中部省份区域竞争力的因子分析与评价_上官飞

2017年环评师技术方法考点：评价因子筛选的方法

2017年环评师技术方法考点：评价因子筛选的方法评价因子筛选的方法 (一)大气环境影响评价因子的筛选方法应根据建设项目的特点和当地的大气污染状况对污染因子进行筛选1、首先选择该项目等标排放量pi较大的污染物为主要污染因子等标排放量pi的计算： (1) 式中：pi——等标排放量，m3/h;qi——单位时间排放量，t/h;coi——大气环境质量标准，mg/m3. coi一般选用gb3095中二级标准的一次采样浓度允许值(或1h平均值)，对该标准中未包含的项目，可以照tj 36—37中的相应值选用，如已有地方标准，应选用地方标准中的相应值，对某些上述标准中都未包含的项目，可参照国外有关标准选用，但应作出说明，报环保部门批准后执行。qi应符合国家或地方大气污染物排放标准。对上述标准中只规定了日平均容许浓度限值的污染物，coi可取日平均浓度限值的3倍，对于致癌物质、毒性可积累或毒性较大的如苯、汞、铅等，可直接取日平均容许浓度限值。

2、其次还应考虑评价区内已造成严重污染的污染物 3、列入国家主要污染物总量控制指标的污染物，亦应作为评价因子。 (二)水环境影响评价因子的筛选方法 1、现状评价因子的选择水环境影响评价因子是从所调查的水质参数中选取的。所选择的水质参数包括现两类：一类是常规水质参数，它能反映水域水质一般状况;另一类是特征水质参数，它能代表建设项目将来排放的水质。在某些情况下，还需要调查一些补充项目。 (1)常规水质参数：以gb 3838中所提出的ph、溶解氧、高锰酸盐指数、化学需氧量、五日生化需氧量、凯氏氮或非离子氨(总氮或氨氮)、酚、氰化物、砷、汞、铬(六价)、总磷以及水温(13项)为基础，根据水域类别、评价等级、污染源状况适当删减。 (2)特征水质参数：根据建设项目特点、水域类别及评价等级选定。可根据按行业编制的特征水质参数表进行选择，选择时可适当删减。 (3) 其它方面参数：当受纳水域的环境保护要求较高(如自然保护区、饮用水源地、珍贵水生生物保护区、经济鱼类养殖区等)，且评价等级为一、二级时，应考虑调查水生生物和底质。其调查项目可根据具体工作要求确定，或从下列项目中选择部分内容：水生生物方面：浮游动植物、藻类、底栖无脊椎动物的种类和数量、水生生物群

因子分析例题

因子分析例题 Revised as of 23 November 2020

因子分析因子分析（Factor Analysis ）是主成分分析的推广，它也是从研究相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合变量的一种多变量统计分析方法。第一节因子分析的基本思想首先我们看下面两个实际例子：例1．例1．某企业招聘人才，对每位应聘者进行外貌、申请书的形式、专业能力、讨人喜欢的能力、自信心、洞察力、诚实、推销本领、经验、积极性、抱负、理解能力、潜在能力、实际能力、适应性等15个方面的考核。这15个方面可归结为应聘者的外露能力、讨人喜欢的能力、经验、专业能力4个方面，每一方面称之为一个公共因子。企业可根据这4个公共因子的情况来衡量应聘者的综合水平。例2．例2．在企业经济效益的评价中，有经济效益的指标体系。通常这个指标体系有八项指标：固定资产利税率、资金利税率、销售收入利税率、资金利税率、固定资产产值率、流动资金周转天数、万元产值能耗、全员劳动生产率等。这八项指标可概括为盈利能力、资金和人力利用、产值能耗三个方面。这三个方面在企业的生产经营活动中为主要因子，起着支配作用，企业要提高经济效益就要在这三个公共因子方面下功夫。因子分析的基本思想：是通过变量（或样品）的相关系数矩阵（对样品是相似系数矩阵）内部结构的研究，找出能控制所有变量（或样品）的少数几个随机变量去描述多个变量（或样品）之间的相关（相似）关系，但在这里，这少数几个随机变量是不可观测的，通常称为因子。 ? 因子分析分为两类，即R 型因子分析（对变量作因子分析），Q 型因子分析（对样品作因子分析）。第二节第二节因子分析的数学模型 1．1．模型（R 型）设),,,(21p x x x X =为观察到的随机向量，),,,(21m F F F F =是不可观测的向量。有 111111ε+++=m m F a F a x 221212ε+++=m m F a F a x ? p m pm p p F a F a x ε+++= 11 即 ε+=AF X 其中)',,(1p εεε =称作误差或特殊因子。满足假设： 1）p m ≤ 2）0),cov(=εF ，

因子分析与综合评价

因子分析法--综合评价指标

《应用统计分析》----题目2 题目2 数据data2是某医院3年中各月的数据，包括门诊人次、出院人数、病床利用率和周转次数、平均住院天数、治愈或好转率、病死率、诊断符合率、抢救成功率。采用因子分析法探讨综合评价指标。一、因子分析法因子分析是主成分分析的推广和发展，也是利用降维方法进行统计分析的一种多元统计方法。它是一种将多变量化简的技术，其目的是分解原始变量，从中归纳出潜在的“类别”，相关性较强的指标归为一类，不同类间变量的相关性则降低。每一类变量代表了一个“共同因子”，即一种内在结构,因子分析就是要寻找该结构。因子分析有一个默认的前提条件就是各变量间必须有相关性，否则，各变量间没有共享信息，就不应当有公因子需要提取，自然也谈不上使用该方法。具体在该条件的判断上，除了根据专业知识来估计外，还可以使用KMO统计量和Bartlett’s 球形检验加以判定。二、操作步骤 1.导入数据依次单击“文件—打开—数据文件”命令，打开如图1所示的对话框。图1 导入数据

