多因子综合评价（精选9篇）
多因子综合评价 篇1
引言
飞行系统是一个为了完成特定飞行任务的系统。对飞行系统的安全性进行评估、预测是保障飞行安全的一种重要管理方法, 就是将“人-机-环-管理”这个飞行安全系统作为研究对象[1], 研究其状态变化对发生各飞行等级事故影响。目前, 国内外预测飞行事故的方法主要有:指数平滑法[2], 灰色预测法[3], 神经网络[4]和支持向量机 (SVM) [5等。主要是对事故万时率、事故征候万时率 (或千时率) 、问题万时率 (或千时率) 等进行预测, 但尚未有预测飞行系统安全状况范围, 进而有针对性采取预防措施的实例。鉴于飞行系统中各影响因素之间相互关系的错综复杂不确定性, 本文提出借助所研究飞行系统的历年统计数据, 建立各影响因素的隶属函数, 运用模糊关系合成原理, 在系统相对稳定的前提下, 作定性、定量集成分析, 预测飞行安全状况趋势。
1 飞行系统安全状态评价
1.1 飞行系统安全性主要影响因素
飞行系统是一个为了完成特定飞行任务的系统[1], 由“人-机-环境”三个子系统组成。但从对飞行系统进行安全评估的角度上看, 飞行系统内还应有一个重要的子系统, 就是“管理”这个子系统 (图1) 。
1.2“人-机-环-管”四个主要影响因素的综合评价
上述可见, 采用多层次综合评判法的二级模型是适宜的。选择主因素决定型模型M (∧, ∨) 对“人-机-环-管”四个因素的各自综合效果作评价[6]。将“人-机-环-管”四个评价对象分别划分为个等级, 即V={V1, V2, …VK…, Vm}。四个评价对象的影响因素集Uij={u1, u2, …uk…, un}, 式中, 下角标i为评价对象 (人、机、环、管) ;j为评判级别 (j=1, 2) ;n为影响因素个数。单因素评价子集为rk= (rk1, rk2, …, rkm) , 评价对象的n个影响因素的评价子集的集合构成总的评价矩阵Rij。
评价矩阵中的各因素隶属函数值, 采用专家评议结合线性插值待定系数法确定。各影响因素对所评价对象具有不同的重要度, 用模糊子集表示, , 为避免存在专家认识上的局限性, 因素重要度系数采用层次分析法。
依据模糊变换原理, 得出评判集B=A R, 最终依据最大隶属度原则, 确定出人、机、环、管四个评价对象的等级。从而确定出飞行系统的状态。
如:对某单位安全状况预测。飞行事故分为一等、二等、三等、飞行事故征候[7], 对应飞行安全状况划分为、、、、五个区间:
⑴为发生二起以上二等飞行事故或一等飞行事故, 表示安全状况“非常差”;
⑵发生一起以上三等飞行事故或二等飞行事故, 表图1示安全状况“差”;
⑶为多于三起飞行事故征候, 表示安全状况“存在严重隐患”;
⑷为发生三起以下 (含三起) 飞行事故征候, 表示安全状况“存在安全隐患”;
⑸为无等级事故且无飞行事故征候, 表示安全状况“安全”。
选用该单位2001~2005共五年的统计数据作为样本资料, 并根据上述方法对其间每季度的“人、机、环、管”四个子系统状态作出综合抉择评语集V确定为4个等级, 即V={好, 良好, 一般, 较差}。
将评价结论及统计结果列入表1。
表1中:符号△—较差;▲—一般;○—良好;●—好;★★—安全状况非常差;★—安全状况差;☆—存在严重隐患;■—存在隐患;□—安全
2 因子区间的权重及各区间内不同安全状况的权重
大量统计数据表明, 飞行系统安全状况趋势与飞行系统中“人、机、环、管”四个子系统的状态密切相关。
由于各子系统的相互关系的变化是不确定的, 通过建立它们的隶属函数, 确定因素 (子系统) 与对象 (安全状况) 间的模糊关系。
表1中, 各因子区间所含样本数与总样本数比值、、、为各因子区间样本对总样本的权重。
在各因子区间内, 各安全状况、、、、所含样本数与对应因子区间内所含样本数之比、、、、为区间内各安全状况的隶属度。见表2。
3 多因子飞行事故综合预估
因子与因子间的模糊关系实际是直积的一个模糊子集:
而因子与安全状况间的模糊关系S是的模糊子集, 为此可用模糊关系合成综合评判法预测安全趋势。
如, 对上例中2011年上半年, 人、机、环、管综合评估为:良好、良好、好、好, 由表2查得人、机、环、管的权重为:, 所以模糊集为。
同样, 在表2又可找到各对象 (安全状况) 区间的权重, 由此组成模糊关系,
将作为输入的向量, 作为模糊变换器, 按最大—最小法则可得:
其中0.45是安全隐患区间的权重, 它比0, 3/8, 0.25都大, 因而预报2011下半年安全形势是存在安全隐患, 这与实际情况相吻合。
4 结语
(1) 飞行安全状况受到诸多因素的控制并且对其判断具有模糊性的特点, 应用模糊数学中多层次群组模糊评判法评判“人-机-环-管”四个影响因素的状态, 并采用模糊数学中的模糊合成原理预测安全状况, 切实可行。
(2) 在系统相对稳定的前提下, 通过之前一个季度飞行系统中“人-机-环-管”四个影响因素的综合评估,
并结合之前的统计和计算数据, 运用模糊合成原理做多因素飞行安全状况预测, 该方法预测准确率可达90%以上, 满足进行安全管理和安全决策的要求。
(3) 由于客观事物的复杂性和人们认识上的多样性, 采用层次分析法确定重要度系数时, 人们构造出的判断矩阵并不一定具有一致性。若判断矩阵的一致性比较差, 则计算出的特征向量作为排序权重向量的偏差也较大, 从而可能引起排序上的错误。因而, 为保证矩阵具有大体的一致性, 必须对其进行一致性检验。
参考文献
[1]徐邦年.飞行安全评估概论[M].北京:蓝天出版社, 2005
[2]王永刚, 李楠.机组原因导致事故征候的预测研究[J].中国民航大学学报, 2007, 25 (1) :25-28.
[3]杜毅.基于灰色理论的飞行事故和事故症候率预测[J].中国民航大学学报, 2007, 25 (6) :9-10
[4]甘旭升, 张洪才, 程咏梅等.飞行事故的一种自适应模糊神经网络预测方法研究[J].系统科学与数学, 2008, 28 (4) :425-433.
[5]李大伟, 徐浩军, 胡良谋等.基于支持向量基的飞行事故率预测模型[J].数学实践与认识.2010, 39 (8) :124-128.
[6]杨纶标高应仪编著.模糊数学原理及应用[M].华南理工出版社, 2001.
[7]陆慧良.军事飞行事故研究[M].北京:国防工业出版社.2003.
多因子综合评价 篇2
关键词：房地产业；因子分析
一、引言
20世纪以来，房地产业是整个社会的关注热点，对我国国民经济的稳定与发展、人们生活水平提高具有重要影响。因此，研究我国房地产业发展状况具有重要意义。
二、因子分析理论基础
因子分析最早由C.E.斯皮尔曼提出，是一种从多个变量中提取共性因子的研究方法。它从变量群中提取具有代表性因子，将相同本质的变量变为一个因子，减少变量数目，检验变量间关系。
三、房地产发展状况实证分析
（一）数据来源
本文研究分析是基于2000～2015年我国房地产行业16年数据，数据来源于国家統计局官方网站。
（二）房地产数据指标选取
选取房地产指标数据时，主要基于两个方面：其一，指标涉及面广，涉及房地产行业大多方面；其二，应选取有代表性、具有影响性的房地产业发展指标。基于此两方面，本文选取以下九个指标准确而全面反映我国房地产业发展状况：房地产开发投资额（亿元）、房地产开发企业个数（个）、房地产开发企业平均从业人数（人）、房地产开发企业购置土地面积（万平方米）、房地产开发企业自开始建设至本年底累计完成投资（亿元）、房地产开发企业资金来源小计（亿元）、房地产开发企业新开工房屋面积（万平方米）、商品房平均销售价格（元/平方米）、房地产开发企业住宅竣工套数（套）。为了下文研究分析方便，笔者按上述顺序将各个变量分别设为X1，X2，X3，X4，X5，X6，X7，X8，X9。
（三）实证分析过程
本文利用SPSS统计学软件对反映房地产业发展状况的9个变量进行因子分析，来研究我国2015～2016年房地产业发展状况。
1.初始相关性
根据下图所示，自2000年以来我国房地产业发展呈现逐年上涨趋势，虽然在2008年因全球金融危机影响而增长较慢，但随后我国政府四万亿财政政策让我国房地产业在其后几年继续保持着告诉增长。
四、建议
根据我国房地产业有着十多年的快速增长，我国政府因警惕房地产业发展速度，制定合理政策对房地产业进行宏观调控，以防止社会资本过多的投入到房地产行业中，进而降低国民经济增长活力。（作者单位：西安财经学院）
