基于组合评价法的西部地区投资环境综合评价

《基于组合评价法的西部地区投资环境综合评价》由会员分享，可在线阅读，更多相关《基于组合评价法的西部地区投资环境综合评价（9页珍藏版）》请在金锄头文库上搜索。

1、谢玲玲 133 收稿日期：2015年8月18日；录用日期：2015年9月1日；发布日期：2015年9月4日 摘 要 摘 要 一个地区投资环境的优良程度直接决定了其吸引外商投资的能力，而得到的外商投资越多，越能够促进 地区经济发展。本文使用 一个地区投资环境的优良程度直接决定了其吸引外商投资的能力，而得到的外商投资越多，越能够促进 地区经济发展。本文使用2013年西部地区各省、市、自治区年西部地区各省、市、自治区30项指标数据，运用组合评价法对这十个 地区进行综合评价。 首先用因子分析得到四个初步模型， 再组合层次分析对四个初步模型所赋予的权重， 建立投资环境综合评价模型。利用模型计算地区综合得

2、分，并对结果进行评价。 项指标数据，运用组合评价法对这十个 地区进行综合评价。 首先用因子分析得到四个初步模型， 再组合层次分析对四个初步模型所赋予的权重， 建立投资环境综合评价模型。利用模型计算地区综合得分，并对结果进行评价。 关键词 关键词 投资环境，组合评价法，因子分析，层次分析投资环境，组合评价法，因子分析，层次分析 1. 引言引言 从我国发展经验看，全国各省一直为吸引外来可用资本而不懈努力，都试图通过引进外资来改善各 地区自身的环境，促使经济得到快速且稳定的发展。但若想吸引外资，那么所处的环境本身就需是一个 良好的投资环境。之所以对自身环境有如此要求，是因为投资环境的优良程度直接决定

3、了吸引外商投资 的能力。从全国统计年鉴的外商直接投资额这项指标看，东部地区平均外商投资额为 30,413 亿元，中部 地区为 5502 亿元，而西部地区为 3126 亿元，很大程度上小于东、中部地区。因此，西部地区应致力于 提高自身吸引投资的能力，以获得更多的外商投资额带动地区经济发展。所以，对西部投资环境进行综 合评价分析，有利于西部各省明确自身的优势和劣势，能够有针对性的优化投资环境。只有这样才有可 能吸收更多外商投资资本，引入更多优势产业，发展本土特色产业。所以说，对西部各省的投资环境建 立有效模型，进行综合评价，帮助西部各省提高投资环境是非常有必要的。 许多国内外学者就投资环境评价方法

4、上提出很多不同方法，其研究的理论依据和着重点各异，各种 方法各有厉害和不足之处。 早在 2004 年，石艳琼1就以重庆市已投资的外商企业为调查对象，运用因子分析、信度与效度分析 和结构方程模型等方法，分析投资因子对企业投资决策的影响，确立重庆市影响外商投资企业投资的关 键投资环境因子；同样地，谢胜强和陈盈盈(2008) 2对上海市创业投资环境评价做研究，使用了专家调 查和因子分析的方法，得到了该地区创业投资环境评价指数；苏文惠(2011) 3也是用了因子分析，研究 了安徽省的各地区投资环境，并且运用聚类分析对省内地区进行分类。陈凯(2008) 4在研究全国和西安 市房地产投资环境时，以投资人的

5、角度，采用层次分析方法评价投资环境，并提出了可应用于评价房地 产投资环境的评估系统；张小青(2011) 5以全国各省，特别是中部六省的投资环境为研究对象，也是采 用层次分析法进行研究。邢雅楠(2011) 6采用了系统分析法、GAP 分析法和聚类分析法对全国旅游投资 环境进行研究。潘霞(2007) 7采用相关分析和聚类分析对黑龙江省投资环境进行评价，得到的评价是黑 龙江省总体处于落后。 但现有的文献大多都是以投资者的角度为出发点，所以这并不能从本质上改善地区的投资环境。就 目前而言，研究西部地区投资环境的文献还很少，而且对投资环境的研究大多只采用单一的评价方法。 本文采用组合评价法，客观赋权和主

