基于主成分分析的企业运营评价数学建模优秀论文
关于企业利益最大化的数学建模论文
《数学建模与数学实验综合实验》课程设计任务书一、设计目的通过《数学建模与数学实验综合实验》课程设计，使学生能够将课堂上学到数学建模的理论知识与实际问题相联系，在提高学生学习兴趣的同时逐渐培养实际操作技能，强化对课程内容的了解。
本课程设计不仅有助于学生提高学生的建模能力，而且也有助于培养学生门的创新意识和动手能力。
二、设计教学内容本题要求运用数学建模知识解决人力资源管理中所遇到的问题。
本论文针对各项工程对技术人员限制的实际需求，充分合理地对专业技术人员进行合理配置，最终给出了该模型下的最优解，使公司收益最大化。
在模型求解过程中运用matlab软件得出模型中技术力量配置的最优解，最终解决了本题中的人力资源安排问题。
三、设计时间2011—2012学年第1学期：第16周共计1周教师签名:2010年12月12日摘要随着现代企业的发展，企业之间的竞争力越来越大，如何尽量满足客户的要求并且符合公司的人力资源，使企业的收益最大，这就涉及人员的分配问题。
合理的人力资源配置应使人力资源的整体功能强化，使人的能力与岗位要求相对应。
企业的岗位有层次与种类之分，它们占据着不同的位置，处于不同的能级水平。
每个人也都具有不同水平的能力，在纵向上处于不同的能级位置。
企业岗位人员的配置，应能做到能级对应，也就是说每一个人所具有的能级水平与所处的层次和岗位的能及要求相对应。
本文针对各项工程对技术人员限制的实际需求，充分合理地对专业技术人员进行合理配置，最终给出了该模型下的最优解，使公司收益最大化。
首先明确目标函数为公司最大收益，根据题目要求综合考虑了各项目客户对公司各专业技术人员人数的限制及总技术人员人数的限制，以及公司各类专业技术人员资源的限制等因素，将这些因素量化，即为本题的约束条件。
再利用Matlab软件得出模型中技术力量配置的最优解，即得以解决了本题中的人力资源安排问题。
关键词：多目标规划，最优化模型，约束量化1 问题的重述"E公司"有专业技术人员共41人，人员结构可以分为高级工程师、工程师、助理工程师以及技术员，人员结构对应的工资水平各有不同。
基于主成分分析的质量安全评价模型构建
基于主成分分析的质量安全评价模型构建摘要：本文针对分析深圳市这三年各主要食品领域微生物、重金属、添加剂含量等安全情况的变化趋势的问题，首先确定评价食品安全的检测指标，建立评价指标体系，本文利用已有数据得出三年主要食品领域如蔬菜、肉制品以及水产品领域，微生物、重金属、添加剂含量以及其他影响食品安全因素检查的合格率；再利用主成分分析方法建立的数据矩阵进行求解，得出影响食品质量安全的主成分因子，以及相应的方差贡献率（又称信息贡献率）作为主成分指标变量的权重，进而定义食品安全综合指数FSCI（Food Safety Comprehensive Index ，FSCI），通过食品安全综合指数的比较，对三年来深圳市的食品安全水平进行综合评价并得出结论：在蔬菜、肉类以及水产品三个主要食品领域中，食品质量安全水平2012最优，2011在三年来相对较差，2010年居中。
关键词：主成分分析信息贡献率特征向量综合评价指数中图分类号：R155.5 文献标识码：A 文章编号：1672-5336（2014）06-0064-03针对评价深圳市这三年各主要食品领域微生物、重金属、添加剂含量等安全情况的变化趋势的问题，我们首先确立指标体系，并对相关数据进行标准化处理，建立如下基于主成分分析的综合评价模型，并利用Matlab编程进行求解。
假设进行主成分分析的指标变量有个[1]，分别为，共有个评价对象，第个待评对象的第个指标值为，得到观测数据矩阵：。
将各指标值转换成标准化的指标值，有：其中：其中即和为第个指标的样本均值和样本标准差。
对应地，称为标准化的指标变量。
根据公式概率统计以及线性代数的相关知识[2]可以知道：即为标准化的指标变量和的相关系数矩阵，相关系数矩阵中的元素其中是第个指标与第个指标的相关系数，显然易见相关系数矩阵为是对称矩阵。
由上述相关系数矩阵的性质知道：相关系数矩阵为是实对称矩阵，因此相关系数矩阵进行特征分解得到[3]：，其中，是由相关系数矩阵的特征值组成的对角阵，是由的标准正交化的特征向量按列并排组成的正交矩阵，称为主成分载荷矩阵，它是用主成分指标变量表示中心标准化的原指标变量时的系数矩阵，即用矩阵可表示为：。
毕业设计_基于主成分分析的企业运营评价数学建模优秀论文
题 目 基于主成分分析的企业运营评价摘要本文研究了该后勤集团的多项指标，运用主层分分析法作综合分析。
并且建立指标与时间的回归模型，分析出这些指标表现优劣的年份以及未来五年走势。
问题一，要求对该后勤集团的经济效益、发展潜力以及内部运营情况等指标作综合分析。
将处理后的数据进行主成分分析，得出评价结果。
为了解决各细化指标单位及数值的差异，对数据进行标准化处理。
将处理后的数据进行主成分分析，最后用每个主成分的方差贡献率来作为权重计算综合得分，综合公式如下：∑==pj j j y b 1M由此公式得出评价结果。
分析结果可以知道这几年经济效益最好的是2009年，最差的是2001年。
问题二，在问题一数据分析的基础上指出这些指标表现优劣的年份以及未来五年走势。
每个指标是随着时间的变化而改变的，因此可以建立指标与时间的回归模型。
经济效益指标与时间的回归方程为：320.0140.2380.313=.127t t t Y -+--因此，由上函数关系和拟合图可知经济效益指标未来三年先上升然后开始下降。
即2010年经济效益的综合得分为3.627，2011年为3.233，2012年为2.307，此后几年均为下降趋势。
关键字 主成分分析法 指标与时间的回归模型 方差贡献率一、问题的背景与重述1.1问题背景高校后勤工作是高校一切工作正常运行的保障和基础，直接关系到高校的稳定和改革发展"在进一步推进高校后勤社会化改革的同时，必须把做好高校后勤工作。
