時間：2023-03-22 17:42:39
序論：在您撰寫聚類分析論文時，參考他人的優(yōu)秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發(fā)您的創(chuàng)作熱情，引導(dǎo)您走向新的創(chuàng)作高度。
1．1環(huán)境友好型社會概念目前學(xué)術(shù)界對于環(huán)境友好型社會的定義尚未統(tǒng)一，論文根據(jù)簡新華的研究，認為環(huán)境友好型社會是指人們在生產(chǎn)和生活的各種活動中盡量減少廢物排放，有效防止環(huán)境污染，不斷保護和優(yōu)化自然生態(tài)環(huán)境的社會，也就是人與環(huán)境和諧的社會，及人類保護改善優(yōu)化環(huán)境、環(huán)境能夠支撐人類社會經(jīng)濟可持續(xù)發(fā)展的社會。
1．2評價指標體系在借鑒簡新華的綜合評價指標體系基礎(chǔ)上，并遵循評價指標體系構(gòu)建的科學(xué)性、客觀性、可比性、層次性和可操作性等五個原則和參考以往學(xué)者對相關(guān)具體指標的選擇，文中從影響區(qū)域環(huán)境影響總量、環(huán)境影響發(fā)展和環(huán)境保護潛力等3方面，構(gòu)建了環(huán)境友好型社會綜合評價指標體系。
1．3數(shù)據(jù)來源與處理文中的數(shù)據(jù)資料，來自于2011年《中國統(tǒng)計年鑒》、2011年《中國城市統(tǒng)計年鑒》、2011年《中國城市競爭力年鑒》、2011年《中國城市能源統(tǒng)計年鑒》等，部分數(shù)據(jù)是整理計算后得出的結(jié)果。
1．4評價方法文中首先采用因子分析法，對我國31省級行政區(qū)域的環(huán)境友好型社會水平進行綜合評價。因子分析在SPSS17．0軟件環(huán)境下進行。其次，在因子分析的結(jié)果基礎(chǔ)上，對各省市區(qū)域的環(huán)境友好型社會發(fā)展狀況進行聚類分析。采用HierarchicalCluster的聚類方法，運用離差平方和法(Ward＇smethod)計算類與類之間距離，選擇歐式距離的平方(SquaredEuclideanDistance)進行聚類，最終得出聚類分析結(jié)果，并用Arc-GIS9．2軟件呈現(xiàn)空間差異。
2結(jié)果與分析
2．1因子分析通過對評價對象的3個二級指標下的23個三級指標進行環(huán)境友好型社會程度綜合評價。
2．2聚類分析與空間分異在因子分析基礎(chǔ)上，進行樣本聚類分析，并利用ArcGIS9．2軟件顯示量化分類結(jié)果的空間分異特征。聚類方法選擇Ward法，距離測試采用歐氏距離平方法，利用SPSS的系統(tǒng)聚類法進行聚類分析。根據(jù)聚類結(jié)果，可以將31個省市區(qū)域劃分為3－8類如果劃分太少的類別(如分為3類或4類)，則無法考察類別之間的具體差異，如果選擇較細的類別劃分(如分為7類或8類)，則某一類別中含有的省份過少，更多地表達了特殊性。為了體現(xiàn)類型之間的差異性，又保證不同類型包含省份的均勻性，本課題將31個省份分為5類，并用ArcGIS9．2軟件分析得出空間差異
3討論
(1)為了解決環(huán)境友好型評價指標體系缺乏針對性的問題，文中在環(huán)境友好型社會概念基礎(chǔ)上，從環(huán)境影響總量、環(huán)境影響發(fā)展和環(huán)境保護潛力等三個方面，提出了由23個既相互聯(lián)系又相互獨立并能進行量化的指標構(gòu)成的環(huán)境友好型社會綜合測度指標體系。通過采用2011年度中國統(tǒng)計年鑒和各行業(yè)和能源產(chǎn)業(yè)統(tǒng)計年鑒數(shù)據(jù)基礎(chǔ)上，對中國31個省級行政區(qū)的環(huán)境友好型社會發(fā)展狀況進行了綜合評價和聚類分析，研究結(jié)果與當(dāng)前中國環(huán)境生態(tài)質(zhì)量的現(xiàn)狀有較好的一致性，這也說明了該指標體系具有一定科學(xué)性和完備性。
(2)盡管文中的研究為我們客觀評價環(huán)境友好型社會提供了一種思路并具有一定的可操作性，但在選擇環(huán)境影響總量、環(huán)境影響發(fā)展和環(huán)境潛力等具體指標時，大多是建立在數(shù)據(jù)的可獲得性和以往的研究文獻基礎(chǔ)上，仍存在一定的主觀性。并且所選用的統(tǒng)計分析方法也可以是多種多樣的，也不僅僅是文中所提到的主成分因子分析法，還可以是諸如物元法、模糊評價法、神經(jīng)網(wǎng)絡(luò)法和層次分析法等，不同的分析方法勢必會有不同的優(yōu)點和不足之處，這需要后續(xù)學(xué)者做進一步探索。另外，從評價對象上看，文中選用的是省級空間分布尺度，這種尺度分類仍較為粗略，未來的研究可以進一步深化，比如縣域等。
