綜合分析模型下的后勤績效分析

1、論文題目： 綜合評價(jià)模型下的集團(tuán)運(yùn)營績效分析姓名： 徐福成 學(xué)號：074942099 專業(yè)：數(shù)學(xué)與應(yīng)用數(shù)學(xué)姓名： 蔡虹 學(xué)號：074942020 專業(yè)：數(shù)學(xué)與應(yīng)用數(shù)學(xué)姓名： 宋樹巖 學(xué)號：091602046 專業(yè)：人力資源管理 2010年7月30日綜合評價(jià)模型下的集團(tuán)運(yùn)營績效分析摘要隨著時(shí)代的發(fā)展、高等教育體制的改革，高校后勤集團(tuán)也形成了市場化、企業(yè)化的新觀念，并且在經(jīng)濟(jì)上自主經(jīng)營、自負(fù)盈虧，獨(dú)立核算。由于高校后勤狀況能動(dòng)地作用于高校的教育，是穩(wěn)定教育秩序的必要條件，又是高校育人的重要陣地之一，所以分析、研究高校后勤集團(tuán)的運(yùn)營績效走勢，將對高校發(fā)展有重要作用。對于第一個(gè)問題：為了保證所作分析和

2、預(yù)測的準(zhǔn)確性，對于該項(xiàng)指標(biāo)我們建立了兩個(gè)模型，第一個(gè)模型利用層次分析法，算出各層權(quán)重，再得到組合權(quán)重，用Excel建權(quán)重圖，從而分析最優(yōu)和最劣的年份，并預(yù)測未來三年的走勢；第二個(gè)模型，用樣本主層次分析法，為了得到標(biāo)準(zhǔn)化矩陣，首先對數(shù)據(jù)進(jìn)行無量綱化處理。然后用Matlab編輯程序，求出協(xié)方差矩陣、特征值、特征向量、貢獻(xiàn)率等，判斷出影響指標(biāo)的主成分，再運(yùn)用主成分分析法，以主成分來確定標(biāo)準(zhǔn)，進(jìn)而得出表現(xiàn)最優(yōu)和最劣的年份。最后用Excel做出幾何圖，并預(yù)測各指標(biāo)的未來發(fā)展情況。第二個(gè)指標(biāo)同第一個(gè)指標(biāo)第二個(gè)模型建立求解過程。第三個(gè)指標(biāo)利用SPSS軟件，一步得到主成分的分值，主成分得分表，進(jìn)而盤對最優(yōu)和最

3、劣年份，同樣利用Excel預(yù)測該指標(biāo)發(fā)展情況。對于第二個(gè)問題：因?yàn)閷笄诜?wù)滿意程度可以由去后勤消費(fèi)的次數(shù)反映，所以我們將愿意到后勤消費(fèi)的比例結(jié)合客戶滿意指標(biāo)一起研究。應(yīng)用定性指標(biāo)的量化處理方法，根據(jù)隸屬度，得到打分情況。從而比較準(zhǔn)確的得到未來客戶滿意指標(biāo)的走勢。對于第三個(gè)問題：在前兩個(gè)問題中，我們得出了十年中表現(xiàn)優(yōu)劣的年份，并且預(yù)測了各指標(biāo)未來三年的走勢?；谇皟蓚€(gè)問題，我們再利用動(dòng)態(tài)分析和層次分析，建立多目標(biāo)規(guī)劃，得出了各指標(biāo)的動(dòng)態(tài)平衡，并對為了達(dá)到雙贏的局面而給出建議。我們綜合運(yùn)用了樣本主成分分析法、層次分析法、綜合評價(jià)分析法等方法來建立模型，不僅可以客觀的判斷公司前幾年的經(jīng)營情況，還可

