東海大學統計系研究所 碩士論文 指導教授 : 沈維雄博士 台灣地區銀行經營績效評估之研究 TOPSIS 方法之應用 Study of the performance of the banks in Taiwan An application of TOPSIS method 研究生 : 林建宏中華民國一百年六月
中文摘要銀行業歷經長久變革已轉型為金融自由化 國際化 大型化的綜合業務經營方式, 本研究主要從偏好順序評估法 (Technique for order preference by similarity to ideal solution, TOPSIS) 的想法出發, 透過歷年學者文獻所提出之觀點加以整合, 藉由模擬的方法尋找出一套客觀且有效率的評估途徑, 以台灣地區 28 家銀行為主要研究對象, 利用 2009 年各家銀行財務指標資料進行實證分析, 以了解台灣地區的銀行經營績效 關鍵詞 : 偏好順序評估法 經營績效 權重 財務指標
誌謝首先, 感謝指導老師沈維雄教授的諄諄教誨, 從論文題目的選定, 到研究方法和實證分析說明, 每次與老師討論論文時, 都能感受到老師的用心 細心, 使本論文得以順利完成 在老師身邊不只學習到統計專業領域上的知識, 更學到其實務應用, 碩士生活與人生規劃安排方面, 老師也經常關心照顧和分享經驗 在論文口試期間, 十分感謝兩位口試委員蕭志同老師與陳依兌老師提供許多精闢的見解和寶貴的建議, 兩位老師的細心指正, 使得本論文更臻完善 研究所二年求學時光, 感謝助教們在課業與學生事務上的協助 感謝口試前一起密集練習 互相鼓勵的淑玲同學, 也感謝同窗好友在論文寫作間為我加油打氣, 讓我在忙碌的生活中, 能夠順利完成學業, 很開心能遇到這群很棒的同學, 使得這兩年過的非常充實 非常快樂 最後將完成碩士學業的這份喜悅與榮譽獻給我的家人, 謝謝你們一路上的支持與陪伴, 沒有你們也就不會造就現今的我, 在此由衷表達我最深的感謝 感謝你們, 謝謝!! 林建宏謹致於東海大學統計學系研究所中華民國一百年六月二十六日
目 錄 圖目錄... Ⅱ 表目錄... Ⅲ 第一章緒論... 第一節研究緣起... 第二節研究目的...2 第三節文獻探討...4 第四節研究架構...9 第二章研究方法... 0 第一節偏好順序評估法... 0 第二節偏好順序評估法之修正... 3 第三節本研究之改進... 7 第四節模擬結果... 8 第三章實證分析與結果... 2 第一節指標定義... 2 第二節實證結果... 25 第四章結論與建議... 30 第一節結論... 30 第二節建議與未來研究方向... 3 參考文獻... 32 附錄... 38 I
圖目錄 圖 2. 修正後 TOPSIS 評估法流程圖... 20 II
表目錄表 2. 2 種組合方式模擬一萬次之結果... 9 表 3. 9 家銀行 ( 公開發行公司 ) 權重與正負理想解... 25 表 3.2 9 家銀行 ( 公開發行公司 )2009 年經營績效排名... 26 表 3.3 28 家銀行權重與正負理想解... 27 表 3.4 28 家銀行 2009 年經營績效排名... 29 III
第一章 緒論 第一節研究緣起全球經濟發展迅速, 金融體系層面亦邁入自由化 國際化 多元化綜合經營的主要走向, 使得金融機構彼此競爭越趨激烈 由於我國前期金融產業發展長期處於政策的保護傘下, 在面臨金融自由化的改變, 如 : 政府從 990 年起開放民營銀行設立 通過商業銀行設立標準 加入國際貿易組織 等等, 短期之內加入大量同質性的金融機構, 但該市場無法容納過多競爭者, 並且彼此間處於惡性鬥爭, 讓銀行業獲力能力不如往前, 因此銀行必須以高利率吸引資金流入 降低借貸利息與標準來增加營收來源, 改善生存空間, 但這方法卻無法提高銀行業的經營績效 巴賽爾有效銀行監理核心原則中提到, 有效銀行的監理架構須由下述三項所構成 : 一 銀行本身管理 ; 二 政府的監理 ; 三 市場制約力量 ; 所以政府陸續通過 金融機構合併法 及 金融控股公司法 等重大法案, 而金融控股公司法的成立, 讓銀行 保險及證券三者合併經營, 鼓勵銀行朝向大型化 多元經營方式, 改善機構本質並提升競爭力 由於美國次級房貸瞬間變成全球金融風暴, 引發 2008 年全球經濟衰退, 對金融業來說是艱苦且慘淡的一年,Stephen Bernard 於 2009 年美聯社特稿發表一篇分析金融風暴文章中指出 : 從 Bear Sterns 破產和 Lehman Brothers 的倒閉, 改變整個金融體系風貌, 導致其中有些銀行業退出了這塊 - -
市場, 並引發一連串倒閉事件 由於我國銀行性質與歐美銀行不同, 不致於發生類似案例, 卻也受到明顯影響 為挽救經濟衰退的情形, 我國央行採取降息政策 金融市場由過去的寡佔市場轉變成現今的完全競爭市場, 整個金融業架構中, 銀行扮演著存款與借貸的重要角色, 生意好, 不代表賺大錢 ; 生意不好, 亦不等於窮困潦倒 在金融海嘯中所有產業均受影響, 經過一年的大失血後,2009 年金融業開始轉虧為盈, 但是仔細探討後可以發現, 金融業全是靠勤儉度日 省 字訣所得到的成果 整體營收呈現小幅負成長現象, 表示在大環境下生存仍然艱難, 從員工總數的減少, 員工產值卻上升的結果判斷, 金融業是靠著降低成本的手法才能獲得現今亮眼的成績 在各國央行低利率政策下, 銀行業 人壽保險業及證券業擁有充足的資金投入投資市場, 卻造福了壽險業和證券業, 苦了銀行業 未來銀行業的好轉是可預期的, 在升息 貸款及財富管理業務持續回溫的氛圍下, 可望持續復甦到金融風暴前的水準 第二節研究目的 Robbins(989) 指出 績效是對組織目標達成的一種衡量指標, 綜合過去對銀行經營績效的研究文獻, 大多將財務指標加以運算最後得到排名結果, 提供存款大眾及投資者在選擇銀行時的依據 銀行是配合國家政策的營利組織之一, 是需求與供給資金的主要交易場合, 信用是銀行與交易對 - 2 -
象的主要媒介, 規模也是其中特性之一, 然而規模一詞幾乎與信用劃上等號, 如何在競爭激烈環境下, 建立治理機制 穩健成長且提高經營績效, 是各銀行重要課題, 也是政府主管機關與存款投資大眾所關注的議題 各行業在金融風暴後呈現營收衰退的情況, 收入跟成本都往下走, 更要在控管成本與風險部分下功夫, 確保資金運用的安全性, 避免遭受損失 從 開源 至上, 到主攻 節流, 這是銀行業能在金融海嘯中獲利的策略之一, 在此風暴中, 許多企業客戶對部分新銀行和外資銀行信心不足, 故本研究透過許多財務指標運算績效之文獻方法中, 整合建立一套較為合理且客觀的標準流程, 進而對銀行業公司經營績效評估分析 以台灣銀行 中國信託商業銀行 兆豐國際商業銀行 合作金庫商業銀行 臺灣土地銀行 國泰世華銀行 第一商業銀行 華南商業銀行 台北富邦商業銀行 彰化商業銀行 台新國際商業銀行 永豐商業銀行 台灣中小企業銀行 上海商業儲蓄銀行 玉山商業銀行 花旗商業銀行 香港上海匯豐銀行 聯邦商業銀行 臺灣新光商業銀行 台中商業銀行 安泰商業銀行 元大商業銀行 東方匯理銀行 陽信商業銀行 美商摩根大通銀行 京城商業銀行 板信商業銀行 三信商業銀行 28 家銀行為主要研究對象並深入探討 - 3 -
第三節文獻探討有關銀行經營績效方面的文獻, 本研究整理如下 : 劉祥熹 葉思聖 (200) 提出以產業組織理論中有關市場結構 行為與績效基本理念和分析架構, 其中實證結果指出台灣地區外商銀行產業特性屬於獨占競爭市場, 經營方針走向多元化產品與服務提供, 並藉由設立行銷據點與網路服務促進經營績效目標 沈中華 王健安 (2002) 使用有關企業與銀行借款明細的財務報表, 檢驗金融機構環境之險惡 研究發現 粗心放款者 假說和金融機構經營績效低落有明顯相關, 因為金融自由化後, 銀行家數目急速增加, 放款審核上相對寬鬆, 使逾放增加速度迅速上升, 而使銀行經營績效低落 黃湞鈺 (2003) 採用因素分析萃取財務指標, 作為衡量銀行間經營績效差異的方法, 其結果新舊銀行間並無明顯差異 郭秋香 (2004) 以資料包絡分析法評估上市 上櫃銀行效率值, 探討加入金控公司與否的銀行效率值差異性, 研究結果發現已加入金控公司下的銀行經營績效優於未加入金控公司之銀行 曾昭玲等人 (2005) 引用因素分析法, 以各銀行財務比率評估績效, 並以資料包絡法之績效評估結果, 最後運用追蹤資料模型檢測出逾放比跟經營績效為負向影響 ; 資本適足率則具正向影響 蔡芳美 (2005) 選取國內 45 家銀行及 26 項財務比率為研究對象與變數, - 4 -
利用因素分析法萃取影響銀行業經營績效的主要因素, 其研究結論發現獲利性因素為最重要的因素, 其中以稅前純益率影響最深 王榮祖等人 (2005) 應用灰色關聯分析法擷取代表性指標, 試圖為銀行業建立一套完整績效評估架構, 其研究結果顯示, 銀行業的智慧資本與資本額大小和成立年代長短有關, 卻對績效評比結果無影響 陳建宏 溫怡俐 (2006) 運用主成分分析法及多元迴歸分析法找出主要影響台灣銀行經營績效之財務指標為 : 流動性因素 安全性因素 管理能力因素 資本結構因素 效率性因素 成長性因素 成本效益因素, 以及我國銀行與外商銀行資產報酬率具有差異性 吳朝森 阮嬿蓉 (2007) 在服務品質 滿意度與經營績效研究中, 以服務利潤連鎖反應為理論基礎, 進行因素分析建立模型, 研究顯示銀行業服務品質與經營績效的關聯性上, 服務品質高低並不會直接影響整體經營績效 梁榮輝等人 (2007) 利用因素分析探討外商銀行經營重要影響因素, 並分類探討不同類型外商經營策略 結果顯示銀行絕非越大越好, 放款業務收益為顯著負向影響, 最後建議未來銀行應著重非傳統經營業務 趙明哲 (2007) 以長期追蹤資料分析法探討本國銀行經營獲利績效影響因素, 其研究實證發現金控子銀行 獨立銀行和全體銀行三者相同地方, 為營業費用率, 對經營績效具有負面顯著影響, 顯示三群組之人事及用物費用為獲利減少之主因 - 5 -
張幸惠等人 (2008) 以產業組織 S-C-P 理論為基礎, 探討台灣銀行業市場競爭與績效關係, 採用結構方程式的次模式進行分析估計, 實證結果指出樣本研究期間, 加入金控公司的綜效不如預期, 分行設立則有助於銀行提高市佔率 梁榮輝 廖振盛 (2008) 為探討外商銀行經營績效影響因素, 採用灰關聯分析進行實證研究, 結果顯示外商銀行排名與一般預期相符, 而在影響績效因素部分, 以流動性因素最為顯著, 獲利性因素則不明顯, 外商銀行於當年放款成長率大多為負向, 卻仍有不錯的利潤 毛傳志 (2008) 採用敘述統計與邏輯斯迴歸模型進行台灣銀行經營績效評估及風險指標進行研究, 由概度比統計量作適合度檢定, 結果模型顯著, 模型確效力方面為 96% 以上,KS 檢定法亦說明該模型具有良好辨識力 林泉源 (2009) 採用近似無相關迴歸以降低殘差異質性和同期相關性, 對台灣銀行業股權結構與經營績效關係, 進行七項公司治理指標與四項績效指標進行驗證, 研究結果顯示台灣銀行股權結構與財務績效間具有顯著關係, 故銀行業者應對本身公司治理指標特別注重, 以提升良好的經營績效 廖振盛 (2009) 利用二元邏輯斯模型進行實證模型估計, 探討組織結構與經營績效之關聯性, 分析金控子銀行與獨立銀行經營績效與效率之差異, 實證顯示在經營效率部分, 顯示市場結構已有轉變, 主管機構應避免使台灣銀行業市場恢復到 990 年前的寡占市場 - 6 -
施光訓 陳佳琪 (200) 藉由自動化金融帳戶使用者之使用知覺, 分析自動化帳戶知覺利益和風險因子間的因果關係及影響程度, 研究結果指出金融業業者可借由改善知覺風險, 以提高使用者的使用知覺, 並可由便利性利益與財務風險了解其改善結果 王淑芬 謝文馨 (200) 以銀行業財務指標之連結和獲利能力之關聯性, 使用多變量解析法觀察分析財務指標變化, 並使用因素分析主成分分析法設計權重, 研究結果發現 : 民營銀行的長短期經營績效均高於泛公股銀行 楊馥如等人 (200) 選擇資料包絡法評估台灣商業銀行技術效率並採用 CAMELS 法指標分析財務績效, 發現財務績效與技術效率無關但與規模效率有關 金控公司之銀行較具規模效率且安全性較高 獨立銀行具技術效率和較高獲利能力 林靜雯 吳楊浚 (200) 指出智慧資本是創造公司差異性的重要來源, 依據決策實驗室分析法得到研究結果, 對於硬體投資需更加重視, 否則將會引起顧客抱怨, 進而影響營運績效 銀行經營績效研究方法在過去文獻中大多使用因素分析 主成分分析法 資料包絡分析法及灰色關聯分析法, 因素分析 主成分分析法 資料包絡分析法和灰色關聯分析法其主要概念為找出最有利 影響力最大之財務指標, 並進行績效評估或模型建立, 但是不應該忽略評估準則最差值影響績效排名的效應 探討績效問題所使用的方法另有多重準則決策方法 - 7 -
