关于《基于主成分分析的软件企业竞争力综合评价研究》论文的分析与改进.docx

1、关于基于主成分分析的软件企业竞争力综合评价研究论文的分析与改进摘要：在原论文提出软件企业竞争力评价指标体系,运用主成分分析法,构建了软件企业竞争力综合评价模型,并对4 家典型的软件企业进行了综合评价并得出企业认同的结论后，对其进行因子分析，在原结论上加以改进。关键词：因子分析，软件企业，竞争力评价一、 引言 竞争力是一个十分复杂、难以精确界定的概念。对企业竞争力进行综合评价常用的方法有:灰色系统评价法、模糊综合评判法和数据包络分析法。但这些方法存在指标之间的相关性复杂、指标维数高和指标权重不易客观确定等方面的缺陷。针对软件企业经营的具体特点,如:开发成本高、生产成本低、人员流动风险大、非价格竞

2、争等,本文提了软件企业竞争力评价指标体系,在主成分分析法对4 家典型的软件企业的竞争力进行了综合评价的基础上加以拓展与改进,用因子分析的方法,对其进行进一步的分析. 二、 软件企业竞争力评价指标体系的数据来源及依据目前,我国关于企业竞争力评价指标体系的研究,以中国社会科学院工业经济研究所与中国经营报共同开发的“中国经营报企业竞争力监测项目”的指标体系和上海交通大学的王建华和王方华构建的指标体系最具代表性。由于软件企业的经营与一般企业有很大的不同,如:开发投入大、生产成本低、生产成本难于估算、产品易被复制、人是最根本的因素、技术骨干流动风险大等。我们选取有代表性、可操作性强的16 个要素作为软件

3、企业竞争力的评价指标。按影响因素的不同,将这16 个要素分为四类:企业规模指标、经营业绩指标、产品竞争力指标、技术及创新能力指标等(详见表1) 。由专家给出的定性指标评分值为010 之间的数值(详见表2) 。表1 软件企业的竞争力评价指标一级指标 二级指标指标确定方法企业规模指标年销售收入年利润总额资产总额员工总数利润总额销售收入净利润净资产销售收入总资产平均余额统计数据经营业绩指标销售利润率净资产收益率总资产周转率过去3 年销售收入的平均增长率利润总额销售收入净利润净资产销售收入总资产平均余额统计数据产品竞争力指标主导产品市场占有率产品技术领先程度品牌声誉市场保护程度主导产品的销售额同类市场

4、总销售额定性指标,由专家给出评判定性指标,由专家给出评判定性指标,由专家给出评判技术及创新能力指标科技人员比重R &D 经费比重新产品产值率企业与科研院所的合作企业科技人员总数企业职工总数企业R &D 经费数额企业销售收入总额新产品总产值同期全部产品的总产值定性指标,由专家给出评判表2 定性指标评分值标准定性指标评分值很强 强较强一般弱108642三、 改进方法与因子分析模型的构建原论文利用主成分分析的方法，是一种常用的多元统计方法，在此基础上再用因子分析的方法加以改进。因子分析是主成分分析的推广和发展，它也是将具有错综复杂的变量综合为数量较少的几个因子，以再现原始变量与因子之间的相互关系，同

5、时根据不同因子还可以对变量进行分类，也是属于多元分析中处理降维的一种统计方法。在原论文提出软件企业竞争力评价指标体系的基础上, 应用因子分析模型，选取软件竞争力的16个指标作为原始变量，对武汉东湖高新技术开发区的4 个具有代表性的软件企业的综合竞争力作为分析评价。具体计算步骤如下7 :设有m 个软件企业的n 个竞争力评价指标组成如下矩阵：第一步，原始数据的预处理评价中确定的各个指标,往往有不同的量纲、不同的数量级,而不同量纲、不同数量级的数据不能放在一起直接进行比较, 也不能直接用于多元统计分析,需要对指标的数值进行标准化处理,以消除其量纲、数量级上的差异,使其具有可比性。数据进行变换处理包括

