数据建模及综合评价方法2017.pptx

综合评价方法;实际中大量信息或海量信息对应着大量的数据或海量数据，从这些数据中寻求所需要的问题答案--数据建模问题。 通过实际对象过去或当前的相关信息，研究两个方面问题： （1）分析研究实际对象所处的状态和特征，依此做出评价和决策； （2）分析预测实际对象未来的变化状况和趋势，为科学决策提供依据。 具体分为：综合评价、综合排序、预测与决策等;第一部分 综合评价概述;;二、综合评价问题的五个要素 ;三、综合评价过程的流程 ;第二部分 综合评价指标体系的构建;一、综合评价指标的选择原则;二、评价指标的选择方法;2、定量方法 试算法 试算法是通过历史资料的试算来判断指标的有效性。 例如，要评价全国各地区2014年可持续发展战略的实施绩 效，可以2012年和2013年的数据进行试算，通过试算结果判 断所选指标的合适性，然后对相关指标进行科学比较，把那些 代表性强的指标纳入指标体系的构建之中，然后反复修正指标 体系直至满意为止。; 如果 个被评价对象关于某项评价指标的取值都差不多，那么尽管这个评价指标是非常重要的，但对于这 个被评价对象的评价结果来说，它并不起什么作用。因此，为了减少计算量就可以删除这个评价指标。这就是最小均方差的筛选原则：;极小极大离差法 ;聚类分析法 聚类分析在选择指标方面的基本思路是：如果有若干个指标，首先将每一个指标看成一类，然后根据指标间的相似程度，通过比较类间距离进行并类。每次将距离最近的两类加以合并，余下N-1类。再选择这N-1类中距离最近的两类加以合并，余下N-2类。依次类推。这样，每合并一次，就减少一类，继续这一过程，直至将所有指标合并成为一类为止，形成由小到大的分类系统，即谱系。最后整个分类结果画在一张图上，称为聚类图或谱系图，以此直观地反映各指标间的亲疏关系。 ;聚类分析法的具体实施步骤： ①选择度量指标间相似程度的方法。常用的方法是相关系数法。各指标两两之间都可以计算相关系数，从而形成一个相关系数矩阵。 ②选择度量指标类间距离的方法。常用的方法有最长距离法、最短距离法、重心法、类平均法、离差平方和法。由于一般利用相关系数表示指标（类）间的相似程度，所以多采用相关系数量大法进行聚类。 ③根据聚类结果绘制聚类图。根据聚类结果确定指标体系，必须以相关程度作为划分标准。至于分类时用的阈值为多少，要视对指标的简约性要求不同而定。若对指标体系的简约性要求不高，可选择较高的相关系数作为阈值，反之亦然。 ④根据最后划分的类别确定指标体系。由于同一类中指标的相似程度相高，即信息重复较多，可以选择其中之一作为代表，从而达到简化指标的目的。;[例]假定我们初步选择了某事物各个不同侧面特征的指标共8个，记为X1, X2,…, X8。已知各指标之间的相关系数矩阵见表1。; 第一步,在矩阵中找到相关系数最大的两个指标，由 知，相似程度最高,故聚为一类。留下 为代表，将有关X3的信息从表1中去掉，即划掉第三行、第三列。由此得到新的相关矩阵(见表2)。; 第二步，从表2中找出最大的相关系数 ， 故 与 聚为一类，留下 作为这一类的代表，从表2 中去掉 的有关信息形成新的相关系数矩阵(见表3)。; 第三步，表3中最大的相关系数为 ，所以 与 聚成一类，由于 已与 聚成一类了,所以该步实际上是将 聚为一类。 重复这一过程，直至将所有指标聚为一类为止。由于有8个指标，所以需要七步（第四步至第七步聚类过程从略）。最终形成聚类图（谱系图）如图1所示。;第三部分 综合评价指标的处理（数据预处理）;一、评价指标的一致化;评价指标一致化的方法 ; （3）对于区间型指标 ，令 式中， 为指标 的最佳稳定区间， 、 分别为指标 的上、下界。 ;评价指标无量纲化的意义 指标无量纲化也叫做指标数据的标准化、规范化，是通过数学变换来消除原始指标量纲影响的方法。为了尽可能地反映实际情况，排除由于各项指标的量纲不同以及其数值数量级间的悬殊差别所带来的影响，避免不合理现象的发生，需要对评价指标作无量纲化处理。;评价指标无量纲化的方法; （1）标准化处理方法 式中， 、 分别为第 项指标观测值的（样本）平均值和（样本）标准差， 为标准观测值。 特点： ①样本平均值为0，方差为1； ②区间不确定，处理后各指标的最大值、最小值不相同； ③对于指标值恒定的情况不适用； ④对于要求指标值 的评价方法