6、观赋权相结合，在客观赋权的方法上，采用因子分析，另将层次分 谢玲玲 134 析法作为主观赋权的一种。在因子分析方法赋予一级指标和二级指标权重的基础上，通过层次分析法对 四个一级指标进行主观赋权，克服了多数文献因仅使用单一的研究方法而产生的片面性。 2. 投资环境投资环境代表性代表性变量变量 通过对现有文献的研究，在现有文献选取指标的基础上，进行了筛选和改进。张小青(2011) 5、潘 霞(2007) 7均选取了经济文化、社会文化、基础设施、自然地理和政治环境五个作为一级指标。由于在 投资优惠政策方面，西部地区均实施了西部大开发的用地优惠政策、税收优惠政策和其他优惠政策，所 以，西部各省之间在投

7、资优惠政策上并无差异。所以本文剔除了政治环境这一影响因素。另外添加了一 些变量，如社会消费品零售总额、城乡居民人均储蓄存款余额、技术市场成交额和专利授权数等各项指 标。其中，社会消费品零售总额和城乡居民人均储蓄存款余额可分别反映一个地区的经济发展潜力和消 费能力；技术市场成交额和专利授权数则反映了地区教育技术资源。因此，本文将投资环境细分为： 1) 资源环境。选取了两个二级指标，为自然资源和能源资源，从这两方面再进行考量，自然资源再 细分为：森林面积和土地调查面积；能源资源细分为：石油、天然气、煤炭和矿产。 2) 经济环境。选取了三个二级指标，经济发展潜力、地区消费能力和经济外向型。 3) 基

8、础设施环境。选取了三个二级指标，从交通运输、邮电通讯和水利设施三个方面来考量再进行 细分。 4) 社会环境。 从教育技术资源、 人力资源状况和社会保障及医疗水平三个方面考量再进行细分(具体 的变量见表 1)。 3. 模型及方法模型及方法 本文采用客观赋权因子分析和主观赋权层次分析相结合的方法，赋予各项指标权重。在因 子分析赋予一级指标和二级指标权重的基础上结合层次分析法对四个一级指标进行赋权。 3.1. 因子分析方法因子分析方法 因子分析方法是于 1904 年由查尔斯斯皮尔曼首次提出。它在某种程度上是主成分分析的扩展，能 将关系复杂的变量综合后提取出几个非常有代表性的因子，属于多元统计中降维方

9、法中的一种。 3.1.1. 因子分析数学模型因子分析数学模型 因子分析首先研究变量的相关系数矩阵内部相关关系，然后提取出几个随机变量，这些随机变量可 综合所有变量的几个随机变量，因此，称之为因子。再接着根据相关性的大小对变量进行分组，不仅要 把相关性较高的变量归为一组，而且要使组与组之间变量的相关性较小。各因子之间无相关性，因此， 可将所有变量表示成公因子的线性组合。 设有N个样本和P个指标， () 12 , p xx xx =为随机变量， 目的是要找寻公因子() 12 , m FF FF =， 因子模型为： 111112211 221122222 1122 , , , mm mm ppppm

10、mp xFFF xFFF xFFF =+ =+ =+ (1) () ij A=为因子载荷矩阵，矩阵 A 中元素 ij 为因子载荷，即公因子 i F和变量 j x的相关系数。代表 特殊因子，表示除公因子以外对模型的影响因素，做实证分析时可以忽略不计。 谢玲玲 135 Table 1. The indicators and variables of investment environment 表表 1. 投资环境指标与变量 一级指标 二级指标 三级指标 变量名称 单位 A 资源环境 a1 自然资源 x1：森林面积 万公顷 x2：土地调查面积 万公顷 a2 能源资源 x3：石油 万吨 x4：天然气