6、两个步骤:首先对数据进行中心化,然后用标准差进行标准化。第二步，建立变量的相关系数矩阵，R=（rij）p*p其中，rij=a=1n（xai-xi）（xaj-xj）a=1n(xai-xi)2a=1n(xaj-xj)2= 1na=1nxaixaj ( i，j= 1 ,2 , , m) rij为指标i 与j 指标的相关系数。第三步，求R的特征根及相应的单位特征向量，分别记为：1 2 p 0和u1，u2，up，记： U=（u1，u2，up） =u11 u12 u1pu21 u22u2p up1 up2 upp根据累计贡献率的要求，比如i=1mi/i=1pi85%，取前m个特征根及相应的特征向量写出因子

7、载荷阵： A= a11 a12 a1ma21 a22a2m ap1 ap2 apm = u111 u12 2u1mmu211 u222u2mm up11 up22 ummm第四步，对A施行方差最大正交旋转。第五步，计算因子得分并构造综合评价函数对企业的综合竞争力进行评价。四、 基于因子分析的软件企业竞争力评价实例验证及结果分析1、数据来源：原论文作者选取武汉东湖高新技术开发区的4 个具有代表性的软件企业， 运用主成分分析来综合评价它们的企业竞争力, 各企业的竞争力评价指标值见表3 。企业1 主要从事管理软件和企业解决方案的研发,产品应用市场广阔,竞争对手众多。企业2 主要从事安全产品的研发生产

8、,进入门槛较高,客户数量不多,但需求稳定。企业3 主要从事地理信息系统产品的研发生产,技术创新能力较强,但市场尚待发育。企业4 主要从事制造企业产品设计软件的研发生产,竞争对手为国外大公司,企业边缘化生存。表3 四家软件企业的竞争力评价指标值一级指标 二级指标 企业1 企业2 企业3 企业4企业规模指标 年销售收入 6200 9080 2600 3086年利润总额 680 161 500 622. 8资产总额 3500 18859 5580 5717. 37员工总数 82 160 165 260经营业绩指标 销售利润率 11 % 1. 77 % 19 % 20. 18 %净资产收益率 22.

9、7 % 2. 11 % 20 % 14. 54 %总资产周转率 1. 88 % 53. 62 % 47. 27 % 29. 42 %过去3 年销售收入的平均增长率 15 % 0. 9 % 13 % 9. 65 %产品竞争力指标 主导产品市场占有率 1. 9 % 2. 5 % 18 % 8. 5 %产品技术领先程度 5 6 6 8品牌声誉 6. 5 6 6 6市场保护程度 5. 5 8 6 6技术及创新能力指标 科技人员比重 75 % 60 % 93 % 80 %R &D 经费比重 10. 8 % 6 % 35 % 43 %新产品产值率 53 % 20 % 98 % 10 %企业与科研院所的合作

10、 6 10 8 102、原始数据处理表3 中的指标值有不同的量纲、不同的数量级,不能放在一起直接进行比较。进行中心化式和标准化式数据处理后的指标见表4。 表4 四家软件企业的竞争力评价指标标准值标准化指标值(zji) 企业1 ( z1 ) 企业2 ( z2 ) 企业3 ( z3 ) 企业4 ( z4 )年销售收入 0. 3179 1. 2730 - 0. 8760 - 0. 7148年利润总额 0. 8134 - 1. 4196 0. 0389 0. 5673资产总额 - 0. 6983 1. 4843 - 0. 4028 - 0. 3832员工总数 - 1. 1632 - 0. 0926 -

11、 0. 0240 1. 2798销售利润率 - 0. 2333 - 1. 3169 0. 7059 0. 8444净资产收益率 0. 8604 - 1. 3927 0. 5649 - 0. 0326总资产周转率 - 1. 3454 0. 8880 0. 6139 - 0. 1566过去3 年销售收入的平均增长率0. 8609 - 1. 4027 0. 5398 0. 0020主导产品市场占有率 - 0. 7798 - 0. 6995 1. 3755 0. 1037产品技术领先程度 - 0. 9934 - 0. 1987 - 0. 1987 1. 3908品牌声誉 1. 5000 - 0. 50

12、00 - 0. 5000 - 0. 5000市场保护程度 - 0. 7892 1. 4657 - 0. 3382 - 0. 3382科技人员比重 - 0. 1466 - 1. 2465 1. 1732 0. 2200R &D 经费比重 - 0. 7138 - 0. 9794 0. 6252 1. 0679新产品产值率 0. 1953 - 0. 6364 1. 3295 - 0. 8884企业与科研院所的合作 - 1. 3056 0. 7833 - 0. 2611 0. 7833 3、模型验证及结果分析根据步骤2，得出表4中所有指标的相关系数矩阵R： 遵照步骤3，求出相关系数矩阵R的特征根及其方

