因素模型

2024-08-01

因素模型（共12篇）

因素模型篇1

因素分析法是依据分析指标与其影响因素的关系, 从数量上确定各因素对分析指标影响方向和影响程度的一种方法。该方法的理论依据是由创立于19世纪下半叶的拉氏指数和派氏指数所构成的综合指数体系[1]。因素分析法既可以全面分析各因素对某一经济指标的影响, 又可以单独分析某个因素对经济指标的影响, 在财务分析中应用颇为广泛。但该方法尚存在几个缺陷, 影响到其分析的准确性、合理性和应用效果。

该方法目前尚未解决的最主要缺陷在于多因素交叉影响的分配方法未明确规定。有学者提出两因子, 其一为单因素, 变动影响额, 其二为有关因素, 单因素变动影响额的总和, 而将前者与后者的比重作为分配多因素交叉影响的标准, 称为影响系数分析法[2], 但缺乏方法合理性的证明。

因素变动分析的理论基点在于因素变动的模式。其模式多种多样, 应予以理想化和简单化。而对于因素变动模式的研究应基于事物发展的客观规律, 从而克服由于考察事物的主观随意性造成的理论与实际不符的弊病。因此从因素变动的一般规律出发建立模型, 进而据以寻求因素分析的正确方法是必要的。

1 模型的建立

一般情况下, 具有因数关系的各因素的变动往往是同时、连续、相对均匀地发生的, 为便于研究, 应首先建立多因素理想变动模型。该模型包含三个假设:

假设1 在考察所涉及的时间范围内, 所有因素的变动同时发生, 且同时终止;

假设2 因素变动的过程没有间断;

假设3 在整个因素变动过程中, 因素变动的速度是均匀的。

因此, 假设各因素同时、分别按前后相同的幅度连续变动是对多因素影响过程的最佳模拟。当这种假设变动的幅度无限小, 也即变动的次数趋近于无穷大时, 这种模拟便与多因素理想变动模型完全吻合[3], 其分析结果也最接近于实际情况。这种模拟所产生的分析误差只有一种, 即由于因素变动的实际情况与理想变动模型的正常偏离而引起的偶然误差, 而不存在由于方法的缺陷所形成的系统误差。现分别对两因素分析模型和三因素分析模型按该方法进行模拟, 以探讨各因素变动对总体指标的真实影响。

2 两因素交叉变动影响的模拟

2.1 因素变动额的分解

若因素A、B的变动额分别为a1-a0、b1-b0, 两因素分析模型对总指标变动额的分解为[4]

a1b1- a0b0= (a1- a0) b0+ ( b1- b0) a0 + (a1-

a0) ( b1- b0) 。

式中a、b为两因素的指标数值 (下同) ;0为基期;1为报告期。

其中左边为因素A、B的变动对总体指标的总影响额以△T表示;右边前2项分别为因素A、B的主影响额, 即因素单独变动影响额, 以△A′、△B′表示;第3项为因素A、B的交叉变动影响额, 以△AB表示。

即:△T=△A′+△B′+△AB。

令x= a1- a0 , y= b1- b0 , 假设因素A、B分别以、为幅度, 连续进行n次因素变动, 即与两因素分别变动a1- a0、b1- b0的真实效果相近;当n→∞时, 则与两因素分别变动a1- a0、b1- b0的理想变动模型效果完全相同。若分别以a0i、b0i表示第i次因素变动时A、B两因素的基期指标, 以a1i、b1i表示第i次因素变动时A、B两因素的报告期指标, 则A、B两因素在第i次因素变动时的主影响额分别为:

Ai′= (a1i-a0i) b0i;△Bi′= (b1i-b0i) a0i。

根据假设, $a_{0 i} = a_{0} + (i - 1) \frac{x}{n} ‚ b_{0 i} = b_{0} + (i - 1) \frac{y}{n}$ ;而对于任意i, 均有: $a_{1 i} - a_{0 i} = \frac{x}{n} ‚ b_{1 i} - b_{0 i} = \frac{y}{n}$ 。

于是得到

$△ A_{i^{'}} = \frac{x}{n} [b_{0} + (i - 1) \frac{y}{n}]$ ,

$△ B_{i^{'}} = \frac{y}{n} [a_{0} + (i - 1) \frac{x}{n}]$ 。

因此在n次因素变动中因素A的主影响额总量为

$\begin{array}{l} △ A_{总^{'}} = \sum_{i = 1}^{n} Δ A^{'}_{i} = \\ \frac{x}{n} b_{0} + \frac{x}{n} (b_{0} + \frac{y}{n}) + \frac{x}{n} (b_{0} + \frac{2 y}{n}) + \\ \frac{x}{n} (b_{0} + \frac{3 y}{n}) + \dots \dots + \frac{x}{n} (b_{0} + \frac{(n - 1) y}{n}) = \\ x b_{0} + \frac{x y}{n^{2}} [1 + 2 + 3 + \dots \dots + (n - 1)] = \\ x b_{0} + \frac{x y}{n^{2}} \frac{(n - 1) n}{2} (自然数列求和公式) = \end{array}$

$x b_{0} + \frac{x y}{2} \frac{n - 1}{n}$ 。

2.2 因素变动次数的极限化

根据假设和上述推导过程可知, 在n次因素变动中计算的均是因素A的主影响额, 其总量△A总′似乎也应是因素A在整个变动中的主影响额。但由于在n次因素变动计算中除第一次外均考虑到了因素B的变化, 所以△A总′实际在一定程度上包含了两因素的交叉影响:当n=1时, △A总′完全不包含交叉影响;当n﹥1时, △A总′部分包含了交叉影响;当n→∞时, △A总′完全包含了所有交叉影响。因此, 当n→∞时, △A总′等于因素A、B的变动额分别为a1- a0、b1- b0时因素A变动的总影响额△A。即:

$\begin{array}{l} △ A = \lim_{n \to \infty} △ A_{总^{'}} = \lim_{n \to \infty} [x b_{0} + \frac{x y}{2} \frac{(n - 1)}{n}] = x b_{0} + \frac{x y}{2} \lim_{n \to \infty} \frac{(n - 1)}{n} = x b_{0} + \frac{x y}{2} = \\ (a_{1} - a_{0}) b_{0} + \frac{(a_{1} - a_{0}) (b_{1} - b_{0})}{2} (1) \end{array}$

同理可得:

$△ B = (b_{1} - b_{0}) a_{0} + \frac{(a_{1} - a_{0}) (b_{1} - b_{0})}{2}$ (2)

(1) 式+ (2) 式得

A+△B= (a1- a0) b0+ ( b1- b0) a0 +

(a1- a0) ( b1- b0)

即:△A+△B= △T 。

这完全验证了 $\lim_{n \to \infty} △ A$ 总′为因素A变动总影响额的理论推导。因此式 (1) 和式 (2) 就是计算各因素变动总影响额的基本公式。两式又可写成:

$△ A = △ A^{'} + \frac{Δ A B}{2}$ ; $△ B = △ B^{'} + \frac{Δ A B}{2}$ 。

也可简化为

$△ A = \frac{1}{2} (a, - a_{0}) (b_{1} + b_{0})$ ; $△ A B = \frac{1}{2} (a_{1} + a_{0}) (b_{1} - b_{2})$

由此得出两个重要结论:

1) 在两因素分析中, 交叉变动影响额应在两因素间平均分配;

2) 因素变动总影响额等于其主影响额与其所属交叉变动影响额之和。

3 三因素交叉变动影响的模拟

3.1 因素变动额的分解

若因素A、B、C的变动额分别为a1- a0、b1- b0、c1- c0, 三因素分析模型对总指标变动额的分解为

a1b1c1- a0b0c0= (a1- a0) b0c0+ ( b1- b0) a0c0+ (c1- c0) a0b0+ (a1- a0) ( b1- b0) c0+ (a1- a0) (c1- c0) b0+ ( b1- b0) (c1- c0) a0+ (a1- a0) ( b1- b0) (c1- c0)

式中左边为因素A、B、C的变动对总体指标的总影响额, 以△T表示;右边前3项分别为因素A 、B、C的主影响额, 以△A′、△B′、△C′表示;第4～6项分别为因素A 和B、A和C、B和C的交叉变动影响额, 以△AB、△AC、△BC表示;第7项为因素A、B、C的交叉变动影响额, 以△ABC表示。即

T=△A′+△B′+△C′+△AB+△AC+

BC+△ABC。

令x= a1- a0 , y= b1- b0 , z= c1- c0 , 假设因素A、B、C分别以 $\frac{x}{n}$ 、 $\frac{y}{n}$ 、 $\frac{z}{n}$ 为幅度, 连续进行n次因素变动, 即与三因素分别变动a1- a0、b1- b0、c1- c0的真实效果相近;当n→∞时, 则与三因素分别变动a1- a0、 b1- b0、c1- c0的理想变动模型效果完全相同。若分别以a0i、b0i、c0i表示第i次因素变动时A、B、C三因素的基期指标, 以a1i、b1i、c1i表示第i次因素变动时A、B、C三因素的报告期指标, 则A、B、C三因素在第i次因素变动时的主影响额分别为

Ai′= (a1i- a0i) b0ic0i;△Bi′= (b1i- b0i) a0i× c0i;△Ci′= (c1i- c0i) a0ib0i。

根据假设, $a_{0 i} = a_{0} + (i - 1) \frac{x}{n} ‚ b_{0 i} = b_{0} + (i - 1) \frac{y}{n} ‚ c_{0 i} = c_{0} + (i - 1) \frac{z}{n}$ ;而对于任意i, 均有: $a_{1 i} - a_{0 i} = \frac{x}{n} ‚ b_{1 i} - b_{0 i} = \frac{y}{n} ‚ c_{1 i} - c_{0 i} = \frac{z}{n}$ 。

于是得到

$△ A_{i^{'}} = \frac{x}{n} [b_{0} + (i - 1) \frac{y}{n}] [c_{0} + (i - 1) \frac{z}{n}]$ ;

$△ B_{i^{'}} = \frac{y}{n} [a_{0} + (i - 1) \frac{x}{n}] [c_{0} + (i - 1) \frac{z}{n}]$ ;

$△ C_{i^{'}} = \frac{z}{n} [a_{0} + (i - 1) \frac{x}{n}] [b_{0} + (i - 1) \frac{y}{n}]$

因此在n次因素变动中因素A的主影响额总量为

$\begin{array}{l} △ A_{总^{'}} = \sum_{i = 1}^{n} Δ A^{'}_{i} = x b_{0} c_{0} + \frac{b_{0} x z + c_{0} x y}{n^{2}} \sum_{i = 1}^{n} (i - 1) + \\ \frac{x y z}{n^{3}} \sum_{i = 1}^{n} (i - 1)^{2} = x b_{0} c_{0} + \frac{b_{0} x z + c_{0} x y}{n^{2}} \frac{(n - 1) n}{2} \end{array}$

(自然数列求和公式) + $\frac{x y z}{n^{3}} \frac{(n - 1) n (2 n - 1)}{6}$ (自然数平方数列求和公式) $= x b_{0} c_{0} + \frac{b_{0} x z + c_{0} x y}{2} \frac{(n - 1) n}{n^{2}} + \frac{x y z}{6} \frac{(n - 1) n (2 n - 1)}{n^{3}}$ 。

