新的灰关联分析法

新的灰关联分析法（精选七篇）

新的灰关联分析法 篇1

1 资料来源和方法

1.1 资料来源

以某市2003年6类公共场所的卫生监督报表数据为基本信息[3,4], 资料真实可靠。选择反映工作质量的监督频率 (x1, 次/户年) 、监督合格率 (x2, %) 、体检率 (x3, %) 、患病率 (x4, %) 、培训率 (x5, %) 、发证率 (x6, %) 、行政处罚户数 (x7) 和罚款金额 (x8, 万元) 作为评价指标。

1.2 方法

新的灰关联分析法的基本原理和步骤[5]为:

1.2.1 计算差序列并找出最大 (小) 绝对值 设有一个参考数列x0=[x0 (1) , x0 (2) , …, x0 (k) , …, x0 (n) ]和m个比较数列xi[xi (1) , xi (2) , …, xi (k) , …, xi (n) ], i=1, 2, …, m。计算xi与x0的第k个指标的绝对差即差序列△i (k) :

i (k) =|x0 (k) -xi (k) | (1)

其中第k个指标中i个△i (k) 的最大值和最小值即为最大绝对差和最小绝对差 (亦称一级最大差和一级最小差) , 分别以max△i (k) 和min△i (k) 表示, k=1, 2, …, n。

1.2.2 计算关联系数、关联度并排列关联序 xi与x0的第k个指标的关联系数ξi (k) 为:

$\text{ξ}△{}_{i(k)}=\frac{\min △{}_{i(k)}+\text{ρ}\max △{}_{i(k)}}{△{}_{i(k)}+\text{ρ}\max △{}_{i(k)}}(2)$

分辨系数ρ一般取值为0.5。xi与x0的关联度γi为:

γi=∑ξi (k) /n (3)

按γi的大小依次排序, 即得关联序。

2 结果

2.1 计算差序列并找出最大 (小) 绝对值

以各评价指标的最优值 (即高优指标的最大值, 低优指标的最小值) 或理想值作为参考数列, 按照公式 (1) 计算差序列并找出最大 (小) 绝对值 (见表1) 。

2.2 计算关联系数、关联度并排列关联序

将表1数据代入公式 (2) 和 (3) 分别计算各评价指标的关联系数和各类公共场所的关联度, 按从大到小排序 (见表2) 。

3 讨论

应用新的灰关联分析法评价6类公共卫生场所卫生监督工作质量的排序为旅店业>体育馆>公共浴室>理发美容店>游泳场所>文化娱乐场所, 与功效系数法、改进的综合系数法和秩和比法的排序完全一致, 说明该方法用于卫生监督工作质量综合评价是比较可靠的。由表2和文献[1,2,3]可知, 该市应高度重视文化娱乐场所、游泳场所、理发美容店和公共浴室的卫生监督工作。文献[4]在将低优指标用倒数法转换为高优指标时存在χ8指标值为零时, 零不能作分母问题, 原作者将转换数值写成零存在数学逻辑错误。而应用文献[1,2,3]的方法能很好地解决这个问题, 这4种方法得出的结论都是可信的。同时, 秩和比法还可以进行假设检验, 得到的结论更丰富[3]。

新的灰关联分析法对原始资料的类型和样本数量无特殊要求, 在处理原始资料时不需无量纲化, 避免了无量纲化对指标作用大小的影响, 计算步骤更为简便。

总之, 在进行综合评价时, 一定要根据研究目的和资料的特点, 选择适当的统计方法分析资料, 以达到最佳评价效果。

参考文献

[1]成长英, 孙爱峰.功效系数法在公共场所卫生监督工作质量综合评价中的应用.中国现代医药杂志, 2007, 9 (8) :119.

[2]赵红, 周长彬, 孙爱峰.应用改进的综合指数法评价公共场所卫生监督工作质量.中国现代药物应用, 2007, 1 (1) :72.

[3]张雪鹏, 孙爱峰.应用秩和比法评价公共场所卫生监督工作质量.中国现代药物应用, 2007, 1 (10) :77.

[4]吴俊华, 陈威.TOPSIS法在公共场所卫生监督工作质量评价中的应用.中国卫生统计, 2004, 21 (3) :192.

郑州工业技术创新的灰关联分析 篇2

郑州工业技术创新的灰关联分析

以技术创新为内在机制的`发展模式是促进经济增长方式转变的有效途径.本文应用灰色关联分析方法对郑州工业技术创新进行了综合分析,并提出了相应的政策建议.

作 者：曹敏晖 作者单位：郑州大学现代管理学院,河南,郑州,450052刊 名：河南教育学院学报(自然科学版)英文刊名：JOURNAL OF HENAN EDUCATION INSTITUTE (NATURAL SCIENCE EDITION)年，卷(期)：10(1)分类号：F4关键词：郑州工业技术创新 灰关联分析 指标体系

新的灰关联分析法 篇3

1 资料与方法

1.1 资料来源

选取10个不同地区卫生监督质量评价指标的原始数据进行综合评价, 7个评价指标分别为户建档率 (X1, %) 、发证率 (X2, %) 、监督率 (X3, %) 、监测率 (X4, %) 、体检率 (X5, %) 、调离率 (X6, %) 和培训率 (X7, %) 。上述评价指标均为高优指标, 其实际观测值见表1[1,2]。

1.2 统计方法

新的灰关联分析法的基本原理和基本步骤见文献[3]。由于表1中的7个评价指标均为高优指标, 因此, 选择每一评价指标的最大值或理想值 (X2和X3) 作为参考数列X0。参考数列X0={100.0, 100.0, 100.0, 39.9, 95.6, 100.0, 72.7}, 列于表1最后一行。

2 结果

2.1 计算差序列并找出最大和最小绝对值

见表2。将表1中不同地区卫生监督质量评价指标的实际观测值和参考数列X0数值代入公式△i (k) =|x0 (k) -xi (k) |计算差序列, 同时找出每一评价指标的最大绝对值max△i (k) 和最小绝对值min△i (k) , 列于表2最后两行。

