基于灰色关联分析研究企业社会责任的构建与应用
一系列食品安全问题使人们越来越关注企业社会责任的履行情况，而涉及食品安全的食品饮料行业备受关注。能否建立一套提高企业社会责任履行程度的指标体系已经成为当务之急。
一、企业社会责任衡量方法
运用恰当的方法对企业社会责任进行量化分析是进行实证研究的前提。从国内外的研究成果来看，没有对企业社会责任的衡量形成统一认识，本文将介绍几种衡量企业社会责任的常用方法。
（一）内容分析法
内容分析法是对所研究的内容进行系统、客观和定量描述的一种方法。它以文献为研究对象，通过阅读分析将不定量的文献材料转化成定量的数据，并根据这些数据对研究对象进行分析研究。
（二）声誉指数法
声誉指数法是指各领域的专家通过自己的主观评价对企业的行为进行打分和排序。其优点是一致性水平比较高，并且能够反映出某些重要的评价主体对不同企业的认知程度，但缺点是具有主观性，而且一次研究的样本量有限。
（三）问卷调查法
问卷调查法是运用书面的形式来间接搜集资料的一种方法。它先把所需要研究的模型分成若干维度，并对每个维度设计一定的测试题，并将这些问卷发给企业员工填写，然后通过搜集的问卷进行数据分析，从而来评价企业社会责任的履行情况。问卷调查法的优点就是可操作性强，调查对象易寻找，耗费人力、物力和财力较少，但由于问卷调查法的调查对象是个人，所得出的数据较为主观，其可信度和有效度不高。
（四）基于专业机构数据库的测量
基于专业机构数据库的测量是由专业的机构对企业社会责任进行调查研究，建立起专业的企业社会责任数据库，可供投资者、债权人以及其他利益相关者参考，并且方便学者对企业社会责任进行进一步研究。目前全球有几十家专业评估机构出具了有关企业社会责任的评估报告，部分机构还建立了评估指数体系。
（五）污染指数法
污染指数法是指污染物与周围环境质量的比值。当指数大于一，则说明污染超标，污染指数的数值越大，污染则越严重。指标的参考值一般都是由政府机构或者专业的评估机构指定，然后参照参考指标来判定污染程度。在学术研究中，最常使用的就是“有毒污染物排放总量指标”，污染指数法相对来说具有较强的独立性，但是相对于环境来说，又具有较大的变化性，因此污染指数法很容易“过时”，不能全面反映当时的污染情况。
声誉指数法、问卷调查法、基于专业机构数据库的测量以及污染指数法在我国运用较少，我国学者一般采用内容分析法衡量企业社会责任，或者在利益相关者理论的基础上，对企业的社会责任进行分类以建立指标体系。此外，我国成立了中国社会科学院经济学部企业社会责任研究中心来建设中国特色的企业社会责任理论体系。
二、企业社会责任指标体系构建
企业社会责任的观点在利益相关者的理论基础之上开始流行。因为以利益相关者的角度使用会计相关的方法对企业应承担的社会责任进行测量、记录和分析，能够对企业的社会责任与企业的经营状况关系进行实证分析，所以基于利益相关者的社会责任研究逐渐成为近些年来理论及实证研究的热门问题。
根据企业社会责任和利益相关者理论，本文利用利益相关者的分类方法衡量企业社会责任，将相关的利益者分为股东、员工、债权人、客户、供应商、政府和社区七类。与传统的只考虑股东利益相比，利益相关者分类法建立的社会责任指标体系考虑更为全面，但是基于我国上市公司披露信息局限性的现实，结合我国目前企业管理的现状，应该按照完整性、可行性、独立性的原则设计指标。完整性是指所选取的利益相关者各项指标能够构成统一的整体，不会有遗漏；可行性是指所选取指标的数据容易获得，方便操作和分析；独立性是指所选指标之间应该互相独立，不能相互涉及。只有基于以上原则所选取出来的指标才能够合理反映出企业社会责任。
本文按照以上原则从各个上市公司年度报告中选取反映股东、员工、债权人、客户、供应商、政府和社区这七类利益相关者的财务数据，建立了如表1所列示的企业社会责任指标体系。每个指标从属性可以区分为正指标和逆指标，本文中正指标的数值大小与企业社会责任高低变化一致，而逆指标与企业社会责任高低相反。具体指标设计如下：
三、社会责任评价模型的建立
灰色系统是通过对“小样本、贫信息”系统的特点、运行机制和表现行为进行分析，揭示系统的演化规律，为更好了解灰色系统提供理论依据。从系统的角度来看，企业是一个复杂的系统，它的社会行为受到多方面因素的影响。上市公司所公布的财务报表、社会责任报告和对外公告的其他信息虽然是公开明确的，然而仅仅利用这些信息来评价企业的社会责任仍是不完全的、灰色的（部分信息明确，部分信息不明确）。
针对社会责任评价的特点，为更好地实现不同企业之间社会责任实现水平的比较，本文拟采用灰色关联分析法进行企业社会责任评价。
灰色关联分析法是灰色系统中的一个分支，它是对一个系统发展变化态势的定量描述和比较的方法，其基本思想是对比确定的参考数据列和若干个数据的几何形状相似程度来判断紧密程度。本文运用灰色关联分析对企业的社会责任与建立的指标体系进行关联程度分析。基本步骤如下：
