因子分析与有序样本聚类的综合评价模型：辽宁省区域经济实证研究

本文主要探讨了一种创新的综合评价模型，即基于多元统计分析的FAOSCEM（Factor Analysis & Optimal Segmentation of Comprehensive Evaluation Model），由张谢谊和包研科两位学者在辽宁工程技术大学理学院提出。该模型旨在通过结合因子分析和Fisher有序样本聚类法，对复杂的经济指标体系进行有效简化和综合评估。 FAOSCEM的关键步骤包括： 1. 指标体系简化：利用因子分析方法，将众多经济指标转化为少数几个公共因子，这有助于减少冗余信息，提高模型的可解释性和效率。 2. 指标权重构建：通过对公共因子的方差贡献进行分析，确定每个指标在综合评价中的权重，确保了各个指标的重要性得到量化。 3. 样品分类与等级划分：通过在综合得分基础上应用Fisher有序样本聚类法，对不同地区的经济发展水平进行细致的分类和等级划分，使得评价结果更具层次性和准确性。 作者以辽宁省14个市的区域经济发展水平为例，展示了FAOSCEM的实际应用。研究过程涉及数据预处理（标准化）、相关性分析、以及特征值和贡献率的计算，这些步骤共同构建了一个系统的综合评价框架。 这种模型的提出对于政策制定者、经济学家以及区域规划者具有重要的参考价值，因为它能够提供一个科学、客观的方法来评估和比较不同地区的发展水平，从而帮助决策者针对特定区域提出有针对性的发展策略。同时，FAOSCEM模型也展现了统计分析在解决实际经济问题中的强大应用潜力，为未来的经济评价研究提供了新的思路和技术手段。