购买
下载掌阅APP,畅读海量书库
立即打开
畅读海量书库
扫码下载掌阅APP

2.4 浙江省县(市、区)政府廉洁反腐败的公众感知指标权重的确定

指标的权重是各项指标在测评体系中具有不同的重要性程度,是主观评价和客观反映的综合度量。指标的权重取决于三方面:一是各指标本身在评价中的作用,反映了客观差异;二是评价者对该指标的重视程度,反映了主观差异;三是各指标的可靠程度,反映了各指标所提供的信息的可靠性不同。

我们采用主成分分析法对县(市、区)政府廉洁反腐败的公众感知指标体系中各个指标进行分析,计算每个指标的权重。主成分是通过一些较小数量指标(因子)代替原来较多的指标,新的指标是原来指标的线性组合,并能充分载有原指标的信息量,起到降维作用。新指标对原来信息的反映程度即为权重。核心思想是通过主成分分析,以每个主成分的方差贡献率作为权重,来构建综合评价函数。该方法客观性强,避免了人为赋权造成的偏差。

2.4.1 一级指标的权重确定

我们分别对制度完备、程序公正、结果公平、业务规范、作风正派、行为正义、文化清明和结果显著等 8 个方面的指标进行因子分析,得到主成分的方差贡献率、公因子方差和成分矩阵。

由表 2.11、表 2.12、表 2.13 可见,县(市、区)政府廉洁反腐败的公众感知指标制度完备的五个指标可以提取一个特征值大于 1 的因子,并且这个因子解释了总方差的 44.747%。

表 2.11 公因子方差(制度完备)

提取方法:主成分分析。

表 2.12 成分矩阵(制度完备)

提取方法:主成分分析。

表2.13 解释的总方差(制度完备)

提取方法:主成分分析。

表 2.14、表 2.15 和表 2.16 显示,县(市、区)政府廉洁反腐败的公众感知指标一级指标程序公正的五个二级指标可以提取两个特征值大于 1 的因子,两个因子分别解释了总方差的 35.051%和 22.336%,累积解释了总方差的 57.387%。

表 2.14 公因子方差(程序公正)

提取方法:主成分分析。

表 2.15 成分矩阵(程序公正)

提取方法:主成分分析。

表2.16 解释的总方差(程序公正)

提取方法:主成分分析。

表 2.17、表 2.18 和表 2.19 显示,县(市、区)政府廉洁反腐败的公众感知指标一级指标结果公平的五个二级指标可以提取两个特征值大于 1 的因子,两个因子分别解释了总方差的 33.592%和 20.845%,累积解释了总方差的 54.437%。

表 2.17 公因子方差(结果公平)

续表

提取方法:主成分分析。

表 2.18 成分矩阵(结果公平)

提取方法:主成分分析。

表2.19 解释的总方差(结果公平)

提取方法:主成分分析。

表 2.20、表 2.21 和表 2.22 显示,县(市、区)政府廉洁反腐败的公众感知指标的一级指标业务规范的五个二级指标可以提取一个特征值大于 1 的因子,这一因子解释了总方差 44.576%。

表 2.20 公因子方差(业务规范)

提取方法:主成分分析。

表 2.21 成分矩阵(业务规范)

提取方法:主成分分析。

表2.22 解释的总方差(业务规范)

提取方法:主成分分析。

表 2.23、表 2.24 和表 2.25 显示,县(市、区)政府廉洁反腐败的公众感知指标的一级指标作风正派的五个二级指标可以提取一个特征值大于 1 的因子,这一因子解释了总方差的 47.541%。

表2.23 公因子方差(作风正派)

提取方法:主成分分析。

表 2.24 成分矩阵(作风正派)

提取方法:主成分分析。

表2.25 解释的总方差(作风正派)

提取方法:主成分分析。

表 2.23、表 2.24 和表 2.25 显示,县(市、区)政府廉洁反腐败的公众感知指标的一级指标行为正义的五个二级指标可以提取一个特征值大于 1 的因子,这一因子解释了总方差的 46.923%。

表2.26 公因子方差(行为正义)

提取方法:主成分分析。

表 2.27 成分矩阵(行为正义)

提取方法:主成分分析。

表2.28 解释的总方差(行为正义)

续表

提取方法:主成分分析。

表 2.29、表 2.30 和表 2.31 显示,县(市、区)政府廉洁反腐败的公众感知指标一级指标文化清明的五个二级指标可以提取两个特征值大于 1 的因子,两个因子分别解释了总方差的 34.933%和 20.491%,累积解释了总方差的 54.437%。

表 2.29 公因子方差(文化清明)

提取方法:主成分分析。

表 2.30 成分矩阵(文化清明)

提取方法:主成分分析。

表 2.31 解释的总方差(文化清明)

提取方法:主成分分析。

表 2.32、表 2.33 和表 2.34 显示,县(市、区)政府廉洁反腐败的公众感知指标的一级指标成效显著的五个二级指标可以提取一个特征值大于 1 的因子,这一因子解释了总方差的 42.129%。

表2.32 公因子方差(成效显著)

提取方法:主成分分析。

表 2.33 成分矩阵(成效显著)

提取方法:主成分分析。

表2.34 解释的总方差(成效显著)

提取方法:主成分分析。

2.4.2 评估目标层权重的确定

我们对县(市、区)政府廉洁反腐败的公众感知指标体系的制度完备、程序公正、结果公平、业务规范、作风正派、行为正义、文化清明和成效显著 8 个方面的一阶因子分析之后的结果进行二阶因子分析,得到主成分的方差贡献率、公因子方差和成分矩阵。

由表 2.35 可见,Kaiser-Meyer-Olkin度量值为 0.863,大于 0.7,并且Bartlett的球形度检验具有显著性,因而,我们的县(市、区)政府廉洁反腐败的公众感知指标体系的制度完备、程序公正、结果公平、业务规范、作风正派、行为正义、文化清明和成效显著等 8 个一级指标是适合做因子分析的。

表 2.35 KMO和Bartlett的检验

表 2.36、表 2.37 和表 2.38 显示,县(市、区)政府廉洁反腐败的公众感知指标的 8 个一级指标可以提取两个特征值大于 1 的因子,两个因子分别解释了总方差的 38.520%和 18.273%,累积解释了总方差的 56.792%。

表 2.36 公因子方差

提取方法:主成分分析。

表 2.37 解释的总方差

续表

提取方法:主成分分析。

表 2.38 成分矩阵a

提取方法:主成分分析。 mLuZ/LU2l2kefGP6KHSAiHr8KDqXIFMDmwD474d0glNgEzTWB44lE7dOFTh9kPL+

点击中间区域
呼出菜单
上一章
目录
下一章
×