基于主成分分析的生产性服务业发展水平评价
2008/12
基于主成分分析的生产性服务业发展水平评价
张亚斌 刘靓君
摘 要:本文以31个省份2006年的统计数据为基础,选取了19个指标,运用主成分分析法对我国的生产性服务业发展水平进行评价。结果表明我国生产性服务业发展水平极不平衡,东部地区明显高于中部和西部,且各个省份生产性服务业发展水平的差异也较大。因此政府应采取相应措施,促进地区均衡发展。
关键词:主成分;生产性服务业;发展水平
中图分类号:F27 文献标识码:A
文章编号:1001-490X(2008)12-012-03
作 者:张亚斌,湖南大学经济与贸易学院教授、博士生导师;刘靓君,湖南大学经济与贸易学院;湖南,长沙, 410079
生产性服务业发展程度的评价若单从各个与之相关的经济变量间的对比中难以得出一个综合性的结论,也会太片面,因此必须运用综合评价方法对生产性服务业的发展水平进行分析和评价,由于综合评价涉及经济变量众多,每个变量都从不同角度、不同程度地反映着生产性服务业的发展水平,而且有的变量间存在着不同程度的相关关系,因此必须从这些变量中找出较少的几个变量来代替原来的指标变量。这些变量间应存在着较少相关关系,但又不失去原指标变量集提供的绝大部分信息,主成分分析法正是解决这个问题的理想工具。本文将利用主成分分析法对我国31个省(市)2006年的生产性服务业的发展状况做出分析和评价。
一 生产性服务业发展水平指标体系设置
根据全面性、实用性、可操作性的原则,设置生产性服务业发展水平指标体系如表1。
对生产性服务业发展水平的评价指标的选取意义可以从以下几个方面来分析:
1)宏观环境。宏观环境是影响生产性服务业发展水平的重要因素。一般而言,人均GDP、城镇居民消费性支出、人均固定资产投资越高,对生产性服务的需求也就越大。另外,生产性服务业多集中在城市,因此,城市化水平的提高也有利于促进生产性服务业发展。因此,我们选用人均GDP(X1)、城镇居民消费性支出(X2)、人均固定资产投资(X3)、城市化水平(X4)衡量宏观环境。
2)集聚水平。生产性服务业的集群有利于降低企业运作成本,每一企业都将资源集中于最擅长的某一产品或服务上,扩大了运营规模,规模经济导致成本降低;本文采用全部国有及规模以上非国有企业数比重X5,生产性服务业就业人数占
表1 生产性服务业发展水平指标体系
变量指标单位变量
生
产
性
服
务
业
发
展
水
平
评
价
宏
观
环
境
人均GDP元X1
城镇居民消费性支出元X2
人均固定资产投资元X3
城市化水平%X4集聚
水平
全部国有及规模以上非国有企业数比重%X5
生产性服务业就业人数占全国总就业人数比重%X6经济
规模
工业增加值亿元X7
第三产业增加值亿元X8
生产性服务业增加值亿元X9产
业
结
构
工业增加值占GDP比重%X10
第三产业增加值占GD P比重%X11
生产性服务业增加值占G DP比重%X12
生产性服务业增加值占第三产业增加值比重%X13
发
展
潜
力
平均受教育年限年X14
R&D费用支出亿元X15
专利申请数件X16
技术市场成交量亿元X17
外商投资企业累积投资额亿元X18
生产率水平元/人X19全国就业人数比重X6来表示产业集聚水平。
3)经济规模。用工业增加值(X7)、第三产业增加值(X8)、生产性服务业增加值(X9)衡量各产业的经济规模。
4)产业结构。衡量生产性服务业在整体经济中的比重。经济社会的产业结构也与生产性服务业发展水平有较大关联,因此引入工业增加值占GDP比重X10,第三产业增加值占GDP比重X11,生产性服务业增加值占GDP比重X12,生产性服务业增加值占第三产业增加值比重X13。
5)发展潜力。生产性服务业多为知识密集型、技术密集型行业,其产出中伴随着大量的知识资本和人力资本。企业通过购买生产性服务活动,引入新技术、知识,促进企业进行产品开发、研究设计等活动,提高企业竞争力。生产性服务业在提供服务的过程中与企业互动学习,进一步强化自身的创新能力。因此引入平均受教育年限(X14)、R&D费用支出(X15)、专利申请数(X16)、技术市场成交额(X17)等指标来描述发展潜力。地区投资环境也是影响生产性服务业发展潜力的重要因素,地区投资环境越优越,越有利于生产性服务业的发展,生产性服务业发展水平也会越高。引入外商投资企业累计投资额(X18)。
分工程度与生产率水平反映生产性服务业发展水平。生产性服务业通过提供专业化的服务,帮助企业深化分工,提高企业效率和活力。由此可以推出一个地区生产率的发展水平可以从一定程度上反映生产性服务业发展水平,对应引入生产率水平指标(X19)。
12
二 生产性服务业发展水平评价
(一)实证分析
1.求相关系数矩阵R的特征值与特征向量,并计算贡献率
将全国各省份的原始指标数据带入SPSS软件进行主成分分析。首先对各省份的原始数据进行无量纲处理,以此来消除量纲差异,其次,根据特征值大于1的原则,选取3个主成分F1、F2、F3,其特征值和累计贡献率如表1。累计贡献率表示公共因子反映原指标信息量之和,由表2可知三个主成分的累计方差贡献率达到88.574%的信息量,代表了绝大部分的信息,可以显著反映生产性服务业发展水平。
表2 各主成分的特征值,贡献率及累计贡献率
主成分特征值贡献率累计贡献率主成分F110.06352.96552.9650.565
F24.96326.12179.0860.307
F31.8039.48788.5740.129
2.计算因子荷载矩阵
F1代表第一主成分,F2代表第二主成分,F3表示第三主成分。经方差最大旋转后得因子荷载矩阵:
表3 因子荷载矩阵C o m ponen tM atri x(a)
Co m po nent
F1F2F3 GDP.879-.436-.024城镇居民消费性支出.892-.342-.129人均固定资产投资.683.523.117
城市化水平.701.538.152
国有及规模以上非国有企业数占全国企业总
数比重
.842-.445-.066生产性服务业就业人数占总就业人数比重.318.876-.098工业增加值.844-.504.028
第三产业增加值.950-.234-.113生产性服务业增加值.968-.007-.028工业增加值占GDP的比重.427-.380.776
第三产业增加值占GDP的比重.247.766-.557生产性服务业增加值占GDP的比重.331.889.079
生产性服务业增加值占第三产业的比重.188.560.672
平均受教育年限.594.424.501
R&D费用.936.196-.137专利申请数.919-.246-.191技术市场成交额.544.783-.168外商投资企业累计投资额.874-.180-.127各地区劳动生产率.809-.245.010 Ex tracti on M ethod:Pri n ci pal Co m ponen t Ana l ysis3co m ponen ts ex tracted.