4、以對公司的未來走勢進(jìn)行預(yù)測，用利于公司發(fā)現(xiàn)問題，解決問題，不斷向前發(fā)展。關(guān)鍵詞： 綜合評價(jià)模型，主成分分析法，層次分析法，綜合評價(jià)分析法，定性指標(biāo)的量化處理，未來走勢，Matlab，SPSS一、 問題的重述隨著我國改革開放事業(yè)的進(jìn)一步深入，作為打破高等教育發(fā)展“瓶頸”的后勤社會(huì)化改革業(yè)已漸入佳境。在經(jīng)濟(jì)上自負(fù)盈虧，獨(dú)立核算的高校后勤集團(tuán)的運(yùn)營績效走勢也越來越受關(guān)注，通過對20002009某高校運(yùn)營的經(jīng)濟(jì)效益指標(biāo)、發(fā)展能力指標(biāo)、內(nèi)部運(yùn)營指標(biāo)、及客戶滿意度指標(biāo)的分析研究，解決如下的三個(gè)問題： 第一，分別對該后勤集團(tuán)的經(jīng)濟(jì)效益、發(fā)展?jié)摿σ约皟?nèi)部運(yùn)營情況三項(xiàng)指標(biāo)做綜合分析。找出這三項(xiàng)指標(biāo)表現(xiàn)優(yōu)劣的年份

5、，并預(yù)測未來三年走勢。第二，綜合分析客戶滿意指標(biāo)，闡述客戶滿意指標(biāo)的走勢。第三，分析客戶滿意指標(biāo)與前三個(gè)指標(biāo)之間的動(dòng)態(tài)關(guān)系。研究既要顧客滿意，又要追求經(jīng)濟(jì)效益的能達(dá)到雙贏的政策措施，并提供1000字左右的政策與建議。二、 模型假設(shè)1. 假設(shè)題目中所給數(shù)據(jù)真實(shí)可靠。2. 假設(shè)所需預(yù)測的年份內(nèi)經(jīng)濟(jì)等環(huán)境沒有穩(wěn)定，沒有出現(xiàn)較大意外狀況（如經(jīng)濟(jì)危機(jī)等情況）。3. 假設(shè)該高校生源情況穩(wěn)定。三、 符號說明A：判斷矩陣：表示最大特征根W：權(quán)向量CI：表示一致性指標(biāo)CR：表示一致性比率y：擬合曲線方程B：隨機(jī)變量的樣本均值為向量S：樣本協(xié)方差矩陣S：主要成分貢獻(xiàn)率四、 問題的分析對于第一個(gè)問題：公司運(yùn)營的各項(xiàng)

6、指標(biāo)是由各個(gè)影響因素共同決定的?；谶@個(gè)前提，我們展開了全面的分析。首先，根據(jù)不同指標(biāo)數(shù)據(jù)的特點(diǎn)，我們用樣本主成分分析法、層次分析法、綜合評價(jià)分析法對后勤集團(tuán)的經(jīng)濟(jì)效益指標(biāo)、發(fā)展?jié)摿χ笜?biāo)、內(nèi)部運(yùn)營指標(biāo)進(jìn)行了數(shù)據(jù)處理，并對處理后的新數(shù)據(jù)作綜合分析，然后分別作出這三項(xiàng)指標(biāo)與年份的關(guān)系圖，從圖中可以清晰的看出表現(xiàn)優(yōu)劣的年份，并且用Excel做出擬合圖，預(yù)測公司未來三年的走勢。對于第二個(gè)問題：我們根據(jù)實(shí)際情況，即消費(fèi)者只有對服務(wù)情況感到滿意，消費(fèi)次數(shù)才能增加，我們將愿意到后勤消費(fèi)的比例的情況結(jié)合客戶滿意指標(biāo)一起研究，繼續(xù)運(yùn)用主成分分析建立模型并求解。對于第三個(gè)問題：首先在前兩個(gè)問題中，我們已經(jīng)通過建立

