关联性模型

关联性模型（共10篇）

关联性模型 篇1

摘要：本文选取了2010年3月至2012年5月文山三七交易市场各三七品种的交易价格数据, 建立了任意两种品种价格之间的一元回归模型, 并运用计量经济分析方法以及计量经济学软件Eviews定量地检验了模型的合理性。

关键词：三七价格,平稳性检验,关联性,线性回归分析,因果检验,残差分析

一、引言

三七是名贵的中药材。随着国民经济的发展和人民生活水平的提高, 三七的需求量越来越大, 价格也经常出现大幅度波动。历史上, 三七价格出现过多次的大幅度涨跌, 直接原因是人们在三七价高时盲目扩大种植, 而在跌价时不惜血本抛售。从根本上看, 三七价格大幅度涨跌的原因, 很大程度上是信息不透明和交易手段落后造成的, 因此, 推进电子化交易是三七流通的必然趋势。但是, 另一方面, 三七规格品种分类太多, 价格体系复杂给三七电子化交易带来了一定的困难。电子化交易要求交易品种标准化, 通过大量交易客户进行集中交易达到发现价格的目的, 而太多的规格品种则会造成交易的分散。因此, 以两种规格品种为代表, 通过一定的关联关系确定其它品种的价格, 对于促进三七电子化交易的发展有积极意义。本文采用计量经济分析法研究三七各规格品种价格之间的内在联系, 试图构建一种价格关联标准为买卖双方提供价格指导。

虽然目前尚未有学者对三七不同规格品种间的价格相关性做过具体的分析, 但国内已有了不少研究价格相关性的成果。如:刘秉乾在《我国金属期货与现货的相关性研究》中, 采用平稳性检验, 格兰杰因果检验等方法对我国铜和铝的期货与现货进行了研究;孔红丽、刘磊根据有关方面的数据建立一元线性回归模型, 运用最小二乘法定量分析贵州与东盟进出口贸易额与贵州省经济增长之间关系。

基于对以上文献的参考, 我们采用了平稳性检验, 格兰杰因果检验的方法, 运用最小二乘法建立了一元回归模型, 并对这些回归方程做了残差分析, 定量地分析了各品种三七价格之间的联系。

二、实证分析

1. 数据处理及各三七品种的价格走向

本文所采用的数据是2010年3月至2012年5月文山三七交易市场各三七品种的交易价格, 对缺失数据的处理是:如果数据有缺失, 我们直接删除整行的观测值。我们共有243个样本。然后主要利用数理统计的方法研究和利用经济学软件Eviews分析各三七品种价格间的关联。

为了降低数据的异方差性但不改变数据的趋势性, 需要对数据进行对数处理。故接下来我们研究的数据皆是变量的对数形式。

2. 数据的平稳性检验

检验变量序列是否平稳, 即是否具有单位根。我们一般常用ADF检验方法。本文采用含有截距和时间趋势的ADF单位根检验变量的平稳性 (表1) , 如果其中任何一个检验变量中ADF值都小于临界值, 则可以认为该序列没有单位根, 是平稳的序列。运用Eviews6.0对各变量的单位根进行检验, 结果可从表1反映出来。

从表1可以看出, 在1%的置信度下, 各个序列均为平稳序列。

3. 格兰杰因果检验

在前面的平稳性检验中, 我们知道各种三七品种价格的序列为平稳的。下面我们对它们进行格兰杰因果关系检验。鉴于篇幅有限, 我们只对部分变量的对数进行检验。

从上表可以看出在1%的置信度下, 概率P值0.0012小于0.01, 所以拒绝原假设“40头三七的价格不是20头三七价格的因”, 即40头三七的价格是20三七价格的因。同理从上表又可以看出20头三七的价格也是40头价格的因, 两者互为因果关系。

因此, 我们可以对其他的变量进行因果检验, 得到类似的结论。

4. 各品种的三七的价格的回归方程及分析

鉴于篇幅有限, 我们只给出了其它三七规格品种价格与40头三七价格的函数模型 (函数均化成了指数形式) , 所有的函数取值范围都为 (x>0, y>0) 。

注:其中为40头三七的价格, 为其他各品种的三七价格。

结果分析:

对于拟合优度r2, 其一般取值在0与1之间。其越接近于1, 就说明回归方程对样本数据点的拟合优度越高。而在上述所得的回归方程中, 拟合优度r2值大多数都大于0.9, 说明上述大部分回归方程的拟合优度都很高。

在上述回归方程中F统计量下的P值均为0, 故在1%的置信度下, 上述模型均可以反应各种三七品种价格之间的关联性。由于eviews软件只能精确到四位小数, 此时为了更好地反映回归方程的显著性最好参照F统计量的值。在Prob (F-statistic) 均为0.0000的前提下, F统计量的值越大越能说明回归系数与零有显著差异。此外在一元回归分析中, 回归方程显著性检验和回归系数显著性检验的作用是相同的, 两者可以互相替代。因此, 回归方程具有显著性, 即函数模型恰当。

5. 残差分析

在此, 我们仅对以40头的三七价格为自变量, 毛根的三七价格为因变量的回归方程l:n y?0.860924x?0.126157的残差做以下三个方面的分析。

(1) 分析残差序列是否服从均值为0的正态分布

我们用eviews6.0得到了该方程的残差序列的基本统计特征:平均值为-4.80E-16, JB统计量为21.54477, 以及此时其对应的概率为0.000021。

原假设为时间序列服从正态分布。在原假设下JB统计量服从自由度为2的卡方分布。以检验水平1%为例, 对应的临界值为9.21, 即P (X>9.21) =0.01。若计算的JB>9.21, 则拒绝原假设, 分布不是正态分布。否则接受原假设。在Excle中输入chiinv (0.00002, 2) 得出自由度为2, 概率为0.00002的临界值为21.64, 由图2中的JB统计量和其对应的概率值知, 该残差序列的分布与正态分布无显著性差异。所以残差总体上服从以0为均值的正态分布。

(2) 残差的独立性分析

残差的独立分析可以通过绘制残差序列图实现。我们用eviews6.0对其残差进行绘图, 发现残差随着时间推移无规律性的变化, 因此该残差序列不存在自相关性。

(3) 异方差性分析

回归分析中, 要求残差的方差是一个常数, 或者说, 不受自变量取值水平的影响。如果残差的方差随着x的变化而变化, 我们就称这一现象为“异方差性”。

首先生成残差平方序列e5, 然后绘制其散点图。发现残差平方项e5的散点图主要分布图形中的下半部分, 少数几个值起伏很大。所以残差的方差不为一个常数, 模型很可能存在异方差。由此说明我们的原始数据中存在着奇异点。

三、结束语

本次研究利用统计计量方面的理论尝试研究出三七各品种价格之间的关系, 最后我们得出了一系列三七品种之间的数学模型。这些模型为纯理论性的模型, 三七交易者们在实际交易中可以适当参考。

我们旨在建立一种标准, 来为三七行业服务, 促进三七行业的健康发展。在此对给予本次研究大力支持的云南省文山州三七特产局等一系列单位表示衷心感谢。 (本文数据来源于文山三七电子商务股份有限公司)

参考文献

[1]张晓峒.计量经济学软件EVIEWS使用指南[M].南开大学出版社, 2003.

[2]高铁梅.计量经济分析方法与建模:Eviews应用及实例[M].清华大学出版社, 2006.

[3]刘秉乾.我国金属期货与现货的相关性研究[D].云南大学数理统计学院, 2010.

[4]孔红丽, 刘磊.贵州与东盟的进出口贸易额与贵州经济增长的相关性分析[D].贵州大学经济学院, 2011.

关联性模型 篇2

供应链管理 (SCM)是在 IT技术广泛应用的基础生的一种先进、新颖的管理哲学与方法 .在供应链 (SC)中,合理地分析供应商的竞争力是优化选择具有敏捷性和相容性合作伙伴的`关键 .本文提出了供应商竞争力的分析指标体系,构建了一个基于灰色系统理论的灰色关联模 .该示和型较好解决了对供应商竞争力分析中所遇到的信息不完全、评价指标较多、部分指标之间存在相关或重复等复杂多因素综合决策问题,并给出应用实例.

作 者：綦振法 徐晋 徐福缘  作者单位：綦振法(山东理工大学,管理学院,山东,淄博,255049)

徐晋(上海交通大学,管理学院,上海,200030)

徐福缘(上海理工大学,上海,200093)

刊 名：山东理工大学学报(自然科学版) 英文刊名：JOURNAL OF SHANDONG UNIVERSITY OF TECHNOLOGY(SCIENCE AND TECHNOLOGY) 年，卷(期)：2003 17(4) 分类号：F273 关键词：供应链   供应商   竞争力   灰色关联模型  

关联性模型 篇3

关键词：肉鸡产品；质量安全；预警模型；关联规则；APTPPA；HACCP

中图分类号： TS207.7 文献标志码： A

文章编号：1002-1302（2015）03-0271-04

食品安全问题的频繁发生，引起了众多国家的高度重视[1]。发达国家早已开始研究构建一套广泛有效的食品安全预警模型。畜禽产品在日常养殖、加工过程中面临更多更复杂的安全风险，监管难度很大。因此国内外学者较为关注对畜禽产品质量安全预警模型的探讨和研究。我国肉鸡产业发展迅速，但产品品质参差不齐。如不及时改善产品质量，提高预警能力，国内肉鸡产业将难以抗衡外来企业[2]。

数据挖掘在食品安全领域的应用较少，而食品安全日常事务所产生的大量时序数据非常适合做数据分析，从中可挖掘出有效的预警条目[3]。选择合适、高效的挖掘算法对食品安全预警模型的精确度至关重要。本研究采用的关联规则挖掘算法最早由Agrawal等提出[4]，其中以Apriori算法最为经典[5]，后续学者提出的改进算法大多以Apriori算法为基础。由于Apriori算法存在固有缺陷，随后Han等提出基于 FP-tree 来生成频繁项目集的FP-growth算法[6]。近些年其他类型的关联规则挖掘算法也相继问世[7，8]，明显进步于早期算法，但在食品安全领域的适用性并不理想。肉鸡养殖、屠宰的安全因素具有多值性、倾斜性、稠密性和负相关性等特点，使传统挖掘算法构建预警模型变得尤为困难。本研究针对食品安全因素的固有问题，结合HACCP管理体系，采用Association Path Tree Pattern Parallel Algorithm（APTPPA）算法构建了肉鸡产品质量安全预警模型。

1 肉鸡产品质量安全预警模型框架

本研究的预警模型是肉鸡产品质量控制与可追溯系统中的一个模块。该系统基于B/S架构，囊括肉鸡产品安全信息的监测、分析和追溯，能够挖掘溯源数据库中的异常数据，比对专家和历史数据库，生成有效的预警信息，并及时发出警报。肉鸡产品质量安全预警模型包括信息源、比对源、挖掘分析以及预警反馈4个模块。预警模型框架见图1。

信息源模块是预警模型数据的来源，以肉鸡溯源系统在肉鸡养殖、生产环节所收集的数据为基础，遵循HACCP体系，选取关键控制点中的记录进行预警挖掘。

比对源模块是专家数据和历史挖掘数据的数据源，在进行规则挖掘分析时，通常要与专家数据、历史数据对比，再得出挖掘规则。

挖掘分析模块是预警模型的核心，接收来自信息源的原始数据，经过对异常数据的分析，采用合适的关联规则挖掘算法，得出具有参考价值的规则，供下一个模块使用。

预警反馈模块是外部获得信息的窗口。当预警信息归类为紧急信息时，系统自动通知相关人员，即刻采取措施，避免造成食品安全事件和大规模损失。该模块还可供管理人员自主查询预警信息，从而提高预防能力，保证肉鸡产品质量，提高企业的行业竞争力。

2 肉鸡产品质量安全预警模型处理流程

肉鸡产品质量安全预警模型处理流程主要分为数据预处理、建立预警模型、挖掘结果检验3步[3]。预警模型详细处理流程如下：

（1）进行数据预处理，并设置算法的支持度、置信度阈值。

（2）利用关联规则挖掘算法搜索频繁项集。

（3）对已找到的频繁项集进行剪枝操作。

（4）判断是否完成频繁项集的搜索，若是则进入下一步，否则返回（2）。

（5）根据找寻到的频繁项集生成关联规则，并在通过规则检验后更新预警数据库。

数据预处理主要是对异常数据进行逻辑转换和分类操作。逻辑转换针对监测数据为连续值的情况，连续值数据無法进行关联规则挖掘，因此要事先转换成逻辑值。分类是保证预警模型预警等级准确的前提，不同分类的异常数据后续处理方式也不同。根据提取食品安全预警事件特征的方法，可将异常数据分为常规异常和超限异常。