第一主成分权重最大,为52.965,是最重要的影响因子。在GDP、城镇居民消费性支出、国有及规模以上非国有企业数占全国企业总数比重、第三产业增加值、生产性服务业增加值、R&D费用、专利申请数、外商投资企业累计投资额、各地区劳动生产率上有很高的荷载,都达到了0.8以上,最高的为服务业增加值达到了0.968,显著的反映了生产性服务业发展水平的宏观环境、经济规模和发展潜力因素。
第二主成分权重为26.121,是比较重要的影响因素。F2与生产性服务业的就业人数占总就业人数、生产性服务业增加值占GDP的比重相关度较高,较显著的反映了生产性服务业发展水平的集聚水平、产业结构因素。
第三主成分权重为9.487,虽然没有第一、第二主成分重要,但是也在一定程度显著反映了产业结构因素。从表中的数据可知,F3与工业增加值占GDP的比重、生产性服务业增加值占第三产业的比重相关度较高。
3.计算各主成分得分系数矩阵及各省份综合主成分得分
各主成分的系数等于其荷载量除以相应特征值的开平方。表4给出了各主成分得分的系数矩阵。根据表4得出3个主成分的表达式:
F1=0.087X1+0.089X2+0.068X3+0.7X4+0.84X5+ 0.32X6+0.84X7 +0.08X19
F2=-0.088X1-0.069X2+0.105X3+0.108X4-0.9X5 +0.177X6-0.102X7...-0.049X19
F3=-0.013X1-0.071X2+0.065X3+0.084X4-0. 037X5-0.054X6+0.016X7 +0.006X19
各主成分乘以相应的权重加总,得出生产性服务业发展水平综合得分测算公式为:
F=(F1*52.965+F2*26.121+F3*9.487)/88.574
表4 各主成分得分系数矩阵
得分系数
F1F2F3
X1.087-.088-.013
X2.089-.069-.071
X3.068.105.065
X4.070.108.084
X5.084-.090-.037
X6.032.177-.054
X7.084-.102.016
X8.094-.047-.063
X9.096-.001-.016
X10.042-.077.431
X11.025.154-.309
X12.033.179.044
X13.019.113.373
X14.059.085.278
X15.093.039-.076
X16.091-.049-.106
X17.054.158-.093
X18.087-.036-.070
X19.080-.049.006
根据2006年各省份的相关数据,运用主成分分析法对31个省份的生产性服务业发展水平的测定,得出全国各省份得分排名及综合主成分得分情况,见表5:
表5 全国31个省排名及综合主成分得分
排名F得分排名F得分排名F得分排名F得分1北京2.119河北0.1817湖北-0.2225江西-0.46 2上海1.6310内蒙古0.0418宁夏-0.2326甘肃-0.48 3广东0.9311福建-0.0119四川-0.2727广西-0.51 4江苏0.7512山西-0.0920黑龙江-0.2928海南-0.59 5浙江0.6413重庆-0.121湖南-0.3229云南-0.61 6天津0.5214吉林-0.1122安徽-0.3830贵州-0.66 7山东0.515河南-0.1423新疆-0.431西藏-1.16 8辽宁0.316陕西-0.1824青海-0.44
13
由实证分析结果可知,东部省份的得分普遍较高,其中北京、上海、广东名列前茅。北京得分2.11远远领先于其他省份,这与北京地区的历史沉淀、职能定位等因素有关,全国的科研机构和综合技术服务部门高度集中在首都。上海、广东作为国际化的大都市,其城市的经济结构、空间结构优化,生产性服务业发展水平较高。大量的人力资本、生产性服务企业聚集这一地区,推动地区经济的发展,并产生新的需求拉动生产性服务业的进一步发展。其次是江苏、浙江、天津、山东、辽宁、河北、福建等省份,江苏、浙江民营企业的崛起,企业门槛降低,更多的中小企业需要生产性服务业的支持。山东、河北沿海的地理位置,外资投资增多,便于引进、学习先进的生产性服务业知识、因而生产性服务业发展水平较高。福建制定有针对性的鼓励措施,大力吸引香港的物流、会计、金融、法律等生产性服务业来闽投资,推动香港生产性服务业与福建生产性服务业的进一步融合,加强与港澳投资促进机构的合作,开展海外联合招商活动,并充分利用澳门发展新兴会展业的契机,共同开拓海外市场,进而促进福建生产性服务业发展。海南排名较后是源于海南的特殊产业结构。海南省一直以来把以旅游业为龙头的现代服务业作为支撑海南长远发展的重要支柱产业,内部结构中,生产服务业比重低,尚未形成为一、二产业发展的有力支撑。产业结构中占主导地位的仍是批发零售、住宿餐饮、交通运输仓储和邮政业等传统行业,金融、保险、旅游、房地产、文化、教育、科研、信息咨询、计算机应用服务业等新型生产性服务业虽有发展,但比重仍然偏小,关键性的金融、保险、文化、教育、科研、咨询、技术服务等领域发展相对滞后。另外,世界各国经济发展的经验表明,城市化的发展水平是影响生产性服务业发展的重要因素之一,而目前海南的城市化水平为46.2%,水平较低。
中部地区内蒙古、陕西、吉林、河南、湖北、黑龙江排名较前,而江西排名较后。吉林、黑龙江,作为老工业基地通过产权改革、技术创新打破旧的产业结构,形成新的适应市场的分工体系,利用生产性服务业来实现由传统工业区向新型工业区的转变,因此生产性服务业发展水平较高;安徽省生产性服务业规模不大、高端服务不足、产业结合不紧、服务功能不强等问题仍较突出,与新型工业化发展水平不相适应,与经济全球化和全面对外开放的新形势不相适应,因此排名22,得分仅为-0.38。江西得分为中部地区最低,其城市规模小,生产性服务业缺乏潜力。
西部地区普遍排名靠后,排名情况依次为重庆、陕西、宁夏、四川、新疆、青海、甘肃、广西、云南、贵州、西藏。重庆得分最高为-0.1,可见随着建设长江上游经济中心和构建和谐社会!进程的加快,重庆市现代生产生活服务的行业发展后劲增强。重庆市生产性服务消费的环境条件不断改善,企业生产性服务消费进一步提升,生产性服务消费的硬件设施日趋完善,中央商务区建设全面推进,商务功能逐步增强,商业中心、车站码头、信息网络、会展中心等建设加快,国内外大型服务业企业进入重庆市,生产性服务市场发展水平得到进一步提升,提供给全市企业更多更好的生产性服务。四川省生产性服务业存在着企业规模不大、服务功能不强、服务水平不高,对一、二产业的改造提升、带动性不强,缺乏相互融合与联动发展等问题。在一、二次产业持续快速发展同时,生产性服务业发展水平却严重滞后。云南、贵州、西藏为29、30、31名。这是因为云南、贵州、西藏等地相对封闭的地理环境和落后的基础设施使得工业效率低下,对生产性服务业需求较少,因此生产性服务业发展水平很低。
三 结 论
生产性服务业发展水平省份之间明显不平衡,北京地区最高达到2.11,而西藏最低,低至-1.61,各个省份分化较严重。从地区来看,东部地区普遍高于中部和西部,西部地区排名靠后。从得分结果可知,生产性服务业的发展水平的城市化、地区化差异与各地区自身的经济发展有重大关系,为了减少这些差异,我们应该因地制宜地发展生产性服务业,取长补短,回避发展生产性服务业的不利条件,努力发展地区的比较优势。另外国家作为宏观调控的主体,应制定一定的政策,对地区主导生产性服务业给与财政、税收等政策的支持。发展生产性服务业所必需的基础设施,改良生产性服务业的地区投资环境,拉动相关产业的发展,促进产业竞争力的提升,全面调节生产性服务业的发展水平,共同发展、和谐发展。
参考文献:
[1]赵惠芳、王冲、闫安、徐展:?中部省份现代服务业发展水平评价#,?统计与决策#,2007年。
[2]李振国、席建国:?基于因子分析的社会保障发展水平评析#,?信阳师范学院学报#,2007年。
[3]佟瑞、朱顺泉:?基于因子分析法的我国各省市社会经济发展水平评价研究#,?经济理论问题#,2005年。
[4]王保伦、路红艳:?生产性服务业与地区产业竞争力的提升#,?经济问题探索#,2007年。
[5]刘重:?现代生产性服务业与经济增长#,?天津社会科学#,2006年。