提高高校后勤服务育人和管理育人水平作为高校重点工作之一。
随着后勤社会化改革进程的加快，高校师生对后勤服务和管理水平的要求越来越高，高校后勤本身也需要不断调整，使自己的服务管理水平符合科学化、程序化、专业化之要求。
最近几年高校规模的扩大，给学生社区和食堂管理带来了新的课题。
综上所述，非常有必要分析后勤集团的各项指标发展情况，从过去的发展中借鉴经验，从而建立科学高效的发展计划，促进高校后勤企业在创造社会效益的同时创造经济效益，为高校改革发展，做出更大贡献。
企业发展状况的数学建模与分析
企业开展状况的数学建模与分析摘要本文针对企业显性指标判别其开展状况进行了建模与求解算法设计。
首先我们利用数据文件和SPSS软件得到两两指标的三种相关系数即Pearson、Kendall、Spearman，并用散点图确定其显著线性相关的特性；然后在满足数据压缩的两个必要条件下，建立主成成分分析模型给数据降维；再基于八大指标为判别标准，用逐步判别分析法进行分类和比照分析；接着用变异系数法求指标权重，结合均值化无差异法得到每种企业评分并分级；最后运用评价模型预测未知企业类别，用判别分析法和BP神经网络进行检验。
问题一：对于指标间相关关系，用SPSS软件和原始数据算出两两指标间的三种Pearson、Kendall、Spearman相关系数，并结合数据散点图容易判别出各指标间都是呈显著线性相关的。
问题二：根据满足数据压缩的两个先决条件：①各指标之间是相关的，不是毫无关系的；②指标变量被压缩之后必须包含不少于原始指标变量85%的信息量。
建立主成成分分析降维模型，用SPSS软件将8个指标成分压缩为3个主成成分，得到3个主成成分关系式和数值结果。
问题三：对于用八大指标分类，首先将其作为训练样本并建立判别准那么，然后用SPSS软件中的逐步判别分析法，在引入变量的同时进行判别、选择、淘汰，最后得到判别函数，根据函数得出结论为：分类的结果和原杂志社划分结果根本一致，被错判的为1号企业，应该将它从上升企业调整为稳定企业，其案例的正确分类率为98.95%。
问题四：对于构建评价函数。
用变异系数法计算每种指标的权重，再用均值化无差异法对指标数据进行处理，得出各种企业的综合评分，重新排序后，用EXCEL模拟出企业序号和评分曲线图，将同一高度的企业划分为一级，得到企业的分类级别。
问题五：运用上问评价模型预测得到未知企业与分类级别的关系是：91—上升企业、92—下降企业、93—稳定企业，再运用判别分析法和BP神经网络检验得出类别为1,3,2，和预测结果一致。
数学建模经典案例分析以葡萄酒质量评价为例
数学建模经典案例分析以葡萄酒质量评价为例一、本文概述本文旨在通过深入剖析数学建模在葡萄酒质量评价中的应用，展示数学建模的经典案例。
我们将首先简要介绍数学建模的基本概念及其在各个领域的应用，然后聚焦葡萄酒质量评价这一具体问题，阐述如何通过数学建模对其进行科学、客观的分析。
文章将详细分析数据的收集与处理、模型的建立与求解、模型的验证与优化等关键环节，并探讨不同数学模型在葡萄酒质量评价中的优缺点。
我们将总结数学建模在葡萄酒质量评价中的实际应用效果，展望其在未来葡萄酒产业中的发展前景。
通过阅读本文，读者将能够了解数学建模在葡萄酒质量评价中的重要作用，掌握相关数学建模方法和技术，为类似问题的解决提供有益的参考和借鉴。
本文也将促进数学建模在葡萄酒产业中的应用与发展，推动葡萄酒产业的科技进步和产业升级。
二、数学建模基础数学建模是一种将实际问题抽象化、量化的过程，通过数学工具和方法来求解问题的近似解。
在葡萄酒质量评价这一案例中，数学建模提供了从复杂的实际生产环境中提取关键信息，并建立预测模型的可能。
这需要我们具备一定的数学基础，如统计学、线性代数、微积分等，同时也需要理解并掌握数据处理的基本技术，如数据清洗、特征提取和选择等。
在葡萄酒质量评价问题中，我们首先需要收集大量的葡萄酒样本数据，这些数据可能包括葡萄品种、产地、气候、土壤、酿造工艺、化学成分等多个方面的信息。
然后，我们需要对这些数据进行预处理，如去除缺失值、异常值，进行数据标准化等，以提高模型的稳定性和准确性。
接下来，我们可以选择适合的模型进行训练。
在这个案例中，我们可以选择线性回归、决策树、随机森林、神经网络等模型进行尝试。
我们需要根据数据的特性和问题的需求，选择最合适的模型。
同时，我们还需要进行模型的训练和验证，通过调整模型的参数，提高模型的预测能力。
我们需要对模型进行评估和优化。
这可以通过交叉验证、ROC曲线、AUC值等评估指标来进行。
如果模型的预测能力不足，我们需要对模型进行优化，如改进模型的结构、增加更多的特征等。
基于主成分分析法的我国商业银行经营绩效分析以我国17家商业银行为例
基于主成分分析法的我国商业银行经营绩效分析以我国17家商业银行为例一、本文概述本文旨在运用主成分分析法（PCA）对我国商业银行的经营绩效进行深入分析。
以我国17家商业银行为例，通过对这些银行在经营过程中的关键绩效指标进行量化评估，从而揭示出各银行在经营绩效上的表现及其之间的差异。
主成分分析法作为一种有效的降维技术，可以在保持原始数据信息量的基础上，将多个绩效指标转化为少数几个主成分，使得分析更为简便且直观。
本文的研究不仅有助于我们了解我国商业银行的经营绩效现状，同时也为银行管理层提供了决策支持，有助于其优化经营策略，提升经营绩效。
通过对比不同银行的经营绩效，还可以为我国银行业的整体发展和监管提供有益的参考。
在接下来的部分，本文将详细介绍主成分分析法的原理及其在商业银行经营绩效分析中的应用，展示具体的分析过程和结果，并对结果进行深入讨论，以期为我国商业银行的经营管理和行业发展提供有益的建议。
