基于關(guān)聯(lián)規(guī)則的養(yǎng)老滿意度分析

李圣瑜

摘 要：基于河北省農(nóng)村老年人養(yǎng)老滿意度進(jìn)行問(wèn)卷調(diào)查和實(shí)地調(diào)研，利用關(guān)聯(lián)規(guī)則挖掘技術(shù)分析河北省農(nóng)村養(yǎng)老滿意度的影響因素及它們的影響程度，為進(jìn)一步提高河北省農(nóng)村老年人養(yǎng)老滿意度提供參考。在關(guān)聯(lián)規(guī)則挖掘中發(fā)現(xiàn)，參加農(nóng)村合作醫(yī)療，有村集體補(bǔ)貼，職業(yè)為務(wù)農(nóng)的老年人的養(yǎng)老滿意度較高；與子女同住老年人的養(yǎng)老滿意度較高；未參加農(nóng)村合作醫(yī)療，職業(yè)為非務(wù)農(nóng)的老年人養(yǎng)老滿意度較低。

關(guān)鍵詞：養(yǎng)老滿意度；GRI算法；關(guān)聯(lián)規(guī)則

中圖分類(lèi)號(hào)：F840 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-291X（2014）10-0049-03

引言

1999年以來(lái)，中國(guó)正式步入老齡化國(guó)家的行列，人口老齡化問(wèn)題是中國(guó)經(jīng)濟(jì)社會(huì)發(fā)展面臨的重大現(xiàn)實(shí)問(wèn)題之一。人口基數(shù)大、發(fā)展迅速、“未富先老”等是中國(guó)老齡化的特點(diǎn)。養(yǎng)老問(wèn)題是關(guān)系國(guó)計(jì)民生的大事，關(guān)系到人民的切身利益，特別是在中國(guó)經(jīng)濟(jì)發(fā)展相對(duì)落后的農(nóng)村，社會(huì)養(yǎng)老保障制度不完善、農(nóng)民收入水平低下，大量勞動(dòng)力外流，使得在對(duì)老年人生活照料、精神慰藉和疾病護(hù)理等方面得不到保障，因此，探討農(nóng)村老年人養(yǎng)老滿意度的影響因素，進(jìn)而提高農(nóng)村老年人的養(yǎng)老滿意度尤其重要。本文在研究大量資料、參考論文相關(guān)實(shí)踐成果的基礎(chǔ)上，以“中國(guó)老齡事業(yè)發(fā)展‘十二五規(guī)劃”為指導(dǎo)，在調(diào)查研究的基礎(chǔ)上，對(duì)調(diào)查數(shù)據(jù)進(jìn)行預(yù)處理和統(tǒng)計(jì)分析，通過(guò)關(guān)聯(lián)規(guī)則技術(shù)分析河北省農(nóng)村老年人養(yǎng)老滿意度的影響因素。

一、關(guān)聯(lián)規(guī)則的基本思想

關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫(kù)中隱藏的關(guān)聯(lián)網(wǎng)，尋找事物之間的聯(lián)系規(guī)律和結(jié)構(gòu)特征，挖掘它們之間的關(guān)聯(lián)關(guān)系。數(shù)據(jù)挖掘中，關(guān)聯(lián)分析的主要技術(shù)是關(guān)聯(lián)規(guī)則，最早由Agrawal、Imielinski和Swami提出。關(guān)聯(lián)規(guī)則挖掘是為了尋找同一事件中不同項(xiàng)之間的相關(guān)性。簡(jiǎn)單關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘的主要工具之一，屬于無(wú)監(jiān)督學(xué)習(xí)方法，能夠揭示數(shù)據(jù)中隱含的關(guān)聯(lián)特征。

Clementine提供了Apriori、Carma和GRI等經(jīng)典算法。本文用的是GRI算法，算法是由Smyth和Goodman于1992年提出的，是在ITRule算法的基礎(chǔ)上拓展形成的，可用于簡(jiǎn)單的關(guān)聯(lián)分析。GRI算法的主要特點(diǎn)是：不但能夠處理分類(lèi)型變量，而且前項(xiàng)還可以為數(shù)值型變量；數(shù)據(jù)只能按事實(shí)表方式存儲(chǔ)；采用深度優(yōu)先搜索策略實(shí)現(xiàn)算法。

