因子比较（精选八篇）
因子比较 篇1
1 探索性因子分析和验证性因子分析相同之处
两种因子分析都是以普通因子分析模型作为理论基础,其主要目的都是浓缩数据,通过对诸多变量的相关性研究,可以用假想的少数几个变量(因子、潜变量)来表示原来变量(观测变量)的主要信息。图1所示即为最简单、也最为常见的因子模型,每个观测变量(指标)只在一个因子(潜变量)上负荷不为零,x1、x2、x3是潜变量ξ1的指标,x4、x5是潜变量ξ2的指标。
将图1所示的因子模型推广至一般意义上的因子模型后,各观测变量xi与m个公共因子ξ1,ξ2,…,ξm之间的关系可以用数学模型表示如下:
x1=λ11ξ1+λ12ξ2+…+λ1mξm+δ1
…… ………
xk=λk1ξ1+λk2ξ2+…+λkmξm+δk
其中:xi为各观测变量;ξi是公共因子;δi是xi的特殊因子,有时也称误差项,包括xi的唯一性因子和误差因子两部分;λij是公共因子的负载;m是公共因子ξ1,ξ2,…,ξm的个数,k是各观测变量x1,…,xk的个数,m
上式也可以简单地用矩阵表示如下:x=Λxξ+δ
其中:
x=(x1,x2,…,xk)T,ξ=(ξ1,ξ2,…,ξm)T,δ=(δ1,δ2,…,δk)T
,是负载矩阵
2 探索性因子分析和验证性因子分析的差异之处
2.1 基本思想不同
因子分析的基本思想是要寻找公共因子,以达到降维的目的。探索性因子分析主要是为了找出影响观测变量的因子个数,以及各个因子和各个观测变量之间的相关程度,以试图揭示一套相对比较大的变量的内在结构。研究者的假定是每个指标变量都与某个因子匹配,而且只能通过因子载荷凭知觉推断数据的因子结构。而验证性因子分析的主要目的是决定事前定义因子的模型拟合实际数据的能力,以试图检验观测变量的因子个数和因子载荷是否与基于预先建立的理论的预期一致。指标变量是基于先验理论选出的,而因子分析是用来看它们是否如预期的一样。其先验假设是每个因子都与一个具体的指示变量子集对应,并且至少要求预先假设模型中因子的数目,但有时也预期哪些变量依赖哪个因子。
2.2 应用前提不同
探索性因子分析没有先验信息,而验证性因子分析有先验信息。探索性因子分析是在事先不知道影响因子的基础上,完全依据样本数据,利用统计软件以一定的原则进行因子分析,最后得出因子的过程。在进行探索性因子分析之前,不必知道要用几个因子,以及各因子和观测变量之间的关系。在进行探索性因子分析时,由于没有先验理论,只能通过因子载荷凭知觉推断数据的因子结构。上述数学模型中的公共因子数m在分析前并未确定,而是在分析过程中视中间结果而决定,各个公共因子ξi统一地规定为均影响每个观测变量xi。在管理研究中,如仅仅从数据出发,很难得到科学的结果,甚至可能与已有的理论或经验相悖。因此,探索性因子分析更适合于在没有理论支持的情况下对数据的试探性分析。这就需要用验证性因子分析来做进一步检验[4]。而验证性因子分析则是基于预先建立的理论,要求事先假设因子结构,其先验假设是每个因子都与一个具体的指示变量子集对应,以检验这种结构是否与观测数据一致。也就是在上述数学模型中,首先要根据先验信息判定公共因子数m,同时还要根据实际情况将模型中某些参数设定为某一定值[5]。这样,验证性因子分析也就充分利用了先验信息,在已知因子的情况下检验所搜集的数据资料是否按事先预定的结构方式产生作用。
2.3 理论假设不同
探索性因子分析的假设主要包括:①所有的公共因子都相关(或都不相关);②所有的公共因子都直接影响所有的观测变量;③特殊(唯一性)因子之间相互独立;④所有观测变量只受一个特殊(唯一性)因子的影响;⑤公共因子与特殊因子(唯一性)相互独立。验证性因子分析克服了探索性因子分析假设条件约束太强的缺陷,其假设主要包括:①公共因子之间可以相关,也可以无关;②观测变量可以只受一个或几个公共因子的影响,而不必受所有公共因子的影响;③特殊因子之间可以相关,还可以出现不存在误差因素的观测变量;④公共因子与特殊因子之间相互独立[7]。
2.4 分析步骤不同
探索性因子分析主要有以下七个步骤:①收集观测变量:通常采用抽样的方法,按照实际情况收集观测变量数据。②构造相关矩阵:根据相关矩阵可以确定是否适合进行因子分析。③确定因子个数:可根据实际情况事先假定因子个数,也可以按照特征根大于1的准则或碎石准则来确定因子个数。④提取因子:可以根据需要选择合适的因子提取方法,如主成分方法、加权最小平方法、极大似然法等。⑤因子旋转:由于初始因子综合性太强,难以找出实际意义,因此一般都需要对因子进行旋转(常用的旋转方法有正交旋转、斜交旋转等),以便于对因子结构进行合理解释。⑥解释因子结构:可以根据实际情况及负载大小对因子进行具体解释。⑦计算因子得分:可以利用公共因子来做进一步的研究,如聚类分析、评价等。
而验证性因子分析主要有以下六个步骤[8]:①定义因子模型:包括选择因子个数和定义因子载荷。因子载荷可以事先定为0、或者其它自由变化的常数,或者在一定的约束条件下变化的数(比如与另一载荷相等)。②收集观测值:根据研究目的收集观测值。③获得相关系数矩阵:根据原始资料数据获得变量协方差阵。④拟合模型:这里需要选择一种方法(如极大似然估计、渐进分布自由估计等)来估计自由变化的因子载荷。⑤评价模型:当因子模型能够拟合数据时,因子载荷的选择要使模型暗含的相关矩阵与实际观测矩阵之间的差异最小。常用的统计参数有:卡方拟合指数(χ2)、比较拟合指数(CFI)、拟合优度指数(GFI)和估计误差均方根(RMSEA)。根据Bentler(1990)的建议标准,χ2/DF≤3.0、CFI≥0.90、GFI≥0.85、RMSE≤0.05,则表明该模型的拟合程度是可接受的。⑥修正模型:如果模型拟合效果不佳,应根据理论分析修正或重新限定约束关系,对模型进行修正,以得到最优模型。
2.5 主要应用范围不同
探索性因子分析主要应用于三个方面:①寻求基本结构,解决多元统计分析中的变量间强相关问题;②数据化简;③发展测量量表。验证性因子分析允许研究者将观察变量依据理论或先前假设构成测量模式,然后评价此因子结构和该理论界定的样本资料间符合的程度。因此,主要应用于以下三个方面:①验证量表的维度或面向性(dimensionality),或者称因子结构,决定最有效因子结构;②验证因子的阶层关系;③评估量表的信度和效度。
2.6 探索性因子分析和验证性因子分析的正确用法
从上述分析可以看出,探索性因子分析和验证性因子分析是因子分析的两个不可分割的重要组成部分,在管理研究的实际应用中,两者不能截然分开,只有结合运用,才能相得益彰,使研究更有深度。Anderson,J.C.,Gerbin,D.W建议,在发展理论的过程中,首先应通过探索性因子分析建立模型,再用验证性因子分析去检验和修正模型[7]。探索性因子分析提供了发现模型以验证假设的概念和计算工具,其提供的结果为验证性因子分析建立假设提供了重要的基础和保证。两种因子分析缺少任何一个,因子分析都将是不完整的[9]。一般来说,如果研究者没有坚实的理论基础支撑,有关观测变量内部结构一般先用探索性因子分析,产生一个关于内部结构的理论,再在此基础上用验证性因子分析,这样的做法是比较科学的,但这必须要用两组分开的数据来做。如果研究者直接把探索性因子分析的结果放到统一数据的验证性因子分析中,研究者就仅仅是拟合数据,而不是检验理论结构。如果样本容量足够大的话,可以将数据样本随机分成两半,合理的做法就是先用一半数据做探索性因子分析,然后把分析取得的因子用在剩下的一半数据中做验证性因子分析。如果验证性因子分析的拟合效果非常差,那么还必须用探索性因子分析来找出数据与模型之间的不一致。
3 结束语
探索性因子分析和验证性因子分析是因子分析的两个不可分割的重要组成部分。这两种因子分析都是以普通因子模型为基础,但在基本思想、应用前提、理论假设、分析步骤和应用范围等方面均存在较大差异。实际应用时,通常需要将探索性因子分析和验证性因子分析结合起来使用,方能保证科学研究的严谨性、科学性。
摘要：探索性因子分析与验证性因子分析是因子分析的两种形式。它们都是以普通因子模型为理论基础,但两者之间也有区别,如在基本思想、应用前提、理论假设、分析步骤和应用范围等方面均存在较大差异。在管理研究中,使用因子分析时,应将这两种因子分析方法结合起来使用。
关键词：因子分析,探索性因子分析,验证性因子分析
参考文献
[1]李怀祖.管理研究方法论[M].西安:西安交通大学出版社,2004:214-215.
