灰色关联投影模型（精选8篇）
灰色关联投影模型 篇1
摘要：大型机械运行及机械制造过程均会需要大量的润滑油,为了节约资源、减小消耗,润滑油的回收利用显得愈加重要。针对现有机用润滑油回收效果缺乏量化评价的问题,采用管理学的多目标决策思想和灰色系统理论建立评价模型,实现机用润滑油回收的绩效评价。对于这4种润滑油回收办法,采用该模型对其进行综合分析,量化其模型,分析其结果,可以看到其评价结果与现有的文献非量化评价结果是相符的,证明了模型的可信度,进一步的为工业实际应用中润滑油回收办法的选取和设计提供了参考。
关键词：润滑油回收,评价模型,多目标决策
分析机用润滑油回收的经济收益来评价经济型指标,是机用润滑油回收绩效评价模型的意义所在。
大型机械运行及机械加工过程均会需要大量的润滑油,为了节约资源、减小消耗,润滑油的回收利用显得愈加重要。润滑油的流失不但造成润滑油损耗、资源浪费、效益下降,而且由于大量机用润滑油排入土壤和大气,严重污染环境,危害环境安全。消耗的机用润滑油对机械操作人员以及生产人员的身体健康危害严重。因此在当今的机械制造行业加强生产管理的同时,开展机用润滑油回收工作非常必要[1]。
在我国,主要采用的机用润滑油回收方法主要有以下几种方法:吸附法、吸收法、循环过滤法和膜分离法等技术手段[2,3]。针对以上不同的回收方法,都有相应的绩效评价模型,这些方法大多是定性的分析法,缺少量化分析的环节,在企业生产实际中不能够为机用润滑油回收方法的选择提供一组确切的量化指标依据,机械制造企业还需要根据企业自身的经济情况和技术运行指标来选择合适的机用润滑油回收方案。本文为了对急用回收润滑油进行量化的评价,设计了一种多目标的决策灰色关联投影法来评价这些回收模型[4,5],得出量化的数据指标,供机械制造企业以及大型机械运行企业参考。
1 多目标决策灰色关联投影法模型建立
1.1问题的定义
假设在待评价的方案中共有m个回收法,即X={x1,x2,…,xm};评价指标有n个,即V={v1,v2,…,vn};回收方法xi关于第j个指标vj的属性值用yij=(i=1,2,…,n;j=1,2,…,m)表示;则m个润滑油回收法中,共有mn个属性值,构成了矩阵Z=(yij)m×n,该矩阵被称为评价指标集合相对于回收方法集合的评价阵。
通常用到的评价指标可以按其特性划分三大类,即控制成本为目标的成本型指标、以经济效益为指标的效益型指标和以适应性为目标的适应性指标。成本型指标用来考核管理方法对生产成本的控制程度,其属性值要求做到最小化,例如流动资金的周转时间等指标;效益型指标用来考核管理方法对于企业盈利情况的影响,其属性值要求做到最大化,例如企业的产值、毛利率等;而适应性指标则用来考核管理方法对于企业管理的适应度,其属性值要求做到适中,不能过大,也不能过小[6,7,8,9]。
1.2决策矩阵及其初始化
设评价问题的回收方法集合为X={x1,x2,…,xm},指标集合为V={v1,v2,…,vn},记与理想决策回收方法x0相对应的指标vj的属性值为y0j,当vj为效益型指标时,要求该属性值y0j=max(y1j,y2j,…,ymj),当指标vj为成本型指标时,y0j=min(y1j,y2j,…,ymj),当指标vj为适应性指标时,y0j=undefined,则称矩阵vj(j=1, 2,…,m)为回收方法集X对指标集V的决策矩阵。
属性值之间的数量级差距非常大,这是由于评价体系中的各个指标属性间的量化单位的不同造成的,所以在对问题进行选择之前,有必要采用合理的方法对这些数值差异各不相同的指标属性值进行映射和转换,将具有差异巨大的属性值空间通过这种转换而映射到同一个指标属性值量化空间中来,以使评价方法可以在同一个属性空间中对不同指标属指进行评价处理[10,11]。
将序列y中的每一个属性值除以该序列的第一个属性值,即序列的初值,从而产生出一个相对归一的新序列的数值转换方法,称之为初值化生成方法,在此记为INGO:y→y'。
用初值化生成方法所产生的新的数值序列中的每一个数值均是没有度量单位的,但这并不影响其对相应属性的度量。显然所产生的所有新的序列都有同一个交点yi(1)=l。
这里的I1表示效益型指标属性值的下标集合,I2、I3则为成本型和适应性属性值的下标集合,称矩阵Y′=(y′ij)(n+1)×m为矩阵Y=(yij)(n+1)×m的初始化矩阵。显然,经过初值化处理以后,y′0j=1(j=1,2,…,m),x′0=(y′01,y′02,…,y′0m)=(1,1,…,1)即为理想回收方法。
1.3回收方法的关联度计算
如果回收方法x0为理想回收方法,则有向量x′0=(y′01,y′02,…,y′0m)=(1,1,…,1),待评回收方法xi用向量x′i=(y′i1,y′i2,…,y′im)表示,y′0j与y′ij分别为x′0与x′i的第j点的数值,则定义x′0与x′i在第j点的关联系数为rj(x′0,x′i),简记为rij,其计算公式为
undefined。 (2)
这里ρ为一个常数,是表明分辨程度的一个系数,ρ∈(0,1)。该系数被评价方法用来调整方法所比较的环境。当评价方法不考虑比较环境带来的影响时,ρ值取0;当评价方法在同一个比较环境下进行评价时,ρ值取 1。在大多数情况下,评价方法均对ρ值取一个中间值即0.5,以保证评价方法在考虑比较环境带来的影响,提高环境差异性的同时,也能避免因比较环境的不同而产生评价结果的失真。
1.4指标权重的确定
设W=(w1,w2,…,wm)T>0为一个加权向量,该加权向量作用于各评价指标以改变个指标属性值对评价结果的影响。该加权向量的确定方法有主观赋值法和客观赋值2种加权产生方法,将这2种方法结合起来,采用最小平方法产生评价加权向量。设有评价指标向量vj(j=1, 2,…,m),对其采用交叉类比的方法进行比较,从而得到判断阵B。
评价指标v1,v2,…,vm权重为w=[w1,w2,…,wm],应用权的最小平方法有
CwT=ω。 (4)
其中:ω=[-λ,-λ,…,-λ]T。
因为w1+w2+…+wm=1,所以权重w和系数λ即可由式 (4)、 (5)求得。
1.5加权灰色关联度的计算
本文定义由(m+1)n个rij组成的多目标灰色关联度判断阵R,用以计算加权的灰色关联度。
判断阵R表示了m个指标所确定的某一个设计回收方案,m维指标空间V中的一个离散回收方法点表示了每个方法。比较指标空间中每个回收方法点和理想方法之间的关联度,就是进行多目标决策的过程。在分析灰色关联度时,不要求数据变量和分布类型之间的关联性,很容易在信息不完全的小样本系统中应用,所以对企业绩效的评价有一定的积极意义。
1.6决策模型
记σj为一组新的指标权值矢量,称其为灰色关联投影权值矢量。且满足
undefined。 (7)
则称决策回收方法xi在理想回收方法x0上的投影值为灰色关联投影值Dj,Dj的值由式(8)确定。
undefined。 (8)
经过以上一系列计算过程,最终可以得到各个决策方法的投影值Di,然后对每个回收方法的指标根据投影值的大小进行比较分析和排序,Di越大,说明该方法越符合理想的方法,说明该方法具有可选性。
2 机用润滑油回收绩效评价
2.1机用润滑油回收技术评价的指标选择
机械制造企业首先作为一个企业,利润必然是其追求的目标,所以在对机械制造企业进行回收润滑油方法选择时,指标的选取应该从能效和经济型等方面综合的进行评价,主要涉及的方面有设备的前期投资,运行费用,使用效率,回收总量,设备寿命,保养费用,环境保护和安全生产等。几种机用润滑油回收方法的评价属性值,如表1所示,表中呈现了我国机械制造企业采用的润滑油回收方法所用的装置生产的销售企业对于这4种回收技术和立项技术间的关联评价属性值的分析结果。
2.2评价指标矩阵的建立和规范化
通过分析表1中4种回收技术和理想方法之间的关联数据,可以得到一个决策矩阵Y,表示了回收方法集和指标集之间的关系。