超限异常是指对于各项指标集合，具有影响食品安全状况的评价结果，它是最容易导致食品安全问题的因素[9]。

常规异常包括不规范异常、分布异常、趋势异常。

（1）不规范异常。是指数据未按标准方式获得，具有不可信性，报警等级较低。

建立预警模型就是把预处理后的异常数据采用APTPPA算法进行数据挖掘，找到频繁项集，抽取关联规则的过程。

挖掘结果检验即把新生成的预警规则与原有规则库进行对比，并分析实际预警效果。如果原有库中不存在该条规则，并且印证规则具有实际预警效果时，则将该规则更新到现有规则库中。

3 基于APTPPA算法的肉鸡产品质量安全预警模型

经典的Apriori算法在执行过程中会产生大量中间项集，必须多次扫描数据库，需要很多辅助空间结构，且要求数据为二值逻辑。本研究采用的APTPPA算法在压缩数据的同时保证了原始数据集的基本形态，使其在多值数据、倾斜数据和负关联规则的挖掘中比其他同类算法更加有效。APTPPA算法主要包括关联路径树生成、频繁项集挖掘和寻找最大频繁项集3个步骤[3，10]。

3.1 关联路径树生成

3.1.1 关联路径树的基本思想

将事务数据库D中每个数据项im均进行逻辑化处理会导致项数大量增加，造成维灾难。为了减少项数，将项值进行标号化处理，每类项值都用标号vn表示。将标号化结果构造成树形结构就是关联路径树。以1 000组15项肉鸡超限异常数据为例，标号化的数据集D如表3所示。

数据集D进行逻辑化、标号化处理后，各项的值域显著减小，内部存在较多相同的事务数据。此时为数据集D增加count属性，对相同的事务数据进行统一计数，删除冗余，得到无重复数据的数据集D′。由于没有冗余事务，每条事务Ti包含项集的一种取值构成最大项集，其支持度计数就是事务计数counti的值。

3.1.2 构建基于树的路径表

数据集D′中的每个事务都是项值的组合，D′中所有事务可构成1棵关联路径树，每个事务都是1条分支（图2）。

3.2 频繁项目集挖掘

3.2.1 按模式指导求频繁项集

根据Apriori性质，可利用模式指导在关联路径树之上找寻出频繁项集。所谓模式即形如“xxooxxxxo”的某种排列组合，将事务中“x”位处项值忽略，而把“o”位处项值相同的事务计数并求和，就是该模式下的频繁项集及其计数。对于非倾斜数据，在“o”增加的同时，此模式下的事务计数会锐减，从而有效收敛。对于倾斜数据，事务计数原本大于支持度阈值，模式计数退化。此时为了保证算法的快速收敛，将包含全部项的频繁项集计数置零，再进行模式计数。还可通过设定最小支持度阈值对项集组合进行直接的剪枝操作。以1 000组15项肉鸡超限异常数据为例，找到的频繁项集如表5所示。

3.2.2 并行递归求频繁项集

m个项有m个1-“o”模式（k-“o”模式指包含频繁k项集的模式）的初始项集。并行递归就是在关联路径树上以1-“o”模式为起始条件递归生成其他模式的方法。单CPU时，所有模式按1-“o”模式的生成过程逐个递归完成。多CPU时，每个CPU分配1个1-“o”模式，显著提高递归速度。当事务计数小于递归阈值时，递归终止，算法收敛有效。

3.3 寻找最大频繁项集

为了使挖掘结果更有意义，有必要在挖掘过程中剔除相似关联规则， 防止重复规则出现。寻找最大频繁项集是剔除相似关联规则的一条途径。对于APTPPA算法而言，在模式指导树上取路径a与其他任意路径b进行比较，当a的“o”位包含于b中时，把b赋值给a，重复上述过程，直到不能发现路径b为止。以1 000组15项肉鸡超限异常数据为例，挖掘出的最大频繁项集如表6所示。

4 试验与分析

抽取河北某食品公司肉鸡产品溯源数据库中的1 000組15项历史超限异常数据，在Windows 7操作系统下，采用Java编程语言，通过Eclipse集成平台，验证预警模型的有效性。将采用APTPPA与Apriori算法的肉鸡预警模型进行对比试验，验证APTPPA算法在食品安全预警领域的应用具有高效性。

4.1 基于APTPPA算法的挖掘结果及分析

试验参数设置如下：最小支持度=0.3，最小置信度=08，最大标号数=4，最大规则数=500。试验后从中选取3条报警记录如表7所示。

将上述最大关联规则与历史超限异常数据进行检验，匹配度达80%以上，超标报警也较为准确，体现了本研究预警模型的有效性。由以上最大关联规则可分析出肉鸡养殖、屠宰加工过程中的安全隐患因素，主要有：肉鸡养殖环境中氨气水平、可吸入颗粒物同时超标，需要对栋舍进行清理；养殖用水中氯化物、硝酸盐同时超标，需要对水质进行改良；屠宰车间中氧气浓度、氨气水平同时超标，需要对屠宰车床进行消毒。

4.2 APTPPA与Apriori算法挖掘效率的分析

为了验证2种挖掘算法的预警效率，采用上述1 000组15项超限异常数据分别测试APTPPA和Apriori算法预警挖掘的速度和精度并进行比较，在相同参数设置下，比较结果如表8所示。

由表8可知，在相同的规则覆盖率下，APTPPA算法产生的规则更少，速度更快，效率更高。Apriori算法没有结合食品安全预警信息的特点，产生较多冗余和不符合实际情况的规则。综上所述，在肉鸡产品安全预警时，基于APTPPA算法的肉鸡产品质量安全预警模型比传统Apriori算法预警模型更加有效。

5 总结与展望

基于关联规则的肉鸡产品质量安全预警模型采用了APTPPA算法，该算法能够在海量复杂多变的影响因素中，挖掘出导致肉鸡产品质量安全问题的要素，及时发现肉鸡养殖、屠宰、加工过程中的安全隐患并预警，在实时监控的同时有效减少和消除食品安全事故。但本研究的预警模型尚有不足，仍需进一步改进，主要体现在以下几方面：关键控制点囊括的异常因素不够全面；异常因素之间没有主次之分；逻辑值分类转换过程中没有用到较为准确的分类算法等。

参考文献：

[1]李 倩，张圣忠，王 芳.基于博弈分析的食品安全风险监管策略研究[J]. 江苏农业科学，2013，41（9）：268-270.

[2]赵金石. 我国肉鸡质量追溯系统应用现状分析[J]. 中国畜牧杂志，2011，47（8）：45-48.

[3]顾小林，张大为，张 可，等. 基于关联规则挖掘的食品安全信息预警模型[J]. 软科学，2011，25（11）：136-141.

[4]Agarwa R，Imielinski T，Swmai A. Mining association rules between sets to items in large databases[C]. Porceedings of ACM SIGMOD Intl Conf Management of Data，Washington DC，1993：207-216.

[5]Agrawal R，Srikant R. Fast algorithms for mining association rules in large databases[C]. 20th International Conference on Very Large Data Bases，1994：478-499.

[6]Han J，Pei J. Mining frequent patterns without candidate generation[C]. Porc 2000 ACM IGMOD Int Conf on Management of Data，SIGMOD2000，Dallas TX，2000：1-12.

[7]宋 威，杨炳儒，徐章艳，等. 基于索引数组与集合枚举树的最大频繁项集挖掘算法[J]. 计算机科学，2007，34（7）：146-149.

[8]王黎明，张 卓. 基于iceberg概念格并置集成的闭频繁项集挖掘算法[J]. 计算机研究与发展，2007，44（7）：1184-1190.

[9]翁道磊. 食品安全追溯系统的分析和研究[D]. 重庆：重庆大学，2008.

关联性模型 篇4

(一) 国外学者研究概况

Bessembinder和Seguin (1992) 分析了1978-1989年S&P500指数期货推出前后的情况, 发现期货市场的引入使现货市场波动性减小。Robinson (1994) 对1980-1993年FT-SE100指数的期现货市场的研究表明, 引入期货市场后现货市场波动性减小。Antoniouetal (1995) 对德国DAX指数及期货的研究表明, 股指期货降低了现货市场的波动性。Kim, Szakmaryand Schwarz (1999) 应用向量自回归 (VAR) 模型对S&P500, MMI及NYSE综合指数三个市场的期货与现货关系进行了检验, 研究发现期货市场在期货市场中以S&P500领先, 而现货市场则是以MMI指数为主导。Zhong M., Darrat AF.和Otero R. (2004) 采用EGARCH模型与协整模型分析了墨西哥股票指数期货市场的价格发现功能与相互作用影响的关系。

(二) 国内学者研究概况

肖辉等 (2004) 运用高频数据对S&P500指数与股指期货的互动关系所进行的研究发现, 股指收益率与股指期货收益率之间存在着即时互动关系, 三种波动率度量方法均发现股指期货已实现波动率明显大于股指已实现波动率。李华等 (2006) 对日经225指数对现货市场的波动性影响效应进行了研究, 发现在股指期货推出之初现货市场的反应较强, 波动性较大, 之后其波动性逐渐减小。史美景等 (2007) 对香港恒生指数H股指期货引入前后现货市场的波动性变化进行了研究, 结果发现, 在期货和约未上市前, 波动性干扰反应在时间上的持续性效果较久, 而在股指期货推出之后, 其波动性干扰因子的影响反应速度更快, 市场波动性降低了。

(三) 文献述评

国外对于股指期货对现货市场的波动性的影响的研究多是针对发达国家的市场, 特别是对于标普500和道琼斯这些影响较大的指数更是有充分的研究, 但是对于像中国这样的新兴发展中国家的研究还比较缺乏。国内学者关于股指期货的研究表明, 股指期货可能在短期内会影响现货市场的波动性, 但是从长期来看, 这样的影响并不是很明显。

二、实证分析

(一) 样本数据选取及数据处理

本文选取的全部数据样本区间为2000年1月3日至2010年2月28日的中国香港恒生指数以及香港恒生指数期货交易数据, 交易数据这段时间内总共取2451个数据, 本文用ZS代表香港恒生指数, GZ代表恒生指数股指期货交易数据, 为了避免数据的剧烈波动, 消除时间序列中存在的异方差现象, 对变量进行对数变换。ZS和GZ变量的对数形式分别表示为Lzs和Lgz。

(二) 实证分析

1. 单位根检验

采用ADF (Augmented Dickey-Fuller) 单位根检验方法, 滞后期的选择则是根据SIC准则来选取。检验结果分别如下所示:

由上述检验可得, 在5%置信水平上, Lzs和Lgz序列在原水平上都是非平稳序列, 而对数列进行一阶差分后可以拒绝单位根假设, 接受平稳假设。因此这两个序列都为I (1) 过程。

2. Johansen协整检

Johansen协整检验是基于VAR模型进行的。在模型的每一个方程中, 内生变量对模型的全部内生变量的滞后值进行回归, 从而估计出全部内生变量的动态关系。对于VAR (k) 模型来说, 在建立模型过程中首先要确定最为合适的滞后值k, 为了选择最为合适的k值, 本文使用LR统计量 (5%的置信水平下) 、FPE (最终预测误差) 、SC信息准则、AIC准则与HQ信息准则五个指标来进行判断, 从而确定了K值为6。

由于LZS和LGZ序列都为I (1) 过程, 从而先判断其是否存在着协整关系检验结果如下:

明显可以看出在5%的置信水平区间存在着一个协整关系, 从而说明他们存在长期均衡关系。进一步估计出VAR系统中的协整关系式表示如下:

从上式协整检验结果我们可以得到结论:恒指与其股指期货存在着很强的关联关系, 从而也印证了股指期货具有发现价格的职能。股指变动1%, 其恒生指数也0.993%。

3. 模型的稳定性检验

进一步来对模型置后结构的检验。为了检验VAR模型的稳定性, 本文采用VAR模型滞后结构检验的AR根图表法, 检验结果如下图:

可以看到所有的单位根落于单位圆内, 因此该模型是稳定的。这里也可保存各个方程的误差扰动项估计值, 并对它们进行平稳性、无异方差与自相关检验即单位根检验, 检验结果表明在5%的显著水平上, 各个方程回归残差序列均为平稳序列, 无异方差与自相关, 这验证了VEC模型的有效性。

