本次测试的各题均有较好的区分作用；在信度分析中，可知信度为0.8351，此次考试的信度比较高；在效度分析中，可知本次测试的效标效度为0.837，说明本次考试与平时成绩相关性较高。

通过SPSS对试卷成绩的统计，可以知道学生个体的差异程度，比较客观地反映教师与学生“教”与“学”的水平与效果；通过对试卷质量进行分析，可以进一步筛选试题、修订试卷，将符合指标的题目，分门别类归入题库，防止出题的随意性，提高试题和试卷的质量。

利用SPSS软件统计分析时，只需了解相关统计术语和操作步骤，具体的统计分析和结果输出均由SPSS自动完成，可以较大地提高分析试卷效率，准确地得到分析结果；且操作方便快捷，大大减轻教师负担。因此，SPSS是进行学科成就测验质量分析的理想工具。

（参考文献本刊略）

作者单位：

湖南工业大学商学院

成绩分析总结范文篇2

关键词人工成本绩效考核数据分析

众所周知，人力资源管理工作分为六大模块，分别是人力资源规划，招募与甄选，培训与发展，薪酬与福利，绩效管理和员工关系。随着人力资源管理理论和管理实践的迅速发展，人力资源管理的各大模块的职能已日趋完善，提升人力资源管理的价值，是传统的人力资源转型的核心，在这当中，提升人力资源管理的专业化水平成为人力资源管理职能扩大和深化的关键。许多卓越的企业开始明白如何使组织保持高生产率和员工工作投入以及较低的人才流失率。如果你想从最优秀的员工身上获取最佳绩效，你就必须清楚知道谁是组织的财富而谁又是组织的负担。在这一方面，理性的分析显然比拍脑袋的方式更能给出可信的答案，数据分析在其中成为一个很重要的载体。目前，一些行业领先的公司也正越来越倾向于采用精密的分析方法对人力资源数据进行分析，从而保持自己的竞争优势。

人力资源管理的数据分析方法有三个层面：第一个层面是人力资源管理基本信息分析，这是一项基础工作，是人事管理基础阶段和处理信息的主要方法，例如建立员工信息档案、员工考勤记录、加班记录等。第二个层面是人力资源管理各职能模块的内外部信息分析与比对，这一层面的内容反映了人力资源管理各项职能模块运作的健康程度，其中包括人工成本分析、绩效考核分析、培训需求及效果分析等。第三个层面是人力资本计量分析，这是一个相对更有深度的核算分析方法，真正体现了人力资本的概念，客观的评估人力资本的投入与产出，让人力资本管理真正体现为企业增值。

我们可以从几个项目深入了解数据分析在人力资源管理中的具体应用。

一、人工成本分析

进行人工成本分析之前，我们需要先了解人工成本的概念及其构成。按我国劳动部颁发的(1997)261号文件规定，人工成本范围包括：职工工资总额、社会保险费用、职工福利费用、职工教育经费、劳动保护费用、职工住房费用和其他人工成本支出。其中，职工工资总额是人工成本的主要组成部分。

为便于分析，我们将传统的所有费用归类为两大项：薪酬福利成本和人力资源职能成本。

其中，薪酬福利成本，也就是通常所说的工资成本，即是职工工资总额、社会保险费用及职工福利费用的总和。人力资源职能成本，它包括了招聘、教育培训、绩效考核、咨询外包、解除劳动合同或终止劳动合同的补偿费用等各方面的人力资源职能的运行成本。

因此就有，薪酬福利成本+HR职能成本=人工成本。

1、人工成本分析的核心是人工成本水平的分析

对于企业来讲，人工成本意味着人力的支出。结合人工成本结构概念，我们需要分析企业在薪酬福利成本和人力资源职能成本支出额度的合理性。通过数据的详细分析，并与外部的同行业、同类型企业和竞争对手进行对比，以确定外部的竞争性；在此基础上，再实施内外部的比较。结论分析的更有深度，我们可以通过企业内部的结构分析与人工成本水平分析两个维度来看待人工成本。在此基础上，结合内外部对比的分析方法，找出差异，实施人工成本的重新定位和优化。

