基于主成分分析的企業(yè)運(yùn)營(yíng)評(píng)價(jià)數(shù)學(xué)建模優(yōu)秀論文

1、<p>　　題 目 基于主成分分析的企業(yè)運(yùn)營(yíng)評(píng)價(jià) </p><p><b>　　摘要</b></p><p>　　本文研究了該后勤集團(tuán)的多項(xiàng)指標(biāo)，運(yùn)用主層分分析法作綜合分析。并且建立指標(biāo)與時(shí)間的回歸模型，分析出這些指標(biāo)表現(xiàn)優(yōu)劣的年份以及未來(lái)五年走勢(shì)。</p><p>　　問(wèn)題一，要求對(duì)該后勤集團(tuán)的經(jīng)濟(jì)效益、發(fā)展?jié)摿σ约皟?nèi)部運(yùn)營(yíng)情況等

2、指標(biāo)作綜合分析。將處理后的數(shù)據(jù)進(jìn)行主成分分析，得出評(píng)價(jià)結(jié)果。</p><p>　　為了解決各細(xì)化指標(biāo)單位及數(shù)值的差異，對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。將處理后的數(shù)據(jù)進(jìn)行主成分分析，最后用每個(gè)主成分的方差貢獻(xiàn)率來(lái)作為權(quán)重計(jì)算綜合得分，綜合公式如下：</p><p>　　由此公式得出評(píng)價(jià)結(jié)果。分析結(jié)果可以知道這幾年經(jīng)濟(jì)效益最好的是2009年，最差的是2001年。</p><p>

3、　　問(wèn)題二，在問(wèn)題一數(shù)據(jù)分析的基礎(chǔ)上指出這些指標(biāo)表現(xiàn)優(yōu)劣的年份以及未來(lái)五年走勢(shì)。每個(gè)指標(biāo)是隨著時(shí)間的變化而改變的，因此可以建立指標(biāo)與時(shí)間的回歸模型。</p><p>　　經(jīng)濟(jì)效益指標(biāo)與時(shí)間的回歸方程為：</p><p>　　因此，由上函數(shù)關(guān)系和擬合圖可知經(jīng)濟(jì)效益指標(biāo)未來(lái)三年先上升然后開(kāi)始下降。即2010年經(jīng)濟(jì)效益的綜合得分為3.627，2011年為3.233，2012年為2.307，此后幾

4、年均為下降趨勢(shì)。</p><p>　　關(guān)鍵字 主成分分析法 指標(biāo)與時(shí)間的回歸模型 方差貢獻(xiàn)率</p><p>　　一、問(wèn)題的背景與重述</p><p><b>　　1.1問(wèn)題背景</b></p><p>　　高校后勤工作是高校一切工作正常運(yùn)行的保障和基礎(chǔ)，直接關(guān)系到高校的穩(wěn)定和改革發(fā)展"

5、;在進(jìn)一步推進(jìn)高校后勤社會(huì)化改革的同時(shí)，必須把做好高校后勤工作。提高高校后勤服務(wù)育人和管理育人水平作為高校重點(diǎn)工作之一。</p><p>　　隨著后勤社會(huì)化改革進(jìn)程的加快，高校師生對(duì)后勤服務(wù)和管理水平的要求越來(lái)越高，高校后勤本身也需要不斷調(diào)整，使自己的服務(wù)管理水平符合科學(xué)化、程序化、專業(yè)化之要求。最近幾年高校規(guī)模的擴(kuò)大，給學(xué)生社區(qū)和食堂管理帶來(lái)了新的課題。</p><p>　　綜上所述，非

