陶玉琪,楊立洪
(華南理工大學 數學學院,廣州 510640)
組合評價模型在醫(yī)藥供應商評級中的應用
陶玉琪,楊立洪
(華南理工大學 數學學院,廣州 510640)
隨著醫(yī)藥企業(yè)藥品購銷和管理模式的不斷變化,供應商評級作為企業(yè)進行供應商選擇、管理、監(jiān)督和改善等一系列活動的基礎和標準,顯得越來越重要。本文主要從醫(yī)藥供應商入手,提出基于層次分析的有序多分類Logistic組合評價模型,在層次分析模型的基礎上,利用有序多分類Logistic模型來修正評價結果并得到相應的概率值。該模型可用于從不同要素間比較系統(tǒng)、全面地評價醫(yī)藥供應商的整體水平。
供應商評級;組合評價模型;層次分析
G企業(yè)是一家集科研、生產、銷售為一體的大型醫(yī)藥流通企業(yè),有供應商企業(yè)1 530家,已經在產權結構、運營模式、管理制度、業(yè)務流程上達到了一定水平并形成了自身的特色。但是,G企業(yè)對供應商的管理還存在一些需要改進的地方,如:對供應商的淘汰盡管考慮合格率、交貨準時率、服務等方面,但多以主觀因素為主;多方引進經銷商,但多數經銷商素質低,且其技術水平不能支持新藥品的開發(fā)要求;高定位的價格水平不能滿足新藥品的目標成本等?,F(xiàn)G企業(yè)急需對這眾多供應商進行評價,為G企業(yè)分層管理經銷商提供有力的決策支持。
由于供應商的評價指標是由定性和定量指標構成,目前企業(yè)較多采用的是定量和定性相結合的層次分析法或有序多分類Logistic回歸模型,層次分析法簡潔實用,容易為決策者所使用,但層次分析法需要行業(yè)專家對各層指標的權重進行賦值,因而不同程度地存在人為痕跡;有序多分類Logistic模型因其適應性較高并能得到相應的概率值常被用于解決分類問題,而對供應商的評價屬于無監(jiān)督學習,前人往往會采取專家對一部分供應商進行打分,然后將這一部分供應商的數據作為訓練樣本建立Logistic回歸模型,但當總樣本規(guī)模過大時,操作起來太過繁瑣,最后可能由于訓練樣本的規(guī)模過小而導致模型的擬合效果欠佳。邢鑫鑫在《突發(fā)事件鐵路應急預案組合評價方法研究》中提出基于層次分析的神經網絡組合評價模型,將其應用于鐵路應急預案評價中既積累了專家的知識與經驗又可以避免評價過程中人為因素導致的失誤。本文提出的基于層次分析的有序多分類Logistic組合評價模型不僅綜合了之前組合模型的優(yōu)點,而且還具備有序多分類Logistic模型的優(yōu)勢。
通過總結一些先進企業(yè)的管理實踐,同時考慮到指標的實用性,綜合G企業(yè)所提供的信息,本文提出了一個具有11項指標的供應商評價體系。該指標體系適用于醫(yī)藥企業(yè)的主要供應商的評價,在具體應用中企業(yè)可根據實際情況,對細化的指標層進行修改。
表1 供應商評價指標
該組合評價模型的主要思想為:首先,利用層次分析法確定各個指標的權重,借此得到各個指標的綜合評價值。然后,構建Logistic回歸模型,把指標值和綜合評價值作為回歸的解釋變量和響應變量的取值,通過最大似然估計所得到的回歸系數就積累了專家的知識和經驗,這樣可以避免評價過程中人為因素導致的失誤,提高評價的準確性。
2.1層次分析法
層次分析法(AHP)是一種定性與定量相結合的多目標決策分析方法,能夠有效地分析目標準則體系層次間的非序列關系,綜合決策者的判斷和比較。層次分析法的具體步驟如下。
(1)根據表1的供應商評價指標體系,對應的分為目標層、制約主要素層、制約子要素層。
(2)構造兩兩判斷矩陣。按照層次結構模型,從上到下逐層構造判斷矩陣。每一層元素都以相鄰上一層次各元素為準則進行兩兩比較,按重要性程度進行賦值,在賦值時采用AHP方法的創(chuàng)始人T.L. Satty教授提出的1-9標度法,建立制約主要素層相對目標層的判斷矩陣A,制約子要素層相對制約主要素層信譽度和知名度、質量和客戶發(fā)展、銷售狀況以及交貨能力的判斷矩陣B1、B2、B3、B4。
(3)單層次排序及一致性檢驗通過方根法計算出判斷矩陣A的特征向量,確定制約主要素層各指標相對目標層的權重w=(0.0974,0.1638,0.3375,0.4013)T,一致性指標C.I=0.0574<0.1說明A通過了一致性檢驗。同理,對制約子要素層的4個判斷矩陣B1、B2、B3、B4進行一致性檢驗并求得相對于制約主要素層的相對權重:
最終確定出制約子要素層的指標對于目標層的綜合權重W:
(4)計算綜合評價值利用公式,計算綜合評價值。公式如下:
式(1)中,Tj表示第j個供應商的綜合評價值,Cij表示第j個供應商的第i個指標的指標值,在實際操作中把每項定性或定量評價指標分為差、中、良、優(yōu)4個等級,對應的Cij分別設為30、50、70、90。
2.2有序多分類Logistic回歸模型