[6]钟韵、阎小培:?我国生产性服务业与经济发展关系研究#,?人文地理#,2003年。
[7]郑吉昌:?生产性服务业与现代经济增长#,?浙江树人大学学报#,2005年。
[8]王晓玉:?国外生产性服务业集聚研究述评#,?当代财经#,2006年。
[9]王煊:?我国生产生服务业发展的对策思考#,?统计与决策#,2007年第24期。
[10]陈保启、李为人:?生产性服务业的发展与我国经济增长方式的转变#,?中国社会科学院研究生院学报#,2006年。
(责任编辑:余小平)
14
主成分分析法PCA的原理
主成分分析法原理简介 1.什么是主成分分析法 主成分分析也称主分量分析，是揭示大样本、多变量数据或样本之间内在关系的一种方法，旨在利用降维的思想，把多指标转化为少数几个综合指标，降低观测空间的维数，以获取最主要的信息。 在统计学中，主成分分析（principal components analysis, PCA）是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。 2.主成分分析的基本思想 在实证问题研究中，为了全面、系统地分析问题，我们必须考虑众多影响因素。这些涉及的因素一般称为指标，在多元统计分析中也称为变量。因为每个变量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性，因而所得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多变量问题时，变量太多会增加计算量和增加分析问题的复杂性，人们希望在进行定量分析的过程中，涉及的变量较少，得到的信息量较多。主成分分析正是适应这一要求产生的，是解决这类题的理想工具。 对同一个体进行多项观察时必定涉及多个随机变量X1，X2，…，X p，它们之间都存在着相关性，一时难以综合。这时就需要借助主成分分析来概括诸多信息的主要方面。我们希望有一个或几个较好的综合指标来概括信息，而且希望综合指标互相独立地各代表某一方面的性质。
主成分分析法运用
统计学简介及在实践中的应用 --以主成分分析法分析影响房价因素为例 姓名：阳飞 学号：2111601015 学院：经济管理学院 指导教师：吴东武 时间：二〇一七年一月六日
1 简介 统计语源最早出现于中世界拉丁语的Status，意思指各种现象的状态和状况。后来由这一语根组成意大利语Stato，有表示“国家”的概念，也含有国家结构和 国情知识的意思。根据这一语根，最早作为学名使用的“统计”的是在十八世纪德国政治学教授亨瓦尔（G.Achenwall)。他在1749年所著《近代欧洲各国国家学纲要》一书的绪言中，就把国家学名定义为“Statistika”（统计）这个词。原意是 指“国家显著事项的比较和记述”或“国势学”，认为统计是关于国家应注意事项的学问。自此以后，各国就相继沿用“统计”这个词，更把这个词译成各国的文字，其中，法国译为Statistique；意大利译为Statistica；英国译为Statistics；日本最初译为“政表”、“政算”、“国势”、“形势”等，直到1880年在太政官中设立了统计院，这个时候才确定以“统计”二字正名。 在我国近代史上首次出现是在1903年（清光绪廿九年）由钮永建、林卓南等翻译了四本由横山雅南所著的《统计讲义录》一书，这个时候才把“统计”这个词从日本传到我国。1907年（清光绪卅三年），由彭祖植编写的《统计学》在日本出版，同时在国内发行。这本书是我国最早的一本“统计学”书籍。自此以后“统计”一词就成了记述国家和社会状况的数量关系的总称。 关于“统计”这个词，后来又引申到了各种各样的组合，包括：统计工作、统计资料、统计科学。 统计工作是指利用科学的方法搜集、整理、分析和提供关于社会经济现象数量资料的工作的总称，它是统计的基础，也称统计实践或统计活动。是在一定统计理论指导下，采用科学的方法，搜集、整理、分析统计资料的一系列活动过程。
基于主成分分析的经济发展水平综合评价
基于主成分分析的经济发展水平综合评价1 吴冲，王栋 哈尔滨工业大学管理学院，哈尔滨 (150001) E-mail：wuchong@https://www.wendangku.net/doc/2a8348899.html, 摘要：衡量一个国家的经济发展程度，要从其社会生产的各个方面去考察，要看各项生产能力的综合效果。为了客观、科学地分析我国的经济发展状况，本文首次把居民消费价格指数和商品零售价格指数引入评价指标体系中，提出一种新的社会发展水平综合指标体系，并通过SPSS分析软件进行上机计算，应用主成分分析方法对我国31个省、直辖市、自治区（不包括香港、澳门和台湾）的经济发展水平进行综合分析和评价，突出了各大省市经济发展进程的特点和优势，为我国实现均衡发展提供理论依据。 关键词：主成分分析，经济发展，综合评价 1. 引言 要描述和评价一个社会的经济发展状况，最理想的是找到一个总括性社会指标体系评价方法，其测度结果能够反映社会经济发展的全部或大部分信息。20世纪60年代以来一些国际性组织、国家和地区的职能部门以及研究学者曾经提出各种不尽完全相同的指标体系评价方法[1]。我国系统地研究社会发展指标体系评价方法起步较晚，但发展很快，20世纪80年代以来，国内一些政府部门、研究单位和个人先后设计了一些“社会指标体系评价方法”[2-4]，如：唐晓东[5]采用了21个指标变量的函数模型来评价我国社会经济发展状况，然而此模型一个最大缺点，就是没有把所有反映经济情况的因素考虑在内，得不到预期效果。但到目前为止，还没有形成一套完善、客观的社会经济发展综合指标体系评价方法，为了更加全面、客观地反映我国各地区的社会发展水平，本文在借鉴国内外研究成果的基础上，通过对我国已有研究成果的修正和充实，首次把居民消费价格指数和商品零售价格指数引入评价指标体系中，提出一种新的社会发展水平综合指标体系。 在实际经济问题中，不同的经济变量之间具有一定的相关性，如职工平均工资和消费水平必然有一定的关联性，这样势必增加分析问题的复杂性，因此需要有一种进行简化的方法。主成分分析法可以用较少的指标来代替原来较多的指标，并使这些较少的指标尽可能地反映原来指标的信息，从根本上解决了指标间的信息重叠问题，又大大简化了原指标体系的指标结构，用主成分分析法分析经济发展水平的优势主要体现在: (1)全面性(消除评价指标的相互影响)，在满足n p f的条件下，不限制指标的个数，可以综合评价一国的经济发展状况，主成分分析的降维处理技术能较好地解决多指标评价的要求，在选择了() p个主成分后， m m p 仍能保留原是数据信息的85%以上，因此这一方法综合评价经济发展水平比较全面，可以克服片面追求个别经济指标而忽略全面经济发展指标的倾向；(2)可加性(数据标准化处理)，在综合评价经济发展水平时，所建立的评价指标量纲往往不同，变差不能直接综合，主成分分析法避免了此现象的发生，因为在计算过程中，主成分分析法把各个指标进行了标准化处理，这就使得各个经济指标之间具有可比性即可加性；(3)客观性(科学的确定权重)，在层次分析法计算过程中，通过专家打分来确定权重，也就是说在确定权重的问题上具有了人为因素，而主成分分析法在确定综合因子的权重时，克服了某些评价方法中人为确定权重的缺陷，使得综合评价结果唯一；(4)简单性(计算简介)，随着电子计算机技术的发展，SPSS、SAS等计 1本课题得到高校博士点基金(20050213037）资助。
中国快递行业发展现状分析
