信用等級評價選擇合作伙伴論文

導語：信用等級評價選擇合作伙伴論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

編者按：本文主要從主成分分析評價方法；供應商信用等級評價指標選取；應用實例；結論進行論述。其中，主要包括：單個企業之間的競爭已演變為相關組織組成的團隊之間的競爭、對供應商信用等級進行正確評價又是實現優化選擇供應商合作伙伴的關鍵、主成分分析也稱主分量分析、主成分分析法是多屬性決策的一種方法,是一種多元統計方法、構建供應商信用等級評價指標體系、衡量在承諾期內供應商準時或提前交付訂購量的能力、在一年內快速變現的流動資產償還流動負債的能力、指標值越大越好、標準化矩陣的協方差矩陣就是相關矩陣、使用主成分分析方法對8家供應商的信用進行評價等，具體請詳見。

隨著市場競爭的加劇,單個企業之間的競爭已演變為相關組織組成的團隊之間的競爭。科學選擇和評價合作伙伴是建立戰略聯盟的關鍵,而信用是企業選擇合作供應商并進而建立戰略聯盟的重要條件之一[1]。目前研究企業信用主要集中在借貸關系方面,而戰略聯盟強調企業間保持長期穩定關系,評價其信用就不能僅局限于狹義信用方面,對供應商企業的廣義信用評價就顯得更為重要。相關研究表明,建立“雙贏”SCM的一個重要環節就是選擇敏捷的、有競爭力的和相容的供應商[2][3],而對供應商信用等級進行正確評價又是實現優化選擇供應商合作伙伴的關鍵,同時也對提升整個SC的競爭力有著極其重要的作用。因此,研究如何構建供應商的信用分析指標和分析方法就顯得很有意義。

一、主成分分析評價方法

主成分分析也稱主分量分析,主要思路是將分散在一組變量上的信息集中到幾個綜合指標主成分上,所得的綜合指標是原來變量的線性組合,以便于利用主成分描述數據集內部結構。它是通過降維方法把多指標轉化為少數幾個綜合指標,即主成分的一種多元統計分析方法,即用研究0維的1空間代替2維的3空間,而且低維的1空間代替高維3空間時所損失的信息很少,即代替后的數據仍然高度具備原數據的特性。

主成分分析法是多屬性決策的一種方法,是一種多元統計方法,這種方法的獨到之處在于能夠消除指標樣本之間的相關關系,在保持樣本主要信息量的前提下,提取少量有代表性的主要指標,在分析過程中得到主要指標的合理權重,用主成分作為決策分析的綜合性指標[4]。

設有p個指標x1,x2,…,xp反映觀察對象的各個特性,每個指標對應一個樣本值,這p個指標構成了一個p維的向量,若觀察了n個對象,就有n個p維向量,用矩陣X表示為:

X[DD(][]n×p[DD)]=x11[]x12[]…[]x1p

x21[]x22[]…[]x2p

[][][]

xn1[]xn2[]…[]xnp

構建這個模型的目的是為了找到一個能反映這p個指標的線性函數∑[DD(]p[]i=1[DD)]aixi,它能把p個變量在n個樣本上的差異綜合表示出來,如果能夠找到這樣的一個線性函數,它就是這個變量的主要成份(principlecomponent),找出這個主要成份的方法就成為主成分分析方法。

把這p個指標x1,x2,…,xp看成隨機變量,他們的期望值與協方差矩陣為:

Ex=Ex1x2xp=Ex1Ex2Exp=μ1μ2μp

V=(vij)=(cov(xi,xj))=v11[]v12[]…[]v1p

v21[]v22[]…[]v2p

[][][]

vp1[]vp2[]…[]vpp

vii就是第i個變量的方差,因此這p個變量總的變化情況就可以用∑[DD(]p[]i=1[DD)]vii來反映,記為y,于是y的方差Var(y)=Var∑[DD(]p[]i=1[DD)]aixi)=∑[DD(]p[]i=1[DD)]∑[DD(]p[]j=1[DD)]aiajvij=aTVa,a=[a1,a2,…,ap]T,Var(y)就最能反映xi的變化。可以看出,要對a做一下限制,否則Var(y)可以無限增大就沒有意義,限制aTa=∑[DD(]p[]i=1[DD)]a2i=1,此問題的數學問題就是已知協方差矩陣V,求滿足約束條件aTa=1的a,使aTVa達到最大。這是一個求條件極值的問題。所以尋找主成分的方法是:第一,先求出樣本的協方差矩陣V;第二,求得V最大特征根λ和相應的特征向量a=[a1,a2,…,ap]T,于是a1x1+a2x2+…+apxp就是所要求的主成分分量。這樣求出的主成分分量其反映原來p個變量變化的狀況的多少用其貢獻率來表示,貢獻率=λ/∑[DD(]p[]i=1[DD)]vii,貢獻率越大表示這個主成分分量的“綜合”能力越強。

