时间：2023-01-09 06:40:30
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇主成分分析论文，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
在现实生活和工作中，人们总会对领导者形成固定的印象和看法。根据社会认知理论，人们会以主观整合过的客观事实而非事实本身作为判断标准去解读领导行为，由于整合中涉及到包括知觉、记忆在内的多种元素，因此过去形成的经验和看法是价值标准的重要组成部分。据此，可以推断内隐领导理论正是人们评判自己领导的参照标准，因为它反映了作为理想领导的范例以及领导的标准，表明了人们对领导者的要求和期望。在工作中，员工运用内隐领导理论作为参照标准，会不由自主地将现实中的领导行为与理想中设定的领导特质进行比较，结果有些员工会认为领导的做法符合他对领导的认识而积极响应，而有些人又可能会认为领导的做法不符合自己心目中的领导标准，进而产生抵触情绪，从而产生不同的员工对同一个领导做出的行为有不同反应的现象。因此，了解员工内心的领导者期望与认知到的现实领导行为之间是否一致，有多大差距对提高领导的有效性非常重要。然而，在以往的研究中，关于领导认知的研究偏向于领导者的自我认知和对人们心目中的领导者形象的定性归纳；对内隐领导的研究仅限于内隐领导理论在员工对领导的评价中的影响程度和影响方式，并没有进一步探究测量认知结果和计算认知差异的具体方法。为此，本文的研究目的就是要以企业员工个体为研究对象，探讨在内隐领导理论的参照下，员工认知现实领导行为的结果及其差异的计算方法，并以某代表性企业员工为样本进行实证。
2模型的建立
借鉴前人对个人——组织契合的研究，本文将领导认知差异界定为：员工运用内隐领导理论，通过比较认识现实领导行为而得到的不一致结果。通常比较认知的结果存在三种可能：一是内隐领导理论中的期望与现实领导行为的水平基本一致；二是期望超过现实水平；三是现实水平超过期望。实际上后两种情况都可以看作是不一致。基于以上情况，可以将不一致的结果理解为产生了领导认知差异，建立领导认知差异理论模型（见图1）。
在理论模型的基础上，对领导认知差异的形成过程变量进行扩展。根据凌文辁、方俐洛等人的研究成果可知，中国人的内隐领导理论包括目标有效性、才能多面性、个人品德和人际能力。而对领导行为的测量是模型的难点。在以往这方面的研究中，学者们在不同的阶段根据不同的标准提出了不同类型的领导行为理论，尤其以交易型领导行为和变革型领导行为为近年来的研究热点。通过进一步的文献研究发现，在这些领导行为理论中，变革型领导各变量与选用的内隐领导理论各维度变量最接近，因此为了方便比较与测量差异，笔者将选用变革型领导行为的相关变量测量现实领导行为。根据李超平、时勘的变革型领导行为的结构模型，采用愿景激励、领导魅力、德行垂范、个别关怀对现实领导行为进行测量。据此将研究框架进一步细化，得到领导认知差异的测量模型（见图2）。
3方法与工具的选取
3．1研究方法和研究工具
在有关认知差异的实证研究中，常使用的方法是访谈和问卷调查，由于地理条件所限，本文采用问卷调查的方法收集前期数据。根据图2所示模型，问卷可分为三个部分：①个人基本资料调查问卷，包括性别、年龄、学历、工作年限和工作种类。②内隐领导理论量表，选用林琼编制的中国人内隐领导理论量表。该量表采用5点计分，要求员工根据自己的实际水平与题项描述的符合程度从“很不符合”到“非常符合”分别给予1~5分。四个分量表的α系数均超过0．77，总量表的α系数为0．8997，信度颇佳。③领导行为量表参照李超平与时勘编制的变革型领导行为量表。该量表各维度内部一致性处于0．84～0．92之间，信度较高。此外，考虑到管理中的层级关系，为了使员工更清楚地评价领导行为，问卷要求员工以自己的直接领导为对象，进行领导行为问卷的填写。
3．2数据分析方法
在以往对认知差异的测量与分析中，数据的收集常用两种方法：一种是使用配对样本，通过不同身份人的双重角度获取原始数据；另一种是每位调查对象根据现实和期望两种情况，对同一项目做两次判断来获取原始数据。对认知差异的统计分析也有两种方法：一种是使用差距指标，常以所含项目得分差值的绝对值（｜D｜）总和来计算每个方面的差异；另一种是将两次作答的分值采用T检验方法进行差异分析，T值高低说明差异大小，P值则表示显著性程度。而本文的研究对象仅有员工一方，并且在建模时从期望和现实两个角度选用了既有相似性又不相同的两份问卷，因此以上两种方法都不适用。
通过比较分析，笔者认为可以借鉴契合度的计算方法，将差异分析转化成一致度分析，选用主成分分析法对一致度进行测量。该方法具有以下三个方面的优点：一是这种方法不要求选择完全独立的指标，从而降低了指标选择的难度；二是主成分是从各指标的差异程度和相互关系出发得到的，其结果不仅考虑了各指标的变异程度，还考虑了各指标之间的相互关系，因此其综合原始指标值的信息能力强；三是该方法没有直接对指标采用权重，所得权数是伴随数学变换自动生成，以每个主成分各自的贡献率为权数，最大程度地反映了客观实际，减少了主观性。
4实证分析
4．1数据的收集与样本特征分析
为了避免企业文化和组织氛围对研究对象的影响，笔者将调查对象固定为具有国有企业代表性的某油田公司。通过网络调查与发放问卷两种方式，共发放员工问卷160份，实际回收158份，剔除回答不完整、一题多选等问卷，剩余有效问卷为113份，有效问卷回收率为70．625％。样本基本特征见表1。
就样本的性别特征而言，在男女比例上体现了石油行业的特点；就样本的学历来看，大专及以上学历的人数占大多数，可以保证被测量者更容易理解问卷的题意表达，增加了问卷的有效性和可靠性；就所从事的工作种类来看，基本上符合单位的岗位人员配比。总的来说，样本特征与总体基本保持一致，抽样结果较好。由于指标值分布在1～5之间，没有单位和量级的差别，所以不用进行无量纲化处理。
4．2主成分分析
在上述分析的基础上，考虑到所选量表的成熟性，本文不再对量表的信度和效度进行验证，而是首先运用主成分分析对员工内隐领导理论中的领导特质与其在现实中认知到的领导行为的一致度进行测量，然后根据一致度的高低判断认知差异。一致度越高，差异越小；反之，一致度越低，差异越大。
4．2．1步骤
首先按下列步骤分别对8个影响因素进行主成分分析：①对数据进行KMO及巴利特球形检验，根据Kaiser给出的标准，KMO>0．5才可以进行因子分析；②计算得到相关系数矩阵和方差贡献表，并根据累计方差贡献率大于85％的标准决定主成分的个数；③求得因子载荷矩阵，并利用方差最大法对因子载荷矩阵进行旋转，得到因子得分矩阵，由此建立因子得分函数；④对提取的主成分进行加权求和得到最终评价值，权数为每个主成分的方差贡献率。再按同样步骤对以上得到的8个评价值进行综合分析。
4．2．2分析结果
目标有效性指标的KMO及巴利特球形检验值为0．858，达到标准；由前三项的累计方差贡献率90．106％得知，可以用前三个主成分作为目标有效性的综合评价指标，其评价可信度为90．106％。根据因子得分函数的系数矩阵，得到下面的因子得分函数：
而目标有效性的最终评价值为：
用同样的方法与步骤，可以得到其余7个因素的最终评价值：
将上述8个影响因素的评价值作为评价指标再次使用主成分分析法，可得到113个样本的领导认知一致度的综合评价值，其中最高值为0．74，最低值为－1．67。为了方便观察结果，我们将测量结果按降序排列，并以0为分界点，将样本分为两组：评价值≥0的组成高一致度组，共62个样本的评价值达到高一致度；其余51个样本的评价值＜0，进入低一致度组，表示一致度较低。根据之前的界定，一致度低，则认知到的现实领导行为与理想领导间的差异大。所以前一组的62个样本的认知差异小，而后一组51个样本的认知差异大。
关键词：主成分分析；城市竞争力；辽宁省
中图分类号：F290 文献标志码：A 文章编号：1673-291X（2013）25-0236-03
城市竞争力是一个综合的概念，具有丰富的内涵[1]。国外对城市竞争力的研究主要有彼得的城市竞争力理论，Douglas Webster的城市竞争力理论，Lain Begg的城市竞争力“迷宫”理论等。国内对城市竞争力的研究比较深入，保鹏飞提出了城市竞争力的“弓弦箭模型”，连玉明提出“城市价值链理论模型”，宁越敏、唐礼智的城市竞争力理论等[2]。对辽宁省城市竞争力进行研究，有助于客观地认识各个城市所处的地位、优势和不足，以便于制定适合各个城市发展的有效策略，发展辽宁产业经济，提升辽宁战略地位[3]。
一、研究区域和研究思路
（一）研究范围和指标体系的建立
研究范围是辽宁省的14个地级市：包括省会城市沈阳，沿海城市大连、丹东、营口、盘锦、锦州和葫芦岛市，以及鞍山、抚顺、本溪、辽阳、阜新、铁岭和朝阳市。
根据科学性、主体性、综合性、层次性、动态性和可操作性的原则，在借鉴和参考相关研究成果的基础上，充分考虑数据的可获取性，依据城市发展的相关理论，结合辽宁省的实际情况选取了经济综合实力、基础设施、人才科技水平、政府作用、对外开放程度共五大类 17项指标，收集了辽宁省城市竞争力评价的样本数据（见表1）。
（二）研究方法和数据来源
本文的研究方法采用主成分分析法，它在客观数据的基础上，根据数据之间的关系，即数据之间的相关性，来求出各指标的重要性程度，即权重。主成分分析法能很好地剔除待处理问题中的重复信息，并能保证综合后的变量互不相关，所以适用于城市竞争力问题的分析与评价。
基本步骤[4]：（1）对指标进行标准化处理。以消除不同指标间的量纲差异和数量级间的差异，使各指标之间具有可比性。（2）计算相关矩阵并求特征值。计算相关系数矩阵 R，并依此计算其特征值与特征向量。特征值λi（i=1，2，…，m）大小反映了各个主分量在描述被评价对象上所起的作用。（3）计算主成分和累计贡献率。当累计贡献率达85%～90%以上时，主成分一般取特征值λ1，λ2…λP所对应的第 1 项，第 2 项至第 p（p≤m）项。（4）计算主成分综合得分。根据得分高低排名，进行竞争力评价[5]（数据主要来源于2012年辽宁省统计年鉴）。
二、研究结果及分析
通过用SPSS软件对原始数据作标准化处理，并对标准化后的数据矩阵进行主成分分析，得到特征值和主成分累积贡献率（见表2）。
由表2可知，第1、第2主成分的累积贡献率已高达 91.484%，这里取累积贡献率90%以上时特征值λ1，λ2，…，λt所对应的第1、第2，…，第t（t≤p）个主成分。本研究只需选择前2个主成分，其所代表的信息量已能较充分地描述原始数据所包涵的信息。由此计算出辽宁省14个城市的竞争力得分（见表3）。
由表3可知，大连、沈阳和鞍山综合得分均大于0，排名靠前，表明其城市竞争力最强，大连是中国北方重要的港口、工业、商贸和旅游城市，是东北地区最大的贸易口岸，海陆空交通便利，工业部门齐全，成为2011年辽宁省经济实力位居第一的城市。沈阳作为辽宁省省会，为东北地区最大的中心城市，同时也是一个老工业基地，从2003年开始实行的振兴计划，推动了沈阳工业，实现了快速发展。辽宁沿海经济带的丹东、锦州和营口市的城市竞争力排名仅次于上述三个城市，特别是营口市，位于沿海经济带，又是沈阳经济区的重要城市，独特的地位和作用使其城市竞争力排名全省第四，而盘锦和葫芦岛市因其地理位置、资源和港口条件的影响，城市竞争力排名则相对靠后，表明沿海区位优势、对外开放度及港口等因素对城市竞争力的影响作用是强大的。沈阳经济区的本溪、抚顺依其经济较强的综合实力和邻近省会的区位优势，城市竞争力的排名居中，辽阳城市竞争力排名则相对靠后。而辽宁西北的朝阳、阜新和铁岭市总体经济实力较弱，综合得分最低，排名最后，其城市竞争力水平低。
三、辽宁省城市竞争力提升的策略
（一）增强城市经济实力，制定科学发展规划
经济实力是地区发展的重要衡量标准，其竞争力最根本的表现就在于城市的综合经济实力[6]。辽宁省作为中国的老工业基地，工业基础雄厚，门类齐全，在产业结构发展上具有得天独厚的优势。因而，制定科学的经济发展规划，促进经济结构的优化升级和新型工业化的发展是提升城市竞争力的基础。
（二）提升政府管理职能，完善基础服务设施
城市竞争力的提升，政府扮演着重要的角色。在提升城市竞争力中政府的职能定位主要应体现在提供公共服务、加强协调和创新职能上[7]。政府应更有效率地提供公共产品和公共服务，加大对基础设施的投资，协调城市产业布局，以保证产业政策自身、产业政策与相关政策的协调和完善，推动产业集群的形成与发展[8]。
（三）增加人力资本投资，培养高素质人才
人力资本投资不仅是城市竞争力的直接推动力，同时它通过对资本、产业的作用、科技的创新来决定城市竞争力，人力资本投资与城市竞争力是互相依存、互相制约的[9]。因此，政府应通过人力资本投资，利用教育、培训、科技开发等形式培养高素质人才，推动城市科技进步，提升城市竞争力[10]。
（四）推动外贸进出口业发展，扩大对外开放程度
城市的发展不应是孤立地发展，而是要有效地借助外力。政府可以以市场为导向，制定优惠政策；以各行业专家和专业人才为基础，建立谋划招商引资项目[11]。辽宁南临渤海与黄海，沿海城市众多，可利用天然地理优势引进相关项目，培育产业集群[12]，发展外贸行业，扩大对外开放程度。
参考文献：
[1] 倪鹏飞，卜鹏飞.城市引领中国崛起——中国城市竞争力十年（2002—2011）研究新发现[J].理论学刊，2012，（12）：48-53.
