CN114004468A - 基于电力大数据的区域经济发展质量评估模型的构建方法 - Google Patents
基于电力大数据的区域经济发展质量评估模型的构建方法 Download PDFInfo
- Publication number
- CN114004468A CN114004468A CN202111202088.1A CN202111202088A CN114004468A CN 114004468 A CN114004468 A CN 114004468A CN 202111202088 A CN202111202088 A CN 202111202088A CN 114004468 A CN114004468 A CN 114004468A
- Authority
- CN
- China
- Prior art keywords
- index
- level
- indexes
- economic development
- development quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011161 development Methods 0.000 title claims abstract description 62
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 16
- 238000010276 construction Methods 0.000 title abstract description 4
- 238000000034 method Methods 0.000 claims abstract description 60
- 238000011156 evaluation Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000010606 normalization Methods 0.000 claims abstract description 10
- 238000013210 evaluation model Methods 0.000 claims abstract description 5
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 4
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000012847 principal component analysis method Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 5
- 238000001303 quality assessment method Methods 0.000 claims description 5
- 238000011002 quantification Methods 0.000 description 70
- 239000000047 product Substances 0.000 description 21
- 230000009466 transformation Effects 0.000 description 13
- 230000008901 benefit Effects 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 9
- 238000000513 principal component analysis Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013468 resource allocation Methods 0.000 description 3
- 239000002910 solid waste Substances 0.000 description 3
- 239000002351 wastewater Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000007407 health benefit Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于电力大数据的区域经济发展质量评估模型的构建方法,定义若干个一级指标,对每个一级指标进一步细分定义二级指标,对每个二级指标进一步定义三级指标,对每个三级指标进行量化;对三级指标作标准化处理;对于正向化、无量纲化后的同一一级指标下的三级指标进行多元正态化处理;利用分组自适应赋权法对每个三级指标的权重进行赋权;将各组最终评价值进行合成,形成评价区域经济发展质量指数的评估模型。本发明结合电力大数据和待评估的区域经济数据,多维度构建经济发展质量评估模型,实现区域经济发展质量的多维评价。选用分组自适应赋权法综合评价区域经济发展质量,简洁地对高维数据进行赋权,避免了赋权的主观性和不适用性。