7、模型求解模型得出了20002009年中表現(xiàn)最優(yōu)和表現(xiàn)最劣的年份，并且較準(zhǔn)確的預(yù)測了四項(xiàng)指標(biāo)在未來三年走勢情況，所以在第三個(gè)問題中，我們就可以營運(yùn)動(dòng)態(tài)分析和層次分析來建立多目標(biāo)的規(guī)劃，從而得到前三項(xiàng)指標(biāo)與客戶滿意指標(biāo)之間存在的動(dòng)態(tài)平衡關(guān)系。最后經(jīng)過分析和討論，我們給出了為了達(dá)到雙贏局面的一些建議。五、 模型建立與求解5.1 后勤集團(tuán)各項(xiàng)指標(biāo)優(yōu)劣年份以及未來三年走勢的預(yù)測。 經(jīng)濟(jì)效益指標(biāo)優(yōu)劣年份分析和未來三年走勢為了保證所作分析和預(yù)測的準(zhǔn)確性，對于該項(xiàng)指標(biāo)，建立了兩個(gè)模型模型一：層次分析模型利用層次分析法，建立模型。模型機(jī)層次構(gòu)造為模型，圖因素目標(biāo)年份 模型第二層對于第一層：根據(jù)五個(gè)因素之間的兩兩

8、重要程度【附錄1】，構(gòu)造判斷矩陣：表A1A2A3A4A5A113412A21/311/21/31/2A31/4211/31/2A413311A51/22211表用Matlab中eig函數(shù)求出矩陣A的最大特征根、權(quán)向量（附件程序9.1） （1） =5.1173 （2）權(quán)向量=0.6727 0.1752 0.2199 0.5501 0.4072 （3）一致性指標(biāo)： = 0.0293 （4）查表的RI=1.12一致性比率： =0.0263<0.1 （5）認(rèn)為A的不一致程度在容許范圍之內(nèi)，有滿意的一致性，通過一致性檢驗(yàn)?？捎闷錃w一化特征向量作為權(quán)向量。用同樣的方法算出第三層對第二層的（1）（2）

9、（3）（4）（5）填入表經(jīng)營收入年終結(jié)余返還工資上繳利潤人均工資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.

10、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 表從表格中得出CRK<0.1，認(rèn)為CIk的不一致程度在容許范圍之內(nèi)，有滿意的一致性，通過一致性檢驗(yàn)?？捎闷錃w一化特征向量作為權(quán)向量。歸一化后得到數(shù)據(jù)填入表格經(jīng)營收入年終結(jié)余返還工資上繳利潤人均工資0.332180.0865140.1085870.2716410.2010760.027560

11、.0176960.0250090.0186840.0243260.028750.0204570.0250090.0186840.0312760.030280.0340470.0323280.0241970.0394080.059520.0722360.0853250.0849120.0708990.063550.0970170.0966530.0878720.0894920.117840.1386580.1048920.1038180.1324470.139330.1424370.0934530.1520650.1324470.153760.1591510.1666790.1622760.15

12、06820.183780.1591510.177050.1683810.1530830.195640.1591510.1936010.1791110.1759410.123210.120510.12410.143510.1234CI k0.01370.01340.01380.01590.0152 CRK0.00920.0090.00920.01070.0102 表組合權(quán)重w=組合權(quán)重w=0.023368 0.025401 0.031012 0.072607 0.081862 0.117365 0.136691 0.157323 0.170562 0.183809根據(jù)20002009年的各年份的

13、權(quán)重，用Excel作圖并擬合，得到圖 圖。方程指數(shù)y = 0.0191e（0.2562x）0.8066線性y = 0.0201x - 0.01060.9759二次多項(xiàng)式y(tǒng) = 8E-05x2 + 0.0192x - 0.00880.976 表從圖中我們根據(jù)各點(diǎn)的斜率，可以清晰的看出，表現(xiàn)最優(yōu)的年份為2003年，表現(xiàn)最劣的年份為2006年根據(jù)擬合曲線和的值，可以看出線性和二次多項(xiàng)式貼合程度都很高，而且非常接近，在實(shí)際計(jì)算中，我們考慮到線性比二次多項(xiàng)式計(jì)算簡單得多，我們?nèi)1 = 0.0201x - 0.0106。得到未來三年經(jīng)濟(jì)效益會(huì)繼續(xù)線性增加。模型二：樣本主成分分析模型為了方便計(jì)算，我們將數(shù)

