基于方法集的棕地再开发项目组合评价研究

棕地再开发项目综合评价具有重要的理论意义实践意义.为了科学、合理地对棕地再开发项目进行评价,提出了一种基于方法集的组合评价模型.首先,分别应用灰色关联评价、模糊综合评价、TOPSIS和主成分评价分别对备选方案进行单一评价;然后,使用KENDALL-W协和系数检验对单一评价的排序结果进行统计一致性检验,并以满足统计一致性的评价方法构成方法集;其次,分别使用平均值法、Borda法、Copeland法对单一评价的排序结果进行组合评价,并使用循环组合的方法保证组合评价结果的完全一致性;最后,应用该模型对某市棕地再开发项目进行组合评价,评价结果验证了模型的有效性.     

对应用主成分法进行综合评价的探讨

本文针对用主成分法进行综合评价时存在的缺点,提出了分组主成分评价法。即先用因子分析法对变量进行分组后,然后再分别对各组变量进行主成分评价,既保证了主成分法的优点,也克服它在评价中的缺点,提高综合评价结果的合理性。并用该方法对实例进行了分析,取得了较好的效果。     

基于kappa一致性检验的企业生命周期判定方法比较

抽取40个机械制造业上市公司为样本,用纵向数据的回归分析法、产业增长率法和横向数据的主成分分析法对样本公司进行生命周期的判定。根据Kappa一致性检验的思想,提出多重Kappa一致性检验,并将其应用于三种生命周期判定方法的一致性研究。结果表明:(1)回归分析法和产业增长率法判定结果不具有一致性;回归分析法与主成分分析法结果不具有一致性;产业增长率法与主成分分析法结果具有一致性。(2)三种方法在判定企业生命周期的运用中各有所长。     

稳健稀疏主成分分析法及其实证研究

主成分分析是多元统计分析中一种非常经典的降维技术。然而,经典主成分分析却是对离群值非常敏感的,常因离群值的存在导致结果与实际不相符。另一方面,当主成分分析用于综合评价时,主成分的含义常因载荷间绝对值大小不分明而含糊不清,从而导致综合评价难以展开。本文通过使用稳健稀疏主成分分析法进行模拟实验和实证分析,结果表明:该方法不仅能很好地抵抗离群值的影响,而且还能准确地识别出离群样本。通过该方法得出的主成分的含义也较经典主成分分析和稳健主成分分析更加地明确和贴近实际。     

产业集群创新能力评价模型的比较研究

针对产业集群创新能力评价的一些复杂方法,以文献中的基于BP神经网络的产业集群创新能力评价模型作为比较对象,提出了两种评价模型:组合评价模型和主成分指数模型.前者将变异系数法和Topsis法组合使用,用以评价产业集群创业能力;后者则是对所有参评样本的评价指标进行主成分分析,以主成分的方差贡献率为权重,构建主成分综合指数,从而形成产业集群创新能力的综合评价指数模型.对这两个模型用来自比较对象模型的同一数据进行了验证,三个模型都得出了非常相近的结果,而这两种模型更具可操作性且易于解释,这两者相比,主成分分析的方法则更为简单易行.     

关于主成分分析综合评价函数质疑的讨论

主成分分析综合评价是国内较流行的一种综合评价方法,这里对主成分分析综合评价函数的五个质疑或断言,用主成分分析模型、主成分分析综合评价的合理性条件进行了讨论,结果:主成分分析综合评价函数是果,主成分及其包含的信息是因,不能用它们包含的信息比较后推断,因果关联的它们既应分别深入分析,又应结合分析,效果会更好.并结合实例说明:具有合理性条件的主成分分析综合评价改进步骤,更具有合理性和有效性.     

对使用主成分进行绩效指标值排名的讨论

对《基于数据的Goodgrant基金最优投资策略》一文使用主成分分析进行综合评价,对候选学校绩效指标值排名进行了探讨。首先,综合前人研究与本题实际,指出使用主成分分析进行综合评价存在的争议与不足;然后,分别建立TOPSIS模型和综合评价模型对候选学校的绩效指标值进行排名,并对不同方法得到的结果进行对比。结果表明,TOPSIS模型和综合评价模型得到的排名具有高度一致性,前50名重合率达98%,而与主成分分析综合评价的重合率仅有6%,说明使用TOPSIS等传统评价模型对候选学校绩效指标值进行排名更合适。     

我国普通高等教育人力资源发展水平的统计分析

本文综合运用主成分分析和因子分析两种综合评价方法 ,对我国各地区高等教育人力资源的发展水平进行排序和分类 ,为规划和发展各地区的高等教育事业提供了一定的科学依据。两种综合评价方法的综合运用克服了单一评价方法的片面性 ,评价结果较为全面、客观     

基于集成综合评价法和聚类分析法的综合评价方法

针对传统的主成分分析法在数据无量纲化中"中心标准化"的缺点,提出了改进的主成分分析方法,并建立了一种基于集成综合评价法和聚类分析法的新的综合评价方法,通过黑龙江省各城市综合竞争力的统计分析结果说明该方法能有效的得出合理结果.     