项是向量误差修正模型的核心部分, 它表示对变量长期均衡关系在短期内的偏离可以起到纠正调节作用。而它前面的调整系数估计值反映了, 当指数受短期冲击偏离均衡状态时向长期均衡值调整的速度, 其绝对值越大, 则调整的速度越快。因此我们可以看到股指期货的推出, 对股票指数具有很好的反应能力, 从而具有很好的价格发现功能。

从VECM波动图可以看出, 误差修正项序列具有持续地在零处上下波动的特点, 这说明当系统从非均衡状态调整到均衡状态时, 需要一定的时间, 但总是均值回复的。这从经济意义上也说明股票指数与股指之间应该是统一的, 存在长期均衡关系是由于其内在运行机制与机理所决定的。其原因主要有:现金结算机制, 能够有效的保证股指与股指期货在长期保持均衡关系;套利与套期保值的存在, 即使短期内有各种经济政治甚至人为的大量投机等因素对期货市场造成剧烈的冲击出现短期内两者相互背离的情况, 但长期内一定会得到纠正从而有长期均衡关系的出现。

4. 方差分解

当滞后期为1时, 100%来自于自身期货价格, 随着滞后期的增加, 总方差中来自于自身期货价格的部分呈下降趋势, 最终趋向于39.42%。然而, 来自于恒生指数的部分滞后期为1时为0, 随着滞后期的增加逐渐增加, 最终趋向于60.58%。因此, 短期的股指期货价格受到自身的作用很大, 从长期来看, 自身的作用有很大的削弱, 从而说明了股指现货市场的运行风险对股指期货市场具有十分强大的冲击与影响。

对于恒生指数长期作用部分的方差, 当滞后期为1时, 68.50038%来自于自身指数价格, 随着滞后期的增加, 总方差中来自于自身期货价格的部分呈下降趋势, 但是下降幅度比较小, 最终趋向于62.91%徘徊。然而, 来自于恒生指数的部分滞后期为1时为31.49962%, 随着滞后期的增加而微弱地上升, 最终趋向于37.09%。因此, 短期的股票指数不仅受到自身的作用, 而且来自于股指期货的冲击也占据有1/3, 从而说明了短期股票指数的波动受到近期期货价格的影响, 也就是期货发现价格功能的表现。

三、总结

本文以香港恒生股价指数与恒生指数期货作为研究对象, 基于向量自回归动态系统模型、向量误差修正模型, 以及VECM基础上的Johansen协整检验方法研究了两者关联性问题与相互影响关系等问题。研究表明恒生股指及其期货市场的时间序列数据都是非平稳的一阶单整的时间序列, 且两者具备协整关系, 即两者存在着关联性与长期均衡关系。这就说明在香港资本市场中, 通过推出股指期货可以实现其价格发现功能, 并为投资者进行风险管理提供重要的工具。在VECM模型的估计结果则发现二者之间有短期的背离现象, 但从误差修正模型中可以得出这样的背离在长期中仍然是围绕均值分布的, 这也从另一个角度说明了股指期货的价格发现功能。而且, 股指期货市场对现货市场有着良好的正向价格调节作用。它的存在使得短期内剧烈波动的股指期货市场可以在长期得到纠正从而有长期均衡关系的出现。

股指期货作为风险管理的有效工具, 既能满足投资者规避系统性风险的需要, 又在一定程度上弥补了现货市场没有做空机制的缺陷。从这个意义上说, 股指期货的存在大大提高了金融市场的广度和深度, 但也应该注意股指期货所带来的短期冲击效应。

参考文献

[1]高铁梅.计量经济分析方法与建模[M].北京:清华大学出版社, 2006

[2]童光荣, 何耀.计量经济学实验教程[M].武汉:武汉大学出版社, 2008

[3]韩德宗, 徐剑刚.沪深股票市场相关性的实证研究[J].统计研究, 1995

[4]彭蕾, 肖涛.股指期货的推出对股市波动性影响研究—来自日本的实证分析[J].云南财贸学院学报, 2004

关联性模型 篇5

摘要：

为增强海上交通运输安全，运用灰色系统理论中的加权灰色关联分析和预测的基本原理，改进关联系数的计算方法，并考虑各序列因子在不同点处的权重差异，对辽宁水域2007—2013年的船舶交通事故进行分析.建立该水域船舶交通事故总数与事故类型及发生时间的关联矩阵，根据得到的加权灰色关联度寻求事故的发生规律.将传统灰色关联理论与加权灰色关联理论的关联结果进行对比，验证加权灰色关联理论具有较好的精确性和层次性.建立船舶交通事故总数的预测模型，并对该水域的交通形势进行预测，同时将预测模型结果与实际数据相比较，得到模型预测精度，证明该模型合理、可靠，可以为海上交通事故的预防提供指导和借鉴.

关键词：

海上交通事故； 灰色理论； 加权灰色关联理论； GM（1，1）预测模型； 辽宁水域

中图分类号： U698.6

文献标志码：

0 引 言

作为东北亚经济圈的中心地带，辽宁水域成为该地区经济的重要增长源.辽宁水域包括大连海区、营口海区、丹东海区、锦州海区、葫芦岛海区和庄河海区，水域宽广，港阔水深，地理条件十分优越.然而部分水域水文条件复杂，气象环境恶劣，航道淤浅，致使海上交通事故频发，给当地经济发展带来了一定的负面影响.因此，需对该水域的海上交通事故进行分析，找出其主要致因并进行预测，为预防海上交通事故提供借鉴.然而，海上交通事故成因复杂，涉及因素众多，各因素间缺乏明确的内在联系，为克服以上问题，用灰色系统理论对该区的交通事故进行分析预测，弥补传统分析方法的不足[1].

1 加权灰色关联和预测的基本原理

1.1 传统灰色关联理论

1.2 加权灰色关联基本原理

1.3 灰色GM（1，1）预测模型

1.4 灰色GM（1，1）预测模型的检验

2 辽宁水域海上交通事故致因的加权关联分析

2.1 事故总数与事故类型的关联分析

从得到的计算结果可以看出，辽宁水域海上交通事故类型与事故总数关联度的密切顺序为碰撞>触碰>搁浅>其他>火灾/爆炸>自沉>操作污染>浪损>触礁>风灾，与直观分析的结果相一致.碰撞仍是引起海上交通事故的主要根源；触碰、搁浅其次；火灾/爆炸与事故总数的关联度较弱；自沉、操作污染、浪损和触礁等与事故总数的关联度更小.由此可见，人为因素是引起该水域碰撞、触碰、搁浅等海上交通事故的主要致因.

根据传统的灰色关联理论，由式（1）和（2）计算得出辽宁水域2007—2013年事故总数与碰撞、搁浅等事故类型的灰色关联度γ′i（i=1，2，…，10）为

从上述计算结果可知，辽宁水域海上交通事故类型与事故总数关联度的密切顺序为碰撞>搁浅>触损>自沉=其他>火灾/爆炸>操作污染>触礁>浪损=风灾.

对比这两种计算方法得出的结果，并结合表2的统计数据，可以看出加权灰色关联理论得出的排序结果与事故统计数据更加吻合，且排序层次更加清晰.这是因为传统的灰色关联理论并没有考虑各因子的权重差异，将各因子按照等权重处理.实际上，各序列因子在整体数据系统不同点处的权重是不同的，各点关联系数相对于其平均值的波动对关联度有一定影响.

2.2 事故总数与月份的关联分析

从上面的关联度矩阵和图1可以看出，5月份与事故总数的关联度最大.3—5月份和11，12月份与事故总数的关联度均较大.根据图中折线可知该水域交通事故数随时间的走势：从1月开始事故数量开始增加，直到4，5月份达到高峰，接着开始减少，到8，9月份出现转折，事故多发，10月份后又出现一次高峰（11月份）.分析该水域的水文气象条件可知，影响该水域的天气系统主要有冷高压或寒潮、锋面气旋和强对流天气系统.11，12月主要受冷高压影响，风力强劲，以偏北风为主.3，4月是寒潮活动的高发期，此时季节交替，天气系统发生转变，风力转强.3—5月为辽宁水域海雾的多发季节，多为平流雾，影响范围大，持续时间长，能见度差[9].受以上气象要素的影响，该时段内船舶事故多发，这与量化的结果相一致.

3 辽宁水域海上交通事故的加权灰色预测

通事故总数走势.从图中可以看出辽宁水域未来两年发生的事故总数呈上涨趋势，但波动不大，大致维持稳定.

4 结束语

本文运用加权灰色关联分析原理和GM（1，1）预测模型对辽宁水域海上交通事故进行了定量的分析.根据分析结果可知，人为因素是引起碰撞、触碰和搁浅等事故的主要因素，且事故的发生与当地不同时间的水文气象要素有很大的联系.根据建立的事故预测模型可以判断辽宁水域未来几年的交通事故数量大致维持稳定，并稍有上涨的趋势.因此，有关海事部门所面临的交通安全形势依然严峻，应做好海损事故的预防工作[1011].

灰色系统理论作为一种关联和预测分析方法，对样本数量较少，且数据间无明显规律的系统具有良好的适用效果.引入加权灰色关联理论，优化关联系数的计算方法，或采用残差模型进行修正可进一步提高其预测精度[12-14].由本文的计算结果可以看出，加权灰色关联模型在海上交通事故关联分析方面具有更高的准确性和可靠性，分析层次更加清晰，考虑因素更加全面.在事故预测方面，模型约有5%～10%的精度误差，实际运用中应在预测结果的基础之上添加5%～10%的上下浮动数据，以便更好地分析和应对海上交通事故.加权灰色关联理论在处理海上交通事故方面具有良好的适用性和可靠性，且有较高的预测精度[15]，能够作为一种海上交通事故分析方法，为海事事故分析与预防提供一种途径.

参考文献：

[1]赵江平， 丁佳丽. 基于小波分析的灰色GM（1，1）模型道路交通事故预测[J]. 数学的实践与认识， 2015， 45（12）： 119124.

[2]邓聚龙. 灰色系统的基本方法[M]. 武汉： 华中理工大学出版社， 1987： 4097.

[3]杨金花， 杨艺. 基于灰色模型的上海港集装箱吞吐量预测[J]. 上海海事大学学报， 2014， 35（2）： 2832.

[4]王祺， 王志明. 马尔可夫灰模型的海上交通事故预测[J]. 中国航海， 2013， 36（4）： 119122.

[5]郝庆龙， 戴冉， 梁凯琳， 等. 基于加权灰色系统的宁波海上交通事故致因和预测[J]. 大连海事大学学报， 2013， 39（4）： 3537.

[6]赵永， 李为民， 刘彬， 等. 基于改进灰色关联法的高超声速目标威胁评估模型[J]. 探测与控制学报， 2015， 36（5）： 8085.

[7]FEI Su， ZENG Chuandong， BAGEN Chaolun. An application of optimal SCGM（1，1）Markov Model for simulation and prediction on indexes of watersaving[C]//The Third International Conference on Information and Computing. Wuxi， Jiangsu： ICIC， 2010： 172176.

[8]彭波. 大连辖区海上交通事故研究[D].

大连： 大连海事大学， 2013.

[9]张永宁. 航海气象学与海洋学[M]. 大连： 大连海事大学出版社， 2008： 59130.

