搜索
听课感想报告------社会资本的科学测量方法经管1102班侯曼青2011306201931在学习了宗力老师的“科学测量”这门课后，进行引申，提出一个测量社会资本的科学方法，它对于国际及地区间社会资本的比较是非常重要的。因子分析方法适合各个层次社会资本的测量。以下为主要论述及步骤：社会资本这一概念越来越受到学者及各国政府所重视。从个人或微观的角度出发，社会资本是指个人通过与他人的社会联系而获得的经济资源、信息或机会；从企业这个中观层次上来讲，能够通过与经济领域的各个方面发生联系而摄取稀缺社会资源的能力，就是企业的社会资本；从社会、团体组织或宏观的角度出发，社会资本指一个社会或组织通过组织之间或社会中的规范、网络与信任来促进集体行动去实现共同利益。众多学者已对社会资本对经济发展的影响进行了研究，但对于不同层次社会资本的测量方法目前并无定论。总的来说，每个研究（调查）运用的测量手段都不同，只能部分解释社会资本定义的一致性。1对社会资本分析方法的回顾社会资本划分为三个层次；微观、中观和宏观，从而产生了不同的测量方法。我们首先回顾一下国内外学者提出的几种概念和分析方法。最简单的方法是Putnam(1993)在分析意大利北部和南部组织效率时提出的，他发现自发性组织成员资格的不同（历史形成）可以较大程度地解释社会资本。Putnam认为一个人的社会资本可以从他所拥有的社群网络来描述和量度。社群可能是同一家公司、同一个俱乐部、或者只是在某一个餐会上认识的人。故此社会资本是指借助于所占据的社会关系网络而拥有的资源、财富、信息或机会。一个人的社会资本愈多，能配置的资源就愈多，在生活和工作上解决问题的能力就更强。这种简便的测量方法被大量用于社会资本的研究，而几乎总是只包括一个解释因素，对社会资本本质特征的测量并不全面。BrehemandRahn(1997)提出了社会资本的结构模型，由3个有联系的概念组成，即民间的约定、成员的相互信任，政府的信心。他们运用了1972-1994年间一些社会调查资料，进行了混合截面分析，还运用了协方差结构模型（运用相关矩阵作为输入变量）。研究发现民间的约定和成员的间信任的联系不显著，违背了社会资本概念的系统性。Grootaert(1999)认为社会资本作为家庭的生产要素，和人力资本和物质资本是相同的。他运析了印度尼西亚社会资本和家庭福利和贫穷之间的联系，选用的资料是对当地1200个家庭的调查，包括了不同层次的社会单位（家庭、社区、地区），调查包括社会资本的6个方面，分别是联系的紧密程度、内部差异、参加集会的频繁程度、成员对决策的有效参与，借贷情况以及联系的社区导向。从这6个变量的价值中，他构建了一个社会资本指数，根据每单位资本的费用、资产、可贷款额、储蓄、教育参与程度指标测量出社会资本和家庭福利正相关。KrishnaandShrader(1999)构建了一种更加复杂的调查表，试图包括社会资本所有形式。他们将调查研究按社会的层次分为4类：个人/家庭、邻居/社团、地区、国家。Rose(1999)定义社会资本为个人用来生产和配置商品和服务的正式或非正式社会网络。他的目的是区分正式或非正式社会网络以及他们的互动。在关于印度水利发展项目的研究中，KrishnaandUphoff(1999)证明社会资本和经济发展的业绩成正比。他们建立了一个发展导向集中行动指数。这个指数是正的并且和发展导向集中行动指数显著相关。Whiteley(2000)合并了一些社会资本的测量方法作为解释变量，提出了外生成长模型。虽然也有多个解释变量，Whiteley只对134个国家按照每单位资本的GDP进行了回归，缺点在于经济变量（解释变量）从时间上先于社会资本测量指标，这会引起社会资本和经济业绩之间关系存在随机性的争论。2因子分析方法通过对过去文献的回顾，我们发现构成社会资本的因素和表现形式很多，并且有些因素之间高度相关即反映的信息高度重合，这给测量工作带来了较大的困难。因此，我们认为通过因子分析找到较少的几个因子，代表社会资本的基本结构，反映社会资本的基本特征，对测量三种不同层次的社会资本具有一定的适用性和通用性。因子分析（FactorAnalysis）是多元统计分析技术的一个分支，其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，探求观测数据的基本结构，并用少数几个假想变量来表示基本的数据结构。