數(shù)學(xué)建模 后勤集團(tuán)運營績效分析論文

1、題 目 后勤集團(tuán)運營績效分析 組 長 組 員 組 員 組 員 組 員 組 員 數(shù)學(xué)建模后勤問題摘 要本小組針對后勤集團(tuán)的運營績效進(jìn)行分析。我們通過題目中的經(jīng)濟效益指標(biāo)、發(fā)展能力指標(biāo)、內(nèi)部運營指標(biāo)以及客戶滿意度指標(biāo)，分別對每一個指標(biāo)進(jìn)行主因子分析，對其走勢進(jìn)行了預(yù)測。建立回歸模型，得到客戶滿意指標(biāo)與其余三個指標(biāo)的關(guān)系。小組采用主成分分析法以及回歸分析法綜合得到得分與時間的關(guān)系式，并畫出擬合圖，預(yù)計未來的發(fā)展情況。同時，我們將客戶們愿意在后勤消費的人員比例與客戶滿意指標(biāo)一起進(jìn)行數(shù)據(jù)處理分析。在此基礎(chǔ)上，運用回歸分析方法得到客戶滿意指標(biāo)與經(jīng)濟效益指標(biāo)、發(fā)展?jié)摿χ笜?biāo)以及內(nèi)部運營指標(biāo)之間的動態(tài)關(guān)系以及相

2、應(yīng)的擬合圖。模型建立后綜合分析指標(biāo)的走勢，推測該集團(tuán)可能進(jìn)行的金融，管理等方面的改革，以及下一步的改革方案，并提出建議。關(guān)鍵字：主成分分析法 回歸分析法 數(shù)據(jù)分析 MATLAB一、 問題敘述高校后勤集團(tuán)是教育體制改革的產(chǎn)物。在經(jīng)濟上是自負(fù)盈虧的，獨立核算。某高校后勤集團(tuán)為了研究公司運營績效走勢，詳細(xì)調(diào)查了2000到2009年的包括經(jīng)濟效益指標(biāo).發(fā)展能力指標(biāo).內(nèi)部運營指標(biāo)以及客戶滿意度指標(biāo)的四個運營指標(biāo)。且每個指標(biāo)還有分指標(biāo)。根據(jù)所調(diào)查的數(shù)據(jù)分析建立數(shù)學(xué)模型回答以下問題：一. 通過分別對后勤集團(tuán)的經(jīng)濟效益.發(fā)展?jié)摿σ约皟?nèi)部運營作綜合分析。找出這些指標(biāo)表現(xiàn)優(yōu)劣的年份以及未來三年走勢。二. 綜合分析

3、客戶滿意指標(biāo)，闡述客戶滿意指標(biāo)的走勢。三. 分析客戶滿意指標(biāo)與經(jīng)濟效益指標(biāo)、發(fā)展?jié)摿χ笜?biāo)以及內(nèi)部運營指標(biāo)之間的動態(tài)關(guān)系。研究既要顧客滿意，又要追求經(jīng)濟效益的政策措施，最后提供1000字左右的政策與建議。二、 模型假設(shè)1、所給數(shù)據(jù)真實可靠，允許出現(xiàn)一定的隨機誤差。2、數(shù)據(jù)的變化可能會受社會環(huán)境的影響，譬如：2003年的SARS在我國的大面積流行，會對該高校后勤集團(tuán)的發(fā)展產(chǎn)生一定的影響。3、假設(shè)表中數(shù)據(jù)具有一定的時效性，且在短時間內(nèi)不會出現(xiàn)過大的波動（例如出現(xiàn)金融等一切突發(fā)原因）。4、在未來三年，社會政策和環(huán)境無巨大變動。否則，預(yù)測可能無效。 三、 符號說明四、 模型分析市場經(jīng)濟條件下，競爭不斷加

