综合评价结果的区分度与稳定性研究

综合评价是一项系统而又复杂的工作,其目的是获取能反映被评价对象全貌的综合评价值来区分不同个体的优劣。好的综合评价结果应该具备较高的区分度和稳定性,因此如何科学度量评价值的区分度和稳定性成为综合评价结果可靠与否的关键。文章构建一种新的区分度度量方法,提升了区分度的准确性和适用性;分析了导致综合评价结果波动的诸多因素,引进综合评价结果稳定性的度量指标,并证明了该指标的科学性与合理性;通过大量的数值模拟实验来计算不同综合评价方法的区分度和稳定性,研究区分度和稳定性的影响因素。结果表明,不同分布类型数据的取值规律不同,不同无量纲化方法处理数据的效用不同,不同综合评价方法确定权重的机理不同,任何一种因素的改变都会对综合评价结果的区分度和稳定性产生影响,所以进行综合评价前需要充分考虑数据的分布类型进而选择恰当的无量纲化方法和综合评价方法,以提高结果的区分度和稳定性。     

综合评价结果的区分度度量新方法

文章基于综合评价区分度的定义,分析了传统区分度度量方法的不足,并对其进行改进,提出了多种新的区分度度量方法,最后通过模拟实验来检验各种方法的有效性。结果表明：传统区分度度量方法未能反映任意两个评价值间的可区分性,不利于准确度量综合评价结果的区分度;两两平方差法和两两离差法虽考虑了所有评价值间的可区分性大小,但计算量太大,且会出现评价值的区分度相互线性补偿的问题;相邻平方差法和相邻离差法虽有效简化了两两平方差法和两两离差法的计算量,但同样会出现评价值的区分度相互线性补偿的问题;经过不断改进得到的相邻对数离差法既解决了区分度相互线性补偿的问题,又能减小计算量,方便比较,是一种效果较好的区分度度量方法。     

多指标综合评价模型鲁棒性度量方法研究

综合评价模型的鲁棒性是指模型参数（或环境参数）改变时,评价排序结果保持相对稳定的能力。通过构建综合评价模型鲁棒性度量指标,从无量纲化方法和样本容量两个方面分析度量综合评价模型的鲁棒性。实证分析结论表明,当模型参数（或环境参数）改变时,各种多指标综合评价模型存在鲁棒性差异。该研究为综合评价模型的优化选择提供了一种新的途径。     

线性综合评价模型中指标标准化方法的比较与选择

分析与比较各种指标一致化与无量纲化方法对综合评价结果的影响,并构建兼容度指标对无量纲化方法的相对有效性进行测度。结果表明：在线性综合评价模型中,减法一致化方法、Z-Score法和极差化法相比其他标准化方法更为有效。选择合适的指标标准化方法,能够有效提高综合评价结果的准确性。     

考虑分段交易费用的CVaR投资组合优化

文章针对证券市场现存的各种交易费用,引入了分段交易成本函数,建立了更符合实际的CVaR风险度量投资组合优化模型;将此类约束中含有分段函数的优化问题转换为0-1整数线性规划求解;对沪市股票进行实证分析,结果验证了该模型及求解方法的有效性。     

本期导读

长期以来,学者们对综合评价方法、指标选择和权重设置的研究十分广泛且深入,但对指标无量纲化方面的研究较为薄弱。《大样本评价的定量指标无量纲化方法》一文作者,针对大样本评价的特点,提出了一种结合指标原始数据的客观特性与专家主观经验的定量指标无量纲化方法,分别就大样本评价中的正指标、负指标、中间型指标及复合型指标等定量指标给出了相应情形下的指标归一化计算模型。该方法对大样本评价的定量指标处理具有指标评分分布合理、评价结果区分度高、可操作性强的优点。     

对《统计评价学》框架体系建设的思考

在进行综合评价的过程中,主要是利用统计特有的手段、方法和统计资料来进行,因而综合评价又称之为统计评价。分别从国民经济和社会发展的现实实践和统计学科建设的角度论证了建立《统计评价学》的必要性,从综合评价的基本理论、评价指标体系的建立、指标权数的确定、无量纲化处理、综合评价的模型方法及综合评价结果的统计分析方法等方面提出了《统计评价学》基本框架体系。     

基于Copula函数风险控制的贷款组合优化模型

文章运用Copula函数拟合贷款收益率联合分布函数,通过K-S检验选择最优Copula函数度量贷款间的违约相关性,建立基于Copula函数风险控制的贷款组合优化模型。优化模型避免了由极端事件发生引起贷款同时违约的高风险;解决了现有研究基于收益率服从正态分布假设存在低估风险的问题;解决了采用联合违约概率度量违约相关性时由于违约数据稀少而影响模型精度的问题。     

响应变量缺失下半参数变系数EV模型的约束统计推断

文章研究了半参数变系数EV模型在线性约束条件下的估计和检验问题,当响应变量缺失、非参数部分协变量带有测量误差时,利用局部纠偏的Profile最小二乘估计、Lagrange乘子方法和借补技术构造了回归模型参数分量两类纠偏约束估计量。此外,为了检验线性约束条件,构造了借补的Profile Lagrange乘子检验统计量,并通过蒙特卡洛数值模拟验证估计量和检验统计量的有效性。     

基于环境约束的可持续发展与最优增长路径研究

通过环境约束条件下的内生增长过程的模型描述,构造汉密尔顿函数,寻求基于环境约束的内生增长过程的最优平衡路径;进一步分析了可持续发展临界条件及参数变化的关联影响,通过敏感性分析,研究实践中最优增长的有效性问题,设定不同性质的政策或经济性手段,提高最优增长的可操作性,解决增长过程中的可持续发展问题.     