3.2 因素变动次数的极限化

根据假设和上述推导过程可知, 与三因素分析相同, 在n次因素变动中计算的均是因素A的主影响额, 其总量△A总′似乎也应是因素A在整个变动中的主影响额。但由于在n次因素变动计算中除第一次外均考虑到了因素B、C的变化, 所以△A总′实际在一定程度上包含了A和B、A和C两因素的交叉影响以及A、B、C三因素的交叉影响:当n=1时, △A总′完全不包含交叉影响;当n>1时, △A总′部分包含了交叉影响;当n→∞时, △A总′完全包含了所有交叉影响。因此, 当n→∞时, △A总′等于因素A、B、C的变动额分别为a1- a0、b1- b0、c1- c0时因素A变动的总影响额△A。即:

$\begin{array}{l} △ A = \lim_{n \to \infty} △ A_{总^{'}} = \\ x b_{0} c_{0} + \frac{b_{0} x z + c_{0} x y}{2} + \frac{x y z}{6} \times 2 = \\ x b_{0} c_{0} + \frac{x y c_{0}}{2} + \frac{x z b_{0}}{2} + \frac{x y z}{3} = \\ (a_{1} - a_{0}) b_{0} c_{0} + \frac{(a_{1} - a_{0}) (b_{1} - b_{0}) c_{0}}{2} + \\ \frac{(a_{1} - a_{0}) (c_{1} - c_{0}) b_{0}}{2} + \\ \frac{(a_{1} - a_{0}) (b_{1} - b_{0}) (c_{1} - c_{0})}{3} (3) \end{array}$

同理可得:

$\begin{array}{l} △ B = (b_{1} - b_{0}) a_{0} c_{0} + \frac{(b_{1} - b_{0}) (a_{1} - a_{0}) c_{0}}{2} + \\ \frac{(b_{1} - b_{0}) (c_{1} - c_{0}) a_{0}}{2} + \\ \frac{(a_{1} - a_{0}) (b_{1} - b_{0}) (c_{1} - c_{0})}{3} (4) \\ △ C = (c_{1} - c_{0}) a_{0} b_{0} + \frac{(c_{1} - c_{0}) (a_{1} - a_{0}) b_{0}}{2} + \\ \frac{(c_{1} - c_{0}) (b_{1} - b_{0}) a_{0}}{2} + \\ \frac{(a_{1} - a_{0}) (b_{1} - b_{0}) (c_{1} - c_{0})}{3} (5) \end{array}$

式 (3) +式 (4) +式 (5) 得

A+△B+△C= (a1- a0) b0c0+ ( b1- b0) a0c0+

(c1- c0) a0b0+ (a1- a0) ( b1-

b0) c0+ (a1- a0) (c1- c0) b0+

( b1- b0) (c1- c0) a0+ (a1-

a0) ( b1-b0) (c1- c0) 。

即△A+△B+△C=△T。

这完全验证了 $\lim_{n \to \infty} △ A$ 总′为因素A变动总影响额的理论推导。因此式 (3) —式 (5) 就是计算各因素变动总影响额的基本公式。三式又可写成:

$△ A = △ A^{'} + \frac{Δ A B}{2} + \frac{Δ A C}{2} + \frac{Δ A B C}{3}$ ;

$△ B = △ B^{'} + \frac{Δ A B}{2} + \frac{Δ B C}{2} + \frac{Δ A B C}{3}$ ;

$△ C = △ C^{'} + \frac{Δ A C}{2} + \frac{Δ B C}{2} + \frac{Δ A B C}{3}$ ;

也可简化为

$△ A = \frac{1}{6} (a_{1} - a_{0}) + [(b_{1} + b_{0}) (C_{1} + C_{0}) + b_{1} C_{1} +$

b0C0]。

由此也得出两个重要结论:

1) 在三因素分析中, 不论是两因素交叉还是三因素交叉, 其交叉变动影响额应在所有参与交叉变动的各因素间平均分配;

$△ B = \frac{1}{6} (b_{1} - b_{0}) [(a_{1} + a_{0}) (C_{1} + C_{0}) + a_{1} C_{1} +$

a0c0]。

2) 因素变动总影响额等于其主影响额与其所属交叉变动影响额之和。

$△ C = \frac{1}{6} (C_{1} - C_{0}) [(a_{1} + a_{0}) (b_{1} + b_{0}) + a_{1} b_{1} +$

a0b0]。

4 结论

可见, 多因素理想变动模型在两因素和三因素分析上的应用是成功的。那么在三个以上因素的分析中, 交叉变动影响额是否也应平均分配呢?

无本质区别的事物, 其本质特征必然是一致的。三即是多, 四因素、五因素、……等分析与两因素、三因素分析只存在因素数量上的差别, 而无本质区别。交叉变动影响额的分配形式属于因素分析的本质特征, 因此, 在这方面两者必然是一致的。即:

1) 对于所有多因素分析, 其每一交叉变动影响额均应在所有参与交叉变动的各因素间平均分配;

2) 因素变动总影响额等于其主影响额与其所属交叉变动影响额之和。

其中, 各因素变动总影响额的计算可以用下式表示:

$\begin{array}{l} △ Μ_{i} = △ Μ_{i^{'}} + \sum_{j 1 = 1 ‚ j 1 \neq i}^{n} \frac{Δ Μ_{i} Μ_{j 1}}{2} + \\ \sum_{j 1 = 1, j 1 \neq i, j 1 \neq j 2}^{n} \sum_{j 2 = 1, j 2 \neq i}^{n} \frac{Δ Μ_{i} Μ_{j 1} Μ_{j 2}}{3} + \dots + \\ \sum_{j 1 = 1, j 1 \neq i, j 1 \neq j 2, \dots j 1 \neq j n - 1}^{n} \dots \sum_{j n - 1 = 1, j n - 1 \neq i}^{n} \\ \frac{Δ Μ_{i} Μ_{j 1} Μ_{j 2} \dots Μ_{j n - 1}}{n - 1} + \frac{Δ Μ_{1} Μ_{2} \dots Μ_{i} \dots Μ_{n}}{n} 。 \end{array}$

式中:Mi为需计算变动总影响额的因素;j1、j2、…、jn-1为因素序号。

至此, 通过多因素理想变动模型的建立及其模拟应用, 彻底解决了所有 (因数型) 多因素分析中各因素总影响额的精确计算问题, 证明该模型是确实行之有效的。应用该模型所取得的成果必将在社会经济及财务分析中发挥巨大作用。但如前所述, 象所有理论的应用一样, 该模拟会产生由于因素变动的实际情况与理想变动模型的正常偏离而引起的偶然误差;在实际应用过程中, 应当根据社会经济现象多因素变动的客观实际情况, 对多因素分析计算的公式或计算结果加以合理修正 (实际情况千变万化, 这里暂不讨论其具体修正方法) , 以尽量减小分析误差。

参考文献

[1]夏淑琴.指数因素分析法的优化.宁夏大学学报 (自然科学版) , 2006;27 (4) :314—

[2]杜家龙.关于因素分析新方法的构想.企业经济, 2007 (5) :145—

[3]柳炳祥, 李海林.基于模糊粗糙集的因素权重分配方法.控制与决策, 2007, 22 (12) :1437—

[4]社会经济统计学原理教科书编写组.社会经济统计学原理.北京:中国统计出版社, 1984:78—

因素模型篇2

对于这个实例，可以采用R软件进行解决，过程如下：

解：将零部件强度设为此次实例的考察因素。3个工厂生产能力不同，存在3个水平，对各个工厂的产品强度进行检测，强度值为3个正态分布总体的样本观测值。

由上述程序可以看出，aov函数对方差分析表进行了计算，运行结果所得数据与方差分析表2中的内容相符合，其中Df表示自由度，Sum Sq表示平方和，Mean Sq表示为均方，F value表示为F值，Pr(>F)表示为P值，A为因素A，Residuals表示残差或者误差。

由上述运行结果可以看出，P 参考文献：

[1] 闫杰.地区差异对农村金融发展影响的实证研究――基于单因素方差分析[J].山东纺织经济，，2(10).

[2] 张永兵.分析数学模型思想的建立[J].家教世界，，2(06).

因素模型篇3

关键词：耕地；主导驱动因素；灰色关联；神经网络；预测模型；耕地保护措施

中图分类号： F323.211 文献标志码： A 文章编号：1002-1302（2014）04-0281-03

收稿日期：2013-11-20

基金项目：国家自然科学基金（编号：51179050）。

作者简介：吴春辉（1989—），男，陕西商南人，硕士，主要从事水土资源规划与管理研究。E-mail：wu_chunhui1011@163.com。

通信作者：朱成立，博士，副教授，主要从事农业水土资源规划、节水灌溉理论与技术研究。E-mail：clz@hhu.edu.cn。土地是人类赖以生存的基础。随着我国社会经济的发展，大量耕地被住宅用地、工业用地建设等侵占[1]。因此，找出与耕地变化密切相关的驱动因素，预测耕地面积的变化，制定相关对策，对合理利用及保护耕地资源具有重要意义。不少学者进行了很多关于耕地动态变化研究[2-7]。但采用多序列灰色关联预测模型GIFM（m）及人工神经网络预测模型预测陕西省关中地区耕地面积变化研究较少。本研究根据关中地区1986—2011年耕地、人口、经济、社会发展的统计数据，分析影响耕地动态变化的驱动因素，结合多序列灰色关联预测模型GIFM（m）及人工神经网络预测模型对未来几年关中地区耕地面积进行预测，旨在为制定耕地保护措施提供依据。

1研究区概况

关中地区工业集中，人口密集，科技、教育实力雄厚，包括陕西省西安市、咸阳市、宝鸡市、渭南市、铜川市5市以及杨凌区农业高新技术产业示范区。该地区属大陆性气候，年均气温6～13 ℃，年降水量500～800 mm，截至2011年底，全区人口2 369.81万，约占全省总人口的60.63%，其中农业人口 1 383.96万，占全区总人口的58.40%，全区耕地面积 1 50715×103 hm2，占全省耕地面积的52.68%。关中地区地势平坦，土壤肥沃，水资源丰富，机耕、灌溉条件良好，号称“八百里秦川”，是陕西省重要的粮棉油产区[8]。

21986—2011年关中地区耕地变化及其驱动因素分析

2.1耕地数量变化

1986—2011年，关中地区耕地面积减少了399 450 hm2，相比1986年减少了21%，2003—2004年、2006—2007年有少量增加。人均耕地面积减少了0.043 0 hm2。耕地总面积及人均耕地面积变化见图1。