4、劇，創(chuàng)新步伐更加迅速，使高校后勤進(jìn)行企業(yè)化管理進(jìn)一步社會化，成為真正自主經(jīng)營、自負(fù)盈虧、自我發(fā)展、自我約束的法人實體。高校后勤企業(yè)化不僅是提高高校后勤企業(yè)競爭力的關(guān)鍵，也是高校取得良性發(fā)展的重要手段。所以研究高校后勤集團(tuán)的運營績效走勢，是有價值有意義的。針對問題一：公司運營的各項指標(biāo)不是某一個細(xì)化指標(biāo)所能確定的。首先，我們分別對該后勤集團(tuán)的經(jīng)濟效益、發(fā)展?jié)摿σ约皟?nèi)部運營指標(biāo)運用了樣本主成分分析方法和數(shù)據(jù)處理，通過主成分分析法確定指標(biāo)的主成分元素，求出主成分的得分以及指標(biāo)的綜合得分，運用回歸分析法得到綜合得分與時間的關(guān)系式，做出了各指標(biāo)與年份的關(guān)系分布圖，找出各自表現(xiàn)優(yōu)劣的年份及對未來三年的走勢

5、做出了預(yù)測。針對問題二：為了研究客戶滿意指標(biāo)的走勢，我們將客戶們愿意在后勤消費的人員比例與客戶滿意指標(biāo)一起進(jìn)行數(shù)據(jù)處理分析。原因是若有人愿意去后勤消費，他們對后勤服務(wù)的態(tài)度取決于他們在后勤消費次數(shù)的多少決定。所以消費者（學(xué)生、教工）滿意度和愿意到后勤消費的比例兩個具有相同性質(zhì)的概念，我們可以對兩個表格進(jìn)行合并，同樣利用主成分分析法進(jìn)行建立模型并求解。針對問題三：在問題一和問題二的基礎(chǔ)上，我們回歸分析法得到客戶滿意指標(biāo)與經(jīng)濟效益指標(biāo)、發(fā)展?jié)摿χ笜?biāo)以及內(nèi)部運營指標(biāo)之間的動態(tài)關(guān)系以及相應(yīng)的擬合圖。我們預(yù)測了未來三年的時間里，后勤公司的走勢和最近十年里的優(yōu)劣年份。此模型可用于公司里的某些檢測，這樣可以

6、很大程度的減少人為因素，給公司帶來不良的影響，從而促進(jìn)公司的發(fā)展。最后根據(jù)分析結(jié)果我們提供1000字左右的政策與建議。五、 模型建立與求解5.1后勤集團(tuán)各指標(biāo)優(yōu)劣年份及未來三年走勢分析5.1.1經(jīng)濟效益指標(biāo)的優(yōu)劣年份分析為了保證每組數(shù)據(jù)都具有一定的價值，在進(jìn)行數(shù)據(jù)主成分分析之前，我們把數(shù)據(jù)人均收入單位與前面的單位統(tǒng)一都以萬元為單位。整理后的數(shù)據(jù)如附錄7.1表1。以2000年為基準(zhǔn)年，記為0，2001年為1，以此類推。后續(xù)指標(biāo)與時間的表達(dá)關(guān)系以及圖形均采用此方法處理。對A進(jìn)行標(biāo)準(zhǔn)化得到A1用MATLAB函數(shù)求得A1的協(xié)方差矩陣為：用Matlab內(nèi)部函數(shù)corrcoef求出相關(guān)矩陣為：再用eig函

7、數(shù)求得的特征值和特征向量（見附錄7.2），排序整理列出數(shù)表5.1：表5.1 的特征值和特征向量特征值特征向量4.88640.4448 0.4466 0.4436 0.4499 0.45110.05550.7118 -0.2826 -0.6273 0.0764 0.11860.04160.3163 -0.6830 0.6299 -0.1730 -0.08260.01260.1552 0.2664 0.0291 -0.8578 0.41010.0040-0.4139 -0.4280 -0.1099 0.1611 0.7794第 i 個主成分的貢獻(xiàn)率：的特征值及貢獻(xiàn)率表（如下表5.2）：表5.2 的

8、特征值及貢獻(xiàn)率特征值貢獻(xiàn)率累計貢獻(xiàn)率4.88640.977280.977280.05550.01110.988380.04160.008320.99670.01260.002520.99920.00400.00081一般取累計貢獻(xiàn)率達(dá)85-95的特征值1，2，m所對應(yīng)的第一，第二，第m（mp)個主成分?？梢姡恍枞〉谝粋€作為主成分即可表示經(jīng)濟效益的指標(biāo)。則樣本主成分為：（5-1）綜上分析可得到經(jīng)濟效益指標(biāo)表示為： （5-2） 將各年的代入（5-1）式和（5-2）式得到第一主成分得分和綜合得分列表如下：表5.3 綜合得分表與年份的關(guān)系表年份第一主成分得分(y11)綜合得分(Y1)2000-2.9