在润滑油回收技术方法选择指标中,成本性指标主要有前期投资,运行费用,保养费用和环境保护等因素,是越小越好的指标;效益型指标包括回收效率,回收量,设备寿命和安全生产等因素,是越大越好的指标。很明显,以上这些指标的量化单位都是不同的,且它们之间的数量级的差距也是十分明显的,为了克服这种差异对决策带来的影响,必须要对决策矩阵进行初值化处理,将其转化为规范矩阵Y′。 另外,效益型指标和成本型指标在基于线性变化的初值化处理时,所采用的基准不同,使得处理后最优的效益目标和最优的成本目标的值不同,难以比较。因此,Y的初始化矩阵为
2.3回收技术评价指标权重的确定
通过若干名机用润滑油回收技术相关专业的专家对润滑油回收方法的8种指标进行了交叉两两比较,并进行排序打分而得到的评价结果,分析出指标权重的判断阵。利用公式(4)和公式(5)对判断矩阵进行一系列运算,采用权值最小平方法得到权重系数方程组,求解线性方程组,得到加权系数,
w=[0.0652,0.0803,0.0925,0.1437,0.1008,
0.0221,0.3152,0.1802]。 (11)
根据(7)式,可以得到一组新的加权矢量,即灰色关联投影权值矢量σj。
σj=[0.0100,0.0151,0.0200,0.0484,0.0238,
0.0012,0.2326,0.0760]。
2.4关联度系数的确定
对式(11)进行y0j-yij的操作,得到式(12)。
由式(12)可得式(13)和(14)。
undefined, (13)
undefined, (14)
将此结果和分辨率系数ρ=0.5代入上式得式(15)。
undefined。 (15)
关联系数undefined。
由式(12)、 (15)可得灰色关联度判断矩阵R,如式(16)所示。
2.5各个决策方法在理想方法上的投影值计算
根据公式(8),在计算得出的灰色关联度判断矩阵R和一组新的加权系数σj的之后,可以计算得出各个回收方法的投影值。
undefined。
2.6机用润滑油回收方法评价结果及分析
通过以上计算方法,得到了4种机用润滑油回收方法在理想方案中的投影值,如表2所示。循环法回收机用润滑油在这4种技术力的综合绩效水平最高,其次分别是吸收法、吸附法和膜分离法,所以,循环法为机用润滑油回收方案中的最有方法,其次是膜分离方法。按照以上过程,机械制造企业可以按照自身企业发展的特点和企业本身的条件等因素,做出对自己最适合的决策方法,采取一种回收方法或几种回收法结合的办法来进行机用润滑油回收。
通过实验,发现该模型用于润滑油回收的评价得到的结论和现今非量化评估模型得到的结果相一致,同时这种方法具有普遍性和更强的可操作性,简单方便,直观可靠,具有很好的实践意义,十分值得推广。
3 结 论
为了对机用润滑油回收绩效进行分析,本文采用了多目标决策的灰色关联投影法,求其指标空间的关联因素,特别是当样本数量相对较少而且样本数据相对离散时,本方法能有效的避免由于单纯比较各回收技术的某个属性值引起的偏差。本方法对指标空间进行全方面的分析,完整的反映了影响指标空间的各种因素。
由于现在的润滑油回收技术绩效评价缺少量化评价体系,本文针对这一问题,采用了多目标决策法这一先进的管理思想和灰色系统这一先进理论,建立了具有普遍意义的绩效评价模型,应用该模型对常用的集中机用润滑油回收方法的绩效指标进行量化分析,得到的结果与现有非量化绩效评价模型结果相符合,说明本模型的可靠性,为机械制造企业选择回收润滑油技术方法提供了参考。
参考文献
[1]王鑫,郭忠华,段少华.废润滑油的回收与利用技术综述[J].炼油与化工,2012,23(3):3-6.
[2]任学鹏.废润滑油的回收利用[J].轮胎工业,2010,30(4):246-249.
[3]金佳佳,隋秀华,鄂红军.废润滑油的回收与再生利用[J].能源与节能,2012(3):30-33.
[4]卢康.基于层次分析和灰色关联分析的实习员工绩效评估研究[J].科技与管理,2009,11(1):126-129.
[5]周翔,蒋根谋.基于组合赋权和改进灰色关联分析法的项目风险分析[J].工程管理学报,2008,22(6):78-81.
[6]王玉冬,邱金明.基于灰色关联分析的CHPP融资效率影响因素及提升策略研究[J].科技与管理,2012,14(5):29-32.
[7]李秀红.基于灰色关联度的多目标决策模型与应用[J].山东大学学报:理学版,2007,42(12):33-36.
[8]王卫兵,王磊,孙毅.多目标决策灰色关联投影法油气回收绩效评价[J].哈尔滨理工大学学报,2011,16(1):95-99.
[9]杨刚,汪志明,陈添,等.多目标决策方法在煤层气井完井方式优选中的应用[J].特种油气藏,2013(2):1-4.
[10]邓聚龙.灰理论基础[M].武汉:华中科技大学出版社,2003:87-437.
[11]孙伟.基于灰关联分析的上市公司绩效评价[J].哈尔滨理工大学学报,2006,11(1):60-62.
灰色关联投影模型 篇2
关键词：平衡记分卡熵权理论灰色关联度
一、国内外研究现状
平衡记分卡是由美国人罗伯特·S·卡普兰(Robert·S·Ka-plan)教授和大卫·P·诺顿(David·P·Norton)教授创建的．其一整套财务与非财务指标体系，对企业的经营绩效和竞争状况进行综合、全面、系统的评价。平衡计分卡的考核角度来源于组织的战略目标和竞争需要，以企业的长期战略目标为中心，主要包括四部分内容：财务维度，客户维度，内部业务流程维度．学习创新与成长维度。
自从平衡记分卡评价指标体系产生之后。国外的许多学者在此力而作了深入的研究，其创始人卡普兰和诺顿教授、罗伯特·西蒙斯等人也不断对评价体系进行修正。半衡记分卡引入我国以后，国内的很多学者也开始从平衡记分卡的不同角度结合公司自身发展进行研究，取得了很多研究成果。研究较多的是运用层次分析法对其进行评价，即通过层次分析法确定指标体系的权重，然后对指标值加权合成最终确定评价指标体系的综合评价结果。但是这种方法在实际运用中存在很多不足：第一，它只是选取影响企业战略性业绩的有限的关键因素进行衡量和分析；第二，有些指标的数据收集困难；第三，有些评定指标彼此间不是相互独立的，指标之间存在关联，而层次分析法却只适用于因素间相互独立的系统评价；第四，层次分析法由于初始数据人为给出，人的主观判断对结果影响大，评价结果客观性较差；第五．通过简单的加权平均确定的绩效评价结果缺乏可比性。
上述问题存在的主要原因在于这种评价方法在指标权重确定方面的主观性较大，影响了最终的评价结果，因此笔者试图引入熵权理论来确定指标的客观权重，以此对指标的主观权重加以修正，得到综合权重值来确定指标的权重。考虑到半衡记分卡指标体系指标间存在着关联，笔者选择灰色关联度分析模型来综合评价，从而提高了对企业绩效评价的科学性，达到更有效评价企业绩效的目的。
二、基于熵权理论的评价指标综合权重构建
灰色关联投影模型 篇3
为了加快与公路网规划的衔接, 推动综合运输的发展, 2007年, 交通部公布了《国家公路运输枢纽布局规划》, 共确定179个国家公路运输枢纽, 全国196个城市列为国家公路主枢纽城市。
公路运输枢纽的总体规划是1个多因素的决策过程, 枢纽的现状评价作为1个多因素的决策分析是枢纽规划的基础环节, 为规划布局合理的运输枢纽奠定基石。
本文提出了将灰色关联投影法应用于枢纽综合评价的思路, 以资丰富可供选择的公路运输枢纽综合评价方法。结合河南省驻马店市客运枢纽现状, 建立了客运枢纽综合评价指标体系并应用灰色关联投影法对其客运枢纽现状进行了综合评价, 揭示了地区内客运枢纽发展的现状。
1 公路运输枢纽规划评价技术
1.1 灰色关联投影法
灰色关联投影法是1种多因素统计分析方法, 建立评价模型简单易用。本文将灰色关联投影法用于公路运输枢纽综合评价, 原因是:对公路运输枢纽进行综合评价时, 待评价的公路运输枢纽本身就是1个多因素的灰色系统。系统中既有已被了解的白色信息, 又有尚未被发现的黑色信息, 而更多的是一般定性了解的灰色信息。各种因素之间并不是相互独立的, 尽管它们之间的关系不明确, 但实际上确是存在的, 从本质上讲, 这是1种灰色关联关系。所以, 对这样的系统进行评价, 实际上是1个灰色多目标决策问题。运用灰色关联投影法对其实施综合评价更具有针对性和灵活性。
