范文一：大数据环境下的智能综合评价方法研究

二O一四年第4期(总第279期)

2014年4月10日出版

大数据环境下的智能综合评价方法研究 李远远

【摘要】文章从综合评价理论与方法研究的实际需求出发,有效把握“大数据”环境下智能综合评价 方法发展面临的挑战,从思维体系到技术方法进行变革,提出大数据环境下智能综合评价方法创新途径, 为科学决策提供有力支撑。

【关键词】大数据;智能;综合评价方法

【作者简介】李远远,桂林电子科技大学副教授,管理学博士,广西桂林541004

冲图分类号】c93【文献标识码】A 【文章编号】1004—4434(2014)04—0070—04

一、引 言

在大数据时代,拥有大数据是一种幸福.能帮 助我们更客观、全面地去测量世界。在人工智能、 机器学习和数据挖掘等技术的支撑下,将数据分 析为信息.将信息提炼为知识。以知识促成决策和 行动。因此,决策者应树立新的大数据观:数据不 是累赘,数据里有很多价值(余建斌,2013)。目前, 大数据技术在综合评价和决策中的运用仍存在一 定的困难和挑战.主要体现在对评价数据挖掘过 程中.如何做到对难以用传统方式描述与度量的 复杂指标数据进行处理.从大量的多源、动态数据 中综合信息,并导出可理解的评价结果;对评价结 果进行可视化呈现,使结果更直接以便于洞察(邬 贺铨。2013)。随着“大数据”问题迅速从技术层面 上升到国家战略层面.有效利用大数据环境的机 遇,深入研究如何让综合评价与决策工作迅速适 应大数据环境,探索大数据环境下综合评价理论 与方法的新变化与新思路.对于综合评价方法体 系的完善具有重要的理论意义和实践价值。

二、相关研究综述

2012年达沃斯世界经济论坛上发布了大数据 70 报告“Big data,big impact:New possibilities f矗in— temational development”,探讨在新的数据产生方 式下如何更好地利用数据创造良好社会效益。美 国政府投资启动“大数据研究和发展计划”(B设da. ta research and devel叩ment initiative),致力于提高 从大型复杂数据集中提取知识和观点的能力。 2013年联合国“Global Pulse”项目发布报告“Big data fbr development:Challenges 6z opportunities”, 阐述了大数据时代各国面临数据洪流(data del— uge)情况下的机遇和挑战。但是,从当前国内外大 数据领域的研究现状来看.关于大数据的研究还 处于起步阶段,较局限于宏观层面,深入探讨大数 据及其挖掘方法对于科学决策带来的变革与冲击 的研究较少。

常见的智能综合评价方法.如人工神经网络 技术、遗传算法、粗糙集方法、模糊数学方法、蒙特 卡罗方法等。可以解决复杂系统评价中的大规模 信息处理、不确定性评价模型以及评价知识挖掘 等难点问题。智能综合评价和决策规则提取也正 在应用于广泛的实际领域。如金菊良等(2006)用 遗传算法、人工神经网络、蒙特卡罗方法等进行流 域水安全智能评价;Changyong ke(2012)将群组 层次分析法与粗糙集理论相结合共同解决多属性 多准则决策问题:管延勇等(2005)从不完备信息 系统中提取可信决策规则并进行约简。Ahn等

【基金项目】教育部人文社科青年基金项目“基于粗糙集的智能化综合评价方法研究”(11YJc630112)阶段性成果 万方数据

(2000)用粗糙集和神经网络两种方法进行2400家韩国公司的财务风险评价和规则提取:希腊工 业发展银行ETEVA应用粗糙集理论协助制定信 贷政策;孙秋野、黎明(2009)将粗糙集理论应用于 电力系统故障判断和专家系统推理:James J.H. Liou(2010)用粗糙集方法智能挖掘航空市场的消 费者特征及行为规律。

智能综合评价需要与知识工程和计算机系统 相融合。对于难于或不适宜用常规数学模型进行 评价的复杂系统问题.要利用人的知识经验和知 识工程等方法,由知识模型转化为计算机模型。万 映红、李江、李怀祖等(2001)提出基于知识的评价 机制与网上多智能体协同评价拓扑结构:陈国宏 等(2007)设计了面向一般用户的计算机集成综合 评价支持系统;郭亚军(2007)基于数据集一方法 集一结果集一组合评价一神经网络的模式开发了 集成式智能化评价支持系统。智能综合评价系统 可视化使评价过程变得实时可交互。任明仑、杨善 林等(2002)指出智能综合评价支持系统的知识融 合、模拟人的思维规律及基于知识的人机交互等 发展方向;邱均平(2011)、陈衍泰、陈国宏(2004) 等研究提出了建立交互式综合评价支持系统以辅 助评价和决策的发展方向。通过计算机综合评价 支持系统的开发.可以实现对综合评价问题的可 视化求解,引导对多种评价方法的比选,提供人机 友好的交互式界面。

随着大数据正在成为全世界创新、竞争和生 产率提高的前沿,充分利用大数据,通过对大数据 的交换、整合和分析。来发现新的知识、创造新的 价值,带来大知识、大科技、大利润和大发展(Aml S,Walker D,2011)。需要不断探索从大数据中发现 知识和创造价值的途径,寻求大数据环境下智能 综合评价和决策规则提取的新思路和新方法.构 建大数据环境下的智能综合评价和决策规则提取 方法体系。

三、大数据环境下智能综合评价方法发 展面临的挑战

1.评价数据的复杂性增强

在大数据环境下。综合评价指标数据的来源多 样,如来自物联网、互联网、复杂物理信息系统等的 数据;数据模态差异很大,如图数据、流数据、标量 数据、矢量数据、关系数据、XML数据等:数据的价 值密度低,大量的不相关信息多。对知识进行提纯 的难度高:数据的实时性要求高,需要数据的实时 生成、存储、处理和分析等(李建中、刘显敏,2013; 冯芷艳、郭迅华等,2013)。因此综合评价过程更加 复杂,对现有的综合评价数据处理能力和手段提 出了更高要求。需要能从多源、多模态、实时动态 的数据中提取高质量数据的评价数据过滤方法; 也需要能对多模态数据进行融合计算.以实现精 确整合和发现数据规律的指标融合计算方法。 2.评价思维上的转型

缺少有效的数据过滤和整合技术及方法.还 只是技术层面的障碍.更深层的则需要评价思维 上的转型,需要深入认识评价数据的潜在价值.探 索新的评价模式下的具体应对手段.培养评价数 据深度挖掘技术及相关方面的人才。大数据环境 下的智能综合评价较之传统综合评价,要发生评 价思维上的革命。传统的综合评价大多是选择静 态、个态且相对封闭的对象;而运用大数据进行评 价,则是进行动态、系统、开放的评价对象数据整 合:传统的综合评价可以按照事先设定的程序获 取数据.而运用大数据进行评价。则是从规模巨大 的、彼此可能毫无关联的数据流/集中进行数据抽 取,需要依赖新兴技术如Had00p等;传统的综合 评价要求评价者具有统计学、数学、信息科学等专 业知识,而运用大数据进行评价,则要求评价者具 有多学科背景和创新思维以及敏锐的洞察力(林 志刚、彭波,2013)。

3.评价数据价值有待深度发掘

大数据会“发声”.当评价数据的规模达到一 定的阈值时,会涌现小数据条件下无从显现的特 征:大数据环境下对关联规则的挖掘.有助于我们 把握规律,较之传统的因果关系更具有实用性和 精准性:可以无须假设就可以从复杂的关系或网 络中直接获取数据和规则知识。而且,在传统的评 价方法下,有些新出现的网络数据往往被忽视或 漏掉,如博客、碎片化的交流和搜索痕迹以及移动 工具、传感设备等所产生的数据.都可以在大数据 分析中被充分利用。并且进行这些数据的深度分 析和价值发掘(缪其浩,2013)。因此,在大数据环 境下,智能综合评价需要通过对多源、多模态和异 构数据进行实时分析和深度挖掘.得出其中隐含 的模式、未知的关联及其他知识。构建评价数据深 度挖掘的机制将是大数据环境下智能综合评价要 解决的关键问题之一。

4.评价结果的实践指导作用有待加强

国际数据公司(Intemational Data Corporation。 71

万方数据

IDC)指出,在大数据潮流中,新的数据类型与新的 数据分析技术的缺失,是阻碍企业成为其行业领 导者的重要方面(宗威、吴锋,2013)。基于数据分 析的决策比基于经验和直觉的决策将更有助于企 业管控风险(王劲,2013)。如何借助综合评价过程 发现的创新管理模式和决策方案.有助于实现智 能决策和持续学习,辅助实时性决策?强化评价结 果的实践指导作用,企业就能有效整合数据并提 取知识。进行有效的实时智能决策分析.掌握运营 状态和进行评估.应对市场形势的变幻不断产生 创新的解决方案。目前已有一些前沿应用,有些部 门和行业在感知数据采集、商务智能、自动推理以 及云计算等方面有所创新,如建立在Web2.0平台 上的开放式创新、智能电网等应用都是立足于实 际需求的,未来还需要进一步创新智能评价方法 的应用。

大数据环境下的智能综合评价方法创新.面 临着思维方式转型的挑战.需要应对更加复杂的 评价数据,要深入挖掘评价数据价值并将智能评 价更好地应用于指导实践。所以。并不能简单、匆 忙地将大数据技术应用于综合评价中,而是要关 注评价数据的获取、处理、共享和深度挖掘的方法 创新,从评价理念和评价机制上突破,真正使智能 综合评价服务能够面向用户按需提供。