(Multiple criteria decision making,mcdm) 中的正理想解偏好順序評估法 (Technique for order preference by similarity to ideal solution,topsis), 此評估法全面考量了評估準則的最佳值和最差值, 因此本研究採用正理想解偏好順序評估法 ( 簡稱偏好順序評估法 ) 為研究方法 TOPSIS 方法之相關應用整理如下 : 陳大銓 林偉崇 (993) 使用 TOPSIS 評估方法, 有別於多評準決策模式, 權重衡量方面使用綜合考量的折衷權重法, 比較分析各政策或計畫方案得失 優劣情形,TOPSIS 不僅能反應效益或成本準則項目特性, 對於質化準則項目亦可使用, 同時亦為一種較具理論基礎之方法 林光等人 (2003) 以財務比率評估海運業財務營運績效, 將財務比率分為償債能力 獲利能力 投資報酬率及資產與負債週轉率, 使用該文中提出之關係函數, 對各個財務比率進行分群, 再以 TOPSIS 法進行營運績效評估 畢威寧 (2005) 以品質 交期 服務 價格為主要因子, 各因子間相對程度, 以層級分析法給予各項權重, 最後使用 TOPSIS 法執行供應商之優劣排序, 建立供應商評估分析模型 詹長儒 (2006) 以財務比率觀點配合 TOPSIS 研究方法建立一套客觀績效評估準則, 分析結果得知, 每一項指標之標竿均可為各家銀行學習對象, 思考進步或退步的原由並改進 - 8 -
吳有龍等人 (2009) 以多重準則決策 (MCDM) 之灰關聯分析與 TOPSIS 方法評估遊戲廠商的經營績效, 作出一個短期預測模式, 推導出整體績效排名評比 林志娟等人 (2005) 提出以等權重距離法 熵值權重距離法 變異係數權重距離法及平均綜合指標法等四種不同方法的適用性, 應用於大學入學成績各科系平均分數表現的順序估計上, 以衡量各系學生素質, 據以提供學校一個簡單 客觀的評估總指標 汪安靜等人 (2009) 以企業物流為研究對象, 建立二層次指標體系, 綜合考慮各方面績效指標 ; 利用 AHP 法確定一級指標與各二級指標權重, 並對指標進行標準化處理, 建立 AHP-TOPSIS 評價模型, 最後給出一個算例 第四節研究架構本研究以 2008 年金融風暴發生至 2009 年期間, 銀行經營績效為主軸 第一章敘述研究緣起和目的並整理相關文獻 第二章則是建立研究方法, 並介紹本研究之改進方法與流程, 以模擬方式從各種決策矩陣 權重選取及距離測度組合中找出一套最佳處理方法 第三章利用前一章所得到的方法配合 28 家銀行 2009 年的實際資料做實證與分析 第四章結論與建議中, 可以得知 28 家銀行中分別以東方匯理銀行 美商摩根大通銀行和花旗商業銀行為績效前三名 - 9 -
第二章 研究方法 本章節介紹本研究方法偏好順序估計法的主要概念及架構, 再介紹近 年來一些學者提出的修訂方法, 最後再介紹本研究的改進方法 第一節偏好順序評估評估法 偏好順序評估法為一個解決多重準則決策問題的方法, 其中原理是由 Hwang 和 Yoon(98) 所發展出來的概念, 主要想法是找出各評估準則的最佳 績效值作為正理想解 (ideal solution), 以及各受評者準則最差的績效值作為 負理想解 (negative-ideal solution), 再利用各受評者與正理想解及負理想解 之距離, 計算出每位受評者的優先順序 下面則敘述其基本架構內容 : 前提假設以 i A, i, Λ, m = 表示 m 個受評者 ; 以 C,, Λ, n = 表示 n 個評 估準則 令 c i 為第 i 個受評者在第 個評估準則下得到的數值, 由 c i 所組成 的矩陣稱之為決策矩陣 (decision matrix), 以 D 表示如下 C Λ C Λ C n A c L c L c n M M M M D = A c i i L ci L c in M M M M A c m m cm c L L mn TOPSIS 運算步驟參考 Hwang 和 Yoon(98) 的著作, 敘述如下 : 步驟一 建構一正規化的決策矩陣 ' 設在第 個評估準則下 m 個受評者的數值資料為 c = [ c Λ c Λ c ], 利 ~ i m - 0 -
用向量正規化 (normalized vector) 可得正規化決策矩陣的第 ( i, ) 元素為 r i = c m i i= c 2 i, i, Λ, m, =, Λ, n = () 利用向量正規化的方法將決策矩陣中的數值資料轉換成無計量單位的純數值, 以利在不同屬性的評估準則間作相互比較 步驟二 建構一加權的正規化的決策矩陣 TOPSIS 方法是假設決策矩陣中每個評估準則為單調遞增或遞減的效用, 當評估準則為正向指標時, 數值愈大則評估準則的偏好程度愈大 ; 數值愈小評估準則的偏好程度愈小 當評估準則為負向指標時, 數值愈大則評估準則的偏好程度愈小 ; 數值愈小評估準則的偏好程度愈大, 然而每個評估準則的重要性皆不同, 因此必須從決策者得到一組權重 假設權重為 w~ = [ w, Λ, w, Λ, wn ], 其中 則加權後之決策矩陣的第 ( i, ) 元素為 w 為第 個評估準則的權重, =, 且 =, Λ, n n = w, v = w r, i, Λ, m, =, Λ, n i i = (2) 其中 r i 為加權正規化決策矩陣 步驟三 決定正理想解和負理想解 正理想解與負理想解的原則如下 : 若評估準則是屬於正向指標者, 亦即數值愈大代表評估愈好, 則此評 估準則的正理想解為數值最大者, 負理想解為數值最小者 反之, 若評估 準則是屬於負向指標者, 亦即數值愈大代表評估愈差, 則此評估準則的正 - -
理想解為數值最小者, 負理想解為數值最大者 假設在加權決策矩陣中, 含有 n 個評估準則, v + 為第 個評估準則的正 理想解數值, ~ ν + 由所有評估準則之正理想解數值組成, 即正理想解為 ~ + + + ν [ v, Λ, v, Λ, v ], (3) + = n v 為第 個評估準則的負理想解數值, ~ ν 由所有評估準則之負理想解數值 組成, 即負理想解為 ~ ν = [ v, Λ, v, Λ, v ] (4) 步驟四 計算各受評者在各準則的表現和正理想解與負理想解的距離 將加權決策矩陣中的第 i 個受評者的評估數值向量 ν = [ v, Λ, v, Λ, v ] n ~ i i i in + 和正理想解 ~ ν 及負理想解 ~ ν 分別以歐氏距離 (Euclidean Distance) 計算分離 度 (separation measure) 其中 ~ + ν i 和正理想解 ~ + ν 的分離度 i S 為 S + i n = [ ( v v ) ], i, Λ, m = i + 2 2 = (5) 同理, ~ ν i 和負理想解 ~ ν 的分離度 i S 為 S i n = [ ( v v ) ], i,, m = i 2 2 = L (6) 步驟五 計算對理想解之相對接近度接著計算各受評者相對理想解之相對接近度 (relative closeness), 作為評選的標準 第 i 個受評者和理想解的相對接近度定義為 Si RC i =, i, Λ, m S + S + i i = (7) + 明顯的, 0 RC 若 RC =, 亦即 S = 0, 則表示第 i 個受評者本身即是 i i i - 2 -
正理想解 當 RC 愈接近 時, 則表示第 i 個受評者也愈接近正理想解 i 反之, 若 RC = 0, 亦即 S = 0, 則表示第 i 個受評者本身即是負理想解 i i 當 RC 愈接近 0 時, 則表示第 i 個受評者也愈接近負理想解 i 步驟六 決定受評者優劣順序 最後則是根據每個受評者所求出的相對接近度 RC 數值大小依序排 名, RC 值愈大者則表示該受評者表現愈好 i i 第二節偏好順序評估法之修正近年來有學者針對偏好順序評估法理論架構中部分要點提出了修訂, 包含決策矩陣 權重及距離測度, 本研究將其整理如下 : 一 正規化決策矩陣之修正由於 TOPSIS 在建構正規化決策矩陣時會因採用方法不同, 對最後的評估結果造成重大影響, 因此除了採用向量的正規化外,Sinha 和 Sinha(2002) 提出了使用統計標準化的技巧, 將向量正規化稍作修訂, 並得到統計標準化的決策矩陣的第 ( i, ) 元素為 z i = m i= c i ( c c i c ) 2, i, Κ, m, =, Λ, n =, (8) 其中 c = m c i m i=, =, Λ, n - 3 -
二 權重之修正權重選取常常由決策者主觀所決定, 稱為主觀權重 (subective weight) 故有許多學者建議由數據本身產生權重, 即為客觀權重 (obective weight) 在 TOPSIS 的方法中, 權重選取為非常重要的議題, 產生的方法又有許多種, 本研究只列舉下列三種 ( 一 ) 熵值權重 Shannon and Weaver(947) 提出熵值權重 (Entropy weight) 法, 此方法在社會和自然科學界已成為一個重要方法 熵值在資訊理論方面代表的是訊息傳遞的不確定性, 衡量某種訊息所期望的資訊內涵及多寡, 因此, 可藉此用來計算評估準則的相對權重 首先計算第 個評估準則下, 各受評者的評分比例 p i = m c i= i c i, i, (9) 則熵值 E 定義為 E = ln( m) m i= p i ln( p ),, Λ, n i = (0) 最後計算出熵值權重 w E, = m E,, Λ, n ( E ) = = () - 4 -
( 二 ) 修訂熵值權重 決策矩陣的元素 c i, 即某些評估準則的數據, 不一定全都是正值, 有 可能為負值或 0, 因此計算熵值 E 會受到影響 所以在不改變資料原始的 型態下,Zeleny(982) 改善 Shannon and Weaver(947) 熵值權重的缺失, 解 決資料中負值及 0 對計算權重的影響 Zeleny 將 (9) 式中的 p i 作了修訂如下 : 令 q i min ci c =, i, c c max min (2) max 其中決策矩陣元素 c i 在第 個評估準則下最大值為 c 則令修訂後之 p i 為 min, 最小值為 c, q i i = m p i= q i, i, (3) 再將此 p i 代入 (0) 及 () 式, 則可以得到修訂後熵值 E 為 E = ln( m) m i= p i ln( p ),, Λ, n i = (4) 及修訂熵值權重 w z, w z, = m E,, Λ, n ( E ) = = (5) 另外, 若 q i 值為 0 時, 亦即 p i 值為 0 時, 在技巧上我們令其為一很小的正數, 而不致於影響權重的計算, 並而得到一組權重 - 5 -
( 三 ) 變異係數權重 變異係數 (Coefficient of Variation, C.V.) 是一種相對測度值, 比較兩組或 兩組以上資料之間的離散程度, 比值愈大代表資料愈分散, 亦是一種去單 位化的統計值 決策矩陣中 c i 之間的變異大小扮演著重要角色 Sinha(2003) 建議可以使用 p i 的樣本變異數 其中 p = m m i= p i = m s m 2 2 p, = ( pi p ) m i=,, Λ, n = (6) 2, 來衡量評估準則數據的差異, 但是 s p, 又和數據的樣 本變異係數平方成比例, 其中 n = cv c = m m i= c i, s 2 = m m i= 2 s 2 s p, = = cv 2,, Λ, n m c m ( c i c ) 不一定會等於, 因此林志娟等 (2005) 建議用 2 2 2 = (7) Sinha(2003) 建議用 cv 作為權重, 但是 cv wcv, = n,, Λ, n cv 作為權重, 稱之為變異係數權重 (C.V. Based Weight) 三 計算分離度方法之修正 = = (8) Hwang 和 Yoon (98) 提出可用城間距離 (city block distance), 即絕對值 距離來計算 以城間距離計算 ~ + ν i 和正理想解 ~ + ν 的分離度 i S 為 S + i = n = v i v +, i, Λ, m = (9) 同理, ~ ν i 和反面理想解 ~ ν 的分離度 i S 為 - 6 -
