下载文档原格式
基于主成分分析法和熵值法的我国指数基金综合评价基于主成分分析法和熵值法的我国指数基金综合评价摘要：随着金融市场的不断发展壮大，指数基金近年来成为投资者关注的热点。
为了评估我国指数基金的综合风险和绩效，本文使用主成分分析法和熵值法进行定量分析，对指数基金的综合评价进行研究。
通过构建评价指标体系，选择了涵盖关键风险和绩效方面的6个指标，并采用主成分分析方法对指数基金样本进行降维处理。
在计算出主成分得分后，运用熵值法确定各指标权重，并进行了综合评价。
研究结果表明，指数基金整体绩效较好，但在风险方面存在较大差异。
国内指数基金以沪深300、中证500等为代表的大盘指数属于较低风险且稳定收益的选择，而某些小盘指数基金则呈现高风险和高回报的特点。
本研究为投资者提供了一种基于主成分分析法和熵值法的指数基金综合评价模型，能够指导投资者的科学投资决策。
关键词：指数基金；主成分分析法；熵值法；综合评价；风险和绩效1. 引言指数基金是一种以某一特定指数为投资标的的基金产品。
它通过复制指数的成分股比例，将资金配置到成分股中，以达到与指数相同的收益特性。
指数基金具有分散风险、低成本、透明度高等优点，在近年来受到越来越多的投资者青睐。
然而，由于市场上的指数基金众多，投资者往往难以选择出适合自己投资目标和风险承受能力的指数基金。
因此，对指数基金进行综合评价，提供科学的投资建议对于投资者具有重要意义。
2. 数据和方法2.1 数据来源本研究选取了我国境内主要的指数基金作为研究样本，涵盖了不同类型、规模和风格的基金。
采集基金的历史净值数据，并进行数据清洗和整理，得到每只基金的年度收益率和波动率等数据。
2.2 方法介绍主成分分析法是一种多指标综合评价方法，能够从多个指标中提取主要信息并进行综合评价。
熵值法是一种权重确定方法，可以根据指标的信息量来确定权重。
本研究将主成分分析法和熵值法相结合，对指数基金进行综合评价。
3. 指标选择为了评估指数基金的综合风险和绩效，本研究选择了6个指标进行分析。
主成分分析法和熵值法《主成分分析法和熵值法》是两种统计学数据处理方法，被广泛应用于现代数据挖掘、社会科学研究、金融分析和其他数据化研究中。
本文旨在对这两种方法进行深入探讨，为读者提供一个更深入地了解它们的机会。
首先，主成分分析法（PCA）是用来发现隐藏在数据中的关联性的一种数据探索技术。
它允许分析师通过减少多元变量的数量来快速地提取主要的独立变量的相关性。
PCA可以看作是数据降维和数据可视化的一种方法，可以帮助分析师更好地理解数据集中隐藏的模式，并有助于预测未来结果。
其次，熵值法是一种衡量数据复杂性的一种工具。
它可用来衡量数据集中信息的复杂性，同时也可以使用熵值来检测数据集中的噪声水平。
熵值法可以帮助分析师在处理复杂的数据时更有效地理解和运用相关信息，从而使他们能够更有效地分析数据，并从中获取有用的信息。
最后，PCA和熵值法都有它们自己独特的优点。
PCA可以帮助分析师快速有效地发现数据集中的关联性，而熵值的使用可以帮助分析师更好地理解和处理复杂的数据。
因此，两种方法都可以为分析人员提供更有效的数据处理手段，从而有助于分析师更好地理解数据，并从中获取有用的信息。
主成分分析法和熵值法各有其优势，这使它们成为许多数据分析领域的重要工具。
然而，在使用PCA和熵值法时，分析师应特别注意其结果的准确性，因为数据处理方法的有效性往往取决于数据集的特定性质。
因此，分析师需要学习更多关于数据处理方法的知识，以便能够更好地收集和分析数据，从而有助于改善可靠性和准确性。
综上所述，主成分分析法和熵值法是用于数据分析的重要工具，能够有助于分析师更好地理解数据，并从中获取有用的信息。
此外，分析师在使用这些方法时，也需要注意结果的准确性，并学习更多关于数据处理方法的知识，以便能够更好地分析数据。
主成分分析在房地产数据中的应用主成分分析（Principal Component Analysis, PCA）是一种常用的数据降维技术，通过将多个变量进行线性组合，得到少数几个新变量，这些新变量能够尽可能多地保留原始数据的信息。
主成分分析在房地产数据中的应用广泛，可以帮助房地产行业从大规模的数据中提取出关键信息，帮助企业做出更准确的决策。
一、主成分分析的基本原理主成分分析的基本原理是将原始数据通过线性变换，转换为一组新的互相不相关的变量，这些新的变量称为主成分。
主成分的数量通常比原始变量的数量少，但可以尽量多地保留原始数据的信息。
通过主成分分析，可以找到描述数据变化的主要趋势，降低数据的维度，从而便于数据的可视化、分类和分析。
在房地产数据中，主成分分析可以应用在各种数据维度上，比如房屋面积、位置、装修情况、房价等等。
通过主成分分析，可以提取出房地产数据中最具代表性的信息，帮助企业更好地理解市场和进行决策。
1. 房价预测主成分分析可以帮助房地产行业进行房价预测。
通常情况下，影响房价的因素非常复杂，比如位置、面积、交通、教育资源等等。
通过主成分分析，可以将这些复杂的因素进行综合分析，提取出最能够代表房价变化趋势的主成分。
这样可以更准确地预测房价的涨跌，有助于企业进行合理定价和投资决策。
2. 房地产市场分析主成分分析可以帮助房地产企业进行市场分析。
比如可以将各个地区的房屋销售数据通过主成分分析提取出地区的主要特征，帮助企业了解不同地区的房地产市场情况。
同样，也可以对不同类型的房屋进行主成分分析，找出影响不同类型房屋价格的主要因素，帮助企业更好地进行产品定位和市场推广。
3. 房屋质量评估通过主成分分析可以将房屋的各种质量指标进行综合分析，提取出最能够代表房屋质量的主成分。
这样可以帮助房产开发商和投资者更好地评估房屋的质量，避免盲目投资导致的损失。
4. 房地产投资组合优化通过主成分分析可以对不同的房地产项目进行综合评估，通过提取出最具代表性的主成分，帮助投资者优化投资组合，降低风险，提高收益。
基于主成分分析法与熵值法的房地产企业投资决策研究（邹昊*沈阳市政府采购中心110003 ；汪中秀沈阳建筑大学110168）摘要：房地产企业投资决策是复杂的多目标决策问题，本文针对此问题，提出了一种定性与定量相结合的多目标决策方法—主成分分析法与熵值法，并通过实例证明运用此方法进行房地产企业投资决策是完全可行有效的，进而使得房地产投资决策更加科学合理。
关键字：房地产企业；投资决策；主成分分析法；熵值法The Research of Real Estate Enterprise Investment Decisions Based on Principal Component Analysis and Entropy Method（Zou Hao Shenyang Government Procurement Center 110003，Wang zhong xiu Shenyang Jianzhu University 110168）Abstract:Real estate enterprise investment decisions are complex multi-objective decision making problems, specific to this problem, this paper put forward a multi-objective decision-making method which is the combination of qualitative and quantitative--principal component analysis and entropy method. Through the example prove, this method is completely feasible and effective for real estate enterprise investment decisions, and makes real estate investment decision-making more scientific and reasonable.Key words: Real estate enterprise；Investment；Principal component analysis；Entropy method1 引言房地产业是指从事房地产开发、经营、管理和服务的行业,其具有高投资、高风险、高收益、综合性强、关联效应大等特征。