四、大数据环境下智能综合评价方法创 新途径

1.运用数据密集型科学方法

如何从多源、多模态、实时动态的数据中提取 高质量数据?如何分清数据是结构化还是非结构 化?如何确定哪些数据应该保留.哪些数据应该舍 弃?如何确定评价目的与数据资源之间的最佳结 合方式?这需要运用数据密集型科学的计算方法。 Jim Gray提出的“第四范式”(the fourth pamdigm), 即是采用强大的新工具去分析、呈现、挖掘科学数 据,并建立一种“众包”(crowd sourcing)的研究模式 (王飞跃,2012)。在综合评价中也需要融合群体智 慧.融合众多来自不同领域的专家共享信息.协同 创新.对知识进行深度加工与提炼,使更多精细的 知识从评价数据中涌现出来,更加开放、专业、低 成本地提供决策支撑。并且,要围绕数据密型计算 方法的应用,开发相应的具有可扩展性的评价数 据分析算法.建立数据驱动型的评价过程协同组 织形式及相应的机制。

72

2.数据整合和规则知识提取

对数据进行融合计算以实现精确整合。并从 评价过程数据中提取规则知识,实现由数据到信 息、由信息到知识的转化和升华。需要形成规则知 识挖掘机制,通过评价数据深度分析,对评价对象 获得系统、全面、最新的知识,并利用提取的知识 实时、动态地辅助决策。通过智能评价,能以更加 精细和动态的方式辅助决策,有助于解决特定问 题。拥有更迅速、灵活、准确的理解和解决问题的 能力(王树良,2013)。通过不断积累和动态获取评 价数据,汇聚、整合、共享和深度挖掘,从评价信息 中提取宝贵知识并辅助决策.创造性地进行多数 据源管理、实时智能评价和基于评价数据的决策, 提升系统的整体管理水平。

3.智能综合评价结果更好地应用于实践

大数据环境下的智能综合评价,不是简单地 将数据挖掘技术应用于综合评价.而是面向行业 实践,创新性地应用于特定行业和特定问题。创新 组织方式,多维度地协作,高效、灵活地进行实时 交互:创新运行机制,整合分析海量的跨地域、跨 行业、跨部门的数据,而且,每个个体和组织都可 以自由、精确、及时地贡献和获取信息、洞察专业 知识;增强综合功效,形成系统智慧,更好地辅助 实际决策,达成智能运行的宏观效果(王树良, 2013)。在实际应用的过程中.要构建数据驱动型 的信息战略,并注意解决好数据安全性等方面的 数据政策问题.促进数据有效共享.促进数据相关 各单位、各部门之间的利益均衡.同时注意知识产 权和数据隐私保护.解决数据安全性问题。

4.面向对象的交互式可视化评价

寻求评价数据深度挖掘过程的可视化方法。 在规则知识的发现过程中进行人机交互,使规则 知识的发现过程更好地被用户理解。加强研究在 网络环境下面向对象的知识挖掘技术(陶雪娇等. 2013)。要建立适用于大数据环境的评价规则知识 挖掘建模方法,通过人机交互式评价.让领域专家 的知识融人到建模过程中.关键技术在于交互式 挖掘算法和模型可视化(黄哲学,2012)。例如,中 国科学院的“海云数据系统关键技术研究和系统 研制”,即是通过面向海量数据存储与挖掘的互联 网服务平台,提供大规模数据的挖掘与可视化分 析服务。在智能综合评价系统的设计中。应以智能 评价数据处理中心和互联网服务体系为基础设 施,以评价数据的深度挖掘和可视化交互分析为 关键技术,通过智能终端和互联网提供评价数据

万方数据

管理及分析等服务。智能综合评价系统需要建立 能处理大规模海量评价数据分析和挖掘的计算平 台和相应的算法库.设计启发式的综合评价可视 化交互分析引擎,并能与其他系统有效对接。

五、结语

在大数据环境下.传统的综合评价方法难以 适应要求,需要应用新的数据分析技术,快速采 集、发现和分析,从数据中提取价值,并形成一种 有效的可做决策依据的“洞察力”。因而,创新智能 综合评价方法,从海量、多源、动态数据中以全面、 集成的视角开展深入的挖掘,形成大数据环境下 的智能综合评价模式,为管理决策提供理论和方 法支持。并且,将人的知识、经验和智慧与各种客 观数据有机集成,从定性到定量综合集成.并设计 可视化的交互式界面,既能揭示事物运行规律、科 学决策的作用,将知识更广泛而深刻地传播.而且 具有较强的适用性和可拓展性。

[参考文献】

【1】余建斌.趣侃大数据:人人都有洞察力【皿/oL】.新华网, 2013—07—05.

【2】邬贺铨.大数据时代的机遇与挑战【J】.求是,2013,(2). 【3】金菊良,王文圣,洪天求,李如忠.流域水安全智能评价方 法的理论基础探讨【J】.水利学报,2006,(8).

【4】chaIlgyong Lee.EValuadon of new service conc叩协us— ing RougIlSet Theory and Group

Adydc Hie眦hy Pn cess【J].E冲erc systeIllS谢t}l Apphcadom.2012,(3).

【5】管延勇,薛佤军,王洪凯.不完备信息系统的可信决策规 则提取与E一相对约简【J】.系统工程理论与实践,2005, (12).

嘲Alln_B’S.The Integrated Me出odology of Rou曲set The— ory

aIld Artj6cial Neural Net、Ⅳork for BusiIleSS Failure Pre— dicdon【J】.E)中ert System witll APplicadom,2000,(11). 同孙秋野,黎明.粗糙集理论及其电力行业应用【M】.北京:机械工业出版社.2009.

【8】JaIlles J.H.Liou.A Dominance—based Rough set Ap—

pmach to Customer Behavior m me Aidine Market【J】. Applied so丘Conlpudng,2011,(11).

【9】万映红,李江,李怀祖.虚拟合作的伙伴选择智能决策支 持系统框架研究【J】.系统工程理论与实践,2001,(12). 【10】陈国宏,李美娟,陈衍泰.组合评价及其计算机集成系统 研究【M】.北京:清华大学出版社,2007.

【11】郭亚军.综合评价理论、方法及应用【M】.北京:科学出版 社.2007.

【12】任明仑,杨善林,朱卫东.智能决策支持系统:研究现状 与挑战【J】.系统工程学报,2002,(5).

【13】邱均平,文庭孝.评价学理论、方法、实践【M】.北京:科学 出版社.2011.

【14】陈衍泰,陈国宏,李美娟.综合评价方法分类及研究进展 【J】.管理科学学报,2004,(2).

【15】Aral s,walker D.crea血19social conta百on T}lrou曲 Viral Pmduct DcSign:A Randomized Trial of Peer In丑u— ence访Networks【J】.Mamgement Science,2011,(9). 【16】李建中,刘显敏.大数据的一个重要方面:数据可用性【J】. 计算机研究与发展,2013,(6).

【17】冯芷艳,郭迅华,曾大军,陈煜波,陈国青.大数据背景下 商务管理研究若干前沿课题【J】.管理科学学报,2叭3, (1).

【18】林志刚,彭波.大数据管理的现实匹配、多重挑战及趋势 判断【J】.改革,2013,(8).

【19】缪其浩.大数据时代:趋势和对策【J】.科学,2叭3,(4). 【20】宗威。吴锋.大数据时代下数据质量的挑战【J】.西安交通 大学学报(社会科学版),2013,(5).

【21】王劲.大数据时代的管理变革【J】.中国商贸,2013,(2). 『221王飞跃.知识产生方式和科技决策支撑的重大变革—— 面向大数据和开源信息的科技态势解析与决策服务[J】. 中国科学院院刊,2012,(5).

【23】王树良,丁刚毅,钟鸣.大数据下的空间数据挖掘思考【J】. 中国电子科学研究院学报,2013,(1).

【24】陶雪娇,胡晓峰,刘洋.大数据研究综述【J】.系统仿真学 报,2013,(S).

【25】黄哲学,曹付元。李俊杰,陈小军.面向大数据的海云数 据系统关键技术研究【J】.网络新媒体技术,2012,(6).

