购买
下载掌阅APP,畅读海量书库
立即打开
畅读海量书库
扫码下载掌阅APP

第一节
“一带一路”国家经济社会发展评价指数权重的确定及指数设计

一、“一带一路”国家经济社会发展评价指数的权重确定

在评价指标(因素)权重确定中,本报告依据选取变异系数法确定各个指标(因素)的权重。变异系数法确定的各个指标(因素)权重公式为

img

式(2-1)中, img 表示第 h 1 一级层下 h 2 二级层的第 i 个指标总体均值; img 表示第 h 1 一级层下 h 2 二级层的第 i 个指标总体标准差; img 表示第 h 1 一级层下 h 2 二级层的第 i 个指标总体变异系数。式(2-1)反映了指标变异系数大的给予较小的权重,对变异系数小的给予较大的权重,保证了不同指标数据的可综合性。

二、“一带一路”国家经济社会发展评价指数设计

本报告设计的评价指数为

img

式(2-2)中, I i 为第 i 层发展评价测度指数; img 为测度指标 img 的总体变异系数; img 为指标

img 的综合权重。式(2-2)是对各归一化评价指标进行加权综合后和线性变化后的评价指数测度工具。

img

式(2-3)中, I 为综合上一层发展评价测度指数; cv i 为上层测度指数 I i 的总体变异系数; w i 为上层测度指数 I i 的综合权重。 DWCqSvZWN6MbvkcB/r1WbrqohYvOo2qEeMw8bVzjoHc/PljOdxZd/nVtZCDEHjs9



第二节
“一带一路”国家经济社会发展水平评价的分类方法

传统的统计聚类分析方法包括系统聚类法、K-means聚类算法、动态聚类法、有序样品聚类和模糊聚类法等。“一带一路”国家经济社会发展水平评价的分类方法选择K-means聚类算法,其模型为

img

式(2-4)中, x n 为第 n 个样本的指标测度; img μ k 为第 k 类中心均值; r nk 为样本 x n 属于类 k 的示性函数。K-means聚类方法是通过对聚类中心 μ k 的迭代调整使得式(2-4)达到最小值时的聚类结果为最优结果。该算法的流程如下。

(1)初始化

选择(或人为指定)某些记录作为凝聚点。

(2)循环

①按就近原则将其余记录向凝聚点凝集。

②计算出各个初始分类的中心位置(均值)。

③用计算出的中心位置重新进行聚类。如此反复循环,直到凝聚点位置收敛为止。 DWCqSvZWN6MbvkcB/r1WbrqohYvOo2qEeMw8bVzjoHc/PljOdxZd/nVtZCDEHjs9

点击中间区域
呼出菜单
上一章
目录
下一章
×