6、常有必要分析后勤集團(tuán)的各項(xiàng)指標(biāo)發(fā)展情況，從過(guò)去的發(fā)展中借鑒經(jīng)驗(yàn)，從而建立科學(xué)高效的發(fā)展計(jì)劃，促進(jìn)高校后勤企業(yè)在創(chuàng)造社會(huì)效益的同時(shí)創(chuàng)造經(jīng)濟(jì)效益，為高校改革發(fā)展，做出更大貢獻(xiàn)。</p><p><b>　　1.2問(wèn)題的重述</b></p><p>　　高校后勤集團(tuán)是高等教育體制改革的產(chǎn)物，在經(jīng)濟(jì)上自負(fù)盈虧，獨(dú)立核算。某高校后勤集團(tuán)為了研究公司運(yùn)營(yíng)績(jī)效走勢(shì)，詳細(xì)了調(diào)查了20

7、00年至2009年的運(yùn)營(yíng)指標(biāo)。包括經(jīng)濟(jì)效益指標(biāo)、發(fā)展能力指標(biāo)、內(nèi)部運(yùn)營(yíng)指標(biāo)以及客戶滿意度指標(biāo)。每個(gè)指標(biāo)下面又有細(xì)化指標(biāo)，且給出了我們具體調(diào)查結(jié)果，見(jiàn)題目中表1、表2、表3以及表4。</p><p><b>　　要求：</b></p><p>　　分析上述數(shù)據(jù)，并通過(guò)數(shù)學(xué)建模知識(shí)回答下述問(wèn)題。</p><p>　　分別對(duì)該后勤集團(tuán)的經(jīng)濟(jì)效益、發(fā)展

8、潛，力以及內(nèi)部運(yùn)營(yíng)情況等指標(biāo)作綜合分析；</p><p>　　2、并且指出這些指標(biāo)表現(xiàn)優(yōu)劣的年份以及未來(lái)五年走勢(shì)。</p><p><b>　　二、問(wèn)題分析</b></p><p>　　2.1對(duì)問(wèn)題一的分析</p><p>　　題目除了給出一些細(xì)化指標(biāo)外還給出了客戶滿意度指標(biāo)。而餐飲企業(yè)客戶的滿意指標(biāo)與其運(yùn)營(yíng)情況有很大關(guān)

9、系，所以把該指標(biāo)的影響考慮進(jìn)去。從新的指標(biāo)體系中不難發(fā)現(xiàn)，指標(biāo)的個(gè)數(shù)較多，而且指標(biāo)之間還存在一定的相關(guān)性，使得觀測(cè)數(shù)據(jù)在一定程度上反映的信息有所重迭。因此，采用多元統(tǒng)計(jì)分析中的主成份分析法來(lái)完成綜合評(píng)價(jià)。</p><p>　　首先，用因子分析法對(duì)滿意度進(jìn)行綜合評(píng)分，得到每年的滿意度分?jǐn)?shù)。把滿意度加入每個(gè)指標(biāo)的細(xì)化指標(biāo)得到新的評(píng)價(jià)體系。為了解決各細(xì)化指標(biāo)單位及數(shù)值的差異，對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。將處理后的數(shù)據(jù)進(jìn)行主成

10、分分析，得出評(píng)價(jià)結(jié)。</p><p>　　2.2對(duì)問(wèn)題二的分析</p><p>　　問(wèn)題二要求對(duì)每項(xiàng)指標(biāo)的未來(lái)五年的發(fā)展做一個(gè)預(yù)測(cè)。根據(jù)問(wèn)題一分析的結(jié)果，可以看出每個(gè)指標(biāo)是隨著時(shí)間的變化而改變的，因此可以考慮建立指標(biāo)與時(shí)間的回歸模型。通過(guò)回歸方程對(duì)未來(lái)五年做一個(gè)預(yù)測(cè)。從而可以清楚的看出企業(yè)在五年中的發(fā)展情況。</p><p><b>　　三、模型假設(shè)<

11、;/b></p><p>　　1．假設(shè)所有數(shù)據(jù)真實(shí)有效；</p><p>　　2．未來(lái)企業(yè)環(huán)境不會(huì)出現(xiàn)太劇烈的變化；</p><p>　　3．假設(shè)后勤集團(tuán)在食堂上的運(yùn)營(yíng)情況，代表整個(gè)集團(tuán)；</p><p>　　4．假設(shè)未來(lái)五年發(fā)展不受外界環(huán)境影響。[1]</p><p><b>　　四、符號(hào)說(shuō)明<