【责任编辑:何之洲】 73

万方数据

大数据环境下的智能综合评价方法研究

作者:李远远

作者单位:桂林电子科技大学 广西 桂林 541004刊名:学术论坛

英文刊名:Academic Forum年,卷(期):

2014,37(4)

参考文献(25条)

1. 余建斌 趣侃大数据:人人都有洞察力 2013

2. 邬贺铨 大数据时代的机遇与挑战 [期刊论文]-求是 2013(4)

3. 金菊良,王文圣,洪天求,李如忠 流域水安全智能评价方法的理论基础探讨 [期刊论文]-水利学报 2006(8)

4. Changyong Lee Evaluation of new Service Concepts Using Roughset Theory and Group Analytic Hierarchy Process2012(03)

5. 管延勇,薛佩军,王洪凯 不完备信息系统的可信决策规则提取与E-相对约简 [期刊论文]-系统工程理论与实践 2005(12)6. Ahn.B.S The Integrated Methodology of Rough Set Theory and Artificial Neural Network for Business FailurePrediction 2000(11)

7. 孙秋野;黎明 粗糙集理论及其电力行业应用 2009

8. James J.H.Liou A Dominance-based Rough Set Approach to Customer Behavior in the Airline Market 2011(11)9. 万映红,李江,李怀祖 虚拟合作的伙伴选择智能决策支持系统框架研究 [期刊论文]-系统工程理论与实践 2001(12)10. 陈国宏;李美娟;陈衍泰 组合评价及其计算机集成系统研究 200711. 郭亚军 综合评价理论、方法及应用 2007

12. 任明仑,杨善林,朱卫东 智能决策支持系统:研究现状与挑战 [期刊论文]-系统工程学报 2002(5)13. 邱均平;文庭孝 评价学理论、方法、实践 2011

14. 陈衍泰,陈国宏,李美娟 综合评价方法分类及研究进展 [期刊论文]-管理科学学报 2004(2)

15. Aral S;Walker D Creating Social Contagion Through Viral Product Design:A Ramdomized Trial of Peer Influence inNetworks 2011(09)

16. 李建中,刘显敏 大数据的一个重要方面:数据可用性 [期刊论文]-计算机研究与发展 2013(6)

17. 冯芷艳,郭迅华,曾大军,陈煜波,陈国青 大数据背景下商务管理研究若干前沿课题 [期刊论文]-管理科学学报 2013(1)18. 林志刚,彭波 大数据管理的现实匹配、多重挑战及趋势判断 [期刊论文]-改革 2013(8)19. 缪其浩 大数据时代:趋势和对策 [期刊论文]-科学(上海) 2013(4)

20. 宗威,吴锋 大数据时代下数据质量的挑战 [期刊论文]-西安交通大学学报(社会科学版) 2013(5)21. 王劲 大数据时代的管理变革 [期刊论文]-中国商贸 2013(2)

22. 王飞跃 知识产生方式和科技决策支撑的重大变革--面向大数据和开源信息的科技态势解析与决策服务 [期刊论文]-中国科学院院 刊 2012(5)

23. 王树良,丁刚毅,钟鸣 大数据下的空间数据挖掘思考 [期刊论文]-中国电子科学研究院学报 2013(1)24. 陶雪娇;胡晓峰;刘洋 大数据研究综述 2013(S)

25. 黄哲学,曹付元,李俊杰,陈小军 面向大数据的海云数据系统关键技术研究 [期刊论文]-网络新媒体技术 2012(6)

引用本文格式:李远远 大数据环境下的智能综合评价方法研究 [期刊论文]-学术论坛 2014(4)

范文二：基于大数据的科技评价方法研究

龙源期刊网 http://www.qikan.com.cn

基于大数据的科技评价方法研究

作者:高霞

来源:《创新科技》 2015年第 11期

[摘 要 ] 科技评价对象所涉及的数值、图像、声音具有全媒体、多维度、跨时间的特性, 挖掘和运用这些海量数据,转化为直观的、随时间和空间变化的、以图形图像呈现在同行评议 专家面前,可以有效提高评价的效率和效果。通过建立众包模式、数据整合和提取规则知识、 将科技评价结果应用于实践、建立评价过程交互式可视化的流程以构建基于大数据的科技评价 模式,这种模式存在着观念陈旧过时、数据挖掘能力、大数据处理速度、科技评价数据安全等 方面的挑战。

[关键词 ] 大数据 ; 科技评价 ; 数据密集型方法

[中图分类号 ] G311 ; ; [文献标识码 ] A ; 文章编号:1671-0037(2015) 11-27-4

Research on S&T Evaluation Method Based on Big Data

Gao Xia

(Zhengzhou Institute of Aeronautical Industry Management, Zhengzhou Henan 450015)

Abstract:S&T evaluation involved numerical, image , sound have the characteristics of all media , multi-dimension and time-cross. Mining and using these huge amount of data and transforming to intuitive ones which change with time and spaceand are presented in front of the peer review expertsin graphical images, can effectively improve the efficiency and effectiveness of the evaluation. Through the establishment of crowd-sourcing model, data integration and knowledge on extraction rules, we applyscience and technology evaluation results intopractice, and construct evaluation process with interactive visualization in order to promote the construction of science and technology evaluation pattern based on big data. This pattern has challenges such as obsoleteidea, data mining capacity, speed of big data processing, security of S&T evaluation data and other aspects.

Keywords:Big Data;S&T evaluation;Data Intensive Method

1 相关研究综述

科技评价是判断科技活动及其价值的认识活动,是基本的学术评价机制,是科学共同体和 科学技术发展内在的要求,如对重大科学发现的优先权的识别,或者科学共同体内部的学术评 价,目的在于促进学术交流、建立科学规范、引导研究方向。科技评价还是对科技活动进行预 测、决策、管理的手段,是政府制定科技政策的依据,以及配置科技资源和进行有效管理的重

范文三：大数据背景下医院运行效率评价的方法应用研究

《经济师》2015 年第 6 期 ?医院经济

摘 要:2005 年国务院发展研究中 心的研究报告 《中国医疗卫生体制改

革》,得出了“中国医改不成功”的结论。

2009 年 3 月 17 日 《中共中央国务院发 大数据背景下医院运行效率评价的方法应用研究 布关于深化医药卫生体制改革的意见》, 标志着新一轮医改的启动;《意见》 着重 指出“改革公立医院管理

体制、运行机制 和监管机制”。医院的改革离不开效率” 与公““?袁国铭 樊 波 张子龙

帄”这一组概念,文章对医院效率”这一概念展开了详细 的讨 “

论,并提供了基于计量经济学的效率评价方法与模型。 允许外资通过新设或并购的方式设立独资医院。政策的出台为外

关键词:医改 医院管理 医院效率 中图资医院的进驻与发展保留了必要的空间,但同时限制了五环内本 分类号:F270.5 文献标识码:A 土医院的发展。政策旨在让外资医院和本土医院在符合产业布局

的前提下同台竞技, 只有具备国际领先医院管理经验的医院,才 文章编号:1004-4914:2015:06-253-02

具备较高的效率,也才能在这场比赛中胜出,从而对引进外资的 水帄有着较高的要求。又如北京建议市属三级医院应以科研和教 谈医院的效率评价,首先要明确何为效率,“效率”《辞海》解

学为主,主动减少普通门诊量,如果这一政策得到贯彻落实,将极 作“消耗的劳动量与所获得的劳动效果的比率”;经济学一般认

大的提高基层医院的门诊数量。因此不能用面板数据的累计来衡 为,如果我们能找到一种方法,使一些人的状况变好但同时又未

量医院的长期效率; 那么如何判断医院在一段较长的时间内,10 使其他人的状况变差,这种方法称为帕累托改进;如果某种配置

年或者 20 年,是否一直保持着较高的效率呢,或者在其中的哪些 不存在这样的改进,则称为帕累托有效率:Pareto efficient:,或者 ?1年份效率较高,而在其他年份效率又较低呢, 我们以假设的 A 医 经济学有效。 帕累托有效率描述了在完全竞争的市场上资源

院为例, 收集反映 2012 年度 A 医院经济效率的若干项因素,作 配 置的有效性问题,是一种令人愉快的资源配置方式;但却与

为一个集合 E,其中包括反映投入的指标,如总资产、职工总 2012公帄 性无关,即便所有的医疗资源都处于垄断状态,依然可以是

数、实有床位等,和反映产出的指标,如业务收入、总诊疗人次数、 帕累 托有效率的。 医疗卫生资源具有有限的非竞争性和有限的出院人数等。 然后按照时间顺序,分别收集 2011 年至 2000 年间 非排 他性,医疗服务是一种准公共产品;因而决定了医院不能

