1、基于主成分與灰色關聯分析的供應商評價選擇研究摘 要：為了克服主觀賦權法（如AHP方法）在確定供應商評價指標權重時的主觀性以及多指標綜合評價的信息重疊性,本文基于主成分分析的方法，客觀地揭示出各評價指標的重要性，從而確定權重并提取多指標的主成分。在此基礎上,結合灰色關聯分析方法,建立了一套更具客觀性與準確性的供應商評選組合方法，并給出具體的計算方法和實例分析,結果具有良好的性質，方法簡單、利于實現。關鍵詞：供應商選擇；主成分分析；灰色關聯分析；組合方法 Research on Supplier Selection and Evaluation Based on PrincipalComponen

2、t Analysis and Grey Relevance AnalysisAbstract: In order to overcome the subjectivity of subjective weighting method (like AHP) in determining supplier evaluation index-weight and information overlapping of multiple attribute synthetical evaluation method, this paper bases on principal component ana

3、lysis method, reveals the importance of each evaluation index objectively, and then determines weight and picks up the principal component of multiple attribution. On that base, integrate with grey relevance analysis method, builds a set of supplier evaluating combination method, which is more objec

4、tive and more accurate. The paper also supplies the specific computation method and its application, the result has high quality and the method is easy to be implemented.Key words: supplier selection; principal component analysis; grey relevance analysis; combination method1 引言隨著經濟全球化的不斷深入發展，昔日企業所采用

5、的集采購、設計、制造到銷售全面自行負責的縱向一體化的經營管理模式已經喪失固有優勢，在此情形下，就要求企業加強與合作伙伴的合作， 要求企業將自身業務與合作伙伴業務集成在一起, 縮短相互間的距離，站在整體供應鏈的觀點考慮增值。于是，供應鏈管理（SCM）也日漸成為各企業管理不可或缺的一部分。而在供應鏈管理環境下，供應商的選擇1評價則是整個供應鏈競爭力的關鍵，合理選擇供應商將有助于降低成本、增強企業柔性、提高企業整體競爭力。因此，進行科學全面的供應商評價就顯得十分必要。本文根據企業對供應商績效的要求及企業自身特點，在合理構建供應商的評價指標體系的基礎上，首先采用主成分分析法，提取主要影響因子，進一步結

6、合灰色關聯分析模型對供應商進行綜合評價，最后基于評價結果選擇供應商。2 供應商選擇與評價指標構建評價作為決策的基礎，企業只有建立了合理的指標體系之后，才能進行有效的評價，進而指導其決策。作為供應商的選擇，企業要對其供應商做出全面系統的評價, 就必須要建立一套完整、科學、全面的綜合指標評價體系，全面權衡各種因素做出評價。本文從最大化供應鏈績效的目標出發， 遵循系統性、獨立性、可行性、易獲取性的原則， 建立具體指標2如下: 服務水平指標，包括產品價格、準時交貨率、售后服務、地理位置；經營能力指標，包括經營效益、供應能力、市場影響度；技術水平指標，包括技術含量、產品質量；在上述指標中，產品質量、技術

7、水平、供應能力、經濟效益、準時交貨率屬于效益型指標，其值越大越好，而產品價格、售后服務、地理位置則屬于成本型指標，其值越小越好。3 主成分分析方法原理及步驟3.1 主成分分析的原理主成分分析3(Principal Component Analysis)也稱主分量分析, 是Hotelling于1933 年首先提出的。主成分分析法主要利用降維的思路,在不損失或較少損失原有信息的前提下，從原來個數較多且相關性交大的原始變量中導出少數幾個新的彼此獨立或不相關的綜合變量的方法，這些綜合變量就稱為主成分。主成分分析的基本原理4如下：設有個指標，這個指標客觀的反映了評價對象的各個特征，因此每個對象測定到的個