12、/b></p><p>　　為了便于問(wèn)題的求解，我們給出以下符號(hào)說(shuō)明：（其他未說(shuō)明的符號(hào)在文中第一次出現(xiàn)時(shí)會(huì)做詳細(xì)的說(shuō)明。）</p><p>　　五、模型的建立與求解</p><p>　　5.1模型一的建立與求解</p><p>　　5.1.1數(shù)據(jù)的預(yù)處理</p><p>　?。?）因子分析法對(duì)滿意度進(jìn)行綜合評(píng)分

13、</p><p>　　因子分析是將多個(gè)變量濃縮為少數(shù)幾個(gè)因子，以再現(xiàn)原始變量與因子之間的相關(guān)關(guān)系。這些因子能夠反映原有眾多變量的主要信息。顧客的滿意程度為主觀愿望指標(biāo)，帶有一定的模糊性同時(shí)也與后勤消費(fèi)人數(shù)有復(fù)雜關(guān)系。將二者合并一起做因子分析便可得出支配顧客滿意度潛在因素。形成新的綜合評(píng)價(jià)指標(biāo)。</p><p>　　表1 因子提取結(jié)果表</p><p>　　下表給出了

14、每個(gè)因子的得分，用每個(gè)因子特征值的方差貢獻(xiàn)率對(duì)各因子得分進(jìn)行加權(quán)，即可得出各年的加權(quán)綜合評(píng)分，計(jì)算公式為：</p><p><b>　　表2綜合評(píng)價(jià)表</b></p><p>　　5.1.2數(shù)據(jù)標(biāo)準(zhǔn)化出理</p><p>　　將滿意度綜合指標(biāo)加入以后對(duì)新的評(píng)價(jià)樣本進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，假設(shè)進(jìn)行主成分分析的指標(biāo)變量有m個(gè)：，共有n年。第i個(gè)年的第j

15、個(gè)指標(biāo)為。將各指標(biāo)轉(zhuǎn)化成標(biāo)準(zhǔn)指標(biāo)。公式為：</p><p><b>　　，，</b></p><p>　　即，為第個(gè)指標(biāo)的樣本均值和樣本標(biāo)準(zhǔn)差。</p><p>　　下式為標(biāo)準(zhǔn)化指標(biāo)變量</p><p><b>　　，</b></p><p>　　表示第j個(gè)指標(biāo)均值，表示第j

16、個(gè)指標(biāo)標(biāo)準(zhǔn)差。</p><p><b>　　處理結(jié)果見(jiàn)附錄。</b></p><p>　　5.1.3模型一的建立</p><p>　　經(jīng)對(duì)濟(jì)效益指標(biāo)、內(nèi)部運(yùn)營(yíng)指標(biāo)和發(fā)展?jié)摿χ笜?biāo)建立評(píng)價(jià)模型，采用主成分分析方法[3]進(jìn)行綜合評(píng)價(jià)。</p><p>　　主成分分析方法具有很好的降維處理技術(shù)，能將多個(gè)指標(biāo)化為幾個(gè)不相關(guān)的綜合因

17、子，并且綜合因子變量能夠反映原始指標(biāo)變量的絕大部分信息，能較好地解決多指標(biāo)評(píng)價(jià)的要求。通過(guò)主成分分析、選擇個(gè)主分量，以每個(gè)主分量的方差貢獻(xiàn)率作為權(quán)數(shù),構(gòu)造綜合評(píng)價(jià)函數(shù)：</p><p><b>　　(1)</b></p><p>　　其中為第個(gè)主成分的得分.當(dāng)計(jì)算出每個(gè)指標(biāo)的第主成分得分后,可由主</p><p>　　成分得分衡量每個(gè)企業(yè)在第個(gè)

