逆向物流企业绩效决策与判定——基于主因子topsis和dea超效率模型的分析-肖茜文.pdf

《逆向物流企业绩效决策与判定——基于主因子topsis和dea超效率模型的分析-肖茜文.pdf》由会员分享，可在线阅读，更多相关《逆向物流企业绩效决策与判定——基于主因子topsis和dea超效率模型的分析-肖茜文.pdf（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第26卷 第9期2017年9月运 筹 与 管 理OPERATIONS RESEARCH AND MANAGEMENT SCIENCEV0126，No9Sep2017逆向物流企业绩效决策与判定基于主因子TOPSIS和DEA超效率模型的分析肖茜文1， 张凤荣2， 陈明3(1吉林大学东北亚研究院，吉林长春130012；2东北师范大学社会学院，吉林长春130024；3青岛科技大学山东青岛266061)摘要：逆向物流企业绩效不但关系到供需双方企业在经济全球化和资源短缺状态下的市场竞争能力，而且也关系到双方企业环境社会责任的管理水平。TOPSIS分析法作为一种离散的多目标决策方法，已经在许多领域取得了成功

2、的应用，本文采用主成分分析和TOPSIS(逼近理想解法)相结合的组合评价法，建立了逆向物流企业绩效评价与决策的主因子TOPSIS模型，在此基础上运用DEA超效率模型，对样本逆向物流企业的经营效率进行分析，并对分析结果进行相对效率判定。研究结果表明，样本逆向物流企业的经营效率总体上较高，但各逆向物流企业存在不同的效率问题，也存在不同的改进方向。关键词：逆向物流；绩效评价；相对效率判定中圈分类号：F274文章标识码：A文章编号：1007-3221(20i7)09一019307 doi：1012005orms20170225Decision-making and Judgment on the Re

3、verse Logistics EnterpriseBased on Main Factor TOPSIS and SuperDEA Efficiency AnalysisXIAO Qianwenl，ZHANG Fengron92，CHEN Min93(1Northeast Asia Research Institute，Jilin University，Changchun 1 30012，China；2School of Sociology，NortheastNormal University，Changchun 130024，China；3School of Economics and M

4、anagement，Qingdao University ofScience&Technology，Qingdao 266061，China)Abstract：The performance of thirdpaay reverse logistics enterprise is not only concerned about the market eom-petition ability of both sides of supply and demand enterprise under the condition of economic globalization andshortag

5、e of resources，but also concerned about the level of environmental social responsibility managementAs aseparate multi-objectives decision making method，TOPSIS had successfully applied in many professional fieldsThis paper uses a combination assessment method of main factor analysis and TOPSIS，and es

6、tablishes the mainFactor TOPSIS Analysis model in decision-making on the performance of reverse logistics enterprise with anempirical example，meanwhile，using DEA super efficiency model to analyze operational efficiency of the reverselogistics enterprises and the relative efficiency determinationThe

7、evaluation results indicated that the operationalefficiency of the overall sample of reverse logistics enterprises is higher，but the efficiency of the reverse logisticsenterprises exist different problems，according to the results to find the need to improveKey words：reverse logistics；performance eva

8、luation；relative efficiency determination0 引言在科学技术进步和经济全球化的推动下，世界经济发展加速，国与国之间的经济技术合作愈加紧密，但市场竞争、资源短缺和生态环境退化等问题更加突出。随着清洁生产、绿色流通、合理消费模式开始得到人们更多肯定，源于资源节约、环境友好和经济持续增长的逆向物流应运而生。资源节约、环境友好和经济持续增长的逆向物流企业为当收稿日期：201512-21基金项目：教育部人文社会科学研究规划基金资助项目(15YJAZHl07)作者简介：肖茜文(1993一)，女，吉林长春人，硕士研究生，研究方向：区域经济；张凤荣(1969)，女，吉林