(3)從研究結(jié)果看，中國31個省級行政區(qū)的環(huán)境友好型社會發(fā)展狀況可以劃分為五類;在空間分布上，環(huán)境友好型社會程度相對較高的省份大多位于東部沿海地區(qū)和西部國界線附近的不發(fā)達地區(qū)，而環(huán)境友好型社會程度相對較弱的省份大多位于京津唐冀和晉等省份和地區(qū)，這一研究結(jié)果與張墨寧的調(diào)查結(jié)果相一致。造成這種現(xiàn)象的原因，或許與中國所處的發(fā)展階段、區(qū)域主導(dǎo)產(chǎn)業(yè)結(jié)構(gòu)和在很大程度上繼續(xù)沿用以往粗放型經(jīng)濟發(fā)展模式有關(guān)，并值得相關(guān)政府決策部門的重視。
4結(jié)論
對于股票投資來說，一定要關(guān)注股票上市公司的基本盈利狀況以及該公司未來的發(fā)展狀況。在投資時，這兩大因素必須進行思考衡量，因為這兩大因素是衡量一個上市公司有沒有投資價值最基本的條件。因此，要在投資前計算出該股票每股的收益、該公司凈資產(chǎn)收益率以及主營收入增長率。
1.盈利能力指標?？傎Y產(chǎn)利潤率=凈利潤/平均資產(chǎn)總額，這體現(xiàn)出公司整體的獲利能力。凈資產(chǎn)利潤率=凈利潤/平均凈資產(chǎn)，這個關(guān)系可以直接體現(xiàn)出股東投資的回報。主營業(yè)務(wù)收益率=主營業(yè)務(wù)利潤/主營業(yè)務(wù)收入，主營業(yè)務(wù)是上市公司利潤的來源，主營業(yè)務(wù)的收益越大，公司在市場中的競爭優(yōu)勢就越明顯。每股收益=凈利潤/期末總股本，每股的收益越高，反應(yīng)出每股獲利的能力越強。
2.成長能力指標。主營業(yè)務(wù)收益增長率=本期主營業(yè)務(wù)收入/上期主營業(yè)務(wù)收入-1，這體現(xiàn)出上市公司重點項目的成長力。凈資產(chǎn)利潤率=本期凈利潤/上期凈利潤-1，上市公司給員工的薪酬都是根據(jù)凈利潤決定的。
二、聚類分析的投資方法應(yīng)用實例
聚類分析方法隸屬多元統(tǒng)計分析方法之中，與多元統(tǒng)計分析法和回歸分析法并稱為三大應(yīng)用方法。聚類分析法一定要建立在某個優(yōu)化意義基礎(chǔ)之上，如果將聚類分析方和常規(guī)的分析法相比較的話，會發(fā)現(xiàn)聚類分析法有很大的優(yōu)勢，第一是使用聚類分析法可以對數(shù)據(jù)中的多個變量進行樣本分析，然后將其分類整理；第二是通過使用聚類分析法所得出的數(shù)據(jù)非常直觀明了，通過觀察聚類譜系圖投資者就能夠清楚地分析出數(shù)據(jù)顯示的結(jié)果；第三是如果將聚類統(tǒng)計法所得出來的數(shù)據(jù)結(jié)果與普通方法計算出來的結(jié)果進行對比，不難發(fā)現(xiàn)聚類分析法的對比結(jié)果更加細致、科學(xué)、全面，接下來通過兩個應(yīng)用的實例進行說明。
1.原始數(shù)據(jù)標準化。為了解決原始數(shù)據(jù)量綱和數(shù)量級差異帶來的影響，更好的對聚類分析和判別進行分析，可以采用指標標準化的處理方法。
2.逆指標正向化處理。流通股本是逆指標，對其絕對值取倒數(shù)可以得出。
三、將聚類分析法應(yīng)用到金融投資上的意義
將聚類分析法應(yīng)用于金融投資上，不但可以顯示出有效、科學(xué)、全面的數(shù)據(jù)更能幫助彌補金融投資投資時所出現(xiàn)的不足。
第一，聚類分析法建立在基礎(chǔ)分析之上，對投資股票從一些基本層面進行量化分析，進而對股票價格影響因素定性進行補充并完善了原有的基礎(chǔ)分析。聚類分析法作為長期的理性投資參考依據(jù)，是為了發(fā)掘股票投資的真實價值，避免由于市場過熱導(dǎo)致資產(chǎn)估值不公允。
第二，在建立投資評價模型的時候，可以運用聚類分析法對公司和股票投資價值之間的聯(lián)系進行分析。公司的成長是一個在哥登模型中，在一個變化的趨勢內(nèi)進行。不變的股息增長率對實際情況并不符合，在采用多階增長模型的時候，想要得到不同階段的股息增長率是很困難的。所以，對股票的成長進行分析得時候，可以選取凈利潤率等客觀的數(shù)據(jù)做參考，這樣可以估算出股票的發(fā)展?jié)摿Α?/p>
第三，通過對聚類分析法和現(xiàn)資組合理論的比較可以得出，聚類分析法比現(xiàn)資組合理論更具有直觀性和實用性，并且在實際生活中的局限小。該方法主要著眼于實際數(shù)據(jù)的相似性和其延生的規(guī)律性，較投資學(xué)中一些以預(yù)測和假定前提較多的模型而言更具有現(xiàn)實意義，也更加貼近當(dāng)前市場情況的現(xiàn)實。另外，聚類分析法的操作性強，在實際應(yīng)用過程中有一定的優(yōu)越性，更加適合投資者使用。