基于KPCA-NBC的煤矿突水水源识别

突水是影响煤矿安全生产的重要灾害之一,及时确定突水水源是进行水灾治理的关键,采用核主成分分析(Kernel Principle Component Analysis,KPCA)结合朴素贝叶斯分类方法(Naive Bayes Classifier,NBC)对煤矿突水水源进行判别.首先采用核主成分分析方法对淮南孔集煤矿78条水化学成分数据进行降维处理,选取其中5种成分数据进行分析,然后采用朴素贝叶斯方法对突水水源进行识别.通过与模糊综合评价方法进行比较,所得结果除了老空水外其它含水层的识别结果均优于或者等于模糊综合评价法所得结果,表明基于KPCA-NBC的煤矿突水水源判别方法具有较高的实用性和有效性.     

基于主成分分析的水质评价方法

主成分分析法能够在保证原始数据信息损失最小的情况下,以少数的综合变量取代原有的多维变量,使数据结构大为简化,并且客观地确定变量权数,避免了主观随意性.应用主成分分析法对长春市地面水环境进行评价,且与其它评价方法相比较,结果显示主成分分析法更客观且指导性较强,是一种行之有效的水质评价方法.通过主成分分析进行水质评价,可为水资源规划、利用、开发和环境系统优化提供更为客观的参考依据.     

高维稳健主成分聚类方法及其应用研究

随着信息技术的高速发展,每条数据所包含的信息越来越丰富,使得数据不可避免地含有异常值,且随着维数的增加,异常值出现的可能性更大。传统的主成分聚类分析对异常值特別敏感,基于MCD估计的主成分聚类方法虽然对异常值具有防御作用,但是在高维数据下MCD估计的偏差过大,其稳健性显著降低,而且当维数大于观测值个数时MCD估计失效。为此本文提出了基于MRCD估计的稳健主成分聚类方法,数值模拟和实证分析表明,基于MRCD估计的主成分聚类分析的效果优于传统的主成分聚类分析和基于MCD估计的主成分聚类分析,尤其是在维数大于样本观测值的情况下,MRCD估计更为有效。     

环境质量的主成分分析

主成分分析法能够在保证原始数据信息损失最小的情况下 ,以少数的综合变量取代原有的多维变量 ,使数据结构大为简化 ,并且客观地确定权数 ,避免了主观随意性 ,因而是环境质量综合评价的一种简单易行的有效方法 .通过主成分分析 ,可以为环境质量的分区和分级治理提供重要的理论依据     

基于主成分分析的湖南竞争力评价研究

介绍了主成分分析方法,提出了运用主成分评价模型必须满足的条件。并且借鉴中国科学院可持续发展研究组构建的可持续发展指标体系,运用主成分分析构建了区域竞争力的综合评价指标,将湖南的经济发展与其他地区比较,并提出相应的策略。     

主成分分析法在高校学生质量综合评价中的应用

主成分分析法能够在保证原始数据信息损失最小的情况下,以少数的综合变量取代原有的多维变量,使数据结构大为简化,并且客观地确定变量权重,避免了主观随意性.应用主成分分析方法对高等学校学生质量进行了综合评价,根据综合得分给出了科学的排名,客观地反映了学生各方面的特征.     

核主成分分析(KPCA)在企业经济效益评价中的应用

提出了一种新的经济效益评价模型:核主成分分析(KPCA).它通过一个非线性变换,将原变量空间映射到高维特征空间,然后在高维特征空间中进行线性主成分分析.通过核技巧,只需在原空间进行点积运算,便可使第一主成分的贡献率达到90%以上,能有效避免PCA中因各指标贡献率过于分散而影响评价效果.将该模型应用到广东8个卷烟企业进行评价,得到了较理想的评价效果.     

主成分分析在中国上市公司综合评价中的作用

主要介绍了主成分分析在上市公司综合评价中的作用 .主成分分析作为一种客观赋权的方法 .权数是能随着宏观经济环境变化而变化的动态权数体系 ,因为主成分分析所应用的数据来源于上市公司年度报告所提供的财务指标 .它主要对所选择的 40只绩优股 ,进行横向的比较 ,并根据第一主成分得分进行排序 ,给广大的投资者提供参考 .     

Data envelopment analysis vs. principal component analysis: An illustrative study of economic performance of Chinese cities

This article compares two approaches in aggregating multiple inputs and multiple outputs in the evaluation of decision making units (DMUs), data envelopment analysis (DEA) and principal component analysis (PCA). DEA, a non-statistical efficiency technique, employs linear programming to weight the inputs/outputs and rank the performance of DMUs. PCA, a multivariate statistical method, combines new multiple measures defined by the inputs/outputs. Both methods are applied to three real world data sets that characterize the economic performance of Chinese cities and yield consistent and mutually complementary results. Nonparametric statistical tests are employed to validate the consistency between the rankings obtained from DEA and PCA.