[2]马庆国.管理统计——数据获取、统计原理、SPSS工具与应用研究[M].北京:科学出版社,2003:315-336.
[3]HURLEY A E,SCANDURA T A,SCHRIESHEI M C A,etal.Exploratory and confirmatory factor analysis:guidelines,issues,and alternatives[J].Journal of Organizational Behavior(1986-1998),1997,18(6):667-683.
[4]周洪雨.验证性因素在测验修订上的应用[J].中国考试:研究版,2005(7):27-29.
[5]王权.国外实证性因素分析研究综述[J].心理科学,2000(23):353-354.
[6]姜勇.验证性因素分析及其在心理与教育研究中的应用[J].教育科学研究,1999(3):88-91.
[7]侯杰泰.结构方程模型及其应用[M].北京:教育科学出版社,2004:25-190.
[8]陈明亮.结构方程建模方法的改进及在CRM实证中的应用[J].科研管理,2004(2):70-75.
因子比较 篇2
关键词：商业银行；盈利能力；因子分析；比较研究
Abstract：The profit ability is of great importance for the commercial bank’s survival and development. The promotion of profit ability is the key to enhance the commercial bank’s competitive ability. The author conducts the comparison of the chinese and foreign commercial banks’ profit ability with the aid of the SPSS software and factor analytic method， appraises objectively the disparity of the chinese and foreign commercial banks’ profit ability and draws the corresponding conclusions.
Key Words：commercial bank，profit ability，factor analytic method，comparison research
中图分类号：F830.33文献标识码：B文章编号：1674-2265（2009）04-0057-04
一、引言
英国《银行家》杂志发布的2007年度报告显示，全球1000家大银行中，中国商业银行在诸多反映盈利能力①的指标排名中都属于中等偏下水平，这反映了中国商业银行与国际大银行在盈利能力方面的巨大差距。在我国金融业全面开放形势下，面对外资银行的进入，如何提高盈利水平将是中国商业银行面临的最直接和最现实的挑战。
诸多学者从不同的角度研究了商业银行的盈利能力。孙文合（2005）利用杜邦模型对我国商业银行财务数据进行了实证分析；师萍（2000）利用沃尔比重法对我国企业盈利能力进行了分析。杜邦财务分析体系和沃尔比重评分法主要以事后评价为主，有一定的局限性，有可能会使公司过分地重视短期财务结果，不愿进行可能会降低当前盈利目标的资本投资，忽视追求长期战略目标。方芳（2005）利用网络分析法评价了商业银行的盈利能力，并从制度和组织结构的角度对商业银行的盈利能力进行了理论分析。但是如果仅仅用非财务指标进行分析，也存在较严重的缺陷，无法量化中外商业银行盈利能力的差距。
鉴于此，本文从一个新的角度，即借助SPSS软件使用因子分析法客观地评价中外商业银行盈利能力的差距。因子分析法是一种实用的多元统计方法，主要目的是浓缩数据，它通过研究众多变量之间的内部依赖关系来探求被观测数据中的基本结构，并用少数几个假想变量来表示该数据结构。
利用因子分析法对中外商业银行盈利能力进行比较研究，具有以下优点：第一，对指标进行了标准化处理，不仅消除了不同量纲对分析的影响，使指标间具有可比性和可加性，而且可以观察哪些方面处于平均水平之上，哪些方面处于平均水平之下。第二，消除了指标之间信息重叠对盈利能力综合评价的不良影响，评价结果更加合理可靠。因子分析法所得出的公共因子之间两两互不相关，消除了原指标之间的信息重叠现象。第三，在计算综合得分的时候，以方差贡献率为权数加权平均，避免了确定权数的随意性，较好体现了盈利能力评价的公正性和客观性。第四，既注重短期财务指标，又注重追求长期战略目标。
二、因子分析的过程②
本文选取我国11家主要商业银行为研究对象，它们是：工商银行，建设银行，中国银行，交通银行，招商银行，民生银行，中信银行，上海浦发银行，兴业银行，华夏银行和深圳发展银行。本文选取的国外商业银行是英国《银行家》杂志推出的“世界1000家大银行”中排名前十名的商业银行以及有代表性的国外著名商业银行。包括：汇丰银行，美洲银行，摩根大通银行，日本三菱银行，西班牙国家银行，巴黎银行，渣打银行。指标选取了较有代表性的12个指标，分别是：X1=人均利润，X2=资产总额，X3=资产收益率，X4=所有者权益，X5=资本收益率，X6=净利润总额，X7=净利息收入，X8=净利息收入占比，X9=职工人数，X10=营业净利率，X11=资产周转率，X12=净利息收益率。以上指标均利用2006年数据，其中国内银行数据来自《中国金融统计年鉴》，国际银行数据来自英国《银行家》杂志。
（一）将原始数据标准化
若原始指标的量纲或经济意义不同，将原始指标直接求得综合得分，将很难给予一个合理的经济解释；若原始指标变量数量级差较大，则变量值大的综合指标的影响也大。因此，在运用因子分析法时，通常需要对原始指标进行无量纲化处理。原始指标进行无量纲化处理的方法有很多种，本文采取标准化处理，公式为：
式中， ；
Yi 为指标标准化值；Xi 为指标初始值；为指标初始平均值；S为指标初始标准值；n为样本数。经过这样标准化变换并不改变变量之间的相关系数。
（二）求R的特征根极其相应的单位特征向量
通过SPSS软件进行相关关系分析，发现指标之间存在一定的相关性，特别是资产总额与所有者权益之间，净利润与净利息收入之间，资产收益率与资产周转率之间存在显著相关。表明这些指标之间存在信息重叠，但又只是部分信息重叠，如果直接用于分析，可能会带来严重的共线性问题，从而说明进行因子分析的必要性。
以主成份的方差累积贡献率为标准来选取公共因子。一般而言，主成份累积贡献率达到80%以上就可以很好地说明和解释问题，因此选取累积贡献率达到80%以上的那些主成份作为公共因子。
表1给出的是根据特征值大于1准则抽取出的各个因子特征值、贡献率和累积贡献率，分成三块，分别是初始解、抽取主成份解释的方差和旋转后主成分解释的方差。第一块区域为初始特征值：第一列“Total”表示每个主成份的特征值或其所解释的原始变量变异量；第二列表示各主成份所解释变量总方差的百分比；第三列表示前n个主成份解释总方差的累积百分比。第二块区域为抽出解，各公因子方差贡献可以用因素负荷平方和表示。一般抽取特征值大于1的主成份，所以该表中，前3个主成份被抽取作为公因子。第三块区域为旋转后的抽出解，分析中可以看到每个因子的特征值、说明的方差占总方差的百分比和累计百分比（即累计贡献率）。旋转后各个公因子总的方差贡献并没有改变。
