基于反映象相关矩阵的评价指标筛选方法研究

评价指标间信息重叠高会扭曲评价结果,而已有研究主要基于一个指标与部分指标间相关性降低指标集的信息重叠,指标剔除多且信息重叠降低得慢,极易导致评价信息过度损失。为此,本文首先引入取样适切性量数(MSA)表示一个评价指标与其余全部指标间信息重叠水平,引入KMO检验统计量表示一组评价指标整体信息重叠水平。在此基础上,依次剔除MSA值最大指标,直至剩余指标KMO值不高为止,快速降低评价指标集整体信息重叠。之后,通过剔除偏相关水平高的任两个指标中MSA值较大的一个指标,避免个别指标间信息重叠水平较高。最后,与目前应用最广泛的信息重叠指标筛选方法对比表明:本文方法降低指标集信息重叠效率更高,评价信息损失更少;既不会误删信息重叠水平低的评价指标,亦不会误保留信息重叠水平高的评价指标。