本论文以大量的文献资料为参考，以快递产业的起源、中国快递市场内各快递企业的发展情况及现状为基础，进一步分析中国邮政特快专递EMS和中国民营快递企业在过去发展中及现阶段经营中存在的问题。找出影响中国各快递企业发展的因素，并以此对中国快递产业未来的发展政策提出可行的建议，同时对其未来的发展趋势做出理性的判断和预测，为中国各快递企业今后的发展提供理论依据。 1、中国快递产业概述 快递在当今世界，作为一种方便快捷的运输服务方式越来越受到社会各阶层客户的普遍欢迎，并得到迅速发展。早在1993年，全球十大运输企业排名中，第二及第九位均为主要从事快递服务的公司，这一事实足以证明快递业在运输业中不可低估的地位。快递业近20年的发展，快递业在发达国家的地位更加稳固，在发展中国家，快递业必将随着社会、经济的发展而得到更大的发展。 1.1快递产业的起源 快递产业的前身包裹运送服务是由邮政送信业务发展而来，1907年UPS的创始人吉姆?凯西创建了美国信使公司，主要从事西雅图市内的递送业务。随着汽车和电话的普及，191 9年自此UPS公司的业务已经由信使转移到包裹运送。二战结束以后，全球科学技术的发展带来的小物件科技产品的诞生。小物件的运送在可*性和实效性上远远不能满足人满的需求。于是市场上急需一种能够快速的，可*的递送货物的产业出现。自20世纪60年代末，UPS网点已遍布美国25个城市，1986年敦豪与中国对外贸易运输集团总公司合资成立了中外运敦豪，成为了中国市场内的第一家快递公司。20世纪80年代，随着快递产业进入中国市场，中国快递企业迅速增加，业务范围不断扩大，遍布地区不断延伸。在中国快递产业已走过的30年当中，市场模块以基本形成，同时也产生了中国快递市场的三大巨头即国营快递、民营快递、国际快递。随着近年我国快运快递产业的迅速发展，目前已经在我国东部地区形成部分快运速递圈。同时这些快运速递圈正在带动中部和西部地区的发展。部分大城
用主成分分析模型构造综合评价指数
用主成分分析模型构造中学考试综合评价指数 [摘要] 在中学考试的综合评价中，使用较多的指标进行描述使分析复杂化，难以对众多指标的影响作出正确的判断，需要少量几个“综合评价指标”。通过简单加权的合成方法，难以得到科学的结果。主成分分析是一种多元统计方法，可以将众多指标简化浓缩为少量几个甚至一个综合评价指标，使简化的指标既能基本包括全部指标具有的信息，又使指标之间相互无关，较好地解决了这一课题。 [关键词] 考试评价；主成分分析；数学模型；计算步骤，指数构造方法 一、问题的提出 在中学考试评价中，通常使用各学科的“平均分”、“优秀率”、“及格率”和“低分率”等指标。考虑到成绩的分布状况（“优秀率”与“及格率”之间的差距偏大，可能失去部分信息量），某些地区还使用了“良好率”指标。这样，k 个学科的考试评价的p 项指标将多达k ╳p 个。在对考试进行综合的评价时，使用较多的指标进行描述不仅会增加评价的工作量，而且会因评价指标间的相关性造成评价信息重叠，相互干扰，其结果使分析复杂化，难以对众多指标的影响作出正确的判断。因此，需要少数几个甚至一个“综合评价指标”来代替众多的且相互之间具有相关关系的指标，同时又需要不失去原有指标具有的信息量，这是考试评价中具有现实意义的课题。 某些地区采用一种“降维”的方法，较成功地把k ╳p 维指标降为p 维指标，即在使用“总分平均分”的同时，用“科平均╳╳率”取代各科的“╳╳率”（计算方法见备注1）。如何把p 维指标再合成为一个“综合评价指标”？采用一些简单加权的合成方法时，由于对各指标的影响不容易作出正确的定量化的判断，及权数产生的科学性等问题，往往难以得到令人信服的科学的结果。 主成分分析是一种多元统计方法，可以将众多指标简化浓缩为少数几个甚至一个综合评价指标，使简化的指标既能基本包括全部指标具有的信息，又使指标之间相互无关。较好地解决了这一课题。 二、主成分分析的数学模型 设有n 个样品，每个样品观测p 个指标（变量）：X 1，X 2，…，X p , 得到原始数据矩阵： 用数据矩阵X 的p 个列向量（即p 个指标向量）作线形组合（即综合指标向量）为： 上述方程组要求： 且系数αij 由下列原则决定： ①、F i 与F j （i ≠j ，i ，j =1，…，p ）不相关； ②、F 1是X 1，X 2，…，X p 的一切线性组合（系数满足上述方程组）中方差最大的，F 2是与F 1不相关的X 1，X 2，…，X p 的一切线性组合中方差最大的，…，F p 是是与F 1，F 2，…，F p-1都不相关的X 1，X 2，…，X p 的一切线性组合中方差最大的。 ?? ? ??? ? ???? ???=np n n p p x x x x x x x x x X 2122221 11211 ??? ?? ???????=ni i i i x x x X 2 1 ?? ???? ?+++=+++=+++=p pp p p p p p p p p X a X a X a F X a X a X a F X a X a X a F 22122221122122111111 2 2221=+++pi i i a a a
我国现代物流业发展的现状分析
我国现代物流业发展的现状分析中国现代物流业，是适应中国经济快速发展和对外开放、市场竞争日益加剧的形势，在中国传统计划经济体制下的物资计划分配和运输体制的基础上发展起来的新兴产业。随着经济全球化、信息化进程的加快，近几年中国现代物流业有了较快的发展。 （一）物流基础设施建设取得长足进展。经过建国五十多年特别是改革开放后二十多年的建设，我国基本建成了由铁路、公路、水运、民航和管道运输组成的物流运输基础设施体系。2003年我国铁路营业里程7.3万公里，比1978 年增加41%；公路里程达179.6万公里，比1978年增加102%，其中高速公路3万公里；内河航道里程12.2万公里。我国还建成了一批铁路、公路站场和货运枢纽、海运和内河港口、机场。2003年沿海港口万吨级及以上深水泊位达到近600个。运输线路和作业设施有了较大的改善。以发展现代物流为核心的物流园区、物流中心、配送中心等大批涌现。随着经济发展和技术进步，在共用通信网的规模、技术层次、服务水平方面都发生了质的飞跃。2003年，电话用户总数达5.32亿户，其中固定电话2.63亿户，移动电话2.69亿户。电话普及率达到42部/百人。互联网上网人数达7950万人，上网计算机达到3089万台，网站总数达到59.6万个，互联网的应用逐步普及。 （二）现代物流技术逐步得到应用。为适应市场竞争的需要，一些大型工业企业开始重视现代物流技术的应用，以订单为中心改造现有业务流程，在生产组织、原材料采购及产品销售、配送和运输等方面实行一体化运作，降低库存，减少资金占用。商业企业则加快改制重组，发展连锁经营、统一配送和电子商务的步伐。 （三）专业化物流企业迅速发展。近几年来，通过改造传统国有运输、仓储企业，发展民营物流企业，积极引进外资物流企业，以及实现生产流通企业物流社会化等途径，专业化物流企业发展迅速，逐步形成了不同所有制形式、不同经营模式和不同经营规模的专业物流企业共同发展的格局。物流的服务功能增强，服务水平提高。
主成分分析
引言： 主成分分析也称主分量分析，是由霍特林于1933年首先提出的。主成分分析是利用降维的思想，在损失很少信息的前提下，把多个指标转化为几个综合指标的多元统计方法。通常把转化生成的综合指标称为主成分，其中每个主成分都是原始变量的线性组合，且各个主成分之间互不相关，使得主成分比原始变量具有某些更优越的性能。这样在研究复杂问题时就可以只考虑少数几个主成分而不至于损失太多信息，从而更容易抓住主要矛盾，揭示事物内部变量之间的规律性，同时使得问题得到简化，提高分析效率。本文用主成分分析的方法对某市14家企业的经济效益进行分析。[1] 在处理涉及多个指标问题的时候，为了提高分析的效率可以不直接对p个指标构成的p维随机向量x=(x1，x2，x3，……，x p)进行分析，而是先对向量x进行 线性变换，形成少数几个新的综合变量，使得个综合变量之间相互独立且能解释原始变量尽可能多的信息，这样在意损失很少部分信息为代价的前提下，达到简化数据结构，提高分析效率的目的。 主成分的基本思想就是在保留原始变量尽可能多的前提下达到降维的目的，从而简化问题的复杂性并抓住问题的主要矛盾。而这里对于随机变量x1，x2，x3，……，x p而言，其协方差矩阵或相关矩阵正是对各变量离散程度与变量之间 的相关程度的信息的反映，而相关矩阵不过是将原始变量标准化后的协方差矩阵我们所说的保留原始变量尽可能多的信息，也就是指生成的较少的综合变量（主成分）的方差和尽可能接近原始变量方差的总和。因此在实际求解主成分的时候，总是从原始变量的协方差矩阵或相关矩阵的结构分析入手。一般来说从原始变量的协方差矩阵出发求得的主成分与从原始变量的相关矩阵出发求得的主成分是不同的本文我们用从原始变量的相关矩阵出发求得的主成分进行分析。[5]
主成分分析法的原理应用及计算步骤..