二、養(yǎng)老滿意度中關(guān)聯(lián)規(guī)則的應(yīng)用

（一）數(shù)據(jù)準(zhǔn)備

從調(diào)查數(shù)據(jù)的頻數(shù)分析中，我們發(fā)現(xiàn)部分變量的在取某值的頻數(shù)很低，甚至有的變量取值的頻數(shù)為0，為了后續(xù)更好的分析，利用Clementine對(duì)變量進(jìn)行篩選。軟件操作實(shí)現(xiàn)過(guò)程。其中設(shè)定的條件為：變量中缺失值所占比例大于70%；分類(lèi)變量中類(lèi)別值所占比例大于90%；分類(lèi)變量的類(lèi)別個(gè)數(shù)占總樣本的比例大于95%的應(yīng)視為不重要變量。指定總體滿意度為輸出變量，其他變量為輸入變量。1-概率p值越高，說(shuō)明輸入變量與輸出變量的相關(guān)性越強(qiáng)，輸入變量越重要。

（二）變量前后項(xiàng)設(shè)定

在建立關(guān)聯(lián)規(guī)則模型之前，首先設(shè)定模型的變量前后項(xiàng)，職業(yè)、經(jīng)濟(jì)來(lái)源、居住狀況、娛樂(lè)活動(dòng)、社會(huì)活動(dòng)、村集體補(bǔ)貼和農(nóng)村合作醫(yī)療等變量均為有限個(gè)值，且各值之間無(wú)序，因此定義成標(biāo)稱(chēng)類(lèi)型；年齡、月平均收入、文化水平、低保制度和總體滿意度各變量值之間具有一個(gè)隱含的序，因此定義成連續(xù)型數(shù)值類(lèi)型；同時(shí)指定總體滿意度為關(guān)聯(lián)規(guī)則的后件，其余為關(guān)聯(lián)規(guī)則的前件。

（三）基于GRI算法的關(guān)聯(lián)規(guī)則建模

根據(jù)上述的數(shù)據(jù)預(yù)處理的方法對(duì)調(diào)查數(shù)據(jù)進(jìn)行整理，預(yù)處理后的數(shù)據(jù)和篩選出來(lái)的變量建立GRI模型實(shí)現(xiàn)挖掘過(guò)程。

1.設(shè)定閥值

規(guī)則的支持度和置信度大于用戶設(shè)置的最小支持度和置信度的閾值時(shí)才是一條有效規(guī)則。所以在關(guān)聯(lián)規(guī)則挖掘中需要合理、自行設(shè)置最小支持度和置信度的閾值。因?yàn)檫@些閥值的大小直接決定關(guān)聯(lián)規(guī)則挖掘結(jié)果中規(guī)則的數(shù)量。如果支持度閥值太小，會(huì)生成大量的規(guī)則，并且會(huì)失去代表性，挖掘出的規(guī)則毫無(wú)意義。而如果支持度閥值設(shè)置太大，則可能無(wú)法找到閥值要求的規(guī)則。但是在軟件操作過(guò)程中并沒(méi)有明確的依據(jù)確定如何設(shè)置模型的最小支持度閾值和置信度閾值，所以本文在實(shí)際操作中，采用設(shè)置不同最小支持度閾值的方式進(jìn)行反復(fù)挖掘，即進(jìn)行若干次探索性的挖掘。我們?cè)诜磸?fù)挖掘中最終選擇分析在最小支持度閾值為7%，最小置信度閾值為55%的情況下進(jìn)行關(guān)聯(lián)規(guī)則挖掘。

2.關(guān)聯(lián)規(guī)則結(jié)果分析

因?yàn)橹挥性谔嵘却笥?的時(shí)候才有意義，所以本文從提升度大于1的關(guān)聯(lián)規(guī)則中按照最小支持度進(jìn)行排序，支持度大于7%的條件下，選取部分置信度大于55%的排名靠前且有代表性的規(guī)則，規(guī)則進(jìn)行論述，選出的規(guī)則。

后項(xiàng){總體滿意度=1}的關(guān)聯(lián)規(guī)則。規(guī)則1說(shuō)明職業(yè)是務(wù)農(nóng)且參見(jiàn)農(nóng)村合作醫(yī)療的老年人，養(yǎng)老滿意度較高，其概率為55.6%；規(guī)則2說(shuō)明和子女同住，且參加農(nóng)村合作醫(yī)療的農(nóng)村老年人，養(yǎng)老滿意度較高；規(guī)則3說(shuō)明70歲以上務(wù)農(nóng)的農(nóng)村老年人，養(yǎng)老滿意度較高，概率為59.05%；綜合來(lái)看，職業(yè)為務(wù)農(nóng)，參加農(nóng)村合作醫(yī)療，居住狀況為和子女同住的農(nóng)村老年人，養(yǎng)老滿意度普遍偏高。