14、據(jù)單位都統(tǒng)一為萬元，整理后的數(shù)據(jù)見附錄表9.1首先，經(jīng)濟(jì)效益指標(biāo)中的隨機(jī)變量的樣本均值為向量B：B=（6007.6 810.2 254.8 133.3 2.572）T樣本協(xié)方差矩陣S公式：用Matlab編程序，直接得到協(xié)方差矩陣S、相關(guān)矩陣R、R的特征值特征向量（表）、貢獻(xiàn)率（表5.1.6）、經(jīng)濟(jì)效益指標(biāo)P（圖）。（附錄程序9.3）協(xié)方差矩陣：相關(guān)矩陣：特征向量特征值：特征值 特征向量4.88638190.4447970.446590.4436180.4499070.4511090.05546830.711833-0.2826-0.627320.0764460.118560.04156060.

15、316252-0.683020.629873-0.17296-0.082570.0125610.155240.2663840.029124-0.857840.4101290.0040281-0.41393-0.42804-0.109940.1610560.779372 表貢獻(xiàn)率：特征值貢獻(xiàn)率累計(jì)貢獻(xiàn)率4.8863819010.977276380.977276380.0554683470.0110936690.9883700490.0415606180.0083121240.9966821730.0125610150.0025122030.9991943760.004028120.0008056

16、241 表根據(jù)表中數(shù)據(jù)我們?nèi)∏叭齻€(gè)作為主要成分即前三個(gè)數(shù)據(jù)可表示經(jīng)濟(jì)效益指標(biāo)，分別用表示，但是從表中數(shù)據(jù)我們又可以看出=97.728%，即既可以從整體上反映公司經(jīng)濟(jì)效益的優(yōu)劣。經(jīng)濟(jì)效益指標(biāo)P： 圖用Excel做擬合圖，并作出擬合方程表，圖 圖 擬合方式方程線性y = 0.2302x - 461.42R2 = 0.9747指數(shù)y = 461.39Ln(x) - 3508R2 = 0.9747多項(xiàng)式y(tǒng) = 0.0104x2 - 41.477x + 41340R2 = 0.9874 表從圖中我們可以看出表現(xiàn)最優(yōu)的年份為2003年，表現(xiàn)最劣的年份為2006年。得出的結(jié)論和模型一完全一致。預(yù)測也與模型一

17、非常相似。 發(fā)展?jié)摿χ笜?biāo)優(yōu)劣年份分析和未來三年走勢樣本逐層分分析模型 該模型與第一個(gè)指標(biāo)建立的第二個(gè)模型類似，我們同樣用Matlab編程求解：用Matlab編程序，直接得到協(xié)方差矩陣S、相關(guān)矩陣R、R的特征值特征向量（表）、貢獻(xiàn)率（表5.1.8）、經(jīng)濟(jì)效益指標(biāo)P（圖）。（附錄程序9.4）協(xié)方差矩陣：相關(guān)矩陣：特征值特征向量：特征值 特征向量3.02865740.56873930.27116350.55336350.54478870.8929177-0.038571-0.9321640.20535650.29565350.0540172-0.2924480.02355320.8017111-0.

18、5207480.02440780.7678034-0.238716-0.094217-0.58704 表貢獻(xiàn)率：特征值貢獻(xiàn)率累計(jì)貢獻(xiàn)率3.0286573620.757164340.757164340.8929177090.2232294270.9803937670.0540171790.0135042950.9938980620.024407750.0061019381 表根據(jù)表中數(shù)據(jù)我們?nèi)∏皟蓚€(gè)作為主要成分即前兩個(gè)數(shù)據(jù)可表示經(jīng)濟(jì)效益指標(biāo)，分別用表示，但是從表中數(shù)據(jù)我們又可以看出=75.72%，可以從整體上反映公司經(jīng)濟(jì)效益的優(yōu)劣。經(jīng)濟(jì)效益指標(biāo)： 圖用Excel做擬合圖，并作出擬合方程表，圖 圖

