经济增长质量评价方法的探析

经济增长质量评价方法建立在对其内涵理解的基础上，狭义层面上的经济增长质量被视为全要素生产率，对经济增长质量的评价即是对全要素生产率的量化测算。全要素生产率的测算方法可大致分为两类：参数方法和非参数方法。参数方法包括索洛余值法、扩展索洛余值法、随机前沿生产函数法；非参数方法包括指数法、数据包络分析法。

（一）相对指数法

相对指数法的原理是将一系列指标转变为可比的指数形式，然后进行简单加总或加权加总来评价的一种统计学方法。若采用的是简单算术平均值则意味着各个指标是等权重的，此假定一来未考虑各个指标之间可能存在的高度相关性，二来也主观认定各具体指标在经济增长质量中的作用是同等重要且恒定不变的。采用加权算术平均数也会遇到这种权重结构问题。相对指数法的优势在于对样本容量和指标数目没有要求，其缺点是无法反映部分指标之间的高度相关性，无法进行指标约简，且权重的获得凭借的是主观经验。

（二）层次分析法

层次分析法是运用多因素分层处理从而确定每个因素权重的方法，研究者通过构造判断矩阵获得对各指标相对重要程度的认识，进而对权重赋值。因而权重在很大程度上依赖于人们的主观经验，它往往只能排除思维过程中的严重非一致性，但却无法排除单个决策者可能存在的严重片面性。此外，这种方法要求的定量数据少，定性成分多，是一种定性与定量结合的评价方法，其判断过程比较粗糙，不适用于精度要求较高的问题，尤其是当指标偏多时，由于判断矩阵规模庞大，导致计算量成倍增加，甚至可能无法通过一致性检验，致使权重无法确定。

（三）熵值法

熵值法是借用信息熵的概念来描述各个指标值的变异程度，从而确定各指标权重。它属于客观赋权方法，这样避免了人为因素带来的偏差，但同时忽略了指标本身的重要程度，可能会导致确定的指标权重与预期结果相去甚远，同时它不能很好地反映相关指标之间的关系，无法进行指标约简。(www.xing528.com)

（四）因子分析法

因子分析法是利用降维的思想，在尽可能保留原始数据信息的前提下，将原始变量分解为公共因子和特殊因子两部分，从而实现对统计数据的简化处理。因子分析法的优点在于能够进行指标约简，避免指标之间的高度相关性，而且属于客观赋权。其不足之处一是当样本较小时误差较大甚至有可能无法通过统计检验；二是无法准确描述各个维度指标的具体变化情况，只能获得公共因子的变动趋势，而且公共因子的经济含义不明显，经济解释能力较差。

（五）主成分分析法

主成分分析法和因子分析法一样，也是利用降维的思想，在信息损失很少的前提下，将多个相关性指标约简为少数几个综合指标。与因子分析法中的因子不同，主成分分析法中的主成分是各个原始变量的线性组合。主成分分析法的优点在于一是能够进行指标约简，降低指标维数；二是权重的获得是根据数据自身特征而非研究者的主观判断；三是能获取构成经济增长质量各个维度指标的量化结果，所形成的权重结构可以充分说明经济增长质量各维度各具体指标对于形成总指数的贡献率大小，经济解释能力较强。

主成分分析法与因子分析法一样，都属于多元线性回归方法，是经济增长质量评价问题中的常用方法，然而在中国经济增长质量评价的具体实践中却受到一些限制，主要归结为以下两点：其一，中国经济增长质量评价指标体系中指标之间普遍存在着多重相关性，这会严重影响多元线性回归模型的参数估计，扩大模型误差，破坏模型的稳健性；其二，多元线性回归方法对样本容量要求较高。为保证良好的统计有效性，一般要求样本量n≥30，这与中国经济增长质量评价问题中数据的小样本特征不匹配；再者，若评价指标个数较多，则为了保证统计有效性，不得不筛选掉一些具有较大解释作用的指标，造成信息损失，模型精度与评价效果变差。