由图1可以看出，关中地区耕地总面积大体经历了快速减少、急速减少、缓慢减少3个阶段，人均耕地面积变化趋势与耕地总面积相似。第一阶段：1986—1999年，关中地区耕地面积处于快速减少阶段，净减少面积为223 690 hm2，年均减少17 207 hm2。此时期是改革开放政策逐步推进的阶段，建设用地占用一部分耕地，少量耕地转化为城市绿地，导致耕地面积下降[9]。第二阶段：2000—2003年，關中地区耕地面积处于急剧减少阶段，净减少面积为156 240 hm2，年均减少39 060 hm2，这主要是由于 “西部大开发”战略、“一线两带”建设路线的实施，以及高新技术开发带、国家关中星火产业带的建设，关中地区快速实现区域现代化的同时，耕地面积急剧减少[10]。第三阶段：2004—2011年，关中地区耕地面积减少了19 520 hm2，减少速度下降，且个别年份耕地面积略有增加。经过前期经济快速发展，政府认识到了耕地减少及生态环境破坏对粮食安全、社会发展的影响，提出了“生态退耕”政策，同时出台了相应的土地产权管理政策，一定程度上扭转了耕地面积快速减少的局面。人均耕地面积变化与耕地总量及人口总数有关。随着社会经济的发展，耕地总量不断减少，人口总量不断增加，导致关中地区人均耕地面积呈下降趋势。1986年关中地区人均耕地面积为0.106 6 hm2/人，2011年人均耕地面积仅为0.063 6 hm2/人，减少了 0.043 hm2/人。人均耕地面积的持续下降导致人地矛盾更为突出。

2.2影响耕地变化的驱动因素分析

2.2.3驱动因素结果分析根据1986—2011年资料，计算关中地区耕地面积及驱动因素的关联度。由表1可知，9个驱动因素与关中地区耕地面积关联度由大到小依次为：灌溉面积>总人口>粮食单产>城市化水平>农业机械总动力>农业总产值>工业总产值>GDP>固定资产投资。耕地面积与9个驱动因素的灰色关联度均大于0.5，说明耕地动态变化与人口、经济发展水平、农业现代化水平都有一定的关联性。其中总人口、城市化水平、灌溉面积、粮食单产、农业机械总动力灰色关联度大于0.9，说明这些驱动因素是影响耕地动态变化的主导因素。

4.2人工神经网络模型的应用

本研究采用Matlab 2012a软件，将设计好的BP神经网络程序输入到Matlab中，进行耕地面积模拟及检测，以期找到合适的参数及阈值来进行耕地面积预测。

6结论与讨论

本研究以关中地区为研究对象，分析了1986—2011年关中地区耕地面积的变化趋势，探究了耕地动态变化的驱动因素，并分别采用多序列灰色关联预测模型GIFM（m）及人工神经网络预测模型预测关中地区未来耕地面积，结果表明，1986—2011年，关中地区耕地总量及人均耕地数量均呈下降趋势，最近几年由于国家政策的调整，耕地总量及人均耕地数量减少速度放缓。通过灰色关联分析法对1986—2011年影响关中地区耕地面积动态变化的驱动因素进行分析，发现人口、城市化水平、灌溉面积、粮食单产、农业机械总动力这5个因素是影响耕地动态变化最主要的驱动因素。分别采用多序列灰色关联预测模型GIFM（m）及人工神经网络预测模型，建立了基于1986—2010年耕地面积及驱动因素值的预测模型，对这2种模型的验证结果进行对比发现，人工神经网络预测模型精度最高。本研究表明，影响关中地区耕地面积的主要因素是人口数量、城市化水平、农业现代化水平。结合关中地区的具体情况，应该控制人口增长、控制城镇规模盲目扩大、实施耕地占补平衡政策、积极改造中低产田，更大程度地保护现有耕地。

nlc202309011516

参考文献：

[1]王海鸿，马琼，付士波，等. 西北干旱半干旱区耕地面积变化与人口、经济发展的相关关系研究——以甘肃省为例[J]. 干旱区资源与环境，2011，25（1）：74-79.

[2]彭文甫，周介铭. 近50年四川省耕地变化分析[J]. 资源科学，2005，27（3）：79-85.

[3]宋开山，刘殿伟，王宗明，等. 三江平原过去50年耕地动态变化及其驱动力分析[J]. 水土保持学报，2008，22（4）：75-81.

[4]孙国军，刘普幸，李慧芳，等. 酒泉市耕地变化的驱动力研究及多元线性回归预测[J]. 干旱区资源与环境，2009，23（3）：73-76.

[5]李穗英，孙新庆. 青海省近10年耕地面积动态变化及驱动因子分析研究[J]. 中国农业资源与区划，2009，30（5）：39-44.

[6]郭洪海，宋民. 山东省耕地动态变化趋势及驱动力分析[J]. 中国农业资源与区划，2009，30（1）：51-57.

[7]曾永年，吴孔江，靳文凭，等. 青海高原东北部耕地变化及驱动力分析[J]. 干旱区资源与环境，2012，26（8）：89-92.

[8]杨朔，李世平.关中地区城市化过程中土地利用问题研究[J]. 中国土地科学，2009，23（7）：79-80，封三.

[9]楊勇. 关中地区土地利用动态模拟与优化配置研究[D]. 西安：陕西师范大学，2010.

[10]杨忠泰.陕西培育发展战略性新兴产业的路径选择[J]. 科技管理研究，2013，33（6）：72-77.

[11]曾波，刘思峰.基于灰色关联度的小样本预测模型[J]. 统计与信息论坛，2009，24（12）：22-26.

[12]刘思峰，蔡华，杨英杰，等. 灰色关联分析模型研究进展[J]. 系统工程理论与实践，2013，33（8）：2041-2046.

[13]东亚斌，段志善. 灰色关联度分辨系数的一种新的确定方法[J]. 西安建筑科技大学学报：自然科学版，2008，40（4）：589-592.

[14]熊和金，徐华中. 灰色控制[M]. 北京：国防工业出版社，2005：44-47.

[15]焦李成. 神经网络系统理论[M]. 西安：西安电子科技大学出版社，1990：8-11.

[16]沈花玉，王兆霞，高成耀，等. BP神经网络隐含层单元数的确定[J]. 天津理工大学学报，2008，24（5）：13-15.

权证定价模型及影响因素探讨篇4

随着权证交易的迅速发展, 学术界对权证的研究也越来越重视。权证的研究角度很多, 在此, 只选取权证价格的影响因素和权证与标的证券市场关系的研究进行综述。由于权证是依赖于标的证券发行的衍生证券, 因此权证的价格必然要受到标的证券价格的影响, 这一点从B-S模型中就能看得出来。认购权证与标的证券的价格成正比, 认沽权证与标的证券价格成反比, 很多学者对这一规律进行了实证研究。

1973年, Fiseher Black和Myron Scholes发表了“期权定价和公司财务 (The Pricing of Options and Corporate Liability) 一文, 提出了举世闻名的B-S模型, 为期权市场的发展扫清了诸多疑惑, 随后, 很多学者在此基础上进行了更深入的研究, 对模型进行了改进, 使其更符合客观事实;R.F.Engle率先将GARCH过程应用于权证定价, 由GARCH模型估计标的股价波动率, 带入B-S模型求得权证的价格。F.Sinkey和R.E.Miles第一次使用B-S模型对权证定价做了研究。E.S.Sehwartz使用数值计算方法对美国电报电话公司 (AT&T) 1970-1975年之间发行的权证进行了估价。F.Noreen和M.Volfson, M.Ferri, J.Kremer和H.Obethelman, 以及B.Lairterbacl和P.Schizltz, 使用不同的样本标准, 比较了B-S模型和其他波动率弹性恒定的期权定价模型在对权证定价时的能力及表现。R.Kremer和O.Roenfeldt也首次将跳跃扩散模型应用到权证定价当中。

二、权证B-S定价模型

从期权诞生之日起, 期权定价就成为了困扰人们的一个难题, 不管是发行者还是投资者都不能给期权一个公允的价格, 这种情形也严重制约了期权交易的发展。直到20世纪70年代, 诞生了著名的权证定价模型。该模型是Fiseher Black和Myron Scholes于1973年首次提出的, 该模型在一系列严格的假设条件下, 通过严密的数学推导和论证提出了后来被称为“Black-Scholes模型”的期权定价模型 (以下简称为B-S模型) , 成为期权定价理论研究中具有划时代意义的里程碑成果, 从此期权定价有了较为科学的参考依据。

B-S模型以欧式看涨期权为研究对象, 提出了如下假设: (1) 股价变动呈对数正态分布, 其期望值与方差一定; (2) 交易成本和税率为零, 所有证券无限可分; (3) 期权有效期 (T) 内无股息分配; (4) 证券交易为连续性交易, 不存在无风险套利机会; (5) 投资者可以无风险利率进行借贷; (6) 无风险利率r恒定。

在以上假设的基础上, 提出了欧式看涨期权的价格公式:

该模型的中心思想是在已知股票价格未来分布的假设下, 可以用股票和一个无风险债券组合动态复制期权的收益进行避险, 而期权的价格就等于动态复制所需的成本。这一定价模型现已成为交易商们所普遍使用的一个定价工具, 极大地推动了衍生产品市场的发展。由于其严密的逻辑、形式上的优美及计算上的简单, B-S模型在实践应用方面被广泛采用, 是权证定价应用的著名模型。但其理论本身涉及一些与实际环境不相吻合的假设, 导致B-S模型价格与实际期权的市场价格经常有很大的差距。因此, 对于其中标的证券价格服从几何布朗运动、波动率为常数的假设, 学者们提出了多种修正, 推广了建模方法。

三、权证B-S期权定价推广模型

为了使B-S定价模型具有更广泛的现实应用性, 很多学者通过放松假设条件, 对B-S模型进行了修正和推广。Engle提出的自回归条件异方差 (ARCH) 模型成功地模拟了随时间变化的方差模型。该模型针对股票价格波动率聚类效应, 假定收益率残差服从一个条件正态分布, 条件期望为零, 条件方差为以前若干几期收益率误差平方的函数。ARCH模型将方差和条件方差区分开来, 并让条件方差作为过去误差的函数而变化, 从而为解决异方差问题提供了新的途径。Bollerslev在ARCH模型中引入无穷期误差项, 得到广义自回归条件异方差 (GARCH) 模型。GARCH模型较好地解决了ARCH模型在实际应用中待估参数较多的问题, 特别适合于对金融时间系列数据的波动性和相关性进行建模, 估计或预测波动性和相关性。Kuwahara&Marsh在使用GARCH模型对认股权证定价进行实证研究中发现, 该模型对价内认股权证的定价准确度要优于经典B-S模型。尽管GARCH模型在描述金融时间序列的波动率上有诸多优势, 但能够反映连续时间序列波动率的SV模型更受金融研究者青睐。该模型在波动率方程中引入了一个新的随机变量, 提高了对长期波动率预测的准确性。

我国的香港和台湾地区权证市场起步早, 发展快, 因此针对这两个市场的研究较丰富, 其中比较有代表性的著作有:陈松男证明B-S模型计算出的权证价格只是一个定价的参考值, 时常背离其真实价值, 因此存在应用的局限性。该研究利用实务观点并提供新的理论基础说明如何修正B-S模型理论, 以改进其在实际应用中的效率, 降低权证风险, 并提高超额收益, 具有较强的实际指导意义。陈信华选择我国台湾证券商最早发行的4只认购权证作为研究对象, 探讨了台湾券商发行权证的发行定价、市场价格与理论价格的关系。其研究结果如下:由于证券商的权证发行价格制定采用高波动率政策, 造成定价高于B-S模型与二项式理论价格的情况时有发生。