一、概述 在处理信息时，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠，例如，高校科研状况评价中的立项课题数与项目经费、经费支出等之间会存在较高的相关性；学生综合评价研究中的专业基础课成绩与专业课成绩、获奖学金次数等之间也会存在较高的相关性。而变量之间信息的高度重叠和高度相关会给统计方法的应用带来许多障碍。 为了解决这些问题，最简单和最直接的解决方案是削减变量的个数，但这必然又会导致信息丢失和信息不完整等问题的产生。为此，人们希望探索一种更为有效的解决方法，它既能大大减少参与数据建模的变量个数，同时也不会造成信息的大量丢失。主成分分析正式这样一种能够有效降低变量维数，并已得到广泛应用的分析方法。 主成分分析以最少的信息丢失为前提，将众多的原有变量综合成较少几个综合指标，通常综合指标（主成分）有以下几个特点： ↓主成分个数远远少于原有变量的个数 原有变量综合成少数几个因子之后，因子将可以替代原有变量参与数据建模，这将大大减少分析过程中的计算工作量。 ↓主成分能够反映原有变量的绝大部分信息 因子并不是原有变量的简单取舍，而是原有变量重组后的结果，因此不会造成原有变量信息的大量丢失，并能够代表原有变量的绝大部分信息。 ↓主成分之间应该互不相关 通过主成分分析得出的新的综合指标（主成分）之间互不相关，因子参与数据建模能够有效地解决变量信息重叠、多重共线性等给分析应用带来的诸多问题。 ↓主成分具有命名解释性 总之，主成分分析法是研究如何以最少的信息丢失将众多原有变量浓缩成少数几个因子，如何使因子具有一定的命名解释性的多元统计分析方法。 二、基本原理 主成分分析是数学上对数据降维的一种方法。其基本思想是设法将原来众多的具有一定相关性的指标X1，X2，…，XP （比如p 个指标），重新组合成一组较少个数的互不相关的综合指标Fm 来代替原来指标。那么综合指标应该如何去提取，使其既能最大程度的反映原变量Xp 所代表的信息，又能保证新指标之间保持相互无关（信息不重叠）。 设F1表示原变量的第一个线性组合所形成的主成分指标，即 11112121...p p F a X a X a X =+++,由数学知识可知，每一个主成分所提取的信息量可 用其方差来度量，其方差Var(F1)越大，表示F1包含的信息越多。常常希望第一主成分F1所含的信息量最大，因此在所有的线性组合中选取的F1应该是X1，X2，…，XP 的所有线性组合中方差最大的，故称F1为第一主成分。如果第一主成分不足以代表原来p 个指标的信息，再考虑选取第二个主成分指标F2，为有效地反映原信息，F1已有的信息就不需要再出现在F2中，即F2与F1要保持独立、不相关，用数学语言表达就是其协方差Cov(F1, F2)=0，所以F2是与F1不
如何有效利用主成分分析进行综合评价
如何有效利用主成分分析进行综合评价 摘要：由于主成分分析在多元统计分析中的降维作用，使之在社会、经济、医疗、生化等 各领域运用越来越广泛，但由于传统主成分分析方法的局限性导致了一些问题的产生。这些 问题吸引了许多领域专家的关注，并具有针对性的提出了一些不同的改进方法。本文介绍了 主成分分析的基本和性质，并整理了近年来主成分分析在综合评价应用中遇到的普遍问题并整理验证了认同率较强的一些改进方法，以供大家研究学习。 关键词：主成分分析；综合评价；均值化 1引言 1.1研究的背景和意义 随着生产力的不断进步，生产方式由外延式扩张转化为追求经济效益的内涵式发展，以 致在生产过程中必须考虑经济效益的各个方面，如生产力水平、技术进步、资源占用等情况， 并需要就综合各方面的因素进行综合评价。 评价是根据确定的目的来测定对象系统的属性，并将这种属性变为客观定量的计值或者主观效用行为，整个过程离不开评价者的参与，而综合评价作为评价的一种也需要评价者做出相应反应或指示，而很多综合评价过程易受到评价者的干预，使评价结果产生偏差。 主成分分析能将高维空间的问题转化到低维空间去处理【9】，使问题变得比较简单、直 观，而且这些较少的综合指标之间互不相关，又能提供原有指标的绝大部分信息。而且，伴 随主成分分析的过程，将会自动生成各主成分的权重，这就在很大程度上抵制了在评价过程 中人为因素的干扰，因此以主成分为基础的综合评价理论能够较好地保证评价结果的客观性，如实地反映实际问题。主成分综合评价提供了科学而客观的评价方法，完善了综合评价 理论体系，为管理和决策提供了客观依据，能在很大程度上减少了上述不良现象的产生。 所以在社会经济、管理、自然科学等众多领域的多指标体系中，如节约型社会指标体系、生态环境可持续型指标体系、和谐社会指标体系、投资环境指标体系等，主成分分析法常被应用于综合评价与监控【6】。 综上所述，对综合评价指标体系理论进行研究，既有理论上的必要性，更有实践中的迫 切性。 1.2研究的发展史
主成分分析计算方法和步骤
主成分分析计算方法和步骤： 在对某一事物或现象进行实证研究时,为了充分反映被研究对象个体之间的差异, 研究者往往要考虑增加测量指标,这样就会增加研究问题的负载程度。但由于各指标都是对同一问题的反映,会造成信息的重叠,引起变量之间的共线性,因此,在多指标的数据分析中,如何压缩指标个数、压缩后的指标能否充分反映个体之间的差异,成为研究者关心的问题。而主成分分析法可以很好地解决这一问题。 主成分分析的应用目的可以简单地归结为: 数据的压缩、数据的解释。它常被用来寻找和判断某种事物或现象的综合指标,并且对综合指标所包含的信息给予适当的解释, 从而更加深刻地揭示事物的内在规律。 主成分分析的基本步骤分为: ①对原始指标进行标准化,以消除变量在数量极或量纲上的影响;②根据标准化后的数据矩阵求出相关系数矩阵 R; ③求出 R 矩阵的特征根和特征向量; ④确定主成分,结合专业知识对各主成分所蕴含的信息给予适当的解释;⑤合成主成分,得到综合评价值。 结合数据进行分析 本题分析的是全国各个省市高校绩效评价，利用全国2014年的相关统计数据(见附录)，从相关的指标数据我们无法直接评价我国各省市的高等教育绩效，而通过表5-6的相关系数矩阵，可以看到许多的变量之间的相关性很高。如：招生人数与教职工人数之间具有较强的相关性，教育投入经费和招生人数也具有较强的相关性，教工人数与本科院校数之间的相关系数最高，到达了0.963，而各组成成分之间的相关性都很高，这也充分说明了主成分分析的必要性。 表5-6 相关系数矩阵 本科院校 数招生人数教育经费投入 相关性师生比0.279 0.329 0.252 重点高校数0.345 0.204 0.310 教工人数0.963 0.954 0.896 本科院校数 1.000 0.938 0.881 招生人数0.938 1.000 0.893 教育经费投 0.881 0.893 1.000 入
中国物流发展现状分析
