[发明专利]一种评估企业综合能力的方法在审

专利信息
申请号: 202210034133.5 申请日: 2022-01-13
公开(公告)号: CN114511201A 公开(公告)日: 2022-05-17
发明(设计)人: 柳传举 申请(专利权)人: 安徽数美信息技术有限责任公司
主分类号: G06Q10/06 分类号: G06Q10/06
代理公司: 合肥洪雷知识产权代理事务所(普通合伙) 34164 代理人: 赵可
地址: 230000 安徽省合肥市合肥*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 评估 企业 综合 能力 方法
【权利要求书】:

1.一种评估企业综合能力的方法,其特征在于,包括如下步骤:

步骤S1:从多种渠道获取企业样本数据;

步骤S2:对企业样本数据进行标准化处理;

步骤S3:采用主成分分析方法,挑选出对评估企业综合发展能力贡献度的主要因素,即模型指标;

步骤S4:通过调整模型的入参,即增加或减少建模指标,查看分析结果的可信度,并按照贡献度从高到低,将累计贡献度达到90%的因子挑选出来;

步骤S5:将累计贡献度达到90%的指标,构建成评估企业综合能力的指标体系;

步骤S6:将评估企业综合能力的指标体系的指标进行分类,并计算各个一级指标和二级指标的权重;

步骤S7:通过加权得到企业的综合能力得分。

2.根据权利要求1所述的一种评估企业综合能力的方法,其特征在于,所述步骤S1中,企业样本数据包括企业工商数据、财报数据、企业园区数据、企业专利著作、补贴、对外融资情况以及企业社会信用数据。

3.根据权利要求1所述的一种评估企业综合能力的方法,其特征在于,所述步骤S2中,标准化处理包括数据清洗、缺失值处理和标准化处理,用于将不同渠道获取的数据,处理成可量化、同一维度的结构化数据。

4.根据权利要求1所述的一种评估企业综合能力的方法,其特征在于,所述步骤S3中,主成分分析方法采用非监督机器学习方法,用于对数据进行降维,通过降维将重复多余的数据变量去除,建立两两不相关的新变量。

5.根据权利要求1所述的一种评估企业综合能力的方法,其特征在于,所述步骤S6中,采用因子分析方法,从指标中选择可解释的因子变量来表示原有的变量,将该因子变量用作建模的一级指标,并使用KMO检验变量之间是否存在相关性,具体的KMO计算公式为:

当调整参数的数量,直至KMO的值大于0.8时,则开始进行因子分析。

6.根据权利要求5所述的一种评估企业综合能力的方法,其特征在于,所述因子分析通过因子载荷矩阵进行分析,得到因子变量和原有变量之间的关系,并对新的因子变量进行命名。

7.根据权利要求6所述的一种评估企业综合能力的方法,其特征在于,所述因子载荷矩阵在使用前,需要对因子进行旋转,通过方差最大正交旋转,使公共因子的相对负荷的方差之和最大,且保持原公共因子的正交性和公共方差总和不变;所述因子载荷矩阵的公式为:

式中,(f1,f2,f3,...,fk)是(x1,x2,x3,...,xp)的公共因子,A(aij)是公共因子(f1,f2,f3,...,fk)的系数。

8.根据权利要求7所述的一种评估企业综合能力的方法,其特征在于,所述因子载荷矩阵中各列元素的平方和记为:(其中j=1,2,...,k);为F(f1,f2,f3,...,fk)对X(x1,x2,x3,...,xp)的方差贡献,将按照从高到低排列,取累积贡献达到90%的因子作为最终m的公共因子。

9.根据权利要求1所述的一种评估企业综合能力的方法,其特征在于,所述步骤S7中,将训练样本在不同因子上的具体数值作为因子得分,因子得分计算公式如下:

Fij=aj1x1+aj2x2+...+ajpxp,j=1,2,...,m

通过计算每个公因子的得分,获取各个因子旋转后的方差贡献率即是各个公因子的权重;

则计算企业得分的公式如下:

式中,Fj为企业个数,Z为指标体系中的公因子,Q为公因子权重。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽数美信息技术有限责任公司,未经安徽数美信息技术有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210034133.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top