注:*由于系进位所得数值, 因此, 关联序靠后

2.2 计算关联系数、关联度并排列关联序

将表2数据代入公式ξi (k) = (min△i (k) +pmax△i (k) ) / (△i (k) +pmax△i (k) ) 计算关联系数 (分辨系数p一般取值为0.5) , 代入公式γi=∑ξi (k) /n (n表示评价指标数量) 计算各地区的关联度, 按γi的大小依次排序, 见表3。

3 讨论

对于表1所给资料, 采用改进的TOPSIS法[1]所得排序为A1>A10>A3>A7>A8>A6>A4>A9>A2>A5, 采用联系数法[2]的各类别有效联系值大小所得排序为A1>A7>A8>A10=A6>A4=A9>A3>A5>A2, 本文的排序为A1>A8>A2>A3>A10>A7>A6>A4>A9>A5, 排序差异较大。其原因表现在2方面:一是同一地区不同评价指标的排序参差不齐, 达到足以影响评价结果的程度;二是不同的统计方法的原理不同, 其优缺点亦不同, 亦可影响到最后的分析结论。如联系数法由于没有充分利用原始数据提供的信息, 所得排序相对较为粗糙 (有排序相同的地区) , 但其优点是简单明了, 计算快捷, 将复杂问题简单化, 可以直接进行聚类分析。

由于密切值法、TOPSIS法和改进的TOPSIS法的原理大致相同, 只不过是C值的计算公式不同, 因此用这3种方法分析表1资料所得排序基本相同, 其中应用密切值法[1]分析后的排序为A1>A10>A3>A7>A8>A6>A4>A9>A5>A2, 应用TOPSIS法[1]分析后的排序为A1>A10>A8>A3>A7>A6>A4>A9>A2>A5。

对于本文资料来说, 笔者认为方法原理不同所致排序结果不同的主要原因在于同一地区不同评价指标排序参差不齐达到足以影响评价结果的程度。所以, 综合评价方法的正确选择是值得探讨的一个问题, 必须引起足够的重视, 以免误导实际工作的开展。

同时, 对于TOPSIS法和改进的TOPSIS法计算得到的C值以及新的灰关联分析法计算得到的关联度γi均在[0, 1]之间取值, 因此, 可以运用基于秩和比的分档法[4]对其进行聚类分析, 这既可与联系数法所得分类进行比较, 也可客观地评价分析结论。

关键词：新的灰关联分析法,卫生监督质量,综合评价

参考文献

[1]任力锋, 王一任, 张彦琼, 等.TOPSIS法的改进与比较研究[J].中国卫生统计, 2008, 25 (1) :64-66.

[2]邱昭君, 孙爱峰.联系数在不同地区卫生监督质量聚类分析中的应用[J].中国医药指南, 2011, 9 (36) :490-492.

[3]全启松, 韩贵玉, 孙爱峰.应用新的灰关联分析法评价公共场所卫生监督工作质量[J].中国现代药物应用, 2008, 2 (7) :123-124.

新的灰关联分析法 篇4

由于实践教学的环节多及教学方法多样, 使教学过程中影响教学效果的因素很多, 且各因素的数据量不大, 为小样本, 很多因素的信息未直接显示, 是典型的灰色系统, [1, 2]因此可采用灰关联分析以弥补影响因素数据量不足。本文应用灰关联分析研究了各因素对不同教学方法的影响和彼此间的关联性, 找出教学中的问题, 以改进教学方法并对学生进行有针对性的教学。

一、研究方法

灰色系统是指混有已知、未知信息的系统。该系统中反映的信息不确切、不全面, 具有灰色性。灰关联分析可有效研究小样本灰变量间相互作用、相互关联的复杂关系, 确定影响事物的主要因素, 使各影响因素间的“灰”关系清晰化。灰关联分析法克服了常用的回归分析方法对数据量要求大, 主观因素比较大等缺点。

关联度是定量描述因素间关联性大小的量度。关联度大, 则在一定程度上说明变量或因素变化的态势基本一致, 反之则说明变化的态势不够一致。

设系统参考数列 (单证实训教学效果) 为X0 (k) ={x0 (1) , x0 (2) , …, x0 (n) }, n为数列的长度指标, 比较数列 (教学影响因素) 为Xi (k0={xi (1) , xi (2) , …, xi (n) }, i=1, 2, …m, k=1, 2, …n。m为比较数列个数。X0 (k) 与Xi (k) 之间的灰色关联度系数计算式为:

其中, ρ为分辨率系数, 选0.5。

将上述关联系数代入式 (1) , 测算各影响因素和特征变量之间的关联度, 得到X0与Xi之间的相对灰关联度:

二、指标选择

据以往教学经验并与其他该课授课教师及修过该课的学生沟通分析后, 论文认为主要有基础理论, 实训教学方法, 学生基本能力和学习态度几方面影响该课教学效果。

由于单证理论课程已完成, 所以基础理论因素采用了该课程的考试成绩。实训教学方法涉及实训教学中采用的各种方法和形式, 如按教学内容将实训分阶段进行;各阶段中先复习理论知识, 再进行实训教学;上机操作;校内实训平台模拟实际操作等, 论文中对不同教学班采用了不同的上机操作形式并分别进行考核, 采用的指标为各不同实训教学方法下的实训考核成绩。学生基本能力方面主要指制单操作中涉及的非制单操作技能, 如打字速度和专业外语水平等, 论文采用打字速度成绩和专业外语考试成绩作为研究指标。学习态度方面如学生是否用心听讲, 复习和出勤情况等方面, 由于听课效果考核不便, 所以论文仅考核了复习和出勤情况, 指标为课外作业成绩和出勤率。

设X0为单证实训期末考核总成绩, X1为理论考核成绩, X2为上机实践相结合训练形式的阶段考核成绩, X3为采用上机实践和结合校内实训平台模拟操作的阶段考核成绩;X4为课外作业成绩, X5为打字速度, X6为出勤率, X7为专业外语成绩。

