R軟件在優(yōu)勢行業(yè)聚類中的應用

【摘 要】近年來，伴隨著國際金融危機爆發(fā)，安陽市經(jīng)濟發(fā)展進入艱難的轉型期，面對復雜多變的形勢，經(jīng)過市場優(yōu)勝劣汰式篩選后，有些產(chǎn)業(yè)脫穎而出，有些產(chǎn)業(yè)則淡出市場，為更清晰反映產(chǎn)業(yè)間關系，挖掘在安陽本土環(huán)境下適者生存的優(yōu)勢和潛力產(chǎn)業(yè)，撰寫了本文。本文利用安陽市改革開放以來和近五年的產(chǎn)業(yè)結構數(shù)據(jù)，從三次產(chǎn)業(yè)和工業(yè)行業(yè)結構角度加以分析，分別采用了多元線性回歸和聚類分析方法，以試探選出適合安陽發(fā)展的優(yōu)勢和潛力行業(yè)。

【關鍵詞】R軟件 產(chǎn)業(yè)結構 系統(tǒng)聚類 K-means

一、問題重述

在國際金融危機沖擊下，安陽產(chǎn)業(yè)結構矛盾凸顯，近幾年引進的新能源產(chǎn)業(yè)紛紛停產(chǎn)，傳統(tǒng)鋼鐵、煤炭產(chǎn)業(yè)產(chǎn)能過剩，代表性企業(yè)安鋼一度嚴重虧損，安陽經(jīng)濟發(fā)展陷入了谷底。如何擺脫目前發(fā)展困境，在經(jīng)濟轉型升級中取得突破，選擇適合安陽本土環(huán)境、對經(jīng)濟發(fā)展貢獻大的行業(yè)成為一個亟待解決的問題。本文從三次產(chǎn)業(yè)入手，并著重對工業(yè)行業(yè)大類進行了聚類篩選。

一個地區(qū)工業(yè)優(yōu)勢行業(yè)的選擇有很多方法，最簡單的就是以該地區(qū)工業(yè)各行業(yè)增加值的比重來確定。但是，全面、準確地選擇地區(qū)優(yōu)勢行業(yè)，則需要統(tǒng)籌思考工業(yè)發(fā)展的內(nèi)在規(guī)律，既要考慮不同工業(yè)行業(yè)的規(guī)模大小，也要考慮該行業(yè)在一個地區(qū)的增長情況，從而較為全面的進行判斷。近年來受國際金融危機的影響，安陽市工業(yè)進入艱難轉型期，工業(yè)增速開始放緩，但工業(yè)中也有相當一部分行業(yè)正在異軍突起，在悄悄改變著安陽的工業(yè)結構，本文擬用五年的工業(yè)統(tǒng)計資料，運用有關統(tǒng)計模型和方法，分析并選擇出安陽工業(yè)行業(yè)中優(yōu)勢比較明顯、帶動作用和貢獻程度較大的行業(yè)，作為安陽今后重點發(fā)展的產(chǎn)業(yè)，供有關部門參考使用。

二、R軟件介紹

R是一套完整的數(shù)據(jù)處理、計算和制圖軟件系統(tǒng)。其功能包括：數(shù)據(jù)存儲和處理系統(tǒng)；數(shù)組運算工具（其向量、矩陣運算方面功能尤其強大）；完整連貫的統(tǒng)計分析工具；優(yōu)秀的統(tǒng)計制圖功能；簡便而強大的編程語言：可操縱數(shù)據(jù)的輸入和輸出，可實現(xiàn)分支、循環(huán)，用戶可自定義功能。

三、聚類模型的建立

本文分別采用了系統(tǒng)聚類和K-means聚類方法對相關數(shù)據(jù)進行聚類分析。

系統(tǒng)聚類的思想是把每個樣本看成一類，計算兩兩之間的距離，把距離最近的兩個樣本合并為一個新類，計算新類與其他樣本的距離，對距離最近的再次合并，重復此過程，直到所有樣本合并為一類；系統(tǒng)聚類的關鍵點為距離和不同量綱數(shù)據(jù)的標準化。

K-means聚類算法進行分析，K-means算法是很典型的基于距離的聚類算法，采用距離作為相似性的評價指標，即認為兩個對象的距離越近，其相似度就越大。該算法認為簇是由距離靠近的對象組成的，因此把得到緊湊且獨立的簇作為最終目標。

k個初始類聚類中心點的選取對聚類結果具有較大的影響，因為在該算法第一步中是隨機的選取任意k個對象作為初始聚類的中心，初始地代表一個簇。該算法在每次迭代中對數(shù)據(jù)集中剩余的每個對象，根據(jù)其與各個簇中心的距離將每個對象重新賦給最近的簇。當考察完所有數(shù)據(jù)對象后，一次迭代運算完成，新的聚類中心被計算出來。如果在一次迭代前后，J的值沒有發(fā)生變化，說明算法已經(jīng)收斂。

