论文部分内容阅读
经济评价通常是通过经济指标的选取和经济指标数据的分析与计算,得出评价结论。然而,面对庞大的指标数据,不可能将所有指标均纳入分析之列,需对其按一定的原则进行筛选。传统的评价模型中指标体系和权系数的确定在很大程度上依赖于以往的知识和经验,评价结果具有主观性。 粗糙集理论是在保持原始信息不变的前提下,通过知识约简删去冗余信息,从而大大简化了分析难度,其最大的优点就是无需提供除问题处理之外的任何先验信息,完全由数据本身出发来解决问题,这就很大程度上保证了评价结果的客观性。 粗糙集理论是对数据表的每个属性重要性作衡量,而数据挖掘的属性相关分析提供了同类数据表的属性重要性的对比,通过对比可以从中发现这些数据表的相关性和差异性,将属性相关分析的思想同粗糙集理论有机结合起来,在对某个经济的数据作处理时,两者的结合使用不失为解决某些经济评价的一种有效的方法。 本文的主要思想在于利用粗糙集理论中数据分析的客观性,引入粗糙集理论中的属性重要性和属性约简的相关概念,建立了一种不依赖于任何先验信息的TOPSIS法工业企业经济效益综合评价模型,使得经济评价结果更具客观性。 本文的主要工作包括: 1.综述了现有经济评价的主要方法并分析了所存在的一系列问题,概述了粗糙集的主要理论和方法,包含粗糙集理论的基本概念、数据预处理中的几种离散化算法和属性约简技术、应用和发展概况。 2.利用粗糙集理论相关概念和思想,提出了新的TOPSIS法经济效益综合评价模型,选取安徽省17个地市的工业企业经济效益若干类指标的指数值作为实例数据,利用新模型给予综合评价。 3.引入粗糙集的属性重要性的概念和数据挖掘的属性相关分析法,对安徽省和全国的产业结构指标数据作综合分析,比较分析了三大产业对GDP的影响程度,结果表明第一和第三产业对安徽省GDP影响较大,而第二产业对全国GDP的影响有突出重要的作用,最后提出了调整和优化安徽产业结构的一些建议。