Description
技术领域
本发明涉及区域经济发展质量评估领域,特别涉及一种基于电力大数据的 区域经济发展质量评估模型的构建方法。
背景技术
经济发展质量是对国家和地区经济发展状况的综合评价,它从民众生活和 社会活动的角度度量经济发展对其带来的变化状况,从而表征该国家或者地区 的经济发展的综合情况。从狭义上来看,经济发展质量是指生产资料的增加、 产品质量的提高、消费水平的提高以及生产资料利用效率的提高,通常是用全 要素生产率来衡量其大小。从广义上来看,经济发展质量不仅包括上述内容, 还考虑了社会公平、生态环境、能源消耗等诸多方面内容,是从再生产的角度 对国民发展在经济、社会、资源环境等方面所做出的评价,并反映经济增长的 目标、效率、动力、结构和福利等方面的优劣程度。我国经济已进入从“量” 到“质”提升的发展新阶段,应该特别关注经济发展的质量。高质量发展不仅 仅是经济的数量增长,也是经济和社会的全面进步,既有量的要求,又有质的 规定,是数量和质量、速度与效益的统一。但是,如何将高质量发展这一抽象 概念定量化是当前需要解决的问题之一。
已有文献对经济高质量发展的测度方法主要有两种,第一种是延续对经济 增长质量的测度方法,用某一种具有代表性的单一指标,如全要素生产率、劳 动生产率等,直接度量经济高质量发展。这种单一指标的测度方法,没有充分 体现经济高质量发展的内涵。因此,大多数学者选择了第二种方法——构建综 合指标评价体系测度经济高质量发展。这种方法可以将民生、协调、绿色、开 放等指标同时纳入评价体系,对经济高质量发展水平的评价更加全面。
由于不同的人对经济高质量发展的内涵的理解不同,所以选择的评价指标 也不同,目前学界仍然没有形成对经济高质量发展的一致性评价,但也可以借 鉴。现有的区域经济发展质量评价存在以下问题:
一、评价指标体系的不完善
目前为止对于经济发展质量并没有一个准确的定义,所以对于评价经济发 展质量的指标体系也是众说纷纭,不同学者的研究视角不同,构建的指标体系 也不同。目前为止,对于经济发展质量的内涵还是没有统一明确的界定,所以 指标体系存在较大差别,有的指标仍未被考虑,有的指标不符合某一地区的实 际需要,有的指标不符合时代发展的要求,尤其涉及电力大数据应用方面的区 域经济发展质量评估研究相对缺乏。因此,在构建经济发展质量的指标体系时 需要进一步分析探讨。
二、评估方法上缺乏客观性
现有研究对区域经济发展评估虽有一定的借鉴,但在发展路径选择、评价 方法选取上较为单一,指标体系及评估方法的主观性较强,需要进一步对方法 进行探讨。
三、数据处理上较为简单
现有研究对于指标的处理仅仅停留在无量纲化和将逆指标转化为正指标等 简单的预处理方法,没有考虑到与赋权方法的有机结合,需要进一步进行修正。
如何根据区域经济发展数据等指标数据构建区域经济发展质量评估模型进 行区域经济发展质量评估,实现对不同区域经济发展质量的评估是研究人员的 主要目标。
发明内容
本发明的目的是提供一种基于电力大数据的区域经济发展质量评估模型的 构建方法,可以解决现有技术中的评价体系不完善、数据处理较为简单的问题。
本发明的目的是通过以下技术方案实现的:
基于电力大数据的区域经济发展质量评估模型的构建方法,包括以下步骤:
步骤S1、定义若干个一级指标,并对每个一级指标进一步细分定义二级指 标,对每个二级指标进一步定义包括电力大数据、区域经济数据在内的三级指 标,对每个三级指标进行量化;
步骤S2、运用极差法对三级指标作标准化处理,将逆向指标转化为正向指 标,并且利用极值法来计算指标的无量纲值;
步骤S3、对于正向化、无量纲化后的同一一级指标下的三级指标进行多元 正态化处理;
步骤S4、利用分组自适应赋权法对每个三级指标的权重进行赋权;
步骤S5、由熵权法将各组最终评价值进行合成,形成可以评价区域经济发 展质量指数的评估模型。
进一步的,将逆向指标转化为正向指标并进行无量纲化的公式为:
其中,i表示指标序号;xi和yi分别表示原始指标值和标准化后的指标值, max(xi)和min(xi)分别表示xi的最大值与最小值。
进一步的,所述步骤S3包括:
步骤S301、对正向化、无量纲化后的同一一级指标下的三级指标排序,形 成序列y1,y2,…,yn;
步骤S302、对于序列作Box-Cox变换得到新的指标序列。
进一步的,所述步骤S4包括:
步骤S401、对于新的指标值序列进行KMO检验;
步骤S402、当检验值靠近1时,使用主成分分析法赋予各个三级指标权重; 当检验值靠近0时,使用熵权法赋予各个三级指标权重。
本发明的基于电力大数据的区域经济发展质量评估模型的构建方法,与现 有技术相比,有益效果在于:
一、能够解决当前经济发展质量评估指标体系单调、地区针对性不强的问 题。本发明的经济发展质量指标体系综合前人研究,再围绕待评估的区域特点, 利用投诉数、标煤率、装机数、用电量等电力大数据,结合待评估的区域经济 数据,多维度构建经济发展质量评估模型,实现区域经济发展质量的多维评价。