19、擬合方式方程線性y = 0.2016x - 404.08R2 = 0.9499指數(shù)y = 0.7896Ln(x) - 1.1927R2 = 0.8543多項(xiàng)式y(tǒng) = 0.0004x2 + 0.1977x - 1.101R2 = 0.9499 表從圖中我們可以看出表現(xiàn)最優(yōu)的年份為趨于平滑的2009年，表現(xiàn)最劣的年份為2004年。 內(nèi)部運(yùn)營指標(biāo)優(yōu)劣年份分析和未來三年走勢綜合評價(jià)模型：根據(jù)綜合評價(jià)分析法，利用SPSS軟件一步算出主成分得分值（參考文獻(xiàn)【2】），根據(jù)參考文獻(xiàn)，具體操作步驟見附錄。利用SPSS操作過程中得到以下兩個(gè)比較重要的表格： 三個(gè)主成分方差百分比表為5.1.10Total Vari

20、ance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %13.44286.05286.0523.44286.05286.0522.46411.59297.644.46411.59297.6443.0691.71699.360.0691.71699.3604.026.640100.000Extraction Method: Principal Component Analysis.

21、 5.1.10 主成分得分表為表5.1.11y1y2y32000-3.2472-1.415290.983152001-3.07135-1.15270.7739082002-2.91194-1.30519-2.560882003-2.401990.332348-0.865412004-2.027461.349037-0.297432005-1.37091-0.845230.0785032006-1.137390.1106130.4588942007-0.88669-2.0667-0.319342008-0.78161-1.01596-0.328082009-0.71608-0.80269-0.5

22、501 表5.1.11由主成分得分表，用Excel作圖，得到圖5.1.7和表 圖5.1.7從表中我們可以看出，表現(xiàn)最優(yōu)的是2006年，表現(xiàn)最劣的是2002年。方程五次多項(xiàng)式y(tǒng) = 0.0018x5 - 0.0303x4 + 0.064x3 + 1.103x2 - 4.9329x + 0.45640.5780表5.1.12圖同時(shí)還得到五次多項(xiàng)式擬合曲線，y = 0.0018x5 - 0.0303x4 + 0.064x3 + 1.103x2 - 4.9329x + 0.4564。我們預(yù)測，未來三年內(nèi)部運(yùn)營情況將逐步趨于平穩(wěn)。5.2 顧客滿意指標(biāo)走勢應(yīng)用定性指標(biāo)的量化處理方法建立模型：將顧客滿意度評

23、價(jià)：很滿意、滿意、基本滿意、不滿意、很不滿意，分為五個(gè)等級，一次為5，4，3，2，1。連續(xù)量化，取大型柯西分布和對數(shù)函數(shù)最為隸屬函數(shù)： （6）其中為待定常數(shù)。當(dāng)“很滿意”時(shí)，隸屬度為1，即（5）=1當(dāng)“基本滿意”時(shí)，隸屬度為0.8，即（3）=0.8當(dāng)“很不滿意”時(shí)，隸屬度為0.01，即（1）=0.01計(jì)算得，代入（6）(附件圖9.1)則計(jì)算的“滿意”隸屬度為0.91，（4）=0.91“不滿意”隸屬度為0.5245，（2）=0.5245得到打分情況表年份很不滿意不滿意基本滿意滿意非常滿意打分情況隸屬度0.010.52450.80.911200018%46%29%7%0%0.53877200119

24、%44%28%9%0%0.53858200219%42%25%14%0%0.54959200317%38%27%17%1%0.58171200414%32%31%21%2%0.62834200513%30%35%19%3%0.64155200611%31%33%22%3%0.65789520078%27%37%24%4%0.69681520089%23%38%26%4%0.70213520097%24%36%28%5%0.71938 表根據(jù)打分情況，用Excel作出定性指標(biāo)量化處理圖，圖 圖擬合方式方程R2線性y=0.0227x+0.50050.971二次多項(xiàng)式y(tǒng)=-5E-05x2+0.023

