TOPSIS评价模型（精选7篇）
TOPSIS评价模型 篇1
一、引言
随着经济全球化和信息技术的不断进步, 供应链管理对企业的经营发展起着至关重要的作用。由于供应链风险对全球经济带来的负面影响, 科学的选择供应商已成为降低供应链风险的重要途径, 为企业提供一套合理地选择供应商的评价方法已成为亟待解决的问题。
国内外学者主要从供应商的评价指标体系、评价方法等角度对供应商的选择评价进行了分析, 并构建了相应的模型提出了解决方法。代表性的有:liram提出厂商在做供应商选择时, 除了要考虑如成本、质量、交期等一般的量化标准之外, 还应考虑某些如管理相容性、目标一致性等所谓的软性指标;Symtk等提出将风险因素、企业需求因素、以及可衡量的成本因素作为供应商选择的三项评价准则;周文坤等建立了从技术水平、经营能力、服务水平和经营环境四个方面进行考察的供应商评价指标体系;潘永锋等利用AHP确定各种指标的相对权重, 结合模糊评价方法, 建立了基于A H P模糊评价的食品供应商选择模型;马林建立了基于熵权多目标决策的供应商选择评价模型;熊淑丽等建立了供应链风险管理下供应商选择的线性规划模型, 并验证了模型的可行性。现有研究主要存在两方面的问题:一是没有综合、全面、客观、科学地建立供应商评价指标体系。二是评价方法单一, 或者偏重于依靠主观经验、或者偏重于依靠客观数据, 所建立的评价模型没有综合考虑供应商的主客观信息。
TOPSIS方法是多目标决策分析中一种常用的有效方法, 现有研究中, 物理、医疗、能源等各个领域都可运用TOPSIS方法。它通过检测评价对象与最优解、最劣解的距离来进行排序, 可解决多目标决策问题。然而, 现有研究中运用TOPSIS对多目标决策进行评价时, 常常对方案作两两比较, 没有统一的参照基准。本文对TOPSIS的方法做了改进:在求规范决策矩阵时, 对指标进行分类处理, 得出绝对正理想解和绝对负理想解, 建立了统一的参照标准;在对指标权重进行的事先确定上也做了改进, 以组合赋权的方法确定指标权重。本文首先对供应商选择的影响因素进行分析, 建立了供应商选择方案的评价指标体系, 再通过改进现有研究中TOPSIS法的弊端, 建立了基于改进TOPSIS的供应商选择评价模型, 对备选供应商进行评价排序, 从而确定最佳供应商, 为企业如何选择供应商提供一套科学的评价方法。
二、供应商评价指标体系的建立
本文以供应链绩效最大化为目标、以五大原则 (即合作风险、合作成本最小原则, 系统综合性原则, 合理科学性原则, 定量与定性相结合的原则, 动态性原则) 为依据, 设计供应商评价指标体系 (如图1所示) 。共计5个准则, 20个指标。所有指标按不同属性分为两种类型:即效益型指标与成本型指标。效益型指标是指数值越大表明供应商的竞争力越强的指标。例如产品质量、专利水平等指标;成本型指标是指数值越小表明供应商的竞争力越强的指标。如产品价格等指标。
三、基于改进TOPSIS的供应商评价模型的构建
1、TOPSIS法及其弊端
TOPSIS法是一种逼近理想解的排序方法, 是由Yoon和Hwang提出的处理多属性决策问题的多方案排序和选择的经典方法之一, 它以方案全集的正负理想解为统一参照基准来建立偏好关系。TOPSIS的基本思想是:设定一个虚拟的最优解 (称为理想解) 和一个虚拟的最劣解 (称为负理想解) , 在目标空间中求解方案的相对接近程度, 以度量某个方案靠近理想解和远离负理想解的程度, 用相对接近程度的值决定方案的排序, 相对接近程度越大, 则方案越优, 反之, 越差。然而, TOPSIS法在实际应用中主要存在以下缺点:一是求规范决策矩阵时, 未对指标进行分类, 所有指标均按越大越好的思想进行归一化处理;二是权重是事先确定的, 其值为主观值, 具有一定的随意性, TOPSIS在计算中直接将指标权重作用于原始数据, 这会改变原评价数据间的关系结构, 影响最终评价结果。
2、改进的TOPSIS方法的供应商评价的思路
本文针对TOPSIS现有研究中的弊端, 对TOPSIS进行改进。主要分为以下三个步骤:第一, 对不同类型的指标分别进行归一化处理;第二, 利用组合赋权的思想对指标进行赋权;第三, 将指标归一化矩阵和指标权重代入TOPSIS模型中求解, 即建立了基于组合权重的TOPSIS评价模型。
2.1指标规范化处理。将建立的供应商评价指标体系分类为效益型指标和成本型指标, 针对不同类型的指标分别进行指标打分 (即归一化处理) , 得到指标归一化矩阵。
效益型指标打分:
成本型指标打分:
其中, yij为第j个供应商第i个指标规范化处理后的值;xij为第j个供应商第i个指标的评价值;m为被评价供应商的个数。
对于矩阵Y= (yij) n×m (i=1, 2, …, n;j=1, 2, …, m) , 显然理想解Y+和负理想解Y-为:
2.2 指标权重的确定
(1) 熵值法权重的确定
1) 熵值计算。根据熵值的计算公式, 求出第i个评价指标的熵值:
其中ei>0, 为第i个指标下第j个供应商的特征比重, 为第i个指标的所有评价值之和。
2) 熵权计算。第i个评价指标的熵权:
其中, ej为第i个指标的熵值。
(2) AHP法权重的确定
1) 建立层次结构。在进行系统分析的基础上, 明确各指标间的定性关系, 将各指标分层分组, 建立层次结构, 见图1。
2) 构造判断矩阵
对建立的层次结构, 通过两两比较指标间重要程度, 采用分值1~9标度来测量, 见表1。
3) 指标层对准则层的权重
对得到的判断矩阵, 求解其最大特征值λm a x和对应的特征向r'= (r'1, r'2, r'3, …, r'n) , 对特征向量进行归一化处理, 得每个准则层下第i个指标的权重ri:
其中, ri为准则层下第i个指标对该准则层的权重;r'i为判断矩阵最大特征值所对应的第i个特征向量;n为准则层下指标的个数。
同时, 将判断矩阵代入式 (7) , 求得一致性指标C.I., 再将C.I.代入式 (8) 求得一致性比例C.R.进行一致性检验。如果C.R.<0.1, 则认为该权重是有意义的, 否则重新构造判断矩阵, 求权重。
其中C.I.为一致性系数, λmax为矩阵的最大特征值, n为判断矩阵的阶数。
其中C.R. (Consistency Ratio) 为一致性比例。R.I.为平均随机一致性指标, 可以从表2中查得。
4) 指标层对总目标层的权重
根据指标对总目标的权重计算公式, 则pi等于:
其中pi为第j个准则层下第i个指标对总目标的权重;ri为第j个准则层下第i个指标对第j个准则层的权重;sj为第j个准则层对总目标的权重。
(3) 组合权重的确定
两种赋权方法组合后第i个指标权重wi, 计算公式如下:
其中, pi为第i个指标的AHP权重;qi为第i个指标的熵值法权重。
2.3基于改进TOPSIS的供应商评价模型
依据TOPSIS原理, 评价第j个对象到正理想解和负理想解的距离。若评价对象最靠近最优解同时又最远离最劣解, 则为最好;否则为最差。
(1) 第j个评价对象到正理想解和负理想解的加权距离:
其中wi为两种赋权方法组合后指标的权重, yi j (i=1, 2, …, n;j=1, 2, …, m) 为指标归一化矩阵。
(2) 第j个评价对象到理想解的贴近度cj (值越大供应商的竞争力越强) 为:
五、实例分析
为了更好地验证上述模型的可行性, 通过一个实例进行分析与计算。德国HK化工公司, 拟在三家供应商中选择确定一家做为其新型材料的供应商。在对供应商进行选择评价的过程中, 通过八个指标对这三家潜在供应商进行选择评价。并把评价的指标分成两类, 一类是效益型指标, 这种指标越大越好;另一类是成本型指标, 这种指标越小越好。其中产品质量、供应能力、净利润增长率、市场占有率4项指标属于效益型指标, 其余4项属于成本型指标。具体指标数据如表3所示:
1、指标打分