18、主成分所代表的經(jīng)濟(jì)效益方面的程度及地位.當(dāng)把個(gè)主成分得分代入(1)式后,即可計(jì)算出每個(gè)企業(yè)綜合評(píng)價(jià)函數(shù)得分。以這個(gè)得分的大小排序，即可排列出每個(gè)企業(yè)經(jīng)濟(jì)效益名次.綜合評(píng)價(jià)函數(shù)值越大,綜合經(jīng)濟(jì)效益越好.</p><p>　　1、計(jì)算相關(guān)系數(shù)矩陣</p><p><b>　　相關(guān)系數(shù)矩陣</b></p><p><b>　　，</b

19、></p><p>　　式中是第個(gè)指標(biāo)與第個(gè)指標(biāo)的相關(guān)系數(shù)。</p><p>　　2、計(jì)算特征值和特征向量</p><p>　　計(jì)算相關(guān)系數(shù)矩陣的特征值，及對(duì)應(yīng)的特征向量，。</p><p>　　其中，是由特征向量組成的個(gè)新的指標(biāo)變量。</p><p>　　式中是第1主成分，是第2主成分，…，是第主成分</

20、p><p>　　3、征值的方差貢獻(xiàn)率和累積貢獻(xiàn)率。稱</p><p>　　為主成分的方差貢獻(xiàn)率。</p><p>　　為主成分的累積貢獻(xiàn)率。</p><p>　　當(dāng)特征值小于1或累積貢獻(xiàn)率大于85%時(shí)，則選擇前個(gè)指標(biāo)變量作為個(gè)主成分，代替原來(lái)個(gè)指標(biāo)變量，從而可對(duì)個(gè)主成分進(jìn)行綜合分析。</p><p><b>　　

21、綜合公式如下：</b></p><p>　　其中為第個(gè)主成分的方差貢獻(xiàn)率，根據(jù)綜合得分值就可進(jìn)行價(jià)。</p><p>　　5.1.4模型一的求解</p><p><b>　　1、效益指標(biāo)</b></p><p>　　用主成分分析法，把經(jīng)濟(jì)效益的六個(gè)指標(biāo)看為六個(gè)變量，用分析六個(gè)變量之間的相關(guān)系數(shù)，并通過(guò)進(jìn)行數(shù)據(jù)

22、處理，得出其相關(guān)系數(shù)矩陣，如表3所示。</p><p>　　表3為六個(gè)變量的相關(guān)系數(shù)矩陣，其中全部數(shù)據(jù)在0.8以上，結(jié)果驗(yàn)證啦分析中的假設(shè)，說(shuō)明它們之間的相關(guān)性非常高，如果直接用于分析，可能會(huì)帶來(lái)嚴(yán)重的共線性問(wèn)題導(dǎo)致結(jié)果重疊。</p><p>　　因此利用主成分分析提取出主要信息，然后使用提取出的主成分代替原變量進(jìn)行分析，就可以避開(kāi)原變量的共線性問(wèn)題。</p><p&g

23、t;　　通過(guò)分析相關(guān)系數(shù)矩陣特征向量的方差貢獻(xiàn)率，得到下表：</p><p><b>　　表4 總特征值表</b></p><p>　　表4為整個(gè)分析中核心的部分：它把主成分按照特征根從大到小的次序排列，可見(jiàn)第一個(gè)主成分的特征根為5.684，它解釋了數(shù)據(jù)總變異的94.726%，這說(shuō)明該成分的解釋力度足夠大。這六個(gè)變量只需要提取出第一個(gè)變量作為主成分即可。</p&

24、gt;<p>　　另一方面，下圖給出了特征根的碎石圖：</p><p><b>　　圖1碎石圖</b></p><p>　　該圖中，具有較強(qiáng)解釋能力的因子一般在圖中表現(xiàn)為較大的斜率，從上圖可以看出第一個(gè)因子在非常陡峭的斜率上，后面的因子斜率開(kāi)始變平緩，因此選擇第一個(gè)因子為主成分。</p><p>　　為了確定每個(gè)變量的線性組合系數(shù)

