灰色关联分析好的.docVIP

灰色关联分析 用途：考虑到影响****因素的指标个数之多，并且彼此之间存在着一定的相关性，因此上海市就业是一个多因素复杂的系统，我们采用灰色关联理论对各因素与城镇就业人数之间的关系进行分析研究。灰色关联分析反映了曲线间的关联程度，反映了各相关因素对体统特征行为的接近次序，其中关联度最大的为最优因素，因此灰色关联分析对于一个系统发展变化态势提供了量化的度量，非常适合动态历程分析。 建立原始数列的因变量参考数列和自变量比较数列 因变量参考数列又称母序列，记作，，自变量参考数列又称母序列，记作， 2）将原始序列进行初始化法、均值化法的无法量纲处理，目的是消除数量级大小不同的影响，以便于进行计算和比较分析，我们采用了这两种方法对数据进行了处理。 3）计算每个时刻点上母序列与各子序列差的绝对值，并从中取得最大差和最小差序列： ，则差序列为： ， （21） 其中，最大差：；最小差：。 4）计算灰色关联度系数 利用公式计算灰色关联度系数，其中是第个点的子因素与母因素的相对差值，为分辨系数，一般在0与1之间选取，通常取为0.5。 5）计算灰色关联度 为求总的关联度，需要考虑不同的观测点在总体观测中的重要性程度，则需要确定各点的权重，我们采用算数平均的方法计算灰色关联度，公式为 6）关联度排序 根据的大小安排关联序的先后顺序，关联度越接近于1，说明关联程度越大，根据经验，当时，两因素的关联度大于0.6，便认为其关联性显著[13]。我们利用MATLAB[14]软件编程（代码详见附录3）计算可得，各指标的关联度如小表所示，从结果来看，所有的因素关联度均大于0.6，则说明选取的指标均对上海的就业有影响。 表6 各指标灰色关联度对照表 指标 关联度 0.81 0.79 0.93 0.75 0.71 0.75 0.71 0.89 0.73 难点：样本数据和方阵数据的含义及其使用方法（未解决） 定义：对于两个系统之间的因素，其随时间或不同对象而变化的关联性大小的量度，称为关联度。在系统发展过程中，若两个因素变化的趋势具有一致性，即同步变化程度较高，即可谓二者关联程度较高；反之，则较低。因此，灰色关联分析方法，是根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，作为衡量因素间关联程度的一种方法。 就业 人数 （万人） 受高等 教育比例 （%） 上海 GDP （万亿） 第一产业 占GDP比例 （%） 城市居民消 费价格指数 平均货 币工资 （元） 恩格尔 系数 城镇固定 资产投资 （万亿） 进出口 差额 （万亿） 城市化 水平 1978 698.32 0.00 272.81 0.04 4.61 672 56 27.91 27.60 0.59 1979 712.59 0.01 286.43 0.04 4.71 784 56 35.58 34.72 0.61 1980 730.77 0.01 311.89 0.03 4.74 873 56.00 45.43 40.26 0.61 1981 750.22 0.01 324.76 0.03 4.78 870 56.80 54.60 34.64 0.61 1982 764.03 0.01 337.07 0.04 4.78 883 58.90 71.34 33.17 0.62 1983 768.90 0.01 351.81 0.04 4.81 897 58.50 75.94 31.56 0.62 1984 769.79 0.01 390.85 0.04 4.92 1110 56.50 92.30 27.74 0.63 1985 775.53 0.01 466.75 0.04 5.03 1416 52.10 118.56 17.30 0.64 1986 782.99 0.01 490.83 0.04 5.12 1689 52.70 146.93 19.60 0.65 1987 788.12 0.01 545.46 0.04 5.16 1893 54.40 186.30 23.24 0.66 1988 792.13 0.01 648.30 0.04 5.27 2277 52.70 245.27 19.65 0.66 1989 784.96 0.01 696.54 0.04 5.27 2608 55.80 214.76 22.16 0.67 1990 787.72 0.01 781.66 0.04 5.27 2917 56.50 227.08 32.11 0.67 1991 798.13 0.01 8