8、指標值就是一個樣本值，它是一個維向量。如果測定了個對象，則就有了個維向量，可以用下面的矩陣表示：每一行就是一個樣本的測定值。可用數據矩陣的個向量表示：上述方程組中滿足條件：且系數有下列原則決定：（1）與不相關；（2），分別為第1，2，個主成分。 在實際問題的解決中，并不一定要取個主成分，而是根據累計貢獻率的大小取前個。記第主成分的貢獻率為，則，有相關數學知識可以證明，因此，第主成分的貢獻率就是第主成分的方差在全部方差之和中所占的比重，該值越大，則表明第主成分綜合信息的能力越強。前個主成分的累計貢獻率定義為。如果，則表明前個主成分基本包含了全部測量指標所具有的信息，這樣既減少了變量的個數，又便于

9、對實際問題進行分析和研究。3.2 主成分分析法評價的步驟5（1）收集個供應商關于以上9個指標的具體數值；（2）對收集數據進行規范化和同趨化處理，因為各指標其量綱不同，且數據對最終結果的效應（正負向）不一致。本文采用以下方式對數據進行規范化及同趨化變換： 表示待選供應商的個數，表示指標個數；式中，前者適用于效益指標，后者適用于成本指標； （3）將（2）中變換數據進行標準化處理，然后求其協方差矩陣，即原始數據的相關系數矩陣； （4）計算（3）中所得相關系數矩陣的特征根及其相應的標準正交矩陣； （5）根據前個特征值在全部特征值中累計所占的百分率（一般為85%）的原則，確定所要提取的前個主成分； （6

10、）將主成分有各指標表示，計算主成分得分； （7）根據各主成分所占百分比構造適當的主成分價值函數模型, 進一步把維系統降成1維系統，進而求得各供應商的綜合得分值。4灰色關聯選擇模型灰色關聯分析6是系統態勢的量化比較分析，其實質就是比較若干數列所構成的曲線與理想（標準）數列所構成的曲線幾何形狀的接近程度，幾何形狀越接近，其關聯度越大，根據關聯度大小順序就可反映出評價對象的優劣次序。 本文采用灰色關聯分析來評價選擇供應商的基本思路7是：以被評價供應商企業的各項指標作為比較數列，以各項指標對應的最佳值作為參考數列，求關聯度。關聯度越大，說明被評價供應商的競爭力越強，反之，則競爭力越弱。因此，關聯度的大

11、小順序，就是被評價供應商競爭力強弱的次序。其具體步驟8如下：1) 確定比較數列(評價對象) 和參考數列(評價標準)設評價對象為 個,評價指標為 個，則比較數列為，取每個指標的最佳值，為參考數列的實體,則有參考數列= 其中. 2）指標的規范化處理同3.2. 3）計算關聯系數=式中：是比較數列于參考數列在第個評價指標上的相對差值,稱為對在指標的關聯系數；是分辨系數，且0 1，通常取為0.5.4）計算灰色加權關聯度關聯度的計算公式為：5）評價分析根據關聯度的大小，對各供應商進行排序，關聯度的大小順序即為供應商企業競爭力的優劣順序。五 供應商選擇的PCA-GRA模型9實例分析為更好地說明主成分分析法的

12、應用，下面給出一個具體算例，以使問題的說明更加直觀。A企業需要在6個待選的零部件供應商中選擇一個合作伙伴，各供應商有關數據如下表1示： 表1 A企業待選供應商的指標評價有關數據評價指標待選供應商1234561.產品質量0.830.90.990.920.870.952.產品價格/元3262953402873103033.地理位置/千米2138251927104.售后服務/小時3.22.42.220.91.75.技術水平0.20.250.120.330.20.096.經濟效益0.150.20.140.090.150.177.供應能力2501803002001501758.市場影響度0.230.15

13、0.270.30.180.269.交貨情況0.870.950.990.890.820.94 如前所述，根據指標的具體含義對其進行同趨化及規范化轉換，數據結果如表2所示： 表2 原指標矩陣同趨化及規范化轉換后矩陣 指標供應商指標1指標2指標3指標4指標5指標6指標7指標8指標9100.26420.607100.45830.54550.66670.53330.294120.43750.849100.34780.66671.00000.200000.764731.000000.46430.43480.12500.45451.00000.80001.000040.56251.00000.67860.5