13、差贡献率。因子分析在SAS中用factor过程，factor过程中的method=prin指出，这是因子模型中的主成分法或者主因子法，再由priors=one指出，这是主成分法（意思是说，在主因子法中，取初始公因子方差，即初始共同度，设为1，这就等价于主成分法）。factor过程中的p=0.8指出，选取因子的个数这样决定，这些因子的累计贡献率在80%以上，就选几个因子。输出结果如下： 由相关系数矩阵求解特征值，上图可以看出，16个指标的特征值及方差贡献率。前两个因子的累计贡献率为86.76%80%，所以提取前两个潜在因子即可。然后得出因子载荷阵，如下图，得出16个变量在2个潜在因子上的因子载荷

14、。通过因子载荷矩阵，可以看到因子1在x1-x3，x5，x6，x8，x12，x13，x15上有较大载荷，因子2在x4，x7，x9，x10，x11，x14，x16上有较大载荷。16个变量被2个因子解释的方差，第一个因子解释的方差为8.49，第二个因子解释的方差为5.38。以下为变量的共同度和因子的方差贡献：16个变量的共同度，即每个变量可由2个潜在因子解释的方差。从结果来看，大多数变量的共同度都大于0.8。第一公共因子的方差贡献率较高。为了使各因子有更好的意义，根据步骤4，对因子进行最大方差正交旋转，得出使用方差最大正交旋转法的旋转矩阵如下，得到16个变量在2个潜在因子上的新的因子载荷。按高载荷把

15、16个指标分成两类，因子Factor1在x1、x2、x3、x5、x6、x8、x12、x13、x15上载荷值很大，因此Factor1反映了企业规模业绩和技术水平，Factor2在x4、x7、x9、x10、x11、x14、x16上载荷值很大，因此Factor2反映了竞争力及创新水平。 根据第五步计算因子得分，以下是标准化了的因子得分系数： 这表示，factor1= 0.1832*X1* -0.8577*X2* - 1.9547*X3* ，factor2= -1.7293*X1* +1.2448*X2* +2.4669*X3*五、 结论 通过因子分析，得到实际的因子得分如下： 按企业的规模业绩及技术

16、水平来看，企业排名：企业1企业3企业4企业2，按竞争力及创新水平来看，企业4企业3企业1企业2，结论在原始数据里都能得到验证，企业1在财政方面收入可观，所以业绩及技术水平较高；企业2总资产虽高，但年利润最低，说明技术水平还不完善，所以业绩较差；企业4与科研院所合作频率较高，科技人员及R&M经费比重大，所以在后者中排名最高；企业2主导商品市场占有率最低，所以竞争力排名靠后。六、 参考文献： 1 王建华, 王方华. 企业竞争力评价的指标体系研究. 软科学, 2002 , (3) : 82 - 86. 2 朱建平.应用多元统计分析. 科学出版社,2006，第一版 3 任雪松，于秀林.多元统计分析.中

17、国统计出版社.2011，第一版七、 附录：data D831;input x1-x16;n=_n_;cards;0.31790.8134-0.6983-1.1632-0.23330.8604-1.34540.8609 -0.7798-0.9934 1.5-0.7892-0.1466-0.7138 0.1953 -1.30561.273-1.41961.4843-0.0926-1.3169-1.39270.888 -1.4027 -0.6995 -0.1987-0.5 1.4657-1.2465-0.9794-0.6364 0.7833-0.8760.0389 -0.4028-0.0240.70

18、590.5649 0.6139 0.5398 1.3755 -0.1987-0.5-0.33821.1732 0.6252 1.3295 -0.2611-0.71480.5673-0.38321.27980.8444-0.0326-0.15660.002 0.10371.3908-0.5-0.33820.221.0679-0.88840.7833;proc factor data=D831 method=prin priors=onesimple p=0.8 ; var x1-x16;run;proc factor data=D831 rotate=varimax n=2 ;var x1-x16;run;proc factor data=D831 rotate=varimax n=2score out=o851 ;var x1-x16;run;proc print data=o851;var factor1 factor2;run;proc factor data=d831 n=2 rotate=promax prerotate=varimax power=3;var x1-x16;run;