二、能够解决当前经济发展质量评估方法主观性较强,方法不够适用的问 题。选用分组自适应赋权法综合评价区域经济发展质量可以简洁地对高维数据 进行赋权,且避免了赋权的主观性以及不适用性。变量个数太多就会增加问题 的复杂性。当两个变量之间有一定相关关系时,可以解释为这两个变量反映此 课题的信息有一定的重叠。主成分分析是对于原先提出的所有变量,将关系紧 密的变量删去多余,建立尽可能少的新变量,使得这些新变量是两两不相关的, 而且这些新变量在反映问题的信息方面尽可能保持原有的信息。而当两个变量 之间相关性较弱时,采用主成分分析法会损失大量信息,此时采取熵权法更加 合适,熵权法充分地利用了每个变量内部的变化进行赋权,较为客观且十分简洁。
三、能够克服指标处理过于简单,不针对方法进行调整的问题。除了对数 据进行简单的逆指标正向化以及无量纲化,对于同一组一级指标下的三级指标 进行Box-Cox变换,可以使得同一一级指标下的三级指标数据矩阵更靠近多元 正态分布,从而利用主成分分析可以提取出大量信息,对每个变量的熵的信息 进行修正,适合于分组自适应赋权法进行赋权。主成分分析是一种数据降维方 法,通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量, 每个新主成分代表数据变异最大的方向,从而提取同一一级指标下的三级指标 指标矩阵中的信息从而实现降维,主成分分析仅仅与协方差矩阵有关;熵权法 也是利用了变量的变化信息。所以对于数据按照一级指标进行分组且进行 Box-Cox变换,再利用分组自适应赋权法,能够提取出更多信息,适合用于本发 明所述指标体系的赋权。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施 例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描 述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出 创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的各级指标定义结构图;
图2为本发明的基于电力大数据的区域经济发展质量评估模型的构建方法 的流程图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本 说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实 施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另 外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不 同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是, 在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开 中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有 其他实施例,都属于本公开保护的范围。
本发明的基于电力大数据的区域经济发展质量评估模型的构建方法,包括 以下步骤:
步骤S1、定义若干个一级指标,并对每个一级指标进一步细分定义二级指 标,对每个二级指标进一步定义为包括电力大数据、区域经济数据在内的三级 指标,对每个三级指标进行量化。
例如,各级指标的定义,应以每个区域的特定来进行,各级指标的名称不 应作为对本发明的限制。本申请的实施例中,以北部湾港口城市区域为例,对 一级指标、二级指标和三级指标的定义,如图1所示,文字描述如下:
首先,定义10个一级指标,分别为:经济结构、创新驱动、资源配置、市 场完善、经济增长、区域协调、产品服务、基础设施、经济福利。
其次,对每个一级指标进一步细分定义若干个二级指标,分别为:
(1)经济结构的二级指标包括:产业结构、投资消费结构、经济开放结构、 人口结构、风险结构;
(2)创新驱动的二级指标包括:创新投入、创新产出、创新贡献;
(3)资源配置目标的二级指标包括:资本效率、劳动效率、能源效率、土 地效率、工业效率;
(4)市场完善目标的二级指标包括:经济主体多元、政府行为规范、要素 市场发育;
(5)经济增长目标的二级指标包括:产出稳定、价格稳定、就业稳定;
(6)区域协调目标的二级指标包括:城乡共享水平、城乡协调水平;
(7)产品服务目标的二级指标包括:产品优质、服务优质;
(8)基础设施目标的二级指标包括:硬性设施完善、软性设施完善;
(9)生态文明目标的二级指标包括:绿化环保、污染减排;
(10)经济福利目标的二级指标包括:消费福利、消费福利、健康福利、 教育福利、休闲福利、社会保险福利。
再次,对每个二级指标进一步细分定义三级指标,分别为:
(1)经济结构一级指标中:
1)产业结构二级指标包括:产业结构合理化、产业结构高级化两个三级指 标;
2)投资消费结构二级指标包括:投资结构、消费结构两个三级指标;
3)经济开放结构二级指标包括:外贸开放度一个三级指标;
4)人口结构二级指标包括:人口总量一个三级指标;
