基于因子与聚类分析的中国31省市的就业情况

数据深度作为一种多维的排序方法,已经被广泛应用于多元回归、聚类判别、风险度量等众多领域.基于《中国统计年鉴》(2010)的数据,在主成分分析的基础上,定义了新的深度函数作为评价准则对中国31省市的就业情况进行了综合排序.进一步以主成分的方差贡献率为权重,运用加权欧氏距离进行了主成分聚类.总结出4个层次的地区就业情况的总体特点与差异,并对其差异的形成原因进行了简要分析.

主成分集成评价方法的问题探析与模型拓展

文章针对主成分综合评价主要环节的一般性问题展开讨论,给出可行的解决方案并进行了理论分析。在总结现有关于主成分聚类分析重要文献的基础上,通过构建客观赋权的加权主成分距离为聚类统计量,有效地解决了现有聚类模型不能处理指标共线性和重要性差异悬殊的问题。对比本文拓展的聚类模型与同类模型的分类效率发现,加权主成分聚类分析蕴含的客观合理性是其优势所在的根本原因。

中国区域创新能力静态分析——基于自适应赋权主成分聚类模型

本文在对经典聚类模型和现有改进聚类模型优点与不足剖析的基础上,通过定义客观加权主成分距离为分类统计量,提出了一种自适应赋权的主成分聚类模型。与现有同类方法相比,新模型克服了指标之间的高度共线性,能够对指标重要性的客观差异进行自适应赋权,每一步都有充分的理论保证其必要性、合理性.应用加权主成分聚类对中国区域创新能力进行集团划分,分类结果的可解释性明显提高,统计检验效果显著,所得的结论对了解和推动中国区域创新能力发展具有借鉴意义。