游星
(成都理工大學(xué)管理科學(xué)學(xué)院,四川 成都 610059)
經(jīng)濟(jì)效益和發(fā)展速度之間的關(guān)系問(wèn)題是急需要解決的重要問(wèn)題。其中效益相關(guān)的問(wèn)題更加重要,不僅需要讓經(jīng)濟(jì)發(fā)展速度得到加快,還需要對(duì)經(jīng)濟(jì)發(fā)展形式進(jìn)行轉(zhuǎn)變,促進(jìn)企業(yè)經(jīng)濟(jì)效益的提升。通過(guò)綜合評(píng)價(jià)和分析制約企業(yè)發(fā)展的因素,幫助找出合適的解決方法和手段,實(shí)現(xiàn)資源的優(yōu)化配置。還能夠幫助企業(yè)制定與自身實(shí)際情況更符合的發(fā)展戰(zhàn)略,提升企業(yè)的素質(zhì)水平,促進(jìn)經(jīng)營(yíng)管理的完善,對(duì)市場(chǎng)動(dòng)向及時(shí)掌握。幫助企業(yè)內(nèi)部和外部矛盾的有效解決,讓企業(yè)的潛力得到最大的挖掘。
核主成分分析法,就是把多個(gè)不同的變量綜合起來(lái),讓其成為少數(shù)變量的多元統(tǒng)計(jì)學(xué)方法,能夠?qū)ψ兞恐g的線性關(guān)系進(jìn)行更有效的處理。本次研究當(dāng)中選擇了核主成分分析法,把原變量空間借助于非線性變化映射到更高維度的空間。通過(guò)核技巧,只需要在源空間當(dāng)中完成點(diǎn)積運(yùn)算,不需要知道φ的具體形式是什么。應(yīng)該選擇合適的核函數(shù),讓其變成第一成分貢獻(xiàn)率達(dá)到標(biāo)準(zhǔn),這樣可以有效解決上述遇到的問(wèn)題。
主成分分析模型,也就是PCA分析模型,假設(shè)樣本數(shù)據(jù)向量用,需要將原始變量給標(biāo)準(zhǔn)化。然后可以得到樣本協(xié)方差真,相關(guān)系數(shù)陣采用:
在主成分分分析的過(guò)程當(dāng)中,通常情況下是要求主成分的貢獻(xiàn)率超過(guò)85%。然后將其推廣到非線性的情況下中。
核主成分分析法也就是KPCA模型,所依據(jù)的原理是:
第一,要把源空間數(shù)據(jù),借助于非線性變化將x-X投影到特征空間F當(dāng)中,假設(shè)特征空間,用:表示,可以滿足。在非?然的所有特征值 )0( ≥λλ與特征向量V滿足下列標(biāo)準(zhǔn);所有解都在子空間當(dāng)中。
第二,選取合適的核函數(shù)。在核主成分分析法的應(yīng)用過(guò)程中,選取合適的核函數(shù),不需要對(duì)變換Φ的具體形式有全面的了解。最后讓其轉(zhuǎn)化成為Kij= Φxi?Φ ,,可可以以選選擇擇具有差異化的核函數(shù),最終所得到的結(jié)果也是不同的。因此,核函數(shù)的實(shí)際選擇過(guò)程是十分關(guān)鍵的,比較常見(jiàn)的核函數(shù)類型主要有神經(jīng)網(wǎng)絡(luò)核函數(shù),高斯核函數(shù)、多項(xiàng)式核函數(shù)。
第三,核函數(shù)評(píng)價(jià)具體步驟如下:1.將樣本x初始化輸入,最終得到矩陣l;2.然后可以求到矩陣K1;3.求取矩陣k1/l的特征值以及特征向量;4.找到最大特征量以及特征向量;5.需要對(duì)每個(gè)評(píng)價(jià)樣本的系數(shù)進(jìn)行計(jì)算,完成綜合評(píng)價(jià)。
企業(yè)生產(chǎn)活動(dòng)開(kāi)展當(dāng)中,會(huì)受到很多因素的影響。各種不同的因素最終對(duì)企業(yè)產(chǎn)生綜合性影響,就成為綜合性影響因素。當(dāng)然這些因素并非固定不變的,會(huì)受到外部因素影響。對(duì)綜合性經(jīng)濟(jì)影響因素進(jìn)行分解,可以找到影響綜合性指標(biāo)完成的具體因素是什么,對(duì)責(zé)任進(jìn)行劃分。此種方法將其稱之為主要因素,分為差額計(jì)算和連環(huán)替代方法。