四、认购权证价格的影响因素

虽然B-S模型和二项式理论给出了权证定价的表达公式, 但是在实际的交易中, 权证价格还要受到诸多因素的影响。

(一) 标的证券的价格

权证作为金融衍生产品, 标的资产可以为个股、一篮子股票、指数以及其他衍生产品。所以说, 从短期来看, 标的证券的价格走势将直接影响到权证的交易价格。对于认购权证来说, 发行时标的证券的价格越高, 认购权证的发行价格也越高。同样的道理, 认沽权证标的证券价格越高, 权证发行时的价格就越低。通过B–S模型可以看出, 标的证券价格是权证定价的重要影响因素。张成虎等对中国权证与其标的证券之间的价格协整关系进行实证研究, 研究表明, 从长期来看, 认购权证价格与标的证券价格都是存在单位根的非平稳序列, 都是一阶单整的。研究结果还显示不同的认购权证价格与其标的证券价格的均衡关系存在一定的差异。这与前人的研究成果是基本吻合的。

(二) 权证有效期

在股票市场牛市环境下, 权证离行权到期日时间越长, 认购权证成为价内权证的可能性就越大, 所以它的价格也相应的越高;随着到期日的趋近, 认购权证成为这种价内权证的可能性越小, 则它的交易价格也会逐渐趋向稳定。在股票市场牛市作用下, 认沽权证离行权到期日时间越长, 成为价外权证的可能性就越大, 所以它的价格趋向下降;认沽权证到期时基本上都属于价外权证, 没有行权可能。

(三) 权证行权价格

权证的核心价值在于对标的证券价格的预期, 价内权证具有一定的内在价值, 而价外权证没有内在价值。价内权证行权价与标的股票价格的差距越大, 那么权证提供的套利空间就越大, 权证的内在价值就越高, 所以权证的发行价格或交易价格就可能越高。认购权证所约定的行使价格越高, 投资者到期行使认购权利时, 行权价跟标的证券价格的差额越小, 权证的收益率就越低, 所以权证的发行价格或交易价格都会较低。认沽权证所约定的行权价格越低, 投资者到期行使认沽权利时, 行权价与标的证券价格的差额越小, 权证的收益率就越低, 这样权证的发行价格和交易价格也越低。

此外, 根据以上分析的权证的定价模型可以看出, 影响权证的因素还有标的证券的波幅、市场利率、标的证券预计派发的股息等。

参考文献

[1] .M.Ferri, J.Kremer, H.Oberhelman.Analysis of Models for Pricing Corproate Warrants[J].Advances in Futures and Options Research, 1986, (1) .

[2] .K.R.Subramanyam.The Pricing of Discretionary Accrurals[J].Journalof Accounting and Economics, 1996, (22) .

[3] .F.Black, M.Scholes.The Pricing of Options and Corporate Liabilities[J].The Journal of Political Economy, 1973, (3) .

[4] .D.Skinner.Option Markets and Stock Return Volatility[J].Journal of Financial Economics, 1989, (23) .

[5] .王安兴, 胡建芳.欧式期权定价与沪深证券市场权证价格分析[J].郑州航空工业管理学院学报, 2009, (2) .

因素模型篇5

作者：张健发马依彤杨毅宁高晓明刘芬向阳 ZHANG Jian-fa MA Yi-tong YANG Yi-ning GAO Xiao-ming LIU Fen XIANG Yang 作者单位：张健发,马依彤,杨毅宁,刘芬,向阳,ZHANG Jian-fa,MA Yi-tong,YANG Yi-ning,LIU Fen,XIANG Yang(新疆医科大学第一附属医院心脏中心,乌鲁木齐,830054)

高晓明,GAO Xiao-ming(Baker实验心脏研究所心脏病学研究室,墨尔本6492,澳大利亚)

因素模型篇6

关键词：民营中小体育用品企业；转型；钻石模型

作者简介：肖骞（1990-），男，江西赣州人，上海体育学院经济管理学院，在读硕士研究生，研究方向：体育赛事运作。E-mail：tyxiaoqian@126.com

基金项目：上海体育学院研究生创新型科研项目基金（yjscx201306）资助项目资助

Abstract： This paper starts by analyzing the connotation of enterprise transformation. According to the real situation of domestic small and medium-sized sport enterprises， this paper formulates hypotheses and builds models based on the Michael Porter Diamond Model. Finally， the paper ends with a thorough analysis of the model.

Key Words： Private Small and Medium-Sized Sport Enterprises；Transformation； Diamond Model

民营中小体育用品企业是我国体育用品企业的重要组成部分，并且在现今与将来很长一段时期内，体育用品企业都将是我国体育产业的主导产业，这是由我国现阶段经济增长方式主要依赖出口与国民对体育的需求层次决定的。近几年由于国际金融危机、国内劳动力成本升高与人民币升值等原因，我国民营中小企业的生存发展收到了严重打击，民营中小体育用品企业同样未能幸免。香港中文大学郎咸平教授项目组统计资料显示，中国商品出口额2009 年较 2008 年全年下降 16%，尽管2010 、2011 年有所恢复，但增幅下降[1]。针对危机，政府及时出台了有关加快转变经济增长方式，调整产业结构，提高以自主创新为主的核心竞争力等一系列政策，为民营中小企业指明了方向。

就企业转型问题查阅大量文献，发现研究成果已很丰富，但针对体育用品企业转型的研究成果屈指可数，对体育用品企业转型外部影响因素做系统归纳研究的几乎没有。而转型是一个复杂的系统工程，必须考虑到方方面面的因素。因此本文试图以“钻石模型”为基础，结合我国民营中小体育用品企业生存发展环境特点，构建民营中小体育用品企业转型的外部影响因素理论模型，一方面为填补理论空白做出贡献，另一方面为企业的转型工作提供一个分析框架。

1理论回顾及推导

1.1“钻石模型”介绍

美国著名学者迈克尔·波特在其代表作《国家竞争优势》一书中[2]，针对一国产业竞争优势，提出了著名的“钻石模型”理论（图1）。该理论认为，一国的国内经济环境对产业竞争优势有很大影响，其中影响最大最直接的因素有4项，即生产要素，需求条件，相关和支持性产业及企业战略、企业结构和同业竞争。这4项因素可能会加快本国产业竞争优势的培育，也可能造成产业发展停滞不前。在一个国家的众多产业中，最有可能在国际竞争中取胜的是在国内这4项关键因素中特别有利的那些产业。并且除这4项主要影响要素外，还有2项重要因素会对产业竞争优势产生影响，即机会与政府。

1.2企业转型界定

从已有研究成果来看，学者们主要从以下两个层面论述了企业转型的内涵。（一）企业整体战略层面。一些学者认为，企业转型就是企业为了动态适应外部环境或内部条件的变化，或为了利用潜在的机会，从一个战略转向另一个战略，并不断创造新的竞争优势，以维持企业的生存和发展[3]。（二）企业本自身层面。企业转型是企业经营管理与组织结构的提升与变革，包括体制、经营理念、产品、市场、技术、内部管理等各个方面[4]。并且另有学者指出，企业转型分为内生型转型与外生型转型[5]，内生型转型是企业动态适应内外部环境而进行的一些列转变，目的是提高企业竞争力，塑造新的竞争优势。外生型转型是企业的行业转型。

结合以上观点笔者认为，企业转型即企业为了提高自身竞争力与优势，继续生存发展，动态适应新的内部与外部环境，对原本的战略目标、生产结构、组织体制、管理模式等所做的一系列改变。

1.3理论推导

波特的“钻石模型”初看是研究一国中某产业竞争优势的评价与塑造，但是对于产业来讲，企业是其基本组成单位，产业的竞争优势最终是通过产业内各企业的实力与表现共同决定的。那么也就是说，提高产业竞争优势最终是依靠提高产业内企业竞争优势实现的。因此笔者认为，对于某个企业来讲，按照“钻石理论”来评价自身竞争优势与找出加强竞争优势的途径与方法是完全可行且有必要的。

值得注意的是，“钻石模型”理论认为，只有在该模型提出的4项因素中最为有利的企业才有可能具有很强的竞争优势。企业外部环境是不断变化着的，而变化必然会增强或减弱企业的竞争力与竞争优势，企业转型正是基于这种情况发生的。因此企业为了加强自身竞争力与优势，就必须根据外部环境的变化对自身做出改变，即转型。

那么就可以得到一个推论：企业转型受生产要素，需求条件，相关和支持性产业及企业战略、企业结构和同业竞争这4项要素与机会与政府这2项要素的影响。本文所研究的是企业外部环境因素对企业转型的影响，因此忽略企业战略与企业结构两个变量。考虑到我国民营中小企业多为家族制企业或私营、合营企业，对于这类企业来讲，企业主对企业的影响力是巨大的[6]，因此将企业主视为影响企业转型的一个重要变量。得到如下假设模型（图2）。

成品油市场模型之气候因素篇7

关键词：成品油,市场,模型,气候

从事成品油终端销售行业的人都知道, 成品油市场是一个需求波动较大的市场。如何预测市场变化, 提前做好资源调配, 以应对市场波动, 是每个石油销售人都在认真琢磨的事情。众所周知, 成品油市场需求与GDP增长呈明显的线性正相关。以重庆主城区市场为例, 如果我们用一条直线来拟2003年至今的成品油市场需求与GDP关系, 则这条直线与实际市场需求的相关系数可以达到0.99943, 非常接近1。

首先, 让我们来看看市场需求的月度分布规律, 仍然以重庆主城西南部市场情况为例。我们使用Matlab以7阶多项式来拟合这2003年至2006年的月度市场变化情况, 得到的分布图如图1所示。

由于只有12个点, 月曲线图的分辨率并不高, 但4条曲线仍然能够看到一些共通的特性, 例如全年的市场变化呈现明显的三次起伏, 且每年的波峰波谷位置都相对比较固定。下面让我们来增加曲线的精度, 以周为单位, 重新来拟合绘制图2, 仍然使用7阶多项式。

周曲线图中可以看到更多的起伏细节, 但整体走势仍与月曲线图相同。由于大多数用油单位的工作量都是以周为单位循环往复, 成品油市场也明显的以周为周期, 周曲线比日曲线更有规律, 故这里就不再列举日曲线图。从以上两组图中, 我们可以看到几个明显的规律。

(1) 在一年之中, 市场需求将经历3次较为明显的变化, 即图中的3个波峰与3个波谷。 (2) 第一个低谷位于1月到2月之间, 同时也是全年的最低点。很明显这是受春节长假的影响。春节期间各企事业单位放假, 农民工返乡, 工地停工, 加之按照中国传统, 春节期间自驾出游明显少于其他长假, 导致市场急剧萎缩。 (3) 2月之后, 市场需求逐渐上升, 在4月份达到最高, 然后开始下降, 在5月底6月初达到最低。从图上看, 这个波谷在三个年份里面都比较靠近6月而不是5月, 所以我们认为造成这次销量下降的主要因素并不是五一长假, 而是因为重庆6月雨水较多。相较于春节, 五一长假的影响并不大。这主要是由于旅行出游较多, 尤其是近些年自驾油兴起, 使得车辆用油增加, 弥补了企业单位停产和工地停工带来的市场萎缩。 (4) 6月之后, 重庆开始出现连晴高温, 市场需求逐月攀升, 一般来说要到9月后才开始下滑, 并在10月末11月初下降到最低。同样, 可以看到, 国庆长假的影响也不是主要因素, 因为最低点一般出现在11月初, 此时正是重庆的又一个雨季。降水情况仍然是影响出库量的最主要的因素。 (5) 比较特别的, 这4年的12月市场需求都相当的旺盛, 明显高于其它月份。回顾这4年的资源状况, 我们可以发现几乎每年年底都会出现比较严重的资源供应紧张情况, 外省需求流入重庆市场, 加上抢购心理, 导致每年年底的市场需求都高得异常, 无法用其他月份的规律来进行分析。

