评价统计

评价统计（通用11篇）

评价统计 篇1

统计指标的准确性和及时性在很大程度上影响政府决策的正确性和有效性,卫生统计指标体系是建立卫生统计信息系统的基础和必要条件,科学合理地制定卫生统计指标体系,可为评价、衡量当地卫生工作情况,引导卫生政策、措施的制定和落实,促进相关政府部门对卫生工作进行科学管理提供依据[1]。为正确筛选出实用性、代表性强的指标,合理构建卫生统计指标体系,对常用卫生统计指标筛选方法进行评价。

目前,筛选统计指标构建指标体系的方法主要有两大类:一类是专家主观评定和判定法,适用于资料有限的情况下,主要依据专家的经验知识来确定指标;另一类是数理统计分析方法,适用于定量指标的筛选评价[2]。这两种方法各有优缺点。

1 专家主观评定和判定法

在主观评定法中,指标的筛选方法主要以德尔菲(Delphi)专家咨询法和专家讨论(类似于头脑风暴法)为主。

1.1 德尔菲(Delphi)专家咨询法

德尔菲法作为一种主观、定性的方法,不仅可以用于预测领域,而且可以广泛应用于各种评价指标体系的建立和具体指标的确定过程[3]。德尔菲专家咨询法的核心思想是通过匿名方式进行几轮函询征求专家们的意见,通过有组织地对每一轮专家意见的汇总整理和反馈,使专家们的意见趋于一致,最终得到一个比较一致且可靠性较大的结论或方案[4]。近年来,德尔菲专家咨询法在许多领域指标筛选的研究中被广泛应用,已经成为了一种成熟、公认的指标筛选方法。

1.1.1 德尔菲专家咨询法实施的基本步骤

(1)成立专家小组。Brown.B指出,德尔菲专家咨询法中专家的选择是咨询成败的关键,应邀专家应该对研究的主题领域具有深刻的了解或拥有广博的知识或者丰富的实践经验,这样才能够提出正确的评价意见和有价值的判断。德尔菲法拟选择的专家一般是指在该研究领域从事10年以上技术工作的专业人员。专家选择一般由研究主体来决定,其人数根据研究项目的规模而定,一般情况下,评估或预测的精度与参加人数呈函数关系,即随着专家人数的增加而精度提高[5]。Murphy指出,专家的数量越多得出的结论可靠性越大,但尚没有实际证据证明两者之间的关系[6]。据有关文献报道,专家人数一般以15~50人左右为宜[7],但是也有一些文献指出,当专家数接近15人时,进一步增加专家人数对预测精度的影响不大[8]。

(2)设计专家咨询问卷,准备有关资料。在查阅文献等的基础上,根据研究目的确定专家咨询问卷的内容。咨询问卷一般包括研究的背景介绍、专家基本情况、研究内容、专家判断依据以及对研究内容的熟悉程度等几个方面,另外还应该在问卷中设置一些开放性问题,以方便专家对研究课题和研究内容提出自己的意见和建议。

(3)发放问卷并回收。可以采取纸质问卷邮寄或以电子邮件方式将问卷及时发放给专家,专家根据自己的专业知识和实践经验应答,并提出自己的意见。一般要给每位专家留有足够的时间来填写问卷,请专家在规定时间内按时返回问卷;如若不能按时返回,要问明情况延长时间或者确定不能收回。

(4)整理专家初次判断的意见。对第一轮专家咨询问卷进行汇总、整理分析,设计第二轮咨询问卷,在第二轮问卷中附加上前一次的汇总结果,但不表明各种结果是由哪位专家提出的,以便各专家能直抒己见,不受其他专家影响。专家比较自己同其他专家意见的异同,对结果进行修改或者提出其他意见。也可以把各位专家的意见加以整理,或请身份更高的其他专家加以评论,然后把这些意见再分送给各位专家,以便他们参考后修改自己的意见[9]。

(5)发放第二轮咨询问卷,再次修改,循环进行,直到专家不再提出修改意见为止。一般地,经过两三轮反馈,专家的意见就会趋于稳定。

(6)将专家意见综合处理,得出结果或评价。

1.1.2 德尔菲专家咨询法的优缺点

德尔菲专家咨询法同常见的召集专家开会、通过集体讨论得出一致预测意见的专家会议法既有相同之处又有所区别。德尔菲法能发扬专家会议法的优点,可以充分发挥各位专家的作用,集思广益,所得结果准确性高;同时又能把各位专家意见的分歧点表达出来,取各家之长,避各家之短。另外,德尔菲法还能避免专家会议法的某些缺点:一是权威人士的意见可能会影响他人的意见;二是有些专家碍于情面,不愿意发表与其他人不同的意见;三是出于自尊心而不愿意修改自己原来不全面的意见[10]。在资料有限,特别是数据收集困难的情况下,合理运用德尔菲法能够得到较好结果。

德尔菲专家咨询法的主要缺点是其实施过程比较复杂,一般需要至少经过两轮甚至三四轮的专家咨询才能得到稳定结果,花费时间较长,耗费成本高。并且由于主观性太强,因此在挑选专家时应注意挑选在该课题领域具有精深专业知识的代表,同时还应该考虑专家的不同层次,因为专家咨询结果直接影响到研究质量。此外要注意专家的权威程度和对课题研究内容的熟悉程度,否则,得出的结果或评价的可信性就不够。

1.2 专家会议法[11]

专家会议法是指根据规定原则挑选一定数量的专家,按照一定方式来组织专家会议,发挥专家集体的智能结构效应,对预测对象未来的发展趋势及状况作出判断的一种方法。“头脑风暴法”就是专家会议法的一项具体运用。

1.2.1 专家会议法挑选专家的原则

参加专家会议的人选应按照以下三个原则来进行选取:(1)如果参加者相互认识,要从同一职位(职称或者级别)的人员中去选取,领导者不应参加,否则可能会对参加者造成某种压力,不敢发表自己的意见;(2)如果参会者之间互不认识,则可以从不同职位(职称或级别)的人员中选取,这时不应宣布参加人员职称,不论成员的职称或级别的高低,都应同等对待;(3)参加者的专业应力求与所论及的决策问题相一致,这并不是专家组成员的必要条件。但是,专家中最好包括一些学识渊博,对所论及问题有较深理解的其它领域的专家。

1.2.2 专家会议法的实施过程

(1)专家会议前,组织者须向应邀专家提供书面资料,并对研究主题进行介绍;(2)围绕所研究问题全面邀请专家。确定专家会议的最佳人数和会议进行的时间、地点。专家小组人数一般以10-15人为宜,会议时间一般以进行20-60分钟效果最佳;(3)专家在会议前准备好发言提纲,不同意见可以互相讨论;(4)会议主持者要虚心,以听取意见为主,不发表任何导向性意见或对专家意见和看法予以评价;(5)记录整个会议过程,最好是双录入,以保证资料的完整性和准确性。对各位专家的看法和意见进行汇总整理,得出结论或评价。

1.2.3 专家会议法的优缺点

专家会议法有助于专家们之间交换意见,通过互相启发,可以弥补个人意见不足;通过内外信息交流与反馈,产生“思维共振”,从而将产生的创造性思维活动集中于讨论对象,可以在较短时间内得到富有成效的创造性成果,为决策提供预测依据。但是,专家会议法也有其不足之处:(1)由于参加会议的人数有限,因此代表性不够充分;(2)易受专家权威程度的影响,若参加者中有较有名望的专家,可能会压制不同意见的发表;(3)易受专家语言表达能力的影响,从而使得一些有价值的意见未能得到充分重视;(4)由于个人自尊心等因素影响,容易使会议出现僵局;(5)易受潮流思想的影响等。

2 数理统计分析方法

2.1 变异系数法

变异系数法又称之为离散趋势法,这是从指标的敏感性角度来挑选指标。分别计算各备选指标的变异系数,如果指标的变异系数(CV)太小,用于评价时的分辩能力就较低,不能把各地区的差距拉开,因此剔除变异系数较小的指标,选入那些变异系数较大的指标[12]。

变异系数的计算公式为:

变异系数(CV)=标准差(S)/均数

2.2 综合指数法和界值法

相乘模式的综合指数法是将算术均数、满分比和变异系数这三个指标综合成一个指数,其目的是为了找到一个共同的测量尺度便于多个指标之间的相互比较;界值法,是根据以上三个指标的特性确定界值,规定指标的剔除标准,严格的剔除标准,可以避免重要的指标被淘汰[13]。

综合指数法的计算公式为:

综合指数=(算术均数×满分比)/变异系数

Kj:表示j指标的满分比;mj':表示给满分的专家数,mj:表示评价的专家数;Kj取值在0-1之间,Kj可作为Mj的补充指标,Kj越大,说明对该指标给满分的专家比例越大,该指标也越重要。

2.3 主成分分析法

主成分分析是用较少独立性的综合指标来代替原来较多的相关指标,是进行信息提取与综合的一种有效方法,它从指标的代表性角度筛选指标,先计算指标的主成分,然后选择主成分的个数。这主要根据累积贡献率的大小来确定,一般累积贡献率大于80%为好,或者直接选取特征值大于1所对应的主成分,然后进行最大方差旋转(雅可比旋转)挑选因子负荷绝对值较大的指标入选,使它们尽可能多地保留原始变量的信息,并且彼此之间不相关[14,15]。在实际应用中,主成分分析主要用于综合评价,除了解决变量间共线性和减少分析变量外,其更主要的优点是为综合指标提供了可供参考的变量权重。

2.4 因子分析法

因子分析法与主成分分析一样也是从代表性的角度来筛选指标。因子分析是从多个实测的原变量中提取出较少数的、互不相关的、抽象的综合指标,即因子,每个原变量可用这些提取出的公共因子的线性组合表示。根据各个因子对原变量的影响大小,亦可将原变量划分为等同于因子数目的类数,由于因子数目小于或等于原变量数目,故因子分析既可以达到降低变量维数的目的,又可以对变量进行分类[16]。

2.5 相关系数法

相关系数法是从代表性与独立性的角度挑选指标。计算任意两个指标间的相关系数并作假设检验,以与之相关的指标个数较多和较少者作为被选指标。因为前者有代表性,可以提供较多的信息;后者有独立性,为其它指标所不能代替。如果各指标服从正态分布或经变换后服从正态分布,可用Pearson的积矩相关系数r来进行分析,否则可以采用Spearman或Kendall的等级相关系数进行分析[12]。