关联性模型 篇6

纵观世界经济,服务业已经取代制造业成为世界经济增长的主要驱动力[1]。Wise和Baumgartner的研究表明[2],许多制造企业来自服务活动的收入是产品销售收入的10~30倍。随着服务产业比重的提升,社会化分工的深化,制造业和服务业之间相互依赖、相互融合,二者的边界越来越模糊[3]。发达国家一些企业顺应发展潮流,积极推进服务化转型,已取得了显著的效果。GE公司通过转型,服务业务对总利润的贡献已从转型前的50%增长到了70%,业绩达到了标准普尔平均业绩的近两倍。信息技术产品巨头IBM2005年的服务业收入在全年911.34亿美元的总营业收入中占51.96%。美国制造业中服务的比重已高达58%,相比之下,我国的制造企业服务化转型处于相对滞后的局面。97.8%的中国制造型企业仍停留在纯产品生产加工阶段,许多制造企业“增产不增收”,利润增长点尚未涉及高利润的服务领域,处于价值链的低附加值环节。

制造企业的服务化转型是指制造企业从纯粹的产品生产者向全面的客户支持方案提供者转变,以消费者需求为核心,通过提供包括产品、增值服务在内的一系列解决方案来满足需求[4]。制造企业在实施服务化转型的过程中需要在战略上树立企业服务化转型的思想,在战术上找到实际可操作的方法与手段。

产品服务系统(Product Service System,PSS)的概念由Goedkoop于1999年首次提出[5]。PSS将经济模式从仅仅关注生产和销售物质产品,转变为关注能满足顾客需求的产品和服务的整合[6],以向顾客提供产品服务组合的整体解决方案为核心目标。PSS概念的提出从“战略”上为企业提供了转型的指导思想和方向。然而从“战术”的角度,企业的转型方法,尤其是对转型后服务业务所占比例问题研究较少。部分企业在转型过程中“矫枉过正”,过分的增加服务业务所占比例,忽略了企业的实际情况和产品的特点,制约了企业的长远发展。

在PSS概念中,产品和服务有了新的内涵,两者之间的关系也发生了变化。本文结合PSS中产品服务的特征,以PSS中的产品服务比重为依据,对PSS进行了分类,并进一步在灰色关联度的基础上,以企业、客户双方利益最大化为判断原则,建立了一种量化产品、服务之间关系的产品服务关联度模型,分析产品服务的不同比重对企业及客户的影响,为制造企业实施服务化转型提供帮助。最后,通过案例分析,验证了模型的有效性。

1 PSS中的产品与服务

PSS由两大核心要素组成,即产品与服务,服务成为价值链参与者沟通的载体,居于“产品系统”创新的核心位置[7]。传统的产品与服务具有清晰的界限,产品具有有形性、异步性、同质性、保值性,服务则具有无形性、同步性、异质性、易逝性等特征,而PSS中的产品与服务的界限开始模糊,二者融合为一体。

在PSS中,产品是指能够提供给市场,被人们使用和消费,并能满足人们某种需求的任何东西,包括有形的物品、无形的服务、组织、观念或它们的组合,服务融入到产品中[8]。服务是满足客户需求的产品与活动过程的总和,是具有服务性质的产品;是在产品基础上衍生出的服务,企业不仅提供产品或“产品+附加服务”,而且提供一揽子的“产品—服务包”。即产品为服务的载体,产品方案中融入服务要素,经过一系列的对象化的活动过程,形成一体化解决方案,最终达到服务的目的。PSS中产品的构造、服务的形式与程度及客户的个性化需求等因素融合,形成一体化解决方案,决定了PSS中的产品与服务具有相互融合、相互作用、相互依赖、共同发展的互补性关系。具体说来,PSS中的产品服务具有以下特征:

1)创新性,产品服务内容不再是围绕产品为核心的传统意义上人有我有的产品与服务(比如实体产品,送货,维修等),而是不断研究消费者的需求,来创造出新的人无我有的创新的产品服务整套方案,满足客户的个性化需求。

2)融合性,产品与服务的界限开始模糊,服务即具有服务性质的产品,使得产品具有更加丰富的内容,二者相互融合,相辅相成。服务融入到产品中,形成产品服务一体化解决方案。

3)企业与客户互动性,产品服务的实现形式方面,提供形象化的可以被消费者感知,认可的产品服务,并不断增强与客户的交流与互动,敏捷地感知客户对产品服务的需求,将其转化为企业生产。

4)扩展性,产品服务对象方面,把一些原本提供给产业上下游的产品服务提供给其他企业,或是作为第三方产品服务提供商把一些原本基于产品的辅助服务提供给其他企业作为新的利润来源,提升企业产业结构,优化资源配置,增强企业核心竞争力。

5)多样性,在客户个性化需求的驱动下,产品与服务的融合形式及融合程度的不同,使得PSS具有更多样的产品服务配置方案,构成了更大的PSS产品服务解决方案空间,应对灵活的市场需求。

产品服务的创新、融合、互动、扩展和多样特征,使得企业在转型过程中的产品服务的整合形式多种多样,二者融合的关系灵活多变。例如,汽车制造企业呈现多种形态,用于生产制造与提供配套服务的生产力的额度分配不同,形成多样化的企业经营方案。而在众多的服务化方案中,选择合理的产品服务关系,正确分配产品-服务各自投入比重,才能为企业带来最大效益。产品投入是指企业在“产品—服务包”中投入的产品方面(包括安装、生产、检测、出厂等)的生产力;服务投入是指企业投入在产品基础上衍生出的服务(培训、维修维护、升级回收、处理等)的生产力。

根据产品服务投入在企业PSS中的比重关系,本文将PSS分为三类:偏产品型、产品服务并重型、偏服务型。

1)偏产品型:这类产品服务关系指的是企业为客户提供实体产品以及服务。其为客户提供的价值包括了实体产品以及围绕产品的服务两部分。企业负责产品的销售以及产品售后服务、产品的租赁、产品维护维修回收等,客户对产品全部或者部分的占有权、使用权、收益权以及处分权。在产品使用阶段,客户将产品使用中的状态信息反馈给企业,以及客户的个性化需求、产品的功能缺陷、对理想产品的构想等信息反馈给企业。企业对反馈信息进行分析,为客户提供相应的服务,以保证产品在一定时间内的效用,并将分析结果用来改进产品的设计生产和服务。

2)产品服务并重型:采用这类产品服务关系的企业为客户提供的是生产性质的价值,为客户提供满足其生产制造过程中需求的部件、业务或流程,以优化用户产业结构配置,使用户专注于核心业务能力的提升,增强其在市场中的核心竞争力。制造企业各生产部门之间的衔接可以归类为企业内部的生产型产品服务系统,零部件生产部门为总装部门提供所需要的零部件及技术支持。目前兴起的外包业务[9]也是此类PSS的典型应用,企业(发包方)为了优化资源配置,将其非核心业务外包给其他企业(接包方),接包方将产品与服务打包提供给发包方,满足其需求。

3)偏服务型:采用此类产品服务关系的企业为客户提供的是产品与服务产生的收益价值。客户享受产品与服务产生的效用,不涉及产品的占有权、使用权、处分权等问题。客户将其效用的质量信息反馈给企业,促使企业改进产品的设计生产、提高服务质量。施乐公司的商业模式就是此类产品服务系统。该公司以前提供给用户的是复印机,而现在直接为客户提供文档管理、存储、图像扫描、文件转换等服务,以服务量来收取费用。

企业按照自身产品、服务的特点确定和选择合理的PSS类型进行服务化转型,则需要进一步量化和合理分配产品服务投入的比重,以实现企业及客户效益的最大化。

2 产品服务关联度模型

2.1 产品服务关联度主因子

PSS是以客户需求为驱动[10]的商业模式,建立企业PSS的产品服务关联度模型需要考虑企业与客户两个方面的因素[11],企业的经济效益与客户的满意度是实现企业-客户双赢的服务化转型的根本目的。

企业方面,企业的产品设计生产能力与市场销售情况、服务活动的提供能力及为企业带来的收益等,是决定产品与服务在构成PSS的各自比重中的企业因素,这些因素对企业经济效益的综合作用,则体现为盈利能力、资产增长能力、偿债能力、资产周转能力、盈利增长能力五个企业经济效益评价的主因子[12],每一个主因子的变化都将促使产品服务比重发生改变。

客户方面,客户是产品服务的受众,其对企业提供的产品服务是否满意,反映了PSS中产品服务比重的合理性,是提高客户忠诚度的关键,是决定产品服务比重选择的重要因素。

理论上,当企业的经济效益与客户的需求满意度均达到相对最大化,企业与客户在PSS中两者激励相容[13],折中获得相对满意的利益,即达到经济博弈论[14]中的利益双赢时,企业选择的PSS产品与服务分配的比重最合理。

因此,本文选取盈利能力、资产增长能力、偿债能力、资产周转能力、盈利增长能力和客户满意度作为产品服务关联度模型主因子。

六个主因子能力的大小表示为因子载荷[12]的大小,以量化的形式表示主因子能力的强弱,主因子载荷的最大值为1。例如,盈利能力因子载荷是评价企业盈利的重要参数指标,其值越接近于1表明企业盈利状况越好;资产增长能力因子载荷、偿债能力因子载荷、资产周转能力因子载荷、盈利增长能力因子载荷和客户满意度因子载荷同理,值越接近于1表明与该因子载荷对应的能力越强。企业中的主因子载荷依据企业的实际状况而定,客户需求度则通过市场问卷调查等形式确定。

2.2 关联度模型的建立

灰色关联度模型是通过灰色关联度来分析和确定系统因素间的影响程度或因素对系统主行为的贡献测度的一种方法[15,16]。由于市场的不稳定性,企业PSS中的产品服务投入比重是动态的变量,而灰色系统的关联度主要是对系统动态发展过程的量化分析[17],根据主因子之间发展态势的相似或相异程度,来衡量产品服务关联的程度。决定产品服务比重的主因子对不同的企业与客户群体具有不完全性或非唯一性等灰色特征[15],因此可以用基于灰色关联度模型的原理建立产品服务关联度模型。

根据灰色关联度模型的原理,考虑点点之间的距离远近对关联度的影响,本文将产品服务投入不同比重情况下对企业与客户主因子的影响量化为空间矩阵的一个六维点,每一维代表对每一个主因子的影响,通过比较不同的点与基准点之间的距离远近关系衡量产品服务关系比重的不同对企业及客户主因子的影响程度,作为产品服务关联度模型中最佳产品服务比重的判定,从而得到使得企业与客户利益最大化的产品服务投入比重。

将理想状态下的主因子载荷即企业在理想状态下期望主因子的载荷表示为空间矩阵的基准点,其坐标为:E0=(1,1,1,1,1,1),E0i=1,i=1,2,3,4,5,6。此时盈利能力、资产增长能力、偿债能力、资产周转能力、盈利增长能力和客户满意的程度均达到最大。

将服务占PSS的比重为k∈[0,1]时的因子载荷表示为矩阵坐标:E(k)=(E(k)1,E(k)2,E(k)3,E(k)4,E(k)5,E(k)6)。

关联度系数为:。

E(k)与E0的关联度为:。

mini0│E(k)i-E0i│为判断因子载荷与理想因子载荷的最小差;maxi0│E(k)i-E0i│为判断因子载荷与理想因子载荷的最大差。n=6,ρ为分辨系数,一般取ρ=0.5可得到满意的分辨率[6]。

γ(E0,E(k))的值为一个统计分析值,其最大时主因子载荷与理想状态下的主因子载荷的空间坐标距离最近,表明盈利能力、资产增长能力、偿债能力、资产周转能力、盈利增长能力和客户满意度与理想状态下最为接近。此时的k值,记为k0,为企业中服务占PSS的最佳比重。

根据企业的三种PSS类型,当k值较小时,企业中服务占的比重小,产品所占比重较大,宜选择偏产品型的PSS,企业投入在产品方面的生产力较多,企业着重于产品的生产制造;当k值较大时,证明服务投入所占的比重大,企业宜选择偏服务型的PSS,企业中服务方面的生产力投入较多,企业为客户提供产品服务解决方案;当k值处于中间状态时,企业产品服务投入的生产力相当,宜选择产品服务并重型的PSS,企业为客户提供产品的同时大力发展产品的售后服务。

3 案例分析

以某电梯公司服务化转型的案例,分析产品与服务的比重关系及PSS的类型,来验证产品服务关联度模型的有效性。自1999年以来,通过实施服务化战略转型,该电梯公司确立了由单一电梯生产企业向电梯“生产-服务”企业转型的战略目标。

利用前文模型,分别计算该电梯公司采用不同产品服务投入比重,即取不同k值时的产品服务关联度,选取使得γ(E0,E(k))值最大时的k0值。经过计算,当k0=0.65时,γ(E0,E(k))取得最大值。

在该电梯公司中,当服务占企业PSS的比重为65%时,主因子载荷矩阵坐标为:E(0.65)=(0.88,0.83,0.85,0.80,0.90,0.90)。

主因子载荷与理想状态下主因子载荷矩阵坐标的关联度系数为:

E(0.65)与E0的关联度为:

当服务占企业PSS比重的65%时,该企业的盈利能力、资产增长能力、偿债能力、资产周转能力、盈利增长能力和客户满意度与理想状态下最为接近。此时,k值处于中间状态,企业中产品与服务投入所占比重相当,宜选择产品服务并重型PSS。

该电梯公司经过十几年的产业调整成功实现转型,目前该企业在产品中投入的生产力大约占公司总生产力的40%;在服务活动中投入的生产力大约占公司总生产力的60%。以提供全过程安装维修优质服务为发展方向,重点向电梯的设计、安装、维修、保养、旧梯改造、应急抢险等生产性服务领域延伸,建设经营服务型营销网络,提升客户满意度和忠诚度,为公司创造了经济效益。