熵权法在房地产投资决策中的应用研究的开题报告
研究背景：
房地产投资是一种具有风险性和复杂性的投资行为，需要进行科学的决策和风险评估。
在房地产投资决策中，存在多个指标和因素，如房价、租金、交通、环境等，如何对这些因素进行权重分配和评估对投资决策的准确性和有效性产生重要影响。
熵权法是一种较为常用的权重分配方法，广泛应用于房地产、金融、经济等领域。
本研究旨在探讨熵权法在房地产投资决策中的应用，并通过实证研究分析其效果及可行性。
研究内容：
1.研究熵权法在房地产投资决策中的理论依据和方法原理；
2.评估房地产投资中的多个指标，如房价、租金、环境和交通等；
3.应用熵权法对各指标进行权重分配，并对结果进行分析和比较；
4.通过实证研究探讨熵权法在房地产投资决策中的实际应用效果和可行性，对研究结果进行解读和讨论；
5.提出研究结论和对研究的建议。
研究意义：
本研究主要在探讨熵权法在房地产投资决策中的应用，通过权重分配方法提高决策准确性和效率，为房地产投资决策提供科学的参考。
同时，本研究也有助于推动熵权法在其他领域的应用和发展，对完善熵权法理论和方法具有一定的指导意义和参考价值。
基于熵权TOPSIS法的房地产投资项目评价模型研究摘要：随着经济的快速发展，房地产投资成为投资者重点关注的一个领域。
由于投资项目的复杂性和多样性，如何对房地产投资项目进行科学、全面的评价成为一个重要问题。
本文针对这一问题，利用熵权TOPSIS法对房地产投资项目进行评价，通过论证其有效性。
通过实证研究，我们发现熵权TOPSIS法可以更准确地评价房地产投资项目的优劣，为投资者提供更好的决策参考。
1、引言2、熵权TOPSIS法简介熵权TOPSIS法是一种多属性决策方法，它综合运用了熵权法和TOPSIS法的优点，能够更准确地评价多属性决策问题。
熵权法是一种量化分析方法，可以有效地度量指标之间的差异性和重要性，同时考虑到指标之间的相互影响。
TOPSIS法则是一种综合评价方法，它能够将不同的指标综合考虑，给出全面的评价结果。
熵权TOPSIS法将这两种方法进行了有机结合，使评价结果更加客观、科学。
3、房地产投资项目评价指标体系构建为了利用熵权TOPSIS法对房地产投资项目进行评价，首先需要构建一个科学、全面的评价指标体系。
在构建指标体系时，我们需考虑到房地产投资项目的市场需求、盈利能力、风险程度、可持续发展性等多方面因素。
本文根据房地产投资项目的实际情况，构建了包括总投资额、盈利能力、风险程度、市场需求、可持续发展性等五大类指标，共计15个具体指标的评价体系。
4、利用熵权TOPSIS法进行房地产投资项目评价4.1 确定权重，计算熵值权重我们需要确定每个指标的权重，以反映其重要程度。
为了能够客观地确定权重，我们利用熵值法对各指标进行加权，得到各指标的相对权重。
4.2 构建决策矩阵我们将各个房地产投资项目的指标数据构建成一个决策矩阵。
然后，我们利用标准化方法对决策矩阵进行标准化处理，以消除指标数据之间的量纲影响。
4.4 计算加权标准化决策矩阵4.5 确定正负理想解然后，我们确定正负理想解，以便计算各个投资项目与正负理想解之间的距离。
２０２４年２月第２６卷第１期㊀㊀沈阳建筑大学学报(社会科学版)㊀㊀ＪｏｕｒｎａｌｏｆＳｈｅｎｙａｎｇＪｉａｎｚｈｕＵｎｉｖｅｒｓｉｔｙ(ＳｏｃｉａｌＳｃｉｅｎｃｅ)Ｆｅｂ.㊀２０２４Ｖｏｌ.２６ꎬＮｏ.１㊀㊀收稿日期:２０２３－０３－２０㊀㊀基金项目:辽宁省教育厅高等学校基本科研项目(ＬＪＫＲ０２１３)㊀㊀作者简介:任家强(１９８０ )ꎬ男ꎬ山东聊城人ꎬ副教授ꎬ博士ꎮ文章编号:１６７３－１３８７(２０２４)０１－００５０－０７ｄｏｉ:１０.１１７１７/ｊ.ｉｓｓｎ.１６７３－１３８７.２０２４.０１.０７基于熵权－ＴＯＰＳＩＳ模型的房地产企业绿色发展评价研究以ＨＲ公司为例任家强ꎬ许㊀杰ꎬ周㊀莹(沈阳建筑大学管理学院ꎬ辽宁沈阳１１０１６８)摘㊀要:中国经济持续快速发展所引发的环境问题使得国内房地产企业面临着前所未有的绿色发展机遇ꎮ以房地产行业内追求绿色发展的ＨＲ公司为研究对象ꎬ从绿色效益㊁绿色科技㊁绿色建造㊁绿色采购㊁绿色能源㊁绿色管理及绿色营销７个方面选取了２２个指标ꎬ将熵权法与ＴＯＰＳＩＳ模型结合形成了熵权－ＴＯＰＳＩＳ模型ꎬ以此构建了房地产企业绿色发展评价体系ꎮ结果表明:２０１６ ２０２１年ＨＲ公司的绿色发展水平整体呈上升趋势ꎻ其在不同方面的绿色发展水平存在明显差异ꎬ绿色发展重点集中在绿色建造㊁绿色科技㊁绿色管理及绿色能源方面ꎮ关键词:房地产企业ꎻ绿色发展ꎻ熵权法ꎻＴＯＰＳＩＳ模型中图分类号:Ｆ２９３㊀㊀㊀文献标志码:Ａ引用格式:任家强ꎬ许杰ꎬ周莹.基于熵权－ＴＯＰＳＩＳ模型的房地产企业绿色发展评价研究:以ＨＲ公司为例[Ｊ].沈阳建筑大学学报(社会科学版)ꎬ２０２４ꎬ２６(１):５０－５６.㊀㊀２１世纪以来ꎬ气候变化已成为当今国际社会的最大挑战之一ꎬ中国作为能源消费和碳排放大国ꎬ在全球气候治理建设中发挥着重要的作用ꎮ２０２１年ꎬ中华人民共和国国务院印发的«２０３０年前碳达峰行动方案»明确了推进城乡建设绿色低碳转型㊁加快提升建筑能效水平及加快优化建筑用能结构的任务要求ꎮ在中国大力推行碳减排工作的背景下ꎬ该工作被分解落实到地方㊁行业和企业ꎮ房地产行业作为能源消耗和碳排放的重要领域ꎬ更应注重绿色低碳发展ꎮ房地产企业作为该行业经济活动的承载主体ꎬ应积极响应国家政策ꎬ努力调整发展策略ꎬ履行好环境保护的主体责任ꎬ通过提高建筑材料能效和降低能源消耗等方式减少碳排放量ꎻ应依靠创新驱动㊁绿色生态等先进理念提升企业的综合竞争力ꎬ将绿色发展作为企业未来发展的核心和重点[１]ꎮ因此进一步推动房地产企业的绿色低碳发展对于中国实现碳减排目标来说至关重要ꎮ笔者从碳减排工作出发ꎬ以华润置地有限公司(以下简称 ＨＲ公司 )为研究对象ꎬ结合ＨＲ公司绿色发展的实际情况ꎬ通过构建房地产企业绿色发展评价指标体系ꎬ运用熵权－ＴＯＰＳＩＳ模型对该公司的绿色发展水平进行评价ꎬ在此基础上找出影响绿色发展第１期任家强等:基于熵权－ＴＯＰＳＩＳ模型的房地产企业绿色发展评价研究５１㊀水平的重点领域并有针对性地提出了优化建议ꎬ以期为后续相关研究提供参考ꎮ一㊁评价指标体系及评价方法１.