福建原煤质量的灰色预测与评价

“ionlysaid”通过精心收集，向本站投稿了8篇福建原煤质量的灰色预测与评价，下面是小编给大家整理后的福建原煤质量的灰色预测与评价，欢迎大家借鉴与参考，希望对大家有所帮助。

篇1：福建原煤质量的灰色预测与评价

福建原煤质量的灰色预测与评价

应用灰色系统理论,建立福建原煤质量的GM预测模型群,并对模型进行系统分析与跟踪评价.

作 者：林奇宁  作者单位：福州大学环境与资源学院,福建福州,350002 刊 名：能源与环境 英文刊名：ENERGY AND ENVIRONMENT 年，卷(期)： “”(2) 分类号：F407.21 关键词：原煤质量   灰色预测   系统分析   评价  

篇2：基于灰色理论与BP神经网络的工序质量预测研究

基于灰色理论与BP神经网络的工序质量预测研究

摘要：工序质量预测在质量控制中起着重要的作用,灰色理论GM(1,1)新陈代谢模型及BP人工神经网络技术在预测领域较为广泛地得到应用,尽管具有常规预测方面无法比拟的优势,但均有各自的局限性,因此提出了基于灰色理论与BP神经网络相结合的工序质量预测方法.在充分利用两者在预测领域的优势基础上建立了综合质量预测模型,实例计算表明该预测方法是可行的. 作者： 王秋明[1]  刘科成[2]  高慧颖[3] Author： WANG Qiu-ming[1]  LIU Ke-cheng[2]  GAO Hui-ying[3] 作者单位： 北京理工大学,管理与经济学院,北京,100081;中国科学院,微电子研究所,北京,100029北京理工大学,管理与经济学院,北京,10008;Informaties Research Centre,University of Reading,Reading,Berkshire,UK北京理工大学,管理与经济学院,北京,100081 期 刊： 北京理工大学学报   ISTICEIPKU Journal： TRANSACTIONS OF BEIJING INSTITUTE OF TECHNOLOGY 年，卷(期)： , 31(2) 分类号： N949 关键词： 灰色系统    神经网络    工序质量    残差    质量预测    机标分类号： TP3 X70 机标关键词： 灰色理论    人工神经网络技术    工序质量    预测研究    BP Neural Networks    Grey Theory    Based    Quality    质量预测模型    预测方法    新陈代谢模型    质量控制    优势    局限性    计算表    综合    基础    比拟 基金项目： 国家自然科学基金 基于灰色理论与BP神经网络的'工序质量预测研究[期刊论文]  北京理工大学学报 --2011, 31(2)王秋明  刘科成  高慧颖工序质量预测在质量控制中起着重要的作用,灰色理论GM(1,1)新陈代谢模型及BP人工神经网络技术在预测领域较为广泛地得到应用,尽管具有常规预测方面无法比拟的优势,但均有各自的局限性,因此提出了基于灰色理论与BP神经网...

篇3：基于灰色理论的监狱管理工作质量评价

基于灰色理论的监狱管理工作质量评价

从监狱管理工作自身特点出发,分析并建立了监狱管理工作质量评估指标体系, 提出了监狱管理工作质量灰色评估方法,并通过实例应用证明了该方法的正确合理性,降低了监狱管理工作质量评估中的模糊性和主观性.

作 者：钟艺兵 赵青松 李孟军 杨克巍 ZHONG Yi-bing ZHAO Qing-song LI Meng-jun YANG Ke-wei  作者单位：国防科学技术大学,信息系统与管理学院,长沙,410073 刊 名：科学技术与工程  ISTIC英文刊名：SCIENCE TECHNOLOGY AND ENGINEERING 年，卷(期)： 9(9) 分类号：O151.26 关键词：灰色理论   监狱管理工作质量   指标体系   评价  

篇4：灰色评价方法与模糊综合评价方法

灰色评价与模糊综合评价具有许多共同的特点，它们的评价结果都是集合，都能应用于多层次评价，都可以作区间处理，并且，灰色评价与模糊综合评价都是以经过加工的评价值作为综合的对象，这些评价值一般位于[1,-1]区间内，反映了评价对象该评价指标对评价结果的贡献。因此，将评价指标实际值转换为评价值的白化度权函数或隶属函数成为一个转换器。所确定的白化权函数或隶属函数是否真实，主要是看它是否能够正确反映评价指标实际值对评价结果的贡献。