由上述实例可见,产品服务关联度模型对于企业转型具有量化的指导参照作用,说明了该公司结合产品特点选择产品服务并重型的转型方案的合理性和有效性。按照此产品服务投入比重进行服务化转型后,该公司的经济效益大增。电梯安装数量由1999年的3000多台上升到2009年的21000多台;电梯维修保养数量由1999年不到8000台上升到2009年的60000多台。2010年,销售收入突破100亿元,成为中国电梯行业首家销售额达到百亿元的企业,也是单厂年产销量世界第一的电梯企业。

4 结论

在当代激烈的市场竞争中,制造企业服务化转型是大势所趋。本文的主要创新点在于在分析研究PSS的产品服务概念特征及PSS分类的基础上,利用灰度关联度模型的原理提出了产品服务关联度模型。目的在于根据产品服务投入比重不同对企业及客户的影响为评判因素,确定最佳的PSS产品服务投入比重,指导企业选择合适的PSS类型进行服务化转型,实现企业与客户的双赢。

摘要：基于产品服务系统中产品与服务的新内涵,将产品服务系统(PSS)进行分类,以企业的产品和服务投入的不同比重对企业及客户的影响为决定因素,在灰色关联度的基础上,本文建立了一种量化分析产品服务投入比重的产品服务关联度模型,以利于企业选择合适的产品服务系统类型进行服务化转型,实现企业与客户的双赢。最后通过案例分析,验证了模型的有效性。

关联性模型 篇7

改革开放以来, 广东凭借独特的政策优势和区位优势, 在30多年的时间里保持了经济的高速增长, 经济总量不断扩大, 产业结构不断优化。但总体来看, 广东产业素质还不高, 产业整体上仍处于全球产业链的低端, 自主创新能力较弱。由于历史与区位的原因, 广东经济一直表现出明显的外向型特征, 净出口在经济增长中占据重要地位, 2007年的对外贸易依存度达到了156%。在目前的经济环境下, 投资驱动效用也在持续递减, 因此在拉动经济增长的“三驾马车”中消费日益突显出巨大的潜力, 并将会是日后经济转型的主轴, 如何激活消费以扩大内需已成为广东省政府的首要任务。

当前, 广东正处于产业结构调整、发展方式转变的重要转折期, 又经历了国际金融危机导致的全球经济的下滑以及国际市场需求的低迷, 经济发展和产业升级面临严峻的挑战。从消费需求看, 广东居民消费占GDP的比重呈现下降的趋势, 农业居民消费占GDP的比重下降尤为明显, 由1978年占GDP比重的36.75%下降到2010年的5.06%。农业居民消费占居民消费的比重也在不断下降。这说明农村消费存在严重不足的现象。农村居民消费市场是一个巨大的市场, 虽然城镇居民消费当前在居民消费中占据了主体地位, 但其发展已日趋成熟, 如何提高农村居民消费需求成为广东扩大内需和实现产业转型升级的一个重要内容。

关于农村居民消费与产业升级之间的经济关系问题, 经济学界已做出了丰富的研究成果。穆争社和文启湘 (2002) 认为, 生产结构和消费需求结构在经济运行中是不断变化的, 二者在经济运行中相互协调, 相互促进。周兵和梅宏常从三次产业结构和就业结构两个方面定量分析了产业结构对居民消费的影响。庄燕君 (2005) 在区域划分的基础上对区域产业结构与区域消费结构的变动进行了定量分析。邬德政 (2008) 实证分析得出农村居民消费结构影响并决定着产业结构, 同时产业结构也在一定程度上影响着消费结构的演进。陈珍妮 (2008) 认为由于需求不足导致当前产业结构失衡。潘文轩 (2009) 认为产业结构失衡是当前消费需求不足的根源。可以看出, 对于消费需求对产业升级影响的研究, 大多从消费结构的角度考察其与产业结构之间的关系, 对于消费水平与产业结构之间的关系考察较少, 本文从消费水平与产业结构的角度出发, 运用1978—2010年的经济数据, 对广东农村居民消费与产业升级之间的关系进行实证分析。

2 居民消费与产业结构的关联性分析

2.1 产业结构对居民消费的影响作用分析

产业结构对居民消费需求的影响主要有两种方式, 一种是通过产业结构对经济增长产生的影响来影响消费需求, 这种影响主要反映在总量和水平上。库兹涅茨认为, 一个国家或地区经济增长的过程同时也是经济结构变动的过程, 其中产业结构和消费结构的变动是经济结构变动的重要内容。其思想可用如下传导机制图来表示:

产业结构对居民消费需求的另一种影响方式是产业结构直接制约或引导居民消费需求, 这种影响主要反映在结构上。产业结构对居民消费需求的制约作用主要表现为两个方面: (1) 产业结构对居民消费对象的制约。在社会生产力发展的不同阶段, 社会分工的广度和深度的以及资源配置的不同格局及其内部比例关系直接决定了消费品的产出总量与结构, 因而从消费对象上约束着居民消费的方向与结构。 (2) 产业结构变动的速度制约着消费水平和消费结构变动的速度。产业结构形成后在一段时间内一般都会具有稳定性, 其变动需要一定的周期, 其变动周期的长短, 就会在消费对象的供给上决定消费水平以及消费结构变动速度的快慢, 以及其变动周期的长短。另外引导作用主要表现为:新的产业结构能够创造出新的消费需求, 将消费者随机的潜在消费需求引导出来, 形成新的消费结构。

2.2 居民消费对产业结构的影响作用分析

居民消费对产业结构的影响作用主要体现在导向上, 具体可以从两个方面来分析居民消费对产业结构的影响:在以支出法计算的国民生产总值结构中, 消费水平的提高对经济增长起着积极的促进作用, 消费水平提高得越快, 经济增长越快, 从而产业发展越快, 致使产业结构发生变动。居民消费对产业结构的另一种影响方式是居民消费直接影响产业结构的变化, 这种影响主要通过消费需求对生产的诱导作用而体现在结构上。消费需求的变动要求生产与之相应变动。在这一变动过程中, 不适应消费需求的产品和产业将由于大量过剩而导致产品和产业发展萎缩, 而适应消费需求的产品和产业将由于供不应求快速发展。这样, 消费结构变化导致了产业发展的环境产生变化, 从而迫使产业不断地进行调整以适应消费结构的变化。

2.3 居民消费与产业结构之间的互动机制分析

从产业结构与居民消费的关联性分析可以看出, 产业结构与居民消费 (包括消费水平和消费结构) 之间存在双向影响机制:产业结构可以通过对经济增长的影响间接影响居民消费, 也可以直接影响居民消费。居民消费同样可以通过消费水平对经济增长的影响作用而间接对产业结构产生影响, 也可以通过消费结构的变动直接影响产业结构。如果产业结构与居民消费之间存在不适应, 那么就会表现为两者之间双向影响机制的扭曲, 无法形成良性互动的局面。因此, 为实现居民消费与产业结构之间的良性互动, 必须保持产业结构与居民消费之间的适应性。如果存在不相适应的情况, 则应该从产业结构和居民消费两个方面进行全面调整。产业结构的调整可以从政府和企业两个层面进行, 居民消费的调整可以从消费水平和消费结构两个方面进行, 最终实现产业结构与居民消费的良性互动。

3 农村居民消费水平与产业升级的实证研究

3.1 模型的设定、变量的选取与数据处理

VAR模型是一种联立方程的非结构化动态模型, 可解释各内生变量之间的当期关系以及动态影响, 我们选取VAR模型来研究广东省农村居民消费与产业升级之间的互动关系。

本文选取的数据区间为1978—2010年, 数据来源于《广东统计年鉴2011》, 以农村居民人均消费性支出代表农村居民消费水平 (VC) 、用第三产业产值比重 (K3) 和第三产业就业人员比重 (L3) 两个指标反映产业升级状况。选取第三产业的两个指标是基于两方面的考虑, 一是变量过多会降低模型的自由度, 不利于结果分析, 二是世界产业结构演进的规律表明, 一国第三产业比重越高, 该国的经济就越发达, 产业结构就越高级。因此, 产业结构高级化率和就业结构高级化率可以用以反映产业现状。本文以1978年农村居民消费价格指数 (100) 为基准, 对农村居民消费进行平减。

为消除可能存在的异方差性, 对以上三个变量做自然对数化处理, 然后以LNVC、LNK3、LNL3构建VAR模型, 并在VAR模型基础上进行协整检验、格兰杰因果检验、脉冲响应函数和方差分解考察变量之间的协整关系以及动态特征。本文使用Eviews6.0软件进行分析。

3.2 变量平稳性检验

关于变量平稳性检验的方法有多种, 本文采用常用的ADF检验, 检验结果如表1所示。

注:检验类型 (c, t, k) 分别表示单位根检验中是否有常数项、时间趋势项以及滞后的阶数;滞后的阶数按SC最小原则确定。“*”代表在10%的显著性水平下通过了检验, “Δ”表示一阶差分。

结果显示, 在5%的显著性水平下, LNVC、LNK3、LNL3三个变量都是非平稳的时间序列, 具有单位根。经过一阶差分, ΔLNVC、ΔLNK3、ΔLNL3均是平稳的。由此可知, LNVC、LNK3、LNL3三个变量均是一阶单整序列I (1) , 满足协整分析的条件, 可以利用协整方法分析它们之间的长期均衡关系。

3.3 滞后阶数的确定

对于滞后阶数的选择准则有多种, 其中包括LR (似然比) 检验、AIC信息准则和SC准则等。本文综合考虑各种准则, 确定VAR模型的滞后阶数为2, 建立VAR (2) 模型, 如表2所示。

3.4 模型稳定性检验

Eviews6.0提供了AR根的图表以检验所得VAR模型的稳定性。经检验, VAR (2) 模型的所有根模的倒数小于1, 即全部位于单位圆内 (图略) , 说明模型是稳定的, 在模型基础上进行相关的分析, 结果是可信的。

3.5 协整检验与协整方程

由表3显示LNVC、LNK3、LNL3变量之间在0.05的显著性水平下存在两个协整关系, 即1978—2010年广东省产业结构高级化率、就业高级化率与农村居民消费水平之间存在着长期的均衡关系, 并在不断调整的短期动态过程中维持, 得协整关系表示式如下:

对两个方程的残差项进行单位根检验, 发现两个残差项均是平稳的, 说明方程 (1) 和方程 (2) 所显示的协整关系是显著的。模型 (1) 表明, 广东农村居民消费与产业结构高级化率的变化方向是相同的, 农村居民消费每增加1%, 产业结构高级化率将提高0.2690%;模型 (2) 表明, 农村居民消费与就业结构高级化率的变化也是同向的, 农村居民消费每增加1%, 就业结构高级化率上升0.4711%。这就从数量上证明, 在样本区间内, 广东农村居民消费的增长推动了产业结构高级化率和就业结构高级化率的提高。

注:加“*”代表在5%的显著性水平下拒绝原假设。

3.6 Granger因果检验

从表4可以看出:在产业结构高级化率方程中, 拒绝第三产业就业结构不是产业结构的Granger原因的原假设, 在10%的显著性水平下拒绝农村居民消费不是产业结构的Granger的原因的原假设, 而且两者的联合检验也拒绝原假设, 表明就业结构和农村居民消费对于产业结构都有显著的影响。在第三产业就业结构方程中, 拒绝农村居民消费不是就业结构的Granger原因的原假设, 不能拒绝产业结构不是就业结构的Granger原因的原假设, 这说明农村居民消费对于第三产业的就业结构也有显著影响, 但是产业结构对于就业结构的影响不显著。在农村居民消费方程中, 不能拒绝产业结构不是农村居民消费的Granger原因的原假设, 不能拒绝就业结构不是农村居民消费的Granger原因的原假设, 两者的联合检验也不能拒绝原假设, 表明农村居民消费是外生于系统的, 第三产业的产业结构和就业结构不能对其产生显著的影响。

3.7 VAR模型的脉冲响应函数和方差分解

由于VAR模型参数的OLS估计量只具有一致性, 单个参数估计值的经济解释是很困难的。要对一个VAR模型做出分析, 通常是观察系统的脉冲响应函数和方差分解。

3.7.1 脉冲响应函数

分别给LNK3、LNL3和LNVC一个标准差大小的冲击, 得到相关的脉冲响应函数图。由于本文研究农村居民消费与产业升级之间的关系, 因此主要分析产业结构高级化率和就业结构高级化率对农村居民消费冲击的反应, 以及农村居民消费对产业结构高级化率和就业结构高级化率冲击的反应。

结果显示, 产业结构高级化率对于农村居民消费的冲击第1年没有反应, 第2年开始产业结构高级化率降低, 第3年以后开始上升, 第5年冲击由负影响转向正向影响。这说明长期来看农村居民消费对于产业结构高级化率具有正向推动作用, 但是这种作用具有滞后性, 并且第2年至第5年间农村居民消费对于产业结构的高级化率具有负向影响。也就是说农村居民消费对于产业结构高级化率的正向推动作用存在5年左右的滞后期。

