综合分析模型下的后勤绩效分析

论文题目： 综合评价模型下的集团运营绩效分析姓名： 徐福成 学号：074942099 专业：数学与应用数学姓名： 蔡虹 学号：074942020 专业：数学与应用数学姓名： 宋树岩 学号：091602046 专业：人力资源管理 2010年7月30日综合评价模型下的集团运营绩效分析摘要随着时代的发展、高等教育体制的改革，高校后勤集团也形成了市场化、企业化的新观念，并且在经济上自主经营、自负盈亏，独立核算。由于高校后勤状况能动地作用于高校的教育，是稳定教育秩序的必要条件，又是高校育人的重要阵地之一，所以分析、研究高校后勤集团的运营绩效走势，将对高校发展有重要作用。对于第一个问题：为了保证所作分析和预测的准确性，对于该项指标我们建立了两个模型，第一个模型利用层次分析法，算出各层权重，再得到组合权重，用Excel建权重图，从而分析最优和最劣的年份，并预测未来三年的走势；第二个模型，用样本主层次分析法，为了得到标准化矩阵，首先对数据进行无量纲化处理。然后用Matlab编辑程序，求出协方差矩阵、特征值、特征向量、贡献率等，判断出影响指标的主成分，再运用主成分分析法，以主成分来确定标准，进而得出表现最优和最劣的年份。最后用Excel做出几何图，并预测各指标的未来发展情况。第二个指标同第一个指标第二个模型建立求解过程。第三个指标利用SPSS软件，一步得到主成分的分值，主成分得分表，进而盘对最优和最劣年份，同样利用Excel预测该指标发展情况。对于第二个问题：因为对后勤服务满意程度可以由去后勤消费的次数反映，所以我们将愿意到后勤消费的比例结合客户满意指标一起研究。应用定性指标的量化处理方法，根据隶属度，得到打分情况。从而比较准确的得到未来客户满意指标的走势。对于第三个问题：在前两个问题中，我们得出了十年中表现优劣的年份，并且预测了各指标未来三年的走势。基于前两个问题，我们再利用动态分析和层次分析，建立多目标规划，得出了各指标的动态平衡，并对为了达到双赢的局面而给出建议。我们综合运用了样本主成分分析法、层次分析法、综合评价分析法等方法来建立模型，不仅可以客观的判断公司前几年的经营情况，还可以对公司的未来走势进行预测，用利于公司发现问题，解决问题，不断向前发展。关键词： 综合评价模型，主成分分析法，层次分析法，综合评价分析法，定性指标的量化处理，未来走势，Matlab，SPSS一、 问题的重述随着我国改革开放事业的进一步深入，作为打破高等教育发展“瓶颈”的后勤社会化改革业已渐入佳境。在经济上自负盈亏，独立核算的高校后勤集团的运营绩效走势也越来越受关注，通过对20002009某高校运营的经济效益指标、发展能力指标、内部运营指标、及客户满意度指标的分析研究，解决如下的三个问题： 第一，分别对该后勤集团的经济效益、发展潜力以及内部运营情况三项指标做综合分析。找出这三项指标表现优劣的年份，并预测未来三年走势。第二，综合分析客户满意指标，阐述客户满意指标的走势。第三，分析客户满意指标与前三个指标之间的动态关系。研究既要顾客满意，又要追求经济效益的能达到双赢的政策措施，并提供1000字左右的政策与建议。二、 模型假设1. 假设题目中所给数据真实可靠。2. 假设所需预测的年份内经济等环境没有稳定，没有出现较大意外状况（如经济危机等情况）。3. 假设该高校生源情况稳定。三、 符号说明A：判断矩阵：表示最大特征根W：权向量CI：表示一致性指标CR：表示一致性比率y：拟合曲线方程B：随机变量的样本均值为向量S：样本协方差矩阵S：主要成分贡献率四、 问题的分析对于第一个问题：公司运营的各项指标是由各个影响因素共同决定的。基于这个前提，我们展开了全面的分析。首先，根据不同指标数据的特点，我们用样本主成分分析法、层次分析法、综合评价分析法对后勤集团的经济效益指标、发展潜力指标、内部运营指标进行了数据处理，并对处理后的新数据作综合分析，然后分别作出这三项指标与年份的关系图，从图中可以清晰的看出表现优劣的年份，并且用Excel做出拟合图，预测公司未来三年的走势。对于第二个问题：我们根据实际情况，即消费者只有对服务情况感到满意，消费次数才能增加，我们将愿意到后勤消费的比例的情况结合客户满意指标一起研究，继续运用主成分分析建立模型并求解。对于第三个问题：首先在前两个问题中，我们已经通过建立模型求解模型得出了20002009年中表现最优和表现最劣的年份，并且较准确的预测了四项指标在未来三年走势情况，所以在第三个问题中，我们就可以营运动态分析和层次分析来建立多目标的规划，从而得到前三项指标与客户满意指标之间存在的动态平衡关系。最后经过分析和讨论，我们给出了为了达到双赢局面的一些建议。五、 模型建立与求解5.1 后勤集团各项指标优劣年份以及未来三年走势的预测。5.1.1 经济效益指标优劣年份分析和未来三年走势为了保证所作分析和预测的准确性，对于该项指标，建立了两个模型模型一：层次分析模型利用层次分析法，建立模型。模型机层次构造为模型，图5.1.1因素目标年份 模型5.1.1第二层对于第一层：根据五个因素之间的两两重要程度【附录1】，构造判断矩阵：表5.1.1A1A2A3A4A5A113412A21/311/21/31/2A31/4211/31/2A413311A51/22211表5.1.1用Matlab中eig函数求出矩阵A的最大特征根、权向量（附件程序9.1） （1） =5.1173 （2）权向量=0.6727 0.1752 0.2199 0.5501 0.4072 （3）一致性指标： = 0.0293 （4）查表的RI=1.12一致性比率： =0.02630.1 （5）认为A的不一致程度在容许范围之内，有满意的一致性，通过一致性检验。可用其归一化特征向量作为权向量。