二、主成分分析法简介主成分分析法（Principal Component Analysis，简称PCA）是一种广泛应用于多元统计分析的数学方法，其主要目的是通过降维技术，将多个变量转化为少数几个综合变量（即主成分），这些主成分能够最大程度地保留原始变量的信息，并且彼此之间互不相关。
这种方法在减少数据复杂性的还能够揭示变量之间的内在结构和关系。
主成分分析法的基本思想是，通过对原始变量的线性变换，生成新的综合变量（即主成分），这些新的变量按照其包含原始变量信息的多少进行排序，即第一个主成分包含的信息最多，第二个次之，依此类推。
通过这种方式，我们可以选择几个主成分来代表原始变量，从而实现数据的降维和简化。
主成分分析法的优点在于：它可以通过降维技术简化数据，使得复杂的问题变得易于处理；主成分之间相互独立，避免了原始变量之间的多重共线性问题；主成分分析法的计算过程相对简单，易于理解和实现。
在商业银行经营绩效分析中，主成分分析法可以有效地处理多个绩效指标之间的复杂关系，通过降维技术提取出反映银行绩效的主要成分，从而更加清晰地揭示银行经营绩效的内在结构和规律。
企业营运能力的分析与探究毕业论文
企业营运能力的分析与探究毕业论文目录一、内容概览 (1)1. 研究背景和意义 (2)1.1 企业营运能力概述 (3)1.2 研究背景及必要性 (4)1.3 研究目的和意义 (5)2. 文献综述与理论基础 (6)2.1 国内外研究现状 (8)2.2 相关理论基础及概念界定 (9)二、企业营运能力分析框架与方法 (11)1. 企业营运能力分析框架构建 (12)1.1 营运能力分析的基本框架 (13)1.2 关键指标选取与体系构建原则 (14)2. 企业营运能力分析方法介绍与应用实例分析 (15)2.1 定性分析方法介绍及应用实例分析 (16)2.2 定量分析方法介绍及应用实例分析 (18)一、内容概览本论文旨在通过对企业营运能力的分析与探究，深入了解企业营运能力的概念、内涵、影响因素以及提升策略，为企业管理者提供有针对性的建议和指导。
本文共分为五个部分：引言、企业营运能力的理论框架、企业营运能力的实证分析、影响企业营运能力的因素及提升策略、结论与建议。
引言部分首先介绍了企业营运能力的重要性，指出企业营运能力的高低直接影响企业的竞争力和盈利能力。
对国内外关于企业营运能力的研究现状进行了梳理，总结了现有研究的主要观点和不足之处，为本论文的研究提供了理论依据和研究背景。
第二部分构建了企业营运能力的理论框架，从财务指标、运营效率、市场适应性等方面对企业营运能力进行了定义和划分，为企业营运能力的实证分析奠定了基础。
第三部分通过收集大量的企业数据，运用统计分析方法对企业营运能力的实证进行了探讨。
通过对不同行业、规模的企业进行对比分析，揭示了企业营运能力的内在规律和影响因素，为企业提升营运能力提供了实证依据。
第四部分从内部和外部两个层面分析了影响企业营运能力的关键因素，包括企业的组织结构、管理制度、人力资源、技术创新、市场环境等。
针对这些关键因素提出了相应的提升策略，为企业实现营运能力的持续改进提供了思路。
第五部分在总结前文研究成果的基础上，对未来企业营运能力研究的发展趋势进行了展望，并提出了加强企业营运能力研究的对策建议，以期为企业管理者提供更有针对性的参考意见。
主成分分析法在贵州工业企业综合评价中的应用毕业论文
本科毕业论文（设计）论文（设计）题目：主成分分析法在工业企业综合评价中的应用毕业设计（论文）原创性声明和使用授权说明原创性声明本人重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作与取得的成果。
尽我所知，除文中特别加以标注和致的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得与其它教育机构的学位或学历而使用过的材料。
对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了意。
作者签名：日期：指导教师签名：日期：使用授权说明本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部容。
作者签名：日期：大学本科毕业论文(设计)诚信责任书本人重承诺，所写论文是在导师的严格指导下独立进行研究完成的。
毕业论文（设计）中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。
特此声明！论文设计者签名：马云2012年5月25日目录1.1摘要和关键词11.2 英文摘要22.1工业企业发展现状32.2主成分分析法的综合应用92.3结论163.1致信174.1参考文献18摘要本文通过对所搜集的相关数据进行分析，构建适应省情和实际的工业发展评价指数，建立测度工业发展的指标体系，进而构建相关模型分析各指数的有效性与它们之间的联系，结合其不同的影响因素，建立合理有效的工业效益评价的方法与企业投入与产出指标体系，采用多元统计中的主成份分析法，把多个指标转化为几个综合指标，科学地选择有关指标要素，分析当前工业发展状况，为企业管理者提供企业经济效益评价的合理建议，促进工业发展朝着高效率、高产出的方向不断前进。
同时，通过测算一系列评价指标，综合评价工业企业的各项指标，为进一步提高工业企业经济效益给出合理建议，企业管理者通过定期对相关指标进行对比考核，对各项指标进行探索，努力朝着全国工业企业发展的各项平均指标靠近，不断提高，不断超越，在实践中不断提高生产技术。
基于数学建模的企业经营决策分析
基于数学建模的企业经营决策分析一、引言随着时代的变迁和科技的发展，企业在面对外部环境和内部经营问题时应用数学建模的方式来对经营决策进行分析已成为了必要的手段。
数学建模是指用现代数学的方法和技巧来表达和解决实际问题，将实际问题抽象化并转化成数学模型，去分析和优化问题。
本文将从数学建模的角度探究企业经营决策的分析方法。
二、市场分析市场分析是企业经营决策中的重要一环。