9、1294-2.912942001-2.85818-2.858182002-2.26691-2.266912003-0.92646-0.926462004-0.2531-0.253120050.5569750.55697520061.0631371.06313720071.9832821.98328220082.5547342.55473420093.0594643.059464進(jìn)而畫出Y1與時間的散點圖，如下圖所示圖5.1 Y1與時間的散點圖由圖形可知，Y1與時間呈線性關(guān)系，設(shè)回歸方程為：.回歸分析結(jié)果：表5.4 回歸分析表回歸系數(shù)回歸系數(shù)的估計值回歸系數(shù)的置信區(qū)間-3.2638-3.6283

10、 -2.89930.72530.6570 0.7936=0.9868 F=600.1300 p<0.0000 = 0.0723 大于0.95，說明此模型具有較好的可信度。得到 畫出擬合圖如下圖所示：圖5.2 Y1的擬合圖通過分析擬合圖可知，2000年的經(jīng)濟效益最差，2009年最優(yōu)，未來三年的經(jīng)濟效益呈線性增長。5.1.2后勤集團(tuán)發(fā)展能力的優(yōu)劣年份及未來三年走勢分析研究數(shù)據(jù)時，為避免出現(xiàn)大數(shù)吃小數(shù)或其他原因引起數(shù)據(jù)誤差，我們利用MATLAB進(jìn)行數(shù)據(jù)的標(biāo)準(zhǔn)化處理， 在模型建立與求解的過程中，方法類似5.1的處理。過程與上一解答過程相同,具體程序解答見附錄7.2。先求樣本協(xié)方差矩陣；用Matl

11、ab內(nèi)部函數(shù)corrcoef求出；樣本相關(guān)矩陣 的特征之和特征向量見下表：表5.5 矩陣的特征值和特征向量表：特征值特征向量3.028660.56874 0.27116 0.55336 0.544790.89292-0.03857 -0.93216 0.20536 0.295650.05402-0.29245 0.02355 0.80171 -0.520750.024410.76780 -0.23872 -0.09422 -0.58704表5.6 的特征值及貢獻(xiàn)率：特征值貢獻(xiàn)率累計貢獻(xiàn)率3.028660.757160.757160.892920.223230.980390.054020.013

12、500.993900.024410.006101我們用同樣的方法得到發(fā)展能力指標(biāo)的兩個主成分?jǐn)?shù)學(xué)模型為：于是我們便得到了發(fā)展能力指標(biāo)的模型：由已知數(shù)據(jù)和公式，我們算得：表5.7 主成分和綜合得分表年份第一主成分得分(y21)第二主成分得分(y22)綜合得分(Y2)2000-2.962420.175008-2.248042462001-2.822890.265505-2.119679942002-1.219050.42239-0.8453017720030.346689-1.92137-0.1697363720040.139868-0.31630.0360004720051.037917-1.2

13、93740.50700973220060.909810.2740290.76504606620071.6250270.3542851.33568519420081.4228940.9516281.31558875920091.5221561.0885681.423430323畫出擬合圖圖5.3 Y2與時間的散點圖設(shè)回歸方程為：.回歸結(jié)果：表5.8 回歸分析表回歸系數(shù)回歸系數(shù)的估計值回歸系數(shù)的置信區(qū)間-2.4439 -2.8685 -2.0194 0.8071 0.5874 1.0268-0.0417-0.0652 -0.0182=0.9781 F=156.3931 p<0.0000 =0

14、.0521 大于0.95，說明此模型具有較好的可信度。得到 圖5.4 Y2的擬合圖由擬合圖可知，2000年后勤集團(tuán)的發(fā)展?jié)摿ψ畹停?009的發(fā)展?jié)摿ψ罡?，?jù)此我們預(yù)測2010年發(fā)展?jié)摿_(dá)到最大值，之后逐年下降。5.1.3后勤集團(tuán)內(nèi)部運營的優(yōu)劣年份及未來三年走勢分析同樣為了使數(shù)據(jù)可靠，我們先對后勤集團(tuán)內(nèi)部運營情況的指標(biāo)作標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化矩陣C1,樣本協(xié)方差矩陣 ；樣本相關(guān)矩陣；（具體程序解答見附錄7.2）表5.9 矩陣的特征值和特征向量表：特征值特征向量3.442070.47917 0.53232 -0.52542 0.459300.46369-0.65184 -0.05382 0.01