2.6 聚类分析法

聚类分析是研究“物以类聚”的一种方法,在国内有人将它称之为群分析、点群分析、簇分析等。聚类分析的目的就是把相似的东西分成类,其实质上就是寻找一种能够客观的反映元素间亲疏关系的统计量,然后根据这种统计量把元素分为若干类[17]。

在聚类分析中,不同类型变量的处理方式不同。总的来讲,提供给计量资料的方法较多,而分类资料和等级资料的处理方法较少。根据实际需要,聚类分析有两种类型,一是对样品聚类(称为Q-型聚类),一是对变量聚类(称为R-型聚类)。而系统聚类法作为聚类分析诸方法中使用最多的一种,主要用于小样本间的聚类及对变量进行聚类。从变量聚类方面来说,这即是从代表性的角度进行指标筛选,在指标体系构建中运用比较广泛。其基本思想是首先采用系统聚类法将指标聚为一定数目的类别,然后选择每一类中具有代表性的指标作为入选指标,选择每类中的相关系数平方的均数较大而类间的相关系数较小的代表性指标[12,18]。相关系数平方的均数表示为,其计算公式为:

其中:k表示此类中变量的个数。挑选值较大的变量作为此类变量中的代表性变量。

2.7 类成分法

指标的代表性是指所选指标能反映该类指标的绝大多数信息。指标的独立性是指选入的指标相互不能代替。根据该思想,赵光临、倪宗瓒[19]提出了一种新的代表性定量指标筛选方法-类成分法,将其运用于医院工作评价指标的筛选,并与传统指标筛选方法进行了比较,结果表明此法较为合理,筛选出来的指标既有类内指标的代表性又有类间指标的独立性。与传统方法不同,类成分法的计算是首先从专业上将指标按其属性分类,每一类各代表一个方面,从每一类中选出一个代表性指标,称为局部代表性指标。选出的指标各代表一个方面.而每一方面均有代表性指标入选,因此,该指标体系具有全面代表性。使用类成分法,能保证所选指标既包含了该类的最大信息,又与最邻近类成分之间的相关程度最小,从而使所选指标既具备类内指标的代表性又保证了类间的独立性。

2.8 多元回归法

回归是研究变量与变量间关系的一种手段,通过回归方程表达变量与变量在数量上的共变关系。而建立指标体系的目的是用这些指标单个地和综合地解释和预测所研究事物所对应的现象,多元回归法是解决这个问题的一个重要思路和重要方法。多元回归法对解决指标间信息重迭问题的特殊意义在于,它可独立地解析出各个指标对事物的影响力和作用.在各个指标相互控制的条件下,观察它们各自相对独立的效果[20]。多元回归方程法就是根据每个指标相对贡献或者解释效力的大小来进行变量的筛选[21]。

指标筛选的方法较多,上述是一些常用的指标筛选方法,包括主观和客观两大方面。各种方法各有其优缺点,在实际运用中,可以根据研究内容、目的、资料收集情况选择适合的方法,可以选择其中的一种,也可以把几种方法结合起来进行分析,这些方法可以同时分别进行,也可以纵向先后进行,根据研究的具体情况来确定。

评价统计 篇2

对数据分析有着非常浓厚的兴趣，并能把兴趣与学习结合起来。在大学时期就学习过统计学相关知识，并能够熟练运用Excel解决实际问题，结合专业知识在财务管理和污染物扩散影响方面进行过建模研究，既加深了对专业课知识的理解又掌握了数据分析与建模的基本方法。撰写的相关学期论文还在校级创新大赛中获奖。

在两年多的研究生学习生涯中，一方面加强理论学习，完善统计学知识体系，系统学习了数理统计、回归应用、多元统计、时间序列、定性数据分析等传统和现代统计学知识，为应用奠定坚实理论基础，并注意培养分析问题并且建模解决问题的能力。另一方面加强实际操作能力，主攻SAS操作，有一定c语言基础，熟悉SQL数据库基本操作，熟练掌握SAS/BASE/ETS/STAT主要数据分析模块，努力学习SAS/IML/ARRAY/MACRO/SQL等高级操作模块，能够把理论知识与实际操作结合起来进行建模和深入研究。

评价统计 篇3

1.资料来源

资料来源于某地2006~2010年年终考核资料，选出能够反映人口统计工作质量的5项统计指标进行综合评价。

2.分析方法

采用秩和比法。步骤如下：

2.1编秩次

选出出生漏瞒报率（X1）、出生多报率（X2）、计划内外属性误差率（X3）、出生性别误差率（X4）、出生上报及时率（X5）5项评价指标，按除出生上报及时率为高优指标外，其余均为低优指标编秩，高优指标从小到大编秩，低优指标从大到小编秩，相同者取平均值。见表1括号内数值。

2.2计算RSR

根据该地2003~2010年人口出生统计质量指标，运用秩和比公式RSR= /（m€譶），计算结果见表1。公式中R为某一评价对象的考核指标的秩次值，m为指标个数，n为分组数，RSR值即为多指标的平均秩次，其值越大越优。

2.3确定RSR的分布

根据RSR值大小，由小到大确定分布后，计算向下累计频率，并以此查百分数与概率单位对照表，求其所对应的概率单位Y值，计算结果见表2。

2.4计算回归方程RSR=A+BY

RSR值正态性检验：Z=0.417，双侧验检P=0.995。说明RSR值呈正态分布。

将概率单位值Y作为自变量，秩和比RSR作为因变量，经相关和回归分析，因变量RSR与自变量概率单位值Y具有线性相关（r=0.9841），线性回归方程为: =-0.6360+0.2292Y，经F检验，F=184.082，P=0.000，说明所求线性回归方程有统计学意义。

2.5排序分档

将该地2005—2010年人口出生统计质量分为三档，根据统计学家田凤调教授提供的分档标准，分档见表3。

3.讨论

3.1秩和比（RSR）是一个新的统计量，是复合信息的载体，是综合效应的量化指标，也是非参数统计与参数统计相互融通的接口、切入点，有着极强的统计信息功能，在统计管理与统计研究中兼有描述性与推断性。运用秩和比法能对人口出生统计质量指标进行综合评价，即将多项指标、多种因素进行分析，可弥补采用单项指标评价人口出生统计质量产生偏差的不足，能较客观、全面、正确地反映出人口出生统计质量的水平。

3.2秩和比的关键步骤是秩代换，针对性强，操作简便，应用价值高。秩和比法从计算RSR开始，确定RSR分布，进而进行各种参数与非参数统计处理，最后对RSR分布进行科学阐述。是一种简易、直观、实用、有效的统计方法。

3.3RSR值是反映被评价对象的相对优劣程度的指标，RSR值越大，说明被评价的综合水平越高。本文应用RSR法对某地2003~2010年度人口出生统计质量进行了综合评价，其结果显示：2003年度人口出生统计质量较差，2009年、2010年综合统计质量较好，2008年、2005年、2007年、2006年、2004年综合统计质量相对中等。2004年开始，该地人口出生统计质量有所提升，这与该地推行使用网络版育龄妇女信息系统进行出生统计有一定的关系，2009年、2010年人口出生统计质量进一步提高，认为与该地近两年加强人口出生统计质量监管、进一步规范信息系统记录的修改和删除等制度有一定的关系。

参考文献

[1] 田凤调．秩和比法及其应用[M]．中国统计出版社．1993．

统计数据质量的模糊综合评价 篇4

随着科学技术的进步,统计在各领域中的地位越来越重要,统计数据质量的高低对于决策和我们的社会实践活动有着直接的影响。高质量的统计数据可以帮助我们做出更加科学的决策,有利于生产的发展和社会的进步,否则的话结果也是可想而知的。近来统计数据质量的评价已经成为人们关注的热点问题,也有了一些研究成果[1,2,3]。

客观世界中的许多问题都表现出一种界线不清晰的不确定性,这主要是人类的思维具有概括性、语言表达具有模糊性、逻辑具有一定的定性特点的缘故,人们在评价这类事物时,往往难以准确的描述它们,因而也就很难确定其特征。这种界线不清晰的不确定性就是所谓的模糊性,模糊不确定性现象不满足排中律,表现为模糊的亦此亦彼性,它们不能使用传统集合论和二值逻辑来描述,必须运用模糊集合理论加以研究才能奏效。另外,模糊技术模仿了人的思维和处理问题的方式,可以以较低的代价获得令人满意的结果,因而得到了越来越广泛的应用。不管是客观信息还是人为因素造成的模糊性,当它在评价问题中占有重要地位时,便构成了模糊综合评价问题。在统计数据质量的评价问题中,因为许多评价指标具有模糊性的特点,因此,运用模糊综合评价方法进行评价效果更为理想。目前。运用模糊综合评价方法评价统计数据质量的文献并不多见。

1 统计数据质量模糊综合评价模型

模糊综合评价可以用来对模糊信息进行全面和定量的评价,能够有效地提高判断的准确性和决策的科学性。要正确评价一个具体对象,首先要对其若干因素给出评语,然后再进行综合。为了表达上的简洁,我们仅介绍单因素模糊综合评价模型。模糊综合评价一般可归纳为以下几个步骤:

1.1 确定评价对象的因素集

因素就是评价对象的属性或指标,有些场合也成为参数指标或质量指标,它们综合反映出评价对象的质量,人们根据对象的因素对其进行评价。因素集可表示为

对于统计数据质量模糊综合评价问题,我们取X={及时性,统计数据的客观性,统计方法的科学性}。

1.2 确立权重集

由于对X中各因素有不同的测度,需要对每一个因素按其重要程度给出不同的权重,它可表示为X上的一个模糊子集,A={a1,a2,…,an},

其中ai={1,2,…,n}是因素xi对A的隶属度,通常规定

权重的确定在模糊综合评价中是至关重要的,因为权重集确定的恰当与否会直接影响到综合评价的最终结果。权重集的确定方法有很多种,诸如客观赋权法、主观赋权法、组合赋权法和交互式赋权法。下面介绍几种具体的常用方法。

(1)专家调查法

首先,请有关专家或具有丰富经验的相关人员若干个,请他们对因素集中各元素独立地给出自己认为最合适的权重向量

然后,对每个因素进行单因素统计,具体步骤是:

(1)对于因素xi(i=1,2,…,n),在其权重中找出最大值Mi和最小值mi,即

(2)选取适当的正整数k,有下述公式

计算出把权重分成k组的组距,并将权重由小到大分成k组。

(3)计算落在每组中权数的频数和频率。

(4)根据频数和频率的分布情况,确定第i个因素的权数ai,从而得到权重集。

(2)继承方法

对某种评价对象的个因素的权重,根据历史数据有某种方案,设为A1,对于目前的情况时间和空间上的改变可能会有新的权重分配方案A2,而A1是大量经验的积累,A2具有较现实的合理性,因此可以采用加权方式给出新的权重分配方案

其中,α可根据情况选取一个适当的数值。

(3)二元对比倒数法

对因素集中的各元素两两比较,根据它们对实现目标的贡献的大小从1到7赋值,如aij=7意味着因素xi比xj极端重要。令aji=1/aij,这样可得到对比矩阵A=(aij),对比矩阵的主对角元都是1。再用优势积累法,即求同一行元素之和,得到权向量,

再归一化即可得到所需要的权重集。

1.3 建立评价集

评价集是由对评价对象可能作出的评价结果所组成的集合,可表示为

对于统计数据质量模糊综合评价问题,我们取Y={质量高,良好,一般,差}。

模糊综合评价的目的就是通过对评价对象综合考虑所有影响因素,从评价集中获得一个最佳的评价结果。首先从单因素出发进行评价,确定评价对象对评价集中各元素的隶属度。

建立一个从X到Y的模糊映射,

由此可得到单因素评价矩阵

1.4 综合评价

因素集和权重集确定以后,按照模糊矩阵的乘法运算,可得到模糊综合评价集B,即B=A莓R.记B=(b1,b2,…,bm),它是Y上的一个模糊子集,其中

最后利用最大隶属度原则或加权平均等原则就可得到综合评价的结果。以上我们介绍的处理问题的一般原则,具体问题可结合具体情况与模糊数学理论采用不同的具体方法来处理,不可能说一种方法适用于所有的情况。譬如合成算子模型我们采用了取大取小模型,这种模型运算简单,但因丢失了不少信息,致使评价结果比较粗糙,该模型不适于因素太多或太少的情形。比较常用的合成算子如:M(•,∨),也就是,也就是,等等,这些合成算子各自都有各自的优势和劣势。具体应用那个模型可根据具体情况来定,也可以应用多个模型,作出多个结果在进行加权平均得到期望的结果。总之,具体应用时要根据具体情况选用适当的模糊技术,这样才能取得另人满意的效果。

2 算例分析

对于某统计数据质量的评价,我们给出权重集A=(0.2,0.5,0.3),评价矩阵采用专家评分方式给出:

那么

求出评价指标bj(j=1,2,…,m)后,一般根据最大隶属度原则,把与最大的评价指标相对应的评价集元素作为评价结果。当然,也可以根据具体情况应用加权平均法或模糊分布法来进行评价。我们本例的评价结果为该统计数据质量良好。

3 结论

本文利用模糊综合评价方法,给出了统计数据质量的评价体系和评价原则,各种评价指标可以根据具体情况的不同采用不同的模糊技术处理。较之确定性方法,运用模糊综合评价方法评价统计数据的质量,准确度更高,并且具有更为理想的可靠性。

参考文献

[1]谭洪章.统计数据质量问题研究[J].重庆工业管理学院学报,1998(3):49-52.

[2]陈健,王军.对提高统计数据质量的几点思考[J].淮阴工学院学报,2001(5):63-64.

[3]刘延年.如何评价统计数据的质量与可靠性[J].统计研究,2002(8):61-63.

[4]朱训生.工程管理的模糊分析[M].上海交通大学出版社,2004.

[5]王新利.模糊综合评价法在项目投资决策中的运用[J].财会月刊,2009(6):57-58.

学校满意度调查统计家长评价 篇5

1、您对我校的教育教学工作感觉满意吗？

□很满意□基本满意□不满意

2、孩子喜欢他的老师吗？

□都喜欢□大部分喜欢□ 只喜欢个别的□都不喜欢

3、班主任老师经常与家长联系、沟通吗?（）

□经常沟通□偶尔沟通□ 只有家长会沟通□没沟通过

4、您认为我校教师的工作态度如何？（）

□很敬业□大部分老师敬业

□50%左右的老师敬业□个别老师很敬业

5、您认为老师批改作业认真吗?

□认真□大部分认真□50%左右认真□个别老师认真0.4%

6、您认为孩子的课业负担情况如何？

□负担较重□比较合理□负担较轻□说不清

7、老师能平等公正的对待全班的每个同学吗？

□能□大部分能□50%左右能□个别能

8、您认为我校多年来对学生进行的养成教育对孩子的帮助大吗？

□有很大帮助□有一定帮助□没有帮助□说不清

9、老师是否有强行要求孩子购买报刊资料、教辅用具的行为？

□没有□偶尔有□经常有□说不清

10、老师是否存在歧视、侮辱、体罚、变相体罚孩子的现象？

□没有□偶尔有□经常有□不清楚2.1%

11、在我校教师中是否存在有偿家教的行为？

□有□比较少□没有□不清楚

12、您认为我校教师职业道德的总体水平如何？

评价统计 篇6

【关键词】多元统计分析方法；股票投资状况；综合评价研究

一、前言

对于我国的经济发展状况，可以从股票市场的发展中得到体现，在短短十几年的时间里，就实现了资本主义国家百年的发展成果。由此也能够体现出我国经济迅猛的发展态势。而在近几年当中，随着股票市场的不断发展，也逐渐暴露出了很多问题，对于经济市场、股票市场的发展，产生了很大的威胁。因此，基于多元统计分析方法，对股票投资状况进行综合评价，更加充分的理解和认识其中存在的问题，从而更好的存进股票投资市场的发展。

二、多元统计分析方法的基本概述

在经典统计学当中，多元统计是一个重要的发展分支，作为一种分析方法来说，多元统计分析具有很强的综合性。应用该方法，能够在相互关联的多个指标、对象之间，对其统计规律进行分析，在数理统计学当中，也是一个非常重要的分支学科。在多元统计分析方法中，包括了很多不同的统计方法，例如多重回归分析、多元方差分析、判别分析、典型相关分析、聚类分析、因子分析、对应分析、主成分分析等方法。在实际应用中，多元统计分析方法主要是在一个客观事物当中，研究多个不同变量之间相互依赖的统计性规律。基于费希尔等统计学专家的研究，得到了十分良好的进展。随着计算机技术的发展和应用，也随之出现了很多统计软件，因而在医学、生物、气象、地质、图形处理、经济分析等诸多领域当中，多元统计分析方法都得到了广泛的应用。而随着应用领域的不断拓宽，多元统计方法的理论也得到了进一步的发展，因而为人们的实际应用提供了更大的便利。

三、多元统计分析方法在股票投资状况综合评价中的应用

1.因子分析法的应用

因子分析法指的是将共性因子从变量群当中进行提取，从而进行相应的统计。这种方法最早是由英国心理学家斯皮尔曼所提出。在多个变量当中，可以利用因子分析法，对隐藏的具有代表性的因子进行找出，并且在一个因子当中，对本质相同的变量进行纳入，从而使变量的数目得以减少，此外，对于变量之间关系的假设，也能够进行有效的检验。在股票投资方面，因子分析法主要是用于对股票投资组合模型进行确定。在分析当中，利用不同的变量来替代对股票价格产生影响的因素，从而对股价因子模型进行建立。通过确定各个因子的不相关性，对股票进行分类，然后基于对股票发展潜力的研究，对最为适当的股票投资模型进行确定。

2.聚类分析法的应用

在聚类分析法当中，主要是对研究对象的特征进行分析，从而进行分类和数目的减少，是统计分析技术中的集中。在股票投资状况的综合评价当中，聚类分析法能够对股票投资的特种特点加以利用。由于在股票投资当中，具有很多动态变化因素。因此，对于这些因素应当进行恰当的分析，从而寻找有效的方法，来规范治理这种动态情况，从而更加精确和准确的进行投资分析。在实际应用中，由于股票价格会受到很多因素的影响，因而具有不稳定性和波动性的特点，进而也引发了股票投资不理想的情况。而应用聚类分析法，能够对这种不确定性进行有效的弥补。作为一种专业的投资分析方法，聚类分析法能够对与股票市场相关联的企业、行业等进行深层次的分析，从而对具有潜力的股票进行正确的预测。此外，在实际应用中，聚类分析法的实用性和直观性更强，因而具有很广泛的适用范围。

3.主成分分析法的应用

主成分分析法是多元统计分析方法中一种对数据集进行简化和分析的方法，该方法在20世纪初由皮尔逊所发明，在数理模型的建立、以及数据分析当中，能够发挥良好的作用。在实际应用中，通过分解协方差矩阵的特征，对数据的特征矢量和权值进行获取。在实际应用中，主成分分析具有十分广泛的应用，通过研究各种分类数据，对自变量各组之间的差异进行分析和总结，从而对组件差异中不同自变量的完全贡献进行判断，最終利用这些数据，样本归类自变量的转变方法。在股票投资状况的综合评价当中，对于各种对股票市场产生影响因素来说，相互之间往往存在着较大的关联和影响，同时影响因素也非常复杂。利用主成分分析法，能够将这些因素之间的影响进行降低。通过对各种因素和数据的总结分析，得出不同因素的影响程度，从而对指标选择的工作量进行降低。此外，相比于传统的构造回归模型方法，利用主成分分析法，能够更有效的节约时间，同时提高分析的精确度，为股票投资提供更加良好的依据和参考。

四、结论

随着我国经济的快速发展，作为一种重要的经济形式，股票市场也得到了极大的进步。而由于股票市场的发展时间较短，各方面都还不够成熟，因此在股票投资中难免会出现一些问题。对此，应用多元统计分析方法，能够对股票投资状况进行综合评价，从而为更加理性、科学地进行股票投资提供依据。

参考文献：

[1]李银，黄惠娟，梁瑞时. 基于多元统计分析的股票最优投资模型[J]. 韶关学院学报，2014，12：10-14.

[2]韩燕，崔鑫，郭艳. 中国上市公司股票投资的动机研究[J]. 管理科学，2015，04：120-131.

[3]殷建红，杜亚怀，张瑞君. 商业信用评级模型的构建与优化——P公司案例研究[J]. 经济理论与经济管理，2014，08：89-102.