由上表可知，表中列出的所有主成份，他们按照特征根从大到小的次序排列。可见第一个主成份的特征根为6.443，解释了总变异的53.694%；第二个主成份的特征根为1.895，解释了总变异的15.793%；第三个主成份的特征根为1.365，解释了总变异的11.378%。3个因子解释了观测变量总变异的80.864%，可以接受。因此可以用这3个公因子代替原来的12个变量。
（三）对因子载荷阵实行最大正交旋转
采用主成份法计算的因子载荷矩阵可以说明各因子在各变量上的载荷即影响程度。如果因子载荷量较为平均，这就需要进行因子旋转。通过因子旋转，重新分配各个因子所解释的方差比例，使因子结构更简单，更易于解释。但经过旋转后，仍有可能存在一个因子的所有因子负载均较高的情形，一个合理的解释是它是由于所研究的问题的共性所决定的，并不单一地取决于问题的某一个方面。此外，对于某些负载较小、难以解释或者实际意义不合理的因子，如果其解释的方差较小，则通常予以舍弃。
因子旋转的方法有很多，如正交旋转、斜交旋转等，本文采用方差最大化(VARIMAX)对因子进行正交旋转，使每个指标在少数因子上有较大负载，并且每个因子上各指标的负载系数向0-1两极转化。旋转后的因子载荷矩阵如下所示：
通过正交旋转，由表2可以看出，人均利润、资产总额、资产收益率、所有者权益、净利润、净利息收入、净利息收入占比、职工人数在第一公因子上都有较大的载荷，这说明公因子一主要包含了人均利润、资产总额、资产收益率、所有者权益、净利润、净利息收入、净利息收入占比、职工人数等反映银行规模的信息，因此可定义为银行的规模盈利能力因子。资本收益率、资产周转率在第二公因子上有很大的载荷，这说明公因子二主要包含了资本收益率、资产周转率等反映银行资本、资产等的信息，因此可定义为银行的资本资产盈利能力因子。第三公因子对净利息收益率、营业净利率有较大的载荷，可以反映银行的盈利趋势，因此可定义为银行的潜在竞争能力。
（四）计算因子得分
为了考察中外商业银行盈利能力，并对其进行分析和综合评价，采用回归法求出因子得分函数，spss软件输出的系数矩阵如下表：
由系数矩阵将三个公因子表示为12个指标的线性形式。因子得分的函数为：
F1=0.089zx1+0.127zx2+0.116zx3+0.161zx4-0.072z
x5+0.145zx6+0.174zx7-0.110zx8+0.135zx9+0.036zx10-
0.045zx11+0.149zx12 公式（1）
F2=0.228zx1-0.164zx2+0.274zx3-0.111zx4+0.526z
x5+0.042zx6-0.118zx7-0.063zx8-0.234zx9+0.042zx10+
0.196zx11+0.173zx12 公式（2）
F3=0.161zx1+0.138zx2-0.117zx3-0.004zx4+0.104zx
5+0.036zx6-0.098zx7-0.108zx8-0.097zx9-0.437zx10+0.464zx11-0.380zx12 公式（3）
根据三个公式，SPSS软件已经计算出三个因子的得分，三个因子分别从不同方面反映了中外商业银行盈利能力，但单独使用某一公因子并不能对中外商业银行盈利能力作出综合评价，因此应按各公因子对应的方差贡献率为权数计算综合统计量，公式为：
F=0.53694F1+ 0.15793F2+0.11378F3公式（4）
根据公式（4）计算的具体的综合得分及排名如表4。
三、实证结果与分析
根据综合得分及排名，可以得出以下结论：
第一，从反映银行规模盈利能力的得分因子可知，美洲银行的得分最高，其次是汇丰银行和摩根大通银行，我国三大国有商业银行的得分也较高，其中工商银行的得分最高，而我国股份制商业银行的得分较低，普遍低于国外主要商业银行。这反映了国外主要商业银行和我国三大国有商业银行的规模比较大，资本总额和资产总额远远高于我国股份制商业银行，且这些银行的职工人数远远多于我国股份制商业银行，因此国外主要商业银行和三大国有商业银行创造更多的净利润和净利息收入是很正常的。与我国国有商业银行相比，我国股份制银行的资本资产总量比较低，因此创造的净利润、净利息收入也比较少，因此反映银行规模盈利能力的得分因子也比较低。
但是，与我国股份制商业银行及国外商业银行相比，我国国有商业银行的人均盈利能力很低。从员工人数来看，我国四大国有银行的规模远远超过了股份制银行，也超过了十家国际大银行的总和，但是人均创造的利润却很少，远远落后于其他银行。
第二，从反映银行资本资产盈利能力的得分因子可知，国外主要商业银行的差距比较大。渣打银行的得分最高，西班牙国家银行的得分因子也很高，而三菱银行的得分因子最低。我国三大国有商业银行的得分因子比较低；我国股份制商业银行的得分能力比较高，其中兴业银行的最高，普遍高于我国国有商业银行。这说明了国外一些著名商业银行和我国大部分股份制商业银行的资本收益率与资产收益率较高，资本资产的盈利能力比较高；而我国国有商业银行的资本资产总量虽然很高，但其资本资产质量低下，盈利能力比较低，没有竞争优势。
第三，从反映银行潜在能力的得分因子可知，除了我国个别股份制商业银行外，国外主要商业银行的得分远远高于我国商业银行，尤其是我国三大国有商业银行和交通银行。这反映了与一些国外著名商业银行相比，我国商业银行的净利息收益率与营业净利率较低，其单位营业收入创造的盈利能力低下，潜在竞争能力比较弱，没有优势。
第四，从综合排名看，美洲银行与汇丰银行排在前两名，除了三菱银行外，本文所列国外商业银行的综合排名都高于我国商业银行；我国三大国有商业银行的排名普遍高于我国股份制商业银行，这说明了由于我国国有商业银行的规模远远高于我国股份制商业银行，其规模盈利能力高于股份制商业银行，进而综合盈利能力高于股份制商业银行。在股份制商业银行中，招商、民生与兴业银行排名靠前，华夏银行与深发展的排名最后，这说明了在我国股份制商业银行中，招商、民生与兴业银行盈利能力比较强，华夏银行与深发展盈利能力比较弱。中外商业银行盈利能力有着很大的差距，既有规模方面的差距，又有潜在盈利能力方面的差距。
通过实证研究，可以看到中外商业银行在盈利能力方面的较大差距。这种差距是全方位的，不仅体现在盈利能力的绝对水平上，还体现在盈利的趋势等方面。在我国金融业已经全面开放，外资金融机构的大量进入和银行之间的竞争加剧之时，我国商业银行必须采取有效的策略增强盈利能力。
注：
①本文认为，商业银行的盈利能力是商业银行的一种经营知识或特殊技能，这种知识或技能积累的结果，反映为商业银行对亏损提供吸纳的功能和从事相关业务时抵御风险、获取收益的技能。
②本文分析所用的软件版本为: SPSS 11.5 for Windows。
参考文献：
[1]The Banker：http://www.thebanker.com.