9、长春人，教授，工学博士，博士生导师，研究方向：产业优化、供应链管理；陈明(1984一)，女，山东烟台人，讲师，经济学博士，研究方向：产业风险与控制。万方数据194 运 筹 与 管 理 2017年第26卷前物流企业发展增加了新的活力，逆向物流企业绩效不但关系到供需双方企业在经济全球化和资源短缺状态下的市场竞争能力，而且也关系到双方企业环境社会责任的管理水平。逆向物流(reverselogistics)最早是由Stock在一份报告中提出的，Carter和Ellram、Rogers和TibbenLembke等学者认为狭义的逆向物流是对废弃的产品再制造、再使用或再循环(3R原则)的过程，广义的逆向物流

10、还包括减少对环境的污染，减少资源消耗，及有效的退货管理等含义1。以循环经济理论为依据的逆向物流，是现代物流发展的高级阶段，其实现载体通常是第三方逆向物流企业，如何科学、合理地对逆向物流企业绩效进行评价，不但关系到企业的市场竞争能力和需求方企业的循环经济效益，而且关系到供需双方的企业环境社会责任管理水平。因此，积极开展第三方逆向物流企业绩效评价，不但可以为逆向物流企业战略管理提供决策依据，而且可以为需求方企业提供正确的选择依据。逆向物流企业属于第三方服务型供应商，由于其与生产型供应商对于提供最终产品的性质上存在较大差距，因此需要建立一种有效的目标评价方法，从而促进第三方逆向物流企业的评价选择机制

11、1。逆向物流企业绩效的评价决策，是一项多因素多目标的系统工程，常常要考虑不同标准，导致对逆向物流企业绩效的评价存在一定难度，如选择第三方逆向物流企业时，有的需求企业不仅要求企业具备较高的技术实力、循环再利用能力和准确运输能力，同时，要求企业在社会责任(CSR)方面有所贡献，而逆向物流企业为了生存，又必须控制成本支出。供需双方不同的判断标准，成为逆向物流企业管理中相互矛盾、相互制约的追求目标。基于上述原因，本研究以实际运行的逆向物流企业为研究对象，充分以自身和需求方不同的经营侧重为前提，对逆向物流企业的经营效率进行深入分析和阶段判定，以期对逆向物流企业发展提出建设性意见。常用的多指标评价方法在评

12、价时，只是考虑方案或评价对象的优势或劣势，如层次分析法(AHP)、Tradeoff法等，使得评价结果并不一定最佳。TOPSIS分析法(逼近理想解法)作为一种离散的多目标决策方法，已经在许多领域取得了成功的应用1。本研究采用主成分分析和TOPSIS相结合的组合评价法，建立了逆向物流企业绩效评价与决策的主因子TOPSIS模型，在此基础上运用DEA超效率模型，判定样本逆向物流企业的经营效率，并结合相对效率判定法深入分析样本企业的绩效值。1 逆向物流企业绩效的多目标评价与决策指标体系逆向物流企业绩效是一个多目标综合体，需要以循环经济的“3R”为原则，综合考虑相互关联、相互制约的众多因素。从第三方逆向物

13、流企业的决策过程存在社会、经济、工程技术、生态环境等方面的问题。综合以上这些因素，逆向物流企业绩效评价可以从技术实力、运输能力、服务水平、社会效益、循环利用能力和运营成本，6个方面来评价与决策，建立的指标体系如图1所示，关于各指标属性值的计算与量化可参阅文献1和4。f百丽磊面：磊Fl括爿买力A l话蛹目侥力B I铜1种月j*力c I爆睁水平Dl I铂罐商利壬艘菇E I谴蔼B貅F图1 逆向物流企业绩效图2研究方法效率的估计主要有两种方法：一是非参数方法，典型代表是数据包络分析(Data EnvelopmentAnalysis，DEA)，它是一种评价相对效率的系统分析方法。二是参数法，参数法需要设