[2] 李小江.城市竞争力指标体系：理论机制与实证检验——以成都为例[D].成都：西南财经大学硕士论文，2011.
[3] 郑阳.基于主成分分析的辽宁省城市竞争力评价[D].长春：吉林大学硕士论文，2011.
[4] 林海明，张文霖.主成分分析与因子分析详细的异同和SPSS 软件[J].统计研究，2005，（3）：65-69.
[5] 刘卿.城市竞争力评价指标体系和评价方法研究[D].天津：天津大学管理学院硕士论文，2006.
[6] 郁玉兵，曹卫东.安徽省城市竞争力比较研究[J].国土与自然资源研究，2007，（1）：3-5.
[7] 王艳，杨静.政府在城市竞争力提升中的职能分析[J].产业与科技论坛，2008，（10）：151-152.
[8] 张晓兰，张一.沿海地区城市竞争力比较分析——以长三角与珠三角区域为例[J].西北师范大学学报：社会科学版，2013，（1）：105-109.
[9] 惠能.人力资本投资对提升城市竞争力的影响分析——以乌鲁木齐为例[D].石河子：石河子大学硕士论文，2012.
[10] 李光全.中国城市竞争力变化及其影响因素分解[J].开发研究，2013，（2）：6-9.
论文摘要:在预浏飞行能力的讨论中，提出了利用主成分分析方法从不同的类别中提取出不同的特征，再将待浏模式所具有的特征与标准模式所具有的特征相比较，鱿可实现预浏的目的，同时，也提高了预浏的客观性和预浏的准确性。
1引言
保证飞行安全是民航工作永恒的主题，飞行员的素质是保证飞行安全的关键。高素质的飞行员由诸多因素决定，其中很重要的一个因素就是飞行员自身潜在的飞行能力。因此，在民航飞行员的招收中，预测考生的飞行能力，从中选择飞行能力强的加以培养，将为我国民航进一步持续、快速、健康发展，提供可靠的保证。
有人曾在预测飞行能力方面作了一定的工作，但是在权重的选取上，人的主观因素参与较多;运用模糊数学中的取大、取小运算也会损失掉一些有用信息。因此，给飞行能力的预测带来一定程度的影响。
反映一个人潜在飞行能力的因素较多，往往这些因素之间又存在交叉，携带的信息也就出现重复，这就增大了既能客观又能准确地预测飞行能力的难度。如果能用少量的相互独立的且携带较多信息的因素来反映飞行能力，对于预测飞行能力，将获得好的效果。
主成分分析是通过线性变换把多个变量化为少数变量的统计方法。它在保证原有信息损失最小的前提下，用一组数量较少的新变量来描述原变量，新变量综合了原变量的一些明显的信息特征，具有较强的表征能力，且新变量之间互不相关。
本文利用主成分分析对数据进行处理，从不同的类别中提取出不同的特征，把待测模式所具有的特征与标准模式的特征相比较，就可实现预测的目的。
2利用主成分分析法预测飞行能力
利用主成分分析预测飞行能力的理论基础是模式识别。“模式识别”就是判断所给定的样本与哪一个标本相同或接近。要进行模式识别，首先得分类，即是确定各种标准模式，本文设n个标准模式为F,,凡，…，凡。然后，利用主成分分析法分别找出每一个类，也就是每一个标准模式F;(二1,2,…，“)的m个主成分Ul，认cn…，U。 }m(m<n, 二1, 2,…，。)，即提取每一类的最本质的整体特征。每一类的第一主成分的方差最大，它是以变化最大的方向向量为系数所得到的线性函数，它包含了该类数据信息的大部分。从几何上看，第一主成分的方向就是最大特征值对应的特征向量的方向，它代表了所在类数据变化的最大方向，体现了该类数据的整体特征。因此，提取每一类的整体特征，就可以组成标准模式的特征集{U,U， c2>，U,认。
已知‘是待测模式，通过对‘的数据进行主成分分析，确定出第一主成分，找出其数据变化的最大方向U。利用与表示向量A与B的榕沂程度.如果即有待测模式‘与标准模式F‘最接近，这就实现了预测的目的。
3实例
在飞行训练阶段，学生飞行驾驶技术的评定分为上等、中上等、中等、中下等及下等，共五个等级。评价飞行能力的六个指标是:光(手)反应时(ws）声(脚)反应时 ( BBz )、被动反应最优值(ws)(cc,)、被动反应总错次(cq)、综合反应平均时(s ) ( DD, )、综合反应总错次(DD3)。
要预测飞行能力，首先确定标准模式。在一个年级的毕业生中，飞行驾驶技术为上等的学生有19人，为中上等的学生有20人，为中等的学生有27人，为中下等的学生有21人，为下等的学生有22人，把对应的反应他们飞行能力的因素(指标)分别组成五个类，其数据矩阵为:( xij ) 19 x6，(xij)20x6} (xij)二、6 f ( xj ) 21 x6 f ( xN)二、6，也就是组成了表示飞行能力为上等、中上等、中等、中下等及下等的五个标准模式。
其次，分别对这五个标准模式中的数据进行主成分分析。由于反映飞行能力的指标与飞行能力的强弱程度成反比，所以首先对各标准模式中的各项指标数据取倒数，然后再对标准模式中的取倒数后的数据进行标准化处理，得到五个标准化数据表，根据每一个标准化数据表，计算出与之对应的相关矩阵:
R(0)=6x6(t=1,2,3,4,5)
并求解相关矩阵R的特征值A二1,2,3,4,5)、特征值A(t = 1,2,3,4,5)对应的特征向量U. o)以及特征值的贡献率，如表1一表5所示。
然后，找出代表飞行能力为上等、中上等、中等、中下等及下等各类的数据变化最大方向的方向向量，并组成特征集，如表6所示。
对每一个考生反复多次检测其飞行能力，得到反映每一个考生飞行能力的各项指标的数据表，然后分别对每一张表中的数据进行主成分分析，找出表征其数据变化最大方向的方向向量，并与特征集中的方向相比较。如果该方向与某方向最接近，则该考生的飞行能力就属于这个方向代表的类。某学生经过七次检测其飞行能力，得到检测数据如表7所示。
在对表7的数据取倒数再标准化处理后，进行主成分分析，得到表征其数据变化最大方向的方向向量是:
U=(一0. 278 7，一0. 449 0，0. 345 3，0. 4058，0. 505 8，0. 425 5)
不难算得:
UU, }'} -0. 818 210
U认cZ>=一0. 393 104
UU, c3>=0. 679 884
UU, }4} -0. 985 467
UU, cs>=一0. 036 959 8
由此可知，待测模式与代表中下等的标准模式最接近，因此该学生的飞行能力属于中下等，这个结果与其在飞行训练结束时飞行技术的评定等级一致。按此方法，就可判定每一个学生的飞行能力所属等级。
4结论
我国的汽车制造业经过五十多年的飞速发展，取得了举世瞩目的成就，作为我国国民经济发展的支柱产业之一的汽车制造业，近年来经历了前所未有的、爆发式的增长，其发展也相继带动了钢铁、电子、化工等相关行业的发展。进入二十一世纪以来，伴随着我国经济快速发展和人民生活水平的迅速提高以及城市化建设进程的加快，城市规模不断扩大，轿车开始进入我国家庭，我国的汽车时代正在到来。据专家预测，未来十年，我国汽车产量增长率是我国GDP增长率的1.5至2倍（刘妍，伍海华，2007）。我国汽车制造业上市公司经营业绩的优劣不仅关系着我国汽车制造业的健康发展，而且关系着国民生活水平质量的提高及我国国民经济的发展在世界中的地位，其经营绩效也引起了广大投资者的广泛关注，在汽车制造业蓬勃发展的背景下，对我国汽车制造业上市公司的经营绩效进行客观、系统和全面的分析，对我国汽车制造业持续、健康的发展具有一定的现实意义。本文以我国汽车制造业上市公司的2010年第三季度指标为主要依据，在综合分析国内外各种常用的经营绩效评价指标体系的基础上，选取经营绩效评价常用的、客观的指标建立指标体系， 利用SPSS数据统计分析软件进行主成分分析，对我国30家汽车制造业上市公司从盈利能力、营运能力、偿债能力和成长能力四个方面以及综合经营绩效进行了评价分析，以期为我国汽车制造业上市公司经营者及投资者提供参考依据。
二、上市公司经营绩效评价财务指标选择
在对上市公司经营绩效进行评价时，应依据一系列财务指标来反映企业经营业绩和经营成果，而且评价的指标数据要具有科学性、客观性、可测性和实用性。本文在对国内外对企业常用经营绩效评价指标体系的基础上，而且根据企业经营绩效评价准则和参考大量论文的基础上，选取了从营运能力、成长能力、盈利能力和偿债能力四个方面能综合评价上市公司业绩的13个财务指标，其中应付账款周转率、流动资产周转率、固定资产周转率和总资产周转率能反映企业生成资料的营运能力；每股收益增长率、利润总额增长率和净利润增长率能反映企业发展的成长能力；销售净利率、销售毛利率和营业利润率能反映企业经营的盈利能力；流动比率、速动比率和资产负债率能反映企业具有的偿债能力。
三、主成分分析法的原理及步骤
其一，主成分分析的原理及基本思想。主成分分析是研究如何通过少数几个主成分（变量）来解释多变量的方差－协方差结构的一种分析方法。它的原理是将原来众多具有一定相关性的多项指标，重新组合成一组新的互相无关的主成分来代替原来的指标（张立军，任英华，2009）。主成分分析法是通过数学上一种处理降维的方法，把给定的一组变量通过线性变换，转换为一组不相关的变量。
其二，进行主成分分析的主要步骤。
（1）对指标数据进行标准化，即消除数据之间在量纲化和数量级上的差别（系统自动进行）。
（2）根据标准化数据矩阵建立协方差矩阵，协方差矩阵是用以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。
（3）根据协方差矩阵求出特征根、方差贡献率和累计方差贡献率。方差贡献率为各主成分所解释的方差占总方差的百分比，即各主成分的特征值占总特征值的百分比；累计贡献率为各主成分方差占总方差的累计百分比。根据选取主成分个数的原则，特征值要求大于1且累计方差贡献率达到85%以上的最小整数m，即为主成分的个数。
（4）由于旋转后的因子负荷矩阵中各个指标在任一主因子上的载荷明显两极分化，所以通过建立原始因子载荷矩阵，可更合理地解释主成分。
（5） 由主成分载荷矩阵和标准化数据可得到主成分Fj得分系数表达式
（6）最后由主成分贡献率的加权平均值得到综合得分F.