[2]孙文合.基于“三性”、杜邦模型和骆驼体系的业绩评价——来自2004年我国商业银行财务数据的实证分析[J].华东经济管理，2005，（7）.
[3]师萍，曾艳玲.一种简便实用的经营业绩评价方法——沃尔比重法的应用与改进[J]. 中国软科学，2000，（2）.
[4]方芳.构筑商业银行盈利能力分析的理论框架[J].上海金融，2005，（7）.
[5]吴明隆.SPSS应用统计事务[M].北京：中国铁道出版社，2000.
[6]中国金融统计年鉴，2007年.
[7]陈柳，陈志.商业银行产业竞争力指标设置初探[J].金融研究，2002，（4）.
[8]安德鲁·坎贝尔等.核心能力战略[M].大连：东北财经大学出版社，2003.
[9]姚勇，董利.中国商业银行盈利分析[J].南开经济研究，2005，（2）.
不同部位注射转移因子的比较 篇3
1 对象与方法
1.1 对象
所选病历均为2009年4月-2010年4月门诊尖锐湿疣患者, 具有典型皮损, 经醋酸白试验阳性。入选标本均无自身免疫性疾病、糖尿病、恶性肿瘤及HIV感染病史, 且未接受其他治疗, 排除孕妇及发热患者。男性皮损分布以冠状沟、包皮内外板、龟头为主, 部分患者位于阴茎根部、肛门或肛门直肠黏膜处。女性皮损分布以阴唇后联合、小阴唇内侧为主, 部分患者位于宫颈、大阴唇、尿道口、阴道壁、肛门周围。疣体数目单个至数十个, 米粒至蚕豆大小。采用根据患者就诊先后顺序, 第1个患者A组, 第2个患者B组, 如此类推, 随机将患者分A、B两组。A组患者42例, 其中男18例, 女24例, 平均年龄29.8岁, 平均病程3.52个月, 接受腋窝外侧皮下注射转移因子注射液。B组患者43例, 其中男17例, 女26例, 平均年龄29.5岁, 平均病程3.74个月, 采用上臂三角肌下缘皮下注射转移因子注射液。两组患者性别、年龄、病程、皮损部位、大小均无明显差异, 具有可比性。所有患者被告知注意个人卫生, 禁止再接触感染[1]。
1.2 方法
(1) 剂量与疗程。全部患者均对皮损处疣体采用二氧化碳激光彻底治疗。次日采用转移因子注射液3mg皮下注射。1次/周, 连续15次。 (2) 部位与方法。A组:采用双侧腋窝正中外侧旁开1～2cm, 上下2～3cm范围, 注意避开腋毛, 自下而上呈15°～30°进针。B组:采用双侧上臂三角肌下缘皮下注射, 进针角度30°～45°。入选患者均由固定护士用康德来一次性注射器, 规格均为2.5ml, 安尔碘消毒, 待干, 绷紧皮肤, 注射时均按“两快一慢”法操作。
1.3 观测指标
疗效指标:所有患者治疗结束后, 随诊3个月, 记录皮损消退及复发情况。复发:治疗后3个月内在原皮损处或其他部位出现新疣体。痊愈:疣体完全消失, 3个月内未复发。注射部位反应:根据注射登记本, 将每个患者的15次注射分前5次、后5次及中间5次, 前中后各随机抽1次在注射转移因子后立即进行疼痛问卷调查, 并记录在注射登记本上, 共3次。
2 结果
2.1 两组复发率比较
A组42例中痊愈34例, 复发8例, 复发率19.0%;B组43例中痊愈28例, 复发15例, 复发率34.9%, 两组比较A组复发率远低于B组, 两组有明显的差异 (χ2=7.18, P<0.05) 。
2.2 疼痛程度
根据数字评分法 (numeric rating scale, NRS) 将疼痛程度分为四个等级进行问卷调查。 (注:疼痛的程度用0～10共11个数字表示) 。0分:无疼痛。 3分以下:有轻微的疼痛, 患者能忍受; 4～6分轻度疼痛:患者疼痛并影响睡眠, 尚能忍受; 7～9分中度疼痛:患者有渐强烈的疼痛, 疼痛难忍; 9分以上:重度疼痛[2]。两种方法前中后随机抽取1次注射后疼痛程度比较见表1。
注: u=8.61, P<0.05。
3 讨论
3.1 尖锐湿疣患者的体液免疫反应存在一定的异常, 因此, 在治疗时除用激光、冷冻等去除局部病灶的各种疗法外, 给予免疫调节剂可有助于提高临床治愈率和减少其复发率[3]。免疫调节剂常皮下注射于淋巴回流比较丰富的上臂内侧或腹股沟下端的皮下[4]。腋窝淋巴结丰富, 而淋巴结与脾和胸腺等淋巴器官以及上皮下淋巴组织一起产生淋巴细胞, 参与身体的免疫功能, 构成身体重要的防御装置[5]。采用腋窝注射是注射于淋巴回流丰富的地方, 该部位具有易吸收的特点。结果表明腋窝外侧皮下注射较之上臂三角肌下缘皮下注射能更有效地降低尖锐湿疣的复发, 这与腋窝部位淋巴组织丰富, 药物易于吸收、起效有关[6]。
3.2 转移因子作为免疫增强剂在尖锐湿疣的治疗中需长期多次用药。因注射次数多、疗程长、注射部位肿胀疼痛, 以及疾病的复发给患者带来很多困扰。研究发现腋窝外侧皮下注射疼痛少、疼痛程度轻、患者易于接受。这可能与腋窝皮肤相对松弛, 神经分布相对较少有关。
参考文献
[1]赵莉, 胡晋华.转移因子注射液预防尖锐湿疣复发的疗效观察 (J) .华北煤炭医学院学报, 2005, 7 (6) :767
[2]崔焱.护理学基础 (M) .北京:人民卫生出版社, 2004:162-167.
[3]林德儒.尖锐湿疣与IgG、IgA、IgM关系的探讨 (J) .国际医药卫生导报, 2004:10 (24) :20-21.
[4]孙银莲, 朱锡颜, 罗广铃.腋窝外侧无痛性皮下注射的临床研究 (J) .现代护理, 2005, 11 (14) :1125-1126.
[5]张桥.卫生毒理学基础 (M) .第3版.北京:人民卫生出版社, 2000:8-9.