灰色评价中白化权函数特征值反映了特定灰类的特征，是该灰类的核心值，

备考资料

由于白化权函数采用“半降梯形”函数，不会因为特征值的微小变化而引起聚类值的较大变化。相反，如果在模糊综合评价中采用构造模糊子集法来确定隶属关系矩阵，那么则会出现由于指标等级临界值的微小变化将引起隶属度的骤降骤升。

更多建筑类经验免费阅读下载请访问：www.shangxueba.com/store_m_706634_23236_1_1.html

篇5：灰色预测与一元线性回归预测的比较

刘晓叙

(四川理工学院机械工程学院,四川自贡643000)

摘 要:在介绍灰色预测和一元线性回归预测基本方法的基础上,用两个例子对两种方法的预测值进行了比较,结果表明:对所用的两个例子,灰色预测的GM(1,1)模型对数据的预测值精度较一元线性回归要好。

关键词:灰色预测;一元线性回归;比较中图分类号:TB11

根据系统已有的数据,按一定的方法建立模型,对系统的未来变化情况作出预测,作。预测的方法很多,型,,,反之则存在较大的误差。

从系统论的观点来看,影响一个系统的各个参数之间都存在一定的关系,有些是很确定的关系,这种确定关系通常可以用一个数学表达式来描述。还有很多复杂系统的参数之间存在不完全确定的关系,这些关系的相互作用,就表现为系统特征参数之间变化的随机性和不确定性。对大多数的预测所研究的对象,是系统各个参数之间具有复杂和不完全确定关系的系统。

在研究预测的模型中,最简单和常用的是系统的两个特征参数变化和分布关系呈现接近线性的关系,对这样的模型,一般是采用一元线性回归的方法,即最小二乘法。灰色系统理论是一门新兴的理论,灰色系统理论

[1]

认为:由于任何一个系统的各个因素之间都存在互相的关联和影响,呈现部分已知,部分未知的.状态,所以,灰色系统理论把客观对象视为一个灰色的物质系统,在研究系统时,通过系统的表征信息,利用关联分析、灰数生成、灰色建模等信息加工手段,探求系统内在的规律,预测系统未来的发展状态。灰色预测就是运用灰色系统理论,通过灰色建模来对系统特征参数变化进行预测的一种实用方法。

本文将通过两个计算实例,用最小二乘法和灰色预测模型对数据预测精度进行一个比较分析。

收稿日期:206224

作者简介:刘晓叙(19572),男,四川叙永人,教授,主要从事机械设计方面的研究。

文献标识码:A

,一元线性回归所使用

Y方向的距离最小为条件求出回归直线的系数a和b的。即对给定的n个点列(x1,y1),(x2,y2)….(xn,yn),设回归的直线方程为

[2]

:

(1)

y=bx+a

n

点在y方向到直线的距离总的远近程度可以用

∑[y

i=1

i

-(a+bxi)]来定量的描述,所以可以把其看成

n

2

是一个二元函数:

Q(a,b)=

∑[y

i=1

i

-(a+bxi)]

2

(2)

从而把寻找一条直线,使其最接近n个点的问题,转化为找出两个数a^,b^,使二元函数Q(a,b)在a=a^,b=b^处达到最小的问题。通过公式推导,最后可得:

n

∑(x

b=

i

-x)(yi-y)

i

--

n

∑(x

i=1

-x)

n

-

式中:

-

x=

-

n

n

∑x

i=1

-

i

;y=

-

n

∑y

i=1

i

(3)(4)

a=y-bx

2灰色预测

对二维问题,可以采用灰色预测中的GM(1,1)模型,其基本的步骤如下:

两种模型的计算值与相对误差见表2,两种模型的图像如图1所示。

表2 模型计算值与误差

实际值

305070100125

(1)对原始数据进行重新生成,在GM(1,1)模型

中,它仅对原始数据进行一次累加再生成,方法是:

对一组原始数据列:

xx

(0)

=[x

(0)

(1),x

(0)

(2),....x

(0)

(n)](n)]

(5)(6)(7)

进行一次累加生成,得到数列:

(1)

灰色模型预测一元线性回归预测模型计算值相对误差%模型计算值相对误差%

3052.25970.09294.011126.09169.12(预测值)

0-4.5173-0.131595.9887-0.87441

27517599123147(预测值)

10-2-7.142911.6

=[x

(1)

(1)

(1),x

(1)

k

(2),....x

(0)

(1)

其中:x

zz

(1)

(k)=

∑x

i=1

(i)

(2)生成x(1)的紧邻均值等权数列:

=

z

(1)

(k)|k=1,2,....(1)

其中:

(1)

(k)=0.5[x(k)+x

(1)

(k-1)](k=2,3,…,n)

(8)

(3)根据灰色理论,对x(1)建立关于时间t的白化

形式的一阶一元微分方程模型,记GM(1,1)

dt

(1)

+ax

(1)

=b(9)

其中:

T

a,b为待解参数设a^=[a,b],运用最小二乘法求解得:

a^[a,b]

T

=(BB)

(T-1

BYN

(0)

10)

)]

其中

YN=(2(3)(n)(1),得

(0)(0)

.x(11)

-z

B=

-z-z

(1)

11.

(12)

.

(1)

1

(4)解出a^后,就可以得到白化形式的微分方程解,

命x

(1)

(0)=x

(1)

(0)

x^(k+1)=[x(1)-

-ak]e+aa

(13)

(k=1,2,….n)

(5)将上述结果累积还原,即可得到预测值:

x^

(0)

(k+1)=x^

(1)

(k+1)-x^

(1)

图1气缸磨损量与行驶里程关系预测模型图

(k)14)

(2)某产品的一个技术指标与该产品工作转速关系的测量值见表3。

表3压力和工作转速的测量值

转速(1/min)指标值(MPa)

5001.11

5501.22

6001.27

6501.33

7001.49

7501.58

3 计算实例

(1)某型内燃机气缸的磨损量与行驶里程的关系,

通过试验得到的测量数据见表1:

表1内燃机气缸磨损量测量值

行驶里程(km)磨损量下限值(μm)

5000100001500002500030

50

70

100

125

[3]

用灰色模型GM(1,1)计算得到的白化方程为:

x^

(1)

用灰色模型GM(1,1)计算得到的白化方程为:

x^

(1)

(k+1)=[x

0.066583k

(0)

(1)-

-ak]e+aa

(k+1)=[x

(0)

-ak(1)-]e+aa

0.2936k

=17.3963e-16.2863

k=1,2,3,4,5

=153.14032e-123.14032

(k=1,2,3,4,5,6)

采用一元线性回归得到的回归方程为:y=24x+3 (x=1,

2,3,4,5,6)

一元线性回归得到的回归方程为:y=0.087x+1.023 x=1,2,3,4,5

为便于比较,在建模时只使用前五个数据,用得到的模型计算了第六个值。两种模型的计算值与相对误

差见表4。两种模型的图像如图2所示。

表4模型计算值与误差

实际值

1.111.221.271.331.491.58

篇6：灰色预测与一元线性回归预测的比较

相对误差%

01.8852-1.1024-3.08272.14772.

2152

模型计算值相对误差%模型计算值

1.111.19741.27981.36791.46211.5628(预测值)

01.8538-0.77345-2.85251.87111.09

1.111.19701.28401.37101.45801.5450(预测值)

出的两个例子,用灰色理论的GM(1,1)模型对数据的预测精度较一元线性回归都要稍高一些,这主要是由于灰色理论的GM(1,1)模型所得到的白化方程是一种指数形式的表达式,对数据变化的适应性更好一些。

4结束语

灰色系统理论把客观对象视为一个灰色的物质系统,在研究系统的变化规律时,通过抓住系统的表征信息,利用灰数生成,灰色建模的信息加工手段,研究系统内部因素间的变化规律,利用得到的灰色模型,来预测

