基于聚类分析的中国邮电产业业务分布研究

《基于聚类分析的中国邮电产业业务分布研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于聚类分析的中国邮电产业业务分布研究邮电业是国家重要的社会公用事业，也是现代服务业的重要组成部分，与我们日常的生活息息相关。为此，文章选取邮电行业2013年各月份的数据，借助SPSS统计软件，先采用主成分分析的方法，挖掘各个月份各业务类型的内在联系，把8个业务类型转化3个主成分。再以这3个主成分为变量，对各个月份进行系统聚类分析，从而发现各月份具体业务量分布的差异，从而得出邮电经济业务水平的时间分布格局，为邮电产业的管理提供一定的依据。0引言随着电子商务和科学技术的不断发展，邮电行业在人们日常生活中发挥着越来越大的作

2、用，邮电产业在中国是具有中国特色的产业。在国内，高洁[1-2]首先采用多元模糊推理预测方法进行邮电业务总量预测的研究，通过模糊推理得到业务量预测结果，并将结果跟模糊神经元X络预测法的结果进行比较，表明多元模糊推理预测方法是有效的。而后她提出一种新的预测方法——可拓聚类预测方法，并用该方法进行邮电业务总量预测的研究，通过聚类分析得到邮电业务量预测值，结果表明可拓聚类预测方法是有效的。袁正[3]以1997年全国投入产出表为基础，把国民经济整合成包括第一产业、第二产业、不包括邮电业的第三产业以及邮电业的四个部分。计算出直接消

3、耗系数矩阵和列昂惕夫逆矩阵，并在此基础上分析邮电业的各种产业波及特性，如影响力、感应度、生产诱发系数、产值波及效应以及价格波及效应。仲伟[4]在对邮电业基于发展变化的产业特性进行规范经济学分析的同时，着重利用投入产出表这一有力的宏观经济分析工具进行定量考察，找出判断产业性质和国民经济部门间影响的事实数据。最后利用计量经济学方法依据现有资料尝试对今后几年邮电业及相关部门总产出、中间投入和最终投入的数值加以预测。张毕西等[5]以我国各地运输、邮电通信业就业人数分布为例来说明模糊聚类、判优与识别的应用，同时这种方法同样可用于

4、各行各业就业分布情况的分析、归类。康国栋等[6]采用时间序列和空间差异相结合的方法，分析了近20年来我国邮电业的发展，通过对我国31个省区人均邮电业务量的分析，将其划分为5个等级，结果发现人均邮电业务量与人均GDP呈正相关关系。在此基础上，以人口和人均GDF为变量，建立了我国邮电业的地域需求模型，发现科技进步和经济发展是我国各省区邮电需求的关键增长因素。曹小曙等[7]利用基尼系数，分析广东省邮电通信业务量1980～2006年的变化趋势，在此基础上，选取1985年、1995年和2005年3个时间断面，利用因子分析剖析邮电

5、业务水平的空间分布格局，进而构建邮电通信发展指数P，反映各市的邮电通信发展速度。蔡亮亮[8]在灰色GM1，1模型的基础之上对全国邮电业务总量的数据进行了分析。结合新陈代谢的方法，将修正后得到的GM1，1模型与马尔科夫链模型进行结合，提出了改进的灰色马尔科夫模型预测方法。利用改进后的灰色马尔科夫模型对全国邮电业务总量进行了预测，预测的结果表明，采用改进后的灰色马尔科夫预测模型能够较准确地预测全国邮电业务总量的范围，预测值的精度和准确度都有了较大的提升，效果令人满意。关于邮电行业的研究不胜枚举，但对于邮电行业的时间分布的研

6、究确实不多。为充分满足顾客需求，积极提高邮电行业的工作效率，加强人力资源的有效分配，掌握邮电行业每年的淡旺季和业务量的分布就显得尤为重要。因此，文章选取邮电行业2013年各月份的数据，结合主成分分析和聚类分析的统计方法，对2013年邮电行业业务的时间分布进行分析。1指标选取和数据对于现有的邮电业务类型，诸如3G移动用户，正在飞速增长，没有很大的分析意义。为此，文章选取近年来发展比较稳定的业务类型：包件、快递、汇票、订销报纸累计数、定销杂志累计数、固定用户、移动用户和移动短信业务量。从国家统计局月度报表中选取8个业务类型

7、的全国2013年1～12个月份的邮电业务的业务量。2主成分分析运用SPSS[9]，对2013年8个业务类型的月度数据进行因子分析，得出一系列指标及其对应图表，并对其进行一一分析。其中用主成分[10]的方法，进行因子的抽取，缺失值使用均值进行替换。2.1初始相关性本文选取的8个因素之间的初始相关性。如快递和固定用户(-0.851)、快递和移动用户(0.836)、快递和移动短信业务量(-0.815)、移动用户和固定用户(-0.996)之间的相关系数较大。且其对应的Sig值也较小(都为0.000)，说明这4对对变量之间存在着

8、较为显著的相关性，进而说明了有进行因子分析的必要。2.2KMO检验和Bartlett球型检验：KMO取值0.563尚可做因子分析。Bartlett的球形度检验统计量的Sig=0.0000.01，由此否定相关矩阵为单位阵的零假设，即认为各变量之间存在着显著的相关系，这与相关矩阵得出的结论相符。2.3公因子方差知：所提取的公因子对于各