评价统计 篇7

计财部门的工作在税务机关的特殊地位下要求其更需追求良好的工作绩效, 税务系统计划财务部门的绩效与税务工作人员的工作绩效直接相关。

新中国成立以来的税收会计工作, 经历了一个“建立与健全-削弱、恢复与破坏-加强再加强的曲折发展过程。从实行“收付记账法”到实行“借贷记账法”的改革开始, 又进行了将税收会计的核算起点从原来的征收环节开始, 改为从申报环节开始, 把应征税款, 减免税款和欠缴税款纳入会计核算范围的改革, 对税金从应征到入库运动的全过程进行完整核算, 按每个纳税人设置分户账进行明细核算, 加强对每个纳税户的监控管理, 使税收会计核算方法更为科学。总体而言, 税收会计的发展趋势是加强管理、简便快捷、集中高效。在这样的背景下, 如何解决行政效率问题, 如何进行税务系统计财部门绩效评价就成为了迫切需要研究的问题。

目前, 国内外关于绩效的研究探讨积累了丰富的理论和实践成果, 但是将经济增加值 (Economic Value Added) 以下简称EVA, 关键绩效指标 (Key Performance Indieator) 以下简称KPI, 平衡记分卡 (The Balanced Scorecard) 以下简称BSC, 相结合的绩效考评理念、方法和工具还没有被应用到税务系统计划财务部门的绩效评价中去。

在此, 本文首先根据EVA所有者自身效能最大化理念确定税务系统计财部门绩效评价工作的总目标, 在这一总目标的指引下, 设定税务系统计财部门绩效评价工作的战略层管理目标, 然后将这一战略目标, 运用BSC理论分解为财务、客户、内部流程、学习与成长四个维度, 最终在这四个维度的层次下, 运用KPI理论进行每个维度下主控关键指标的选取, 通过加权、赋值等方法得出评价结果, 从而建立起一整套完善的绩效评价指标体系。

二、税务系统计财部门绩效评价体系构建

1、整体框架

BSC、EVA、KPI整合的绩效评价方法是一种高效的管理方法, 但这一方法的使用不能生搬硬套, 作为非盈利组织的税务系统计财部门, 在引入BSC、EVA、KPI整合的绩效评价方法时, 需要根据实际情况进行调整, 设计出自己的总体框架, 找到自己的关键因素, 创造性的灵活运用, 随着内外环境和条件的改变, 不断进行调整, 才可以使得这一理论的优势体现出来, 才能够使得这一理论的精华充分发挥出来。具体描述如下。

(1) 根据EVA最大化理念确定税务系统计财部门绩效评价工作的总目标, 即“完成使命, 满足客户要求”。我们将EVA对税务系统计财部门绩效评价要求放在其绩效评价体系的顶部, 这样就可以清楚的表达出组织的核心任务, 以便引导对完成这些职能要求的绩效做出恰当合理的评价, 评价的其他目标就可以以此高水平目标为导向。

(2) 在“完成使命, 满足客户要求”这一总目标的指引下, 税务系统计财部门还需要根本性的战略目标对发展远景进行补充, 说明其存在的必要性以及最终取得的成果。换句话说, 就是要对税务系统计财部门的职能要求做出陈述, 设定税务系统计财部门绩效评价工作的战略层管理目标, 即“保证税收收入健康稳定增长, 保障税务经费安全高效使用”。

(3) 将“保证税收收入健康稳定增长, 保障税务经费安全高效使用”这一战略目标, 运用BSC理论分解为财务、客户、内部流程、学习与成长四个维度。这四个维度成为选择关键绩效指标的主控因素。

(4) 在财务、客户、内部流程、学习与成长四个维度的层次下, 运用KPI理论进行每个维度下关键评价指标的选取, 利用权数计算或者构建AHP (层次分析法, Analytic Hierarchy Process, 简称AHP) 矩阵模型, 求出数值, 为税务系统计财部门评价工作, 提供有说服力的评价指标。

通过以上的分析和论证, 我们就可以形成税务系统计财部门BSC、EVA、KPI绩效评价体系的整体框架 (见图1) 。

2、构建税务系统计财部门绩效评价KPI体系

(1) 财务维度主控下KPI的选取。税务系统计财部门只有在收入既定的情况下降低成本支出或在成本既定的情况下增加收入才能为国家多做贡献。而根据税收经济观, 税收收入是有上限的, 即当税务系统计财部门管辖范围内税款应收尽收时税收收入达到上限, 此时税务系统计财部门降低成本支出是提高其贡献水平的唯一途径。具体财务指标构成如下。其一, 预算执行控制指标。包括预算收入完成率和预算支出完成率。用以考察税务系统计财部门对预算收支执行的控制能力, 其计算公式是:预算收入完成率=预算收入完成总额/预算收入计划总额×100%, 预算支出完成率=预算支出完成总额/预算支出计划总额×100%。其二, 经费支出控制指标。包括人员经费支出比、公用经费支出比、个人家庭补助支出比和固定资产支出比。用以考察税务系统计财部门对费用支出结构的控制, 其计算公式是:人员经费支出比=当年人员支出总额/当年支出总额×100%, 公用经费支出比=当年日常公用经费支出总额/当年支出总额×100%, 个人家庭补助支出比=当年对个人家庭补助支出总额/当年支出总额×100%, 固定资产支出比=当年固定资产修购支出总额/当年支出总额×100%。其三, 财务能力控制指标。包括资产负债率和收入结余率。用以考察税务系统计财部门对资金安全程度的控制, 其计算公式是:资产负债率=年末负债总额/年末资产总额×100%, 收入结余率=当年结余/当年收入总额×100%。其四, 资产管理控制指标。采用固定资产增长率指标, 用以考察税务系统计财部门对资产保值增值的管理能力, 其计算公式是:固定资产增长率= (固定资产年末数-年初数) /固定资产年初数×100%。

(2) 客户维度主控下KPI的选取。根据税务系统计财部门绩效评价客户层的四个方面, 客户维度主控下KPI选取目标是基于:第一, 上级计财部门满意度;第二, 同级机关领导满意度;第三, 同级机关其他相关部门满意度;第四, 下级计财部门满意度。各个客户层满意度指标从以下指标体系中选取。其一, 计财部门绩效评价综合指标。财务报告真实性:指财务报告数据准确性。财务报告明晰性:指报告的使用者和审计者能够理解报告中的数据和整个报告的组织。财务报告及时性:指出表时间的要求。财务报告相关性:指报告中数据的有用性, 管理者是否离开这份报告, 就无法实施管理。财务报告创新性:指是否提供规定内容之外的新颖的分析, 这些分析对报告的使用者非常有用。制定有关工作流程和标准的相关性:指本级机关领导认为对财务环节控制的是否充分;本级机关其他部门工作人员认为对财务环节控制的是否充分;上级计财部门认为财务流程有效, 或作为典范;下级计财部门认为财务流程有效, 或作为典范;也就是制定和管理财务有关工作流程和标准的领导满意度、其他部门满意度、下级计财部门满意度、上级计财部门满意度。沟通桥梁作用的发挥:指能否向上级及时反映本部门工作情况, 是否存在因未能与上级沟通而导致工作失误的情况;与部门沟通, 能否将上级指示传达本部门;与下属沟通, 不及时听取下属意见导致工作失误;部门间沟通, 能否积极协助其他部门工作, 与各部门人员的配合是否密切。财务建议的主动性:向领导提出改善管理的建议的主动性。费用监控情况:对费用监控及时, 异常情况及时向上级汇报。任务完成及时性:上级交办的任务是否及时有效的完成。其二, 计财部门税收计划工作评价指标。搞好重点税源分析:分析是否及时全面客观。开展税收收入调查:是否及时详细。其三, 计财部门税收会计统计工作评价指标。与财政和金库的对账:是否及时, 准确。税款收入监督:是否完备。其四, 计财部门税收票证管理工作评价指标。汇总各单位票证用量计划:是否按时完成。票证供应:能否保证及时供应。其五, 计财部门经费管理工作评价指标。经费供应:保证各项正常工作的经费供应。预算编制:按要求合理编制预算、各项报表及经费决算。预算检查:建立健全各项管理制度, 定期对预算执行情况进行检查, 及时解决工作中出现的问题。

(3) 内部管理流程维度主控下KPI的选取。其一, 计财部门绩效评价综合指标。凭证真实性完备性:衡量人员的审核工作效果, 不存在未发现的虚假发票账单、结算凭证。记账出错率:衡量账薄记录的准确性, 检查出当期登账错误不超过当期记录总数的0.5% (不同单位规定不同比率) 。纪录完整性:质量性指标, 衡量账簿记录是否反映出全部相关业务。未达账项时间:衡量出纳的稽核工作效果, 无两个月以上未达账项。库存现金:数量性指标, 衡量库存现金管理的工作效果, 实际数额与账面记录一致, 没有现金、遗失、短缺现象发生。保管情况:质量性指标, 衡量票据与印章保管情况, 不存在丢失或被盗用情况不存在规定用途以外的使用情况。合规性:质量性指标, 衡量工作的合规性, 不存在违反国家有关现金管理与银行结算制度的操作行为。提出合理化建议的数量:根据计财部门具体情况来制定提出合理化建议的数量所对应的绩效水平。合理化建议被采纳的数量:同样应根据计财部门具体情况来制定合理化建议被采纳的数量所对应的绩效水平。出勤率:本企业所规定的出勤标准。其二, 计财部门税收计划工作评价指标。认真编报、分配、落实考核税收计划:工作完成情况。落实税收目标:工作完成情况。计算机使用情况:工作完成情况。对组织收税工作中出现的问题进行调查研究:工作完成情况。其三, 计财部门税收会计统计工作评价指标。编印税务统计年鉴:工作完成情况。编印简明统计资料:工作完成情况。建全规章制度:工作完成情况。信息质量:收集统计资料完整、数字准确、口径统一。及时掌握税收、税源、税政资料:工作完成情况。科目运用:对税收应征、上解、在途、入库、提退、减免等资金运动全过程进行全面的控制、核算、分析和检查。其四, 计财部门税收票证管理。汇总票证用量计划:工作完成质量。认真执行税收票证管理工作制度:根据本地实际情况建立健全各项规章制度和监督制约机制, 实行责任追究制。核算质量:正确核算票证的领用、作废、损失等, 做票证的账实相符。审核制度:定期进行票证审核检查, 及时采取措施解决问题。其五, 计财部门经费管理。固定资产核算质量:应当建立、健全固定资产管理制度, 明确计财部门、财产管理部门以及使用部门的责任, 由计财部门统一建账、核算, 由财产管理部门统一登记、管理:年度终了, 应当进行清查盘点, 保证账账相符、账卡相符、账实相符。预算内外资金核算质量:系统全部资金实行集中管理, 收入支出要合理合法, 严格执行财经纪律和财务会计制度。保证国家资金安全高效使用:对费用支出进行监督控制, 异常情况及时反馈。健全报销流程:完善程序, 会计报销, 出纳付款, 而不是由出纳报销。实行岗位牵制:钱账分管, 出纳会计职责分工明确。