[4-6]

系统未来的发展,灰色预测在很多领域都有应用。

上面的两个例子表明,对基本符合线性关系的数据,采用灰色理论的GM(1,1)模型较一元线性回归的预测精度要高。用灰色理论的GM(1,1)模型进行建模时,并不直接采用已知的数据,而是通过对已知数据的再加工、即对灰数生成的数据进行处理来挖掘数据之间的内在联系,型,。(模型可以仅需。对本文所举的情况下应用的特例,从例子的结果看出:灰色建模和灰色预测在一些特定的情况下,是一种较一元线性回归预测精度更好的实用预测方法。参考文献:

[1]罗佑新.灰色系统理论及其在机械工程中的应用

[M].长沙:国防科技大学出版社,.

[2]陈家鼎,刘婉如,汪仁官.概率统计讲义[M].北京:

高等教育出版社,1983.

[3]王羽,麻文炎,侯磊.发动机缸壁的耐磨寿命及可

靠性的研究[J].汽车技术,2000,23(8):24226.

图2某产品压力与转速的关系预测模型

[4]张雅君,刘全胜.城市需水量灰色预测的探讨[J].

(3)结果分析

从上面两个例子可以看出,由于例子的数据分布关系基本接近线性关系,所以不论是一元线性回归还是灰色理论的GM(1,1)模型所得到的方程,都能很好地反映数据之间的变化关系,按方程得到的计算值与实际值之间的误差都不大。从相对误差大小比较的角度,对给

中国给水排水,,18(3):28230.

[5]王有良,唐跃刚.曲线拟合与GM(1,1)模型沉降预测及相

关性分析[J].测绘科学,2008,33(3):13215.

[6]李延吉.基于灰色GM(1,1)模型预测固废气化焚烧污染

物排放[J].华东电力,2008,36(4):10212.

ComparingforGreyForecastandForecastofOneElementLinearRegression

LIUXiao2xu

(SchoolofMechanicalEngineering,SichuanUniversityofScience&Engineering,Zigong643000,China)

Abstract:Basedontheintroducingthebasicmethodsofgreyforecastandforecastofoneelementlinearregression,twoexamplesareusedtocomparetheaccuracyofforecastvaluefortwomethods.TheresultsshowthatthemodelGM(1,1)ofgreyforecastisbetterthanoneelementlinearregressioninaccuracyofforecastvaluefortwogivenexamples.

Keywords:greyforecast;oneelementlinearregression;comparing

篇7：工序质量评价与改进

工序质量评价的相关指数：Ca、Cp、Cpk、Z;二、工序能力等级及措施;三、工序质量改进流程

工序是形成产品的基本环节，工序能力反映工序的质量保证能力，评价工序能力有助于企业制定正确的质量措施。工序质量改善流程方法则有助于企业将工序质量改善工作纳入规范化管理中，实现工序质量的持续改善，实现企业质量、成本、效率的综合改善。

一、工序质量评价的相关指数：Ca、Cp、Cpk、Z

工序能力指数是衡量工序质量状况的重要指标。对工序质量的评价应从加工的精密度和精确度两方面综合衡量，精密度从质量特性散布相对程度角度考察，精确度从质量特性均值相对位置角度考察，两者的参照标准为规格公差要求。工序能力指数主要包括衡量工序精密度的Cp指数、工序准确度的Ca指数、综合衡量工序精密度与准确度的Cpk指数。三者统称工序能力指数。

图1图2分别是加工精度与加工精确度的直观表现，图中Tl、Tu分别为规格下限与上限，T为规格公差，M代表规格中心，μ代表分布中心，ε代表分布中心与规格中心的偏移量。由图可见，企业应寻求加工精密度与精确度的综合改善，以降低不合格率。

图1加工精密度表现 图2加工精确度表现

工序精密度指数Cp=T/6σ≈T/6S(注：双侧公差情况下)，即规格公差除以6倍标准差，从所加工产品质量特征值离散程度考察工序满足规格公差要求的能力，即衡量工序加工的精密度。Cp的一般区间为0—2，Cp越大越好。在中心无偏移下，Cp=0.67时的合格率为95.45%，对应2西格玛水平;Cp=1时合格率为99.73%，对应3西格玛水平;Cp=1.33时不合格率为63ppm(ppm即百万分之一单位)，对应4西格玛水平。

