本发明涉及一种评价方法,特别是涉及一种关于航运业的二阶段评价方法,属于航运评价领域。
背景技术:
航运业是国民经济的基础产业,其兴衰荣辱与国家的经济发展密切相关,准确合理地评价航运业是当前航运研究的热点问题之一。航运业是指包括港口服务业、船舶运输业和航运衍生业的综合水运体系。
精准高效地评价航运业,可以正确认识到航运业的发展现状及趋势,充分分析其发展优势及劣势,为航运业发展决策提供参考。
目前的航运业评价研究面临着指标体系庞大、数据难获取、指标权重确定缺乏客观性等问题。目前的航运业评价方法可分为两类:1)基于专家及作者的主观选择而建立指标体系,一方面会遗漏重要指标,另一方面也存在指标反映信息冗余的情况。2)通过数据包络法、shannon模糊熵等客观方法确定指标权重,也存在过度依赖数据,易忽略指标实际含义的问题。
技术实现要素:
本发明的主要目的在于,克服现有技术中的不足,提供一种关于航运业的二阶段评价方法,实现在不降低评价精度的同时、以尽量少的计算量高效地获得评价结论的目的。
为了达到上述目的,本发明所采用的技术方案是:
一种关于航运业的二阶段评价方法,包括以下步骤:
s01、基于航运业所含水运体系、文献梳理及专家意见,海选航运业的原始评价指标,形成海选指标集;
s02、基于信息含量最大理论,采用r聚类和变异系数相结合的方法,从海选指标集中筛选出筛后评价指标,构建航运业评价指标体系;
其中,航运业评价指标体系分为三个层次,依次为准则层、因素层和指标层;准则层列出航运业所含水运体系,因素层列出不同水运体系所对应的若干评价因素,指标层列出不同评价因素所对应的若干筛后评价指标;
s03、采用熵值法判断筛后评价指标的重要性,并利用筛后评价指标间的相关性系数判断筛后评价指标间的相关性;
s04、基于航运业评价指标体系,应用突变级数法对航运业进行评价。
本发明进一步设置为:所述步骤s01中的航运业所含水运体系包括港口服务业、船舶运输业和航运衍生业。
本发明进一步设置为:所述步骤s02,具体是,
s02-1、采用r聚类将反映相同信息的原始评价指标聚为一类,使得不同类别的原始评价指标反映不同的信息;
并对r聚类的聚类结果进行k-w检验,完成聚类数目合理性判定;
s02-2、计算各类原始评价指标的变异系数,按照变异系数最大的原则对原始评价指标进行筛选,选出总共能反映海选指标集95%以上的信息量的原始评价指标为筛后评价指标,形成筛后评价指标集;
s02-3、对筛后评价指标集,进行合理性判定,输出构建合理的航运业评价指标体系。
本发明进一步设置为:所述步骤s02-1中的聚类数目合理性判定,是通过spss软件中的k-w检验进行完成;
具体操作过程是:将属于同一类别的数据输入spss软件中,选择k-w非参数检验,得到k-w检验值sig;通过sig值是否大于0.05来判断聚类结果是否合理;若r聚类每类结果的sig值均大于0.05,则说明r聚类的分类合理,否则判定为不合理。
本发明进一步设置为:所述步骤s02-2中的计算各类原始评价指标的变异系数,其计算公式为,
其中,vi为第i评价指标的变异系数,n为被评价的对象数,xij为第i评价指标第j年的标准值,m为年份数,
本发明进一步设置为:所述步骤s02-3中的进行合理性判定,具体是,
根据原始评价指标的原始数据计算各原始评价指标的方差,得到海选指标集的方差之和trsh和筛后评价指标集的方差之和trss,通过trss与trsh的比值来反映筛后评价指标集对海选指标集的信息贡献率in,in=trss/trsh;
符合判定标准的筛后评价指标集,则认为构建合理;其中,判定标准为用30%以下的筛后评价指标能反映海选指标集95%以上的信息量,则认为指标体系构建合理。
本发明进一步设置为:所述步骤s03中的采用熵值法判断筛后评价指标重要性,具体是,
s03-1、计算筛后评价指标的样本比重pij,筛后评价指标的熵值ei,筛后评价指标的效用值di;
计算公式为,
di=1-ei;
其中,xij为第i评价指标第j年的标准值,n为被评价的对象数,m为年份数;
s03-2、计算筛后评价指标的权重wi;
计算公式为
s03-3、根据筛后评价指标的权重的大小,在指标层对同一评价因素所对应的筛后评价指标进行排序;