就业结构高级化率对于农村居民消费的冲击第1年也没有反应, 第2年开始降低, 说明农村居民消费对于就业结构高级化率的影响在第2年是负的, 第3年以后农村居民消费对就业结构高级化率的影响由负变正。这说明长期来看农村居民消费对于就业结构高级化率同样有正向推动作用, 但是这种正向作用具有滞后性, 在第1年农村居民消费对于就业结构高级化率没有影响, 在第2年至第3年间具有负影响, 第3年以后具有正向影响, 也就是说农村居民消费对于就业结构高级化率正向推动作用的滞后期大概为3年。

产业结构高级化率对于农村居民消费的冲击在前5年是负的, 第6年至第8年呈现微弱的正影响, 第8年以后由正转负, 这说明总体来看产业结构的高级化对于农村居民消费没有明显的正向推动作用, 而且在前5年产业结构的高级化会抑制农村居民消费的增长。而就业结构的高级化率对于农村居民消费的影响一直是负向的, 这说明就业结构的高级化抑制了农村居民消费的增长。

通过脉冲响应函数发现, 农村居民消费对于产业结构和就业结构的高级化虽然在前期有负影响, 但长期来看均有正向推动作用, 而产业结构的高级化和就业结构的高级化抑制了农村居民消费的增长。

3.7.2 方差分解

方差分解是通过分析每一个结构冲击对内生变量变化的贡献度, 进一步评价不同结构冲击的重要性。对各变量的方差进行分解 (表略) , 进一步分析广东省农村居民消费与产业结构高级化率、就业结构高级化率之间的动态变化。

结果表明, 对产业结构高级化的影响短期主要由其自身的冲击主导, 但长期来看, 就业结构高级化和农村居民消费均有较大影响, 到第10年分别达到了31.7%和34.4%。在就业结构高级化率的方差分解中, 短期主要由就业结构高级化率自身的冲击所主导, 但是长期来看, 农村居民消费的冲击也对就业结构高级化有较大影响, 到第10年贡献率比重达到了43.6%。这说明从长期来看, 农村居民消费对于产业结构高级化和就业结构高级化均有显著的影响。在对农村居民消费的方差分解中, 对于农村居民消费的影响主要由其自身的冲击所主导, 到第10年自身冲击的贡献率仍高达83.4%。这说明产业结构高级化和就业结构高级化对农村居民消费没有显著影响。

4 结论与政策建议

通过协整分析发现, 广东农村居民消费和产业升级之间存在着一种长期的均衡关系;通过Granger因果关系检验发现, 广东农村居民消费与产业升级之间存在单向因果关系;通过脉冲响应函数和方差分解发现, 广东农村居民消费对产业结构高级化率和就业结构高级化率都存在显著的推动作用, 并且这种推动作用具有一定的滞后性, 而产业升级对农村居民消费并不存在明显的推动作用。

产业结构升级之所以未能有效提高农村居民的消费水平是由于:第一, 在产业结构演进的过程中, 农村居民始终处于产业价值链的底端, 产业结构的演进升级所能带给农村居民的利益分成较少, 从而导致农村居民收入增长缓慢, 无法形成有效的消费需求。第二, 产品结构的调整一直以来主要面向的是城镇居民, 从而导致产品结构与农村居民消费需求不相适应, 无法使农村居民的潜在消费需求得到充分挖掘, 抑制了农村居民消费水平的提高。

因此, 可从以下几个方面扩大农村居民消费, 提高其消费水平, 推动消费结构与产业结构的调整与升级:一是增加农村居民收入, 提高农村居民的消费力;二是改善农村消费环境, 促进农村居民的消费增长;三是调整农业内部结构, 增加农民收入;四是调整工业结构, 生产适合农民消费水平的工业消费品;五是配合农村居民的消费需要, 有针对性地调整第三产业的发展。此外, 鉴于目前广东省农村尤其是山区消费环境差的问题, 政府应加大公共财政对农村公共产品的供给, 加大对农村的基础设施的投入力度。

参考文献

[1]王红娜.我国农村消费问题的研究[D].北京:首都经济贸易大学, 2006.

[2]邬德政.我国农村居民消费结构与产业结构相关性分析[J].学术论坛, 2008 (4) :80-83.

[3]穆争社, 文启湘.依据消费需要的结构调整生产结构[J].消费经济, 2002 (3) :6.

[4]周兵, 梅宏常.基于三次产业结构的居民消费实证分析[J].生产力研究, 2004 (11) :97-98.

[5]庄燕君.区域产业结构与消费结构关联分析[J].统计与决策, 2005 (1) :77-79.

[6]陈珍妮.从消费需求角度分析我国产业结构改革[J].商业时代, 2008 (24) :10-11.

[7]潘文轩.我国消费需求不足的成因与对策——基于产业结构失衡视角[J].河北经贸大学学报, 2009 (6) :28-33.

关联性模型 篇8

关键词：港口经济,城市经济,灰色关联分析

1 引言

港口与其所依托的城市在发展上存在着密切的关系, “城以港兴, 港为城用”是大多数港口城市得以繁荣发展的共同规律, 港口的发展离不开城市的依托, 城市的繁荣依赖于港口的繁荣, 两者互相促进, 协调发展。

港口对城市经济的贡献主要体现在港口经济是城市经济发展的重要增长极。港口作为城市交通运输行业的重要组成部分, 不仅可以产生国内生产总值, 还能为城市提供就业机会、上缴利税。同时, 港口作为现代物流链上的重要节点, 其海上腹地几乎可以覆盖全球, 陆上腹地可远达几千千米, 港口庞大的辐射作用可以有效地吸引大量物资、人力、资金、信息等要素, 大量生产要素的聚集以及域外市场的需求带动了港口城市工业的发展和壮大。

城市对港口经济发展的带动效应则主要体现在城市经济的发展为港口提供货源保证和集疏运体系支撑。港口运输的需要主要源于港口城市国民经济运行过程中, 尤其是对外贸易中所产生的运输需求。因此, 港口的发展在很大程度上取决于其所依托城市的国民经济总体运行状况和对外贸易。另外, 港口城市集疏运系统是港口物流的重要通道。城市铁路、公路、机场等基础设施的建设为港口提供了便捷的集疏运通道, 保证港口物流活动的顺畅运行, 促进港口与其经济腹地的密切联系。

可见, 港口系统与城市系统存在着良性的互动, 港口是城市发展的动力, 城市是港口发展的载体。因此, 港口与城市经济的协调发展成为港口城市发展的核心问题。本文将采用定量分析模型研究港口经济与城市经济之间的相互关系, 重点分析城市经济对港口发展的带动效应。

由于港口经济和城市经济都是复杂的经济系统, 反映两者的因素众多且复杂, 分析时只能选取有限的主要指标来进行研究, 且各指标的统计数字有限且不易获得, 现有数据灰度较大, 数据大都没有典型的概率分布。因此, 该系统具有信息不完全或者“灰色”的特性, 可视为一个灰色系统, 采用灰色关联分析方法进行研究。

2 灰色关联分析原理

灰色关联分析是针对系统存在的各种已知、未知或不完全知道的关系进行关联, 以一定的方法量化描述系统中各子系统或元素之间的关系。其基本思想是根据序列曲线几何形状的相似程度来分析比较序列与参考序列之间关系的密切程度。序列曲线越接近, 比较序列与参考序列之间的关联度越大, 反之越小。灰色关联分析法不需要大样本和数据服从典型分布, 对样本量的多少和有无规律同样适用, 因此用来研究港口与城市经济发展的互动关系有较好的适用性和实用价值。具体计算步骤如下:

(1) 确定参考序列和比较序列

设X1, X2, …, Xm为m个因素, 则有n维比较序列undefined及n维参考序列undefined。

(2) 原始数据无量纲化处理

由于各序列的原始数据量纲不一致, 数量级也有差异, 为增强序列可比性和分析的客观性, 需对原始数据进行无量纲化处理。

undefined;undefined

其中, 0和分别为序列X0和Xi的均值。

(3) 求差值矩阵

undefined

k=1, 2, …, n;i=1, 2, …, m (2)

得到两极最小差和最大差:

undefined;undefined

k=1, 2, …, n;i=1, 2, …, m (3)

(4) 计算参考序列与比较序列之间的关联系数

undefined

其中, ρ∈ (0, 1) 为分辨系数, ρ越小, 分辨率越大, 通常取0.5。

(5) 计算参考序列与比较序列之间的灰色关联度

undefined

(6) 确定关联次序

为准确衡量各因素与参考序列之间关联程度的大小, 需将关联度以大小顺序加以排序, 形成关联次序。

3 指标体系的建立

港口经济与城市经济都是复杂的经济系统, 两者的发展均受众多因素影响, 反映两者发展水平的指标也丰富且复杂。本文为了研究城市经济对港口发展的带动效应, 选取有代表性的城市经济指标和港口经济指标进行分析, 构建城市经济与港口经济关联分析指标体系, 如表1所示。

4 港口经济与城市经济的灰色关联分析

本文以青岛市为例, 选取2003—2009年的历史数据为样本, 对青岛港口与城市经济关系进行实证研究。各指标原始数据如表2所示。

资料来源:青岛统计信息网。

将表2数据依次代入式 (1) - (5) , 计算得出8个城市经济指标与2个港口经济指标的关联度, 如表3所示。

由表3可以看出, 青岛城市经济指标与港口货物吞吐量的关联度由大到小依次为:人均GDP>第二产业产值>GDP>第三产业产值>社会消费品零售总额>对外贸易额>第一产业产值>货运量;与港口集装箱吞吐量的关联度由大到小依次为:第二产业产值>GDP>对外贸易额>第三产业产值>人均GDP>社会消费品零售总额>第一产业产值>货运量。

为了更好地描述城市经济指标与港口经济指标之间的关联程度, 引入综合关联度:

Ri=θri (Y1) + (1-θ) ri (Y2) (6)

其中, undefined, 通常取0.5。

综合关联度体现了港口经济指标与第i个城市经济指标数据的相似程度, Ri越大, 说明两者的关联度越大, 即第i个城市经济指标对港口经济的影响越大, 反之越小。

将表3数据代入式 (6) , 求得青岛城市经济指标与港口经济的综合关联度, 如表4所示。

由表4可以看出, 青岛城市经济指标与港口经济综合关联度由大到小依次为:第二产业产值>人均GDP>GDP>第三产业产值>对外贸易额>社会消费品零售总额>第一产业产值>货运量。由此可见, 第二产业产值、人均GDP、GDP对青岛港口经济的发展有较大影响, 其中第二产业产值的影响最为突出, 这是由于第二产业中的工业对港口货物吞吐量和集装箱吞吐量的贡献较大。第三产业产值、对外贸易额、社会消费品零售总额对青岛港口经济的影响也不可忽视。而第一产业产值和货运量的影响相对较小, 但综合关联度也超过了0.6, 这说明青岛港口经济的发展与城市经济有着密切的关系, 两者正在逐渐结合为一个整体, 港口的发展不仅加强了城市的交通枢纽功能, 而且日益成为城市发展的核心动力。

5 结论

通过以上分析可以看出, 港口经济与城市经济的发展存在着密切的关系, 城市经济的发展对港口发展具有良好的带动效应, 而港口的发展又对城市经济具有很大的贡献。因此, 作为港口城市, 青岛市应正确处理好港口与城市经济发展的关系, 保持协调、互动的港城关系是青岛市今后发展的核心问题。分析结果表明, 青岛市第二产业、人均GDP、GDP等对港口经济的发展带动作用较大。青岛市应充分利用港口城市的优势, 促进国民经济发展和产业结构调整, 发展临港工业, 提高外向型经济比重, 促进港口与城市的良好互动发展。

参考文献

[1]林建华, 陈淳.厦门港口经济与城市经济定量分析[J].厦门科技, 2002 (3) .

[2]陈再齐, 曹小曙, 阎小培.广州港经济发展及其与城市经济的互动关系研究[J].经济地理, 2005, 25 (3) .