25、3x+0.49330.9711 從圖中我們可以看出20002009年顧客的滿意程度呈逐年上升且逐漸趨于平衡的。根據(jù)擬合方程，我們還可以預(yù)測，未來三年顧客的滿意度將在平穩(wěn)中有小幅上升。將顧客滿意度走勢與愿意到后勤消費(fèi)的比列相結(jié)合，可以看出當(dāng)滿意度比較低時(shí)，到后勤消費(fèi)比例也相應(yīng)的低。當(dāng)顧客滿意度逐漸上升時(shí)，顧客到后勤消費(fèi)的比例也呈上升趨勢，最終，顧客滿意度逐漸趨于平穩(wěn)，到后勤消費(fèi)的比例也隨之趨于平穩(wěn)。5.3 經(jīng)濟(jì)效益指標(biāo)、發(fā)展?jié)摿χ笜?biāo)以及內(nèi)部運(yùn)營指標(biāo)與客戶滿意指標(biāo)的動(dòng)態(tài)關(guān)系和達(dá)到雙贏局面的政策和建議 前三項(xiàng)指標(biāo)與客戶滿意指標(biāo)之間存在的動(dòng)態(tài)平衡關(guān)系。 從經(jīng)濟(jì)效益指標(biāo)、發(fā)展?jié)摿χ笜?biāo)、內(nèi)部運(yùn)營指標(biāo)的走勢

26、結(jié)合我們可以看出，當(dāng)集團(tuán)各項(xiàng)指標(biāo)以各種方式逐漸上升時(shí)，客戶的滿意程度，也在平穩(wěn)中逐漸上升，可見雙方的關(guān)系是相輔相成但是又相互制約的一種動(dòng)態(tài)關(guān)系，找到一個(gè)動(dòng)態(tài)平衡的狀態(tài)，就可以達(dá)到一種雙贏的局面。 為了達(dá)到雙贏局面的一些政策和建議。 通過分析了客戶滿意指標(biāo)與經(jīng)濟(jì)效益指標(biāo)、發(fā)展?jié)摿χ笜?biāo)以及內(nèi)部運(yùn)營指標(biāo)之間的關(guān)系，我們知道了他們之間存在著一個(gè)動(dòng)態(tài)平衡，為了達(dá)到動(dòng)態(tài)平衡的狀態(tài)以求共建雙贏的局面，現(xiàn)在我們給出一些政策和建議?！翱平膛d國”戰(zhàn)略，為教育體制進(jìn)一步改革創(chuàng)造了機(jī)遇，也對高校后勤改革提出了更高的要求，要求后勤改革必須加快步伐，整體推進(jìn)，逐步構(gòu)筑起高校后勤社會(huì)化的基本框架和新型體制，為高等教育綜合改

27、革打好基礎(chǔ)。1、用服務(wù)來創(chuàng)效益通過以上的分析和討論，我們的得出了各指標(biāo)和顧客滿意之間的動(dòng)態(tài)平衡關(guān)系，所以我們要充分利用這個(gè)平衡關(guān)系：樹立“師生至上、服務(wù)第一”的經(jīng)營服務(wù)思想，深入開展主題鮮明的文明服務(wù)、親情服務(wù)、誠信服務(wù)、創(chuàng)新服務(wù)。實(shí)行“規(guī)范化管理，標(biāo)準(zhǔn)化服務(wù)”，努力改進(jìn)服務(wù)手段，增強(qiáng)服務(wù)的主動(dòng)性、預(yù)見性和超前性，從細(xì)微處入手，從點(diǎn)滴事做起，切實(shí)提高后勤管理水平與服務(wù)質(zhì)量，使后勤服務(wù)工作貼近師生、貼近生活、貼近實(shí)際，做到服務(wù)見真情，滿意在后勤。用服務(wù)贏得師生信賴，形成服務(wù)的良性循環(huán)，從而達(dá)到平衡狀態(tài)，促進(jìn)經(jīng)濟(jì)效益的穩(wěn)步提高。2、職業(yè)化服務(wù)運(yùn)營體系21世紀(jì)是職業(yè)化的時(shí)代，企業(yè)發(fā)展到一定規(guī)模，必須