的数据作为集合 E~E; 在将每一个集合 E视为一个独立的 20112000i 单纯以 利润最大化、成本最小化的原则来参与市场竞争,所以对

决策单元,计算不同决策单元之间的相对效率,即可真实的体现 医院效 率的评价,也就不能简单地用帕累托有效率来衡量。 诺思?7不同年份之间 A 医院效率的变动情况。 站在制 度变迁的角度上提出了制度效率,认为在一种约束机制二、对技术效率的评价 下,参与 者的最大化行为能导致产出的增加,即有效率;如果?2在评价不同医院之间技术效率的高低时, 尤其是当技术效 参与者的最 大化行为不能导致产出的增长,则是无效率的。 率与多个不同的因素相关联时, 多元线性回归模型是一种较好 新制度经济学 家发展了新古典经济学家关于效率的描述, 也?8?3的解决方案。 多元线性回归分析法解决了在市场竞争活动中, 为我们今天衡量 医院的效率提供了全新的视角。 有学者认为某种现象:被解释变量:与多个影响因素:解释变量:之间的相关 衡量医院的效率至 少可从三个层面出发,即经济效率、技术效?4关系, 并能较为直观地描述出对某个现象影响最为显著的几个 率和资源配置效率。经济效率,简称效率,简单的说就是要投入 因素分别是什么,以及这种影响的程度。 在对医院的技术效率做 少,产出多,医院在诊 疗活动中要努力做到“多收”、“快治”、回归分析时, 拟合度较好的模型是科布 - 道格拉斯生产函数 “治好”;而技术效率则回 “答了同样的投入,如何获得更多产(Cobb-Douglas production function), 最初它以幂函数的形式揭示 出”的问题,如技术效率较高 的医院,帄均每名医生完成的年度了产量、技术、资本、劳动力之间的相关关系。 今天,在研究医院 门诊量、手术台数也较多;床 位使用率较高的同时,患者的帄均的技术效率时,科布—道格拉斯生产函数的超对数:Translog:形 住院日却较短。 而配置效率旨 在对医疗资源配置的有效性做出式,仍然是首选的计量经济学模型。 我们以医院的年度收入为被 评价, 并进一步为资源配置的 方向做出指引,减少医院在增?5解释变量:y:,以总资产(x)、医护人数(x)、开放床位数(x)、门:急: 123补人力、投入设备、增加床位时的 盲动性。 诊人次数(x)、出院人数(x)、年度累计减免患者医药费数(x)为解 456一、对经济效率的评价 释 变 量 建 立 多 元 线 性 回 归 方 程 。 当我们视医院的外部环境为一定时,如稳定的政局、良好的 y=β+βx+βx+βx+βx+βx+ βx+ …… +βx+μ, 其 中 0112233445566ii政策、被普遍遵守的法律和导向正确的舆论等,这时变动医院的 β为一未知固定常数,μ 为随机误差项,β~β为回归系数, 0 1i 内部因素,如增减床位、增减医护人员数量和设施设备的投入资 通过最小二乘法分别求得 β~β的数值,在比较不同医院之间 0i 金等,都会对医院的效率发生影响。 同样,假设医院的内部因素 同一位置上 值的差异,即可判断不同医院之间技术效率的高 βi 在一定时间内固定,外部因素发生变动,如医保政策的调整使得 低。 如求得 A 医院 x(门急诊人次数)前的系数 等于 n,求得 B β44 参保人员范围和报销比例发生改变, 或国家政策调整使得国外 医院对应位置的系数 β等于 m,如果 n>m,则可得 A 医院的门 4 资本和民营资本大举进入医疗市场, 无论内生或外生的因素发 ?6:急:诊人次数对年度收入有着较大的贡献率,即 A 医院在“门 生变化,均可影响到一家医院的运行效率。 因此对医院的效?9:急:诊人次数”一项上具有较高的技术效率。用多元线性回归分 率 评价,也应从短期和长期两个角度分别讨论;短期外部环境析法来评价不同医院之间技术效率的高 相对 稳定,内部因素的变动直接影响着医院的经济效率;用单低,可以很好的解决医院公益属性这个问题。 在以往的研究中, 一时间 的面板数据,来衡量不同医院之间的相对效率是有效且对医院效率的评价往往将其视为普通的商事主体, 有意或无意 可行的。而长期看来 , 因为内部因素与外部因素同时处于变动的回避了公益属性这一显著特征; 而在用计量经济学方法计算 之中,如一项政策的出台 ,对某类医院可能是好消息,而对不具效率时,在解释变量中可以引入多个代表公益属性的因素,如累 备该属 性的医院而言,可能是个坏消息。 如依据北京的产业政计减免患者医药费额度、义诊人次数、免费收住院人次数等,来 策和区域 规划,五环内不再新建大型医院,现有医院也不允许新求解医院效率与公益属性之间的相关关系。 假定 A、B 两家医院 增床位,但

—253—

《经济师》2015 年第 6 期 ?医院经济

,…,s:;求出投入:产出:理想值与实际观测值之间的差值, r=1,2具有近似的年度收益, 通过多元线性回归分析, 求得 A 医院在 13?即可发现改善资源配置效率的路径。 “累计减免患者医药费额度”、“义诊人次数”、“免费收住院人次

数”三项上具有较大的回归系数,即可得出 A 医院较之 B 医院 另外, 由于数据包络分析法是用不同决策单元之间的测量 表现出更多公益属性的结论;如果求得 A、B 两家医院体现公益 值做比较,所以当我们测算医院之间的资源配置效率时,要求同 属性的解释变量的回归系数小于 0.05:β?5%:,则表示在数据一个决策单元组中的数据方差不能过大;简单地说 ,就是进行比 i

统计期内,两家医院的效率与:选择的:代表公益属性的解释变较的医院之间 ,应保持规模的近似性。 依据《卫生部关于修订 < 量不相关;a、b="" 两家医院需要增加对体现公益属性="" 解释变量:="" 医疗机构管理条例实施细则=""> 第三条有关内容的通知》,按照执 :

项目的投入,才能使其公益属性具备显著性。 做多元线性回归分业范围的不同 ,医院分为综合医院、中医医院、中西医结合医院、 析时,对于结果的检验除了要具备经济学、计量经济学上的意义专科医院 、康复医院几个大类;依据《医院分级管理标准》,按照

外,还需对结果进行统计学检验:卡方检验、方差分析、秩和检验规模大小区分 ,医院又分为三级,其中三级医院有病床 501 张以 等:和预测性检验;当结果在上述检验中均表现出有意义时,才上,二级医院病床数在 101 张到 500 张之间;因此我们在测算医 10?可认为回归模型对于现实生活具有较好的拟合性和预测性。 院的资源配置效率时, 首先应保证位于同一个决策单元组中的 14?三、对资源配置效率的评价 各个医院,应具有相同的类别和级别。

四、结语 有学者在评价医院的技术效率时, 通常采用参数与非参数 11?两种方式进行。 参数模式基本上承袭了计量经济学中对生产2005 年国务院发展研究中心与世界卫生组织合作的研究报

函 数的估值思想,这种方法首先需要构建生产函数,然后通过告《中国医疗卫生体制改革》,得出了“中国医改不成功”的结论。

适当 的方法来估算位于生产前沿面上各个解释变量的系数, 近2009 年 3 月 17 日《中共中央国务院发布关于深化医药卫生体制 似于 我们前面提到的多元线性回归模型。 常见的用来测算医院改革的意见》,标志着新一轮医改的启动;《意见》着重指出“改革 效率 的参数方法有“自由分步法”:Distribution Free Approach公立医院管理体制:、、运行机制和监管机制”,这也对我国医院管

“厚前 沿分析法 ”:Thick Frontier Approach: 和 “随机前沿分理学科提出了纵深地要求。 医院改革旨在提高效率,只有高效率 析法” 的运营才能从根本上缓解“看病难、看病贵”等问题的发生。

:Stochastic Frontier Approach:, 其中应用最为广泛的是随机前沿 [本文为基金项目:2014 年首都医科大学青年教师科研启动

分析法。 而非参数方法则放弃了对生产函数的估算,因此无需对 基金,煤炭总医院医学发展基金 2013-1 号]解释变量的系数逐一求解,只需知道投入指标和产出指标,即可 注 评价决策单元之间的相对效率。 非参数效率估算法主要是“数据 [美]哈尔?R.范里安.微观经济学:现代观点[M].上海人民出版社， 释: 1?包络分析法”:Date Envelopment Analysis:, 这种效率评价方式的 2006 第 6 版，p249

?2[美]诺思.经济史中的结构与变迁[M].上海三联书店、上海人民出 主要思想是通过观察大量实际生产数据, 并基于一定的生产有 版社，1991，p12 效性标准找出位于生产前沿面上的有效点, 由这些有效点的全 ?3吴昊. 我国公立医院利益相关者治理模式构建研究 --- 基于医 部组成一个数据包络曲面, 对照实际观测值与理想曲面之间的 药卫生体制改革的视角[D].2010 年重庆大学博士论文 12?距离,测算技术效率的有效性和资源配置的有效性。 这里需?4邴媛媛,徐凌中等.卫生服务的效率及其测量[J].中华医院管理要 特别说明的是,作为一种非参数的效率评价方法,数据包络杂 志,2001,5:272-275 分析 法具有应用范围广、操作简单、数据获得相对容易的优势,?5王长青.公立医院体制改革的理论分析与实证研究[D].2008 年

但这 种方法只能用来评价相对效率的高低; 即便所有决华 中科技大学博士论文

6?李文敏.我国公立医院法人治理及其路径研究[D].2009 年华中策单元 科 技大学博士论文 :Decision Making Unit:的效率值:θ:均为 1,也不能得出全部决 ?徐金耀，崔益萍等.医院相对效率评价的 DEA 方法[J].中华医院7策单元均是技术有效的结论。 数据包络分析只能判断一组决策 管 理杂志,1995(11) 单元之间技术效率的相对有效性, 所以当我们想要评价医院技 ?8[美]古扎拉蒂，[美]波特著，张涛译.计量经济学精要.机械工业出 术效率的绝对高低时,数据包络分析就显得力有不逮了。 版社，2010 版 虽如此, 数据包络分析法在评价资源配置的效率上还是有 ?9钟若冰，张靖，钟晓妮等.数据包络分析在医院效率评价中的应用. 显著优势的,通过测算不同决策单元之间的松弛变量:slacks:,发 中国卫生事业管理[J].2010,372-374 出投入:产出:不足或投入:产出:冗余的信号,为技术效率的提 ?石义全，钱振华，成刚.指标选择对医院效率评价的影响:以 2010 01

高提供改进的建议年省级数据 D。假设有 N 家医院:决策单元:,每家医院分别 EA 模型为例,中国卫生政策研究[J].2012，p67-72 11?新英格兰大学效率与生产力分析中心(CEPA)工作报告 有 i 项投入:医院总资产、医护人员总数、实际开放床位数,……, DEAP2.1 版本指南: 数据包络分析，i:和项产出:业务收入、总诊疗人次数、出院人数,……,r:。 由于 http://www.une.edu.au/econometrics/cepawp. htm 医院的投入指标相对稳定, 所以选取基于输入模式的数据包络 2模型较为合适,以“BC”模型为例,建立以下数学模型:

maxθ=V xn - S.t.移λx+S=θx jji 0 21?徐金耀，崔益萍等.医院相对效率评价的 DEA 方法[J].中华医院管 j = 1 n 理杂志,1995(11) + 31?陶春海.中国医疗服务生产效率评价研究:基于 DEA 和SFA 方法 移λy-Sjjr 的组合研究.江西财经大学，2010 年博士学位论文 =y 0j = 1 ?41周小梅.提升医院绩效研究 - 基于所有权、市场与管制视角的分 n 析[D].2008 年浙江工商大学博士论文 移λ=1 jj = 1 51?张莉.中国医院治理结构与治理效率研究[D].2009 年华中科技大 λ?0,j=1,2,…n j- + 学博士论文 S?0,S ?0 ir- + (作者单位: 袁国铭， 首都医科大学生物医学工程学院 北京 当 θ，1 时,松弛变量 S,S均不为 0,此时投入的理想值 i r -+为 x:x,θ×x-S,i=1,2,…,m:,产出的 理想值为 y:y=y+s, rj rjrjrj rjrj—254—