主要是對(duì)存在著平衡關(guān)系的各種經(jīng)濟(jì)因素依存性開(kāi)展相應(yīng)的分析,對(duì)實(shí)際情況和計(jì)劃情況的差異開(kāi)展對(duì)比分析,了解經(jīng)濟(jì)指標(biāo)發(fā)生變動(dòng)各種因素的影響情況。借助于此種方法開(kāi)展分析,可以了解到企業(yè)在生產(chǎn)經(jīng)營(yíng)活動(dòng)當(dāng)中出現(xiàn)的不平衡情況,然后再制定相關(guān)的措施,確保企業(yè)可以更加穩(wěn)定和持續(xù)發(fā)展。平衡分析方法還可以繼續(xù)劃分為不同的方法,如增長(zhǎng)速度、全額以及余額平均法。
主要是對(duì)指標(biāo)進(jìn)行對(duì)比分析,從數(shù)量的角度來(lái)確定相關(guān)的差異。此種方法的主要作用在于可以對(duì)工作的差距和成績(jī)進(jìn)行有力的說(shuō)明,采取更加有效的對(duì)策,挖掘多重潛力,屬于應(yīng)用范圍比較廣泛的方法。
盈利指標(biāo)是對(duì)企業(yè)經(jīng)濟(jì)效益以及決策方案開(kāi)展評(píng)價(jià)的重要評(píng)價(jià)指標(biāo)。按照會(huì)計(jì)要素內(nèi)部的各種聯(lián)系,可以發(fā)現(xiàn)利潤(rùn)總額、產(chǎn)品銷售收入、總產(chǎn)值以及總體銷售率等都是評(píng)價(jià)企業(yè)經(jīng)濟(jì)效益和決策水平的重要指標(biāo)。但是在綜合分析當(dāng)中,這些指標(biāo)并沒(méi)有得到什么明顯的體現(xiàn),從這方面考慮,對(duì)比分析和主成分分析和主成分分析方法,選擇了2018年某地區(qū)的5家企業(yè)(表1),處理相關(guān)經(jīng)濟(jì)效益評(píng)價(jià)指標(biāo),分析這些指標(biāo)的主要成分,對(duì)企業(yè)整體經(jīng)濟(jì)效益情況開(kāi)展評(píng)價(jià),也給管理層做出更加合理科學(xué)的決策提供正確的建議。
表1 5家企業(yè)主要經(jīng)濟(jì)效益評(píng)價(jià)指標(biāo)
表2為采用主成分分析方法評(píng)價(jià)企業(yè)經(jīng)濟(jì)效益的過(guò)程。
表2 主成分法評(píng)價(jià)企業(yè)經(jīng)濟(jì)效益結(jié)果
1.將經(jīng)濟(jì)效益的指標(biāo)進(jìn)行同趨勢(shì)化處理,對(duì)于可能存在的負(fù)值直接轉(zhuǎn)化成正向指標(biāo)。
2.借助于專門的數(shù)據(jù)處理軟件,如Matlab6.5,標(biāo)準(zhǔn)化處理納入的研究數(shù)據(jù)。
3.之后需要計(jì)算矩陣的特征值和特征向量,然后完成特征值累積和方差貢獻(xiàn)率,如表3所示:
表3 經(jīng)濟(jì)指標(biāo)的特征和累積方差貢獻(xiàn)率
4.對(duì)指標(biāo)當(dāng)中的主成分完成提取,計(jì)算經(jīng)濟(jì)指標(biāo)的評(píng)價(jià)系數(shù)。累積的貢獻(xiàn)率達(dá)到了88.24%,完成前兩個(gè)主成分的提取。得到最終的評(píng)價(jià)系數(shù),所得到的評(píng)價(jià)函數(shù)為:
根據(jù)以上采用主成分分析方法對(duì)企業(yè)的整體經(jīng)濟(jì)情況進(jìn)行分析,我們能夠發(fā)現(xiàn)對(duì)于企業(yè)經(jīng)濟(jì)發(fā)展累積貢獻(xiàn)率最大的是X1,代表的是總產(chǎn)值。然后分別是工業(yè)產(chǎn)值,要讓累積的貢獻(xiàn)率超過(guò)85%,選擇了前兩個(gè)不同的主要成分,也就是工業(yè)產(chǎn)品銷售率以及工業(yè)總值等,其中占據(jù)主導(dǎo)地位的是工業(yè)總值。這就提醒想要讓企業(yè)的經(jīng)濟(jì)效益得到提升,提升企業(yè)的工業(yè)總產(chǎn)值,結(jié)合市場(chǎng)需求變化,改革與創(chuàng)新現(xiàn)有的技術(shù),讓企業(yè)的整體素質(zhì)水平得到提升,讓其可以在當(dāng)前如此激烈的競(jìng)爭(zhēng)當(dāng)中獲得一定的優(yōu)勢(shì),讓工業(yè)產(chǎn)品的銷售率得到提高,也讓企業(yè)的經(jīng)濟(jì)效益得到提升。
所采取的評(píng)價(jià)步驟具體為:
1.標(biāo)準(zhǔn)化處理納入本次研究的5個(gè)企業(yè)的相關(guān)數(shù)據(jù)。因?yàn)樯鲜龇治龇椒ó?dāng)中有提及和分析,此處不再詳細(xì)描述。
2.核函數(shù)的選擇需要結(jié)合實(shí)際情況,通過(guò)多次試值與對(duì)比引入的數(shù)據(jù),確定本次使用的是多項(xiàng)式核函數(shù)。確定S=0.05,d=3,C=0,一起來(lái)得到矩陣k。
3.然后需要求得矩陣k的特征值和特征向量。找到最大特征值,也就是 maxλ=1.127時(shí)情況下最大的特征向量。得到的結(jié)果為:
4.計(jì)算各個(gè)影響因素的主要貢獻(xiàn)率,提取核函數(shù)當(dāng)中的主要成分,構(gòu)建起評(píng)價(jià)函數(shù)。所構(gòu)建起的評(píng)價(jià)函數(shù)為:F=0.0921F1。表4為核主要成分分析法對(duì)企業(yè)主要經(jīng)濟(jì)情況評(píng)價(jià)的特征值以及貢獻(xiàn)率統(tǒng)計(jì)結(jié)果,如下表所示:
表4 核主成分分析法特征值和貢獻(xiàn)率統(tǒng)計(jì)結(jié)果
根據(jù)表4通過(guò)核主成分分析法評(píng)價(jià)企業(yè)的實(shí)際經(jīng)營(yíng)情況之后,發(fā)現(xiàn)X1也就是總產(chǎn)值的貢獻(xiàn)率是最大的,這就說(shuō)明了企業(yè)經(jīng)營(yíng)當(dāng)中工業(yè)總產(chǎn)值所占據(jù)的地位是主要地位。在5家企業(yè)當(dāng)中,第2家企業(yè)的工業(yè)總產(chǎn)值是排在第一位的,有著比較明顯的降維效果。
與傳統(tǒng)的主成分分析法相比,此種核函數(shù)的分析方法當(dāng)中一般會(huì)涉及很多的指標(biāo)。第一次擬合過(guò)程本質(zhì)上為特征空間當(dāng)中正交變換環(huán)節(jié)的開(kāi)展,第二次屬于特征空間中對(duì)樣本數(shù)據(jù)的投影,完成主成分的相關(guān)計(jì)算。另外此種方法可以對(duì)那些非線性數(shù)據(jù)開(kāi)展計(jì)算,讓指標(biāo)之間一些隱藏不容易被發(fā)現(xiàn)的內(nèi)在聯(lián)系得到充分地顯示,主成分的貢獻(xiàn)率效果是更加明顯的。另外實(shí)際對(duì)比結(jié)果顯示,在第一主成分的分析過(guò)程中,核主成分分析法的累積貢獻(xiàn)率是可以超過(guò)90%的,與主成分分析方法相比,準(zhǔn)確性更加顯著。
本次研究中通過(guò)引入核函數(shù)對(duì)企業(yè)的實(shí)際經(jīng)營(yíng)情況進(jìn)行評(píng)價(jià),還發(fā)現(xiàn)了核函數(shù)與常規(guī)主成分分析法之間的差別,幫助企業(yè)領(lǐng)導(dǎo)制定更科學(xué)的決策,為企業(yè)良好發(fā)展奠定基礎(chǔ)。