将表3中的效益型指标数值代入式 (1) , 对4个效益型指标归一化处理;将表3中的成本型指标代入式 (2) , 对4个成本型指标归一化处理, 指标归一化结果如表4所示:
由表4可知, 理想解Y+和负理想解Y-分别为:Y+= (1, 1, …, 1) T, Y-= (0, 0, …, 0) T。
2、指标权重
(1) 熵值法权重
按照4.3.1, 将表3中各指标的数据代入式 (4) - (5) , 求得各指标的熵权:
(2) AHP法权重
按照4.3.2, 以专家打分的方式为指标赋权, 具体关系如图所示:
一级指标:企业产品、综合实力, 计算权重如表5:
二级指标:产品质量、产品价格、市场占有率、地理位置, 计算权重
二级指标:供应能力、订货提前期、资产负债率、利润增长率, 计算权重
根据公式 (9) , 求得各指标的AHP权重:pi= (0.22, 0.02, 0.14, 0.10, 0.06, 0.02, 0.22, 0.22) T
(3) 组合权重
将上述所求得的q i和p i代入式 (10) , 求得8个指标的组合权重:
5.3基于改进TOPSIS的供应商选择评价结果
将5.2求得的组合权重wi和Y+= (1, 1, …, 1) T, Y-= (0, 0, …, 0) T代入式 (11) - (12) , 分别求得:
再将所求得的d+j和d-j代入式 (13) , 得:cj= (0.37, 0.32, 0.67)
最后, 将各供应商企业与理想解 (理想供应商) 之间的距离cj从大到小进行排序, 得到各供应商的优劣排名为:C, A, B。由此可见, 3个供应商中, 供应商C的竞争力最强, 该企业应该选择这家供应商作为其合作伙伴。
六、小结
本文的创新与特色:
(1) 建立了基于改进TOPSIS法的供应商评价模型。该模型不是传统TOPSIS法的指标权重主观赋权, 而是由客观赋权和主观赋权组合赋权得到, 避免了现有研究的客观赋权法无法反映专家经验或主观赋权法无法反映客观条件变化的双重弊端。
(2) 在供应商评价指标体系上, 改进了传统TOPSIS法中所有指标同一的规范化处理的弊端, 将指标分为效益型指标和成本型指标, 解决了现有TOPSIS法评价过程中片面认为指标越大越好的不合理问题。
通过建立基于改进TOPSIS的供应商评价模型, 为企业在供应商选择上提供了正确的方法和步骤。企业可根据自身的需要, 选择出适当的供应商做为合作伙伴, 从而提高了效率, 节省了成本。使企业在多变的市场环境中始终保持着竞争优势。
TOPSIS评价模型 篇2
经济全球化和区域经济一体化的深入发展,泛珠三角区域经济合作的不断深化,为大湘南地区承接粤港澳产业转移提供了条件。在区域间实现产业有效转移与科学承接成为湘南地区进一步开发开放的关键。
对于产业转移的研究,国外起步较早,始于20世纪30年代,主要从不同的领域对产业转移机制进行了分析。20世纪30年代日本经济学家赤松要在立足于后起工业国的产业发展路径研究的基础上提出了“雁行模式”(Flying Geese Pattern)[1];1966年美国经济学家弗农提出了以工业发达国家的产品或区域的生命周期作为研究对象和研究起点的“产品生产周期”理论[2];日本经济学家小岛清(Kiyoshi kojima,1978)根据日本对外直接投资的实践,在比较优势原理的基础上提出了“边际产业扩张论”[3]。1960年美国学者海默(S.Hymer)在《一国企业的国际经营活动:对外直接投资研究》一文中提出的垄断优势理论;1976年英国里丁大学的巴克利(P.Buckley)和卡森(M.Casson)在《跨国公司的未来》一书中提出内部化理论;德国经济学家韦伯(A.Weber)提出,并经克里斯泰勒(W.Christaler)和勒施(A.Losch)发展,形成完整理论体系的区位理论;以及1976年由英国学者邓宁在其代表作《贸易、经济活动的区位与多国企业:折衷理论探讨》中首次提出的折衷理论[4]。
随着国际产业转移理论的不断演进,国内许多学者也对这一经济现象进行了细致深入的研究,卢根鑫从马克思主义经济学理论视角研究国际产业转移问题时提出重合产业论[5],石东平、夏华龙提出的梯形产业转移阶段论都是这些研究成果中的优秀代表。
大湘南地区包括衡阳、郴州、永州三市,拥有土地面积5.71万平方公里,2008年年末总人口1785万人,实现地区生产总值达2326亿元,占全省的20.85%,进出口总额18亿美元,占全省的14.33%.
具有区位优势、资源优势、产业优势及后发优势分析,尤以后发优势明显。湘南地区拥有良好的地理环境与适宜拓展的深广腹地,处于工业化转型期和城市化扩张期,但是多年来,湘南地区的发展优势没能得到充分发挥,主要发展指标与长株潭地区、环洞庭湖区(常德、岳阳、益阳三市)相比,存在明显差距(见表1),积聚着巨大的后发潜力。
资料来源: 湖南统计年鉴(2009)。
2 湘南区域经济TOPSIS模型建立及评价
2.1 TOPSIS原理与模型介绍
TOPSIS法(Techenique for order preference by similarity to ideal solution)即理想解法,是一种多目标决策方法,由Wang和Yoon于1981年提出[6]。其基本思想是通过构造问题的“理想解”和“负理想解”,借助“理想解”和“负理想解”去排序,用靠近理想解和远离负理想解的程度,作为评价各个方案的依据。理想解是设想中最好解,各项指标值均达到各备选方案中最好的值;负理想解是设想中最坏解,各项指标值都达到各备选方案中最坏的值。
TOPSIS评价模型的建立过程如下:
构造初始矩阵:设评价模型有n个目标(指标、因素等)(D1,D2,…,Dn), m个被评价单元(M1,M2,…,Mm),第M个评价单元Mi(i=1,2,…,m)在目标Dj(j=1,2,…,n)下取值为Mij,则初始矩阵为:
评价指标的同趋势化与归一化:评价指标分为高优指标和低优指标,高优指标是指指标数值越高越优,低优指标反之。评价前,一般将高优或低优指标转化为同一种指标,使所有指标趋势相同。对于相对数指标,采用差值法转化;对于绝对数指标,采用取倒数的方法转化:
式中, i=1,2,…,m; j=1,2,…,n.
将矩阵M中的所有原始数据Mij同趋化后,得到矩阵Z=((Zij)n×m)。若原指标已满足同趋势要求,则不进行转化。
构造决策矩阵:将原始矩阵按式(2)进行转化,把归一化后的数据矩阵(即决策矩阵)记为Zij:
确定理想解和负理想解:理想解Z+的第j个指标值为Z+j,负理想解Z-的第j个指标值为Z-j,有:
根据Zij矩阵和式(4)、式(5)可以得到正理想解Z+和负理想解Z-.
计算距离:
确定接近度:
即Ci越大,表明第i个评价对象越优;根据接近度的大小,就可以对评价对象进行排序。
2.2 评价过程
评价指标选取:考虑到数据的可获得性、指标计算的可操作性、各项指标进行横向比较或指标分级的可能性、数据的科学性和可靠性,选择人均GDP、固定资产投资、财政收入、城市居民人均可支配收入、农民人均纯收入和居民人均消费水平作为全国经济梯度分析的指标[7]。
采用总评指标、投入(收入)与产出(消费)三大类共六个指标,它们分别是人均GDP、固定资产投资额、城市人均可支配收入、农民人均纯收入、地方财政收入和居民消费水平。
运算过程:根据以上确立的评价指标体系,评价模型中共设立了6个指标;以湖南省的14个市为评价单元,以《湖南省统计年鉴2009》为数据源,可建立评价模型的初始矩阵Mij,原始数据见表2。
资料来源: 《湖南统计年鉴2009》。
由式(1)对表2中的数据做初始矩阵变换,根据式(2)对数据进行同趋势化处理,得到决策矩阵Zij.
应用式(4)、式(5),根据已经构造的决策矩阵Zij,确定各指数的理想解Z+和负理想值Z-如下:
根据式(6)、式(7)可以确定距离D+、D-; 应用式(8)可以得出各评价对象的接近度Ci.
