因子分析法是綜合評價方法嗎

㈠ 如何正確運用因子分析法進行綜合評價

得到總評分之後，save，然後排序即可

㈡ 因子分析法和主成分分析法的區別與聯系是什麼

聯系:因子分析法和主成分分析法都是統計分析方法，都要對變數標准化，並找出相關矩陣。區別:在主成分分析中，最終確定的新變數是原始變數的線性組合，因子分析是要利用少數幾個公共因子去解釋較多個要觀測變數中存在的復雜關系。
1.因子分析法通過正交變換，將一組可能具有相關性的變數轉換為一組線性不相關的變數，稱為主成分。它主要用於市場研究領域。在市場研究中，研究人員關注一些研究指標的整合或組合。這些概念通常通過分數來衡量。人口學、數量地理學、分子動力學模擬、數學建模、數學分析等學科。因子分析和主成分分析都是統計分析方法，都需要對變數進行標准化，找出相關矩陣。
2.因子分析可以在許多變數中發現隱藏的代表性因素。主成分分析的原理是嘗試將原始變數重新組合成一組新的獨立綜合變數。因子分析在主成分分析的基礎上增加了一個旋轉函數。這種輪換的目的是更容易地命名和解釋因素的含義。如果研究的重點是指標與分析項目之間的對應關系，或者想要對得到的指標進行命名，建議使用因子分析。
3.主成分分析法是根據實際需要，盡量選取盡可能少的求和變數，以反映原始變數的信息。這種統計方法稱為主成分分析或主成分分析，這也是一種處理降維的數學方法。主成分分析試圖用一套新的不相關的綜合指標取代原有指標。因子分析是社會研究的有力工具，但它不能確定一項研究中有多少因素。當研究中選擇的變數發生變化時，因素的數量也會發生變化。
拓展資料:霍特林將這種方法推廣到隨機向量的情況。信息的大小通常由方差或方差的平方和來衡量。因子分析最早由英國心理學家C.E.斯皮爾曼提出。他發現學生在不同科目的成績之間有一定的相關性。一門學科成績好的學生往往在其他學科成績更好，因此他推測是否有一些潛在的共同因素或一些一般的智力條件影響學生的學業成績。

㈢ 數學建模中綜合評價的方法有哪些

綜合評價有許多不同的方法：

1、綜合指數法：

綜合指數法是先綜合，後對比平均,其最大優點在於不僅可以反映復雜經濟現象總體的變動方向和程度,而且可以確切地、定量地說明現象變動所產生的實際經濟效果。但它要求原始資料齊全。平均指數法是先對比,後綜合平均，雖不能直接說明現象變動的絕對效果，但較綜合指數法靈活,便於實際工作中的運用。

2、TOPSIS法：

其基本原理，是通過檢測評價對象與最優解、最劣解的距離來進行排序，若評價對象最靠近最優解同時又最遠離最劣解，則為最好；否則不為最優。其中最優解的各指標值都達到各評價指標的最優值。最劣解的各指標值都達到各評價指標的最差值。

3、層次分析法：

運用層次分析法有很多優點，其中最重要的一點就是簡單明了。層次分析法不僅適用於存在不確定性和主觀信息的情況，還允許以合乎邏輯的方式運用經驗、洞察力和直覺。也許層次分析法最大的優點是提出了層次本身，它使得買方能夠認真地考慮和衡量指標的相對重要性。

另外還有RSR法、模糊綜合評價法、灰色系統法等，這些方法各具特色，各有利弊。

(3)因子分析法是綜合評價方法嗎擴展閱讀：

綜合評價的一般步驟

1、根據評價目的選擇恰當的評價指標，這些指標具有很好的代表性、區別性強，而且往往可以測量，篩選評價指標主要依據專業知識，即根據有關的專業理論和實踐，來分析各評價指標對結果的影響，挑選那些代表性、確定性好，有一定區別能力又互相獨立的指標組成評價指標體系。

2、根據評價目的，確定諸評價指標在對某事物評價中的相對重要性，或各指標的權重；

3、合理確定各單個指標的評價等級及其界限；

4、根據評價目的，數據特徵，選擇適當的綜合評價方法，並根據已掌握的歷史資料，建立綜合評價模型；

5、確定多指標綜合評價的等級數量界限，在對同類事物綜合評價的應用實踐中，對選用的評價模型進行考察，並不斷修改補充，使之具有一定的科學性、實用性與先進性，然後推廣應用。