2.因子分析（1）依次单击“分析—降维—因子分析”命令，如图2所示。打开图3所示的“因子分析”主对话框。图2 因子分析菜单（a ）选入变量前（b ）选入变量后图3 “因子分析”主对话框（2）在图3（a ）所示的对话框中选中左边的变量，单击按钮，将其选入到左边的列表框中（如图3a 所示）。（3）单击“描述”按钮，弹出“因子分析：描述统计”对话框，如图4所示，在“统计量”选项组中选取“原始分析结果”；在“相关矩阵”中选取“系

数”和“KMO和Bartlett”。设置完毕后，单击“继续”按钮，确认操作。图4 “因子分析：描述”对话框图5 “因子分析：抽取”对话框（4）单击“抽取”按钮，得到如图5所示的“因子分析：抽取”对话框。选择“方法”为“主成分”；在“分析”选项组选择“相关性矩阵”；在“输出”选项组选择“未旋转的因子解”和“碎石图”；在“提取”选项组中将“因子的固定数量：”设置为4；将“最大收敛性迭代次数：”设置为25. （5）单击“旋转”按钮，得到如图6所示的“因子分析：旋转”对话框。在“方法”选项组选择“最大四次方值法”；在“输出”选项组选择“旋转解”；将“最大收敛性迭代次数：”设置为25。（6）单击“得分”按钮，得到如图7所示的“因子分析：得分”对话框。选择“保存为新变量”和“显示因子得分系数矩阵”；在“方法”选项组选择“回归”。最后，在“因子分析”主对话框（如图3所示）中，单击“确定”按钮，执行操作。

最新整理环评师技术方法考点：评价因子筛选的方法

环评师技术方法考点：评价因子筛选的方法评价因子筛选的方法 (一)大气环境影响评价因子的筛选方法应根据建设项目的特点和当地的大气污染状况对污染因子进行筛选1、首先选择该项目等标排放量p i较大的污染物为主要污染因子等标排放量p i的计算： (1)式中：p i——等标排放量，m3/h;q i——单位时间排放量，t/h;c o i——大气环境质量标准，m g/m3. c o i 一般选用g b3095中二级标准的一次采样浓度允许值(或1h平均值)，对该标准中未包含的项目，可以照t j36—37中的相应值选用，如已有地方标准，应选用地方标准中的相应值，对某些上述标准中都未包含的项目，可参照国外有关标准选用，但应作出说明，报环保部门批准后执行。q i应符合国家或地方大气污染物排放标准。对上述标准中只规定了日平均容许浓度限值的污染物，c o i可取日平均浓度限值的3倍，对于致癌物质、毒性可积累或毒性较大的如苯、汞、铅等，可直接取日平均容许浓度限值。 2、其次还应考虑评价区内已造成严重污染的污染物 3、列入国家主要污染物总量控制指标的污染物，亦

应作为评价因子。 (二)水环境影响评价因子的筛选方法 1、现状评价因子的选择水环境影响评价因子是从所调查的水质参数中选取的。所选择的水质参数包括现两类：一类是常规水质参数，它能反映水域水质一般状况;另一类是特征水质参数，它能代表建设项目将来排放的水质。在某些情况下，还需要调查一些补充项目。 (1)常规水质参数：以g b3838中所提出的p h、溶解氧、高锰酸盐指数、化学需氧量、五日生化需氧量、凯氏氮或非离子氨(总氮或氨氮)、酚、氰化物、砷、汞、铬(六价)、总磷以及水温(13项)为基础，根据水域类别、评价等级、污染源状况适当删减。 (2)特征水质参数：根据建设项目特点、水域类别及评价等级选定。可根据按行业编制的特征水质参数表进行选择，选择时可适当删减。 (3)其它方面参数：当受纳水域的环境保护要求较高(如自然保护区、饮用水源地、珍贵水生生物保护区、经济鱼类养殖区等)，且评价等级为一、二级时，应考虑调查水生生物和底质。其调查项目可根据具体工作要

因子分析实例.doc.gzip

转：SPSS因子分析 (因素分析)——实例分析 2011-03-22 16:29 https://www.360docs.net/doc/2b17076427.html,/%CD%DA%BF%F3%B9%A4%C8%CB/blog/item/270b63812ec5c9 ac0cf4d2a7.html 提起因子分析那是老生常谈，分析人士大都喜欢讨论主成分与因子分析。我也凑个热闹，顺便温习温习，时间长了就会很模糊。一、概念探讨存在相关关系的变量之间，是否存在不能直接观察到的但对可观测变量的变化其支配作用的潜在因子的分析方法就是因子分析，也叫因素分析。通俗点：原始变量是共性因子的线性组合。二、简单实例现在有12个地区的5个经济指标调查数据（总人口、学校校龄、总雇员、专业服务、中等房价），为对这12个地区进行综合评价，请确定出这12 个地区的综合评价指标。点击下载三、解决方案 1、不同地区的不同指标不同，这导致目前我们拥有的5个指标数据很难对这12个地区给一个明确的评价。所以，有必要确定综合评价指标，便于对比。因子分析是一种选择，当然还有其他的方法。5个指标即为我们分析的对象，直接选入。