资料来源: 根据上文计算得到。
从表3可以看出湖南省14个市州经济发展水平的差异。现将14各省按照经济实力排名分为三个经济梯度,见表4。
从表中可以看出,衡阳、郴州、永州三市的Ci排名分别为5、7、9位,大湘南整体水平处于中下等级。其既有加快经济发展步伐的迫切要求,也有为承接粤港澳产业转移的发展空间。
3 大湘南地区产业梯度系数分析
为做好产业转移承接工作,必须明确大湘南地区主要产业的梯度系数,通过比较分析得出具有承接优势的产业类型。
3.1 产业梯度系数
产业梯度系数主要受两个因子的影响:一个是创新因子,用比较劳动生产率来综合表示,它取决于该地区该产业劳动者的技能、技术创新水平和转化为生产的能力等因素与全国平均水平的比较。另一个是产业集中因子,即专业化生产程度,用区位商来表示。它取决于该地区该产业对自然资源利用程度、专用设备和专业技术人员的多少等因素与全国同行业的比较。具体公式为:
式中:lij为i地区j部门的从业人员数;Lj为全国j部门的从行人员数;eij为i地区j部门的产业增加值;ei为i地区GDP;Ej为全国j部门的产业睁加值;E为全国GDP。
产业梯度系数(Tj)=区位商(Lij)×比较劳动生产率(Qij)
3.2 行业梯度系数分析
“一化三基”发展战略要求必须加快推进大湘南地区新型工业化进程,工业转型成为当务之急,且发达国家地区转移产业以第二产业为主。对大湘南地区工业分醒业与全国通行业进行比较分析,分别计算出工业内部各行业的比较劳动生产率、区位商以急产业梯度系数。
从下表各行业的产业梯度系数可以看出,大湘南地区的产业梯度系数较低。具体而言,大湘南地区的优势产业主要分布在其他采矿业、煤炭开采和洗选业、有色金属矿采选业、有色金属冶炼及压延加工业、专用设备制造业等行业,因而在突出优势产业的同时,还应该加强产业结构的调整。
4 主要结论
综合上述分析,大湘南地区承接产业转移的重点应是:有色金属深加工产业,着力推进钨、铋、锑、铜、锡、铅、锌、银、铁、锰矿冶炼及深加工;装备制造产业,着力培养和打造管材加工制造、输变电装备制造、汽车及零部件制造等具核心竞争力的现代产业集群;旅游休闲产业,以大湘南丰富的自然资源及人文资源为载体,加大南岳、东江湖、苏仙岭、舜帝陵、九嶷山、莽山以及温泉旅游开发;能源及新型建材产业,加大新型能源和清洁能源的开发力度,大力发展石墨加工业、新型玻璃及水泥等产业;食品医药产业,进行农产品深加工,培养一批特色鲜明、具一定规模的食品加工基地和龙头企业;服饰鞋帽加工产业,加快永州、衡阳服饰加工园区建设,打造产业发展平台;盐卤化工产业,充分发挥湘南地区萤石、盐卤等资源优势,加大开发力度。
摘要：在经济全球化不断深化的背景下,产业梯度转移已成为优化区域产业结构的重要举措。大湘南作为湖南对接粤港澳地区的前沿阵地,如何有效承接粤港澳等沿海地区的产业转移,是湖南在明确提出“敞开南大门、对接粤港澳”后急需研究的课题。本文采用TOPSIS模型定量分析大湘南地区在全省中的经济地位,探讨产业承接转移的运行机制,明确大湘南地区承接产业转移的梯度系数,为积极承接产业转移提供决策依据。
关键词：大湘南地区,粤港澳,产业转移,产业承接
参考文献
[1]胡俊文.论“雁行模式”的理论实质及其局限性[J].日本问题研究,1999,(4):6~12.
[2]Vernon.International investment and internationaltrade in the product cycle[J].Quarterly Journal ofEconomics,1966,80(2):190~207.
[3]戴宏伟,田学兵,陈永国.区域产业转移——以“大北京”经济圈为例[M].北京:中国物价出版社,2003:209~211.
[4]Dunning J H.Trade,location of economic activityand the multinational enterprise:a search for aneclectic approach[C]//The International allocationof economic activity.London:Macmillan,1977.
[5]卢根鑫.国际产业转移论[M].上海:上海人民出版社,1997.
[6]Wang C L,Yoon K S.Multipleattribute decisionmaking[M].Berlin:Spring-verlag,1981.
[7]李小建,覃成林,高建华.我国产业转移与中原经济崛起[J].中轴学刊,2004,(3):15~18.
[8]沿海产业转向内地河南如何奋起争夺产业转移[DB/OL].http://www.ssfcn.com/wenzhangdetail.asp?ID=133749&sPage=3&wordPage=4,2009-02-23.
[9]彭连清.我国产业区域转移的路径选择、产业定位于政府作用[J].山东社会科学,2007,(11):101~104.
[10]陈刚,刘珊珊.产业转移理论研究:现状与展望[J].当代财经,2006.
TOPSIS评价模型 篇3
一、出版企业核心竞争力评价指标体系
1.出版企业核心竞争力内涵
出版企业核心竞争力, 是出版企业在选题策划、市场营销、运营管理和学习创新等环节中所独有的满足读者和社会需求的能力。这种能力具有明显的竞争优势, 不易被对手模仿, 能够保证出版企业的持续发展。对一个出版企业来说, 选题是最终产品 (图书) 的基础和前提, 选题策划能力就是出版企业的研发能力, 其决定了出版企业发展的高度。市场营销是出版企业将图书产品推向读者和社会的中心手段, 是出版企业生产价值链的关键环节, 它决定了出版企业发展的规模。运营管理是出版企业有效整合资本、技术和人员等资源, 向社会提供产品和服务, 它决定了出版企业发展的质量。学习创新贯穿于出版企业的编辑校对、装帧设计、印刷制作、市场发行等所有环节, 其能力决定了出版企业发展的动力。选题策划能力、市场营销能力、运营管理能力和学习创新能力, 共同构成出版企业的核心竞争力。
2.出版企业核心竞争力评价指标体系构建
根据出版企业核心竞争力的构成因素以及评价指标体系构建的原则, 确定出版企业核心竞争力评价指标体系准则层包括选题策划能力、市场营销能力、运营管理能力和学习创新能力。其中, 选题策划能力通过策划编辑所占比例、单本图书平均毛利润率、图书重印率、省级以上奖励图书所占比例等指标反映;市场营销能力通过营销人员所占比例、销售回款率、销售毛利率、库存图书周转率等指标反映;运营管理能力通过出版物质量合格率、出版物造货码洋、出版业务利润率、资产报酬率等指标反映;学习创新能力通过高级职称人员所占比例、年人均教育培训经费、年人均企业文化建设经费、新媒体出版所占比例、版权贸易所占比例等指标反映。指标层各指标的解释说明见表1。
二、基于熵权TOPSIS的出版企业核心竞争力评价模型
根据出版企业核心竞争力评价指标的客观性以及评价的相对性, 选择熵权法确定评价指标的权重, 使用TOPSIS构建出版企业核心竞争力评价模型。熵权法是一种客观赋权方法, 它根据指标数据的大小确定指标的权重。TOPSIS (理想解法) 是一种有效的多指标评价方法, 其基本思想是通过构造多指标问题的理想解和负理想解, 并以靠近理想解和远离负理想解两个基准作为评价各对象的判断依据。
1.构建标准化评价矩阵
2.计算各指标的熵权
设ej为第j个评价指标的熵值, 则有:
于是各指标的熵权wj可由下式算得:
3.计算加权标准化矩阵
设Z为加权后的标准化评价矩阵, 则有:
4.确定评价问题的理想解和负理想解
理想解:
负理想解:
其中, J+={正向指标集合}, J-={逆向指标集合}。
5.计算到理想和负理想的距离
6.计算出版企业核心竞争力的相对贴近度
设出版企业I核心竞争力的相对贴近度为Ci, 则
式中, Ci越大表明出版企业i核心竞争力越强, Ci越小表明出版企业i核心竞争力越弱。
三、实证分析
1.样本选择与数据来源