四、基于主成分分析法的汽车制造业上市公司绩效分析
从锐思数据库（省略）得到我国30家汽车制造业上市公司财务数据指标值（数据略）。通过建立协方差矩阵（略），可以看出协方差矩阵中标准化后的数据之间相关关系密切程度的统计指标值比较大，说明有必要对数据进行主成分分析。根据协方差矩阵求出特征根、方差贡献率和累计方差贡献率，见表1，可以看到有4个主成份的特征根大于1，且这4个主成份的累计贡献率已达到87％以上，说明选取4个主成分即可表达出原始数据的足够信息，这4个主成分分别记为F1、F2、F3和F4。
表2是旋转后的因子负荷矩阵，可以看到，应付账款周转率、流动资产周转率、固定资产周转率和总资产周转率关系密切，命名为营运能力；每股收益增长率、利润总额增长率和净利润增长率关系密切，命名为成长能力；销售净利率、销售毛利率和营业利润率关系密切，命名为盈利能力；与流动比率、速动比率和资产负债率关系密切，命名为偿债能力。将主成分载荷矩阵中第j列向量除以第j个特征根的开平方根，即可得到第j个主成分对应的变量系数。表3是得到的主成分得分系数矩阵。
将表3中数据带入表达式（3）中，可得到各主成分得分，将各主成分得分带入表达式（4）中，可得到综合得分。最后将各主成分和综合得分及排名见表4。
从表4盈利能力、营运能力、偿债能力、成长能力这4个方面得到的综合排名中来看，位于前五的一汽富维、福田汽车、安凯客车、星马汽车和江淮汽车，说明其综合经营效益水平高且经营者在经营管理公司的过程中对公司经营、成长、发展取得了一定的成果，并且做出了一定的贡献，也是投资者的理想投资对象。具体来看：一汽富维、福田汽车、星马汽车、一汽轿车和上海汽车在营运能力方面排在了前五，说明这些公司运用各项资产赚取利润的能力强；安凯客车、星马汽车、一汽夏利、海马股份和*ST金杯在成长能力方面排在了前五，说明这些公司未来发展前景良好且有较快地发展速度；迪马股份、亚星客车、*ST金杯、曙光股份和中国重汽在盈利能力方面排在了前五，说明这些公司获取利润的能力较强，是投资者取得投资收益、债权人收取本息的资金来源，是经营者经营业绩的体现；ST昌河、海马股份、贵航股份、江铃汽车和隆基机械在偿债能力方面排在了前五，说明这些公司偿还其债务的能力强，也能说明企业财务风险小。类似可分析排名后几位的汽车公司。
通过主成分分析法，为投资者，特别是中小投资者投资提供参考数据，便于其客观、全面地分析上市公司，选取真正具有价值的股票降低投机性带来的风险，同时也可以为经营者进行绩效评价和科学决策提供依据（王、殷林森，2006）。各类排名也为上市公司决策者提供重要的决策依据。相对来说，规模较大的公司，由于具备较强的竞争实力，综合绩效成绩比较突出。而中小规模的企业要想提高经营效率，在发挥自身优势的同时，也要对自身的弱势引起足够重视；在实际的公司经营实践当中，还要具体问题具体分析是哪个方面拖累了公司的整体形象，公司则应该及时采取针对薄弱指标的相应措施，弥补该指标所反映的某些方面的缺陷。通过资产重组，实现规模经济，扩大企业的生产规模，提高汽车产量，从而提高企业的竞争能力及在在该行业中的地位（韩斌，2009）。
五、结论
本文运用主成分分析法，对我国30家汽车制造业上市公司进行了盈利能力、营运能力、偿债能力和成长能力四个方面及经营绩效排名及客观、系统和全面地分析。从我国汽车产业经过五十多年的发展来看，我国已成为世界汽车产业大国，产量和销售逐年增加，汽车企业数量也居世界第一，然而与世界上其他国家汽车相比，我国的汽车产业规模小而且投资分散。汽车产业中企业数量过多造成整个行业投资分散、重复建设和过度竞争，直接导致产品利润率远落后于外商投资企业。没有足够的经济规模，很难在技术创新研发活动中进行大规模投入。另一方面，也是最重要的是技术水平的落后，我国汽车产业的技术创新水平仍然落后于发达国家，缺乏研究与技术创新能力的现实。我国汽车产业自主创新的基础条件虽已得到很大改善，但自主创新能力依然薄弱。我国汽车产业要想在世界占有一席之地，一定要做大做强。首先要加快购并重组，实现规模经济，只要汽车企业规模越大，单位产品的生产成本和营销费用就越低，从而品牌就越具有市场竞争力。只有规模较大的企业才能在激烈的市场竞争中生存，才能够在开发系列产品中投入巨大的科技投入成本（梁丽军，2009）。其次积极通过与国际汽车业巨头进行项目合资等优势，大力引进外资资金、人才、先进的管理经验等，加强汽车产业内企业与企业之间的合作以及完善零部件等相关产业与整车生产企业之间的合作，加强与高校、科研机构的合作等。政府制定正确的支持鼓励政策，企业树立信心与勇气，敢于实践和迎接挑战，抓住市场快速发展和全球经济一体化带来的难得机遇，加快汽车制造业的技术改造和产业升级，实现我国汽车产业由引进、模仿，最终实现向技术创新转变，使我国的汽车产业在规模、技术、管理、服务等各方面走在世界的前列。
参考文献：
［1］刘新、伍海华：《汽车制造业上市公司经营效率的DEA模型分析》，《辽宁工程技术大学学报》（社会科学版） 2007年第3期。
［2］张立军、任英华：《多元统计分析实验》，中国统计出版社2009年版。
［3］王、殷林森：《因子分析法在汽车行业上市公司综合评价中的应用》，《价值工程》2006年第5期。
【关键词】疆煤外运；影响因素；主成分分析法
1.引言
近年来，随着我国经济的发展，我国的煤炭的消费量在不断增加。而煤炭的主产地产煤量却在日益缩减，煤炭供求出现较大缺口。就目前我国的煤炭资源形势来看，适度合理的开发新疆煤炭资源及将新疆煤炭外运满足其他省份煤炭需求，无论是出于对促进新疆经济增长的考虑，还是出于对国家能源安全的考虑，都是十分必要的。新疆地区的煤炭外运主要方式是铁路运输，另外，其公路运输、煤制气及煤制油的管道运输、煤发电的电网运输也是十分重要的运输方式，本文将对不同外运形式的不同影响因素进行分析，从而找到其中主要的外运影响因素，进而给出相关政策建议。
2.疆煤外运主要影响因素分析
2.1原始数据的选取
影响因素分别选取铁路营业里程、铁路固定资产投资、公路营业里程、公路固定资产投资、铁路公路煤炭外运量、管道输油气里程、管道固定资产投资、电力供应固定资产投资八个指标。原始数据表如表1所示。
由表2旋转后的正交因子载荷矩阵可知，第一公共因子高载荷的指标有X4公路固定资产投资、X8电力供应固定资产投资、X6管道输油气里程、X1铁路营业里程、X5公路铁路煤炭外运量、X3公路营业里程、X2铁路固定资产投资；第一公因子记为F1。第二公因子上高载荷的指标有X7管道固定资产投资；第二公因子记为F2。
通过主成分分析法，计算出成分得分系数矩阵以及标准化数据，根据成分得分系数矩阵及标准化数据可以计算各种成分得分，公式如下：
2.3结果分析
首先，由主成分分析的历年综合得分排名可以看出，新疆煤炭外运能力从2002年至2012年十年间，其煤炭外运能力综合水平是逐年上升的。
其次，由旋转后的正交因子载荷矩阵可知，第一公共因子载荷较高的前两个指标有X4公路固定资产投资、X8电力供应固定资产投资。第二公因子上高载荷的指标有X7管道固定资产投资。因此，新疆煤炭外运影响因素中，固定资产投资不足是最为重要的影响因素。
【参考文献】
[1]段国钦.交通走廊运输需求分析及其运输结构优化研究[D].长安大学，硕士学位论文，2000.
