基于主成分分析方法建筑材料供应商评价与选择.docVIP

基于主成分分析方法建筑材料供应商评价与选择 　　[摘要] 在简单介绍主成分分析法的基础上,结合8家建材供应商的实际指标数据,通过原始数据标准化,计算主成分特殊值和贡献率,得到了评价函数并对8家各供应商进行综合评价。为供应商的选择和评价提供了有效的决策支持方法。 　　[关键词] 建筑材料 供应商 主成分分析法 评价 评价指标 　　 　　在建筑工程中物资材料消耗资金占总支出的50%以上,由于建材供应方面的问题造成工程不能如期完成,质量低劣等问题屡见不鲜。能否优化采购业务、降低采购成本、控制质量己是一个关键问题。管理部门必须对供应商进行定期或不定期的评价与选择,特别是要对其质量体系和生产系统进行评价,以确保其能持续稳定地提供优质的建材。 　　目前常见的供应商选择评价方法有模糊聚类分析法、DEA法、AHP法、模糊层次法等,在不同程度上都存在评价复杂、难以计算等缺陷。采用主成分分析法能够比较客观地对供应商进行选择,其原理相对简单,准确率较高。当数据量较大时,可采用SPSS等统计软件来辅助处理,可以很快得到科学的结果,从而迅速地做出决策。 　　1 主成分分析法 　　主成分分析法是通过对原变量构造矩阵,计算向量之间方差和协方差,得到若干个相互无关并能在很大程度上替代原有变量的新变量。利用得到的新变量进行系统分析和决策。 　　1.1原始指标数据标准化 　　由于评价指标体系中各指标的量纲是不一致的,而且数量间的差异很大,需进行标准化处理,即将各种不同量纲的指标转化为同量纲的指标。 　　设观测样本矩阵: 　　 　　式中,m―评价方案数,n―指标数。 　　则标准化处理公式: 　　 　　式中, 为第j个指标的平均数 　　 　　为第j个指标的标准差 　　 　　其中, ―i方案中j指标的值,i=1,2,…,m,j=1,2,…,n。 　　 标准化处理后得到的矩阵的每列数据的平均值为0,方差为1;在抽样样本改变时,仍保持相对稳定。 　　1.2计算指标数据的相关系数矩阵 　　设以上观测样本矩阵的相关系数矩阵为: 　　 　　为该标准处理之后指标k与指标j之间的相关系数,则: 　　 (k,j=1,2,…,n) 　　且有,。 　　1.3 确定主分量 　　对应于相关系数矩阵R,求得特征方程的n个非负特征根(其中I为单位矩阵),并将其按大小排列为。这些特征根便是主分量的方差,其大小说明了各个主分量在描述被评价对象时所起作用的大小。对应于任一特征根的特征向量可由方程组为求得(其中t=1,2,…,n)。 　　特征向量组成的综合指标为: 　　t=1,2,…,n。 　　式中, 为样本确定的规范化指标值,综合指标即为第一主分量, 为第二主分量,…, 为第n主分量。 　　1.4确定主分量的个数。 　　令, at即为主分量yt的方差贡献率,它表明第t主分量所包含的信息占整个指标体系总信息量的比例。 　　一般说来,主分量个数等于原始指标个数,但如果原始指标个数较多,进行综合评价时就比较麻烦。利用主成分分析法进行计算,就是希望选取尽量少的主分量来进行综合评价,同时还要使损失的信息量尽可能少。如果以前面k个主分量的方差和占全部总方差的比来表示k个主分量所包含的信息占指标体系的全部信息的比例,并给定一个临界值,使选取的前k个主分量满足 　　 　　则可认为前面k个主分量基本保留了原指标体系的信息,这样综合指标的个数可以由n个减少为k个,起到了筛选综合指标的作用。在实际应用中,通常选取=0.85。 　　1.5进行综合评价 　　先求每个主分量的线性加权值 t=1,2,…,k,再以每个主分量的方差贡献率为权数,对k个主分量进行加权求和,即得最终评价值A。即: 　　 　　2 实例应用 　　某建筑单位有8家建材供应商A1,A2,…,A8,通过调研分析,建立评价体系指标依次是技术水平、质量管理能力、价格水平、企业信用、生产能力、产品合格率、产品可靠性、供应能力、送货提前期、售后服务、发展潜力。具体的指标度量:技术水平、企业信用、售后服务采用计分方式度量;质量管理能力通过专家打分法来度量;产品可靠性通过合格产品的故障率来计量;生产能力、价格水平、送货提前期可以通过实际数据衡量;供应能力看供应商的产量达到需求量的比率,如果能够完全达到需求量则数据为1,经过专家打分和综合数据衡量,其结果见表1。 　　表1建筑材料有8家供应商评价指标 　　 　　 表2 评价指标相关系数矩阵 　　 　　利用SPSS软件将8个供应商样本原始数据进行标准化处理,求出相关系数矩阵如表2。计算主成分的特征值和贡献率。结果如表3所示。 　　 表3 方差分解主成分提取分析表 　　 　　取累计贡献率大于85%时的前4个主成分,这4个主成分可以代表