Logistic回歸分析法作為量化企業(yè)信用風險的一種主流方法,不僅靈活簡便,而且其許多前提假設比較符合經濟現(xiàn)實和金融數據的分布規(guī)律。譬如不要求模型變量間具有線性相關關系,不要求變量服從協(xié)方差矩陣相等和殘差服從正態(tài)分布等,這使得模型的分析結果比較客觀。
在廣泛征詢G企業(yè)管理員意見的基礎上,需要將供應商評為優(yōu)、良、中、差4個等級。y(y=1,2,3,4)表示供應商的4個等級(4表示優(yōu),3表示良,以此類推),此時解釋變量就是有序多分類變量。
有序多分類Logistic模型的定義如下:
式(2)中,p為影響變量的個數,xi(i=1,2,…,p)為指標值,εj~N(0,1)。
有序多分類Logistic回歸模型的建模具體步驟如下:
(1)樣本數據規(guī)范化處理把各個供應商企業(yè)對應的指標值還原為差、中、良、優(yōu)4個等級,同時對綜合評價值采取單指標聚類的方法劃分為差、中、良、優(yōu)4個等級,這4個等級對應的取值為1、2、3、4。將層次分析結構中制約子要素層的變量作為Logistic回歸模型的預測變量xi(i=1,2,…,11),層次分析法得到的綜合評價結果作為響應變量y。
(2)回歸系數的估計及顯著性檢驗利用極大似然估計,可以算出公式(1)中回歸系數的估計值,其中7個影響變量的回歸系數在顯著水平10%下滿足檢驗(P值小于0.1),分析結果如表2所示。
表2 參數估計
(3)計算概率值將各回歸系數值帶入公式(2)即可估算出:
則各供應商屬于各個等級的概率值可表示為:
取概率值最大的那個等級即為供應商企業(yè)的評級結果。
2.3結果的分析與應用
時間遵守等級的回歸系數為4.681 5,在各個預測變量中是最大的,對應的優(yōu)勢比這表明隨著時間遵守等級的上升,供應商的綜合評價屬于較高級別的概率將增大得最快,該結果符合G企業(yè)對供應商“時間遵守高于一切”的評價原則。對于企業(yè)而言,可將建立好的基于層次分析的有序多分類Logistic組合評價模型可對供應商進行合理的管理,如:G企業(yè)計劃新藥引進以評價等級為優(yōu)的供應商為主,其他為輔;根據評價等級重新確定藥品供應商的銷售份額和回款時間,中、差級供應商超銷售份額時,超額部分轉優(yōu)、良級供應商配送;每年考評一次,連續(xù)三年考評為差級的供應商,原則上進行淘汰。對于供應商企業(yè)而言,該組合評價模型不僅能評定出供應商屬于哪個等級,還能得到屬于各個等級的不同概率值,當屬于某兩個等級的概率值比較接近時,就需警惕下次進行評價時是否有可能劃分到較低的等級并采取相應的措施等。
在當今全球競爭激烈、產品需求日新月異的市場環(huán)境下,主導企業(yè)為了實現(xiàn)高質量、低成本、快反應、強發(fā)展的目標,除了加強自身的綜合能力外,還必須站在可持續(xù)發(fā)展角度上尋求長期戰(zhàn)略協(xié)作伙伴來提升自身的市場競爭力和地位。因此,如何客觀并精確地綜合評價、選擇供應商是主導企業(yè)必須解決的一個重要問題。目前,供應商評價模型眾多,但有些模型的單獨使用會有一些嚴苛的前提條件或存在的瑕疵。本文提出了基于層次分析的有序多分類Logistic組合評價模型,綜合地、較全面考慮了醫(yī)藥企業(yè)供應商定量和定性的4個制約主要素及其子因素,并給出了該模型的具體應用過程。該模型及其應用過程可用于從不同要素上比較系統(tǒng)、全面地評價醫(yī)藥供應商的整體水平,適用于主導企業(yè)的供應商選擇及管理,為主導企業(yè)尋求長期戰(zhàn)略協(xié)作伙伴及制訂藥品采購計劃提供了一種具有一定理論和應用價值的方法。
主要參考文獻
[1]邢鑫鑫.突發(fā)事件鐵路應急預案組合評價方法研究[D].蘭州:蘭州交通大學,2012.
[2]王奇娟,唐曉青,鄭聯(lián)語.基于層次分析法的供應商評價模型[J].航空制造技術,2008(2).
[3]許樹柏.實用決策方法:層次分析原理[M].天津:天津大學出版社,1988.
[4]彭建剛,屠海波,何婧,等.有序多分類Logistic模型在違約概率測算中的應用[J].財經理論與實踐,2009(4).
[5][美]Robert I Kabacoff.R語言實戰(zhàn)[M].高濤,等,譯.北京:人民郵電出版社,2013.
[6]張文彤.SPSS統(tǒng)計分析高級教程[M].北京:高等教育出版社,2004.
[7]樊震林,黎愛軍,等.醫(yī)療風險影響因素的有序多分類Logistic回歸分析[J].中國衛(wèi)生質量管理,2009(4).
10.3969/j.issn.1673 - 0194.2016.16.041
F274
A
1673-0194(2016)16-0062-03
2016-07-02
國家自然科學基金項目(11271140)。