构建评价指标体系研究严格遵循科学性㊁独立性㊁可行性㊁代表性㊁动态性等原则ꎬ以指标数据的可获得性为前提ꎬ对房地产绿色发展等[２－６]相关文献进行梳理归纳ꎬ结合中国房地产企业绿色发展现状ꎬ充分考虑了房地产企业在经济㊁社会㊁资源㊁环境等方面的绿色参与度ꎬ最终确定了由绿色效益㊁绿色科技㊁绿色建造㊁绿色采购㊁绿色能源㊁绿色管理和绿色营销这７个准则层共２２项指标构成的房地产企业绿色发展评价指标体系(见表１)ꎮ表１㊀房地产企业绿色发展评价指标体系目标层准则层指标层营业收入绿色效益利润总额净资产收益率研发人员数量绿色科技可持续发展重大议题判定技术研发投入绿色建筑认证项目数绿色建筑认证面积绿色建造高星级绿色建筑项目认证比例绿色企业获奖成果房地产企业绿色发展绿色采购绿色供应商比例绿色能源二氧化碳排放量万元营业收入二氧化碳排放量综合能源消耗量万元营业收入综合能源消耗量绿色管理环境管理相关培训环境保护资金投入节能减排技术改造投入能源管理平台项目验收率销售物业签约面积绿色营销销售物业营业额投资物业营业额㊀㊀其中ꎬ绿色效益中的营业收入㊁利润总额和净资产收益率是反映企业年度绿色发展水平的重要经济指标ꎻ绿色科技中的研发人员数量和技术研发投入是企业为加强绿色发展的科技支撑在科技研发中所进行的多方面投入ꎻ绿色采购中的绿色供应商比例是指能够提供符合节能和环保标准的供应商占全部供应商的比例ꎻ绿色营销中的销售物业签约面积和销售物业营业额是指企业使用 将资源循环利用并融入营销全过程 这一绿色营销策略所获得的效益ꎮ２.评价方法综合评价法是获得评价结果的重要手段ꎬ而综合评价过程中的关键环节是确定各指标的权重ꎮ笔者选择可以排除主观因素干扰且能够确定权重的熵权法ꎬ并在此基础上构建了熵权－ＴＯＰＳＩＳ模型求取相对贴近度ꎬ以此对２０１６ ２０２１年ＨＲ公司的绿色发展水平进行评价ꎮ(１)熵权法①构建初始矩阵ꎮ通过收集评价对象的数据信息ꎬ建立包含ｎ个评价指标和ｍ个评价方案的初始决策矩阵Ａꎮ其中ꎬａｉｊ(ｉ＝１ꎬ２ꎬ ꎬｍꎻｊ＝１ꎬ２ꎬ ꎬｎ)为第ｉ个评价方案的第ｊ个指标的原始指标值ꎮＡ＝(ａｉｊ)ｍˑｎ＝ａ１１ａ１２ ａ１ｎａ２１ａ２２ ａ２ｎ⋮⋮⋮ａｍ１ａｍ２ ａｍｎéëêêêêêùûúúúúú②构建标准化矩阵ꎮ由于房地产企业绿色发展评价中各指标的含义和作用不同ꎬ故将指标分为两类:一类是正向指标ꎬ该类指标值越高ꎬ代表房地产企业绿色发展情况越好ꎻ另一类是负向指标ꎬ该类指标值越高ꎬ代表房地产企业绿色发展情况越差ꎮ各指标的量纲和数量级存在一定差异ꎬ为消除由于指标的量纲不同对统计分析结果带来的影响ꎬ故利用式(１)和式(２)对数据进行无量纲化处理ꎬ得到标准化矩阵Ｘ＝(ｘｉｊ)ｍˑｎꎬ使评价结果更加科学合理ꎮ若ａｉｊ为正向指标ꎬ对该指标进行标准化处理ｘｉｊ＝ａｉｊ－ｍｉｎａｉｊｍａｘａｉｊ－ｍｉｎａｉｊ(１)若ａｉｊ为负向指标ꎬ对该指标进行标准化处理ｘｉｊ＝ｍａｘａｉｊ－ａｉｊｍａｘａｉｊ－ｍｉｎａｉｊ(２)５２㊀㊀㊀㊀沈阳建筑大学学报(社会科学版)第２６卷式中:ｘｉｊ为第ｉ个评价方案的第ｊ个指标标准化处理后的值ꎬ且ｘｉｊɪ[０ꎬ１]ꎮ③计算指标权重ꎮ熵权法是从客观上对各指标进行赋权的方法ꎬ根据信息熵值的大小或指标的变异程度计算出各指标的客观权重[７]ꎮ经计算所得ｘｉｊ值的差异性越大ꎬ即该指标的信息熵越大ꎬ意味着该指标携带和传递的信息就越多ꎬ其在绿色发展评价中的作用也就越大ꎮ具体步骤如下ꎮ第一步ꎬ计算指标标准化值的比例ｙｉｊ＝ｘｉｊðｍｉ＝１ｘｉｊ(３)式中:ｙｉｊ为第ｉ个方案对于第ｊ个指标的贡献度ꎮ第二步ꎬ计算指标的信息熵值ｅｊ＝－１ｌｎｎðｍｉ＝１ｙｉｊｌｎｙｉｊ(４)式中:ｅｊ为第ｊ个指标所携带的信息熵ꎬ且当ｙｉｊ＝０时ꎬｙｉｊｌｎｙｉｊ＝０ꎮ第三步ꎬ计算各指标权重ｗｊ＝１－ｅｊｎ－ðｎｊ＝１ｅｊ(５)式中:ｗｊ为第ｊ个指标的权重ꎮ(２)熵权－ＴＯＰＳＩＳ模型ＴＯＰＳＩＳ是一种综合距离评价模型ꎬ笔者将熵权法与ＴＯＰＳＩＳ模型结合构建了更适合本研究的熵权－ＴＯＰＳＩＳ模型ꎬ并根据指标权重计算评价方案的各个指标与正负理想解的距离ꎬ以此得出各评价方案与理想解的相对贴近度ꎬ将其作为方案优劣评价的依据[８]ꎮ①建立标准化的数据加权决策矩阵ꎮ将无量纲化后的矩阵Ｘ与权重向量ｗｊ＝(ｗ１ꎬｗ２ꎬ ꎬｗｎ)Ｔ相乘ꎬ得到标准化的数据决策矩阵ＵＵ＝(ｕｉｊ)ｍˑｎ＝(ｘｉｊｗｊ)ｍˑｎ(６)式中:ｕｉｊ为第ｉ个评价方案的第ｊ个指标加权后的值ꎮ②确定正理想解Ｕ＋和负理想解Ｕ－ꎮＵ＋＝(Ｕ＋１ꎬＵ＋２ꎬ ꎬＵ＋ｎ)＝{ｍａｘＵｉｊ}ꎻＵ－＝(Ｕ－１ꎬＵ－２ꎬ ꎬＵ－ｎ)＝{ｍｉｎＵｉｊ}(７)式中:Ｕ＋为各评价指标最优解的集合ꎻＵ－为各评价指标最劣解的集合ꎻＵｉｊ为ｊ个指标理想解的集合ꎮ③计算欧式距离Ｓｉ＋和Ｓ－ｉꎮＳ＋ｉ＝ðｎｊ＝１(Ｕｉｊ－Ｕ＋ｊ)２(８)Ｓ－ｉ＝ðｎｊ＝１(Ｕｉｊ－Ｕ－ｊ)２(９)式中:Ｕ＋ｊ为第ｊ个指标在各个方案中的最优解ꎻＵ－ｊ为第ｊ个指标在各个方案中的最劣解ꎻＳ＋ｉ和Ｓ－ｉ分别为各评价方案(不同年份)指标的标准化向量到Ｕ＋和Ｕ－的欧式距离ꎮ④计算相对贴近度ＶｉꎮＶｉ＝Ｓ－ｉＳ＋ｉ＋Ｓ－ｉ(１０)式中:Ｖｉ为各评价方案与理想解的相对贴近度ꎮ⑤采用等间距法将房地产企业绿色发展水平划分为４个等级(见表２)ꎬ以各评价方案与理想解的相对贴近度Ｖｉ作为房地产企业绿色发展的综合得分ꎬ对评价对象的绿色发展水平进行等级划分ꎮＶｉ值越大ꎬ意味着该年评价方案的绿色发展水平越高ꎻＶｉ值越小ꎬ意味着该年评价方案的绿色发展水平越低[９－１０]ꎮ表２㊀绿色发展水平评价等级划分标准Ｖｉ值范围绿色发展水平等级ȡ０.７优异[０.５ꎬ０.７)良好[０.３ꎬ０.５)一般<０.３较差㊀㊀注:Ｖｉɪ[０ꎬ１]ꎮ二㊁实例分析１.数据来源与处理笔者从２０１６ ２０２１年ＨＲ公司的可持续发展报告和企业年报中获得原始数据ꎮ依据式(１)和式(２)对收集到的原始数据进行无量纲化处理得到标准化矩阵Ｘꎬ采用熵权法依据式(３)㊁式(４)和式(５)确定各指标权第１期任家强等:基于熵权－ＴＯＰＳＩＳ模型的房地产企业绿色发展评价研究５３㊀重ｗｊ(见表３)ꎮ表３㊀ＨＲ公司绿色发展评价指标权重准则层权重指标层权重营业收入０.０４４１绿色效益０.１０３０利润总额０.０３５３净资产收益率０.０２３６绿色科技０.１８６１研发人员数量０.０５３４可持续发展重大议题判定０.０５１１技术研发投入０.０８１６绿色建造０.２５６７绿色建筑认证项目数０.０４２０绿色建筑认证面积０.０３１２高星级绿色建筑项目认证比例０.０６４７绿色企业获奖成果０.１１８８绿色采购０.０５７０绿色供应商比例０.０５７０绿色能源０.１３３３二氧化碳排放量０.０３３７万元营业收入二氧化碳排放量０.０３８６综合能源消耗量０.０２６７万元营业收入综合能源消耗量０.０３４３绿色管理０.１４９６环境管理相关培训０.０６２８环境保护资金投入０.０３８２节能减排技术改造投入０.０２４６能源管理平台项目验收率０.０２４０销售物业签约面积０.０３０２绿色营销０.１１４３销售物业营业额０.０３１９投资物业营业额０.０５２２２.ＨＲ公司绿色发展水平评价(１)ＨＲ公司绿色发展综合评价借助熵权－ＴＯＰＳＩＳ模型对ＨＲ公司进行综合评价分析ꎬ通过熵权法对２０１６ ２０２１年ＨＲ公司的２２个指标数据进行计算得出指标权重ꎻ通过指标权重ｗｊ对标准化矩阵Ｘ进行加权得到具有６个评价方案(样本数量即为评价方案数量)的标准化决策矩阵Ｕꎻ依据式(７)确定各评价指标的正负理想解Ｕ＋和Ｕ－ꎻ依据式(８)和式(９)计算６个方案中各指标与理想解的欧式距离Ｓ＋ｉ和Ｓ－ｉꎻ根据式(１０)计算相对贴近度Ｖｉ作为ＨＲ公司绿色发展的综合得分ꎬ以此对２０１６ ２０２１年ＨＲ公司绿色发展水平进行等级划分并进行排序ꎬ其结果如表４所示ꎮ表４㊀２０１６ ２０２１年ＨＲ公司绿色发展水平排名及等级年份Ｓ＋ｉＳ－ｉＶｉ绿色发展水平排名等级２０１６０.