基于4.2节对多因素加权综合评价方法的分析，本书选择了主成分分析法和熵值法对41个样本国家1983—2008年的经济开放度进行综合评价。
1.对于计算过程中一些问题的说明
在计算过程中笔者遇到了技术上的难题：主成分分析法和熵值法一般都是基于一维数据的，但本书的数据却是二维的面板数据，而到目前为止还没有针对二维面板数据的主成分分析法和熵值法。所以，笔者需要对主成分分析法和熵值法进行一定的改进，以适应本书的需要。
因为使用这两种方法的基本思想是，一个经济开放指标数据在不同样本之间的差别越大，就说明这个指标在综合指标体系中更加重要，所以，本书需要基于截面数据计算经济开放度。但是，基于截面数据计算经济开放度有可能导致计算结果在时间维度上不可比。反过来，如果利用时间序列数据计算经济开放度，那么将面临两个问题：一个问题是，指标数据在时间序列上的变化可能反映的是该国在该领域的开放过程，但并不能说明该指标在指标体系中的相对重要性；另一个问题是，利用时间序列进行计算可能导致在样本国家和地区之间的经济开放度计算结果具有不可比性。基于这些原因，本书对面板数据在时间维度上进行平均，获得26年平均值的截面数据，然后利用该截面数据计算在主成分分析法和熵值法条件下各指标的权重，并假定这些权重，也即各指标在经济开放度综合指标中的重要性不随时间变化。这个假定是可以接受的，而且这样使本书可以分析经济开放度随时间而发生的变化。
本书在计算过程中遇到的第二个难题来自主成分分析法的计算原理。主成分分析法的基本原理是对原数据的坐标进行平移和旋转，以寻找离散程度最大的方向作为主成分来达到降维的目的，并利用较少的维度来表示原来数据的离散信息。这样就导致了利用主成分分析法计算得到的各指标的权重数据的绝对大小在一定意义上失去了原来的作用，所以利用主成分分析法得出的综合评价结果只能进行大小排序，而其绝对大小却失去了意义。本书利用主成分分析法计算得到的很多权重和最终经济开放度结果都是负值，这是没有解释意义的。虽然通过数据转化可以将这些数据转化为我们所熟悉的从0到100%的数据，但是这种转化要建立在对上下阈值的假定上，而这会进一步导致误差。另一方面，利用熵值法计算得到的经济开放度结果是比较符合我们的先验认识的，虽然也需要进行转化才能和我们的认识习惯完全一致（即开放度区间为0—1或0—100%）。不过，由于利用熵值法得到的直接数据就能够满足本书分析和进一步进行计量研究的需要，所以在这里不对这些数据进行转化，而是直接进行分析。而且由于熵值法结果更加符合本书的需要，所以尽管在本章的分析中继续使用主成分分析法得出的结果作为对照，本书在后面章节的分析中则以熵值法结果为主进行分析。
由于在当前文献中，对经济开放度的研究同时关注贸易开放度、金融开放度和综合经济开放度，因此本书同时对这3个指标进行计算。其中，贸易开放度计算采用了货物出口、货物进口、一般服务出口、一般服务进口、金融服务出口、金融服务进口6个指标；金融开放度的计算采用了金融服务出口、金融服务进口、FDI流出、FDI流入、权益证券流出、权益证券流入、债务证券流出、债务证券流入、银行信贷资金流入、银行信贷资金流出10个指标。贸易开放度指标体系和金融开放度指标体系中同时包括了金融服务出口和金融服务进口两个指标，这也是两种开放度指标之间相互关联的一个重要渠道。
2.利用两种方法计算到的经济开放度测度结果(www.xing528.com)
由于计算结果数据量很大，所以这里只列示41个样本国家和地区1985、1990、1995、2000、2005和2008年的综合经济开放度测度结果和排名。基于主成分分析法和基于熵值法计算得到的结果和排名分别见表4.3和表4.4。
表4.3 主成分分析法综合经济开放度排名
续表
表4.4 熵值法综合经济开放度排名
续表
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