参考文献：
[1]于莎.基于因子分析的房地产上市公司财务绩效评价[J]科技与管理，2013（01）：23-27
港口经济综合评价指标的因子分析 篇3
1.1 港口经济综合评价指标的选取
通过对港口经济指标进行分类, 然后收集整理出各港口样本的截面数据, 就可以用因子分析法对港口经济综合发展状况进行分析和评价。港口经济综合评价指标涉及港口产业链从上游高端服务业到下游低端产业的全部环节, 具体可以分为以下三类:
1.1.1 港口运营
X1 港口货物吞吐量:体现了港口规模, 并与港航企业的发展息息相关。鉴于港口管理若干指标都与港口货物吞吐量息息相关, 故选取货物吞吐量代表港口的发展运营状况。
1.1.2 经济活力
X2 固定资产投资:城市固定资产投资的领域包括临港工业园区以及配套基础设施的建设等方面, 为城市未来经济的增长注入新的活力。
X3 进出口总额:直接反映了港口外贸货物吞吐量的价值, 体现了一个港口临港产业的发展情况以及进出口产品的结构体系。
X4 实际利用外资:外资的进入在很大程度上缓解了我国沿海主要港口建设资金的短缺状况, 迅速改善了集装箱码头的现代化程度, 特别是集装箱、原油、矿石等码头泊位建设的多元化筹资和效率经营效果比较明显。
1.1.3 产业链上游发展状况
X5 邮电通信
X6 金融机构贷款余额
X7 保险业收入
本类指标代表了上游产业的经济状况。港航产业链的枢纽是港口, 其上游包括了信息产业 (以邮电通信业指标反映) , 以及为现代国际航运提供融资保险、海事仲裁、海事规范、海事咨询、国际性航运交易、技术标准等非航运直接经营业务的服务内容, 是现代航运服务产业中最为重要的部分。航运业是资金密集型行业, 在基础设施建设、船舶制造、航运管理与交易等各方面均需要巨大的资金投入, 金融服务业对航运业的发展起到十分重要的支撑作用[5,6]。所以X6和X7反映了经济成分中金融和保险业的运行情况, 具有一定的代表性。
1.2 样本数据收集和整理
根据上述指标以及可操作性的考虑, 选取了在2008年中国港口综合竞争力指数排行榜前25位的港口, 采用港口所在城市2009年的各项经济数据为样本值。考虑到数据的可获性和港口间的可比性, 这里去掉了排在第22位的芜湖港, 第23位的黄骅港, 第24位的重庆和第25位的广西北部湾国际港务集团。宁波——舟山港的数据是根据两市的统计数字加总而成。具体信息见表1所示:
数据来源:2009年各省市发布的国民经济和社会发展统计公报
2 实证因子分析
因子分析是多元统计分析法中的一种, 是研究如何以较少的信息丢失将原有的众多变量浓缩成少数几个有实际解释意义的因子。在因子分析模型中, 共同因子是各个原始变量所共有的因子, 其作用是解释变量之间的相关关系。原始变量与公共因子间的相关关系用因子载荷表示。因子分析模型结构如下:
Zj=aj1F1+aj2F2+aj3F3+…+ajmFm+Uj (j=1, 2, 3…, n, n为原始变量总数)
对表1中的数据进行因子分析。因为数据量庞大, 这里借助统计软件SPSS17.0进行计算。有关SPSS软件的使用和操作过程, 请阅读参考文献[10]。
2.1 因子分析计算过程
2.1.1 KMO测度和Bartlett球形检验
KMO是取样适当性量数。KMO测度的值越高 (接近1.0时) , 表明变量间的共同因子越多, 研究数据适合用因子分析。计算结果见表2所示。其中, KMO值为0.832, 用因子分析效果好。Bartlett球体检验的目的是检验相关矩阵是否是单位矩阵, 如果是单位矩阵, 则认为因子模型不合适。一般说来, 显著水平值越小表明原始变量之间越可能存在有意义的关系, 如果显著性水平很大 (如0.10以上) 可能表明数据不适宜于因子分析。本例中, Bartlett球形检验的χ2值为186.792, 伴随概率值为0.000<0.01, 达到了显著性水平。因而拒绝零假设而接受备择假设, 即相关矩阵不是单位矩阵, 适合进行因子分析。
2.1.2 提取公共因子
在总解释方差表的Initial Eigenvalues (初始特征根) 中, 给出了按顺序排列的因子得分的方差 (Total) , 在数值上等于相关系数矩阵的各个特征根λ, 因此可以直接根据特征根计算每一个因子方差百分比 (% of Variance) 。由于全部特征根的总和等于变量数目, 故第一个特征根的方差百分比为80.867, 其余依此类推。然后可以算出方差累计贡献率 (Cumulative %) 。一般情况下我们提取的原则是满足λ>1或是累计贡献率在85%以上。表3中这两个原则的结果有所不同, 所以需要借助下面的碎石图来辅助判断合适的公共因子数目。
从碎石图可以看出, 从第2个因子开始, 以后的曲线变得比较平缓, 最后接近一条直线。所以第2个λ值是一个明显的折点, 这说明选取的因子数目为1比较合适。因此, 本例提取第一个因子作为公共因子提取出来。
2.1.3 计算因子载荷及因子综合得分
在表4中给出了因子载荷, 每一列载荷值都显示了各个变量与有关因子的相关系数。以第一个变量为例, 0.977实际上是金融机构贷款余额与主成分的相关系数。其他的指标系数值依次递减。港口竞争力得分的因子载荷最低, 为0.788。从因子载荷可以看出我们选取的指标具有高度的内在关联性, 只需要用一个因子就可以反映所有的指标大多数的特征情况, 而且相关度很高。
由上表可以得出港口经济发展水平的因子分析模型, 通过SPSS17.0软件自动生成各个港口经济的综合得分。最后整理出各港口的综合经济得分以及排名, 连同已经标准化的货物吞吐量及排名数据一起并入表5。
2.2 因子分析结果
港口经济综合评价体系中的指标具有高度的主成分共性, 只需要提取一个公共因子就大致可以反映出所有指标的情况。这充分说明我们选取的综合评价指标具有一定的合理性, 因而可以被用来有效地分析各港口的经济运行情况。接下来, 根据表5中的港口经济综合得分和标准化的港口货物吞吐量绘制二者之间的散点分布图。
在图2中, 横坐标是标准化后的港口货物吞吐量, 纵坐标代表各港口经济的综合得分。从图中可以看到, 大多数港口货物吞吐量排名和港口经济得分排名无显著差异。但也有少数港口的综合经济得分很高, 但货物吞吐量相对不足, 比如南京、深圳。另一些港口经济的综合评价得分对于其货物吞吐量而言相对较低, 比如秦皇岛、营口和日照。
3 结语
从上述分析结果可以看出, 影响整个港口经济的因素是多元化的。港口城市在港口规划时不能仅仅考虑港口自身的规模因素, 还必须统筹考虑港口经济的综合指标体系。如果只发展港口企业而忽略了整个产业链的发展, 那么港口就会因为缺乏有效支持而停滞不前, 甚至在将来很可能因为种种不确定因素, 面临高风险和更大的经营压力。
上海的各项港口经济指标得分大幅度领先其他国内竞争对手。较之于上海, 其他港口的情况各有不同。像秦皇岛、营口和日照等港口在经济综合指标中的得分不高, 今后应该着力改造和提高港口经济活力和进出口规模, 同时大力发展金融、保险、通信等现代服务业。而南京等城市虽然经济发展很好, 但是港口货物吞吐量不高, 今后应该加快港口集疏运网络的建设, 促进港口与腹地经济的联系。其他发展较均衡的港口则应该继续合理优化临港产业规模, 加快产业集群的建设步伐, 进一步提高整条港口产业链的整合程度。
参考文献
[1].任娟, 汪传旭.上海港口经济驱动因素和演化过程分析[J].中国航海, 2007, (2) :75-78
[2].李丽, 刘志平, 肖汉斌, 等.基于因子分析法的环渤海湾港口竞争力分析[J].物流技术, 2007, 26 (5) :52-54
[3].汪玲, 王诺, 佟士祺.港口与城市环境及资源的协调发展度研究[J].中国航海, 2008, (4) :410-414
[4].陈红娟, 孙桂平.港口与城市经济协调发展水平评价——以秦皇岛市为例[J].国土与自然资源研究, 2009, (4) :15-16
[5].李南, 刘嘉娜.临港产业集群的经济特征与国际经验[J].水运工程, 2007, (5) :35-38
[6].王列辉.高端航运服务业的不同模式及对上海的启示[J].上海经济研究, 2009, (9) :99-107
[7].大连海事大学世界经济研究所.2008年中国港口综合竞争力指数排行榜报告[R].2009.