第四，聚類分析法作為長期投資的理念，隨著我國金融行業(yè)的不斷發(fā)展，逐漸被更多的投資人采用。理性的運用聚類分析法這種投資方法，不但可以使投資者的投資風(fēng)險降到最低，還可以規(guī)范其他投行的投資行為，促使發(fā)行股票的企業(yè)可以本著經(jīng)營業(yè)績和長期的成長模式進行投資，在一定程度上可以有效規(guī)避道德風(fēng)險和投機行為，保證金融市場的穩(wěn)定性和規(guī)范性，保護散戶和弱勢群體的經(jīng)濟利益，進而繁榮整個股票、證劵市場，使我國的經(jīng)濟更繁榮。
四、結(jié)論
近年來，全國大學(xué)生數(shù)學(xué)建模競賽迅速發(fā)展，為國家培養(yǎng)了大批應(yīng)用型人才。但由于各地區(qū)教育水平不同、相關(guān)部門對競賽的重視程度不同，導(dǎo)致各地區(qū)組織學(xué)生參加大學(xué)數(shù)學(xué)建模競賽的規(guī)模不同，在該項賽事中取得的成績差異比較顯著。2013年全國大學(xué)生數(shù)學(xué)建模競賽評選出的獎項有:賽區(qū)優(yōu)秀組織工作獎9個，本科組高教社杯獎1個，?？聘呓躺绫?個，本科組MATLAB創(chuàng)新獎1個，?？平MMATLAB創(chuàng)新獎1個，本科組IBMSPSS創(chuàng)新獎1個，?？平MIBMSPSS創(chuàng)新獎1個，本科組一等獎共273名，本科組二等獎共1292名，專科組一等獎共44名，?？平M二等獎共211名［1］，但成績相對于參賽區(qū)分布不太均勻。分析各地區(qū)在2013年全國大學(xué)生數(shù)學(xué)建模競賽中取得的成績，明確各地區(qū)數(shù)學(xué)建模發(fā)展狀況的差異和特點，將有利于相關(guān)部門從宏觀上了解我國大學(xué)生數(shù)學(xué)建模競賽的整體發(fā)展現(xiàn)狀，分類制定相關(guān)政策［2－3］，從而充分發(fā)揮數(shù)學(xué)建模的重要作用。
1建立綜合評價指標體系
全國大學(xué)生數(shù)學(xué)建模競賽現(xiàn)狀的一個重要方面就是全國大學(xué)生數(shù)學(xué)建模競賽獲獎情況。依據(jù)全國大學(xué)生數(shù)學(xué)建模競賽設(shè)置的獎項，遵循可比性原則，參考文獻［4－5］，選取x1－x7共七項評價指標，具體如下:x1:本科組高教社杯、MATLAB創(chuàng)新獎和IBMSPSS創(chuàng)新獎獲獎情況;x2:本科組一等獎獲獎數(shù);x3:本科組二等獎獲獎數(shù);x4:?？平M高教社杯、MATLAB創(chuàng)新獎和IBMSPSS創(chuàng)新獎獲獎情況;x5:專科組一等獎獲獎數(shù);x6:?？平M二等獎獲獎數(shù);x7:年度競賽優(yōu)秀組織工作獎獲得情況。說明:鑒于本科組與?？平M的高教社杯、MAT-LAB創(chuàng)新獎和IBMSPSS創(chuàng)新獎三類獎項每年只有一個隊獲獎，且基本不可重復(fù)獲得(參見歷年大學(xué)生數(shù)學(xué)建模競賽獲獎名單)故將其合并作為一類。
2數(shù)據(jù)資料依據(jù)
2013年全國大學(xué)生數(shù)學(xué)建模競賽獲獎名單，按指標對各個賽區(qū)的獲獎情況統(tǒng)計如表1所示。
3R型聚類分析定性分析
七項指標之間的相關(guān)性。編寫MAT-LAB程序如下:＞＞clc，clear＞＞symxy;＞＞x=xlsread(‘shuju．xls’);%將上表中的數(shù)據(jù)保存到MATLAB中WORK文件夾excel文件shu-ju．xls中，并將其賦于x＞＞y=corr(x)%輸出七項指標間的相關(guān)系數(shù)矩陣(如表2所示)＞＞d=pdist(y，’correlation’);%計算相關(guān)系數(shù)導(dǎo)出的距離＞＞z=linkage(d，’average’);%按類平均法聚類＞＞h=dendrogram(z);%畫聚類圖(如圖1所示)＞＞T=cluster(z，’maxclust'，5);%把變量劃分為5類＞＞fori=1:5tm=find(T==i);tm=reshape(tm，1，length(tm));＞＞fprintf(’第%d類的有%s\n’，i，int2str(tm));＞＞end程序輸出:第1類的有4;第2類的有56;第3類的有7;第4類的有23;第5類的有1。即:若將指標分為5類，則指標1、4、7各為一類，指標2、3為一類，指標4、5為一類。
