信用等级评价选择合作伙伴论文

导语：信用等级评价选择合作伙伴论文一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

编者按：本文主要从主成分分析评价方法；供应商信用等级评价指标选取；应用实例；结论进行论述。其中，主要包括：单个企业之间的竞争已演变为相关组织组成的团队之间的竞争、对供应商信用等级进行正确评价又是实现优化选择供应商合作伙伴的关键、主成分分析也称主分量分析、主成分分析法是多属性决策的一种方法,是一种多元统计方法、构建供应商信用等级评价指标体系、衡量在承诺期内供应商准时或提前交付订购量的能力、在一年内快速变现的流动资产偿还流动负债的能力、指标值越大越好、标准化矩阵的协方差矩阵就是相关矩阵、使用主成分分析方法对8家供应商的信用进行评价等，具体请详见。

随着市场竞争的加剧,单个企业之间的竞争已演变为相关组织组成的团队之间的竞争。科学选择和评价合作伙伴是建立战略联盟的关键,而信用是企业选择合作供应商并进而建立战略联盟的重要条件之一[1]。目前研究企业信用主要集中在借贷关系方面,而战略联盟强调企业间保持长期稳定关系,评价其信用就不能仅局限于狭义信用方面,对供应商企业的广义信用评价就显得更为重要。相关研究表明,建立“双赢”SCM的一个重要环节就是选择敏捷的、有竞争力的和相容的供应商[2][3],而对供应商信用等级进行正确评价又是实现优化选择供应商合作伙伴的关键,同时也对提升整个SC的竞争力有着极其重要的作用。因此,研究如何构建供应商的信用分析指标和分析方法就显得很有意义。

一、主成分分析评价方法

主成分分析也称主分量分析,主要思路是将分散在一组变量上的信息集中到几个综合指标主成分上,所得的综合指标是原来变量的线性组合,以便于利用主成分描述数据集内部结构。它是通过降维方法把多指标转化为少数几个综合指标,即主成分的一种多元统计分析方法,即用研究0维的1空间代替2维的3空间,而且低维的1空间代替高维3空间时所损失的信息很少,即代替后的数据仍然高度具备原数据的特性。

主成分分析法是多属性决策的一种方法,是一种多元统计方法,这种方法的独到之处在于能够消除指标样本之间的相关关系,在保持样本主要信息量的前提下,提取少量有代表性的主要指标,在分析过程中得到主要指标的合理权重,用主成分作为决策分析的综合性指标[4]。

设有p个指标x1,x2,…,xp反映观察对象的各个特性,每个指标对应一个样本值,这p个指标构成了一个p维的向量,若观察了n个对象,就有n个p维向量,用矩阵X表示为:

X[DD(][]n×p[DD)]=x11[]x12[]…[]x1p

x21[]x22[]…[]x2p

[][][]

xn1[]xn2[]…[]xnp

构建这个模型的目的是为了找到一个能反映这p个指标的线性函数∑[DD(]p[]i=1[DD)]aixi,它能把p个变量在n个样本上的差异综合表示出来,如果能够找到这样的一个线性函数,它就是这个变量的主要成份(principlecomponent),找出这个主要成份的方法就成为主成分分析方法。

把这p个指标x1,x2,…,xp看成随机变量,他们的期望值与协方差矩阵为:

Ex=Ex1x2xp=Ex1Ex2Exp=μ1μ2μp

V=(vij)=(cov(xi,xj))=v11[]v12[]…[]v1p

v21[]v22[]…[]v2p

[][][]

vp1[]vp2[]…[]vpp

vii就是第i个变量的方差,因此这p个变量总的变化情况就可以用∑[DD(]p[]i=1[DD)]vii来反映,记为y,于是y的方差Var(y)=Var∑[DD(]p[]i=1[DD)]aixi)=∑[DD(]p[]i=1[DD)]∑[DD(]p[]j=1[DD)]aiajvij=aTVa,a=[a1,a2,…,ap]T,Var(y)就最能反映xi的变化。可以看出,要对a做一下限制,否则Var(y)可以无限增大就没有意义,限制aTa=∑[DD(]p[]i=1[DD)]a2i=1,此问题的数学问题就是已知协方差矩阵V,求满足约束条件aTa=1的a,使aTVa达到最大。这是一个求条件极值的问题。所以寻找主成分的方法是:第一,先求出样本的协方差矩阵V;第二,求得V最大特征根λ和相应的特征向量a=[a1,a2,…,ap]T,于是a1x1+a2x2+…+apxp就是所要求的主成分分量。这样求出的主成分分量其反映原来p个变量变化的状况的多少用其贡献率来表示,贡献率=λ/∑[DD(]p[]i=1[DD)]vii,贡献率越大表示这个主成分分量的“综合”能力越强。