15、216 0.756350.06865-0.29748 -0.34148 -0.85065 -0.267000.02559-0.50695 0.77274 -0.01311 -0.38171表5.10 的特征值及貢獻(xiàn)率：特征值貢獻(xiàn)率累計貢獻(xiàn)率3.442070.860520.860520.463690.115920.976440.068650.017160.993600.025590.006401同上方法內(nèi)部運營指標(biāo)的主成分的模型為：運營情況指標(biāo)的模型：由相關(guān)數(shù)據(jù)，我們算得：表5.11 主成分以及綜合得分年份第一主成分得分(y31)第二主成分得分(y32)綜合得分(Y3)2000-2.58243-

16、0.49991-2.335199382001-2.25617-0.3211-2.026441542002-1.96042-0.42493-1.778130812003-1.014330.690156-0.811979372004-0.319471.382477-0.1174200920050.8986-0.111710.77865908620061.3318520.5391781.23774796620071.79696-0.943461.47162487520081.991913-0.227961.72837654220092.113492-0.082741.852762724回歸結(jié)果：表5

17、.12 回歸分析結(jié)果回歸系數(shù)回歸系數(shù)的估計值回歸系數(shù)的置信區(qū)間-2.3863 -2.7593 -2.0134 0.1917 -0.1880 0.57140.1428 0.0414 0.2442-0.0126-0.0200 -0.0052=0.9930 F=283.0373 p< 0.0000 = 0.0282 大于0.95，說明此模型具有較好的可信度。得到 圖5.4 Y3的擬合圖由擬合圖可知，2000年的運營情況最差，2009年的運營情況最好，預(yù)測在未來三年里，運營情況逐年下降。5.2 綜合分析客戶滿意指標(biāo)，闡述客戶滿意指標(biāo)的走勢。若顧客去后勤消費意愿程度，決定了他們在后勤消費次數(shù)的多少

18、。后勤消費的比例與客戶滿意指標(biāo)是同性質(zhì)的數(shù)據(jù)，所以我們可以主要分析“客戶們愿意在后勤消費的人員比例”的數(shù)據(jù)或?qū)⑺c“客戶滿意指標(biāo)”一起進(jìn)行數(shù)據(jù)處理分析。同樣利用主成分分析法進(jìn)行求解此處將二者合并一起做分析，得到矩陣F，將F標(biāo)準(zhǔn)化后得到F1其樣本協(xié)方差為：S4 ；樣本相關(guān)矩陣為：R4。（具體程序解答見附錄7.2）表5.13特征值與特征向量特征值特征向量7.83081-0.35073-0.344370.331640.330680.35297-0.32735-0.319700.345590.292700.65024-0.10198-0.26462-0.007130.353510.12386-0.32

19、2420.52412-0.11919-0.621570.23739-0.245110.076760.65868-0.372860.053940.33709-0.075930.14235-0.467520.138960.19085-0.274170.48090-0.144250.11422-0.005350.35295-0.561220.428620.11251-0.13941-0.27624-0.129350.477370.102830.76759-0.11254-0.21658-0.017580.02807-0.526410.43456-0.24148-0.168990.589060.007

20、440.17471-0.237700.114450.002030.58555-0.20711-0.15140-0.225100.681980.08006-0.116770.16349-0.169620.000000.106610.191660.105050.161200.04320-0.26955-0.63088-0.60507-0.276120.00000-0.34540-0.62092-0.34034-0.52226-0.13994-0.08320-0.19473-0.18676-0.08523表5.14 特征值及貢獻(xiàn)率特征值貢獻(xiàn)率累計貢獻(xiàn)率7.830810.870090.870090.6

21、502370.072250.942340.2373860.026380.968710.138960.015440.984150.1125090.012500.996660.0280680.003120.999770.0020280.000231.000005.07E-160.000001.00000-1.4E-170.000001.00000取前三項表5.15 主成分與綜合得分年份第一主成分得分第二主成分得分第三主成分得分綜合得分2000-3.34338-0.915610.696986-2.324542001-2.73517-1.176710.083387-2.431142002-2.7964

22、50.208317-0.834-3.32992003-2.442240.865791-0.26973-2.380222004-0.57770.845652-0.01706-0.4461920050.703260.4811820.0101170.70522120060.9328110.3838990.1989871.09911320072.6464240.7308580.6494143.12910420083.289584-0.399490.1147713.07056920094.322866-1.0239-0.632873.1803 圖5.5 Y4與時間的散點圖設(shè)回歸方程為：.回歸結(jié)果：表5.