25、，還要計(jì)算主成分對(duì)應(yīng)的的變量特征值，結(jié)果如下表：</p><p><b>　　表5 特征向量表</b></p><p>　　根據(jù)表5可以得到主成分的表達(dá)式</p><p>　　其中為各量標(biāo)準(zhǔn)化數(shù)據(jù)。</p><p>　　以第一個(gè)主成分的貢獻(xiàn)率為權(quán)重，構(gòu)建主成分綜合評(píng)價(jià)模型：</p><p>　　可

26、以得到各年份后勤集團(tuán)的經(jīng)濟(jì)效益指標(biāo)的綜合評(píng)價(jià)值以及排序結(jié)果如下：</p><p><b>　　表6 綜合評(píng)價(jià)表</b></p><p>　　分析結(jié)果可以知道這幾年經(jīng)濟(jì)效益最好的是2009年，最差的是2001年。</p><p>　　5.2模型二的建立與求解</p><p>　　5.2.1未來(lái)五年走勢(shì)預(yù)測(cè)</p>

27、;<p>　　根據(jù)主成分分析的結(jié)果，可知第一主成分能夠很好地解釋原始的各項(xiàng)指標(biāo)，所以，用他的發(fā)展情況推斷經(jīng)濟(jì)效益的發(fā)展。用對(duì)經(jīng)濟(jì)效益指標(biāo)的年份與第一主成分得分的得分進(jìn)行曲線回歸分析，得到曲線模型擬合曲線。</p><p>　　圖2 曲線模型擬合曲線</p><p>　　可以看出，圖中個(gè)出了曲線模擬擬合曲線及觀測(cè)值（即各年得分）的散點(diǎn)圖。從圖中可以直觀的看出三次模型擬曲線與原始

28、觀測(cè)值擬合度比線性好，因此用三次模型作為預(yù)測(cè)曲線。</p><p>　　另外還給出了模型匯總和參數(shù)估計(jì)值</p><p>　　表7 模型摘要和參數(shù)估算</p><p>　　可以看出3個(gè)回歸曲線中，三次模型的F值最大同時(shí)相伴概率值小于0.05，也從數(shù)據(jù)上說(shuō)明了自變量對(duì)因變量有顯著影響。此外還個(gè)出了該曲線回歸方程中常量及各系數(shù)的估計(jì)值。</p><p

29、>　　因此經(jīng)濟(jì)效益指標(biāo)與時(shí)間的回歸方程為</p><p>　　因此，由上函數(shù)關(guān)系和擬合圖可知經(jīng)濟(jì)效益指標(biāo)未來(lái)三年先上升然后開(kāi)始下降。即2010年經(jīng)濟(jì)效益的綜合得分為3.627，2011年為3.233，2012年為2.307，此后幾年均為下降趨勢(shì)。</p><p>　　2、發(fā)展能力指標(biāo)和內(nèi)部運(yùn)營(yíng)指標(biāo)</p><p>　　根據(jù)主成分分析結(jié)果（見(jiàn)附錄），選取兩個(gè)主成

30、分對(duì)發(fā)展能力進(jìn)行綜合評(píng)價(jià)，選取一個(gè)主成分對(duì)內(nèi)部運(yùn)營(yíng)指標(biāo)進(jìn)行綜合評(píng)價(jià)。具體過(guò)程同經(jīng)濟(jì)效益指標(biāo)的處理方法，最終得出各年份后勤集團(tuán)在發(fā)展能力指標(biāo)和內(nèi)部運(yùn)營(yíng)指標(biāo)下的表現(xiàn)優(yōu)劣情況，排名情況如</p><p><b>　　表5 綜合評(píng)價(jià)表</b></p><p>　　由上表可知各從2000年到2009年力指標(biāo)和內(nèi)部運(yùn)營(yíng)指標(biāo)下的表現(xiàn)逐漸優(yōu)化。</p><p>