多因子综合评价 篇4
关键词：医患关系；指标体系；解释结构模型
中图分类号：R197.1 文献标志码：A 文章编号：10085831（2016）04019408
一、研究概述
改革开放以来，中国经济社会发展迅速，但由于医疗体制改革相对滞后，以及医疗投入不够等诸多因素导致医疗纠纷急剧增加，社会关注度也大幅提高。不少医患纠纷演变成恶性事件，直接导致医务人员人身安全受到重大威胁。医疗纠纷不仅会严重挫伤医务人员为患者服务的信念，也会严重影响医疗部门的正常工作秩序。矛盾尖锐的医患关系将会严重阻碍医学科学的发展，使医患双方都成为受害者。因此，研究医患关系综合评价指标体系十分有必要，其目的就是通过对医患关系的综合评价，探索影响医患关系和谐的关键因素，从而为医患关系的改善提供理论依据。
医患关系通常可分为广义和狭义两种。狭义的医患关系是指医生和患者的关系；广义的医患关系则是指以医生为主的群体与以患者为主的群体在诊疗或缓解患者疾病中所建立的关系[1]。这里的“医”不仅指医生，还包括护士、医技人员、管理人员和后勤人员等医疗群体；“患”也不仅指“患者”，还包括与患者有直接或间接关系的亲属、监护人，甚至患者所在的工作部门和单位等。
西方发达国家医患关系相关制度建设以及医学活动所依赖的外部制度环境较为完善，医患关系表现出相对简单的特征，主要集中在医生和患者之间的狭义医患关系，其研究角度较国内而言更为细化和多元化。Evelyn等从社会学角度研究发现沟通在医患关系中占据重要地位[2]。Beasley着重研究医生工作满意度，认为较低的医生工作满意度会导致医患关系紧张以及医疗纠纷增多，进而降低医疗服务效率，导致患者不满[3]。Rider关注网络医疗信息的使用对医患关系的影响，并发现网络医疗信息会影响患者对其健康状况的认识和就医行为[4]。Santos认为，医患关系已经由医生单一主导转变为医生、患者共同商议模式[5]。Eveleigh回顾了19套医患关系评价指标体系，发现各指标体系之间差异较大，不同指标体系的评价结果难以比较，并认为指标体系的建立和选择应基于理论分析及所处的医疗领域和实际医疗环境[6]。
国内，对于医患关系紧张的成因及对策研究较为多见。范舒雅[7]、林玉芳[8]、林蜜[9]、轩萱[10]等从造成医患关系紧张的原因出发，剖析了医患关系失谐的深层次根源并提出了相应的对策。孙冬以权力与义务为分析框架，结合中国医疗制度改革的实际，分析了医患关系紧张的制度原因，提出了构建和谐医患关系制度基础的现实路径[11]。对于医患关系影响因素方面，早期研究主要是从患者或医生单一角度展开。例如，曹佳音从患者维度对医患矛盾的根源进行研究，探讨患者对医生不信任的影响因素[12]。周云鹏用分层整群抽样的方法调研了衡阳市医患双方对医患关系现状及医疗媒体报道的评价[13]。随着研究的深入，越来越多的学者，如岳玺中[14]、束雅春[15]、桑秀丽
[16]以及赵雅馨[17]等，均发现并提出应从多个不同视角分析、探讨解决医患矛盾、构建和谐医患关系。针对医患关系量化评价，桑秀丽[16]和赵雅馨[17]考虑了患者、医务人员、医院管理人员三方面影响因素，并提出了医患关系和谐度指标体系及理论模型。杨慧将国外广泛使用的医患关系量表PDRQ -15和DDPRQ -10开发为中译本[18]。但如前所述，该量表仅适用于国外简单的医生与患者之间的关系测评，对于受多种复杂因素影响的医患关系的测评并不完全适用。而国内其他有关医患关系评价的研究大多指标单一，无法反应多影响主体的要求。
综上所述，医患关系是一个复杂的系统工程，涉及多方面影响因素，而目前国内对医患关系的检测尚处于缺乏状态。因此，对于多维度、系统、全面的医患关系评价指标体系和量化工具的研究十分有必要。
二、医患关系相关影响主体
本文研究广义层面的医患关系即以“医”和“患”为中心的相关主体之间的关系。这些相关主体作为社会环境的重要组成部分，必然会受到社会其他因素的影响。林玉芳[8]将医患关系影响因素归纳为三方面：社会因素、医方因素、患方因素。其中社会因素包括制度建设、医疗资源分配、新闻报道等。林蜜[9]和轩萱[10]将医患关系紧张的原因归纳为四方面因素：政府因素、医方因素、患方因素、媒体因素。其中轩萱[10]所提出的医方因素包括医务人员和医院管理两个方面。谭政指出医疗行业、患者、医疗保障、媒体等原因都会影响医患关系[19]。魏俊丽通过调查发现在医务人员视角中医疗体制、医方、患方、媒体舆论是影响医患关系的主要因素[20]。通过文献分析发现，以往医患关系研究中相关影响主体有一定的共性，可以将其归纳为五大因素：医务人员因素、患方因素、医院管理因素、政府因素、媒体因素。相关影响主体之间的关系错综复杂，其相互作用结构可简化为图1。
三、医患关系综合指标体系建立
（一）指标体系构建原则
为使医患关系评价指标体系全面系统地反映医患关系现状，指标体系构建需要遵循以下原则[17，21-22]：
（1）系统性。由于医患关系受多个相关主体影响，指标设置应具有一定的逻辑关系，并从不同角度反映医患关系主要特征，形成有机系统。（2）科学性。指标体系应反映评价对象的系统性质和结构特征，符合客观规律。每个指标的设置都应该有明确的意义和科学解释，从而使指标体系的评估工作更客观并切合实际。（3）目标性。医患关系综合评价的目的是探索影响医患关系和谐的因素，从而为医患关系的改善提供依据。因此，指标体系中各个指标都应围绕既定目标设置，才能得到有效评估结果。（4）独立性。各指标之间相互独立，不存在包含与被包含的关系，避免指标冗余。
（二）指标体系的提出
医患关系指标体系可根据研究主体细化为患者视角、医务人员视角、医院管理视角、政府视角、媒体视角和通用指标体系。其中通用指标体系的研究又包括多视角通用和跨地域通用。并且通用指标体系的研究是分视角指标体系的基础，分视角体系可根据通用指标体系进行对应视角的指标调整。笔者着重研究通用指标体系，根据研究目的，即探索医患关系影响因素，按照五大影响主体（医务人员影响因素、患方影响因素、医院管理影响因素、政府影响因素、媒体影响因素）将指标归类。通过梳理大量文献[7-17，21，23-29]和部分专家及患者意见，初步提出医患关系综合指标体系（表1）。
（三）基于因子分析的指标筛选
因子分析是多元统计分析的一个重要分支，本文以因子分析方法对指标进一步筛选，以考察其结构效度。通过删除因子负荷较小或有高度因子重叠的指标，保证筛选出的指标对评价结果均有显著影响。本文采用最常用的主成份分析法萃取特征根大于1的因子，用最大方差法进行因子旋转，通过坐标的正交变换使因子更容易解释。按照每一个指标只能在其中一个因子上的载荷大于0.5，在其他所有因子上的载荷都小于0.4，否则将该指标修改或删除的原则对指标进行筛选。数据以问卷调研形式获得，问卷采用五级量表形式，分别为1、3、5、7、9依次代表“非常不符合”到“非常符合”。
选取成都市6家具有代表性的医院作为通用指标体系在特定地域的试点，通过分析其调研结果，为通用指标体系的构建和更广范围的应用做准备。调查了试点医院医务人员、医院管理人员及患者，发出调研问卷300份，回收有效问卷278份。数据KMO值为0.932（大于0.8），同时Bartlett球体检验统计值的显著性概率为0.000（小于0.01），适合做因子分析。因子分析后，按照筛选原则，不符合标准的指标如表2所示。
其中指标29在设计时属于患者因素，而分析结果显示其与媒体因素指标分入一类，虽在指标载荷上分布合理，但与理论不符，故将其列为问题指标。对指标进行逐步删除，直至得到较为合理的因子分析结果。因子分析旋转成份矩阵见表3，删除指标7、29、31。由表3可看出，绝大多数指标均只在一个因子上有高载荷，尽管指标9、25、28仍在两个成份上有较高载荷，但根据理论分析，这三项指标对医患关系有重大影响，且不可被其他指标替代，故对该三项指标仍予以保留。此时，根据指标含义，可将五大影响因素归纳为五个主要因子，分别为：F1医务人员因素、F2政府因素、F3医院管理因素、F4媒体因素、F5患者因素。
通过因子分析，从医患关系初始指标体系34个指标中筛选出31个。保留的指标在表1中第五列以“保留”字样标出，保留指标形成最终指标体系。
四、基于解释结构模型的指标体系分析
（一）矩阵推导
通过因子分析指标筛选，得到修正后医患关系的通用指标体系。为了梳理医患关系影响因素的层次结构，便于更透彻地理解分析医患关系，本文采用解释结构模型对指标体系中的二级指标进行结构整理。二级指标编号如下：1. 政府医疗法制建设；2.政府医疗体制建设；3.政府卫生管理机制建设；4. 医院文化及体制建设；5. 医务人员激励机制；6. 医疗技术管理；7.医务人员诊疗技术与态度；8. 医务人员沟通技能与态度；9. 医务人员职业修养；10.媒体报道客观性；11. 媒体职业操守；12.患者风险态度；13. 患者就医态度；14.医患关系。邀请了卫生管理专家对各因素之间的关系进行宏观判定，形成关联矩阵。按照解释结构模型的方法及布尔运算法则，用MATLAB软件对关联矩阵迭代运算。将关联矩阵加上单位矩阵进行n-1次迭代后，得到可达矩阵M。此时，（A+I）2≠（A+I）3≠…≠（A+I）n-1=（A+I）n，M=（A+I）n-1。在可达矩阵M中，“1”表示行元素与列元素有连接关系，“0”表示没有关系。
（二）层级分解
为了更清晰地了解各要素之间的关系，依据R（ni）∩A（ni）=R（ni）条件来进行层级抽取。其中R（ni）表示可达矩阵中要素ni对应的行中包含有1的矩阵要素对应的列要素集合，A（ni）表示可达矩阵中要素ni对应的列中包含有1的矩阵要素对应的行要素集合。同一区域内同级要素相互可达的区域称为强连通块。从图2可知，第二层和第三层都为强连通块。根据关联矩阵，可以得出医患关系解释结构模型如图2。
（三）结果分析
由图2可知，医患关系二级影响指标可分为四级阶梯结构。直接影响医患关系的因素是患者的风险态度、就医态度以及医务人员的沟通技能与态度。这三项是医患接触中最直接作用的因素，决定了医患直接接触的和谐程度。而医务人员医术、工作态度、职业修养是影响医患关系的关键因素，起着承上启下的链接作用。影响医患关系的根源性因素为医院对医务人员的激励机制、医疗技术管理、医院文化体制建设、政府医疗法制建设、政府医疗体制建设、卫生管理机制建设、媒体报道客观性、媒体职业操守。主要涉及三方面主体：政府、医院管理、媒体。
从解释结构模型的结果可以看出，政府因素、医院管理因素和媒体因素是影响医患关系的根源，且政府因素和媒体因素又会对医院管理产生影响。作为医患关系的根基，这三方起着极其重要的支持性作用。医务人员医术、工作态度、职业修养作为医患关系关键因素受到政府和医院管理相关制度建设的影响，合理的制度建设能够激励医务人员更多地投入到医疗活动中，而媒体客观的报道、正面的宣传又能够激发医务人员的工作热情，为患者提供更好的服务。同时，医疗服务质量的提高会使患者更愿意配合就医，也更能够正视医疗风险。医务人员沟通技能与态度、患者风险态度、就医态度对医患关系产生最直接的影响。一方面，患者对于风险的态度受政府相关制度建设的影响，例如完善的医保制度能够减轻患者医疗费用负担，从而使患者能够更理性地看待和处理风险。另一方面，医务人员医术和工作态度与患者的风险态度和就医态度相互影响，双方的理解和尊重能够促进医患和谐。患者就医态度还受到媒体报道和医疗技术管理的影响。客观的媒体报道和医疗常识宣传能够提高医患沟通的效率和质量。医务人员沟通技能与态度作为医患互动中至关重要的因素又与医务人员医术和工作态度有关。
综上所述，通过解释结构模型，医患关系综合指标体系被分为四级阶梯结构，包括：医患关系总体评价、直接影响因素、关键影响因素、根源影响因素。使得指标内部关系更为清晰，便于评价指标体系的实施。
本文旨在建立一个多主体医患关系综合评价通用指标体系。在此体系基础上，结合结构方程模型等方法，分视角医患关系综合评价体系（医务人员视角、患者视角、医院管理者视角、政府视角、媒体视角）已经在成都地区进行了初步应用研究[30-31]，并得到了具有一定实践意义的结论，也进一步验证了该通用指标体系的实用性。此后，本研究还将在卫生部门的支持下开展更广地域范围的通用指标体系应用研究及修正工作。
五、结论
医患关系是一个复杂的系统工程，涉及多方面影响因素，本文通过文献分析发现目前国内对医患关系的评价体系主体主要集中在医患双方，视角相对单一。总结以往研究，本文提出影响医患关系的五大主体：政府因素、医院管理因素、医务人员因素、媒体因素、患者因素。同时为了便于分析各因素的影响，将指标体系按照此五大主体归类，通过文献梳理，并参考专家和患者的意见初步建立了医患关系综合评价指标体系，运用因子分析对指标体系进一步筛选，最终确立的指标体系包含31个评价指标，即为表1中保留指标。在此基础上，利用解释结构模型分析了指标体系结构和指标间的相互作用关系，进一步阐明了评价指标体系的合理性。该综合评价指标体系对中国医患关系评估及探索影响医患关系和谐的因素有借鉴意义，将为医患关系的正确评价与改善提供有力支撑。
参考文献：
[1]傅兴华，肖水源，唐友云.我国医患关系研究现状[J].中国社会医学杂志，2010（4）：197-198.
