企业发展状况的数学建模与分析详解.doc

企业发展状况的数学建模与分析 摘要 本文针对企业显性指标判别其发展状况进行了建模与求解算法设计。首先我们利用数据文件和SPSS软件得到两两指标的三种相关系数即Pearson、Kendall、Spearman，并用散点图确定其显著线性相关的特性；然后在满足数据压缩的两个必要条件下，建立主成成分分析模型给数据降维；再基于八大指标为判别标准，用逐步判别分析法进行分类和对比分析；接着用变异系数法求指标权重，结合均值化无差异法得到每种企业评分并分级；最后运用评价模型预测未知企业类别，用判别分析法和BP神经网络进行检验。 问题一：对于指标间相关关系，用SPSS软件和原始数据算出两两指标间的三种Pearson、Kendall、Spearman相关系数，并结合数据散点图容易判别出各指标间都是呈显著线性相关的。 问题二：根据满足数据压缩的两个先决条件：①各指标之间是相关的，不是毫无关系的；②指标变量被压缩之后必须包含不少于原始指标变量85%的信息量。建立主成成分分析降维模型，用SPSS软件将8个指标成分压缩为3个主成成分，得到3个主成成分关系式和数值结果。 问题三：对于用八大指标分类，首先将其作为训练样本并建立判别准则，然后用SPSS软件中的逐步判别分析法，在引入变量的同时进行判别、选择、淘汰，最后得到判别函数，根据函数得出结论为：分类的结果和原杂志社划分结果基本一致，被错判的为1号企业，应该将它从上升企业调整为稳定企业，其案例的正确分类率为98.95%。 问题四：对于构建评价函数。用变异系数法计算每种指标的权重，再用均值化无差异法对指标数据进行处理，得出各种企业的综合评分，重新排序后，用EXCEL模拟出企业序号和评分曲线图，将同一高度的企业划分为一级，得到企业的分类级别。 问题五：运用上问评价模型预测得到未知企业与分类级别的关系是：91—上升企业、92—下降企业、93—稳定企业，再运用判别分析法和BP神经网络检验得出类别为1,3,2，和预测结果一致。 关键词：散点图 相关系数 主成成分分析 判别分析法 变异系数法 均值化无差异法 BP神经网络 一、问题重述 某咨询公司进行研究构建了一套描绘企业状况的显性指标体系，该指标有:企业规模（is）、服务(se)、雇员工资比例(sa)、利润增长(prr)、市场份额(ms)、市场份额增长(msr)、流动资金比例(cp)、资金周转速度(cs)。现有某杂志将某些企业划分为上升企业、稳定企业、下降企业，分别记1、2、3. 1、根据数据文件考虑指标间相关关系，分析指标是否有相关性。 2、这些指标是否可以压缩，请建立数据降维模型。 3、根据八大指标进行分类，并与给定的类别进行对比分析。 4、根据指定类别，建立相应的数据模型，构建评价函数，并将企业进行重新分类。 5、根据第4问得出模型，研究和预测未知类别企业的类型，并分析其合理性。 二、问题分析 对于问题1考虑指标相关性，首先运用SPSS软件求出各指标的88相关矩阵，得到每两个变量的三种相关系数Pearson、Kendall、Spearman，判别出每两个变量是否呈显著相关。为了确定两变量是否直线相关，运用散点图来判断。如果散点图中分散的观察值点呈现如图形“/”这有的分布，则两变量正相关；如果散点图中分散的观察值点呈现如图形“\”这有的分布，则两变量负相关。 问题2若要对指标进行压缩则必须满足同时两个条件：①各指标之间是相关的，不是毫无关系的；②指标变量被压缩之后必须包含不少于原始指标变量85%的信息量。因为要以较少指标衡量企业发展状况，我们利用SPSS软件，建立主成成分分析模型，压缩原始指标，用新指标表示原指标潜在关系，衡量企业发展状况。 问题3以八大指标的数据作为训练样本，并利用该样本来建立判别准则，运用SPSS中的逐步判别分析法，逐步引入变量，一边判别，一边选择判别能力较强的变量，剔除不重要的变量。最后得出判别函数，对各企业进行分类。 问题4关于建立评价函数模型。采用变异系数法算出各个指标的权重，再采用均值化无差异法对原始指标进行标准化，根据标准化的指标数据和各个指标的权重，计算出每种企业的综合评分，作为评价指标。用EXCEL对指标进行从大到小进行排序，并作出评分曲线图，根据同一高度分级，重新分出企业类型。 关于问题5预测未知企业，通过第四问建立的评价函数，对91、92、93号企业进行评分，根据评分标准进行分类。为了检验结果的合理性，首先采用第二问的判别分析法对未知类别进行分类，然后运用BP神经网络，以标准化后的八项指标数据为输入，评分结果为输出，再次对未知类别进行分类。比较分类结果，对模型进行检验分析。 三、符号说明 ： 样本均值：样本标准差:总离差