s03-4、根据航运业评价指标体系,将同一评价因素所对应的所有筛后评价指标的权重进行相加得到该评价因素的权重,将同一水运体系所对应的所有评价因素的权重进行相加得到该水运体系的权重,并在因素层根据不同评价因素的权重的大小进行评价因素排序,在准则层根据水运体系的权重的大小进行水运体系排序。
本发明进一步设置为:所述步骤s03中的利用筛后评价指标间的相关性系数判断筛后评价指标间的相关性,具体是,通过spss软件计算同类筛后评价指标间的pearson相关性系数,根据pearson相关性系数的绝对值判断筛后评价指标间的相关性;
当pearson相关性系数的绝对值为0.6以上,则判断筛后评价指标间的相关性为互补关系;当pearson相关性系数的绝对值小于0.6,则判断筛后评价指标间的相关性为非互补关系。
本发明进一步设置为:所述步骤s04中的应用突变级数法对航运业进行评价,具体是,根据步骤s03得到的筛后评价指标的重要性和筛后评价指标间的相关性的判断结果,选择突变类型所对应的计算公式,计算出筛后评价指标的状态变量,确定最终状态值为突变值,并以此突变值作为航运业的评价值对航运业完成评价。
本发明进一步设置为:所述突变类型包括折叠突变、尖点突变、燕尾突变和蝴蝶突变,计算公式分别为,
折叠突变:势函数为g(x)=x3+ax,归一公式为
尖点突变:势函数为g(x)=x4+ax2+bx,归一公式为
燕尾突变:势函数为
归一公式为
蝴蝶突变:势函数为
归一公式为
其中,x为状态变量,g(x)为状态变量x的势函数;a,b,c,d为状态变量x的控制变量,控制变量的顺序按照筛后评价指标的重要性的判断结果即重要性排序结果进行排序;
筛后评价指标间的相关性的判断结果包括互补关系和非互补关系;
对于非互补关系的筛后评价指标,取状态变量的最小值作为最终状态值x′;
对于互补关系的筛后评价指标,取状态变量的平均值作为最终状态值x′。
与现有技术相比,本发明具有的有益效果是:
本发明提供的航运业二阶段评价方法,基于信息含量最大理论,构建航运业评价指标体系,完成第一阶段的评价;并采用熵值法和相关性系数,以及应用突变级数法对航运业进行评价,从而完成第二阶段的评价。本发明提供的航运业二阶段评价方法,弥补了当前航运业评价研究中指标体系缺乏客观性的不足,可实现在不降低评价精度的同时、以尽量少的计算量高效地获得评价结论的目的。
上述内容仅是本发明技术方案的概述,为了更清楚的了解本发明的技术手段,下面结合附图对本发明作进一步的描述。
附图说明
图1为本发明一种关于航运业的二阶段评价方法的流程图;
图2为本发明实施例整理的航运业海选指标集;
图3为本发明实施例的航运业评价指标原始数据及标准化结果;
图4为本发明实施例采用spss软件计算聚类结果示意图;
图5为本发明实施例评价指标的指标权重、排序及相关性结果;
图6为集装箱航班数与航道固定资产投资相关性示意图;
图7为2013年~2017年福建省航运业突变值示意图。
具体实施方式
下面结合说明书附图,对本发明作进一步的说明。
本发明提供一种关于航运业的二阶段评价方法,如图1所示,包括以下步骤:
s01、基于航运业所含水运体系、文献梳理及专家意见,海选航运业的原始评价指标,形成海选指标集;
其中,航运业所含水运体系包括港口服务业、船舶运输业和航运衍生业。
s02、基于信息含量最大理论,采用r聚类和变异系数相结合的方法,从海选指标集中筛选出筛后评价指标,构建航运业评价指标体系;
其中,航运业评价指标体系分为三个层次,依次为准则层、因素层和指标层;准则层列出航运业所含水运体系,因素层列出不同水运体系所对应的若干评价因素,指标层列出不同评价因素所对应的若干筛后评价指标。
s03、采用熵值法判断筛后评价指标的重要性,并利用筛后评价指标间的相关性系数判断筛后评价指标间的相关性。
s04、基于航运业评价指标体系,应用突变级数法对航运业进行评价。
所述步骤s02,具体是,
s02-1、采用r聚类将反映相同信息的原始评价指标聚为一类,使得不同类别的原始评价指标反映不同的信息;并对r聚类的聚类结果进行k-w检验,完成聚类数目合理性判定。
其中的聚类数目合理性判定,是通过spss软件中的k-w检验进行完成;具体操作过程是:将属于同一类别的数据输入spss软件中,选择k-w非参数检验,得到k-w检验值sig;通过sig值是否大于0.05来判断聚类结果是否合理;若r聚类每类结果的sig值均大于0.05,则说明r聚类的分类合理,否则判定为不合理。