4Q型聚類分析
4.1選取5個指標的分類從R型聚類分析分出的5類指標中各選一個，即選取5個指標體系，對33個參賽地區(qū)進行聚類分析。首先對變量數(shù)據(jù)進行標準化處理，采用歐氏距離度量樣本間相似性，選用類平均法計算類間距離。在MATLAB命令窗口輸入下列程序:＞＞symsxy;＞＞x=xlsread(’shuju．xls’);%將上表中的數(shù)據(jù)保存到MATLAB中WORK文件夾excel文件shu-ju．xls中，并將其賦于x＞＞x(:，［3，5］)=［］;%刪除數(shù)據(jù)矩陣的3，5兩列，即使用變量1，2，4，6，7＞＞x=zscore(x);%將數(shù)據(jù)標準化＞＞s=pdist(x);%每一行是一個對象，求對象間的歐式距離＞＞z=linkage(s，’average’);%按類平均法聚類＞＞h=dendrogram(z);%畫聚類圖(如圖2所示)＞＞T=cluster(z，’maxclust’，3);%把樣本點劃分成3類＞＞fori=1:3;tm=find(T==i);%求i類的對象tm=reshape(tm，1，length(tm));%變成行向量＞＞fprintf(’第%d類的有%s\n’，i，int2str(tm));%現(xiàn)實分類結(jié)果＞＞end程序輸出:第1類的有11318第2類的有2345678910111216171920212224252627282930313233第3類的有141523即:第一類:北京，福建，湖南;第三類:江西，山東，四川;第二類:其它地區(qū)。
4.2選取7個指標的分類考慮到指標2與指標3，指標5與指標6具有一定的獨立性，若七個指標體系全部取用，將33個地區(qū)分為4類，程序輸入如下:＞＞symsxy;＞＞x=xlsread(’shuju．xls’);＞＞s=pdist(x);＞＞z=linkage(s，’average’);＞＞h=dendrogram(z);%畫聚類圖(如圖3所示)＞＞T=cluster(z，’maxclust’，4);＞＞fori=1:4tm=find(T==i);tm=reshape(tm，1，length(tm));＞＞fprintf(’第%d類的有%s\n’，i，int2str(tm));＞＞end程序輸出:第1類的有116第2類的有6710151927第3類的有23489111213141718202223242528第4類的有521262930313233即:第一類:北京，河南;第二類:遼寧，吉林，江蘇，山東，廣東，陜西;第四類:內(nèi)蒙古，海南，，青海，寧夏，新疆，香港，澳門。4.3選取本科層次指標的分類只考慮本科層次取得的成績，即選用指標1，2，3，對33個參賽地區(qū)進行聚類分析，從而明確掌握其本科階段的差異，則有:輸入程序:＞＞symsxy;＞＞x=xlsread(’shuju．xls’);＞＞x(:，［4，5，6，7］)=［］;＞＞x=zscore(x);＞＞s=pdist(x);＞＞z=linkage(s，’average’);＞＞h=dendrogram(z);%畫聚類圖(如圖4所示)＞＞T=cluster(z，’maxclust’，3);＞＞fori=1:3;tm=find(T==i);tm=reshape(tm，1，length(tm));＞＞fprintf(’第%d類的有%s\n’，i，int2str(tm));＞＞end程序輸出:第1類的有11318第2類的有101115161719222327第3類的有2345678912142021242526282930313233即:第一類:北京，福建，湖南;第二類:江蘇，浙江，山東，河南，湖北，廣東，重慶，四川，陜西;第三類:其它地區(qū)。4.4選取?？茖哟沃笜说姆诸愔豢紤]?？茖哟稳〉玫某煽儯催x用指標4，5，6，對33個參賽地區(qū)進行聚類分析，從而明確掌握其?？齐A段的差異，則有:輸入程序:＞＞symsxy;＞＞x=xlsread(’shuju．xls’);＞＞x(:，［1:3，7］)=［］;＞＞x=zscore(x);＞＞s=pdist(x);＞＞z=linkage(s，’average’);%畫聚類圖(如圖5所示)＞＞h=dendrogram(z);＞＞T=cluster(z，’maxclust'，4);＞＞fori=1:4;tm=find(T==i);tm=reshape(tm，1，length(tm));＞＞fprintf(’第%d類的有%s\n’，i，int2str(tm));＞＞end程序輸出:第1類的有14第2類的有1523第3類的有41927第4類的有1235678910111213161718202122242526282930313233即:第一類:江西;第二類:山東，四川;第三類:山西，廣東，陜西;第四類:其余各地區(qū)。
5結(jié)束語