(4) 学习与成长维度主控下KPI的选取。税务系统计财部门的学习和成长方面强调税务部门财务干部的能力, 倡导为提高税务部门财务干部的能力和绩效进行投资, 为组织的未来发展提供前提条件。具体选取评价指标如下, 第一, 税务系统计财工作人员对国家相关财经法律的了解度:能够全面了解国家相关财经法律、法规及统一的会计制度, 并清楚了解其中对本财会岗位的法律要求及规定。第二, 税务系统计财工作人员对本单位财会制度的了解度:能够全面掌握本企业的财会制度, 并明确理解其中对自身财会岗位的制度要求及规定。第三, 税务系统计财工作人员对工作职责的了解度:能够清楚了解本职工作任务与职责要求的全部内容, 反映财会人员对本职工作的责任感。第四, 税务系统计财工作人员履行职责的认真程度:能够认真从事本岗位的工作、履行职责要求, 反映财会人员对本职工作的责任感。第五, 税务系统计财工作人员对本职工作与组织整体目标关系的理解度:能够理解组织的目标和自己对组织目标的贡献是什么。第六, 税务系统计财工作人员对集体及税务机关整体的关心度:能够关心所在的工作团队、部门以及税务机关整体的利益、声誉, 优秀绩效表现:主动维护、建立团队以及税务机关整体的利益与声誉。第七, 税务系统计财工作人员的胜任能力:是否拥有完成工作所必需的知识和技能, 或者有获得这些知识和技能的计划。第八, 税务系统计财部门是否经常组织培训:是否有完整的年度培训计划, 是否定期对员工进行培训, 培训计划是否按期完成。第九, 税务系统计财人员资格考试通过率。第十, 税务系统计财工作人员整体素质:高学历、高职称工作人员的多少。

3、选择等级评定法作为税务系统计财部门绩效评价方法

税务系统计财部门绩效评价, 需要合理运用绩效测评的方法与技巧才能够真正发挥作用。一般来说, 税务系统计财部门的绩效测评有:等级评定法、强迫分布法、排序法、要素比较法等。等级评定法, 是最容易操作的和普遍应用的一种绩效测评方法。这种方法的操作形式, 是先制定关于计财部门的具体的测评标准, 在进行绩效测评时, 按已制定的有关各项测评标准来测评计财部门的业绩和效益。同时, 对计财部门的每一项, 又设立评分等级数, 一般分为5个等级:最优的为10分, 次之为8分, 依次类推。最后把各项得分汇总, 得出绩效测评结果 (见表1) 。

填表人:审核:填表时间:年月日

三、研究结论与局限性

本文将BSC、EVA、KPI整合的绩效评价体系应用于税务系统计财部门的绩效评价中, 建立了一套适合税务系统计财部门的绩效评价体系, 旨在引起社会和有关政府部门对建立税务系统财会绩效评价体系的重要性和紧迫性的认识, 同时为有关部门研究和制定税务系统财会绩效评价体系提供参考。但该问题涉及理论及实务的诸多方面, 本文还有很多问题没有涉猎, 如:同新的评价体系相适应的激励和约束机制的设计、如何从现有的绩效评价系统转向新的评价系统等等, 这些问题尚需留待以后继续研究。

参考文献

[1]Robert S.Kaplan、David P.Norton:Using the Balanced Score-card as a Strategic Management System[A].In:Harvard Business Review[C].Boston:Harvard Business School Press, 1996.

[2]Larry M Prober:EVA:A better financial reporting tool[J].Penn-sylvania CPA Journa1, 2000 (3) .

[3]国家行政学院国际合作交流部:西方国家行政改革述评[M].国家行政学院出版社, 1998.

评价统计 篇8

林业转轨时期的行业特点主要表现在价值创造和发展模式两个层面。一方面, 我国倡导可持续发展之路, 林业作为和生态环境息息相关的部门系统, 承担着重要的责任使命。林业经济已经不能仅仅从财务价值角度体现发展的成果, 更要为生态环境提供强有力的支撑, 以生态价值衡量其可持续发展的动能。另一方面, 林业部门长期沿用传统的工作模式, 内部改革缺乏动力, 政府指导和市场化运作的有机结合成为值得应用的新型模式。激发企业参与的积极性, 引入现代企业管理的先进制度, 有助于林业系统由粗放型经营向集约型转变。在此背景下, 林业统计工作也应根据转轨时期的需求, 加快新型统计评价指标体系的构建。

2林业转轨时期统计评价指标体系构建的方向

按照林业转轨时期的特点, 行业统计评价指标体系的构建应顺应我国林业经济结构调整的趋势, 推动全国范围内林业统计工作的整合, 以科学的指标内容体现统计工作的前瞻性。

第一, 设计具备普遍适用性的统计评价指标体系。

林业转轨不只是在某个地区内的局部改革, 而是全国范围内的规模性改革与发展。虽然南北方种植的林业树种不同, 但在转型时期的价值创造需求具有共通性。所以从林业的生产、流通, 到资源产品的交换与分配, 实用价值的创造, 都应当使用统一的、具备普遍适用性的评价指标, 便于国家对林业经济实施宏观指导和微观管理, 并增强不同地区间的可比性。我国林业生产经营正在由单一化向综合性过渡, 不仅要考察林业种植的数量, 更要重视林业生产的质量和效果。而且林业生产经营已渗透到第二产业和第三产业, 指标体系的范围应扩大为涵盖三大产业, 指标内容也进一步扩充, 突出林业生产在国民经济中的比重规模、贡献程度、结构转化程度、同时要注意统计评价指标的设置需和核算方法匹配, 从而便与于核算操作。

第二, 创建有形指标和无形指标并行的统计评价指标体系。

林业转轨时期尤其强调对林业社会价值和生态价值的培育, 两者在很大程度上属于无形的价值形式, 但却对可以给人类社会带来深远影响。例如, 植树造林对抑制地区工业污染、减少噪声传播, 不仅有利于提升人体健康指数, 更会减缓生态环境的恶化速度, 所以必须经过相当长的时间才能体现无形价值的重要性。统计评价指标体系的创建也应当充分考虑到有形指标和无形指标的融合, 使两者并行发挥统计功效。有形指标侧重于对物质生产成果的统计, 即实物量的生产和消耗, 如每年投入的建设物资, 新增木材产量, 植被树种的耕种变化, 森林灾害损失等。无形指标侧重于林业系统创造的社会效益和生态效益统计, 如噪音排放量的减少, 空气质量的变化, 突出低碳环保理念的应用。

第三, 塑造具有行业前瞻性的统计评价指标体系。

林业系统原先的统计指标存在滞后性, 即主要体现实际投入的物资和工作量, 经济效益水平体现不足, 不利于效益核算。当转轨时期社会效益、生态效益和经济效益并举发展后, 林业系统多种经营模式的共存应以前瞻性的指标体系, 配合预算工作的执行, 将物资消耗、劳动消耗、多种生产经营价值、技术升级换代等因素严格统计, 增强指标间的联系, 实现有效的目标管理。

3林业转轨时期统计评价字号表体系构建的保障措施

林业转轨时期统计评价指标体系的构建离不开相应的保障措施, 林业系统应推进日常管理改革、信息化建设、实用效果评估等工作, 为新型统计评价指标体系的应用铺平道路。

第一, 完善日常管理工作。

新的统计评价指标体系需要多方面的统计调研支持, 林业部门应依据新增指标和统计要求, 设计科学的调研方法, 将有形指标和无形指标的统计落实到具体的部门和人员, 建立岗位责任制, 严格日常管理, 收集统计依据。新指标体系的构建和应用要特别加强林业系统各部门的通力合作, 指标推广、宣传教育和岗位技能培训都是必要的保障工作。

第二, 推进林业统计数据库建设。

新时期林业统计评价指标体系的构建应及时反映到信息化管理系统之中, 使新型评价指标能够得到实时反馈应用, 为林业经营管理提供决策支持。受计划经济体制影响, 林业系统对现代管理方法的应用不足, 所以统计数据库的建设势在必行。统计人员应借助信息化管理高效、精准、深入的优势, 从数据库中挖掘有价值的信息。

第三, 开展对新指标体系的实用检验。

统计评价指标重新构建后, 林业部门应认真检验新指标对行业发展的杠杆指导作用, 深化统计监督的作用。通过管理变革, 统计人员应广泛搜集林业生产经营的信息, 并借助信息系统的帮助, 整理、加工数据信息, 研究统计评价指标体系改革后林业生产经营在经济效益、社会效益、生态效益方面的进步成果, 并提高新型统计指标体系的管理质量。

4总结

在林业转轨时期, 积极开展统计评价指标体系的构建工作是改革的大势所趋, 作为统计工作人员, 应当与时俱进, 深化指标体系的科学设计与实用研究, 从而为林业经济的发展做出贡献。

参考文献

评价统计 篇9

在本文的研究当中, 所选择的是已经上市的20家企业在2012年的财务指标, 所涉及到的评价指标比较多, 加上每一个指标和每一个指标之间存在着一定的联系。需要指出的是, 这20家企业分别是:南京中商企业、华联综超企业、新世界企业、南京新柏企业、东百集团企业、欧亚集团企业、南宁百货企业、首商股份企业、兰州民百企业、汉商集团企业、友好集团企业、杭州解百企业、津劝业企业、友谊股份企业、成商集团企业、长百集团企业、北京城乡企业、百大集团企业、三江购物企业、永辉超市连锁企业。

所以, 本文在对主成分因子做出分析的时候, 主要采用对原始变量标准化处理的方式, 配合以数学变换, 通过此, 来把指标和指标之间的相关影响予以消除。这样一来, 就能够使得由于指标分布的不同、数值的差异而导致的不可比性得到消除。本文的评价分析, 采用的是SPSS软件, 来对各个因子做出分析。另外, 本文采用方差分解的方式, 把原始的数据分解成为六个因子, 所有这些因子的贡献率是80.3%。