㈣ 因子分析法的優缺點

它的優缺點是相對主成分分析法而言的
因子分析法與主成分分析法都屬於因素分析法，都基於統計分析方法，但兩者有較大的區別：主成分分析是通過坐標變換提取主成分，也就是將一組具有相關性的變數變換為一組獨立的變數，將主成分表示為原始觀察變數的線性組合；而因子分析法是要構造因子模型，將原始觀察變數分解為因子的線性組合。通過對上述內容的學習，可以看出因子分析法和主成分分析法的主要區別為：
(1)主成分分析是將主要成分表示為原始觀察變數的線性組合，而因子分析是將原始觀察變數表示為新因子的線性組合，原始觀察變數在兩種情況下所處的位置不同。
(2)主成分分析中，新變數Z的坐標維數j(或主成分的維數)與原始變數維數相同，它只是將一組具有相關性的變數通過正交變換轉換成一組維數相同的獨立變數，再按總方差誤差的允許值大小，來選定q個(q<p)主成分；而因子分析法是要構造一個模型，將問題的為數眾多的變數減少為幾個新因子，新因子變數數m小於原始變數數P，從而構造成一個結構簡單的模型。可以認為，因子分析法是主成分分析法的發展。
(3)主成分分析中，經正交變換的變數系數是相關矩陣R的特徵向量的相應元素；而因子分析模型的變數系數取自因子負荷量，即。因子負荷量矩陣A與相關矩陣R滿足以下關系：
其中，U為R的特徵向量。
在考慮有殘余項ε時，可設包含εi的矩陣ρ為誤差項，則有R
−
AAT
=
ρ。
在因子分析中，殘余項應只在ρ的對角元素項中，因特殊項只屬於原變數項，因此，的選擇應以ρ的非對角元素的方差最小為原則。而在主成分分析中，選擇原則是使舍棄成分所對應的方差項累積值不超過規定值，或者說被舍棄項各對角要素的自乘和為最小，這兩者是不通的。

㈤ 幾種綜合評價方法

摘要 您好，常用的綜合評價方法：1.現有的統計方法:主要為多元統計方法，如多元回歸、逐步回歸分析、判別分析、因子分析、時間序列分析

㈥ 請問因子分析法在企業績效評價中能否應用

可以用因子熵值法:
因子熵值法的原理是運用因子分析法減少評價指標，在盡量減少原指標所含信息的損失的基礎上，將眾多的單項指標綜合為少數綜合指標；運用熵值法客觀確定指標權重，在數學變換中伴隨生成綜合評價所涉及的權數，最大限度減少評價者個人因素對評價結果的影響。
如下:案例
某建築集團公司下屬有六個施工企業，每年需要對其進行績效評價。評價指標體系為塔式結構，包含3個指標層，共49個指標（具體評價指標體系略）。以往採用加權合成法、模糊綜合評價等方法進行評價，評價工作復雜，評價結果往往受到評價者個人因素的較大影響。因此，該企業嘗試在績效評價體系中應用因子熵值法。
項目管理者聯盟文章，深入探討。
因子熵值法首先需要對因子分析以提取主因子並命名，它的過程包含以下內容：①對原始數據進行標准化處理，對標准化指標求相關系數矩陣。相關系數可反映指標間信息重迭的程度，其值越大，信息重迭的程度越高；其值越小，重迭的程度越低。②計算相關系數矩陣的特徵值、特徵向量、特徵值貢獻率和特徵值累積貢獻率。③根據特徵值貢獻率和累積貢獻率確定主因子個數。確定的一般原則為：當累積貢獻率>80%，某一主因子貢獻率<5%時，不再累積，也可根據被研究問題的實際情況確定。④計算因子負荷系數。⑤對因子負荷系數矩陣進行正交變換，使主因子的意義更加明確。⑥根據主因子的負荷系數和對應的原始指標，對主因子的經濟含義做出解釋。
本文轉自項目管理者聯盟
經過因子提取，得出因子分析結果：公共因子的特徵值和貢獻率。可以將原來的49個指標綜合成5個主因子，即：計劃完成率，勞動生產率，勞務合格率，勞資管理，成本計劃完成率等15個指標基本反映了生產經營情況，可將它們定義為生產經營因子；大事故發生率，保養質量合格率，安全生產，安全管理，安全設施完好率，安全管理體系等13個因子可以定義為安全質量因子；信息檔案管理，物資管理，技術管理，財務管理等因子定義為後勤管理因子；崗位換位互補能力，廉潔奉公等因子定義為領導建設因子；成本降低額和成本降低率等因子定義為成本控制因子。
提取主因子後原指標體系得到簡化，我們根據指標間的離散程度，用信息熵來確定指標權重，並對方案進行評價。設有m個待評方案，n項評價指標，形成原始指標數據矩陣，對於某項指標來說，指標值的差距越大，則該指標在綜合評價中所起的作用越大；如果某項指標的指標值全部相等，則該指標在綜合評價中不起作用。