5)风险结构二级指标包括:企业债务风险、政府债务风险个三级指标。
(2)创新驱动一级指标中:
1)创新投入二级指标包括:R&D经费投入强度、R&D人员投入强度两个三 级指标;
2)创新产出二级指标包括:人均专利占有量、技术市场成交额占比两个三 级指标;
3)创新贡献二级指标包括:创新产品增利度、高新技术创收度占比两个三 级指标。
(3)资源配置一级指标中:
1)资本效率二级指标包括:资本生产率一个三级指标;
2)劳动效率二级指标包括:劳动生产率一个三级指标;
3)能源效率二级指标包括:能源生产率、能源转换效率两个三级指标;
4)土地效率二级指标包括:土地生产率一个三级指标;
5)工业效率二级指标包括:工业利润率一个三级指标。
(4)市场机制一级指标中:
1)经济主体多元二级指标包括:非国有经济投资比重、非国有经济产出比 重两个三级指标;
2)政府行为规范二级指标包括:政府投资比重、政府消费比重两个三级指 标;
3)要素市场发育二级指标包括:资本要素市场化程度、劳动要素市场化程 度两个三级指标。
(5)经济增长一级指标中:
1)产出稳定二级指标包括:经济波动率、经济增长两个三级指标;
2)价格稳定二级指标包括:生产者价格指数、消费者价格指数两个三级指 标;
3)就业稳定二级指标包括:失业率一个三级指标。
(6)所述区域协调一级指标中:
1)城乡共享水平二级指标:包括地区收入共享水平、地区消费共享水平两 个三级指标;
2)城乡协调水平二级指标包括:城乡收入协调水平、城乡消费协调水平两 个三级指标。
(7)产品服务一级指标中:
1)产品优质二级指标包括:产品优等品率、产品质量合格率、产品质量损 失率三个三级指标;
2)服务优质二级指标包括:服务产业重视度、服务产品高级度、服务消费 优化度、店里消费服务质量四个三级指标。
(8)所述基础设施一级指标中:
1)硬性设施完善二级指标包括:交通设施完善度、医疗设施完善度、环卫 设施完善度、电力设施完善度四个三级指标;
2)软性设施完善二级指标包括教育设施完善度、文化设施完善度、网络设 施完善度三个三级指标。
(9)生态文明一级指标中:
1)绿化环保二级指标包括:森林覆盖率、环保投入、绿地面积、自然保护 区覆盖率、建成区绿化覆盖率、空气质量、清洁能源七个三级指标;
2)污染减排二级指标包括:废水排放、废气排放、固体废物排放三个三级 指标。
(10)经济福利一级指标中:
1)收入福利二级指标包括:人均可支配收入、收入均衡两个三级指标;
2)消费福利二级指标包括:人均消费支出、商品房价格、电力价格、消费 投诉等四个三级指标;
3)健康福利二级指标包括:人口死亡率一个三级指标;
4)教育福利二级指标包括:人均教育年限一个三级指标;
5)休闲福利二级指标包括:居民旅游恩格尔系数一个三级指标;
6)社会保险福利二级指标包括医疗保险、失业保险、基本养老保险三个三 级指标。
最后,对每个三级指标进行具体量化为:
(1)所述经济结构一级指标中:
a.产业结构合理化的具体量化方式为:产业结构合理化指数;
b.产业结构高级化的具体量化方式为:产业结构高级化指数;
c.投资结构的具体量化方式为:第三产业投资/社会投资;
d.消费结构的具体量化方式为:居民食品消费支出/居民可支配收入;
e.外贸开放度的具体量化方式为:实际利用外商直接投资/GDP或进出口总 额/GDP;
f.人口总量的具体量化方式为:常住人口增长率;
g.企业债务风险的具体量化方式为:规模以上企业资产负债率;
h.政府债务风险的具体量化方式为:政府债务/GDP。
(2)所述创新驱动一级指标中:
a.R&D经费投入强度的具体量化方式为:R&D经费支出/GDP;
b.R&D人员投入力度的具体量化方式为:R&D人员数/全部从业人员数量;
c.人均专利占有量的具体量化方式为:国内三种专利授权数/总人口;
d.技术市场成交额占比的具体量化方式为:技术市场成交额/GDP;
e.创新产品增利度的具体量化方式为:创新产品销售收入/工业企业主营业 务收入;
f.高新技术创收度的具体量化方式为:高技术产业销售收入/GDP。
(3)所述资源配置一级指标中:
a.资本生产率的具体量化方式为:GDP/全社会固定资产投资额;
b.劳动生产率的具体量化方式为:GDP/全部从业人员数量;
c.能源生产率的具体量化方式为:GDP/全社会用电量或主要工业产值/主要 工业用电量;
d.能源转换效率的具体量化方式为:标煤率;
e.土地生产率的具体量化方式为:粮食总产量/耕地总面积;
f.工业效率的具体量化方式为:规模以上工业企业收入利润率。
(4)所述市场机制一级指标中:
a.非国有经济投资比重的具体量化方式为:非国有经济固定资产投资/固定 资产投资总额;
b.非国有经济产出比重的具体量化方式为:非国有企业工业产值/工业总产 值;
c.政府投资比重的具体量化方式为:国家预算内资金/全社会固定资产投资 额;
d.政府消费比重的具体量化方式为:政府消费支出/社会总支出;
e.资本要素市场化程度的具体量化方式为:金融业增加值/GDP;
f.劳动要素市场化程度的具体量化方式为:个体就业人数/全部从业人员数 量。
(5)所述经济增长一级指标中:
a.经济波动率的具体量化方式为:经济波动率;