2 评价指标的选择

2.1 评价指标的选择需遵循的原则

第一, 科学性的原则。对于这一点, 主要指的是评级体系必须要和管理者们的决策需要相满足, 必须要做到全面分析, 并且在全面分析的基础上, 尽可能地使信息处理的成本降至最低。第二, 简单性的原则。对于这一点, 主要就是说, 所选择的财务指标必须是简单并且是易于明白的, 在这一原则之下, 在分析的过程中, 可操作性会变得更高。第三, 可比性的原则。对于这一点, 主要是说在进行指标的选择上面, 必须要具有可比性。第四, 特殊性的原则。对于这一点, 主要是出于特定行业的财务指标在侧重点上是各不相同的考虑。而在本文的研究当中, 所选择的是零售企业, 所以, 应该选择的指标必须是能够代表零售企业的货物、应收账款以及固定资产等方面的指标。第五, 数据可获得性原则。对于这一点, 也就是说, 在所有企业竞争力评价指标体系当中, 所有的指标都必须具有数据的可获得性。而对于那些纯粹的定量数据来讲, 更必须是真实且可靠的系列数据。对于那些半定量数据来讲, 要尽可能地使用具有分明等级的评价标准来进行。当然, 在此基础上, 还需要找出合适的评价人员, 其根本目的就是要对最终评价结果的有效性和真实性进行保证。第六, 细分性原则。对于这一点, 为了使所选择的指标能够全面且完整地把每一个零售企业的竞争能力体现出来, 就必须要对指标作出一定的细分。并且在细分得过程当中, 要严格地把这一细分的度把握好, 如果指标划分得太过粗浅, 那么, 必然是不能够有效地把企业的竞争力反映出来;但是, 如果指标划分得太细的话, 那么, 在综合起来的时候, 就会比较有难度, 加上数据也比较难获得, 所以, 必然会适得其反, 反而会失去真实性。第七, 合理且有效的原则。对于这一点, 我们知道, 对零售企业的综合竞争能力做出评价, 最终结果必然是要能够合理且有效地把综合竞争的能力反映出来。

2.2 评价指标的确定

在严格遵循着上述七个原则的基础之上, 本文在进行评价指标的选择时, 站在了定量分析的角度上面, 把侧重点放在指标数据的可获取性上。并尽可能地保证这些指标能够完整且全面地把零售企业竞争力的具体情况反映出来。在具体的评价方式上面, 也最大限度地保证客观性, 一定要把主观性予以排除。基于此, 本文在结合零售企业实际的基础上, 选择了与之相关的15个评价指标, 而这15项指标总共所体现出来的是零售企业的股票获利能力;现金流的能力、盈利的能力、营运的能力、长期负债的能力、短期负债的能力、发展的能力以及风险应对的能力。表示股票获利能力的指标有1个, 就是每股的收益;表示现金流能力的指标有2个, 分别是每股经营活动现金净流量以及现金流量比率;表示盈利能力的指标有3个, 分别是销售净利润、资产报酬率以及固定资产净利润率;表示营运能力的指标有2个, 分别是应收账款周转率以及存货周转率;表示长期负债能力的指标有1个, 那就是资产负债率;表示短期负债能力的指标有3个, 分别是流动比率、速动比率以及营运资金对总资产的比率;表示发展能力的指标有2个, 分别是固定资产增长率以及净利润增长率;表示风险应对能力的指标有1个, 那就是综合杠杆。按照顺序, 分别用X1、X2、X3、X4…X15来表示。具体的评价指标分布情况如表1所示。

3 基于统计分析的零售企业竞争力综合评价结果

3.1 因子分析的结果

处于本文所选择的指标之间, 不管是在极大值, 还是在极小值上面都是存在着比较大的差异的考虑, 本文通过均值化的方式, 来对所收集到的数据做出处理, 具体在处理的时候, 运用的公式如下:

需要指出的是, 其中所表示的是第j个指标的均值;所表示的是第j个指标的标准差。在对这些数据做出了标准化的处理之后, 各个指标之间的相关系数没有发生任何的改变。在这里, 采用K MO检验的方式以及巴特莱特球形检验的方式, 来对经过标准化处理之后的数据做出检验, 从而得到KMO的值是0.60, 这一数值要比0.5大。同时, 经过球形检验之后, 得到的结果是0, 这一数值要比0.05小, 所以说这些指标是可以用来进行因子分析的。

具体的因子成分数和特征值的碎石图如图1所示。

根据图1, 可以在所有的因子当中保留下6个因子, 从而又得到了表2所示的总方差分解表。

等到对因子进行旋转过后, 得到了表3所示的因子载荷矩阵表。

从表3中, 可以清晰地看出, F1因子和资产负债率之间是呈现出负相关关系的;同时和流动比率、和速动比率以及营运资金对总资产比率这三者是呈现出显著的正相关关系的。从中可以得到这样的结论:可以把F1看作是偿债能力的因子。

F2因子和销售净利润以及杠杆因素之间呈现出来的是相关关系。从中可以得到这样的结论:可以把F2看做是经营安全因子。

F3因子和每股收益、资产报酬率、固定资产净利润率、净利润增长度等之间, 是呈现出显著的正相关关系的。从中可以得到这样的结论:可以把F3看成是收益分配因子。

F4因子和存货周转率之间, 所呈现出来的是显著的负相关关系。从中可以得到这样的结论:可以把F4看成是货物流动的因子。

F5因子和每股经营活动现金净流量、现金流量比率之间, 所呈现出来的是高度相关关系。从中可以得到这样的结论:可以把F5看成是现金流动性的因子。

F6因子和固定资产的增长率之间, 所呈现出来的是高度相关的关系。从中可以得出这样的结论:可以把F6看成是零售行业规模的扩张因子。

这样一来, 又可以得到旋转过后主成分因子得分矩阵表, 具体如表4所示。

从因子打分的结果当中, 可以看到本文所选择的20家企业竞争力的具体排名情况如表5所示。

3.2 研究的结论

从本文对零售企业的因子分析模型当中, 可以把零售企业六大因子找出来, 这六大因子分别是偿债能力、经营安全、收益分配、货物流动、现金流动以及规模扩张。而从方差贡献率的角度上来看, 对于每一家不同的企业来讲, 其在偿债能力、经营安全能力以及收益能力等方面都是各不相同的。具体情况是由样本来决定的。当然, 除了这三个能力之外, 货物流动能力、现金流动能力等在整个竞争力的综合评价上面所发挥的作用也是不容忽视的。

4 结语

通过本文因子分析的方式, 来对零售企业竞争力作出综合的评价, 最关键之处就是要把那些具有很强相关性的自变量综合起来, 并在此基础上, 保证每一个因子的独立性, 通过选取小的残差绝对值、选择大的累计方差百分比, 来最大限度地对原有的信息作出利用。而本文的研究当中, 所选择的指标都是一些能够被量化的财务指标, 加上每一个变量之间都是多重共线的, 所以, 从这一点上面来看, 本文的研究效果是客观且有效的。

参考文献

[1]杨娇娇.中国零竹业上市公司竞争力评价体系研究[D].长春:吉林大学硕士学位论文, 2010.

[2]胡颖琼.基于统计分析的零竹企业竞争力综合评价[J].中国商贸, 2012 (8) .

评价统计 篇10

随着计算机网络技术和移动互联网的飞速发展,以及智能手机的普及,越来越多的手持设备可以实现视频和图像信息的获取、存储、发送和显示功能; 用户可以更加方便地观看高清电视; 优酷、土豆等各大视频网站也向用户提供了大量的视频信息,普通用户无时无刻不在获取大量的视觉信息。也正是因为如此,大量的研究和实践都为确保用户可以获得满意的用户体验质量( Quality of Experi- ence,Qo E) 。传统的方法把注意力集中在优化网络参数上,包括网络的吞吐率、时延、丢包率、抖动、误码率等。与此同时,优化视觉信息的质量也是提高用户体验质量的重要方式。图像和视频质量评价的研究,就是要寻找一种自动估计和控制视觉信息质量的方法。

图像质量客观评价的基本目标是设计能准确和自动感知图像质量的计算模型。其终极目标是希望用计算机来代替人类视觉系统( Human Visual System,HVS) 去感知图像。 根据失真图像的质量评价对原始图像信息的依赖程度,可以分为全参考型( Full-Reference,FR) 、部分参考型( Re- duced-Reference,RR) 和无参考型( No-Reference,NR) 。

全参考型图像质量评价方法( Full Reference Image Quality Assessment,FR-IQA) 就是利用原始图像的全部信息,通过计算原始图像与失真图像之间的误差,得到最终的评价结果。评价结果比较可靠,具有可信性。典型的算法有峰值信噪比PSNR( Peak Signal-to-Noise)[1]、基于小波域的视觉信噪比自然图像质量评价方法VSNR( Visual Signal-to-Noise Ratio)[2]、基于结构相似度的图形质量评价方法SSIM( Structural Similarity)[3]等。部分参考型图像质量评价方法( Reduced Reference Image Quality Assess- ment,RR-IQA) 只根据原始图像的部分特征信息来评价图像质量。全参考型和部分参考型图像质量评价方法分别需要依赖原始图像的全部或者部分信息。然而,在许多实际的应用场合中,这些信息是很难获取的,因此无参考型图像质量评价方法比较具有实用价值。

无参考型图像质量评价方法是一种不需要原始图像的任何先验信息,直接对失真图像进行质量评价的方法, 通常也被称为“盲图像质量评价”。无参考图像质量评价一般是根据自然场景统计信息,原始图像的统计参数往往符合一定的分布规律,而不同种类失真的引入会影响这种分布规律,从而使失真图像统计参数的分布产生一定的偏差。也正是因为这种偏差的存在和可度量性,为无参考图像质量评价方法的研究提供了可能。现有的无参考图像质量评价方法中,有许多是针对特定失真类型的,例如模糊[4]、块效应[5]等。这些方法只有在图像中引入的失真已知的前提下,才可以进行“无参考”的质量评价。而在实际应用中,图像中存在的失真类型可能并不只是一种, 而且很难确定失真的类型。因此,不区分失真类型的评价方法,即通用型评价方法,更具有实际的应用价值。

不区分失真类型的无参考图像质量评价方法,主要有两种: 一种是全局框架,即不区分失真类型,提取特征后直接将特征映射到图像质量,典型的算法有BLIIND-I[6], BLIIND-II[7],BRISQUE[8]; 另外一种是两阶段框架,对于测试图像,首先进行失真分类,判断其属于哪一种失真,然后选择对该种失真比较有效的“专用型”算法评价,从而达到“通用型”的目的,典型的算法有BIQI[9]、DIIVINE[10]等。以上这些通用型算法,都是基于机器学习的算法,在对测试图像评价之前,都要使用训练图像及其相应的主观得分训练支持向量机( Supported Vector Machine,SVM) 。 而LIVE实验室( Laboratory for Image & Video Engineer- ing) 的最新研究表明,仅通过图像特征的提取,度量失真图像统计规律在自然图像统计规律上的偏离程度,就可以对测试图像进行评价,不需要任何训练过程。

