对评价指标相关性的后果及降低相关性的方法研究_赵松山
综合评价中指标相关性的处理方法
综合评价中指标相关性的处理方法
胡永宏
【期刊名称】《统计研究》
【年(卷),期】2002(000)003
【摘要】@@ 一、引言rn在许多领域中都涉及到多指标综合评价问题,如综合国力的比较,国民经济运行态势的综合判断,上市公司经营业绩的综合评价,投资方案的优选,人才的选拔等等.综合评价的方法也很多,但其基本思路是大体相同的.但各评价指标间总会有一定的相关性,综合时必然会导致信息的重迭,影响到评价结果的合理性,甚至会歪曲评价对象间的相对位置.
【总页数】2页(P39-40)
【作者】胡永宏
【作者单位】西安统计学院
【正文语种】中文
【中图分类】F2
【相关文献】
1.竞争能力综合评价指标体系及量化处理方法 [J], 金突星
2.建立护理质量综合评价指标的相关性研究 [J], 杨松兰;马姗姗;董正惠
3.中国大城市社会发展综合评价指标体系的框架设计、指标遴选及测试与确定--中国大城市社会发展综合评价指标体系研究报告之二 [J], 《中国大城市社会发展综合评价指标体系研究》课题组
4.综合评价运动员定性技术指标运用效果的新处理方法 [J], 刘卫民;杜华
5.经济效益综合评价中指标标准化处理方法──兼与杨少锋、张生生二同志商榷 [J], 周德群;张玉华
因版权原因，仅展示原文概要，查看原文内容请购买。
统计学专业课程线上教学满意度及影响因素研究
一、引言在信息科技飞速进步的年代，线上教育已经转变为教育界不可忽视的一环。
统计学这个基础学科，也逐渐采用了网络化的教学方式。
如何构建一个全面、科学的统计学线上教学满意度影响因素评价指标体系，并应用其进行线上教学满意度的评价，对于提高线上教学质量具有十分重要的价值。
然而，目前关于统计学专业课程线上教学模式的满意度以及影响因素的研究尚不充分。
针对这一问题，本文通过收集相关数据进行案例研究，并结合现实情况，深入探讨线上教学满意度的评价指标以及影响因素，以期为提高统计学专业课程的线上教学满意度提供理论和实践上的依据。
二、线上教学满意度评价指标体系对于线上教学满意度影响因素问题，国内外众多学者多从教学质量的角度出发进行研究，分析以教学满意度为核心评价指标的教学质量情况，并建立相应的评价指标体系。
有学者认为影响线上教学满意度最重要的因素是教师在课后对学生的答疑和辅导，其他的影响因素按重要性依次是课后作业、线上教学内容安排、教学技巧和教学内容的难易程度。
也有学者认为，教师能力、教学质量、教学资源和支持、学习环境和氛围、学习成果和发展、教学反馈统计学专业课程线上教学满意度及影响因素研究◎白云飞1张晓莉2夏茂森3〔内容提要〕统计学专业课程采用线上教学方式是目前新兴的教学模式。
其教学满意度是师生们十分关注的问题。
本文首先梳理了有关统计学专业课程线上教学满意度的相关文献，构建了评价该满意度的评价指标体系，并应用模糊层次分析法对某校统计学专业课程线上教学的满意度进行了评价。
发现教师满意度最高，学院领导满意度其次，教学督导团满意度又次之，学生的满意度最低。
随后，本文分析了教师与学生满意度存在巨大分歧的原因，并提出了提高统计学线上课程教学满意度的措施。
〔关键词〕统计学专业课程；线上教学满意度；模糊层次分析法；影响因素基金项目：1.辽宁省教育科学“十四五”规划2021年度重点课题“高校助力辽宁构建终身学习型社会路径研究”（项目编号：JG21DA011）；2.辽宁大学2022年研究生优质在线课程建设与教学模式综合改革研究项目“统计学专业研究生专业课程线上教学满意度及影响因素研究”（项目编号：YJG202202052）；3.2022年辽宁省线下一流本科课程《统计学》阶段性研究成果；4.2021年度辽宁大学本科教学改革研究项目“数字经济视阈下的统计学专业人才培养模式研究”（项目编号：JG2021PTXM008）5．2022年辽宁省教育厅教育教学改革研究项目“新商科实验实训教学云平台打造与创新型经管类人才培养构式研究”；6.2021年辽宁省教育科学规划课题“智慧实验教学促进管理类人才创新培养的模式研究”（项目编号：JG21DB244）；7.用友·新道数智产教协同实践创新课题（项目编号：XD20220718）阶段性研究成果。