为对比研究影响因素, 对二个班级采用了不同的实训教学方法, 分别为采用理论和实践相结合训练形式和直接上机操作的形式, 考核指标和成绩分别如表1和表2所示。

三、灰关联度计算

由于原始数据量纲不统一, 需进行无量纲处理, 即将各指标原始数列中各列的值除以总成绩指标中各列的值, 处理后的数据分别代入式 (1) 中进行计算, 将计算结果再代入式 (2) 中进一步计算, 得到上机实践训练形式和上机实践加校内实训平台模拟操作相结合两种教学方法下学生总成绩与各影响因素间的灰关联度分别如表3, 表4所示。

四、灰关联度与教学影响因素分析

从表3可见在上机实践训练形式下, 单证实训期末考核总成绩受各个影响因素影响程度不同, 其灰关联度排序为:X0 (δ2) >X0 (δ7) >X0 (δ4) >X0 (δ6) >X0 (δ1) >X0 (δ5) , 即各影响因素按影响程度由大到小排序为: (1) 实训教学方法; (2) 专业外语; (3) 课外作业情况; (4) 出勤率; (5) 基础理论; (6) 打字能力。

从表4可见上机实践加校内模拟操作实训形式下, 灰关联度排序为:X0 (δ3) >X0 (δ6) >X0 (δ7) >X0 (δ5) >X0 (δ1) >X0 (δ4) , 即各影响因素按影响程度由大到小排序为:1.实训教学方法;2.出勤率;3.专业外语;4.打字能力;5.基础理论;6.课外作业情况。

可见, 不论哪种教学方法, 实践训练都最为重要, 在有校内模拟操作训练时, 出勤率对成绩影响很大, 而课外作业影响最小, 没有校内模拟操作时, 课外作业就显得很重要, 说明校内模拟操作是个很重要的环节, 会直接影响到学生实际工作能力, 若没参加该训练, 就得通过课外作业来理解单证理论和熟悉操作;专业外语水平对制单成绩影响也很大, 它能影响学生对信用证的理解和制单速度;打字能力对制单成绩也有影响, 主要是影响速度;结果显示理论考核成绩影响不大, 但实际上基础理论对制单水平影响应该是很大的, 分析认为这是由于每次实训前都先结合实训内容复习了基础知识, 使得理论考核成绩显得影响不大了, 所以实训前复习基础知识很重要。

五、结论

通过以上研究得到如下结论:

1. 采用灰关联度分析法研究影响“单证实训”课程教学效果的因素是可行的, 并具有较好的效果;

2.“单证实训”是重要的实践教学环节, 对学生熟练掌握单证技能起到重要作用;

3. 在实训平台上进行模拟操作训练有助于提高学生实际动手能力和理解能力, 是较好的训练形式, 在教学中应加以重视;

4. 若没有实训平台模拟条件, 应更加重视课外作业;

5. 专业外语水平对制单能力有很大影响, 要在课前督促学生加强学习, 特别是对信用证内容要非常熟悉;

6. 专业基础知识和打字能力是制单的基本功, 要注意在平时进行积累。

参考文献

[1]叶鹏.灰色系统理论在教育评价中的应用[D].武汉:华中师范大学, 2004, 5:17-191.

[2]邵珠艳, 孔繁之, 魏曼莎.课堂教学效果影响因素的灰色关联分析[J].西北医学教育, 2003, 11 (3) :1901.

新的灰关联分析法 篇5

角色商品化权是著作权人将动漫作品中的形象应用于商品或服务中获取商业利益的专有权利。动漫企业的角色商品化权收益包括动漫形象许可或特许授权其它企业开发玩具、文具、服饰等衍生产品和自行经营与动漫形象相关的衍生产品所获得的收益,也包括利用动漫角色组合经营如动漫乐园获得的收益。由于只有迪斯尼、徐州恐龙园等少数动漫企业利用动漫角色组合从事动漫公园经营,加至此项收益难从公园整体收益中区分并量化。所以,此项收益在本研究中忽略不计。在中国,动漫版权交易价格低,版权收入难以支撑动漫企业的制作、推广成本,动漫角色的商品化权收益是动漫企业获得利润的重要途径之一。

1 研究变量及研究假设

1.1 研究变量、度量指标及研究假设

本文通过文献研究、案例分析和实地调查,确定基本研究变量、度量指标,并提出基本理论假设。

1.1.1 动漫形象资产

企业用于形象授权和衍生产品开发的动漫形象资产的数量及价值大小。包括通过法律途径注册的商标和未注册的动漫形象资产的价值。Kevin G.Rivette和David Kline研究指出,专利、商标等知识资产是最有价值且最为灵活的公司资产,能为企业创造新的收入和丰厚回报[6]。企业收入增长与企业专利、商标注册申请及实施量增加正相关。奥飞动漫公司注册了500多件高水平的文字和图片商标,成套的图片商标既可作为商标使用,又可作为产品进行产业化开发生产。奥飞动漫2010年实现营业收入6.02亿元,毛利率为32.69%;2011年1~3月实现营业收入2.78亿元,同比增长90.13%;其主要经营是卡通形象授权及动漫玩具开发经营。广州恒询网络科技有限公司将原创的本土网络人气卡通“黑黑猪”、“白白猪”等卡通形象进行商标注册,并在毛绒玩具、贴纸、小饰品等产品市场全面展开品牌形象授权。本文用形象资产、商标注册费用作为动漫形象资产的度量指标。由此,提出如下假设:

H1:动画企业形象资产与企业角色商品化权收益正相关。

1.1.2 动漫角色声誉

何英,焦洪涛研究指出,角色商品化权应是作品中塑造的具有独特人格特征、良好公众效应和商业流通价值的角色声誉被用于商品或服务上的具有排他性的使用权与相应的收益权、处分权[1]。谢婕认为“知名度”、“著名”是动漫形象“商品化”的首要特征[2]。被“商品化”的角色大多为公众所知的、享有一定声誉的动漫形象。国际知识产权组织WIPO称角色商品化为“声誉商品化”。商家利用知名动漫的角色商品化权也是想通过知名动漫形象的声誉吸引消费者,提高企业及其产品的知名度从而获取商业利益,而不知名的动漫形象难以获得理想的效果。由此可见,动漫角色的商品化权益取决于其来源动画作品的影响及动画形象的声誉大小。因为动漫作品的刊播实为动画形象的广告宣传,动漫角色声誉与动漫在电视、影院、网络、手机及平面媒体的播映、发行传播的范围、时长、程度相关。本文采用版权收入作为衡量动漫角色声誉的衡量指标,包括电视、网络、手机播出费、影院票房收入、杂志发行销售收入等。由此,可提出如下假设:

H2:动漫角色声誉与动漫企业的角色商品化权收益正相关。

1.1.3 营销管理能力

营销管理能力是动漫企业自建销售渠道及通过特许授权其它厂商生产经营动漫衍生产品、拓展营销网络的能力。包括对销售网络、授权制造商及整个衍生产品价值链的控制、协调和能力和整合营销能力。Bonoma 和Clark揭示了企业营销管理能力与企业利润、销售额的关系[4]。Anderson等认为营销管理能力可提高客户满意度,赢得和保持顾客忠诚,提高企业收入[5]。湖南三辰卡通动画公司自1999年开始投入创作《蓝猫淘气3000问》,随后免费送给1000多家电视台播出,换取广告时间,然后宣传蓝猫品牌的图书、音像、服装、玩具等各种衍生品。与此同时,三辰启动了一个庞大的蓝猫专卖连锁店计划,通过加盟连锁方式,用3~4年时间在中国建立了3000多家主题连锁店,衍生品数量多达6000余种。三辰的产品基本通过OEM方式获得。三辰的资本主要集中在动画片制作、拍摄、专卖店系统设计和管理等高价值领域。但与这种快速扩张的授权方式相伴相生的是衍生产品鱼龙混杂,相邻甚至同一品类的重复形象授权及盗版“蓝猫”的横行,极大地摊薄了被授权商的利润,也造成了混乱无序的市场。在随后的两三年内,近3000家“蓝猫”专卖店陆续关闭,只有少数几家仍在坚持。整个市场上,蓝猫衍生产品销售下降。

具有较高营销管理能力的动漫企业可自行开发或授权相关企业生产开发衍生产品,包括软性产品,如虚拟角色广告代言、手机动漫、网络表情(QQ表情)等,以及硬产品(玩具、文具、服饰等)。广州原创动力公司销售的喜羊羊、暖羊羊玩偶带来可观的收入,通过特许经营等形式,将“喜羊羊”等形象出售也可获得收益。动漫企业的营销管理能力直接关系到动漫衍生产品授权经销网络和自营销售渠道的拓展,并影响动漫角色商品权化转化为商业价值的有效性。动漫形象给本企业和授权厂商带来的衍生产品收入高,被许可或特许的企业数量多,动漫企业的角色商品化权经济收益高。本文将动漫企业和授权企业的衍生产品收益总和作为动漫企业营销管理能力的度量指标。由此,提出如下假设:

H3:企业营销管理能力与动漫企业的角色商品化权收益正相关。

1.1.4 制度环境友好性

对动漫企业而言,其生存的制度环境与企业商品化权收益高度相关。由于商品化权属于知识产权,本文制度环境的内容主要考察知识产权制度完善程度和保护水平。Rapp和Rozek(1990)按各国专利法法律条文与美国商会建议的最低标准的符合程度确定各国知识产权保护等级[7]。但韩玉雄、李祖怀认为,对于司法体系正在完善阶段的转型国家而言,由于立法与司法不能完全同步,采用立法指标所度量出的知识产权保护水平与实际可能并不相符。他们的研究引入“执法力度”、“执法效果”的概念,将法律规定的知识产权保护条款是否得到落实作为知识产权保护水平的度量维度[8]。马虎兆、赵莉晓认为知识产权制度实施效益是知识产权发展水平的重要因素。他们以各地区知识产权侵权案件的执法数量代表地区知识产权保护水平进行研究,知识产权制度执法效果与知识产权制度环境具有正向关系[9]。

中国法律没有明确的商品化权概念。动漫角色的知识产权立法及保护均由《商标法》、《著作权法》及相关判例进行规范。因此,在静态的知识产权法规方面,与国际标准是一致的,并且各区域差异不大。但在执法力度、执法效果方面,各地区具有较大差异。此外,企业自觉利用法律保护行为也对制度环境的友好性有重要推动的作用。因此,文章综合考虑政府和企业行为二方面因素,用企业采取法律手段维护自己的著作权和角色商品化权所投入的资金人力和工商部门查处的盗版、侵权商品量的价值总和作为制度环境友好性的度量指标。本文以工商部门查处的盗版、侵权商品量作为制度环境友好性的度量指标。地方政府重视动漫知识产权的制度保护、执法严密,市场盗版、假冒行为少,则显示制度环境具有友好性。反之,若产品盗版、仿冒流行,有法难依、执法不严,则易对动漫企业的商品化权收益产生负面影响,并给动漫企业造成重大损失。2006年,从大商场、超市、批发市场到小商小贩,各种侵权、盗版“蓝猫”产品泛滥。仅盗版“蓝猫”VCD,假冒署名的出版社就有16家之多。据中国音像协会数据,盗版“蓝猫”VCD占市场的90%以上[3]。其它产品如服装、书包、文具、童鞋、方便面、饮料、糖果食品、复读机等盗版“蓝猫”也很猖獗。盗版使“蓝猫”原创动画碟片、图书的销售受到严重影响,损害了“蓝猫”的信誉度降低了其它企业进行衍生产品的开发销售的积极性,使三辰公司的角色商品化权收益连年走低。相反的成功案例是恒询网络科技公司。2007年该公司发现白白猪竟然印在某商店展示的床品上。于是采取法律手段维护自己的著作权和角色商品化权。此案胜诉后,恒询网络科技公司和床品公司达成协议,授权床品公司使用他们的系列卡通动漫公仔形象。床品公司曾经生产了一批印有白白猪、黑黑猪的毛毯,因为官司打起来了,一直不敢拿出来卖。授权协议达成后,床品公司立即将这批毛毯拿出来销售,销量理想,由此也吸引了其它厂家要求许可经营。由此,提出如下假设:

H4:制度环境友好与动画企业的角色商品化权收益正相关。

2 研究模型和实证研究

2.1 模型构建

综上所述,动漫商品化权收益是动漫企业内外部因素共同作用的结果。由所有研究假设,本文构建动漫角色商品化权收益的影响因素模型(图1)。

2.2 数据收集

本文采用判断抽样方式,选择南京、无锡、苏州、常州、杭州、长沙、广州、深圳、北京等地10家成立5年以上、动漫制作经营进入发展阶段的中小动漫企业2010年数据为依据进行分析。其中,动漫角色声誉、营销管理能力、动画形象资产分别采用各企业年版权收入、衍生产品收入和形象商标注册申请费用计量,制度环境友好性计量指标采用企业保护动漫资产投入和所在城市工商部门提供的已查处相关企业动漫角色盗版、仿冒数量(金额)计量。

续 表

数据来源:实地调研

2.3 灰关联分析及研究结论

以表1中商品化权收入为参考序列,其他各参数为比较数列,利用一般灰色关联度方法 通过灰色系统计算软件得出各影响因素的关联度及关联度的大小排序的相关结果(见表2),分析中考虑了时滞的影响(也就是因素1可能不会当期影响因素2)。为了对分辨系数有一个直观的认识,表2中还列出了分辨系数为0.4和0.3时的计算结果。

根据表2可得出以下实证结论:

(1)无论从时间维度还是参数维度均验证了理论分析的结论,即角色商品化权收入与动漫角色声誉、营销管理能力、动漫形象资产均成显著的正比关系。

(2)通过当期关联分析可知,在评价的4个影响因素中,对当期商品化权收入影响最大的是制度环境友好性,其次是营销管理能力、企业的动漫形象资产及动漫角色声誉。

这反映了即时投入因素中,制度环境友好性对角色商品化收入的影响最大,其次是营销管理能力。从管理学角度分析,原因可能是,政府对市场侵权盗版的打击规范、执法严格,及企业在营销策略、营销渠道等营销管理能力方面的提升也能为企业带来同步的商品化权收入,因此,如果动漫企业要在短期获得收益须注重生存环境的选择,并在营销方面下功夫。

(3)通过时滞关联分析可知,在评价的4个影响因素中,对后期商品化权收入影响最大的是动漫角色声誉,其次是制度环境友好性,营销管理能力以及企业的动漫形象资产。

这反映了4种因素中,动漫角色声誉对角色商品化收入的影响是滞后的,但其后续影响却是最大的,从长远发展角度来看动漫企业需要重点提升该因素。

(4)通过两个维度的灰关联排序结果可知,地方制度环境的友好是制约动漫企业短期和长期发展的关键。因此,一方面建议动漫企业在先期选址和经营上充分关注当地制度环境,另一方面也建议定位发展动漫产业的地方区域,应该优先提升当地知识产权保护意识和执法力度;其次,数据显示,动漫角色声誉的重要程度甚至超过形象资产。由于动漫声誉投入无法立即体现在账面上,动漫企业应该具备长期投入的战略眼光,不仅注重培育动漫资产数量,更要关注提升动漫角色的知名度和声望。

摘要：本文通过文献研究、案例分析和实地调研,提出基于“动漫形象资产——动漫角色声誉——营销管理能力——制度环境友好性”的动漫企业角色商品化权收益的4要素分析模型。本文通过灰关联分析显示:对当期商品化权收入影响最大的是制度环境友好性,其次是营销管理能力、企业的动漫形象资产及动漫角色声誉;对后期商品化权收入影响最大的是动漫角色声誉,其次是制度环境友好性,企业的营销管理能力以及动漫形象资产。

关键词：动漫角色,商品化权,影响因素,灰关联分析

参考文献

[1].何英,焦洪涛.关于角色商品化权法律保护的思考[J].华中理工大学生学报,2005,14(2):31～34

[2].谢婕.商品化权及保护[J].成都大学学报,2005,(4):31～33

[3].黄维.十只“蓝猫”九只假卡通产业陷入盗版困局[EB/OL].http:∥culture.people.com.cn/GB/22226/68486/68498/4979784.html,2006-10-31

[4].Bonoma,Thomas V.Marketing performance assessment[J].Harvard Bussiness Press,Boston,1998

[5].Anderson,Eugene W,Fomell,Claes and Rust,Roland T.Customer satisfaction,productivity and profitability:differences between goods and services[J].Marketing Science,1997,16(2):129～145

[6].R Kevin G.Rivette,David Kline.Discovering New Va-lue in Intellectual Property[J].Harvard Business Review,2006,(7)

[7].Rapp RT,Rozek R P.Benefits and costs of intellectualproperty protection in developing countries[J].Journal of WorldTrade,1990,24:75～102

[8].马虎兆,赵莉晓.区域知识产权发展水平影响因素的实证分析[J].中国科技论坛,2007,(11):29～32

新的灰关联分析法 篇6

随着经济建设的发展, 城市高层建筑越来越多, 而对高层建筑进行火灾风险评估也成为人们日益关心的问题[2]。现在已有文献将灰关联分析用于高层建筑火灾风险评估[3], 但相关报道仍然较为少见, 本文将改进的灰关联分析法用于高层建筑火灾风险评估, 以期获得一种新的尝试。

1 改进的灰色关联度分析法

一般来说, 现实生活中的实际问题其所涉及的因素都比较多, 如果仅采用单层次灰色关联分析, 由于指标权重的归一化, 将使得某些指标的权重相对较小, 从而使这些指标在评价中的作用被忽略, 为了减小误差, 我们可采用多层次灰色关联分析法[4], 本文中主要讨论二次灰色关联分析, 具体步骤如下:

1) 划分系统的评价指标

将评价指标按照系统的性质分成几个子系统, 每个子系统中含有若干个评价因子, 然后按照层次分析法 (AHP) 确定各个评价因子在子系统中的权重及各个子系统在总系统中的权重, 表1给出了高层建筑防火安全评价因子的分类、权重及评价指标标准值[3]。

2) 确定各个子系统中的参考序列和比较序列[5]

将实际情况中的样本数列X0={x0 (k) |k=1, 2, …, n}作为参考数列, 各级标准数列Xi={xi (k) |k=1, 2, …, n, i=1, 2, …, m}作为比较数列, 其中m为标准的等级数。

3) 对参考数列和比较数列作归一化处理

归一化处理即将各数列中的数值转变为[0, 1]之间的数。此处规定, 1级标准 (即最高标准) 中各数值对应的元素为1, m级标准 (即最低标准) 中各数值对应的元素为0, 1～m级之间的标准中各数值对应的元素在 (0, 1) 之间。

对于数值越大, 级数越低的, 可采用下列变换方法:

对于数值越大, 级数越高的, 可采用下列变换方法:

4) 求参考数列和比较数列的关联系数

上述数列X0与Xi的关联系数为:

式中△i (k) =|x0 (k) -xi (k) |称为第k个指标x0与xi的绝对差。

式 (1) 中ρ为分辨系数, 一般取0.5, 但是由于绝对差最大值的存在, 使ζi (k) 的值不仅取决于参考数列x0和比较数列xi, 而且间接地取决于所有其它比较数列xj= (1, 2, …, m, j≠i) , 因此最大值使关联度间接体现了系统的整体性, 而ρ是最大值的系数或权重, 其值的大小在主观上体现了对最大值的重视程度, 在客观上反映了系统的各个因子对关联度的间接影响程度。因此ρ的取值应遵循下述原则: (1) 充分体现关联度的整体性, 即关联度ri不仅与X0、Xi有关, 而且与所有其它因子xj= (1, 2, …, m, j≠i) 有关; (2) 具有抗干扰作用, 即当系统因子的观测序列出现异常值时, 能够抑制、削弱它对关联空间的影响。

确定分辨系数ρ的取值规则如下[6]:记△v为所有差值绝对值的均值

并记ε△=△v/△m a x, (△max=maxmax△i (k) ) , 则ρ的取值为:ε△≤ρ≤2ε△, 且应满足

由此可求出X0与Xi的关联系数, 即。

5) 求各子系统的灰关联度

如果关联系数的相应的权重为ωi (1) , ωi (2) , …, ωi (n) 则

称为此子系统相对于第i个标准等级的关联度。

6) 求系统的灰关联度

由上述4) 可得各个子系统相对于每一个标准等级的关联度, 将这些关联度排列在一起, 若每个子系统相应的权重为β (1) , β (2) , …, β (m) , 则

αi即为系统对第i个标准等级的关联度, {αi}的全体便组成关联序关系, 从中可以确定关联性最大, 隶属程度最高的关联度, 从而确定系统的评价等级。

2 实例分析

表1中列出了各个评价标准等级的指标值, 其评价等级分为5级:V={v1, v2, v3, v4, v5}={最安全, 安全, 较安全, 不安全, 最不安全}, 现有一高层建筑[3], 其实测值如表中所列。

下面运用改进的灰色关联度分析法对该高层建筑进行风险评价。

2.1 划分系统的评价指标

由表1可得, 本系统的评价因子共有22个, 其分为5个子系统。

2.2 确定各个子系统中的参考序列和比较序列并计算得到关联度

2.2.1 安全疏散子系统

本子系统中包括6个评价因子, 其比较数列组成的标准矩阵如下:

被评价建筑中的样本数据组成的参考数列为: (1.8 2 25 0.4 0.6 10)

对数值进行归一化后, 进行关联系数及本子系统相对于各个标准等级的关联度的计算, 可得计算结果如下:

2.2.2 阻燃与防火子系统

本子系统中包括5个评价因子, 其比较数列组成的标准矩阵如下:

被评价建筑中的样本数据组成的参考数列为: (1200 0.9 600 0.7 48)

由关联分析计算得到:

2.2.3 消防施救子系统

本子系统中包括4个评价因子, 其比较数列组成的标准矩阵如下:

被评价建筑中的样本数据组成的参考数列为: (0.8 0.5 0.5 0.3)

由关联分析计算得到:

2.2.4 报警与灭火子系统

本子系统中包括4个评价因子, 其比较数列组成的标准矩阵如下:

被评价建筑中的样本数据组成的参考数列为: (20 0.5 0.5 0.4)

由关联分析计算得到:

2.2.5 管理及其他子系统

本子系统中包括4个评价因子, 其比较数列组成的标准矩阵如下:

被评价建筑中的样本数据组成的参考数列为: (10 0.5 100)

由关联分析计算得到:

2.3 求系统的关联度

由2.2.1～2.2.5我们得到了各个子系统相对于每一个标准等级的关联度, 在此我们将其组成关联矩阵如下:

由表1可得各个子系统在总系统中的权重, 于是可求系统的关联度如下:

由此可知该高层建筑属于第四级, 即火灾评价结果为不安全, 与已知评价结果相同[3]。

3 结论

本文将改进的灰色关联度分析法用于高层建筑火灾风险评价, 可得如下结论:

(1) 灰关联评估方法简单可行, 评估结果较为准确;

(2) 多层次灰关联评估方法对复杂的系统较为适用;

(3) 应对灰关联系数及灰关联度的计算方法加强研究, 以进一步扩大灰关联评估在各种复杂系统中的应用。

参考文献

[1]邓聚龙.灰理论基础.武汉:华中科技大学出版社.2002年.