b.经济增长的具体量化方式为:GDP实际增长率;
c.生产者物价指数的具体量化方式为:工业生产者出厂价格指数;
d.消费者物价指数的具体量化方式为:居民消费价格指数;
e.失业率的具体量化方式为:城镇登记失业率。
(6)所述区域协调一级指标中:
a.地区收入共享水平的具体量化方式为:各市人均GDP/全国人均GDP;
b.地区消费共享水平的具体量化方式为:各市居民消费水平/全国平均消费 水平;
c.城乡收入协调水平的具体量化方式为:城乡收入比;
d.城乡消费协调水平的具体量化方式为:城乡消费水平比。
(7)所述产品服务一级指标中:
a.产品优等品率的具体量化方式为:产品优等品率;
b.产品质量合格率的具体量化方式为:产品质量合格率;
c.产品质量损失率的具体量化方式为:产品质量损失率;
d.服务产业重视度的具体量化方式为:第三产业增加值/GDP;
e.服务产品高级度的具体量化方式为:高星级(四星级+五星级)饭店密度 或进出口总额/GDP;
f.服务消费优化度的具体量化方式为:旅游总收入/游客总人次;
g.电力消费服务质量的具体量化方式为:客户平均停电时间。
(8)所述基础设施一级指标中:
a.交通设施完善度的具体量化方式为:等级公路密度;
b.医疗设施完善度的具体量化方式为:人均医疗卫生机构床位数;
c.环卫设施完善度的具体量化方式为:每万人拥有公共厕所;
d.电力设施完善度的具体量化方式为:每万人拥有的装机数量;
e.教育设施完善度的具体量化方式为:普通高校密度;
f.文化设施完善度的具体量化方式为:人均拥有公共图书馆藏量;
g.网络设施完善度的具体量化方式为:人均互联网宽带接入端口数。
(9)所述经济结构一级指标中:
a.森林覆盖率的具体量化方式为:森林覆盖率;
b.环保投入的具体量化方式为:环保投入/GDP;
c.绿地面积的具体量化方式为:人均公园绿地面积;
d.自然保护区覆盖率的具体量化方式为:自然保护区面积/辖区面积;
e.建成区绿化覆盖率的具体量化方式为:建成区绿化覆盖率;
f.空气质量的具体量化方式为:空气质量优良天数比;
g.废水排放的具体量化方式为:废水排放总量/GDP;
h.废气排放的具体量化方式为:废气排放总量/GDP;
i.固体废物排放的具体量化方式为:一般工业固体废物产生量/GDP。
(10)所述经济福利一级指标中:
a.人均可支配收入的具体量化方式为:居民人均可支配收入或人均可支配 收入增长率;
b.收入均衡的具体量化方式为:收入基尼系数;
c.人均消费支出的具体量化方式为:居民人均消费支出或居民人均消费支 出增长率;
d.商品房价格的具体量化方式为:商品住宅价格指数;
e.电力价格的具体量化方式为:电力价格指数;
f.消费投诉的具体量化方式为:消费投诉数量;
g.人口死亡率的具体量化方式为:人口死亡率;
h.人均受教育年限的具体量化方式为:6岁以上人口平均受教育年限;
i.居民旅游恩格尔系数的具体量化方式为:居民旅游恩格尔系数;
j.医疗保险的具体量化方式为:参加基本医疗保险人数;
k.失业保险的具体量化方式为:参加失业保险人数/经济活动人数;
l.基本养老保险的具体量化方式为:参加基本养老保险人数/15岁以上的人 数。
步骤S2、运用极差法对三级指标作标准化处理,将逆向指标转化为正向指 标,并且利用极值法(极大值或极小值)来计算指标的无量纲值。
在多指标综合评价模型中,指标值越大评价越好的指标称为正向指标,反 之则称为逆向指标。在综合评价时,必须将指标同向化,一般是将逆向指标转 化为正向指标,也称为指标的正向化。将逆向指标转化为正向指标并进行无量 纲化的公式如下:
其中,i表示指标序号;xi和yi分别表示原始指标值和标准化后的指标值, max(xi)和min(xi)分别表示xi的最大值与最小值。
步骤S3、对于正向化、无量纲化后的同一一级指标下的三级指标进行多元 正态化处理。
本发明的实施例中,采用Box-Cox变换对每一个一级指标下的三级指标进 行多元正态化处理。这样处理的优点在于:采用因子分析的主成分法对多元正 态数据进行赋权,能够最大程度的导出数据中的信息。对每一个一级指标下对 应的三级指标进行Box-Cox变换,可以使每个指标接近于正态分布,虽然边缘 正态不能充分保证联合分布是正态的,但是在实际应用之中,经过Box-Cox变 换,最后的数据也可以得出足够好的结果。
进一步的,步骤S3包括:
步骤S301、对正向化、无量纲化后的同一一级指标下的三级指标排序,形 成序列y1,y2,…,yn。
步骤S302、对于序列作Box-Cox变换得到新的指标序列。
公式如下:
λ即为下式最大化的解:
其中,
步骤S4、利用分组自适应赋权法对每个三级指标的权重进行赋权。
进一步的,步骤S4包括:
步骤S401、对于新的指标值序列进行KMO检验。
KMO(Kaiser-Meyer-Olkin)检验统计量是用于比较变量间简单相关系数和偏 相关系数的指标。主要应用于多元统计的因子分析。KMO统计量是取值在0和 1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时, KMO值越接近于1,意味着变量间的相关性越强;当所有变量间的简单相关系 数平方和接近0时,KMO值越接近于0,意味着变量间的相关性越弱。
