基于主成分分析法的综合评价方法的改进

针对用主成分分析法做综合评价存在的问题,提出了改进的方法即当第一主成分的综合评价值和熵值法得到的综合评价值具有一致性时,将两种评价结果进行集成综合评价,若两种评价结果不具有一致性时则采用主成分聚类法进行综合评价.     

对AHP单准则排序方法的改进

层次分析法(AHP)用两两比较的方法,通过构造比例标度判断矩阵为排序提供了一种合理的数据条件;对比例标度判断矩阵进行基于最大特征根的一致性检验,是为了把最大特征值对应的归一化特征向量作为排序向量;但终因理论上不能提供比例标度判断矩阵保序的充分条件,所以特征根排序法受到质疑,AHP需要改进.指出,改进AHP的正确途径是回归基于判断矩阵数据的排序方法研究.排序可行的条件是标度具有可加性;为此定义具有可加性的评分标度,建立标度转换公式将比例标度转换为评分标度;阐述为什么一致性检验无助于正确排序的原因并剖析为什么基于评分标度排序与一致性检验无关;由此建立基于评分标度判断矩阵中数据的评分排序方法.     

Kappa统计量和Bland-Altman分析法在HbA1c试剂盒一致性评价中的应用

比较两种糖化血红蛋白(HbA1c)测定系统及配套试剂盒检测结果的一致性,为糖尿病临床诊断、筛选合理使用商品化测定系统及配套试剂盒提供理论依据.对四川省人民医院采集的110份全血样本和成都中医药大学附属医院采集的110份全血样本进行乙二胺四乙酸抗凝剂(EDTA)抗凝全血检测,应用Kappa统计量和Bland-Altman分析法比较两套测试系统及配套试剂盒检测结果的一致性.通过对两所医院的试验数据进行计算,结果均表明选用的两套测试系统及配套检测试剂盒具有极好的一致性,国产高效液相色谱法糖化血红蛋白检测系统可作为进口产品替代.     

试卷水平的标准化定量评价

通过建立一个实用标准化评价模型,根据转换参数(偏移参数和膨胀参数)给出试卷水平的标准化评价,并对其做Kappa一致性检验.Kappa系数K作为试卷水平系数.X~2一致性检验和理想模式比较检验从不同角度验证了标准化评价的有效性.给出了两个样本组的实证分析.     

基于DDC算法的稳健稀疏主成分法及其实证研究

主成分分析是多元统计分析中经典降维方法之一。它有两个固有弊端:一是当样本中存在离群样本时,经典主成分法所得载荷向量、得分往往不符合实际;二是在现实中各主成分载荷往往都会不等于零,甚至经常还会出现次要变量与主要变量的载荷绝对值大小接近的情况,导致主成分可解释性被大幅削弱。另外,传统的稳健主成分法通过删除离群样本后计算载荷向量达到稳健效果,这对于那些只有少数几个变量的观测值离群的离群样本来说是一种欠妥的方法。针对上述几点,本文以DDC (Detecting Deviating Cell)算法为主要的稳健方法,提出一种稳健稀疏主成分法DDCSPCA。模拟实验和实证分析结果表明:DDCSPCA在处理有离群样本的数据时能达到稳健与(载荷向量)稀疏双重效果。而且,其对格离群数据有着以往稳健主成分法所远远不及的稳健性。     

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.     

基于模糊Borda组合评价法的电力行业上市公司经营绩效评价

组合评价的建模技术可以降低复杂系统的信息不完备性,而把模糊理论与组合思想统一在一起的模糊组合评价方法,对复杂系统的评价更贴近现实.首先利用中国上市公司2012年第一季度财务报表的有关数据,分别采用TOPSIS法、主成分分析法和因子分析法,对沪深股市中主营业务是电力的53家上市公司的经营业绩进行了综合评价和排序;其次,用非参数的Spearman等级相关系数检验法,验证了三种评价方法的一致性;最后,建立了模糊Borda组合评价模型,应用该模型对这53家企业的经营绩效重新进行了综合评价和排序,其结果更加科学、合理.     

浅析模糊AHP中一致性检验的不必要性

模糊AHP用模糊互补矩阵替代AHP的比例标度判断矩阵的意义是,因标度的可加性使基于判断矩阵中数据的排序可行;但是定义模糊一致性矩阵对判断矩阵进行一致性检验是不必要的,调整含逆序的判断矩阵是不合理的.阐述模糊AHP一致性检验的不必要性;论证对含逆序判断矩阵进行调整的不合理性;建立基于评分标度判断矩阵中数据的排序方法,并且排序与判断矩阵具有怎样的一致性程度无关.     

基于主成分分析的成分数据缺失值插补法

本文针对成分数据的特殊几何结构,提出了两种新方法对成分数据缺失值进行插补.一种是用单形空间的均值进行插补,主要是用Aitchison足巨离找到含缺失值样本的k个近邻样本,再结合单形空间中的加法运算与数乘运算,用单形空间上的均值对成分数据的缺失值进行插补;另一种是用主成分回归方法进行插补,先将用第一种方法进行初始插补的成分数据经过等距对数比变换变成普通数据,再用主成分回归进行第二次插补.实例分析和实验模拟结果表明:与k近邻插补法、迭代的最小二乘插补法相比较,本文提出的主成分插补法更优.     

岭回归和核主成分回归在消除共线性中的实证分析及比较

检测和解决多元回归分析中的多重共线性问题具有重要意义.本文采用岭回归(RR)和核主成分回归(KCPR)对同一数据进行回归分析,使用方差膨胀因子(VIF)和条件指数(CI)作为共线性诊断的量度,并对回归模型结果进行比较.经过实证分析,发现这两种回归方法都能很好地消除多重共线性,总的来说核主成分回归的对内拟合效果要优于岭回归.但是这两种方法的参数选择的不同对回归模型的好坏都有巨大影响,需要进一步分析判断.