23、16 回歸分析結(jié)果回歸系數(shù)回歸系數(shù)的估計值回歸系數(shù)的置信區(qū)間 -2.1954-3.3086 -1.0822 -1.2549 -2.3881 -0.12170.5433 0.2406 0.8460-0.0376-0.0597 -0.0155=0.9746 F= 76.6694 p< 0.0000 = 0.2513 大于0.95，說明此模型具有較好的可信度。圖5.6 Y4與時間的擬合圖由擬合圖可知，顧客的滿意度2002年最差，2009年最好，預(yù)測在未來三年里滿意度逐年降低。5.3分析后勤公司運行指標(biāo)之間的動態(tài)關(guān)系和提供1000字左右的政策與建議5.3.1公司運行指標(biāo)之間的動態(tài)關(guān)系圖5.7 Y

24、4與Y1、Y2、Y3的散點圖可知Y4與Y1,Y2,Y3都有很好的線性關(guān)系，可以采用線性回歸設(shè)回歸方程為：.回歸結(jié)果：表5.17 回歸分析結(jié)果回歸系數(shù)回歸系數(shù)的估計值回歸系數(shù)的置信區(qū)間0.0272-0.4326 0.48701.2692-0.1630 2.7015-1.6319 -3.0813 -0.18251.1118-0.8902 3.1139=0.9643 F=53.9828 p<0.0001 = 0.3531大于0.95，說明此模型具有較好的可信度。圖5.7 Y4與時間的擬合圖我們已經(jīng)對經(jīng)濟效益指標(biāo)、發(fā)展能力指標(biāo)、內(nèi)部運營指標(biāo)和客戶滿意度的優(yōu)劣及未來三年有了詳細(xì)的分析和了解。在此，

25、我們主要分析這些準(zhǔn)則層的指標(biāo)存在的內(nèi)在聯(lián)系，提出下列建議。5.3.2政策與建議：在高校迅猛發(fā)展的今天，考慮為了滿足越來越多的需求，高校后勤服務(wù)的規(guī)模在不斷地擴大，后勤體制改革力度相應(yīng)的也在不斷地加大力度?？紤]把后勤建制從學(xué)校行政系統(tǒng)中分離出來，組建后勤服務(wù)集團(tuán)公司變得勢在必行。這樣就可以實現(xiàn)后勤服務(wù)自主經(jīng)營、獨立核算、自負(fù)盈虧。并且包括如何建立和完善與市場經(jīng)濟相適應(yīng)的現(xiàn)代企業(yè)制度這個最終目的。在目前的關(guān)于績效審計實踐的了解中，發(fā)現(xiàn)尚缺乏客觀評價績效狀況的依據(jù)和方法。根據(jù)高校后勤集團(tuán)的實際執(zhí)行，針對性的建立一套較完整可行的績效審計評價指標(biāo)體系，同時對保證績效審計的質(zhì)量是很有必要的。1、實現(xiàn)逐步向

26、股份制經(jīng)濟實體的過渡校園后勤部門的發(fā)展壯大，單單靠自身的資金積累是遠(yuǎn)遠(yuǎn)不夠的。必須走股份制的道路，以此來快速增強自身的實力。后勤集團(tuán)及時調(diào)整經(jīng)營策略，按照股份制企業(yè)的要求，建立股東會、董事會、監(jiān)事會和經(jīng)理層，更好的為集團(tuán)的共同目標(biāo)各司其職，同時也是相互制衡，最后的目的都是建立科學(xué)民主的管理體制。從而由單一的服務(wù)型單位轉(zhuǎn)變成股制經(jīng)濟實體。2、合理建立科學(xué)的管理制度實行定編定崗、競爭上崗、目標(biāo)明確、任務(wù)明確、嚴(yán)格考核、獎優(yōu)罰劣，實行崗位工資、效益工資、記件工資等一系列有效的工資制度，打破平均主義工資制。同時充分調(diào)動廣大員工的積極性，發(fā)掘服務(wù)部門內(nèi)部的最大潛力，提高服務(wù)質(zhì)量，使集團(tuán)的各項工作能夠高效