1.2 评价技术对比
目前, 用于公路运输枢纽规划评价的技术方法主要有模糊综合评价法、层次分析法 (AHP) 等[1,2,3,4], 本文将其与灰色关联投影法进行了分析对比, 如表1。
2 灰色关联投影法原理
灰色关联投影法是在矢量投影原理和灰色系统理论基础上衍生的1种数学模型[5]。目前, 该方法被应用于综合经济效益评价、工程项目评价和公路网综合评价, 评价效果较好[6]。本文采用此方法进行公路运输枢纽综合评价。该方法的基本原理如下:
考虑多指标决策域的集合:
记V是因素指标的集合:
方案Ai对指标Vj的指标值记为Yij (i=1, 2, …, n;j=1, 2, …, m) 。通常, 指标有“效益型”指标、“成本型”指标的区别。效益型指标是属性值愈大愈好的指标, 成本型指标是属性值愈小愈好的指标。
定义1 记最佳决策方案A0的因素指标为Y0j, 且满足:
当因素指标为效益型指标:
当因素指标为成本型指标:
经过初值化处理以后, 显然Y′0j=1 (j=1, 2, …, m) 即为理想方案, 以Y′0j为母因素, 以Y′ij=1 (i=1, 2, …, n;j=1, 2, …, m) 为子因素, 就可以得到其他方案与理想方案的关联度。
定理1 记 (S, Γ) 为灰色关联空间;ξ为特定关联映射, rij为子因素Y′ij (i=1, 2, …, n;j=1, 2, …, m) 关于母因素Y′0j (j=1, 2, …, m) 的关联度, rij=ξ (Y′0j, Y′ij) , 则有:
常数λ称为分辨系数, 它的作用在于调整比较环境的大小, 即将比较环境缩小改变, 当λ=0时, 环境消失;通常, 取λ=0.5。
定义2 称由 (n+1) m个r组成的矩阵为多目标灰色关联度判断矩阵F。
显然, r01= r02=…= r0m=1。
设评价指标间的加权向量为W= (w1, w2, …, wm) T>0。
定义3 将每个决策方案看成1个行向量 (矢量) , 则称每个决策方案Ai与理想方案A0之间的夹角θi为灰色关联投影角, 如图1所示。
且满足决策方案Ai与理想方案A0之间的夹角余弦为:
显然, 夹角余弦0<ri≤1, 且总是愈大愈好, ri愈大, 表示决策方案Ai与理想方案A0之间的变化方向愈一致。
定义4 称决策方案Ai的模数为di
将模的大小与夹角余弦的大小结合考虑, 就可以全面准确地反映各决策方案与理想方案之间的接近程度。
定义5 称决策方案Ai在理想方案A0上的投影为灰色关联投影值Dj, 且满足:
经过上述步骤, 就可以得到各比选方案的投影值。根据这些投影值的大小, 对多指标的比选方案做出科学的排序比较和分析。
3 实例分析
应用灰色关联投影法对驻马店市公路客运枢纽现状进行评价, 以揭示各地区客运枢纽建设的均衡性, 为在未来的客运枢纽规划中能有所侧重, 体现枢纽规划的公平原则, 为公路运输的均衡发展提供决策服务。
3.1 评价实施步骤
依据灰色关联投影法原理, 划分评价步骤如图2。
3.2 建立方案集和因素指标集
已知方案集为驻马店辖区内的一区九县, A={驿城区, 西平县, 上蔡县, 平舆县, 正阳县, 确山县, 泌阳县, 汝南县, 遂平县, 新蔡县}。
因素指标集为与客运枢纽属性相关的各因素集合。在遵循科学性、可操作性和综合性的原则上, 参考相关文献[3,4,5,6], 本文建立的客运枢纽综合评价指标体系从技术、需求和社会评价三方面考虑, 共10个因素指标, 如图3所示。
3.2.1 技术评价指标
技术评价指标反映了客运枢纽的现状及其与城市规划的协调性。由于本文旨在评价各地区客运枢纽建设的均衡性, 不同于枢纽规划评价。采用C1和C2能够直接反应出客运枢纽的规模和生产能力。
C3可考虑2个主要指标的协调:①与总体规划中用地规划协调C31;②与城市道路网协调C32。
C31=总体规划中客运枢纽用地与现状客运枢纽用地重合的面积C′2/C2
C32:可将城市客、货专用道路类同于城市道路等级, 分成快速、主干和次干3种专用等级的道路, 出入通道如选择其一, 可给一定的值。选快速:C32=1, 主干:C32=0.9, 次干:C32=0.8。 是表征与城市用地规划协调的重要性系数, 可取0.5～0.6。
3.2.2 需求评价指标
需求评价指标从客运需求和经济发展两方面反映了对客运枢纽规模的需求情况。C6为客运枢纽的现状需求, 与C1相比可反映出现状枢纽生产饱和状态;C4、C5可反映出客运枢纽的潜在需要。
交通运输与经济发展有着密切关系, 经济的快速增长往往促进出行需求的增长和运输枢纽的建设。C7、C8可反映出地区间经济发展的不均衡性以及对运输需求的刺激作用。
3.2.3 社会评价指标
社会评价指标综合考虑了客运枢纽对社会与经济公平发展的影响程度, 对环境的适应性。这2个指标为灰色信息, 通过综合分析考察意见对其量化。
根据图3建立的评价指标体系, 统计分析驻马店各县区经济发展和交通运输方面的历史数据[7], 得到驻马店各县区现状客运枢纽评价单项指标汇总情况, 如表2所列。
3.2.4 确定评价指标权重集
调查并整理专家意见, 得到1组权重加权系数, 见表3。
则权重集矩阵W= (0.234, 0.126, 0.09, 0.094 5, 0.063, 0.157 5, 0.074 25, 0.060 75, 0.05, 0.05) 。
3.3 计算程序
显然, 指标集中C4、C5、C6、C9、C10为成本型指标, 依据定义1选取最佳方案, 建立决策矩阵X。根据灰色关联投影法评价步骤, 采用Matlab软件编制计算程序, 图4为计算程序的流程图。
表4为计算得到的多目标灰色关联度矩阵, 表5为灰色关联投影值。
3.4 评价结果
根据灰色关联投影值 (见表5) , 可以得出各县区客运枢纽现状的排序结果, 接近最优值的地区客运枢纽现状良好, 依次排序为:驿城区>确山县>遂平县>西平县 (平舆县、正阳县) >上蔡县 (泌阳县、汝南县) >新蔡县。从排序结构可以看出驻马店市各县区客运枢纽在一定程度存在不均衡性。由此评价结构可知, 为了体现客运枢纽规划的“效率优先, 兼顾公平”的原则, 在对驻马店市进行客运枢纽规划时, 各县区客运枢纽需改进的顺序依次为:新蔡县、上蔡县、泌阳县、汝南县、西平县、平舆县、正阳县、遂平县、确山县、驿城区。
注:C1～C10的最优值为1.00。
注:最优值为0.36
4 结束语
公路运输枢纽总体规划作为一个多因素作用下的综合规划过程, 运输枢纽的现状评价为规划布局合理的运输枢纽奠定基石。本文通过分析运输枢纽评价系统的特点, 揭示其实质为灰色系统, 指出了运用灰色关联投影法对其实施综合评价较其他评价方法更具有针对性和灵活性。
在分析灰色关联投影法的原理上, 运用此方法对驻马店市客运枢纽现状进行了综合评价, 得到了各县区客运枢纽现状的排序结果, 量化显示了各县区客运枢纽发展的不均衡性, 对未来客运枢纽规划作为导向。
本文采用灰色关联投影法仅进行了枢纽现状的综合评价, 此方法还可以用于其他规划方案评价, 关键是建立因素指标集, 本文建立的客运枢纽综合评价指标体系可能有不完善之处, 还需进一步研究。
参考文献
[1]Racunica I, Wynter L.Optimal location of inter-modal freight hubs[J].Transport Research PartB, 2005, 39 (5) :453-477
[2]Ackchai S, Koen H van Dan, Iuis Ferreira.Optimi-zing the location of intermodal freight hubs:An o-verview of agent based modelling approach[J].Journal of Transportation Systems Engineering andInformation Technology, 2007, 7 (4) :71-81