对评价指标相关性的后果及降低相关性的方法研究_赵松山
º 生活一点通 用酒调味要先放;用醋调味要后放。
t 东北财经大学教授 赵松山及降低相关性的方法研究对评价指标相关性的后果 就一般情况而言,组成一个社会经济统计指标体系的各指标之间总存在着一定程度的相关关系。
但作为评价指标体系,如果指标之间的相关性大,则会带来一系列问题。
本文仅对统计指标相关性的后果,以及如何降低指标的相关程度进行探讨。
一、指标相关性带来的问题设Y 为因变量,X 1与X 2为解释指标变量。
当X 1与X 2不相关时,得模型为Y=b 1x 1+b 2x 2式中b 1、b 2分别表示解释指标变量对Y 的说明能力或作用程度,即边际值=9Y/9X 1=b 1,9Y/9X 2=b 2(假定b 1,b 2均大于0)。
当X 1与X 2相关时,得模型为Y=c 1x 1+c 2x 2式中c 1(c 2)表示解释指标变量X 1(X 2)对Y 的说明能力和X 2(X 1)通过X 1(X 2)对Y 的说明能力之和,即9Y 9X 1=9(b 1x 1+b 2x 2)9X 1+9(b 1x 1+b 2x 2)9X 1@9X 19X 2=b 1(1+a 1)=c 1式中,X 1=a 1X 2,a 1>0。
可见,c 1>b 1,即指标相关时,会夸大某些指标的作用程度。
从信息角度看,信息相关势必存在信息重迭,造成信息的损失和浪费,以及指标解释的不真实性。
如果把解释指标变量视为评价指标变量,因变量视为待评价对象变量时,由于评价指标之间的相关夸大(或缩小)某些指标的评价作用,而使评价结果失去客观性。
这是从评价指标与被评价对象的关系考虑的。
如果我们换个角度,从各评价指标与评价指标体系整体关系去认识,若指标之间是相关的,则评价指标X i 与X j 样本分布相互间有影响,因此两者之间的变异系数之差会变小。
而变异系数是指标鉴别能力的一种度量。
这种相关性导致变异系数之差变小,最终表现为相关指标鉴别能力相对变小,即相关指标在统计指标体系整体中的功能下降。
试论烟叶质量评价指标间的相关性
二 、烟 叶质量 评 价指标 间相 关性 的过程 分析
将所采集的 烟叶样 品进行测定后 测 定的各个指标的最大值 、 辱 最小值 、平均值 、标准差 、中位 数、峰度等基本 的统计结果列成一 个 详细的表格 。运用典型相 关的分析方法对 烟叶的外观质量 、评吸 质 量、物理性状 和化学成分等 四个评价指标 问的相关性进行 研究和 分析。 （ ） 一 对外观质量 和评吸质量 间的典型相关 性分析。结合 典型 变量所 构成的线性表达式， 分析发现有一对典型变量 中的成熟 度、香 气量 、叶片组织结构和劲头 的载 荷量比较大， 出了成熟度 与香气 反映 量分 值间呈正相关性 、成熟度 与劲头 分值呈负相关性， 片组 织结构 叶 与香气 量分值呈负相关性 、叶片组织结构与劲头分值呈正相性： 有一 对典 型变量 中的 色度 、油分 、发育状况 、叶面状 况和劲头的载 荷量 比较 大， 映出了劲头 分值与油分和 叶面状 况问呈负相关性， 反 劲头分值 与 色度和 发育状 况呈 正相 关性： 有一对典 型变量 中的叶 片组织结 还 构 、发育状况 、杂气 、香气质 、刺激性、浓度和 灰色的载荷量 比较 大， 反映出了发 育状况与香气质分值和灰色分值的负相关， 发育状况与 杂气 分值 、浓度分值 、刺激性 分值呈正相关性， 片组织结构 与灰色 叶 分值和 香气质分值 间呈正相 关性 。 叶片组织结构与杂气分值 、浓度分 值 、刺激性分值 、灰色分值等 之间呈正相关性 。以上情况说 明了烟 叶外观质量 与评吸质量 间存在着较 为明显的典 型相关性 。
理 论 探讨
试论烟叶质量评价指标问的相关性
王 ห้องสมุดไป่ตู้ 关 丽娜 杨 思 文
红塔辽宁烟草有 限责任公 司营 口卷烟 厂 辽 宁 营 口 １５ ０ ００ １