步骤S402、当检验值靠近1时,使用主成分分析法赋予各个三级指标权重; 当检验值靠近0时,使用熵权法赋予各个三级指标权重。
当检验值>0.5时,认为检验值靠近1。当检验值<0.5时,认为检验值靠近 0。
使用主成分分析法赋予各个三级指标权重的计算公式如下:
计算∑(λ)的特征值-特征向量对为(λ1,e1),(λ2,e2),…,(λp,ep),其中, λ1≥λ2≥…≥λp≥0,e1=[e11,e12,…,e1p],则第j个主成分为:
此时,
所以利用第一主成分赋权时,第i个样本的特定组指标的权重值可以表示为:
使用熵权法赋予各个指标权重的计算方法如下:
计算第j个指标的熵值:
定义第j个指标的熵权ωj为:
则第i个样本的特定组指标的最终评价值为:
步骤S5、由熵权法将各组最终评价值进行合成,形成可以评价区域经济发 展质量指数的评估模型。使用熵权法将各组评价值合成最终评价值的计算方法 如下:
记第i个样本的第m组指标的最终评价值为ZEim/Z1im,其中ZEim代表由熵权法 生成的最终评价值,Z1im代表由主成分分析法生成的最终评价值。以下用Zim简记 第i个样本的第m组指标的最终评价值。
计算第m组指标的熵值:
定义第m组指标的熵权ωm为:
则第i个样本的最终评价值为:
本发明的重点在于构建数据与指标之间、指标与指标之间、指标与评价维 度之间、评价维度与流程总得分之间的数据关系,基于Box-Cox变换的分组主 成分分析法能够实现该评价目的。首先,构建指标体系时结合了前人工作,再 结合电力大数据对于指标体系的补充,提出了以10个发展目标为一级指标的指 标体系,丰富了前人工作的指标体系,更加适合特定区域经济发展质量的综合 评价。其次,分组自适应赋权法的优点在于克服了主观赋权法的主观性,更加 适用于本发明的应用环境,且容易实现,特别是在无法判断在同一一级指标下 的三级指标是否存在相关性的情况下,对于每一一级指标下三级指标进行相关 性检验再利用能够实现有效的信息的提取与有效降维。最后,对于评价指标的 数据矩阵进行Box-Cox变换,能够使得数据矩阵近似多元正态分布,对于多元 正态分布数据的主成分分析可以提取出大量的信息。综上所述,基于Box-Cox 变换的分组主成分分析的特定区域经济发展质量指数模型能够对于丰富多维的 指标体系,利用指标分组与正态变换的主成分分析提取出最多的信息,从而实 现对于特定区域经济发展质量的评价。
以上仅为说明本发明的实施方式,并不用于限制本发明,对于本领域的技 术人员来说,凡在本发明的精神和原则之内,不经过创造性劳动所作的任何修 改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.基于电力大数据的区域经济发展质量评估模型的构建方法,其特征在于,包括以下步骤:
步骤S1、定义若干个一级指标,并对每个一级指标进一步细分定义二级指标,对每个二级指标进一步定义包括电力大数据、区域经济数据在内的三级指标,对每个三级指标进行量化;
步骤S2、运用极差法对三级指标作标准化处理,将逆向指标转化为正向指标,并且利用极值法来计算指标的无量纲值;
步骤S3、对于正向化、无量纲化后的同一一级指标下的三级指标进行多元正态化处理;
步骤S4、利用分组自适应赋权法对每个三级指标的权重进行赋权;
步骤S5、由熵权法将各组最终评价值进行合成,形成可以评价区域经济发展质量指数的评估模型。
3.根据权利要求1所述的基于电力大数据的区域经济发展质量评估模型的构建方法,其特征在于,所述步骤S3包括:
步骤S301、对正向化、无量纲化后的同一一级指标下的三级指标排序,形成序列y1,y2,…,yn;
步骤S302、对于序列作Box-Cox变换得到新的指标序列。
4.根据权利要求3所述的基于电力大数据的区域经济发展质量评估模型的构建方法,其特征在于,所述步骤S4包括:
步骤S401、对于新的指标值序列进行KMO检验;
步骤S402、当检验值靠近1时,使用主成分分析法赋予各个三级指标权重;当检验值靠近0时,使用熵权法赋予各个三级指标权重。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111202088.1A CN114004468A (zh) | 2021-10-15 | 2021-10-15 | 基于电力大数据的区域经济发展质量评估模型的构建方法 |
PCT/CN2022/095923 WO2023060903A1 (zh) | 2021-10-15 | 2022-05-30 | 基于电力大数据的区域经济发展质量评估模型的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111202088.1A CN114004468A (zh) | 2021-10-15 | 2021-10-15 | 基于电力大数据的区域经济发展质量评估模型的构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114004468A true CN114004468A (zh) | 2022-02-01 |