[2]VERLINDE E.The social gradient in doctor-patient communication[J].International Journal of Equity in Health， 2012（11）：12-16.
[3]BEASLEY J W.Quality of work life of family physicians in Wisconsins health care organizations a WREN study[J].WMJ， 2004（103）：51-56.
[4]TOM R.Haematology patients and the internet： The use of online health information and the impact on the patient-doctor relationship[J].Patient Education and Counseling， 2014， 97（2）： 223-238.
[5]SANTOS OM.Consent form versus doctor - patient relationship[J].Braz J Otorhinolaryngol， 2014（80）：189-190.
[6]RHONA M.E.An overview of 19 instruments assessing the doctor-patient relationship： different models or concepts are used[J].Journal of Clinical Epidemiology，2012（65）： 10-15.
[7]范舒雅.构建和谐医患关系的对策研究[D].长春：吉林大学， 2005.
[8]林玉芳.和谐医患关系构建研究[D].济南：山东大学， 2009.
[9]林蜜.医患关系失谐及缓解对策研究[D].长沙：湖南大学， 2009.
[10]轩萱.构建和谐医患关系研究[D].上海：复旦大学， 2010.
[11]孙冬.论和谐医患关系的制度基础[D].重庆：西南政法大学，2010.
[12]曹佳音.从患者的维度看医患关系[J].中国医学伦理学， 2008，21（4）：84-86.
[13]周云鹏， 张平， 郭卫珍， 吴成秋.医患双方对医患关系现状及医疗媒体报道的评价[J].实用预防医学， 2012， 19（5）：793-794.
[14]岳玺中， 王莉媛， 毛静馥， 任重鲁.基于解释结构模型法的医患关系影响因素分析[J].医学与哲学，2012，33（7A）：26-27.
[15]束雅春，彭志行，薛明新，李永刚.患者与医务人员不同视角下医患关系的认知调查与对策分析[J].中国卫生事业管理，2013（3）：178-180.
[16]桑秀丽.医患关系和谐度模型构建及和谐度指数测评研究[D].昆明：昆明理工大学，2013.
[17]赵雅馨.医患关系和谐度研究[D].哈尔滨：哈尔滨商业大学，2014.
[18]杨慧.中文版本PDRQ/DDPRQ量表研制与评价——医患关系量化研究[D].太原：山西医科大学，2011.
[19]谭政.医患关系紧张的原因及对策分析[J].黑龙江医药，2014，27（5）：1071-1072.
[20]魏俊丽.我国医患关系的双方认知比较研究[D].武汉：华中科技大学，2010.
[21]董恩宏.基于医疗质量管理的患者信任度评价指标体系构建及相关研究[D].上海：上海交通大学，2012.
[22]顾春先，邬红丽，肖波，何文涛.中国高校校园体育文化指标体系研究[J].体育科学，2010，30（8）：41-48.
[23]袁琳.论政府在构建和谐医患关系中的责任[D].石家庄：河北师范大学，2012.
[24]李文文.患者对医态度问卷的编制及其对患者就医满意度的影响[D].太原：山西大学，2010.
[25]梅春英.新闻媒体在构建和谐医患关系中的作用[J].中国医学伦理学，2008，21（5）：39-40.
[26]张平.衡阳市医患关系的现状及其影响因素研究[D].长沙：南华大学，2011.
[27]贺晓华.大型公立医院医患关系管理研究[D].长沙：湖南师范大学，2010.
[28]李茗华，刘鸣，肖辉，姚鸿超，阚轩.耳鼻喉科医患沟通的影响因素分析及对策[J].现代生物医学进展，2014，14（32）：6367-6371.
[29]蔡永彤.现行医疗纠纷调整机制的法律缺陷与完善[J].重庆大学学报（社会科学版），2004（2）：102-105.
[30]韩宇，钟胜.基于医务人员视角的医患关系影响因素研究[J].四川大学学报（哲学社会科学版），2015（6）：95-102.
[31]韩宇.多元多视角医患关系影响因素研究[D].成都：四川大学，2015.
Abstract： Doctor-patient relationship is complicated system engineering， involving many influence factors. Recent doctor-patient relationship researches mainly focus on two players which are doctors and patients. Its a comparatively narrow sense. Based on researches before， this paper proposes five main influence players of doctor-patient relationship： government， hospital administrator， medical staff， media， and patient. According to these five players， and consulting with other experts， we systemize the index system proposed by other researchers， and then initially establish a new doctor-patient relationship index system by using factor analysis. Furthermore， we study the structure and reasonableness of the index system with interpretative structural modeling （ISM）. The proposed comprehensive doctor-patient relationship index system is worthy in assessment and influence factor analysis of doctorpatient relationship. And it contributes to the establishment of crossregion general doctor-patient relationship index system.
Key words： doctor-patient relationship； index system； interpretative structural modeling
多因子综合评价 篇5
港口的运营能力是利用港口的基础设施, 通过增加货物的吞吐量来达到增加利润的能力。通过对港口运营能力的评价, 有助于港口挖掘自身潜力, 改善自身的管理水平, 提高经济效益, 还可以找出与港口贡献度最大、竞争力关联性最强的因素, 从而为提升港口运营能力提供科学决策依据。
1 综合评价指标及评价方法的选择
1.1指标的确定
影响港口运营能力的因素有许多, 一是反映港口企业基础设施建设方面的因素, 二是反映港口企业基础设施利用率方面的因素, 三是反映港口企业营运能力增长方面的因素。本文共设置了15个指标, 其中港口企业基础设施保障方面的因素主要选择了生产性码头长度 (x1) 、生产用泊位数 (x 2) 、泊位年通过能力 (x 3) 、泊位集装箱年通过能力 (x 4) 、万吨级泊位数 (x5) 五个指标;港口企业基础设施利用率方面主要选择了货物吞吐量 (x 6) 、集装箱吞吐量 (x7) 、外贸货物吞吐量 (x8) 三个指标;港口企业运营能力增长方面, 选择了年通过能力环比增长% (x 9) 、集装箱装卸能力环比增长% (x10) 、生产用泊位个数环比增长% (x11) 、生产用万吨级泊位个数环比增长% (x12) 、吞吐量环比增长% (x13) 、外贸吞吐量环比增长% (x14) 、集装箱吞吐量环比增长% (x15) 7个指标[1,2]。
1.2 评价方法的选择
港口竞争力评价所采用的方法主要有以下几种:标杆测定法、TOPSIS法、模糊评价法、聚类分析法、层次分析法、因子分析法等[3]。本文采用因子分析法来进行综合评价。
因子分析是指研究如何以较少的信息丢失将原有的的众众多多变变量量浓浓缩缩成成少少数数几几个个有有实实际际解解释释意意义义的的因因子子[[44]]。。因子分析最早由英国心理学家C.E.斯皮尔曼提出。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子, 以较少的几个因子反映所有资料的大部分信息。它确定的权数是基于数据分析得出指标之间的内在结构关系, 不受主观因素的影响, 而且主成分之间相互独立, 减少信息交叉, 有利于分析评价。本文借助于SPSS20.0来进行因子分析。
2 辽宁六大港口运营能力的评价
2.1 数据的搜集
本文搜集的数据中, x 1~x 8是2012年的截面数据, x 9~x15是辽宁省6个港口的2012年与2011年对比的数据, 是2012年的环比增长速度, 具体数据见表1。
资料来源:辽宁统计年鉴交通运输部门统计表
需要说明的是, 在政府相关部门的统计数据中, 缺少盘锦、葫芦岛两个港口的吞吐量环比增长速度、外贸吞吐量环比增长速度、集装箱吞吐量环比增长速度3个指标的具体数据, 这两个地区的这3个指标是以“其它港口”形式出现的, 因此本文中采取的是均值替代法, 以辽宁省总体平均的数据来代替的盘锦、葫芦岛这三个指标的数据。
2.2 SPSS相关分析
1) 提取公共因子。将数据输入后, 经过运算, 得到特征值与方差贡献值, 见表2。
通过表2可以看出, 前3个特征值大于1, 同时这3个公共因子的方差贡献率占了98.537%, 说明提出的3个公共因子可以解释原变量的绝大部分信息。
2) 计算因子载荷, 得到各因子综合得分。见表3。
根据公式:, 计算6个企业的综合得分, 其中, 3个因子的方差贡献率分别为:54.095%、34.760%和9.719%。321321+´+´=lllFACFACFACF
最终通过计算, 得到各综合因子得分, 并进行排序, 结果见表4。
通过上面的分析计算可以看出, 辽宁6个港口, 在运营能力方面的综合排序为:大连港、丹东港、营口港、盘锦港、葫芦岛港、锦州港。
3 加强辽宁各港口运营能力的几点建议
3.1 加强基础设施建设, 改善港口基本运营条件
从因子分析的结果来看, 第一个因子的方差贡献率达到了54.095%, 对运营能力的贡献最大, 对提高港口营动能力起得作用最大。在这个方面, 大连港和营口港实力最强, 盘锦港和葫芦岛港相对较弱, 需要加强建设, 增加生产性码头长度及泊位数等基础设施建设。
3.2 挖掘区位优势, 加快港口运营能力的发展
港口运营能力的发展, 对增强港口的综合运营能力也起着非常重要的作用, 从因子2的方差贡献率上来看, 其方差贡献率为34.76%, 占三分之一。在这一方面, 丹东港做得最好, 这也是丹东港在基本运营条件不如营口港等港口的情况下, 能排名第2的主要原因。
3.3 多方寻找出口途径, 增加外贸货物出口量
在国际经济一体化的前提下, 加强对外联系, 发展对外业务, 增加外贸货物出口量, 也是增加港口运营能力的一个很重要的方面, 在这一方面上, 盘锦港做得最好, 也是其综合排名在锦州港前的主要原因。
摘要：文章采取因子分析的方法, 通过对辽宁6大港口相关运营能力指标的分析, 找出影响港口运营能力的核心因素, 并加以改善, 从而达到提高港口企业运营能力, 增强其竞争力的目的。
关键词：港口,运营能力,因子分析,综合评价
参考文献
[1]林春凉.福州港竞争力评价初探.物流工程与管理[J].2011, 33 (8) :16-18.