[2]霍然, 胡源, 李元洲.建筑火灾安全工程导论.合肥:中国科学技术出版社.1999.

[3]卢兆明, 胡宝清, 陆君安, 方正.高层建筑火灾风险灰关联评估.武汉大学学报 (工学版) .2004 (4) :62-66.

[4]朱湖根.灰色关联度多层次分析方法及在水电方案优化中的应用.合肥工业大学学报 (自然科学版) .1991, 14 (4) :27-34

[5]刘万茹, 朱湖根.改进的灰关联分析法在水质评价中的应用.合肥工业大学学报 (自然科学版) .1999 (4) :87-91.

新的灰关联分析法 篇7

1 区域物流需求指标及影响因素

区域物流需求是指一定时期内区域经济活动对生产、流通、消费领域的原材料、半成品、成品、商品以及废旧物等的配置作用而产生的对物在时间、空间和费用方面的要求, 涉及运输、包装、库存、装卸搬运、配送、流通加工及信息处理等物流活动诸方面[1]。度量物流需求的指标体系有:①实物量指标:货运量、货运周转量、库存量、加工量等;②价值量指标:社会物流总成本、物流成本占GDP的比重、社会物流总收入等[2];③从吸纳劳动力方面考虑有指标:物流从业人数及其占总就业人口比例。

此文中, 笔者采用目前业界最常用的指标——全社会货运量来表征物流需求。理由如下:①目前, 我国相关的物流统计工作严重滞后于物流产业发展, 物流统计制度和体系还很不完善, 缺乏全社会物流量的统计数据;②实物量指标中的货运量属于运输活动的结果, 虽然运输需求只是物流需求中的一部分, 不能代表全部物流服务的作业量, 但运输作业是物流过程中一个必不可少的环节, 是物流过程中最基本的活动, 贯穿于整个物流过程, 不论是生产企业的输入、输出物流, 还是流通领域的销售物流, 都必须依靠运输来实现商品的空间转移[3], 运量的多少必然决定着相关物流业量 (如搬运、装卸、包装等) 的多少。③物流活动的核心内容是货物运输和仓储。对大多数企业而言, 运输通常代表物流成本中的最大项, 全国货物运输费用占物流总成本的1/2以上。因此, 全社会货运量作为物流需求的表征量在一定程度上能够真实地反映区域物流发展水平。

影响区域物流需求的因素很多, 主要有:区域地理位置, 区域物流政策和法规, 市场环境变化 (如国际、国内贸易方式的改变, 生产企业、流通企业经营理念的变化及经营方式的改变等) , 技术进步 (如通信、网络技术、电子商务等) , 地区生产总值GDP、第一产业总产值、第二产业总产值、社会消费品零售总额、固定资产投资总额、工业总产值、进出口总额、城镇居民人均收入等经济因素, 铁路、公路和航道里程及对应的网络密度等物流基础设施以及物流服务水平等等。这些因素将对区域物流需求产生刺激或抑制作用。

2 灰关联熵分析法

灰色系统理论是1982年中国学者邓聚龙教授创立的, 是一种研究少数据、贫信息不确定性问题的新方法, 其中灰关联分析是一种对动态灰过程发展态势整体接近性分析的方法, 基本思想是根据统计数列的几何关系或曲线的相似程度来判断因素间的关联程度, 几何形状越接近, 则关联程度越大[4]。由于灰关联分析是采用计算逐点关联测度值平均值的方法得到关联度, 因此就必然带来两个缺点:其一局部点关联倾向, 即在点关联测度值分布离散的情况下由点关联测度值大的点决定总体关联程度的倾向;其二造成信息损失, 平均值淹没了许多点关联测度值的个性, 没有充分利用由点关联测度值提供的丰富信息。鉴于此, 文献[5]提出了能够弥补上述不足的灰关联熵分析法。此分析法能够充分利用个性信息, 实现整体性接近, 更为科学合理。灰关联熵分析法建模步骤如下:

2.1 原始数据无量纲化

由于各数据序列的单位不统一, 在数值上相差较大, 为了保证灰关联度计算的准确性, 应对原始数据进行无量纲化处理。设Yi为原始数据序列, 其在序号k上的观察值为yi (k) , i=0, 1, 2, …, m;k=1, 2, …, n, 则对原始数据序列进行无量纲化:

undefined。

2.2 灰关联系数计算

设X0= (x0 (1) , x0 (2) , …, x0 (n) ) 为参考序列, Xi= (xi (1) , xi (2) , …, xi (n) ) , i=1, 2, …, m为比较序列。记两极最大差undefined, 两极最小差undefined。

则关联系数undefined, 式中, ρ∈ (0, 1) 为分辨系数或称分辨率, 一般取ρ=0.5。为了增加对比分辨能力, ρ值可按以下原则求得。

设Δ为所有差值绝对值的均值, 即undefined, 并记ε=Δ/Δmax, 则ρ的取值为:当Δmax≤3Δ时, ε≤ρ≤1.5ε;当Δmax≤3Δ时, 1.5ε≤ρ≤2ε[6]。

X0与Xi的灰色关联度undefined满足灰色关联四公理, 即规范性、整体性、偶对称性和接近性。

2.3 计算灰关联熵

设灰内涵数列X= (x1, x2, …, xr) , ∀i, xi≥0, 且undefined, 称函数H⨂ (X) =-∑xilnxi为序列X的灰熵, xi为属性信息。

对参考序列和比较序列的关联测度值γ (x0 (k) , xi (k) ) 进行映射处理, 其灰关联系数分布映射值undefined, 其中pi (k) ≥0且undefined。

由灰熵的定义可得, 以pi (k) 为属性信息的灰关联熵undefined。

2.4 确定熵关联度

灰熵在各属性值相等时获得最大值, 且与序列X的属性值xi无关, 只与属性元素的个数有关, 则灰熵的最大值为Hm=lnn。定义序列Xi的熵关联度E (Xi) =Hi/Hm, i=1, 2, …, m, 熵关联度越大, 对应的比较列与X0关联越大。