物流行业巨大增长潜力； 政策上，我国政府坚决鼓励物流市场的发展； 我国企业将运输和仓储功能外包的比例日益增大。 相对于发达国家的物流产业而言，中国的物流产业尚处于起步发展阶段，主要特点是：（1）企业物流仍然是全社会物流活动的重点，专业化物流服务需求已初见端倪 近年来，随着买方市场的形成，企业对物流领域中存在的第三利润源开始有了深刻的认识。优化企业内部物流管理，降低物流成本成为目前多数国内企业最为强烈的愿望和要求。这说明，我国物流活动的发展水平还比较低，加强企业内部物流管理活动仍然是全社会物流活动的重点。 与此同时，专业化的物流服务需求已经出现，且发展势头极为迅速。其一是跨国公司在中国从事生产经营活动，销售活动，分拨活动以及采购活动过程中对高效率、专业化物流服务的巨大需求，这是带动我国物流产业发展的一个十分重要的市场基础；其二是国内优势企业对专业化物流服务的需求。 （2）专业化物流企业开始涌现，多样化物流服务有一定程度的发展 近年来，我国经济中出现的许多物流企业，主要由三部分组成： 6041 一是国际物流企业。这些国际物流公司一方面为其原有的客户--跨国公司进入中国市场提供延伸物流服务；另一方面，针对中国市场正在生成的专业化物流服务需求提供服务。 二是由传统运输、储运及批发贸易企业转变形成的物流企业。它们依托原有的物流业务基础和在客户、设施、经营网络等方面的优势，通过不断拓展和延伸物流服务，逐步向现代物流企业转化。 三是新兴的专业化物流企业。这些企业依靠先进的经营理念、多样化的服务手段、科学的管理模式在竞争中赢得了市场地位，成为我国物流产业发展中一个不容忽视的力量。 2第三方物流市场现状 我国第三方物流市场潜力大、发展迅速，处于发展初期，而且呈地域性集中分布。 （1）2002年，我国与物流相关的总支出有19，000亿元人民币，物流成本占GDP的比重为20%左右，第三方物流市场的潜力很大，2001年的市场规模在400亿元人民币以上，70%的物流服务提供商在过去的三年中，年均业务增幅都高于30%，预计2003年我国第三方物流市场规模在600-700亿元以上，整个中国第三方物流市场2000年至2005年的年增长率将达到25%。 推动中国第三方物流发展的主要因素有方面：跨国企业正在将更多的业务转向中国，并通过外包他们广泛的物流功能来降低供应链成本；其次是中国公司面临着降低成本和关心核心竞争力的压力，增加了物流外包的需求；最后，我国政府的激励措施也是刺激中国的第三方物流市场迅速发展的重要因素。 （2）中国第三方物流供应商功能单一，增值服务薄弱。物流服务商的收益85%来自基础性服务，如运输管理和仓储管理，增值服务及物流信息服务与支持物流的财务服务的收益只占15%。增值服务主要是货物拆拼箱，重新贴签／重新包装，包装／分类／并货／零部件配套，产品退货管理，组装／配件组装，测试和修理。原因是：一方面，多于一半的物流服务商认为企业将内物流外包的计划；另一方面，企业认为我国缺少高水平的物流服务商，再加上企业认为自己有条件把企业内物流做好。 在这种状况下，物流服务商所提供的物流服务只能局限在相对低利润的物流服务上，一直到客户愿意外包增值服务为止。就目前的发展状况而言，我国物流企业与真正意义上的第三方物流仍有相当长的距离。 （3）整个第三方物流市场还相当分散，第三方物流企业规模小，没有一家的物流服务供应商拥有超过2%的市场份额。 （4）物流服务商认为阻碍其发展的一个最大障碍是很难找到合格的物流管理人员来推动业
主成分分析法的步骤和原理
（一）主成分分析法的基本思想 主成分分析（Principal Component Analysis）是利用降维的思想，将多个变量转化为少数几个综合变量（即主成分），其中每个主成分都是原始变量的线性组合，各主成分之间互不相关，从而这些主成分能够反映始变量的绝大部分信息，且所含的信息互不重叠。[2] 采用这种方法可以克服单一的财务指标不能真实反映公司的财务情况的缺点，引进多方面的财务指标，但又将复杂因素归结为几个主成分，使得复杂问题得以简化，同时得到更为科学、准确的财务信息。 （二）主成分分析法代数模型 假设用p个变量来描述研究对象，分别用X1，X2…X p来表示，这p个变量构成的p维随机向量为X=(X1，X2…X p)t。设随机向量X的均值为μ，协方差矩阵为Σ。对X进行线性变化，考虑原始变量的线性组合： Z=μX+μX+…μX Z=μX+μX+…μX ……………… Z=μX+μX+…μX 主成分是不相关的线性组合Z1，Z2……Z p，并且Z1是X，X…X的线性组合中方差最大者，Z2是与Z1不相关的线性组合中方差最大者，…，Z是与Z1，Z2……Z p-1都不相关的线性组合中方差最大者。 （三）主成分分析法基本步骤 第一步：设估计样本数为n，选取的财务指标数为p，则由估计样本的原始数据可得矩阵X=(x ij)m×p，其中x ij表示第i家上市公司的第j项财务指标数据。 第二步：为了消除各项财务指标之间在量纲化和数量级上的差别，对指标数据进行标准化，得到标准化矩阵（系统自动生成）。 第三步：根据标准化数据矩阵建立协方差矩阵R，是反映标准化后的数据之间相关关系密切程度的统计指标，值越大，说明有必要对数据进行主成分分析。其中，R ij（i，j=1，2，…，p）为原始变量X i与X j的相关系数。R为实对称矩阵
中国物流行业发展现状、市场需求情况分析报告
行业发展现状与市场需求情况分析 21世纪是物流挂帅的世纪。物流发展的水平已经成为一个国家、一个地区、一个企业核心竞争力的重要标志之一。 一、我国物流业发展现状与趋势 近年来，我国物流业受到了社会各方面的广泛关注，成为经济生活中的一个热点和亮点。现代物流的发展方兴未艾，预计将在新世纪里得到更快的发展。 （一）发展我国物流业的重要性 当降低成本、提高生产效率的竞争发展到一定程度之后，企业竞争的焦点开始由生产领域转向流通领域。世界经济贸易一体化趋势的加速发展，导致了现代物流这一货运流通领域全新理论和技术的不断发展和创新，高新技术的突飞猛进和计算机信息网络的日益普及，促使传统物流在不断向现代意义上的物流转变。许多国家政府以及有关业界纷纷开始意识到：现代物流的发展水平已成为一个国家综合国力的重要标志。 物流费用是我国工业企业仅次于原材料采购成本的最大支出。我国的流通费用约占GDP的20%，而发达国家如美国仅占10%左右。我国2001年GDP总量为95933亿元，当年全社会的物流费用支出为19186亿元，如果将这笔物流费用平均每降低1个百分点，全社会就能节约190亿元，而要达到发到国家的10%左右的水平，还有10个百分点的发展空间，粗略的估计也有9000亿元。 由此可见，发展现代化的物流产业，是关系到国计民生的重要举措。 对于我国企业来讲，物流管理不仅在提高运输效率，降低库存水平和对市场变化的快速反应方面卓有成效，更重要的是，物流管理可以帮助企业打破部门本位主义思想，协调各部门的努力，使之方向一致。因此，物流管理问题对于企业来讲，应该放到战略角度来考虑，