14、2171.000000.33331.00000.411850.25000.56600.39291.00000.45830.545500.2000060.75000.69811.00000.652200.72730.16670.73330.7059 將表2中轉換后數據輸入spss16.0經標準化處理后，得到的相關系數矩陣如表3：表3 各指標間相關系數矩陣變量1-0.13510.208-0.01610.2390.2810.0951-0.4040.623-0.371-0.1131-0.106-0.053-0.420-0.087-0.42410.328-0.7740.036-0.615-0.254-0

15、.24710.486-0.1020.750-0.098-0.056-07720.45710.787-0.231-0.059-0.314-0.3840.2680.5210.2271 運用SPSS 軟件對標準化值進行分析, 計算主成分的特征值和貢獻率。結果如表4所示:表4 方差分解主成分提取分析表從表4中可以前四個主成分的累積方差貢獻率為92.057%, 大于85%, 這說明用前四個主成分已基本能夠代表原來的9個指標顯示的信息, 故從初始解中提取前四個主成分, 起到了降維的作用；并且這四個主成分的權重( 方差貢獻率) 分別為0.35306, 0.25169, 0.18325, 0.13257。同時

16、我們可以得到這4個主成分的因子載荷量(即原相關系數矩陣的特征向量) , 因子載荷矩陣如表5所示： 表5 因子載荷矩陣從表5因子載荷矩陣的計算結果可以得到各主成分的數學表達式為：從因子載荷矩陣, 可以得出如下結論:第一主成分在即產品質量、供應能力和準時交貨率上的載荷較大,該主成分主要反映了供應商產品質量及供應方面的能力；第二主成分主要集中了的信息,該主成分主要反映了供應商在市場上的競爭力；第三主成分主要有即售后服務能力解釋, 該主成分主要反映了供應商的服務水平；第四主成分主要由反映,該主成分主要反映了供應商產品技術、價格方面的水平。于是可得出，各供應商主成分值及最優供應商參考數列如下表6所示:表

17、6 各供應商主成分值及最優供應商參考數列評價主成分供應商最優供應商123456Factor10.8312-0.26342.64760.5648-0.58221.25532.6476Factor2 0.3416-0.47630.12031.89990.64300.73491.8999Factor3-0.16360.69730.71130.41611.03911.54551.5455Factor4 0.28521.30250.86191.22300.36060.62561.3025從表6數據可知，min min0，max max3.2298，取0.5于是可得這6家供應商的灰色關聯度分別為：根據關聯

18、度大小可得各供應商競爭力高低順序關系: 4>3>6>2>5>1,于是再進行供應商選擇時可以優先考慮供應商4。6 結束語 針對供應商評價指標間關聯性比較強的特點，本文提出了基于主成分分析法的供應商評價方法, 該評價方法利用主成分法分析了影響供應商的各個因素, 在將原始變量轉變為主成分的過程中, 形成了反映主成分和指標包含信息量的權數,該權數具有一定的客觀性，在此基礎上，以灰色關聯度作為評價標準，對復雜多目標的供應商對象進行綜合評價10。通過實例看出, 利用主成分分析和灰色關聯分析的組合方法可以準確評價各供應商的綜合情況, 為選擇合適供應商提供比較客觀定量化參考數據。避免了單一方法評價過程中信息的交錯影響及片面性。在實際應用中, 可以根據具體的問題選擇更為合適貼切的指標。參考文獻：1 舒彤等著.供應鏈協同的供應商選擇與銷售預測M.長沙:湖南大學出版社,2009.2 仲維清,侯強.供應商評價指標體系和評價模型研究J.數量經濟技術經濟研究, 2003,(3):93-97.3 張文彤,董偉.SPSS統計分析高級教程M.北京:高等教育出版社,2004.4 袁志發,宋世德