S + i = n = v i v, i,, m = L (20) 城間距離與歐氏距離計算各受評者和正理想解及負理想解間的分離度有些許不同, 但箇中主要想法是相似的 另外, 有許多學者也提出不同計算分離度方法, 例如 Olson(2004) 以最小絕對價值期 (least absolute value terms, a first power metric) 來衡量距離, 或是以柴比雪夫度量 (Tchebychev metric) 取代歐氏距離 Shyur 和 Shih(2006) 則在計算分離度時, 以權重歐氏距離 (weighted Euclidean distance) 取代 Lin et al. (2008) 以明科夫斯基距離 (Minkowski distance) 取代歐氏距離 第三節本研究之改進一 關於決策矩陣用向量正規化或統計標準化來建構決策矩陣其主要目的是將原始之決策矩陣中的數值資料轉換成無計量單位的純數值, 以利在不同屬性的評估準則間作相互比較 若是數值資料已是一種無單位的比率值, 則不需再做向量正規化或統計標準化的步驟, 直接使用該數值資料建構的原決策矩陣亦是一種選項 二 關於權重 因為變異係數 cv 值有可能為負值, 進而導致變異係數權重結果, 故再 修正變異係數權重為 - 7 -
2 cv * wcv, = n,, Λ, n 2 cv = = (2) R 語言為免付費的公開軟體, 其中內建多種統計學及數據分析功能, 是一個整合型的資料統計分析及繪圖工具, 也可以作矩陣計算, 其分析速度可媲美 MATLAB 本研究擬就三種決策矩陣轉換( 正規化 標準化及原矩陣 ) 兩種權重方法( 修訂之熵值權重和修訂之變異係數權重 ) 及兩種距離測度 ( 歐氏距離和城間距離 ), 共組合出 2 種評估方法, 使用 R 語言撰寫程式進行模擬運算, 針對決策矩陣大小設計由 4 乘 5 至 28 乘 25, 每種大小皆進行一萬次的模擬, 並選擇一組最佳組合方式 本研究認為最佳組合方式是能將每一個受評者和正理想解的相對接近度, 即 RC 值, 區隔愈清楚愈好, 亦即所有受評者的 RC 值的變異數愈大愈好 因此, 我們選擇的組合方式是在模擬結果中, 其具有最大變異數比率最高者即是最佳組合 第四節 模擬結果 模擬結果附於附錄, 本節節錄其中一些結果列在表 2., 最大變異數次數最多皆發生在修訂之變異係數權重及歐氏距離下, 故本研究最後以原決策矩陣與修訂變異係數權重及歐氏距離之組合進行績效順序排列 本研究修正後 TOPSIS 評估法流程圖, 如圖 2. 所示 - 8 -
矩陣大小 m n 歐氏 表 2. 2 種組合方式模擬一萬次之結果 修訂之熵值權重正規化標準化歐氏城間歐氏城間 修訂之變異係數權重正規化標準化歐氏城間歐氏城間 修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 4 0 6 58 3 8 353 045 0 0 98 26 3755 062 4 5 54 84 3803 866 0 0 59 60 4056 96 4 2 2 26 3 59 3893 777 0 0 36 07 427 880 4 25 9 32 3929 80 0 0 34 7 4293 89 0 0 4 6 66 4075 593 0 0 60 89 4433 653 0 5 3 2 7 4366 462 0 0 3 33 4568 525 0 2 0 2 0 7 4362 43 0 0 2 2 4700 474 0 25 3 3 449 398 0 0 7 9 473 428 9 0 5 4 3 9 4433 392 0 0 25 39 4663 47 9 5 3 2 6 4578 345 0 0 8 3 477 327 9 2 0 0 4624 273 0 0 2 4809 289 9 25 0 0 0 4626 257 0 0 0 0 4844 272 28 0 2 4 4552 30 0 0 7 8 4802 283 28 5 2 0 0 4 465 26 0 0 6 4 489 226 28 2 0 0 0 479 208 0 0 0 485 220 28 25 0 0 0 0 4749 75 0 0 0 4888 87-9 -
問題定義 數據指標所建構之決策矩陣 選用修訂後變異係數值權重 選用歐氏距離計算分離度 計算受評者之相對接近度 對受評者排序圖 2. 修正後 TOPSIS 評估法流程圖 - 20 -
第三章 實證分析與結果 本研究引用公開資訊站 2009 年金融業 28 家銀行 : 台灣銀行 中國信託商業銀行 兆豐國際商業銀行 合作金庫商業銀行 臺灣土地銀行 國泰世華銀行 第一商業銀行 華南商業銀行 台北富邦商業銀行 彰化商業銀行 台新國際商業銀行 永豐商業銀行 台灣中小企業銀行 上海商業儲蓄銀行 玉山商業銀行 花旗商業銀行 香港上海匯豐銀行 聯邦商業銀行 臺灣新光商業銀行 台中商業銀行 安泰商業銀行 元大商業銀行 東方匯理銀行 陽信商業銀行 美商摩根大通銀行 京城商業銀行 板信商業銀行 三信商業銀行 國際公認 CAMEL 評級制度 (CAMEL rating system) 五大指標原則, 主要目的為協助金融機構並加強控管, 故上述 28 家銀行參考 CAMEL 評級制度擷取出常用的財務指標資料, 利用前節篩選的方法進行經營績效排序 其中經營績效衡量指標包含營收成長率 資產成長率 自我資本率 獲利率 資產報酬率 (AOE) 股東權益報酬率(ROE) 員工產值 股東權益週轉率 負債比率 產權比率 第一節 指標定義本研究採用之經營績效衡量指標其分述如下 : 一 營收成長率營收為市場變化及市場占有率的綜合結果, 成長率通常表示產品市場正蓬勃或公司市場占有率持續擴張, 通常一個公司的營收成長率越高, 代 - 2 -
表公司產品銷售量增加 市場佔有率擴大 未來成長也樂觀, 使用標準有 :. 公司的營收成長率和整個市場比較 2. 公司營收成長率和同一產業或同產品公司的比較 3. 公司預估營收成長率和公司本身歷史營收成長率的比較 4. 以營收成長率和營業利益成長率的比較 用以考量公司成長穩定性和未來成長潛力或趨勢 屬於正向評估準則 計算公式如下 : 營收成長率 = ( 當年度營收 - 前一年度營收 ) / 前一年度營收二 資產成長率分析公司整體資產變動情形, 避免公司經營過於保守或過度膨脹, 防止財務結構脆弱化, 以 20%~40% 最適宜 且 Cooper Gulen and Schill (2008) 提出 總資產成長率 這個最能夠代表公司整體成長的因子 屬於正向評估準則 計算公式如下 : 總資產成長率 = ( 本期總資產值 - 上期總資產值 ) / 上期總資產值三 自有資本率企業營運資金中自有資本所占比率表示自償能力的大小, 即衡量無法對債權人清償的風險程度 自我資本率越高企業結構越健全, 說明自償能力越高且對債權人保障越大 屬於正向評估準則 計算公式如下 : 自有資本率 = 股東權益 / 資產總額 - 22 -
四 獲利率此獲利率為稅後純益率, 可用以衡量每一元之銷貨收入 ( 營業收入 ) 對稅後純益的貢獻 獲利率愈高愈佳, 愈高表示企業的獲利愈大 應與當年同業做比較方有意義 屬於正向評估準則 計算公式如下 : 獲利率 = 稅後純益 / 營業收入淨額五 資產報酬率用以考量資產的使用狀態, 即公司每一元資產的獲利能力, 可以呈現出銀行公司整體的經營效益優劣 此數據越高則表示銀行公司對資產管理能力越好 報酬率也越高 屬於正向評估準則 計算公式如下 : 資產報酬率 = ( 稅後純益 + 利息支出 ) / 平均總資產六 股東權益報酬率此為該年度股東權益的成長速度, 由股東權益成長率可以看出, 該公司的經營階層的目標是否與股東目標一致並以股東權益為主要考量 投資大師巴菲特發現, 有持久競爭優勢的公司, 股東權益報酬率幾乎都居高不下 重點在於 不下 這兩個字, 因為 不下 才意謂 持久 屬於正向評估準則 計算公式如下 : 股東權益報酬率 = 稅後純益 / 平均股東權益七 員工產值該指標用以判斷該公司經營效能, 為衡量營運生產力, 可視為內部流 - 23 -
程指標, 擁有高員工產值, 反映內部流程效率好 屬於正向評估準則 計算公式如下 : 員工產值 = 營收總額 / 員工人數八 股東權益週轉率評估運用自我資本賺取營業收入淨額的能力, 該比率越高, 表示公司自我資本運用效率高 獲利能力越高 屬於正向評估準則 計算公式如下 : 股東權益週轉率 = 營業收入淨額 / 股東權益九 負債比率代表負債占公司資產總額的比例, 公司大量借債擴充, 好處是能促使業務快速成長, 以小資本做大生意 但負債比例愈高, 利息負擔愈重, 企業承擔風險的能力也較弱 屬於負向評估準則 計算公式如下 : 負債比率 = 負債總額 / 資產總額十 產權比率指負債總額與股東權益的比率, 是企業財務結構穩健與否的重要指標之一, 此比率反映出清償債權人權益時的保障程度, 該指標越低, 表示企業償還能力越強, 對債權人權益保障越高, 承擔風險越小, 屬於負向評估準則 計算公式如下 : 產權比率 = 負債總額 / 股東權益 - 24 -
第二節 實證結實證結果在 28 家銀行中, 有 9 家為公開發行公司, 憑藉著資本市場所具有的 各項優勢, 擴大營運規模並增強競爭力 公司計畫上市上櫃之前, 需將公 司股票做某種程度流通稱為公開發行, 表示該公司之財務 業務等資訊需 對外透明化, 向不特定的社會大眾廣泛發售證券並受證券交易法及相關法 令所規範 首先計算 9 家公開發行公司之銀行, 其中 0 項財務指標之權重 正 理想解與負理想解列於表 3. 中, 權重偏好程度由大到小為 : 資產成長率 資產報酬率 獲利率 股東權益報酬率 營收成長率 員工產值 產權比 率 自我資本率 股東權益週轉率 負債比率 表 3. 9 家銀行 ( 公開發行公司 ) 權重與正負理想解 財務指標 權重 正理想解 負理想解 營收成長率.003233E-0.746628E-02-9.20650E-02 資產成長率 3.02244E-0 4.955E-02 -.743933E-02 自我資本率 6.7854E-03 4.790500E-04 2.38679E-04 獲利率.780960E-0 4.28855E-02-9.58564E-03 資產報酬率.89360E-0.098289E-03-2.65042E-04 股東權益報酬率.7426E-0.62020E-02-5.226484E-03 員工產值 3.35535E-02 3.793938E-0 8.479384E-02 股東權益週轉率 6.56440E-03 3.8999E-03 2.30805E-03 負債比率 2.25864E-05 2.098738E-05 2.78903E-05 產權比率 8.87538E-03.67992E-0 2.43762E-0 最後計算 9 家銀行與正理想解的相對接近度 (RC 值 ) 並列於表 3.2 中 9 家銀行經營績效排名結果分別為台灣銀行 (0.8989) 兆豐國際商業銀行 - 25 -
(0.7334) 中國信託商業銀行 (0.5577) 國泰世華商業銀行 (0.4822) 台灣土 地銀行 (0.4756) 台北富邦商業銀行 (0.446) 永豐商業銀行 (0.437) 合作 金庫商業銀行 (0.3996) 玉山商業銀行 (0.3929) 台新國際商業銀行 (0.3777) 第一商業銀行 (0.375) 華南商業銀行 (0.3644) 彰化商業銀行 (0.352) 元大商業銀行 (0.3466) 台灣新光商業銀行 (0.366) 板信商業銀 行 (0.2709) 台灣中小企業銀行 (0.2480) 三信商業銀行 (0.233) 陽信商業 銀行 (0.586), 前三名分別為台灣銀行 兆豐國際商業銀行和中國信託商業 銀行 表 3.2 9 家銀行 ( 公開發行公司 )2009 年經營績效排名 公司名稱 RC 值 排名 臺灣銀行 0.898865 兆豐國際商業銀行 0.73338 2 中國信託商業銀行 0.55770 3 國泰世華商業銀行 0.482223 4 台灣土地銀行 0.475582 5 台北富邦商業銀行 0.44644 6 永豐商業銀行 0.4368 7 合作金庫商業銀行 0.399569 8 玉山商業銀行 0.392875 9 台新國際商業銀行 0.377652 0 第一商業銀行 0.375084 華南商業銀行 0.364357 2 彰化商業銀行 0.35232 3 元大商業銀行 0.346628 4 台灣新光商業銀行 0.36557 5 板信商業銀行 0.270889 6 台灣中小企業銀行 0.247989 7 三信商業銀行 0.23275 8 陽信商業銀行 0.58585 9-26 -