发挥企业的整体优势，充分发掘第三利润源。需要更多的分析报告，请到vip.****** （二）我国物流业发展现状 现代物流在中国已经起步，标志主要有以下三点： （1）工商企业已经不满足于传统储运企业的单一、单项、分散的储运服务，正在向社会、向市场寻求现代物流服务。 （2）传统储运（运输、仓储、货代、邮电等）企业纷纷包装，改换门庭，向现代物流企业发展；工商企业内部的储运机构也有独立化的趋势，向物流企业发展。 （3）陆续产生了一批三资、民营或股份制的现代物流企业。 1.物流需求市场现状 物流费用是我国工业企业仅次于原材料采购成本的最大支出。我国的流通费用约占GDP的20％，而发达国家如美国仅占10％左右。 根据中国仓储协会的调查，我国现在的生产企业和商业企业，经营的产品呈多样化格局，这就意味着企业需要投入较高的存置成本（carrying cost），需要对多类型货物在存储上加以区分，物流对象的复杂化也给物流经营带来更大的挑战。目前我国生产企业中，43％的企业销售在全国范围内，57％的企业的销售在全球范围，由此可见，大部分企业的销售需要全国范围的物流网络的支持。 我国目前的物流系统运作特征主要体现在以下两个方面： （1）工商企业库存期长、周转慢。 （2）物流作业指标维持往年水平，物流经营成本有所上升。 表1-1的数据来源于中国仓储协会对中国物流市场的第三次调查报告。结果表明，不同的行业物流量和物流费用的差异较大。 表1-1：我国企业物流量以及物流费用情况
主成分分析法概念及例题
主成分分析法 主成分分析（principal components analysis，PCA）又称：主分量分析，主成分回归分析法 [编辑] 什么是主成分分析法 主成分分析也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标。 在统计学中，主成分分析（principal components analysis,PCA）是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。 [编辑] 主成分分析的基本思想
在实证问题研究中，为了全面、系统地分析问题，我们必须考虑众多影响因素。这些涉及的因素一般称为指标，在多元统计分析中也称为变量。因为每个变量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性，因而所得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多变量问题时，变量太多会增加计算量和增加分析问题的复杂性，人们希望在进行定量分析的过程中，涉及的变量较少，得到的信息量较多。主成分分析正是适应这一要求产生的，是解决这类题的理想工具。 同样，在科普效果评估的过程中也存在着这样的问题。科普效果是很难具体量化的。在实际评估工作中，我们常常会选用几个有代表性的综合指标，采用打分的方法来进行评估，故综合指标的选取是个重点和难点。如上所述，主成分分析法正是解决这一问题的理想工具。因为评估所涉及的众多变量之间既然有一定的相关性，就必然存在着起支配作用的因素。根据这一点，通过对原始变量相关矩阵内部结构的关系研究，找出影响科普效果某一要素的几个综合指标，使综合指标为原来变量的线性拟合。这样，综合指标不仅保留了原始变量的主要信息，且彼此间不相关，又比原始变量具有某些更优越的性质，就使我们在研究复杂的科普效果评估问题时，容易抓住主要矛盾。上述想法可进一步概述为：设某科普效果评估要素涉及个指标，这指标构成的维随机向量为。对作正交变换，令，其中为正交阵，的各分量是不相关的，使得的各分量在某个评估要素中的作用容易解释，这就使得我们有可能从主分量中选择主要成分，削除对这一要素影响微弱的部分，通过对主分量的重点分析，达到对原始变量进行分析的目的。的各分量是原始变量线性组合，不同的分量表示原始变量之间不同的影响关系。由于这些基本关系很可能与特定的作用过程相联系，主成分分析使我们能从错综复杂的科普评估要素的众多指标中，找出一些主要成分，以便有效地利用大量统计数据，进行科普效果评估分析，使我们在研究科普效果评估问题中，可能得到深层次的一些启发，把科普效果评估研究引向深入。 例如，在对科普产品开发和利用这一要素的评估中，涉及科普创作人数百万人、科普作品发行量百万人、科普产业化（科普示范基地数百万人）等多项指标。经过主成分分析计算，最后确定个或个主成分作为综合评价科普产品利用和开发的综合指标，变量数减少，并达到一定的可信度，就容易进行科普效果的评估。 [编辑] 主成分分析法的基本原理 主成分分析法是一种降维的统计方法，它借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，这在代数上表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p 个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。 [编辑] 主成分分析的主要作用
主成分分析法概念及例题
主成分分析法 [ 编辑 ] 什么是主成分分析法 主成分分析也称 主分量分析 ，旨在利用降维的思想，把多 指标 转化为少数几个综合指标。 在 统计学 中，主成分分析（ principal components analysis,PCA ）是一种简化数据集的技 术。它是一个线性变换。 这个变换把数据变换到一个新的坐标系统中， 使得任何数据投影的第一 大方差 在第一个坐标 （称为第一主成分 ）上，第二大方差在第二个坐标 （第二主成分 ）上，依次类推。 主成分分析经常用减少数据集的维数， 同时保持数据集的对 方差 贡献最大的特征。 这是通过保留 低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是， 这也不是一定的，要视具体应用而定。 [ 编辑 ] ， PCA ） 又称： 主分量分析，主成分回归分析法 主成分分析（ principal components analysis