本文提出的算法基于以上思路,不需要机器学习的训练过程,是一种通用型的无参考图像质量评价方法。该方法仅提取图像的空域特征,不需要对图像进行变换,在计算复杂度上有所降低。同时,考虑到人眼观察图像时感兴趣区域的影响,在算法中加入了显著性区域提取的过程,尝试提高算法性能。实验结果表明,该算法测试结果与人们的主观感知具有较好的一致性。

2算法描述

按照图像数据的来源和采集方式的不同,可以将图像划分为两大类: 自然图像( Natural Image) 和人工图像( Artificial Image) 。自然图像是指通过设备获取的客观世界的图形化表述,它未经过任何的人为加工过程。研究表明,自然图像中存在潜在的规律,即自然场景统计( Natural Scene Statistics,NSS) 模型。在这里需要说明的是,本文中提出的算法只针对自然图像。

本文算法基于自然场景统计模型提取图像的特征。 自然场景统计模型的研究已经取得了长足的发展,研究发现自然图像的统计特性在空域、频域都存在一定的分布规律。现有的无参考图像质量评价算法BLIINDS_II[7]是对图像进行DCT变换,然后提取特征。算法CBIQ[11]中首先要对图像进行Gabor变换,然后再提取特征。算法DII- VINE[10]是提取图像的小波域特征。考虑到算法的复杂性,本文的算法提取图像的空域特征,可以有效提高对测试图像计算分数的时间。提取图像空域特征也是无参考图像质量评价方法研究领域的一个发展趋势,例如算法BRISQUE[8],CORNIA[12]等。

大量研究表明,人们在对一幅图像的质量做出评价时,图像的显著性区域往往会起到比较重要的作用。显著性区域的变化情况在一定程度上会影响人们对图像质量的主观评价。因此,在无参考图像质量评价方法中,加入显著性区域提取的过程,来改进算法的性能。

算法的基本思路为:

首先,构造“自然图像库”的MVG模型。所谓“自然图像库”由人为选取的自然场景图像构成,其中的图像没有引入任何失真。把自然图像库中的所有图像划分成大小相等的图像块,通过显著性区域提取只保留显著性区域中的图像块。提取图像块的纯空域特征,计算特征向量的多元高斯分布( Multivariate Gaussian,MVG) 模型。

然后,构造测试图像的MVG模型,构造方法与第一步的过程基本相同。

最后,计算测试图像MVG模型和“自然图像库”MVG模型之间的“距离”,即失真图像在自然场景统计规律上相对于自然图像的偏离程度,得到最终测试图像的客观分数。

算法框图如图1所示。

2. 1空域自然场景统计( NSS)

在自然场景统计的研究中,多数研究者都把注意力集中在自然图像多尺度变化之后的统计特性上,尝试对图像进行变换之后的响应建模( 例如Gabor变化、小波变换等) 。同时,图像的空域亮度信息的统计规律,同样获得了研究者的注意。

在提取图像的空域特征之前需要对图像进行预处理,计算它的“归一化亮度系数”[13]。通过减去亮度的均值,再除以标准差,达到去相关的目的。给定一幅灰度图像,对于每一个像素点I( i,j) ,进行以下处理

式中: i ∈1,2,…,M,j ∈1,2,…,N为图像的空间坐标; M, N分别是图像的高度和宽度; C为常数,为了防止分母趋近于0时造成的不稳定,通常取1; μ( i,j) 和 σ( i,j) 分别代表均值和方差,计算公式如下

式中: ω = { ωk，l| k = - K,…,K,l = - L,…,L} 是对一个二维高斯方程进行采样,然后归一化得到的; K = L =3。

这里称处理过的亮度为归一化亮度系数。研究表明,从未经处理过的自然图像中计算得到的归一化亮度系数,符合高斯分布[13]。而对于非自然图像,或者自然图像中引入了失真,归一化亮度系数的分布就会偏离高斯分布。而这种偏离程度可以作为主观感知图像失真程度的一种度量。本文的算法就是通过比较测试图像的归一化亮度系数相对于“自然图像库”中图像的归一化亮度系数的偏离程度,得到测试图像最终的得分。

2. 2显著性区域提取

图像在经过第一步的处理之后,被分成的图像块,之后会针对各图像块提取图像的空域特征。当然,并不是所有图像块都要提取特征。为了提高算法的性能,引入了显著性区域提取的过程,之后只针对图像显著性区域中的图像块进行特征的提取。

所谓显著性区域,通常包含人类感兴趣的重要目标, 最能表达图像的内容,使人的视觉能够在较短时间内将注意力集中到图像中某个能引起人们关注的区域。如果对于不同的图像区域赋予不同的处理优先级,不仅能降低分析过程的复杂度,而且能提高分析计算的效率。按照视觉信息处理过程可以分为两种方式: 与任务相关的Top - Down方式和与任务无关的Bottom - Top方式[14]。

Bottom - Top方式: 在不考虑特定认知任务对注意力影响的前提下,采用自底向上控制策略,快速地对目标进行预注意,该机制是基于输入景象的显著性计算的,属于低级的认知过程。

Top - Down方式: 在考虑了先验知识对注视点选取的影响后,采用自顶向下控制策略,慢速地对目标进行注意,为适应外界命令的需要,它会自动调整选择准则,将注意力集中于特定的目标,属于高级的认知过程。

通过比较发现,自底向上的注意模型是指由视觉刺激驱动的信息处理过程,和认知任务的内容无关。有些刺激可能由于本身的特点或是外部环境的衬托,具有较强的显著性,更容易吸引观察者的注意力。这种方式显然更适合在图像质量评价中应用。

因此本文中采用的显著性区域提取算法就是自底向上的方式,算法框图如图2所示。

对于给定图像,为了去除纹理、噪声等造成的高频成分的影响,首先要对图像进行高斯低通滤波。在提取显著性区域时,考虑到图像的亮度信息和颜色信息对人眼的影响,将彩色图像从RGB空间转换到Lab空间。Lab色彩模型的建立是基于人眼对颜色的感觉,它是由亮度L和有关色彩的a,b三个要素组成。L表示亮度( Luminosity) ,a表示从洋红色至绿色的范围,b表示从黄色至蓝色的范围。然后,分别对图像的L,a,b分量提取显著性区域

式中: Lμ,aμ,bμ代表Lab色彩空间各个分量的均值; Lg( x,y) ,ag( x,y) ,bg( x,y) 则代表各分量经过高斯滤波后的结果。经过以上处理,得到了L,a,b三个通道的显著区域,接下来进行合并,通过计算三个分量的欧氏距离得到最终的显著性区域S( x,y) ,即

之后,把显著性区域S ( x , y ) 转换成二进制的显著图

由于本文提取显著性区域的目的是为了确定图像块是否位于显著性区域内,并不需要精确地确定显著性区域的边缘。因此,算法没有做复杂度的处理,只设置了一个自适应的门限值。T是显著性区域的均值,是一个对于每一副图像自适应的门限值,高于该门限值设置为1,低于该门限值设置为0,这样就得到了二进制的显著图。

下面是显著性区域提取算法的效果演示,如图3所示。

对于图像块的选取,这里使用了一个非常简单的准则: 只要该图像块中有任何一个像素点在图像的显著性区域中,即图像块中存在对应的二进制显著图中为1的像素点,则认为该图像块在图像质量评价中是有效的。 对于其他的图像块,直接舍弃。如图3d所示,黑色部分的图像块直接舍弃,对其他部分的图像块进行空域特征提取。

2. 3空域特征提取

经过以上两步处理,图像显著性区域中的图像块保留了下来。接下来进行提取图像块中与质量相关的空域NSS特征。使用广义高斯分布( Generalized Gaussian Dis-tribution,GGD) ,捕获自然图像和失真图像提取到的归一化亮度系数I^( i,j) 的特征[15]。

零均值的广义高斯分布的表达式如下

式中: Γ( ·) 为伽马方程,即

式中: 参数 α 决定了广义高斯分布的形状,而参数 β 为该分布的方差。GGD参数( α,β) 可以使用基于时刻匹配的方法进行有效估计[15]。

研究发现,对于自然图像相邻归一化亮度系数的乘积同样符合一定的分布规律,而失真的引入会影响这种分布[16]。因此尝试对相邻系数乘积的分布进行建模,提取相应的特征。这里只对4个方向的相邻系数做了处理,分别是水平、垂直、主对角线、次对角线: I^( i,j) I^( i,j + 1) , I^( i,j) I^( i +1,j) ,I^( i,j) I^( i +1,j +1) 和I^( i,j) I^( i +1,j -1) , 如图4所示。使用非对称广义高斯分布( Asymmetric Gen- eralized Gaussian Distribution,AGGD) 对相邻系数的乘积建模。

零均值的非对称广义高斯分布的表达式如下

AGGD参数可以使用基于时刻匹配的方法进行有效估计 。 参数 ) 同样可以作为特征提取 。

这样以来,对于每个图像块,归一化亮度系数的GGD参数加上4个方向的AGGD参数,形成了18维的特征向量 。 为了捕获图像的多分辨率特征,需要在两个维度对图像块进行相同的特征提取操作 。 最终,对于每个图像块,提取到36维的特征向量 。

2. 4 MVG模型和质量评价

前文提到,本文算法计算自然图像库的MVG模型和测试图像的MVG模型的距离得到最终的客观质量分数。 文本使用的自然图像库与文献[17]使用的无失真图像库相同,图像库中包含人像、风景、建筑、动物等不同类型的彩色自然图像。对于库中的每一幅图像,分别进行分块, 选取显著性区域图像块,提取空域特征的处理,最后把所有提取到的空域特征使用多元高斯模型( Multivariate Gaussian Model,MVG) 进行建模,得到空域特征的均值向量vn和协方差矩阵 Σn[18]。至此,自然图像库的MVG模型已经建立。

