灰色關(guān)聯(lián)分析好的

1、表6各指標(biāo)灰色關(guān)聯(lián)度對(duì)照表灰色關(guān)聯(lián)分析用途：考慮到影響*因素的指標(biāo)個(gè)數(shù)之多，并且彼此之間存在著一定的 相關(guān)性，因此上海市就業(yè)是一個(gè)多因素復(fù)雜的系統(tǒng)， 我們采用灰色關(guān)聯(lián)理論對(duì)各 因素與城鎮(zhèn)就業(yè)人數(shù)之間的關(guān)系進(jìn)行分析研究。 灰色關(guān)聯(lián)分析反映了曲線間的關(guān) 聯(lián)程度，反映了各相關(guān)因素對(duì)體統(tǒng)特征行為的接近次序， 其中關(guān)聯(lián)度最大的為最 優(yōu)因素，因此灰色關(guān)聯(lián)分析對(duì)于一個(gè)系統(tǒng)發(fā)展變化態(tài)勢(shì)提供了量化的度量，非常適合動(dòng)態(tài)歷程分析。1 )建立原始數(shù)列的因變量參考數(shù)列和自變量比較數(shù)列因變量參考數(shù)列又稱(chēng)母序列，記作X0(k)，X(k) = x01),x02),x03)川，x0k)，自變 量參考數(shù)列又稱(chēng)母序列，記作Xi(k

2、)，X(k)=卜,Xi必川,xi(k),i =1,2,川n。2) 將原始序列進(jìn)行初始化法、均值化法的無(wú)法量綱處理 ，目的是消除數(shù)量 級(jí)大小不同的影響，以便于進(jìn)行計(jì)算和比較分析，我們采用了這兩種方法對(duì)數(shù)據(jù) 進(jìn)行了處理。-x(k)(i =1,2,lil,n),則差序列為：4 =2i i(2)Q (3)川 4(k),(21):也 max = max max其中，最大差x0k) -Xi(k)i =12lll,n最小差：3) 計(jì)算每個(gè)時(shí)刻點(diǎn)上母序列與各子序列差的絕對(duì)值，并從中取得最大差和 最小差序列： i(k)=x0k)-x(k)Amin =min min x0k)i i4) 計(jì)算灰色關(guān)聯(lián)度系數(shù)L0k)

3、是第k個(gè)點(diǎn)的利用公式10?二也min + max計(jì)算灰色關(guān)聯(lián)度系數(shù)，其中0i + 泌 max子因素與母因素的相對(duì)差值，A為分辨系數(shù)，一般在0與1之間選取，通常取為 0.5。5) 計(jì)算灰色關(guān)聯(lián)度為求總的關(guān)聯(lián)度，需要考慮不同的觀測(cè)點(diǎn)在總體觀測(cè)中的重要性程度，則需要確定各點(diǎn)的權(quán)重，我們采用算數(shù)平均的方法計(jì)算灰色關(guān)聯(lián)度R0i，公式為1 n磚1藝L0k)n k#6)關(guān)聯(lián)度排序根據(jù)Roi的大小安排關(guān)聯(lián)序的先后順序，關(guān)聯(lián)度越接近于1,說(shuō)明關(guān)聯(lián)程度越大，根據(jù)經(jīng)驗(yàn)，當(dāng)A =0.5時(shí)，兩因素的關(guān)聯(lián)度大于0.6，便認(rèn)為其關(guān)聯(lián)性顯著 13。我們利用MATLAB 14軟件編程(代碼詳見(jiàn)附錄3)計(jì)算可得，各指標(biāo)的關(guān) 聯(lián)度

4、如小表所示，從結(jié)果來(lái)看，所有的因素關(guān)聯(lián)度均大于 0.6，則說(shuō)明選取的指 標(biāo)均對(duì)上海的就業(yè)有影響。指標(biāo)XiX2X3X4X5X6X7X8X9關(guān)聯(lián)度0.810.790.930.750.710.750.710.890.73難點(diǎn)：樣本數(shù)據(jù)和方陣數(shù)據(jù)的含義及其使用方法（未解決）定義：對(duì)于兩個(gè)系統(tǒng)之間的因素，其隨時(shí)間或不同對(duì)象而變化的關(guān)聯(lián)性大 小的量度，稱(chēng)為關(guān)聯(lián)度。在系統(tǒng)發(fā)展過(guò)程中，若兩個(gè)因素變化的趨勢(shì)具有一致性， 即同步變化程度較高，即可謂二者關(guān)聯(lián)程度較高；反之，貝嚴(yán)低。因此，灰色關(guān) 聯(lián)分析方法，是根據(jù)因素之間發(fā)展趨勢(shì)的相似或相異程度，亦即“灰色關(guān)聯(lián)度”， 作為衡量因素間關(guān)聯(lián)程度的一種方法。年份就業(yè) 人數(shù)

5、 （萬(wàn)人）受咼 等 教育 比例（%上海GDP（萬(wàn)億）第一 產(chǎn)業(yè) 占GDP比例（%城市 居民 消費(fèi)價(jià) 格指 數(shù)平均貨 幣工資（元）恩格 爾系數(shù)城鎮(zhèn)固 定資產(chǎn)投 資（萬(wàn)億）進(jìn)出口 差額 （萬(wàn)億）城市 化水平1978698.320.00272.810.044.616725627.9127.600.591979712.590.01286.430.044.717845635.5834.720.611980730.770.01311.890.034.7487356.0045.4340.260.611981750.220.01324.760.034.7887056.8054.6034.640.6119827

6、64.030.01337.070.044.7888358.9071.3433.170.621983768.900.01351.810.044.8189758.5075.9431.560.621984769.790.01390.850.044.92111056.5092.3027.740.631985775.530.01466.750.045.03141652.10118.5617.300.641986782.990.01490.830.045.12168952.70146.9319.600.651987788.120.01545.460.045.16189354.40186.3023.240.