[3]陈大伟, 张鸽, 李旭宏.城市对外客运枢纽综合评价研究.交通与计算机, 2007, 25 (1) :4-8
[4]邓聚龙.灰色系统理论教程[M].武汉:华中理工大学出版社, 1990
[5]朱辉.灰色关联投影法在公路网综合评价中的应用[J].公路交通科技, 2005, 22 (2) :90-94
[6]刘伟华, 晏启鹏, 龙小强.公路主枢纽站场布局评价指标定量化研究[J].2003, 16 (2) :86-89
灰色关联投影模型 篇4
在全球经济一体化的背景下, 人力资源成为现代企业中最重要的资源, 日益成为企业发展的第一要素, 人力资源管理已成为取得和维系企业竞争优势的关键要素。因此, 如何提高人力资源选拔的水平, 是关乎企业战略成败的关键[1]。目前, 众多学者对企业人才选拔问题进行了研究, 应用多种算法构建了多种有效的计算模型, 并取得了大量成果。宋阳、李光金[2]将DEA方法引入招聘流程中, 以辅助企业进行人才选拔, 并以高校招聘教师为例说明了此方法的应用价值。王汉斌、马啸[3]建立了人才选拔决策支持系统的模糊变换神经网络模型, 从选拔员工的指标确定、求解综合评价值直到选定合格的岗位人选, 作了系统的研究, 从而设计出企业内部岗位人才选拔决策支持系统的逻辑模型。杨实俊, 刘健夫[4]阐述了层次分析法在确定电力企业人才选拔体系的各项指标权重过程中的可行性和必要性, 得到判断矩阵。通过实例验证, 该方法能满足人才选拔的要求。祝爱民、于丽娟[5]利用熵值法的客观性和模糊评价法的模糊性, 把熵值法和模糊评价法结合起来, 建立了熵值—模糊组合评价模型, 在人才选拔过程中应用此模型。曲晓平、刘长良[6]应用余弦决策法的基本决策理论, 结合实例数据, 构造决策矩阵, 确定指标权重, 根据总排序结果, 确定了适合上级职位的最佳人选。
上述文献研究了企业人才选拔问题, 应用不同的算法对企业人才选拔建立模型, 对企业人才选拔研究做出了重要的贡献, 其理论价值和对实践的指导作用是显见的。但有些方法对确定权重问题难以正确解决, 有些方法则计算较繁冗。本文在上述文献研究的基础上, 应用改进的灰色关联投影理论对企业人才选拔问题进行了研究, 并建立了企业人才素质评判的改进的灰色关联投影模型, 为企业人才选拔问题提供了一种简单有效的方法。
二、企业人才选拔评判模型
(一) 建立人才选拔的评价指标体系
人才选拔指标体系建立的原则和基本思路: (1) 目的性。在确定每一个因素或指标时, 首先要考虑该指标在整个指标体系中的地位和作用, 然后再根据它所反映的研究对象的性质和特征, 确定该指标的名称、涵义以及测量方法。 (2) 科学性。依据一定的目的设计的指标要求在理论上必须有科学的依据, 在实践中必须可量化并有实际意义, 这样才能被用来测评并予以处理, 并用来做出正确的分析和判断。 (3) 可操作性。评价体系设计的过简、过繁都会造成评价流于形式, 达不到评价的目的, 因此指标的设置不应追求尽善尽美, 而应该追求可行有效, 易于操作[7]。在上述原则的指导下, 经过反复讨论, 综合分析, 将企业人才选拔评判指标划分为业务能力、语言能力、协调能力、组织能力、团队意识5个评价指标。
(二) 改进的灰色关联投影模型
1. 建立灰色关联决策矩阵
考虑多指标决策域的集合为A=!A0, A1, …, An", 各方案因素指标集合为V=!V0, V1, …, Vm"。记方案Ai对评价指标Vj的属性值为Yij (i=1, 2, …, n;j=1, 2, …, m)
一般情况下, 指标有“效益型”指标、“成本型”指标的区别。所谓效益型指标, 是指属性值愈大愈好的指标;所谓成本型指标, 是指属性值愈小愈好的指标。设相对最佳决策方案A0的因素指标Y0 j, 且满足以下条件:当因素指标Vj为效益型指标时, Y0 j=max (Y1 j, Y2 j, …, Yn j) ;当因素指标Vj为成本型指标时, Y0 j=min (Y1j, Y2j, …, Ynj) 。
此时称含有相对最佳决策方案的增广型矩阵Y= (Yij) (n+1) ×m (i=0, 1, 2, …n;j=1, 2, …, m) 为方案集合A对指标集合V的决策矩阵[8]。
为了消除量纲和单位不同所带来的不可公度性, 决策之前首先应将评价指标进行无量纲化处理。对一个数列的所有数据均用它的第一个数去除, 从而得到一个新数列的方法叫初始化处理。记Y'为Y的初始化矩阵, 且满足下式
式中, i=0, 1, 2, …, n;j=1, 2, …, m。
以公式 (1) 中Y0j为母序列, 以Y'ij (i=1, 2, …n;j=1, 2, …, m) 为子序列, 就可以得到其他决策方案与相对最佳方案的灰色关联度
通常情况下, 取λ=0.5。这样将所求得的 (n+1) m个rij个组成的矩阵称为灰色关联判断矩阵F:
由于决策方案中各个评价指标之间的重要性不同, 故对灰色关联度判断矩阵进行加权处理, 设评价指标间加权向量W=[W1W2…Wm]T, 且满足W>0, 其确定方法有主观赋权法和客观赋权法两大类。灰色关联度判断矩阵[9]加权后可以得到灰色关联决策矩阵F'。
2. 层次分析法确定权重向量
(1) 构造比较标度
对同一层次的各指标关于上一层次中某准则的重要性进行两两比较, 构造判断矩阵, 其元素的值反映了各评标因素的重要性程度, 一般采用1～9标度方法[10] (见表1) 。
注:标准值2, 4, 6, 8分别表示标准值1和3, 3和5, 5和7, 7和9之间的值
(2) 计算各判断矩阵的最大特征值和特征向量
按照层次结构模型, 每一层元素都以相邻上一层次各元素为基准, 按上述比较标度构造判断矩阵D, 按定义有:
对比较得到的判断矩阵D, 解特征根问题:DW=λmaxW, 所得到的W经正规化后作为因素的排序权重。可以证明, 对于正定互反矩阵D, 其最大特征根λmax存在且唯一, W可由正分量组成, 除相差1个常数倍数外, W是唯一的。实际上, 对矩阵D很难求出精确的特征值和特征向量W, 只能求它们的近似值, 因此通常在AHP法中, 计算判断矩阵的最大特征值与特征向量并不需要很高的精度[11]。故用近似法———方根法计算即可, 其计算步骤如下:
1) 计算判断矩阵每行元素的乘积Mi:
2) 计算Mi的n次方根:
3) 对向量W正规化:
4) 计算判断矩阵的最大特征根:
(3) 判断矩阵的一致性检验
判断矩阵是分析者凭个人知识及经验建立起来的, 难免存在误差。为使判断结果更好地与实际状况相吻合, 需进行一致性检验。判断矩阵的一致性检验公式为CR=CI/RI。其中CI为一致性检验指标, CI= (λmax-n) / (n-1) , n为判断矩阵的阶数;RI为平均随机一致性指标 (取值见表2) 。
当CR<0.1时, 认为矩阵D的一致性是可以接受的, 否则, 需要重新调整判断矩阵, 直至满足一致性检验为止[12]。
(4) 计算权重向量
在判断矩阵满足一致性检验的条件下, 可求得各层因素的权重向量。
3. 计算各方案的投影值
将每个决策方案看成一个行向量 (矢量) , 则可得到每个决策方案Ai与相对最佳方案A*之间的夹角θi的余弦值ci, 称这个角为灰色关联投影角[13]。
由公式 (10) 知, 当灰色关联投影角θi越小, 即余弦值越大时, 表示决策方案Ai越接近相对最佳方案A*。设决策方案Ai的模数为, 决策方案Ai在相对最佳方案A*上的投影值为灰色关联投影值Dj, 且满足下式:
将通过层次分析法得到的权重进行归一化处理, 称处理后的权重为灰色关联投影权值矢量。
Wj=Wj2/姨mj=Σ1Wj2, j=1, 2, …, m (12)
根据 (11) 、 (12) 式可以得到灰色关联投影值Dj:
各个方案的灰色关联得分为
经上述步骤, 可计算各投影方案的灰色关联得分, 根据灰色关联得分的大小, 可对多目标决策做出科学的排序和综合评价。
三、实例分析
