面板数据的灰色关联与聚类模型构建及应用

《面板数据的灰色关联与聚类模型构建及应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号：N941.5论文编号：102870912-s054学科分类号：120100硕士学位论文面板数据的灰色关联与聚类模型构建及应用研究生姓名穆森学科、专业管理科学与工程研究方向灰色关联与聚类分析指导教师党耀国教授南京航空航天大学研究生院经济与管理学院二О一二年三月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofEconomicsandManagementResearchontheModelsandApplication

2、BasedonGreyRelationalAnalysisandClusteringtothePanelDataAThesisinManagementScienceandEngineeringbyMuSenAdvisedbyProf.DangYaoguoSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofManagementMarch,2012承诺书本人声明所呈交的硕士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中

3、特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本承诺书）作者签名：日期：南京航空航天大学硕士学位论文摘要针对面板数据的灰色关联分析和聚类问题，在经典灰色关联分析方法和灰色聚类方法的基础上，构建了基于主成分分析的灰色关联分析模型和基于面板数据灰色关联聚类模型。将灰

4、色关联分析方法扩展到面板数据分析中，解决了小样本面板数据的灰色聚类分析问题，具体的研究内容包括以下几个方面：（1）针对以面板数据形式描述系统行为特征和相关因素的数据序列，构建了基于主成分分析的灰色关联分析模型。通过构建反映系统行为和相关因素的指标体系，利用主成分分析方法进行降维，结合方差贡献率，计算系统行为和相关因素的主成分综合得分序列，采用灰色关联分析方法计算系统行为与相关因素主成分得分序列的关联度，进而判别系统行为与相关因素的关联程度。（2）针对小样本面板数据聚类问题，构建了基于面板数据灰色关联聚类模型。通过将不

5、同时刻的灰色聚类系数矩阵转化为不同对象属于不同灰类的时间聚类系数向量，引入灰色关联分析的思想，通过时间聚类系数向量的灰色关联分析得到不同对象属于不同灰类的灰色关联度矩阵，依据关联度最大的原则，判断对象所属灰类，达到面板数据聚类的目的。（3）分别运用基于主成分分析的灰色关联分析模型和基于面板数据的灰色关联聚类模型进行了江苏财政科技投入产出因素分析和江苏省制造业相关产业竞争力的聚类分析两个实证分析，实证结果表明两个模型分别较好地解决了以面板数据描述投入产出因素的关联分析问题和小样本制造业相关产业竞争力聚类分析问题，从而验

6、证了模型的有效性和可行性。关键词：面板数据，主成分分析，灰色关联分析，关联聚类I面板数据的灰色关联与聚类模型构建及应用ABSTRACTFortheproblemofGreyRelationalAnalysisandCorrelationClusteringforthepaneldata,basedontheclassicGreyRelationalAnalysisandGreyClusteringmethods,theGreyRelationalAnalysismodelbasedonthePrincipalComp

7、onentAnalysisandGreyCorrelationClusteringmodelforthepaneldataareproposed,toimprovetheGreyRelationalAnalysismethodtosolvetheproblemofthecorrelationanalysisandtheGreyClusteringanalysistothesmallsamlpepaneldata.Thespecificresearchisshowedinthefollowing:(1)Giventha

8、tthesequencesofsystembehaviorandrelatedfactorsdescribedbytheformofthepaneldata,theGreyRelationalAnalysismodelbasedonthePrincipalComponentAnalysisisputforward.Bybuildingthein