2、通过人工成本结构分析评估人工成本支出是否达到最优化

人工成本结构是指人工成本各组成项目占人工成本总额比例，反映人工成本投入构成情况与合理性。除了一些显性的，直接通过财务支出体现的，如招募成本、培训成本、奖励成本等；有些成本隐性，没产生直接支出，而是通过对其他成本影响进而增加组织运营总体成本，如错误甄选人员造成低效成本、录用不合格人员离职造成补充成本、人员离职前低效成本、离职后岗位空缺成本等都属隐性成本。

处于不同阶段的企业，其人工成本结构中各项所占比例也应不同。规律是：在创业期和成长期，企业发展规模逐步扩大，对人力资源需求呈上升趋势，因此其获取成本(包括招募、录用和安置等成本)和培训成本高于其他时期。而在成熟期和衰退期，企业发展势头渐缓，呈现出人浮于事，使用成本(工资福利等维持成本、奖金等奖励成本及调剂成本等)和保障成本(各类保险)所占比例明显偏高；并且，在成长期和衰退期，企业人事变动会比较频繁，退出成本明显高于其他时期。

3、人工成本有效性的最终落脚点是人工成本效用的分析

人工成本的效用即是人工成本的比率，是指将人工成本与经济效益联系起来的相对数。人工成本作为一种消耗性要素，这种消耗的必要性取决于它为企业带来产出效益的大小。因此从人工成本比率的分析可以判断企业人工成本投入的合理性。人工成本比率指标主要包括以下几个。

劳动分配率=人工成本总额／增加值×100％，表示企业在一定时期内新创造的价值中有多少比例用于支付人工成本，它反映分配关系和人工成本要素的投入产出关系。同一行业不同企业之间劳动分配率的比较，能说明人工成本相对水平的高低。

人事费用率=人工成本总额／销售收入×100％，表示企业生产和销售的总价值中有多少用于人工成本支出，同时也表示企业职工人均收入与劳动生产率的比例关系、生产与分配的关系、人工成本要素的投人产出关系。

人工成本占总成本比重=人工成本总额／总成本×100，反映活劳动对物化劳动的吸附程度，这一比值愈低，反映活劳动所推动的物化劳动愈大，反之，活劳动所推动的物化劳动愈小。该指标用于衡量企业有机构成高低和确定人工费用定额。

综上，人工成本分析是数据分析在人力资源管理中的应用的一个偏向宏观的分析维度和方法。分析时主要是通过外部对比与内部分析的方式，找出差距或不足，从人工成本角度，提出优化实施建议与办法。

二、绩效考核分析

绩效考核的分析属于人力资源工作中绩效管理的环节之一，是为绩效考核以及绩效反馈提供依据的方法之一。在做绩效考核时，适宜的方法是根据不同职能和不同岗位性质设置对应的绩效指标，并且在事后的绩效沟通中，也应用不同的沟通方式。因此，绩效考核后的有效性分析对于今后的绩效管理体系和方案的优化有非常重要的作用。一般对于绩效考核的分析涉及到以下两点。

1、评分有效性分析

(1)考核得分数据的总体特征

企业的绩效考核因职能性质和要求的不同，一般是以部门为单位进行，最终每个部门的评分再进行综合比较或者排名。这时，对于绩效考核评分的有效性分析就尤其重要。因为，考评者可能会非理性高评或低评被评者，超过合理界限，如“包庇”和“恶意”。分析后，需要按照理性控制函数模型，找出极端评价者及其评价值，消除其非理性极端评价的偏差并予以反馈，从而保证公平性。或者，可通过数据的总体特征分析，帮助考评者根

据考绩总分结果的总差距大小，适当调整差距列向量系数，重新计算，方便灵活地调整考绩总分布区间，使总差距最佳，以适应员工总体心理承受能力，同时又不影响其科学性和民主性。