2、描述统计选项卡。我们要对比因子提取前后的方差变化，所以选定“初始分析结果”；现在是基于相关矩阵提取因子，所以，选定相关矩阵的“系数”；比较重要的还有KMO和球形检验，它告诉我们数据是不是适合做因子分析。选定。其他选择自定。 3、抽取选项卡。提取因子的方法有很多，最常用的就是主成分法。这里选主成分。关于特征值，不想解释太多，这和显著性水平一样，都是统计学的一个基本概念。因为参与分析的变量测度单位不同，所以选择“相关矩阵”，如果参与分析的变量测度单位相同，则考虑选用协方差矩阵。

因子分析与综合评价

因子分析在综合评价中的应用摘要：因子分析方法是一种降维、简化数据的技术。将因子分析运用于统计指标体系的综合评价中，克服了传统评价方法在处理指标高度相关和权重设定上的缺陷，但所构造的因子得分模型仅适用于对评价对象的静态比较，并不适用于动态比较。文探将深入探讨因子分析法进在综合评价的作用以及应注意的一些问题。关键词：因子分析法；综合评价在多指标综合评价方法中，传统方法对于权重的设置往往带有一定的主观随意性，将多元统计引入综合评价方法，如因子分析法，可以克服人为确定权数的缺陷，使得综合评价结果唯一，而且客观合理。许多学者在因子分析方法的运用上存在着一些问题，削弱了实证分析研究的解释力和信服力。本文试从如何正确运用因子分析法进行综合评价作一些探讨。下面将从两个方面进行介绍：一、因子分析方法的基本思想和运用因子分析法是把一些具有错综复杂关系的变量归结为少数几个无关的新的综合因子的一种多变量统计分析方法。其基本思想是根据相关性大小对变量进行分组，使得同组内的变量之间相关性较高，不同组的变量相关性较低。每组变量代表一个基本结构，因子分析中将之称为公共因子。假设观测系统（即评价总体），有k个评价指标，n个观测单位，因子分析的数学模型就是把n个观测单位分别表示为pvk个公共因子和一个独特因子的线性加权和，即 X i i1 F1 i2 F2 1p F P (i 1,2,..., n)(1-1) 其中：F I,F2,…,F p为公共因子，它是各个指标中共同出现的因子，因子之间通常是彼此独立的；i是各对应变量X i所特有的因子，称为特殊因子，通常假定i?N 0, i2;系数j是第i个变量在第j个公共因子上的系数，称为因子负荷量，它揭示了第i个变量在第j个公共因子上的相对重要性。因此，通过因子模型建立综合评价函数的步骤如下：（1）根据原始变量矩阵估计因子载荷矩阵。因子载荷阵的估计方法有很多, 主成分法是其中最为普遍的方法：设原始变量X （ X1,X2，…,X K）的协方差阵为，1 2 ... K 0为的

综合评价指标体系

小学生综合素质评价指标体系低年段（1～2年级）中年段（3～4年级）高年段（5～6年级）篇二：供应商综合评价指标体系供应商综合评价指标体系摘要根据相似性度量理论中的χ2统计量，在专家评级的基础上，构造出定性指标的相关系数矩阵，利用主成分分析法选取主成分，并作因子分析，进而根据因子载荷矩阵，得到主成分与各原始指标间的相关系数，最后在一定阈值标准下，舍掉相关系数绝对值较小的指标，从而达到用客观合理的方法对定性指标进行筛选的目的。该方法可被借鉴应用于物流领域中供应商定性评估指标的筛选。引言供应商评估和选择是企业的一个重要决策，一个好的供应商是指供应商拥有制造高质量产品的加工技术，拥有足够的生产能力，以及能够在获得利润的同时提供有竞争力的产品。同一产品在市场上的供应商数目越来越多，供应商的多样性更使得供应商的评估和选择工作变得复杂，需要一个规范的标准来操作。供应商评估首先要解决的是供应商评估指标体系的确立问题。供应商综合评价指标体系设置供应链中战略供应商选择的综合评价指标体系，是一套能够充分揭示企业发展过程的内在规律、具有一定的内在联系、相互补充、能确保企业长远发展目标实现的指标群体。在这个指标群体中，设置哪些指标，如何设置，既关系到评价结果的科学性、准确性和实用性，更关系到企业发展方向调整，影响整个供应链绩效的过程，因此，设计系统的评价指标体系，是正确供应链中战略供应商选择的前提与基础。实际运行中的供应链系统是一种人工和自然相结合的多变量、多目标、多约束条件的复杂非线性开放系统，对这种系统的评价指标体系的设计，应遵循以下准则：（1）指标系统性。按系统论的观点，整个供应链可以看成是一个复杂的大系统，供应商系统是整个供应链管理系统中的一个子系统。从整个供应链管理大系统出发，对战略供应商的选择不仅要受自然规律的影响，也要受各种社会因素的制约。因此，所设计的评价指标体系要尽可能全面地、系统地反映供应商企业目前的综合水平，并包括企业发展前景的各方面指标。（2）指标科学性。战略供应商选择的评价指标体系是一个有机的系统，要从总目标出发，抓住重点，突出基本目标，以综合性为主，而不是面面俱到。所设计的指标要能正确揭示对整个供应链系统优化程度，各指标应规范化，有明确的内涵和外延，统计方法单一，统计口径一致。在指标体系形式上，绝对数指标和相对数指标相结合，通过绝对数指标反映出企业技术创新行为在总量上和规模上的情况；通过相对数指标反映出速度和比率等。两类指标相辅相成，结合分析，可以更能准确地反映实际情况。（3）指标的实用性。指标的实用性也就是指标的可操作性。这主要包括评价指标的可计算性以及指标计算所需数据的可行性。评价指标体系应具有足够的灵活性，以使企业能根据自己的特点以及实际情况，对指标灵活运用。因此，在设计指标体系时应尽可能地采用可量化的指标和利用现有的统计数据。（4）指标的可比性。战略供应商选择的评价指标体系应符合动态可比和横向可比的要求。动态可比上指指标在时间上的可比；用于企业过去、现在和将来的比较，反映战略供应商选择的发展和变化趋势；横向可比是指各供应商之间的互相比较和排序，以便总结经验，找出差距。

