我国31省市教育水平的聚类分析.docVIP

我国31省市教育水平的聚类分析 摘要教育实力是一国综合国力的重要组成部分。充分了解我国各 地区的教育水平具有重大意义。本文建了一个含有9个一级指标，31个二 级指标的评级指标体系，同时应用聚类方法和基于PCA的聚类方法对31 各省市的教育水平进行聚类分析，并通过比较两种方法得到的结果，表明 基于PCA的聚类方法是可行的。 关键词聚类分析PCA分析教育水平R软件 屮图分类号：G649. 2文献标识码：A 0引言 教育实力是一国综合国力的重要组成部分。教育竞争力在捉升一国综 合国力屮有着特殊的地位和作用，直接关系到科技竞争力和企业竞争力， 从整体上影响到国家的综合竞争力。认清我国教育竞争力在国际上的位 置，对于国家科学地制定教育发展战略，实现从人U大国迈向人力资源强 国的转变，推进教育现代化进程具有十分重要的意义。 目前我国教育水〒虽然得到了长足的发展，但依旧存在问题。因此通 过对31各省市的教育水平的聚类分析，能够更加清楚的认识各地区以及 我国的教育水平现状，了解哪些地区之间相似，哪些差异较大，并以此为 依裾，制定区域联合政策来提高区域教育水平。所以对区域教育水平的分 析具有重要意义。同时通过将基于PCA的聚类方法与传统聚类分析方法进 行比较，来说明基于PCA的聚类方法的可靠性。 1建立各省市教育水平指标体系 教育水平是一个综合、系统的概念，因此构建一个层次分明、结构完 整的评价指标体系是必须的。指标体系的合理与否，决定了对教育水平评 价的准确程度。因此，构建一个合理的指标评价体系应该遵循以下6个基 本原则：相关性原则、全面性原则、经济性原则、重要性原则、可操作性 原则、相对稳定性原则。 木文在6个基木原则的基础上构建含有9个一级指标和31个二级指 标的省市教育水平评价指标体系。表1列出了省市教育水平评价指标体系 框架。 2本文研究涉及的方法：PCA和聚类分析 本文在对各省市教育水平的评价时，首先采用聚类分析对31个二级 指标进行分析。但因为教育水平的评价需要的指标数量较多，计算量较大， 所以第二种方法先采用PCA,将具有相关性的多个指标，转化为几个相互 独立的综合指标（PC），再对各省市的教育水平进行聚类分析。这样做的 好处就是通过PCA在没有损失太多信息条件下，减少了指标个数从而达到 减小计算的复杂性。 下面对木文所涉及的PCA、聚类分析进行介绍。 2. 1 PCA PCA是利用降维的思想：设研宄问题有P个指标，这P个指标构成的 P维随机向量x= （xl，x2，…，xp） ’。对x作正交变换：y=U’x，其屮U’ 为正交阵，y的各分量是不相关的，我们从y的主分量中选择主要成分， 剔除对所研宂问题影响微弱的部分，通过对Y的主分量的重点分析，达到 对原始变量进行分析的目的。PCA分析法的基本步骤如下： 确定分析指标，收集数据。 确定指标矩阵。 设高校Ai (i=l, 2，…，n)在指标Sj (j=l, 2，…，p)下取值为 xij得到指标矩阵： X= (x) (2.1) 由于各指标反映的数量角度不同，且各指标的量纲也不同，所 以，要对数据进行中心标准化，即 X-H1XD-1 (2.2) 其屮 H=I?HallT, D=diag{| |HX (1) | ||HX (p) ||}变换后的 数据阵仍记为X。 求XTX的特征值?%(11彡…?%dp彡0和对应的标准特征向量 ul,…，up,这由对XTX的谱分解完成，即 XTX二UAUT, (2. 3) 其屮 U= (ul，…，up) 求PCA对总变差的累计贡献率。根据累计应献率(〉85%)来确 定PCA个数。 2.2聚类分析 聚类分析是指将物理或抽象对象的集合分组成为由类似的对象组成 的多个类的分析过程。其屮系统聚类法作为聚类分析使用最多的方法，在 介绍该方法前，先介绍一个与聚类分析有关的概念：相似系数，其定义如 T： 定义3. 1设p个变量xl，…xp，的n组数据：xtl,…xtp，t=l，2，…， n。这p个变量的n个观测记录为Rn中的p个向量x (1)，…，x (p)， 写成矩阵形式： X= (xij) = (x (1), ...x (p)) = (xl, ...xn) ’ (2. 4) 用(2.5) 来描述变量xi和xj间的相关性，并称其为xi, xj的相关系数，其 中 xi=xti， xj=xtj。 本文将相似系数作为归类指标，则该系统聚类方法的基本步骤如下： 第一步：将每个变量视为一个类，计算类之间的归类指标，然将衡量 指标将最接近的两个变量归为一类，其余不变。 第二步：为了将新的类在归类，需要确定新类的归类指标和归类方法。 一般采用综合变量法，该方法将新归并的类巾的变量用加权平均的方法综 合成一个变量，并视力新并类的代表，然后以各类屮的代表变量计算两两 的相似系数，并把这