本文选取江苏省7 家大学出版社作为评价对象, 实证分析其核心竞争力。这7 家大学出版社分别是:南京大学出版社 (NP) 、东南大学出版社 (SEP) 、南京师范大学出版社 (NNP) 、河海大学出版社 (HP) 、苏州大学出版社 (SP) 、中国矿业大学出版社 (CP) 、江苏大学出版社 (JP) 。笔者2015 年5 月通过问卷调查的方式, 向各出版社总编办、行政办搜集2013 年核心竞争力评价指标数据, 使用式 (1) 对原始数据进行处理, 通过式 (2) 、式 (3) 计算得到各指标的熵权, 如表2 所示。
2.结果分析
通过对表2 中各指标权重求和, 可以得到出版企业核心竞争力评价指标体系准则层的权重, 其中选题策划能力 (X1) 权重为0.237, 市场营销能力 (X2) 权重为0.142, 运营管理能力 (X3) 权重为0.160, 学习创新能力 (X4) 权重为0.462。可以看出, 学习创新是出版企业核心竞争力的灵魂, 其中企业文化涉及核心价值理念、发展目标以及制度体系, 对于出版企业核心竞争力至关重要;新媒体出版是出版企业转型之道, 是出版企业提升核心竞争力的新型动力源。
从表3 可以看出, 在江苏7 家大学出版社中, 核心竞争力最强的是东南大学出版社 (SEP) , 其次依次是南京大学出版社 (NP) 、苏州大学出版社 (SP) 、南京师范大学出版社 (NNP) 、中国矿业大学出版社 (CP) 、河海大学出版社 (HP) 、江苏大学出版社 (JP) 。从排名结果分析, 出版企业核心竞争力主要取决于图书出版品质 (获奖图书率) 、数字融合出版 (新媒体出版比例) 以及企业文化建设等, 而造货码洋、销售收入对出版企业核心竞争力的影响则不大。如南京大学出版社整体的经济规模要大于东南大学出版社, 但是东南大学核心竞争力稍强, 这是因为东南大学出版社“十二五”期间大力实施精品图书出版工程, 深度探索数字出版之路, 积极推进版权贸易, 各项工作都走在了江苏省乃至全国大学出版社的前列。
四、结束语
出版企业核心竞争力评价是出版企业核心竞争力研究的重要内容。本文从选题策划能力、市场营销能力、运营管理能力和学习创新能力4 个方面, 选取17 项指标, 构建出版企业核心竞争力评价指标体系, 运用江苏7 家大学出版社2013 年度数据进行实证分析。从熵权计算结果来看, 学习创新能力所占权重最大, 其次依次是选题策划能力、运营管理能力、市场营销能力。从TOPSIS评价模型的计算结果来看, 东南大学出版社核心竞争力最强, 其次依次是南京大学出版社、苏州大学出版社、南京师范大学出版社、中国矿业大学出版社、河海大学出版社、江苏大学出版社。
出版企业核心竞争力作为一个能力体系, 是具有动态发展的特点。基于熵权TOPSIS的出版企业核心竞争力评价模型, 不仅可以评价不同企业同一时间点的核心竞争力状况, 而且可以评价同一出版企业不同时间点核心竞争力的发展态势, 这对于追踪出版企业核心竞争力发展具有重要的意义, 是下一步研究的重点。
参考文献
[1]刘拥军.出版社竞争力指标体系研究[J].出版发行研究, 2005 (10) .
[2]吕美.出版社竞争力评价指标体系[D].北京:北京印刷学院, 2006.
[3]乔联宝, 严佳乐.出版企业竞争力评价指标体系构建[J].科技与出版, 2015 (2) .
[4]彭兆平, 熊正德.基于模糊灰色分析的出版集团竞争力评价[J].出版发行研究, 2009 (11) .
[5]安欣.我国出版企业核心竞争力评价及提升策略研究[D].武汉:武汉大学, 2011.
[6]薛川.我国上市出版企业的竞争力分析——基于上市文化企业的因子分析[J].全国商情·理论研究, 2014 (36) .
[7]郭亚军.综合评价理论、方法及应用[D].北京:科学出版社, 2007.
[8]梁昌勇, 戚筱雯, 丁勇, 等.一种基于TO PSIS的混合型多属性群决策方法[J].中国管理科学, 2012 (4) .
[9]Chen T Y, Tsao C Y.The interval-valued fuzzy TO PSIS method and experimental analysis[J].Fuzzy Setsand Systems, 2008, 159 (11) .
TOPSIS评价模型 篇4
1 综合评价指标体系
根据城市和谐发展的内涵,筛选出具有有效代表性的指标,并按其各自特征进行组合,就构成了城市和谐发展综合评价指标体系。根据文献[1]数据资料,我们选取指标如表1。
2 TOPSIS评价方法
TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)方法是由C.L.Hwang和K.Yoon首次提出,TOPSIS法根据对有限个评价对象与理想化目标的接近程度进行排序的方法,在现有的对象中进行相对优劣的评价[2]。
TOPSIS方法原理:它是一种逼近于理想解的排序法,该方法只要求各效用函数具有单调递增(或递减)性就行。其基本原理是通过检测评价对象与最优解、最劣解的距离来进行排序,若评价对象最靠近最优解同时又最远离最劣解,则为最好;否则为最差。TOPSIS法中“理想解”和“负理想解”是TOPSIS法的两个基本概念。所谓理想解是一设想的最优的解(方案),它的各个属性值都达到各备选方案中的最好的值;而负理想解则相反。方案排序的规则是把各备选方案与理想解和负理想解做比较,若其中有一个方案最接近理想解,同时远离负理想解,则该方案是备选方案中最好方案。
3 TOPSIS评价方法计算过程
Step1指标一致化处理。
评价指标有“正”、“逆”之分(所谓正指标就是指指标值越大越好的指标,逆指标就是指指标值越小越好),所以首先要对逆指标做一致性处理,使其转变为正指标。一致化处理公式:
x0=x-1,其中x为逆指标原始数据,x0为经过一致化处理后的数据。
Step 2确定指标权重。
采用变异系数法直接利用各指标所包含的信息通过计算得出指标的权重。这一方法的基本思想是,在评价指标体系中,指标取值差异越大的指标,也就是越难以实现的指标。差异越大的指标越重要,因为它更能反映出参加评价的各个对象的差距。评价指标体系中各指标的量纲不同,不宜直接比较其差异程度。为了消除各指标量纲不同的影响,用各指标的变异系数来衡量各项指标取值的差异程度。各指标的变异系数,其中σi是第i项指标标准差,是第i项指标均值。各指标权重为
Step 3用向量规范化的方法求规范决策矩阵。
设多属性决策问题决策矩阵X=(xij)m*n,规范化决策矩阵Y=(yij)m*n,则
Step 4构成加权规范矩阵。
Z=(zij)m*n,其中的元素zij为:zij=Wjyij(i=1,2,……m;j=1,2,……n)
上式中Wj是上文算出的第j个指标的权重
Step 5确定负理想解和理想解。
Step 6利用欧式距离计算各方感到理想解与负理想解的距离
每个城市的各指数值到理想解的距离是:
到负理想解的距离是:
Step 7计算每个城市的各属性值对理想解的相对接近度。
相对接近度越高则越远离负理想解点,越逼近正理想点,该测度对应的城市则相对越优,和谐发展水平越高。
4 综合评价结果及建议
利用TOPSIS法,通过对相关数据编程处理,分别对河南省内18个地市级城市的相对接近度进行计算,得出各地市的排名,见表2。
从综合排名结果可以看出,郑州、洛阳、南阳位居前三位,而鹤壁、漯河、三门峡排在最后。综合评价结果表明,郑州、洛阳等城市区域面积较大,人口众多,具有良好的人才优势、劳动力优势和较强的经济支配能力,它们依靠原有的完整雄厚的工业经济体系,在经济发展过程中占据着主导性,因而取得了良好的经济社会发展成绩。根据上述分析结果,我们提出如下建议:
1)协调区域之间平衡发展。综合评价结果表明,河南省地区经济发展水平差异较大,区域经济发展不平衡,今后制定经济发展战略时,要实现区域协调均衡发展,缩小地区之间的差异。
2)加快中原经济区整体发展部署。郑州、洛阳等区域面积较大,人口众多的城市具有较强发展实力,因此河南省应加快中原城市群建设,促进郑汴一体化步伐,加快城际铁路、城际公交建设,不断促进城市之间纵深全方位融合,从而形成整体规模的发展优势。
摘要：首先通过查找相关数据并提取综合评价指标,然后通过TOPSIS方法对河南省各地市经济进行评价,得出郑州、洛阳、南阳等市经济发展位居前列,最后对河南省各地市的经济发展提出若干可行建议。
关键词：TOPSIS方法,综合评价指标,经济评价模型
参考文献
[1]河南省统计局,国家统计局.2010年河南省统计年鉴[M].北京:中国统计出版社,2010.