100000;樊波、张子龙，中国煤炭总医院 北京 100000，樊波为通讯作 者) (责编:吕尚)

范文四：大数据背景下医院运行效率评价的方法应用研究[权威资料]

大数据背景下医院运行效率评价的方法应用研究

摘 要:2005年国务院发展研究中心的研究报告《中国医疗卫生体制改革》，得出了“中国医改不成功”的结论。2009年3月17日《中共中央国务院发布关于深化医药卫生体制改革的意见》，标志着新一轮医改的启动;《意见》着重指出“改革公立医院管理体制、运行机制和监管机制”。医院的改革离不开“效率”与“公平”这一组概念，文章对“医院效率”这一概念展开了详细的讨论，并提供了基于计量经济学的效率评价方法与模型。

关键词:医改 医院管理 医院效率

F270.5 A

1004-4914(2015)06-253-02

谈医院的效率评价，首先要明确何为效率，“效率”《辞海》解作“消耗的劳动量与所获得的劳动效果的比率”;经济学一般认为，如果我们能找到一种方法，使一些人的状况变好但同时又未使其他人的状况变差，这种方法称为帕累托改进;如果某种配置不存在这样的改进，则称为帕累托有效率(Pareto efficient)，或者经济学有效{1}。帕累托有效率描述了在完全竞争的市场上资源配置的有效性问题，是一种令人愉快的资源配置方式;但却与公平性无关，即便所有的医疗资源都处于垄断状态，依然可以是帕累托有效率的。医疗卫生资源具有有限的非竞争性和有限的非排他性，医疗服务是一种准公共产品;因而决定了医院不能单纯以利润最大化、成本最小化的原则来参与市场竞争，所以对医院效率的评价，也就不能简单地用帕累托有效率来衡量。诺思站在制度变迁的角度上提出了制度效率，认为在一种约束机制下，参与者的最大化行为能导致产出的增加，即有效率;如果参与者的最大化行为不能导致产出的增长，则是无

效率的{2}。新制度经济学家发展了新古典经济学家关于效率的描述，也为我们今天衡量医院的效率提供了全新的视角{3}。有学者认为衡量医院的效率至少可从三个层面出发，即经济效率、技术效率和资源配置效率{4}。经济效率，简称效率，简单的说就是要投入少，产出多，医院在诊疗活动中要努力做到“多收”、“快治”、“治好”;而技术效率则回答了“同样的投入，如何获得更多产出”的问题，如技术效率较高的医院，平均每名医生完成的年度门诊量、手术台数也较多;床位使用率较高的同时，患者的平均住院日却较短。而配置效率旨在对医疗资源配置的有效性做出评价，并进一步为资源配置的方向做出指引，减少医院在增补人力、投入设备、增加床位时的盲动性{5}。

一、对经济效率的评价

当我们视医院的外部环境为一定时，如稳定的政局、良好的政策、被普遍遵守的法律和导向正确的舆论等，这时变动医院的内部因素，如增减床位、增减医护人员数量和设施设备的投入资金等，都会对医院的效率发生影响。同样，假设医院的内部因素在一定时间内固定，外部因素发生变动，如医保政策的调整使得参保人员范围和报销比例发生改变，或国家政策调整使得国外资本和民营资本大举进入医疗市场，无论内生或外生的因素发生变化，均可影响到一家医院的运行效率{6}。因此对医院的效率评价，也应从短期和长期两个角度分别讨论;短期外部环境相对稳定，内部因素的变动直接影响着医院的经济效率;用单一时间的面板数据，来衡量不同医院之间的相对效率是有效且可行的。

而长期看来，因为内部因素与外部因素同时处于变动之中，如一项政策的出台，对某类医院可能是好消息，而对不具备该属性的医院而言，可能是个坏消息。如依据北京的产业政策和区域规划，五环内不再新建大型医院，现有医院也不允许新增床位，但允许外资通过新设或并购的方式设立独资医院。政策的出台为外资医院的进驻与发展保留了必要

的空间，但同时限制了五环内本土医院的发展。政策旨在让外资医院和本土医院在符合产业布局的前提下同台竞技，只有具备国际领先医院管理经验的医院，才具备较高的效率，也才能在这场比赛中胜出，从而对引进外资的水平有着较高的要求。又如北京建议市属三级医院应以科研和教学为主，主动减少普通门诊量，如果这一政策得到贯彻落实，将极大的提高基层医院的门诊数量。因此不能用面板数据的累计来衡量医院的长期效率;那么如何判断医院在一段较长的时间内，10年或者20年，是否一直保持着较高的效率呢，或者在其中的哪些年份效率较高，而在其他年份效率又较低呢,我们以假设的A医院为例，收集反映2012年度A医院经济效率的若干项因素，作为一个集合E2012，其中包括反映投入的指标，如总资产、职工总数、实有床位等，和反映产出的指标，如业务收入、总诊疗人次数、出院人数等。然后按照时间顺序，分别收集2011年至2000年间的数据作为集合E2011,E2000;在将每一个集合Ei视为一个独立的决策单元，计算不同决策单元之间的相对效率，即可真实的体现不同年份之间A医院效率的变动情况{7}。

二、对技术效率的评价

在评价不同医院之间技术效率的高低时，尤其是当技术效率与多个不同的因素相关联时，多元线性回归模型是一种较好的解决方案{8}。多元线性回归分析法解决了在市场竞争活动中，某种现象(被解释变量)与多个影响因素(解释变量)之间的相关关系，并能较为直观地描述出对某个现象影响最为显著的几个因素分别是什么，以及这种影响的程度。在对医院的技术效率做回归分析时，拟合度较好的模型是科布-道格拉斯生产函数(Cobb-Douglas production

function)，最初它以幂函数的形式揭示了产量、技术、资本、劳动力之间的相关关系。今天，在研究医院的技术效率时，科布―道格拉斯生产函数的超对数(Translog)形式，仍然是首选的计量经济学模型。我们以医院的年度收入为被

解释变量(y)，以总资产(x1)、医护人数(x2)、开放床位数(x3)、门(急)诊人次数(x4)、出院人数(x5)、年度累计减免患者医药费数(x6)为解释变量建立多元线性回归方程。

y=β0+β1x1+β2x2+β3x3+β4x4+β5x5+β6x6+??+βixi+μ，其中β0为一未知固定常数，μ为随机误差项，β1,βi为回归系数，通过最小二乘法分别求得β0,βi的数值，在比较不同医院之间同一位置上βi值的差异，即可判断不同医院之间技术效率的高低。如求得A医院x4(门急诊人次数)前的系数β4等于n，求得B医院对应位置的系数β4等于m，如果n>m，则可得A医院的门(急)诊人次数对年度收入有着较大的贡献率，即A医院在“门(急)诊人次数”一项上具有较高的技术效率{9}。 用多元线性回归分析法来评价不同医院之间技术效率的高低，可以很好的解决医院公益属性这个问题。在以往的研究中，对医院效率的评价往往将其视为普通的商事主体，有意或无意的回避了公益属性这一显著特征;而在用计量经济学方法计算效率时，在解释变量中可以引入多个代表公益属性的因素，如累计减免患者医药费额度、义诊人次数、免费收住院人次数等，来求解医院效率与公益属性之间的相关关系。假定A、B两家医院具有近似的年度收益，通过多元线性回归分析，求得A医院在“累计减免患者医药费额度”、“义诊人次数”、“免费收住院人次数”三项上具有较大的回归系数，即可得出A医院较之B医院表现出更多公益属性的结论;如果求得A、B两家医院体现公益属性的解释变量的回归系数小于0.05(βi?5%)，则表示在数据统计期内，两家医院的效率与(选择的)代表公益属性的解释变量不相关;A、B两家医院需要增加对体现公益属性(解释变量)项目的投入，才能使其公益属性具备显著性。做多元线性回归分析时，对于结果的检验除了要具备经济学、计量经济学上的意义外，还需对结果进行统计学检验(卡方检验、方差分析、秩和检验等)

和预测性检验;当结果在上述检验中均表现出有意义时，才可认为回归模型对于现实生活具有较好的拟合性和预测性{10}。

三、对资源配置效率的评价

有学者在评价医院的技术效率时，通常采用参数与非参数两种方式进行{11}。参数模式基本上承袭了计量经济学中对生产函数的估值思想，这种方法首先需要构建生产函数，然后通过适当的方法来估算位于生产前沿面上各个解释变量的系数，近似于我们前面提到的多元线性回归模型。常见的用来测算医院效率的参数方法有“自由分步法”(Distribution Free Approach)、“厚前沿分析法”(Thick Frontier Approach)和“随机前沿分析法”(Stochastic Frontier Approach)，其中应用最为广泛的是随机前沿分析法。而非参数方法则放弃了对生产函数的估算，因此无需对解释变量的系数逐一求解，只需知道投入指标和产出指标，即可评价决策单元之间的相对效率。非参数效率估算法主要是“数据包络分析法”(Date Envelopment