Family
ID=79922873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111202088.1A Pending CN114004468A (zh) | 2021-10-15 | 2021-10-15 | 基于电力大数据的区域经济发展质量评估模型的构建方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114004468A (zh) |
WO (1) | WO2023060903A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023060903A1 (zh) * | 2021-10-15 | 2023-04-20 | 广西电网有限责任公司 | 基于电力大数据的区域经济发展质量评估模型的构建方法 |
CN116432474A (zh) * | 2023-05-10 | 2023-07-14 | 国网四川省电力公司电力科学研究院 | 一种网经协同的城市定位及发展评估方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117371830B (zh) * | 2023-08-28 | 2024-05-07 | 广东天亿马信息产业股份有限公司 | 基于gis技术的智慧城市的城市生态管控方法及系统 |
CN117634898A (zh) * | 2023-10-25 | 2024-03-01 | 国网宁夏电力有限公司银川供电公司 | 基于电力数据的区域产业发展程度评价方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105719048A (zh) * | 2016-01-05 | 2016-06-29 | 国网上海市电力公司 | 一种基于主成分分析法及熵权法的中压配电网运行状态模糊综合评价方法 |
CN110503329A (zh) * | 2019-08-20 | 2019-11-26 | 合肥工业大学 | 一种宏观经济发展状态的指标信息处理系统及方法 |
CN112580959A (zh) * | 2020-12-14 | 2021-03-30 | 国网上海市电力公司 | 一种基于大数据的区域经济发展质量评估模型 |
CN114004468A (zh) * | 2021-10-15 | 2022-02-01 | 广西电网有限责任公司 | 基于电力大数据的区域经济发展质量评估模型的构建方法 |
-
2021
- 2021-10-15 CN CN202111202088.1A patent/CN114004468A/zh active Pending
-
2022
- 2022-05-30 WO PCT/CN2022/095923 patent/WO2023060903A1/zh unknown
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023060903A1 (zh) * | 2021-10-15 | 2023-04-20 | 广西电网有限责任公司 | 基于电力大数据的区域经济发展质量评估模型的构建方法 |
CN116432474A (zh) * | 2023-05-10 | 2023-07-14 | 国网四川省电力公司电力科学研究院 | 一种网经协同的城市定位及发展评估方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2023060903A1 (zh) | 2023-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114004468A (zh) | 基于电力大数据的区域经济发展质量评估模型的构建方法 | |
Afonso et al. | Assessing and explaining the relative efficiency of local government | |
Tupenaite et al. | Multiple criteria assessment of alternatives for built and human environment renovation | |
Kanapeckiene et al. | Method and system for multi-attribute market value assessment in analysis of construction and retrofit projects | |
Warner et al. | Spatial diversity in local government revenue effort under decentralization: a neural-network approach | |
