基于PCA的電力企業信息質量評價研究

任　杰

（福建省電力有限公司,福州 350000）

基于PCA的電力企業信息質量評價研究

任杰

（福建省電力有限公司,福州 350000）

摘要：本文基于信息質量相關理論方法，結合電力企業的信息化建設背景，構建了電力企業信息質量評價指標體系，并采用主成分分析的方法計算出四類信息質量的關鍵影響因素，分別分析信息傳遞、信息效用、信息技術和信息內容。

關鍵詞：電力企業；信息質量；成熟度；評價指標

1　引言

對于信息質量的研究，國內外都進行了不同程度的努力嘗試，應用領域廣泛，國內的研究相對于外國起步較晚，主要是從信息質量概念、評價的指標體系和信息質量的改進和控制三大方面進行研究的。對于電力行業來說，處在初步探索階段。

2　主成分分析法 （PCA）

2.1主成分分析理論概述

主成分分析（Principal Component Analysis，PCA）是對數據進行降維處理，把眾多變量轉化為少數幾個綜合指標的統計分析方法，這些綜合指標就成為原有變量的主成分，主成分之間各不相關。

假設有n個評價指標，每個評價指標有p個變量描述，因此我們可以得到一個n×p階的指標變量矩陣：

假設原來的變量指標為x1,x2,L,xp，則有綜合的新的指標變量為F1,F2,L,Fm（m≤p）。則：

其中系數aij符合以下規定：Fi和Fj（i≠j）互不相關。

因此，F1,F2,L,Fm就分別為原指標x1,x2,L,xp的第一，第二，…，第m主成分，其中F1在總方差中比例最大，F1,F2,L,Fm的方差依次遞減。

2.2主成分的計算

主成分分析的計算步驟如下所示：

（1）計算協方差矩陣。計算變量的協方差矩陣為：

（2）計算∑的特征值λi和正交化的單位向量ei。協方差矩陣的前m個相對較大的特征值λ1≥λ2≥L≥λm≥0，就是m個主成分對應的方差，λi的正交化的單位向量ei就是原變量在主成分上的荷載系數，因此，原變量第i個主成分Fi為：

主成分的方差貢獻率ai為：

（3）選擇主成分。主成分通過累計的方差貢獻率L（m）來確定：

（4）計算主成分得分。

3　實證研究

從綜合指標體系出發，運用調查問卷的方式對我國10家電力企業的信息質量狀況進行實證分析。所選的10家電力企業中，有2家是發電企業，3家電網公司，剩余的5家是供電公司。共計發放調查問卷200份，回收179份，回收率89.5％。

3.1結果計算

調查問卷針對上述指標體系進行調查分析，作為原始數據，數據SPSS軟件進行主成分分析，可以得到如下表所示的特征向量矩陣。

特征向量矩陣

根據上表，我們可以得到主成分的表達式為：

3.2結果分析

從上述主成分分析的表達式可以看出，在第一主成分上x5有較高的荷載，說明第一主成分y1是由變量5決定的。以此類推，我們可以發現對10家電力企業的信息質量調查分析中，信息傳遞、信息效用、信息技術和信息內容是影響電力企業信息質量優劣的主要原因。也就是說，如果企業能夠在以上四個方面做到質量良好的質量控制，整合好企業的信息資源，企業就能夠顯著提高信息質量水平，實現信息跨越性升級。

參考文獻：

[1]索傳軍，吳啟琳.國內外網絡信息資源評價研究進展[J].現代圖書情報技術,2006（08）.

[2]宋立榮，李思經.從數據質量到信息質量的發展[J].情報科學,2010（02）.

[3]王炳全.基于神經網絡的網絡信息資源評價模型研究[D].暨南大學,2010.