版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、51一、對(duì)國(guó)內(nèi)常用的多指標(biāo)測(cè)度方法的介紹與述評(píng)區(qū)域可持續(xù)發(fā)展水平的測(cè)度采用的是多指標(biāo)綜合評(píng)價(jià)法。在20世紀(jì)80年代對(duì)多指標(biāo)合成所采用的方法一般是“改進(jìn)的功效系數(shù)法”、“生活質(zhì)量指數(shù)法”和“綜合指數(shù)法”,這三種方法都是把原始值通過(guò)線性轉(zhuǎn)化變成相對(duì)數(shù)以消除量綱影響,然后采用平均數(shù)的方法加以綜合(邱東,1991)。由于這些常規(guī)方法不能消除指標(biāo)間的相關(guān)作用對(duì)評(píng)價(jià)結(jié)果的影響,因此在選取評(píng)價(jià)指標(biāo)上,既要注意指標(biāo)的全面性,又要剔除彼此相關(guān)的指標(biāo),滿足
2、這個(gè)條件難度較大。而且從評(píng)價(jià)結(jié)果的唯一性上看,常規(guī)方法有時(shí)可以保證唯一性,有時(shí)則不能(邱東,1991)。也有學(xué)者嘗試把聚類分析和判別分析用于多指標(biāo)綜合評(píng)價(jià),但在評(píng)價(jià)過(guò)程中存在較多的需要探討和商榷的地方,如對(duì)于同一樣本而言,評(píng)價(jià)結(jié)果具有很大的不唯一性,因此這兩種方法更適于指標(biāo)的預(yù)處理(指標(biāo)分類和選取)工作(邱東,1991)。近些年,一些新的多指標(biāo)綜合評(píng)價(jià)方法被學(xué)者們廣泛應(yīng)用,主要是“模糊綜合評(píng)判方法”(羅發(fā)友等,2001)、“主成分分析法
3、”(高志剛等,2001)、“因子分析法”(王秀紅等,2001)、“相對(duì)最佳標(biāo)準(zhǔn)綜合評(píng)價(jià)法(簡(jiǎn)稱ROSCE模型)”(孫日瑤等,1993)、“層次分析法”(孟林,1998)、以及用“離差法、均方差法等”(王明濤,1999)確定權(quán)重的多指標(biāo)綜合評(píng)價(jià)法。模糊綜合評(píng)判方法具有許多優(yōu)點(diǎn),但它同樣不能消除指標(biāo)間的相關(guān)作用對(duì)評(píng)價(jià)結(jié)果的影響,而且指標(biāo)權(quán)重屬于估價(jià)權(quán)重即主觀賦權(quán),能否充分反映客觀實(shí)際,需要很好把握。主成分分析方法與其它綜合評(píng)價(jià)法相比,具有以
4、下優(yōu)點(diǎn),一是消除了原始指標(biāo)之間的相關(guān)影響,使計(jì)算結(jié)果更為精確。二是降維簡(jiǎn)化了原始指標(biāo)體系,且能盡可能地多反映原始指標(biāo)的統(tǒng)計(jì)特性和信息量。三是在將原始指標(biāo)變換為主成分的過(guò)程中,很容易得到包含信息量的主成分權(quán)重,這比人為確定權(quán)重工作量小,而且權(quán)重是伴隨數(shù)學(xué)變換生成的,不能人為調(diào)整,屬于客觀賦權(quán),這也有助于客觀地反映指標(biāo)之間的現(xiàn)實(shí)關(guān)系。因子分析是在主成分分析的基礎(chǔ)上發(fā)展起來(lái)的,具有主成分分析法的一些優(yōu)點(diǎn),與主成分分析法相比,更易于與經(jīng)濟(jì)現(xiàn)象結(jié)
5、合,但其缺點(diǎn)在于:一是因子得分和總因子得分都是估計(jì)值,不如主成分綜合評(píng)價(jià)之準(zhǔn)確;二是綜合評(píng)價(jià)值有可能包含重復(fù)信息;三是工作量比主成分分析要大許多。因此,進(jìn)行一般的多指標(biāo)綜合評(píng)價(jià),用主成分分析就可以了,而且有學(xué)者提出主成分分析方法在多指標(biāo)綜合評(píng)價(jià)中要優(yōu)于其它方法的觀點(diǎn)(邱東,1991)。在多指標(biāo)綜合評(píng)價(jià)中,指標(biāo)權(quán)重的確定是很關(guān)鍵的。關(guān)于如何確定權(quán)重的研究有不少成果,方法也有許多種。大體上可分為主觀賦權(quán)法和客觀賦權(quán)法兩類。主觀賦權(quán)法主53降