依照熵值法的計算步驟，計算各指標的比重，熵值，差異性系數，進而確定出各指標的權重和綜合經濟效益系數。

通過因子熵值分析可知，該建築集團下屬施工企業注重生產經營和安全管理，但在後勤管理、領導建設、成本控制等方面做的不夠，說明各施工必須提高企業的管理水平和領導自身建設。熵值評價表明施工企業E的績效評價排名第一，該集團總部可以對該企業給予相應的獎勵以激勵管理者及員工的積極性，同時應鼓勵其他企業借鑒其經驗。該評價方法受到集團總部的好評，認為完全符合該集團公司的實際狀況，為企業的發展和建設指明了方向。

針對建築施工企業績效評價指標體系指標多的特點，用因子熵值法是一種較為客觀的企業績效評價方法，它通過對評標指標進行定量化的描述和相關性分析，在盡量保留原有指標信息的基礎上可以克服主觀賦權的局限性，能准確、客觀、方便地對企業績效進行評價，並在一定程度上改善和提高了企業績效評價的質量，在企業績效評價中有較好的應用。

㈦ 因子分析法和主成分分析法的區別與聯系

主成分分析和因子分析都是信息濃縮的方法，即將多個分析項信息濃縮成幾個概括性指標。

• 因子分析在主成分基礎上，多出一項旋轉功能，該旋轉目的即在於命名，更容易解釋因子的含義。如果研究關注於指標與分析項的對應關繫上，或是希望將得到的指標進行命名，SPSSAU建議使用因子分析。

• 主成分分析目的在於信息濃縮（但不太關注主成分與分析項對應關系），權重計算，以及綜合得分計算。如希望進行排名比較，計算綜合競爭力，可使用主成分分析。

SPSSAU可直接保存因子得分及綜合得分，不需要手動計算。

㈧ 因子分析概念

在各個領域的科學研究中，往往需要對反映事物的多個變數進行大量的觀測並收集大量數據，以便分析尋找規律。多變數大樣本無疑會為科學研究提供豐富的信息，但也在一定程度上增加了數據採集的工作量，更重要的是在大多數情況下，許多變數之間可能存在的相關性增加了問題分析的復雜性，同時對分析帶來不便。如果分別分析每個指標，分析又可能是孤立的，而不是綜合的。盲目減少指標會損失很多信息，產生錯誤的結論。因此需要找到一個合理的方法，在減少分析指標的同時，盡量減少原指標包含信息的損失，對所收集的資料作全面的分析。由於各變數間存在一定的相關關系，因此用較少的指標分別綜合存在於各變數中的各類信息，這少數幾個綜合指標彼此不相關，即所代表的信息是不重疊的，通常稱為因子，因子分析法因此得名。因此，因子分析是將多個實測變數轉換為少數幾個不相關的綜合指標的多元統計分析方法（於志鈞等，1984；趙旭東，1992；陸明德，1991）。

因子分析方法由Spearman在19世紀初研究心理學問題時提出，1957年由Krumbein引入地質學，後來Imbrie對因子分析在地質學中的應用和發展做了大量工作。

因子分析可以從以下幾個方面為地質研究提供幫助：①壓縮原始數據。因子分析為眾多復雜的地質數據精簡提供了一種數學演算法，它能在數量上大大精簡原始數據但又不損失數據中包含的成因信息，這樣就有利於地質人員進行綜合分析。②指示成因推理方向。因子分析能夠把龐雜紛亂的原始數據按成因上的聯系進行歸納、整理、精煉和分類，理出幾條客觀的成因線索，為地質人員提供邏輯推理方向，啟發思考相應的成因結論。③分解疊加的地質過程。現實中觀測到的地質現象往往是多種成因過程疊加的產物，因子分析提供了一個分解疊加過程而識別每個單一地質過程的手段。