[2]王子龙, 韩增林.环渤海地区主要港口竞争力评价[J].资源开发与市场, 2012, 28 (3) :214-217.
[3]吕梁.港口综合竞争力评价模型与方法及其实证研究[D].大连海事大学, 2011.
多因子综合评价 篇6
一、样本选择与指标说明
本文分析中将候选企业范围设定深沪两市医药生物制品企业A股非ST企业共75家 (截至2009年4月30日) , 所依据的主要数据全部来自于各公司2008年年度报告。由于影响企业经营业绩的因素很多, 应采用多个指标从不同角度和侧面去评价企业业绩。本文依据科学性、数据可获得性和系统性原则, 采用多元分析方法, 从企业营运能力、偿债能力、盈利能力、投资者获利能力以及企业成长能力5个方面选取18个指标。
企业营运能力指标:反映企业的经营管理水平, 借以评价企业的资产管理水平、资金周转状况、现金流量情况等。具体指标包括:存货周转率X1、总资产周转率X2。
企业偿债能力指标:偿债能力是指企业偿还长短期债务 (包括本息) 的能力, 企业有无支付现金的能力, 是企业能否生存和发展的关键。具体指标包括:流动比率X3、速动比率X4。
企业盈利能力指标:盈利能力主要反映企业经营业务创造利润的能力, 较强的盈利能力为公司将来迅速发展壮大, 创造更好的经济效益打下了坚实的基础。具体指标包括:净资产收益率X5、资产报酬率X6、主营业务收入X7、主营业务利润率X8、净利润X9。
企业投资者获利能力指标:公司股东持有公司股票的目的主要是为了获得投资回报, 通过对股票投资者获利能力的分析可以知道公司股票的股东回报情况。具体指标包括:每股净资产X10、每股收益X11、每股现金含量X12、每股资本公积金X13、股东权益合计X14。
企业成长能力指标:分析企业的成长状况, 是属于成长型、稳定型还是衰弱性。具体包括每股净资产增长率X15、主营业务收入增长率X16、净利润增长率X17和总资产增长率X18。
二、评价模型构建
(一) 样本数据标准化与相关系数矩阵求解
为了消除由于观测量纲的差异及数量级所造成的影响, 对原始数据进行标准化处理, 对原始数据进行标准化处理后, 求得相关系数矩阵。由相关系数表得出主营业务利润率、总资产利润率、流动比率、总资产周转率、每股净资产和每股资本公积金等几个指标间存在着极其显著的相关性, 说明它们之间在信息上有重叠。由于篇幅原因, 相关系数矩阵此处省略。
(二) 适用性检验
运用KMO检验与Bartlett球度检验测度选取样本对于因子分析模型的适用性, 通常要求KMO值与1.0越接近越好, 而Bartlett球度检验用于检验相关系数矩阵是否为单位矩阵 (若为单位矩阵, 则认为所选样本不适用因子分析) 。计算得出Bartlett球度检验的近似卡方值为1461.124, 自由度为153, 显著性水平为0.0, 由于概率P值小于给定的显著性水平0.05, 则拒绝“相关矩阵为单位矩阵”的原假设, 认为相关系数矩阵与单位阵有显著差异。同时计算所得KMO值为0.676, 较接近于1.0;根据Kaiser给出的KOM度量标准可知原有变量适合进行因子分析。
(三) 因子分析
以主成分分析法提取初始公因子, 计算相关系数矩阵特征值, 从而得出各公因子对原始数据信息的贡献率。特征值大于1的共有5个公因子, 方差累计贡献率达到79.92%, 虽然没有达到85%, 但考虑到所选指标和样本数量较多, 而且样本企业之间业绩差异较大, 可以认为采用5个公因子比较充分地反映了原始数据信息, 将其提取出来以代表所选18项指标 (见表1) 。
(四) 回归法
通过求得初始公因子确定初始因子载荷矩阵, 但是初始因子载荷矩阵结构反映不明显, 各公共因子主要代表哪些原始变量不是很突出。为此, 需要对因子载荷矩阵进行旋转, 使变量在某个公因子上有较大的载荷, 而在其余公因子上只有较小的载荷, 这样公因子的实际意义就比较容易确定。
由旋转后的载荷矩阵分析可得:F1在净利润、净资产收益率等指标上载荷较高, 可以将其定义为盈利因子。F2在总资产周转率、存货周转率等指标上载荷较高, 则可以将F2定义为营运能力因子。F3在流动比率、速动比率等指标上载荷较高, 则F3主要反映企业偿债能力。F4在总资产增长率、净利润增长率、主营业务收入增长率等指标上载荷较高, 则F4为成长因子。F5在每股资本公积金、每股净资产等指标上载荷较高;则F5为股东获利因子, 这5个因子共同构成了对我国医药行业上市公司的经营效益的评价因素, 并从中能够了解到医药公司的不足和优势。
(五) 计算因子得分
采用回归方法得出因子得分系数矩阵 (此处从略) , 根据因子得分系数和18项指标标准化后的样本数据计算出75家样本公司各公因子得分 (见公式①、②、③) ;根据各公因子得分与其方差贡献率经加权计算得出75家样本公司的综合得分 (见公式④) ;表2中列出排名前20的医药企业。
可以得出
三、结果分析
根据各主成分得分及综合得分排名, 可以看出我国医药上市公司的基本情况, 企业综合业绩排名前列的企业有浙江医药、一致药业、上海医药、双鹭药业、云南白药。从盈利能力来看, 排名靠前的公司为浙江医药、吉林敖东、双鹭药业, 这表明这些公司的效益状况较好, 利润较大;从企业营运能力来看, 排名前列的公司为上海医药、南京医药、一致药业, 表明这些公司经营灵活、企业负担较轻;从偿债能力来看, 排名前列的公司为双鹭药业、嘉应制药、南京医药, 表明这些公司现金流充裕;从成长能力来看, 上海莱士、沃华医药、亚宝药业表现优异, 发展潜力大;从股东获利能力来看, 双鹭药业、北海国发、嘉应制药排名靠前, 这些企业规模相对较小, 其收益较高, 但相对来说, 风险也大一些, 这很符合风险和收益对等规律。
可以采用聚类分析方法进一步区别企业间的特征差异, 以业绩排名前20的企业的因子得分作为变量, 利用SPSS层次聚类对这些企业进行分类分析。其中, 个体距离采用平方欧式距离, 类间距离采用平均组间链所距离, 由于数据不存在数量级上的差异, 因此无须进行标准化处理。由聚类结果可以看出, 20家企业可以大致分为5大类, 浙江医药 (Ⅰ类) 为效益、营运能力绩优型企业;双鹭药业 (Ⅱ类) 为偿债能力、股东获利能力突出型企业;S哈药、吉林敖东 (Ⅲ类) 为效益、股东获利能力突出型企业;上海莱士、沃华医药 (Ⅳ类) 为成长迅速型企业、一致药业、上海医药等其他企业 (Ⅴ类) 为均衡型企业, 各方面均没有特别明显的优势。
四、结论
本文从企业营运能力、偿债能力、盈利能力、投资者获利能力以及企业成长能力5个方面选取18个指标, 较全面地反映了企业的效率状况, 最终选出5个公因子, 从贡献率来看, 5个因子也基本反映了这5个方面的状况。指标精简之后, 既保持了企业效率过程的全面性, 又极大地提高了企业效率评价的及时性, 从而解决了评价模型在实践操作层面上的应用问题, 为企业经营业绩评价以及投资者投资决策提供了有效的参考依据。
摘要：文章基于SPSS13.0社会科学统计软件, 采用多指标综合评价的因子分析法定量分析我国医药上市公司经营业绩, 并按测评结果对前20名企业重点分析。
关键词：SPSS,医药上市公司,因子分析
参考文献
[1]、朱建平, 殷瑞飞.SPSS在统计分析中的应用[M].清华大学出版社, 2007.