Alpha 策略因子的选择与评价

Alpha策略因子的选择与评价 2015-07-28 本文是量化对冲Alpha策略系列报告的第一篇，主要概述了Alpha策略的整体思路，介绍了Alpha策略因子的分类方法、筛选和评价的一般方法和步骤，同时还较为详细地说明了因子的组合方法以及基于因子库的量化选股的一般方法和步骤。 1.量化对冲Alpha策略简介 1.1 Alpha的含义根据拓展的CAPM模型，我们知道，证券s的实际收益率满足：其中，Rs为现货组合的预期收益率，rf为无风险利率，Rm为市场指数的预期收益，?s为误差项，α衡量了非系统性风险，βs衡量了系统性风险。投资者在市场交易中同时面临着系统性风险和非系统性风险，阿尔法策略通过对系统性风险进行度量并将其分离，从而获取超额绝对收益。 1.2 Alpha策略的基本思想 Alpha策略是典型的对冲策略，通过构建相对价值策略来超越指数，然后通过指数期货或期权等风险管理工具来对冲系统性风险。Alpha策略可以看成中性策略的一种，但是Alpha策略的约束更小，其Alpha来源可能是行业的、风格的或者其他的。Alpha策略注重选股，属于主动投资，相比之下，Beta策略注重对投资时机的选择，属于被动投资。股票的Alpha是它超过或低于通过CAPM模型预测的可能期望收益的部分，若股票定价公平，则其Alpha为0。 1.3 Alpha策略的分类在实际中经常使用的Alpha策略主要有：多因子、风格轮动、行业轮动、资金流、动量反转等。多因子是应用最为广泛的一种策略，该策略选择一系列因子搭建模型。通过这些因子筛选股票，满足则买入，不满足则卖出。多因子的最大优势在于，在不同的市场和行情下，因子库中总有一些因子能够发挥作用。风格轮动是指利用市场的风格特征进行投资。市场有时会偏好小盘股，有时偏好大盘股。通过观察某些指标来

综合指标分析

五、综合指标分析所谓综合指标分析就是将运营能力、偿债能力、获利能力和发展能力指标等诸方面纳入一个有机的整体之中，全面地对企业经营状况、财务状况进行揭示与披露，从而对企业经济效益的优劣作出准确的评价与判断。（一）综合指标分析的特点 P392 1.指标要素齐全适当 2.主辅指标功能匹配 3.满足多方信息需要（二）综合指标分析方法 1.杜邦财务分析体系（1）指标分解（参见教材394页的图12-1）净资产收益率=净利润/平均所有者权益 =总资产净利率×权益乘数总资产净利率=净利润/平均总资产=营业净利率×总资产周转率（2）杜邦财务分析体系的核心公式：

净资产收益率=营业净利率×总资产周转率×权益乘数其中：营业净利率=净利润÷营业收入总资产周转率=营业收入÷平均资产总额权益乘数=平均资产总额÷平均所有者权益总额=1÷（1-资产负债率）=1+产权比率从权益乘数计算公式可以看出，负债比率越高，权益乘数越高，即负债比率与权益乘数同方向变动。（3）指标之间的关系净资产收益率是一个综合性最强的财务指标，是杜邦体系的核心。净资产收益率的高低取决于营业净利率、总资产周转率和权益乘数。营业净利率反映了企业净利润与营业收入的关系。提高营业净利率是提高企业盈利的关键，主要有两个途径：一是扩大营业收入，二是降低成本费用。总资产周转率揭示企业资产总额实现营业收入的综合能力。企业应当联系营业收入分析企业资产的使用是否合理，资产总额中流动资产和非流动资产的结构安排是否适当。此外，还必须对资产的内部结构以及影响资产周转率的各具体因素进行分析。权益乘数反映所有者权益与总资产的关系。权益乘数越大，说明企业负债程度越高，能给企业带来较大的财务杠杆利益，但同时也带来了较大的偿债风险。因此，企业既要合理使用全部资产，又要妥善安排资本结构。