11、 亿立方米 x5：煤炭 亿吨 x6：矿产 万吨 B 经济环境 b1 经济发展潜力 x7：人均地区生产总值 元 x8：固定资产投资额 亿元 x9：公共财政收入 亿元 x10：社会消费品零售总额 亿元 b2 地区消费能力 x11：城镇居民人均可支配收入 元 x12：农村人均纯收入 元 x13：城乡居民人均储蓄余额 亿元 b3 经济外向型 x14：进出口 万美元 x15：外商投资企业数 户 x16：利用外商直接投资 亿元 C 基础设施 c1 交通运输 x17：公路营运里程 公里 x18：铁路营运里程 公里 x19：内河航道里程 公里 c2 邮电通讯 x20：邮电业务总量 亿元 x21：移动电话交换机

12、容量 万户 c3 水利设施 x22：水库数 座 x23：水库总容量 亿立方米 D 社会环境 d1 教育技术资源 x24：大专及以上人数比重 % x25：技术市场成交额 万元 x26：专利授权数 件 d2 人力资源状况 x27：城镇单位就业人数 万人 x28：私营单位人员平均工资 元 d3 社会保障及医疗水平 x29：每万人拥有卫生技术人员 人 x30：每万人拥有医疗床位数 张 谢玲玲 136 3.1.2. 因子正交旋转因子正交旋转 如果得到初始因子很难进行解释， 需要进行因子旋转， 得到一个更简便的结构。 最好的载荷结构为： 每个变量仅仅在一个因子上载荷较大，在其余的因子上载荷较小，如此的话，

13、公因子 i F可简单地由载荷 较大的几个变量来解释。 设 A是用例如主成分法得到的因子载荷矩阵，T为m m正交阵，则 AAT = (2) 为pm旋转载荷矩阵。 3.1.3. 因子得分因子得分 在得到公因子之后，可用加权最小二乘法的方法求出因子得分的数学模型，再将各个公因子用变量 的线性形式表示，继而求出因子得分。模型如下： () 1 122 1,2, iiiipp Fb xb xb xim=+= (3) 3.2. 层次分析方法层次分析方法 层次分析法是于 1982 年引入我国，之后在我国学术界开始盛行。该方法不仅可以使用在各类决策分 析中，也可将其运用在构造综合评价权数中。层次分析法使用的具体

14、步骤为： 构造判断矩阵：主观比较指标间相互重要程度，对其进行两两比较。在判别各个指标相对重要度 时，引入九分位的相对评分规则(评分规则见表 2)，然后构造判断矩阵。设 A 为判断矩阵，矩阵中的每个 元素表示为各个指标的相对重要程度的得分值，这个值由主观来判定。 根据表 2 的评分规则，把 i x对 j x的相对重要程度标为 ij a, 0 ij a , 1,2,im=; 1,2,jm=， 其中，1 ii a =, 1 ijji aa=。所以，得到的矩阵 A 是个正交阵，打分矩阵具体形式如表 3。 3.2.1. 计算各指标权数计算各指标权数 判断矩阵是层次分析法构造权数的基础，利用排序原理，得到

15、各行的几何平均数，然后计算指标的 权重，计算公式为： 12 1 m mm iiiimij j aaaaa = = (4) 1 ,1,2, i i m i i a wim a = = (5) () 12 , m Ww ww=为判断矩阵的特征向量，向量中元素 i w即为各指标的权重。 3.2.2. 一致性检验一致性检验 对判断矩阵进行一致性检验： 判断矩阵的最大特征根： () max 1 1 m i i Aw mw = = (6) 判断矩阵的一致性指标： max 1 m CI m = (7) 判断矩阵的随机一致性比率。计算出用于检验的随机一致性比率 CR，计算公式为： 谢玲玲 137 Table 2. The scoring rules of weight 表表 2. 权重的评分规则 a 指标与 b 指标比较 及其重要 强烈重要 明显重要 较重要 重要 较不重要 不重要 很不重要 极不重要 a 指标的评价值 9 7 5 3 1 1/3 1/5 1/7 1/9 Table 3. Scoring matrix 表表 3. 打分矩阵 指标 1 A 指标 2 A 指标 m A 指标 1 A 11 a 12