２２００.０５６０.２０２６较差２０１７０.２１８０.０６５０.２３０５较差２０１８０.１８８０.０９００.３２２４一般２０１９０.１６２０.１１３０.４１２３一般２０２００.０９２０.２０００.６８５２良好２０２１０.０９２０.２０９０.６９５１良好㊀㊀由表４的排名可以看出ꎬＨＲ公司绿色发展水平随着年份增长呈持续上升趋势ꎬ绿色发展综合得分从２０１６年的０.２０２上升到２０２１年的０.６９５ꎮ自２０１６年起ꎬＨＲ公司将履行社会责任纳入企业的未来五年发展规划ꎬ并发布了首份可持续发展报告ꎬ以实现履责信息披露ꎮ在此期间ꎬＨＲ公司全面践行可持续发展理念ꎬ积极响应国家 做好碳达峰㊁碳中和工作 的号召ꎬ将绿色发展理念融入各个业务板块和工作环节ꎬ切实减少能源消耗ꎬ降低碳排放量ꎬ绿色发展水平由２０１６年的较差水平发展到２０２１年的良好水平ꎮ(２)ＨＲ公司绿色发展准则层评价依据式(８)和式(９)进一步计算出２０１６ ２０２１年ＨＲ公司准则层的绿色发展得分(见表５)ꎮ表５㊀２０１６ ２０２１年ＨＲ公司各准则层绿色发展得分(贴近度)年份Ｖｉ绿色效益绿色科技绿色建造绿色采购绿色能源绿色管理绿色营销２０１６０.１６２０.００００.１１７０.０６７０.６０８０.２３６０.０００２０１７０.２８１０.００７０.００００.００００.７１５０.２０８０.１４２２０１８０.４３００.２７３０.０６７０.７３３０.６１３０.４１２０.３４７２０１９０.６１４０.４３７０.２５７０.３３３０.６０６０.５７００.５３８２０２００.７４６０.５１９０.９１４１.００００.４１３０.９３１０.６３８２０２１０.７０５１.００００.８８９０.１３３０.０４５０.６９１１.０００㊀㊀根据表５绘制了２０１６ ２０２１年ＨＲ公司准则层发展水平折线图(见图１)ꎬ结合准则层内各指标的权重对企业的绿色发展评价结果进行分析ꎮ由于指标变化越明显其所对应的权重越大ꎬ而２０１６ ２０２１年ＨＲ公司在绿色建造㊁绿色科技㊁绿色管理和绿色能源这４个准则层的指标变化明显且差异较大ꎬ故这４个权重较大的指标所在准则层的综合得分与其他准则层相比出现了更为明显的５４㊀㊀㊀㊀沈阳建筑大学学报(社会科学版)第２６卷波动ꎮ图１ ２０１６ ２０２１年ＨＲ公司准则层发展趋势㊀㊀ＨＲ公司在«２０２１年ＨＲ公司可持续发展报告»中提到ꎬ要坚决落实碳减排目标ꎮ作为２０１９年中国绿色房地产企业二十强之一ꎬＨＲ公司始终将履行社会责任作为企业发展战略的重要组成部分ꎬ重视企业生产经营活动对生态环境的影响ꎬ持续加大在环境保护方面的投入ꎬ追求绿色发展ꎮ近年来其在科技开发㊁能源管理和建造等方面的绿色发展均已取得了新的进展ꎮ因此ꎬ笔者在ＨＲ公司绿色发展综合评价的基础上进一步对绿色效益㊁绿色科技㊁绿色建造㊁绿色采购㊁绿色能源㊁绿色管理和绿色营销这７个准则层的绿色发展水平进行分析ꎮ从绿色效益方面来看ꎬ２０１６ ２０２１年ＨＲ公司的绿色效益综合得分呈上升趋势ꎬ持续朝着绿色低碳化趋势发展ꎮ其中ꎬ２０１９ ２０２１年各年的增长速度明显大于２０１７年和２０１８年的增长速度ꎻ自２０１９年起绿色效益的增长速度与综合绿色发展水平的增长速度基本持平ꎬ这说明企业追求的绿色发展模式有利于推动其经济效益的增加ꎮ从绿色科技方面来看ꎬ２０１６ ２０２１年ＨＲ公司的绿色科技发展增长速度与综合绿色发展增长速度基本一致ꎮ其中ꎬ２０２０ ２０２１年上升速度最快ꎬ原因可能是自２０１９年起ＨＲ公司致力于产业升级和技术升级ꎬ企业的研发队伍不断壮大ꎬ技术研发投入大幅增加ꎬ从建筑设计㊁新型材料研究及能源开发利用等方面进行了科研创新ꎬ落实了 转型㊁创新㊁发展 的管理主题ꎮ科学技术水平的提高是企业实现绿色发展的动力保障ꎬＨＲ公司通过增加技术研发人员数量与技术储备㊁提高技术研发资金投入使其绿色发展水平由较差上升至良好水平ꎮ从绿色建造方面来看ꎬ２０１６ ２０２１年ＨＲ公司绿色建造发展水平大致呈上升趋势ꎬ其与公司的绿色发展整体走向还存在一定差异ꎬ在２０１７年和２０２０年出现了明显的负向变化ꎮ其中ꎬ２０１７年的绿色建筑认证面积较之２０１６年减少了约７０％ꎬ由６２９万ｍ２降至１８５万ｍ２ꎮ为解决此问题ꎬ２０１８年４月ＨＲ公司特别召开了绿色健康战略报告会ꎬ总结了绿色建筑认证面积下降的原因ꎬ提出在未来要进一步增大绿色建筑认证面积ꎻ将绿色建筑认证指标列入公司内部考核机制ꎬ并于同年发布了«ＨＲ公司绿色健康战略白皮书»ꎮ这一系列工作的落实使得ＨＲ公司在绿色建筑发展领域取得了较好的成绩ꎬ２０１８年获得绿色建筑认证的建筑面积相较于２０１７年上升了近１６０％ꎮ多年来ꎬＨＲ公司持续完善环境管理与监督机制ꎬ持续开展绿色建筑方面的研究和推广工作ꎬ不断提高企业在绿色建造方面的碳减排能力ꎮ从绿色采购方面来看ꎬ２０１６ ２０２１年ＨＲ公司积极推广绿色低碳理念ꎬ充分考虑了资源(材料和设备)循环利用对生态环境的积极影响ꎮ基于供应链管理理念ꎬ在２０２０年从全生命周期视角重塑了公司的采购管理体系ꎻ为提高供应商的环保责任意识ꎬ建立了多维度考核机制并对供应商进行分级管理ꎬ这种分级管理在很大程度上规范了公司的绿色采购行为ꎮ在研究时段内ꎬ该公司的绿色采购发展水平稳定ꎬ绿色供应商数量持续增加ꎬ绿色供应商数量占总供应商数量的比例始终处于平稳上升状态ꎬ这说明了该采购管理方法能有效督促供需双方(公司和供应商)履行保护环境的社会责任ꎮ从绿色能源方面来看ꎬ自２０１７年以来ꎬＨＲ公司在能源消耗方面持续向好转变ꎬ其中负向指标(碳排放量㊁综合能源消耗量㊁万元营业收入二氧化碳排放量等)数值均出现不同程度的下降ꎮ研究时段内公司注重将环第１期任家强等:基于熵权－ＴＯＰＳＩＳ模型的房地产企业绿色发展评价研究５５㊀保理念融入项目开发以及企业运营的全过程ꎬ如在２０１８年积极推动能耗能效管理平台建设ꎬ促使在建项目的综合能源消耗量同比减少约１０％ꎮ在公司的鼓励下在建项目更多地使用清洁能源ꎬ以天然气为例ꎬ２０１９年的使用量较之２０１８年增长约１１％ꎬ２０２０年的使用量较之２０１９年增长超过３０％ꎬ２０２１年的使用量较之２０２０年增长约５０％ꎮ这些工作成果表明ＨＲ公司全面践行了绿色可持续发展战略ꎬ通过重视对各能耗指标的监督与管理及鼓励使用清洁能源等手段ꎬ在节能降碳方面取得了显著成效ꎮ从绿色管理方面来看ꎬ２０１６ ２０２１年ＨＲ公司的绿色管理发展水平整体呈波动上升趋势ꎬ并在２０１７年出现明显增长ꎮ其原因可能是自２０１７年起ＨＲ公司尤为重视环境保护和节能降碳工作ꎬ制定了«ＨＲ公司节能减排管理规范»与«ＨＲ公司绿色建筑管理规划»ꎬ并在２０１７年全面启动了既有及在建项目能耗平台上线工作ꎬ对重点下属单位及部门进行实时监控ꎬ致力于减少运营过程中的资源浪费和降低施工过程中的碳排放量ꎮ能耗管理平台的全面启动以及公司相关条例的实施ꎬ已成为提升绿色管理水平的强大动力ꎮ为完善绿色管理与监督机制ꎬＨＲ公司在加强绿色环保宣导的同时多次组织了绿色管理相关培训ꎬ培训人数由２０１６年的５９５人次增长为２０２０年的１３４０１人次ꎮ２０１９ ２０２０年ＨＲ公司的绿色管理水平快速提升ꎬ意味着加大绿色管理的投入对推动企业绿色低碳建设贡献了很大力量ꎮ从绿色营销方面来看ꎬ２０１６ ２０２１年ＨＲ公司的绿色营销综合得分逐年递增ꎬ且增长速度较为稳定ꎮＨＲ公司在项目及产品营销过程中积极倡导绿色环保低碳理念ꎬ帮助消费者充分认识到购买绿色房地产商品对于生态环境的益处ꎮ研究时段内ꎬＨＲ公司顺应市场发展大势ꎬ以实现公司的可持续发展为目标ꎬ其绿色营销策略的成功应用使公司商品的签约面积和营业额均实现了不同程度的增长ꎮ三㊁结论与建议１.