相对业绩评价的影响因素和经济后果文献综述
相对业绩评价的影响因素和经济后果文献综述【摘要】相对业绩评价是一种比较不同公司或个人业绩表现的方法，可以更客观地评估其绩效。
影响因素包括公司规模、行业竞争程度和管理层激励机制等。
经济后果主要体现在激励效应和市场竞争效率上。
相关研究表明，相对业绩评价在激励员工、提高公司绩效方面发挥着积极作用。
未来研究可以加强对不同行业的比较研究，进一步完善相对业绩评价的指标体系。
政策建议包括建立有效监管制度，对于激励机制进行进一步优化，促进企业健康发展。
结论中指出相对业绩评价对于企业绩效有着重要影响，需要制定科学的评价体系和激励机制来提升企业竞争力。
【关键词】相对业绩评价、影响因素、经济后果、文献综述、研究背景、研究目的、研究意义、定义、相关研究进展、研究方法、结论总结、研究展望、政策建议。
1. 引言1.1 研究背景相对业绩评价是企业内部员工绩效评估的一种常见方法，通过将员工的绩效与团队或整体绩效进行比较，来评价员工的表现。
相对业绩评价在实际应用中广泛存在，但其影响因素和经济后果却鲜有系统性研究。
探讨相对业绩评价的影响因素和经济后果具有重要的理论和实践意义。
通过对相对业绩评价的影响因素和经济后果进行系统性研究，可以为企业提供更科学的绩效评估方法，促进员工的个人成长和团队合作，进而推动企业的持续发展与成功。
.1.2 研究目的研究目的是为了探讨相对业绩评价对企业绩效的影响及其经济后果，进一步分析影响因素，并为相关领域的研究提供参考。
通过深入研究相对业绩评价的定义、影响因素分析以及经济后果，我们可以更好地理解企业绩效评价体系的运作机制，为企业提供科学的绩效管理建议，提高企业的经济效益和社会影响力。
本研究旨在总结相关研究进展，为学术界提供一个全面的视野，促进该领域的进一步研究和实践应用。
通过本文的发表，也可以促进相关政策的制定和完善，为企业的可持续发展和经济发展做出积极贡献。
1.3 研究意义相对业绩评价能够帮助企业更加客观地评估自身的绩效。
开放因子与期刊其他评价指标的相关性研究——以我国医药大学学报类期刊为例
2018年9月S E P. 2018情报‘Information Research第9期（251期）]o.9(S e ria l]o.251)开放因子与期刊其他评价指标的相关性研究！—以我国医药大学学报类期刊为例王燕I，2(1.新乡医学院期刊社河南新乡453003 $(2.河南省科技期刊研究中心河南新乡453003 $摘要：[目的/意义]探讨开放因子与期刊其他评价指标的相关性。
[方法/过程]以2014年《中国科技期刊引证报告》（核心 版）中54种学学报类期刊为研究对象，分析开放因子与期刊其他23项评价指标的相关性。
[结果/结论]开放因子14项评价指标呈正相关，即总被引频次、他引率、引用刊数、权威因子、被引半衰期、来源文献量、平均引文数、数、地区分布数、基金论文比、评价总分、学科扩散指标、学科指标、总被引频次；子、扩散因子等其他9项评价指标关关系。
子同大多数期刊评价指标，在期刊评价有的价&关键词：开放因子;期刊评价;相关性研究中图分类号：文献标识码：A Adoi： 10.3969/j.issn.1005-8095.2018.09.011Correlation Study Between Open Factor and Other Evaluation Indexes: Case Study ofMedical University JournalsWang Yan1，2(l.Periodicals Publishing House of Xinxiang Medical University, Xinxiang Henan 453003)(2.Henan Research Center for Science Journals，Xinxiang Henan 453003)Abstract：[Purpose/significance] The paper is to study correlation between