基于主成份分析物流绩效指标分类评价.docVIP

基于主成份分析物流绩效指标分类评价 　　【摘 要】根据现代企业竞争理论，企业要取得竞争优势必须巩固和扩展自身的核心业务。而物流已经成为企业在降低物资消耗，提高劳动生产率以外的第三利润源泉。同时现代的企业竞争已经不再仅仅局限于企业与企业之间而是供应链之间的竞争。物物流正是供应链的重要组成部分。通过企业物流进行绩效评价，能够帮助企业正确判断实际的经营水平，及时发现自身的优势和不足，从而为全面监督企业资源，实现资源的合理配置，提高企业的核心竞争力提供科学的依据。基于主成分分析（PCA）方法，将多指标问题转化为较少的综合指标，从而给出了较为客观的权重，对企业物流绩效进行了综合评价。 　　【关键词】物流绩效；综合评价；主成分分析 　　1.企业物流评价的指标体系和评价方法 　　1.1 构建指标体系 　　建立现代物流绩效评价体系，对评价方法的研究具有重要的意义：（1）通过物流绩效评价系统，对物流作业进行监督，控制，指挥，以达到物流资源（人力，设施，装备）的有效的，合理的配置。（2）对物流绩效进行评价，能够发现并改正物流服务上的问题，向客户提供达标或超标的有效服务。（3）可以为国家制定相关政策提供依据，进一步为整个物流行业提供积极指导。（4）能够正确的评价和选择联盟成员，保证物流联盟的稳定交易关系，实现企业间的优势互补，提高联盟的整体发展水平。 　　科学的指标体系的选取是评价物流绩效合理性的前提。物流评价指标体系是一个综合、多维的系统，经过分析相关资料论文，本文从财务绩效、客户绩效和业务绩效等3个角度确立多种指标的评价体系，选取具有代表性的10种物流绩效评价指标构建评价体系。具体物流评价指标包括：年营业额x1、权益净利率x2、客户保持率x3、客户满意率x4、客户获利率x5、市场占有率x6、市场增长率x7、市场应变能力x8、物流正确率x9、物流安全率x10。 　　1.2 评价方法—主成分分析法 　　主成分分析（PCA）最早是由美国统计学家皮尔逊（PEARSON）在1901年的生物学理论研究中引入的，也称主分量分析或矩阵数据分析。它通过变量变换的方法把相关的变量变为若干不相关的综合指标变量，比如，建立一个指标体系，为了从不同的侧面反应系统分析和评价的综合性与全面性，在指标体系中要设立若干个（n个）指标，其指标权数的确定方法是基于数据分析而得到指标间的一种内在关系，摒弃了人工评价确定权数的主观性，是一种客观合理的方法，因此被广泛用于经济、社会、技术等领域，并起到了重要的作用。在环境质量评价方面，主成分分析是指把描述环境质量的多个要素（样本）化为少数几个综合指标的一种统计方法。主成分分析的具体步骤如下：①计算相关矩阵或协变量矩阵估计共同性（community，或称共通性）：是设定主成分开始萃取时的共同性。共同性是指变量的方差由主成分决定的比例，若是相关矩阵则共同性设为1；若是协变量矩阵则共同性为各变量的方差。②从相关矩阵或协方差助阵中萃取主成分。③决定因素的数目，对因素分析进行命名和结果解释。 　　若某研究对象有两项指标ζ1和ζ2，从总体ζ（ζ1、ζ2）中抽取了N个样品，它们散布在椭圆平面内（见图1），指标ζ1与ζ2有相关性。η1和η2分别是椭圆的长轴和短轴，η1⊥η2，故η1与η2互不相关。其中η1是点ζ（ζ1、ζ2）在长轴上的投影坐标，η2是该点在短轴上的投影坐标。从图1可以看出点的N个观测值的波动大部分可以归结为η1轴上投影点的波动，而η2轴上投影点的波动较小。若η1作为一个综台指标，则η1可较好地反映出N个观测值的变化情况，η2的作用次要。综合指标η1称为主成份，找出主成份的工作称为主成份分析。 　　可见，主成份分析即选择恰当的投影方向，将高维空间的点投影到低维空间上，且使低维空间上的投影尽可能多地保存原空间的信息，就是要使低维空间上投影的方差尽可能地大。 　　2.数据收集和处理 　　2.1 数据收集 　　本文采用某物流公司公布物流绩效考核数据中部分具有代表性的数据，作为评价样本数据10项物流绩效评价指标，进行整理后作为研究的原始数据（表1）。 　　2.2 运用主成分分析法计算 　　原始数据中各指标量纲不同，为了消除量纲的影响对原始数据进行标准化处理。利用标准化后的样本数据矩阵计算其相关系数，得到相关系数矩阵R见表2。 　　运用SPSS软件对标准化后的数据进行主成分分析，求得特征值、贡献率、累积贡献率见表3。 　　选取特征值大于1或累积贡献率大于85%因子为主成分，由表3可知前三个指标累积贡献率达到89.33%，可选取为主成分。对四个主成分进一步分析得到成份矩阵见表4。 　　3.统计结果与讨论 　　从表4可以看出，第一主成分y1在估计全体指标信息的同时，突出反映了年营业额，客户保持率，权益净利率等3个指