基于主成分與灰色關(guān)聯(lián)分析的供應(yīng)商評(píng)價(jià)選擇研究

1、基于主成分與灰色關(guān)聯(lián)分析的供應(yīng)商評(píng)價(jià)選擇研究摘 要：為了克服主觀賦權(quán)法（如AHP方法）在確定供應(yīng)商評(píng)價(jià)指標(biāo)權(quán)重時(shí)的主觀性以及多指標(biāo)綜合評(píng)價(jià)的信息重疊性,本文基于主成分分析的方法，客觀地揭示出各評(píng)價(jià)指標(biāo)的重要性，從而確定權(quán)重并提取多指標(biāo)的主成分。在此基礎(chǔ)上,結(jié)合灰色關(guān)聯(lián)分析方法,建立了一套更具客觀性與準(zhǔn)確性的供應(yīng)商評(píng)選組合方法，并給出具體的計(jì)算方法和實(shí)例分析,結(jié)果具有良好的性質(zhì)，方法簡(jiǎn)單、利于實(shí)現(xiàn)。關(guān)鍵詞：供應(yīng)商選擇；主成分分析；灰色關(guān)聯(lián)分析；組合方法 Research on Supplier Selection and Evaluation Based on PrincipalComponen

2、t Analysis and Grey Relevance AnalysisAbstract: In order to overcome the subjectivity of subjective weighting method (like AHP) in determining supplier evaluation index-weight and information overlapping of multiple attribute synthetical evaluation method, this paper bases on principal component ana

3、lysis method, reveals the importance of each evaluation index objectively, and then determines weight and picks up the principal component of multiple attribution. On that base, integrate with grey relevance analysis method, builds a set of supplier evaluating combination method, which is more objec

4、tive and more accurate. The paper also supplies the specific computation method and its application, the result has high quality and the method is easy to be implemented.Key words: supplier selection; principal component analysis; grey relevance analysis; combination method1 引言隨著經(jīng)濟(jì)全球化的不斷深入發(fā)展，昔日企業(yè)所采用

5、的集采購、設(shè)計(jì)、制造到銷售全面自行負(fù)責(zé)的縱向一體化的經(jīng)營管理模式已經(jīng)喪失固有優(yōu)勢(shì)，在此情形下，就要求企業(yè)加強(qiáng)與合作伙伴的合作， 要求企業(yè)將自身業(yè)務(wù)與合作伙伴業(yè)務(wù)集成在一起, 縮短相互間的距離，站在整體供應(yīng)鏈的觀點(diǎn)考慮增值。于是，供應(yīng)鏈管理（SCM）也日漸成為各企業(yè)管理不可或缺的一部分。而在供應(yīng)鏈管理環(huán)境下，供應(yīng)商的選擇1評(píng)價(jià)則是整個(gè)供應(yīng)鏈競(jìng)爭(zhēng)力的關(guān)鍵，合理選擇供應(yīng)商將有助于降低成本、增強(qiáng)企業(yè)柔性、提高企業(yè)整體競(jìng)爭(zhēng)力。因此，進(jìn)行科學(xué)全面的供應(yīng)商評(píng)價(jià)就顯得十分必要。本文根據(jù)企業(yè)對(duì)供應(yīng)商績(jī)效的要求及企業(yè)自身特點(diǎn)，在合理構(gòu)建供應(yīng)商的評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上，首先采用主成分分析法，提取主要影響因子，進(jìn)一步結(jié)

6、合灰色關(guān)聯(lián)分析模型對(duì)供應(yīng)商進(jìn)行綜合評(píng)價(jià)，最后基于評(píng)價(jià)結(jié)果選擇供應(yīng)商。2 供應(yīng)商選擇與評(píng)價(jià)指標(biāo)構(gòu)建評(píng)價(jià)作為決策的基礎(chǔ)，企業(yè)只有建立了合理的指標(biāo)體系之后，才能進(jìn)行有效的評(píng)價(jià)，進(jìn)而指導(dǎo)其決策。作為供應(yīng)商的選擇，企業(yè)要對(duì)其供應(yīng)商做出全面系統(tǒng)的評(píng)價(jià), 就必須要建立一套完整、科學(xué)、全面的綜合指標(biāo)評(píng)價(jià)體系，全面權(quán)衡各種因素做出評(píng)價(jià)。本文從最大化供應(yīng)鏈績(jī)效的目標(biāo)出發(fā)， 遵循系統(tǒng)性、獨(dú)立性、可行性、易獲取性的原則， 建立具體指標(biāo)2如下: 服務(wù)水平指標(biāo)，包括產(chǎn)品價(jià)格、準(zhǔn)時(shí)交貨率、售后服務(wù)、地理位置；經(jīng)營能力指標(biāo)，包括經(jīng)營效益、供應(yīng)能力、市場(chǎng)影響度；技術(shù)水平指標(biāo)，包括技術(shù)含量、產(chǎn)品質(zhì)量；在上述指標(biāo)中，產(chǎn)品質(zhì)量、技術(shù)