因子比较 篇4
随着经济发展与科技进步的相互融合,作为科技重要组成部分的专利发挥着越来越重要的作用。专利是一个国家或地区科技资产的核心和最富经济价值的部分,是衡量一个国家或地区综合实力的重要标志。因此,近年来对专利的研究备受人们的关注。
目前,对我国专利的研究主要从专利产出与经济增长的关系,以及由专利成果的数量或质量等对国家或地区的专利产出水平评价两个方面进行。如刘华运用统计数据建立了专利产出与GDP的线性回归模型,认为二者高度相关,即一个国家专利授权数越高,对其经济增长的贡献率越大[1]。徐竹青对部分国家以及我国部分地区人均GDP(GNP)、R&D支出和专利授权进行统计分析后认为,专利、创新与经济发展水平密切相关,专利活动对经济增长有明显的贡献[2]。刘风朝、葛仁良通过建立专利数量的指标体系运用主成分法、因子聚类法对不同地区的专利发展情况进行了对比研究[3]。刘洋等在《专利评价指标体系———运用专利评价指标体系进行的地区评价》中构建了专利评价指标体系,对我国部分省市的专利综合实力进行了尝试性的评价[4]。高山行运用国外的专利质量评价模型就我国的专利质量与国外的专利质量进行了比较分析。
本文利用因子分析法对我国20个地区的专利发展水平进行了评价与分析,从整体上把握不同地区区域创新能力方面的优势与不足,对提升各地区的专利综合实力,促进我国专利事业的发展具有一定的参考价值和借鉴意义。
一、因子分析法的特点及应用
因子分析是将多个实测变量转换为少数几个不相关的综合指标的多元统计方法。在研究领域因子分析法时经常要面对反映事物多个变量的大量观测值。多变量固然会提供丰富的信息,但其中许多变量之间可能存在的关联性,却使问题分析变得错综复杂。由于一些变量间存在着一定的相关关系,因此有可能用较少的综合指标分别综合存在于原来各个指标中的各类信息。因子分析法通过降维,用较少个数的公共因子的线性组合与特殊因子之和来表达原变量。如果特殊因子可以忽略,就是常用的主成分法。当几个公共因子的累计方差,即贡献率达到一定的百分比,就表明这几个公共因子集中反映了原始变量的大部分信息,而公共因子之间互不相关,信息不重叠。简单地说,因子分析的目的就是揭示变量之间的内在关联性,在尽可能保持原有信息的前提下,用较少的维度去表示原来的数据结构,简化数据,便于发现规律或本质。
因子分析法能够减少指标所含信息的损失,即通过找出尽量代表原指标绝大部分信息的主要成分,对所收集资料作全面的分析。由于其在构造综合评价值时所涉及的权数都是由数学变换中伴随生成,不是人为确定的,因此因子分析法是一种客观的、合理有效的综合评价方法。
二、因子分析在专利发展水平评价中的应用
(一)评价对象及指标数据的选取
本文以各省市的专利实力作为评价对象,对各省市的专利情况进行比较与分析。选取了2008年大陆地区在发明、实用新型和外观设计三种专利申请总量排名前20位的地区进行评价。以2008年的各地区专利申请和授权情况的各项指标数据为基础,评价指标的选择兼顾了专利的数量和市场价值。其各类具体指标如下:发明专利申请量;实用新型申请量;外观设计申请量;发明专利授权量;实用新型授权量;外观设计授权量;技术市场成交合同金额。各指标的数据均来自于2009中国统计年鉴[5]。
(二)因子分析的过程
1. 确定待分析的原有若干变量是否适合于因子分析
将原变量的数据输入SPSS软件中,通过因子分析中的主成分分析方法进行KMO和Bartlett球体检验,得到KMO的值为0.637,根据统计学家Kaiser给出的标准,0.6≦KMO<0.7中等,适合用因子分析法。Bartlett球体检验给出的相伴概率为0.000,小于显著性水平0.05,因此,据原假设,认为适合因子分析。
2. 构造因子变量
在用SPSS进行分析时,根据研究的实际问题,通过尝试最后选择输出3个因子,因子分析的初始结果和因子提取情况分别见表1和表2。根据碎石图的规则来确定公共因子,分析本例的碎石图,明显的拐点是3,可以得到3个主因子指标。由表1可知,这3个主因子指标累积了原始信息的97.402%,因此可以认为原来的7个指标能够综合成3个主因子:F1、F2、F3,利用旋转使得因子变量更具有可解释性。由表2可以看出,外观设计申请量、外观设计授权量在F1上有高的载荷;技术市场成交合同金额、发明专利授权量、发明专利申请量在F2上有高的载荷,这与发明专利具有较高的市场价值是相一致的;实用新型授权量、实用新型申请量在F3上有高的载荷。
3. 计算因子变量的得分
根据各变量的观测值和表2数据可计算公共因子得分。因子得分函数如下所示:
(X1~X7按顺序代表原指标的各个变量,各变量均为经过均值为0的标准差为1的标准化后的变量)
由三个因子得分函数可以给出由这三个因子决定的综合评价函数公式:F=a1F1+a2F2+a3F3其中a1、a2、a3取每个因子的方差贡献率。即F=(0.36454F1+0.33220F2+0.27728F3)/0.97402
4. 利用原始数据、因子得分函数以及综合评价函数得到各公共因子得分和2008年地区专利发展水平综合评价得分及排序表,见表3。
三、结果分析与建议
根据表3的得分及排序结果,我们将这20个地区的专利综合实力分为四个等级:江苏和广东是专利综合实力最强的地区;北京、浙江、上海、山东为专利综合实力较强的地区;而四川、辽宁、天津、湖北、河南、湖南、福建为专利综合实力较好的地区,和第一、二等级地区的实力相比弱一些;陕西、黑龙江、重庆、安徽、河北、吉林、山西等地区为第四个等级,专利综合实力一般。
通过进一步的分析,我们可以看到各地区的优劣势,广东之所以能够排名第一,得益于在3个公共因子的得分较平均,且均排在前列,说明广东在外观设计、发明专利,以及实用新型的申请与授权上都占有绝对的优势。因此,广东省今后应着眼于提高专利的质量以及其市场价值。江苏的排名与其在F1、F2公共因子得分排名领先有直接关系,特别是其在F1公共因子遥遥领先的得分为其奠定了坚实的基础,同时我们可以看到江苏在实用新型的申请和授权量上有待进一步提高。广东、江苏位于我国的东南沿海地区,不仅经济发展走在全国前列,同时也拥有丰富的科技创新资源,为其专利水平的提升提供了良好的体制和市场环境。因此,这两个省理应归为我国专利发展最强地区。
北京在发明专利的申请、授权以及发明专利的转化上排名第一,具有绝对优势,但在外观设计和实用新型方面排名靠后。浙江排名第四,得益于其在F1、F3公共因子得分排名领先。它与北京恰好相反,需要在发明专利申请、授权以及专利转化上进行提高,以增强其综合实力。上海在三个公共因子上的得分较平均。山东则是在F3的得分排名遥遥领先,但在F1和F2上排在最后。北京作为我国的科技文化中心,是我国大学和科研机构最为丰富的地区。该地区有着吸引人才的经济、政治和政策优势,因此在科技创新尤其在高新技术的原始创新上具有明显优势。浙江、上海、山东这三个地区位于沿海开放地区,经济基础和科技文化素质好,同样也拥有丰富的科技创新资源,也属于专利发展较强地区。这些地区处在具有较高的专利发展优势和潜能的基础上,应该提高专利的质量,在加大创新投入产出的同时,要注重提高其投入和产出效率[6]。
处在第三等级的城市中的四川、辽宁、湖北、河南、湖南位于我国的内陆地区或中部地区,经济和文化实力与最强和较强地区的省市具有的一定的差距,另外这些地区普遍存在人才环境不够健全、人才流失明显而引进人才不足的弊端,因此,区域创新能力尚有待提升。而经济和科技实力较强的天津被划为这一类,与其经济和科技基础形成较大反差,其原因是多方面的,如专利中介机构服务不到位、创新潜能没有得到充分释放等。因此,天津应利用与北京毗邻的地理优势,充分发挥人才的创新能力,一方面提升本地的原始创新能力,一方面成为北京的科技成果向生产力转化的重要基地。福建虽地处南部沿海地区,但由于自身的科技资源存量有限且缺乏足够技术创新主体,因此在专利综合实力上也就无法和沿海其他专利实力强的省市相比。同理,处于第四等级的各省市我们可以根据各公共因子的得分判断各地区的优劣,促其有针对性地提高。同时,这些地区与第一、二级的省市相比在地理环境、交通便捷、经济基础及科技文化素质方面有着很大的差距,因此,应着力加强交通设施建设、发展经济、提高科技教育投入、制定相关的政策以营造一个良好的市场环境与制度环境,从而提高地区专利综合实力。
结束语
专利发展水平作为衡量国家和地区区域创新能力的重要指标,其重要性应该给予足够的重视。通过对我国各个地区的专利发展水平的评价以及分析,可以看出各省市专利综合实力的优势和劣势所在,对于提升各地区的专利综合实力水平具有重要的现实意义,对各地区根据本地区的特点制定适合自己发展的专利战略具有科学的指导意义。
参考文献
[1]刘华.专利制度与经济增长:理论与现实——对中国专利制度运行绩效的评估[J].中国软科学,2002,(1O).