鑒於上述原因，因子分析在地學領域的應用十分廣泛，已有效地應用於沉積盆地蝕源區的研究、沉積物的粒度分析、沉積相研究、地層分析、古環境與古生態的研究、石油及天然氣成因研究、油田水化學研究、有機地球化學研究及石油、天然氣化探資料分析等各個方面（曾濺輝等，2002；張俊，2005；陳科貴等，2006）。

㈨ 因子分析法的概念

1.主成分分析
主成分分析主要是一種探索性的技術，在分析者進行多元數據分析之前，用他來分析數據，讓自己對數據有一個大致的了解，這是非常有必要的。主成分分析一般很少單獨使用：a、了解數據。（screening the data），b、和cluster analysis（聚類分析）一起使用，c、和判別分析一起使用，比如當變數很多，個案數不多，直接使用判別分析可能無解，這時候可以使用主成分對變數簡化（rece dimensionality），d、在多元回歸中，主成分分析可以幫助判斷是否存在共線性（條件指數），還可以用來處理共線性。
1、因子分析中是把變數表示成各因子的線性組合，而主成分分析中則是把主成分表示成各變數的線性組合。
2、主成分分析的重點在於解釋各變數的總方差，而因子分析則把重點放在解釋各變數之間的協方差。
3、主成分分析中不需要有假設（assumptions），因子分析則需要一些假設。因子分析的假設包括：各個共同因子之間不相關，特殊因子（specific factor）之間也不相關，共同因子和特殊因子之間也不相關。
4、主成分分析中，當給定的協方差矩陣或者相關矩陣的特徵值是唯一的時候，主成分一般是獨特的；而因子分析中因子不是獨特的，可以旋轉得到不同的因子。
5、在因子分析中，因子個數需要分析者指定（spss根據一定的條件自動設定，只要是特徵值大於1的因子進入分析），而指定的因子數量不同而結果不同。在主成分分析中，成分的數量是一定的，一般有幾個變數就有幾個主成分。和主成分分析相比，由於因子分析可以使用旋轉技術幫助解釋因子，在解釋方面更加有優勢。大致說來，當需要尋找潛在的因子，並對這些因子進行解釋的時候，更加傾向於使用因子分析，並且藉助旋轉技術幫助更好解釋。而如果想把現有的變數變成少數幾個新的變數（新的變數幾乎帶有原來所有變數的信息）來進入後續的分析，則可以使用主成分分析。當然，這種情況也可以使用因子得分做到。所以這種區分不是絕對的。
在演算法上，主成分分析和因子分析很類似，不過在因子分析中所採用的協方差矩陣的對角元素不再是變數的方差，而是和變數對應的共同度（變數方差中被各因子所解釋的部分）。
2.聚類分析（Cluster Analysis)
聚類分析是直接比較各事物之間的性質，將性質相近的歸為一類，將性質差別較大的歸入不同的類的分析技術。
在市場研究領域，聚類分析主要應用方面是幫助我們尋找目標消費群體，運用這項研究技術，我們可以劃分出產品的細分市場，並且可以描述出各細分市場的人群特徵，以便於客戶可以有針對性的對目標消費群體施加影響，合理地開展工作。
3.判別分析（Discriminatory Analysis)
判別分析（Discriminatory Analysis）的任務是根據已掌握的1批分類明確的樣品，建立較好的判別函數，使產生錯判的事例最少，進而對給定的1個新樣品，判斷它來自哪個總體。根據資料的性質，分為定性資料的判別分析和定量資料的判別分析；採用不同的判別准則，又有費歇、貝葉斯、距離等判別方法。
費歇（FISHER）判別思想是投影，使多維問題簡化為一維問題來處理。選擇一個適當的投影軸，使所有的樣品點都投影到這個軸上得到一個投影值。對這個投影軸的方向的要求是：使每一類內的投影值所形成的類內離差盡可能小，而不同類間的投影值所形成的類間離差盡可能大。貝葉斯（BAYES）判別思想是根據先驗概率求出後驗概率，並依據後驗概率分布作出統計推斷。所謂先驗概率，就是用概率來描述人們事先對所研究的對象的認識的程度；所謂後驗概率，就是根據具體資料、先驗概率、特定的判別規則所計算出來的概率。它是對先驗概率修正後的結果。
距離判別思想是根據各樣品與各母體之間的距離遠近作出判別。即根據資料建立關於各母體的距離判別函數式，將各樣品數據逐一代入計算，得出各樣品與各母體之間的距離值，判樣品屬於距離值最小的那個母體。
4.對應分析（Correspondence Analysis)
對應分析是一種用來研究變數與變數之間聯系緊密程度的研究技術。
運用這種研究技術，我們可以獲取有關消費者對產品品牌定位方面的圖形，從而幫助您及時調整營銷策略，以便使產品品牌在消費者中能樹立起正確的形象。
這種研究技術還可以用於檢驗廣告或市場推廣活動的效果，我們可以通過對比廣告播出前或市場推廣活動前與廣告播出後或市場推廣活動後消費者對產品的不同認知圖來看出廣告或市場推廣活動是否成功的向消費者傳達了需要傳達的信息。