[2]、朱菀琴, 黄薇维.主成分分析法在医药行业上市公司业绩评价中的应用[J].湖南农业大学学报, 2004 (2) .
[3]、刘红霞.关于我国上市公司财务分析现状与改进的探讨[J].河北企业, 2008 (12) .
多因子综合评价 篇7
宁夏水资源贫乏,干旱多风、植被稀少,决定了其环境容量较小,生态系统的稳定性差,水环境极易受到污染和破坏,目前宁夏水环境形势严峻,区域水环境污染已成为最大的环境问题之一。爱伊河是银川市河湖水系连通的关键工程,是集防洪、排水、生态、景观为一体的自治区重点水利工程,是国家级水利风景区。爱伊河河道总长158.5km,水面3 333.3hm2,控制排水面积11.67万hm2,水源主要是洪水、沟水和渠道弃水,爱伊河上段每年可以重复利用的水量达5 100万m3,其中,农田排水占68.9%,富含氮、磷营养物质。灌区农业和农村面源污染正在成为爱伊河水质的基本制约因素,以农田为核心的灌区退水污染正在变成影响爱伊河水质的主要污染源[6]。
本论文在分析爱伊河水环境因子时空分布特征的基础上,运用主成分法对爱伊河水环境因子进行研究,以期在众多水质因子中找出最具代表性的因子进行深入地分析,运用模糊综合评价法对爱伊河的水质状况进行综合评价,旨在为爱伊河水体污染综合防治提供一定的依据。
1 材料与方法
1.1 样点布设与采样时间
1.1.1 样点布设
根据爱伊河水域特点、形态及进出水状况,考虑水力条件、水系分布,水质监测样点布设如下;
沟道水源:四二干沟(S01),第二排水沟(S02),平二支沟(S03)。
上游:正源南街桥(S04),华雁湖溢流堰(S05),良田渠渡槽(S06)。
中游:北京路拱桥(S07),西湖南(S08)。
下游:连通湖南(S09),连通湖北(S10)。
采样点的位置见图1。
1.1.2 采样时间
分别为2012年1月、3月、5月、7月、9月、11月。
1.2 水样采集与测定
水样采集按照《水质采样方案设计技术规定(GB 12997-91)》、《水质采样技术指导(GB 12998-91)》、《水质采样样品的保存和管理技术规定(GB 12999-91)》中的要求进行。水质指标测定依照相关国家标准进行,叶绿素a(Chl.a)测定依照参考文献[7]进行。
1.3 水环境因子的主成分分析
应用DPS数据处理系统对爱伊河水质指标进行主成分分析,运用方差最大正交旋转法对因子载荷矩阵进行旋转,按照85%的累积方差贡献率提取主成分,然后选择旋转后载荷值大于0.6的指标作为主要因子进行分析[8,9,10]。各水质因子主成分得分值与对应的方差贡献率乘积的总和即为各水质因子的综合得分[11],计算各水质因子的综合得分,按照分值大小排序,确定爱伊河的主要水质因子及其影响程度。
1.4 水环境质量综合评价
在水环境因子主成分分析结果的基础上,选取主要水环境因子做为评价因子,运用模糊综合评价法对爱伊河水质进行评价[12,13]。各参数的评价标准根据《地表水环境质量标准》(GB3838-2002)规定的5类水质,确定评价集为:V={Ⅰ,Ⅱ,Ⅲ,Ⅳ,Ⅴ}。按照国家标准确定的限值,即根据每个监测项目的5级评价标准确定5个级别的隶属函数[14],分别计算10个样点评价因子的隶属度矩阵。分别采用“主成分法”和“超标倍数法”来确定各指标权重的大小。计算隶属度(B)=权重集(A)×模糊矩阵(R),根据最大隶属度原则判定各样点水质隶属级别。
2 结果与讨论
2.1 基于主成分的爱伊河水环境因子分析
表1为各样点6次采样各水质因子的平均值。因各样点水温差别不大,故不做主成分分析。
将爱伊河10个样点的各水质指标年平均值进行主成分分析,共提取出4个主成分(见表2),旋转后载荷值大于0.6的指标见表3,爱伊河各水质因子的综合得分见表4。
在水体环境中,影响水体水质的影响因素很多,不同指标对水质的贡献程度是不相同的,在众多水环境因子中选取主导因子,然后再进行水质分析和评价,其结果才是比较客观和符合实际的。本论文在分析爱伊河水环境因子时空分布特征的基础上,运用主成分分析法研究确定影响爱伊河水质的主要因子之后,再对爱伊河的水质进行分析评价。
主成分分析结果将爱伊河的水环境因子区分为4类,主成分1的贡献率为49.50%,对水质起主导作用,包含的水质因子为SD、SS、CODMn、BOD5、TP,可以认为是有机物引起的水体污染;主成分2的贡献率为24.29%,包含的因子为Chl.a,可以认为是浮游藻类引起的水体污染;主成分3的贡献率为9.90%,包含的因子为TN、NH3-N,可以认为是氮营养盐引起的水体污染;主成分4的贡献率为7.36%,包含的因子为EC,可以认为是溶解盐类引起的水体污染。各水质因子的主成分分析综合得分,按照分值大小排序,可确定影响爱伊河水环境的主要因子依次为TP、EC、NH3-N、TN、CODMn、BOD5、SS、Chl.a、SD,综合分析,氮、磷营养盐在爱伊河水体中起主导作用,氮、磷含量的变化是引起爱伊河水质变动的主要原因。
2.2 爱伊河水环境质量综合评价
爱伊河的补水水源主要来自于农田沟道排水,氮、磷营养盐在爱伊河水体中起主导作用,也是爱伊河河湖水体逐渐呈现富营养化趋势的主要原因。结合爱伊河主要水环境因子的分析结果,选取CODMn、BOD5、TN、NH3-N、TP等5种污染物指标做为评价因子,
采用主成分法和超标倍数法确定的各指标权重见表5。
在应用模糊综合评价方法对水质进行评价时,由于赋权方法的不同,权重值有较大差别,使得评价结果也有较大差异[15]。最常用的赋权方法为污染物超标赋权法(即超标倍数法)确定权重,其优点是考虑到了污染因子的超标程度对水质的影响,污染因子超标越多,则其对水质级别影响也越大;缺点是各指标的权重系数随实测样本的不同而出现较大的变化,不利于不同水样之间评价结果的比较[16]。主成分赋权法则更为强调水质污染因子之间的内在联系,可提高权值的准确性以及定权方法的实用性[17]。爱伊河水环境TN含量严重超过地表水Ⅴ类标准,其他各水质因子均未超过Ⅳ类水标准,在对爱伊河总体的水质评价中,用主成分法确定的TN权重为0.205 6,用超标倍数法确定的TN权重为0.416 3,二者相差2倍有余。刘聚涛等[17]认为采用超标倍数法确定不同评价指标权重的模糊评价方法获得的结果更为合理,与实际情况更符合。对于爱伊河而言,若采用主成分法确定权重,势必会弱化严重超标因子TN对总体水质的影响,因此,本文采用超标倍数法确定的各指标权重。
根据超标倍数法确定的权重计算爱伊河各样点的隶属度与水质隶属级别见表6。
华雁湖溢流堰(S05)样点为III类,良田渠渡槽(S06)样点为Ⅳ类,其他样点均为Ⅴ类,综合评价爱伊河的水质为Ⅴ类。爱伊河水体生态系统尚处于初期的演替变化过程中,其水环境质量状况与所处营养状态受进水水源的水质与营养状态影响较大,2012年爱伊河主要补水水源沟道来水水质监测结果表明,不同季节各样点总氮(TN)平均达到2.44mg/L以上,超过国家地表水Ⅴ类水总氮标准。爱伊河补水水源为农业灌溉退水,其总氮超标是造成爱伊河水体污染的主要原因,因此,爱伊河水体污染防治主要应以降低外源性氮的含量为主。
3 结语
影响爱伊河水环境的主要因子依次为TP、EC、NH3-N、TN、CODMn、BOD5、SS、Chl.a、SD,氮、磷营养盐在爱伊河水体中起主导作用,氮、磷含量的变化是引起爱伊河水质变动的主要原因。爱伊河的水环境因子分为4类,第1类是有机物引起的水体污染,包含的因子为SD、SS、CODMn、BOD5、TP;第2类是浮游藻类引起的水体污染,包含的因子为叶绿素a;第3类为氮营养盐引起的水体污染,包含的因子为TN、NH3-N;第4类为溶解盐类引起的水体污染,包含的因子为EC。
多因子综合评价 篇8
关键词：政府综合绩,效因子分析法,综合绩效评价
一、政府综合绩效的概念
政府综合绩效, 是指政府在社会经济管理活动中的结果、效益及工作的效率、效能, 是政府在行使其功能、实现其意志过程中体现出的管理能力, 它包含政治绩效、经济绩效、文化绩效与社会绩效。通常, 在研究政府综合绩效时, 经济指标都被放在首位。它反映了政府在既定时间内, 投入到管理项目中的资源水平, 要求政府以尽可能低的投入或成本, 提供与维持既定数量和质量的公共产品或服务, 关注“投入”项目。效率指标则关心手段问题, 可以简单的将其理解为投入与产出的比。效果也是衡量公共服务的一个重要指标, 它通常是指公共服务实现目标的程度, 关心的是目标或结果, 如教育状况的改变程度、享受社会福利者的满意程度、政策目标的成就程度等。