(2)个人绩效与部门整体绩效的相关性

可通过抽取某团体成员的评价差异判断，若异常很小，则有可能是串通合谋的结果；二是通过总平均评价差异大小反映考绩质量的低和高；三是检测每位考评者的考评质量，并通过考评质量系数，来适度调节考评权数，考评质量高，则适度增加考评权数，反之，则适度削弱其考评权数。

通过绩效评分有效性分析，找出个人绩效中偏离部门总绩效的情况，从而确定维度设置的合理性或者规避评分过程中的偏差，保证考绩结果的公正性和精确性，有效克服以后考绩工作中可能存在的形式主义。

2、考核方案有效性分析

(1)分析考核内容的针对性

一般而言，每个企业会针对不同对象制定不一样的绩效考核方式和要求等具体内容，并且对于刚性指标和柔性指标也有区分。分析考核内容的有效性，是为了让指标的针对性更强，从而保证绩效考核的操作性、衡量度和结果都是合理、合适的。例如：当被评人数超过20人时，应分层分组考评。分层是按领导成员排序、部门排序和非领导员工排序三层进行，每层都有自己特有的维度体系模板，分组应按照工作相关、信息对称、经常合作与沟通的原则确定具体分组人员。

(2)分析考核权重分配的合理性

成绩分析总结范文篇3

关键词：债务总额债务期限债权结构企业绩效

一、引言

资本结构的治理效应是20世纪80年代以来现代资本结构理论研究的一项重要内容。资本结构治理效应研究分为股权融资治理效应和债务融资治理效应两个方面，现有的研究表明，债务融资的治理效应又可分为两个方面，一方面是债务融资整体的治理效应，另一方面是债务融资不同类型的治理效应。Jensen（1986）认为：债务融资将减少企业内部人可自由支配的现金流，从而负债可以作为降低企业成本的一种机制，提高企业业绩。Stulz（1988）的研究表明：负债比例上升使得内部人更容易获得控股权，从而不易发生企业接管和权争夺等可以改善企业业绩的行为，而这又有可能降低企业业绩。关于债务融资的治理效应国内已有不少研究。于东智（2003）的研究结果表明上市公司经营业绩与债务比例呈显著的负相关关系；范从来等（2004）的研究结果表明上市公司经营业绩与债务比例呈显著的正相关关系。尽管以上学者关于债务融资与经营业绩之间的关系并没有获得一致性的结论，但他们的研究都表明债务融资对上市公司经营业绩具有显著的影响。但先前的研究甚少考虑行业差别产生的影响，本文以电子类上市公司的债务结构与经营业绩为样本，分析债务融资对经营业绩的影响，为电子类上市公司的债务融资提供一定的理论参考。

二、研究设计

（一）样本选取本文以我国电子类上市公司为研究对象，剔除了ST、PT类以及数据不全的公司，最终选择了2007年12月31日前在沪深两地上市的电子类公司作为原始样本，以样本公司2007年至2009年3年的面板数据（Paneldata）进行实证分析，最终得到150个有效样本，本文的全部数据均来源于中国上市公司资讯网。

（二）变量选取与衡量根据研究目标，选取如下变量：（1）经营业绩指标。衡量公司经营业绩的常用指标有总资产报酬率、净资产收益率、资产净利率、营业利润率、每股收益和现金资产率。但就上市公司的具体情况而言，采用单个指标来衡量其经营业绩有失偏颇，本文以上述六个指标为基础运用主成分分析法形成一个综合指标SCORE，来反映上市公司的盈利能力。具体定义如下：总资产报酬率（ROBA）=息税前利润/期末总资产；净资产收益率（ROE）=净利润/期末净资产；总资产净利率（ROA）=净利润/期末总资产；营业利润率（ROC）=营业利润/期末总资产；每股收益（EPS）=净利润/期末总股本；现金资产率（RCA）=经营活动现金净流量/期末总资产。（2）债务指标。债务指标分为三类：一是债务总额，反映企业的负债程度，以资产负债率（LEV）来衡量，资产负债率=负债总额/资产总额。二是债务期限，指企业长短期债务的大小，使用短期负债率（SDA）和长期负债率（LDA）来衡量。短期负债包括短期借款、商业信用以及一年以内到期的长期负债，短期负债率=短期负债/资产总额；长期负债包括长期借款和其他长期债务，长期负债率=长期负债/资产总额。三是债权结构，根据债权人的不同分为银行借款、商业信用和其他债务，使用银行借款比率（BDA）和商业信用比率（CDA）来衡量，银行借款比率=（长期借款+短期借款）/总资产；商业信用比率=商业信用/总资产。