open factor and other journals evaluation indexes. [Method/process] The paper selects 54 kinds of medical university journals in China Science and Technology Journal Citation Report (Core) in 2014 as research objects，and takes correlation analysis between open factor and 23 evaluation indexes. [Result/conclusion] The results show that open factor has the positive correlation with 14 indexes，including total citation，non-self-cited rate，number of citing journals，authority factor，cited half-life，literature quantity，average citation，average number of authors，area distributing number，fund paper ratio，comprehensive evaluation score，discipline diffusion index，discipline influence index and total cited frequency centrifugal rate; has no correlation with 9 others indexes，such as impact factor，diffusion factor and so on. Open factor has an important value in the periodical evaluation like most journal evaluation index.Keywords：open factor; journal evaluation; correlation study为了对科技期刊进行评价，基于期刊论文被引 频次的各种评价指标的有效性及不同指标的关系国 内情报研究人员进行了较多的研究[1-2]。
评估指标关联性处理方法研究
计 算 机 与 数 字 工 程
Ｃｏ ｕｅ ｍｐ ｔｒ＆ Ｄｉｉａ ｇｎ ｅ ｉｇ ｇｔｌ Ｅｎ ｉｅ ｒｎ
Ｖｏ ． ９ ＮＯ 处 理 方 法 研 究
王 乐清 阮 拥军 牛 国祥 池 斌
关键词
中 图分 类 号
Ｒｅ ｅ ｒ ｈ ｏ ｉｐ ｓ ｌＭ ｅ ｈｏ ｆＥｖ ｕａ ｉ ｎ Ｉ ｄ ｘ ｓＣｏ ｒ ｌ ｔｏ ｓ ａ ｃ ｎ Ｄ ｓ ｏ ａ ｔ ｄ ｏ ａｌ ｔｏ ｎ ｅ ｅ ｒ ｅ ａ ｉ ｎ
Ｗａ ｇＬ ｑｎ Ｒｕ ｎＹｏ ｇｕ Ｎ ｕＧｕ ｘａ ｇ ｈ ｉ ｎ ｅ ｉｇ ａ ｎｊｎ ｉ ｏ ｉｎ Ｃ ｉ ｎ Ｂ
Ａ ｓ ｒ ｃ Ｔｈ ａ ｅ ｕ ｂ ｔａ ｔ ｅ ｐ ｐ ｒ ｓ ｍｍａ ｉｅ ｈ ｅ ｅ ｒ ｈ ａ ｔ ａｉｙ ａ ｄ ｅ ｉｔ ｎ ｒ ｂ ｅ ｆｅ ａ ｕ ｔ ｎ ｉ ｄ ｘ ｓ ｃ ｒ ｅ ａ ｉ ｎ ｆｒ ｔｙ ｒｚ ｓ ｔ ｅ ｒ ｓ ａ ｃ ｃ ｕ ｌ ｎ ｘ ｓ ｅ ｔ ｐ ｏ ｌｍｓ ｏ ｖ ｌａ ｉ ｎ ｅ ｅ ｏ ｒ ｌ ｔ ｉ ｌ ， ｔ ｏ ｏ ｓ ｔ ｅ ｔｄ ｓ ｕ ｓ ｓ ａ ｄ ａ ａｙ ｅ ｈ ｉｐ ｓ ｌ ｈ ｏ ｙ ｏ ｖ ｌ ａ ｉｎ ｉ ｄ ｘ ｓ ｃ ｒ ｅａ ｉ ｎ，ａ ｄ ｇ ｖ ｓ ｓ ｍｅｍ ｅｈ ｄ ｎ ｎ ｅ ｕ ｎ － ｈ ｎ ｉ ｉｃ ｓ ｅ ｎ ｎ ｌ ｓ ｓｔ ｅ ｄ ｓ ｏ ａ ｅ ｒ ｆｅ ａ ｕ ｔ ｅ ｅ ｏ ｒ ｌｔ ｔ ｏ ｎ ｏ ｎ ｉ ｅ ｏ ｔ ｏ ｓ ａ ｄ ａ ｃ ｍｅ ｉ