某电力企业要从5位候选人中选拔1人做某项目的项目经理, 要从中选择出能胜任此职位的最佳人选。
(一) 建立灰色决策矩阵
通过对这5位候选人在业务能力、语言能力、协调能力、组织能力、团队意识等方面进行考察, 结合有关专家和领导的意见, 得到5位候选人业务能力、语言能力、协调能力、组织能力、团队意识5个评价指标的成绩。这5个指标都是效益型指标。
根据表3所给的数据, 可以知道相对最佳得分方案A0的因素指标A0= (98 96 83 96 98) 。
下面就可以列出方案集A对指标集V的属性矩阵Y:
根据 (3) 式, λ=0.5, 调整比较环境, 得灰色判断矩阵F:
(二) 评价指标权重确定的确定
由专家对各项指标的相对重要性进行打分, 再利用层次分析法求出各个评价指标的权重 (见表4) 。
计算得λmax=5.359 0, 一致性检验为:CI=0.089 8, 查表得RI=1.12, 于是CR=0.080 1<0.1, 故判断矩阵满足一致性检验要求。因此, 可得企业人才选拔评判指标的权重向量为W= (0.278 3, 0.183 6, 0.097 2, 0.301 8, 0.139 1) , 可接受。
(三) 计算各位评价候选人的投影值
将层次分析法得到的权重进行归一化处理得:= (0.161 1 0.070 10.019 60.189 50.040 2) 。
根据 (13) 式得出各候选人的投影值Dj为:Dj= (0.302 10.455 5 0.389 9 0.340 8 0.398 3) 。
最佳方案的投影值D0=0.480 5, 各候选人的灰色关联得分Sj= (0.628 7 0.948 0 0.811 2 0.709 3 0.828 9) , 候选人B的得分最高, 因此B为最佳人选。
四、结语
本文将层次分析法应用到灰色关联投影模型中, 得到了改进的灰色投影模型。该方法赋权合理、计算简便, 并且降低了加权过程中人为因素的影响, 从而使评价结果更为合理、可靠, 不但可以有效解决企业人才选拔问题, 还可以为解决其他类似决策问题提供参考。
摘要：企业人才选拔是企业其他各项活动得以开展的前提和基础, 建立合理有效的企业人才选拔评判模型能够使企业创造更多的经济效益和社会效益。本文首先介绍了企业人才选拔评价的指标体系和构建原则;然后将层次分析法应用到灰色关联投影模型中, 得到了改进的灰色投影模型, 并且应用到企业人才选拔问题中;最后进行实例分析, 发现其结果是比较合理、客观而可行的。灰色关联投影模型为解决企业人才选拔问题提供了一种新的思路。
灰色关联投影模型 篇5
循环经济评价是对循环经济发展水平的理性判断, 指以循环经济系统为研究对象, 依据循环经济和生态经济学原理, 运用科学的方法和手段来评价和监测循环经济系统的发展状态、发展水平和发展趋势, 为循环经济活动提供决策依据。
评价指标体系的确定是量化循环经济发展水平、评判循环经济发展质量的基础性工作, 也是最主要的依据。在此基础上, 选择科学的评价方法, 构建恰当的评价模型, 通盘权衡循环经济系统的运转状况, 才能全面、准确地获取有关循环经济发展水平的真实信息。
本文从循环经济系统的“灰色性”角度出发, 基于灰色关联度分析方法, 构建了循环经济灰色综合评价模型, 能够较好地描述循环经济系统的发展状况, 进而为优化管理决策、实施有效管理提供依据。
2 灰色综合评价模型
2.1 选择依据
灰色系统是介于信息完全知道的白色系统和一无所知的黑色系统之间的中介系统。社会、经济等系统具有明显的层次复杂性, 结构关系模糊性, 动态变化随机性, 指标数据的不完全性和不确定性, 即表现为“灰色性”。
在循环经济评价指标体系的构建过程中, 人们或多或少地会对评判对象的某些因素缺乏了解, 使得主观评判依据不足;或是由于评判对象的不断发展变化, 人们的认识会落后于实际, 使评判标准已经成为“过去”;甚至是人们不可避免地会受到评价对象伪信息和反信息的干扰, 导致判断发生偏差, 所有这些情况归结为一点, 就是信息的不完全, 即“灰色性”。据此, 可选用灰色综合评价方法测度循环经济发展水平。
灰色综合评价方法是基于灰色关联度分析的综合评价方法, 关联度反映各评价对象对理想对象的接近次序或达到理想标准的程度, 关联度分析方法是通过分析因素之间发展态势的形似或相异程度来衡量评价对象接近理想对象或达到理想标准程度的方法。
基于灰色关联度分析的灰色综合评价方法采用非统计数学方法, 对数据量没有太高的要求, 不会出现关联度量化结果与定性分析不一致的情况, 在系统数据资料较少和条件不满足统计要求的情况下, 更具有实用性, 完全符合评价对象特征及评价目的要求。
2.2 建立模型
循环经济灰色综合评价模型为:R=E×W。
其中:R=[r1, r2, ……, rm]为m个评价对象的综合评判结果向量W=[w1, w2, ……, wn]T;为n个评价指标的权重分配向量为各指标的评判矩阵, εi (k) 为第i个评价对象第k个指标与第k个
特殊地, 当仅对单个对象进行评价时, 综合评判结果。其中, R为被评对象综合评判结果, 即循环经济发展水平;Wi为各评价指标权重分配;εi为第i个评价指标对理想指标 (标准) 的灰色关联系数。
3 基于灰色关联度的循环经济灰色综合评价模型构建分析
运用灰色综合评价模型对某地区 (企业) 循环经济发展水平进行评价, 可参照如下步骤展开。
3.1 确定比较数列 (评价对象) 和参考数列 (评价标准) 设评价对象为m个, 评价指标为n个,
则比较数列为:Xi={Xi (k) k=1, 2, ……, n}, (i=1, 2, ……, m) ;
参考数列为:X0={X0 (k) k=1, 2, ……, n}。
其中, 参考数列的确定可以根据实际需要采用如下方式之一获取:
(1) 依据相关标准、规范, 分别针对各个指标规定评价主体公认的最优值组成参考数列。
(2) 当评价对象多于1个, 或是就单个评价对象的多个阶段进行评价时, 可以考虑从诸多评价对象中各项指标相应的对比分析中选取最优值组成参考数列, 或是分别按指标从某一评价对象不同阶段的指标值中选取最优者组成参考数列。
(3) 当对单一评价对象的某阶段单独进行评价时, 参考数列的确定可以结合相关标准、规范, 参照相应的规划目标要求, 更好地符合实际, 提高评价的准确度与适用性。
3.2 指标值的规范化处理
(1) 运用数列Xi和X0构造矩阵。
(2) 对原始指标值进行规范化处理。
设第k个指标的变化区间为[Xk1, Xk2], Xk1为第k个指标在所有评价对象中的最小值, Xk2为第k个指标在所有方案中的最大值, 则可通过如下变换将上式中的原始数值变换成无量纲值Ci (k) ∈ (0, 1) 。
这样D※C矩阵:
3.3 确定各指标的权重并计算灰色关联系数
评价指标权重可由层次分析法确定, 记作:。
灰色关联系数ε (k) 的求解公式为:
式中, ρ∈[0, 1], 一般取=0.5ρ。
由εi (k) , 得评价对象各指标的评判矩阵
3.4 计算灰色加权关联度与灰色综合评价结果向量
式中:ri为第i个评价对象与理想对象 (标准) 的灰色加权关联度。
灰色综合评价结果向量:
式中:R为被评对象的综合评判结果向量;E为被评对象各指标的评判矩阵;W为评价指标的权重分配向量。
3.5 评价分析
根据灰色加权关联度的大小, 对各评价对象进行排序, 即建立评价对象的关联序。关联度越大其评价结果越好, 与理想对象状态越相似, 越能够接近评判标准, 在文中即表示本阶段循环经济发展水平较高。
4 结论
循环经济评价能够通过对循环经济系统的运行现状进行评价, 监测循环经济系统状态的变化趋势, 进行预警或是为优化管理决策提供依据。根据循环经济系统的“灰色性”特点, 考虑到数据获取不完全性和不确定性因素的影响, 本文构建了循环经济灰色综合评价模型, 能够在一定程度上为循环经济评价工作的深入开展提供借鉴与参考。
参考文献
[1]牛桂敏.循环经济评价体系的构建[J].城市环境与城市生态, 2005.