结㊀论研究表明ꎬ２０１６ ２０２１年ＨＲ公司的绿色发展水平整体呈上升趋势ꎬ但在绿色发展的７个不同方面的发展水平存在明显差异ꎮ从每年(６个方案)的综合评价得分可以看出ꎬ自２０１７年起该公司反思并总结了在绿色发展过程中存在的问题ꎬ制定了绿色发展的新目标ꎬ并对绿色建筑认证的方案及考核进行了优化ꎻ自２０１８年起ＨＲ公司的绿色发展水平得到了显著提升ꎻ２０１９年ＨＲ公司通过进一步加大绿色科技投入及持续完善绿色管理机制ꎬ使其绿色发展水平在２０１９ ２０２１年实现了由一般到良好的转变ꎮ２.建㊀议为早日实现碳达峰㊁碳中和目标ꎬ未来房地产企业更应积极承担起保护生态环境这一社会责任ꎬ通过加大企业技术研发投入㊁推动企业创新能力发展㊁建立企业环境信息披露协同管理机制ꎬ带头发挥好房地产企业的示范引领作用ꎮ(１)加快企业绿色发展步伐ꎬ建立创新平台㊁完善创新机制ꎬ加大科研和人才投入ꎬ充分挖掘企业的绿色发展潜力ꎬ有效开展环境保护工作ꎮ将绿色发展理念融入企业经营与发展的各个环节ꎬ逐步降低企业生产经营活动对环境的不良影响ꎬ切实减少能源消耗ꎬ实现碳减排目标ꎮ(２)完善企业的社会责任信息披露制度与环境信息依法披露制度ꎬ加强企业的环境信息储备ꎮＨＲ公司应明确企业环境信息披露内容ꎬ包括但不限于污染物生产㊁排放㊁治理信息ꎬ碳排放信息ꎬ生态环境应急信息等ꎮ建立部门联动㊁运作有效的管理机制ꎬ形成管理合力ꎬ从企业自身角度畅通环境信息的公开渠道ꎬ确保信息披露及时㊁真实㊁准确ꎮ(３)发挥好行业带头兵作用ꎮＨＲ公司应明确其在行业中的责任担当ꎬ加强与同行业其他企业的交流合作ꎮ通过践行创新驱动发展战略ꎬ实现信息互通㊁资源共享ꎻ通过完成对５６㊀㊀㊀㊀沈阳建筑大学学报(社会科学版)第２６卷运营㊁营销㊁生产等领域项目的新建和优化ꎬ不断补齐短板ꎬ挖掘企业的绿色发展潜力ꎬ进而探索企业乃至整个行业发展的新路径ꎮ参考文献:[１]㊀俞滨洋.我国房地产行业绿色发展的形势与思考:俞滨洋在房地产企业绿色发展经验交流会上的讲话[Ｊ].住宅产业ꎬ２０１７(１１):８－１０.[２]㊀中国环境与发展国际合作委员会 中国绿色发展中的企业社会责任 专题政策研究项目组.中国绿色发展中的企业社会责任[Ｊ].环境与可持续发展ꎬ２０１４ꎬ３９(４):７４－８７. [３]㊀戴丽.绿色供应链助推企业节能减排[Ｊ].节能与环保ꎬ２０１７(１):３６－３７.[４]㊀肖绪文.绿色建造发展现状及发展战略[Ｊ].施工技术ꎬ２０１８ꎬ４７(６):１－４. [５]㊀王衍争ꎬ李向前ꎬ王昭ꎬ等.山东省绿色建筑发展现状分析及对策建议[Ｊ].建筑节能(中英文)ꎬ２０２１ꎬ４９(１２):２１－２４.[６]㊀刘爱芳ꎬ任晓宇ꎬ郭树荣.建筑业可持续发展评价指标及方法[Ｊ].统计与决策ꎬ２０１１(１３):１６６－１６８.[７]㊀王英华ꎬ蔚筱偲ꎬ苏永玲.基于熵值法的辽宁省房地产业发展水平综合评价研究[Ｊ].沈阳建筑大学学报(社会科学版)ꎬ２０２１ꎬ２３(４):３８９－３９４.[８]㊀刘晓君ꎬ王东旭ꎬ胡伟.基于ＴＯＰＳＩＳ熵权模型的绿色建筑产业与其支撑环境耦合协调研究:以陕西省为例[Ｊ].数学的实践与认识ꎬ２０２１ꎬ５１(２):２９８－３０７.[９]㊀刘宁ꎬ董焕影ꎬ乔瑞.全国主要城市房地产可持续发展水平综合评价[Ｊ].工程管理学报ꎬ２０１８ꎬ３２(３):１３５－１４０.[１０]张旭ꎬ魏福丽ꎬ袁旭梅.中国省域高质量绿色发展水平评价与演化[Ｊ].经济地理ꎬ２０２０ꎬ４０(２):１０８－１１６.ＥｎｔｒｏｐｙＷｅｉｇｈｔ￣ＴＯＰＳＩＳＭｏｄｅｌ￣ＢａｓｅｄＧｒｅｅｎＤｅｖｅｌｏｐｍｅｎｔＥｖａｌｕａｔｉｏｎＲｅｓｅａｒｃｈｏｆＲｅａｌＥｓｔａｔｅＥｎｔｅｒｐｒｉｓｅ:ＴａｋｉｎｇＨＲＲｅａｌＥｓｔａｔｅＣｏｍｐａｎｙａｓａｎＥｘａｍｐｌｅＲＥＮＪｉａｑｉａｎｇꎬＸＵＪｉｅꎬＺＨＯＵＹｉｎｇ(ＳｃｈｏｏｌｏｆＭａｎａｇｅｍｅｎｔꎬＳｈｅｎｙａｎｇＪｉａｎｚｈｕＵｎｉｖｅｒｓｉｔｙꎬＳｈｅｎｙａｎｇ１１０１６８ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:ＴｈｅｅｎｖｉｒｏｎｍｅｎｔａｌｐｒｏｂｌｅｍｓｃａｕｓｅｄｂｙＣｈｉｎａᶄｓｓｕｓｔａｉｎｅｄａｎｄｒａｐｉｄｅｃｏｎｏｍｉｃｇｒｏｗｔｈｏｖｅｒｔｈｅｙｅａｒｓｍａｋｅｄｏｍｅｓｔｉｃｒｅａｌｅｓｔａｔｅｅｎｔｅｒｐｒｉｓｅｓｆａｃｅｕｎｐｒｅｃｅｄｅｎｔｅｄｏｐｐｏｒｔｕｎｉｔｉｅｓｆｏｒｇｒｅｅｎｄｅｖｅｌｏｐｍｅｎｔ.ＨＲＲｅａｌＥｓｔａｔｅｃｏｍｐａｎｙꎬｗｈｉｃｈｐｕｒｓｕｅｓｇｒｅｅｎｄｅｖｅｌｏｐｍｅｎｔꎬｉｓｓｅｌｅｃｔｅｄａｓｔｈｅｒｅｓｅａｒｃｈｏｂｊｅｃｔ.２２ｉｎｄｉｃａｔｏｒｓａｒｅｓｅｌｅｃｔｅｄｆｒｏｍｓｅｖｅｎａｓｐｅｃｔｓ:ｇｒｅｅｎｂｅｎｅｆｉｔꎬｇｒｅｅｎｔｅｃｈｎｏｌｏｇｙꎬｇｒｅｅｎｃｏｎｓｔｒｕｃｔｉｏｎꎬｇｒｅｅｎｐｒｏｃｕｒｅｍｅｎｔꎬｇｒｅｅｎｅｎｅｒｇｙꎬｇｒｅｅｎｍａｎａｇｅｍｅｎｔａｎｄｇｒｅｅｎｍａｒｋｅｔｉｎｇ.ＥｎｔｒｏｐｙｗｅｉｇｈｔｍｅｔｈｏｄｉｓｃｏｍｂｉｎｅｄｗｉｔｈＴＯＰＳＩＳｍｏｄｅｌｔｏｆｏｒｍｅｎｔｒｏｐｙ￣ＴＯＰＳＩＳｍｏｄｅｌ.Ｔｈｅｒｅｆｏｒｅꎬｔｈｅｅｖａｌｕａｔｉｏｎｓｙｓｔｅｍｏｆｇｒｅｅｎｄｅｖｅｌｏｐｍｅｎｔｏｆｒｅａｌｅｓｔａｔｅｅｎｔｅｒｐｒｉｓｅｓｉｓｃｏｎｓｔｒｕｃｔｅｄ.ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｏｖｅｒａｌｌｇｒｅｅｎｄｅｖｅｌｏｐｍｅｎｔｌｅｖｅｌｏｆＨＲｒｅａｌｅｓｔａｔｅｃｏｍｐａｎｉｅｓｉｓｏｎｔｈｅｒｉｓｅｆｒｏｍ２０１６ｔｏ２０２１ꎻｔｈｅｒｅａｒｅｏｂｖｉｏｕｓｄｉｆｆｅｒｅｎｃｅｓｉｎｔｈｅｌｅｖｅｌｏｆｇｒｅｅｎｄｅｖｅｌｏｐｍｅｎｔｉｎｄｉｆｆｅｒｅｎｔａｓｐｅｃｔｓꎬａｎｄｔｈｅｇｒｅｅｎｄｅｖｅｌｏｐｍｅｎｔｆｏｃｕｓｅｓｏｎｇｒｅｅｎｃｏｎｓｔｒｕｃｔｉｏｎꎬｇｒｅｅｎｔｅｃｈｎｏｌｏｇｙꎬｇｒｅｅｎｍａｎａｇｅｍｅｎｔａｎｄｇｒｅｅｎｅｎｅｒｇｙ.Ｋｅｙｗｏｒｄｓ:ｒｅａｌｅｓｔａｔｅｅｎｔｅｒｐｒｉｓｅｓꎻｇｒｅｅｎｄｅｖｅｌｏｐｍｅｎｔꎻｅｎｔｒｏｐｙｗｅｉｇｈｔｍｅｔｈｏｄꎻＴＯＰＳＩＳｍｏｄｅｌ(责任编辑:徐聿聪㊀英文审校:林㊀昊)。
基于主成分分析与熵值法结合的多元评价模型的研究作者：张祥国丁瑞蒋幸幸来源：《新教育时代·教师版》2017年第18期摘要：为了全面、系统地分析问题，必须考虑众多影响因素，这也常对进行多元评价的相应背景。
这些涉及的因素一般称为指标，在多元统计分析中也称为变量。
多元评价模型常用方法有层次分析法，但该方法定量数据较少，定性成分多，不易令人信服。
本文利用主成分分析与熵权法的结合，对多元评价模型进行新的探究，使多元评价模型建立的更加精准。
关键词：多元评价模型结合主成分分析熵值法一、多元评价模型中评价指标体系框架的构建与评价指标的确定对于一个待评价对象的评价指标体系由反应该对象内涵的指标集及其标准和量化符号构成。
“评价对象”与“指标”是相对而言的。
在评价体系中，指标的级数越往下，指标越具体。
假设一个待评价对象已经建立好了两级的评价指标。
第一层评价指标是直接作用于评价对象的，评价指标A，B，C，D等。
第二级评价指标是作用于第一层评价指标，有a，b，c，d，e，f，g等，共N个样本。
为了对多元评价模型更加精准的建立，我们没有采用普通的分层模式，而是采用了第二层中的每一个指标与第一层中的每一个指标都有关系的模式。