Analysis)，这种效率评价方式的主要思想是通过观察大量实际生产数据，并基于一定的生产有效性标准找出位于生产前沿面上的有效点，由这些有效点的全部组成一个数据包络曲面，对照实际观测值与理想曲面之间的距离，测算技术效率的有效性和资源配置的有效性{12}。这里需要特别说明的是，作为一种非参数的效率评价方法，数据包络分析法具有应用范围广、操作简单、数据获得相对容易的优势，但这种方法只能用来评价相对效率的高低;即便所有决策单元(Decision Making Unit)的效率值(θ)均为1，也不能得出全部决策单元均是技术有效的结论。数据包络分析只能判断一组决策单元之间技术效率的相对有效性，所以当我们想要评价医院技术效率的绝对高低时，数据包络分析就显得力有不逮了。

虽如此，数据包络分析法在评价资源配置的效率上还是有显著优势的，通过测算不同决策单元之间的松弛变量(slacks)，发出投入(产出)不足或投入(产出)冗余的信号，为技术效率的提高提供改进的建议。假设有N家医院(决策单元)，每家医院分别有i项投入(医院总资产、医护人员总数、实际开放床位数，??，i)和项产出(业务收入、总诊疗人次数、出院人数，??，r)。由于医院的投入指标相对稳定，所以选取基于输入模式的数据包络模型较为合适，以“BC2”模型为例，建立以下数学模型:

maxθ=Vx

S.t.?λjxj+S-i=θx0

?λjyj-S+r=y0

?λj=1

λj?0，j=1，2，?n

S-i?0，S+r?0

当θ<1时，松弛变量s-i，s+r均不为0，此时投入的理想值为xrj(xrj，θ×xrj-s-，i=1，2，?，m)，产出的理想值为yrj(yrj=yrj+s+，r=1，2，?，s);求出投入(产出)理想值与实际观测值之间的差值，即可发现改善资源配置效率的路径{13}。>

另外，由于数据包络分析法是用不同决策单元之间的测量值做比较，所以当我们测算医院之间的资源配置效率时，要求同一个决策单元组中的数据方差不能过大;简单地说，就是进行比较的医院之间，应保持规模的近似性。依据《卫生部关于修订第三条有关内容的通知》，按照执业范围的不同，医院分为综合医院、中医医院、中西医结合医院、专科医院、康复医院几个大类;依据《医院分级管理标准》，按照规模大小区分，医院又分为三级，其中三级医院有病床501张以上，二级医院病床数在101张到500张之间;因此我们在测算医院的资源配置效率时，首先应保证位

于同一个决策单元组中的各个医院，应具有相同的类别和级别{14}。

四、结语

2005年国务院发展研究中心与世界卫生组织合作的研究报告《中国医疗卫生体制改革》，得出了“中国医改不成功”的结论。2009年3月17日《中共中央国务院发布关于深化医药卫生体制改革的意见》，标志着新一轮医改的启动;《意见》着重指出“改革公立医院管理体制、运行机制和监管机制”，这也对我国医院管理学科提出了纵深地要求。医院改革旨在提高效率，只有高效率的运营才能从根本上缓解“看病难、看病贵”等问题的发生。

[本文为基金项目:2014年首都医科大学青年教师科研启动基金，煤炭总医院医学发展基金2013-1号]

注释:

{1}[美]哈尔?R.范里安.微观经济学:现代观点[M].上海人民出版社，2006第6版，p249

{2}[美]诺思.经济史中的结构与变迁[M].上海三联书店、上海人民出版社，1991，p12

{3}吴昊.我国公立医院利益相关者治理模式构建研究---基于医药卫生体制改革的视角[D].2010年重庆大学博士论文

{4}邴媛媛，徐凌中等.卫生服务的效率及其测量[J].中华医院管理杂志，2001，5:272-275

{5}王长青.公立医院体制改革的理论分析与实证研究[D].2008年华中科技大学博士论文

{6}李文敏.我国公立医院法人治理及其路径研究[D].2009年华中科技大学博士论文

{7}徐金耀，崔益萍等.医院相对效率评价的DEA方法[J].中华医院管理杂志，1995(11)

{8}[美]古扎拉蒂，[美]波特著，张涛译.计量经济学精要.机械工业出版社，2010版

{9}钟若冰，张靖，钟晓妮等.数据包络分析在医院效率评价中的应用.中国卫生事业管理[J].2010，372-374

{10}石义全，钱振华，成刚.指标选择对医院效率评价的影响:以2010年省级数据DEA模型为例，中国卫生政策研究[J].2012，p67-72

{11}新英格兰大学效率与生产力分析中心(CEPA)工作报告DEAP2.1版本指南:数据包络分析，http://.une.edu.au/econometrics/cepawp.htm

{12}徐金耀，崔益萍等.医院相对效率评价的DEA方法[J].中华医院管理杂志，1995(11)

{13}陶春海.中国医疗服务生产效率评价研究:基于DEA和SFA方法的组合研究.江西财经大学，2010年博士学位论文

{14}周小梅.提升医院绩效研究-基于所有权、市场与管制视角的分析[D].2008年浙江工商大学博士论文

{15}张莉.中国医院治理结构与治理效率研究[D].2009年华中科技大学博士论文

(作者单位:袁国铭，首都医科大学生物医学工程学院 北京 100000;樊波、张子龙，中国煤炭总医院 北京 100000，樊波为通讯作者)(责编:吕尚)

文档资料:大数据背景下医院运行效率评价的方法应用研究 完整下载 完整阅读 全文下载 全文阅读 免费阅读及下载

感谢你的阅读和下载

*资源、信息来源于网络。本文若侵犯了您的权益，请留言或者发站内信息。我将尽快删除。*

范文五：山东省各市经济指标和地区特征的综合评价 —基于大数据方法

Statistics and Application 统计学与应用 , 2017, 6(4), 472-481

Published Online October 2017 in Hans.

文章引用 : 眭铭刚 , 柳向东 . 山东省各市经济指标和地区特征的综合评价 [J]. 统计学与应用 , 2017, 6(4): 472-481. DOI: 10.12677/sa.2017.64053

Economic Comprehensive Evaluation and Regional Characteristics Analysis of Cities in Shandong Province

—Based on Big Data Analysis

Minggang Sui, Xiangdong Liu

School of Economics, Jinan University, Guangzhou Guangdong

Received: Oct. 9th , 2017; accepted: Oct. 23rd , 2017; published: Oct. 30th , 2017

Abstract

Using the big data analysis, economic indicators in different cities of Shandong province in 2015 are investigated. Some economic indicators are visualized. Then the k-means cluster is used to

cluster the cities. Both city rank and category are obtained by data mining, which provides the ba-sis for the planning of city economy.

Keywords

Big Data Analysis, Economic Indicators, Visualization Method, Data Mining, k-Means Cluster

山东省各市经济指标和地区特征的综合评价

— 基于大数据方法

眭铭刚,柳向东

暨南大学经济学院,广东 广州

收稿日期:2017年 10月 9日;录用日期:2017年 10月 23日;发布日期:2017年 10月 30日

摘 要

对 2015年山东省各市的多个经济指标进行大数据方法分析, 利用可视化方法显示出各市的一些指标, 然

眭铭刚,柳向东

DOI: 10.12677/sa.2017.64053 473

统计学与应用

后利用 k-均值聚类算法对各市进行聚类,并结合数据挖掘,得出各地区经济排名及分类,为山东省经济 规划提供了依据。

关键词

大数据方法,经济指标,可视化分析,数据挖掘, k-均值聚类

Copyright ? 2017 by authors and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY).

1. 引言

对一个区域的经济分析,有利于该区域的经济规划,并为政府决策提供建议。本文主要研究了山东 省 17个市的经济状况。通过对 8项经济指标 (x 1人均地区生产总产值 (元 /人 ) 、 x 2人均工业总产值 (元 /人 ) 、 x 3人均建筑业总产值 (元 /人 ) 、 x 4人均实际使用外资 (元 /人 ) 、 x 5人均入境旅游外汇收入 (元 /人 ) 、 x 6人均批发 零售贸易业营业利润 (元 /人 ) 、 x 7人均公共财政收入 (元 /人 ) 、 x 8人均农林牧渔业总产值 (元 /人 )) 的研究和分 析,利用大数据的方法探索出几个具有代表性的因子,并对各市进行分类,得出各市的经济排名以及区 域特征,并根据研究得出一些指导性的建议。

陈伟 [1]用多元统计分析中的主成分分析和因子分析法对武汉城市圈的经济状况进行了较科学的分析; 左瑞琼 [2]介绍了多元统计分析方法的主要内容以及在经济研究工作的应用; 柳向东和陈锦岚 [3]在大数据 与数据可视化方法方面进行的研究。本文就在此基础上探索了可视化方法包括脸谱图法和星象图法,并 利用数据挖掘中的 k-means 均值聚类以及因子探索分析等方法得出了一些经济指标的综合因子分类和相 对应的政策建议。