國家統(tǒng)計局在其《中國信息能力報告》中，設(shè)計了一套評價我國信息化水平的指標：指標體系共分4級，有25個指標：①信息技術(shù)和信息設(shè)備應(yīng)用能力：a.每千人擁有PC數(shù)；b.每千人擁有傳真機數(shù)；c.每百人擁有電話數(shù)；d.每千人擁有電視機數(shù)；e.每千人擁有收音機數(shù)；f.每萬人接入因特網(wǎng)用戶；g.每百萬人互聯(lián)網(wǎng)上網(wǎng)主機數(shù)；h.每平方公里光纜長度；i.每百家企事業(yè)單位上網(wǎng)數(shù)；j.基礎(chǔ)信息產(chǎn)業(yè)產(chǎn)值占GDP比重。②信息資源及開發(fā)利用能力：a.每戶打國際電話時間；b.每百人期刊發(fā)行量；c.每日信息量；d.網(wǎng)絡(luò)用戶平均上網(wǎng)時間；e.每萬人Web站點數(shù)。③人口素質(zhì)：a.每萬人平均科學(xué)家和工程師數(shù)；b.第三產(chǎn)業(yè)從業(yè)人數(shù)占就業(yè)總?cè)丝诒戎?；c.大學(xué)入學(xué)率；d.每十萬人在校學(xué)生數(shù)；e.計算機專家和工程師數(shù)。④國家對信息產(chǎn)業(yè)發(fā)展的支撐：a.信息產(chǎn)業(yè)產(chǎn)值占GDP比重；b.研究開發(fā)(R&G)支出占GDP比重；c.每主線電信投資；d.人均GNP；e.教育投入。
鑒于遵循數(shù)據(jù)的客觀性和代表性，以及易得性，本文采取以下指標：每千人工業(yè)增加值x1；每千人電信業(yè)務(wù)量x2；每千人移動通信交換機容量x3；移動電話普及率x4；電話普及率x5；廣播綜合人口覆蓋率x6；電視綜合人口覆蓋率x7；有線電視普及率x8；每十戶寬帶上網(wǎng)用占有戶數(shù)x9；R&D經(jīng)費支出占GDP比重x10；每十人從事科技活動人員總數(shù)占有的人數(shù)x11；每十人在校大學(xué)生人數(shù)占有的人數(shù)x12；每千人專利授權(quán)數(shù)占有數(shù)x13。其中缺省值用平均值代替或者臨近年數(shù)內(nèi)值代替。由于篇幅有限，指標數(shù)據(jù)省略。
2、因子分析
因子分析法是能夠?qū)崿F(xiàn)數(shù)據(jù)簡化目的的有效方法之一。其基本思想是根據(jù)相關(guān)性大小把變量分組，使得同組內(nèi)的變量之間相關(guān)性較高，使不同組的變量相關(guān)性較低，每組變量代表一個基本結(jié)構(gòu)，這個基本結(jié)構(gòu)稱為公共因子。運用因子分析法，借助EXCEL多元統(tǒng)分析，對已得的指標數(shù)據(jù)進行分析處理，在處理過程中選取方差貢獻比率為0.80。
按照方差貢獻比率大于80%，應(yīng)提取前四個因子，它們所解釋的方差占總方差的84.58%，這四個因子就可以解釋原始數(shù)據(jù)的大部分信息了。
分析結(jié)果中可以得到每個城市的四個因子得分情況F1，F(xiàn)2，F(xiàn)3和F4。最后，對28個城市的信息化水平進行綜合評價并排序。以旋轉(zhuǎn)后四個因子的方差貢獻率為權(quán)數(shù)計算綜合得分，計算公式為：F=0.5923F1+0.09957F2+0.0804F3+0.0736F4，最終可以得到所有城市的綜合得分排名。
由于變量指標取值的同向性，得分越高代表信息化水平越高。排名依次為：北京，天津、廣東、浙江、江蘇、湖南、福建等等。
3、聚類分析
聚類分析是統(tǒng)計學(xué)中研究“物以類聚”問題的多元統(tǒng)計分析方法，在統(tǒng)計分析的應(yīng)用領(lǐng)域已經(jīng)得到了極為廣泛的應(yīng)用。其思路為：首先每個數(shù)據(jù)對象自成一類，并且計算各個類之間的“距離”或者相似性。然后每次將最相似的兩類合并，合并后重新計算新類與其他各個類之間的距離或相似度。這一“凝聚”的過程一直繼續(xù)直到所有對象都歸為一類為止。利用各城市的因子得分，還可對28個城市進行分類，得分值相近的城市被認為具有較相似的屬性。
4、結(jié)果分析