s02-2、计算各类原始评价指标的变异系数,按照变异系数最大的原则对原始评价指标进行筛选,选出总共能反映海选指标集95%以上的信息量的原始评价指标为筛后评价指标,形成筛后评价指标集。
其中的计算各类原始评价指标的变异系数,其计算公式为,
其中,vi为第i评价指标的变异系数,n为被评价的对象数,xij为第i评价指标第j年的标准值,m为年份数,
s02-3、对筛后评价指标集,进行合理性判定,输出构建合理的航运业评价指标体系。
其中的进行合理性判定,具体是,
根据原始评价指标的原始数据计算各原始评价指标的方差,得到海选指标集的方差之和trsh和筛后评价指标集的方差之和trss,通过trss与trsh的比值来反映筛后评价指标集对海选指标集的信息贡献率in,in=trss/trsh;
符合判定标准的筛后评价指标集,则认为构建合理;其中,判定标准为用30%以下的筛后评价指标能反映海选指标集95%以上的信息量,则认为指标体系构建合理。
所述步骤s03中的采用熵值法判断筛后评价指标重要性,具体是,
s03-1、计算筛后评价指标的样本比重pij,筛后评价指标的熵值ei,筛后评价指标的效用值di;
计算公式为,
di=1-ei;
其中,xij为第i评价指标第j年的标准值,n为被评价的对象数,m为年份数;
s03-2、计算筛后评价指标的权重wi;
计算公式为
s03-3、根据筛后评价指标的权重的大小,在指标层对同一评价因素所对应的筛后评价指标进行排序;
s03-4、根据航运业评价指标体系,将同一评价因素所对应的所有筛后评价指标的权重进行相加得到该评价因素的权重,将同一水运体系所对应的所有评价因素的权重进行相加得到该水运体系的权重,并在因素层根据不同评价因素的权重的大小进行评价因素排序,在准则层根据水运体系的权重的大小进行水运体系排序。
所述步骤s03中的利用筛后评价指标间的相关性系数判断筛后评价指标间的相关性,具体是,通过spss软件计算同类筛后评价指标间的pearson相关性系数,根据pearson相关性系数的绝对值判断筛后评价指标间的相关性;当pearson相关性系数的绝对值为0.6以上,则判断筛后评价指标间的相关性为互补关系;当pearson相关性系数的绝对值小于0.6,则判断筛后评价指标间的相关性为非互补关系。
所述步骤s04中的应用突变级数法对航运业进行评价,具体是,根据步骤s03得到的筛后评价指标的重要性和筛后评价指标间的相关性的判断结果,选择突变类型所对应的计算公式,计算出筛后评价指标的状态变量,确定最终状态值为突变值,并以此突变值作为航运业的评价值对航运业完成评价。
其中,所述突变类型包括折叠突变、尖点突变、燕尾突变和蝴蝶突变,计算公式如下表1所示,
表1
其中,x为状态变量,g(x)为状态变量x的势函数;a,b,c,d为状态变量x的控制变量,控制变量的顺序按照筛后评价指标的重要性的判断结果即重要性排序结果进行排序;
筛后评价指标间的相关性的判断结果包括互补关系和非互补关系;
对于非互补关系的筛后评价指标,取状态变量的最小值作为最终状态值x′;比如,对于蝴蝶突变,即x′=min(xa,xb,xc,xd);
对于互补关系的筛后评价指标,取状态变量的平均值作为最终状态值x′;比如,对于蝴蝶突变,即x′=(xa,xb,xc,xd)/4。
实施例:
采用本发明提供的一种关于航运业的二阶段评价方法,以2013年-2017年福建省航运业为例进行步骤实施,得出评价结果。
一、构建海选指标集
基于航运业所含水运体系、文献梳理及专家意见,海选航运业的原始评价指标,形成海选指标集;其中,航运业所含水运体系包括港口服务业、船舶运输业和航运衍生业,专家意见采用专家咨询法,从而从港口服务业、船舶运输业和航运衍生业三方面整理出72个原始评价指标,如图2所示。图2-(a)所示为港口服务业所包含的原始评价指标,图2-(b)所示为船舶运输业和航运衍生业所包含的原始评价指标。
二、第一阶段:基于信息含量最大理论进行评价指标筛选
根据图2所示的海选指标集,将数据进行标准化,得到图3所示的航运业评价指标原始数据及标准化结果。图3-(a)所示为序号第1~19行的航运业评价指标原始数据及标准化结果,图3-(b)所示为序号第20~40行的航运业评价指标原始数据及标准化结果,图3-(c)所示为序号第41~60行的航运业评价指标原始数据及标准化结果。