5.典型相關分析
典型相關分析是分析兩組隨機變數間線性密切程度的統計方法，是兩變數間線性相關分析的拓廣。各組隨機變數中既可有定量隨機變數，也可有定性隨機變數（分析時須F6說明為定性變數）。本法還可以用於分析高維列聯表各邊際變數的線性關系。
注意
1．嚴格地說，一個典型相關系數描述的只是一對典型變數之間的相關，而不是兩個變數組之間的相關。而各對典型變數之間構成的多維典型相關才共同揭示了兩個觀測變數組之間的相關形式。
2．典型相關模型的基本假設和數據要求
要求兩組變數之間為線性關系，即每對典型變數之間為線性關系；
每個典型變數與本組所有觀測變數的關系也是線性關系。如果不是線性關系，可先線性化：如經濟水平和收入水平與其他一些社會發展水之間並不是線性關系，可先取對數。即log經濟水平，log收入水平。
3．典型相關模型的基本假設和數據要求
所有觀測變數為定量數據。同時也可將定性數據按照一定形式設為虛擬變數後，再放入典型相關模型中進行分析。
6.多維尺度分析（Multi-dimension Analysis)
多維尺度分析（Multi-dimension Analysis) 是市場研究的一種有力手段，它可以通過低維空間（通常是二維空間）展示多個研究對象（比如品牌）之間的聯系，利用平面距離來反映研究對象之間的相似程度。由於多維尺度分析法通常是基於研究對象之間的相似性（距離）的，只要獲得了兩個研究對象之間的距離矩陣，我們就可以通過相應統計軟體做出他們的相似性知覺圖。
在實際應用中，距離矩陣的獲得主要有兩種方法：一種是採用直接的相似性評價，先將所有評價對象進行兩兩組合，然後要求被訪者所有的這些組合間進行直接相似性評價，這種方法我們稱之為直接評價法；另一種為間接評價法，由研究人員根據事先經驗，找出影響人們評價研究對象相似性的主要屬性，然後對每個研究對象，讓被訪者對這些屬性進行逐一評價，最後將所有屬性作為多維空間的坐標，通過距離變換計算對象之間的距離。
多維尺度分析的主要思路是利用對被訪者對研究對象的分組，來反映被訪者對研究對象相似性的感知，這種方法具有一定直觀合理性。同時該方法實施方便，調查中被訪者負擔較小，很容易得到理解接受。當然，該方法的不足之處是犧牲了個體距離矩陣，由於每個被訪者個體的距離矩陣只包含1與0兩種取值，相對較為粗糙，個體距離矩陣的分析顯得比較勉強。但這一點是完全可以接受的，因為對大多數研究而言，我們並不需要知道每一個體的空間知覺圖。
多元統計分析是統計學中內容十分豐富、應用范圍極為廣泛的一個分支。在自然科學和社會科學的許多學科中，研究者都有可能需要分析處理有多個變數的數據的問題。能否從表面上看起來雜亂無章的數據中發現和提煉出規律性的結論，不僅對所研究的專業領域要有很好的訓練，而且要掌握必要的統計分析工具。對實際領域中的研究者和高等院校的研究生來說，要學習掌握多元統計分析的各種模型和方法，手頭有一本好的、有長久價值的參考書是非常必要的。這樣一本書應該滿足以下條件：首先，它應該是「淺入深出」的，也就是說，既可供初學者入門，又能使有較深基礎的人受益。其次，它應該是既側重於應用，又兼顧必要的推理論證，使學習者既能學到「如何」做，而且在一定程度上了解「為什麼」這樣做。最後，它應該是內涵豐富、全面的，不僅要基本包括各種在實際中常用的多元統計分析方法，而且還要對現代統計學的最新思想和進展有所介紹、交代。
主成分分析通過線性組合將原變數綜合成幾個主成分，用較少的綜合指標來代替原來較多的指標（變數）。在多變數分析中，某些變數間往往存在相關性。是什麼原因使變數間有關聯呢？是否存在不能直接觀測到的、但影響可觀測變數變化的公共因子？因子分析法（Factor Analysis）就是尋找這些公共因子的模型分析方法，它是在主成分的基礎上構築若干意義較為明確的公因子，以它們為框架分解原變數，以此考察原變數間的聯系與區別。
例如，隨著年齡的增長，兒童的身高、體重會隨著變化，具有一定的相關性，身高和體重之間為何會有相關性呢？因為存在著一個同時支配或影響著身高與體重的生長因子。那麼，我們能否通過對多個變數的相關系數矩陣的研究，找出同時影響或支配所有變數的共性因子呢？因子分析就是從大量的數據中「由表及裡」、「去粗取精」，尋找影響或支配變數的多變數統計方法。
可以說，因子分析是主成分分析的推廣，也是一種把多個變數化為少數幾個綜合變數的多變數分析方法，其目的是用有限個不可觀測的隱變數來解釋原始變數之間的相關關系。
因子分析主要用於：1、減少分析變數個數；2、通過對變數間相關關系探測，將原始變數進行分類。即將相關性高的變數分為一組，用共性因子代替該組變數。