工序准确度指数Ca=(分布中心-规格中心)/规格公差的一半(注：双侧公差情况下)，即所加工产品质量特征值分布中心与规格中心的相对偏移量，即衡量工序加工的准确度。Ca可正可负，正值表示分布中心偏大，负值表示分布中心偏小。Ca绝对值的一般区间为0—1，Ca越小越好。当|Ca|=1时，不合格率达到50%，Ca为其他值时，需结合加工精密度来分析不合格率。

Cpk是结合工序精密度和准确度的综合指数，Cpk=(1-|Ca|)Cp=(1-k)T/6σ≈(1-k)T/6S(注：双侧公差情况下)，整体考察着工序的加工能力。Cpk的一般区间为0—2，Cp越大越好。

西格玛水平Z表达方式为公差限除以2倍标准差(注：双侧公差情况下)，即单侧规格限内能容纳几个标准差，考察工序的加工精密度，Z=3Cp。直观看3西格玛水平就是单侧规格限内可容纳3个标准差，此时分布中心无漂移下合格率为99.73%。

当前西格玛水平Z评价也存在不足，即其未表达出分布中心的漂移情况，即仅评价加工精密度而未评价加工准确度，由西格玛水平反应的缺陷率是要附加条件说明的。这样实际使用中就存在口径不一的情况，如同为6西格玛水平，当分布中心存在正负1.5倍标准差漂移时缺陷率为3.4ppm，而中心无漂移时缺陷率为0.002ppm。西格玛水平使用时的困难就是未考察实际究竟有多少漂移，难以准确评价缺陷率，反推过来就是由缺陷率不能得出准确的西格玛水平。

规格公差代表了标准的要求或客户的要求，工序能力指数Cp、Ca、Cpk及西格玛水平Z考察企业实际满足客户要求的能力，这些指标成为联接企业内外、传递管理要求、表达管理能力的纽带。抓工序能力指数，就抓住了质量评价的核心指标。

二、工序能力等级及措施

工序能力指数对应着工序产品的合格率水平，形成对工序质量状况的评价，进而指导企业质量管理决策，

可分别测算工序精密度指数和工序准确度指数，根据质量特性要求进行管理决策。工序改进的目标一是寻求分布中心与规格中心的逼近直至重合，即工序准确度的改善;二是寻求分布离散程度的降低，即工序精密度的提高。工序质量改进的总体目标是工序准确度和精密度的共同提高。

工序精确度Ca指数，按指数状况可分为A、B、C、D四级，分别对应着管理要求。如表1所示。通过正态分布图示及缺陷率相关公式可知，当加工精确度不高即分布偏离中心时，缺陷率会大幅提高。如对3西格玛水平，即Cp=1时，中心无漂移时，Cpk=Cp=1，合格率为99.73%;当中心正负漂移1.5西格玛时，Cpk=0.5，合格率降为93.32%。工序精确度是工序改善的重点之一。

表1Ca指数等级及措施

工序改进的措施之一是寻求分布中心与规格中心的逼近直至重合，即工序精确度的改善。具体措施如：找出工具磨损、加工条件随时间变化的规律，采取调整和补偿;通过首件检查，调整定位装置;改变操作者的不良操作习惯;采用更精密的量具等。

对工序精密度Cp指数，可结合三类质量特性即关键、重要、一般质量特性，各分为五种等级，总体分为七个等级。关键质量特性(A类)：指质量特性不合格将会丧失功能的质量特性，如空调器的制冷功能等。重要质量特性(B类)：指不合格时不会丧失功能，但严重影响使用效果的质量特性，如空调的噪声等。一般质量特性(C类)：指不合格不会影响使用但属于缺陷的质量特性，如空调外观的瑕疵。Cp指数等级及评价如表2所示。七个等级对应的措施见表3。