因素模型篇8

1. 模型建立

根据因素分析法的原理, 按基数建立因素分析关系式。由于可比产品成本降低计划完成情况的因素分析是各因素对计划执行结果差异的影响分析, 因此其因素分析关系式的基数应为本年的计划数。其因素分析关系式为:

综上所述, 可比产品成本计划降低额的关系式为:

通过变换得到的可比产品成本计划降低额的关系式 (1) 即为可比产品成本降低计划完成情况的因素分析模型, 且影响可比产品成本降低计划完成情况的主要因素有:产品的产量、品种结构、单位成本等三个因素。

2. 因素替换

在建立了因素分析模型之后, 将模型中的计划数 (基数) 依次替换成实际数, 每次替换后计算出的结果 (成本降低额) 与前一次计算的结果相比较, 两者的差额即为该因素的影响程度。按照因素分析法替换顺序要求, 可比产品成本降低计划完成情况因素分析的替换顺序依次为:产品产量、品种结构、单位成本。

第一次替换:以实际产量替换 (1) 式中的计划产量。特别指出的是:替换时, 只替换 (1) 式中前项的计划产量, 不替换分式 (成本降低率) 中的计划产量。替换后关于可比产品成本降低额的关系式 (2) 为:

通过 (2) 式与 (1) 式的计算和比较, 就能确定可比产品的产量因素变动对其成本降低额与降低率的影响程度。实际上, 以实际产量替换 (1) 式中的计划产量时, 没有替换分式 (成本降低率) 中的计划产量。这是因为产量的变动, 若产品的品种结构不变, 则只对可比产品成本降低额产生影响, 而不影响其成本降低率。但是, 由于在企业的实际生产过程中, 往往是产品的产量、品种结构、单位成本同时发生变动, 这体现了利用因素分析法进行分析时其结果的假定性, 因此, 在进行了产量因素影响程度的分析之后, 还必须进行第二次、第三次替换。

第二次替换:在 (2) 式的基础上, 以实际产量替换分式 (成本降低率) 中的计划产量, 其实质是以本年可比产品的实际品种结构替换计划品种结构。替换后关于可比产品成本降低额的关系式 (3) 如下:

通过 (3) 式与 (2) 的计算和比较, 可以确定可比产品的品种结构的变动对其成本降低额和降低率的影响程度。

第三次替换:以实际单位成本替换 (3) 式中的计划单位成本, 得到的关于成本降低额的关系式就是可比产品成本的实际降低额。第三次替换后得到的关系式 (4) 为:

通过 (4) 式与 (3) 的计算和比较, 就能确定可比产品的单位成本的变动对其成本降低额和降低率的影响程度。将三次替换后计算与比较的结果相加, 即为产量、品种结构、单位成本等三因素共同变动对可比产品成本降低额和成本降低率的影响程度。

3. 模型应用

某生产企业2007年度商品产品成本表 (部分) 如表内的有关数据。

(1) 计算可比产品成本计划降低额与计划降低率。

(2) 计算可比产品成本实际降低额与实际降低率。

(3) 可比产品成本降低计划完成情况。

降低额:12000-24000=-12000 (元) (实际比计划少降低了12000元)

降低率:4.959%-9.836%=-4.877% (实际比计划少降低了4.877%)

(4) 利用成本分析模型进行因素分析。

第一次替换:以本年实际产量替换 (5) 式中前项的计划产量, 得到 (6) 式。

产量变动对成本降低额的影响= (6) - (5) =23803-24000=-197 (元)

产量变动对成本降低率的影响= (6) 式中的降低率- (5) 式中的降低率=9.836%-9.836%=0

第二次替换:以本年实际产量替换 (6) 中分式 (成本降低率) 的计划产量, 得到 (7) 式。

品种结构变动对成本降低额的影响= (7) - (6) =24000-23803=197 (元)

品种结构变动对成本降低率的影响= (7) 式中的降低率- (6) 式中的降低率

第三次替换:以本年实际单位成本替换 (3) 式中的计划单位成本, 得到 (8) 式, 即为可比产品成本的实际降低额。

单位成本变动对成本降低额的影响= (8) - (7) =12000-24000=-12000 (元)

单位成本变动对成本降低率的影响= (8) 式中的降低率- (7) 式中的降低率=4.959%-9.917%=-4.958%

根据以上的结果, 做出评价。首先, 从总体上来看, 该企业没有完成可比产品成本降低计划, 可比产品实际成本降低额比计划少降低了12000元, 实际成本降低率比计划少降低了4.877%, 说明该企业在生产经营管理特别在成本控制方面存在问题。其次, 从各因素来看, 由于产品产量的变动, 使实际成本降低额比计划少降低了197元, 品种结构的变动, 使实际成本降低额比计划多降低了197元, 实际成本降低率比计划多降低了0.081%, 产品单位成本的变动, 使实际成本降低额比计划少降低了12000元, 实际成本降低率比计划少降低了4.9 5 8%。综上所述, 该企业没有完成成本降低计划的关键在于可比产品的单位成本没有达到计划目标, 即该企业可比产品的单位成本是影响成本降低计划完成情况的主要因素。企业应进一步分析影响可比产品单位成本变动的主、客观因素, 找出成本控制中的薄弱环节, 抓住主要矛盾, 采取有力措施。

二、产品单位成本的因素分析模型

产品单位成本分析就是对主要的或成本升降幅度较大的商品产品单位成本进行具体分析。分析的目的是确定成本升降的原因, 采取进一步改进措施。分析时, 一般先将产品单位成本的实际数与上年实际数或本年计划数进行比较, 计算其差异额和差异率;然后, 在此基础上, 按照直接材料、直接人工和制造费用等三个成本项目分别进行分析, 查明成本升降的具体原因。

与可比产品成本降低计划完成情况的分析模型一样, 单位成本分析模型中的基数仍为本年的计划数。其因素分析的关系式为:

上式即为单位产品成本的因素分析模型。依据因素分析法的替换原则, 先替换数量 (材料耗用量、工时耗用量) 因素, 后替换质量 (材料的单价、工资率、费用率) 因素。

在成本分析中, 引入因素分析法, 可以增加成本分析过程的直观性和理解性, 使复杂的计算公式转化为简单、直观的因素替换, 便于使用者的理解与掌握。

摘要：成本分析是成本会计中的难点。利用因素分析法, 建立相应的因素分析模型, 按照因素替换顺序进行计算与比较, 可增加成本分析的直观性、可理解性与实用性。

关键词：成本,因素分析,模型

参考文献

[1]樊淑侠:变动成本法计算与完全成本法计算的结合[J].上海会计, 2003, (11) 24～25

因素模型篇9

一、研究热钱流动的理论模型

现代国际资本流动理论———流量理论、存量理论和交易成本理论运用数理模型工具, 从不同侧面不同角度, 阐释了国际资本流动的动因及影响因素。

1. 流量理论强调利率的差异是国际资本流动的决定因素

米德 (Meade, 1951) 建立模型解释流量理论, 认为:一国资本流入量与国内利率成正比, 而与国外利率成反比;当产出和价格水平给定时, 国内利率上升, 吸引国外资本的流入, 改善国际收支;当产出、价格和利率都保持不变时, 汇率提高能够增强本国的竞争力, 将改善国际收支。在此框架下, Mundell (1960) 和Fleming (1962) 进一步解释了国际资本流动是由利率水平决定的。

2. 存量理论认为利率差异、风险是国际资本流动的主导因素

在马科维兹 (Markowitz, 1952) —托宾 (Tobin, 1950) 的资产组合理论模型的基础上, 布兰逊 (Branson, 1968) 建立了资产组合平衡模型, 认为短期资本流动由进出口, 利率和汇率决定的, 只有当财产W持续增加时, 才可能出现持续的国际资本流动。

Ma c d oug a ll (1960) 、肯普 (Ke mp) 研究认为各国利率和预期利润之间存在的差异引起国际资本流动。

3. 交易成本是影响国际资本流动的重要因素

交易成本模型 (Kin, Hak-Min, 1999) 认为国际资本流动不仅受国内外利差的影响, 而且受国内外投资的交易成本的制约。因此, 通讯技术发展、金融工具创新管制放松及优惠税收待遇等都会降低交易成本, 促进资本国际流动。

二、热钱流动动因的实证分析

早期国际资本流动理论认为短期国际资本流动的决定因素是汇率、利率和中央银行的政策。现代学者认为短期资本流动是由金融资产的收益、金融资产的风险和投资者对风险的态度决定的, 任何导致收益或风险预期变化的因素都会影响短期国际资本的流动。中国学者对热钱流动的实证研究表明, 汇率、宏观经济形势、人民币预期升值、利率、政策巨大变化等是影响热钱流动的重要因素。

1. 汇率因素

基于1985年~2003年数据, 王琦 (2006) 的实证研究表明, 汇率对我国资本流动的解释力最强。何雁明, 许可 (2008) 发现汇率是影响短期资本流动的最主要因素。刘璐, 吴洪鹏 (2006) 实证研究认为, 人民币汇率的扭曲程度是影响国际资本流动的最重要的因素。

2. 人民币预期升值是影响中国短期国际资本流动的重要因素

林毅夫认为, 热钱流入我国的目标是货币升值和在国内资本市场获利, 而不是赚中美的利率差。王世华, 何帆 (2007) 实证研究表明, 人民币预期升值率的变动是中国短期国际资本流动的决定因素。冯彩 (2008) 研究结论是, 良好的宏观经济态势、人民币升值是国际资本流入的原因。王国松、杨杨 (2006) 和陈学彬等 (2007) 实证结果也都显示, 人民币汇率预期是影响国际资本流动主要因素, 陈学彬等还发现, 人民币升值预期是短期国际资本流入中国的重要原因。

3. 中国证券市场收益率的变动对于短期资本流动的解释力较大

陈学彬等的实证表明:中国证券市场收益率的变动对于短期资本流动的解释力较大, 而对长期资本流入没有太大的解释力。

4. 利率是决定国际资本流动的重要因素

汪洋 (2004) 实证研究发现, 利率是决定国际资本流动的重要因素, 本、外国物价差异是影响国际资本流动的重要因素。王信 (2003) 的回归结果显示, 利差是一个重要的解释变量, 人民币汇率预期次之, B股指数也是统计上相关的, 而未来中国经济发展预期及宏观经济增长的影响则不显著。

5. 资本流入主要是利用我国廉价的劳动力

姚枝仲、张亚斌 (2001) 的研究表明, 1992年以来的我国开放政策的巨大变化及中美人均GNP之差却是资本流入的重要解释变量, 表明资本流入主要是为了利用我国廉价的劳动力。