除各 指标 间 的相关性 。 针对指 标 逻 辑 因果 关 系 （ 约 关 系 ） 制 的处 理 。
除或 降低 。由于 指标 间相 关 性 客 观存 在 及 其 存 在 的复杂性 ， 全 消 除 的可 能 性 较 小 ， 完 降低 或部 分 消
指标无量纲化方法对熵权法评价结果的影响
指标无量纲化方法对熵权法评价结果的影响熵权法是一种常用的多指标决策方法，其核心思想是将指标之间的相关性考虑在内，通过计算指标的熵值和权值来进行综合评价。
在应用熵权法进行综合评价时，常常需要对指标进行无量纲化处理，以便更好地反映指标之间的权重关系。
本文将介绍常用的指标无量纲化方法，并探讨它们对熵权法评价结果的影响。
指标无量纲化方法主要包括线性函数标准化、对数函数标准化和极差标准化等。
线性函数标准化是指将指标的原始值通过线性变换映射到[0,1]的区间内。
具体来说，假设指标$x$的取值范围为$[x_{min},x_{max}]$，则其线性函数标准化值$X_i$可由以下公式计算得出:$$X_i=\frac{x_i-x_{min}}{x_{max}-x_{min}}$$线性函数标准化方法简单易行，但并不考虑指标分布的偏态性和极端值的影响。
对数函数标准化是将指标的取值范围通过对数函数进行转换，从而使指标分布呈现对称性。
具体来说，对数函数标准化值$X_i$可由以下公式计算得出:$$X_i=log\frac{x_i}{x_{min}}$$对于存在负值和0的指标，可以将指标值加上一个常数后再进行对数函数标准化。
对数函数标准化方法在处理偏态数据时具有优势，但不适用于指标存在负值的情形，并且在处理极端值时容易造成数据失真。
在应用熵权法进行综合评价时，不同的指标无量纲化方法会对评价结果产生不同的影响。
一般来说，线性函数标准化方法适用于指标分布比较均匀的情形，对于偏态数据效果不如极差标准化方法。
对数函数标准化方法在处理偏态数据时具有优势，但无法消除极端值的影响。
极差标准化方法能够更好地避免数据极端值的影响，但无法消除偏态数据的影响。
综上所述，不同的指标无量纲化方法在处理不同类型的数据时会产生不同的影响，选择适当的方法需要根据具体情况进行判断。
同时，在熵权法综合评价中，需要对指标进行无量纲化处理才能够更好地反映各指标之间的权重分配关系。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
º 生活一点通 用酒调味要先放;用醋调味要后放。
t 东北财经大学教授 赵松山及降低相关性的方法研究对评价指标相关性的后果 就一般情况而言,组成一个社会经济统计指标体系的各指标之间总存在着一定程度的相关关系。
但作为评价指标体系,如果指标之间的相关性大,则会带来一系列问题。
本文仅对统计指标相关性的后果,以及如何降低指标的相关程度进行探讨。
一、指标相关性带来的问题设Y 为因变量,X 1与X 2为解释指标变量。
当X 1与X 2不相关时,得模型为Y=b 1x 1+b 2x 2式中b 1、b 2分别表示解释指标变量对Y 的说明能力或作用程度,即边际值=9Y/9X 1=b 1,9Y/9X 2=b 2(假定b 1,b 2均大于0)。
当X 1与X 2相关时,得模型为Y=c 1x 1+c 2x 2式中c 1(c 2)表示解释指标变量X 1(X 2)对Y 的说明能力和X 2(X 1)通过X 1(X 2)对Y 的说明能力之和,即9Y 9X 1=9(b 1x 1+b 2x 2)9X 1+9(b 1x 1+b 2x 2)9X 1@9X 19X 2=b 1(1+a 1)=c 1式中,X 1=a 1X 2,a 1>0。
可见,c 1>b 1,即指标相关时,会夸大某些指标的作用程度。
从信息角度看,信息相关势必存在信息重迭,造成信息的损失和浪费,以及指标解释的不真实性。
如果把解释指标变量视为评价指标变量,因变量视为待评价对象变量时,由于评价指标之间的相关夸大(或缩小)某些指标的评价作用,而使评价结果失去客观性。
这是从评价指标与被评价对象的关系考虑的。