接著計算 28 家公開發行公司之銀行, 其中 0 項財務指標之權重 正理 想解與負理想解列於表 3.3 中, 權重偏好程度由大到小為 : 資產成長率 員 工產值 股東權益報酬率 營收成長率 股東權益週轉率 資產報酬率 獲 利率 產權比率 自我資本率 負債比率 表 3.3 28 家銀行權重與正負理想解 財務指標 權重 正理想解 負理想解 營收成長率 6.63290E-02 7.34604E-02-6.08229E-02 資產成長率 6.6499E-0.32848E+00-3.2023E-0 自我資本率.936924E-03.902059E-04 4.667987E-05 獲利率 2.782897E-02.29560E-02 -.49798E-03 資產報酬率 4.648094E-02 8.645454E-04-6.50733E-05 股東權益報酬率 8.487607E-02 6.0262E-02-2.546282E-03 員工產值.038332E-0.9797E+0 2.626980E-0 股東權益週轉率 4.935693E-02 2.7728E-0.02543E-02 負債比率 6.79690E-06 6.29454E-06 6.63305E-06 產權比率 3.27380E-03 2.953555E-02.3008E-0 最後 28 家銀行財務指標資料與正理想解的相對接近度 (RC 值 ) 列於表 3.4 中 28 家銀行經營績效排名結果分別為東方匯理銀行 (0.8764) 美商摩根大 通銀行 (0.3423) 花旗商業銀行 (0.254) 台灣銀行 (0.0835) 兆豐國際商業銀 行 (0.0638) 中國信託商業銀行 (0.0480) 台灣土地銀行 (0.0454) 國泰世華銀 行 (0.043) 台北富邦商業銀行 (0.04) 第一商業銀行 (0.0396) 玉山商業銀 行 (0.0392) 合作金庫商業銀行 (0.039) 安泰商業銀行 (0.038) 華南商業銀 行 (0.0378) 永豐商業銀行 (0.0376) 上海商業儲蓄銀行 (0.0366) 台中商業銀 行 (0.0365) 京城商業銀行 (0.0350) 彰化商業銀行 (0.0342) 台灣中小企業銀 - 27 -
行 (0.0323) 台灣新光商業銀行 (0.035) 台新國際商業銀行 (0.035) 香港上海匯豐銀行 (0.0308) 元大商業銀行 (0.0304) 三信商業銀行 (0.0287) 聯邦商業銀行 (0.0276) 板信商業銀行 (0.0268) 陽信商業銀行 (0.0245), 前三名分別為東方匯理銀行 美商摩根大通銀行和花旗商業銀行 - 28 -
表 3.4 28 家銀行 2009 年經營績效排名 公司名稱 RC 值 排名 東方匯理銀行 0.876354 美商摩根大通銀行 0.34228 2 花旗商業銀行 0.25376 3 臺灣銀行 0.083536 4 兆豐國際商業銀行 0.06380 5 中國信託商業銀行 0.047985 6 台灣土地銀行 0.04542 7 國泰世華商業銀行 0.04348 8 台北富邦商業銀行 0.0420 9 第一商業銀行 0.039628 0 玉山商業銀行 0.03966 合作金庫商業銀行 0.039098 2 安泰商業銀行 0.038093 3 華南商業銀行 0.037778 4 永豐商業銀行 0.03763 5 上海商業儲蓄銀行 0.036553 6 台中商業銀行 0.036457 7 京城商業銀行 0.035000 8 彰化商業銀行 0.03477 9 台灣中小企業銀行 0.032329 20 台灣新光商業銀行 0.03520 2 台新國際商業銀行 0.0347 22 香港上海匯豐銀行 0.030834 23 元大商業銀行 0.030382 24 三信商業銀行 0.028684 25 聯邦商業銀行 0.02769 26 板信商業銀行 0.026803 27 陽信商業銀行 0.024465 28-29 -
第四章 結論與建議 本研究以財務指標為出發點與 TOPSIS 研究方法做結合, 運用模擬方式從 2 種評估方法中選擇一組最佳組合方式, 建立一套客觀的績效評估準則, 進行眾多銀行之績效排名分析 本章將綜合 整理前序章節觀點, 說明研究結論及未來可行之建議研究方向 第一節 結論 本研究與以往運用 TOPSIS 研究方法不同之處, 本研究提出一種藉由程式模擬來選擇決策矩陣 權重方法及距離測度三者中最適合之組合 避免了許多直觀與客觀處理決策矩陣 選取權重及距離測度之難題, 此乃最明顯之研究成果 從多家銀行績效排名的分析結論中發現, 雖然營運方針不同, 卻也發展出自我長處與優點且彼此競爭力驚人, 台灣銀行 兆豐國際商業銀行及中國信託商業銀行從公開發行公司層面來看, 為經營績效排名前三名, 然而整體來說, 東方匯理銀行 美商摩根大通銀行和花旗商業銀行三家外商銀行也不遑多讓, 對存款大眾與投資者均是不錯的考量 但是績效評比排名無法完美無暇去運算, 當中亦包含數多種突發事件和全球金融環境改變等等因素, 但可以依此提供一平台或借鏡, 使銀行同業可以互相參考 探討彼此優劣並加以改善 提升營收, 並吸收在不利營運的經濟環境下之寶貴經驗 ; 讓企業客戶與一般大眾身處金融風暴時, 仍有足夠信心選擇投資與存款的依據 - 30 -
第二節 建議與未來研究方向 雖然金融業獲利狀況尚未回到金融風暴前的水平, 但 2009 年已大幅好轉, 至於虧損的企業家數目也降低許多 以兆豐國際商業銀行為例, 在 2009 年時營收較 2008 年少了 27%, 但是相較於稅後純益卻從 34.22 億成長到 06.64 億, 依靠自身外匯與貿易領域的優勢, 成功壓低成本, 搖身一變為銀行同業中年度唯一稅後純益破百的銀行 200 年面對 ECFA, 對金融業而言是一場艱鉅挑戰, 各家銀行是否能從金融風暴中學習經驗因應難關, 仍然有待觀察 從實驗結果中發現企業生態悄悄改變, 不再比大小而是靈活反應與戰術策略 經營績效評估可以衡量銀行的好壞程度, 透過準則分析, 判斷決策執行正確性 也提供投資選擇性 如此才是經營績效評估使用原則 本研究主要針對 TOPSIS 輔以模擬進而選取出最佳組合, 然而本研究仍有許多方向可以延伸探討, 如多種權重種類與距離測度選取 ; 銀行業經營績效亦有多種財務指標可供選擇, 若能建立完整性的財務指標對績效評比會更有幫助 - 3 -
參考文獻 中文文獻 :. 公開資訊站 http://mops.twse.com.tw/mops/web/index 2. 毛傳志,2008, 台灣地區銀行經營績效與風險指標之研究, 國立中央大學財務金融所, 碩士在職專班論文 3. 王淑芬 謝文馨,200, 臺灣地區銀行經營績效之分析 - 以泛公股銀行與民營銀行為例, 台灣銀行季刊,Vol.6,No., 頁 20-48 4. 王榮祖 林文恭 蔣昭弘,2005, 信託投資公司改制商業銀行之績效評估 - 納入智慧資本之考量, 商管科技季刊,Vol.6,No.4, 頁 60-625 5. 吳有龍 楊倍箕 林瑞源,2009, 應用灰關聯分析與 TOPSIS 方法於遊戲廠商財務績效評估模式, 管理科學研究,Vol.5,No.2, 頁 23-44 6. 吳朝森 阮嬿蓉,2007, 服務品質因子 整體服務滿意度與經營績效之研究 -- 以銀行業為例, 環球科技人文期刊,No.5, 頁 - 7. 汪安靜 龔本剛 桂云苗,2009, 企業物流績效綜合評價的 AHP-TOPSIS 方法及應用, 安徽工程科技學院學報 ( 自然科學版 ),Vol.24,No.4, 頁 73-76 8. 沈中華 王健安,2002, 是 粗心放款者, 還是 壞的借款者 使銀行經營績效低落?, 台灣金融財務季刊,Vol.3,No., 頁 4-58 9. 林光 李選士 王昱傑,2003, 以財務比率評估海運業財務營運績效之 - 32 -
研究, 航運季刊,Vol.2,No., 頁 43-59 0. 林志娟 劉家佑 張慶暉 林秋華,2005, 理想解類似度偏好順序評估方法之延伸及其應用, 中國統計學報,Vol.43,No.3, 頁 33-336. 林泉源,2009, 銀行業股權結構對經營績效 財務績效與股價之影響, 輔仁管理評論,Vol.6,No.2, 頁 43-75 2. 林靜雯 吳楊浚,200, 銀行業營運流程績效關鍵指標之研究, 會計與財金研究,Vol.3,No.2, 頁 7-32 3. 施光訓 陳佳琪,200, 電子金融營運績效與經營策略研析, 績效與策略研究,Vol.7,No., 頁 35-52 4. 張幸惠 涂登才 劉祥熹,2008, 台灣銀行業市場結構 分行設立與績效關係之探討, 台灣金融財務季刊,Vol.9,No.4, 頁 -22 5. 梁榮輝 徐中琦 廖振盛,2007, 台灣外商銀行財務經營績效與影響因素之實證研究, 華人經濟研究,Vol.5,No.2, 頁 49-70 6. 梁榮輝 廖振盛,2008, 臺灣地區外商銀行在台分行經營績效因素之研究 - 灰關聯分析之應用, 績效與策略研究, Vol.5,No., 頁 33-48 7. 畢威寧,2005, 結合 AHP 與 TOPSIS 法於供應商績效評估之研究, 科學與工程技術期刊,Vol.,No., 頁 75-83 8. 郭秋香,2004, 金融控股法實施 - 台灣銀行業經營績效之研究, 南華大學財務管理研究所, 碩士論文 - 33 -
9. 陳大銓 林偉崇,993, 多評準決策方法中折衷權重與 TOPSIS 結合之應用, 中華技術,No.8, 頁 55-60 20. 陳建宏 溫怡俐,2006, 本國商業銀行與外商銀行經營績效之實證研究, 臺灣銀行季刊,Vol.57,No.3, 頁 -7 2. 曾昭玲 陳世能 林俊宏,2005, 逾放比對銀行經營績效影響之多期性研究, 台灣金融財務季刊,Vol.6,No.4, 頁 4-68 22. 黃湞鈺,2003, 銀行業經營績效之研究, 國立政治大學企業管理研究所, 碩士論文 23. 楊馥如 趙葳 仝家駿,200, 銀行業技術效率與財務績效之分析, 會計與財金研究,Vol.3,No., 頁 7-38 24. 詹長儒,2006, 台灣金融控股公司經營績效評估之研究 :TOPSIS 方法之應用, 東海大學統計所, 碩士論文 25. 廖振盛,2009, 組織結構與經營績效關聯性之研究 : 銀行業的實證分析, 臺灣企業績效學刊,Vol.2,No.2, 頁 2-227 26. 趙明哲,2007, 本國銀行經營獲利績效之研究, 國立中央大學產業經濟研究所, 碩士論文 27. 劉祥熹 葉思聖,200, 臺灣地區外商銀行業經營績效之分析, 臺大管理論叢,Vol.,No.2, 頁 35-83 28. 蔡芳美,2005, 我國銀行業經營績效評估之研究, 國立中山大學財務管 - 34 -
理研究所, 碩士論文 - 35 -
英文文獻 :. Cooper, M. J., Gulen, H. & Schill, M. J. (2008). Asset Growth and the Cross-Section of Stock Returns. The Journal of Finance, 63(4), 609-65. 2. Deng, H.,Yeh, C.H. & Willis, R.J. (2000). Inter-Company Comparison Using Modified TOPSIS with Obective Weights. Computers & Operations Research, 27, 963-973. 3. Hwang, C.L. & Yoon, K. (98). Multiple Attribute Decision Making: Method and Application. Springer-Verlag, New York. 4. Lin, M.C., Wang, C.C., Chen, M.S. & Chang, C.A. (2008). Using AHP and TOPSIS Approaches in Customer Driven Product Design Process. Computers in Iudustry, 59(), 7-3. 5. Lusch, R.F. & Brown, J.R. (996). Interdependenc,Contracting, An-drelational Behavior in Marketing Channels. Journal of Marketing. 60(0), 9-38. 6. Olson, D.L. (2004). Comparison of Weights in Topsis Model. Mathematical and Computer Modelling, 40(7-8), 72-727. 7. Robbins, S.P. (989). Organization Theory: Structure,Design,and Application. Prentice-Hall, N.J.. 8. Shannon, C.E. & Weaver, W. (947). The Mathematical Theory of - 36 -