基于概念格的关联需求表示模型 篇9

顾客购买某一产品或服务不仅仅是为了消费产品或服务本身,而是为了使其自身获得价值。 通常情况下,单个产品/ 服务需要与其他关联产品/ 服务配套使用才能使顾客获得价值。 因此, 顾客需要的是一种产品/ 服务关联需求,而不是单一的需求。 然而,顾客往往不能清楚地、完整地表达这样的关联需求。 帮助顾客识别关联需求,对实现顾客价值最大化具有重要意义。

目前,缪淮扣等指出结构化方法能增加软件规格说明的可读性,但软件系统对功能的变化十分敏感。［1］张莉等发现面向对象方法运用人类日常的逻辑思维,但在描述问题域方面不足。［2］Anne Dardenne等指出面向目标的方法运用起来比较直观,但目标的演化难于处理。［3］Matthias Jarke等指出情景实例方法用户易于领会,但在大规模项目中的应用有风险。［4］李景洲等认为形式化方法虽可使需求规格说明更精确, 但大都假定已明确用户需求。［5］Ariel Fuxman等提出的方法比面向目标的方法更全面。［6］陈小红等提出问题框架法,相对较少考虑建模。［7］陆汝钤、金芝等提出了基于领域建模的预需求分析, 提高了软件需求过程的用户友好性和自动化程度。［8］

综上所述, 这些建模方法都是针对软件需求工程领域单一系统的需求建模研究,对于顾客的关联需求研究还很少。 研究发现关联需求之间存在某种共性,而每个需求又有其特性。 这种现象可以用“对象—属性”的形式来表示。 概念格是一种表示属性关联的概念层次结构图,描述了对象与属性之间的二元关系,非常适用于表示需求之间的关联。

本文运用概念格对服务关联需求进行表示, 并结合实例来证明该方法的有效性。 这为后续的关联需求挖掘提供了基础。

1服务关联需求表示模型

1.1需求关联特性

随着企业竞争的日益加剧, 集成化的服务越来越受到企业的重视。但是,顾客的关联需求之间除了相互促进,还有相互竞争的关系。顾客需求的关联特性可以分为以下两种:

1.1.1竞争性

顾客的关联需求之间可以是非此即彼的关系,即竞争性。 例如,对于鼠标的需求,可以是有线鼠标,或者是无线鼠标。

1.1.2协同性

协同性还可分为独立协同性和依赖协同性。 独立协同性的关系如购买西装与衬衫,单件购买固然可以,但是搭配购买更能提升单件产品的价值。 依赖协同性的关系如硬件与软件的关系, 软件需依托硬件才能发挥作用, 硬件结合软件才能实现价值。

1.2关联需求模型

用D表示顾客需求集合, 用N表示顾客需求属性集合,关联需求模型用如下三元组表示:M: = {S,R,U}(1)

式中,S表示一对需求集;R表示这对需求集之间的关系;U表示这对需求集能带给顾客的效用。

(1) S = (Ci,Cj),Ci、Cj是基于概念格的关联需求模型中的两个概念。

(2) R = {r1,r2},r1表示竞争性的关系,r2表示协同性的关系。

(3) U的取值不仅与R有关,还跟S有关。

1.3效用函数的建立

用us表示需求集S对效用的影响,用ur表示关联关系R对效用的影响。

1.3.1uS的确定

用d表示单一需求,m表示某一属性, 用w表示属性m的权重,用v(d,m)表示需求d是否具有属性m。 当v(d,m) = 1时表示需求d具有属性m,当v(d,m) = 0时表示需求d不具有属性m。

1.3.2ur的确定

若Ci与Cj是竞争性关系r1,则ur取值为0,表示这对需求集不会成为顾客的选择。

若Ci与Cj是协同性关系r2,则ur取值为1.1,协同性关联需求可产生“1 + 1 > 2”的效果。

2服务关联需求建模

2.1初始模型的建立

假设初始需求是d1,d2,…,dn,根据顾客的购买动机,得到初始属性为m1,m2,… ,mt。 需求和属性的关系构成的n × t阶初始形式背景矩阵:

然后借鉴专家经验、思维发散,以及关联特性,从属性m1进一步得到属性m1a,m1b,… ,m1p,通过新的属性或新的属性集合得到新需求dsa,dsb,…,dsk。 将新属性与新需求加入原始关联需求概念格中。

(1) 若g (m1a)∩g (m) = ф, m ∈M, 那么新增节点Csa= (g(m1a),m1a)。

(2) 若存在C = (g(m),f(g(m))),其中m∈M,使得g(m1a)⊆g(m),且C的子概念节点与概念(g(m1a),m1a)的外延交集不等于g(m1a) , 那么新增概念C的子概念节点, 得Csb= ( g ( m1a) , f(g(m))∪m1a)。

(3) 若存在C = (g(m),f(g(m))),其中m∈N,使得g(m1a) = g(m),那么更新概念C,得C*= (g(m),f(g(m))∪m1a)。

将属性m1a插入后,再以同样的方法插入属性m1b,m1c,…,m1p。

重复上述步骤,继续从属性m2进一步得到属性m2a,m2b,…, m2q,通过新的属性或新的属性集合得到新需求dua,dub,… ,duk。 将新属性与新需求继续加入已有的关联需求概念格中。 通过逐一将新属性加入已有概念格逐步完善概念格, 最终将得到一个复杂的概念格。

2.2属性权重的度量

假设属性集合为{m1,m2,…,mn},用aij表示两个属性权重的比值,即aij= wi/ wj。

采用Saaty的建议, 用1~9及其倒数作为标度来确定aij的值,1~9比例标度的含义见表1。

2、4、6、8表示两个相邻判断的中间值。

可得到如下矩阵:

运用最小二乘法进行求解,即

若f(C0) = ф,则不考虑C0与其他概念节点的关联效用;若g(Cz)= ф,则不考虑Cz与其他概念节点的关联效用;若g(Ci) = g(CX1)∪g(CX2) ∪…∪g(CXj),则不考虑Ci与其他概念节点的关联效用。

3算例

假设需求集D = {投影仪,激光笔,U盘,投影幕布,音响,吊架,推车,电池},属性集N = {播放图像,可发光,存储信息,显示图像,播放音频,固定设备,供电,可移动}。 为便于表示,分别用如下字母对应表示需求集和属性集。

得到形式背景矩阵和概念格如下:

要为某顾客提供服务, 首先需要该顾客对属性重要性进行判断比较,得到如下判断矩阵:

可计算得:

由于f(C0) = ф且f(C10) =ф,同时g(C1) = g(C3)∪g(C4)∪ g(C5)∪g(C6)∪g(C7),所以,不考虑C0、C1、C10与其他概念节点的关联效用。 根据效用公式U = ur· ∑wq,可得到关联效用矩阵:

4结论

服务关联需求的研究旨在为顾客提供服务集成方案, 对提高顾客满意度有重要意义。 本文选用概念格相关理论对服务关联需求进行建模、表示。 通过对关联需求的关联特性进行分析, 进一步构建关联需求的效用函数。 最后以简单但完备的算例验证了方法的可行性。

摘要：顾客的需求通常不是单一的产品或服务,而是一系列关联需求的集合。但是,顾客往往无法明确地意识到这些关联的需求。帮助顾客识别出这些关联需求,一方面增加顾客价值,另一方面可以提升企业竞争力。本文借助概念格相关理论对顾客的这种关联需求构建模型进行表示,通过与顾客的信息交互,引导并帮助顾客明确自身的实际需求,最后结合实例验证了这种方法的可行性。

关联性模型 篇10

随着设备状态监测、评价及预测技术的发展,状态检修在电网中正日益受到重视,相比事后检修、定期检修等方式,不仅延长了设备的经济使用寿命,也显著提高了电网运行的可靠性和经济性[1,2]。

状态检修往往是根据设备自身状况依据一定的门槛值决策其检修时机[3,4,5]。然而,作为一个系统(如输电网、变电站等),为完成预定功能,一般由若干设备有机构成,这些设备间存在着复杂的相互关联,仅按设备个体性能实施检修往往会引起更大的损失,有时也会造成顾此失彼的现象。因此,有必要将设备检修策略与其对系统的影响进行关联,从系统角度来折中决策设备的检修时机。文献[6]从一个简单串联系统出发,提出设备间功能关联、经济关联及随机关联等概念,建立系统检修风险与故障风险最小化下的设备状态检修决策模型,实现系统层面上设备状态检修时机的折中决策,在系统层面上的设备状态检修理论研究取得重要进展。在此基础上,文献[7]提出电网状态检修的概念,在论证分析电网运行和设备状态检修间关系基础上,建立电网检修风险和故障风险的表达,以此为目标,实现设备状态检修与电网运行间的协调优化决策。

电网状态检修是一个复杂的系统工程,其核心在于设备间功能、经济和随机等3种关联性的有机统筹。在电网运行中,任一设备检修或发生故障,往往会引起功能上与之关联的设备停运,主要体现在:1状态检修若按预期决策执行,其引起的设备停运范围可以事先确定;2设备故障具有突发性,如设备主动失效,会引起保护动作,在经历切换操作后,隔离故障设备,此后故障设备进入在修状态[8]。

由于设备状态变化具有随机性,设备检修决策成功与否存在不确定性,设备间关联性的存在又加剧了这种不确定性,意味着检修决策结果有得不到准确执行的可能性。例如:某一待检修设备在检修计划前发生故障,或因其他设备停运的机会而实施检修,均会导致其检修计划的取消。针对由状态监测结果得到的系统待检修设备,如何在检修决策中考虑上述现象就是本文研究的焦点。对此,本文依据设备间功能关联,形成系统的关联集,在此基础上,借鉴机会维修的思想,给出关联集加入检修计划以后状态概率的表达,建立系统状态检修的数学模型,并对该模型的有效性进行了验证。

1关联集的概念

给定的系统可以分解成不同的关联集,从而可以以关联集为基本单元进行检修决策。本文所谓的关联集,是指系统中相互之间具有功能关联的设备构成的集合,同一关联集内任一设备检修或发生故障会导致关联集整体停运,特别是若关联集内只有1台设备,则该设备停运就意味着关联集停运。从网络拓扑角度来看,关联集包含断路器、变压器、发电机、线路等设备。

为便于理解,图1给出一个典型的关联集示意图。该关联集包含3个设备:断路器B1和B2、线路L1。在保护装置正确动作前提下,若线路L1发生故障,则断路器B1和B2自动跳开,将故障线路隔离,3个设备同时停运,直到故障排除;若断路器B1发生故障,则其对侧断路器B2以及母线WB上的断路器B3,B4,B5跳开,全部回路均停运,然后,断开隔离开关S1,将故障设备隔离,闭合断路器B3,B4,B5,最后,只有断路器B1和B2、线路L1处于停运状态[8]。可见,同一关联集内的设备停运,在经历切换操作后,会使关联集整体停运。

为将给定的系统分解为关联集的有机组成,本文依据电气主接线方式确定系统的关联集,具体内容参见附录A。

2关联集状态的表达

研究周期内,依据设备状态监测结果选择系统的待检修设备,在此基础上,由各待检修设备与关联集的对应关系,可以确定待检修的关联集。为着重说明本文思想,假设研究周期内各待检修关联集内所有设备均出现劣化,要安排检修计划,需要指出的是,当待检修关联集内有设备不属于系统的待检修设备集合时,本文方法也同样适用。

为避免关联集重复停运增加系统损失,在制定检修计划时,同一关联集内的设备安排在一起进行检修。为求取关联集加入检修计划以后的状态概率表达,针对关联集内任一待检修设备,要考虑以下2种情况:1检修计划前,待检修设备可能由于自身发生故障进行事后抢修[9];2检修计划前,待检修设备可能由于同一关联集内其他设备发生故障而在一段时间内处于停运状态,从而可以利用关联集停运的机会实施检修(即实施机会维修[10,11])。可见,当上述任一种情况发生时,待检修设备的检修计划均会取消,转化为事后抢修或机会维修。由于考虑上述2种情况时关联集内各设备状态相互影响,本节将给出关联集状态概率的求解方法。

2.1设备的状态转移过程

变压器、线路、断路器等设备在使用中,会发生老化,检修是延缓设备老化、提高其可靠性的重要手段。设备老化过程相对漫长,短期内设备的状态转移过程可以采用两状态模型描述。

图2所示为设备的状态转移过程,包括两个状态:0表示运行状态,1表示故障状态。图中:λ1为研究周期初始时刻劣化设备的故障率,研究周期内,设备一旦故障,则要对其进行事后抢修,μ~为抢修的修复率;设备经过首次维修后,故障率降为λ0,修复率为μ。此后,若设备再发生故障,则实施最小维修策略[12]。

2.2关联集状态概率求解

研究周期内,对某一待检修的关联集,设关联集检修计划起始时刻为M,持续时间为d。按上文所述,检修计划前,关联集内设备可能进行事后抢修或机会维修,从而使设备检修计划取消,本文借鉴文献[9]给出关联集状态概率的计算方法。