6、維的同時(shí)消除各指標(biāo)間較嚴(yán)重的相關(guān)關(guān)系但又盡可能保留原指標(biāo)信息,然后利用m個(gè)綜合指標(biāo)計(jì)算綜合評(píng)價(jià)值。此外,如何將多指標(biāo)綜合為一個(gè)統(tǒng)一的評(píng)價(jià)值,這實(shí)質(zhì)上就是怎樣科學(xué)地確定各個(gè)指標(biāo)的權(quán)重問(wèn)題。主成分分析方法正是在這兩方面顯示了其獨(dú)特的作用。采用主成分分析方法做綜合評(píng)價(jià),其原理和步驟如下:①建立n個(gè)區(qū)域p個(gè)指標(biāo)的原始數(shù)據(jù)矩陣Mij(i=1,2,...,n;j=1,2,...,p),并對(duì)其進(jìn)行無(wú)量綱化或標(biāo)準(zhǔn)化處理,一般采用Zsce法無(wú)量綱化,得到
7、Mij矩陣。對(duì)正指標(biāo)有:Zij=(Xij?)Sj;則對(duì)逆指標(biāo)有:Zij=(?Xij)Sj,jXjX其中:=,Sj=jX???niijXn11?????nijijnXX12②計(jì)算指標(biāo)的相關(guān)系數(shù)矩陣Rjk。Rjk=,且有Rjj=1,Rjk=Rkj???????????????niikijkkiknijjijZZnSXXSXXn1111③求Rjk陣的特征值?k(k=1,2,...,p)和特征向量Lk(k=1,2,...,p)。根據(jù)特征方程=0
8、計(jì)算特征值?k,并列出特征值?k的特征向量Lk。IR??④計(jì)算貢獻(xiàn)率Tk=?k和累積貢獻(xiàn)率Dk=,選取Dk?85%的特征值?1,??pjj1???kjjT1?2,...,?m(mp)對(duì)應(yīng)的幾個(gè)主成分。⑤解釋各主成分所反映的指標(biāo)含義。由于主成分是原始變量的線性組合,包含了比原始變量更復(fù)雜的內(nèi)容,因此對(duì)主成分所反映的指標(biāo)含義作出合乎實(shí)際的解釋,是比較重要的一環(huán),這樣有利于對(duì)被評(píng)價(jià)對(duì)象作出合理的定性分析。特征向量系數(shù)值表明了主成分與原始變量之
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- §35 主成分分析方法
- 層次分析方法
- 主成分分析網(wǎng)絡(luò)構(gòu)造方法及其應(yīng)用.pdf
- 基于主成分分析的入侵檢測(cè)方法.pdf
- §3.5主成分分析方法-geocomputation,gisand
- 基于主成分分析的人臉識(shí)別改進(jìn)方法.pdf
- 主成分綜合評(píng)價(jià)方法的改進(jìn)與案例分析.pdf
- 基于主成分分析和支持向量機(jī)的組合判別分析方法研究.pdf
- 基于主成分分析和神經(jīng)樹(shù)的人臉識(shí)別方法研究.pdf
- 基于主成分分析和DEA方法的我國(guó)區(qū)域創(chuàng)新效率評(píng)價(jià).pdf
- 基于主成分分析的人臉識(shí)別方法研究.pdf
- 基于主成分分析的網(wǎng)絡(luò)輿情快速預(yù)測(cè)方法.pdf
- 基于主成分分析和人工神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法.pdf
- 基于主成分分析和貝葉斯分類的入侵檢測(cè)方法研究.pdf
- 基于主成分分析的房地產(chǎn)估價(jià)方法研究.pdf
- 運(yùn)用主成分分析的統(tǒng)計(jì)方法構(gòu)建財(cái)務(wù)預(yù)警模型.pdf
- 基于矩陣主成分分析的人臉識(shí)別方法研究.pdf
- 基于改進(jìn)主成分分析方法的人臉識(shí)別算法研究.pdf
- 第6講 層次分析方法
- 基于時(shí)序全局主成分分析的測(cè)量數(shù)據(jù)分析方法研究.pdf
評(píng)論
0/150
提交評(píng)論