由所得到的聚類圖可以看出，全國信息化水平基本上可以分為五類，北京，山西各成一類，從上面的綜合水平排名可以看出，北京信息化水平處于全國領(lǐng)先地位，這首先歸功于北京的地理位置和政治人文環(huán)境，其次結(jié)合因子得分矩陣，北京在因子1上的得分最高，而根據(jù)因子載荷矩陣可以看出，因子1在13個變量指標上的載荷系數(shù)都比較大，證明北京在城市信息化的各個方面都比較出色。山西的信息化綜合水平排名第10，屬于中等偏上的水平，在因子4上的得分較高，因子4在變量指標x1，x2上的載荷量較大，這正好符合山西是個煤礦大省的特征，通信電信比較發(fā)達繁榮。天津、廣東、江蘇、福建、浙江歸為一類，這幾個城市都是發(fā)達城市，信息化水平偏高，在每個指標上得分都比較平均。而河北、黑龍江、河南、江西、遼寧、吉林、湖北、湖南、安徽、山東、四川、海南、重慶可以歸為一類，這幾個城市由于地理環(huán)境、產(chǎn)業(yè)結(jié)構(gòu)、人口眾多等因素使得信息化水平中等偏下。最后一類，信息化水平偏下的一類包括：內(nèi)蒙古、甘肅、青海、寧夏、廣西、云南、和陜西，信息化水平底下源于經(jīng)濟發(fā)展水平不高、對于信息化認識薄弱以及對信息產(chǎn)業(yè)的投入不夠。
5、政策建議
雖然我國信息化應(yīng)用工作已取得了較大的成績，但在發(fā)展的過程中還存在著一些問題和不足使信息化帶動經(jīng)濟發(fā)展的優(yōu)勢難以更好地發(fā)揮與國外發(fā)達國家相比還有很大差距，就是同亞洲一些發(fā)展中國家(或地區(qū))比較也存在不小的距離。當(dāng)前，經(jīng)濟全球化、我國加入世界貿(mào)易組織和世界信息產(chǎn)業(yè)的新發(fā)展，都對我國信息化應(yīng)用發(fā)展提出了新的要求，因此，我們應(yīng)認真分析中國信息化水平現(xiàn)狀，分析與國外信息化發(fā)展的差距，有效地針對問題和不足進行改進，正確地規(guī)劃未來發(fā)展方向和應(yīng)采取的對策。
對策和建議主要有：(1)加快有關(guān)信息化法律、法規(guī)的制定，確保應(yīng)用中的可靠性和安全性(2)降低成本，普及大眾。(3)加強信息化知識普及與培訓(xùn)力度。(4)加大國家對信息化投資力度縮小地區(qū)間差距。(5)加強信息資源建設(shè)，提高信息化服務(wù)質(zhì)量與水平。(6)建立信息化數(shù)據(jù)采集系統(tǒng)和評價監(jiān)測體系。
另外，由上文的分析，信息化水平測度的數(shù)據(jù)很不全面，在每個地區(qū)城市的報告中尚未包括有些信息化水平測度指標，比如說信息產(chǎn)業(yè)增加值占地區(qū)生產(chǎn)值的比重。完整的數(shù)據(jù)不僅可以幫助很好的測度信息化水平，同時可以鞭策及時發(fā)現(xiàn)問題，提出相應(yīng)的解決辦法，這對于提高信息化水平是必要的途徑。
參考文獻：
[1]張海永.基于因子分析和聚類分析的江蘇省13個城市社會發(fā)展水平研究.西南民族大學(xué)學(xué)報·自然科學(xué)版，2007，(2).
[2]陳小磊，鄭建明，萬里鵬.信息化水平測度指標體系理論研究述評.圖書情報知識，2006，(9).
[3]盧紋岱.SPSSforWindows統(tǒng)計分析.電子工業(yè)出版社(第三版)，2006.480-483.
1.1城郊農(nóng)戶此種類型的農(nóng)戶主要是對其生活、農(nóng)業(yè)種植、畜禽養(yǎng)殖、鄉(xiāng)村旅游進行污染區(qū)分。①污染源區(qū)分：農(nóng)家樂是目前鄉(xiāng)村旅游的重要形式，其污染源包括污水、人類尿便等，鄉(xiāng)村旅游污染和旅游人數(shù)之間有著直接的關(guān)系。所以，這一類污染的產(chǎn)污單元可以看做是每一位鄉(xiāng)村游客。②污染強度的劃分：生活污水（包括垃圾、人類尿）排放強度=每戶游客污水日排放量/每戶游客數(shù)。
1.2種養(yǎng)結(jié)合戶此種類型農(nóng)戶的污染源劃分主要是根據(jù)農(nóng)戶種植污染、畜禽養(yǎng)殖污染、農(nóng)戶生活污染等進行劃分。其中，畜禽養(yǎng)殖污染源的劃分同典型養(yǎng)殖戶；農(nóng)戶生活、農(nóng)戶農(nóng)業(yè)種植污染源識別同典型種植戶。
2農(nóng)村環(huán)境污染物排放的核算
2.1農(nóng)村環(huán)境污染物具體排放量的計算研究得知，各污染源污染實物的排放量多少是和流失系數(shù)、產(chǎn)污系數(shù)等密切相關(guān)的。而農(nóng)村環(huán)境污染具有極其明顯的地域性，所以我們計算中需要的參數(shù)值必須通過對某一地區(qū)內(nèi)各種相關(guān)聯(lián)的因素進行測定和綜合分析才能得出。目前，得出這些參數(shù)的方法一般有兩種，一是通過特定地區(qū)的污染發(fā)生學(xué)實驗研究來得出，二是通過相關(guān)的文獻進行篩選、調(diào)研。