Communication. University of Illinois Press, Urbana. 9. Shyur, H.J. & Shih, H.S. (2006). A Hybrid MCDM Model for Strategic Vendor Selection. Mathematical and Computer Modelling, 44(7-8), 749-76. 0. Sinha, B.K. (2003). Combining Environmental Indicators. Working paper. Department of Mathematics and Statistics University of Maryland Baltimore County.. Sinha, B.K. & Sinha, B.K. (2002). On Some Aspects of MCDM with Environmental Applications. Journal of Statistical Studies: A special Volume in honor of Professor M.M. Ali, 39-44. 2. Venkatraman, N. & Ramanunam, V. (986). Measurement of Business Performance in Strategy Research: A Comparison of Approaches. Academy of Management Review, (4), 80-84. 3. Hwang, C.L. & Yoon, K. (995). Multiple Attribute Decision Making: An Introduction. Sage University, California, USA. 4. Zeleny, M. (982). Multiple Criteria Decision Making. McGraw-Hill, New York. - 37 -
附錄 :2 種組合評估方式模擬一萬次之結果 矩陣大小 修訂之熵值權重正規化標準化歐氏城間歐氏城間 修訂之變異係數權重正規化標準化歐氏城間歐氏城間 修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏 4 5 20 04 0 439 2884 296 0 205 490 326 335 4 6 0 85 7 33 3099 77 0 2 62 383 3467 277 4 7 78 7 252 32 35 0 30 36 3636 78 4 8 5 67 6 235 3345 083 0 2 302 3708 36 4 9 6 60 4 86 3440 084 0 30 268 3708 3 4 0 6 58 3 8 353 045 0 0 98 26 3755 062 4 5 44 5 3635 950 0 85 24 3862 052 4 2 5 56 4 3 3607 978 0 93 2 3897 035 4 3 5 48 2 97 3690 932 0 2 73 86 3986 979 4 4 2 50 2 99 3769 85 0 80 56 4038 952 4 5 54 84 3803 866 0 0 59 60 4056 96 4 6 3 43 84 3758 88 0 0 6 44 457 93 4 7 5 33 0 99 3834 874 0 0 42 40 4075 898 4 8 6 38 0 68 3887 844 0 0 48 2 426 87 4 9 27 49 3843 856 0 48 95 4203 876 4 20 2 36 2 52 3877 83 0 0 37 3 466 902 4 2 2 26 3 59 3893 777 0 0 36 07 427 880 4 22 0 34 0 46 3946 776 0 0 38 96 4229 835 4 23 37 0 5 3944 803 0 0 45 73 429 827 4 24 2 26 0 38 4042 776 0 0 33 03 4200 780 4 25 9 32 3929 80 0 0 34 7 4293 89 5 5 22 80 8 332 3098 30 0 20 45 3529 65 5 6 8 63 20 295 3282 093 0 0 62 38 3549 37 5 7 20 66 0 206 3390 036 0 0 53 326 3708 085 5 8 4 62 8 2 356 964 0 20 265 3830 09 5 9 4 49 5 53 3555 930 0 0 07 222 3937 028 5 0 2 47 9 26 364 857 0 98 83 4049 977 5 8 43 4 3 3767 854 0 0 84 72 4038 97 5 2 8 38 04 383 829 0 0 73 52 4065 97 5 3 9 45 3 88 3809 832 0 0 77 47 473 87 5 4 6 35 78 3934 776 0 0 58 09 4097 906 5 5 4 35 0 57 3964 768 0 0 57 06 4200 809 5 6 3 25 2 67 3959 765 0 0 46 02 4240 79 5 7 2 22 2 45 3994 739 0 0 52 93 4249 802 5 8 7 53 4025 686 0 0 38 93 4262 824 5 9 4 24 0 49 400 740 0 0 36 84 4284 778 5 20 26 32 4063 78 0 0 36 80 4324 79 5 2 2 27 0 30 438 646 0 0 42 69 4308 738 5 22 2 9 36 430 665 0 0 43 55 4287 772 5 23 4 2 0 24 408 644 0 3 49 4425 693 5 24 2 4 0 32 40 649 0 0 26 56 4380 740 5 25 0 3 0 28 482 699 0 0 8 35 4334 69 6 5 3 82 22 273 339 007 0 0 220 37 365 024 6 6 5 54 26 249 3480 96 0 0 74 297 3796 993 6 7 23 45 8 96 3595 950 0 0 45 247 3766 025 6 8 3 53 7 55 366 887 0 0 3 230 3989 874 6 9 5 49 7 30 3789 854 0 0 2 79 398 947 6 0 6 32 3 99 3806 809 0 0 76 44 45 864 6 6 38 3 9 393 79 0 0 75 25 44 87 6 2 6 29 4 79 3933 746 0 0 79 7 4233 774-38 -
矩陣大小 修訂之熵值權重正規化標準化歐氏城間歐氏城間 修訂之變異係數權重正規化標準化歐氏城間歐氏城間 修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏 6 3 7 34 3 56 4028 73 0 0 63 85 422 790 6 4 3 24 3 54 403 695 0 0 49 95 4334 72 6 5 4 23 5 5 4000 669 0 0 34 86 4345 783 6 6 3 22 0 48 4038 663 0 0 35 86 436 744 6 7 2 8 35 43 679 0 0 39 67 4344 684 6 8 2 44 4086 685 0 0 28 7 4380 692 6 9 3 5 0 2 448 648 0 0 34 58 4370 703 6 20 8 27 468 65 0 0 30 46 4409 649 6 2 4 0 24 487 609 0 0 25 46 4423 67 6 22 9 3 20 479 60 0 0 28 40 4466 644 6 23 0 8 0 24 4226 588 0 0 5 29 4425 685 6 24 4 0 25 48 58 0 0 6 4 4469 682 6 25 0 3 6 4240 576 0 0 20 38 4454 642 7 5 9 74 26 263 3442 968 0 0 87 373 368 030 7 6 24 44 2 94 3545 869 0 0 48 275 3973 96 7 7 3 50 4 75 3679 80 0 0 32 235 4028 864 7 8 3 22 8 47 3807 743 0 0 7 97 4094 852 7 9 0 39 8 3 3864 757 0 0 95 44 479 79 7 0 7 40 6 92 4047 702 0 0 73 3 488 732 7 0 29 7 63 3978 703 0 0 63 09 4227 8 7 2 8 22 4 53 4035 679 0 0 62 2 429 725 7 3 5 8 3 46 4074 693 0 0 54 86 4324 697 7 4 7 5 5 38 423 630 0 0 59 85 4328 70 7 5 6 6 4 40 423 593 0 0 42 67 4440 669 7 6 3 2 5 44 499 620 0 0 3 49 4374 654 7 7 7 3 29 4345 576 0 0 4 49 4325 624 7 8 9 30 426 589 0 0 33 44 4390 632 7 9 2 9 26 423 572 0 0 30 56 4520 66 7 20 7 9 4262 55 0 0 28 3 4478 622 7 2 2 7 0 2 40 57 0 0 20 28 4655 649 7 22 3 3 0 2 4255 604 0 0 5 26 4470 602 7 23 2 4 2 4306 524 0 0 4 20 458 599 7 24 2 8 20 433 490 0 0 4 28 4589 535 7 25 0 7 2 4297 527 0 0 8 24 4577 547 8 5 26 66 24 276 356 846 0 0 88 34 3783 934 8 6 24 60 7 96 3683 86 0 0 39 266 3907 892 8 7 23 43 4 49 3827 756 0 0 33 86 4053 86 8 8 37 9 08 3964 732 0 0 96 67 409 785 8 9 8 35 7 0 3858 654 0 0 77 40 4333 778 8 0 9 20 6 49 408 688 0 0 78 96 424 759 8 4 23 3 67 4056 669 0 0 66 08 4329 675 8 2 7 2 3 53 4066 60 0 0 5 0 445 646 8 3 5 8 5 4 439 662 0 0 42 7 4394 623 8 4 2 5 3 28 447 60 0 0 32 55 4524 593 8 5 6 39 4346 543 0 0 36 42 4379 597 8 6 5 0 33 4304 534 0 0 32 44 4427 620 8 7 5 3 24 439 535 0 0 20 45 4477 56 8 8 3 8 4 20 4303 563 0 0 26 42 4522 509 8 9 3 8 4 8 4300 544 0 0 20 29 4504 570 8 20 6 0 5 426 553 0 0 5 32 4582 535 8 2 2 0 9 4365 454 0 0 20 24 4627 498 8 22 2 3 0 4359 508 0 0 2 6 4543 546 8 23 0 5 0 7 4357 484 0 0 0 27 459 59-39 -