环境评估报告-5环境影响因子识别和评价因子的筛选

5 环境影响因子识别和评价因子的筛选 5.1 识别与筛选的目的本工程为煤矿开采，其建设期、运营期和服务期满后都将会给环境带来一定的影响。本评价根据工程类别、规模、工艺特征和矿井建设工程的特点，以及矿井所处地区的污染状况，通过区域环境对建设项目的制约因素的分析，识别建设项目对环境影响的主要生产环节、设备和主要的环境敏感因素，确定工程对区域自然环境、社会经济、生态环境等方面的可能影响、影响程度和范围，以确定环境影响评价工作内容、评价重点及预测因子。 5.2 建设项目环境影响综合分析本工程建设项目为120万吨/年矿井兼并重组整合工程，工程内容包括主井、副井、风井、工业场地等生产设施建设、办公区建设等。工业场地周围主要为村庄农田和沟谷，自然植被状况一般。工程主要的环境影响为： 5.2.1 对自然物理资源的影响本建设项目对自然物理环境的影响,在施工建设期主要表现在对环境空气、声环境、地表水、地下水环境及土壤不利影响上。主要表现为施工过程中清理场地、场地开挖、地基处理、搅拌、运料等施工机械和运输车辆产生的环境空气、废水、噪声等污染影响，但由于施工期相对较短，故对周围环境的影响并不突出。工程投产运行期，对环境产生的主要影响包括废气、废水、矸石排放、噪声及生态影响，工程虽然采用了较严格的污染治理措施，但仍不能完全排除对周围环境产生不利影响的可能。生产运行期的这些影响为长期和直接的影响。具体包括：1）对环境空气的影响主要有锅炉、原煤储存、原煤筛分产生烟（粉）尘等废气污染。 2）对地表水的影响主要为工程外排的废水中污染物将可能对河水水质产生不利影响； 3）对地下水的影响主要是在巷道掘进和回采过程中产生的地表沉陷可能对隔水

因子分析法典型案例

案例：基于因子分析法的高级管理者人力资源价值计量模型一、背景介绍及问题提出 1. 人力资源价值计量的背景著名会计学家 W.A 佩顿(Paton)教授曾经睿智地指出：在企业中，良好组织且忠诚的员工是一项远比商品更为重要的“资产”。对于这样重要的“资产”为什么直到现在都没有纳入财务会计核算体系呢？人力资源价值信息没有在财务报表体系中加以披露的原因是：人力资源的价值计量是一个难题，使得人力资源会计一直处于理论探讨和实验阶段，未能登堂入室。人力资源价值计量研究目的在于：用人力资源的创造能力来反映组织现有人力资源的质量状况及企业对人力资源的能力回报，为企业管理当局和外部利害关系集团提供完整的决策信息。 2．高级管理者人力资源的研究背景高级管理者是企业的核心和灵魂，在企业人力资源中居于中心地位是一种稀缺的生产要素，对高级管理者人力资源的垄断是超额剩余价值的主要来源，几乎每一个优秀的企业都与企业中高级管理团队紧密地联系在一起的。 3. 问题的提出在人力资源价值计量发展的完善的过程中，如何动态地、客观地、科学地综合评价高管的价值，一直是困扰人力资源价值计量的一个难题，许多专家和学者采用未来收益折现或期权定价等方法对人力资源价值进行计量；未来收益折现是以工资为基础对高级管理者的未来收益进行折现，这种货币计量方法存在主要问题在于工资不能反映人力资源真实价值，因为高级管理者人力资源价值本身存在复杂性、隐蔽性及能动性，仅以工资作为衡量人力资源价值的大小的标准，忽略了高级管理者在企业价值创造中的特殊性。由于高级管理者人力资源存在某些特性。因此，对高级管理者的采用非货币计量的方法更加具有现实的意义。二、问题研究的意义 1、人力资源价值的科学计量会使企业更加全面、科学的掌握高级管理者的信息并更加重视人力资源的作用，从而为了保留和争取人才，对企业的高级管理者进行有效的激励。 2、对高级管理者人力资源价值计量的准确与否，关系到企业总资产的精确程度和企业未来发展的能力。对高级管理者人力资源价值的准确计量有利于实现人力资源会计核算体系的建立。三、案例思路首先，在分析高级管理者人力资源价值计量的基本理论与其特性分析的基础上，案例建立影响高级管理者人力资源价值计量的指标体系，该体系由 29 个初级指标构成(如下图一所示)。其次，通过问卷调查的方式，应用因子分析法对上述29 个指标进行筛选。隐性因子学历天赋社会资本任职时间职业背景职业生命周期薪酬年龄体质能力心理能力领导能力战略决策能力风险承受能力人力资源管理能力领导管理因子创新能力学习能力洞察能力沟通能力组织能力团队协作能力个人特征及组织环境因子价值观忠诚感道德行为敬业精神乐观自信理智情绪稳定企业规模职位图一高级管理者人力资源价值指标体系四、数据说明：案例采用问卷调查的方式进行数据收集。问卷发放的数量：本次共发放问卷180 份，其中包括电子文档和纸质问卷，共回收有效问卷103 份，有效回收率为57.22%。问卷内容的设计：案例在分析了高级管理者人力资源价值计量的理论基础和特性分析的基础上建立了高级管理者人力资源价值指标体系。问卷的调查内容是该指标体系中的指标，由企业的高级管理人员依据各指标对高级管理者人力资源价值计量的影响做出基本判断。问卷结构的设计：首先，针对案例提出的 29 个指标要素，设计了 29 个判断指标程度的问题。通过被调查者选择打分的方式，获得各指标的具体分值。所有问题都划分为 7 选项对应7 个程度，由管理者根据题目的内容进行选择。然后采用 7 分模糊打分法，每一个选项对应一个分值，选择第一选项为 7 分，第二选项为6 分，依次为5 分、4 分、3 分、2 分、1 分（调查问卷如下所示）。高级管理者人力资源价值计量