Gričar et al. | The missing link between wages and labour productivity in tourism: evidence from Croatia and Slovenia | |
Zeng et al. | Evaluating innovation capabilities for science parks: A system model | |
Zhao et al. | Data‐Driven Spatial Econometric Analysis Model for Regional Tourism Development | |
Okudan et al. | Identification and prioritization of key performance indicators for the construction small and medium enterprises | |
Andersen et al. | Designing reopening strategies in the aftermath of COVID-19 lockdowns: Some principles with an application to Denmark | |
Jurlina Alibegović et al. | Smart city indicators: can they improve governance in Croatian large cities? | |
Sadat Mirzadeh et al. | Identification of factors affecting individual industries | |
Pokropek et al. | General or specific abilities? Evidence from 33 countries participating in the PISA assessments | |
Tereshko et al. | Validation of factors for assessing the digital potential of the regional construction complex as a basis for sustainable development | |
Papapostolou et al. | Assessment of RES cooperation framework between the EU and North Africa: A multicriteria approach based on UTASTAR | |
Rajkumar | A study of the factors influencing the location selection decisions of information technology firms | |
Rodrigues et al. | How have smartness cities responded to the pandemic? An empirical study | |
Mukhitdinov et al. | Empirical models which were built for each sector of the service sector to the population of the region | |
Liu et al. | Application of artificial neural network and SARIMA in portland cement supply chain to forecast demand | |
CN113869636A (zh) | 一种房地产项目风险指标度量和风险评估方法及预警系统 | |
Rafiee et al. | Driving factors on unemployment in Iran’s provinces: Do temporal and spatial dynamics matter? | |
Carlsen | Testing equilibrium models of regional disparities | |
Dmytryshyn | Involving the public in the assessment of community real estate property | |
Christou et al. | The Greek VAT gap: the influence of individual economic sectors | |
Pinto et al. | Atlantic social innovation mapping: a multilevel perspective |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220201 |