㈩ 基於因子分析的國際石油合作潛力評價研究

孫 鵬

（中國石化石油勘探開發研究院，北京 100083）

摘 要 隨著我國石油對外依存度屢創新高，國際石油合作需求也日益迫切，進行國際石油合作潛力評價意義重大。通過從資源基礎、投資環境和收益潛力3個方面構建國際石油合作潛力評價指標體系，並採用統計概率法、專家咨詢法和理論分析法相結合，設計選取評價要素指標，運用因子分析方法對30個主要石油資源國進行國際石油合作潛力評價。結果表明，應該加強關注社會經濟發展水平和投資環境相對穩定的石油資源國。

關鍵詞 石油合作 潛力評價 因子分析 指標體系

International Oil Cooperation Potential Evaluation：

Based on Factor Analysis

SUN Peng

（Exploration and Proction Research Institute，SI NOPEC，

Beijing 100083，China）

Abstract With China』s dependence on overseas oil supply hit higher and higher record，the demand for international oil cooperation is increasingly urgent，and the potential evaluation for international petroleum cooperation is of great significance.This paper designed international oil cooperation potential evaluation system and selected evaluation indicators，from the three aspects of the resource base，investment environment and the revenue potential，combining the method of statistical probability，expert advice and theoretical analysis.Used the factor analysis methods to calculate the index system.Then selected the 30 major oil resources to carry out empirical research，and obtained the evaluation resuts.

Key words oil cooperation；potential evaluation；factor analysis；index system

當今的國際石油市場中，進口國與資源國之間，國家石油公司與國際石油公司之間，資源國與國際石油組織之間等關系錯綜復雜。國際石油合作尤其是在上游進行勘探開發項目合作成為各石油公司至關重要的一項經營活動。我國石油公司同時擔負著保證國家石油安全和追求企業經濟效益優化的雙重目標，近年來海外業務發展迅速，國際勘探開發合作項目已經拓展到全球范圍內的幾十個國家和地區。在迅猛的規模發展階段之後，我國石油公司將不可避免地進入精細化、效益化發展時期，面對眾多石油資源潛在合作國家，如何在雙重目標指導下不斷優化合作選區決策成為我國石油公司國際化發展戰略中的重要命題。

而當前，國家石油公司（NOC）與國際石油公司（IOC）的競合格局正從20世紀以資本和技術為主導，向以資源為主導的形態轉變。主要石油資源國憑借自身資源優勢，在國際石油市場中的發展能力和話語權得到了全面增強。隨著我國工業化進程的不斷推進，對油氣資源需求增速迅猛提升，對外依存度屢創新高，同主要石油資源國的合作也更加密切。開展國際石油合作潛力評價，有利於我國石油公司海外選區決策，也有利於保障國家石油供給安全，具有很強的理論和現實意義。