[2]杜栋, 庞庆华.现代综合评价方法与案例精选[M].北京:清华大学出版社, 2005:112-119.
[3]周宏春, 刘燕华.循环经济学[M].北京:中国发展出版社, 2005;61-81.
灰色关联投影模型 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。
灰色关联投影模型 篇7
电脑与数码产品在当今人类生活与工作中应用非常广泛。但也经常有用户在购买该类产品之后会后悔当初的选择,因为他们逐步发现购得的产品并不完全符合自己的预期。究其原因,用户在购买此类产品时虽经认真选择,但一般都是参考行家的经验,或仅对评价指标进行定性分析,这种优选方法未经数据分析,缺乏客观性和科学性,其结果当然难如人愿。为此,本文以灰色关联分析与模糊层次分析法为核心构建了一种数学模型,通过对评价指标的定量分析,使电脑与数码产品的优选过程更为科学和理性。引入了粒子群优化算法进行模糊判断矩阵的一致性检验和修正,既避免了反复进行手工调整的繁琐,又能充分保持原有信息。
1 应用灰色关联分析进行产品优选
灰色关联分析是灰色系统理论的重要方法,其基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密。曲线越接近,相应序列间的关联度就越大[1]。
电脑与数码产品的优选其实是一个有限方案多目标决策问题,但其评价指标间的关系不明确,特征量信息也很难完备,所以又是一个灰色系统。因此,对其施行灰色关联分析,既能克服各指标的偏好问题,又可进行量化评比,从而收到客观、公正之效[2]。具体地说,是根据待选产品与理想产品之间的关联度来判定其优劣,其中关联度最高的即为最优产品。
1. 1 指标特征量矩阵的建立
1. 1. 1 评价指标及特征量的确定
不同类型的产品其评价指标不同。电脑与数码产品的科技含量较高,其评价指标也随之复杂,通常包括品牌、性能、价格、功耗、重量、外观和售后服务等。各指标特征量的确定应恪守客观性原则,分为如下三种情况:
①对于价格、功耗、重量等定量指标,直接采用厂方公布的数据为特征量。
②对于品牌、外观等定性指标,采用模糊数学中的五级划分法: 以优、良、中、差、劣描述指标等级,取其对应的隶属度0. 9、0. 7、0. 5、0. 3、0. 1 为特征量[3]。
③对于产品性能之类的虽无厂方数据,但可通过测试进行定量的指标,则以相应软件测试( 如:Nova Bench、3DMark之类) 所得分数为特征量。
1. 1. 2 特征量矩阵的建立
设有m个待选产品,n个评价指标,则各产品的评价指标特征量矩阵A = ( aij)m × n( i = 1,2,…,m,j = 1,2,…,n) 为:
1. 2 标准序列的设定
应用灰色关联分析法进行产品优选,需要设定一种理想产品,其各项指标应为该类产品的可能最佳值,这些最佳值即构成标准序列:
确定理想产品的各项指标值是至关重要的,一般分为如下4 种情况:
①成本性指标: 其值越小越好,如价格、功耗等。理想产品宜取该项指标的最小可能值。
②效益性指标: 其值越大越好,如容量、性能等。理想产品应取该项指标的最大可能值。
③定值性指标: 以某个固定值为优,如台式微机的机箱板材最佳厚度为0. 7mm。理想产品可直接取该定值。
④区间性指标: 其值在某固定区间为佳,如笔记本电脑的最佳屏幕尺寸为14 英寸~ 15. 6 英寸。理想产品可取该区间的中值。
1. 3 特征量矩阵的规范化
为了消除不同量纲的影响,根据指标的不同类型分别采用下列方法将特征量矩阵A的全部元素转换为[0,1]区间的无量纲数据,得到规范化矩阵S。
①成本性指标:
②效益性指标:
③定值性指标:
④区间性指标:
式( 1) - ( 4) 中: i,k = 1,2,…,m,j = 1,2,…,n; 式( 4) 中[ajmin,ajmax]为指标j的最佳取值区间[4]。
显然,在规范化矩阵S = ( sij)m × n中,sij越大则表明该项指标与理想产品的对应指标越接近。
1. 4 指标关联系数的计算
由于标准序列X规范化得到全1 序列,故可推导出待选产品的各项评价指标与理想产品对应指标之间关联系数的计算公式如下:
式( 5) 中: ρ 为分辨系数( ρ∈[0,1]) ,用于调整比较环境的大小。ρ = 0 时,环境消失; ρ = 1 时,环境完全保持。一般取 ρ = 0. 5。
得到关联系数矩阵R = ( rij)m × n如下:
则Ri= ( ri1,ri2,…,rin) 即为产品i的各项指标与理想产品对应指标的关联系数向量。
2 应用改进模糊层次分析法确定指标权重
在选购电脑与数码产品时,由于工作性质及个人喜好等原因,不同用户对于各项评价指标的偏重程度有很大差别,因此采用模糊层次分析法( Fuzzy Analytic Hierarchy Process,简称FAHP) 来确定各项指标的相对权重。
2. 1 模糊判断矩阵的构造
将n项评价指标的重要程度进行两两比较,其结果以0. 1 ~ 0. 9 标度法表示,即得到模糊判断矩阵
0. 1 ~ 0. 9 标度法及其含义如表1 所示。
由模糊互补矩阵的定义有bii= 0. 5、bji= 1 - bij。可知其对角线元素恒为0. 5,仅需确定矩阵B的右上三角元素,即可算出其左下三角元素。
2. 2 模糊判断矩阵一致性检验与修正
虽然运用数学变换能够直接将模糊判断矩阵转化为完全一致性矩阵,这样可避免对模糊判断矩阵的一致性进行检验和修正,但却使原始判断矩阵的所有元素都发生了改变。为此,引入粒子群优化(Particle swarm optimization,简称PSO) 算法来进行模糊判断矩阵的一致性检验与修正,使模糊判断矩阵的原有信息大多数得以尽量保持不变。
2. 2. 1 模糊判断矩阵的一致性指标函数
设修正后的模糊判断矩阵为Y = ( yij)n × n,根据模糊判断矩阵的加性一致性定理,模糊互补矩阵是模糊一致矩阵的充要条件为: 任意指定行与其余各行对应元素之差为某一常数。由此可得模糊判断矩阵的一致性指标函数( Consistency index function,简称CIF) :
式( 6) 中, 。zij为B1行与Yi行各对应元素之差,即依据第一行元素对模糊判断矩阵进行一致性检验和修正。不失一般性,可以假设第一行元素最有把握[5]。
该指标函数通过计算标准差来反映模糊判断矩阵的加性一致性。其值越小,模糊判断矩阵的一致性越高; 其值为0 则模糊判断矩阵具有完全一致性。在一般应用中,当CIF( n) < 0. 1 时,可认为该模糊判断矩阵具有满意一致性[6]。
2.2.2应用PSO算法修正模糊判断矩阵
①PSO算法原理
PSO算法是一种群体智能优化算法,源于对鸟类觅食行为的模拟[7]。在该算法中,每个粒子代表优化问题的一个潜在最优解,并以速度、位置和适应度值三项指标描述其特征。首先初始化一群随机粒子,然后通过迭代寻找最优解。在每次迭代中,粒子通过追踪两个“极值”更新速度和位置[8]: 其一是粒子本身找到的最优解,称之为个体极值; 其二为整个群体目前找到的最优解,称之为全局极值。更新公式如下:
式( 7) - ( 8) 中: v( t + 1)、x( t + 1)分别为第t + 1 次迭代时粒子某维度的速度与位置,x( t)与p( t)、g( t)是第t次迭代时的位置与个体极值、全局极值; ω 为惯性权重,体现了粒子继承原有速度的能力; c1、c2为加速因子,分别表示粒子跟踪自身和群体最优值的权重系数; r1、r2是[0,1]区间内的随机数; α 为约束因子。标准PSO算法流程如图1 所示。
