预警指标的检验

在进行预警时，仍有必要对上述指标体系进行检验以保证指标体系在企业外包时预警的准确性。预警指标的检验包括前期检验和后期检验。

（一）前期检验

前期检验主要指对预警指标的相关性进行检验。上述预警指标体系在对服务外包风险进行预警时，部分指标可能在评价服务外包风险时可能有相互重叠现象。这样在计算综合评价值对服务外包风险预警的过程中，不仅会加大管理人员的工作量，而且在评价过程中，不同指标之间的权重难以确切把握，导致风险管理人员在因素指标评价时对权重错误估计，从而导致风险预警的错误报警，因此有必要对指标的相关性做处理。通常采用的相关性处理方法有相关系数矩阵法、主成份法和因子分析法等。

本文采用因子分析法，其基本分析步骤如下：

1．选择分析的变量。

首先用定性和定量分析方法选择变量，做因子分析的前提是变量之间存在一定的相关性，如果原始变量之间无相关性或者相关性很小的话，它们之间不会有公共因子，所以，要求原始变量之间应该存在一定的或者较强的相关性。

2．计算原始变量之间的相关系数矩阵。

相关系数矩阵描述了原始变量之间的相关关系，如果所选变量之间无关系，说明不适合做因子分析，因此，计算相关系数矩阵是判别是否做因子分析的一个基础。

3．提取公共因子。

根据因子方差的大小来确定因子个数，方差大于1或者特征值大于1的因子其贡献率可能较大，而方差小于1的因子贡献率可能较小。

4．因子旋转。

通过坐标变换使得每个原始变量在较少的因子之间有密切关系，会使因子变量的实际意义更容易解释。

5．计算因子得分值。

因子得分是公共因子F1，F2，K，Fm，在每一个样品点上的得分，在最小二乘定义下，得到F的估计值：^F=A/R-1X。其中A为因子载荷矩阵，R为原始变量的相关阵，X为原始变量向量，当得到样本值之后，用公共因子去描述原始变量的取值。

6．根据因子得分值做进一步分析。

根据因子在每一个指标上的得分，解释说明公共因子的含义。

（二）后期检验

后期检验主要用来评价企业运营状况的有效性，即预警结果与实际结果的吻合度。为此采用迭代的方法，利用预警输出结果和实际警情、专家诊断相互比较，根据比较结果，不断地调整预警指标体系，以提高和改善指标体系的科学性。在具体的操作过程中，如果服务外包风险预警指标中某一底层指标发出警号，根据实际调查或专家诊断，实际外包企业经营状况中也出现了相应的警情，则反映出这一指标的确能对企业某方面的状况进行准确地评价，可以保留该指标。相反，如果通过与实际警情的对比，发现该指标发出的警号与实际警情不符，说明该指标不能准确地分析和评价运作风险预警，说明该指标存在一定的问题，此时，应该通过进一步的分析以检验预警指标的取舍。

（三）检验结果

预警本身也存在风险，预警的结果和实际结果有可能会出现偏差并带来不利影响，主要包括两种情况：

1．误警[195][196]

误警主要包括两种情况，其一是警报出现，但是实际风险程度显示的等级与预报的等级不是同一等级，或者预报时间和出现结果的时间不一致，其二是某一风险发出警报，但是实际中并没有出现。出现误警的原因：（1）收集的数据和信息不可靠或者缺乏完整性。（2）所选指标设置不合理，把一些对服务外包风险影响并不是很大的因素设置为预警指标，出现误警。（3）有可能出现警限设置过于严格，危险区间设计过于宽松，而状态良好区间过于狭窄，使得风险程度变大，出现误警。

2．漏警。

漏警是指风险因素已经发生，但是预警系统未发出警报。出现漏警的原因：（1）警限设置过松，危险区间设计过于狭窄，而状态良好区域设计过宽，忽视了实际中的风险程度。（2）一些小概率事件的因素发生，影响服务外包风险有诸多因素，而为了减少预警的工作量，排除一些不重要的小概率事件是有必要的，因此，一旦小事件概率发生，会导致漏警的发生。

为了减少服务外包预警风险，要运用定性分析和定量分析相结合，认真分析风险结果值，注意预警指标的选取和权重的设定，以及预警区间的设置是否科学合理，同时运用多种预警方法，提高预警的准确性，开发适合自身的预警系统，更好地掌握数据和信息的反馈，及时调整预警结果，调整预警系统，做好服务外包风险预警系统的每一个环节的工作，保证预警结果输出的有效性。