多指标综合评价方法

技术资料3：多指标综合评价方法评价是根据确定的目的来测定对象系统的属性，并将这种属性变为客观定量的计值或者主观效用行为，整个过程离不开评价者的参与，而综合评价作为评价的一种也需要评价者做出相应反应或指示，而很多综合评价过程易受到评价者的干预，使评价结果产生偏差。主成分分析能将高维空间的问题转化到低维空间去处理，使问题变得比较简单、直观，而且这些较少的综合指标之间互不相关，又能提供原有指标的绝大部分信息。而且，伴随主成分分析的过程，将会自动生成各主成分的权重，这就在很大程度上抵制了在评价过程中人为因素的干扰，因此以主成分为基础的综合评价理论能够较好地保证评价结果的客观性，如实地反映实际问题。主成分综合评价提供了科学而客观的评价方法，完善了综合评价理论体系，为管理和决策提供了客观依据，能在很大程度上减少了上述不良现象的产生。所以在社会经济、管理、自然科学等众多领域的多指标体系中，如节约型社会指标体系、生态环境可持续型指标体系、和谐社会指标体系、投资环境指标体系等，主成分分析法常被应用于综合评价。一、主成分分析原理和模型（一）主分成分析原理主成分分析是设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来代替原来的指标。通常数学上的处理就是将原来P个指标作线性组合，作为新的综合指标。最经典的做法就是用F 1 （选取的第一个线性组合，即第一个综合指标）的方差来表达，即Var(F 1)越大，表示F 1 包含的信息越多。因此在所有的线性组合中选取的F 1应该是方差最大的，故称F 1 为第一主成分。如果第一主成分不足以代表原来P个指标的信息，再考虑选取 F 2即选第二个线性组合，为了有效地反映原来信息，F 1 已有的信息就不需要再出现再F 2中，用数学语言表达就是要求Cov(F 1 , F 2 )=0，则称F 2 为第二主成分，依此类推可以构造出第三、第四，……，第P个主成分。（二）主成分分析数学模型 F2=a12ZX1+a22ZX2……+a p2ZX p …… F p =a 1m ZX 1 +a 2m ZX 2 +……+a pm ZX p

24评价因子评价等级与范围

2.4评价因子、评价等级与范围 2.4.1评价因子结合项目特点和项目地区的环境特征，本项目的评价因子如下：（1）声环境：等效连续A声级；（2）生态环境：国家及黑龙江省重点保护野生动植物，生物多样性，土地利用；（3）环境空气：SO2、CO、NO2、TSP、PM2.5；（4）地表水：pH、COD、BOD5、氨氮、石油类、SS。 2.4.2评价等级本项目评价等级见表2-4-1 表2-4-1评价等级判定依据及结果 2.4.3评价范围本项目环境评价范围确定见表2-4-2

2.5评价标准根据当地环境功能区规划和环境影响评价技术导则要求，本次评价采用以下标准进行评价工作，该评价标准已取得东宁县环境保护局（东环便函[2017]5号）和牡丹江市环境保护局批复。 2.5.1环境质量标准（1）声环境改扩建前：新建路段公路两侧执行《声环境质量标准》（GB3096-2008）中 2类标准；改扩建路段公路边界线外35m之内执行《声环境质量标准》（GB3096-2008）中4a类标准，公路边界线外35m之外执行2类标准。改扩建后：新建路段和改扩建路段均为公路边界线外35m之内执行《声环境质量标准》（GB3096-2008）中4a类标准，公路边界线外35m之外执行2类标准。公路两侧临街建筑高于三层（含三层）区域，将公路边界线外35m以内面向道路一侧的区域划分为执行4a类标准，远离道路一侧执行2类标准。（2）水环境本项目所在地为绥芬河水系，线位桥梁跨越水体为罗圈沟、大肚川河、杨家堂子沟、蔡克义南沟、大蛤蟆沟、新城子沟、地印子村小河、绥芬河和北河沿小河，主线约有1.6km伴行九佛沟水库。根据《全国重要江河湖泊水功能区划（2011—2030年）》，本项目线位所在绥芬河断面为东宁小河汇入口下1km至长征村断面属于川类水质，执行《地表水环境质量标准》（GB3838-2002）中川类标准；桥梁跨越的罗圈沟、大肚川河、杨家堂子沟、蔡克义南沟、大蛤蟆沟、新城子沟、地印子村小河、绥芬河、

【管理学】spss因子分析案例共

【管理学】SPSS因子分析案例共

11.2.1 数据预备激活数据治理窗口，定义变量名：分不为 XI 、X2、X3、X4、 X5、X6、X7,按顺序输入相应数值，建立数据库，结果见图 11.1。图11.1 原始数据的输入激活Statistics 菜单选 Data Reduction 的 Factor..命令项，弹出 F actor An alysis 对话框（图 11.2） X7，点击？钮使之进入 Variabl 图11.3 描述性指标选择对话框点击 Extraction …钮，弹出 Factor Analysis:Extraction 对话框（图 11.4），系统提供如下因子提取方法：图 11.4 因子提取方法选择对话框在对话框左侧的变量列表中选变量 X1至 es 框。图11.2 因子分析对话框出 Factor Analysis:Descriptives 对话框（图 11. te descriptives 项要求输出各变量的均数与标内选 Coefficients 项要求运算有关系数矩阵，在Statistics 中选 U I 口 I 耐||的財血准差；在 Correlation "CnrtEititlv ii Mtfhrix ( 并选KMO E “「and Bartlett ' s test of sphericity 项，要求对有关系数矩阵进行 3），统计 Matrix 栏 pCnr-rcl-fl liciin Mirfirix