表2Cp指数等级及评价

表3Cp指数等级及措施

从工序精密度Cp的评价及措施，我国当前认识和传播方面还存在明显的不足。当前大量教材和资料中未对质量特性作分类，而作出Cp≥1.67为工序能力过剩，1.33—1.67为工序能力富余，1—1.33为理想状况的评价。这种质量评价要求应该适用于一般质量特性，对重要质量特性和关键质量特性要求就偏低。会误导企业质量决策，也不符合追求卓越、持续改善的质量精神。

工序改进的措施之二是寻求分布离散程度的降低，即工序精密度的提高。具体措施如：改进工艺方法，优化过程参数，使用新材料，新技术;提高设备，提高工装精度;减少材料批次之间的波动等。另外，在保证不影响产品质量，可修订不切实际的过高公差。注意修改公差并未实际改变工序能力，只是工序能力指数相对改变。

三、工序质量改进流程

规范化的工序质量改进流程有助于企业将工序质量管理纳入规范化管理，通过工序能力调查、工作标准化作业、实施质量改进措施等系列工作，实现工序质量的改善，进而带动5M1E即人、机、料、法、环、测要素关联工作的改善。工序质量改进流程如图3所示。

图3工序质量改进流程

在工序质量改进流程中，需要采取一系列工作，其中确定改进目标、工序标准化、分析数据、确定工序能力、采取纠正措施等在此系列工作中地位重要。工序质量改进系列工作对企业质量管理能力也提出了较高的要求，许多企业质量基础差，标准化作业差距很大，质量工具掌握的也很不够，统计技术应用程度很低，这些都增加了工序质量改进的难度，企业应加强相关知识的培训，有了知识基础才能更好的开展相关工作。

工序质量是保障产品质量的基础，是影响企业成本、效率的关键因素，企业应重视工序质量评价和改进，掌握相关方法推行工序质量评价及改进工作，实施标准经作业，实现质量、成本、效率的综合改善。

作者：王振华(cko@aswiser.com)青岛华安盛道管理咨询有限公司咨询顾问研究方向：精益质量管理、战略绩效管理。青岛华安盛道管理咨询有限公司重点咨询业务为战略绩效管理、精益生产管理、精益质量管理、人力资源管理。

篇8：盈余管理与盈余质量评价

摘 要 在所有的会计信息中，会计盈余是最核心最重要的财务要素之一。

本文从盈余质量的影响因素分析入手，对盈余质量评价指标体系进行构建，并通过实证对盈余质量评价指数体系的有效性进行了分析。

关键词 盈余质量 评价体系 盈余管理

会计盈余的重要性对于会计行业是不言而喻的，在企业的整体财务要素中，会计盈余的基本重要性也被强调高于其他要素。

另外，会计盈余在我国证券市场的监管中也扮演着极其重要的角色，表现为我国证券监督管理机构在制定股票发行、配售和停牌相关政策时广泛使用了这一指标，其重要性足以决定上市公司股市的命运沉浮。

一、盈余质量的影响因素分析

1.会计政策的不完善性

会计政策本身在制定时，不可能制定的十分完美，考虑到会计处理的方方面面，许多问题需要在会计实践中被不断发现，以及对会计政策进行修订、完善。

2.会计政策的可选择性

由于企业财务负债状况会对企业资信产生影响以及管理层对管理报酬的期望和政府对企业所得税征收的影响等因素，因此企业管理当局在选择可接受的会计政策时，又因为会计政策本身规定了一定的自由裁量权，有一个可供自由选择的范围，而需要依靠企业管理层和企业会计人员的职业判断来选择，管理当局在选择时必定按照“自利”的原则，使用会计制度、规定赋予其所拥有的自由决定能力。