6. 资本流动长期来看主要受经济增长因素的影响, 短期内也会受到利差、汇率预期等因素的影响

王喜平 (2007) 的实证认为, 从长期来看资本流动主要受经济增长因素的影响, 但短期内也会受到利差、汇率预期等因素的影响。陈学彬等的研究显示中美利差对于长期资本的流入影响较弱, 但对于短期资本流入的影响较为明显。

综上分析, 热钱流动既受一个国家宏观经济形势和汇率利率等金融政策的影响, 也受投资人对投资收益预期的影响, 是3者共同作用的结果。

摘要：本文从理论模型和实证分析两方面探讨了影响热钱流动的因素。研究表明, 影响热钱流动的因素可概括为三类:宏观经济形势、金融政策和收益的预期。

关键词：“热钱”,理论模型,影响

参考文献

[1]王琦.关于我国国际资本流动影响因素计量模型的构建和分析, 《国际金融研究》2006.6, PP64-69

[2]何雁明, 许可.我国短期资本流入分析及影响因素的实证检验, 《海南金融》, 2008年第8期, PP11-17

[3]刘璐, 吴洪鹏.我国国际资本流动影响因素的实证分析:1982-2004, 哈尔滨商业大学学报 (社会科学版) , 2006年第6期 (总第91期) , PP70-73

[4]于欣.“热钱”迷局, http://www.p5w.net/newfortune/mysd/200808/t1841745.htm

[5]王世华, 何帆.中国的短期国际资本流动:现状、流动途径和影响因素, 《世界经济》, 2007.7, PP12-19

论影响共享心智模型形成的因素篇10

关键词：相似性,运动员,团队

1.共享心智模型

认知心理学范畴的分析成果——心智模型, 是个体与环境相互作用所凭借的内在机制。它是指人们用以阐述系统形式和目标、诠释系统的功能、观察系统的状态以及预测系统将来状态的心理机制。Johnson—Laird表示, 它的主要作用是使得人们能够作出预测, 明白所产生的现象, 并实行动作或控制措施。也就是说, 它的效果是对周围的情景进行预测、描述, 并采取控制措施或行动。

1.1影响共享心智模型形成的因素

以前的分析显示, 达到一定程度心智模型的共享那就需要集体成员之间通过很久时间的交流与配合, 即使这样, 它的形成还要受到其他多种因素的影响, 重点表现在以下几个方面:

1.1.1集体组建的历史

专家一致认为, 集体组建时间长短对队员之间会有一定的影响, 心智模型的共享效果也会随着团队发展共同提高。专家们有了一个假设, 队员们的互相沟通交流会随着时间延长而增多。但是事实大相径庭, 相似性与时间的增长而相反。进一步分析发现, 随着集体运作的深入, 团队成员的职责分化日趋明显, 成员之间的相互作用反而减少了。这表明, 不能单独考虑的一个因素就是团队组建时间, 队员们的相互交流沟通是在他们之间起到了纽带作用。专家的观点分析表明集体队员相互作用的重要性。

1.1.2集体的构成方式

如果新队员对团队文化能认可, 价值观也相同的情况下就会很容易与老队员达成共享, 那样就会对整个团队起到良好的作用。专家的研究数据表明按着招募的方式组建的集体与自愿加入组成的集体来说有些类似, 队员相互之间会容易形成共享的心智模型。

1.1.3集体的构成

团队成员的特点所组成的集合即为集体的构成, 集体的构成对共享心智模型的形成具有很大的帮助。Rentsch从团队成员的同质性, 经历﹑规模﹑组成方式等几方面进行深度分析, 他们认为统计学的相似性和运动员们的日常习惯有很大关系, 大多数运动员的经历越相似人口统计学的变量越相似。相同程度越高, 队员之间的交流也就会越多, 那样交流的效果会更好, 这样就会更容易形成共享的心智模型, 这一假设在实验的过程中已经得到验证。集体的凝聚力﹑组织文化﹑团队精神﹑人际关系对共享心智模型的形成也有一定的影响。

1.1.4集体的规模

共享心智模型的形成与集体规模的大小也有一定关系。运动员与运动员之间相互交流合作很容易对一件事产生共鸣, 这样就会有相近的想法, 有研究结果显示队员之间相互沟通合作是共享心智模型成立的主要因素之一。Mohammed和Kimoski在1994年指出集体规模大小对整体认识水平有很大的影响作用, 队员越多集体就越大, 队员与队员之间交流的次数就相对减少, 而队员与队员之间的沟通交流又是构成共享心智模型的主要因素, 因此, 团队规模大小与共享心智模型的构成成反比。

1.1.5团队的领导

领导的风格在专家认为会对职能上起到相当大作用, 集体的绩效往往与领导者自身优秀程度是分不开的。领导者在集体中会存在不同的地位, 他的行为对集体的作用有很大影响, 同样对共享心智模型的构成也具有很大影响。集体成员如果能有相似的心态, 就会很容易从失败中走出来, 并能得到很好的学习。Edmondson和Cannon两位专家的结果显示分析, 领导者的指导行为和示范能有效促进成员之间形成相似的态度, 从而促进团队中来学习。

1.1.6集体的交叉培训

集体的干预措施对共享心智模型形成的影响也是最主要因素之一。诸多培训方法中, 交叉培训对于培养共享心智模型是有很好的效果。这种培训方法是以其他队友的职责和任务为内容的方式, 就是希望所有的集体队员明白:集体完成任务的同时各个队员要怎样互相处理并怎样互相配合。专家分析结果显示, 经过交叉培训的团队要比没有接受交叉培训的集体在沟通方面和绩效方面都好的很多。这样也很容易建立良好的共享心智模型。队员之间也容易沟通了。有一位专家在分析橄榄球队时, 就运用了交叉培训的方式, 更多的沟通就在队员之间发生, 这样对集体完成任务的解析达到一致性。队员交流的机会越多, 队员之间就越容易对共同的任务和目标有相同的理解和认识, 这样共享心智模型就更容易形成了。

总结:

共享心智模型的形成与团队组建的时间长短对成员之间也有一定的影响, 心智模型的共享效果会伴随着团队发展同步提高。团队成员的特点所组成的集合即为集体的构成, 集体的构成对共享心智模型的形成具有很大的帮助。集体领导者在集体中的地位是不具相同的, 他的行为对集体的作用有很大影响, 同样对共享心智模型的构成也具有很大影响。集体的干预措施也是影响共享心智模型形成的最主要因素之一。

参考文献

[1]武欣, 吴志明.基于共享心智模型的团队知识管理研究[J].研究与发展管理, 2006, 18 (3) :9-15.

[2]白新文, 王二平;共享心智模型研究现状[J];心理科学进展;2005年05期

因素模型篇11

关键词：高新技术企业；人才流动；模型

高新技术企业的人才流动是指高新技术企业的人才在不同服务单位之间发生移位的现象，即中高级技术人才在国家、地区、部门、单位之间和单位内部的岗位之间进行流动，发生工作地点和工作岗位的变动，而这种流动现象主要是个人因素、社会因素和组织因素三方面作用的结果。（见模型1）

从模型1中可以看出，在个人因素和组织因素的共同作用下，企业员工产生流动意向，加之社会因素的促进作用，进而产生流动行为。下面我们将分别讨论这三方面因素对高新技术企业人才流动的具体作用，并建立流动模型进行具体分析。

一、个人因素

主要指与个人要求有关的因素，如自我价值的实现、收入、住房、家庭、交通、人际关系等。

1．人才流动的自我价值实现模型。

每个人的价值观念是有差别的，他们对自己在社会中的价值有一个主观的判断，即劳动者的个人期望值，用V0表示。由于各种因素的影响，个人的期望值通常都不能完全实现，这部分未能实现的潜在价值表示为V1，将个人在社会中实现了的价值用V表示。于是，个人价值的期望值、潜在值和实现值的相互关系为V＝V0－V1，我们用R表示个人主观价值实现率，那么R＝V/V0（0

在模型2中，R恰当地反映了个人能力的期望程度和其个人愿望的满足度。个人在工作中的稳定性和流动性，也可以通过这个比值大小来表示，当R较大时，个人在工作单位中也相对稳定；当R较小时，个人主观价值实现率较低，趋于流动。高新技术企业中聚集的通常是接受过高等教育的专业人才，他们的个人期望值（V0）比一般企业人才的期望值大，而国内的高新技术企业一般都是民营的，规模不大，能够让人才实现的价值通常是有限的。在模型中我们可以看出，当R值较小时，人才趋于流动。

2．人才流动内、外因决策模型。

影响人才流动决策的个体因素很多，大致可以分为内在原因和外在原因两大类。我们将内、外因影响个体作出流动决策的过程用模型3来表示。在此模型中，Fi代表内部因素，它包括个体的年龄、受教育水平等；Fo代表外部因素，它包括个体的收入水平、生活、家庭和流动距离等。在高新技术企业中，人才通常趋于年轻化，且受过高等专业教育，这为人才的流动提供了内在前提。当外因出现比现在工作岗位收益更高的机会，或是出现更能实现自我价值的机会时，亦或是地理位置更优越时，他们就会作出流动决策。因此，模型3告诉我们，个体作出流动决策是由内因Fi，或是由外因 Fo，或是由内因和外因共同作用的结果。而到底哪种因素占主要地位，则不同的人、在不同的情况下会作出不同的决策。

二、组织因素

人们在分析人才流动时，往往只注重个人因素和社会因素，而忽视了组织因素对人才流动的重大影响。因此，下面我们将组织因素分成以下几个方面来讨论。

1．组织的双因素模型。

根据双因素理论，企业员工对现在工作满意程度可称之为保健因素，它包括组织的薪酬福利制度和奖励政策、人际关系、工作条件、管理风格等；企业员工对工作期望即激励因素，它包括工作挑战性、责任、成就、认可、个人发展等等。

由以上分析，我们建立组织的双因素模型，即模型4，就可以清楚地知道组织的激励因素和保健因素对人才流动的影响：在不考虑其他外部因素的情况下，一个组织同时具备激励因素和保健因素，其员工可以得到工作、生活的较大满足，一般不会流动；当一个组织或缺乏激励因素，或缺乏保健因素时，员工存在流动的可能性；当一个组织既无激励因素又无保健因素时，其内部员工一定会流出本组织。

2．人才流动的企业演变模型。

调查结果表明，新兴的高新技术企业的人才流动率明显高于传统行业、劳动力密集型行业。这是因为前者比后者更有发展前途，更有吸引力。然而即使是同一行业，不同的企业之间由于其发展阶段不同，对人才流动将施以不同的影响（模型5示）。

从模型中可以看出，企业发展所处的不同阶段与该企业人才流动率呈“U”型关系。当企业处于创业期时，企业急需扩充人才，加上此时企业发展前景不明朗，因而人才的流进和流出的频率较高，流动曲线基本上处于整个劳动力的均衡流动率E点的上方；随着企业的成长，企业发展前景看好，人才需求增加，供给也迅速增长，人才趋于稳定，流出的人才较少，流动率不断降低，在成熟期时人才流动率达到最低点，在均衡点E下方；当企业由成熟期逐步向衰退期过渡时，企业开始走下坡路，人才需求减少，人才的发展前景渺茫，纷纷离职，流动率又会逐步提高，最终高于均衡流动率。我国的高新技术企业正处于创业成长期，行业内人才供不应求，为人才流动创造了良好的条件，因此人才流动率较高。另外需要注意的是不同企业生产经营特点不同，因此在企业发展的同一阶段人才的流动率是不同的。与传统产业相比较，高科技产业的突出特点是经营风险大、创新能力强、变动频率高，因而整个行业人才流动率曲线A1高于劳动力市场的平均流动率曲线A2。