然而,如果主成分分量的貢獻率達不到80%,那么其反映變量變化情況的能力是很差的,這時就要考慮其他主成分分量,具體做法是把矩陣的特征根λ從大到小排列,依次計算前幾個特征根所占的比重即主成分分量的貢獻率,當前t個特征根的比重超過80%時,就分別選取這t個特征根所對應的特征向量計算主成分分量,分別稱為第一主成分、第二主成分…第t主成分,計算出這些主成分的值分別與他們的貢獻率相乘,然后相加就是綜合的評價值。

總第388期

李洋:基于主成分分析法的供應商信用評價

••

••商業研究

2009/08

二、供應商信用等級評價指標選取

構建供應商信用等級評價指標體系[2,4],經過反復篩選,從上述22個指標中選取14個適合分析的技術經濟指標。x1顧客服務水平=缺貨次數/訂貨次數,衡量在承諾期內供應商準時或提前交付訂購量的能力;x2流動資金周轉率=主營業務收入凈額/平均流動資產總額,反映流動資金周轉速度;x3總資產周轉率=主營業務收入凈額/平均資產總額,反映企業全部資產的運用效率;x4資產負債率=負債平均總額/資產平均總額,反映企業總資產來源于債權人提供的資金的比重以及企業資產對債權人權益的保障程度;x5短期償債能力速動比率=(貨幣資金+短期負債+應收票據+一年內應收賬款)/流動負債,反映企業可用在一年內快速變現的流動資產償還流動負債的能力;x6購貨款支付率=(期初應付貨款+本期購貨款-期末應付貨款)/(期初應付貨款+本期購貨款),反映企業購貨款支付能力;x7生產增長率=(本年生產總值-上年生產總值)/上年生產總值,反映企業生產能力增幅程度;x8一級品率=一級品商品價值/全部商品價值,反映企業生產質量水平;x9合同執行率=(應履行銷售合同個數-未履行銷售合同個數)/應履行銷售合同個數,反映企業合同完成水平;x10存貨周轉率=主營業務成本/存貨平均余額,衡量企業生產經營各個環節中存貨運轉效率的一個綜合性指標;x11總資產利潤率=利潤總額/平均資產總額,反映企業總資產能夠獲得利潤的能力,是反映企業資產綜合利用效果的指標;x12銷售利潤率=利潤總額/產品銷售凈收入,反映企業銷售收入的獲利水平;x13凈利潤增長率=(本年凈利潤-上年凈利潤)/上年凈利潤,反映了固定資產投資的擴張程度。x14市場占有率=產品銷售額占企業銷售額比率本產品市場份額,反映企業在同行業中所處的地位。x2、x3、x6、x7、x8、x9、x10、x11、x12、x13、x14為效益型指標,即指標值越大越好;x1和x4為成本型指標,即指標值越小越好;x5為固定型指標,即指標值為一數值時比較好,可選取本年度行業平均值。

三、應用實例

選取8家供應商相關指標值數據,使用SPSS軟件進行求解[5]。將原始指標數據標準化,標準化矩陣的協方差矩陣就是相關矩陣,經計算,得到相關矩陣,其最大的4個特征根λ1=6.420,λ2=2.708,λ3=2.217,λ4=1.228,累計貢獻率達到89.805%,選用這4個特征值綜合這些指標的信息,設這4個因子為y1,y2,y3,y4,同時可知y1基本反映x2、x3、x5、x6、x7、x8、x10、x11各指標的綜合信息,表示資金能力;y2反映x4、x9、x12、x14各指標信息,表示銷售能力;y3反映x1、x13各指標信息,表示服務能力;而y4則更集中反映了x9的信息,表示執行能力。

四、結論

使用主成分分析方法對8家供應商的信用進行評價,其結果與企業自身對供應商信用評價的經驗值基本保持一致,證明利用主成分分析方法對供應商的信用進行評價是一個可行的方法,有一定的應用價值。但此文在指標量化過程中,只選取了一部分可以直接獲取的財務數據,一些定性指標沒有很好的反映在評價結果里,可以在以后的研究中采用一些方法將定性指標進行量化,使評價結果更加客觀全面。

參考文獻:

[1]云虹,應若平.戰略聯盟中的信用綜合評價[J].系統工程,2005,23(11):57-62.

[2]MasellaC,RangoneA.Acontingentapproachtothedesignofvendorselectionsystemfordifferenttypesofco-operativecustomersupplierrelationships[J].InternationalJournalofOperation&ProductionManagement,2000,20(1):70-80.

[3]李建平,徐偉宣,石勇.基于主成分線性加權綜合評價的信用評分方法及應用[J].系統工程,2004,22(8):64-68.

[4]胡永宏,賀思輝.綜合評價方法[M].北京:科學出版社,2000.

[5]劉先勇.SPSS10.0統計分析軟件與應用[M].北京:國防工業出版社,2002.