CEI：一个新的衡量城市商业信用风险的指标

“比例”表示特定特征向量可以解释的数据中方差的比例（或百分比），“累积”表示当前特征向量（包括当前特征向量）之前的所有特征向量在数据中的累积方差比例。YYYYY3 YYY3 YYY4 YYYY5 YYY5 YYY5 YY5 YY5 YY5 YYY5 YYY5 YY5 Y5 YY5 YY5 YY3 Y3 YYYY5 Y5 Y5 Y5 Y6 Y6 Y6 Y6 Y6 Y5 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y5 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 Y6 586 0.721443表四协方差特征向量表中的矩阵。二、变量缩写遵循与表中相同的规则。主成分的最大数量可以与自变量的数量相同。FirstPrincipal组件反映了“整体响应强度”。剩下的主成分可以自动计算，它们可能没有实际意义。在给定的约束条件下，每个后续组件都必须具有最高的可能方差，这与之前的组件是正交的。主成分的结构公式表示为：Z=pXiaiui。（4） 其中p是原始自变量的数量。Ai是反映其变量对主成分影响程度的系数。Ui是变量i的标准值。由于主成分分析对变量的相对尺度敏感，所以在对每个评估分数进行归一化后，计算协方差矩阵。结果可以在表中找到。二、协方差矩阵的特征值和特征向量可在表中找到。分别为III和IV。从桌子上。三、 我们注意到最大特征值2.0534对应于第一主成分（Y1）。Igenvector Y1返回第一个主成分中涉及条款的系数。

因此，基于第一主成分（表示为Z1）的评估分数可以用公式（5）表示：Z1=0.244189* LCH- 0.210139* ET P+0.496945* SY S+0.526149* GOV+0.310926* DIS+0.525120* 埃杜。（5） 其中，LCH（我们的原始变量）是根据creditlaunch因子按类别CEI进行的官方城市排名。其他人也是如此。六个指标值中的其他主成分的表达式也可以用同样的方式轻松实现。主成分得分（Zi）可以据此计算。确定是否保留或丢弃组件的一个可能标准是该组件所占数据差异的比例（或百分比）。例如，您可能决定保留模型中占总方差至少15%或20%的任何组件，并删除其他组件。使用以下简单公式定义和计算该比例：比例=相关矩阵的总特征值组成部分的特征值。（6） 在主成分分析中，“相关矩阵的总特征值”与被分析变量的总数相等，因为每个变量为分析贡献一个方差单位。因此，分量的特征值越大，该分量在数据中所占的方差比例就越大。例如，特征值为2.0534的第一个pincipal分量约占2.0534/6~ 数据中34%的信息。接下来是第二个pincipal组件，它负责~数据差异的19%。我们还绘制了图1中前两个主成分Y1和Y2的所有六个指数的特征向量。由于第一个钳形组件的重量几乎是第二个钳形组件的两倍，因此最具影响力的指数由Y1中每件的系数决定。

在Y1中，GOV（ZF层面的信用监控）和EDU（信用教育状态）的贡献大致相等，因此它们是建模总体CEI的最具影响力的指数。图1。本研究涉及的头两个枕部成分Y1、Y2的六个指数的系数。水平轴表示Y1，垂直轴表示Y2。根据图2中的第一个主成分，还呈现了分数散点图。为了使我们的分数直接与官方的总体CEI相比较，我们采用简单的转换将原始Z1值放大到预期的CEI范围。由于我们的中国同事收集的数据的固有性质，我们没有用英文标注所有284个城市。分数的形成是为了更高的值表示更好的信用环境。例如，佛山、上海、南通和北京是我们研究的前四个城市。为了检验我们分析的有效性，需要与官方整体CEI进行比较。我们通过绘制我们的研究和来自中国的所有284个参与大陆城市的官方总体CEI之间的等级差异，将这种比较可视化。可以在图3中找到该图。同样，数据点的整体模式比这些点对应的城市名称重要得多，我们不会用英语标注城市名称。在图3中，横轴表示官方CEI值，纵轴表示等级差异。与284个城市中的大多数城市相比，数据点的排名差异在±50以内。排名差异=（按官方总体CEI排名）- （我们的排名是Z1）。（7） 对应的排名差异条形图如图4所示。