27、有序地開展。另外一些具體的建議，例如：建立規(guī)章對大、中、小類物資統(tǒng)一采購；明確采購原則、采購方法；在原總務(wù)的基礎(chǔ)上建立詳細(xì)的出入庫賬目；還有要求各部門每月上報采購計劃，配合中心進(jìn)行集中采購等等。并在同時要求各部崗位職責(zé)、管理制度到位，節(jié)約開支、杜絕浪費。3、加強工會活動和員工的培訓(xùn)力度加強工會活動和員工的培訓(xùn)力度，這樣可以讓職工們增進(jìn)彼此的了解，加深友誼，有利于工作中的互助。集團(tuán)工會還可以組織收集娛樂性和趣味性結(jié)合性比較好的的各種活動，內(nèi)容可以廣泛，可以有棋類、球類諸如此類的活動等，最大限度的調(diào)動職工的能動性，增家職工內(nèi)部的凝聚力。同時也要培訓(xùn)職工對黨的路線、方針和政策及時的理解，使職工明確自

28、己的職責(zé)范圍，落實行為規(guī)范。4、加強后勤職工的整體服務(wù)意識學(xué)校后勤工作的整體服務(wù)是體現(xiàn)在到每一個被服務(wù)者的身上的。服務(wù)質(zhì)量的評定是經(jīng)過多次服務(wù)后而給出的，由各個不同內(nèi)容的具體服務(wù)所組成。如果我們對每一對象提供服務(wù)的總和為一產(chǎn)品，則每次服務(wù)的個體效益就是這個產(chǎn)品的組成部分。這種整體效應(yīng)要求每個職工必須增強整體服務(wù)意識，以整體利益為重，顧全大局。而要求職工增強整體服務(wù)意識就必須要職工不斷樹立信心和自我加壓，在工作中做到主動、熱情、耐心、周到。這其實應(yīng)該是服務(wù)中最基本的要求。六、 模型的評價和改進(jìn)6.1模型的評價優(yōu)點：次模型的求解過程不算復(fù)雜，使用者可以思路清晰的對每一步進(jìn)行理解和掌握，有利于模型使

29、用的推廣，使用工具也是常見的軟件，為使用該模型進(jìn)一步提供了方便。評定結(jié)果比較客觀，有利于公平公正原則。缺點：在問題三的解答過程中，置信區(qū)間包含零點，使得擬合出的函數(shù)不夠精確，結(jié)果難免出現(xiàn)偏差，模型在某些計算上還需要加強改進(jìn)。6.2 模型的改進(jìn)在問題三的解答過程中采用多元非線性回歸，綜合考慮了各項指標(biāo)，期望提高模型的準(zhǔn)確度。七、 附錄7.1表格數(shù)據(jù)：表1 經(jīng)濟效益指標(biāo)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）200017320006600200117800008160200219002867717111602003337264919910518000200

30、4421380228312124000200567281026298140312002006800411922522003360020079767133342622037200200810800138548225042000200911780142953128045600表2 發(fā)展能力指標(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20008.42.402420019.12.702620023.76.330%2820032.643.730%3120044.32030%3220056.237.437%3420065.915.941%3620077.418.153%3820

31、086.59.651%3920096.88.351%40表3 內(nèi)部運營指標(biāo)年份總資產(chǎn)周轉(zhuǎn)率（）人均產(chǎn)值（元）正式員工占總員工比例（）人均服務(wù)人數(shù)（人）200017.732253 59.615.3200118.232423 56.815.89200218.027941 45.015.59200317.248794 43.617.96200417.158439 40.619.56200524.477870 33.118.74200623.289426 31.319.87200728.395288 25.618.26200826.1103746 24.319.18200925.4110093 22.