市场分析主要包括市场需求分析和市场供给分析。
1. 市场需求分析市场需求分析是要从市场的角度来对企业要生产的产品进行需求的预测，包括市场的消费者结构、需求的变化和趋势以及竞争对手的情况等。
在市场需求方面，研究者可以采用回归分析的方法来对市场的需求进行预测。
回归分析是指对两个或多个变量之间的关系进行建模的一种统计方法。
例如，当研究者想知道商品销售量与广告费用之间的关系时，可以采用线性回归模型进行分析。
此外，研究者也可以通过市场调研的方法来对市场进行分析。
市场调研是指通过直接或间接的方式，以收集市场信息的方法，帮助企业分析市场需求和预测趋势。
例如，通过问卷调查、深度访谈等方式收集消费者的信息，帮助企业制定产品的包装设计、定价策略和市场推广策略等。
2. 市场供给分析市场供给分析是要从企业的角度来分析生产的产品是如何满足市场需求的，包括企业的生产效率、生产成本以及市场的创新和技术进步等。
在市场供给方面，研究者可以采用产量弹性分析的方法来对市场供给进行分析。
产量弹性是指一种变量对生产量变化的影响力大小的度量。
例如，当研究者想知道企业的生产效率或成本等因素对生产量的影响时，可以采用产量弹性模型进行分析。
此外，研究者也可以通过对市场大数据的挖掘和分析来对市场供给进行分析。
市场大数据是指由商业活动、社交媒体以及其他渠道产生的大量的文本和结构化数据，可以用于描述市场分布、人口特征、社会经济概况、舆论趋势等信息。
通过对市场大数据的挖掘和分析，可以帮助企业了解市场的需求和趋势，从而制定更好的市场供给策略。
数学建模论文 运营绩效分析
运营绩效分析摘要随着后勤社会化改革进程的加快，公司对后勤服务和管理水平的要求越来越高，本文就某公司2000到2009调查的经济效益指标、发展能力指标、内部运营指标以及客户满意度指标。
首先对各指标进行主成分分析，对指标未来趋势利用指数平滑预测，移动平均法进行趋势的预测。
对于客户满意度指标采用两种方法分别用主成分分析以及模糊分析法进行客户满意度分析及预测趋势。
采用多元回归线性法，对各运营指标之间的动态关系进行了分析，最后针对分析的结果，提出了合理的政策和建议。
问题一：针对经济效益指标、发展能力指标以及内部运营利用主成分分析法建立主成分综合评价模型，先对数据进行标准化处理，针对经济效益指标选取三个主成分，发展能力指标选取两个主成分，内部运营选取两个主成分分别构建出主成分综合评价模型。
利用excel画出三指标与年份的折线图，得出优劣年份。
对于未来三年趋势利用线性拟合预测。
问题二：根据得到相应的“客户满意指标”以及“愿意在后勤消费比例”随年度的发展趋势的折线图我们根据题目所给调查数据运用主成分分析法，建立相关的函数关系，得出两者之间的关系走势图，以此来阐述客户满意度指标的走势，利用线性拟合得到函数关系模型,预测满意度走势。
同时简单运用模糊评价法分析每年的满意指标再预测。
最后两种方法进行对比。
问题三：分析客户满意指标与经济效益指标、发展潜力指标以及内部运营指标之间的动态关系，首先，分别观察客户满意指标与经济效益指标、客户满意指标与发展潜力指标以及客户满意指标与内部运营指标之间的关系，然后用excel多元线性回归方法综合起来，即可得到这三个指标与客户满意度的动态关系。
关键词：主成分分析线性拟合模糊评价法 matlab excel多元线性回归分析一、问题重述后勤集团是企业为消费者提供产品与服务的部门。
某公司后勤集团为了既要顾客满意，又要追求经济效益，研究了其运营绩效走势，详细调查了2000年至2009年的运营指标，包括经济效益指标、发展能力指标、内部运营指标以及客户满意度指标，且每个指标下面又有细化指标，根据具体调查结果,见附录中表1、表2、表3及表4。
基于主成分分析法的中小企业成长性评价模型及其应用
第14卷第4期 2005年8月系统工程理论方法应用SYST E M S EN G I N EER I N G-TH EOR Y M ETHODOLO GY A PPL I CA T I ON SV o l .14N o.4 A ug .2005 文章编号:100522542(2005)0420369203基于主成分分析法的中小企业成长性评价模型及其应用慕 静1, 韩文秀2, 李全生1(1.天津工业大学管理学院,天津300160;2.天津大学管理学院,天津300072)【摘要】利用多元统计中的主成分分析法,建立了一种新的中小企业成长性评价模型,并对18家中小企业进行了实证分析。
结果表明,该评价模型更能科学、合理地反映出我国中小企业的成长能力。
关键词:企业成长性;主成分分析法;评价模型中图分类号:O 212 文献标识码:AM odel and Application of S mall -M ed iu m En terpr ise ’s Growth A ssess m en t Based on Pr i nc ipal Com ponen t AnalysisM U J ing 1, H A N W en 2x iu 2, L I Q uan 2sheng1(1.Schoo l of M anagem en t ,T ian jin Po lytechn ic U n iv .,T ian jin 300160,Ch ina ;2.Schoo l of M anagem en t ,T ian jin U n iv .,T ian jin 300072)【A bs tra c t 】B ased on the m ethods of p rinci p al com ponen t analysis of m u ltivariate statistical analysis ,the p ap er p ropo ses a new assess m en t m odel of s m all 2m edium en terp rise’s grow th ,and gives an em p irical analysis abou t 18en terp rises .T he resu lts show that th is m odel is scien tific and reasonab le reflecti on s on the grow th of s m all 2m edium en terp rise .Ke y w o rds :grow th of en terp rise ;p rinci p al com ponen t analysis ;assess m en t m odel 收稿日期:2004202225 修订日期:2005204211作者简介:慕 静(19662),女,副教授。