部分线性变系数模型的Backfitting约束估计

作为部分线性模型与变系数模型的推广,部分线性变系数模型是一类应用广泛的半参数模型.文章主要研究该模型线性部分存在约束条件下的估计和检验问题,首先基于backfitting方法给出了常数系数以及变系数部分的约束估计,其次构造了检验统计量用于检验约束条件.     

工业主导产业选择的综合评价指标体系的构建

本文以经济学主导产业的有关理论为指导,利用统计方法,初步构建主导产业选择的指标体系。在此基础上通过评价指标的可行性分析、冗余度分析和区分度分析,并研究评价指标的权重选择和无量纲化处理．提炼出了适合一个区域,甚至一个国家的工业主导产业选择的测度指标体系。     

基于微粒群算法的企业创新能力评价

文章针对目前企业创新能力评价缺少定量方法的现状,构建了企业创新能力评价指标体系,以与最优和最劣对象距离之和最小为目标,运用微粒群优化算法,确定出企业创新指标体系权重,用模糊隶属赋值方法对指标进行了无量纲处理,进而对企业创新能力做出模糊综合评价,最后以成都市抽样调查企业为实例进行了比较分析,验证该方法的有效性和可行性。     

大样本评价的定量指标无量纲化方法

文章针对大样本评价的特点,提出一种结合指标原始数据的客观特性与专家主观经验的定量指标无量纲化方法,分别就大样本评价中存在的正指标、负指标、中间型指标及复合型指标等定量指标给出了相应情形下的指标归一化计算模型。实例分析表明,该方法对大样本评价的定量指标处理具有指标评分分布合理、评价结果区分度高、可操作性强等优点。     

基于差分及主分量变换的多元线性回归系数估计方法

一、引言在进行多元回归分析时,由于各影响因素具有不同的度量方法与度量尺度,因此在进行回归分析过程中,首先对产生的变量历史数据需要进行"归一化"处理,实现各变量的无量纲化分析,以实现不同变量在变化特征度量上的统一。     

线性无量纲化方法比较研究

根据线性无量纲化方法函数构成所使用的中心点值和值域指标以及其斜率和截距的表达式,对8种线性无量纲化方法进行分析,从不同的角度再次论证不同线性无量纲化方法所满足的性质定理,并进行了理论论证。同时,通过对线性无量纲化方法的分类比较,结合相关性质定理提出了多种线性无量纲化方法,并说明了其相关性质,具有一定的科学性。同时还分析了在对多指标数据进行综合评价的过程中只采用一种线性无量纲化方法的不足,提出了采用多种无量纲化方法的设想的理论可行性,并用案例进行了实证分析,表明其存在一定的合理性。     

企业信息化质量评价指标体系与测算方法

本文提出了较为科学和完整的企业信息化质量评价指标体系,并对各项指标提出了具体的测算方法.文章着重研究企业信息化质量综合评价方法,构建了质量指数模型,并运用层次分析法确定指标权重和模糊隶属度函数与专家评分进行指标无量纲处理,为企业"适度信息化"理念贯彻执行、科学评价企业信息化结构、稳定性和经济效益提供了依据.     

广义灰色面积关联评价模型及其在科技创新能力评价中的应用

无量纲化处理使得灰色关联评价模型中不同指标之间的计算与比较成为了可能,但同时也破坏了指标数据本身所蕴含的物理属性、数据特征与信息内涵。以时序数据之间的面积相关关系为基础,提出一种广义灰色面积关联评价模型,即计算同类指标的面积相关性,根据指标权重对各方案进行综合加权,并对评估方案进行排序比较;该模型规避了无量纲化处理可能导致的评价结果与实际情况相悖的现象,应用该模型评价长江经济带各省市科技创新能力,结果显示其评价结果的合理性优于经典的邓氏关联评价模型。     

新常态下经济稳定、结构优化和质量效益的关系研究

在“新常态”经济发展模式下,文章从提质转型增效的角度构建经济稳定、结构优化和质量效益三类统计指标体系,利用主成分分析方法将三个系统的指标整合为三个综合得分,并对三个得分进行格兰杰因果关系检验,从而在分析不同系统间是否存在因果关系的同时确定不同系统间脉冲响应函数模型的最优阶数.利用脉冲响应函数和方差分析探讨经济稳定、结构优化和质量效益三个系统间的内在关系.     

Box-Pierce Q检验的改进方法

Box-Pierce Q检验采用近似卡方分布分析时间序列的平稳性特征,其检验统计量的参数选取将影响到检验结果.文章多个Q值提取平稳性特征,在此基础上建立新的平稳性判定准则,该准则是自相关函数序列收敛的充分条件;采用欧氏函数作为平稳性特征的相似性度量,借助k-means聚类建立平稳性分类方法;该方法在平稳性分析过程中充分考虑了样本之间的关联性,避免了传统Box-PierceQ检验对统计分布和临界表的过度依赖.实验结果表明,新方法能有效地处理海量时间序列数据,且准确率高于Q检验和ADF检验.