14、定具体的函数形式，主要有随机前沿分析(SFA)、两阶段最小二乘法等。参数法和非参数法各有其优点和缺点，目前对多投入多产出效率评价研究多采用非参数方法，采用非参数法估计主要是因为考虑到了非参数法无需估计企业的生产函数，从而避免了因错误的函数形式而带来的问题”。罗勇、曹丽莉(2005)以四大国有商业银行和11家股份制商业银行为研究样本，利用C2R和超效率模型对我国商业银行的经营效率进行实证分析，研究表明超效率模型能够对研究样本进行充分的评价1。郭淑芬，郝言慧，王艳芬运用超效率DEA模型和Malmquist指数法对30家文化产业上市公司进行了绩效评价，从DEA研究结果来看，30家文化产业上市公司只有

15、8家达到DEA有效，文化产业上市公司整体绩效一般，从Malmquist指数看，应加大技术研发投僵息或率n一ijjijjiiiiiiiiiiin仓储成本niiiiiiiii”iijjiiiU回收配迸或率niiuiiiii”jiiiiii再就业人员吸收率Biijiiiiiiiiiiiii儿嗽铺税盒吁长率瞄一iiiijiiiiiiiiii儿社台公益贡献日一厩客保持罩一iiijiiiiiiiiiiiiiiH颐窨获霹Il一ijiiiiiiiiiiiii儿腰窨平均簿匿一iiiiiiiiijiiiii儿废弄蜘掉敝选标率落一ijjjjjiiijijjjj嚏清理设施投八强度供一iiijiiiiiiiiiii儿设

16、备再利用瘫力一Hjiiiiiiiiijiijijn报照材科循环利用率。一iiiiiiiiiiiiiiiiin台倍商品转化率a一军蔫利用牢附一覆确番输率盯一车辅爵戢率毗一车辅话况剐一砭木改造资奉比重越一万方数据第9期 肖茜文，等：逆向物流企业绩效决策与判定基于主因子TOPSIS和DEA超效率模型的分析 195入，重视技术进步“。张凤荣、陈明采用突变级数法和DEA超效率模型对56家新能源产业上市公司的经营效率进行分析，研究发现，加入风险因素和未加入风险因素得到的新能源产业经营效率极不均衡且差别很大，该产业现阶段均未达到最大规模产出一3。为了更准确地评价逆向物流企业的绩效，定量分析各企业的经营效率，

17、本研究首先采用主因子TOPSIS法从两方面对逆向物流企业绩效指标侧重情况进行了判定，明确了从企业自身经营角度和需求方角度对企业绩效发展的不同期望。在此基础上，运用超效率DEA模型分析不同逆向物流企业自身经营效率存在的差异因素，并采用相对效率判别法判定逆向物流企业经营效率所处的阶段，从而得出对实践更具指导意义的分析对策和建议。本研究应用的TOPSIS法，是一种综合考虑分析方案的最优值和最劣值的多目标评价方法，能够有效解决不同标准的离散的多目标决策问题。在TOPSIS法中，权重较难确定，而且很难避免主观性，为了对每一个评价对象寻求最优的指标权重分配，本研究引入了主成分分析法，不但避免了权重确定的主

18、观性，而且对数据实现了降维。在TOPSIS决策模型的基础上运用数据包络分析(DEA)方法对逆向物流企业的经营效率进行分析。当经营效率同时为1时，传统的DEA无法对经营效率进行区分，为此，本文采用超效率模型，并运用相对效率判定方法对数据包络分析结果进一步分析，从而综合全面地比较逆向物流企业的经营效率0“1。21逆向物流企业绩效决策的主因子TOPSIS评价法TOPSIS法是预先确定评价问题的正、负理想点，测量指标向量与两者的距离，并将距离作为评价值进行排序，由cLHwang和KYoon于1981年提出。TOPSIS法的基本原理是借助多目标决策的“最优解”和“最劣解”进行排序，从而确定各方案的优劣。