对于由多个设备构成的关联集,随着设备数目增加,关联集状态空间中的状态数将成指数级增长,但由于关联集内设备为逻辑串联关系,因此,关联集处于工作状态的概率表示为集合内所有设备工作概率的乘积。研究周期内关联集经过首次维修后工作的概率表示为:

式中:n为关联集包含的设备数目;λi,0和μi分别为关联集内设备i经过首次维修后的故障率和修复率。

由于关联集在研究周期初始时刻处于运行状态,为得到关联集的首次寿命分布函数,图3给出关联集研究周期内发生首次故障的状态空间图,包括关联集由正常状态向故障状态所有可能的转移过程,其中有n+1个状态及其之间的转移关系,0表示运行状态、i表示关联集故障停运状态(由关联集内设备i故障导致);λi,1 为设备i在关联集首次维修前的故障率。

由于关联集各状态间的转移率为常数,因此,关联集状态转移过程具有马尔可夫性质,可通过马尔可夫过程方程求解关联集首次故障前的状态概率分布。关联集的转移率矩阵为:

式中:Ω为关联集。

在式(2)基础上,建立关联集的福克—普朗克方程为:

式中:P=(Pi(t)),i=0,1,…,n,其中Pi(t)为关联集在时刻t处于状态i的概率。

由于初始时刻关联集处于运行状态(P0(0)=1),通过求解式(3),可得关联集研究周期内首次故障前的状态概率分布为:

研究周期内,按以下n+1种情况求取关联集处于工作状态的概率表达。

1)关联集内设备在检修计划前均未故障。

该情况发生的概率为:

该情况发生时,关联集内设备均能够可靠运行至检修时刻M,对关联集内设备按计划实施检修,该情况对应的关联集工作概率表示为:

2)关联集内设备i(i=1,2,…,n)在检修计划前发生故障引起关联集停运,由于关联集包含n个设备,根据引起关联集停运的设备不同,要考虑n种可能的情况。

第i种情况发生的概率为:

第i种情况发 生时关联 集首次寿 命分布是在式(4)基础上的截尾指数分布,由此,第i种情况关联集首次寿命分布函数为:

根据式(8),可得第i种情况下关联集首次寿命概率密度函数为:

由于关联集在检修计划前因为设备i发生故障引起停运,此时,对故障设备i进行事后抢修,同时利用关联集停运的机会对关联集内其余待检修的设备进行检修,显然,该情况发生时,关联集内设备原有检修计划均会取消。考虑上述检修行为,确定关联集研究周期内发生首次故障的修复时间分布函数,本文假设其满足参数为μ~i的指数分布。

由此,根据卷积公式可求得关联集首次更新周期概率密度函数为:

由上述可知,第i种情况发生时关联集工作的概率表示为[13]:

式(11)含义为:第i种情况关联集没有在时间区间(0,t]内发生故障,或发生了故障,并且首次故障修复时刻为u(0<u<t),此后,关联集在时刻t仍处于工作状态,第i种情况关联集工作的概率表示为二者之和[14]。式(11)简记为:

AΩcase,i(t)=1-Fi(t)+Ab(t)*wfirst,i(t)(12)式中:*表示卷积。

综合考虑以上n+1种情况,研究周期内关联集工作的概率表示为:

式(13)是一个与检修决策量M有关的函数表达式,基于该式,进行后续系统运行风险评估。

3系统状态检修的数学模型

3.1关联集的检修损失和故障损失

关联集的检修损失和故障损失分别为由于设备检修、故障而引起的设备个体损失。研究周期内,待检修关联集内设备经过首次维修后,故障率下降,性能得到很大改善。因此,设备再次投运后故障概率相对较小,而且此时采用最小维修策略,维修费用较少,由此引起的设备个体损失本文予以忽略。研究周期内,系统任一待检修关联集l的检修损失和故障损失之和表示为:

式中:cj,m为设备j检修费用;ck,f为设备k事后抢修费用;nl为关联集l包含的设备数目。

系统所有待检修关联集的检修损失和故障损失表示为:

式中:N0为系统待检修的关联集数目。

3.2系统运行风险

系统运行风险为由于设备检修、故障而引起的系统损失,本文以系统期望缺供电量作为设备检修或故障引起系统损失的定量量度。研究周期内,系统运行风险表示为:

式中:NT为研究周期包含的时段数;RF(t)为时段t系统的运行风险;S(t)为时段t系统的事故集合;Ps(t)为时段t事故s发生的概率;Ls(t)为时段t事故s引起的系统失负荷量;Cf为系统单位失负荷损失。

复杂系统可通过N-1或N-2分析等方法获取系统的事故集合,时段t事故集中某一事故s发生的概率为:

式中:N为系统所包含的关联集数目;N-Ns,f和Ns,f分别为事故s中处于工作状态和故障状态的关联集数目;AΩ,l(t)和UΩ,l(t)分别为时段t关联集l处于工作状态和故障状态的概率,满足

3.3目标函数

系统检修决策的目标为研究周期内系统总风险最小,表示为

3.4约束条件

在本文研究周期内,各待检修输变电设备只检修一次。检修决策要满足如下约束条件。

1)检修资源约束

式中:NM为系统包含的待检修设备数目;xi(t)为时段t设备i的状态变量,xi(t)=1表示时段t设备i进行检修,xi(t)=0表示时段t设备i不检修,研究周期内,在设备检修计划确定以后,可得各时段设备的状态;Qi,r 为设备i检修对资源r的需求量;Ir(t)为时段t资源r的最大可用量。

2)同时检修约束

对于同一关联集内的设备,应将其安排在一起检修以避免系统重复停电,即

3)系统安全约束

式中:p和pmax分别为输变电设备实际功率、最大允许传输极限功率向量。

4模型求解的关键问题

4.1系统关联集分解

系统关联集分解具体内容参见附录A。

4.2关联集状态概率求取

研究周期内,对应系统某一检修方案,若某一待检修关联集内只有1台设备,则依据附录B求取该关联集各时段处于工作状态的概率;若该关联集内设备数目大于1,则考虑以下2种检修策略。

1)策略1:在检修决策中仅考虑设备检修计划因为事后抢修而取消,这是已有研究所采用的策略。采用该策略时关联集内任一待检修设备工作的概率按附录B求取,在此基础上,关联集处于工作状态的概率表示为关联集内各设备工作概率的乘积。

2)策略2:在检修决策中同时考虑设备检修计划因为事后抢修或机会维修而取消。采用该策略时关联集处于工作状态的概率按式(13)求取。

研究周期内,在关联集各时段工作概率确定以后,可对该检修方案引起的系统运行风险进行评估。

4.3关联集的检修损失和故障损失

研究周期内,对应系统某一检修方案,若某一待检修关联集内只有1台设备,则依据附录B求取该关联集的检修损失和故障损失;若该关联集内设备数目大于1,考虑以下2种情况。

1)若采用策略1,则关联集内任一待检修设备的检修损失和故障损失按附录B求取,关联集整体的检修损失和故障损失表示为关联集内各设备检修损失和故障损失之和。

2)若采用策略2,则关联集的检修损失和故障损失按式(14)求取。

4.4系统运行损失计算

由于本文模型涉及电气主接线方式,因此,研究周期内,设备进行检修或发生故障可能会引起厂站拓扑结构改变,从而造成系统安全分析所用的等值模型发生变化。对此,针对系统事故集中的某一事故,需要首先根据厂站拓扑分析,确定系统的逻辑节点以及逻辑节点与有阻抗元件的关联关系,在此基础上,进行网络拓扑分析,形成供电力系统分析计算的系统等值模型,然后计及系统状态检修的约束条件,通过直流优化潮流模型计算系统的失负荷损失,本文在此不再赘述,相关内容可见文献[15-16]。

4.5系统运行风险评估

研究周期 内,对应系统 某一检修 方案,利用式(17)、式(18)计算每一时段系统事故集中事故的发生概率,结合每一事故下系统的运行损失,由式(16)可得该方案对应的系统运行风险。

5模型的求解

系统检修决策是一个含有离散变量的复杂的组合优化问题,本文采用遗传算法实现模型的求解,详细的操作步骤可见文献[17]。

6算例及分析

6.1变电站状态检修

本算例以变电站状态检修为例验证本文模型的可行性和有效性。研究周期为60d,以天为单位划分为60个时段。根据设备状态监测结果,研究周期内对设备B1和T1安排检修计划。待检修设备相关数据见附录C表C1,其余设备性能参数以可靠度的形式给出,见附录C表C2,系统单位失负荷损失Cf为1.053万元/(MW·h)。

图4所示为研究周期内LP1和LP2的负荷曲线。

6.1.1设备个体性能的影响

本算例针对图5变电站结构a进行,由图可知,待检修设备B1和T1属于同一关联集。研究周期内,假定设备B1和T1安排在系统负荷低谷时进行检修,检修开始时段为11,持续4个时段。

对以下3个方案进行分析。

方案1:设备B1和T1性能参数 取自附录C表C1。

方案2:在方案1基础上,令待检修设备首次维修前的故障率λ1增至2λ1,其他参数保持不变。

方案3:在方案1基础上,令待检修设备首次维修前的故障率λ1增至4λ1,其他参数保持不变。

就上述3个方案,分别实施上文2种检修策略,图6所示为实施2种检修策略时负荷点LP1的可用度变化曲线。令ΔR=(R′-R)/R′,其中,R′代表策略1对应的系统运行风险,R代表策略2对应的系统运行风险。表1所示为对应3个方案的汇总。

可得结论如下。

1)由图6可知,策略2对应的负荷可用度曲线略高于策略1,这是由于策略2相比策略1进一步考虑了设备检修计划可能因为机会维修而取消,考虑机会维修时,在检修计划前可以利用关联集某一设备事后抢修的机会对另一设备进行检修,在改善设备性能的同时并未增加系统停运时间;另外,取消设备原有的检修计划,避免系统再次因计划检修而停运,从本文第2节公式推导过程也不难看出,这样减小了系统计划停运发生的概率,因此,策略2对应的负荷可用度略高。从图6还可发现,待检修设备劣化越严重,2种检修策略对应的负荷可用度差别越明显。

2)由表1可知,采用策略2后提高了系统整体运行的效率,这是由于策略2可以利用某一设备事后抢修的机会对另一设备进行检修,在不增加系统运行风险的同时改善了设备性能,并且避免了系统再次因计划检修停运而引起的损失。从表1中还可发现,随着设备劣化程度加剧,系统运行风险减少的比率ΔR呈现上升的趋势。

6.1.2变电站状态检修决策

本算例针对图5变电站结构b,设备检修相关数据取自附录C表C1和表C2,以系统总风险最小为目标,依据上文2种检修策略分别对待检修设备进行决策。表2和表3对应2种检修策略下设备检修开始时段和系统的风险指标。

由表2和表3可知:对比策略2和策略1,策略2中的设备B1和T1均推迟检修,使设备个体损失增加,系统运行风险减少,但系统运行风险的减少程度大于设备个体损失的增加程度,二者之和降低了3.49%。因此,如何降低系统运行风险是检修决策的主要矛盾,这也表明在系统功能要求苛刻的场合采用策略2有利于提高系统整体运行的效率。

6.2IEEE-RTS系统

本算例采用IEEE-RTS系统,进一步验证本文模型的有效性。研究周期为1年,划分为52个时段,各时段持续时间为1周。研究周期内对该系统10台火电机组进行检修决策,假定其他设备在研究周期内均可靠运行。由于机组是多种设备的关联集合(如汽轮机、锅炉、发电机等),为阐述本文思想,在检修决策中,将机组分 解为2类设备[18],附录C表C3给出了各关联集内设备检修 相关的数 据,各设备检修持续1周,系统各时段负荷数据见附录C表C4,其他详细参数见文献[19]。

本算例依据上文2种检修策略进行决策,表4为2种检修策略对应的设备检修时段,其系统总风险分别为31399.3和27813.9。

由此可知:策略2相比策略1,系统总风险降低了11.41%,进一步表明在系统检修决策中采用策略2有利于增大系统检修与运行协调的空间,提高系统整体运行的可靠性和经济性,同时也反映了本文研究的必要性。

7结语

在已有研究成果基础上,本文针对设备间存在的功能关联,基于关联集分解的思想,构建了系统状态检修的数学模型,并通过算例验证了有机统筹设备间功能关联性对提高系统整体运行的可靠性和经济性的意义。需要指出的是,本文研究在关联集分解时尚未将所有可能的关联考虑进来,这将是下一步继续深入研究的重点。