为了防止盲目搜索,更好地平衡算法的全局搜索与局部搜索能力,避免陷入局部最优解,实际应用时一般将粒子每一维的速度和位置限制在一定的区间范围内,并令式( 7) 中的惯性权重因子随着迭代的进行而线性递减,即:
式( 9) 中,k、Tmax为当前迭代次数和最大迭代次数;ωstart、ωend为惯性权重的初值和终值。经验表明,ωstart= 0. 9、ωend= 0. 4 时算法性能最佳[9]。
②模糊判断矩阵一致性检验与修正
式( 6) 为一个非线性优化函数,因此可以应用PSO算法求解。其主要设置如下:
一是目标函数。即PSO算法的适应度函数,显然应由式( 6) 得到。
二是编码。以模糊判断矩阵Y = ( yij)n × n的右上三角除第一行之外的( n - 1) ( n - 2) /2 个元素为优化变量,对其进行实数编码。按照0. 1 ~ 0. 9 标度法规范,各优化变量应取值于[0. 1,0. 9]区间; 优化变量个数即为粒子维度。
三是运行参数。粒子群规模20,粒子速度区间[- 0. 5,0. 5],粒子位置区间[0. 1,0. 9],加速因子c1= c2= 2,惯性权重 ω 的初值、终值分别为0. 9 和0. 4,约束因子 α = 1,迭代次数200。
迭代完成之后,全局极值为最优目标函数值,相应粒子位置即为各优化变量的解。
2. 3 由模糊一致矩阵计算指标权重
模糊一致矩阵各因素相对权重的计算方法有方根法、和行归一化法、排序法和特征值法等多种。其中,排序法具有可靠的理论基础,在应用中能得到较高的分辨率,其公式如下:
式( 10) 中,α 是对因素间重要程度差异的度量,其值越小则决策者越重视因素间重要程度的差异。实际应用时一般令 α = ( n - 1) /2。
3 建模步骤及应用实例
3. 1 建模步骤
由式( 5) 与式( 10) 所得结果即可计算待选产品的灰色关联度,其公式如下:
于是,产品优选模型的构建步骤为:
①确定产品的评价指标,建立各待选产品的指标特征量矩阵; 并以该类产品各项指标的可能最佳值设立标准序列。
②特征量矩阵规范化,并计算待选产品各项指标与理想产品对应指标之间的关联系数。
③将各项评价指标的重要性进行两两比较,建立模糊判断矩阵。
④运用PSO算法对模糊判断矩阵的一致性进行检验和修正,然后求出各指标的相对权重。
⑤以步骤②,④所得结果求算待选产品与理想产品的关联度,据此确定最优产品。
3. 2 应用实例
某单位需购买一批笔记本电脑,经查阅厂方提供的产品资料和实机测试,获得了四款待选产品的评价数据,如表2 所示。
应用本文提出的电脑与数码产品优选模型,根据表2 中的评价数据( 各项指标依次用I1 ~ I5 表示) ,从中选出一款最优产品。
3. 2. 1 关联系数的计算
①建立指标特征量矩阵
②设定标准序列
显然,价格、功耗和重量是成本性指标,宜取待选产品相应指标的最小值; 性能和散热为效益性指标,应取待选产品相应指标的最大值。由此可得:
X=(1245,5300,91,2,0.9)
③特征量矩阵的规范化
根据指标的类型,将矩阵A中的数据对应地代入式( 1) 、式( 2) ,即得规范化矩阵:
④计算关联系数
运用式( 5) 进行计算,即得到待选产品各项指标与理想产品对应指标的关联系数矩阵:
3.2.2指标权重的确定
①构造模糊判断矩阵
购买方根据本单位的工作性质和电脑用途,组织技术人员和相关专家对各评价指标的重要程度进行两两比较,并以0. 1 ~ 0. 9 标度法给出其右上三角部分的比较结果,如表3 所示。
以表3 中的数据构造矩阵B,并根据bii= 0. 5、bji= 1 - bij求得其余元素值,得到模糊判断矩阵:
②模糊判断矩阵的一致性检验
用Matlab编写PSO算法程序[10]并运行之,各次迭代所得最优适应度函数值( 进化过程) 如图2所示。
运算结果为: 最优全局适应度1. 8546E - 06,对应的6 个优化变量值[0. 7,0. 6,0. 3,0. 4,0. 1,0. 2]。可见原始模糊判断矩阵B有两对元素被修正,最终通过一致性检验和修正的模糊判断矩阵( 加下划线者为修正后的元素对) 为:
③指标相对权重的计算
将矩阵Y中数据代入式( 10) ,即得各评价指标的相对权重向量W = ( 0. 29,0. 19,0. 09,0. 14,0. 29) T。
3. 2. 3 待选产品关联度的计算
将所得关联系数矩阵R与指标权重向量W中的元素值代入式( 11) ,即可算得四款待选产品与理想产品之间的关联度 γ = ( 0. 6957,0. 7100,0. 6449,0. 6651) T。显然有 γ2> γ1> γ4> γ3,故应以产品2为首选。
4 结束语
灰色关联投影模型 篇8
版权产业 (Copyright industry) 指生产经营有版权属性的作品 (产品) 并依靠版权法及相关法律保护而生存发展的产业。具体而言, 版权产业是指与复制、发行、传播文学、艺术和科学作品的有关行业和收集、储存与提供信息的产业, 即利用版权资源进行生产和经营的产业。按照世界知识产权组织 (WIPO) 的界定, 版权产业指版权可发挥显著作用的产业, 它是一国国民经济中与版权相关的诸多产业部门的集合。
依据世界知识产权组织分类, 版权产业分为核心版权产业、相互依存的版权产业、部分版权产业及非专用支持产业四个组别。第一, “核心版权产业”。该组别是完全从事创作、制作和制造、表演、广播、传播、展览, 或销售和发行作品及其他受保护客体的产业, 如新闻出版、广播影视、文化艺术、软件与数据库等产业, 是版权产业最重要、最核心的组成部分。第二, “相互依存的版权产业”。它是指从事制作、制造和销售其功能完全或主要是为作品及其他受版权保护客体的创作、制作和使用提供便利设备的产业, 这些设备也被称为版权硬件。如电视机、收录机、计算机等产业。第三大类, “部分版权产业”, 是指部分活动与作品或其他受版权保护客体相关的产业, 如服装、纺织品、珠宝、瓷器等产业。第四, “非专用支持产业”, 是指部分活动与促进作品及其他版权保护客体的广播、传播、发行或销售相关且这些活动没有被纳入核心版权产业的产业, 具体包括为发行版权产品的一般批发与零售、一般运输产业、电话与互联网产业。这四组产业分类中核心版权产业与版权的关系最为密切, 其经济贡献按100%统计。
二、版权产业发展现状及版权产业贡献度
自20世纪90年代, 版权产业在全球范围内迅猛发展, 与信息产业并列成为21世纪两大新兴产业, 逐步成为各国新兴经济增长点。在多数欧美发达国家, 版权产业已逐渐成为国民经济的重要支柱产业之一, 据世界知识产权组织2011年底最新统计, 世界上已有30多个国家开展了版权相关产业经济贡献的研究。美国自20世纪90年代开始进行版权及相关产业的经济贡献统计, 是目前为止进行该项研究最全面、最深入的国家。美国自2007年以来版权产业总值已占全国GDP10%以上, 吸纳全国就业人数达到8%, 在海外市场的销售额达到1280亿美元, 2010年已达到1340亿美元。
我国对版权产业的统计和相关研究起步较晚, 自2007年始, 国家版权局在WIPO的指导下, 委托中国新闻出版研究院进行《中国版权产业对经济的贡献调研》, 对2006~2010年中国版权相关产业的经济贡献进行了调查、测算与分析, 并结合首次调研成果进行了纵向比较研究, 揭示了版权产业在中国经济增长中的重要作用及以版权制度为基础的创新活动对于经济社会发展的重要意义。近五年来, 中国版权相关产业的行业增加值及其占当年GDP的比重始终保持增长势头。从表1可见, 2006年版权产业行业价值增值占GDP比重达6.39%, 到2010年已占到6.57%。核心版权产业的行业增加值及其占当年GDP的比重增长较快, 2006年是3.06%, 到2010年已增至3.52%, 明显高于其他产业组别。