19、将各方案的实际解与最优解及最劣解作比较，若某方案的解最靠近最优解，同时又远离最劣解，则该解即为方案的理想解，其对应的方案即为最优方案“。用主因子TOPSIS法进行决策的步骤为：(1)确定主因子决策阵设有ra个相关的观测变量：X。，X：，x。，用z；表示x的标准化变量，则数学模型为：Fl=allZl+a1222+aimZmF2=a21Zl 4-a2222”。4-a2mZm (1)F。=a。lZl+am222+4-口Z其中，R与F，(i)相互独立，Fi称作主成分因子，是原变量的综合指标。主成分分析的目的是求因子载荷矩阵，并计算主成分因子得分，将变量表示为公共因子的线性组合，由于主因子能充分反映原始

20、变量的相关关系，用主因子代表原始变量更有利于描述研究对象的特征4|。设由主成分因子得分构成的多目标决策阵为A=(Y；i)。，y。表示第i个方案中第个指标值。由A可构成规范决策阵：厂。；rZ=(z口)。，Z口=，口Y；V l 21(2)组建加权的规范决策阵X=(茗f)。，菇i，。Wd彳i，(i=1，2，rg；歹=1，2，ra)，其中W。为第个指标的权重。(3)确定指标最优值和最劣值，分别构成最优值向量x+和最劣值向量xX+=maxfi：1，2，n=1，2，m-l+，zf，*：(2)盖一=minli=1“2”，nj：1“2”，m-x,-，gf，x： (3)(4)计算距离每个解到最优值的距离：厂i一

21、D+(石d一芍)2(i=1“2“，n) (4)Y J=1每个解到最劣值的距离：厂i一 、D一=(菇口一戈，)2(i=1，2，n) (5)V J=1(5)计算各评价单元指标值与最优值的相对接近程度。以贴近度为判断依据进行方案排序，贴近度大者为优：Cf=Di一(Di+Di+)(i=1，2，n) (6)22超效率DEA模型在DEA分析结果中，通常会出现多个DMU有效，以至于同样有效的DMU无法进一步比较n 51。Andersen和Petersen(1993)提出了“超效率”模型，通常超效率DEA模型中，有效DMU的超效率值一般会大于1，而且值越大越有效，可以对DEA效率为1的DMU进行区分和比较“。

22、本研究采用SuperCCRO模型作为分析模型。其中，A表示DMU的线性组合系数，模型的最优解妒+，由于妒+1，所以一般采用1和+表示效率值，这里用0+来表示，由此求得最优解为A+、s一、s一、0171。加入松弛变量后公式如下：万方数据196 运 筹 与 管 理 2017年第26卷max 9stA，茗#+s一=聋疆=1，IAjy#一s+=妒，=I，IA=1=1j，IA0i=1，2，m；r=1，2，qJ=1，2，尼(歹k)s+-0，s一0企业经营效率是非DEA有效的，且由于投入过剩，使其经营效率受到影响。(4)处于“不足”状态的判定当日岛时，表明第-时期逆向物流3 实证分析31主因子TOPSIS法

23、分析以文献4中的评价实例，分别从经营方和需求方角度，利用主因子TOPSIS法对逆向物流企业绩效进行贴近度分析：(1)指标值规范化。A3和F1心属于成本类低优指标，其值越小越好，为达到相同趋势的要求，将低优指标以差值法转换为高优指标；然后对标准化的三级指标值A1E3进行主成分分析，而三级指标值FlF4为标准化的离散值，直接以等权进入TOPSIS评价矩阵，得到的主因子及特征值如表1所示。(2)建立二级评价指标矩阵。以表1的主因子值为决策值，以特征值为权重，采用TOPSIS法得到的二级指标值如表2所示。从表2中各二级指标排序结果来看，企业1在技术实力、循环能力和服务水平方面较强；企业2有较强的运输能