28、引入職業(yè)化管理模式，后勤也不例外。職業(yè)化本質(zhì)上就是專業(yè)化和標(biāo)準(zhǔn)化。后勤職業(yè)化就是有專職化隊(duì)伍和行業(yè)標(biāo)準(zhǔn)，同時(shí)還要培養(yǎng)員工職業(yè)技能和敬業(yè)精神。職業(yè)化要求專業(yè)化的經(jīng)營理念和標(biāo)準(zhǔn)化的管理模式。提倡“專業(yè)精神”，確立具有行業(yè)特點(diǎn)的專業(yè)化經(jīng)營理念和標(biāo)準(zhǔn)化管理模式，培養(yǎng)專職化的后勤服務(wù)保障隊(duì)伍和市場經(jīng)營隊(duì)伍，通過專職服務(wù)保障，達(dá)到讓顧客滿意的目的，達(dá)到平衡狀態(tài)，實(shí)現(xiàn)集團(tuán)運(yùn)營的多元發(fā)展。3、不斷創(chuàng)新謀求市場機(jī)遇堅(jiān)持思維創(chuàng)新，開拓視野，確立后勤服務(wù)社會(huì)化的觀念。同時(shí)堅(jiān)持制度創(chuàng)新，加強(qiáng)制度建設(shè)與制度落實(shí)，不斷完善集團(tuán)用人制度、分配制度和管理制度，建立優(yōu)勝劣汰的競爭機(jī)制、充分調(diào)動(dòng)勞動(dòng)積極性。堅(jiān)持服務(wù)創(chuàng)新，根據(jù)師生

29、需求而變化，不斷調(diào)整服務(wù)經(jīng)營結(jié)構(gòu)與方式，不斷推出服務(wù)新舉措。積極開展社會(huì)市場服務(wù)，壯大實(shí)力，不斷鞏固和拓展集團(tuán)的市場生存空間，增強(qiáng)發(fā)展?jié)摿Γ_(dá)到平衡狀態(tài)。集團(tuán)的發(fā)展需要服務(wù)、職業(yè)化和創(chuàng)新作為基石，但是做到了以上三點(diǎn)還遠(yuǎn)遠(yuǎn)不夠，為了達(dá)到經(jīng)濟(jì)效益、發(fā)展?jié)摿σ约皟?nèi)部運(yùn)營情況與客戶滿意之間的動(dòng)態(tài)平衡，就需要集團(tuán)在發(fā)展過程中多做反思，用科學(xué)的方法客觀分析當(dāng)前狀況、對集團(tuán)未來發(fā)展做出預(yù)測，例如利用在這個(gè)模型中我們做出的分析和預(yù)測，在達(dá)到動(dòng)態(tài)平衡的基礎(chǔ)上公司才能不斷的發(fā)展壯大，達(dá)到雙贏的局面。六、 模型的比較與檢驗(yàn)將建立的三種模型比較，分析過程幾乎沒人為因素干擾，模型分析結(jié)果較為客觀公正。 對以第一個(gè)指標(biāo)，

30、建立了兩個(gè)模型進(jìn)行分析和預(yù)測，兩個(gè)模型相互檢驗(yàn)，模型建立過程完全不同，但是結(jié)果基本一致，檢驗(yàn)結(jié)果為兩個(gè)模型分析結(jié)果都是真實(shí)可靠的。七、 模型的評價(jià)與改進(jìn)7.1 模型的評價(jià)：優(yōu)點(diǎn)：1、對于有些指標(biāo)，我們建立了兩個(gè)模型，來進(jìn)行預(yù)測和分析，所以我們的分析結(jié)果能夠比較準(zhǔn)確的反應(yīng)集團(tuán)發(fā)展中各指標(biāo)的客觀規(guī)律；2、對于各項(xiàng)指標(biāo)，我們充分利用了樣本主成分分析法、層次分析法、綜合評價(jià)分析法三種重要的分析方法，得到的數(shù)據(jù)比較可靠，預(yù)測的結(jié)果比較可信；3、對于我們最終分析的結(jié)果，有利于集團(tuán)及時(shí)發(fā)現(xiàn)問題，解決問題，對未來的預(yù)測，有利于集團(tuán)對未來有更明確的規(guī)劃。4、模型求解方法多元化缺點(diǎn)：1、圖像處理較為單一；2、在分