7、水平、供應(yīng)能力、經(jīng)濟(jì)效益、準(zhǔn)時(shí)交貨率屬于效益型指標(biāo)，其值越大越好，而產(chǎn)品價(jià)格、售后服務(wù)、地理位置則屬于成本型指標(biāo)，其值越小越好。3 主成分分析方法原理及步驟3.1 主成分分析的原理主成分分析3(Principal Component Analysis)也稱主分量分析, 是Hotelling于1933 年首先提出的。主成分分析法主要利用降維的思路,在不損失或較少損失原有信息的前提下，從原來個(gè)數(shù)較多且相關(guān)性交大的原始變量中導(dǎo)出少數(shù)幾個(gè)新的彼此獨(dú)立或不相關(guān)的綜合變量的方法，這些綜合變量就稱為主成分。主成分分析的基本原理4如下：設(shè)有個(gè)指標(biāo)，這個(gè)指標(biāo)客觀的反映了評(píng)價(jià)對(duì)象的各個(gè)特征，因此每個(gè)對(duì)象測(cè)定到的個(gè)

8、指標(biāo)值就是一個(gè)樣本值，它是一個(gè)維向量。如果測(cè)定了個(gè)對(duì)象，則就有了個(gè)維向量，可以用下面的矩陣表示：每一行就是一個(gè)樣本的測(cè)定值?？捎脭?shù)據(jù)矩陣的個(gè)向量表示：上述方程組中滿足條件：且系數(shù)有下列原則決定：（1）與不相關(guān)；（2），分別為第1，2，個(gè)主成分。 在實(shí)際問題的解決中，并不一定要取個(gè)主成分，而是根據(jù)累計(jì)貢獻(xiàn)率的大小取前個(gè)。記第主成分的貢獻(xiàn)率為，則，有相關(guān)數(shù)學(xué)知識(shí)可以證明，因此，第主成分的貢獻(xiàn)率就是第主成分的方差在全部方差之和中所占的比重，該值越大，則表明第主成分綜合信息的能力越強(qiáng)。前個(gè)主成分的累計(jì)貢獻(xiàn)率定義為。如果，則表明前個(gè)主成分基本包含了全部測(cè)量指標(biāo)所具有的信息，這樣既減少了變量的個(gè)數(shù)，又便于

9、對(duì)實(shí)際問題進(jìn)行分析和研究。3.2 主成分分析法評(píng)價(jià)的步驟5（1）收集個(gè)供應(yīng)商關(guān)于以上9個(gè)指標(biāo)的具體數(shù)值；（2）對(duì)收集數(shù)據(jù)進(jìn)行規(guī)范化和同趨化處理，因?yàn)楦髦笜?biāo)其量綱不同，且數(shù)據(jù)對(duì)最終結(jié)果的效應(yīng)（正負(fù)向）不一致。本文采用以下方式對(duì)數(shù)據(jù)進(jìn)行規(guī)范化及同趨化變換： 表示待選供應(yīng)商的個(gè)數(shù)，表示指標(biāo)個(gè)數(shù)；式中，前者適用于效益指標(biāo)，后者適用于成本指標(biāo)； （3）將（2）中變換數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，然后求其協(xié)方差矩陣，即原始數(shù)據(jù)的相關(guān)系數(shù)矩陣； （4）計(jì)算（3）中所得相關(guān)系數(shù)矩陣的特征根及其相應(yīng)的標(biāo)準(zhǔn)正交矩陣； （5）根據(jù)前個(gè)特征值在全部特征值中累計(jì)所占的百分率（一般為85%）的原則，確定所要提取的前個(gè)主成分； （6

10、）將主成分有各指標(biāo)表示，計(jì)算主成分得分； （7）根據(jù)各主成分所占百分比構(gòu)造適當(dāng)?shù)闹鞒煞謨r(jià)值函數(shù)模型, 進(jìn)一步把維系統(tǒng)降成1維系統(tǒng)，進(jìn)而求得各供應(yīng)商的綜合得分值。4灰色關(guān)聯(lián)選擇模型灰色關(guān)聯(lián)分析6是系統(tǒng)態(tài)勢(shì)的量化比較分析，其實(shí)質(zhì)就是比較若干數(shù)列所構(gòu)成的曲線與理想（標(biāo)準(zhǔn)）數(shù)列所構(gòu)成的曲線幾何形狀的接近程度，幾何形狀越接近，其關(guān)聯(lián)度越大，根據(jù)關(guān)聯(lián)度大小順序就可反映出評(píng)價(jià)對(duì)象的優(yōu)劣次序。 本文采用灰色關(guān)聯(lián)分析來評(píng)價(jià)選擇供應(yīng)商的基本思路7是：以被評(píng)價(jià)供應(yīng)商企業(yè)的各項(xiàng)指標(biāo)作為比較數(shù)列，以各項(xiàng)指標(biāo)對(duì)應(yīng)的最佳值作為參考數(shù)列，求關(guān)聯(lián)度。關(guān)聯(lián)度越大，說明被評(píng)價(jià)供應(yīng)商的競(jìng)爭(zhēng)力越強(qiáng)，反之，則競(jìng)爭(zhēng)力越弱。因此，關(guān)聯(lián)度的大