矩陣大小 修訂之熵值權重正規化標準化歐氏城間歐氏城間 修訂之變異係數權重正規化標準化歐氏城間歐氏城間 修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏 8 24 4 0 7 4435 57 0 0 7 3 4505 5 8 25 0 6 8 437 470 0 0 6 0 4583 545 9 5 39 43 9 230 3564 847 0 0 202 293 3896 867 9 6 5 53 8 74 3773 724 0 46 240 4040 86 9 7 7 39 5 52 3887 733 0 0 29 208 4034 786 9 8 2 4 3 9 3996 72 0 0 84 50 445 747 9 9 6 28 9 77 405 657 0 0 89 05 4308 696 9 0 7 26 7 45 424 636 0 0 65 84 432 685 9 9 2 4 53 4080 589 0 0 59 83 4458 644 9 2 7 2 5 4249 524 0 0 46 56 4466 588 9 3 6 9 3 34 4236 558 0 0 44 60 4369 67 9 4 3 33 4299 569 0 0 28 53 447 586 9 5 5 34 420 506 0 0 26 50 4602 564 9 6 5 9 8 438 530 0 0 34 29 4524 532 9 7 2 3 4 4330 546 0 0 25 33 453 505 9 8 4 3 4385 493 0 0 9 28 4534 522 9 9 2 4 3 4333 483 0 0 22 26 4593 523 9 20 0 4 3 26 4340 509 0 0 5 4 4566 523 9 2 0 6 0 8 442 467 0 0 4589 496 9 22 0 0 4400 486 0 0 4 5 4582 49 9 23 0 3 0 9 445 490 0 0 3 5 4542 53 9 24 2 2 3 4365 450 0 0 2 25 4645 495 9 25 0 4 0 9 4543 44 0 0 8 9 4557 446 0 5 28 62 3 2 3643 787 0 0 67 284 3958 829 0 6 33 47 5 65 3833 766 0 0 42 28 4026 755 0 7 20 27 9 03 3922 699 0 0 2 86 489 74 0 8 25 8 69 4025 652 0 0 79 38 4289 704 0 9 5 7 8 59 4095 623 0 0 76 86 4357 664 0 0 4 6 66 4075 593 0 0 60 89 4433 653 0 3 2 8 45 446 579 0 0 45 59 4504 599 0 2 7 3 4 40 4235 527 0 0 50 72 4453 599 0 3 5 9 2 34 4324 529 0 0 39 35 4442 58 0 4 2 4 0 33 4327 504 0 0 26 4 4528 535 0 5 3 2 7 4366 462 0 0 3 33 4568 525 0 6 3 9 3 8 4448 455 0 0 8 20 4495 53 0 7 2 9 2 27 4346 425 0 0 7 22 4655 495 0 8 5 6 2 4367 450 0 0 7 7 460 55 0 9 0 2 2 4385 46 0 0 8 9 4649 498 0 20 0 4 4452 442 0 0 4 4633 432 0 2 0 2 0 7 4362 43 0 0 2 2 4700 474 0 22 3 5 4436 420 0 0 9 9 4664 452 0 23 4 6 4559 383 0 0 6 4582 447 0 24 3 0 6 4504 44 0 0 6 8 4587 444 0 25 3 3 449 398 0 0 7 9 473 428 5 28 5 24 26 3682 745 0 0 73 259 408 804 6 20 35 24 26 3933 73 0 0 36 223 407 755 7 7 22 7 26 4035 6 0 0 7 44 423 698 8 9 25 83 4053 630 0 0 95 29 4332 633 9 7 26 57 438 568 0 0 79 88 443 595 0 0 9 3 6 4223 558 0 0 67 69 4378 62 5 2 7 42 4243 52 0 0 33 64 4476 606 2 3 2 4 33 4298 497 0 0 33 47 452 552 3 3 9 2 27 438 494 0 0 32 44 4587 484-40 -
矩陣大小 修訂之熵值權重正規化標準化歐氏城間歐氏城間 修訂之變異係數權重正規化標準化歐氏城間歐氏城間 修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏 4 5 4 0 5 437 488 0 0 20 24 4568 505 5 2 6 2 6 4425 45 0 0 9 24 4533 522 6 2 8 0 5 4377 444 0 0 7 27 4603 507 7 3 2 2 6 4395 437 0 0 3 5 4608 509 8 2 7 8 4356 426 0 0 4 4 4690 482 9 3 2 2 448 396 0 0 5 4597 482 20 0 2 4408 409 0 0 0 9 4662 478 2 0 4 4458 49 0 0 9 2 4673 423 22 0 0 4 4472 399 0 0 7 0 4652 455 23 2 0 4 4459 35 0 0 9 8 4756 40 24 7 4452 394 0 0 4 6 4734 400 25 0 4 0 446 362 0 0 8 7 4728 429 2 5 32 54 32 202 3827 708 0 0 64 276 399 786 2 6 23 30 37 32 3887 699 0 0 6 200 487 689 2 7 6 3 3 02 408 632 0 0 04 27 4296 66 2 8 4 7 75 455 537 0 0 78 0 4326 677 2 9 9 9 9 57 493 552 0 0 68 85 4463 545 2 0 5 9 6 46 4308 533 0 0 43 63 4434 543 2 7 8 5 30 4320 520 0 0 4 56 4494 59 2 2 7 5 0 27 4339 480 0 0 45 54 458 55 2 3 4 5 3 9 4263 450 0 0 30 42 4647 537 2 4 6 8 4267 48 0 0 8 27 4680 50 2 5 3 2 5 4427 426 0 0 9 33 4672 402 2 6 2 7 4440 46 0 0 2 23 4679 409 2 7 2 8 4482 409 0 0 9 22 4639 427 2 8 2 2 0 4474 440 0 0 9 4597 454 2 9 8 4500 398 0 0 4 0 4656 4 2 20 2 0 2 4547 375 0 0 6 6 4647 44 2 2 0 3 4468 389 0 0 5 3 4709 4 2 22 0 3 0 5 4496 362 0 0 6 8 4746 374 2 23 0 2 0 3 4433 395 0 0 4 5 4777 38 2 24 0 0 3 4576 373 0 0 3 9 4662 373 2 25 0 0 4 4546 33 0 0 4 4 4728 382 3 5 5 52 32 70 3834 702 0 54 240 4084 76 3 6 20 25 9 23 3994 64 0 0 09 86 4225 685 3 7 4 8 8 85 4008 607 0 0 97 27 4388 648 3 8 8 8 8 59 4246 549 0 0 75 86 4383 568 3 9 3 7 5 52 4256 495 0 0 46 68 453 535 3 0 3 6 2 49 4264 490 0 0 49 62 4562 503 3 3 8 3 35 4229 53 0 0 37 52 4595 507 3 2 8 25 4378 482 0 0 25 30 4525 525 3 3 5 4 2 2 447 433 0 0 22 32 4594 470 3 4 4 5 4499 43 0 0 9 2 4564 455 3 5 0 4 0 5 4405 396 0 0 2 27 4709 432 3 6 2 5 0 4455 374 0 0 23 22 4672 436 3 7 4 6 2 8 4500 39 0 0 0 7 4684 378 3 8 2 8 446 355 0 0 8 2 4749 403 3 9 0 3 0 5 4503 360 0 0 5 3 4730 38 3 20 0 0 0 4565 370 0 0 9 4666 378 3 2 0 0 8 4539 362 0 0 6 8 4707 369 3 22 0 2 0 6 4468 374 0 0 8 8 4763 37 3 23 0 0 3 4630 329 0 0 3 6 4679 349 3 24 2 5 45 349 0 0 4 5 4777 345-4 -
矩陣大小 修訂之熵值權重正規化標準化歐氏城間歐氏城間 修訂之變異係數權重正規化標準化歐氏城間歐氏城間 修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏 3 25 0 0 0 0 4535 338 0 0 2 2 4750 373 4 5 35 44 27 58 394 732 0 0 49 244 4038 659 4 6 33 32 6 4 4007 62 0 0 25 60 4265 636 4 7 2 29 5 80 47 564 0 0 8 3 434 62 4 8 9 8 5 65 4230 546 0 0 7 98 4382 576 4 9 0 3 2 38 4350 525 0 0 56 70 4388 548 4 0 6 5 28 4258 47 0 0 4 58 462 5 4 2 6 35 44 4 0 0 29 39 4533 523 4 2 2 26 4459 396 0 0 23 34 4586 462 4 3 2 4 3 4423 443 0 0 2 33 4638 43 4 4 5 2 4532 44 0 0 23 6 4586 40 4 5 0 4 4 3 4484 375 0 0 5 7 4670 48 4 6 2 5 0 7 4507 384 0 0 2 0 4655 48 4 7 0 0 0 4508 372 0 0 2 0 4644 443 4 8 3 5 4539 34 0 0 5 2 4726 367 4 9 0 0 5 4482 367 0 0 9 4756 379 4 20 0 4 459 336 0 0 7 9 4780 343 4 2 0 8 4587 288 0 0 4 6 473 374 4 22 0 0 2 2 4582 39 0 0 2 5 4743 345 4 23 0 0 2 4480 332 0 0 7 4827 350 4 24 0 0 2 4574 346 0 0 4 3 472 358 4 25 0 0 0 2 4643 298 0 0 3 474 339 5 5 25 48 24 73 3969 680 0 0 6 89 4048 683 5 6 8 32 6 96 409 607 0 0 24 78 4260 650 5 7 6 25 5 60 432 54 0 0 8 4 42 635 5 8 5 5 66 425 550 0 0 69 7 4386 566 5 9 9 5 39 4335 457 0 0 50 66 455 477 5 0 7 2 7 39 4304 439 0 0 28 46 4608 50 5 2 0 7 33 443 4 0 0 30 40 4598 456 5 2 4 2 5 22 4399 426 0 0 2 36 465 434 5 3 0 4 2 6 4456 45 0 0 9 7 4638 433 5 4 3 0 0 4568 363 0 0 8 5 466 46 5 5 2 6 0 6 4567 365 0 0 3 2 4633 386 5 6 0 0 0 4466 37 0 0 5 5 4754 378 5 7 5 0 4 4564 334 0 0 0 4 4726 342 5 8 4 2 4536 325 0 0 5 9 4783 334 5 9 0 2 0 2 4460 327 0 0 4 7 484 374 5 20 4 0 3 4653 309 0 0 7 4 4673 346 5 2 0 0 0 2 4573 279 0 0 6 0 4778 362 5 22 0 0 0 5 4673 298 0 0 3 8 4709 304 5 23 2 0 465 309 0 0 0 4 47 32 5 24 0 0 0 0 4596 294 0 0 2 4 4776 328 5 25 0 2 4592 309 0 0 2 2 4768 323 6 5 25 4 30 70 3859 65 0 0 52 207 486 679 6 6 24 20 7 95 42 562 0 0 25 5 4247 638 6 7 9 4 22 87 496 529 0 0 77 0 446 539 6 8 5 6 9 65 43 495 0 0 58 80 4435 526 6 9 9 9 36 4326 457 0 0 35 64 4547 56 6 0 3 5 4 32 4259 433 0 0 32 48 474 470 6 5 3 4 26 4424 403 0 0 20 34 4644 437 6 2 2 2 2 22 4462 387 0 0 7 37 4636 423 6 3 3 5 2 4546 369 0 0 9 0 4604 422 6 4 2 8 2 7 4525 343 0 0 6 2 4694 372-42 -