（一）确定比较数据列和参考数据列
比较数据列是被评价对象各项指标的原始数据集合；参考数据列是理想的比较标准，一般选取各指标的最优值构成参考数据列。比较数据列和参考数据列分别用Xi和X0表示： Xi={Xi（1），Xi（2），...，Xi（n）}，i=1，2，…，m
X0={X0（1），X0（2），...，X0（n）}
其中，n为评价指标个数，m为评价对象的个数。
（二）原始数据的标准化处理
在数据分析前对数据进行标准化处理，包括同趋化处理和无量纲化处理。数据同趋化处理用于解决不同正逆指标问题，对于不同性质的指标必须考虑改变逆指标数据性质，使所有指标对企业社会责任的作用力同趋化，再进行加总才能得出正确结果。数据无量纲化用于处理解决数据的可比性问题。本文在数据标准化处理过程中运用公式（1）、（2），分别适用于正指标和逆指标。
Xi（k）=■（k=1，2，...，n；i=1，2，...，m） （1）
Xi'（k）=■（k=1，2，...，n；i=1，2，...，m） （2）
（三）指标权重计算
计算权重值是保证社会责任评价结果准确的重要因素。按照信息论基本原理，信息用于系统有序程度度量，熵用于系统无序程度度量；越小指标的信息熵，表明指标所能提供的信息量越大，在综合评价中所起作用越大，权重因此越高。因此本论文采用熵权法进行计算权重。
（四）计算灰色关联系数
计算指标数据列与参考数据列的绝对差值，即|X0'（k）-Xi'（k）|（k=1，2，...，n；i=1，2，...，m），并确定最大差值max■■ max■■ |X■'（k）- X■'（k）|和最小差值min■■ min■■|X■'（k）- X■'（k）|，运用以下公式计算关联系数，其中分辨系数ρ一般在0与1之间选取，通常取为0.5。
？孜■（k）=■
（3）
（五）计算关联度
依据关联系数和权重，可以计算得出关联度。对被评价对象的关联度大小比较可以衡量不同企业的社会责任水平高低。
四、实证分析
本文选取三家食品饮料行业的三家上市公司，分别是双汇发展（000895）、古越龙山（600059）、中粮屯河（600737）。三家样本公司归属于在上海和深圳证券交易所食品及饮料行业A股上市公司中C0行业（食品饮料行业），其2012年度企业社会责任指标数据如第45页表2所示。
本文利用公式（1）、（2）分别完成对正逆指标的标准化处理后，每个指标的最优值都默认为1。标准化处理之后各项社会责任指标数据及参考标准如第45页表3所示。
运用熵值法计算得出权值向量Wk=（0.0780，0.0823，0.0622，0.0887，0.0657，0.0664，0.0614，0.0613，0.0801，0.0867，0.0619，0.0704，0.0615，0.0734），在ρ=0.5条件下根据公式（3）计算出灰色关联系数ξ1（k）=（0.0780，0.0823，0.0207，0.0887，0.0657，0.0531，0.0205，0.0613，0.0801，0.0867，0.0382，0.0704，0.0615，0.0286），ξ2（k）=（0.0291，0.0274，0.0395，0.0308，0.0286，0.0664，0.0318，0.0356，0.0267，0.0304，0.0619，0.0672，0.0364，0.0734），ξ3（k）=（0.0260，0.0297，0.0622，0.0296，0.0219，0.0221，0.0614，0.0204，0.0294，0.0289，0.0206，0.0235，0.0205，0.0245）。
最后根据公式（4）把灰色关联系数和权值相乘累加之后得出灰色关联度。灰色关联度越大，越接近最优社会责任，表明其履行社会责任程度越好。最终结果：r1=0.8358，r2=0.5852，r3=0.4207，由此可以判断三所上市公司的社会责任评价结果为双汇发展（000895）>古越龙山（600059）>中粮屯河（600737）。
五、结论
在现代企业管理中，企业社会责任评价的地位越来越重要，是企业经营绩效评价中的重要环节。积极承担企业社会责任可以不断提升企业的竞争力，提升公司的品牌形象，树立企业良好的形象和声誉，从而给利益相关者留下对企业的良好印象，增强投资者的投资信心，吸引并留住企业所需的优秀人才。同时，我国对企业社会责任评价的研究需从理论走向实践，在构建指标体系时更加注重企业社会责任评价模型的构建和应用，实证研究和规范研究的融合是企业社会责任评价研究的必然选择。本文紧扣社会热点，以食品饮料行业为例，搭建了企业社会责任评价指标体系和灰色关联分析为基础的评价指标。在此基础上，对三家食品饮料行业上市公司的社会责任分析得出了企业社会责任评价结论，验证了本文所提出的指标体系和数学模型的合理性和科学性，有益于企业社会责任评价的参考和选择。