[2]徐竹青.专利、技术创新与经济增长[J].理论与实证科技管理研究,2004,(5).
[3]葛仁良.因子聚类回归分析法在我国专利综合评价中的应用[J].科学管理研究,2006,(7).
[4]刘洋.专利评价指标体系[J].知识产权,2004,(5):35-38.
[5]中华人民共和国国家统计局.2009中国统计年鉴[M].北京:数通电子出版社,2009.
因子比较 篇5
模糊控制具有设计方便、不需精确的被控对象数学模型和鲁棒性强等优点,但控制性能依赖于控制规则库的完整性与准确性。对于复杂非线性系统,获取完整的控制规则库比较困难,致使模糊控制器难以满足高精度要求。针对模糊控制的不足,文献[1]提出了变论域思想。模糊控制器变量的模糊论域依据控制需求可进行伸缩变化,组成变论域模糊控制器。因此伸缩因子选择环节是设计变论域模糊控制器的关键环节。目前已有学者研究基于函数形式选择伸缩因子实现变论域方法的控制效果[2]。函数形式直观利于理解,但是函数形式与函数中参数选择较繁琐,且函数形式选择的合理性与控制性能密切相关。为克服此不足,文献[3]提出基于模糊推理选择伸缩因子的方法,需调节的参数较少,沿袭了函数形式选择误差、误差变化率和PID参数等三个伸缩因子的结构。
在分析已有方法的基础上,对基于模糊推理选择伸缩因子方法改进了PID三个参数的伸缩因子的选择方法,设计出一种基于误差分级选择伸缩因子的方法,并最后以舞台灯光所用直流电机控制对象搭建了实验平台,对三种选择方法进行仿真实验比较。
1 变论域思想
模糊控制器的控制性能与控制规则的数量存在相关性:控制规则数量越多,控制精度就越高,但是控制规则数量的增加,会使模糊推理计算量大、耗时长、实时性差且硬件存储量大。变论域思想提出在控制规则不变的前提下,变量的模糊论域在初始范围的基础上依据误差及其变化率的变化进行相应的伸缩变化,间接解决了控制精度与控制规则之间的矛盾。如图1所示:当误差减小时,论域压缩;当误差增大时,论域膨胀。这种伸缩变化可以间接地增加误差较小区间的控制规则密度,从而提高控制器精度。
在变论域模糊控制器设计中,关键环节是依据控制需求实现变量模糊论域的伸缩变化。日前,采用的方法是选择合适的论域伸缩因子实现变论域,因此,伸缩因子选择方法与控制规则的准确性共同决定了变论域模糊控制器的性能。
在自适应模糊PID控制的基础上引入论域伸缩因子选择环节后,构成了变论域模糊PID控制(结构框图如图2所示)。伸缩因子环节是依据系统误差及其变化率的大小输出各变量论域的伸缩因子大小。在变论域模糊PID控制的基础上进行变论域伸缩因子的研究,讨论三种不同伸缩因子选择方法的性能。
2 伸缩因子选择方法
2.1 基于函数形式选择伸缩因子的方法
变论域思想提出后,学者们首先提出了基于函数形式选择伸缩因子的方法,依据函数的映射关系输出相应大小的伸缩因子。误差及其变化率的论域伸缩变化仅与自身的变化情况相关,因此误差及其变化率的伸缩因子选择函数为一元函数。PID参数的论域变化与误差及其变化率的变化情况都相关,因此其伸缩因子选择函数是误差及其变化率的二元函数。目前,研究提出的函数形式有:比例指数型函数、自然指数型函数和改进的自然指数型函数等[4]。下面的仿真实验,将采用比例指数型函数实现伸缩因子选择,依据文献[4]的研究结果选择函数中的指数参数为0.6,其表达式如下。该方法的不足是函数形式较多,缺乏系统性的选择函数形式以及函数中的参数的方法。
2.2 基于模糊推理选择伸缩因子方法及其改进
为了克服此困难,研究学者沿袭函数形式选择伸缩因子的思想提出了基于模糊推理选择伸缩因子的方法。模糊推理器具有利于理解和设计方便的优点,其控制性能比基于函数形式的方法有所提高。
基于模糊推理方法的不足之处在于PID参数选择同一个伸缩因子。该参数从整定PID参数的过程中得出,变化趋势随误差及其变化率的变化存在不一致。为此现提出相应的改进方法,对PID参数选择不同的伸缩因子变量,其示意图如图3。
改进后基于模糊推理选择伸缩因子的方法:输入变量是误差及其变化率,模糊论域取为[-6,6],划分七个模糊语言值分别为{正大、正中、正小、零、负小、负中、负大},简记为{PB、PM、PS、ZE、NS、NM、NB};输出变量是四个论域伸缩因子,模糊论域取为[0,6],误差及其变化率的伸缩因子,划分五个模糊语言值为1特小,小,中,大,特大},简记为{VS、S、M、B、VB1,PID参数变化量的论域伸缩因子划分七个语言值分别为{极小、特小、小、中、大、特大、极大},简记为{GS、VS、S、1M、B、VB、GB}。依据经验及伸缩因子调节原理总结得到各变量伸缩因子的控制规则库如下:
2.3 基于误差分级选择伸缩因子方法
基于模糊推理选择伸缩因子的方法是每个采样周期计算一次伸缩因子大小,因此计算量大、用时长且硬件系统要求高。为了克服其不足,故设计了基于误差分级选择伸缩因子的方法。对误差划分为不同的区域,对应每个误差区域选择一组固定的伸缩因子,以此减少伸缩因子的计算量。共将误差划分为四个区域,并编号为1至4。误差区间1:[-emax,-0.6emax][0.6emax,emax]、误差区间2:[-0.6emax,-0.4emax][0.4emax,0.6emax]、误差区间3:[-0.4emax,-0.2emax]∪[0.2emax,0.4emax、误差区间4:[-0.2emax,0。2emax],其中emax是误差最大值,取为emax=rin,对应每个区域选择的伸缩因子值如表5所示。
3 仿真实验结果分析
实验中所采用的被控对象是一台舞台影视系统中灯具所用的直流电机,其铭牌数据为:额定电压Ue=24 V、额定电流Ie=1.8A、额定转速ne=50r/min、额定输出功率Pe=30 W。以转速为输出变量,由经验公式可得到传递函数如下[5]
PID控制器整定的初始参数为Kp0=0.06.Ki0=0.006、Kd0=50。设计如下:
1)测试系统阶跃响应曲线,设定输入转速信号为50r/min,比较三种伸缩因子选择方法的变论域模糊PID控制的动静态性能;2)被控对象参数发生变化时,检验控制方法的自适应性与鲁棒性。图中标示为:基于函数形式选择伸缩因子实现变论域的方法(简称:method A),改进后的基于模糊推理选择伸缩因子实现变论域的方法(简称:method B),基于误差分级选择伸缩因子实现变论域的方法(简称method C)。