矩陣大小 修訂之熵值權重正規化標準化歐氏城間歐氏城間 修訂之變異係數權重正規化標準化歐氏城間歐氏城間 修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏 6 5 0 457 343 0 0 8 5 4743 36 6 6 0 2 6 4588 280 0 0 4 4745 353 6 7 0 3 2 7 4494 338 0 0 8 4 476 373 6 8 0 0 3 4565 328 0 0 6 9 4737 35 6 9 0 0 6 4582 327 0 0 3 2 4736 343 6 20 0 0 0 4572 35 0 0 2 4 4747 359 6 2 0 2 0 3 4538 32 0 0 0 5 4788 352 6 22 0 0 0 5 4546 294 0 0 4 4 488 329 6 23 0 0 0 0 4566 300 0 0 2 3 4828 30 6 24 0 0 0 3 4655 296 0 0 3 4 4732 307 6 25 0 0 4 4658 303 0 0 2 4746 285 7 5 4 33 34 39 3958 67 0 0 47 203 420 654 7 6 4 27 6 96 423 557 0 0 06 27 4365 569 7 7 2 7 7 78 4237 550 0 0 69 0 4392 537 7 8 9 5 49 4377 490 0 0 6 68 4422 498 7 9 4 2 8 39 4259 479 0 0 39 6 4590 509 7 0 5 5 7 28 4500 387 0 0 34 35 454 458 7 4 5 2 28 4460 430 0 0 30 37 4583 42 7 2 4 3 7 4486 40 0 0 3 2 4667 387 7 3 0 6 4 5 4455 389 0 0 2 469 408 7 4 8 2 9 4492 352 0 0 8 9 4724 385 7 5 0 4 0 2 4622 356 0 0 8 6 4679 323 7 6 0 5 3 4482 290 0 0 2 4 4827 366 7 7 0 4 0 4 4633 320 0 0 9 6 4726 298 7 8 2 3 9 4528 36 0 0 4 9 4809 39 7 9 0 2 0 2 4649 299 0 0 5 4748 294 7 20 0 2 0 4 4649 279 0 0 4 5 473 326 7 2 0 0 4 4593 304 0 0 6 2 4754 336 7 22 0 0 0 4674 252 0 0 2 2 4746 323 7 23 0 0 0 2 459 249 0 0 3 4855 299 7 24 0 0 4679 25 0 0 5 4786 276 7 25 0 0 4563 303 0 0 2 4808 32 8 5 27 33 35 49 3994 607 0 0 39 8 4227 608 8 6 20 22 8 05 444 547 0 0 92 32 4354 566 8 7 3 23 9 70 4234 483 0 0 64 90 4495 59 8 8 4 0 54 4382 462 0 0 53 60 4467 487 8 9 7 0 6 28 440 480 0 0 4 4 4532 454 8 0 4 0 2 8 4487 439 0 0 24 47 4527 442 8 5 7 3 7 4502 369 0 0 34 25 4653 385 8 2 5 2 9 4552 36 0 0 22 4 466 408 8 3 5 0 4545 332 0 0 3 23 4705 365 8 4 2 8 3 7 4492 33 0 0 5 24 4746 372 8 5 0 4 4593 300 0 0 8 3 4752 328 8 6 0 3 0 9 4583 330 0 0 8 3 4744 320 8 7 0 0 463 29 0 0 4 4755 34 8 8 3 0 465 302 0 0 7 6 4764 30 8 9 0 0 4 4547 280 0 0 5 3 4854 306 8 20 0 0 0 4692 295 0 0 3 4 4728 277 8 2 0 0 2 4684 284 0 0 3 3 4734 289 8 22 0 0 5 4594 244 0 7 2 4838 309 8 23 0 0 2 4599 255 0 0 2 4830 30 8 24 0 0 0 4677 258 0 0 2 4783 278 8 25 0 0 0 4650 269 0 0 3 4807 269-43 -
矩陣大小 修訂之熵值權重正規化標準化歐氏城間歐氏城間 修訂之變異係數權重正規化標準化歐氏城間歐氏城間 修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏 9 5 2 33 26 22 3964 58 0 0 62 93 4358 640 9 6 3 29 6 93 469 55 0 0 06 3 4353 557 9 7 7 22 2 6 4306 476 0 0 83 84 4398 55 9 8 4 7 0 49 4373 448 0 0 53 64 4496 486 9 9 4 8 6 32 449 395 0 0 48 4 4573 464 9 0 5 4 3 9 4433 392 0 0 25 39 4663 47 9 4 5 2 2 4522 377 0 0 28 25 467 399 9 2 4 2 4 4545 364 0 0 20 9 464 390 9 3 4 2 2 4490 332 0 0 0 7 4785 347 9 4 2 8 4545 295 0 0 4 8 4774 352 9 5 3 2 6 4578 345 0 0 8 3 477 327 9 6 5 4580 303 0 0 6 6 4777 320 9 7 3 0 0 4645 290 0 0 3 8 4725 325 9 8 0 0 4 4684 259 0 0 6 4 4776 266 9 9 0 4652 276 0 0 4 7 4778 280 9 20 0 0 0 2 4625 276 0 0 3 5 4809 280 9 2 0 0 4624 273 0 0 2 4809 289 9 22 0 0 2 4693 290 0 0 2 4748 263 9 23 0 0 0 2 4632 238 0 0 4883 243 9 24 0 0 0 46 253 0 0 0 4862 272 9 25 0 0 0 4626 257 0 0 0 0 4844 272 20 5 3 3 22 42 42 530 0 0 36 67 4247 582 20 6 9 37 29 73 43 534 0 0 98 9 442 539 20 7 9 2 4 72 4276 480 0 0 72 82 4447 527 20 8 5 5 4 29 4378 43 0 0 4 6 4588 448 20 9 9 4 33 4478 409 0 0 36 43 4548 429 20 0 2 2 3 2 4389 382 0 0 30 33 4736 402 20 3 4 4 3 4527 370 0 0 23 22 4659 375 20 2 2 2 4589 38 0 0 9 3 4699 356 20 3 3 3 0 5 460 327 0 0 4 3 4706 39 20 4 2 2 3 9 4598 307 0 0 6 4 4740 39 20 5 0 0 0 2 4566 33 0 0 7 4745 336 20 6 0 2 5 4549 280 0 0 3 0 4847 303 20 7 0 2 0 6 4657 296 0 0 2 9 470 38 20 8 0 0 464 295 0 0 3 4 4769 286 20 9 0 0 0 3 475 258 0 0 4730 292 20 20 0 2 4679 253 0 0 3 0 4788 273 20 2 0 0 4674 255 0 0 3 5 4786 275 20 22 0 0 0 4654 235 0 0 0 4836 273 20 23 0 0 0 4724 286 0 0 4732 255 20 24 0 0 0 4723 228 0 0 0 0 4800 248 20 25 0 0 0 0 4648 22 0 0 0 4858 272 2 5 28 33 24 29 446 588 0 0 47 7 42 63 2 6 3 26 4 8 4290 542 0 0 0 06 4297 52 2 7 9 5 3 68 434 458 0 0 65 80 4423 528 2 8 8 9 7 44 439 429 0 0 4 43 469 48 2 9 7 6 3 24 4385 399 0 0 30 49 4678 49 2 0 6 8 2 2 455 404 0 0 27 27 4598 392 2 6 6 9 4548 349 0 0 9 4 4675 353 2 2 2 4 2 2 4496 329 0 0 3 6 4758 359 2 3 3 4650 346 0 0 0 0 4648 320 2 4 0 2 7 4474 323 0 0 8 7 486 37 2 5 0 5 4647 38 0 0 5 0 4684 329-44 -
