基于主成份分析的供应链绩效评价指标体系研究

《基于主成份分析的供应链绩效评价指标体系研究 》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于主成份分析的供应链绩效评价指标体系研究张义娟刘洪滨姜建敏　　1前言　　当今企业最重要的变化之一是企业面临的竞争不再是单个企业之间的竞争，而是供应链之间的竞争，这就促使管理者越来越多地重视供应链管理。随着供应链管理理论的不断发展和供应链实践的不断深入，选择相应的绩效评价指标，并建立与之相适应的供应链绩效评价方法，以科学、客观地反映供应链的运营情况。如何确定对整体效益影响较大的因素，对整个供应链管理中某一经营活动进行有效的评价，一般都会涉及多个指标，而对指标的筛选就成为首先要研究和解决的前提问题。　　　　2供应链绩效指标的构建及筛选方法　　2.1供应链绩效指标的构建　　不同类型的供应链在

2、进行绩效评价时，考虑的因素会有很大差别。霍佳震等认为应该在对供应链上的企业分别进行评价的基础上，再用各种量化方法进行综合评价。财务披露制度使我们可以获得企业的财务状况数据，则财务绩效评价无疑是对企业的绩效评价最基本的一个方面。基于研究的可操作性以及实证数据的可获得性，本文对单个节点企业内部财务指标进行定性和定量研究，构建评价指标体系。　　财务披露概括了整个供应链已经采取的行动的经济结果，它反映了供应链整体的资本效益状况、资产运营状况、偿债能力状况、发展能力状况。部分指标的经济意义解释如下：　　2.1.1资本效益状况，评价指标包括总资产报酬率、总资产利润率。　　2.1.2资产运营状况，评价

3、指标包括总资产周转率、存货周转率、流动资产周转率。　　2.1.3偿债能力状况，评价指标为资产负债率。　　2.1.4发展能力状况，评价指标包括销售增长率、利润增长率、主营业务收入增长率。　　2.2筛选方法　　在供应链绩效评价过程中过于变量个数太多，而且彼此之间存在一定的相关性，反映的信息有所重叠。同时，当变量较多时，在高维空间中研究样本的分布规律比较麻烦。在本文的对供应链绩效评价模型中，使用主成分分析方法对定量指标体系进行简化。　　3用主成分分析法筛选绩效评价指标的具体应用　　3.1数据的选取　　本文以46家上市公司的财务数据为例，对供应链绩效评价指标中九个二级指标用主成分分析法对原指标进

4、行筛选。　　3.2分析步骤　　将财务指标中的九个指标构成一个九维的向量x=(x1，x2，…，x9)，将九个指标和26家企业看成一个12x9的矩阵。　　3.2.1由下表可知原数据依存的量纲不一致，因此首先对初始变量进行标准化处理。标准化后的矩阵仍为12行9列的矩阵，记为X＇　　3.2.2计算X＇矩阵的相关系数矩阵，得矩阵R。　　3.2.3对应于相关系数矩阵R，用雅可比方法求特征方程

5、R-λI

6、=0的4个非负的特征值及特征向量：　　3.2.4根据特征值进行各主成分的贡献率及累计方差贡献率　　前四个主分量的累积方差贡献率为89.867%>85%，即前四个主分量所代表的信息量为原来从九个指

7、标总信息量的89.867%。　　3.2.5根据主成分矩阵得出主成分表达式为：　　f1=0.896x1-.805x2+0.566x3-0.334x4-0.365x5+0.939x6-0.359x7-0.300x8+.939x9　　f2=0.364x1+0.161x2+0.232x3+0.783x4+0.771x5+0.285x6+0.553x7+0.404x8+0.285x9　　f3=0.135x1+0.079x2-0.208x3-0.420x4-0.458x5+0.095x6+0.593x7+0.710x8+0.095x9　　f4=-0.149x1+0.124x2+0.758x3-0.2

8、08x4+0.027x5-0.111x6-0.005x7+0.165x8-0.111x9　　第一主成分f1代表的财务指标为：总资产报酬率x1、资产负债率x2、总资产利润率x6、总资产收益率x9由相关矩阵可以看出这四个变量之间存在较强的相关性，因此在实际处理过程中可以转化结构，从中选取其中一个进行处理即可(以下主成分分析同上)。　　第二主成分f2代表的财务指标为：流动资产周转率x4、总资产周转率x5。　　第三主成分f3代表的财务指标为：主营业务收入增长率x7、净利润增长率x8。　　第四主成分f3代表的财务指标为：存货周转率x3　　这样由原来的九个指标转换为现在的四个综合指标，消除了指标间的

9、重叠，优化由于多个指标对绩效衡量带来的弊端。主分量是原来九个分量的线性组合，它不能简单地解释为单个变量的属性的作用，因而不能直接说明原变量属性对主分量的作用。但是与主分量相对应的特征向量中各元素的数值反映了各个变量属性对该主分量作用的大小，即可理解为特征向量中各分量对该主分量作用的权数。　　　4总结与展望　　从上述分析可以看出，采用主成分分析法对指标进行筛选，可以用较少的几个指标，在保有原来大部分信息量的情况下对原来多个指标进行优化