关键词：生态城市 主成分分析 综合评价
“生态城市”是20世纪70年代联合国教科文组织发起的“人与生物圈（MAB）”计划首先提出了“生态城市”这一概念。随着人口的迅速增长，工业化的深入发展，诸如城市的大气污染、水污染、垃圾污染、地面沉降、噪音污染；城市的基础设施落后、水资源短缺、能源紧张；城市的人口膨胀、交通拥挤、住宅短缺、土地紧张，以及城市的风景旅游资源被污染、名城特色被破坏等一系列问题日益突出。如何实现城市经济社会发展与生态环境建设的协调统一，就成为国内外城市建设共同面临的一个重大理论和实际问题。因此，建设生态城市已成为城市之间竞争的焦点，许多城市纷纷加快了城市转型发展的步伐，把建设“生态城市”、“花园城市”、“山水城市”、“绿色城市”作为奋斗目标和发展模式。
近年来，关于生态城市建设的研究成为国内外的热点话题。曾芳芳介绍了国内外“生态城市”的研究背景以及中外学者对其内涵的认识，重点阐述了国内外学者对其的研究理论，并提出生态城市建设的理论研究在生态城市评估方面的不足，为后期的生态城市发展理论研究起着重要的作用；李文君等以西安市为例，对西安市生态城市建设进行分析，为以后具体的生态城市的建设研究提供了借鉴等。
商洛作为国家“南水北调”中线工程的主要水源地之一，加强对商洛生态环境的保护，显得尤为重要。本文以商洛市为研究对象，结合商洛市城市建设实际，构建商洛生态城市评价指标体系，运用主成分分析等方法，深入探讨商洛市生态城市发展水平及其影响因素，为打造中国西部最美的山水园林城市规划提供建设性的意见。
一、生态城市建设评价指标体系的构建与评价方法
（一）生态城市综合评价指标的选取
本文指标选取主要是通过频度统计方法，参考关于生态城市评价的相关研究论文中的指标体系，结合商洛城市建设的实际，坚持科学合理、针对陛强，反映生态城市发展本质的指标作为商洛市生态城市综合评价指标体系进行科学评价，具体指标体系构建详见表1。
（二）数据来源及评价方法
指标体系所用原始数据来源于《商洛市统计年鉴》（2007-2016），城市环境质量报告书、统计公报、政府部门的调研数据等资料和相关文献资料、书籍、学术论文、研究报告等。
本文拟采用主成分分析方法，通过对城市经济、社会和环境3个子系统39个指标进行分析确定权重，综合评价商洛市生态城市发展水平。
二、商洛市生态城市建设水平的实证分析
生态城市建设的主要目标就是实现可持续发展，是一项涉及到经济、社会、人口、科技、资源与环境等子系统组成的时空尺度高度耦合的复杂动态开放巨系统的系统工程。因此，在生态城市建设过程当中，要以生态学理论为指导，充分考虑生态城市的自身特点，不仅关注生态城市的整体发展，还要关注城市社会、经济、环境子系统在“关系”上的协调。文章从经济、社会与环境三个子系统方面入手，通过SPSS19.0对这39个指标10年来的各具体数据进行主成分分析，提取影响生态城市发展的因子，更好地为商洛生态城市建设规划提供参考。
（一）经济子系统生态化建设水平的影响因素
对经济子系统的12个指标通过主成分分析，确定两个主成分F1、F2，由表2分析可以看出各指标与各主成分之间的相关程度。
第一主成分与城镇人均可支配收入、农村人均纯收入、人均GDP、财政一般预算收入、固定资产投资占GDP比重等指标相关程度较高，均达75%以上，且都是衡量经济发展水平的重要指标，主要反映了经济发展的整体水平。F1中尤其是城镇人均可支配收入、农村人均纯收入、人均GDP、财政一般预算收入的相关程度高达97%以上，说明这几个指标在反映商洛经济发展水平上，对其影响更大。
第二主成分主要与GDP增长率、一般财政预算收入增长率、旅游业增加值占GDP比重等指标有一定的相关性，这些指标相比第一主成分指标，相关程度所占百分比较低，但是对经济发展的影响又不可忽视。
经济被视为一个城市、区域、乃至国家发展的“硬实力”，其发展水平的高低将直接决定社会发展的各个方面。因此，在建设生态城市的同时，要统筹好影响经济发展的基础指标和潜在影响力指标因子，才能为生态城市的建设提供更好的发展基础和动力。
（二）社会子系统生态化建设水平的影响因素
通过对社会子系统15个指标进行主成分分析，确定三个主成分F1、F2、F3，由表3可以看出：第一主成分（F1）与人均保险费、在校大学生人数、城市化水平、卫生技术人员、医院床位数等指标相关程度较高，其相关程度都在90%以上，这些指标既是对城市功能建设、社会保障、教育医疗等基础设施方面的成绩的反映，同时也是影响社会生态化发展的主要因素。因此，商洛市生态城市建设中社会子系统生态化的发展要对上述指标不断优化和升，有利于商洛生态城市的总体建设。
与第二主成分（F2）相关程度较高的指标有：城镇恩格尔系数、农村恩格尔系数、人均城市道路面积等指标，主要反映了商洛人民生活质量和城市社保障水平，这是对第一主成分的有力补充，其发展程度必然对社会生态化产生重要影响。
第三主成分（F3）主要是常住人口、人均生活用水量、授权专利数指标，其中关于人口的发展又是对经济、社会和生态发展等方面都起着巨大的影响。较多的人口可以为区域的发展提供充足的劳动力和消费市场；但是过多的人口也会对资源、环境保护等方面产生巨大的压力。所以，可以将第三主成分解释为人口质量与数量对商洛生态城市建设的影响因素。
（三）环境子系统生态化建设水平的影响因素
由表4可以看出，第一主成分（F1）与废气治理设施处置能力、城镇人均公园绿地面积、工业废水排放量、工业固体废物综合处置量、工业固体废物排放量等指标其相关程度达到75%以上，这些指标主要说明工业三废的处理水平及环境质量状况。同时说明在生态城市的建设中对生态环境的改善应重点放在工业三废的处理方面，不断提高生态环境质量。
第二主成分（F2）与污水处理率、工业固体废物利用率、人均水资源量等指标有较大的相关性，说明商洛在生态城市建设过程中对水资源的保护及固体废弃物的利用程度。
第三主成分（F3）与全年城市空气质量达标率等指标有关，主要反映了城市环境治理后的天气状况。通过分析说明，商洛生态化城市建设中对环境的保护不仅要注重工业三废的处理，同时还要兼顾水环境污染和空气污染保护防治，进而使商洛环境质量整体水平得到有效提高。
三、结论
生态城市建设的主要目标就是实现可持续发展，本文通过经济、社会与环境系统的实证分析结果来看，生态城市建设涉及到各个方面，商洛市生态城市建设不仅要注重整体发展水平，还要重视经济、社会、环境各子系统之间的协调发展，共同促进商洛市生态城市建设的步伐，促进商洛经济又好又快发展。
通过经济子系统12个指标主成分分析得出：在生态城市建设过程中，经济生态化要把重点放在与第一主成分相关程度较高的指标（城镇人均可支配收入、农村人均纯收入、人均GDP、财政一般预算收入、固定资产投资占GDP比重）方面，主要反映在经济发展水平方面。但由于商洛地处秦岭腹地，自然环境复杂，基础薄弱，经济发展水平低。因此在生态城市化建设中应不断加强对外交流学习，借鉴成功经验，大力发展特色区域经济，不断提高经济发展水平，促进商洛经济生态化建设步伐。但与第二主成分相关的指标也不容忽视。
【关键词】PEG 创业板 有效性
一、论文研究背景
市盈率（price earnings ratio，简称PE）反映了股票的市场价格与公司每股收益的比值。由于市盈率效应，许多学说都倡导人们选择市盈率较低的股票，但是也有不少研究发现投资较高的市盈率才能获得较高的投资收益。鉴于这种矛盾的结论，表明了单纯使用市盈率在指导投资中可能存在着缺陷。
终于在2000年，华尔街投资大师彼得林奇则在《战胜华尔街》一书中提出运用PEG （市盈率与成长性比值）指标指导投资，弥补了单纯使用市盈率进行投资的缺陷。自此之后，PEG逐渐被人们熟知，随后其投资的有效性被多次证实。
二、实证研究
（一）样本选择
在本文中，以2010-2014年的我国创业板上市公司为研究样本。所有数据来源为国泰安数据库，分析软件为STATA11.0。
（二）提取公司成长性指标――主成分分析
（1） KMO检验。对净利润增长率、营业收入增长率、总资产增长率三个指标进行KMO检验。
表1 主成分的KMO检验结果
经过Stata的KMO检验，得到KMO的统计量为0.7012，在可以接受的范围内，说明净利润增长率、营业收入增长率、总资产增长率三个指标之间有较强的相关性，可以进行主成分分析。
（2）主成分分析的结果。经过主成分分析后，得出公司成长性的表达式：Growth=0.6965NPG+0.6782MBRG+0.2344TAG。
表2 成长性的主成分分析
（三）基于PEG大小构建不同的投资组合与收益率的实证分析
（1）三种PEG组合的年收益率。我们将按照PEG的值将其分为三个组。将PEG小于0的分为一组，用PEG-N表示；将PEG介于0与1之间的分为一组，用PEG-L表示；将PEG大于1的分为一组，用PEG-H表示。
根据组合投资策略，我们得出各组的收益率（由组内平均收益率计算得出）如表3所示。
表3 三种PEG组合的年收益率
从图中我们可以看出，无论是牛市还是熊市，PEG-L组合的收益率都是最高的，而PEG-N组合的收益率是最低的，PEG-H的收益率居中。从这个表的结果来看，恰好印证了彼得林奇的投资策略。
（2）三种PEG组合的年收益率的差异性检验。表带来的只是直观的判断，为了检验各个投资组合的收益率是否存在差异，下面对三个组合的收益率两两进行统计检验。
分别检验收益率关系：rPEG-L≤rPEG-N，rPEG-L≤rPEG-H，rPEG-H≤rPEG-N。得到的P值如下。
表4 三种PEG组合年收益率差异性P统计量
从统计结果来看，在1%的置信水平下，rPEG-L≤rPEG-N，rPEG-L≤rPEG-H，的关系成立，而rPEG-H≤rPEG-N不成立。但是不管怎样，仍旧说明低PEG组合的收益率最高，高PEG组合其次，负PEG行业最次。正好验证了原假设。
三、研究结论
实证研究的结果表明，低PEG组合的收益率5年来每年都明显高于高PEG组合与负PEG组合。在2013年的牛市当中，三个组合之间的收益率差异最为明显，低市盈率的收益率要高于负市盈率70%，高于高市盈率60%。即使在2011年的熊市，所有组合的收益率都是负值，说明三个组合都处于亏损状态。这说明了一个很有用的投资策略：无论在牛市还是在熊市，只要正确计算出公司的成长性，进而得出PEG值，再选择低PEG的股票进行投资，就可以获得较高收益或避免较大损失。
综上所述，PEG在我国创业板投资是有效的。
参考文献：
[1]王泽霞，郑建克.我国上司公司权益资本成本的估测与检验[J].财会月刊，2008，（3）.
[2]毛新述.上市公司权益资本成本的测度与评价――基于我国证券市场的经验检验[J].会计研究，2012，（11）.
[3]本杰明・格雷厄姆，戴维・多德，徐彬，陈幸子译.证券分析（第六版）[M].北京，中国人民大学出版社，2009.
[4]王春丽.我国股市市盈率效应探析[J].统计研究，2010，（3）.
[5]陈共荣，刘冉.市盈率能否成为投资决策分析的有效指标―来自中国A股的经验数据[J].会计研究，2011，（9）.
[6]潘莉，徐建国.A股市场的风险与特征因子[J].金融研究，2011，（10）.
[7]刘曜，史爽.中小板上市公司成长性影响因素的验证分析[J].统计与决策，2011，（1）.
[8]张祥建.上市公司核心能力盈利性与成长性的实证研究―以“中证・亚商上市公司50强”为例[J].会计研究，2004，（7）.