1 國際石油合作潛力評價體系設計

合作潛力評價包含合作雙方各自具備的能力及合作可能性兩方面因素。所以，國際石油合作潛力評價不簡單等同於對石油資源國投資環境的評價：後者主要是對合作目標對象的基本能力分析，包括資源基礎實力、經濟社會狀態、法律技術實力、自然人文環境等因素；而合作潛力評價中除包含有投資環境分析評價外，還要對合作可能性（即是否滿足合作者投資效益要求）進行分析評判。因此，國際石油合作潛力評價的要素范圍要比投資環境評價更為廣泛，且評價效果也更加科學有效。

本研究從資源基礎、投資環境及收益潛力3個角度構建國際石油合作潛力評價指標體系框架（圖1），並具體從油氣儲量、產量及其變化趨勢來評價資源國資源基礎；從經濟、政治、法律、對外合作、自然、技術、運輸等方面來評價資源國總體投資環境，並具體歸納為資源開放程度、經濟貿易實力、政治法律基礎和技術設施條件4個方面；從石油合同模式中，選取效益影響關鍵因子對資源國進行收益潛力分析。

圖1 國際石油合作潛力評價指標設計框架

在對評價要素指標進行選取和設計的過程中，遵循：(1)代表性原則，即所選指標具有較強代表性，能夠比較全面地反映各石油資源國的合作潛力情況；(2)可獲得性原則，即所選指標會充分考慮數據的可獲得性，最大程度利用權威統計資料及規范標准，提高指標體系的可行性和權威性；(3)可量化性原則，即所選指標來源可靠，能夠直接量化或通過專家打分等方式量化處理^［1］。

通過綜合採用統計概率法、專家咨詢法和理論分析法3種方法，對中國學術期刊CNKI資料庫中關鍵指標進行檢索，並結合分析童曉光（2003）、徐小傑（2002）和Otto（1995）等有關國際石油合作文獻中的評價指標選取情況，從資源基礎、投資環境和收益潛力3個方向確定國際石油合作潛力評價指標體系，如表1所示。

表1 國際石油合作潛力評價指標體系

2 主要石油資源國合作潛力評價

在國際石油合作潛力評價過程中，需要對多個資源國的多個評價指標變數進行大量觀測，收集大量數據並分析尋找規律，從而對其進行綜合評價。常用的綜合評價方法主要包括德爾菲法、層次分析法、主成分分析法和因子分析法等^［2］。其中，因子分析法是多指標綜合評價方法中較為客觀科學的方法，尤其適用於本文所設計要素較多的評價指標體系。

因子分析法主要從分析變數的相關關系出發，通過研究眾多變數之間的內部依賴關系，尋找這些數據的基本結構，並用少數幾個被稱為公因子的不可觀測變數，來表示數據結構。本文所設計的國際石油合作潛力評價指標體系中的各項指標之間具有很強的相關關系，並通過採用因子分析方法，整合出新的公因子對評價體系和評價結果進行系統分析解釋，適用因子分析方法對該指標體系進行評價。

在選擇具體資源國研究對象過程中，遵循以下幾個原則：(1)該資源國探明儲量潛力較大，位於世界前列；(2)具有一定規模的石油產量，同時在滿足本國資源需求基礎上，具有較強的石油出口能力；(3)資源國在石油對外合作過程中較為開放，允許國外石油公司進入並採取合作模式進行開發；(4)同中國具有較好的石油合作或貿易往來基礎，並且在未來合作前景較大；(5)石油進口來源多元化原則，兼顧各個地區內均有合作資源國的分析研究對象。最終選取了30個資源國作為本研究的評價對象，進行具體賦值（表2）。

表2 全球石油重點國家合作潛力評價指標情況^［3～10］

續表

在對30個資源國各個指標進行具體賦值後，利用SPSS統計分析軟體進行因子分析測算，並提取出5個公因子，包括：(1)資源國的社會經濟適應性公因子F₁；(2)資源國的資源基礎公因子F₂；(3)資源國與中國雙邊關系公因子F₃；(4)資源國運輸環境公因子F₄；(5)資源國基礎設施水平公因子F₅。

根據旋轉後的因子載荷矩陣可以寫出資源國合作潛力指標的因子分析模型：

油氣成藏理論與勘探開發技術（五）

得出因子載荷矩陣後，利用SPSS統計軟體得出因子得分系數矩陣，然後得到下面的因子得分函數：

油氣成藏理論與勘探開發技術（五）

根據這個得分函數分別計算了30個資源國的5個因子的得分，再利用初始特徵值計算各個公因子權重，每個因子得分乘以其權重，最後加總計算出綜合得分。綜合得分模型F的計算公式如下：