3.管理层对会计政策的运用

在选定会计政策之后，如何运用该会计政策，管理当局仍有一定的自由决定权力。

例如，在选定应收帐款计提坏帐准备的政策之后，对于确定坏帐准备计提比例，管理当局仍有自由决定权。

4.收益与经营风险的关系

经营风险的高低，与环境有关，也与管理当局的管理战略有关。

经营风险大，收益不稳定，会降低收益的质量。

影响经营风险的因素包括经营周期的长短、收益水平对外部环境变化的敏感程度、收益的稳定性、收益来源的构成等。

二、盈余质量评价指标体系的构建

1.盈余质量评价指标选择

盈余质量评价指标主要有：盈余现金保障倍数、毛利率指标、存货指标、应收帐款指标和营业利润/利润总额指标等。

2.上市公司盈余质量评价指数的构建

在构建盈余质量评价指数时，我们需要采用一定的方式将它们加总，此即为赋权的过程。

目前采用的方法主要有两种：主观确定和统计分析等方法来对指标权数加以确定。

主观确定赋权法的最大问题在于主观性太强，其结果容易受到个体的学识背景和观念等主观因素的影响。

为此，本文将采用变异权数综合评价法计算公司的EQI，以克服主观确定法的内在缺陷。

本文共抽取71家上市公司作为研究对象，计算出各单项指标χk的数值，然后得到各指标的权数：静态盈余质量指标权数、动态盈余质量指数权数。

根据各基本评价指标及其权数的赋予方法，本文将上市公司会计盈余质量综合评价指数(EQI)设计为：

根据己确定的指标因子及变异权数，可得到本文所确立的上市公司盈余质量综合评价指数，具体的步骤和计算过程，不在此细述。

三、盈余质量评价指数体系的有效性分析

以下以盈余质量在股票投资中的实证，对盈余质量评价指数体系的有效性进行分析。

1.研究假设

提出以下假设：

H0 ：EQI与土市公司下期投资报酬率正相关，即EQI越高，上市公司下期获取的投资报酬率越高;H1：盈余现金保障倍数指标与上市公司下期投资报酬率正相关; H2：毛利率指标与上市公司下期投资报酬率正相关; H3：存货指标与上市公司下期投资报酬率负相关;H4：应收帐款指标与上市公司下期投资报酬率负相关;H5：营业利润/利润总额指标与上市公司下期投资报酬率正相关。

2.实证模型的建立

所选用的检验模型如下：

模型一：

模型二：

变量说明：

Rt+1：一股票的t +l年度报酬率率。

X1一t年度盈余现金保障倍数指标;

X2一t年度毛利率指标;

X3一t年度存货指标;

X4一t年度应收帐款指标;

X5 —t年度营业利润/利润总额指标。

EQI—t年度上市公司动态盈余质量评价指数。

3.样本选择

在选定样本前，要剔除一些数据缺失或指标异常等不符合研究目的和要求的上市公司，最终确定的样本公司总数为71家，由于篇幅有限，不在此一一列举。

4.实证结果分析

针对动态盈余质量，通过得出的相关数据看出，模型一回归Adj-R2为1.5%，而模型二回归Adj-R2为0.9%。

可见，总体上我国上市公司盈余质量对股价变动的解释力度不大。

其中的原因笔者认为可能有三个：(1)当前我国证券市场整体氛围并不理性，很多投资者并不关心盈余质量的内在信息价值;(2)也可能是盈余质量信息本身的缺陷导致的;(3)影响股票报酬率的因素是很多，有市场外部的因素，又有市场内部的因索：有政治因素，又有经济、心理因索等。

因此EQI对报酬率的解释力度虽为1.5%，也是影响股价变动的重要因素。

结论：

盈余质量是投资者分析上市公司的重要方面，它能让投资者深入了解上市公司的.经营状况。

由于单一盈余指标存在的局限性，投资者在考察上市公司时应多关注盈余的质量因素而不能单独地考虑EPS， ROE等传统财务数据，只有构建盈起盈余质量的整体评价，才能对企业盈利能力进行全面的评估。

参考文献：

【福建原煤质量的灰色预测与评价】相关文章：

1.浅析不同类型煤矿原煤产量预测

2.期末考试质量分析评价

3.基于灰色神经网络的疲劳裂纹预测方法研究

4.矿区水环境质量评价研究

5.质量工程师简历自我评价

6.质量管理体系与措施

7.用改进的灰色识别法评价大气环境质量

8.灰色关联度的中学生数学学习综合评价论文

9.老年人口生活质量评价系统的设计与实现

10.自动监测站在水资源质量监测与评价中的应用