Principal components 主成分分析法；Un weighted least squares未加权最小平方法；Generalized least squares 综合最小平方法；Maximum likelihood ：极大似然估量法；Principal axis factoring: 主轴因子法；Alpha factoring : a 因子法；Image fa cto ri n g ：多元回来法。本例选用Principal components方法，之后点击Continue钮返回 Factor Analysis 对话框。点击Rotation...钮，弹出Factor Analysis:Rotation 对话框（图 1 I.5），系统有 5 种因子旋转方法可选：图11.5 因子旋转方法选择对话框 No ne：不作因子旋转； Varimax :正交旋转； Equamax：全体旋转，对变量和因子均作旋转； Quartimax :四分旋转，对变量作旋转； Direct Oblimin ：斜交旋转。旋转的目的是为了获得简单结构，以关心我们讲明因子。本例选正交旋转法，之后点击Continue钮返回Factor Analysis对话框。点击Scores..钮，弹出弹出Factor Analysis:Scores对话框（图 II.6）,系统提供3种估量因子得分系数的方法，本例选Regression （回来因子得分），之后点击Continue钮返回Factor Analysis对话框，再点击OK 钮即完成分析。图11.6 估量因子分方法对话框 11.2.3 结果讲明在输出结果窗口中将看到如下统计数据：

(完整版)SPSS因子分析法-例子解释

因子分析的基本概念和步骤一、因子分析的意义在研究实际问题时往往希望尽可能多地收集相关变量，以期望能对问题有比较全面、完整的把握和认识。例如，对高等学校科研状况的评价研究，可能会搜集诸如投入科研活动的人数、立项课题数、项目经费、经费支出、结项课题数、发表论文数、发表专著数、获得奖励数等多项指标；再例如，学生综合评价研究中，可能会搜集诸如基础课成绩、专业基础课成绩、专业课成绩、体育等各类课程的成绩以及累计获得各项奖学金的次数等。虽然收集这些数据需要投入许多精力，虽然它们能够较为全面精确地描述事物，但在实际数据建模时，这些变量未必能真正发挥预期的作用，“投入”和“产出”并非呈合理的正比，反而会给统计分析带来很多问题，可以表现在：计算量的问题由于收集的变量较多，如果这些变量都参与数据建模，无疑会增加分析过程中的计算工作量。虽然，现在的计算技术已得到了迅猛发展，但高维变量和海量数据仍是不容忽视的。变量间的相关性问题收集到的诸多变量之间通常都会存在或多或少的相关性。例如，高校科研状况评价中的立项课题数与项目经费、经费支出等之间会存在较高的相关性；学生综合评价研究中的专业基础课成绩与专业课成绩、获奖学金次数等之间也会存在较高的相关性。而变量之间信息的高度重叠和高度相关会给统计方法的应用带来许多障碍。例如，多元线性回归分析中，如果众多解释变量之间存在较强的相关性，即存在高度的多重共线性，那么会给回归方程的参数估计带来许多麻烦，致使回归方程参数不准确甚至模型不可用等。类似的问题还有很多。为了解决这些问题，最简单和最直接的解决方案是削减变量的个数，但这必然又会导致信息丢失和信息不完整等问题的产生。为此，人们希望探索一种更为有效的解决方法，它既能大大减少参与数据建模的变量个数，同时也不会造成信息的大量丢失。因子分析正式这样一种能够有效降低变量维数，并已得到广泛应用的分析方法。因子分析的概念起源于20世纪初Karl Pearson和Charles Spearmen等人关于智力测验的统计分析。目前，因子分析已成功应用于心理学、医学、气象、地址、经济学等领域，并因此促进了理论的不断丰富和完善。因子分析以最少的信息丢失为前提，将众多的原有变量综合成较少几个综合指标，名为因子。通常，因子有以下几个特点： ↓因子个数远远少于原有变量的个数原有变量综合成少数几个因子之后，因子将可以替代原有变量参与数据建模，这将大大减少分析过程中的计算工作量。 ↓因子能够反映原有变量的绝大部分信息因子并不是原有变量的简单取舍，而是原有变量重组后的结果，因此不会造成原有变量信息的大量丢失，并能够代表原有变量的绝大部分信息。 ↓因子之间的线性关系并不显著由原有变量重组出来的因子之间的线性关系较弱，因子参与数据建模能够有效地解决变量多重共线性等给分析应用带来的诸多问题。 ↓因子具有命名解释性通常，因子分析产生的因子能够通过各种方式最终获得命名解释性。因子的命名解

评价指标体系构建原则及综合评价方法

评价指标体系构建原则及综合评价方法设置评价指标体系时一般要遵循以下原则：（1）区域性原则衡量一个研究对象的运行情况，要从特定的区域出发因地制宜、发挥优势，评价指标要具有针对性。（2）动态性原则研究对象是一个动态的过程，指标的选取不仅要能够静态的反映考核对象的发展现状，还要动态的考察其发展潜力。选取的指标要能够具有动态性，可以衡量同一指标在不同时段的变动情况，并且要求所选指标在较长的时间具有实际意义。（3）可量化原则数据的真实性和可靠性是进行监测的前提条件和重要保障，需要大量的统计数据作为支持。选取的指标应该具有可量化的特点，在保证指标有较高反映考核对象的前提下，能够直接查到或者通过计算间接得到指标数据，以保证评价的可操作性，同时数据来源要具有权威性，这样能保证正确评估研究对象。（4）层次性原则一级指标同时分别设立多个具体的子指标。在众多指标中，把联系密切的指标归为一类，构成指标群，形成不同的指标层，有利于全面清晰的反映研究对象。综合评价方法的选取：随着计算机技术飞速发展和普遍应用，用于定量评价多指标问题的多指标综合评价法被广泛应用到经济、生活的各个方面，特别是SAS、SPSS等统计软