3.1 阶跃响应
从图4得出三种伸缩因子选择方法中,基于函数形式选择方法的性能是超调量大、响应速度较慢和稳态调节存在残差。改进的基于模糊推理的方法超调量为零,调节时间较长且存在反向的超调量。误差分级方法的性能是响应速度较快,稳态调节时间短(方法A的调节时间为0.22 s,方法B的调节时间为0.4 s),且不存在反向超调量。因此得出:在三种方法中,基于误差分级选择伸缩因子的方法性能最优,其不存在超调,稳态调节时间短,且稳态调节精度高。
3.2 对参数变化的自适应性
舞台影视系统中灯具数量巨大、控制环境复杂,使得电机参数存在一定量的变化。为了测试控制方法的自适应性,假设对象参数发生变化后的传递函数如下
从图5(a)和图5(b)中得出:系统参数发生变化后,第三种方法的控制性能并没发生太大变化,性能较好。第三种方法的自适应性能较好。
4 结论
在基于函数形式及模糊推理的伸缩因子选择方法基础上,对模糊推理选择伸缩因子方法通过选择不同的伸缩因子变量对其作了改进,同时提出了基于误差分级选择伸缩因子的新方法。通过理论分析及仿真实验比较,结果表明:改进之后的基于模糊推理与基于误差分级选择伸缩因子的方法总体控制性能要优于基于函数形式选择方法。其中基于误差分级的方法相对更好,不存在超调量,且稳态调节时间短,更适合应用于高性能要求的电机控制场合。
参考文献
[1]李洪兴.变论域自适应模糊控制器.中国科学:E辑,1999;29 (1):32-42
[2]陈兵伟,廖卫强.应用变论域模糊PID的直流电机调速系统.集美大学学报(自然科学版),2011;16(3):207-211
[3]朱岩,郭军平.变论域自适应模糊PID方法的研究与仿真.空军工程大学学报(自然科学版),2005;6(5):11-13
[4]邵诚,董希文,王晓芳.变论域模糊控制器伸缩因子的选择方法.信息与控制,2010;39(5):536-541
[5]周儒勋,张泽龙,亓迎川.直流电机模型参数的直接辨识.计算机仿真,2006;6(23):113-115
血小板冰冻前后凝血因子变化的比较 篇6
1 材料与方法
1.1 实验材料
30份血液样本均来自健康志愿者 (每人1份) , 所有血液经检测为合格血液。样本在采集后经ACD-B抗凝剂处理后制成适合输血的成品后, 每份血液分为3部分, 第1部分用于冷冻前指标水平测试, 第2、3部分置于-30℃的无菌冷冻室中分别保存1d和7 d后测试冷冻后指标水平。
1.2 实验仪器与实验试剂
采用wi65973型全自动凝血分析仪对样品进行测试, 对凝血因子FⅡ、FⅤ、FⅦ、FⅧ、FⅨ、FⅩ采用Human coagulation factor ELISA KIT试剂盒进行测试, 对APTT、PT、TT、FIB的测试采用试剂盒进行测试, 标准血浆 (0.91 IU/mL) 为德国西门子公司提供。
1.3 取样方法
对冷冻前的样品直接每份取2 mL进行测定, 冷冻后1 d和7 d的样品测定方法为先采用37℃水浴进行融化后, 立即注入试管中进行测定。
1.4 统计方法
采用SPSS13.0录入数据及分析, 分析方法采用配对t检验, 检查水准为α=0.05。
2 结果
2.1 血小板冷冻前后凝血因子活性水平的比较
配对t检验结果显示, 血小板冷冻后1 d和7 d时的凝血因子FⅦ、FⅧ的活性水平均较冷冻前高, 差异有统计学意义 (P<0.05) , 且随着时间的增加活性逐渐下降;FⅨ的活性水平在冰冻后1d时与冰冻前比较, 差异无统计学意义 (P>0.05) , 但在冰冻后7 d时较均较冰冻前低 (P<0.05) ;而FⅡ、FⅤ、FⅩ在冰冻后1 d与7 d时较冰冻前, 差异无统计学意义 (P>0.05) 。
2.2 血小板冷冻前后凝血4项指标的比较
配对t检验结果显示, 血小板冷冻后1 d和7 d时的凝血4项指标APTT、PT、TT、FIB较冷冻前差异均无统计学意义 (P>0.05) 。
注:经配对t检验, P<0.05。
3 讨论
凝血是血小板与各种凝血因子共同作用的一个过程, 每个凝血因子都分别参与凝血过程中的某个阶段, 都是必不可少的[1]。如果某个或多个凝血因子在血液的保存过程中发生了活性衰减, 就有可能在输血时使病人发生凝血障。
该次研究结果显示, 最容易受温度影响而导致活性下降的是FⅦ、FⅧ, FⅨ的活性相对受影响较轻。FⅦ是一种由肝细胞分泌的维生素K依赖性糖蛋白, 它的主要作用是促进凝血酶原转化为凝血酶[2];而FⅧ可由肝细胞、窦内皮细胞及kupffer细胞等产生[3], 它的主要参与于FⅨ被激活后配合钙离子再激活FⅩ的过程。FⅦ、FⅧ的缺乏或者活性下降会直接导致血小板的活性改变, 故FⅦ是反应凝血功能的一个较灵敏的指标。FⅦ、FⅧ离体后活性容易衰减的原因可能与其血浆中含量较低、半衰期较短有关, 离体冰冻后就会导致活性下降。研究结果中FⅨ在冰冻1 d后活性无明显改变, 但在冰冻7 d后发生了较明显改变, 提示FⅨ在保存时也会受低温的影响, 但变化程度不如FⅦ、FⅧ明显。FⅡ、FⅤ、FⅩ的活性在冰冻后7 d也没有发生明显的变化, 可能与此3个凝血因子在血浆中含量较高、半衰期较长有关。
研究结果中凝血4项指标的变化差异均不大, 提示血小板在冰冻后仍能维持一定的活性, 但凝血4项指标改变较小的原因可能是由于外源性的凝血因子受影响较小所致, 所以不能以此作为凝血功能的唯一标准, 在实际应用过程中应着重检测上述改变较明显的FⅦ、FⅧ及FⅨ来综合评价血小板的活性。
综上所述, 血小板在冰冻后凝血因子活性会有所下降, 所以在输血时要优先输新鲜血液。亦有研究发现, 保存温度越低, 各种凝血因子的活性保持得越好[4]。故如果血液必须长时间保存时, 应尽量在降低温度下保存, 低温有利于保护FⅦ、FⅧ、FⅨ等较关键的凝血因子活性水平维持不变。
参考文献
[1]王兆钺.血小板与凝血因子的相互作用及意义[J].中华血液学杂志, 2003 (25) :187-189.
[2]陶蓉.凝血因子Ⅶ与冠心病[J].国外医学 (心血管疾病分册) , 2003, 30 (4) :218-220.
[3]李琴, 贾继东, 王宝恩.凝血酶原时间及凝血因子在肝病中的应用[J].中华肝脏病杂志, 2004, 12 (12) :767-768.