二、利用主成分分析优化指标1.原始度量数据的标准化收集p维随机向量，N个样本，构建样本阵列并归一化到下面的样本元素：（1）其中，（2）得到归一化阵列Z。
由归一化阵列Z得到的相关系数矩阵：（3）2.确定主成分，样本相关矩阵R特征方程的求解：（4）获取特征根P，确定主成分：根据（5）标准化的指标变量被转换成主成分：（6）称为第一主成分，称为第二主成分，…，称为第p主成分。
P指标是从第一层指标中选出，从而利用这一P指标来取代第一层指标，将多指标转化为少数几个综合指标，直接用于评价对象。
二、利用熵值法客观计算指标权重并综合评价熵是对不确定性的一种度量。
信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。
基于模糊主成分分析法房地产投资决策的研究房地产风险投资决策是复杂的多目标决策问题，对该问题给出了一种有效的定性与定量相结合的多目标决策方法——模糊主成分分析法，并通过实例证明运用此法进行房地产投资决策是完全可行有效的。
标签：主成分分析法房地产多目标决策房地产业具有高附加值, 投资房地产能为投资者带来丰厚的收益,但同时,投资房地产需要巨额资金的投入, 而且投资回收期长,风险大。
因此,进行房地产投资之前,应当通观全局,审时度势,极其谨慎地进行投资决策分析。
以往的房地产投资决策方法,如净现值法、投资回收期法及常用的风险型决策和非确定性决策方法,都是单目标决策。
而实际上,进行房地产投资时,往往要考虑多个指标,针对这种情况,笔者拟将多目标决策的模糊主成分分析法引入到房地产投资决策中,试图为房地产投资决策者提供一种较为科学的定量与定性相结合的决策方法。
一、主成分分析法的基本原理主成分分析法是一种较为客观的多指标评价方法。
该方法将多指标问题化为较少的新的指标问题。
这些新的指标既彼此互不相关，又能综合反映原来多个指标的信息，是原来多个指标的线性组合。
综合后的新指标被称为原来指标的主成分。
在评价过程中给出了指标包含的信息量的权数，它的评价分值主要依赖各指标间的相关性确定，有助于客观地反映样本间的现实关系。
主成分通过原始数据标准化，求相关系数矩阵，求特征值，特征向量，确定主因子个数，得出综合评价值等步骤实现。
在确定主因子个数时以累计贡献率≥85%为界限。
据此确定主因子的个数，此时，方差之和已经占全部方差85%以上。
二、主成分分析方法的计算步骤1.设m个变量(指标)的n次观测数据阵，(1)2.对原始数据标准化，标准化的目的是使单位不同的各项指标值之间具有可比性，具体做法如下：（2）其中为了方便起见，标准化后的数仍记为。
3.计算m个变量的相关系数阵,（3）其中:4.计算的特征值和特征向量。
设求出是的特征值;是相应的特征向量，可得到一组主成分用表示（4）5.确定主成分个数。
基于主成分分析法和熵值法的我国指数基金综合评价随着我国证券市场的迅速发展，指数基金作为一种重要的投资工具，逐渐受到投资者的青睐。
然而，由于市场上的指数基金种类繁多，投资者在选择合适的指数基金时面临较大的困难。
因此，本文将通过基于主成分分析法和熵值法的方法，对我国的指数基金进行综合评价，旨在帮助投资者更加科学地选择指数基金。
首先，我们需要确定评价指标。
在本文中，我们将选取基金规模、收益率、风险和流动性四个方面作为评价指标。
其中基金规模反映了基金的资产规模和规模效益，收益率代表了基金的收益水平，风险反映了基金的风险水平，流动性则代表了基金的交易便利性。
这四个指标可以较好地反映一个指数基金的综合能力和特征。
接下来，我们将利用主成分分析法对这四个指标进行评价。
主成分分析方法是一种常用的多指标综合评价方法，在评价指标众多且相关性较高时具有较好的适用性。
它通过线性组合的方式将原始指标转化为几个相互独立的综合指标，从而降低了指标的维度。
在应用主成分分析法时，我们需要根据实际情况设定权重，以确保各指标的重要性被合理考虑。
然后，我们将使用熵值法对主成分分析得到的综合指标进行权重确定。
熵值法是一种较为科学的权重确定方法，它通过计算指标间的信息熵，得到每个指标的权重。
熵值法不仅能够避免主观因素对权重的影响，还能够充分考虑指标的相关性，保证权重的准确性。
通过熵值法确定出每个指标的权重后，我们可以对不同指数基金的各个综合指标进行加权求和，得到每个基金的综合评分。
最后，我们将根据综合评分对指数基金进行排序和比较。
综合评分高的指数基金具有较好的综合能力和表现，对于投资者来说是较为理想的选择。
投资者可以根据自身的投资目标和风险承受能力，选择适合自己的指数基金进行投资。
需要指出的是，本文中所采用的方法只是对我国指数基金进行综合评价的一种尝试。
在实际应用中，投资者可根据自身需求和要求对评价指标和方法进行调整和改进。
同时，指数基金市场的不断变化也要求我们对评价方法进行实时的更新和改进。
基于主成分分析法和熵值法的我国指数基金综合评价基于主成分分析法和熵值法的我国指数基金综合评价一、引言随着我国经济的快速发展和金融市场的不断完善，指数基金作为一种重要的投资工具，在投资者中间越来越受到关注。
指数基金的投资策略以追踪一个特定的指数为基础，具有投资门槛低、分散风险、流动性好等优势。
然而，由于我国指数基金市场的快速增长，投资者往往面临着众多的选择，如何进行科学有效的指数基金综合评价成为一个重要的问题。
主成分分析法和熵值法作为多指标决策的常用方法，在评价指数基金时发挥着重要的作用。
本文旨在基于主成分分析法和熵值法，对我国指数基金进行综合评价，从而为投资者提供科学的决策依据。
二、主成分分析法的理论基础主成分分析法是一种将多个指标综合评价的方法。
其基本思想是将原始的指标通过线性变换，转化为若干个新的综合指标，即主成分。
主成分能够保留原指标信息的主要特征，并且互相之间无关。
主成分分析法首先需要对原始指标进行标准化处理，消除不同指标之间的量纲问题。
然后，通过计算协方差矩阵的特征值和特征向量，确定主成分的个数和权重。
最后，将原指标与主成分的权重进行线性组合，得到主成分得分，从而进行指数基金的综合评价。
三、熵值法的理论基础熵值法是一种常用的多指标决策方法，用于确定各指标的权重。
其基本思想是通过计算各指标的熵值，反映指标的不确定性程度，从而确定指标的权重。
熵值是信息论中的一个概念，用于度量信息的不确定性。
在熵值法中，熵值越大，表示该指标对决策结果的影响越大，权重应相应增大；反之，熵值越小，表示该指标对决策结果的影响越小，权重应相应减小。
四、基于主成分分析法和熵值法的指数基金综合评价方法1. 数据准备：收集我国各大指数基金的相关数据，包括基金规模、收益率、波动率、夏普比率等指标。
2. 数据处理：对收集到的指标数据进行标准化处理，消除量纲差异。
3. 主成分分析：计算各指标之间的协方差矩阵，确定主成分的个数和权重。
基于熵值法与TOPSIS 法的购房决策模型分析摘要购房过程相当于一个复杂的多目标决策问题，本文针对这一问题采用一种基于熵值法确定权重的TOPSIS 法（理想接近点法）在考虑价格、建筑面积、距工作地点距离、户型及小区环境等5个因素的基础上来建立决策模型。
并通过具体的例子来说明决策的过程，同时还可以作为其他多目标决策问题的决策方法。
当然人们在买房的时候还可能会考虑其他的一些因素，比如物业费、安全性等因素，本文不能穷尽所有的购房因素，只是为制定购房决策建立一个模型，具体情况需具体分析。