公司绩效分析论文 企业主成分分析论文
公司绩效分析论文企业主成分分析论文主成分分析方法在青岛地区上市公司绩效分析中的应用[摘要]青岛地区上市公司经营水平的分化比较明显，有相当多数的企业营运能力及企业成长性都有待提高，表现在主营业务老化，多而杂,没有形成有效的核心竞争力。
本节将运用主成分分析方法与聚类分析方法，结合相应的财务指标与数据，系统的对青岛地区上市公司的绩效进行分析与评价，以便为决策以及相关管理部门提供有效的判断依据。
[关键词]上市公司绩效分析主成分分析聚类分析1 引言近年来，青岛地区上市公司的发展水平较上世纪90年代有所回落，“青岛权证”集体热的现象有所降温。
青岛市目前在境内共有13家上市公司，其中在沪市主板上市的企业有青岛海尔、青岛啤酒、海信电器、澳柯玛、青岛碱业、新华锦、ST黄海。
在深市主板上市的企业有青岛双星、民生投资、普洛股份，在深市中小板上市的企业有两家，分别是软控股份与青岛金王。
截止到2010年6月，青岛市共有21家上市公司，境内上市公司13家，境外上市公司为8家，其中中小板上市公司为2家，创业板上市公司为1家。
截止2010年5月，沪深两市共1726家上市公司，青岛地区仅占1.2%，虽然青岛市本地上市公司的数量有了一定程度的增长，但是与北京、上海、深圳等资本市场发达城市相比仍有很大的差距。
目前，青岛市上市后备军初步形成，小南国、东来顺等中小企业积极争取登陆创业板市场，汉缆股份、华仁药业已于2009年底向中国证监会上报申请材料，东方铁塔、东软科技、恒顺电器、海众锅炉等一批企业计划在2010年上半年上报材料。
品品好粮油、麦迪绅两公司境外上市工作也在稳步推进中，但是与其它资本市场发达城市相比仍存在后备资源不足的问题。
青岛市境内上市公司整体经营水平分化主要体现在盈利水平、营运能力、企业成长性以及企业信誉度等方面。
伴随着青岛市资本市场近二十年的发展，强者恒强的局面表现得十分明显，海尔、青啤、海信等优质的上市公司引领着青岛市经济的发展，而还有一批上市公司的发展前景令人担优，青岛地区上市公司整体发展水平良莠不齐。
主成分分析在综合评价中的应用
四川农业大学商学院课程论文《数据处理方法》课程论文论文题目：主成分分析在综合评价中的应用成员1：工作：分数：成员2：工作：分数：成员3：工作：分数：成员4：工作：分数：2013-5-14主成分分析在综合评价中的应用摘要本文根据2007年各地区国有及国有控股工业企业主要经济效益指标的统计数据，进行主成分分析并选取三个主成分，运用主成分对各地区进行综合排名。
运用K均值聚类，得出的结果与主成分综合排名进行比较，结果相当吻合，主成分分析可广泛运用于经济指标数据分析。
关键字：主成分分析经济效益指标综合排名分类Application of Principal Component Analysis in the analysis of Economic Data Xionghao, Information and Computing Science, 20109271Yang Xiaotao, Information and Computing Science, 20109281Zou Huimin, Financial Management, 20118795Zhao Wenqin, Financial Management, 20118793Abstract: according to the 2007 state-owned and state holding industrial enterprises in various areas of the main economic benefit index statistics, principal component analysis and three principal components and using the principal component comprehensive ranking for all regions. Using k-means clustering, and the results comparing with principal component comprehensive ranking and the results are consistent, principal component analysis data analysis can be widely used in economic indicators.Key words: principal component analysis ;Comprehensive ranking ;Classification1.问题描述经济数据分析结果对国家的宏观调控与企业决策有着至关重要的作用。
主成分分析论文 孟向前
部分上市公司财务绩效的主成分分析08数学1班孟向前 0807021036摘要为了全面地科学地评价我国2011年4月份部分上市公司的财务绩效状况，我们将借助SAS软件对其进行主成分分析分析。