（三）模型建立以企业规模作为控制变量，企业规模以总资产的自然对数（LnSize）表示，建立回归模型如下：Fit=C+β1LEVit+β2SDAit+β3LDAit+β4BDAit+β5CDAit+β6LnSizeit+ε。式中：LEVit、SDAit、LDAit、BDAit、CDAit为解释变量，Fit为被解释变量，为比较各指标对企业业绩的反映程度，依次用ROBA、ROE、ROA、ROC、EPS、RCA和SCORE值来代替，C表示常数项，ε表示残差。

三、实证结果分析

（一）主成分分析对企业绩效指标进行主成分分析之前，先对指标进行因子分析，KMO值为0.867，说明各绩效指标间的相关程度无太大差异，适合做因子分析。从Bartlett球形检验的结果可以看出，显著性概率Sig.=0.000，小于0.01，可以认为相关系数矩阵显著不是单位阵，对选定的样本指标做因子分析是非常合适的。由相关系数矩阵R计算得到特征值、方差贡献率和累计贡献率，前两个公因子的累计方差贡献率已经达到92.27%（一般情况下只要大于85%即可），可以认为基本上涵盖了原变量的所有信息。这说明提取前两个公因子作为主成分可以满足分析的要求。第一主成分的方差贡献率为77.77%，对应的特征根在4以上；第二主成分的方差贡献率在14%以上，对应的特征根接近1，因此选择前两个主成分对经营业绩进行综合计量。根据旋转后因子载荷矩阵的因子得分，结合相应的方差贡献率，计算经营业绩的综合得分SCORE。

（二）描述性统计电子类上市公司的资产负债率在41%左右，最大值为91.14%；短期债务占总资产的比重接近38%，最大值为90.72%，长期债务的比重为4.5%左右，有些公司甚至没有长期负债，债务期限偏向于短期债务；从债权结构看，银行债务占总资产的比重为20%，商业信用为10%左右。从标准差上看，资产负债率和短期债务比例的标准差最大，银行借款和商业信用的标准差居中且二者相差不大，长期债务的标准差最小，说明电子类上市公司债务的主要区别在于短期债务所占的比例。

（三）回归分析采用SPSS13.0软件对2007年至2009年的面板数据进行回归分析，结果显示：（1）债务总额与企业绩效的回归结果。如（表1）所示，资产负债率与经营业绩在99%水平上显著负相关，同时无论以哪种业绩指标为准，都能得出债务总额比例对上市公司的经营业绩具有显著影响的结论。这与国内许多学者（于东智（2003）等）的研究结论类似，说明我国电子类上市公司债务融资治理功能尚未得到充分发挥。从Adj-R2可以看出，债务总额比例对不同业绩单指标的解释能力是不同的，对资产净利率（ROA）的解释能力最强；其次是营业利润率（ROC）；而对每股收益（EPS）和现金资产率（RCA）的解释能力最差。（2）债务期限与企业绩效的回归结果。如（表2）所示，短期负债率和长期负债率与公司绩效之间存在负相关关系，且在95%水平上显著，说明长、短期负债的增加都会使公司业绩下降，进一步表明电子类上市公司的债务融资没有发挥出治理作用。从t检验值的结果看，短期负债对公司绩效的影响明显大于长期负债，且影响也更显著。Adj-R2的结果表明，债务期限对不同业绩单指标的解释能力是不同的。对资产净利率（ROA）的解释能力最强；其次是营业利润率（ROC）；而对其他指标的解释能力相对较差。（3）债权结构与企业绩效的回归结果。从（表3）可以看出，银行借款比例与企业业绩显著负相关，在99%的置信水平上显著，表明银行借款越多企业绩效越低。商业信用对企业绩效的影响方向不一致且不显著，但总体上与企业绩效呈反向变化；从t检验的大小来看：银行借款对企业绩效的负面影响大于商业信用的影响。由Adj-R2可以看出，债权结构对不同业绩单指标的解释能力是不同的。对每股收益（EPS）的解释能力最强；其次是资产利润率（ROA）；而对现金资产率（RCA）的解释能力最差。