三、社会因素

影响高新技术企业人才流动的社会因素主要是指人才流动受人才市场供需的约束及受社会观念的影响。

1．人才流动的人才市场供需模型。

人才市场人才供需比例与人才流动的关系如图（模型6）所示。其中：OM轴代表人才流动率；OT轴代表人才市场供需比例；Ｅ点代表人才市场上的均衡流动率；Ｂ点代表人才市场供需平衡，供需比例为１。从模型中我们可以看出，人才市场供需比例与人才流动率呈负相关。这是因为在完善的人才市场上，当某种人才供需比例小于１（在Ｂ点右侧，人才供不应求）时，其寻找到新工作的机会较多，对现有工作容易产生不满，从而较容易产生流动，流动率高于整个人才市场的均衡流动率，位于Ｅ点上方；反之，员工易于满足现有工作，不会轻易离职，流动率低于整个人才市场的均衡流动率，位于Ｅ点下方。我国人才市场上高科技人才供需比例小于１，处于OB段内，人才供不应求，这就为高科技人才的流动提供了有利的外部条件，因此人才的流动率高于人才市场的均衡流动率Ｅ，流动率区间位于EM段内。

2．人才流动的其他社会因素综合模型。

其他社会因素主要指人才流动观念的更新和受功利价值观的影响：（1）知识经济时代竞争是高新技术企业人才流动的前提，企业为了提高市场竞争力，产生了对人才大量需求的市场，这与人才渴望实现自我价值共同作用，使高新技术企业的人才流动更具有必然性；（2）随着经济的发展，产业结构也在进行不断的调整，特别是在社会转型期，高新技术产业的兴起，具有较高的利润率，同时产生对相应人才的大量需求，从而促进了高新技术企业的人才流动；（3）高新技术企业的人才流动是科学技术本身发展的需要。人才价值的实现，不仅需要一个宽松的软环境，也需要一定的人才密度，当代科学被称为“大科学时代”，人才的成长与作用的发挥都具有不可缺少的群体特点。每一项科技成果的取得，都是大量科技工作协同工作、集体智慧的结晶。另外，当今的科技迅猛发展，通过人才间的交流、互补、竞争、才能了解并接受新的观点、思想和信息，迅速成长；（4）市场化条件下，人户分离的现象已越来越普遍，人才按照供求规律、竞争规律、价值规律流动。正是有了开放的户籍管理政策，人才的社会化成为可能，为人才流动提供了政策方面的支持。

参考文献：

1．刘尔锋．劳动力流动的微观动因分析，郭全胜编．人才流动理论、政策与实践．中国劳动1990．

2．王玉芹，叶仁荪著．高科技企业员工离职模型．中国人力资源开发，2001，（10）．

3．王忠民，陈继祥，续洁丽著．试论影响员工离职的若干组织因素．管理现代化，2001，（5）．

作者单位：仲恺农业技术学院经济系。

因素模型篇12

一、院校影响因素理论模型产生的历史背景

院校影响因素理论模型产生于20世纪70年代。此时期, 美国高等教育本科生培养质量面临严重的信任危机。社会各界对不同族裔学生的高等教育机会均等问题产生关注。此外, 院校影响研究愈加丰富和系统, 统计方法和社会科学统计软件也在不断进步。

(一) 本科生质量问责的需要

“二战”以后, 随着退伍军人法案颁布和婴儿潮的到来, 美国大学本科生人数迅速增加, 急剧稀释了原本的教育资源。此外, 20世纪70年代, 美国经济持续通货膨胀造成经济危机, 政府给予高等教育机构的拨款以及私人财团或基金会对大学的财政支持逐渐减少。基于以上两点原因, 美国大学本科教育质量受到社会各界的质疑。高等教育机构需要向学校董事会、政策制定者、纳税人以及学生和家长阐述一个问题, 即本科生能从大学四年的经历中收获什么, 本科教育的价值是什么?[3]因此, 高等教育政策制定者需要相应的理论模型来论证院校对学生发展产生的影响, 提高本科生教育质量。

(二) 教育公平问题的凸显

20世纪70年代以来, 社会资本 (Social Capital) 理论对社会科学研究产生重大影响。科尔曼报告指出, 政府单纯增大教育财政投入的行为并不能解决教育公平问题, 学生的家庭社会经济地位以及家庭给予的社会资本对学生学业成就高低的影响力超过学校设施与课程因素。[4]社会各界认识到, 低经济社会地位学生、少数族裔学生等群体在高等教育阶段入学机会均等、教育过程均等、学习产出均等、毕业后获得社会回报的机会均等情况令人担忧。研究者需要建立以社会学为视角的院校影响理论模型对不同背景的学生的就读经历进行分析, 为制定保障弱势群体教育机会均等政策提供支持。

(三) 院校影响因素研究的丰富

美国院校影响研究发展早, 研究成果丰富。20世纪20年代中期至60年代中期, 全美共有1, 500余项有关院校影响学生发展的实证研究。研究内容包括学生留存率、学生学习产出等诸多问题。研究者从院校类型、专业、住宿、学生文化、师生互动、学生个人背景信息等方面对学生就读经历问卷调查数据进行分析, 积累了较多的研究结论。[5]20世纪70年代后, 大规模的全国性本科生就读经历问卷调查发展起来。研究者们基于丰富的调查数据对研究问题进行进一步细化, 研究更加系统。[6]此外, 努力质量 (effect quality) 、学生参与 (student involvement) 等专有名词相继产生。丰富的院校影响研究成果为理论模型的提出提供了思路和依据。

(四) 分析工具的发展

计算机硬件和软件的双重发展也极大地推动了社会和行为科学的经验研究。计算机性能提升和软件发展使得大样本数据的处理分析成为可能。与此同时, SPSS与SAS等主要的社会科学统计分析软件有了较大进步, 越来越多的社会科学研究者开始采用多元回归等多变量统计方法分析数据。研究者基于院校类型、学生个体就读经验等变量查看学生发展, 运用多元回归分析寻找多个变量之间的因果路径, 查看各种因素对学生发展产生的直接或间接影响, 寻求学生与院校环境之间的互动关系。基于此, 研究者依靠实证分析结果, 通过路径分析方法建立院校影响因素理论模型。[7]

二、院校影响因素理论模型分析

斯帕蒂 (William G.Spady) 于1970年建立首个代表性院校影响因素模型即学生辍学行为的社会学分析模型。[8]随后, 研究者基于调查数据的分析结论或在已有研究的基础上建立新的理论模型, 其中最有代表性和影响力的是阿斯丁的I-E-O模型、丁托的学生离校纵向模型以及帕斯卡雷拉的学生发展综合因果模型。

(一) 阿斯丁的I-E-O模型

阿斯丁 (Alexander W.Astin) 的投入—环境—产出 (Input-Environment-Outcome, I-E-O) 模型是美国影响最为深远的院校影响理论模型。[9]阿斯丁把20世纪70年代以前关于院校影响对大学生发展的实证研究进行归类, 并根据以往研究分析框架或者数据采集的局限制定出投入—环境—产出模型, 力求模型可以适用于不同目的的研究。在此模型中, 学生发展由三部分组成, 即投入、环境和产出。投入主要包括三个方面:首先为学生的个体背景特征如性别、种族等;其次为学生的家庭背景如父母亲职业、父母亲文化程度、家庭收入等;最后为学生进入大学之前的学习和社会经历。大学环境实质为高等教育机构对学生产生影响的方方面面。广义来说, 大学环境包括学校的类型、设备资源、学校政策、校园文化、教学活动、同辈学习, 以及学生就读期间在校内外的经历。产出则是指学生在学校期间获得的知识、技能, 取得的成就以及价值观、态度、愿望等方面的转变。如下页图1所示, 阿斯丁运用三角模型直观的把投入、环境和产出之间的关系表达出来。他发现前人有关院校影响学生发展的研究主要分析大学环境对学生产出的影响, 即图1中的B影响路径。然而, 阿斯丁还认为学生投入即学生的性别、种族、家庭社会经济状况以及进入大学前的经历对其大学期间的产出有着直接的影响, 即图中的C影响路径。不同背景的学生进入大学也会对大学环境产生直接影响, 即A影响路径。基于以上三种直接影响路径, 研究者可以通过两种交互影响路径对学生产出进行分析。第一种为学生投入对大学环境产生影响, 又对学生产出产生直接影响, 即A影响路径加C影响路径。第二种为学生投入对大学环境产生影响, 而大学环境又对学生产出产生影响, 即A影响路径加B影响路径。第二种交互影响路径是进行院校影响研究的主要分析思路。[10]阿斯丁认为, 大学生发展是学生自身与大学环境的互动过程。因此学生产出是学生投入和大学环境共同产生的结果。

资料来源:Alexander W.Astin.The Methodology of Re-search on College Impact, Part One[J].Sociology of Education, 1970 (3) :225.

I-E-O模型最大的贡献在于把学生投入作为学生产出的重要影响因素。在此之前的大多数研究直接查看学生就读经历对学生学习产出的影响。这些研究忽略了学生的家庭环境、种族、性格以及受教育经历等对学生就读经历以及学生学习产出的影响。I-E-O模型认为学生的家庭社会经济地位、人口统计学资料以及学校教育经历都会对学生产出产生直接的影响, 并通过大学环境这个中介变量对学生产出产生中介效应 (Mediation Effect) 。模型的提出给院校影响研究者们提供了新的分析路径, 在院校影响研究中广泛运用。研究者基于学生投入变量把学生分类, 查看各类学生在大学学习和社会活动参与情况的区别及对辍学决定以及各种能力的影响。当然, 此模型也存在局限性:一方面, 模型结构过于简单, 缺乏对大学生发展过程的细化;另一方面, 模型只给出三角因果模型, 没有给出较为具体的操作性定义。

(二) 丁托的学生离校纵向模型

学生离校 (Student Departure) 一直是美国高等教育研究者关注的核心问题。丁托 (Vincent Tinto) 以涂尔干自杀理论的类推模型和斯帕蒂的既有研究为基础建立了学生离校纵向理论模型。此理论模型主要目的为分析不同个体特征的学生做出离校决定的动态过程。[11]涂尔干在《自杀论》中结合社会环境对不同时代不同国家的自杀人群原因进行分析。丁托认为这种分析模式可以用来分析大学环境对学生做出离校决定的影响。相比社会环境, 大学环境具有学术环境和社会环境结构两级化的特点。学生能否成为学术与社会环境共同体中的成员并进行适当的学术与社会整合是决定其是否离校的关键。

下页图2为学生离校纵向模型。丁托在制定模型中有以下六个核心思想:其一, 他强调学生个人特质属性对其进入大学时的意图、学习目标以及承诺等产生的影响。其二, 学生入学时的意图、大学学习目标与承诺直接影响学生的大学经历。不同学生期望在大学中获得的东西有所差异, 对自己未来所从事职业的计划也不尽相同, 因此投入到大学的学术与社会经历中的时间和精力有所差别。其三, 学术系统与社会系统中的正式经历与非正式经历相互影响。学生在课堂上的参与度直接影响其与教师的沟通, 而良好的师生课下交流也会促进学生的课堂参与度。同样, 积极地参加学校的课外活动和学生社团的学生会认识更多的同学并在活动中成为朋友, 而较少参加正式社会活动的学生则缺乏大学环境内的同辈交流。其四, 学术系统与社会系统是一个不可分割的整体。学生对其就读期间的学习经历与社会经历进行整合, 学术整合与社会整合互相产生影响。其五, 学生学习整合和社会整合的共同结果对学生新的意图、目标、大学经历期许与承诺产生直接影响。其六, 学生新的意图、目标和承诺直接决定其离校决定的做出。

该模型认为, 学生在就读期间积极地参加学习活动和社会活动, 充分与学校的其他成员如学生、教师、教职员工互动, 有利于其学业的圆满完成, 而学生投入到大学的学术系统和社会系统中并与他人互动的过程正是学生学术与社会的整合过程。整合对学生的目标和期许、承诺进行重构, 积极整合将会提高学生的目标以及对大学经历的期许与承诺, 进行积极整合的学生会坚持完成学业, 即使目标和承诺变高也会积极地去实现。而消极整合的学生则会降低自己的目标和对大学经历的期许与承诺, 最后放弃现有的学业做出转校或辍学的决定。[12]基于此模型, 丁托认为本科生留存率则可视为学生对其大学经历满意度的晴雨表。[13]

资料来源:Vincent Tinto.Leaving College:Rethinking the Causes and Cures of Student Attrition (2nd) [M].Chicago:University of Chicago Press, 1993.114.