多元统计分析在在统计学中是一种综合性的分析方法，通过多个分析方式对于同一个对象进行全方位的分析，内容包括多种应用方式。通过多种方式的综合运用，在多个指标的共同参与之下，对于统计的规律进行揭示与挖掘，将这种多元化的分析手法应用于企业财务危机的预警中，是十分有效的，与现代企业管理的多元资金流和运作的资金链串接是有相同的运作模式的。
企业的财务危机主要是指企业在经营过程中由于无力按时偿还到期的债务而产生的危机和困难就是企业的财务危机，企业财务危机的出现有种种原因，管理不善、行业萧条、决策失误、名誉受损等等，都可能导致企业财务危机的出现，企业一般都是个体或者合营，依靠主要管理人员和决策人的共同努力发展壮大，所以对于管理人员的措施采纳和决策人的决定有严格的要求。一般来说，判断一个企业财务危机的常用标准是企业破产和在证券交易中面临的退市现象，注意，在证券公司面临退市的现象一般指的是上市公司，中国改革开放以后，证券行业发展迅速，企业的上市已经成为一个企业发展壮大的标识，所以本文研究的企业也包括上市公司。企业在生存发展的过程中，面临的财务危机是一项挑战，也是一项机遇，往往一个企业进行大刀阔斧的改革都是在企业财务危机之后，由于财务危机暴露了企业在发展过程中的弊端，所以企业在财务危机中能够顽强的生存下来，也就获得了成功的准备，将危机中显示出来的问题进行纠正，这样企业获得了良好的发展活力，更能在激烈的社会竞争力实现跨越式前进。
由于企业性质的不同，所以造成企业财务危机的原因也就不同，在企业财务危机预警的多元分析中，要根据企业的独特性采取相应的指标来完成分析，并且在模式模型选择过程中要根据企业财务危机的侧重点来进行选择，这样才能有针对性的提出分析的策略。根据我们选定的财务指标，利用聚类分析法对我国企业进行科学的统计分类；再用判别分析法构造预测判别模型，对其财务危机状况进行判定预测；最后利用主成分分析法提取主成分，计算各主成分的分数和综合得分，根据主成分综合得分对样本进行排序，以发现其财务危机状况，使用Excel电子表格中软件和统计分析软件SPSS来进行数据处理和建立多变量预警模型，这就是多元分析的主要步骤。
二、多元统计分析在企业财务危机预警中的应用
（一）样本和变量选取
在企业财务危机模型的建立过程中，对于企业的财务指标和参数，利用抽样方法进行选择。一般来说，选择的方式主要是随机抽样和对应样本法。在企业中，选取销售净利率、主营业务利润率、净资产收益率、资产净利率、每股收益（EPS）、应收账款周转率、存货周转率、总资产周转率、营运资本总资产比、资产负债率、流动比率、现金负债总额比（债务保障率）、现金流动负债比、现金流入流出比率、销售现金比率、每股净资产来建立指标体系作为分析变量等28个指标作为企业盈利、偿还等能力和资本实力的展现，也是全面地反映企业的财务状况的指标。在多变量模型的财务预警分析中，变量越多选择的余地越大，模型建立就越好。
（二）判别分析
根据样本和变量的选择，利用判别分析法建立企业财务危机的预警机制，在建立机制的过程中，可以根据研究对象创建一组函数，实现对于样本和变量的分析判别。一般来说，用的Fisher线性判别函数是判别分析中比较常见的。函数形式为：Yi=a1x1+a2x2+…+anxn+b（i=1，2，…，k）。其中k是判别组数，Y是判别分数或判别值；x1，x2，…，xn是因变量或预测变量；a1，a2，…，anj是各变量的系数，即判别系数；b是函数中的常数。通过这组函数对于基本的系数和常数进行计算，得出基本的财务危机指数、非财务危机指数以及中间指数。
在数字计算的过程中，判别分析建立的函数变量很多，将其中有显著性代表的变量函数作为典型例证进行分析计算，这样既能节省时间和效率，同时也能准确的代表了判别分析的结果。具体的判别分析方法：①采用一个系统默认的检验指标体系，以每一步λ统计量最小的进入判别函数，这样就能从整体上保证参数的合理性，计算的准确性也有了保证。②逐步判别停止的判据采用F值，当加入一个变量或者剔除一个变量后，对在判别函数中的变量进行方差分析，将因为变量的转换发生的系数变化统计下来，作为以后函数计算的重要数据。
③将获得的变量均值检验经过系统的分析，得出的结果作为费雪线性判别函数的系数。Fisher系数有被称为费雪线性判别函数的系数，在Fisher系数的系数表里，主要的指标要和变量均值检验表实现同步，这样在不断地分析计算过程中，才能得出Fisher线性判别函数模型。
由于模型中的6个变量从不同角度较好地反映了对于我国企业来说最重要的几个财务指标：盈利能力欠佳、资产周转速度慢， 尤其是应收账款回收慢，以及销售收入增长幅度小，经营现金流的短缺，这些都是极易导致财务危机的发生，最终影响企业生存的重要变量，通过这些数据的分析就能逐步实现财务危机的预警。
（三）主成分分析
在企业财务危机中，除了判别分析模型的建立之外，主成分分析也是较为普遍的方式。主成分分析主要是通过筛选和建立模型来实现，但是主成分分析法对于检测的指数和指标已经有了基本的规定，比如说企业重要的资金流动、盈利收益等，都是企业在财务危机预警里的主要成分。在变量较多的情况下，研究样本通常都比较复杂，因此需要利用主成分分析方法实施第二次筛选，使得模型精简化，这和判别分析的模型建立有同样的方法选择，选取适用的参数和指标来进行有针对性的研究。在企业财务危机分析中，具体是指，对企业收集的原始数据和财务指标进行标准化的处理，取平均为零，方差取1；然后，利用标准化的数据计算财务指标间相关系数矩阵R；最后，按照指标间的矩形计算规则，对于矩阵中的相关系数进行分析和计算。
三、多元统计分析对于企业财务危机预警的作用
［关键词］高校；科研机构；研发效率；主成分分析
［中图分类号］F204 ［文献标识码］A ［文章编号］1005-6432（2012）32-0134-03
近年来,我国研发投入规模不断增大,研发人才不断增多,企业、高校和政府科研机构在研发执行中起着重要作用。高校和科研机构的科研投入规模不断增加,王章豹和徐枞巍提出了一整套评价各独立高校间的研发效率指标体系,具有较强的综合性。孙世、项华录和兰博运用DEA方法对我国高校按省市的研发效率进行了评价。陈腾、叶春明、沈杰应用DEA方法对高校科技成果转化效果进行分析评价。苗玉凤和田东平也使用数据包络分析DEA对高校效率进行了评价。李清彬和任子雄也对我国省际间的高校科研效率进行了研究。从已有的研究看,大多是对研发执行部门单独进行,而对于高校和科研机构的比较研究不多,本文尝试构建指标体系,对二者的研发效率进行比较初探。
1 研发效率指标体系及模型分析
1.1 研发投入产出指标体系
研发投入主要包括科技经费的投入和科技人员的投入,并与高校和科研机构的信息资源等其他投入相结合。本文在研究研发投入产出效率时,从研发投入系统中的科技人力资源和研发经费投入两个指标进行计算分析。研发产出可以划分为两个阶段,第一阶段的研发投入包括研发经费和人力资源的投入,产出主要是科技论文和申请授权专利；第二阶段主要是专利的转让转化为技术合同额。因此,本文对高校和科研机构的产出指标设定为申请及授权专利数量、学术论文数量,并引入了技术合同数量和合同金额两项指标。
根据已有的研究成果,科技投入与产出之间存在着2年的时间延迟,因此,本文在科技投入时采用T时期的投入值,对应的产出数据为T+2期。
1.2 研发效率的指数分析模型
2 数据分析与处理
对1991—2009年我国高校和科研机构的研发投入产出效率进行指数化分析和比较。在上文中,本文指出,科技投入与产出之间存在着2年的时间延迟,在科技投入时采用T时期的投入值,对应的产出数据为T+2期,计算过程如下：
首先,对高等院校的投入进行数据处理,数据标准化后的数据以及柯布—道格拉斯函数高校科研投入数据计算得到处理值,使用SPSS软件,运用主成分分析方法,对1991—2009年高等院校的研发产出数据进行分析,得到两个主成分的贡献率在95%以上,本文得到我国高等院校产出效率计算所用的权重λ=(0.210,0.211,0.191,0.186,0.202),得到高等院校的研发投入产出值及对应的效率值。运用同样的方法,对科研机构的研发投入产出进行分析计算,得到科研机构研发投入的权重λ=(0.219,0.217,0.213,0.207,0.144),虽然和高校的权重有所不同,但通过主成分分析得到的该权重能较为全面地反映科研机构的产出状况,因此以该权重为标准计算并不会对高校和科研机构的研发产出评价产生直接的影响。本文得到科研机构的研发投入和产出值及对应的研发效率如表2：
从计算结果看,1995年后我国高校的研发效率呈现出一定的波动,相对1991年基期的研发效率看,2000年的研发产出效率最高(1998年投入),效率指数达159.12%,这主要是由于2000年(1998年投入)产出的技术合同成交额最大,达到了110.53亿元。其次为1998年为140.24%(1996年投入)。高等院校研发效率最低的是1994年,为87.36%,高校的研发效率相对指数在1997年后除2004年一直高于科研机构,二者基本保持了较为一致的变动趋势。
3 结论与建议
从本文的研究结果看,近年来,我国高校研发效率逐步超过科研机构,从研发成果产出看,高校的专利授权和论文数量较多,而技术合同项目数远远少于科研机构。高校的重大科研成果保持相对稳定的占比,科研机构占比不断下降,企业在重大科研成果中的地位日益显著。
3.1 加强高校科研机构与企业间的技术合作
我国高校和科研机构聚集了大量的科技研发人员,为高校科研水平的提升作出了巨大贡献,高校的研究成果与企业相结合,转化为社会产品促进了我国经济的发展。近年来,我国和下属各地政府出台了一系列鼓励高校、科研院所研究人员参与企业研发的政策,进一步发挥了高校科技人员的科研力量。另外也应该看到,高校专利转化实用效率的提高将在很大程度上提高研发效率。虽然高校的专利申请数量和授权数量占比不断提高,但高校的部分研发成果,特别是专利等成果,并没有得到实际的用处,“闲置专利”普遍存在,高校专利转化率普遍不高,成果产业化效率低。这种现象在我国高校和科研机构的专利中普遍存在,这就使得专利与科技与市重脱节,制约了研发产出效能的发挥。高校和科研机构要通过各种产学研合作方式,帮助企业开展新技术新工艺的研发,并建立技术联盟、研发联盟和产业联盟。
3.2 建立新的考核评价及科研激励措施
在进行综合考核时,经常将论文数量和专利数量指标纳入高校及教师评价、考核体系,这有力地促进了高校专利申请量和专利拥有量,但这种考核评价体系存在较大的缺陷,使得高校片面追求专利的拥有量而忽略了专利的技术和经济效益,因此,高校和科研机构自身应将实施专利的经济、社会效益作为考核科研水平和综合实力的主要指标。与此同时,在科研激励体系中,继续加大对实施专利的奖励力度,使专利的发明人和实际拥有人能够共享专利带来的经济利益,以刺激专利发明人申请更加实用，符合经济发展阶段的专利。
4 有待进一步讨论的问题
关于研发投入中的生产函数,本文对研发经费和科技人员弹性的选取,α和β均取值为0.5,从严格意义上讲,在高校和科研部门,二者可能存在一定的差异性,其弹性系数可能不同,但由于二者的数据计算较为烦琐,数据获得性较难,本文只能取做0.5作为一种近似的代替。经过测算,当二者取值为0.45和0.55时,对最后结果的影响较小。指标体系中本文选择了专利申请受理量、专利授权数量、发表科技论文数量、技术市场合同数量和技术市场合同额5个指标,没有考虑重大项目数量等。高校作为基础研究和应用研究的主要载体,其论文数量没有按照论文质量(EI、SCI等)进行划分赋予不同权重,这也是后继研究值得讨论的问题。此外,转制科研院所带来的数据差异对本文的研究也有一定影响。
参考文献：
［1］王章豹,徐枞巍.高校科技创新能力综合评价：原则、指标、模型与方法 ［J］.中国科技论坛,2005(2):55-59.