31、;　　用同樣的的方法對(duì)內(nèi)部運(yùn)營(yíng)和發(fā)展能力指標(biāo)進(jìn)行預(yù)測(cè)。</p><p>　　用對(duì)其綜合指標(biāo)和時(shí)間進(jìn)行曲線擬合，曲線模型擬合圖如下：</p><p>　　模擬曲線圖 1 模擬曲線圖 2</p><p>　　可以直觀看出三次模型的擬合度最好，根據(jù)模型匯總和參數(shù)估計(jì)值見(jiàn)附錄，其回歸方程為：</p><p

32、><b>　　發(fā)展能力</b></p><p><b>　　內(nèi)部運(yùn)營(yíng)</b></p><p>　　由函數(shù)關(guān)系和時(shí)間序列擬合圖可知內(nèi)部運(yùn)營(yíng)和發(fā)展能力標(biāo)未來(lái)五年是呈下降趨勢(shì)的。</p><p><b>　　六、模型評(píng)價(jià)與改進(jìn)</b></p><p>　　6.1模型的優(yōu)缺點(diǎn)分析

33、</p><p>　　6.1.1.模型的優(yōu)點(diǎn)</p><p>　　1、模型運(yùn)用的主成分分析法建立了綜合評(píng)價(jià)函數(shù)函數(shù)，而避免了現(xiàn)行評(píng)價(jià)方法中人為確定權(quán)數(shù)的卻陷。對(duì)于一個(gè)指標(biāo)體系復(fù)雜的評(píng)價(jià)系統(tǒng)，這種方法具有普遍適用性；</p><p>　　2、主成份分析法不僅可用于主要指標(biāo)的選擇,還可以用于分析影響企業(yè)經(jīng)濟(jì)效益的主要因素,作為管理者的決策依據(jù),這對(duì)于企業(yè)；</p&

34、gt;<p>　　3、可消除評(píng)價(jià)指標(biāo)之間的相關(guān)影響。因?yàn)橹鞒煞址治鲈趯?duì)原指標(biāo)變量進(jìn)行變換后形成了彼此相互獨(dú)立的主成分，而且實(shí)踐證明指標(biāo)之間相關(guān)程度越高，主成分分析效果越好?？蓽p少指標(biāo)選擇的工作量；</p><p>　　4、對(duì)于其它評(píng)價(jià)方法，由于難以消除評(píng)價(jià)指標(biāo)間的相關(guān)影響，所以選擇指標(biāo)時(shí)要花費(fèi)不少</p><p>　　精力，而主成分分析由于可以消除這種相關(guān)影響，所以在指標(biāo)選擇

35、上相對(duì)容些；</p><p>　　5、當(dāng)評(píng)級(jí)指標(biāo)較多時(shí)還可以在保留絕大部分信息的情況下少數(shù)幾個(gè)綜合指標(biāo)代替原指標(biāo)進(jìn)行分析主成分分析中各主成分是按方差大小依次排列順序的，在分析問(wèn)題時(shí)，可以舍棄一部分主成分，只取前后方差較大的幾個(gè)主成分來(lái)代表原變量，從而減少了計(jì)算工作量。</p><p>　　6.1.2.模型的缺點(diǎn)</p><p>　　1、預(yù)測(cè)模型的回歸方程[4]是以時(shí)

36、間序列為自變量的，而實(shí)際上企業(yè)的發(fā)展與時(shí)間沒(méi)有直接關(guān)系。這里的回歸擬合[5]只是從過(guò)去的數(shù)據(jù)中模擬出未來(lái)發(fā)展的趨勢(shì)，因此模型對(duì)數(shù)據(jù)太少的實(shí)際問(wèn)題預(yù)測(cè)誤差較大；</p><p>　　2、在主成分分析中，我們首先應(yīng)保證所提取的前幾個(gè)主成分的累計(jì)貢獻(xiàn)率達(dá)到一個(gè)較高的水平，其次對(duì)這些被提取的主成分必須都能夠給出符合實(shí)際背景和意義的解釋；</p><p>　　3、主成分的解釋其含義一般多少帶有點(diǎn)模糊