TOPSIS评价模型 篇5
在油气运输领域中,由于管道运输的优点突出,促使其成为了油气运输的首选方案,经过长时间发展,长输油气管道也已经成为了工业生产和日常生活中的命脉。油品和天然气一旦泄露,极易导致火灾和爆炸等事故[1]。因此,长输油气管道的事故风险便会给周围地区的人员和财产安全埋下极大隐患[2]。国内外众多学者先后运用不同手段对长输油气管道的风险进行分析,许多系统工程的理论也被应用于预测之中。虽然这些方法取得了一定的效果,但由于大部分事故因素风险分析都是基于长输油气管道整体来进行的,忽略了油气管道跨度大,沿线状况复杂的问题,因而会产生一定局限性。
本文将长输油气管道按照属性合理分段,并引入层次分析法(AHP)和逼近理想解排序法(TOPSIS)[3][4],提出了用于长输油气管道风险评价的AHP-TOPSIS评判模型。该模型首先利用AHP法将各类因素划分为有序的层次并科学的分配权重,然后结合TOPSIS法构建AHP-TOPSIS综合评判模型。AHP法能够克服TOPSIS法在多因素分析的情况下,确定指标权重难度较大的缺点[5],同时可以较为客观的给出各影响因素的权值。TOPSIS法能综合考虑多种风险因素,并能够根据有限个评价对象与理想化目标的接近程度进行排序。二者的结合使用能够有效准确的分析长输油气管道各管段的风险大小,为决策提供一种可靠的理论依据。
2 指标权重确定
层次分析法(Analytic Hierarchy Process,AHP)是一种将定量分析和定性分析相结合的层次权重决策分析方法。根据目标和需求构建问题的层次结构模型,然后通过专家组对同一层次中各因素进行判断和打分,得出相对重要的权重值,最后根据权重值进行排序,并依据排序结果为选择最优方案提供参考依据[6]。
2.1 层次结构建立
指标体系的建立是整个多属性综合评价的关键,在进行系统分析之后,将复杂问题拆分为具体的元素,并按照不同的属性进行分组,最终形成不同的层次[7]。一般自上而下可分为目标层,准则层和指标层。
假设存在评判对象的指标集:U={U1,U2,…,Un},其中Ui(i∈[1,n])是U中的一个指标。Uij={Uij1,Uij2,…Uijn}是Ui中的第j(j∈[1,n])个指标集,Uijk是该指标集中的第k(k∈[1,n])个指标集。指标体系的结构模型如图1所示。
2.2 判断矩阵构造
对建立的层次结构,组织评估专家对评价指标体系中的各指标用1~9标度方法进行两两比较打分,从而构建判断矩阵,如表1所示。
设判断矩阵为R,由于每一层指标因素都是以相邻上一层各指标因素作为参照的,因此用上述两元素之比可构造如下判断矩阵:
R为正定互反矩阵,其最大特征根λmax存在且唯一。实际求解判断矩阵R的准确特征值和特征向量W十分困难,因此只能得出近似值。为了得到各因素的权重,可采用方根法求解:将每一列向量归一化,并且求出对应的最大特征根λmax及特征向量W,最后对W归一化。计算公式如式(2)~(4)所示:
2.3 一致性检验及权重向量计算
通常判断矩阵会存在一定误差,为保证权重分配的合理性,需要对判断矩阵进行一致性检验。一致性检验的公式如下:
式中n为矩阵R的阶数,CI为一致性检验指标,CI越小,说明一致性越大。RI为平均随机一致性指标,其与判断矩阵的阶数有关。根据成对比较因子的阶数取不同的值,通常阶数在3和10之间。取值标准如表2所示。CR为判断矩阵的一致性比例,若CR<0.1,认为该判断矩阵通过一致性检验,可以根据该矩阵进行权值计算并求得权重向量,否则不具备一致性,需要重新填写判断矩阵。
3 TOPSIS综合评判模型
逼近理想解排序法(Technique for Order Performance by Similarity to Ideal Solution,TOPSIS法)借助多目标决策问题中正理想解和负理想解之间的距离来对评判对象的优劣进行排序[8]。正理想解是最优的解,其各个属性均达到备选方案中的最佳,而负理想解与之相反,其各个属性均达到备选方案中的最差。然后根据评判对象与理想目标的接近程度进行排序,对现有对象进行相对优劣的评价[9],如果评价对象更加靠近正理想解,则为最优值,否则为最差值。
3.1 初始评判矩阵
设方案集P={P1,P2,…,Pm},每个方案评判指标集r={r1,r2,r3,…,rn},评判指标rij表示第i个方案中第j个评判指标,其中i∈[1,m],j∈[1,n]。初始评判矩阵可以表示为:
3.2 标准化决策矩阵
一般将评判指标分为消耗性指标和收益性指标,对于收益性指标,值越大越好,对于消耗性指标,值越小越好。为了解决各指标量纲和量纲单位不同的问题,消除指标的不可公度性,需要对评判指标进行量纲一化处理[10]。标准化决策矩阵B=(bij)m×n,
收益性指标公式为:
消耗性指标公式为:
3.3 加权标准化决策矩阵
将标准化决策矩阵B的列向量与AHP法确定的总排序权重Wn相乘,得到加权标准化决策矩阵R:
3.4 贴进度分析
J1的正理想解为列向量中的最大值,负理想解为列向量中的最小值,J2的取值与J1相反,如式(7)和式(8)所示。
式中R+为正理想解,R–为负理想解。式(9)表示评判对象与理想解之间的距离。
式中Di+为评判对象与正理想解之间的距离,Di-为评判对象与负理想解之间的距离;rj+与rj-分别为R+与R-相对应的元素。
贴进度分析的公式为:
当评判对象为正理想解时,Ci+=1,当评判对象为负理想解时,Ci+=0,通常评判对象贴进度Ci+取值范围为(0,1),反映评判对象与正理想解之间的贴近程度。
4 长输油气管道风险评价实例应用
4.1 长输油气管道风险体系建立
根据美国W.K.Muhlbauer的方案对管道风险因素进行划分,建立的长输油气管道风险体系如图2所示。
将管道系统合理分段,每一段的长度取决于该段环境状况变化的频率、维护的费用等因素,凡是沿线出现重大变化的地方,均插入一个划分点。选取克拉玛依至乌鲁木齐一段石油管线,根据文献[11]和文献[12]中事故统计数据,将管线划分为6段。根据近十年来的事故统计,根据各管段的失效率不同,选取每个管段事故概率最优值作为该管段的失效率(次/(kg·a)),把每个管段诸事故因素失效概率组成比较序列,如表3所示。第2层的事故因素并不是整个模型的最底层因素。层次越多,事故风险分析就越准确、全面。本文仅用第二层事故因素进行计算说明,第三层的计算方法与第二层的计算方法相同,在此不一一列出。
4.2 权重分配确定
对指标进行重要度评价,构造判断矩阵分别如表4-8所示。
根据表4所示的评判指标重要性程度构造出判断矩阵,由式(1)~(5)得到A-P矩阵最大特征值λmax=4.1487,CR=0.0557<0.1,满足一致性检验,则权重矩阵W=[0.6035,0.2345,0.0506,0.1114]可接受。同理可得:
P1-R矩阵:λmax=6.5203,CR=0.0826<0.1,W=[0.1109,0.1368,0.2276,0.1675,0.0913,0.2659];
P2-R矩阵:λmax=2.000,CR=0.0000<0.1,W=[0.2500,0.7500];
P3-R矩阵:λmax=4.2153,CR=0.0806<0.1,W=[0.4442,0.1582,0.2531,0.1445];
P4-R矩阵:λmax=3.0385,CR=0.0370<0.1,W=[0.6370,0.1047,0.2583];
层次总排序结果如表9所示。
4.3 TOPSIS法指标综合评判
由表3构建事故因素失效概率的初始判断矩阵为:
因为事故因素失效概率具有同一单位,因此不需要进行量纲一化处理,由式(6)计算得到的加权决策矩阵为:
根据式(7)、(8)可计算得到各管段基于事故因素失效概率的贴进度。其正理想解与负理想解分别为:
根据式(9)计算得到各管段与正理想解和负理想解之间的距离如表10所示。
根据式(10)计算各管段与正理想解的贴进度如表11所示。
由表11可知各管段与正理想解的贴进度排序为:C3+>C4+>C6+>C1+>C5+>C2+。即基于事故因素的各管段失效风险为:管段2>管段5>管段1>管段6>管段4>管段3。
5 结束语
本文提出了一种基于AHP-TOPSIS评判长输油气管道风险评价模型,解决了以往研究只评价事故因素而未考虑长输油气管道风险进程随着沿线状况变化而产生波动的问题。在对长输油气管道分段之后,将AHP-TOPSIS评判模型应用到各管段基于事故因素的失效风险预测上,能够有效预测各管段的风险大小,可作为决策时的理论依据,使管道事故防治更具针对性。
摘要：针对长输油气管道风险进程随着沿线状况变化而产生波动的实际情况,提出了基于层次分析法(AHP)和逼近理想解排序法(TOPSIS)的长输油气管道风险评判模型。首先对长输油气管道进行准确分段;然后利用AHP确定风险评价指标权重,并通过TOPSIS排序法计算正负理想解和接近度;最后依据接近度对各分段管道风险进行比较分析。实例分析结果表明:基于AHP-TOPSIS的评判模型为长输油气管道的风险管控提供了一种有效的评价依据,具有一定的实用性。
关键词：油气长输管道,风险评价,层次分析法,逼近理想解排序法
参考文献
[1]张胜柱.油气长输管道事故风险分析与选线方法研究[D].北京:中国矿业大学,2012:1-6.