24、力和社会责任效益；企业5各项指标均较弱，但在成本控制方面排在众企业之首，其次是企业4；企业3和企业6均处于中游，但相对来说，企业3要优于企业6。(3)以企业自身经营为重的贴近度1计算与分析。以表2的二级指标为数据，计算指标的权重为(03004，03994，03049，03927，03840，0540)，用TOPSIS法可得各企业的贴近度1。可以看出，逆向物流企业为了在市场竞争中立于不败之地，必须控制成本和重视技术实力。因此，从第三方逆向物流企业经营角度出发计算的贴近度1对成本和技术实力指标项有所偏重。表1主因子及特征值万方数据第9期 肖茜文，等：逆向物流企业绩效决策与判定基5-iN子TOPSI

25、S和DEA超效率模型的分析 197企业1企业2企业3企业4企业5企业6权重029044一O05一O61一O16O96O27一O08一O10一O35052一O24O25O09表2 以企业自身经营为重的贴近度计算A 排序 B 排序 c 排序D 排序 E 排序 ， 排序企业1 070企业2 055企业3 041企业4 031企业5 001企业6 033(4)以需求方为重的贴近度计算与分析。考虑到不同需求企业在选择第三方逆向物流企业时可能对某些能力有所侧重，本研究分别设定运输能力(剐、循环利用能力(C)、服务水平(D)(E)和社会责任效益权重为3，其它权重为1，计算得到不同的贴近度。计算结果如表3所示

26、。表3显示，企业5在不同贴近度评价中，均处于相对弱势地位；贴近度2和排序与文献3中的评价结果基本吻合，可以看出是对运输能力(B)有所侧重；从贴近度3的计算来看，如果侧重企业的循环能力(C)，企业4相对于企业3，名次上升1位；如果侧重于服务水平(D)，在贴近度4中，企业2的排名则大幅落后，降为第4位；贴近度5显示，如果重视企业社会责任效益(E)，企业2要高于企业1，上升到第1位。表3以需求方为重的贴近度计算32 Super-DEA模型分析结果在标准DEA模型CCR-0条件下，当0=1，且s一、s一同时为0时，则称为被评价单元的DEA有效；若当0=1，但s一：s一不同时为O，则被称为评价单元的DE

27、A弱有效。但在传统韵DEA模型下，前5家企业的效率值都为1，只有第6家企业的效率值是066662，前5家企业无法进一步比较其效率值的差异，因此只能采用超效率模型。当DEA效率都为1时，采用超效率模型，可以进一步对这6家物流企业的绩效值进行比较分析，SuperDEA模型分析结果如表4所示。衰4 Super-DEA模型分析结果在超效率模型分析中，当p+1，且s一、s一 同时为O时，则称为被评价单元的DEA有效；当065”筋0一OO0一一Ol一一一OOH钇_总_m2l0一一一2O485425咖瑚=穹肼m：拿一一0O0O0扒铊卯拇加m仉m加加m2一ll一一22l4OO5lO10：兮叭芒：叭OO0一一O

28、OOO4652l3垮H坶弱笱OO00lO2l3465l662137843l2OO000Ol53264够拇乃竹舵甜OO00OOl24365舳弘粥”乏笛OO00OO2l3564酪；2诣甜0OOO00l23564万方数据198 运 筹 与 管 理 2017年第26卷p+1，但s一、s不同时为0，则称为被评价单元的DEA弱有效。超效率值口显示，前5家企业为DEA弱有效，第6家企业为DEA无效。其中经营效率最高为第5家企业，其效率值达到了802431，其次依次是第2家企业175181、第4家企业154113、第3家企业145582、第1家企业134993、第6家企业066662。当甄1时，规模收益递减，

29、说明增加投入不能带来更高比例的产出；当魏1的企业是第1家(魏=140052)和第2家(默=123811)，这就说明第1家和第2家存在规模收益递减，增加投入也不能带来更高的产出；第3家(魏=跌84501)、第4家(甄=094968)、第5家(默=012591)和第6家(魏=047362)均属于规模收益递增，并且增加投入可以带来更高的产出。其中，第5家企业的经营效率值达到了802431，其魏为012591，说明第5家企业的经营效率很高，且规模收益递增，加大对第5家企业的投入可以获得更大的产出。结合前述分析，这6家逆向物流企业在自身经营方面存在以下不足：(1)6家逆向物流企业的经营效率及其经营水平存