［2］孙世敏,项华录,兰博.基于DEA的我国地区高校科研投入产出效率分析［J］. 科学学与科学技术管理,2007(7)：18-22.
［3］陈腾,叶春明,沈杰.基于DEA方法对高校科技成果转化效果评价［J］.情报科学,2006(8):1200-1203.
［4］苗玉凤,田东平.基于数据包络分析的高校效率评价［J］.科技与管理,2007(5):138-140.
变差系数越大，该指标的鉴别能力越强；反之，鉴别能力则越差。根据实际需要，可以删除变差系数相对较小(即鉴别力较差)的评价指标。
根据上述原理，运用spss统计软件包对这些评价指标进行方差分析，在方差分析基础上计算第三轮评价体系x[(3)]中各个评价指标的变差系数，删除了变差系数较小的“科学家工程师数”、“每万人口r&d经费”、“每名r&d人员新增仪器设备”、“国际科技论文总数”、“每万人国际科技论文数”、“r&d人员向国外转让专利使用费和特许费”和“新产品销售收入占产品销售收入比重”等7个指标，保留剩余的指标构成第四轮评价体系x[(4)]。
在第四轮评价体系x[(4)]中，共有14个评价指标，其中测度科技投入能力的有6个指标、测度科技支撑能力的有2个指标、测度科技产出能力的有6个指标。如果把测度科技支撑能力的“每万人口国际互联网用户数”和“科研与综合技术服务业新增固定资产占全社会新增固定资产比重”2个指标归并到科技投入能力指标当中，由此可以建立包括科技投入能力和科技产出能力两个领域共14个指标的中国地区科技竞争力的评价体系(如表5所示)。该评价体系的指标涵盖面广和内在逻辑性强，数量繁简适中，具有很强的可操作性，因此，可以用来实际测度中国地区的科技竞争力。
表5 中国地区科技竞争力评价体系 目标层 领域层 指标层(评价指标) 变量标识 单位
科技经费总额 v1 万元
科 每万人口科技经费 v2 万元
技 科技经费占gdp比重 v3 ％
投 地方财政科技拨款占财政支出比重 v4 ％
地 入 企业r&d经费占产品销售收入比重 v5 ％
区 能 每万人口科学家工程师数 v6 人
科 力 每万人口国际互联网络用户数 v7 户
技 科研与综合技术服务业新增固定资产占全社会新增固定资产比重 v8 ％
竞 科 高技术产业增加值 v9 亿元
争 技 每万人口高技术产业增加值 v10 亿元
力 产 高技术产品出口额 v11 亿美元
出 每万人口高技术产品出口额 v12 亿美元
能 每万科技人员专利授权量 v13 项
力 每万r&d人员向国外转让专利使用费和特许费 v14 亿美元
五、中国地区科技竞争力的评价方法
地区科技竞争力评价是一个多指标的综合评价问题，它是把反映地区科技竞争力的多项指标的信息加以综合，从整体上评价地区科技竞争能力强弱。多指标综合评价的基本思想是把多个单项指标组合起来，形成一个包含各个侧面的综合指标，其实质是把高维空间中的样本投影到一维直线上，通过投影点来研究样本的特性。目前已有多种方法进行多指标的综合评价，它们各有优点，但同时也都存在着一些明显的缺陷：一是赋权的主观性。无论主观经验赋权法还是专家赋权法，权重的确定与指标的数字特征并无实际上的联系，权重只是对指标内容的重要程度在主观上的把握，这样会产生对某个指标的重要性产生过高或者过低的估计，从而影响评价结果的有效性。二是评价指标之间的相关性问题。在综合评价中，各个评价指标之间往往存在着一定的相关性，这种相关性通过相关指标的重复赋权，导致评价信息的重复使用，使得评价结果难以真实地反映被评价对象的真实情况。主成分分析正是解决这两个问题的一种有效方法。
主成分分析的基本思想是找出影响问题的几个综合指标(称为主成分)，这些综合指标为原来变量的线性组合，它们不仅包含了原始变量的信息，而且彼此间不相关。在保留绝大部分原始变量信息的条件下，对少数几个主成分进行分析，既能消除重叠因素的影响，又能使问题降维、简化。用主成分方法进行综合评价，就是把原指标综合成几个主成分，再以这几个主成分的贡献率为权数进行加权平均，构造出一个综合评价函数，根据综合评价函数值进行评判。
主成分分析法的计算步骤如下：
(1)对评价指标的原始数据进行标准化处理。
设x=｛x[，1]，x[，2]，x[，3]，l，x[，p]｝为地区科技竞争力的评价指标集，z=｛z[，1]，z[，2]，z[，3]，l，z[，p]｝为经过标准化处理后的评价指标集，x[，ij]为第i个高新区的第j项评价指标的原始数据，z[，ij]为相应的经过标准化处理的评价指标数据值，其中
(2)根据标准化的数据值，建立评价指标数据集的相关系数矩阵r
(3)求相关系数的特征值和贡献率。
由r的特征方程｜r-λi｜=0，求得p个特征值λ[，1]≥λ[，2]≥l≥λ[，p]≥，对应的特征向量u[，1]，u[，2]，u[，3]，l，u[，p]，其中u[，i]=(u[，i1]，u[，i2]，u[，i3]，l，u[，ip])(i=1，2，3，…，p)。
于是得到p个主成分：y[，i]=u[，i1]x[，1]+u[，i2]x[，2]+u[，i3]x[，3]+l+u[，ip]x[，p](i=1，2，3，…，p)
①
第i个主成分y的特征值λ[，i]即为该主成分的方差，方差越大，对总变差的贡献也越大，其贡献率为α[，i]=它反映了第i主成分综合原始变量信息的百分比。与特征值λ[，i]对应的特征向量u[，i]的p个分量就是第i个主成分y[，i]中p个标准化变量的系数，它们的绝对值大小和正负号反映了该主成分与相应变量的相关程度和方向。
(4)以每个主成分的贡献率为权数，构造综合评价函数
f=α[，1]y[，1]+α[，2]y[，2]+α[，3]y[，3]+l+α[，p]y[，p]
②
综合评价函数即为地区科技竞争力的综合评价指标。
将每个省市的p项指标得分标准化后代入①式，求出其主成分值，即主成分得分，再由②式即可得到其综合评价函数值，即该地区科技竞争力的综合得分，综合得分越高，表明该地区科技竞争力就越强。
六、中国地区科技竞争力的实际测度与比较分析
通过查阅各年度的中国统计年鉴、中国科技统计年鉴、中国经济统计年鉴、各省市统计年鉴以及政府正式公布的统计数据，获得了31个省市14个评价指标的2002年度的原始数据。
运用spss统计软件对所获得的原始数据进行主成分分析，采用方差最大旋转法，并以特征值大于1的标准提取两个主成分，主成分分析的结果如表6所示。
表6 方差极大化旋转后的因子载荷矩阵 component
1 2
每万人口科学家工程师数 .939 .262
每万人口科技活动经费 .934 .279
科技经费占gdp比重 .868 -.001
科研与综合技术服务业新增固定资产占全社会新增固定资产比重 .854 -.095
每万人口国际互联网络用户数 .731 .497
科技经费总额 .655 .604
地方财政科技拨款占财政支出比重 .609 .019
企业r&d经费占产品销售收入比重 .519 .263
高新技术产业增加值 .105 .942
高新技术产品出口额 -.018 .941
每万人口高技术产品出口额 .351 .834
每万科技活动人员专利授权量(项) -.071 .735
每万r&d人员向国外转让专利使用费和特许费 .564 .721
每万人口高技术产业增加值 .524 .652
方差贡献率(％) 39.799 34.220
方差累积贡献率(％) 39.799 74.019
表6的结果显示，在第一个主成分上，因子载荷较高的评价指标分别为每万人口科学家工程师数、每万人口科技活动经费、科技经费占gdp比重、科研与综合技术服务业新增固定资产占全社会新增固定资产比重、每万人口国际互联网络用户数、科技经费总额、地方财政科技拨款占财政支出比重、企业r&d经费占产品销售收入比重等，这些指标均是反映和测度一个地区科技投入能力的指标，因此，可以将第一主成分命名为科技投入能力主成分；在第二主成分上，因子载荷较高的评价指标分别为高新技术产业增加值、高新技术产品出口额、每万人口高技术产品出口额、每万科技活动人员专利授权量、每万r&d人员向国外转让专利使用费和特许费、每万人口高技术产业增加值等，这些指标均是反映和测度一个地区科技投入能力的指标，因此，可以将第二主成分命名为科技产出能力主成分。
由表6可知，第一主成分(科技投入能力)的方差贡献率为39.799％，第二主成分(科技产出能力)的方差贡献率为34.220％，累积方差贡献率为74.019％，即用这两个主成分能解释原先14个评价指标74％的方差。因此，我们可用科技投入能力和科技产出能力两个主成分来测度31个省市的科技竞争力。
以每个主成分的方差贡献率为权重系数，根据上述构造的综合评价函数，可以计算得到全国31个省市科技竞争力综合得分的标准化分数。为了便于对比分析，可以用效用值表征科技竞争力的强弱，并规定效用值的取值区域范围为[0，100]，即科技竞争力最强的地区效用值为100，最弱的地区效用值为0。如果用x[，i]表示第i个地区科技竞争力的综合得分，x[，imax]表示科技竞争力综合得分的最大值，x[，imin]表示科技竞争力得分的最小值，则第i个地区科技竞争力的效用值y[，i]可以表示为：y[，i]=(x[，i]-x[，imin])/(x[，imax]-x[，imin])*100。
全国31个省市科技竞争力的标准值和效用值及其排序结果如表7所示。 表7 全国31个省市科技竞争力的标准分数和效用值 地区 标准分数 效用值 排序 地区 标准分数 效用值 排序
北京 1.86 100.00 1 河南 -.23 8.45 17
上海 1.21 71.35 2 黑龙江 -.23 8.19 18
广东 1.13 67.97 3 江西 -.24 7.75 19
天津 .56 43.08 4 重庆 -.25 7.65 20
江苏 .32 32.31 5 山西 -.26 7.10 21
辽宁 .14 24.52 6 宁夏 -.26 6.93 22
浙江 .13 24.15 7 海南 -.28 6.18 23
福建 .08 22.01 8 贵州 -.28 6.16 24
陕西 .06 20.84 9 青海 -.33 3.99 25
山东 .00 18.21 10 云南 -.34 3.56 26
湖北 -.04 16.78 11 广西 -.34 3.39 27
四川 -.11 13.47 12 甘肃 -.37 2.20 28
安徽 -.16 11.25 13 内蒙古 -.37 1.98 29
吉林 -.17 11.11 14 新疆 -.38 1.70 30
湖南 -.20 9.53 15 -.42 .00 31
河北 -.21 9.31 16
从科技竞争力的效用值可以看出，我国31个省市的科技竞争力存在着明显的差异。依据科技竞争力的聚类分析结果，大体上可以把31个省市划分为以下五个集团：
第一集团：北京和上海，其效用值明显的高于其他省市，属于科技竞争力强的地区。
第二集团：广东、天津、江苏、辽宁、浙江、福建和陕西七省市，其效用值超过20，属于科技竞争力较强的地区。
第三集团：山东、湖北、四川、安徽和吉林五省市，其效用值超过10，属于科技竞争力中等的地区。
第四集团：湖南、河北、河南、黑龙江、江西、重庆和山西七省市，其效用值在10-7之间，属于科技竞争力较弱的地区。
第五集团：宁夏、海南、贵州、青海、云南、广西、甘肃、内蒙古、新疆和10个省市，其效用值均低于7，属于科技竞争力弱的地区。
从总体上来看，科技竞争力较强的地区绝大部分分布在东部沿海地区，而中西部地区的科技竞争力普遍偏弱，位于第四集团和第五集团的地区基本上是中西部地区。造成我国地区科技竞争力不同的一个重要原因是市场体系和经济发展的不平衡。改革开放以来，我国对东部及沿海地区率先实行了以市场为导向的经济体制改革，在投资、税收、外贸和经营自方面提供了优惠政策，促进了东部及沿海地区经济的发展和市场体系的发育，为地区发展和科技竞争力的提高奠定了雄厚的物质基础，创造了良好的市场环境。而中、西部地区相对而言，市场体系的发育和经济发展水平明显滞后于东部地区，地区发展及其科技竞争力的提高受到自然环境、基础设施、市场环境和社会文化的极大制约。在我国东、中、西部地区市场体系发育和经济发展水平差距逐步拉大的同时，地区经济发展的差距也不断增大，从而导致了地区科技竞争力强弱的不同。
七、中国地区科技竞争力实际测度的效度分析
根据现代评价理论的要求，每一项研究所使用的测评工具(或评价体系)的指标设计是否科学和合理，测评结果是否可靠和有效，需进行效度检验[9]。
效度(validity)是指测评工具究竟在多大程度上能够测评到真正想要测评的特质(或东西)，即测评的有效程度。从统计学上讲，效度是指测评结果与某种外部标准(即效标)之间的相关程度，相关程度越高即表明测评结果越有效。根据研究目的不同，效度评定有多种方法。常用的方法有内容效度、预测效度、构思效度、聚合效度、辨别效度、效标关联效度等。主成分分析的结果表明，研究所使用的测评工具由“科技投入能力”和“科技产业能力”2个主成分构成，并且它们对总方差的解释能力达到了74.019％，说明研究所使用的测评工具的理论构思是严密的，即具有良好的构思效度(constructive validity)。
本研究使用效标关联效度对测评工具进行效度检验。估计效标关联效度首先必须确定明确的效标，所谓效标是指衡量一个测评结果是否有效的外在标准。我们用2002年度国家科技部对31个省市的科技进步水平评价结果的排序为效标，计算两者之间的kendall和spearman等级相关系数(如表8所示)。结果表明，地区科技竞争力排序与地区科技进步水平排序的kendall相关系数为0.768，spearman相关系数为0.908，两个相关系数均呈现高度的显著性，说明本研究的地区科技竞争力测评结果具有很高的效标关联效度。
表8 科技竞争力与科技进步水平之间的等级相关分析 科技竞争力排序 科技进步水平排序
kendall' s tau_b 科技竞争力排序 correlation coefficient 1.000 .768([**])
sig. (2-tailed) . .000
n 31 31
科技进步水平排序 correlation coefficient .768([**]) 1.000
sig. (2-tailed) .000 .