确定灰关联序的排序准则:比较列的灰关联熵和熵关联度越大, 表明比较列与参考列的灰关联系数分布映射越均衡, 即比较列的灰关联系数差异度越小, 与参考列的吻合度越高, 则该比较列与参考列的关联性越大, 对参考列的影响程度越大, 所对应的影响因素排序顺序越靠前。

3 实证分析

以广西北部湾经济区物流需求影响因素的灰关联分析为例。 广西北部湾经济区是指由广西区南宁、北海、钦州、防城港市所辖的行政区域为主组成的经济区, 同时还包括崇左、玉林两市的交通、物流体系。以全社会货运量 (万吨) 逐年原始数据序列为参考序列X0, 根据模型的可操作性、统计数据的可得性、指标的典型性原则, 选取地区生产总值 (亿元) X1、第一产业总产值 (亿元) X2、第二产业总产值 (亿元) X3、社会消费品零售总额 (亿元) X4、固定资产投资总额 (亿元) X5、工业总产值 (亿元) X6、公路里程 (千米) X7的逐年原始数据序列作为比较序列Xi, 相关数据见表1。

按照灰关联熵分析法步骤, 计算得到广西北部湾经济区物流需求影响因素的灰关联熵Hi和熵关联度E (Xi) , 如表2所示。

注:数据来源于《广西统计年鉴》、《中国城市统计年鉴》 (1998-2007年)

由表2可得, 对该经济区物流需求的影响因素排序如下:第一产业生产总值>地区生产总值>社会消费品零售总额>公路里程>第二产业生产总值>工业总产值>固定资产投资总额。

4 结论与建议

从计算结果可知, 除固定资产投资总额以外, 其他6个影响因素的熵关联度均比较大, 尤其是第一产业生产总值、地区生产总值以及社会消费品零售总额, 表明这些因素与广西北部湾经济区物流需求有比较大的关联性。现根据熵关联度排序结果, 逐一分析它们对广西北部湾经济区物流需求的影响。

(1) 熵关联度最大的是第一产业生产总值, 其次是地区生产总值。地区生产总值反映了广西北部湾经济区经济发展总体状况, 与货运量有较强的关联性, 说明该区域经济与物流发展的互动性较强。一般来说, 该区域的经济越发达, 则引诱的物流需求越大, 反之, 则越小。第一产业生产总值对物流需求的影响最显著, 这与长期以来广西区农业经济占主导的发展现状是分不开的。要想使得农业经济持续地拉动更大的物流需求, 一方面需要大力发展农业, 尤其是现代农业, 进一步做好农林牧渔业的可持续发展;另一方面需要为农民的增收创造更好的条件, 为农副产品的流通提供更好的服务。

(2) 社会消费品零售总额排名第三, 说明社会消费对广西北部湾经济区的物流需求影响比较大。社会消费品零售总额体现了居民的实际消费能力, 可以客观地反映物流服务的需求状况和需求规模。一般讲, 社会消费量越大, 物流活动越频繁, 物流需求越大。社会消费品零售总额排名比较靠前, 这说明广西北部湾经济区在消费和流通领域中的物流服务社会化程度比较高。对广西北部湾经济区而言, 增大居民实际消费能力, 产生更多的物流需求, 需要把握几点:一是引导居民改变传统的消费观念, 拓展消费渠道, 如网上消费;二是发挥区位优势, 加强与西南各省市和东盟各国的交流与合作, 扩大消费市场;三是加快城市化进程, 产生更多的购买力。

(3) 公路里程排名居中, 与物流需求的相关性一般。公路里程反映了一个地区物流发展的基础设施水平。前几年, 广西交通发展落后, 严重制约了商品、资源的有效配置, 影响了物流业的发展。从2004年开始, 广西陆续进行沿海基础设施一期、二期大会战, 公路、铁路、港口、机场一体化的交通体系粗具规模, 基础设施明显改善, 为发展物流业奠定了坚实的基础。今后要加大南北钦防四市的资源整合力度, 建立长效的共建共享合作机制, 实现交通等基础设施效用最大化, 促进物流业发展。

(4) 第二产业生产总值和工业总产值排名比较靠后, 说明工业、建筑业的发展与物流需求的关联性相对比较低。目前, 广西北部湾经济区还属于欠发达地区, 工业化进程缓慢, 物流发展滞后, 工业与物流不能有效地同步发展。要想使工业产生更多的物流需求, 需做好两点:一是加大招商引资力度, 完善工业发展的配套设施, 加速工业化进程;二是提高物流的规模化、社会化发展程度, 积极培育大型物流集团, 加快第三方物流发展。

(5) 固定资产投资总额对货运量的影响最小。这是由于前几年广西北部湾经济区经济发展水平较低, 社会固定资产投资总额比重较小, 投资额转化成下一期的现实生产能力非常有限, 产成品的减少必然影响货运量。完善投资渠道, 长中短投资相结合, 提高投资的产出率是发展广西北部湾经济区物流业的战略重点。

摘要：灰关联熵分析法是对传统灰关联分析的一种优化, 可以对影响区域物流需求的若干因素进行更为合理的排序。本文以全社会货运量来表征物流需求, 根据熵关联度对影响物流需求的7个因素进行排序, 分析各个因素对广西北部湾经济区物流需求的影响并提出相关建议。

关键词：物流,灰关联熵,广西北部湾经济区

参考文献

[1]杨浩.区域经济和区域物流需求的预测研究[D].北京:对外经济贸易大学, 2005.

[2]陈森, 周峰.基于灰色系统理论的物流需求预测模型[J].统计与决策, 2006 (2) :59-60.

[3]李玉民.物流发展影响因子的灰关联熵分析[J].公路交通科技, 2005, 22 (2) :142-145.

[4]邓聚龙.灰色系统理论教程[M].武汉:华中理工大学出版社, 1990:33-84.

[5]张岐山, 郭喜江, 邓聚龙.灰关联熵分析方法[J].系统工程理论与实践, 1996 (8) :7-11.