然而,如果主成分分量的贡献率达不到80%,那么其反映变量变化情况的能力是很差的,这时就要考虑其他主成分分量,具体做法是把矩阵的特征根λ从大到小排列,依次计算前几个特征根所占的比重即主成分分量的贡献率,当前t个特征根的比重超过80%时,就分别选取这t个特征根所对应的特征向量计算主成分分量,分别称为第一主成分、第二主成分…第t主成分,计算出这些主成分的值分别与他们的贡献率相乘,然后相加就是综合的评价值。

总第388期

李洋:基于主成分分析法的供应商信用评价

••

••商业研究

2009/08

二、供应商信用等级评价指标选取

构建供应商信用等级评价指标体系[2,4],经过反复筛选,从上述22个指标中选取14个适合分析的技术经济指标。x1顾客服务水平=缺货次数/订货次数,衡量在承诺期内供应商准时或提前交付订购量的能力;x2流动资金周转率=主营业务收入净额/平均流动资产总额,反映流动资金周转速度;x3总资产周转率=主营业务收入净额/平均资产总额,反映企业全部资产的运用效率;x4资产负债率=负债平均总额/资产平均总额,反映企业总资产来源于债权人提供的资金的比重以及企业资产对债权人权益的保障程度;x5短期偿债能力速动比率=(货币资金+短期负债+应收票据+一年内应收账款)/流动负债,反映企业可用在一年内快速变现的流动资产偿还流动负债的能力;x6购货款支付率=(期初应付货款+本期购货款-期末应付货款)/(期初应付货款+本期购货款),反映企业购货款支付能力;x7生产增长率=(本年生产总值-上年生产总值)/上年生产总值,反映企业生产能力增幅程度;x8一级品率=一级品商品价值/全部商品价值,反映企业生产质量水平;x9合同执行率=(应履行销售合同个数-未履行销售合同个数)/应履行销售合同个数,反映企业合同完成水平;x10存货周转率=主营业务成本/存货平均余额,衡量企业生产经营各个环节中存货运转效率的一个综合性指标;x11总资产利润率=利润总额/平均资产总额,反映企业总资产能够获得利润的能力,是反映企业资产综合利用效果的指标;x12销售利润率=利润总额/产品销售净收入,反映企业销售收入的获利水平;x13净利润增长率=(本年净利润-上年净利润)/上年净利润,反映了固定资产投资的扩张程度。x14市场占有率=产品销售额占企业销售额比率本产品市场份额,反映企业在同行业中所处的地位。x2、x3、x6、x7、x8、x9、x10、x11、x12、x13、x14为效益型指标,即指标值越大越好;x1和x4为成本型指标,即指标值越小越好;x5为固定型指标,即指标值为一数值时比较好,可选取本年度行业平均值。

三、应用实例

选取8家供应商相关指标值数据,使用SPSS软件进行求解[5]。将原始指标数据标准化,标准化矩阵的协方差矩阵就是相关矩阵,经计算,得到相关矩阵,其最大的4个特征根λ1=6.420,λ2=2.708,λ3=2.217,λ4=1.228,累计贡献率达到89.805%,选用这4个特征值综合这些指标的信息,设这4个因子为y1,y2,y3,y4,同时可知y1基本反映x2、x3、x5、x6、x7、x8、x10、x11各指标的综合信息,表示资金能力;y2反映x4、x9、x12、x14各指标信息,表示销售能力;y3反映x1、x13各指标信息,表示服务能力;而y4则更集中反映了x9的信息,表示执行能力。

四、结论

使用主成分分析方法对8家供应商的信用进行评价,其结果与企业自身对供应商信用评价的经验值基本保持一致,证明利用主成分分析方法对供应商的信用进行评价是一个可行的方法,有一定的应用价值。但此文在指标量化过程中,只选取了一部分可以直接获取的财务数据,一些定性指标没有很好的反映在评价结果里,可以在以后的研究中采用一些方法将定性指标进行量化,使评价结果更加客观全面。

参考文献:

[1]云虹,应若平.战略联盟中的信用综合评价[J].系统工程,2005,23(11):57-62.

[2]MasellaC,RangoneA.Acontingentapproachtothedesignofvendorselectionsystemfordifferenttypesofco-operativecustomersupplierrelationships[J].InternationalJournalofOperation&ProductionManagement,2000,20(1):70-80.

[3]李建平,徐伟宣,石勇.基于主成分线性加权综合评价的信用评分方法及应用[J].系统工程,2004,22(8):64-68.

[4]胡永宏,贺思辉.综合评价方法[M].北京:科学出版社,2000.

[5]刘先勇.SPSS10.0统计分析软件与应用[M].北京:国防工业出版社,2002.