n 31 31
spearman' s rho 科技竞争力排序 correlation coefficient 1.000 .908([**])
sig. (2-tailed) . .000
n 31 31
科技进步水平排序 correlation coefficient .908([**]) 1.000
【Abstract】This paper takes Deyang city of Sichuan province as the study area， Landsat satellite image as data source， select the land cover， vegetation coverage and elevation of three evaluation indexes， the principal components using a combination of qualitative and quantitative analysis methods to evaluate the ecological environment quality in Deyang city in 2015， the ecological environmental quality of Deyang city was divided into excellent， good， medium， poor in four grades. The results show that the ecological environment quality of woodland and grassland， arable land， human engineering activities and geological disaster area ecological environment quality is poor， the results are consistent with actual situation， indicating factors and model selection objective and reasonable.
【关键词】3S；生态环境质量评价；德阳市
【Keywords】3S； ecological environment quality evaluation； Dengyang city
【中图分类号】X826 【文献标志码】A 【文章编号】1673-1069（2017）03-0146-03
1 概述
我国的环境评价始于20世纪70年代，最初Τ鞘谢肪澄廴鞠肿醋龅鞑椴⒔行评价，80年代开始对工程建设项目的影响做评价。80年代末以来，主要对城市环境质量做综合评价，并开始对县级区域的生态环境质量做综合评价。随着RS和GIS技术的迅速发展和广泛应用，对空间数据进行获取、处理、分析技术方法的不断改进，使得RS和GIS在调查、监测、评价等方面受到了广泛的关注。使得生态环境质量评价由单一因子的调查与监测，逐步发展到多种数据综合评价，且用数值分析方法描述生态环境状况[1-3]。
目前国内外已经有许多关于生态环境脆弱性方法的研究，例如人工神经网络方法[4]、模糊判定分析方法[5]、综合评价方法[6]、景观生态学方法[7]、ES方法[8]、层次分析方法[9]、P-S-R模型方法[10]、ESA方法[11]、灰色评判法[12]等，但是目前并未形成一种大家一致认可的评价方法，而且上述方法基本均局限于定性的、定量的、静态评价方法，并且专家的意见占较大比重，研究结果的客观性不够好且实际应用价值不够高[13]。主成分分析的方法是一种定性与定量相结合的生态环境脆弱性动态评价的方法，在此之前，也有人应用主成分分析的方法进行了生态环境脆弱性的评价，并取得了大量的成果[14-16]。
德阳市位于四川省中部是川西高原和四川盆地的过渡地带。近年来随着德阳市工业化、城镇化进程的加快，围绕资源环境的竞争更加激烈，使其生态环境发生了巨大的变化。因此，为推进德阳市生态文明建设，积极探索绿色发展、循环发展之路，对德阳市的生态环境质量做出有效的评价，具有重要的意义。
2 生态环境评价
2.1 研究区概况
德阳市位于四川盆地东北部，东经103°45′-105°15′，北纬30°31′-31°42′之间。西邻阿坝，东接遂宁，南靠成都，北临绵阳。全市面积5818km2，现辖绵竹市、什邡市、广汉市、旌阳区、罗江县和中江县。德阳市境狭长，南北长约162km，东西宽约65km，整体地势西北高东南低。1983年8月经国务院批准成为省辖地级市，是四川省重点建设的九大城市之一，也是成都周边旅游圈的重要组成部分。
2.2 生态环境评价指标
2.2.1 指标选取原则
建立科学、完善、可行的生态环境质量评价指标体系是进行危险性评价的关键，合理有效的指标选择是生态环境质量评价的必要过程。
生态环境质量评价指标体系的构建应遵循以下原则。①科学性，生态环境质量评价指标体系的构建要遵循科学规律，所选取的评价指标应能客观真实地反映生态环境的特征、揭示生态环境的内在特征和外部触发原因。同时要考虑指标数据获取的难易程度、数据精度如何、是否可定量化。②全面性，生态环境质量是在环境因素和人为因素的多重作用下的状态，评价指标体系的建立应该综合考虑。同时评价指标体系必须要全面分析生态环境要素及其相互关系。③动态性，不同的地区地质环境和生态环境有一定的差异，对不同地区的生态环境质量评价，在选取评价指标时，需结合研究区的情况作调整。
2.2.2 指标选取
针对德阳市的环境状况，在参考了已有研究并多次听取专家意见基础上。本文选取土地覆盖、植被覆盖度和海拔高程三个评价因子。①土地覆盖：结合相关资料，确定研究区的土地覆盖类型：耕地、有林地、居民地、草地和水域；②植被覆盖度：根据归一化植被指数（NDVI）提取德阳市植被覆盖度；③海拔高程（DEM）。德阳市低海拔处高程310m，高海拔处高程4950m，海拔高度差异较大。
2.2.3 数据源
遥感影像数据：本文采用2015年Landsat影像，空间分辨率为30m，影像来自地理空间数据云，成像质量良好。德阳市区域跨轨道号129/038和129/039两幅影像，采用WGS-84坐标系，UTM投影，影像均已完成了辐射校正和几何纠正。
数字高程模型数据：采用空间分辨率为30m的DEM数据，数据源于地理空间数据云。
2.3 生态环境评价模型
根据前人的研究，为保证评价结果的实际应用价值，本文选取了一种定性与定量相结合的生态环境质量评价方法，即空间主成分分析的方法。空间主成分分析的步骤如下：①原始数据标准化；②建立每个变量的协方差矩阵R；③计算矩阵R的特征值以及每个特征值的特征向量；④通过对特征向量的线性组合进行分类提取主成分；⑤根据主成分分析结果，利用数学模型计算式（1）研究区生态环境质量；⑥利用自然断点法，将计算结果分为4个等级，分别为优、良、中、差。
式中，Fi是第i个主成分，Wi是它的相应的贡献。结合每个主成分及其对应权值，进行代数计算得到综合评价指标，来表示区域生态环境脆弱情况。EVI的值越大，表示其生态环境越脆弱。
2.4 评价结果
根据德阳市生态环境质量评价结果，得出以下结论：德阳市生态环境质量为良的区域占35.32%，质量为中等的区域占31.39%，质量为优等的区域占20.02%，质量为差等的区域占13.27%。与德阳市2015年土地利用类型相比，得到林地和草地的生态环境质量较好，耕地次之，人类工程用地和汶川地震后造成的地质灾害区域生态环境质量最差。生态环境质量优和差等主要分布在德阳市的西北部，该区域植被覆盖度较高，森林系统的生物多样性、抵抗力稳定性等因素使得该区域的生态环境质量整体上好于其他地区。草地的生态环境质量多为中等，草地生态系统由于物种单一，抵抗力稳定性较差，但恢复力稳定性很强。耕地受人类影响较大，但作为一个生态系统，有一定的自我修复能力。除地质灾害区域外，德阳市生态环境质量为差等的区域还广泛分布于人类工程活动集中的地区，该地区由于工程活动造成了地下水下沉、破坏了该区域的生物多样性、降低了该区的恢复力，使得该区域生态环境质量恶化。
3 讨论
正确认识生态环境现状是维护生态环境的重要条件，通过对特定地区生态环境质量进行评价，可以了解生态环境质量的整体情况，追寻生态环境质量退化的原因，是提高生态环境质量的方法与途径。德阳市自1999年10月实施退耕还林工程，截至目前，研究区完成退耕还林17.75万亩（1亩≈666.67m2），其中生态林16.3万亩，经济林1.45万亩。退耕还林工程建设成就显著，取得了生态、经济和社会建设的综合效益。
为进一步提升德阳市生态环境|量，可采取以下措施：
①对研究区西部山区生态环境质量较差的地区治理的可行方法主要是在一些地势比较平缓或不适合农作物生长的区域建立多功能混合生态林、农业经济林以及规范化牧场等混合生态系统；②加强环境质量监管力度，引进新技术，鼓励引导企业转型升级，改善全市环境质量；③提升全民环保意识，积极保护生态环境。
【参考文献】
【1】陈涛.基于RS和GIS的四川生态环境综合评价与可持续发展战略研究 [D].成都：成都理工大学，2004.
【2】Zhang Qiang. Satellite remote sensing of changes in NOx emissions over China during 1996C2010 [J].Chinese Science Bulletin，2012. 57（22）：2857-2864.
【3】Zhang Jiahua. Advances in estimation methods of vegetation water content based on optical remote sensing techniques[J].SCIENCE CHINA （Technological Sciences），2010，53（5）：1159-1167.