2.2農(nóng)村環(huán)境污染敏感性的調(diào)研這里提到的敏感性主要是指調(diào)研區(qū)域地表水環(huán)境對農(nóng)村各種社會經(jīng)濟活動的反應(yīng)的敏感程度?？梢苑从钞a(chǎn)生地表水水體富營養(yǎng)化的概率的大小，敏感性分為5級，即不敏感、輕度敏感、中度敏感、高度敏感、極敏感。根據(jù)相關(guān)的調(diào)查，對農(nóng)村環(huán)境污染的敏感性評價可以采用污染物（COD、TN、TP）的排放濃度結(jié)合水質(zhì)評價模型進行評定。具體可有以下3種方法。①單向水質(zhì)指數(shù)法。在確定各基本單元的基本指數(shù)后，用污染物（COD、TN、TP）的水質(zhì)指數(shù)作為變量，進行全面的聚類分析，然后根據(jù)分析結(jié)果，劃分敏感級別。②加權(quán)指數(shù)法。運用加權(quán)指數(shù)法可以反映出污染物（COD、TN、TP）在不同地區(qū)對環(huán)境污染的影響。首先要確定影響農(nóng)村環(huán)境污染敏感性發(fā)熱污染物（COD、TN、TP）的排放濃度，然后再依據(jù)加權(quán)指數(shù)法計算出各基本敏感單元的敏感性數(shù)值。③內(nèi)梅羅綜合指數(shù)法。如果單項水質(zhì)指數(shù)的數(shù)值變化很大，為了更加有效的突出各個高值的影響，就可以采用內(nèi)梅羅平均值法。同樣，在確定了各基本單元的內(nèi)梅羅指數(shù)后，以其指數(shù)為變量。進行綜合的聚類分析，然后根據(jù)分析結(jié)果劃分敏感性等級。
3污染程度的區(qū)分
首先確定環(huán)境污染中的主要污染物、總污染負荷，然后與區(qū)域相結(jié)合確定重點污染區(qū)域，進而確定其污染程度。
3.1水質(zhì)系數(shù)和排放濃度要想全面的反映出區(qū)域污染的狀況，要從排污總量和排污濃度兩方面上來進行考慮，水質(zhì)系數(shù)反映評價標準和污染物濃度之間的關(guān)系，其中：污染物水質(zhì)指數(shù)=該污染物排放濃度/該地環(huán)境質(zhì)量標準
3.2聚類分析進行聚類分析要運用SPSS軟件，采用Q型聚類，通過對農(nóng)村環(huán)境污染源等標污染的負荷率進行綜合的聚類分析，然后來區(qū)分不同區(qū)域的主要污染類型，比如種植污染型、養(yǎng)殖污染型、綜合污染型、生活污染型等。
4結(jié)語
系統(tǒng)主要實現(xiàn)軟件的模塊話設(shè)計，包括反射率數(shù)據(jù)分析模塊、速度分析模塊、天線運行穩(wěn)定性分析模塊以及雷達組網(wǎng)數(shù)據(jù)分析模塊。
1.1反射率分析模塊
反射率的大小體現(xiàn)了氣象目標的降水粒子的密度分布及體積大小，在實際氣象技術(shù)中長期用于表示氣象目標的強度，在工作上采用dBZ單位表示。對于空管氣象雷達圖，數(shù)據(jù)顯示采用PPI(PlanPositionImage)顯示方式。該方式?jīng)Q定了一張氣象雷達圖由圓錐俯視平面上分析空間的回波構(gòu)成。在設(shè)計上簡單介紹其設(shè)計流程，首先必須讀取原始數(shù)據(jù)，并判斷是否首次讀取，若為首次讀取則對其進行預(yù)處理，否則進行坐標轉(zhuǎn)換；其次進行圖像繪制并判斷是否需要改變仰角。此處需要關(guān)注的關(guān)鍵是如何進行數(shù)據(jù)的預(yù)處理。在實現(xiàn)上，對接收的數(shù)據(jù)進行反射率信息結(jié)構(gòu)體賦值。當(dāng)然該結(jié)構(gòu)體包括了記錄實際仰角角度、數(shù)據(jù)文件路徑存儲、雷達波段判斷以及相關(guān)數(shù)據(jù)的偏移。通過掃描上述結(jié)構(gòu)體可以實現(xiàn)對雷達數(shù)據(jù)的預(yù)處理。
1.2速度分析模塊
多普勒雷達采用了速度退化模糊技術(shù)以擴大其對徑向風(fēng)速測量不模糊的區(qū)間。結(jié)構(gòu)設(shè)計主要考慮數(shù)據(jù)顯示的徑向方式，流程設(shè)計則與反射模塊類似。當(dāng)然在界面設(shè)計上，系統(tǒng)將提供對顏色配置的定義，使其人機交互更為快捷。
1.3天線穩(wěn)定性分析模塊
天線是雷達數(shù)據(jù)采集的關(guān)鍵部位，長期以來是影響雷達運行的主要關(guān)鍵點之一。其依賴于底下的電機進行旋轉(zhuǎn)，目前大多數(shù)進口電機可以保證24小時安全運行。而運行時仰角提升和轉(zhuǎn)速的平穩(wěn)性直接影響雷達數(shù)據(jù)的采集。為此，我們通過在徑向數(shù)據(jù)上采用方位角及仰角進行掃描實現(xiàn)曲線圖監(jiān)控。通過選擇基數(shù)據(jù)再進行預(yù)處理后繪制相關(guān)曲線實現(xiàn)對天線運行狀態(tài)的評估。其中，曲線圖的繪制需要的參數(shù)為：縱坐標為氣象雷達實際運行的每層仰角均值；橫坐標為范圍角：0-360°。