[2]付建华,王毅辉,李又绿等.油气管道全生命周期安全环境风险管理[J].天然气工业,2013,33(12):138-143.
[3]李大全,张鹏,艾慕阳等.模糊聚类法在油气管道风险评价管段划分中的应用[J].天然气工业,2012,32(7):63-67.
[4]LIN M Y,WANG C C,CHEN M S,et al.Using AHP andTOPSIS Approaches in customer-driven product design pro-cess[J].Computers in Industry,2008,59(1):17-31.
[5]陈婷婷,宋永发.基于AHP-TOPSIS的地铁车站施工方案比选[J].工程管理学报,2012(4):33-36.
[6]杜睿山,李阳,曹茂俊,等.基于AHP的油田产能建设项目后评价模型研究[J].计算机技术与发展,2014,24(11):203-206.
[7]DAI Li,ZHU Ai-hua,ZHAO Yun.Using AHP to calculate op-timization objective weights of transplanting mechanism[J].Transactions of the Chinese Society of Agricultural Engineer-ing,2013,29(2):60-65.
[8]Zhao H,Xu Z S,Ni M F,Cui F.Hybrid fuzzy multiple attri-bute decision making[J].Information,2009,12:1033-1044.
[9]王新民,秦健春,张钦礼,等.基于AHP-TOPSIS评判模型的姑山驻留矿采矿方法优选[J].中南大学学报:自然科学版,2013,44(3):1131-1137.
[10]谢本贤,陈沅江,史秀志.深部岩体工程围岩质量评价的IRMR法研究[J].中南大学学报:自然科学版,2007,38(5):987-992.
[11]亓东民.灰色理论在长输油气管道定量风险评价中的应用[D].兰州:兰州理工大学,2007:24-26.
TOPSIS评价模型 篇6
自从Frederick Winslow Taylor创立科学管理理论以来, 对公司的业绩评价就一直是经济管理学科领域的热点。在国内, 王雷, 胡维华将层次分析法和模糊综合评价法结合起来对上市公司进行财务评价。李从珠, 单秀梅认为应尽量避免根据主观经验确定财务指标的权系数。张毅, 沈荣芳利用DEA建立评价模型对50家上市公司的财务状况进行实证研究。冉伦, 李金林运用因子分析法综合评价了上市公司的财务状况。
但现行的上市公司财务评价却普遍存在以下问题:多采用主观方法分配指标权重, 人为因素对评价影响较大;用因子分析、DEA等多元统计方法进行综合评价, 或者对样本数量要求过高, 抑或对数据分布要求苛刻, 适用性有限;评价结果止步于排名, 难以体现各公司间绩效的显著性差异。
目前, 我国电力行业一直处在上升发展阶段, 对电力企业业绩评估的重要性也日渐突出。由于现行方法普遍存在缺陷和不同方法间差异的不可调性导致业绩评价系统在实际运用中未能发挥其应有作用。本文用熵值法客观地确定指标权重, 避免了人为赋权的主观随意性;用TOPSIS确定评价得分, 避免了样本数量不足和数据分布的限制, 适用于我国有效性较弱、可观测样本数据不足的资本市场的现状。
二、业绩评价指标体系的构建
根据科学性、全面性和可操作性的原则, 本文在对反映企业当前状况的偿债能力、盈利能力、营运能力以及反映企业未来发展潜力的成长能力进行综合分析后, 结合各项指标的可获性及可量化性, 构建了4个层次16个具体指标的业绩评价体系:
三、基于改进熵权TOPSIS法的业绩评价模型的建立
本文所讨论的电力行业上市公司的业绩评价, 基本思路是将熵权法和TOP-SIS法结合运用, 将描述电力企业状况各主要方面的多项指标信息加以转换, 得到其综合评价值, 按综合评价值, 对各公司进行比较和排序, 最终对电力企业的业绩做出整体性评价。
(一) 熵权法
1、熵权法的基本原理
熵权法是一种客观赋权方法, 其原理是根据各评价指标数值的变异程度所反映的信息量大小来确定权数。若某项指标的指标值变异程度越大, 其所含的信息量就越大, 从而该指标在综合评价中所起的作用越大, 权重应越大;反之亦然。因此在具体的评价分析过程中, 根据各项指标的指标值变异程度, 利用信息熵计算出各指标权重, 再对所有指标进行加权, 从而得出较为客观的综合评价结果。
2、用熵权法确定指标权重的步骤
第一步, 评价指标的无量纲化处理。考虑到被评价对象的不同指标往往具有不同的量纲单位。为了消除由此产生的指标的不可公度性, 对评价指标值进行无量纲化处理。
对于正指标 (指标值越大越好) , 令:
对于逆指标 (指标值越小越好) , 令:
经上述变换后得到yij, 它们被压缩在[1-α, 1]区间内。所有的yij形成一个规范化决策矩阵B= (yij) m×n.
第二步, 对各指标做比重化变换。
第三步, 计算指标的熵值:
第四步, 计算指标差异系数:
第五步, 对hj作归一化处理, 作为各指标的权数:
(二) T0PSIS法
1、T0PSIS法的基本原理
TOPSIS法是一种多指标决策方法, 由Wang.C.L和Yoon.K.S于1981年首次提出, 其原理就是通过测度被评价对象的评价值向量与综合评价的理想解和负理想解的相对距离来进行排序。若某被评价对象的评价值向量最接近最优解同时又最远离最劣解, 则该被评价对象被评价为最佳;反之, 则最差。
2、运用TOPSIS法综合评价被评价对象各指标的具体步骤
第一步, 由B= (yij) m×n和wj, 构成加权的规范化决策矩阵:
第二步, 确定理想解向量S+和负理想解向量S-。
第三步, 采用欧几里德距离公式, 分别计算各被评价对象的评价值向量到理想解S+的距离d+和到负理想解S-的距离d-:
第四步, 计算各被评价对象评价值向量与理想解的距离:Ci=100×di-/ (di+di-) (12) 作为被评价对象的综合评价值。
第五步, 根据综合评价值Ci的大小对被评价对象进行排序, Ci越大, 表明对被评价对象的综合评价越好;反之, 则越差。
四、电力行业实证研究
(一) 样本选取和数据来源
本文选取截止2010年12月31日在沪深两地上市的59家电力上市企业为样本。同时为保证评价的准确性和时效性, 本文涉及的所有指标的原始数据均来自各上市公司在上交所或深交所官方网站上发布的2010年年报。
(二) 实证研究
1、评价指标无量纲化处理
在全部评价指标中:X13和X34为成本型指标, 其它均为效益型指标。将原始数据矩阵中效益型指标的数据代入式 (1) , 成本型指标的数据代入式 (2) , 可得标准化后的指标值。
2、运用熵权法确定指标权重
将进行无量纲化后的指标值代入式 (3) (4) 可得各评价指标的熵值ej, 将熵值代入式 (5) (6) 得出各指标的差异系数熵权wj, 对指标权重按一级指标求和可得各一级指标的权重, 均分别列于表2。
3、TOPSIS计算
将熵权wj与无量纲化后的数据代入 (7) , 得加权的标准化指标值矩阵R。通过 (8) (9) 确定理想解向量和负理想解向量:
最后将R和S+、S-代入 (10) - (12) 可得各样本公司的综合评价得分, 列于表3:
(三) 实证结果分析
从表2各层次权重可以看出, 营运能力和偿债能力两个准则层权重之和达77.74%, 明显高于盈利能力和成长能力准则层。由熵值赋权原理可知, 不同公司在营运能力和成长能力准则层的表现存在较大差异, 其对评价结果影响能力显著高于另两个准则层, 是影响电力行业上市公司业绩评价主要因素。
从具体指标来看, 对电力行业上市公司业绩评价影响最大的是应收账款周转率、主营收入现金含量、存货周转率、速动比率和流动比率这五项指标, 权重均大于9%, 累计达64.69%.由熵值赋权的原理可知, 上述5项指标数据的离散程度较大, 对评价结果的影响能力显著高于其它指标, 是影响59家电力行业上市公司财务评价的主要指标。
综上, 为了提升企业综合业绩增强竞争力, 国内的电力上市企业需要在营运能力和偿债能力方面特别是权重较高的5个指标上做足功夫, 拉开与同行的距离, 突出自身的竞争优势。
五、结束语
企业业绩评价是实施科学管理的重要步骤。本文建立了电力行业上市公司绩效评估的指标体系和上市公司绩效评价的熵权TOPSIS模型, 并依据59家电力上市企业2010年年报对其业绩评价进行实证分析, 归纳了影响评价的主要方面和具体因素, 为国内电力行业改善经营提升业绩提供参考。熵权TOPSIS法在运用过程中避免了主观的人为赋权并且其复杂的计算流程在电算化盛行的今天也能够轻松敲定, 因此具有很强的现实操作性。
摘要：文章从偿债能力、盈利能力、经营能力和成长能力四方面构建了业绩评价指标体系。应用熵权法确定指标权重, 建立基于熵权TOPSIS法的上市公司业绩评价模型。结合数据可获性, 选取在沪深上市的59家电力企业展开上市公司业绩评价的实证研究。最后根据综合业绩指标对样本公司进行排名, 同时揭示了影响电力企业业绩评价的关键因素。
关键词：业绩评价,TOPSIS法,熵权,电力行业
参考文献
[1]、Frederick Winslow Taylor.The Prin-ciples of Scientific Management[M].New York:Harper&Brothers, 1912.