11、小順序，就是被評(píng)價(jià)供應(yīng)商競(jìng)爭(zhēng)力強(qiáng)弱的次序。其具體步驟8如下：1) 確定比較數(shù)列(評(píng)價(jià)對(duì)象) 和參考數(shù)列(評(píng)價(jià)標(biāo)準(zhǔn))設(shè)評(píng)價(jià)對(duì)象為 個(gè),評(píng)價(jià)指標(biāo)為 個(gè)，則比較數(shù)列為，取每個(gè)指標(biāo)的最佳值，為參考數(shù)列的實(shí)體,則有參考數(shù)列= 其中. 2）指標(biāo)的規(guī)范化處理同3.2. 3）計(jì)算關(guān)聯(lián)系數(shù)=式中：是比較數(shù)列于參考數(shù)列在第個(gè)評(píng)價(jià)指標(biāo)上的相對(duì)差值,稱為對(duì)在指標(biāo)的關(guān)聯(lián)系數(shù)；是分辨系數(shù)，且0 1，通常取為0.5.4）計(jì)算灰色加權(quán)關(guān)聯(lián)度關(guān)聯(lián)度的計(jì)算公式為：5）評(píng)價(jià)分析根據(jù)關(guān)聯(lián)度的大小，對(duì)各供應(yīng)商進(jìn)行排序，關(guān)聯(lián)度的大小順序即為供應(yīng)商企業(yè)競(jìng)爭(zhēng)力的優(yōu)劣順序。五 供應(yīng)商選擇的PCA-GRA模型9實(shí)例分析為更好地說明主成分分析法的

12、應(yīng)用，下面給出一個(gè)具體算例，以使問題的說明更加直觀。A企業(yè)需要在6個(gè)待選的零部件供應(yīng)商中選擇一個(gè)合作伙伴，各供應(yīng)商有關(guān)數(shù)據(jù)如下表1示： 表1 A企業(yè)待選供應(yīng)商的指標(biāo)評(píng)價(jià)有關(guān)數(shù)據(jù)評(píng)價(jià)指標(biāo)待選供應(yīng)商1234561.產(chǎn)品質(zhì)量0.830.90.990.920.870.952.產(chǎn)品價(jià)格/元3262953402873103033.地理位置/千米2138251927104.售后服務(wù)/小時(shí)3.22.42.220.91.75.技術(shù)水平0.20.250.120.330.20.096.經(jīng)濟(jì)效益0.150.20.140.090.150.177.供應(yīng)能力2501803002001501758.市場(chǎng)影響度0.230.15

13、0.270.30.180.269.交貨情況0.870.950.990.890.820.94 如前所述，根據(jù)指標(biāo)的具體含義對(duì)其進(jìn)行同趨化及規(guī)范化轉(zhuǎn)換，數(shù)據(jù)結(jié)果如表2所示： 表2 原指標(biāo)矩陣同趨化及規(guī)范化轉(zhuǎn)換后矩陣 指標(biāo)供應(yīng)商指標(biāo)1指標(biāo)2指標(biāo)3指標(biāo)4指標(biāo)5指標(biāo)6指標(biāo)7指標(biāo)8指標(biāo)9100.26420.607100.45830.54550.66670.53330.294120.43750.849100.34780.66671.00000.200000.764731.000000.46430.43480.12500.45451.00000.80001.000040.56251.00000.67860.5

14、2171.000000.33331.00000.411850.25000.56600.39291.00000.45830.545500.2000060.75000.69811.00000.652200.72730.16670.73330.7059 將表2中轉(zhuǎn)換后數(shù)據(jù)輸入spss16.0經(jīng)標(biāo)準(zhǔn)化處理后，得到的相關(guān)系數(shù)矩陣如表3：表3 各指標(biāo)間相關(guān)系數(shù)矩陣變量1-0.13510.208-0.01610.2390.2810.0951-0.4040.623-0.371-0.1131-0.106-0.053-0.420-0.087-0.42410.328-0.7740.036-0.615-0.254-0