矩陣大小 修訂之熵值權重正規化標準化歐氏城間歐氏城間 修訂之變異係數權重正規化標準化歐氏城間歐氏城間 修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏 2 6 3 0 4638 259 0 0 5 4 4809 280 2 7 0 0 5 45 263 0 0 2 9 4890 39 2 8 0 0 0 2 4634 26 0 0 4 3 4829 267 2 9 2 0 4726 236 0 0 4 4770 259 2 20 0 0 0 3 4720 235 0 0 2 2 4763 275 2 2 0 0 0 4723 276 0 0 4 4734 26 2 22 0 0 0 4694 227 0 0 0 4832 245 2 23 0 0 0 4642 248 0 0 0 485 257 2 24 0 0 4743 237 0 0 3 0 4769 246 2 25 0 0 0 0 4747 226 0 0 2 0 4774 25 22 5 35 39 28 47 40 537 0 0 24 93 422 575 22 6 20 2 72 4262 53 0 0 77 0 4380 534 22 7 7 9 60 4380 429 0 0 58 78 4483 475 22 8 8 5 38 4420 383 0 0 56 4 4606 432 22 9 0 0 0 34 4486 42 0 0 27 42 4588 372 22 0 7 3 3 25 4574 362 0 0 23 38 469 346 22 4 6 3 0 463 34 0 0 3 7 465 35 22 2 7 0 5 4556 3 0 0 8 4 4750 338 22 3 0 2 2 4643 284 0 0 3 7 4745 303 22 4 2 2 0 0 4555 284 0 0 3 8 4794 332 22 5 0 3 460 29 0 0 9 4 4770 30 22 6 0 2 464 28 0 0 9 3 4779 283 22 7 0 0 0 0 472 247 0 0 6 3 4769 254 22 8 0 5 4654 252 0 0 2 4838 246 22 9 0 0 3 4657 238 0 0 0 484 259 22 20 0 0 0 2 4689 223 0 0 0 0 4799 287 22 2 0 0 0 470 227 0 0 3 4 4824 240 22 22 0 0 0 4739 23 0 0 0 4804 242 22 23 0 0 0 4665 223 0 0 2 4833 275 22 24 0 0 0 0 479 222 0 0 0 4824 234 22 25 0 0 0 0 4747 226 0 0 2 0 4774 25 23 5 20 35 2 07 4076 50 0 0 40 60 435 66 23 6 2 8 6 87 4300 488 0 0 9 05 4390 484 23 7 8 2 52 4270 456 0 0 73 86 4570 462 23 8 9 5 7 30 4427 45 0 0 4 5 4586 49 23 9 6 8 5 28 4522 384 0 0 26 46 4588 387 23 0 6 4 0 8 4540 338 0 0 34 24 4675 36 23 6 8 3 9 4582 32 0 0 5 25 4674 357 23 2 3 6 7 4495 36 0 0 4 8 4803 347 23 3 3 4 0 4665 307 0 0 8 0 4682 30 23 4 0 2 3 4666 286 0 0 7 0 4725 300 23 5 2 3 7 46 259 0 0 3 0 487 287 23 6 0 5 4647 256 0 0 6 2 4808 274 23 7 0 0 4 4697 230 0 0 3 5 4790 270 23 8 0 0 0 4 4672 243 0 0 0 2 483 248 23 9 0 3 0 2 4683 246 0 0 3 2 4807 254 23 20 0 0 0 0 4742 244 0 0 5 4758 250 23 2 0 0 0 4652 238 0 0 0 3 4855 25 23 22 0 0 0 0 4563 20 0 0 4948 286 23 23 0 0 0 4687 209 0 0 0 4899 203 23 24 0 0 0 0 4772 209 0 0 0 0 4796 223 23 25 0 0 0 4690 220 0 0 0 0 4858 23 24 5 7 29 26 24 420 57 0 0 27 48 4283 59-45 -
矩陣大小 修訂之熵值權重正規化標準化歐氏城間歐氏城間 修訂之變異係數權重正規化標準化歐氏城間歐氏城間 修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏 24 6 5 20 4 88 4273 524 0 0 85 9 4370 520 24 7 0 3 0 60 427 435 0 0 68 72 458 480 24 8 7 8 4 22 4452 403 0 0 37 52 4606 409 24 9 3 5 5 6 4506 374 0 0 30 38 460 43 24 0 8 4 0 4609 35 0 0 27 24 4588 378 24 5 4 4 9 4597 34 0 0 7 4 4709 327 24 2 4 3 0 6 4529 295 0 0 22 3 482 307 24 3 0 2 0 9 4582 297 0 0 0 7 4766 37 24 4 0 0 0 4 466 249 0 0 7 482 292 24 5 0 5 4607 256 0 0 5 2 4852 27 24 6 0 2 4628 242 0 0 4 5 4864 253 24 7 0 0 0 0 4734 238 0 0 4 3 4759 262 24 8 0 0 0 4647 234 0 0 2 5 4855 256 24 9 0 0 3 4749 226 0 0 4779 240 24 20 0 0 0 2 4732 227 0 0 2 3 486 28 24 2 0 0 0 2 476 98 0 0 2 0 4828 209 24 22 0 0 0 4762 208 0 0 4774 253 24 23 0 0 0 0 4703 204 0 0 0 0 4873 220 24 24 0 0 4758 24 0 0 0 4823 202 24 25 0 0 0 0 47 2 0 0 4876 200 25 5 26 33 25 06 485 55 0 0 24 46 435 525 25 6 22 23 8 73 498 49 0 0 76 98 4532 479 25 7 0 5 53 4436 422 0 0 69 57 4502 425 25 8 7 6 8 25 445 388 0 0 47 48 4633 387 25 9 5 7 9 4578 358 0 0 33 25 4633 34 25 0 3 2 4 6 440 342 0 0 7 28 4808 379 25 7 2 5 4 4572 308 0 0 3 5 4742 322 25 2 2 0 4702 284 0 0 3 8 4692 287 25 3 0 2 7 4588 283 0 0 4 480 294 25 4 0 8 4683 273 0 0 4 4767 262 25 5 3 2 8 46 4537 394 0 0 53 53 4462 432 25 6 0 2 0 6 4599 253 0 0 5 4894 240 25 7 0 0 4589 263 0 0 2 4880 263 25 8 0 4565 245 0 0 2 3 4942 240 25 9 0 4667 232 0 0 4 487 222 25 20 0 0 0 4759 235 0 0 2 2 4777 224 25 2 0 0 0 0 4745 20 0 0 2 487 234 25 22 0 0 0 4644 209 0 0 0 494 23 25 23 0 0 0 0 4756 225 0 0 0 0 4785 234 25 24 0 0 0 0 4688 26 0 0 0 4869 226 25 25 0 0 0 0 4759 207 0 0 0 4827 206 26 5 30 29 28 4209 49 0 0 44 52 4276 530 26 6 3 2 9 75 4332 457 0 0 78 4435 459 26 7 3 2 8 46 4537 394 0 0 53 53 4462 432 26 8 6 9 4 27 4472 37 0 0 58 29 4658 366 26 9 5 9 3 2 4494 343 0 0 36 25 4705 359 26 0 2 3 3 2 4580 3 0 0 7 2 4705 346 26 0 4 9 4553 320 0 0 5 9 4750 329 26 2 2 2 0 4620 309 0 0 4 9 4743 290 26 3 3 7 4567 234 0 0 8 497 25 26 4 2 2 0 5 4670 280 0 0 4 6 4779 252 26 5 0 4 4626 249 0 0 4 485 263 26 6 0 2 0 3 4662 225 0 0 5 484 26-46 -
矩陣大小 修訂之熵值權重正規化標準化歐氏城間歐氏城間 修訂之變異係數權重正規化標準化歐氏城間歐氏城間 修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏 26 7 0 0 0 0 4583 225 0 0 3 2 4939 248 26 8 0 0 0 2 4748 28 0 0 4 0 4802 226 26 9 0 0 4697 22 0 0 0 0 4845 235 26 20 0 0 0 4655 23 0 0 0 2 492 27 26 2 0 0 0 0 4647 226 0 0 0 0 4929 98 26 22 0 0 0 0 4674 206 0 0 0 488 238 26 23 0 0 0 0 470 203 0 0 0 0 4869 28 26 24 0 0 0 0 4725 89 0 0 0 0 4848 238 26 25 0 0 0 0 4766 200 0 0 0 0 4837 97 27 5 28 30 28 0 4084 59 0 0 7 39 4434 520 27 6 6 7 7 76 4285 46 0 0 93 05 448 449 27 7 2 2 9 35 448 464 0 0 4 6 4545 403 27 8 0 6 33 4479 350 0 0 24 43 4670 374 27 9 5 7 8 4533 345 0 0 28 30 4637 396 27 0 6 0 2 22 469 32 0 0 6 26 4669 39 27 2 2 8 4570 292 0 0 6 4782 36 27 2 0 3 3 9 4628 274 0 0 3 2 4787 27 27 3 2 0 4579 269 0 0 6 4873 258 27 4 2 0 0 7 4722 250 0 0 4 4746 268 27 5 0 0 0 4 4689 224 0 0 2 2 4790 289 27 6 0 4695 253 0 0 4 480 243 27 7 0 0 0 2 4732 225 0 0 5 4789 246 27 8 0 2 4630 205 0 0 0 4 4924 233 27 9 0 2 4689 239 0 0 4 486 247 27 20 0 0 4609 2 0 0 3 0 4939 236 27 2 0 0 4673 204 0 0 2 4895 223 27 22 0 0 0 0 486 85 0 0 0 489 79 27 23 0 0 0 0 4775 22 0 0 0 0 4808 205 27 24 0 0 477 92 0 0 0 0 4883 206 27 25 0 0 0 4722 93 0 0 0 0 4888 96 28 5 23 20 28 9 4098 495 0 0 0 37 4467 53 28 6 20 6 4 60 437 463 0 0 6 86 4463 446 28 7 3 2 46 4338 396 0 0 57 59 4608 460 28 8 5 3 3 30 4557 360 0 0 34 38 4586 374 28 9 8 5 2 22 447 305 0 0 30 24 4809 324 28 0 2 4 4552 30 0 0 7 8 4802 283 28 2 6 4653 288 0 0 2 0 4743 274 28 2 4 0 2 4 4592 303 0 0 8 6 4820 26 28 3 0 0 3 4673 260 0 0 0 5 4783 265 28 4 2 2 4730 264 0 0 3 3 4735 259 28 5 2 0 0 4 465 26 0 0 6 4 489 226 28 6 0 0 0 0 474 26 0 0 5 3 4825 237 28 7 0 2 0 3 462 207 0 0 3 4934 238 28 8 0 0 0 3 470 202 0 0 0 2 4868 224 28 9 0 0 2 4593 207 0 0 0 2 497 224 28 20 0 0 0 4720 87 0 0 0 3 487 28 28 2 0 0 0 479 208 0 0 0 485 220 28 22 0 0 0 0 473 83 0 0 0 0 499 85 28 23 0 0 0 0 4767 208 0 0 0 0 4807 28 28 24 0 0 0 0 4686 87 0 0 0 2 498 207 28 25 0 0 0 0 4749 75 0 0 0 4888 87-47 -