【4】郭宗楼，刘肇.人工神经网络在环境质量评价中的应用[J].武汉大学学报（工学版），1997（2）：75-78.
【5】王鸿杰，尤宾，上官宗光，等.模糊数学分析方法在水环境评价中的应用[J].水文，2005，25（6）：30-32.
【6】冯长根，李彦周.综合评价方法在环境评价中的应用[J].安全与环境学报，2008，08（5）：112-115.
【7】王乃亮，杜斌.景观生态学方法在环境影响评价中运用的探讨[J].甘肃科技，2014，30（6）：84-85.
【8】许世刚，高新陵.ES-SOFM混合模型及其在水环境评价中的应用[J].河海大学学报（自然科学版），2002， 30（5）：53-55.
【9】卢仲达，张江山.层次分析法在环境风险评价中的应用[J].环境科学导刊，2007，26（3）：79-81.
【10】王洪翠，吴承祯，洪伟，等.P-S-R指标体系模型在武夷山风景区生态安全评价中的应用[J].安全与环境学报，2006，6（3）：123-126.
【11】李炎女.工业生态安全评价与实证研究[D].大连：大连理工大学，2008.
【12】厉彦玲.基于灰色聚类分析方法的生态环境质量综合评价模型[J].测绘科学，2007，32（5）：77-79.
【13】黄淑芳.主成分分析及MAPINFO在生态环境脆弱性评价中的应用[J].亚热带资源与环境学报，2002， 17（1）：47-49.
【14】]钟晓娟，孙保平，赵岩，等.基于主成分分析的云南省生态脆弱性评价[J]. 生态环境学报， 2011， 20（1）：109-113.
关键词 科技创新文化 指标设计 评价
1 科技创新文化的内涵及其构成要素
自1912年约瑟夫·熊彼特提出经济创新的概念以来，创新理论研究大致经历了技术创新、制度创新和国家创新系统等不同的发展阶段。现代创新理论认为：创新是指人的思维活动和实践活动具有创造性、具有不同于前人或超越自身的独特的途径和方法。科技是科学和技术的总称，科技创新主要包括科学创造和技术发明创新两个方面。文化是社会文明的精华，文化的概念有广义和狭义之分，广义的文化是指人类在社会历史实践过程中所创造的物质财富和精神财富的总和。狭义的文化是指社会的精神文化，是社会的思想、道德、科技、教育、艺术、传统习俗等及其制度的复合体。管理心理学把“文化”定义为“群体成员共同认同和拥有的一组管理理念与愿景、价值观取向和行为模式”，创新文化是指与创新有关的价值观、态度、信念的人文内涵。科技创新文化是在特定的文化背景下，在科技创新实践中形成的有利于科技进步的思维方法、价值观和一系列文化要素的总和。创新与文化的关系，科技创新与文明进步的关系，既是一个深刻的理论问题，也是一个紧迫的实践问题。科技创新需要创新文化先行，任何一个技术创新活跃、经济繁荣的时代，都需要一个重大的人文创新引导，需要文化的繁荣。科技史的发展也能证明这一点，比如著名的李约瑟之迷和韦伯疑问——为什么近代科学没有发生在中国？元明以前，中国在科技和经济很多领域都领先于世界，后来的落伍与中国传统文化的消极思想如忽视理性、注重伦理、因循守旧、不思进取、耻于竞争等不无关系。
2 科技创新文化指标体系的建立
2.1 科技创新文化指标体系设计原则
（1）全面性与代表性相结合的原则。科技创新文化是一个由多层次、多要素构成的复杂系统，涉及到影响科技创新的文化、制度等社会环境，从基础研究到应用研究、开发研究再到成果转移的完整过程和多种特征要素的集合，最大限度地体现以人为本的思想。这就要求相应的评价指标体系要具有足够的涵盖面，尽可能将影响科技创新文化的主要要素囊括在内，以系统、全面、真实地反映科技创新文化的全貌和各个层面的基本特征。但是，全面性并非要求设计的指标体系面面俱到，而应从众多的指标中选择最具代表性的重要指标，在技术处理上：一是选择最有说服力的综合指标取代过多的单项指标，二是选择最能反映科技创新文化的发展状况的指标，三是在相互包容和相互关联的指标中选取最有代表性的指标。
（2）科学性原则。即必须坚持正确的理论指导和科学的研究方法，选取的指标应能准确的反映科技创新文化的内涵。以文化竞争力、公共选择理论、投入产出等理论为指导，坚持理论与实际相结合、规范研究与实证分析相结合、定量分析与定性分析相结合，既要利用静态指标反映科技创新文化的基础、现状和实力，又要利用动态指标体现科技创新文化发展的潜力、趋势和前景。并充分考虑指标数量大、各类中具体指标相关性强的特点，兼顾评价方法的先进性和科学性。
（3）前瞻性。科技创新文化指标体系的设计要具有前瞻性，要考虑今后发展变化的可能。为某一区域的制度绩效和文化氛围提供定量考察，适应当前国际科技创新文化发展的形势与趋势，符合国家科技发展战略和科技政策，引导各科技创新实体坚持以人为本，凝聚一流创新人才，产出高水平创新成果；引导各科研单位加快科技成果的转化与产业化，为国家经济建设作贡献。
（4）可比性原则。统计指标所测度的现象的性质具有可比性，当需要认识两种现象在一定时间空间条件下的数量联系时，要求对比的两个统计指标所度量的现象在性质上有着必然的联系。当两个指标的度量性质相同时，要使用相同的计算方法，使统计指标的计算方法具有可比性。可比性还要求对末级指标的原始数据进行归一化或无量化处理。
（5）可行性原则。这一原则主要指每个指标数据都要有可靠的资料来源，指标的计算方法要科学，要便于计算机进行数据处理。在科技创新文化的决定方面，往往有些重要因素或难以直接量化，或有某些对象具有统计数据，缺乏完整性。一般研究常常为了便于计算，略去了这些重要的方面，同时要删除一些内容重复的定量指标，以简化指标体系，提高评价的可操作性。
2.2 科技创新文化指标体系的构建
2.2.1 科技创新文化、制度环境和经济环境指标
（1）科技创新文化环境。政府文化投入率（单位：%）：即政府文化经费支出与财政总支出的比率；家庭文化娱乐教育服务支出占家庭消费总支出比重（单位：%）；每百人公共图书馆藏书（单位：册）；人均教育事业费支出（单位：元）；每万人拥有医生数（单位：人）；每万人拥有影剧院数（单位：个）；居民文化程度（单位：人）：该指标选用每10万人口中拥有大专及以上文化程度的人口数；外来文化的认同度（单位：张/人）：该指标选用各地出版VCD数量与当地总人口的比重；经商指数（单位：%）：即非公有经济社会商品零售额占全社会商品零售额的比重等等。
（2）科技创新制度环境。促进科技成果转化（文件数量）；深化科技体制改革（文件数量）；拓宽科技体制融资渠道（文件数量）；加大财政税收支持（文件数量）；市场化指数（单位：%）：即非国有经济从业人员占全部工业从业人员的比重知识产权指数（单位：作/万元）：该指标选用专利申请量与GDP之比；政府规模（单位：%）：即政府机构工作人员与总人口的比重；对外开放度（单位：%）：选取出口额加上进口额与GDP的比例。
（3）科技创新经济环境。城市化率（单位：%）：即从事非农业劳动人口占总人口的比重；失业率（单位：%）；通货膨胀（单位：%）。
2.2.2 科技创新人力、物力资本基础
每万人口的专利申请量（单位：件）；每万人专业技术人员数（单位：人）：即登记注册的专业技术人员与地区人口的比率；研发全时人员当量（单位：人年）：研究与发展人员指参与研究与发展项目研究、管理和辅助工作的人员，包括项目课题组人员，企业科技行政管理人员和直接为项目课题活动提供服务的辅助人员，全时人员当量是指全时人员数加所有非全时人员按工作量折算为全时人员数的总和；科技机构人均固定资产原值（单位：千元/人）。
2.2.3 科技创新投入
（1）企业投入。技术开发人员占从业人员比重（单位：%）：即各地区大中型企业中技术开发人员占全体员工的比例；技术开发经费占产品销售收入比重（单位：%）：指各地区大中企业中技术开发经费占产品销售收入的百分比；有技术开发机构的企业占全部企业比重（单位：%）；企业技改投资比率（单位：%）即企业技改投资占产品销售收入的比重；科技开发贷款占银行贷款总额的比重（单位：%）。
（2）高校、研究与开发机构投入。大专院校和科研机构数量（单位：个）；每万人高校教工数（单位：人）；教学与科技中副教授以上人员（单位：人）；高校科技服务课题数（单位：项）；R&D投入占GDP比重（单位：%）；科技活动经费支出数（单位：万元）；财政科技拨款占财政支出比重（单位：%）。
2.2.4 科技创新产出
获奖成果数（单位：件）；每百万人口三种专利申请授权数（单位：件）；高技术产业增加值占GDP的比重（单位：%）；技术市场成交额（单位：万元）：包括技术开发、技术咨询、技术转让以及技术服务等有偿技术交易额；新产品销售收入占全部销售收入比重（单位：%）：指新产品开发的产值占工业总产值的比重；高技术产品出口额占外贸出口额的比重（单位：%）；S&N、全国百篇优秀博士学位论文数（单位：篇）：即发表在《自然》和《科学》杂志上的论文和优秀博士论文的数量和；国外主要检索工具收录科技论文数（单位：件）：指被SCI（《科学引文索引》）、ET（《工程索引》）、ISIP（《科学技术会计索引》）收录的论文数；国内CSCD、CSSCI收录论文数（单位：篇）：指被CSCD（《中国科学引文数据库》）和CSSCI（《中文社会科学引文索引》）收录的论文数；每万人火炬、星火计划及成果推广项目（单位：项）。
3 科技创新文化评价模型
3.1 采用主成分分析法构造样本矩阵
由于指标体系中各指标之间存在一定的相关性，信息上会发生重叠，从而影响评价工作的进行。设某区域Ri（i=1，2，…，n)在指标Ij（j=1，2，…，p）下取值为，得到指标矩阵由于指标体系中各指标反映问题的角度和形式不同，指标较多，且各指标的量纲不同，为便于比较，对指标矩阵进行规范化处理。令y=X/（对于逆指标如基尼系数、失业率等的处理需要把X取负号），得到规范化矩阵Y=(y)np
3.2 计算相关矩阵
R=(r)=YY/(n-1)(i,j=1,2,…,p）
r=yy(t=1，2，…,n；i，j=1，2…，p)
3.3 求特征值
解样本相关系数阵的特征方程|R-?姿Ip|=0得到p个特征值?姿1≥?姿2≥…?姿p≥0
3.4 确定主成分
按≥0.85确定m个主成分，使信息利用率达到85%，求出前m个特征值所对应的特征向量，将之规范化，得到每个主成分的线性组合y1，y2，…，ym。
3.5 综合评价
求出样本在每一主成分上的得分，构造综合评价函数F=a+a+…+a，ai为每个主成分yi的方差贡献率，（i=1，2，…，m）为第i个主成分的得分，分别按和F对样本进行排序，即可得到各样本的综合得分。其值越大，某一区域的科技创新文化越优。
参考文献
1 蒋慧工.国家核心竞争力三元素：人才、创新、制度[M].北京：经济科学出版社，2004
2 李杰.科技创新文化的构建[J].改革与战略，2004（9）
3 陈依元.试论科技创新文化内涵体系[J].宁波大学学报，2003（12）