1.4雷達組網(wǎng)分析模塊
按照民航局的總體規(guī)劃，未來空管將實現(xiàn)多氣象雷達覆蓋，在這過程，多個氣象雷達的組網(wǎng)將成為氣象雷達數(shù)據(jù)的主要來源。這種模式將使得數(shù)據(jù)覆蓋面更大、數(shù)據(jù)安全性更高、數(shù)據(jù)準確性更強。而與此同時帶來了雷達數(shù)據(jù)融合組網(wǎng)的技術(shù)難點。設(shè)計上，首先模塊將定義雷達站點配置信息，并與此同時提供組網(wǎng)雷達可選數(shù)據(jù)；其次對選擇雷達數(shù)據(jù)進行數(shù)據(jù)預(yù)處理；再之則對雷達數(shù)據(jù)進行統(tǒng)計平均并做坐標轉(zhuǎn)換；最后進行拼圖處理。在這過程中，需要對雷達數(shù)據(jù)的強度進行自適應(yīng)調(diào)整、顯示范圍自適應(yīng)調(diào)整。與上述同理，系統(tǒng)核心在于預(yù)處理。在C#中定義List數(shù)據(jù)列表，并在定義其結(jié)構(gòu)為[站點標示][距離][方位角]，對于數(shù)據(jù)讀取時，需要進行插值算法處理，此時的單時數(shù)據(jù)拼接分析可以實現(xiàn)不同仰角和方位角的篩選。為了控制系統(tǒng)數(shù)據(jù)的準確性可以在前端定義雷達數(shù)據(jù)方位角表，根據(jù)表進行映射處理。通常如若出現(xiàn)非連續(xù)數(shù)據(jù)可以在預(yù)處理上對其進行差值補償。在C#上可以采用反差圓補償方法。
2．結(jié)束語
1．芭蕾是一種形式感很強的舞臺表演藝術(shù)
芭蕾是一種形式感很強的舞臺表演藝術(shù)。即使不特別熟悉這一藝術(shù)樣式的觀眾，也知道它是“足尖上的舞蹈”，知道它那挺拔、修長的“Arabesque”，知道它那“天鵝般”靜穆與典雅的舞風(fēng)。事實上，“形式感”很強的芭蕾，積淀的是包括基督精神、哥特式審美和紳士風(fēng)度等在內(nèi)的西方文化精神。根據(jù)文化傳播學(xué)的原理，某一文化形態(tài)在播遷異域后，反倒比其原生地的母體更固守形態(tài)的原發(fā)性和純粹性。盡管芭蕾的形式在中國大眾的接受境遇中已與原有的文化精神相剝離，但要在這種抽象的幾何形態(tài)中注人中國文化精神也并非易事。更何況“大紅燈籠”所面對的是《妻妾成群》這樣的文化舊俗和社會陋習(xí)。張藝謀高掛芭蕾“大紅燈籠”的初衷，可能是燈籠的象征、京劇的意味以及傳統(tǒng)中國的文化色彩，但他不能不首先對原著的敘述焦點及焦點人物作顛覆性的處理，否則他將被芭蕾的“形式感”所顛覆。非?？粗亍靶问健痹谒囆g(shù)表現(xiàn)中的重要作用的張藝謀，不可能置芭蕾藝術(shù)的“形式感”不顧而為所欲為。
2．按照舞劇敘述的特性升華原著的主題
據(jù)稱芭蕾舞劇《大紅燈籠高高掛》改編自張藝謀的同名電影，但張藝謀的電影則是改編自蘇童不同名的小說《妻妾成群》。我并不認為張藝謀電影的選材是迎合西方世界期待的中國“民族性”，從小說《妻妾成群》更名為電影《大紅燈籠高高掛》來看，毋寧說是張藝謀更看重選材中“鏡頭語言”的藝術(shù)張力及其文化內(nèi)涵。將《妻妾成群》的直描隱匿在“大紅燈籠”的暗喻之后，是電影敘述中“鏡頭語言”的特性所決定的；電影無需改變原著的敘述焦點和焦點人物，因為在“大紅燈籠”高掛的鏡頭下，仍然是老爺?shù)拿呋ㄋ蘖推捩臓庯L(fēng)吃醋。但顯然，芭蕾“形式感”所決定的“舞劇敘述”拒絕老爺成為“男首席”。這一方面是由于芭蕾“男首席”體態(tài)語言的美學(xué)規(guī)范拒絕“老爺”的委瑣和陰毒，另一方面也是由于老爺“成群的妻妾”使“女首席”難以抉擇。于是，芭蕾舞劇“大紅燈籠”將“男首席”聚集于那位與三太太“”的戲班武生，三太太也就順理成章地成了“女首席”；又于是，男、女首席的“”事件沿著自身的敘述邏輯展開，它不是“妻妾成群”中的“世態(tài)百象”，而是其原有的“純情”之戀的“一以貫之”。于是，芭蕾舞劇《大紅燈籠高高掛》敘述的主線，體現(xiàn)為三太太的與其戀人——戲班武生的四段雙人舞：序幕中三太太被迫出嫁時憶及舊時戀人的“純情”雙人舞；三幕中戲班武生唱堂會時相逢三太太的“傾情”雙人舞；三幕中三太太不顧家法、以身相許舊時戀人的“”雙人舞；尾聲中戲班武生與三太太被老爺杖刑奪去年輕生命的“殉情”雙人舞……在我看來，舞劇的敘述特性首先體現(xiàn)為按男、女首席舞者的命運來設(shè)定情節(jié)，盡管“大紅燈籠”還不可能完全擺脫原著情節(jié)的構(gòu)成框架，但原著的情節(jié)框架已拉開成背景，原著的主題也由于焦點人物的轉(zhuǎn)換而得以升華。值得注意的是，在這種敘述特性的觀照下，二太太從告密以邀寵到點燈而遭難的線索難免給人以枝蔓橫生之感。