选取6项经济指标，对上市公司的财务绩效进行综合分析，并提出了目前我国上市公司存在的问题并给出提高财务绩效的相关措施。
【关键词】财务绩效主成分分析上市公司存在问题相关措施1、研究意义上市公司的财务绩效是指上市公司在一定期间的盈利能力、资产质量、债务风险和经营增长四个方面的有关信息。
了解了不同上市公司的财务绩效，有利于投资者等信息使用者据以评价企业盈利能力、预测企业成长潜力、进而做出更加准确的相关经济决策。
2、相关研究成果由于主成分分析方法能浓缩信息，简化指标的结构,使分析问题的过程简单、直观、有效,故广泛应用于各个领域。
人们经常利用主成分分析方法综合评价企业或事业单位的经济效益、技术进步状况,并收到了良好的效果。
它的主演研究成果有：1．有时可通过因子负荷的结论，弄清变量间的某些关系。
2．多维数据的一种图形表示方法。
我们知道当维数大于3时便不能画出几何图形，多元统计研究的问题大都多于3个变量。
要把研究的问题用图形表示出来是不可能的。
然而，经过主成分分析后，我们可以选取前两个主成分或其中某两个主成分，根据主成分的得分，画出n个样品在二维平面上的分布况，由图形可直观地看出各样品在主分量中的地位，进而还可以对样本进行分类处理，可以由图形发现远离大多数样本点的离群点。
3．由主成分分析法构造回归模型。
即把各主成分作为新自变量代替原来自变量x做回归分析。
4．用主成分分析筛选回归变量。
回归变量的选择有着重的实际意义，为了使模型本身易于做结构分析、控制和预报，好从原始变量所构成的子集合中选择最佳变量，构成最佳变量集合。
用主成分分析筛选变量，可以用较少的计算量来选择量，获得选择最佳变量子集合的效果。
3、方法介绍3.1 主成分分析，又称主分量分析，是指将原始的多个变量，通过线性组合，提炼出较少几个彼此独立的新变量的一种多元统计分析方法。
主成分分析在综合评价中的应用模型
主成分分析在综合评价中的应用张毅(长江大学信息与数学学院,湖北荆州 434023)[摘要] 应用主成分分析原理,以少数的综合变量取代原有的多维变量,使数据结构简化,把原指标综合成几个主成分,再以这几个主成分的贡献率为权数进行加权平均,构造出一个综合评价函数.文章应用该原理对23家电器企业的实力进行了综合评价,其结果是合理可信的.[关键词] 主成分分析;综合评价;排序[中图分类号] O29 [文献标识码] A [文章编号] 1008-4657(2005)06-0062-04 排序问题在我们日常生活中经常碰到,对单指标系统中的各样本点进行排序,按指标值的大小排序就可以了.而对多指标系统中的各样本点进行排序就不能按各指标值的大小这一简单原则进行了,一个常用的方法是对各指标进行总和平均后,按平均值的大小进行排序.但有时由于各指标间的量纲不一样,就不能进行加法运算了.再者,即使各指标间的量纲一致,可以作加法运算,而各指标反映系统侧面不同,对系统的作用不一样,作加法运算时,存在一个权系数的处理问题,而权系数的取定没有一个统一的标准,这样就不能得到统一的排序结果.同时,在很多情况下各指标间有一定的相关性,甚至是严重相关,从而使得这些指标所提供的信息在一定的程度上有所重叠,求和时系统信息会重叠计算,也不能得到令人信服的排序结果.本文利用主成分分析原理,对多维空间实行降维处理,在系统变异信息损失最小的情况下,得到线性无关的几个主成分,利用主成分得分,对系统中各样本点进行综合评价,这样就排除了各指标间由于量纲不同和信息重叠所造成的影响,不用人为规定权系数,排除主观因素的干扰,使得计算结果更加科学、真实可靠.1 应用实例我们对23家家电类上市公司2005年1月的财务指标作主成分分析,设定综合评价指数对23家公司进行排序,并用聚类分析验证了排序的正确性.这6项财务指标分别为:每股盈利x1(元),每股净资产x2(元),主营利润率x3(% ),净资产收益率x4(% ),负债率x5(% ),每股公积金x6(元).数据来源于武汉证券公司,数据如表1.表1 23家公司基本情况表公司名称x1x2x3x4x5x6科龙电器0. 06 2. 89 17. 95% 2. 11% 0. 75% 1. 5894康佳电器0. 03 5. 34 14. 75% 0. 64% 0. 65% 3. 0858ST华发0. 00 0. 82 -3. 91% -0. 31% 0. 44% 0. 3584TCL -0. 13 1. 98 14. 83% -5. 99% 0. 82% 0. 7662小天鹅0. 03 3. 16 22. 27% 1. 04% 0. 63% 2. 217862续表1 23家公司基本情况表公司名称x1x2x3x4x5x6美菱电器0. 02 2. 09 19. 31% 1. 08% 0. 64% 1. 3843美的电器0. 11 5. 62 17. 39% 1. 99% 0. 77% 2. 0633万家乐0. 00 1. 04 30. 98% 0. 04% 0. 81% 0. 1263ST湖山-0. 01 0. 68 11. 86% -1. 32% 0. 61% 0. 0377夏新电子0. 01 3. 07 21. 90% 0. 25% 0. 68% 0. 7019海信电器0. 05 4. 94 16. 35% 1. 05% 0. 40% 3. 0019ST博讯-0. 01 0. 08 3. 57% -1. 90% 0. 89% 0. 1052ST福日0. 21 2. 09 2. 33% 10. 11% 0. 68% 1. 1370浙江阳光0. 15 5. 26 19. 44% 2. 83% 0. 42% 2. 7996澳柯玛0. 02 3. 57 16. 50% 0. 51% 0. 70% 2. 4720广电信息0. 01 4. 47 4. 59% 0. 28% 0. 52% 2. 9576春兰股份0. 01 5. 81 10. 85% 0. 23% 0. 39% 2. 9625厦华电子0. 03 2. 