评价指标选取方法研究的论文.docVIP

　　评价指标选取方法研究的论文 　　 论文 关键词　评价指标　定量指标　定性指标 　　论文摘要　在综合评价中,评价指标的选取是否合适,直接影响到综合评价的结果.介绍评价指标选取得一般原则,定量指标的筛选方法,以及如何对定性指标进行量化. 　　1　选取评价指标的一些原则 　　1.1　目的明确 　　所选用的指标目的明确.从评价的内容来看,该指标确实能够反映有关的内容,决不能将与评价对象、评价内容无关的指标选进来. 　　1.2　比较全面 　　选择的指标要尽可能地覆盖评价的内容,如果有所遗漏,评价就会出偏差.比较全面的另一说法就是有代表性,所选的指标确实能反映评价内容,虽然不是全面,但代表了某一侧面. 　　1.3　切实可行 　　用通俗一些说法,说是可操作性.有些指标虽然很合适,但无法得到,就不切实可行,缺乏可操作性. 　　2　定量指标筛选方法 　　在按一些原则确立指标体系后,这些量都是可以观察、测量的.在这个基础上,可以用统计分析中的方法来选出一部分,它们有很好的代表性,使我们综合评价时,工作更容易些. 　　2.1　条件广义方差极小法 　　从统计分析的眼光来看,给定p个指标x1,…xp,的n组观察数据,就称为给了n个样本,相应的全部数据用x表示,即 　　 　　每一行代表一个样本的观察值,x是n×p矩阵,利用x的数据,可以算出变量xi的均值、方差与xi,xj之间的协方差,相应的表达式是: 　 　 　　由sii,sij形成的矩阵s = (sij)p×p(1) 　　称为x1…xp这些指标的方差、协方差矩阵,或简称为样本的协差阵.用s的行列式值| s|反映这p个指标变化的状况,称它为广义方差,因为p =1时| s |=| s11|=变量x1的方差,所以它可以看成是方差的推广.可以证明,当x1,…xp相互独立,广义方差| s |达到最大值;当x1,…xp线性相关时,广义方差| s |的值是0.因此,当x1,…xp既不相互独立时,又不线性相关时,广义方差| s |的大小反映了它们内部的相关性.下面来考虑条件广义方差,将(1)式分块表示也就是将x1…xp这p个指标分成两部分(x1,…xp1)和xp1…xp),分别记为x(1)与x(2),即 　　 　　这样表示后,s11,s12,表示x(1),x(2)的协差阵.给定x(1)之后,x(2)对x(1)的条件协差阵,从数 　　学上可以推导得到(在正态分布的前提下) 　　s(x(2)| x(1)) = s22- s21s11-1s12(2) 　　(2)式表示当已知x(1)时,x(2)的变化状况.可以想到,若已知x(1)后,x(2)的变化很小.,那么x(2)这部分指标就可以删去.即x(2)所能反映的信息,在x(1)中几乎都可得到,因此就产生条件广义方差最小的删去方法.方法如下: 　　将x1,…xp分成两部分(x1,…xp-1)看成x(1),xp看成x(2),用(2)就可算出s(x(2)| x(1)), 　　此时是一个数值,它是识别xp是否应删去的量,记为tp.类似地,对x1,可以将x1看成x(2),余下p-1个看成x(1),用(2-2)就可以算出一个数值,记为ti.于是得到t1,t2,…tp这p个值,比较他们的大小,最小的一个可以考虑是删去的,这与所选的临界值c有关,c是自己选的,认为小于c就可删去,大于c不宜删去.给定c之后,逐个检查tilt; c,(i =1,2…p)是否成立,有就删,删去后对留下的变量,可以完全重复上面的过程,直到没有可删的为止,这就选取了既有代表性,又不重复的指标集. 　　2.2　极大不相关法 　　显然,如果x1与其它的x2…xp是独立的,那就表明x1是无法用其它指标来代替的,因此保留的指标应该是相关性越小越好,在这个方法指导下,就导出极大不相关方法.首先利用(1)式求出样本的相关阵r, 　　 　　rij称为xi与xj相关系数,它反映了xi与xj的线性相关程度.现在要考虑的是一个变量xi与余下的p—1个变量之间的线性相关程度,称为复相关系数,简记为ρi.ρi可以用下面的公式 计算 .先将r分块,例如要计算ρp,就将r写成 　　 　　(注意r中的主对角元素rij=1,i =1,2,……,p)于是ρ2p= rtpr-1-prp.类似地,要计算ρ2i时,将r中的第i行.第j列进行置换,放在矩阵的最后一行,最后一列,此时 　　 　　于是ρ2i的 计算 公式为ρ2ii= rtir-1-iri,i =1,2,…p.算得ρ21,…ρ2p后,其中值最大一个,表示它与其它变量相关最大,指定临界值d之后,ρ2igt; d时,就可以删去xi. 　　2.3　选取典型指标法 　　如果开始考虑的指标过多,可以将这些指标先进性聚类,而后在每一类中选