2. 经济指标的建立

在选取指标时,主要考虑这些指标能从国民经济、对外经济、旅游、财政、工业、农业等方面反映 地区经济特性,统计数据应可靠且相关性较小。由于每个地方的人口总数不一致,所以每项指标的总值 并不能很好的代表每个地方的经济发展水平,所以本文将选取的 2015年山东省统计年鉴中 17个市 8项 经济指标进行人均化,建立如下的经济指标体系:x 1人均地区生产总产值 (元 /人 ) 、 x 2人均工业总产值 (元 /人 ) 、 x 3人均建筑业总产值 (元 /人 ) 、 x 4人均实际使用外资 (元 /人 ) 、 x 5人均入境旅游外汇收入 (元 /人 ) 、 x 6人 均批发零售贸易业营业利润 (元 /人 ) 、 x 7人均公共财政收入 (元 /人 ) 、 x 8人均农林牧渔业总产值 (元 /人 ) 。

3. 数据描述和可视化分析

1) 各地区经济的星象 (图 1) 。 2) 各地区经济的脸谱 (图 2) 。

4. 基于数据挖掘的统计分析

4.1. 主成分分析

根据所搜集整理的数据 [4], R3.3.2 [5]统计软件进行相关分析:

从 表 1中可看出 x 7与 x 1、 x 2、 x 3、 x 4、 x 5相关性较强,尤其是与 x 1,即人均公共财政收入与人均

Open Access

眭铭刚,柳向东

DOI: 10.12677/sa.2017.64053 474

统计学与应用

Figure 1. Star chart of economic analysis of cities 图 1. 各市经济分析的星象图

Figure 2. Face spectrum city economic analysis 图 2. 各市经济分析的脸谱图

地区生产总产值、人均工业总产值 (元 /人 ) 、人均建筑业总产值 (元 /人 ) 、人均实际使用外资 (元 /人 ) 、人均 入境旅游外汇收入 (元 /人 ) 相关性较强,而尤其是与人均地区生产总值,这符合人均公共财政收入来源于 这些项目的情况,故可把 x 7删掉。

眭铭刚,柳向东 Table 1.Coefficient matrix

表 1. 系数矩阵

X 1X 2X 3X 4X 5X 6X 7X 8 X 11

X 20.869241 1

X 30.630158 0.313056 1

X 40.46119 0.095492 0.391481 1

X 50.493689 0.163757 0.366582 0.887571 1

X 60.172857 0.270783 0.078619 ? 0.10866 0.102032 1

X 70.909432 0.627116 0.690721 0.736312 0.674141 0.022955 1

X 80.388064 0.397192 ? 0.15383 0.148329 0.346287 0.266407 0.318146 1

主成分分析的原理是设法将原来变量重新组合成一组新的相互无关的几个综合变量,同时根据实际 需要从中可以取出几个较少的总和变量尽可能多地反映原来变量的信息,也是统计上处理降维的一种方 法,是一种无指导学习方法。

下面做主成分分析,结果如下:

Importance of components:

Comp.1 Comp.2 Comp.3 Comp.4

Standard deviation 1.9999045 1.2467232 1.0808535 0.9118963

Proportion of Variance 0.4999523 0.1942899 0.1460305 0.1039444

Cumulative Proportion 0.4999523 0.6942421 0.8402727 0.9442170

Comp.5 Comp.6 Comp.7 Comp.8

Standard deviation 0.56468885 0.31901161 0.13468005 0.0865060867

Proportion of Variance 0.03985919 0.01272105 0.00226734 0.0009354129

Cumulative Proportion 0.98407620 0.99679725 0.99906459 1.0000000000

Loadings:

Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 Comp.7 Comp.8

x 1? 0.464 0.194 0.209 0.155 0.367 0.732

x 2? 0.338 0.472 0.238 0.269 ? 0.436 ? 0.226 ? 0.450 ? 0.299

x 3? 0.330 ? 0.178 0.521 ? 0.313 0.596 ? 0.147 ? 0.335

x 4? 0.363 ? 0.456 ? 0.285 ? 0.285 0.431 ? 0.498 0.243

x 5? 0.379 ? 0.296 ? 0.419 ? 0.197 ? 0.104 ? 0.692 0.194 ? 0.165

x 60.492 ? 0.141 ? 0.821 ? 0.136 0.189

x 7? 0.484 0.110 0.467 0.480 ? 0.536

x 8? 0.209 0.405 ? 0.584 0.276 0.581 ? 0.177

结果表明前 4个主成分已达 94%的累积贡献率,这说明前 4个主成分已经反映了信息的 94%,于是 前 4个因子可以作为评价山东省 17个市的经济发展指标的综合变量。 从而达到降维的目的, 而损失的信 息却不多。

上面 Loadings 反映了载荷的大小,它反映了原变量指标与主成分的相关关系,即反映了原变量对于 主成分的重要程度。在解释主成分时,我们需要考察载荷,同时也需要考察一下原变量与主成分的相关

DOI: 10.12677/sa.2017.64053 475 统计学与应用

眭铭刚,柳向东

DOI: 10.12677/sa.2017.64053 476

统计学与应用

系数。前者是从多变量的角度,后者是从单变量的角度,因而前者应更值得重视 [6]。而我们知道相关系 数与载荷同符号,且成正比 (图 3) 。

下面得出前四个主成分: F 1代表反映地区的综合经济实力

112345780.4640.3380.3300.3630.3790.4840.209F x x x x x x x =???????

第 1主成分对应载荷的符号相同, 且其值都在 0.3左右, 差别不大, 它反映了地区的综合经济实力。 综合经济实力较强的地区, 它的 8项指标的值都较大, 所以第 1主成分的值较小 (因为载荷均为负数 ) ; 而 综合实力较弱的地区,它的 8项指标的值都较小,因此第 1主成分的值就较大。所以称第 1主成分为综 合经济因子。

F 2代表反映批发零售贸易业、工业实力

21234580.1940.4720.1780.4560.2960.49260.405F x x x x x x x =+???++

第 2主成分中 x 1、 x 2、 x 6、 x 8对应的载荷为正,载荷总和为 1.563,而 x 1、 x 2、 x 6、 x 8分别代表人均地 区生产总值、 人均工业生产总值、人均批发零售贸易业营业利润、 人均农林牧渔业总产值,其中 x 2、 x 6、 x 8对应的载荷较大; x 3、 x 4、 x 5对应载荷为负,载荷绝对值总和为 0.93, x 4有绝对值较大的负载荷, x 4代 表人均使用外资;结合变量的含义,第 2主成分反映了批发零售贸易业、工业相对于外商投资的经济状 况,称为批发零售、工业因子。

F 3代表反映了农林牧渔业的实力

312345680.2090.2380.5210.2850.4190.1410.584F x x x x x x x =++????

第 3主成分中 x 8有绝对值较大的负载荷, x 3有较大大的正载荷,其余变量的载荷较小,大 (小 ) 的 F 值意味着 x 8有较小 (大 ) 的值,而 x 3倾向于有较大的值,这个主成分基本上是 x 8 (人均农林牧渔业总产值 )

Figure 3. Scree plot 图 3. 碎石图

眭铭刚,柳向东

DOI: 10.12677/sa.2017.64053 477

统计学与应用

和 x 3 (人均建筑业总产值 ) 的对比,反映了农林牧渔业相对于建筑业的经济状况,故称第 3主成分为农林 牧渔业因子。

412356780.1550.2690.3130.1970.8210.1100.276F x x x x x x x =+???++

第 4主成分中 x 6的系数最大,其余都较小,故反映了批发零售业经济和其余产业的经济状况对比, 从而称第 4主成分为批发零售业和其他行业的对比因子。

进一步利用 R3.3.2 [5] [7]计算各市的主成分得分状况如 表 2。

另外选择方差贡献率作为综合经济因子的权重,计算出综合经济因子,计算结果如下:

12340.49995230.19428990.14603050.1039444F F F F F =+++

从主成分结果可以看到,每个地区经济都有自己的特点,但不同的地区又存在着许多共性,可以将 具有一定共性的地区划为一类, 以利于更好地进行区域经济规划搞好经济建设, 下面就对上述 17个市进 行因子分析。

4.2. Varimax 法旋转因子分析

主成分分析通过线性组合将原变量综合成几个主成分,用较少的综合指标来代替原来较多的指标。 在多变量分析中,某些变量间可能会有关联,存在不能直接观测到的、但影响可观测变量变化的公共因 子。因子分析法就是寻找这些公共因子的模型分析方法,它是在主成分的基础上,构造若干意义较为明 确的公共因子,以它们为基础分解原变量,以此考察原变量间的联系与区别。

Table 2. Principal component score 表 2. 主成分得分

F1 F2 F3 F4 济南市 ? 0.27947 ? 0.01078 2.63211 ? 1.25783 青岛市 0.249606 2.482547 0.231735 ? 1.43161 淄博市 0.109332 ? 0.50386 1.981636 0.504477 枣庄市 ? 0.1677 ? 0.75625 ? 0.1683 ? 0.39052 东营市 3.381101 ? 0.7833 0.328792 0.906512 烟台市 0.288237 1.288632 ? 0.48963 0.510039 潍坊市 ? 0.29527 ? 0.00267 ? 0.20038 ? 0.44693 济宁市 ? 0.57516 ? 0.1944 0.062933 ? 0.53233 泰安市 ? 1.13296 0.124425 0.744713 2.201258 威海市 0.576875 1.886549 ? 0.85554 0.790528 日照市 ? 0.76406 0.510012 ? 0.15058 1.103241 莱芜市 ? 0.01763 ? 0.66244 ? 0.54459 ? 0.63501 临沂市 ? 0.85128 ? 0.56436 ? 0.18538 0.382922 德州市 ? 0.11349 ? 0.82135 ? 0.7145 ? 0.05538 聊城市 ? 0.23723 ? 0.72037 ? 0.90494 0.088907 滨州市 0.531249 ? 0.5645 ? 0.79813 ? 1.41855 菏泽市