二、政府综合绩效评价指标
1、我国政府绩效评价指标现状。
20世纪70-80年代, 美国的绩效预算制度兴起, 掀起了各国政府改革的热潮, 政府管理将顾客取向和管理结果放在首位。相比之下, 我国政府绩效评估起步较晚, 无论在理论还是实践上都极不成熟。我国的政府绩效评价体系以理论研究为主, 而大多数理论来自西方社会, 导致理论与我国的体制、职能、机构以及人事制度等方面融合不到位, 与政府绩效评价实践脱节, 考评具有主观性以及评估环节缺乏科学等问题。
传统的政府绩效评价指标主要关注于经济和效率相关的指标确定, 这种体制忽略了非盈利因素带来的影响, 而且, 政府绩效评价的复杂性增加了选择合适指标的难度;指标的广泛性又会加大评价的成本, 带来损失。而利用因子分析法, 可以很好地解决这些问题。
首先, 在确定某个指标的权重数时, 权重的设定可能带有主观性, 而因子分析法可以对指标数据进行标准化处理, 再通过方差与协方差矩阵计算出相应数量的特征值, 每个特征值对应一组特征向量, 每一组特征向量就是每个因子的权数, 将因子权重分配给相应的指标, 这样得到的指标权数客观、真实并且避免了对某些因素的高估或低估。其次, 由于政府绩效的复杂性、多元性和相关性, 很难确定哪些指标可以作为政府绩效评价的合适指标。而且, 政府为了绩效评价的覆盖面更广泛, 选择的绩效指标可能过多, 就会增大评价成本, 造成损失, 因子分析法可以很好地解决上述两个问题。首先, 求出因子的载荷, 就可得到代表性高的公因子。因子的载荷越大, 这个因子的代表性越强。若各个公因子的典型代表变量不是很突出, 就要进行因子旋转, 使因子载荷两级分化。
三、因子分析法在政府综合绩效评价指标中的应用
1、因子分析。
因子分析是将多个实测变量转换为少数几个不相关的综合指标的多元统计方法。它减轻了收集信息的工作量, 并且保证各综合指标代表的信息不重叠, 便于分析。
2、因子分析法的步骤。
因子分析的核心问题有两个:一是如何建造因子变量;二是如何对因子变量进行命名解释。因子分析的基本步骤就是围绕这两个核心问题展开的, 通常有以下四个基本步骤:
数据检验, 即确认待分析的原变量是否适合作因子分析。样本的个数要足够多, 变量必须是相关的, 否则无法降维。这里, 可利用Bartlett球度检验和KMO检验检测变量相关性, 以判断数据是否可以使用因子分析法。
建造因子变量, 即提取因子。通常使用的提取方法是主成分分析法, 此法将原本相关性很高的变量转化成彼此相互独立或不相关的变量, 即主成分。通过计算公因子方差贡献率确定因子数量:一般累计方差贡献率达到80%以上的前几个因子可以作为最后的公因子, 也可以用特征根提取:一般要求因子对应的特征根要大于1, 若小于1, 说明该共因子的解释力度太弱, 还不如使用原始变量的解释力度大。
因子命名:经过上述步骤得到的因子的含义往往是模糊的, 即通过观察因子载荷矩阵发现一个因子可能包含了多个原始变量的信息, 这时需要进行因子旋转。因子旋转就是要使因子载荷矩阵中因子载荷的平方值向0和1两个方向分化, 使大的载荷更大, 小的载荷更小, 由此得到比较满意的主因子。最常用的因子旋转的方法是最大方差正交旋转法 (Varimax) 。
综合评价, 即求出因子得分, 并根据得分排序。因子得分是各变量的线性组合, 是每个因子在每个样本上的具体取值。可以在平面上画出因子得分散点图, 对样本进行分类或更深入的研究。
3、因子分析法的应用。
因子分析法的应用案例很多, 比如, 可以基于因子分析法对某一地区的服务业竞争力进行评价, 对一组人的健康状况进行评价, 对一所大学的教学水平进行评价等。在此, 我们运用SPSS系统介绍因子分析法在地区经济评价中的应用。我们以中国31个省市自治区为分析对象, 依据2007年的6项主要经济指标对这些地区进行分析。2007年的6项主要经济指标是:人均GDP, 财政收入, 固定资产投入, 年末总人口, 居民消费水平和社会消费品零售总额。首先, 我们进行KMO检验和Bartlett球度检验, 确定7个变量间有较强的相关关系, 确定数据适合做因子分析。
通过检验, 得到Bartlett球度检验统计量为287.135。检验的P值接近0。表明6个变量之间有较强的相关关系。KMO测度的值越接近1, 表明变量间的共同因子越多, 那么这些数据越适合用于因子分析, 若K M O测度的值低于0.5, 表明样本偏小, 需要扩大样本。这里, KMO统计量为0.715适合作因子分析。随后, 计算所有变量的共同度。共同度越高, 说明提取出的公因子越能代表原始变量。这里, 所有变量的共同度量都在80%以上, 说明提取出的公因子对原始变量的解释能力是很强的。这里, 得到两个因子F1与F2。旋转后的累计方差没有改变, 只是两个因子所解释的原始变量的方差发生了一些变化。若这2个公因子的典型代表变量不突出, 就要进行因子旋转, 使因子载荷两级分化, 通过适当的旋转得到比较满意的公因子, 这样可以清楚分出公因子F1与F2所影响的主要变量, 使结果更加鲜明。这里采用最大方差正交旋转法 (Varimax) 进行因子旋转。因子旋转后, 发现F1与年末总人口、固定资产投资、社会消费品零售总额、财政收入这几个载荷系数较大, 表明F1主要解释了这几个变量。从实际意义上看, 可以把F1姑且命名为“经济水平”因子。而F2与人均GDP、居民消费水平这两个变量的载荷系数较大, 从实际意义看, 可以将因子F2姑且命名为“消费水平”因子。按照回归法估计得到因子得分系数矩阵。 (提取方法:主成分分析法。旋转方法:最大方差正交旋转法。) 由因子得分系数矩阵, 可以将公因子表示为各变量的线性组合, 得到因子得分函数:
根据这一表达式便可以计算每个地区对应的第一个因子F1和第二个因子F2的取值, 亦称因子得分。有了因子得分, 就可以对每个地区分别按照前面命名的“经济水平”因子和“消费水平”因子进行排序和评价。
不同地区两个因子得分的散点图
可以看到, 因子F1得分最高的是广东, 最低的西藏, 说明广东是经济发展水平较高的地区, 西藏是经济发展水平较低的地区;因子F 2得分最高的是上海, 最低的是贵州, 说明上海是消费水平较高的地区, 而贵州则是消费水平较低的地区。根据因子F1的得分排名, 政府可以分析广东省经济发展名列前茅的原因, 除地理位置上存在优势, 受惠于“改革开放”政策等较明显的原因之外, 是否还有其他地区可以借鉴的经济发展与管理经验。当然, 还可以利用因子分析法对广东省内部进行经济方面的分析, 例如:对广东省各个城市的经济发展进行因子分析, 得到城市经济发展排名, 学习发展较好城市的经验, 着重关注排名靠后城市的经济问题, 缩小两种城市间经济发展的差距, 可以更好地提高广东省整体经济水平, 从而对全国经济起到更好的带头作用。同样的, 可以将这种思想运用于西藏地区的经济分析。其次, 根据因子F2的得分排名, 将居民消费与收入挂钩, 利用经济理论分析地区经济并寻找改善措施。除此之外, 还可以综合分析两个因子得分, 推导出综合排名, 分析居民消费与经济发展水平的关系。比如, 2008年全球遭受金融危机之后, 中国政府利用居民消费带动经济发展的原理, 出台了“经济刺激计划”, 突出刺激消费、拉动经济增长的政策。
政府综合绩效评价可以帮助政府和公众更好的了解政府行为, 利于政府发现内部问题, 及时做出应对, 而使用因子分析法这种科学的方法评价政府综合绩效, 不仅简化了分析系统的结构, 还增强了因子的解释能力, 可以更好的反映政府所要了解的内容, 提高政府绩效, 利于整个国家向更高水平的发展。
参考文献
[1]、武玉英, 张璋.我国政府绩效指标设计的几个基本取向.中国行政管理2007 (5)
[2]、吴建南, 章磊, 李贵宁.地方政府绩效指标设计框架及其核心指标体系构建.管理评论2009 (11)
[3]、贾俊平.《统计学》.中国人民大学出版社.2006年版.