如果我们换个角度,从各评价指标与评价指标体系整体关系去认识,若指标之间是相关的,则评价指标X i 与X j 样本分布相互间有影响,因此两者之间的变异系数之差会变小。
而变异系数是指标鉴别能力的一种度量。
这种相关性导致变异系数之差变小,最终表现为相关指标鉴别能力相对变小,即相关指标在统计指标体系整体中的功能下降。
当指标体系中各指标之间均高度相关时,各指标在指标体系整体中的功能(作用)会几乎相同,掩盖了各指标本身在指标体系整体中所具有的重要程度的差异性。
这一分析告诉我们,通过指标的相关分析,剔除高度相关的指标,既提高了指标的评价功能,又简化了指标体系,同时增加了评价的客观性和真实性。
二、降低指标相关性的方法(一)相关系数法指标的相关性只能通过样本的相关系数来估计,假设初选指标变量为X 1,X 2,,,X h ,样本数为n,设X ij 为样本i 的第j 个指标的观测值,原始指标资料数据矩阵为X=(X ij )h n ,然后进行同向归一化数据变换,得到数据矩阵Z=(Z i j )h no计算两个指标间的简单相关系数r ij ,计算公式为:r ij =E (Z ki -Z i )(Z kj -Z j )E (Z ki -Z i )2E (Z kj -Z j )2 (i,j=1,2,,,h)。
5#研究与探讨##研究与探讨#式中Z j=1/n E Z ki(j=1,2,,,h)。
然后,规定一个临界值M,如果r ij>M,可去掉指标X i或X j,如果r ij<M,则X i与X j均保留。
(二)主成分分析法假设经上述处理后得到的原指标变量为X1,X2,,,X p相互间仍存在着不同程度的相关性,可通过主成分分析法求得不相关的新变量y1,y2,,,y p,y j与原指标变量的关系是: y j=E L ij X i(j=1,2,,,P)式中y j为第j个主成分。
D(y j)=K j,Lj=(L1j,L2j,,,L pj)T为相关矩阵R的特征值K j所对应的单位特征向量,且有K1>K2,>K P>0。
当K P很小时,有max i{L i p}=L kp,且删除原指标变量X K,然后对原指标变量X1,X2,,, X K-1,X K+1,,,X P再进行主成分分析。
重复上述步骤,最后得到简化了的原始指标集,设为X ={X1,X2,,,X L},既减弱了指标的相关性,又减少了指标的个数。
(三)因子分析法原指标变量X1,X2,,,X p之间具有相关性,必须受到某些公共因子的控制,而指标变量取值差异的存在,又说明有特殊因子在起作用,因此,可建立因子模型X=A@F+E。
式中X= (X1,X2,,,X p)T,F=(F1,F2,,,F M)T为公共因子向量,E=(E1,E2,,,E p)T为特殊因子向量, A=(a ij)n m为因子载荷矩阵。
如果因子F不能得到理想的解释,则采用方差最大正交旋转,使旋转后的A c阵每列元素向1或0趋近,得到估计模型X=A c@F c。
a ij c越大,表明因子F j c与指标X i相关程度越强,因子控制作用越大,即因子较好地解释了该指标。
若max i{a ij c}=a kj c,则说明公共因子F j c是由指标X K决定的。
换言之,公共因子F j c有效地反映和代表了指标X K。
这样m个公共因子代表的m个原指标变量就构成了筛选后的指标集。
该指标集的指标个数减少了,相关程度也减弱了,达到了预期目的。
三、实例分析本文以建立评价投资环境的指标体系为例进行分析。
投资环境指标体系的建构,首先应根据有关经济理论与经济行为进行定性分析,选择那些与投资环境相关的指标,构成初选指标集。
初选指标集至少要满足两个条件:一是指标要具有可观测性,即初选指标必须是可测量的,通过一定的统计程序,可得到指标数值;二是一致性,即评价指标必须与所反映的投资环境相一致。
在应用指标体系对不同地区投资环境进行横向比较,或对同一地区不同时期投资环境进行纵向比较时要基本符合实际。