31、析顧客滿意度時(shí)，沒有用到愿意到后勤消費(fèi)的比例表，分析結(jié)果不夠完善；3、由于本論文成文倉促，本修正方法沒有做完，是本文的一個(gè)另一個(gè)不足之處。八、參考文獻(xiàn)：1 程理民，用AHP法確定經(jīng)濟(jì)效益指標(biāo)的權(quán)數(shù)發(fā)表在當(dāng)代財(cái)經(jīng)1987年03期。2 胡良劍，孫曉君，MATLAB數(shù)學(xué)實(shí)驗(yàn)，北京，高等教育出版社，2006.63 趙靜，但琦，嚴(yán)尚安，楊秀文，數(shù)學(xué)建模與數(shù)學(xué)實(shí)驗(yàn)，北京，高的教育出版社，2008.1 4 林海明,如何用SPSS軟件一步算出主成分得分值，發(fā)表在統(tǒng)計(jì)與信息論壇第22卷第五期。5 韓忠庚，數(shù)據(jù)處理與數(shù)據(jù)建模方法，PPT。6 工程數(shù)學(xué).線性代數(shù) 同濟(jì)大學(xué)數(shù)學(xué)系編（第五版），北京，高等教育出版社，2

32、007.5九、附錄表9.1年份經(jīng)營收入（萬元）年終節(jié)余（萬元）返還工資（萬元）上繳利潤（萬元）人均收入（元）200017320000.66200117800000.8162002190028677171.116200333726491991051.8200442138022831212.42005672810262981403.122006800411922522003.362007976713334262203.7220081080013854822504.220091178014295312804.56 經(jīng)濟(jì)效益指標(biāo)年份資本積累率（）營業(yè)增長率（）發(fā)展基金占年終結(jié)余比（）人員素質(zhì)評價(jià)200

33、00.0840.02400.2420010.0910.02700.2620020.0370.0630.300.2820030.0260.4370.300.3120040.0430.200.300.3220050.0620.3740.370.3420060.0590.1590.410.3620070.0740.1810.530.3820080.0650.0960.510.3920090.0680.0830.510.40 發(fā)展能力指標(biāo)SPSS軟件一步算出主成分得分值的具體操作步驟：1、方差百分比的得出:（1） 按AnalyzeData ReductionFactor順序點(diǎn)擊個(gè)菜單項(xiàng)，打開銀子分析主

34、對話框。（2） 把各個(gè)分析變量送到右面的Variables欄中。（3） 主對話框中點(diǎn)擊Extraction按鈕，在相應(yīng)的對話框中： method菜單中選擇principle components要求使用主成分法。 Extract欄中選擇Number of factors 3 Display欄中選擇Unrotated facter solution,要求顯示未旋轉(zhuǎn)薪資得分結(jié)果。（4） 主對話框中點(diǎn)擊Score按鈕，在相應(yīng)的對話框中選擇Save as variables,并在Method欄中選擇Regression，要求計(jì)算未旋轉(zhuǎn)因子得分并把未旋轉(zhuǎn)因子得分之作為新數(shù)據(jù)保存到數(shù)據(jù)文件中。（5） 點(diǎn)擊

35、OK提交系統(tǒng)執(zhí)行。（6） 輸出結(jié)果：前三個(gè)特征值見上表。2、主成分得分值一部算法：利用transformcompute，在對話框中輸入，即得主成分得分值；再分別輸入、即得主成分得分值、。在數(shù)據(jù)窗口最右邊（表）。程序9.1A=1 3 4 1 2;1/3 1 1/2 1/3 1/2;1/4 2 1 1/3 1/2;1 3 3 1 1;1/2 2 2 1 1;v,d=eig(A)>> 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

36、+ 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 thr

37、ough 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的協(xié)方差矩陣。A=17320000.660017800000.8160190028677171.116033726491991051.800042138022831212.4000672810262981403.1200800411922522003.3600976713334262

38、203.72001080013854822504.20001178014295312804.5600;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('協(xié)方差 S=');disp(S);%對樣本相關(guān)矩陣主成分分析。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('相關(guān)矩陣為：R=');disp(R);%求特征向量和特征值，并對特征值排序。v,d=eig(R);fprintf('特征向量v和特征值d：n&#