件的使用更加提高综合评价法的实用性。目前用于分析多指标体系的综合评价方法主要有模糊综合评价法、灰色综合评价法、数据包络分析法（DEA 法）、层次分析法、主成分分析法以及因子分析法以等多种方法，不同方法的评价结果都是依据指数或分值对参评对象的综合状况进行排序评价。在综合评价过程中，指标权重的确定十分重要。对指标赋值主要有主观赋值和客观赋值，也有将主观、客观赋值法结合起来的。对于指标数量比较大时，采用传统的主观赋值法确定指标的权重则难以全面把握众多指标，依赖主观判断会增大或降低一些指标的重要程度，导致实证的结果难以反映客观实际情况。客观赋值法如主成分分析法、变异系数法、熵值法等，权重的确定是根据各项指标的变异程度或者各指标之间的相互关系。具体采用哪一种方法需要根据所构建指标体系的特点以及实证的目的来确定。综合评价方法的选取要依据研究对象的特点而定，采用客观赋权法的主成分分析能避免主观因素的影响，且提取主成分也能减少工作量。以下对常用的层次分析和主成分分析两种综合评价方法做简单介绍。（1）层次分析法层次分析法（The Analytic Hierarchy Process ）简记AHP ，是美国运筹学家等人提出的一种定量和定性分析相结合的多准则决策方法，广泛应用于分析复杂的社会、经济以及科学管理领域的问题。其基本原理是通过构造层次分析结构，排列组合得出优劣次序来为决策者提供依据。具体步骤如下：首先构建包括目标层、准则层和指标层三个层次的层次分析结构模型，反映系统各因素之间的关系。其次是构造判断矩阵，将各层因素进行两两比较，对于各因素之间重要性的比较可以通过专家咨询法，判别主要依据常用的1-9标度法。然后对1.0<=RI CI CR

浅谈因子分析方法在多指标综合评价中的运用(下)

专题讲座??>>??正文专题讲座??>>??正文浅谈因子分析在多指标综合评价中的运用（上） * 2012-12 一、相关概念简介 1.综合评价简介所谓综合评价是指对以多属性体系结构描述的对象系统作出全局性、整体性的评价，即对评价对象的全体，根据所给的条件，采用一定的方法给每个评价对象赋予一个评价值（又称评价指数），再据此择优或排序的过程。常见的综合评价方法有主成分法、基于主成分的因子分析法、熵权法，以及基于模糊数学的多层模糊综合评判法，等等。 2.因子分析简介：因子分析是利用降维的思想，在力保数据丢失最少的原则下，对高维变量空间进行降维处理，把多指标转化为少数几个综合指标的多元统计分析方法。它的特点是在评价指标的相关性比较高时，能消除指标间信息的重叠，而且根据指标所提供的原始信息生成非人为的权重系数。采用因子分析法进行多指标的综合评价具有以下优势：因子分析的降维处理技术能较好地解决多指标评价的要求。 1. 因子分析将原始变量变换为主因子的过程中, 同时形成了反映成分和指标包含信息量的权数, 以计算综合评价值, 这比人为地确定权数更为客观有效, 也有助于保证真实地反映样本间的现实关系。 2. 减少了指标选择的工作量。在因子分析中由于可以消除评价指标间的相关影响, 因而在指标选择上相对容易些，另外因子分析可以保留原始评价指标的大部分信息。 3. 随着电子计算机技术的发展, SAS、SPSS等商品化统计分析软件的推广与应用, 使得因子分析在各类综合评价实践中的广泛应用成为现实。基于上述几点，因子分析法在各类综合指标评估中得以广泛应用。二、因子分析法在综合评估中的运用（实例讲解）下面，笔者将以某项目的多指标综合评估分析过程为例进行详细讲解。需要说明的是，在进行综合评估之前，首要的工作是建立一套可靠完整的指标体系。而确立评估指标的方法很多，包括主观、客观法，如常见的Delphi专家评估法、灰色关联度分析法、极小极大离差法和最小均方差法，等等。本例采取的是专家评估法，限于篇幅，在此不再赘述，本文是假定已完成指标体系的建立及数据无量纲处理的前提下，进行的分析过程。 1.步骤一：数据检验在进行因子分析前，应检验数据间的相关性程度，判断是否适合采用因子分析。 1）KMO检验：KMO检验：是用于比较变量间简单相关系数和偏相关系数的指标，KMO统计量是取值在0和1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值接越近1，意味着变量间的相关性越强，原有变量越适合作因子分析；当所有变量间的简单相关系数平方和接近0时，意味着变量间的相关性越弱，原有变量越不适合作因子分析。KMO 值在0.9以上表示非常适合；0.8表示适合；0.7表示一般；0.5以下表示极不适合。 2）巴特利球型检验：用于检验相关矩阵是否是单位矩阵，即各变量是否独立。它是以变量的相关系数矩阵为出发点，零假设：相关系数矩阵是一个单位矩阵。如果统计值较大，且对应的相伴概率值小于用户给定的显著性水平，则应拒绝零假设，即各变量间存在公因子；