关键词：购房；决策因素；熵值法；TOPSIS 法1、引言房产的购置可能是普通家庭一生当中最大的一次投资，对大部分人来说，购房是刚性需求，购房具有一定的唯一性，购买此处的住房，将不会购买另一处的住房，同时购房者还要考虑很多的因素，例如，房价、楼层、地段等，购房者面对的是一个多目标的决策问题，所以正确的作出自己的购房决策，买到一处自己满意的住房就变得复杂而且重要了。
本文针对这个难题，结合熵值法及TOPSIS （接近理想点法）构造模型，将经验与定性的因素定量化，从而更直观更理性的判断。
2、原理和方法2.1 基本思想基于归一化的原始数据矩阵，计算出待评对象中的最优方案和最劣方案，通过计算各对象与最优和最劣方案间的距离，获得各待评对象与最优方案的相对接近程度，以此作为评价各方案的优劣依据。
注：TOPSIS 法对样本数据无特殊要求。
2.2 熵值法确定权重（1）熵值法原理。
熵值法是根据属性值的差异的大小来决定其权重的大小。
（2）熵值法确定权重的计算过程 步骤1：利用下述公式∑==mi ijijij xx p 1（i=1,2,3,…..m ） (1)计算在j 属性下，第i 个方案的贡献度。
其中ij x 指各属性值，ｍ指决策方案的个数。
步骤2：利用下述公式∑=-=mi ijij jp p K E1ln ( j =1,2,3,…..n ） (2)计算决策方案对属性 j 的贡献总量。
基于主成分分析和熵权的建设工程评标决策研究丛旭辉;郭树荣;车效文【摘要】工程评标是招投标过程的核心工作之一,需保证评标方法的公平公正、科学合理.针对现有评标方法指标间信息重叠的问题,建立了基于主成分分析和熵权法的综合评标模型,借助主成分分析法简化重构评标指标体系,解决指标间信息重叠性问题;利用熵权法客观赋权,求得工程评标综合评价结果并排序.实例应用表明:该模型解决了指标间信息重叠导致的赋权重复问题,并将定性与定量的评价相结合,使评标结果更为科学可靠,可为招标单位选择最优的授标单位提供决策依据.%Being pivotal in bidding and tendering,tender evaluation must use a reasonable,fair and effective method.For the index information overlap of evaluation methods,this article established comprehensive evaluation model based on principal component analysis and law ofentropy,reconstructed and simplified evaluation index system by means of principal component analysis,used entropy method toempower.Then,evaluation results are obtained and sorted.Examples show that the model solves Empowering duplication which caused overlap between index information,combines the qualitative and quantitative evaluation,makes more scientific and reliable evaluation results,and provides decision making for selecting best bidder.【期刊名称】《工程管理学报》【年(卷),期】2017(031)001【总页数】5页(P44-48)【关键词】工程评标;主成分分析法;熵权法【作者】丛旭辉;郭树荣;车效文【作者单位】山东理工大学商学院,山东淄博255000;山东理工大学建筑工程学院,山东淄博255000;青岛理工大学土木工程学院,山东青岛266033【正文语种】中文【中图分类】TU723.2随着2000年1月1日《中华人民共和国招投标法》的实施，通过统一招投标程序、制定一系列相关规定，我国建筑市场的招投标活动逐渐趋于规范化。
基于主成分分析法与熵值法的房地产企业投资决策研究（邹昊*沈阳市政府采购中心110003 ；汪中秀沈阳建筑大学110168）摘要：房地产企业投资决策是复杂的多目标决策问题，本文针对此问题，提出了一种定性与定量相结合的多目标决策方法—主成分分析法与熵值法，并通过实例证明运用此方法进行房地产企业投资决策是完全可行有效的，进而使得房地产投资决策更加科学合理。
关键字：房地产企业；投资决策；主成分分析法；熵值法The Research of Real Estate Enterprise Investment Decisions Based on Principal Component Analysis and Entropy Method（Zou Hao Shenyang Government Procurement Center 110003，Wang zhong xiu Shenyang Jianzhu University 110168）Abstract:Real estate enterprise investment decisions are complex multi-objective decision making problems, specific to this problem, this paper put forward a multi-objective decision-making method which is the combination of qualitative and quantitative--principal component analysis and entropy method. Through the example prove, this method is completely feasible and effective for real estate enterprise investment decisions, and makes real estate investment decision-making more scientific and reasonable.Key words: Real estate enterprise；Investment；Principal component analysis；Entropy method1 引言房地产业是指从事房地产开发、经营、管理和服务的行业,其具有高投资、高风险、高收益、综合性强、关联效应大等特征。
因此，在房地产投资前期，应通观全局，审时度势及谨慎的进行投资决策，对房地产企业投资成功具有不可低估的作用，进而提高企业的整体竞争力。
传统的房地产投资决策方法，如：净现值贴现方法（DVF）、投资收益率法及决策树分析法（DTA）、敏感性分析法等不确定决策方法，都是单目标决策方法，无法解决多个复杂目标决策问题，难以达到房地产投资决策的实际要求。
本文正是从这点出发，将主成分分析法与熵值法相结合的多目标决策方法引入到房地产投资决策中，提高了决策的客观性与科学性，使评价结果更加准确合理，为房地产投资决策者提供了新的思路和定量分析工具。