而对于测试图像,同样要进行分块,提取空域特征和MVG建模的过程。需要注意的是,这里没有进行显著性区域的提取,因为失真的引入会对显著性区域提取算法产生影响。比较极端的情况下,对于一幅失真特别严重的图像,事实上并不存在一个观察的感兴趣区域,因此本文仅针对自然图像即原始图像提取显著性区域。通过MVG建模,得到测试图像空域特征的均值向量vt和协方差矩阵 Σt。

最后,通过计算测试图像的MVG模型和自然图像库图像的MVG模型之间的距离,得到测试图像最终的客观得分

式中: vt,Σt分别是测试图像MVG模型的均值向量和协方差矩阵; vn,Σn分别是自然图像库MVG模型的均值向量和协方差矩阵。D( vt,vn,Σt,Σn) 越大,表示测试图像与自然图像之间的差别越大,失真也就越严重; 反之,D( vt, vn,Σt,Σn) 越小,表示测试图像越接近自然图像,失真程度越小。

3性能评估及分析

3. 1测试方法和环境

为了验证本文提出的无参考图像质量评价算法,使用LIVE IQA图像库[19]进行测试,并与现有的几种无参考图像质量评价算法,以及一种比较成熟的全参考算法进行性能比较。LIVE IQA图像库由29幅原始图像以及相应的不同程度的失真图像组成。其中,失真类型包括以下几种: JPEG2000压缩失真、JPEG压缩失真、白噪声( White Noise,WN) 失真、高斯模糊( Gaussian Blur) 失真和快速衰落( Fast Fading,FF) 失真。同时,LIVE库还提供了29幅原始图像和779幅失真图像的主观DMOS ( Difference Mean Opinion Scores,DMOS) 分值。DMOS分值的范围是0 ~ 100,0代表没有添加失真的原始图像的质量分值,100代表失真最严重的图像的质量分值。

现有的多数无参考图像质量评价算法,都需要使用图像库的原始和失真图像进行训练,即使用图像库中图像和相应的DMOS分值训练支持向量机( Support Vector Ma- chine,SVM) 。为了方便与现有算法比较性能,本文按照比较通用的测试方式,把LIVE库中的图像随机分成了 “训练图像”和“测试图像”两部分,图像库中80% 的图像用作训练,20% 的图像用来测试算法性能。需要注意的是,“训练图像”和“测试图像”之间不能存在重叠。即某一幅参考图像以及相应的不同程度的各种失真图像或者全部属于“训练图像”,或者全部属于“测试图像”。重复1 000次测试试验得到该算法的性能指标,最终取中位值代表该算法的性能。因为本文的算法不需要训练,所以在测试的时候只关注20% 的测试图像,按照以上原则划分, 只是为了方便比较算法的性能。

3. 2算法性能比较

使用Spearman等级相关系数( Spearman’s Rank Or- dered Correlation Coefficient,SROCC) 和Pearson线性相关系数( Pearson’s Linear Correlation Coefficient,PLCC) 来分析算法的性能。PLCC参数主要用来评价模型的预测精确性,SROCC参数主要用来评价模型的单调性。两者的值越大,表示算法性能越好。使用算法得到客观质量评价分值和主观DMOS值的拟合方式,以及SROCC,PLCC两个参数的计算,参考文献[20]的相关内容。

本文采用的拟合函数形式如下

式中: β1,β2,β3,β4是拟合参数,可以通过对主观DMOS值的最佳拟合得到,然后再得到DMOSpredict; DMOSpredict是预测的DMOS值; Pscore是本文所提算法得出的客观分值。

用本文算法得到的图像客观质量评价分值与主观DMOS值的的拟合曲线如图5所示,图中的拟合曲线是在PLCC取中位值时的测试结果。

选取了比较成熟的全参考算法PSNR[1],几种比较先进无参考算法BLIINDS - II[7],CBIQ[11],BRISQUE[8],与本文提出的算法进行了性能比较。性能参数如表1和表2所示,表中分别列出了算法对单种失真类型图像的性能参数,以及整体的性能参数。

总体来说,本文的算法针对单种失真类型的性能,全面优于全参考算法PSNR和无参考算法CBIQ,在整体性能上也要优于PSNR。对于LIVE实验室性能比较优异的两种算法,在单种失真类型上,本文的算法也是相当有竞争力的。而且本文提出的算法是完全不需要事先训练的, 在这一点上,优于其他几种无参考图像质量评价算法。

4小结

本文试图在保证算法性能的前提下,利用尽量简单的图像自然场景统计特征,规避机器学习的训练过程,对多种失真类型的图像做出准确的客观质量评价。本文的算法基于一个前提,自然图像的信息存在一定的统计规律,失真的引入会在一定程度上影响这种统计规律,通过度量失真造成的统计规律上的变化来对图像进行客观质量评价。本文算法提取图像纯空域的特征,保证了计算的简单性; 通过度量测试图像和自然图像库在统计规律上的差异得到测试图像的质量分数,规避了复杂的支持向量机训练过程。并通过引入显著性区域的提取,提高算法的性能。实验结果证明,算法与人的主观感知有较好的一致性。

评价统计 篇11

关键词：多元化统计分析,企业经济效益体系,应用

企业经济效益评价是政府加强经济宏观调控、改善企业经营管理和企业自我评价所建立的一个经济效益评价体系。它主要是反应企业在生产经营质量的一个宏观分析。而且企业经济效益受企业中的人力、物力、财力等内在因素以及市场条件、市场状况以及市场消费等外部因素共同的影响。本文根据企业经营活动进行全方位、多角度以及科学、合理、客观地进行分析和评价。

一、多元化统计分析介绍

多元化统计分析是一种综合分析处理方法, 它是数理统计学中的一个重要的分支学科。

它是直接将经济指标的数据通过数学或统计方法处理后获得权数的方法, 主要有变异系数法、熵值法、主成分分析法、因子分析法等。当总体的分布是多元概率分布时, 就可以利用多元化统计对其进行数理统计和分析。通过运用多元化统计分析对企业经济效益评价能够更加科学、客观的反映出企业经营活动的概率, 进而为企业的长期运营提出新的发展途径。

二、企业经济效益评价指标体系

企业经济效益活动指标体系是指在企业运营过程中由多个相互关联的经济活动所反映出的经济效益指标进而构成的有机整体。目前, 企业经济效益评价指标体系主要包括:销售利润率、总资产报酬率、资本收益率、资本保值增值率、资产负债率、流动比率 (或速动比率) 、应收账款周转率、存货周转率、社会贡献率、社会积累率等10 项指标。建立一套完整的经济效益评价指标体系其主要目的在于使企业的领导层对企业的经济效益进行正确的评估和分析从而获得更多的价值信息。如何正确评价和考量企业经济效益水平, 是我国经济界和学术界所进行的长期探索, 目前由于我国企业经济效益评价体系面临着重重困难和局限性, 致使经济指标不能正确分析和如期完成, 使得企业经济效益面临着严峻的挑战。至此, 为了全面提升企业经济效益, 本文通过多元化统计分析在企业经济效益中发挥的积极作用作出以下探讨。

三、多元化统计分析在企业经济效益评价中的应用

由于企业经济效益的方法多种多样, 为使企业经济效益能够有进一面的提升因此需要考虑的影响因素有很多, 为全面的反应出企业的经营状况需要我们设计出多方位的经济指标。

本文通过利用多元统计分析法中的因子分析法、主成分分析法以及聚类分析在企业经济效益评价中的应用, 使企业经济效益评价有着全方面、多方位的认识。

1. 因子分析法。因子分析法是根据研究对象的彼此相关程度分成变量分组, 进而使得同组之间内变量的相关系数保持较高, 而分组后的变量之间不再相关或者相关系数很低, 每组变量就代表着一个基础结构, 也就是公共因子。利用因子分析法的优势在于它能从大量的现象数据中, 抽出潜在的公共因子。通过对这些公共因子进行分析, 而得出全体数据所具有的结构, 惟以数据作为实态来表述研究目标的调查手段提供理论依据。例如:在对企业经济效益进行测度时, 由于多个指标之间可能会因为彼此之间存在联系而增加分析的复杂性, 这时我们可以利用因子分析法对指标集进行降维处理, 减少分析指标的数量, 从而对企业经济效益测度分析更加简单明了化。因子分析法在企业经济效益中广泛的应用, 已经逐渐的形成一种独特的多指标评价技术。

2. 主成分分析法。主成分分析法是一种数学变换的方法, 它和因子分析法有着明显的区别。主成分分析法的主要优势是①它能消除评价指标之间的相关影响;因为当主成分因子对原指标变量进行变换后, 便形成了彼此互不相关的主成分。②可以减少指标选择的工作量;与其他评价方法而言, 是很难消除评价指标之间的相互关联的, 因此造成选择指标时浪费很多的时间, 而通过主成分分析就易于选择;③在评级较多的指标时, 通过主成分分析中各主分析按大小顺序进行选择, 在分析问题时就可以利用前后差距较大的几个主成分进行分析, 进而减少了很多工作量。例如:在评价企业资产运营状况的时候, 由于要使用的各项财务指标很多, 因此就可以利用主成分分析列为企业生产运营指标、资金消耗指标和资源利用指标进而分析出企业运营状况和运行动态。

3. 聚类分析。所谓聚类分析就是数据聚集到不同的类或者分为一簇这样的过程, 它与分类明显的不同就是在于聚类划分的类是不可知的。它主要是通过元素之间有着相似度进行集合分成一簇, 然后继而进行合并, 直至元素合并到一类为止。在聚类分析在应用到企业经济效益评价中, 可以对存货周转率、资产周转率、流动比率等指标进行分类分析, 进而得出企业资产的经济效益结果。

结语

研究企业经济效益对国家、企业以及对社会的发展都有非常重要的意义和作用, 对企业而言, 提高企业经济效益是每个企业所追求发展的终极目标, 它是一切生产力的动力, 对企业的发展、经营和生存有着重大的意义。对于国家和社会而言, 提高企业经济效益, 不仅能推动我国的经济发展, 增强国家经济实力, 而且对我国社会主义的发展也有着不可忽视的作用。因此, 分析企业经济效益尤为重要。通过应用多元化经济分析, 对企业的生产经营状况作出更为确切的、明细的考量和评价, 从而使企业对经济的纵向发展和横向发展有着全面的认识, 寻找自身缺陷, 并及时采取补救措施, 使企业在市场经济中能够迅速脱颖而出并提高竞争实力。

参考文献

[1]贾鹏鹏.多元统计分析在企业经济效益评价中的应用[J].企业研究, 2014, 14:4.

[2]黄丽丽.我国工业企业经济效益水平分析[D].中南大学, 2012.