20 11. 83% 1. 24% 0. 76% 2. 5512四川长虹0. 08 4. 45 14. 50% 1. 80% 0. 35% 1. 8879大显股份0. 01 2. 17 14. 51% 0. 59% 0. 39% 0. 5229宁波富达0. 01 1. 92 16. 22% 0. 59% 0. 61% 0. 2551青岛海尔0. 05 4. 83 11. 94% 1. 09% 0. 18% 2. 4520飞乐音响0. 02 1. 78 15. 84% 1. 17% 0. 53% 0. 3309首先,将数据标准化处理,然后将处理后的数据,利用SAS软件,可得指标x1,x2,x3,,,x6的相关系数矩阵为:R =1.00000.3793 1.0000-0.0627 0.1673 1.00000.9287 0.2122 -0.1150 1.0000-0.2134-0.4582 0.1825 -0.1637 1.00000.3316 0.8670 0.0329 0.2176 -0.3358 1.0000从相关系数矩阵可看出,x1与x4,x2与x6之间强相关,系统信息有重叠,计算出相关系数矩阵的特征值、特征向量及其贡献率如表2.表2 贡献率及累计贡献率主成分特征值贡献率累计贡献率1 2. 68060 0. 446767 0. 446772 1. 44684 0. 241140 0. 687913 1. 09278 0. 182130 0. 870044 0. 61751 0. 102918 0. 972955 0. 11415 0. 019024 0. 991986 0. 04813 0. 008021 1. 0000063由上表可知,当主成分个数为3时,累计贡献率已经有了87. 01%,所以主成分个数取三个即可.则其对应的主成分为:y1=0.484429x1+0.496377x2-0.025010x3+0.426082x4-0.335658x5+0.483393x6; y2=0.453670x1-0.432427x2-0.321221x3-0.209738x4+0.188846x5-0.396159x6; y3=0.196254x1+0.057543x2+0.804400x3+0.171089x4+0.530876x5+0.003727x6. 从上述公式可看出,第一主成分y1主要是由x1,x2,x4,x6的系数决定的,并且权重值相差不大,由各指标的实际意义,可知第一个主成分主要反映了企业的收益水平和资产的增利水平;第二主成分y2中,x1系数最大,x2系数最小,可知第二个主成分主要经营策划能力,即以少的资产获得较大的利润.第三主成分y2中x3的系数最大,x5的系数次之,其它系数较小,可知第三个主成分则集中反映了企业经营能力和负债偿还能力.评价系数W为:W =K1K1+K2+K3y1+K2K1+K2+K3y2+K3K1+K2+K3y3利用表2中的数据,可计算出y1,y2,y3,同时能计算出W,从而得出综合评价结果.排名如表3.表3 综合评价结果公司名称第一主成分第二主成分第三主成分综合评价结果名次科龙电器2. 21799 -1. 89662 0. 33603 0. 68362 12康佳电器4. 12284 -3. 5606 0. 44796 1. 224007 3ST华发0. 57366 -0. 48605 0. 01839 0. 163712 21TCL 1. 25058 -1. 29823 0. 2047 0. 32521 19小天鹅2. 62972 -2. 296 0. 38032 0. 793623 10美菱电器1. 70006 -1. 49789 0. 28997 0. 518531 15美的电器3. 82122 -3. 24103 0. 50011 1. 168614 4万家乐0. 56573 -0. 59752 0. 31389 0. 190604 20ST湖山0. 3399 -0. 35783 0. 13369 0. 103349 22夏新电子1. 85421 -1. 66867 0. 36146 0. 56532 14海信电器3. 89644 -3. 34864 0. 44079 1. 164996 5ST博讯0. 07269 -0. 1012 0. 03323 0. 016234 23ST福日1. 71762 -1. 20872 0. 2054 0. 589991 13浙江阳光4. 0147 -3. 36146 0. 50608 1. 235838 2澳柯玛2. 94768 -2. 56283 0. 35596 0. 877843 9广电信息3. 62206 -3. 11229 0. 31045 1. 062323 7春兰股份4. 28818 -3. 71432 0. 43716 1. 264044 1厦华电子2. 31406 -1. 97806 0. 24338 0. 690985 11四川长虹3. 14422 -2. 67179 0. 40044 0. 957878 8大显股份1. 3271 -1. 18356 0. 24859 0. 405473 16宁波富达1. 07506 -0. 97444 0. 24812 0. 333911 17青岛海尔3. 58354 -3. 06925 0. 39582 1. 072343 6飞乐音响1. 04913 -0. 93509 0. 23983 0. 329767 1864从表3中,我们可以看出,排在第一位的是春兰股份.春兰公司是我国白色家电的龙头企业,也是我国最早生产家用空调的企业之一,它现已成为中国家喻户晓的品牌,空调产品国内市场占有率始终名列前茅,洗衣机、摩托车等产品也具有较高的知名度和市场占有率,核心竞争力非常突出.排在第二位的是浙江阳光,浙江阳光股份公司主营业务是节能电光源、照明电器、仪器设备的开发、制造和销售,该公司强抓管理,降低成本,使产品的市场占有率进一步提高,经济效益稳步增长.