1)进行r聚类。
以x11所表示的港口基础设施该因素层所含有的12个原始评价指标为例,将这12个原始评价指标聚为3类,说明r聚类的过程。
将图3中第1~12行第8~12列数据输入spss软件,选择离差平方和,将x11因素层指标聚为3类,如图4所示。按照同样方法,可将其它因素层进行分类。
2)对r聚类数目进行合理性判定——k-w检验。
将因素层中同类指标的数据分别输入spss软件,选择非参数k-w检验,得到k-w检验值,由图3第13列可见k-w检验值均显著大于临界值0.05,证明各因素层现有分类合理。
3)信息含量最大指标的筛选。
以x11,1所表示的气象、水文等自然条件(%)这一指标为例,说明变异系数求解指标信息含量的过程。
将图3中第1行第8~12列标准化数据带入公式,得到x11,1变异系数:
按照同样方法,可以得到其它指标的变异系数(见图3第14列)。
4)再在r聚类的同类指标中,选出变异系数最大的一个指标,同时剔除该类中的其余指标,得到基于信息含量最大的航运业评价指标体系,筛选结果见图2第5列。
5)航运业评价指标体系合理性的判定。
根据计算公式计算信息贡献率:
即筛选出34.38%(22/72=30.55%)的指标,反映了海选指标体系96.82%的原始信息。证明筛选合理。
三、第二阶段:基于突变级数的航运业评价;
1)以燕尾突变系统x11港口基础设施子系统为例,介绍熵值法确定指标权重排序。
将图2中各指标2013年—2017年的标准数据一次带入相应筛后评价指标的样本比重pij,筛后评价指标的熵值ei,筛后评价指标的效用值di,筛后评价指标的权重wi的计算公式,可得各指标的权重。
在因素层中对同一类的指标根据权重的大小对指标进行排序,如表2中x11,6、x11,9、x11,12指标同属x11港口基础设施,其权重分别为0.000019、0.016328、0.005869,所以它们的排序为x11,9、x11,12、x11,6。
表2
同理,可判断各层次指标的重要性排序,具体结果可见图5。
2)以x21港口基础设施子系统为例,介绍通过指标间的pearson相关性系数判断指标间的相关性。从图6中可看出指标x21,4集装箱航班数与x21,3航道固定资产投资间pearson相关性系数绝对值为0.075,故认为两者非互补。
同理,可判断各层次指标的相关性,具体结果可见图5。
3)突变值计算。
以2014年为例介绍福建省航运业评价的计算过程。
a)计算因素层指标的突变值。
以x32航运衍生企业为例。对于x32,6邮轮旅客吞吐量、x32,3全省国内船舶管理企业数量、x32,2船代公司数量三个指标,其系统类型为互补型燕尾突变,归一公式计算如下,
则互补型x32航运衍生业的突变值为:
(0.336606+0.556575+0.679267)/3=0.524149。
同理,可得因素层8个指标的突变值。
b)计算准则层指标的突变值。
以x3航运衍生业为例。对于x32航运衍生企业、x31航运衍生发展环境两个指标,其系统类型为互补型尖点突变,归一公式计算如下,
则互补型x3航运衍生业的突变值为:
(0.723982+0.714995)/2=0.719488。
同理,可得准测层3个指标的突变值。
c)计算航运业的突变值。
对于航运业的x3航运衍生业、x1港口服务业、x2船舶运输业三个指标,突变系统为互补型燕尾突变,归一公式计算如下,
则互补型航运业的突变值为:
(0.848227+0.925275+0.938604)/3=0.904035。
同理,可计算出其它年份航运业的突变值,结果可见图7。
由评价结果可见,2013年以来福建省航运业的发展状况持续低迷,直至2015年福建省航运业略有回暖。福建航运业低迷一方面是由于货源的减少,这主要是2008年金融危机以来,欧美等国消费的持续低迷对我国外贸出口产生的负面影响。另一方面我国航运业运力过剩的问题一直存在,这直接导致了运价大幅下跌,进一步导致多数船东亏损运营。另外,货运成本如柴油价格、人工成本的不断上涨更加剧了福建航运的问题。由此可见,评价结果符合实际,可证明将本发明方法应用于航运业评价研究具有有效性。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。