用同样的方法算出第三层对第二层的（1）（2）（3）（4）（5）填入表5.1.2经营收入年终结余返还工资上缴利润人均工资0.67270.17520.21990.55010.40720.07390.04870.0680.05050.06790.07710.05630.0680.05050.08730.08120.09370.08790.06540.110.15960.19880.2320.22950.19790.17040.2670.26280.23750.24980.3160.38160.28520.28060.36970.37360.3920.25410.4110.36970.41230.4380.45320.43860.42060.49280.4380.48140.45510.42730.52460.4380.52640.48410.491110.123210.120510.12410.143510.1234CI k0.01370.01340.01380.01590.0152 CRK0.00920.0090.00920.01070.0102 表5.1.2从表格中得出CRK v = Columns 1 through 3 0.6727 0.7493 0.7493 0.1752 -0.1983 - 0.2077i -0.1983 + 0.2077i 0.2199 -0.2074 + 0.3606i -0.2074 - 0.3606i 0.5501 0.3757 - 0.0899i 0.3757 + 0.0899i 0.4072 0.1356 - 0.1241i 0.1356 + 0.1241i Columns 4 through 5 0.6298 0.6298 0.0064 + 0.0035i 0.0064 - 0.0035i 0.0606 + 0.0379i 0.0606 - 0.0379i -0.2659 - 0.5604i -0.2659 + 0.5604i -0.3192 + 0.3339i -0.3192 - 0.3339id = Columns 1 through 3 5.1173 0 0 0 -0.0378 + 0.6420i 0 0 0 -0.0378 - 0.6420i 0 0 0 0 0 0 Columns 4 through 5 0 0 0 0 0 0 -0.0208 + 0.4282i 0 0 -0.0208 - 0.4282i程序9.2程序9.3%求A的协方差矩阵。A=17320000.660017800000.8160190028677171.116033726491991051.800042138022831212.4000672810262981403.1200800411922522003.3600976713334262203.72001080013854822504.20001178014295312804.5600;B=mean(A);for i=1:size(A,2) for j=1:size(A,2) format long, S(i,j)=sum(A(:,i)-mean(A(:,i).*(A(:,j)-mean(A(:,j)/(size(A,1)-1); end endS;disp(协方差 S=);disp(S);%对样本相关矩阵主成分分析。for i=1:size(S,2) for j=1:size(S,2) R(i,j)=S(i,j)/sqrt(S(i,i)*S(j,j); end enddisp(相关矩阵为：R=);disp(R);%求特征向量和特征值，并对特征值排序。v,d=eig(R);fprintf(特征向量v和特征值d：n)disp(v);disp(d);d=sort(diag(d),descend);%第i个主成分的贡献率。for i=1:length(d) z(i)=d(i)/sum(d);endfprintf(主成分贡献率为：z=n)disp(z)%得分。for i=1:10 for k=1:5 format long, s(i,k)=(A(i,k)-B(k)/sqrt(S(k,k)*10000000); endends;for i=1:10 format long,P(i)=s(i,:)*v(:,5)+s(i,:)*v(:,4)+s(i,:)*v(:,3);endfprintf(各年的得分为：P=n)disp(P);i=0:9;plot(i,P,rp)9.4A=-0.084 0.024 0.00 0.24 -0.091 0.027 0.00 0.26 -0.037 0.063 0.30 0.28 0.026 0.437 0.30 0.31 0.043 0.20 0.30 0.32 0.062 0.374 0.37 0.34 0.059 0.159 0.41 0.36 0.074 0.181 0.53 0.38 0.065 0.096 0.51 0.39 0.068 0.083 0.51 0.40;for i=1:size(A,2) for j=1:size(A,2) format long, S(i,j)=sum(A(:,i)-mean(A(:,i).*(A(:,j)-mean(A(:,j)/(size(A,1)-1); end endS;disp(协方差 S=);disp(S);%对样本相关矩阵主成分分析。for i=1:size(S,2) for j=1:size(S,2) R(i,j)=S(i,j)/sqrt(S(i,i)*S(j,j); end enddisp(相关矩阵为：R=);disp(R);%求特征向量和特征值，并对特征值排序。v,d=eig(R);fprintf(特征向量v和特征值d：n)disp(v);disp(d);d=sort(diag(d),descend);%第i个主成分的贡献率。for i=1:length(d) z(i)=d(i)/sum(d);endfprintf(主成分贡献率为：z=n)disp(z)%得分。B =