通常人们在评价投资环境时的初选指标集包括:(1)人口(POP),(2)国内生产总值(GDP),(3)人均国内生产总值(GDPP),(4)第三产业产值(OTR), (5)第三产业产值比重(OTH R),(6)货运总量(T SF),(7)社会商品零售总额(RS),(8)消费物价指数(CPI),(9)人均工资(AS),(10)文盲率(WM)。
其中人口和国内生产总值表示地区经济规模,人均值反映经济发展水平;第三产业产值和比重指标表示地区第三产业的发展水平和产业结构高度;货运总量代表地区铁路、公路、海运和内河运输能力;社会商品零售总额代表地区的市场容量和消费规模;消费物价指数标志货币的稳定程度;人均工资和文盲率分别表示地区的劳动力价格和质量(鲁明泓:/中国不同地区投资环境的评估与比较05经济研究6,1994年第2期,第64)65页。
)样本数据包括全国29个省、市、自治区(除台湾和西藏外)的1992年的数据,在此基础上作了如下处理。
º生活一点通用萝卜或马铃薯加少许细沙末擦洗菜刀,可除锈。
6#研究与探讨#1.简单相关分析法求样本数据的指标简单相关系数,得相关矩阵为R。
设临界值M=0.8,计算结果发现,社会商品零售总额与国内生产总值、第三产业产值和货运总量三个绝对量指标的相关系数分别为0.9897、0.96448和0.8288。
由于相关程度均大于M值,故保留既表明市场容量和消费规模,又与三个重要的总量指标高度相关的统计指标社会商品零售总额,将其余三个指标删除,由剩下的7个指标构成评价投资环境的指标体系。
由于这7个指标间仍存在着不同程度的相关关系,不够理想,所以还需进一步作主成分分析和因子分析的处理。
2.主成分分析法利用7个指标29个地区的样本数据,进行主成分分析。
相关阵R的最小特征值K7=0. 057,而K7的单位特征向量的最大分量所对应的变量为RS,故将社会商品零售总额删除。
然后用剩下的6个指标的样本数据再一次进行主成分分析。
相关阵的最小特征值K6=0.11987,而K6的单位特征向量的最大分量所对应的变量为GDPP,故将指标人均国内生产总值删除。
对于剩下的5个指标又重复进行主成分分析,将指标第三产业产值比重删除。
此时主成分筛选指标结束,因为再重复做下去,特征值已不是很小了,继续删除会导致信息不充分,或指标体系不完备。
筛选后保留的指标有AS,POP,WM,CPI,即为较理想的评价指标集。
3.因子分析法因子分析法还是利用上述主成分分析的样本数据进行的,通过对相关阵R的特征值的计算,我们选累积贡献率为92.5%的四个公共因子,得到初始载荷阵A,经方差最大正交旋转后得到A c阵(见下表)。
旋转后的载荷阵表F1F2F3F4 POP-0.324730.869950.03131-0.20901GDPP0.794430.005650.396510.31568OTHR0.75424-0.438490.21224-0.04147RS0.226460.916150.26001-0.10343CPI0.17880-0.211010.087120.94092AS0.956150.10917-0.020630.14918WM-0.16819-0.18676-0.95642-0.08235由上表可见,F1主要代表指标AS、GDPP,这两个统计指标的相关程度比较高(0.7801),由于F1与AS的相关系数为0.95615,故保留AS,删除GDPP。
F2主要代表指标RS、POP,这两个统计指标相关程度也比较高(0.7388),由于F2与RS的相关系数为0.9165,故保留RS,删除POP。
F3主要代表指标WM,F3与WM的相关系数为-0.9564。
F4主要代表指标CPI,F4与CPI的相关系数为0.94092,而且WM、CPI与AS、RS的相关程度较低,故WM与CPI均保留。
最终筛选后保留下来的指标有AS、RS、WM和CPI。
比较主成分分析与因子分析筛选指标的结果,两者只在POP与RS指标取舍上有差异,由于POP与RS的相关程度为0.7338,综合考虑后,本文确定简化后的指标为RS、AS、CPI和WM,它们代表初选的10个指标,组成一个相关程度最低、数量最少的评价投资环境的统计指标体系。
º生活一点通炖牛、羊肉时放一点桔皮,可除膻味。
7。