排在最后一位的是ST博讯,由于上市当年就出现巨额亏损,引起股民哗然,被中国证监会查实有虚假上市行为,受到国务院的通报批评,并成为中国第一家被刑事起诉的上市公司.为了验证上述分析的正确性,下面我们用AVE法对上述23个公司进行聚类分析.从分类图和伪t2及伪F统计量可知, 23家上市公司可分为4类,分类情况如表4.表4 公司分类情况公司名称类别公司名称类别公司名称类别科龙电器3 ST湖山4春兰股份1康佳电器1夏新电子3厦华电子2ST华发4海信电器1四川长虹2TCL 3 ST博讯4大显股份3小天鹅2 ST福日3宁波富达3美菱电器3浙江阳光1青岛海尔1美的电器1澳柯玛2飞乐音响3万家乐4广电信息1从聚类进程图中,我们可以明显看出,公司可以分为四类(见表4):春兰股份、浙江阳光、美的电器、康佳电器、海信电器、青岛海尔为一类,是综合实力最强的公司,它们的评价系数排名也在前列.而ST华发、ST湖山、万家乐、ST博讯成一类,它们的评价系数排名排在后面,为实力较差的一类公司.2 结束语主成分分析法是一种多指标分析方法,目前已有不少研究者将它应用于社会中的很多方面.本文利用主成分分析法以及聚类分析对公司效益进行综合评价,其结果是合理的.利用主成分分析法进行综合评价可以消除评价指标之间的相关性;另外,在综合评价函数中,各主成分的权数为其贡献率,它反映了该主成分包含原始数据的信息量占全部信息量的比重,这样确定权数是客观、合理的,它克服了某些评价方法中人为确定权数的缺陷;这种方法的计算比较规范,便于在计算机上实现.[参考文献][1]范金城,梅长林.数据分析[M].北京:科学出版社, 2002.[2]何哓群.现代统计分析方法与应用[M].北京:中国人民大学出版社, 1998. 281-315.[3]王学仁,王松桂.实用多元统计分析[M].上海:上海科学技术出版社, 1990.[4]吴翎.应用数理统计[M].北京:国防科学技术大学出版社, 1995. 285-303.The Application ofPrincipalComponentAnalysis in the Comprehensive Assessment of SocietyZHANG Yi (YangtzeUniversity, Jingzhou,Hube,i 434000,China)Abstract:Ifwe apply the theory of principle component analysis, which can use less comprehensive variables to instead ofthemultivariate variables, thismethod can simplify the structure of the data and aggregate the original index into severalprincipal components. Regarding the contribution rate of this principal componentas right, countweighted average andmake up a compre-hensive function. This textapplies the theory ofprincipal componentanalysis to assess the evaluation of23 companies in real life, and the result is convincing.Key words:principle component analysis; comprehensive assessment; judge the value65。
主成分分析法在公司综合评价中的应用
主成分分析法在公司综合评价中的应用文章主要介绍了主成分分析法的基本思想和计算步骤，并用主成分分析法在公司综合评价方面进行了实证分析。
标签：主成分分析法指标综合评价目前国内外关于多指标综合评价的方法很多，根据权重确定方法的不同，大致可分为两类：一类是主观赋权法，如层次分析法、德尔菲法，等等，多是采用综合咨询评分的定性方法。
这类方法因受到人为因素的影响，往往会夸大或降低某些指标的作用，致使排序的结果不能完全真实地反映事物间的现实关系。
另一类是客观赋权法，即根据各指标间的相关关系或各项指标值的变异程度来确定权数，避免由于人为因素带来的偏差，如主成分分析法、因子分析法，等等。
本文介绍的主成分分析法在将原始变量转变为主成分的过程中，同时形成了反映主成分和指标包含信息量的权数，以计算综合评价值。
这样在指标权重选择上克服了主观因素的影响，客观地反映了样本间的现实关系。
一、主成分分析法的基本思想和分析步骤主成分分析就是设法将原来众多的具有一定相关性的指标(比如P个指标)，重新组合成一组新的相互无关的综合指标来代替原来的指标。
通常数学上的处理就是将原来P个指标作线性组合，若没有限制条件作为新的综合指标，这样的线性组合会有很多，那么如何去选取呢?主成分分析的基本思想是：如果将选取的第一个线性组合即第一个综合指标记为F1，自然希望尽可能多的反映原来指标的信息。
这里的“信息”最经典的方法就是用F1的方差来表达，即Var(F1)越大，表示F1包含的信息越多。
因此在所有的线性组合中所选取的F1应该是方差最大的，故称F1为第一主成分。
如果第一主成分不足以代表原来P个指标的信息，再考虑选取F2 即选第二个线性组合,为了有效地反映原来信息,F1已有的信息就不再需要出现在F2中，用数学语言表达就是要求Cov(F1,F2)=0,称F2为第二主成分，依次类推可以造出第三，第四…第P个主成分。
不难想象这些主成分之间不仅不相关，而且它们的方差依次递减，因此在实际工作中，就挑选前几个最大主成分。