理论教育 Shannon-Spearman测度方法及Bootstrap抽样技术的应用

Shannon-Spearman测度方法及Bootstrap抽样技术的应用

时间:2023-05-20 理论教育 版权反馈
【摘要】:2009年Zhou和Ang提出了Shannon-Spearman测度方法,用以计算各种评价方法的信息损失量的大小。[5]基于Shannon-Spearman测度的优良性选择方法的具体步骤如下。(二)用Bootstrap抽样方法获得SSM值的置信区间在进行Bootstrap抽样时,需要考虑资源利用指标的样本的面板数据结构。在本书资源利用指数的测度研究中采用个体重复Bootstrap抽样法获得SSM值的Bootstrap样本。根据Bootstrap样本频数分布的分位数,即可得到其置信水平为95%的置信区间。

Shannon-Spearman测度方法及Bootstrap抽样技术的应用

2009年Zhou和Ang提出了Shannon-Spearman测度方法,用以计算各种评价方法的信息损失量(SSM值)的大小。[4]利用该方法结合蒙特卡洛方法进行Bootstrap抽样,以信息损失量最小为标准选择最合适的测度方法。其主要思路为:首先,计算各个测度指标的信息损失值(SSM值);其次,由于SSM值的统计特征(包括标准差和置信区间等)是未知的,因此龚锋和雷欣(2010)认为需要根据蒙特卡洛方法及Bootstrap抽样技术,估计SSM值的标准差和置信区间,以计算各个综合评价指标的信息损失量的精度及可靠性,从而比较分析各个综合评价指标的优劣。[5]基于Shannon-Spearman测度的优良性选择方法的具体步骤如下。

(一)Shannon-Spearman测度值(SSM值)的计算公式

其中,m=N×T;N是被评价对象的个数,在本书中有30个省市(N=30);T是评价的年数(本书T=10);;rsk是xk与参照向量r0的斯皮尔曼秩相关系数;rs是测度指标CI与参照向量r0的斯皮尔曼秩相关系数,参照向量为r0=(m,m-1,…,3,2,1)T

分别将CI设定为加权平均法、加权乘积法、加权重置理想法、逼近理想点排序法等综合评价指标,即可以计算得出这些综合评价指标的信息损失值。

(二)用Bootstrap抽样方法获得SSM值的置信区间

在进行Bootstrap抽样时,需要考虑资源利用指标的样本的面板数据结构。根据Kato、Galvao和Montes-Rojas(2010)的Monte Carlo模拟结果,在个体重复Bootstrap抽样、时期重复Bootstrap抽样、个体-时期重复Bootstrap抽样三种抽样方法中,当个体N和时期T的个数适中时,个体重复Bootstrap抽样的效果最好。在本书资源利用指数的测度研究中采用个体重复Bootstrap抽样法获得SSM值的Bootstrap样本。令CIi.为T×1维的综合评价指标向量,其元素为第i省T年的资源利用综合评价数值;Xi.是T×K维(K是资源利用指标体系中的指标个数,本书K=13)的原始指标矩阵,其元素是第i省T年K个原始指标值。将CIi.和Xi.组合成T×(K+1)维的矩阵(CIi.,Xi.),i=1,2,…,N。具体的Bootstrap抽样过程如下:(www.daowen.com)

第一,对矩阵(CIi.,Xi.)以1/N的概率进行有放回的重复抽样,获得Bootstrap样本(),i=1,2,…,N;t=1,2,…,T。

第二,按个体顺序将N个省份T年的Bootstrap样本()综合在一起,形成综合的Bootstrap样本(),其中,j=1,2,…,N×T。计算汇总Bootstrap样本的信息损失值SSM*

其中,;m=N×T;k=1,2,…,K;与参照向量r0的Spearman秩相关系数;是CI*与参照向量r0的Spearman秩相关系数。

第三,重复上述过程1000次,获得1000个SSM*值,构成SSM的Bootstrap样本。根据Bootstrap样本频数分布的分位数,即可得到其置信水平为95%的置信区间。

根据上述计算结果,信息损失量SSM值最小,且Bootstrap样本的标准误最小的综合评价方法,其评价结果更具有鲁棒性,因此也就是最优的综合评价方法。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