? 0.70213

? 0.70789

? 0.96995

? 0.31973

眭铭刚,柳向东

DOI: 10.12677/sa.2017.64053 478

统计学与应用

下面进行 varima x 法旋转因子 [7]分析,然后得出结论 (表 3) 。

旋转后公共因子代表的意义较为明显,因子 F 1在 x 1人均地区生产总产值 (元 /人 ) 、 x 2人均工业总产值 (元 /人 ) 、 x 7人均公共财政收入 (元 /人 ) 上载荷值较高,因此因子 F 1代表地区的生产收入能力;因子 F 2在 x 4人均实际使用外资 (元 /人 ) 、 x 5人均入境旅游外汇收入 (元 /人 ) 上载荷值较高,因此因子 F 2代表吸引外资 能力; F 3在 x 8人均农林牧渔业总产值 (元 /人 ) 上的载荷值较高,因此因子 F 3代表农业生产能力;因子 F 4在 x 6人均批发零售贸易业营业利润 (元 /人 ) 上载荷值较高, 因此因子 F 4代表批发零售贸易能力。 可以看出, 因子分析得到的公共因子的解释比对主成分的解释更为明确。

对比 表 4和 表 5,旋转因子的排名和综合因子的排名并无太大差别,东营市、威海市、青岛市分别 位居前三。

Table 3. Rotational factor loading 表 3. 旋转因子载荷

Factor 1 Factor 2 Factor 3 Factor 4 x 1 0.9296 0.34679 0.03346 0.07760 x 2 0.9293 ? 0.05479 0.20984 0.13822 x 3 0.5680 0.37290 ? 0.63781 0.11761 x 4 0.1491 0.95527 ? 0.03491 ? 0.11989 x 5 0.1571 0.94652 0.12170 0.10731 x 6 0.1071 ? 0.02455 0.09402 0.98466 x 7 0.7515 0.63336 ? 0.05634 ? 0.04519 x 8

0.3084

0.21141

0.84677

0.18561

Table 4. Rotation factor score 表 4. 旋转因子得分

F rank 济南市 ? 0.01114 6 青岛市 0.70316 3 淄博市 ? 0.07838 8 枣庄市 ? 0.37727 13 东营市 1.07785 1 烟台市 0.58371 4 潍坊市 ? 0.12965 10 济宁市 ? 0.20942 12 泰安市 0.04102 5 威海市 1.01217 2 日照市 ? 0.16933 11 莱芜市 ? 0.54488 15 临沂市 ? 0.56809 16 德州市 ? 0.05270 7 聊城市 滨州市 菏泽市

? 0.41524 ? 0.1081 ? 0.6634

14 9 17

眭铭刚,柳向东 Table 5.Ranking of cities by factor

表 5. 各城市综合因子排名

F1 F2 F3 F4 F

东营市 3.381101 ? 0.7833 0.328792 0.906512 1.680441 威海市 0.576875 1.886549 ? 0.85554 0.790528 0.612184 青岛市 0.249606 2.482547 0.231735 ? 1.43161 0.492158 烟台市 0.288237 1.288632 ? 0.48963 0.510039 0.375987 淄博市 0.109332 ? 0.50386 1.981636 0.504477 0.298583 济南市 ? 0.27947 ? 0.01078 2.63211 ? 1.25783 0.111806 滨州市 0.531249 ? 0.5645 ? 0.79813 ? 1.41855 ? 0.10808 日照市 ? 0.76406 0.510012 ? 0.15058 1.103241 ? 0.19022 泰安市 ? 1.13296 0.124425 0.744713 2.201258 ? 0.20469 潍坊市 ? 0.29527 ? 0.00267 ? 0.20038 ? 0.44693 ? 0.22386 莱芜市 ? 0.01763 ? 0.66244 ? 0.54459 ? 0.63501 ? 0.28305 枣庄市 ? 0.1677 ? 0.75625 ? 0.1683 ? 0.39052 ? 0.29595 德州市 ? 0.11349 ? 0.82135 ? 0.7145 ? 0.05538 ? 0.32642 济宁市 ? 0.57516 ? 0.1944 0.062933 ? 0.53233 ? 0.37147 聊城市 ? 0.23723 ? 0.72037 ? 0.90494 0.088907 ? 0.38147 临沂市 ? 0.85128 ? 0.56436 ? 0.18538 0.382922 ? 0.52252 菏泽市 ? 0.70213 ? 0.70789 ? 0.96995 ? 0.31973 ? 0.66345

从 图 4和 图 5可以看出淄博在生产收入能力方面较强,而青岛市、威海市、烟台市在吸引外资能力 方面较强,这与它们临海的便利交通有很大关系。

4.3. k-均值聚类分析法

利用 R3.3.2统计软件对数据进行 k-均值聚类分析法,并分为 3类。得出结果见 图 6。

第 1类:泰安市、德州市、枣庄市、临沂市、菏泽市、莱芜市、聊城市、日照市、滨州市、潍坊市、 济宁市。

第 2类:济南市、淄博市。

第 3类:青岛市、东营市、烟台市、威海市。

5. 综合评价

本文在前人研究的基础上选用 2015年山东省统计年鉴 [4]中的 17个市的 8项经济指标, 借用 R3.3.2 [5] [7]对山东省地区的经济进行主成分分析, 得到了与事实较吻合的结果, 在此基础上用 Ward 法进行分析, 把各市的经济状况分成 3类,再结合综合因子得出相应结论:

1) 东营市、威海市、青岛市、烟台市综合因子排名靠前,综合经济水平最高,济南市、淄博市综合 因子排名次之,综合经济水平位于第二,其他城市的综合因子最低,综合经济水平最低。出现这样状况 的原因是:东营市、威海市、青岛市、烟台市濒临海域,交通便利,对外开放程度高,利于经济发展; 济南是省会城市, 经济基础好, 人口整体素质较高, 竞争力强, 是重要的政府机关、 商业机构的集中地, 就业机会多,城市人口比重大、居民有着比较稳定的收入;而淄博地处黄河三角洲高效生态经济区、山 东半岛蓝色经济区两大国家战略经济区与省会城市群经济圈的重要交汇处, 是中国城市 GDP40强, 位列

DOI: 10.12677/sa.2017.64053 479 统计学与应用

眭铭刚,柳向东

DOI: 10.12677/sa.2017.64053 480

统计学与应用

Figure 4. Rotating factor score chart 图 4. 旋转因子得分图

Figure 5. Spin factor information overlay 图 5. 旋转因子信息重叠图

眭铭刚,柳向东

DOI: 10.12677/sa.2017.64053 481

统计学与应用

Figure 6. Shandong province city economic classification pedigree diagram 图 6. 山东省各市经济分类谱系图

社科院 2014年中国城市综合经济竞争力排行榜第 34名,是全国首批科技兴市试点市和国家级星火技术 密集区,为全国重要的石油化工基地。

2) 威海市、青岛市、烟台市在批发零售贸易业和工业方面的水平明显高于其它地区,济南市、淄博 市在建筑业以及工业方面水平高于其他地区,而菏泽市、滨州市、聊城市、莱芜市、威海市等城市相对 农林牧渔业较发达,像威海、青岛等沿海城市,由于靠海,故其渔林业较为发达,而菏泽、滨州、聊城、 莱芜等城市农业较为发达,工业相对落后,故积极推进这些城市的农村发展,加快科技教育发展,调整 产业结构,注意发展地区特色经济,在生产发展的基础上增加城乡居民收入。再比较每个地区的特点, 几乎各个地区的发展都不是均衡发展,在工业等方面青岛、烟台、济南等城市处于较高水平,源于国家 的大幅投入和自身处于交通发达地区的地优势,值得注意的是菏泽、临沂、聊城等这样的城市在六项指 标上水平都较低,全省在经济规划中要注意调整这些城市的经济结构,有关部门应出台相应扶持政策, 促进其经济快速发展。

参考文献 (References)

[1] 陈伟 . 多元统计分析在区域经济评价中的应用 [D]: [硕士学位论文 ]. 武汉 : 武汉科技大学 , 2010. [2] 左瑞琼 . 多元统计分析方法介绍及在经济中的应用 [J]. 时代经贸 , 2007, 78(5): 23-14.

[3] 柳向东 , 陈锦岚 . 旅游电商对产品区域异质性的提升策略研究 — 基于大数据与数据可视化方法 [J]. 统计与信息

论坛 , 2017, 32(8): 31-38. [4] 山东省统计局 . 山东统计年鉴 -2015[M]. 北京 : 中国统计出版社 , 2015: 100-560. [5] 薛毅 , 陈立萍 . 统计建模与 R 软件 [M]. 北京 : 清华大学出版社 , 2007: 397-461. [6] 王学民 . 应用多元分析 [M]. 第 4版 . 上海 : 上海财经大学出版社 , 2014: 192-193.

[7] Tan, P.N., Steinbach, M., Kumar. V. 数据挖掘导论 (完整版 )[M]. 范明 , 范宏建 , 等 , 译 . 北京 : 人民邮电出版社 ,

2011.

知网检索的两种方式:

1. 打开知网页面

下拉列表框选择:[ISSN],输入期刊 ISSN :2325-2251,即可查询 2. 打开知网首页

左侧“国际文献总库”进入,输入文章标题,即可查询

投稿请点击:http://www.hanspub.org/Submission.aspx

期刊邮箱:sa@hanspub.org

转载请注明出处范文大全网 » 大数据环境下的智能综合评价方