因子比较 篇7
1 资料与方法
1.1 一般资料及分组
选取我院2010年6月至2015年2月收治的46例面部外伤患者为观察对象。其中男39例, 女7例;年龄1~35岁;摔倒致异物划伤40例 (87.0%) , 玻璃割伤6例 (13.0%) ;伤口位于额部10例 (21.7%) , 上睑15例 (32.6%) , 颊部3例 (6.5%) , 唇部12例 (26.1%) , 鼻部6例 (13.0%) 。所有患者均无高血压病及糖尿病, 受伤至入院时间均在12小时内, 伤口长度2~6cm, 对rha FGF、rh-b FGF均不过敏。利用简单随机化分组法将患者分为观察组24例和对照组22例。两组患者基本情况大体一致。
1.2 方法
所有患者麻醉、消毒后小心清除坏死组织。观察组将包装中自带的10ml溶媒加入2.5万U的rh-a FGF (上海万兴生物制药有限公司生产, 每瓶2.5万U) 中, 制成浓度为2500U/ml的药液, 喷于创面, 充分利用整形美容缝合技术给予一期缝合, 以rh-a FGF浸湿的纱布覆盖缝合的伤口, 再用无菌敷料覆盖, 每日消毒后换药一次。对照组应用rh-b FGF (南海朗肽制药股份有限公司生产, 每瓶2万U) , 术后以rh-b FGF换药, 方法同观察组。所有患者伤口愈合后及时拆除缝线。
1.3 观察指标
观察两组伤口愈合时间、创面感染及不良反应发生情况。
1.4 统计学方法
采用SPSS 18.0软件包进行分析, 计量资料以 (±s) 表示, 行t检验, P<0.05为差异有统计学意义。
2 结果
两组患者伤口均愈合, 无创面感染。观察组伤口平均愈合时间为 (4.3±0.7) 天, 明显短于对照组的 (4.7±0.6) 天, 差异有统计学意义 (t=2.07, P<0.05) 。两组用药过程中均未见疼痛及过敏等不良反应。
3 讨论
面部外伤在日常生活中较常见, 对患者心理影响较大, 迫切希望少留瘢痕, 早期愈合。因此, 如何缩短面部伤口的愈合时间及尽可能减少缝合后产生组织移位、五官变形是外伤处理首先考虑的问题, 运用无创、无张力原则使深部断裂的组织分层次缝合, 顺皮肤朗格线一期缝合伤口, 减少二次修复是广大医务工作者的努力方向。在眼部尤其要考虑眼轮匝肌、内外眦韧带及皮肤的修复, 口唇部注意红唇缘、唇珠及人中脊的修复, 鼻部及耳部应注意避免软骨的外漏, 防止软骨炎的发生。
伤口修复是一个复杂的过程, 其中血液的渗出、巨噬细胞及血小板的游走、凝血机制的触发、炎症介质及各种细胞因子都参与其中。有研究[1,2]表明, rh-a FGF在组织修复、神经、肾脏及血管缺血再灌注方面都发挥了积极的生物学作用。rh-a FGF将基因重组于大肠杆菌中制成生物功能及理化性质一致的a FGF, 是存在于中胚层及神经外胚层的一种氨基酸多肽序列, 刺激血管内皮细胞的增殖、分化, 进而增加局部的血液循环及氧供。其对深二度烧伤及削痂术后应用有良好的促愈合作用[3]。它还对糖尿病溃疡、皮瓣循环障碍及神经修复方面有促愈合作用[4]。rh-a FGF是一种多肽因子, 通过激活酪氨酸激酶类受体改变空间构象引起多信号的传递, 激活靶基因促进细胞的分裂增殖[5], 促进毛细血管及成纤维细胞的增生, 还能够促进细胞周期S期的含量, 促进神经细胞脱氧核糖核苷酸的生成, 修复受损伤的上皮及神经血管等。有研究表明, b FGF在创伤愈合中有巨大作用, 可以对皮肤的纤维化、血管化和上皮化起到调控和介导作用[6]。面部外伤后伤口环境呈酸性, rh-a FGF较rh-b FGF在酸性环境中更容易发挥生物学效应[7], 促进伤口愈合。
本文结果显示, 观察组伤口平均愈合时间明显短于对照组, 差异有统计学意义, 且用药后也未发现明显不良反应。可见, 与rh-b FGF相比, 应用rh-a FGF能缩短面部外伤的愈合时间, 且用药安全。
参考文献
[1]湛敏, 黄亚东, 丁长才, 等.非促分裂ha FGF对H2O2损伤的人RPE细胞的保护作用[J].眼科研究, 2008, 26 (10) :726.
[2]许华, 海广范.酸性成纤维细胞生长因子与肾缺血的再灌注损伤[J].新乡医学院学报, 2008, 25 (5) :527.
[3]孙瑞朋, 赵连魁, 孙静, 等.深二度烧伤创面早期削痂术后应用rh-a FGF的临床观察[J].河北医药, 2011, 33 (14) :2144.
[4]魏婷婷, 谢丽云, 管咪咪, 等.a FGF抗糖尿病溃疡作用的研究进展[J].温州医学院学报, 2013, 43 (7) :488.
[5]Folkmen J.What is the evidence that tumors are angiogenesis dependent 7[J].J Natl Cancer Inst, 1990, 82 (4) :4.
[6]丁韧, 汤学明.创伤愈合的细胞生物学进展[J].创伤外科杂志, 2000, 2 (1) :59.
因子比较 篇8
LAPP模型是分析公司信用时常用的一个相对古老的模型,它以流动性(Liquidity)、活动性(Activity)、盈利性(Profitability)、 潜力(Potentialities) 4个词的第一英文字母命名, 因此命名为LAPP模型,它代表债务者信用4个重要的方面。 流动性亦称变现性,是指客户以变为现金的流动资产来偿付其债务的能力,反映流动性的指标主要有流动比率、速动比率等;活动性主要是指客户的业务活动能力,反映活动性的指标主要有资金周转率等; 盈利性是指客户的获利能力, 反映盈利性的指标主要有利润指标等;潜力是指客户的业务发展潜力,反映潜力的指标主要有管理效率等。
2上市公司信用分析指标体系的设置
我们以商业银行贷款企业的评价指标体系为基础, 设置上市公司信用分析指标体系如下所示:营运资本比率X1、流动资本比率X2、债务与有形净值比率、应收账款周转率、存货周转率、财务杠杆、资产负债率、长期负债比率、流动比率、速动比率、资产报酬率、权益盈利率、销售利润率、每股收益。
3因子模型的基本原理
因子分析是研究相关矩阵内部依存关系, 将多个变量x1, x2,… ,xp(可以观测的随机变量,也即显在变量)综合为少数几个因子F1,F2,…,Fm(不可观测的潜在变量)以再现指标与因子之间的相关关系的一种统计方法。 因此,一个完全的因子解应包括因子模型和因子结构两个方面。 因子结构即通过相关系数来反映指标与因子之间的相关关系。 因子模型是以回归方程的形式将指标x1,x2,…,xp表示为因子F1,F2,…,Fm的线性组合。 具体步骤如下:1对原始数据进行标准化变换; 2求相关矩阵R的特征值和特征向量;3建立因子模型;4确定因子贡献率及累计贡献率; 5因子载荷矩阵变换; 6计算总得分值; 7根据总因子得分总值Fi,就可以对Fi进行排序比较。
4上市公司因子模型信用分析的实证研究
按照Stock Star.com行业划分,我们从所有上市公司的22个行业中,每个行业中选取一个公司,采用2000年的年报数据。 应用因子模型原理,借助于统计软件SPSS V12.0处理,我们得到表2~表4的结果。
从表2的特征值可以看出, 第一个因子的特征值 λ1= 4 . 875,大约占方差的28.679%,基于过程内定取特征值大于1规则,Factor过程提取了前5个因子,5个因子的特征值共占去方差86.178%。 因此,说明前5个因子提供了原始数据的足够信息。
表3是初始因子负荷矩阵, 通过这个系数矩阵可以用原变量写出因子表达式,以便了解因子的含义。 从表3可以看出,F1、 F2、F3、F4、F5在原变量上的载荷值都相差不大,故不大好解释它们的含义,因此须进一步因子旋转以便更好地了解它们的含义。
从表4可知,转轴后的因子系数已经明显向两极分化,有了更鲜明的实际意义。 F1中系数绝对值大的主要有:X3、X6、X7、X8、 X10,它主要反映公司的流动性。 F2主要由X1、X2、X9、X13确定,它主要反映公司的流动性。 F3主要由X5、X15确定,它主要反映公司的活动性。 F4主要由X11、X12、X14、X16确定,它主要反映公司的盈利性。 F5主要由X4、X17确定,它主要反映公司的活动性。
5因子模型与LAPP模型信用分析之比较研究
根据实证研究的处理结果,我们得到表5的分析结果。