[2]、王雷, 胡维华.多因素层次模糊综合评价在上市公司赢利能力分析中的应用研究[J].数量经济技术经济, 2000 (1) .
[3]、李从珠, 单梅秀.证券市场上市公司财务比率的统计分析[J].数理统计与管理, 2000 (6) .
[4]、张毅, 沈荣芳.数据包络分析评价上市公司投资价值实证研究[J].同济大学学报 (自然科学版) , 2004 (7) .
TOPSIS评价模型 篇7
在国外, 可持续供应链作为一个热点出现, 得到可持续性发展和供应链管理领域研究者越来越多的关注。Seuring and Muller等[1]把可持续供应链管理定义成企业通过对供应链中的物流、信息流、商流的管理和节点企业间的互助协作, 来实现经济、环境和社会三个方面绩效的可持续性发展。Krajnc等[2] 设计了一个可持续发展模型, 通过经济、社会和环保方面的可持续性来反映公司的绩效。Singh 等[3]介绍了可持续性并且运用层次分析法创立了一个概念性的评价模型来评价公司可持续性绩效的影响。Ding[4]使用了4种可持续发展决定因素来建立可持续指数。 Melissa等[5]认为公司的潜在竞争优势可以通过可持续供应链来获得并描述了潜在方法的使用。在可持续方面, Lamming、Preuss[6]提出了环境、社会和道德问题的演进。Darnall等[7]对供应链环境管理的合作化产生的影响做了相关的研究。到目前为止, 国外研究者, 对可持续供应链做了大量基于案例的研究和实证分析, 得出了可持续供应链管理对国民经济的可持续发展产生了巨大的影响的结论, 但是对可持续供应链的绩效评价目前还没有较系统的研究。
国内许多学者和研究机构对供应链绩效评价做了大量的研究, 取得了丰富的研究成果, 在供应链绩效评价方面, 通过知网等公开媒体可以搜集到的论文共30篇左右。对其分析发现, 国内研究者对供应链绩效的研究大多集中在指标体系和评价方法两个方面。在评价指标体系中, 李晓龙等[8]研究了基于可持续发展能力的绿色供应链绩效测量问题, 但只是从自然环境方面来反映供应链的可持续发展能力, 没有考虑经济效益和对社会环境的影响。黄凌等[9]结合可持续发展的要求和绩效管理的特点, 基于PCDA环对供应链绩效做了研究。在评价方法的选择上, 如何客观、准确地确定各指标的权重十分关键。评价方法大致经历了从单一方法到组合方法的发展阶段。陈志祥[10]采用了AHP法;李冠和何明祥[11]选取了DEA法;梁万华结合了AHP和 DEA法;杨亦等采用了熵权和理想解法。虽然各种方法都有各自的优点, 但做到如何科学地与具体研究问题相结合, 主、客观权重相结合仍待进一步研究。
2 评价指标体系建立
2.1 评价指标体系建立的原则
本文指标选择参照的原则有:系统性、可比性与实用性、重要性与简单性、综合性。
2.2 综合评价指标的构建
本文将评价指标分为经济能力指标和适应环境能力指标。经济能力指标又细分为生存能力指标和发展能力指标。本文将供应链的环境适应能力分为适应自然环境和适应社会环境的能力。具体指标的选择和分类参考的论文有:Ismail Erola等[12]、陈志祥、 倪霖、王伟鑫、马士华 [13]、陈虎、陈畴镛[14]、汪利虹;参考的著作有:马士华、林勇、张光明、吴健[15]。具体的模型如表1～表4所示。
3 评价模型的构造
3.1 供应链绩效评价方法研究
目前有较多的供应链绩效评价方法。确定指标权重的方法有比较分析法、Delphi法、熵技术、层次分析法、模糊层次分析法 (FAHP) 等。对方案的评价采用关键绩效指标法 (KPI) 、平衡记分卡 (BSC) 、模糊综合评判、逼近理想解法 (TOPSIS) 的综合排序、数据包络分析 (DEA) 、BP神经网络、灰色综合评价法以及这些方法的集成应用法等。现只对本文所选取的结构熵权法、变异系数法和理想解法, 结合本文所研究内容做以下评述。
3.2 评价模型的构造
3.2.1 结构熵权法
结构熵权法[16]是把主观赋值法与客观赋值法相结合, 同时又把定量分析与定性分析相结合, 用于测评指标体系的权重的新方法。主要思想是:基于熵理论, 把采集专家意见的德尔斐专家调查法与模糊分析法相结合, 形成“典型排序”, 对“典型排序”按照给定的熵决策公式进行熵值计算、“盲度”分析, 并对可能产生潜在的偏差数据做统计处理。 最后算出总体认识度, 归一化后即得到指标的综合权重。步骤如下:
①收集专家意见, 形成初始排序。
②对初始排序进行“盲度”分析, 并算出总体认识度。假设有k位专家, 总共获得问卷调查表k张, 每一张表对应一指标集U= ( u1, u2, …, un) ;指标的初始排序矩阵记做A (A= (aij) k×n, i=1, 2, …, k; j=1, 2, …, n) , 其中aij是第i位专家对第j个指标uj的评价。对上述初始排序定性、定量转换, 定义转换熵函数为:
其中, 令
带入式 (1) , 化简可得到
undefined
其中r为专家依据初始排序的样式对某个指标评价后给出的定性排序数, m为转换参数量。令m=j+1, j为实际最大顺序号, 将排序数r=aij代入式 (3) 可得到定量转换值bij, (u (aij) =bij) , 矩阵B= (bij) k×n为隶属度矩阵, 平均认识度记为bj, bj= (b1j+b2j+…+bkj) /k, 表示k位专家对指标uj的一致看法。专家zi对因素uj由认知产生的不确定性称为“认识盲度”, 记做Qj, 令
undefined
对于每一个因素, 定义k位专家关于u的总体认识度为xj,
xj=bj (1-Qj) (5)
由xj即得到k位专家对指标uj的评价向量X= ( x1, x2, …, xm) 。
③归一化处理, 得到运用结构熵权法算出的权重:
undefined
即, 处理后的结果aj就是每个指标j的综合权重。
3.2.2 变异系数法
变异系数法 (Coefficient of variation method) 是直接利用各项指标所包含的信息, 通过计算得到指标的权重。是一种客观赋权的方法。此方法的基本做法是:在评价指标体系中, 指标取值差异越大的指标, 也就是越难以实现的指标, 这样的指标更能反映被评价单位的差距。
为了消除各项评价指标的量纲不同的影响, 需要用各项指标的变异系数来衡量各项指标取值的差异程度。各项指标的变异系数公式如下:
undefined
式中:vj是第j项指标的变异系数, 也称为标准差系数;σj是第j项指标的标准差;x^j是第j项指标的平均数。各项指标的权重为:
undefined
3.2.3 最终权重
由结构熵权法得到的权重的计算方法是客观的, 但是原始数据仍然具有主观性。变异系数法则完全是根据数据差异大小本身所包含的信息量, 得出的权重为客观权重, 将二者加权平均, 所得出的最终结果才是真正意义上的主客观相结合能够反映各指标重要性大小的综合权重。则模型指标的最终权重ωj为:
ωj= (aj+zj) /2 (9)
3.2.4 改进的TOPSIS法
TOPSIS法翻译成逼近于理想解的排序方法.它的基本思想是:对归一化后的原始数据矩阵, 确定出理想中的最佳方案和最差方案, 然后通过求出各被评方案与最佳方案和最差方案之间的距离, 得出该方案与最佳方案的接近程度, 并以此作为评价各被评对象优劣的依据。TOPSIS法能集中反映总体情况、进行综合分析评价, 具有普遍适用性, 故应用日趋广泛。尽管如此, 如果在应用中新增加方案, 原始方法容易产生逆序问题, 所以本文采用改进的能够避免产生逆序问题的TOPSIS法[17], 来解决逆序产生问题。
改进TOPSIS法的计算步骤为:
① 用向量归一化法对决策矩阵作标准化处理, 得到标准化矩阵:
y= (yij) m×n (10)
其中,
undefined
; j=1, 2, …, n (11)
②确定绝对正理想解和负理想解:
使用TOPSIS法的关键是要确定合理的绝对正理想解和负理想解, 绝对正理想解和负理想解可以由决策者自己根据对决策问题的了解设定, 也可由有关专家根据经验确定。为了避免产生逆序数, 且由于标准化后的指标集都位于-1～1, 所以文中的绝对正理想解可以设定为向量1n×1= (1, 1, …, 1) T;绝对负理想解可以设定为向量 (-1) n×1= (-1, -1, …, -1) T, 更加便于计算。
③ 计算各决策方案到绝对正理想解和绝对负理想解的距离:
undefined
undefined
; i=1, 2, …, m (13)
④ 计算相对贴近度:
undefined
⑤按照相对贴近度的大小对决策方案进行排序。数值越大的表示绩效水平越高。
综上, 得出可持续供应链绩效评价综合模型, 见下图。
运用该模型进行绩效评价的主要步骤是:
步骤1:运用结构熵权法算出基于专家排序的指标权重aj;
步骤2:运用变异系数法得出指标的纯客观权重zj;
步骤3:综合上述权重, 得最终权重ωj;
步骤4:运用改进的TOPSIS法, 得到相对贴近度;
步骤5:根据相对贴近度大小, 得出关键企业绩效优劣程度排序。
4 应用实例
2012年的“电商大战”愈演愈烈, 苏宁和国美之间的竞争正在如火如荼的进行。暂时的胜利不代表最终的胜利, 谁能笑到最后, 谁才是真正的王者。因此, 对他们绩效的可持续性作一个评价分析不仅引起了许多学者的注意力, 而且企业经营者也十分重视这个问题。现基于苏宁和国美2011年的年度数据, 分别对其生存能力、发展能力和适应社会环境的能力作出分析。本文所选指标均来自于模型中的指标, 但由于考虑到数据的可得性和指标的重要程度, 只筛选了部分指标来构建评价体系。表5中的甲、乙、丙所对应的数据指的是相关专家针对指标对所评价的绩效的重要程度做出的初始排序结果。aj为用结构熵权法求出的权重, zj为用变异系数法求出的客观权重, wj是二者平均加权得到的最终指标权重。j*、j-分别为运用改进TOPSIS法求出的到正、负理想解的距离。
4.1 苏宁电器与国美电器的生存能力比较分析
步骤1:根据结构熵权法求出指标权重aj, 如表5所示 。其中总资产增长率的熵权重最大, 说明在反映生产能力的指标中, 专家最看重总资产增长率。
步骤2:根据变异系数法求出的权重zj, 如表6所示。
步骤3:在结构熵权法和变异系数法基础上求出的最终权重ωj, 如表7所示。
步骤4:运用改进的TOPSIS法, 求出的正、负理想解, 进而得到相对贴近度。
步骤5:根据表8, 可知苏宁电器生存能力指标的相对贴近度大小为0.67507054, 国美电器生存能力指标的相对贴近度为0.57565667, 可知苏宁电器的相对贴近度大于国美电器。所以得出在可持续绩效评价中苏宁电器的生存能力指标大于国美电器。
4.2 苏宁电器与国美电器的发展能力比较分析
方法同上, 得到最终权重如表9所示:
得到的相对贴近度如表10所示:
根据表10, 由发展能力评价知苏宁电器的相对贴近度大小为0.7425207, 国美电器的相对贴近度为0.6176418, 可知苏宁电器的相对贴近度大于国美电器。所以得出在可持续绩效评价中苏宁电器的发展能力指标大于国美电器。
4.3 苏宁电器与国美电器的环境适应能力比较分析
方法同上, 得到最终权重如表11所示:
得到的相对贴近度如表12所示:
根据表12, 由环境适应能力可知苏宁电器的相对贴近度大小为0.7274825, 国美电器的相对贴近度为0.6230803, 可知苏宁电器的相对贴近度大于国美电器, 所以得出在可持续绩效评价中苏宁电器的环境适应能力指标大于国美电器。
4.4 苏宁电器与国美电器的可持续供应链绩效比较分析
根据表13, 可以看出在每个单元的绩效评价中, 苏宁电器的绩效考核结果都优于国美电器, 然后采用加权平均法求出综合贴近度, 在可持续供应链绩效评价中, 苏宁电器的相对贴近度大小为0.7150246, 国美电器的相对贴近度为0.6054596, 可知苏宁电器的相对贴近度大于国美电器, 所以得出在可持续绩效评价中苏宁电器的绩效水平优于国美电器。具体优异度如表14所示:
从表14可以看出, 苏宁电器在生存、发展、适应环境方面的能力都优于国美电器。相对于国美电器而言苏宁电器在发展能力方面的优异度最大, 说明苏宁电器更具有发展潜力。
5 结 论
本文把评估指标体系划分成了生存能力、发展能力、自然环境适应能力和社会环境适应能力四大单元。其中每个单元都有若干包括财务方面和非财务方面的、供应链内部和外部的具体指标, 充分考虑到了影响企业绩效的各方面的因素。在评价指标权数确定方面, 运用结构熵权法和变异系数法对各个指标赋权, 主客观方法的巧妙结合, 避免了主观赋权的认知偏向性和客观赋权可能产生的与事实不符的情况。最后通过优异度的大小来衡量每个单元与行业中取得优异绩效的供应链核心企业的差距。
摘要：由于生态中国战略的提出, 可持续供应链管理成了国内新兴的热点研究课题。它强调经济、环境和社会三方面绩效的协调发展, 注重经济效益、自然环境和社会责任的协调, 反映了可持续发展的时代主题。本文引入可持续供应链管理的概念, 建立了基于生存能力、发展能力、适应自然环境和适应社会环境四方面的可持续供应链绩效评价参考体系。创造性地综合结构熵权法和变异系数法算出指标综合权重, 运用改进的TOPSIS法排出优劣顺序, 算出优异度。最后运用该模型对苏宁电器和国美电器的可持续供应链绩效做了评价, 同时验证了该评价模型的可行性和准确性。本文的研究可以为可持续供应链绩效研究者的研究和管理者的决策提供参考依据。
【TOPSIS评价模型】推荐阅读：
TOPSIS综合评价11-06
改进TOPSIS模型12-05
熵权TOPSIS09-23
灰色关联TOPSIS06-22
改进TOPSIS法10-27
改进的TOPSIS法09-27
TOPSIS分析法11-29
动态评价模型08-08
健康评价模型08-17
产品评价模型11-29