2 研究方法2.1主成分分析法主成分分析方法（Principal Component Analysis，PCA）是一种较为客观的多指标评价方法。
它是在损失最少信息的前提下，利用降维的思想，把多个指标转化为几个综合指标的多元统计方法。
通常把转化生成的综合指标称为主成分，其中每个主成分都是原始变量的线性组合，且各主成分之间互不相关，这使得主成分比原始变量具有某些更优越的性能。
这样在研究复杂问题时就可以只考虑少数几个主成分而不至于损失太多信息，从而更容易抓住主要矛盾，揭示事物内部变量之间的规律性，使问题得到简化，提高分析效率。
*【作者简介】邹昊（1964--），男，沈阳市政府采购中心主任、党组书记，博士，教授级高级工程师，硕士生导师，主要研究方向：战略管理、产业经济、政府采购；汪中秀（1987--），女，沈阳建筑大学管理学院研究生，专业：管理科学与工程，方向：房地产经营管理，E-mail：www.syjzxiu@。
2.1.1 基本原理设有p 个指标12,,...,p x x x ,这p 个指标反映了客观对象的各个特征,因此每个对象观察到的p 个指标值就是一个样本值,它是一个p 维向量.如果观察了n 个对象,就有n 个p 维向量可用矩阵表示如下：()11121212221212......,,...,...............p p pn n np x x x x x x X x x x x x x ⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎣⎦对X 进行线性变换，可以形成新的综合变量，用F 表示，新的综合指标可以由原来的变量线性表示，即满足下式：1111122122112222112222212..........................11,2,...,p p p ppp p pp p i i ip F a X a X a X F a X a X a X F a X a X a Xs ta a a i p=+++⎧⎪=+++⎪⎨⎪⎪=+++⎩+++==系数ij a 由以下原则决定：1）i F 与j F （i≠j,i,j=1,2,…,p ）不相关；2）1F 是12,,...,p X X X 的一切线性组合中方差最大的；2F 是与1F 不相关的12,,...,p X X X 的一切线性组合中方差最大的；依次类推, p F 是与121,,...,p F F F -都不相关的12,,...,p X X X 的一切线性组合中方差最大的。
121,,...,,p p F F F F - 为第1,2,…,p 主成分。
2.1.2 分析步骤1.选取评价指标及原始数据，即为ijx ，表示第i 个样本的第j 个指标的原始值。
2.标准化。
将收集的原始数据按照下式进行标准化，消除变量之间在数量级上或量纲上的差异。
ij iij ix x zx σ-=（1）其中，1niji i xx n==∑，iσ=3.计算各标准化数据的相关系数，得到相关矩阵：11121p 21222p p1p2pp r r ...r r r...r R=............r r ...r ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦ （2）4.求相关矩阵R 的特征值i λ (i=1,2,…,p)和特征向量i A (i=1,2,…,p)。
并计算贡献率与累积贡献率。
5.确定主成分的个数：一般选取累积贡献率在80%~90%之间，并且要求特征值大于1的前k （k ＜p ）个主成分12,,...,kF F F 。
6.写出主成分表达式：1122...,1,2,...,i i i pi p F A ZX A ZX A ZX i k =+++=。
（3） 2.2 熵值法熵值法(Entropy Method)是一种客观赋权法。
熵(Entropy)是利用概率论来确定信息不确定性的一个量度。
设有n 个等待评价对象，m 项评价指标，形成原始指标数据矩阵()ij n m X x ⨯=，对于某项指标x ，指标值ij x 的差距越大，则该指标在综合评价中所起的作用越大;如果某项指标的指标值全部相等，则该指标在综合评价中几乎不起作用。
给定一系列的方案和属性，熵值法能够确定出各属性的客观权重值。
2.2.1 基本原理在信息论中，信息熵()()ln ()i i H x p x p x =-∑反应系统无序化程度。
信息熵越少，系统无序化程度越大；信息熵越大，系统无序化程度越小。
某项指标的指标值变异程度越大，该指标提供的信息量越大，该指标的权重也应越大；反之，某项指标的指标值变异程度越小，该指标提供的信息量越小，该指标的权重也越小。
所以可以根据各项指标的变异程度，利用信息熵这个工具，计算出各指标的权重，为多指标综合评价提供依据。
2.2.2 分析步骤1.数据标准化处理计算第j 项指标下第i 个样本指标值的比重，定义其标准化值为：()/ij ij j j p x x s =- （4）其中j x 为第j 项指标值的均值，j s 为第j 项指标值的标准差。
一般地，ij x 的范围在-5到5之间，为消除负值，可将坐标平移。
2.计算第j 项指标的熵值e 和信息效用值d1ln nj ij ij i e k p p ==-∑ 1j j d e =- （5）式中常数k 与系统的样本数n 有关。
对于一个完全无序的系统，也就是信息均匀分布时，有序度为零，熵值最大，即11,j ij e p n==。
此时，1111ln ln ln nnj ij ij i i e k p p k k n nn ===-=-=∑∑，于是1/ln k n =3.定义第j 项指标的权数j w (熵权)111j jnj njji i e d w dn e ==-==-∑∑ （6）4.计算n 种被评价对象的综合评价值1mi jijj S wp ==∑ （7）其中i S 为第i 个被评价对象的综合评价值。
鉴于实际进行投资方案决策时，各评价指标相互作用的复杂性，本文将主成分分析法与熵值法结合起来，起到相互补充的效果。
首先，利用SPSS13.0软件进行主成分分析，实现指标由多到少的降维和简化，通过变换利用指标间的关系，得到综合的新指标，且这些综合指标能够很好地处理原指标之间的信息重叠，同时较为全面地反映原指标数据所提供的信息；其次，再利用熵值法确定各新指标的权重系数，即计算最终的综合评价结果。
为证明此种方法的可行有效性，本文采用实例加以说明。
3 实例分析假设有5个互斥的项目投资方案，设为12345(,,,,)A A A A A A =，寿命期相同，基准收益i=10%，标准动态投资回收期为6年，由初始投资算出6项指标，具体指标及相关数据见表1。
表1 原始指标与数据表3.1 PCA 分析确定新的综合指标本文运用SPSS13.0 分析软件进行主成分分析，确定主成分i F ，从而确定新的综合指标。
根据表1中的数据及公式（1）对原始数据进行标准化处理，结果见表2：运用SPSS13.0的Analysis 菜单对样本数据进行主成分分析，得到方差分解结果以及主成分提出分析表,见表3。
表3 Total Variance Explained由表3可知:按照主成分对应的特征值大于1的准则，提取前3个主成分，且这三个主成分包含原始数据的信息总量达到94.375%，因此选这三个主成分进行分析。
分析得到初始因子荷载矩阵表（表4），并根据表4中的数据除以主成分相应的特征值开平方根得到他们的特征向量（表5），即得到三个主成分表达式中每个指标所对应的系数。