30、在不均衡，只有1家逆向物流企业达到了经营效率DEA有效并且达到了资源配置最优，但其规模效益递减；(2)第2家逆向物流企业经营效率DEA弱有效，其规模效益递减，说明对第2家企业增加更多投入不会带来更大的产出，其效率尚未达到最优；(3)第35家逆向物流企业经营效率DEA弱有效，且其规模效益递增，但其效率尚未达到最优，说明增加投入可以增加更大比例的产出；(4)第6家逆向物流企业的效率值低于1，DEA无效，说明其经营水平不高，但其规模收益递增，说明增加投入可以提高更大产出，并且相对经营效率判定结果显示第6家企业的投入不足，说明应该增加投入以积极改善其资金和资产配置效率。33相对经营效率判定根据上面Su

31、perDEA模型分析结果，第15家企业的经营效率为DEA弱有效，第6家企业为DEA无效，且第1和第2家企业的规模收益递减，第36家企业的规模收益递增。为确定逆向物流企业在经营方面应改进的方向，我们进一步对这6家企业进行相对经营效率刿定，判定结果如表5所示。由表5可见，第1家逆向物流企业的经营效率值大于1，且p1，口=卢，说明第1家逆向物流企业的经营效率DEA有效，且资源配置相对最优；第23、4、5家逆向物流企业的经营效率值大于1，且而&i一卢，0，表明上述逆向物流企业的经营效率是DEA有效的，但各要素的经营效率尚未达到最优，有待于进一步优化，说明该逆向物流企业的经营环境正处于提高阶段。而第6家

32、逆向物流企业的经营效率值p1且&，卢，表明第，时期逆向物流企业经营效率是非DEA有效的，且由于投入过剩，各经营效率要素之间配合并不协调。表5相对经营效率判定从投入和产出各单元考虑，技术实力较好的逆向物流企业是第4家和第5家企业，该企业技术人员比重、专利拥有比率和技术改造能力投入是有效率的，其技术实力效率要优于其他企业；运输能力好的逆向物流企业是第4家企业，主要体现在车辆质量、车辆满载率、准确运输率和车辆利用率方面；循环利用能力较有效率的是第2、3、6家企业，主要体现在合格商品转化率、报废材料循环利用率、设备再利用能力、治理设施投入强度、废弃物排放达标率等方面；运营成本主要包括回收配送成本、仓储

33、成本、信息成本和管理成本，运营成本较有效率的逆向物流企业是第1、2、3、6家企业；服务水平较高的逆向物流企业包括第1、3、4、6家企业，服务水平主要体现在顾客满意度水平、顾客获得率和顾客保持率方面；社会责任效益较高的逆向物流企业主要有第1、2、5家企业，社会责任效益主要体现在社会公益贡献率、缴纳税金增长率和再就业人员吸收率方面。 万方数据第9期 肖茜文筹越向物流企业绩效决策与判定基于主因子TOPSIS和DEA超效率模型的分析 1994 结论本文利用主因子TOPSIS和DEA超效率模型建立了逆向物流企业绩效评价与决策模型并借助文献4冲的评价实例进行了实证分析。从评价结果来看孩方法在实际应用中有一

34、定的理论意义和参考价值而且已经看到利用主因子TOPSIS和DEA超效率模型进行决策分析有很多优点：(1)利用主成份分析提取主因子作为评价指标和计算确定的权重，可以避免权重确定中的主观性使样本数据更适宜于TOPSIS分析此组合评价法吸收了主成份分析法和TOPSIS方法在综合评价中的优点互为补充；(2)决策中分别从逆向物流供需双方角度出发改变权重，可以体现多方利益的博弈结果，丰富了决策的信息；(3)主因子TOPSIS法直观可操作性强既可以评价单层次的指标体系，也可以评价复杂的多层次指标体系在决策分析中具有广泛的应用价值和指导作用；(4)超效率DEA分析发现逆向物流企业的经营效率极不均衡在此基础上的