32、819.3表4 客戶滿意指標(biāo)（消費者）消費者（學(xué)生、教工）滿意度調(diào)查（對后勤服務(wù)滿意程度評價）年份很不滿意不滿意基本滿意滿意非常滿意20001846297020011944289020021942251402003173827171200414323121220051330351932006113133223200782737244200892338264200972436285愿意到后勤消費的比例（每月到食堂就餐次數(shù)，按一日三餐計算）年份40天以下4059天6079天80天以上2000143335182001133137192002113536182003123635172004113338

33、18200593239202006102942192007827461920089244522200982147247.2編輯程序：1、%houqin1.m%原數(shù)據(jù)標(biāo)準(zhǔn)化、協(xié)方差矩陣、相關(guān)系數(shù)矩陣、特征值、特征向量%A:經(jīng)濟效益指標(biāo)數(shù)據(jù)%B:發(fā)展能力指標(biāo)數(shù)據(jù)%C:內(nèi)部運營指標(biāo)數(shù)據(jù)%D:客戶滿意指標(biāo)（消費者）數(shù)據(jù)%E:愿意到后勤消費的比例（每月到食堂就餐次數(shù)，按一日三餐計算）數(shù)據(jù)A=1732 0 0 0 0.661780 0 0 0 0.8161900 286 77 17 1.1163372 649 199 105 1.84213 802 283 121 2.46728 1026 298 140

34、 3.128004 1192 252 200 3.369767 1333 426 220 3.7210800 1385 482 250 4.211780 1429 531 280 4.56; B=-0.084 0.024 0 0.24-0.091 0.027 0 0.26-0.037 0.063 0.3 0.280.026 0.437 0.3 0.310.043 0.2 0.3 0.320.062 0.374 0.37 0.340.059 0.159 0.41 0.360.074 0.181 0.53 0.380.065 0.096 0.51 0.390.068 0.083 0.51 0.4;

35、 C=0.177 32253 0.596 15.30.182 32423 0.568 15.890.18 27941 0.45 15.590.172 48794 0.436 17.960.171 58439 0.406 19.560.244 77870 0.331 18.740.232 89426 0.313 19.870.283 95288 0.256 18.260.261 103746 0.243 19.180.254 110093 0.228 19.3; D=0.18 0.46 0.29 0.07 00.19 0.44 0.28 0.09 00.19 0.42 0.25 0.14 00.

36、17 0.38 0.27 0.17 0.010.14 0.32 0.31 0.21 0.020.13 0.3 0.35 0.19 0.030.11 0.31 0.33 0.22 0.030.08 0.27 0.37 0.24 0.040.09 0.23 0.38 0.26 0.040.07 0.24 0.36 0.28 0.05; E=0.14 0.33 0.35 0.180.13 0.31 0.37 0.190.11 0.35 0.36 0.180.12 0.36 0.35 0.170.11 0.33 0.38 0.180.09 0.32 0.39 0.20.1 0.29 0.42 0.19

37、0.08 0.27 0.46 0.190.09 0.24 0.45 0.220.08 0.21 0.47 0.24;F=D,E;A1=zscore(A);S1=cov(A1);R1=corrcoef(A1);V1,D1=eig(R1); B1=zscore(B);S2=cov(B1);R2=corrcoef(B1);V2,D2=eig(R2); C1=zscore(C);S3=cov(C1);R3=corrcoef(C1);V3,D3=eig(R3); F1=zscore(F);S4=cov(F1);R4=corrcoef(F1);V4,D4=eig(R4);2.%houqin2.m%Y1與y

38、ear的回歸分析Y1=-2.912944517 -2.858179276 -2.266914897 -0.926456319.-0.253096981 0.556974628 1.063137371 1.983282325 2.554733569.3.059464097;Y2=-2.248042464 -2.11967994 -0.845301767 -0.169736371 0.03600047.0.507009732 0.765046066 1.335685194 1.315588759 1.423430323;Y3=-2.335199381 -2.026441541 -1.7781308

39、11 -0.811979371 -0.117420087.0.778659086 1.237747966 1.471624875 1.728376542 1.852762724;Y4=-2.324543089 -2.431138043 -3.329897954 -2.380219204 -0.446190637.0.70522101 1.099112983 3.129103659 3.070569022 3.180300364;year=0:9;t=0:0.1:13; plot(year,Y1,'*');xlabel('年份');ylabel('Y1&#

40、39;);title('Y1與年份');X1=ones(10,1) year'b1,bint1,r1,rint1,stats1=regress(Y1',X1);Y_1=b1(1)+b1(2)*t;plot(year,Y1,'*',t,Y_1);3.%houqin3.m%Y2與year的回歸分析plot(year,Y2,'*');xlabel('年份');ylabel('Y2');title('Y2與年份');X2=ones(10,1) year' (year.2)'b2,bint2,r2,rint2,stats2=