算法過程如下：

（1）從N個文檔隨機選取K個文檔作為質心。（2）對剩余的每個文檔測量其到每個質心的距離，并把它歸到最近的質心的類。（3）重新計算已經(jīng)得到的各個類的質心。（4）迭代2～3步直至新的質心與原質心相等或小于指定閾值，算法結束。

四、R軟件實現(xiàn)聚類分析

我們整理了安陽市2013年規(guī)模以上工業(yè)行業(yè)增加值比重和近五年平均增速。按照人們習慣用法，將煙草、農(nóng)副食品加工、食品制造、以及酒、飲料和精制茶制造業(yè)合并為食品行業(yè)，合并后共計27個行業(yè)大類。利用聚類方法，按照工業(yè)增加值比重和年均增速將其分為4大類。

使用系統(tǒng)聚類方法將數(shù)據(jù)聚成4類，R代碼如下：

#系統(tǒng)聚類

五、聚類結果分析

兩種聚類方差檢驗表明組間方差均顯著，聚類效果較好。由于k-means聚類在該算法第一步中是隨機的選取任意k個對象作為初始聚類的中心，初始地代表一個簇，對聚類結果具有較大的影響。而系統(tǒng)聚類能更好地反映實際情況，也便于對數(shù)據(jù)的解釋。因此，我們采用系統(tǒng)聚類結果加以分析。

我們將聚類結果歸納如下：

第1類為發(fā)展緩慢、比重較小的滯衰型行業(yè)。共計5個行業(yè)，分別為非金屬礦采選業(yè)、計算機通信和其他電子設備制造業(yè)、煤炭開采和洗選業(yè)、木材加工和木、竹、藤、棕、草制品業(yè)、水的生產(chǎn)和供應業(yè)。其近5年平均增速均在7.1%以下，比重在5%以下。計算機、通信和其他電子設備制造業(yè)因為安彩玻殼產(chǎn)品的停產(chǎn)而呈負增長。其他4個行業(yè)因為資源的匱乏和枯竭而逐步衰落。

第2類是比重較小，增速較快的潛力行業(yè)。共有18個行業(yè)。潛力行業(yè)近年來增速高于規(guī)模以上工業(yè)平均增速。排除掉今年受環(huán)保政策限產(chǎn)的有色金屬、造紙、化工行業(yè)，以及礦采、煉焦資源枯竭型行業(yè)，水電氣基礎行業(yè)外，增速較快的有：紡織、家具制造業(yè)、金屬制品、專用設備制造、通用設備制造、醫(yī)藥等6個行業(yè)。這些行業(yè)發(fā)展迅速，有力拉動了全市工業(yè)經(jīng)濟增長，基本上抵消了鋼鐵行業(yè)下行缺口。應成為政策重點支持的行業(yè)。

第3類是發(fā)展平穩(wěn)，比重較大的優(yōu)勢行業(yè)。共3個行業(yè)，食品業(yè)、非金屬礦物制品業(yè)和運輸設備制造業(yè)，比重分別為13.2%、8.2%、18%，合計為39.4%。食品業(yè)由于有農(nóng)業(yè)資源優(yōu)勢，保持著平穩(wěn)增長態(tài)勢。非金屬礦物制品由于內(nèi)黃陶瓷生產(chǎn)線的引進呈現(xiàn)較快發(fā)展。運輸設備制造業(yè)由于適應了近年來的市場需求，呈現(xiàn)增速高于全行業(yè)平均、比重提高的走勢。

第4類是發(fā)展較慢，比重很大的支柱行業(yè)。僅1個行業(yè)--黑色金屬冶煉和壓延加工業(yè)，比重占到整個工業(yè)的28.6%，是全市的支柱行業(yè)。鋼鐵行業(yè)增加值占到工業(yè)的近三分之一，對安陽市工業(yè)經(jīng)濟影響最大，左右著工業(yè)走勢，但由于受產(chǎn)能過剩影響，比重出現(xiàn)下滑，影響力有所減弱。

參考文獻：

[1]《安陽市統(tǒng)計年鑒-2013》

[2]Robert I. Kabacoff. R in Action Data Analysis and Graphics with R。

[3]《結構調整新進展——2013年中國經(jīng)濟回望之二》新華網(wǎng)。

作者簡介：連鵬偉（1986- ），男，漢族，籍貫：河南 安陽，安陽市統(tǒng)計局數(shù)據(jù)管理中心工程師、學士學位，研究方向：數(shù)據(jù)處理。