主成分分析的基本思想 在实证问题研究中，为了全面、系统地分析问题，我们必须考虑众多影响因素。这些涉及的因素一般称为指标，在多元统计分析中也称为变量。因为每个变量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性，因而所得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多变量问题时，变量太多会增加计算量和增加分析问题的复杂性，人们希望在进行定量分析的过程中，涉及的变量较少，得到的信息量较多。主成分分析正是适应这一要求产生的，是解决这类题的理想工具。 同样，在科普效果评估的过程中也存在着这样的问题。科普效果是很难具体量化的。在实际评估工作中，我们常常会选用几个有代表性的综合指标，采用打分的方法来进行评估，故综合指标的选取是个重点和难点。如上所述，主成分分析法正是解决这一问题的理想工具。因为评估所涉及的众多变量之间既然有一定的相关性，就必然存在着起支配作用的因素。根据这一点，通过对原始变量相关矩阵内部结构的关系研究，找出影响科普效果某一要素的几个综合指标，使综合指标为原来变量的线性拟合。这样，综合指标不仅保留了原始变量的主要信息，且彼此间不相关，又比原始变量具有某些更优越的性质，就使我们在研究复杂的科普效果评估问题时，容易抓住主要矛盾。上述想法可进一步概述为：设某科普效果评估要素涉及个指标，这指标构成的维随机向量为。对作正交变换，令，其中为正交阵，的各分量是不相关的，使得的各分量在某个评估要素中的作用容易解释，这就使得我们有可能从主分量中选择主要成分，削除对这一要素影响微弱的部分，通过对主分量的重点分析，达到对原始变量进行分析的目的。的各分量是原始变量线性组合，不同的分量表示原始变量之间不同的影响关系。由于这些基本关系很可能与特定的作用过程相联系，主成分分析使我们能从错综复杂的科普评估要素的众多指标中，找出一些主要成分，以便有效地利用大量统计数据，进行科普效果评估分析，使我们在研究科普效果评估问题中，可能得到深层次的一些启发，把科普效果评估研究引向深入。 例如，在对科普产品开发和利用这一要素的评估中，涉及科普创作人数百万人、科普作品发行量百万人、科普产业化（科普示范基地数百万人）等多项指标。经过主成分分析计算，最后确定个或个主成分作为综合评价科普产品利用和开发的综合指标，变量数减少，并达到一定的可信度，就容易进行科普效果的评估。 [ 编辑] 主成分分析法的基本原理 主成分分析法是一种降维的统计方法，它借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，这在代数上表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p 个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。 [ 编辑] 主成分分析的主要作用
主成分进行综合评价 综合评价主成分分析方法与因子分析方法的比较
主成分进行综合评价综合评价主成分分析方法 与因子分析方法的比较 统计研究 主成分分析方法和因子分析方法都是寻求从高维空间到低维空间的映射的方法，其目的是起到降维的效果，以便于用几个较少的综合指标来综合所研究总体各方面的信息，且这几个指标所代表的信息不重叠，也就是说从高维空间到低维空间的映射仍保持高维空间的“序”的结构。但这两种综合评价方法往往易混淆，本文从这两种方法的统计依据、数学模型、计算方法、综合指标的选取等方面比较它们的异同，以供初学者参考。 １、统计依据不同。主成分分析方法的统计问题：依Ｐ个指标戈ｌ，ｘ２，Ａ，戈Ｐ的／７，个观察值矩阵Ｘ＝Ｇ０帅，能否找到能较好地综合反映这个Ｐ 、二 指标的线性函数Ｙ＝乞ａｔｘｔ，即 ｉ＝１ 找到这个主成分的方法就是主成分分析方法。 因子分析方法的统计问题仍 口由Ｐ个指标戈。，戈：，Ａ，却的几个观钱道察信息阵Ｘ＝ＧＦ）忡，用有限个不翠
可观测的潜在变量来解释原始变量间的相关性或协方差关系，寻求这几个公因子的方法就是因子缉含汗价士气分析劣珐乡图分奸劣珐的火仪 分析法。它的原理源于已知信息的指标向量戈＝０。，戈：，Ａ，菇Ｐ）’，总存在正交变换戈＝Ｑｙ使得记ｘ＝Ａｚ，这里正交阵Ｑ是Ｘ＝Ｇ０。巾的 协方差阵ｙ的特征向量排成的，ｙ的各分量是不相关的，若茹的方差集中在少数几个变量三，，Ａ，缸上，即ｙ的特征值Ａ，，Ａ，Ａ。较大，后几个特征值Ａ㈨，Ａ，Ａ。很小几乎为零，于是就有因子模型算＝４厂＋ｓ。寻求公因子、厂及因子载荷阵Ａ的方法就是因子分析法。 ， ２、数学模型不同。主成分分析的数学模型：Ｙ＝Ｅａｔ、、ｒｉ， １＝１ 即主成分是原始指标的线性函数。因子分析的数学模型：戈＝４厂＋￡，Ａ为因子载荷阵。厂为公因子向量，￡为随机误差项，Ｖｎｒｏｑ＝Ｉ。，Ｖａｒ＝ｏ，Ｖａｒ Ｉ３０圈羹堑绻过丝Ｑ丝生皇塑万 方数据＝Ｄ。从形式上看二者的模型不同，但主成分分析又为因子分析中因子的寻求提供了一个有效的途径。主成分分析与因子分析法最易混淆的地方在于，将主成分分析方法与因子分析
年物流行业现状及发展趋势分析
报告编号：1660178
行业市场研究属于企业战略研究范畴，作为当前应用最为广泛的咨询服务，其研究成果以报告形式呈现，通常包含以下内容： 一份专业的行业研究报告，注重指导企业或投资者了解该行业整体发展态势及经济运行状况，旨在为企业或投资者提供方向性的思路和参考。 一份有价值的行业研究报告，可以完成对行业系统、完整的调研分析工作，使决策者在阅读完行业研究报告后，能够清楚地了解该行业市场现状和发展前景趋势，确保了决策方向的正确性和科学性。 中国产业调研网https://www.wendangku.net/doc/2a8348899.html,基于多年来对客户需求的深入了解，全面系统地研究了该行业市场现状及发展前景，注重信息的时效性，从而更好地把握市场变化和行业发展趋势。
一、基本信息 报告名称： 报告编号：1660178←咨询时，请说明此编号。 优惠价：￥8280 元可开具增值税专用发票 网上阅读：aZhanQuShi.html 温馨提示：如需英文、日文等其他语言版本，请与我们联系。 二、内容介绍 物流产业是由多个部门组成的综合性、服务性、基础性产业，其产业构成相当复杂。随着我国城镇化加快带动城市配送，网络零售市场的爆发式增长，制造业物流环节外包以及生鲜产业的冷链物流市场的推动作用，近年来我国物流行业迎来快速增长。社会物流总额指第一次进入国内需求领域，产生从供应地向接受地实体流动的物品的价值总额，一定程度上反映了物流市场需求规模。中国社会物流总额高达200多万亿元，其发展速度按可比价格计算10年间年均增长逾一成。 2014年全国社会物流总额213.5万亿元，按可比价格计算，同比增长7.9%，增幅比上年回落1.6个百分点，全年呈现稳中趋缓的发展态势。中国经济转型的不断推进，使作为现代服务业重要组成的物流业展现出巨大的发展空间。而在降低社会物流总成本、提高物流运行效率的总体思路下，中国物流行业从传统物流服务向系统集成服务转变的过程，将为国际企业提供更多的“淘金”机会。中国物流市场前景可观，行业投资规模扩大，资本运作加快，成为全球物流市场最为重要的区域。 据中国产业调研网发布的中国物流行业现状研究分析及发展趋势预测报告（2016年）显示，2020年物流行业市场规模接近360万亿元，值得注意的是物流成本将有所下降，按照按照国务院印发的《物流业发展中长期规划（2014-2020年）》的要求，2020年这一比率将下降至16%左右。到2020年中国将基本建成布局合理、便捷高效、绿色环保、安全有序的现代物流服务体系，物流业增加值年均增长约8%，占国内生产总值的比重达到7.5%左右，预测2020年物流行业市场规模在360万亿元左右。从2006年到2013年全国物流行业增加值以每年11%的速度增长，如果按照这个速度，2020年将达到7.31万亿的增加值，中道泰和预测2015年至2020年全国物流行业增加值还有35万亿的发展空间。