多因子综合评价 篇9
在科学技术迅速发展的今天,一个国家或地区经济的发展和社会的繁荣,取决于科学技术应用的深度和广度。科技综合实力因其对经济发展的重要作用而受到政府及社会各界的高度重视,建立科技优势进而确保经济发展优势已成为当今政府及社会各界的共同认识。
改革开放以前,广东在全国只是沿海地区一个普通的农业大省,地区生产总值不足200亿元,只占当年全国经济总量的二十分之一。改革开放30年来,广东省率先树立和落实科学发展观,调整经济结构,转变经济增长方式,一直以较高的增长速度引领全国经济的发展。特别是进入新世纪以来,广东经济总量在先后突破了全国GDP的1/10、1/9基础上,2008年再次跨上了1/8的新台阶。这一经济地位的巨大转变从实践上有力论证了邓小平同志提出的“科学技术是第一生产力”的论断,验证了广东省实施“科教兴粤”战略实施的英明决策。
然而在新的经济形势下,特别是在全球金融危机的冲击下,广东省经济增长速度有所放缓,经济发展的内生原动力不足,科技综合实力水平与世界上发达国家和地区相比,仍有较大差距,因此为了准确地把握广东省科技发展状况,对广东省科技综合实力做出科学的分析和评价,具有重要的现实意义。
2 科技综合实力评价模型
2.1 评价方法的选择
科技综合实力因其对经济发展的重要作用而引起国内外专家学者的大量实证研究分析,从实证研究文献资料来看,国内外学者对科技综合实力评价的方法主要可以分为二类:一是数学模型法;二是指标体系法。
在科技综合实力评价的早期研究中,主要为数学模型法,如“国力方程”[1]和“科技知识储备量”。数学模型法的特点是高度抽象化,选取较少的指标,构造评价模型。这种方法尽管具有形式简单明了等优点,但存在以下缺点:一是,为了方便计算与应用,往往选取尽可能少的参数,而科技系统又是一个庞杂的系统,当参数过少时,不能全面反映整体情况,略显片面;二是,科技系统不是一个线性的、均衡的常态系统,很难拟合出满意的模型;三是,一些因素不可度量且不具可比性。由此可见,数学模型法不适合用于进行科技综合实力的评价,在科技综合实力评价的后期研究中,多采用指标体系法。
指标体系法,通过建立与科技综合实力相关的指标体系,采用多元统计分析方法进行综合,进而得出评价对象的综合指数以反映系统的全面状况。根据对指标赋权方法的特点不同,从总体上可分为两大类:一是主观赋权法;二是客观赋权法。
主观赋权法采取定性的方法,由专家根据经验进行主观判断而得到权数,然后再对指标进行综合评价,主要有专家调查法、功效系数法、层次分析法、模糊评价法等。如瑞士洛桑管理学院《国家竞争力年鉴》中采用的科技竞争力评价[2]和《中国科技发展研究报告》中科技竞争力评价用的都是主观赋权法。其特点在于权重是专家从不同角度对研究对象打分得来,优点在于评价的经验性和规范性,缺点在于难以避免主观因素对评价结果的影响,而且即使对指标之间的相关性加以考虑也难以反映指标体系的内在结构性。
客观赋权评价法则是根据指标之间的相关关系或各项指标的变异系数来确定权数进行综合评价,主要有熵值法、变异系数法、灰色关联分析法、聚类分析法、判别分析法、因子分析法、主成分分析法、神经网络分析法等。客观赋权法,首先建立相关的指标体系,然后根据各评价指标的实际值所体现出来的变差信息来确定权数,其有利于突出反映各评价对象之间的差异对总评价值的影响,避免了人为因素带来的偏差,缺点是忽略了指标本身的重要性程度。
通过对上述主客观赋权评价法的分析可以看出,这两种方法各有优缺点,而对科技综合实力的评价是一项系统综合评价,结合上述两种方法的优缺点,本文提出一种新的综合评价思路——通过将层次分析法与因子分析法结合使用,构造层次——因子综合评价法,以此来避免了主观赋权法的人为因素带来的偏差,同时克服客观赋权法存在的对一些重要指标的忽视问题,使之更符合评价目标。
2.2 科技综合实力层次结构分析模型
要科学、有效的评价科技综合实力水平,科技综合实力指标体系的建立是基础,本文基于国内外学者的研究成果,兼顾广东省目前科技统计的现实状况,考虑到指标值的可获取性,本着科学性、系统性与层次性、可比性和相对稳定性等原则,将科技综合实力所包含的因素划分为下面4个层次:
第一层为目标层(G1),即评价体系所要实现的总目标,该层次是评价体系中的最高层。在科技综合实力评价体系中,目标层为科技综合实力;
第二层为分目标层(G2),分目标层指标是目标层的解释因素。科技综合实力测度中,分目标层包括4个方面,即:科技投入、科技产出、科技协调和科技潜力;
第三层为一级指标层(G3),该层指标主要是说明、解释分目标层的。科技综合实力测度的一级指标层有:人力投入、财力投入、专利产出、论文产出、市场产出、经济增长、环境保护、教育潜力、科技基础;
第四层为二级指标层(G4),为基础层,由单个评价指标构成,是一级指标层的具体解释指标,具体的二级指标详见表2-1。
2.3 因子分析数学模型
因子分析过程是将多个变量表示为较少的因子,因子分析可以浓缩数据,用较少的几个具有实际意义的因子反映出大量原始数据的主要信息。
因子分析的基本思想是通过对变量的相关系数矩阵的内部结构进行分析,从中找出少数几个能够控制原始变量的因子f1,f2,…,fk,选取公共因子的原则是尽可能包含更多的原始变量信息,建立因子分析模型,利用公共因子f1,f2,…,fk再现原始变量之间的相关关系,达以简化变量、降低变量维数和对原始变量再解释及命名的目的。
虽然因子分析的计算过程比较复杂,但是借助SPSS15.0统计软件中的因子分析(FACTOR)模块可以高效快捷的完成上述运算,为实证分析提供了有力的运算支持[3]。
3 广东省科技综合实力的实证分析
根据上述科技综合实力评价方法与模型,计算1995—2007年广东省科技综合实力水平。
科技综合实力是由科技投入、科技产出、科技协调和科技潜力4个分目标层指标构成,因此,首先测度4个分目标层指标。
3.1 科技投入实力测度
科技投入包括人力投入和财力投入两部分,本文通过SPSS15.0统计分析软件,分别对人力投入和财力投入进行因子分析。
首先对X1人力投入样本进行了因子分析适合性检验,结果显示Bartlett球体检验的显著概率为0.000,KMO检验值为0.632。通常,KMO值大于0.5我们就认为指标适合作因子分析,因此,我们选择的指标适合作因子分析。
根据因子分析的输出结果,按照特征值大于1的原则,选取1个因子作为主因子,根据输出的方差贡献分析表,因子的方差贡献率达到了87.064%,即这1个主因子能够反映我们选取的6个指标的87.064%的信息(通常,累积贡献率达到85%,即可认为选取的因子能够代表所有指标的信息)。
以科技人力投入和科技财力投入的测度值为源值,进行科技投入因子分析,计算科技投入因子得分,计算结果见表1。
根据表1可以看出,1995—2007年,广东省总体科技投入水平不断增长,尤其是在近年来广东省“科教兴粤”战略实施和经济实力不断增强的背景下,科技投入增长速度明显增加。
3.2 广东省科技综合实力测度
以科技投入、科技产出、科技协调和科技潜力的测度值为源值,测度广东省科技综合实力,计算结果见表2。
为了便于比较和综合分析,对广东省科技综合实力得分以及科技综合实力因子得分进行指数化处理,即:y=(x-min(x))/(max(x)-min(x))式中,x为需要指数化的数据,min(x)为数列中最小值,max(x)为数列中最大值,y为指数化后的数据。
4 实证结果分析
根据上述对1995—2007年广东省科技综合实力及各因子进行指数化后的数据,绘制科技综合实力曲线图,见图1:
本文基于层次——因子综合评价法,以科技发展的主要指标为依据,对广东省1995—2007的科技综合实力进行综合评价,评价结果表明:(1)从反映科技综合实力的红色曲线变化趋势可以看出,1995—2007年广东省科技综合实力逐年提高,尤其是在1998年之后,随着广东省“科教兴粤”战略的大力实施,在1999年有一个大的拐点,科技综合实力增长的速度明显加快。
(2) 从反映科技综合实力各因子的其他曲线变化趋势可以看出,1995—2007年广东省各科技因子实力水平逐年提高,各科技因子的发展与科技综合实力的发展的联系十分紧密,且表现出相同的趋势性。
(3)从增长速度变化趋势来看,白色、绿色和蓝色曲线在红色曲线之上,表明科技投入因子、科技协调因子和科技潜力因子逐年的增长速度快于科技综合实力的增长速度;黄色曲线红色曲线之下,表明科技产出因子逐年的增长速度慢于科技综合实力的增长速度。
5 结论与启示
通过基于层次——因子综合评价法的广东省科技综合实力实证研究,我们可以得到以下结论与启示:
(1)科技综合实力是相对值,年度与上一年度科技综合实力的变化态势,在相当程度上反映了科技综合实力逐年发展的状况。广东省科技综合实力评价结果表明了广东省科技综合实力在不断提高。
(2)从科技综合实力各因子增长水平来看,科技投入水平增长速度明显高于其他三个因子的增长速度,说明广东省在科技投入方面由于对“科教兴粤”战略实施的高度认识下,不断增强科技投入水平,同时广东省不断增长的经济实力是可以不断增强科技投入水平的有力保证,科技产出水平增长速度明显落后于其他因子的增长速度,说明广东省的科技产出水平还有很大的潜力可挖,科技协调水平增长速度和科技综合实力增长速度趋于一致,说明广东省的经济增长实现经济发展与环境的协调统一,是一种经济可持续发展模式,科技潜力水平不断增长,体现了广东省经济持续增长的强大内生原动力。
(3)从科技综合实力构成四个因子的关系可以看出,科技投入是基础,对科技综合实力的作用会有一定的时间滞后效果,其作用往往要在一年以后才会显现,所以当年的科技投入只会对下一年的科技综合实力起作用;科技产出对科技综合实力的作用明显,特别是科技成果转化的作用,直接影响本地区的科技综合实力;科技协调是科技综合实力水平不断提高,实现经济可持续发展的有力保证;科技潜力是未来科技综合实力水平不断提高,经济不断增长的内生原动力。
(4)科技综合实力与经济发展的联系十分紧密,且表现出相同的趋势性[4]。因此广东省应该继续坚持“科教兴粤”战略的战略,以科技推动经济发展,继续加大科技投入,提升科技综合实力,进而促进广东省经济高速发展。
摘要：分析科技综合实力的构成要素,建立相应的科技综合实力评价指标体系,构建基于层次—因子综合评价法的评价模型,并对广东省科技综合实力进行了逐年评价。广东省科技综合实力评价结果不仅反映出广东省科技综合实力发展趋势,而且为广东省科技综合实力的提高提供了决策支持。
关键词：科技综合实力,指标体系,因子分析,综合评价
参考文献
[1]CHARNES A,COOPER W W.Management Models and Industrial Application of Linear Programming(vols I and II)[M],New York:John Wiley&Sons.Inc,1961.
[2]IMD.The World Competiveness Yearbook[M],Lausanne,Switzerland,1997.
[3]王湃.SPSS在区域科技综合实力评价中的应用[J],中国管理信息化,2006(11):86-87.
[4]黎雪林.我国区域科技竞争力评价体系研究[J],科技管理研究,2006(2):48-51.