7、661988792.130.01648.300.045.27227752.70245.2719.650.661989784.960.01696.540.045.27260855.80214.7622.160.671990787.720.01781.660.045.27291756.50227.0832.110.671991798.130.01893.770.045.33337556.90258.3034.360.681992806.910.011114.320.035.39427355.90357.3833.530.681993853.110.011519.230.025.54565053.1

8、0653.9119.320.691994850.040.011990.860.025.66740153.501123.2922.870.701995855.720.012499.430.025.81927953.401601.7941.290.711996851.210.012957.550.025.901066350.701952.0542.130.711997847.250.013438.790.025.971142551.701977.5946.840.721998836.210.013801.090.026.031205950.601964.8366.100.731999812.090

9、.014188.730.026.101414745.201856.72-10.340.742000828.350.014771.170.026.181542044.501869.67-40.020.752001752.260.025210.120.016.261776443.401994.73-56.420.752002792.040.025741.030.016.371947339.402187.06-85.540.762003813.050.026694.230.016.422216037.202452.11-154.330.782004836.870.028072.830.016.542

10、439836.373084.66-129.860.812005863.320.029247.660.016.622682335.903542.55-48.810.842006885.510.0310572.240.016.742956935.603925.09-3.430.8620071024.330.0312494.010.016.863470735.504458.6148.830.8720081053.240.0314069.870.016.953950236.604829.45165.620.8720091064.420.0315046.450.017.024278935.005273.

11、3360.970.88clear;cic;yan gbe n=load(ya ngbe n. txt);fan gzhe n=load(fa ngzhe n. txt); %待判數(shù)據(jù) rows,cols=size(fa ngzhe n);p=0.5;%分辨系數(shù)m,n=size(ya ngbe n);yan gbe n=(ya ngbe n./max(ya ngbe n);for i=1:cols%因素3/9越小越好if (i=9 | i=3)clear Value;clear min Value;Value = fan gzhe n(:,i);mi nValue=mi n( Value );f

12、or j=1:rowsfan gzhe n(j,i) = min Value / fan gzhe n(j,i);endelseif(i=6)clear Value;clear min Value;clear maxValue;Value = fan gzhe n(:,i);mi nValue=mi n( Value );maxValue=max( Value );for j=1:rowsfan gzhe n(j,i) = ( fan gzhe n(j,i) - min Value ) / ( maxValue - min Value );endelseclear Value;clear mi

13、n Value;Value = fangzhen(:,i); maxValue=max( Value ); for j=1:rows fangzhen(j,i) = fangzhen(j,i) / maxValue; end end end fangzhen=fangzhen;% 方陣的列行數(shù)據(jù)發(fā)生值發(fā)生交換for i=1:colsfor j=1:rowsfangzhen(i,j)=abs( yangben(1,j)-fangzhen(i,j) ); endend matrixMax=max(max(fangzhen); matrixMin=min(min(fangzhen); totalVa

14、lue=matrixMin + matrixMax;for i=1:colsfor j=1:rows fangzhen(i,j)=totalValue/(fangzhen(i,j)+matrixMax);endendR = sum(fangzhen,2)/rows或灰色關(guān)聯(lián)度 matlab 源程序最近幾天一直在寫(xiě)算法， 其實(shí)網(wǎng)上可以下到這些算法的源程序的， 但是為了搞懂， 搞清楚，還是自己一個(gè)一個(gè)的看了，寫(xiě)了，作為自身的積累，而且自己的的矩陣 計(jì)算類(lèi)庫(kù)也迅速得到補(bǔ)充， 以后關(guān)于算法方面， 基本的矩陣運(yùn)算不用再重復(fù)寫(xiě)了， 挺好的，是種積累，下面把灰關(guān)聯(lián)的 matlab 程序與大家分享。灰色關(guān)聯(lián)度

15、分析法是將研究對(duì)象及影響因素的因子值視為一條線上的點(diǎn), 與待識(shí)別對(duì)象及影響因素的因子值所繪制的曲線進(jìn)行比較 , 比較它們之間的貼近度 ,并 分別量化 , 計(jì)算出研究對(duì)象與待識(shí)別對(duì)象各影響因素之間的貼近程度的關(guān)聯(lián)度,通過(guò)比較各關(guān)聯(lián)度的大小來(lái)判斷待識(shí)別對(duì)象對(duì)研究對(duì)象的影響程度。關(guān)聯(lián)度計(jì)算的預(yù)處理， 一般初值化或者均值化， 根據(jù)我的實(shí)際需要， 本程序中使 用的是比較序列與參考序列組成的矩陣除以參考序列的列均值等到的， 當(dāng)然也可 以是其他方法。%注意：由于需要，均值化方法采用各組值除以樣本的各列平均值clear;clc;yangben=47.924375 25.168125 827.4105438 3

16、30.08875 1045.164375 261.37437516.3372 6.62 940.2824 709.2752 962.1284 84.87455.69666667 30.80333333 885.21 275.8066667 1052.42 435.81 ; % 樣本數(shù)據(jù)fangzhen=36.27 14.59 836.15 420.41 1011.83 189.5464.73 35.63 755.45 331.32 978.5 257.8742.44 23.07 846 348.05 1025.4 296.6959.34 39.7 794.31 334.63 1016.4 317.27 52.91 17.14 821.79 306.92 1141.94 122.04 4.21 4.86 1815.52 2584.68 963.61 0.00 6.01 2.43 1791.61 2338.17 1278.08 30.