通过电子类上市公司债务融资与企业绩效的回归分析，可得出以下结论：第一，债务融资总体水平与企业绩效之间表现出明显的负相关关系。这说明，电子类上市公司的债务融资治理功能没有得到正常发挥，即债务融资的税盾效应、财务杠杆作用以及激励作用并未发挥出来。出现这种现象的原因有银行的债权治理缺位、诉讼及破产等机制不完善、偿债保障机制存在缺陷、企业债券发展滞后等。第二，短期负债率和长期负债率均与企业业绩显著负相关，且短期负债对企业绩效的影响大于长期负债。从债务融资的描述性统计中可知，短期负债在债务总额中占有很高比例，过高的短期负债造成了公司治理效率的低下。第三，银行借款比例与企业绩效显著负相关，商业信用与企业绩效之间关系不显著。这是由于我国企业债务融资渠道单一，主要依靠银行贷款，而上市公司与银行之间的独特关系使得借贷业务并不能发挥有效的监管作用，银行在公司治理中扮演着消极的角色。电子类上市公司的商业信用率较高，大量的商业信用可能是企业周转不灵的结果，限制了企业再融资的能力，对企业的经营不可避免地产生各种不利的制约作用。第四，从回归结果看，综合指标明显优于业绩单指标。在以综合指标SCORE为被解释变量的回归模型中，所有的Adj-R2都在0.11以上，除了资产利润率指标外，债务总额、债务期限以及债权结构对综合指标的解释能力显著大于其他任何单个指标，尤其是以往研究中被广泛使用的净资产收益率和每股收益指标，这进一步表明了利用综合指标来进行实证研究的优越性。

四、结论

上述分析结果表明，电子类上市公司的债务总额和债务期限都与企业业绩显著负相关，应对债务融资进行改善以期提高公司的经营业绩。一是控制债务规模。我国企业对银行的依赖程度高，出现了许多高负债企业，但由于种种原因，债务融资的治理效应没能发挥出来，应合理控制和利用负债的规模。二是增加债券融资规模。债券是企业融资的重要渠道，在西方发达国家，债券融资的数额通常是股权融资的2～5倍，而我国的债券融资规模仅为股票融资的十几分之一，上市公司应增加债券的融资规模。三是提高银行对企业的监控力度。加强金融监管法律制度的变革，完善银行治理及运作机制，同时允许银行作为主要债权人进入监事会，充分发挥非公开债务的治理效应。四是完善上市公司绩效评价指标体系。目前，上市公司的绩效评价指标仍然是净资产收益率和每股收益，但从本文的分析看，回归模型对净资产收益率的解释能力都是最差的，相反，营业利润率和资产净利率得到了很好的解释，结合上市公司的实际情况及实证研究的结果，在利用单指标衡量上市公司经营业绩时，营业利润率和资产净利率优于净资产收益率。

参考文献：

［1］于东智：《资本结构、债权治理与公司绩效：一项经验分析》，《中国工业经济》2003年第1期。

［2］范从来、叶宗伟：《上市公司债务融资、公司治理与公司绩效》，《经济理论与经济管理》2004年第10期。

［3］肖作平：《对我国上市公司债务期限结构影响因素的分析》，《经济科学》2005年第3期。

［4］寿丽君：《上市公司债务及其绩效研究》，《财会通讯》2009年第9期。

［5］袁卫秋：《上市公司债务期限结构与经营业绩关系的实证研究》，《河北经贸大学学报》2006年第4期。