35、相对效率判定可以让企业认清其改进方向对企业的决策更具指导意义1”“。在逆向物流企业的经营中注重企业自身效益提高的同时，也应该重视需求方的需求。结合上述分析本研究认为从企业自身改进方面逆向物流企业可以通过改善供应链关系改善技术实力运输能力循环利用能力降低运营成本提高服务水平和社会责任效益从外部环境改进方面发展逆向物流企业需要疏通多元投融资渠道加强产融结合改善投资环境加大DEA弱有效且规模收益递增的逆向物流企业的投入力度可以减少其因投入不足而引起的效率低下问题进而提高逆向物流企业的经营效率。逆向物流企业是物流企业发展的新动力对其发展模式战略管理融资环境的研究是笔者下一步研究的方向。参考文献：3黄小

36、艳多元统计评价方法研究综述J经营管理者，2015，(10)：5-64潘德宝基手循环经济的第三方逆向物流企业综合绩效评价D南昌大学硕士学位论文，2007，6：22-295张风荣区域创新物流系统模式研究D吉林大学，20056罗勇菪丽莉基于超效率模型的中国商业银行效率评价J金融论坛，2005，10(9)：17217郭淑芬郝言慧王艳芬文化产业上市公司绩效评价基于超效率DEA和Malmquist指数J经济问题，201402)：75788赵琼姜惠宸文化产业上市公司效率评价及影响因素分析J经济问题，2014，9：52589张凤荣，陈明新能源产业上市公司经营效率分析基于突变级数法和DEA超效率模型的实证研究J

37、技术经济与管理研究，2015，(07)：3710Zhou Get a1Evaluating the comparative efficiency ofChinesethird-partylogisticsprovidersusingdataenvelop-mentanalysisJInternational Journal of Physical Distribution&LogisticsManagement ，2008，(4)：26227911王映川我国先进装备制造业全要素生产率及影响因素分析基于产业组织视角J工业技术经济，2017，(1)：152112Hwang C L，Yoon Kmu

38、ltiple attributes decision makingmethodsandapplications M Berlin：Springer，198 113唐启义妈明光实用统计分析及其DPS数据处理系统M科学技术出版社，200214Zhang F R，Jin X ZStudy on application of the BPneural network model of main sfactor analysis of greyrelationshipinevaluatinginnovationabilityofzonelogistics systemMThe 8th Internati

39、onal Conference onSignal Processing proceedings(ICSP06)IEEE Press，2006，11：3284328715魏权龄评价相对有效性的数据包络分析模型DEA和网络DEAM中国人民大学出版社，201216Wallace R J，Bain SBranching rules for satisfiableanalyzedwithfactoranalysis JLectureNotesinComputer Science，LNAI，2007，4830：80380917KleineA AgeneralmodelframeworkforDEA JTh

40、eInternational Journal of Management Science，200432 1 172318张凤荣曹勇宏，Annik Magerholm Fet基于能源约束1920211何淑菁周小梅基于RBF网络改进算法的第三方逆向物流企业评价研究J 3物流技术，2007，2(26)：8384 222李敏赵涛第三方逆向物流供应商的选择J西北 。农林科技大学学报(社会科学版)，2006，(04)：7377的区域相对生态效率识别J工业技术经济，2012，(04)：3642罗二平龚志文关于主成份分析的TOPSIS法在产瓷区区域创新能力评价中的应用J企业经济，2007，(7)：32-34宋红娜段振伟煤矿通风系统安全性综合评价的TOPSIS方法J矿业快报，2007，23(12)：3638董宪伟蔡嗣经杨鹏筹矿井通风系统优化方案评价的逼近理想解方法J煤炭科学技术，2008，36(8)：5861任振平矿井通风系统可靠性分析及应用D河北理工大学顾士论文，2008万方数据