油氣成藏理論與勘探開發技術（五）

式中：λ₁、λ₂、λ₃、λ₄、λ₅分別是第一、第二、第三、第四、第五個公共因子的初始特徵值。

利用SPSS統計分析軟體，根據因子得分以及5個公共因子的特徵值計算出來的權重，可以計算出30個資源國的綜合得分，並從高到低排列，如表3所示。

從各主要資源國綜合得分情況看，排名前3位的都是經濟水平相對發達的國家，其中澳大利亞綜合得分位居第一，該國主要是在經濟社會適應性、管線建設程度和與我國的運輸距離3個方面具有很強的競爭力；俄羅斯排名其後，該國的資源基礎，以及同我國的雙邊關系導致合作潛力較大；巴西的合作促進因素與澳大利亞相似，只是在因子得分上有些差距，位列第三位。

拉美、中東、亞太和中亞－俄羅斯地區的主要石油資源國家位列排名中游，拉美地區的巴西和墨西哥主要是在國家社會經濟適應性和國家管線建設基礎上得分較高；中東的伊朗和阿聯酋在資源基礎方面排在所有國家前列；緊隨其後的是亞太地區的馬來西亞和泰國，由於較好的國家社會經濟基礎條件且與我國較近的運輸距離是雙方合作潛力的主要促進因素；中亞的哈薩克得益於國家資源基礎和與我國較近的運輸距離，排名也相對靠前；非洲國家中排名第一的是阿爾及利亞，主要是從雙邊關系及對我國原油出口的增長態勢看，具有很大的合作潛力。

表3 公因子得分及綜合得分

3 結論與建議

首先，國際石油合作潛力評價是一個綜合性的系統工程，不能簡單從資源國政治、經濟環境做出片面判斷，尤其是在我國國家石油公司肩負著保障國家石油供應安全和企業自身經營效益的雙重目標下，在進行國際石油合作潛力評價時，要從資源基礎、投資環境和收益潛力3個方面進行綜合分析權衡，避免某一個方面的指標突出，導致主觀上的判斷失誤。

其次，我國石油公司在 「走出去」 戰略指導下，目前已經基本確立了非洲、中東、南美、中亞－俄羅斯和亞太五大戰略合作區。從目前合作現狀來看，傳統的非洲和中東地區占據了我國石油合作項目的主要比例。從評價結果看，不能忽視政治環境更為穩定、基礎設施條件良好、資源基礎具備一定實力的經濟較發達的油氣資源國。進入發展中國家與進入發達國家，應該採取有區別的商業思維和戰略決策原則，還需要考量包括決策思維、企業行為、社會責任以及公共利益最大化等因素。

最後，國際石油合作潛力評價是一項動態評價。資源國各項指標數值隨時都有可能發生變化；待評價資源國的對象范圍也會隨著國際石油市場的瞬息變幻而發生改動。另外，從我國石油公司進行國際石油合作的目的來分析，國際石油合作潛力評價的重點和角度也不是一成不變的。這些因素都需要在確立指標體系和待評價資源國對象范圍時進行更新修正，從而確保國際石油合作潛力評價結果的科學性和有效性。

參考文獻

［1］何賢傑，盛昌明，劉增潔，等.石油安全評價指標體系初步研究［M］.北京：地質出版社，2006：81～82.

［2］陳芙蓉，安海忠，雷涯鄰.國際油氣資源合作環境評價與排序［J］.山西財經大學學報.2007，29（2）：21～22.

［3］Daniel Johnston 【美】 著.朱起煌，馬愛山，張會中，等譯.國際油氣財稅制度與產品分成合同［M］.北京：地震出版社，1999.

［4］王妍娉.石油企業海外投資的政治風險分析［J］.國際經濟合作，2006，12：12～14.

［5］王越.非洲油氣資源現狀及投資環境分析［J］.中國礦業，2008，17（11）：8～11.

［6］童曉光，竇立榮，田作基，等.21世紀初中國跨國油氣勘探開發戰略研究［M］.北京：石油工業出版社，2003.

［7］宋國明.2009/2010年度全球礦業投資環境調查評估［J］.世界有色金屬.2010，7：26～27.

［8］Fraser Institute.Survey of mining companies annual－2010/2011［R］.2011，3.

［9］國家發展和改革委員會能源局，中國石油集團經濟技術研究院.世界油氣投資環境指南［R］.2007.

［10］BP.Statistical Review of World Energy，2011.