15、.24710.486-0.1020.750-0.098-0.056-07720.45710.787-0.231-0.059-0.314-0.3840.2680.5210.2271 運(yùn)用SPSS 軟件對(duì)標(biāo)準(zhǔn)化值進(jìn)行分析, 計(jì)算主成分的特征值和貢獻(xiàn)率。結(jié)果如表4所示:表4 方差分解主成分提取分析表從表4中可以前四個(gè)主成分的累積方差貢獻(xiàn)率為92.057%, 大于85%, 這說明用前四個(gè)主成分已基本能夠代表原來的9個(gè)指標(biāo)顯示的信息, 故從初始解中提取前四個(gè)主成分, 起到了降維的作用；并且這四個(gè)主成分的權(quán)重( 方差貢獻(xiàn)率) 分別為0.35306, 0.25169, 0.18325, 0.13257。同時(shí)

16、我們可以得到這4個(gè)主成分的因子載荷量(即原相關(guān)系數(shù)矩陣的特征向量) , 因子載荷矩陣如表5所示： 表5 因子載荷矩陣從表5因子載荷矩陣的計(jì)算結(jié)果可以得到各主成分的數(shù)學(xué)表達(dá)式為：從因子載荷矩陣, 可以得出如下結(jié)論:第一主成分在即產(chǎn)品質(zhì)量、供應(yīng)能力和準(zhǔn)時(shí)交貨率上的載荷較大,該主成分主要反映了供應(yīng)商產(chǎn)品質(zhì)量及供應(yīng)方面的能力；第二主成分主要集中了的信息,該主成分主要反映了供應(yīng)商在市場(chǎng)上的競(jìng)爭(zhēng)力；第三主成分主要有即售后服務(wù)能力解釋, 該主成分主要反映了供應(yīng)商的服務(wù)水平；第四主成分主要由反映,該主成分主要反映了供應(yīng)商產(chǎn)品技術(shù)、價(jià)格方面的水平。于是可得出，各供應(yīng)商主成分值及最優(yōu)供應(yīng)商參考數(shù)列如下表6所示:表

17、6 各供應(yīng)商主成分值及最優(yōu)供應(yīng)商參考數(shù)列評(píng)價(jià)主成分供應(yīng)商最優(yōu)供應(yīng)商123456Factor10.8312-0.26342.64760.5648-0.58221.25532.6476Factor2 0.3416-0.47630.12031.89990.64300.73491.8999Factor3-0.16360.69730.71130.41611.03911.54551.5455Factor4 0.28521.30250.86191.22300.36060.62561.3025從表6數(shù)據(jù)可知，min min0，max max3.2298，取0.5于是可得這6家供應(yīng)商的灰色關(guān)聯(lián)度分別為：根據(jù)關(guān)聯(lián)

18、度大小可得各供應(yīng)商競(jìng)爭(zhēng)力高低順序關(guān)系: 4>3>6>2>5>1,于是再進(jìn)行供應(yīng)商選擇時(shí)可以優(yōu)先考慮供應(yīng)商4。6 結(jié)束語 針對(duì)供應(yīng)商評(píng)價(jià)指標(biāo)間關(guān)聯(lián)性比較強(qiáng)的特點(diǎn)，本文提出了基于主成分分析法的供應(yīng)商評(píng)價(jià)方法, 該評(píng)價(jià)方法利用主成分法分析了影響供應(yīng)商的各個(gè)因素, 在將原始變量轉(zhuǎn)變?yōu)橹鞒煞值倪^程中, 形成了反映主成分和指標(biāo)包含信息量的權(quán)數(shù),該權(quán)數(shù)具有一定的客觀性，在此基礎(chǔ)上，以灰色關(guān)聯(lián)度作為評(píng)價(jià)標(biāo)準(zhǔn)，對(duì)復(fù)雜多目標(biāo)的供應(yīng)商對(duì)象進(jìn)行綜合評(píng)價(jià)10。通過實(shí)例看出, 利用主成分分析和灰色關(guān)聯(lián)分析的組合方法可以準(zhǔn)確評(píng)價(jià)各供應(yīng)商的綜合情況, 為選擇合適供應(yīng)商提供比較客觀定量化參考數(shù)據(jù)。避免了單一方法評(píng)價(jià)過程中信息的交錯(cuò)影響及片面性。在實(shí)際應(yīng)用中, 可以根據(jù)具體的問題選擇更為合適貼切的指標(biāo)。參考文獻(xiàn)：1 舒彤等著.供應(yīng)鏈協(xié)同的供應(yīng)商選擇與銷售預(yù)測(cè)M.長沙:湖南大學(xué)出版社,2009.2 仲維清,侯強(qiáng).供應(yīng)商評(píng)價(jià)指標(biāo)體系和評(píng)價(jià)模型研究J.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2003,(3):93-97.3 張文彤,董偉.SPSS統(tǒng)計(jì)分析高級(jí)教程M.北京:高等教育出版社,2004.4 袁志發(fā),宋世德