这些假想变量能够反映原来众多的观测变量所代表的主要信息，并解释这些观测变量之间的相互依存关系。因子分析就是研究如何在丢失信息最少的前提下，把众多的观测变量浓缩为少数几个因子。2.1公因子分析公因子是各个观测变量所共有的因子，解释了变量之间的相关。因子分析模型中，每一个观测变量由m个公因子和一个特殊因子的线性组合表示。公因子的个数最多可以等于观测变量数。因为在求因子解时，总是使第一个因子代表了所有变量中最多的信息，随后的因子代表性日益衰减，如果忽略掉最后几个因子，对原始变量的代表性也不会有损失。这个统计模型可以表示为：jjjjy=fx+fx+L+e1122（1）当yj是观测变量时，xj是公因子，fji表示第j个变量对第i个因子的相关系数，也叫负载。把它展开，yj和yk的相关性可以表示为：jkjkjkjmkmr=ff+ff+L+ff1122（2）其中m是公因子的数目。一般来说，如果研究者事先对观测数据背后存在多少个基础变量（社会资本的本质特征）无所知，可以运用探测性（Exploratory）因子分析作为探索基础变量的维数。多数情况下，研究者根据某些社会资本理论或其他的先验知识可能对因子的个数或因子的结构作出假设，运用证实性（Confirmatory）因子分析来检验这个假设。2.2主成分分析主成分分析实际是独立于因子分析的一种数据简化技术。因子分析中把主成分分析的结果作为一个初始因子解，在确定因子个数时主要用到主成分分析产生的一个统计量——特征值。这些都需要对因子进行测度。给出因子对应每个样本案例上的值就是因子值。求因子值涉及到用观测变量来描述因子。一些主要因子值是观测变量加权加总得来的，第p个因子在第I个个案上的值可以表示为：∑==kjfpiwpjxji1（3）其中xji是第j个变量在第i个案例上的值，wpj是第p个因子和第j个变量之间的因子值系数。因为各个变量在因子上的负载不同，所以不能把变量简单相加，权重的大小表示了变量对因子的重要程度。对于主成分分析法得到的因子解，可以直接得到因子值系数。因子值系数乘以对应变量的标准化值就可得到因子值。有了因子值，就可以把因子作为变量进行其它统计分析，从而找出真正全面代表社会资本水平的指标。主成分分析比较深入，公因子分析则更具确定性。通过因子分析把一组观测变量化为少数的几个因子后，进一步将原始观测变量的信息转换成这些因子的因子值，用这些因子代替原来的观测变量进行其他的统计分析，如回归分析、路径分析、判别分析和聚类分析等，利用因子值也可以直接对样本进行分类和综合评价。综上所述，对社会资本进行因子分析的步骤总结如下：(1)指定参与因子分析的变量（如义务、预期以及对机构的信任、信息渠道、规范），计算所有变量的相关矩阵。相关矩阵是因子分析直接要用的数据，根据计算出的相关矩阵还应该进一步判断应用因子分析方法是否适合。(2)提取因子，包括确定因子的个数和求因子解的方法。(3)计算因子值。因子值是各个因子在每个案例上的得分值，有了因子值就可以在其它的分析中使用这些因子。3应用举例针对中国的情况，边燕杰、丘海雄（2000）设计了3个指标测量企业的社会资本。第一个指标是企业法人代表是否在上级领导机关任过职（纵向联系），第二个指标是企业法人代表是否在跨行业的其他任何企业工作过及出任过管理、经营等领导职务（横向联系），第三个指标是企业法人代表的社会交往和联系（社会联系）是否广泛。该项研究的资料取自1998年在广州进行的“企业工资及经营情况问卷调查”，随机选取了200家企业作为访问对象，企业的所有制包括国有、集体、中外合资等8种形式，国有企业占多数（120家）。其行业分布包括制造业、商业、金融和房地产以及建筑业等7种。将上述3个指标用因子分析的方式合并，所得因子即为企业的社会资本因子（见表1）。3个指标对因子的相对贡献由因子的负载值表示，依次排列是纵向联系（774），横向联系（733），社会联系（621）。这个排列显示，企业的纵向联系是积累和发展社会资本的最重要的渠道，其次是横向联系，再次是社会联系。必须说明的是，3个指标对因子的贡献都相当大，而相对差异并不很大，所以企业社会资本的3个方面，没有哪个方面是可以忽视的。上述因子分析方法的运用，只是对企业中观层次社会资本水平的测量。对于地区乃至国家宏观层次社会资本的测量，目前国内涉猎很少。而要从宏观层次上深入探讨社会资本对地区及区域经济发展的作用，以及从微观层次上探讨社会资本对个人福利水平的提高，离不开因子分析方法的科学运用。