为了进一步检验我们的研究与官方CEI结果之间的一致性，我们进行了配对差异检验。在统计学中，配对差异检验是一种定位检验，用于比较两组测量值以评估其总体均值是否不同。Wilcoxon符号秩检验是一种非参数统计假设检验，用于比较两个相关样本、匹配样本或单个样本的重复测量，以评估其总体平均秩是否不同。在本研究中，在没有正态性和独立性假设的情况下，使用Wilcoxon符号秩检验来测试两组测量值（即计算的CEI和官方CEI）之间的显著差异。Wilcoxon符号秩检验的结果可在表中找到。V.我们倾向于接受无效假设。也就是说，接受这两组测量结果没有差异。位置测试：Mu0=0测试-统计---p值---学生的t 0 Pr>|t | 1.0000M 17 Pr≥ |M | 0.0484签名排名S 1699 Pr≥ |S | 0.2108表五：威尔科克森符号秩检验的结果。四、 进一步讨论Wilcoxson符号秩检验表明我们的研究与官方CEI结果一致。虽然我们只使用第一个pincipal组件来建模我们的分数，但结果已经非常有说服力和解释性。一个可能的潜在研究可能是包括更多的枕部成分，看看是否可以获得任何改善。

我们把这个话题推迟到未来研究。我们已经从桌子上知道了。III如果包含前四个主要成分，则累积比例高达82%，这在任何情况下都足以得出任何有力结论。当ChinaCEI研究小组计算官方中国城市CEI时，采用加权线性求和法，以包括各种来源的贡献。如前所述，确定权重是一个相当主观的过程，尽管采用了高级层次分析法（AHP）来最小化影响。信用启动指数权重为0.304075，企业风险管理权重为0.141675，信用报告体系建设权重为0.068975，政府信用监督权重为0.1253，失信/失信权重为0.1853，信用教育权重为0.082475。虽然企业经验的权重为0.0922，但2012年中欧国际标准中没有该指数的任何分类中欧数据（或分类城市排名），这就是为什么我们在研究中只包括六个平均一级指数。实现的一致性也意味着中国CEI研究小组分配的权重是合理的。读者可能已经从图3中注意到，在284个参与中国城市的“排名差异=图2（中文城市标签）得分图”上方有明显更多的城市。横轴是Z1（第一分量值）到得分（得分=-11×Z1+61），其中Z1通过式（5）计算。Z1的线性转换是将我们的分数控制在30-100之间，这与处于相同范围的官方CEI相当。图3。（中文城市标签）284个参与中国城市的排名差异图。横轴为有效值，纵轴为通过式（7）图4计算的秩差。

等级差异的频率图。0”参考线，这可能表明，如果有，官方CEI表现出一种有趣的趋势，即略微“高估”中国城市商业信用环境的好处。这一有趣的特征也可以从图4中轻松捕捉到，图4中的瓜斯形条纹中心位于零的右侧。一个类似于美国的简单例子表明，这种分布是完全不同的~20个城市排名。如果有，这个有趣的趋势将为我们提供一个新的方向，进一步调整我们指定的因子权重和/或改进我们未来的模型。此外，城市排名的顺序也各不相同~ 30在两种不同的情况下，这可以通过我们的高斯函数的标准差来估计。排名的这种依赖模型的特征表明，在足够小的排名范围内（比如30），城市排名的指示性较小，因此我们无法得出任何关于一个城市是否比另一个城市更好/更差的明确结论。V.SUMMARYCEI旨在全面反映城市商业信用环境的各个方面。出于实际原因，CEI需要考虑信用信息收集的可行性和数据的权威性。CEI是基于多个因素（称为索引）构建的，这些因素分为三大类。我们通过主成分分析技术，利用六个一级指标中的每一个对城市进行分类排名的独立统计研究。我们能够同时构建一个独立的CEI，反映所有284个参与中国大陆城市商业信贷环境的一些特征。

本文前一节中的研究与官方CEI结果的一致性表明，CEI是量化和评估中国大陆城市商业环境现状的有力工具。根据我们的研究，政府层面的信用监控服务和信用教育状况是CEI建模中最具影响力的两个指标。重要因素的提取为未来的政策制定提供了指导，以便在中国大陆主要城市建立一个更好的整体商业信用环境。六、 致谢我们感谢中国CEI研究集团给予我们参与中国公民研究的机会，并为我们的分析提供数据。我们感谢CEI研究小组的宝贵意见，以及与林俊岳教授的有趣讨论[1]林杰，社会信用体系原理（中国创业出版社，2003年）。[2] 中文版《中国城市商业环境指数官方报告》（2010年），http://www.chinacei.org（中国CEI官方网站）。[3] 中国商业中欧倡议研究小组，《中欧倡议蓝皮书：2012年中国城市商业信用环境指数》（2012）第20-21页。[4] 浦学军、韩建军，中国商务出版社，2011年第6期。[5] 徐国强，统计指标理论与应用，博士论文，中国统计出版社（2004）。[6] 林俊杰，《金融与贸易经济学》，2012年第2期，第14期。[7] G.Bertola，R.Disney和C.B.Grant，《消费信贷经济学》（麻省理工学院出版社，2006年）第347-358页。[8] H.Abdi和L.J.Williams，《威利跨学科评论：计算统计学》，2433（2010）。[9] R.Woolson，威利临床试验百科全书（1998年）。