相关分析与主成分分析在执法评估结果中应用.docVIP

相关分析与主成分分析在执法评估结果中应用 　　内容摘要:本文运用统计学原理,从相关分析和主成分分析的角度,对直属海关的总体评价得分与业务模块评价得分、评价指标得分之间的关系进行探讨。目的是分析业务模块和评价指标得分的数据特征,探索准确把握业务薄弱环节,有效提高综合评价得分,切实防控执法风险的途径。 　　关键词:综合评价;海关;执法风险 　　 　　前,海关信息化建设产生了巨大的数据流,人们很难直观地对这些数据进行准确、高效的判断和利用。因此,在海关统计工作中,为了更好地做好统计监测预警,为决策者快速、准确做出决策提供支持,同时提高海关运作效率,降低廉政风险,就需要一种新的数据分析技术来处理数据。本文从相关分析和主成分分析的角度,对直属海关的总体评价得分与业务模块评价得分、评价指标得分之间的关系进行探讨,探索准确把握业务薄弱环节,有效提高综合评价得分,切实防控执法风险的途径。 　　一、综合评价得分与业务模块评价得分的相关分析与主成分分析 　　综合评价结果中,有35个海关的业务模块综合评价得分无缺失,本文选取这35个直属海关的评价得分结果进行相关分析与主成分分析。 　　(一)业务模块基本状况分析 　　1.各业务模块之间发展不平衡 　　从5个业务模块评价得分均值来看,加工贸易和价格管理评价得分均值明显高于其他模块,分别为95.33分、94.33分;通关布控和税收征管评价得分均值分别为90.7分、91.03分,尚有一定的提升空间;监管查验评价得分均值最低,为87.42分。各业务模块得分均值有较明显差异,反映出业务模块之间发展水平不平衡。 　　2.各业务模块下直属海关之间发展不平衡 　　从各直属海关之间得分差距来看,通关布控评价标准差系数最高,为10.42%,其次加工贸易评价标准差系数为8.39%,价格管理评价标准差系数最低,为3.68%。各业务模块下,直属海关发展水平差异程度不同,从大到小依次为:通关布控、加工贸易、监管查验、税收征管、价格管理。此外,从业务模块评价得分极差(最大值与最小值之差)也可以看出,加工贸易和通关布控模块下,各关评价得分差异最大。 　　(二)相关分析 　　通过对样本评价得分的相关分析,可以发现,总体评价和通关布控、监管查验评价之间的皮尔逊相关系数(Pearson Correlation Coefficients)分别为0.822、0.8105,显著性水平均小于0.0001,表明通关布控、监管查验评价和总体评价相关程度较高,变动趋势关联性较明显;通关布控与监管查验评价之间相关系数为0.679,显著性水平小于0.0001,反映了通关布控与监管查验之间也有明显的相关关系,这一结果与海关的监管要求相吻合。实际工作中,布控是查验的前提,查验是对实货布控的落实,两者紧密相关。 　　(三)主成分分析 　　主成分分析常用指标有:相关矩阵的特征值(Eigenvalue)、贡献率(Proportion)和因子载荷量。相关矩阵的特征值用来反映主成分包含信息的多少;贡献率用来反映主成分包含信息的比例。特征值和贡献率越大,它所对应的主成分包含的信息量越多。主成分与原变量间的相关系数成为因子载荷量,其在主成分中的绝对值大小用来刻画该主成分的主要意义及其组成因素。 　　从特征值可以看出,第一主成分的贡献率为0.3671,第二主成分的累计贡献率(Cumulative)为0.5981,第三主成分的累计贡献率为0.7903,第四主成分的累计贡献率为0.9412,即上述4项分别包含了36.71%、59.81%、79.03%和94.12%的信息。 　　前4个主成分包含的信息量超过了94%,因此可以用前4个主成分来进行分析。 　　根据特征向量,第一主成分至第四主成分分别可以表示为: 　　Prin1=0.6404x1+0.2028x2+0.36x3-0.0514x4+0.6454x5 　　Prin2=0.1974x1+0.3946x2-0.4659x3+0.767x4+0.0011x5 　　Prin3=-0.1704x1+0.8534x2+0.3392x3-0.1888x4-0.3033x5 　　Prin4=-0.2128x1-0.2227x2+0.7259 　　x3+0.6103x4-0.0752x5 　　其中,Prin1至Prin4分别表示第一主成分至第四主成分,x1至x5分别表示监管查验评、加工贸易、价格管理、税收征管和通关布控评价。 　　因子载荷量的绝对值越大,说明该主成分受该指标的影响也就越大。因此,决定第一主成分大小的主要是通关布控和监管查验,其因子载荷量分别为0.8743、0.8676,显著性水平均小于0.0001;决定第二主成分大小的主要是税收征管,因子载荷量为0.8244,显著性水平小于