一 引言

产业安全是经济安全的基础和核心，是国家制定产业政策、实行经济干预最基本的出发点。开展产业安全评价工作，分析制约产业生存与发展的关键问题与重大威胁，对于我国在经济全球化背景下有效维护产业安全，具有重要的实践意义和现实意义。

医疗产业作为一种特殊的产业，关乎人类的生存和健康，在提高医疗产业安全意识的同时，定量评估我国医疗产业安全度，梳理对医疗产业安全运行有影响的因素，为相关部门制定政策法规提供依据，对于我国的医疗产业安全发展具有重要的意义。

二 方法介绍

（一）因子分析法

因子分析法是一种多元统计分析方法，它从所研究的全部原始变量中将有关信息集中起来，通过探讨相关矩阵的内部依赖结构，将多指标综合成少数因子（综合指标），再现指标与因子之间的相关关系，并进一步探讨产生这些相关关系的内在原因。在因子分析法中，最常用的是主成分分析法，其基本原理和步骤如下。

1.数据标准化处理

主成分分析法假定原变量是因子变量的线性组合。第一主成分有最大的方差，后续成分可解释的方差越来越少。从数学角度来看，这是一种降维处理技术。设估计样本数为n，选取的资本流动指标数为p，则由估计样本的原始数据可得矩阵X=（X_ij）_n×p。其中，X_ij表示第i年的第j个指标数据。将指标按下面公式进行标准化处理：

进行标准化处理后，可得到新的数据矩阵Y=（Y_ij）_m×n。其中，X^*_j为第j项指标的均值，Var（X_j）为第j项指标的方差。

2.计算相关系数矩阵R和特征值

设R_ij（i，j=1，2，…，p）为原来变量Y_i、Y_j的相关系数，其计算公式为：

解特征方程λE-R=0，求出特征值λ_i（i=1，2，…，p）。因为R为正定矩阵，所以其特征值λ_i都为正数，将其按大小顺序排列，即λ₁≥λ₂≥…≥λ_i≥0。特征值是各主成分的方差，它的大小反映了各个主成分在描述被评价对象上所起的作用；然后根据方程R-λIU=0可确定特征向量的矩阵U。

3.计算因子变量方差贡献率及累积方差贡献率，确定主成分个数

因子变量的命名解释是因子分析的另外一个核心问题。经过分析得到的主成分是对原变量的综合。在实际分析的过程中，主要是通过对载荷矩阵的值进行分析，得到因子变量和原变量的关系，从而对新的因子变量进行命名解释。

因子变量Z的方差贡献率为 ，累计方差贡献率为 。因子变量的方差贡献是衡量因子重要程度的指标，值越大说明对原变量的描述程度越大。一般取累积方差贡献率达80%～95%的特征值λ₁，λ₂，…，λ所对应的1，2，…，m（m≤p）个主成分。

因子载荷矩阵中的因子载荷量表示的是主成分Z_i与原始指标X_i的相关系数R（Z_i，X_i），因子载荷量揭示了主成分与各流动指标的相关度，利用它可较好地解释主成分的经济意义。

4.计算因子得分

主成分确定以后，对每一样本数据，希望得到它们在不同因子上的具体数据值，这些数值就是因子得分，它和原变量的得分相对应。通过因子分析得到的结果可以用来综合判定。

P_m=W₁Z₁+W₂Z₂+…+W_mZ_m （3）

其中，W₁，W₂，…，W_m为主成分的方差贡献率；Z₁，Z₂，…，Z_m为因子得分。

（二）熵权法

熵权法是一种在综合考虑各项评价指标所提供信息的基础上，对各指标权重进行评价的方法。具体而言，熵权法是根据各指标所包含的信息量大小来确定权重的，某个评价指标所包含的信息量（或变异程度）越大，熵值就越小，该指标的权重越大；反之亦然。如果某个评价指标值的各个取值都相等，则该评价指标并不向系统提供有用信息，该指标权重为零。根据各评价指标所提供的信息计算熵值来确定各指标的权重，再对所有指标进行加权，可以得出较为客观的综合评价结果。

1.评价矩阵的定义

假设有m个评价指标；每一个评价指标有n种不同取值。这n种不同取值可能分别来自n个专家对各评价指标的打分，也可能是在n个不同时期对评价指标的观测值，或者是对n个不同对象的评价。m个评价指标对应于n种不同取值所构成的评价矩阵R为：

在产业安全评价中，R即综合评价矩阵。为了去除不同指标的量纲，对评价矩阵R作归一化处理，得到矩阵R′：

R′=（r′_ij）_n×m （5）

对于正向指标，归一化方法如下：

对于反向指标