与I-E-O模型一样, 学生离校纵向模型包括学生投入、大学环境以及学生产出三个方面。但是丁托所建模型具有较为详细的分析路径且有三个创新。首先, 模型把大学环境分为学术系统和社会系统两个部分, 并把大学生就读经历分为正式与非正式两种形式。相比之前的院校影响模型, 此模型非常重视学生与教师、教职员工以及同辈交流, 认为师生互动与生生互动对学生产出具有较大影响。其次, 模型描述的是学生目标以及大学期许变化的动态过程, 特别适合研究者运用其对学生追踪调查数据进行分析。最后, 模型提出了学术与社会整合概念并强调其对学生产出有直接影响。模型提出后, 研究者们运用其对学生离校问题进行分析。有代表性的研究为帕斯卡雷拉 (Ernest T.Pascarella) 与特雷泽尼 (Patrick T.Terenzini) 基于学生离校纵向模型对纽约州本科生就读经验的追踪数据进行分析。研究把学生个人特征作为控制变量查看学生的学术与社会整合与学生离校决定的关系。研究结果显示, 不同性别学生的学术与社会整合影响因素不同, 师生互动的频率与质量直接决定了学生学术与社会整合以及离校决定。[14]较多此类研究进一步证明了丁托的理论假设。学生离校纵向模型虽然是对影响学生离校决定过程的动态分析, 但由于其充分阐述了学生与大学环境互动影响的实质, 因此也被学者广泛运用到院校影响对学生改变的研究中去。

(三) 帕斯卡雷拉的学生发展综合因果模型

20世纪80年代以来, 随着路径分析的发展, 越来越多的研究者运用这种方法去构建大学生发展的因果模型。帕斯卡雷拉在费尔德曼、佩斯 (C.Robert Pace) 以及瓦尔伯格等人的研究基础上构建了大学生发展的院校影响因果模型。佩斯指出研究者们忽略了学生的努力质量这个对学生学习产出有重要影响的因素。[15]此外, 帕斯卡雷拉认为院校结构和院校环境是学生学习产出的重要间接影响因素。院校结构中的招生人数、师生比等因素可能不会直接对学生学习产出造成影响, 但是其会直接影响学生的师生互动、同辈交流情况。而师生互动、同辈交流情况又会直接影响学生的学习和认知发展。[16]

因此, 在帕斯卡雷拉的影响模型中 (见图3) , 学生的学习和认知发展取决于五大因素的直接与间接影响, 分别是院校结构和组织特征、学生背景、社会性互动、院校环境, 以及学生的努力质量。院校结构和组织特征包括大学的招生人数、师生比、学生的选拔以及住校生比例等。学生背景则包括学生的个人特质、家庭环境以及入学前的受教育经历。这两大因素互相影响且都对大学的社会性互动和院校环境产生影响。此外, 学生背景直接影响到学生的学习和认知发展。社会性互动指的是学生在大学就读期间与其他个体发生的互动, 包括课内外的师生互动以及同辈交流, 它是影响学生学习和认知发展的直接因素。院校环境包括大学文化、课程、政策等, 由院校结构、组织特征以及学生背景决定。院校环境对学生的努力质量产生影响。学生努力质量指的是学生投入到大学学习、社会等活动中的时间和精力。学生背景、院校环境、师生互动以及同辈交流等社会性互动决定了学生的努力质量, 学生努力质量则直接影响到学生发展。

资料来源:Ernest T.Pascarella.College Environmental In-fluences on Learning and Cognitive Development.Higher educa-tion:Handbook of theory and research (Vol 1) [M].New York.Agathon Press, 1985.50.

相比较前两种院校影响因素理论模型, 帕斯卡雷拉的学生发展综合因果模型有以下几个特点。其一, 模型突出了院校组织结构和院校环境在学生发展中所产生的影响。其二, 模型把佩斯基于实证数据证明的学生努力质量概念加入到院校影响因果模型中来。其三, 模型对学生学习和认知发展的影响因素及影响路径给出明确假设, 对直接影响因素与间接影响因素进行明确划分。基于以上特点, 研究者们运用学生发展综合因果模型分析不同类型学校的学生发展情况, 对各个影响因素的影响值进行估算。[17]此外, 该模型基于路径分析的方法较为清晰地阐述了五大影响因素对学生学习和认知发展的影响路径, 为研究者建立统计分析模型提供思路。学生发展综合因果模型最初是针对学生学习和认知发展设计而成, 后被推广到其他类学生学习产出的研究中。[18]

三、院校影响因素理论模型的特征

院校影响因素理论模型以社会学为学科视角, 查看本科生与大学环境之间的互动, 旨在研究大学生发展的动态过程。通过对三种代表性的理论模型的分析可以看出其具有以下几大共同特征。

(一) 研究学生发展动态过程

以心理学为基础的学生发展理论把学生个体作为研究单位, 研究学生不同阶段某种能力发展的内容和特点是什么, 而院校影响因素理论则主要阐述学生发展的整个过程是怎样进行的。无论是阿斯丁的I-E-O模型、丁托的学生离校纵向模型以及帕斯卡雷拉的学生发展综合因果模型都包括了学生大学期间发展的整个过程。阿斯丁设计I-E-O模型, 把院校影响因素模型分为学生投入、大学环境以及学生产出三个部分, 意在把学生发展看成一个动态过程进行研究。后续的院校影响因素理论模型皆受到此板块分布的影响, 强调入学前的学生特质对学生产出的影响, 对学生大学期间的就读经历进行充分分析。因此, 院校影响因素理论模型是一种对学生发展动态过程进行研究的分析工具, 适合对追踪调查数据进行分析。

(二) 基于社会学视角构建模型

院校影响因素理论模型中包含了大量学生人口统计学资料, 包括学生的性别、种族、社会经济地位 (Social Economic Status, SES) 等信息。各模型把学生性别、种族以及社会经济地位等个人背景信息作为其大学产出的重要影响因素。理论假设认为, 投入不同的学生其大学经历和学生产出都会有所差异。模型的构建正是从社会学视角出发, 旨在查看不同种类学生发展的差异情况。研究者们可以依据模型查看少数族裔人群、理工科专业女性学生以及下层阶级家庭学生等群体与院校环境的互动情况以及学生产出情况, 并依据研究结果为政策制定提供支持。

(三) 突出大学环境模块

大学环境模块是院校影响因素理论模型的核心。该模块是学生投入对学生产出产生影响的桥梁, 同时也对学生产出产生直接影响。阿斯丁在其模型中提出大学环境的概念, 把大学类型、学校政策、课程、设备资源运用、师生互动、生生互动等都作为大学环境板块的内容。丁托把大学环境细化为学术系统和社会系统两个部分, 并分别包含了正式系统和非正式系统。此外, 丁托还强调学生的就读期间应对学术和社会两大系统进行整合。帕斯卡雷拉的学生发展综合因果模型所包含的大学环境模块最为详细且具操作性。其院校影响模块占五大影响因素中的三个, 包括院校结构与组织特征、大学环境以及学生社会性互动。细化的院校影响模块不仅适合进行学校内的院校影响因素研究, 还可作为学校间的学生发展比较研究的分析框架。

(四) 强调环境与学生个体互动

从以上分析可以看出, 可以从院校环境和学生个体两个方面归纳院校影响因素理论模型中的学生产出影响因素。院校环境方面的影响因素包括院校结构、学校政策、学校课程、学术与非学术服务等;学生个体方面的影响因素则指学生的个人特征以及院校环境参与者的态度、价值观和行为, 两方面影响因素相互影响。与学生个体发展理论一样, 院校影响因素理论模型把学生本身作为其成长的参与者, 但是院校影响因素理论模型更强调学生与环境的相互作用。大学环境不仅仅是提供给学生发展的资源和平台, 更重要的是想要获得学生的反馈, 形成互动。[19]院校环境推动学生发展, 与此同时学生的个人特征以及就读期间的经历也对学校环境产生影响。

四、总结与启示

从斯帕蒂的学生辍学行为社会学分析模型开始, 美国院校影响因素理论模型得到不断发展。后续实证研究不断的证实和修订原有的理论模型。院校影响因素理论模型基于社会学视角建立, 分析维度包含社会层面 (学生的社会阶层、性别、种族以及年龄等的分布) 、组织层面 (院系类别、组织架构) 、个体层面 (师生互动、同辈互动、学习参与等就读经历) 。[20]基于三个维度, 理论模型把学生本身与大学环境看成一个互动整体, 对学生发展动态过程进行路径分析。院校影响因素理论模型在产生至今的近半个世纪里, 对美国本科生教育质量提高以及高等教育机会均等起着积极的推动作用。首先, 理论模型为各类大学学生就读经历调查问卷的设计提供思路。问卷调查的开发者依据模型进行问卷的编排。与此同时, 院校影响因素理论模型在美国的本科生教育质量保障研究中得到充分运用, 较好地满足了社会各界对本科生教育质量问责的要求。基于院校影响因素模型研究学生发展动态过程, 包含学生个人信息等特点, 其特别适合作为大样本追踪调查数据的分析框架, 也能满足研究者们从社会学、人口学等学科视角出发对弱势群体教育机会均等问题进行研究。此外, 研究者通过模型分析框架研究不同类型、不同组织特征院校的学生发展情况, 这些研究结果将直接为教育政策的制定提供理论支持。

【因素模型】推荐阅读：

五因素模型08-20

人为因素环境因素06-21

性别因素07-14

消费因素07-14

意识因素07-15

斜度因素07-16

艺术因素07-17

有害因素07-18

互动因素07-18

转变因素07-19

>> 查看更多相关文档