37、性，不像原始變量的含義那么清楚、確切，這是變量降維過(guò)程中不得不付出的代價(jià)。</p><p><b>　　七、模型的推廣</b></p><p>　　本文主要運(yùn)用了主層分分析法來(lái)解決問(wèn)題。這在日常生活中的各個(gè)領(lǐng)域都能廣泛應(yīng)用。</p><p>　　主層次分析法不僅能夠?qū)?jì)效益指標(biāo)、內(nèi)部運(yùn)營(yíng)指標(biāo)和發(fā)展?jié)摿χ笜?biāo)進(jìn)行綜合評(píng)價(jià)。還可以用于水環(huán)境質(zhì)量評(píng)價(jià)中

38、，由于水質(zhì)系統(tǒng)是由各種污染指標(biāo)變量組成的復(fù)雜系統(tǒng)，各個(gè)因子之間有著不同程度的相關(guān)性。主成分分析法將多因子納入同一系統(tǒng)進(jìn)行定量化研究，是比較完善的多元統(tǒng)計(jì)分析方法。近年來(lái)，主成分分析法在水質(zhì)評(píng)價(jià)中被廣泛研究與應(yīng)用，并取得了不少成果。</p><p>　　主層分分析法還可以應(yīng)用于地區(qū)產(chǎn)業(yè)競(jìng)爭(zhēng)力評(píng)價(jià)。主成分分析法是客觀賦權(quán)法的主要方法之一，通過(guò)降維的方法消除指標(biāo)間的信息重疊。它能克服均值法掩蓋競(jìng)爭(zhēng)力內(nèi)部各構(gòu)成要素相對(duì)作

39、用不同的事實(shí)。因此采用主成分分析法對(duì)地區(qū)產(chǎn)業(yè)競(jìng)爭(zhēng)力進(jìn)行綜合評(píng)價(jià)。</p><p>　　而且現(xiàn)階段我國(guó)中藥作為一種新的分析方法，主成分分析法已普遍被用于中藥質(zhì)量標(biāo)準(zhǔn)研究數(shù)據(jù)的統(tǒng)計(jì)分析中，通過(guò)對(duì)數(shù)據(jù)降維、變量提取與壓縮、確定中藥資源的分類和聚類，并從中獲取能用于中藥分析鑒別的有用信息，然后進(jìn)行分析、鑒別、判斷，進(jìn)而進(jìn)行分類和優(yōu)選。主成分分析法的引入對(duì)鑒別和評(píng)價(jià)中藥材及其飲片的質(zhì)量以及中藥種質(zhì)資源的優(yōu)選，具有重要的科學(xué)

40、價(jià)值和實(shí)際意義。</p><p><b>　　九、參考文獻(xiàn)</b></p><p>　　[1] 楊小平，統(tǒng)計(jì)分析方法與應(yīng)用教程，清華大學(xué)出版社，2008；</p><p>　　[2]主成分與因子分析的異同比較及應(yīng)用 ，王芳,理論探討，14-17 ,，2003年第5期；</p><p>　　[3]《數(shù)學(xué)模型》，姜啟源 ，謝

41、金星，葉俊編 ，4版， 北京高等教育出版社，2011.1;</p><p>　　[4]高輝， 基于多個(gè)回歸方程擬合的數(shù)據(jù)挖掘方法研究與設(shè)計(jì)[D].東北師范大學(xué)，2012；</p><p>　　[5]呂學(xué)峰，張光超，任志鵬.，基于的頂板穩(wěn)定性因素多元回歸分析[J]. 現(xiàn)代礦業(yè)，2014，12：143-144。</p><p><b>　　附錄 </b&

42、gt;</p><p><b>　　表1</b></p><p><b>　　表2</b></p><p><b>　　表3</b></p><p><b>　　附錄 </b></p><p>　　表1 內(nèi)部運(yùn)營(yíng)解釋總方差</