三、支持版权产业发展主要因素
由国家版权局年度统计报告对我国版权产业重要指标的发布信息, 以及发达国家版权产业发展的先进经验来看, 一国版权 (知识产权) 产业的发展主要受以下三个方面的影响。
(单位:亿元)
(单位:万人)
(单位:亿美元)
资料来源:据《中国版权统计年鉴》计算整理
(一) 国家或政府对版权 (知识产权) 作品的保护力度
在以美国为代表的版权产业较为发达国家中, 第三次产业发展进程是伴随着创意内容或创意形式的逐渐丰富完成的, 原创产业与文化产业融合程度逐步加深, 这也正是美国文化产业直接定义为版权产业的原因。西方发达国家的版权产业基于原始创作居多, 原创是版权产业链的最前端, 所以在版权作品市场化运营过程中, 原创的市场价值得到了充分体现。一方面, 国家和相关行业协会制定非常明确的版权保护法律法规, 使得“版权”要素的市场价值得到充分发挥, 规范了版权产业市场运行机制;另一方面, 政府对盗取、抄袭、占用非法侵权行为给予严厉的打击, 产权创作人的外部保障机制非常完善。这也正是以中国为代表的发展中国家迫切需要改进的地方。
(二) 版权 (知识产权) 所有人的维护意识
由上文介绍来看, 在良好的版权创作外部环境下, 版权所有人对自有知识产权的维护意识也是非常明确的, 这点主要体现在以下两个指标:一是版权持有人的版权合同登记指标;二是版权作品资源登记的情况。我国目前发布的版权统计年报也将这两个指标作为衡量我国居民维护知识产权意识的重要参考。
(三) 对其他国家 (地区) 版权作品引进和输出的情况
一国对其他国家或地区版权的引进和输出, 也通常称为版权贸易, 我国的版权贸易活动起步较晚, 版权贸易发展水平也处于不平衡的发展状态。一是版权贸易种类相对集中, 比较活跃的主要是图书版权贸易, 且地区分布不均, 北京、上海及沿海各地的版权贸易成交量占据了全国版权贸易量的半数以上, 内陆地区的版权贸易仍于起步阶段。二是在对外版权贸易活动中我国一直处于贸易逆差, 版权引进数量明显大于版权输出。
四、灰色关联分析的基本思想和数学模型
灰色关联是指事物之间不确定性或者系统因子与主行为之间不确定性的关联, 灰色关联分析方法作为一种系统分析方法, 弥补了回归分析、方差分析等一般统计分析方法的不足。通过灰色关联分析可以较好的描述各影响因素间关系的强弱, 基于灰色关联模型的分析一般包括以下六个步骤。
(一) 指定参考数据列
参考数据列常记为x0, 记第1个时刻的值为x0 (1) , 第2个时刻的值为x0 (2) , 第k个时刻的值为x0 (k) 。因此, 参考序列x0可表示为x0={x (1) , x (2) …, x (n) }。
关联分析中被比较数列常记为x1, x2, x3…, xk, 类似参考序列x0的表示方法, 有x1= (x1 (1) , x1 (2) , …x1 (n) ) , …, xk= (xk (1) , xk (2) , …xk (n) ) 。
(二) 无量纲化
由于各初始数列的统计标准不一, 关联度计算的数列量纲同化以后才方便计算, 因此当量纲不同时要无量纲化。为了解决这个问题, 计算关联系数之前, 先将数列作初值化处理, 可以用每一个数列的第一个数xi (1) 除其它数xi (k) , 这样既可使数列无量纲又可得到公共交点xi (1) 即第1点。
无量纲化的方法常用的有初值化与均值化。初值化是指所有数据均用第1个数据除, 然后得到一个新的数列, 这个新的数列即是各个不同时刻的值相对于第一个时刻的值的百分比。经济序列中常用此法处理, 即
均值化法则是用平均值去除所有数据, 以得到一个占平均值百分比的数列, 即
(三) 求差序列、最大差、最小差
计算参考序列与比较序列对应值的绝对差值。
各个时刻x0与x的绝对差如下
经计算可得如下差值矩阵
绝对差值矩阵中的最大值和最小值即最大差和最小差。
(四) 计算灰色模型关联系数
其系数计算指标为i=1, 2…, n;k=1, 2…, m。其中, θ为分辨系数, 其作用在于提高灰色关联系数之间的差异显著性, 取值在 (0, l) 之间, 一般取值为0.5。
(五) 计算灰色关联度
(六) 结果分析
根据各数据列计算出来的关联度 (各因素与比较变量的关联大小) , 比较各影响因素之间关系最密切的变量, 并对每个因素与比较变量的关系进行排序, 找出因变量变化的主要和次要因素。
五、基于灰色关联模型的中国版权产业实证分析
由上文分析可得, 一国政府对版权产业的法律保护情况、打击盗版情况、版权所有人的作品自愿登记情况、版权所有人的合同登记情况、一国对其他国家的版权引进及版权输出情况是我国目前版权产业发展最重要的影响因子。由于法律保护和打击盗版数据统计的不完全性, 本文选取版权产业价值增值为指定参考数据 (X0) , 版权产业岗位的就业人数 (X1) , 版权产业出口额 (X2) 、版权合同登记 (X3) 、版权作品自愿登记 (X4) 、合同引进 (X5) 、合同输出 (X6) 为关联分析数据。
根据上文的灰色关联模型分析方法介绍, 本文实证分析过程如下。
(一) 选定参考数列, 无量纲化其他各数列 (表5)
(二) 对Δ1, , , Δi进行差值计算以及差值取值 (表6)
以Δ1为例, 其他方法相同:
(三) 对差值进行两极取值
在差值序列中选取两极最小值与两极最大值, 分别为
(四) 计算灰色模型关联系数
其系数计算指标为
六、结论
基于灰色关联模型计算结果可得, 本文所选取的以上六个影响因子中, 关联系数 (按均值) 取值均大于0.5 (参照值) , 这说明本文选取的六个指标都是影响版权产业发展的重要因素。就关联系数结果来看, 对我国版权产业发展影响的重要性因素依次是:版权产业出口额 (0.906) , 版权合同登记数 (0.899) , 版权行业就业人数 (0.890) , 版权引进 (0.823, 0.848) , 版权作品自愿登记数 (0.759) 。
具体分析, 我国版权产业出口贸易的竞争力提升对国内版权产业的发展有非常重要的促进和带动作用, 版权行业的就业人员以及版权合同登记数量分别代表了近年来版权产业规模的持续扩大, 以及版权市场交易进程中市场规范程度逐步提升, 相对其他五个指标的关联性而言, 版权作品自愿登记情况并不乐观, 个别年份的相关系数低于0.5 (0.334) , 这也说明我国版权所有人对知识产权的保护意识不足, 对版权交易以及版权要素的市场价值开发认识不够明晰。
参考文献
[1]姚颉靖, 彭辉.版权保护与文化产业创新能力的灰色关联分析[J].首都经济贸易大学学报, 2011 (02) .
[2]赵冰.版权产业经济贡献研究挖掘产业潜力[J].中国知识产权报, 2014 (06) .
[3]柳斌杰.中国版权相关产业的经济贡献 (2007~2008年) [M].北京:中国书籍出版社, 2012.
【灰色关联投影模型】推荐阅读：
区域生态环境评价的灰色关联投影模型09-03
灰色关联投影06-30
灰色关联投影法09-08
灰色关联评价模型10-31
模糊灰色关联模型11-15
模糊灰色关联06-09
灰色关联分析09-10
灰色度关联分析05-17
灰色关联TOPSIS06-22
多层灰色关联分析07-22