后項(xiàng){總體滿意度=2}的關(guān)聯(lián)規(guī)則。規(guī)則6說(shuō)明和子女同住，職業(yè)為非務(wù)農(nóng)，沒(méi)有娛樂(lè)活動(dòng)的老年人對(duì)養(yǎng)老狀況不滿意，其概率為55.19%；規(guī)則7說(shuō)明年齡在70歲以上，職業(yè)為非務(wù)農(nóng)，所在地沒(méi)有社會(huì)活動(dòng)的農(nóng)村老年人對(duì)養(yǎng)老狀態(tài)不滿意，其概率為57.35%；綜合來(lái)看，職業(yè)為非務(wù)農(nóng)，未參加農(nóng)村合作醫(yī)療，沒(méi)有村集體補(bǔ)貼，居住狀況為獨(dú)居或和配偶居住農(nóng)村老年人養(yǎng)老滿意度較低。從結(jié)果中我們還可以看出，是否參與社會(huì)活動(dòng)和娛樂(lè)活動(dòng)，也與老年人養(yǎng)老滿意度的高低有很大關(guān)聯(lián)。

從基于GRI算法的關(guān)聯(lián)規(guī)則結(jié)果中可以看出，職業(yè)、年齡、收入水平、居住狀況、農(nóng)村合作醫(yī)療、集體補(bǔ)貼、娛樂(lè)活動(dòng)、社會(huì)活動(dòng)、經(jīng)濟(jì)來(lái)源等9個(gè)因素均對(duì)農(nóng)村老年人的養(yǎng)老滿意度有影響。一般來(lái)說(shuō)，參加農(nóng)村合作醫(yī)療，有村集體補(bǔ)貼，職業(yè)為務(wù)農(nóng)的老年人的養(yǎng)老滿意度較高；與子女同住老年人的養(yǎng)老滿意度較高；未參加農(nóng)村合作醫(yī)療，職業(yè)為非務(wù)農(nóng)的老年人養(yǎng)老滿意度較低，參加農(nóng)合的老年人養(yǎng)老滿意度較高。雖然目前農(nóng)村居民參保農(nóng)村合作醫(yī)療制度和農(nóng)村醫(yī)療保險(xiǎn)制度的比重在不斷提升，但是還不能覆蓋全部農(nóng)村居民，應(yīng)進(jìn)一步加大農(nóng)村合作醫(yī)療制度的宣傳，尤其是在農(nóng)村老年人中的宣傳，加強(qiáng)和完善農(nóng)村醫(yī)療保障制度的建設(shè)，逐步提高農(nóng)村老年人的養(yǎng)老滿意度。

參考文獻(xiàn)：

[1] 李放.農(nóng)村老年人養(yǎng)老狀況及其滿意度的實(shí)證研究[J].開(kāi)發(fā)研究，2010，（1）：58-61.

[2] 彭旋子.基于農(nóng)村居民意愿的養(yǎng)老模式選擇研究[D].杭州：浙江農(nóng)業(yè)大學(xué)，2010：1-28.

[3] 張巍.黑龍江農(nóng)村社區(qū)養(yǎng)老模式研究[D].西安：陜西師范大學(xué)，2012：1-8.

[4] 肖云，劉培森.新型農(nóng)村社會(huì)養(yǎng)老保險(xiǎn)滿意度影響因素分析[J].經(jīng)濟(jì)體制改革，2011，（5）：66-70.

[5] 崔萍.大連農(nóng)村養(yǎng)老模式研究[D].大連：大連理工大學(xué)，2010：4-36.

[6] 歐陽(yáng)彬.基于因子分析的新農(nóng)合農(nóng)戶滿意度研究[J].農(nóng)業(yè)經(jīng)濟(jì)，2012，（11）：143-146.

[責(zé)任編輯 陳麗敏]endprint

摘 要：基于河北省農(nóng)村老年人養(yǎng)老滿意度進(jìn)行問(wèn)卷調(diào)查和實(shí)地調(diào)研，利用關(guān)聯(lián)規(guī)則挖掘技術(shù)分析河北省農(nóng)村養(yǎng)老滿意度的影響因素及它們的影響程度，為進(jìn)一步提高河北省農(nóng)村老年人養(yǎng)老滿意度提供參考。在關(guān)聯(lián)規(guī)則挖掘中發(fā)現(xiàn)，參加農(nóng)村合作醫(yī)療，有村集體補(bǔ)貼，職業(yè)為務(wù)農(nóng)的老年人的養(yǎng)老滿意度較高；與子女同住老年人的養(yǎng)老滿意度較高；未參加農(nóng)村合作醫(yī)療，職業(yè)為非務(wù)農(nóng)的老年人養(yǎng)老滿意度較低。

關(guān)鍵詞：養(yǎng)老滿意度；GRI算法；關(guān)聯(lián)規(guī)則

中圖分類(lèi)號(hào)：F840 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-291X（2014）10-0049-03

引言

1999年以來(lái)，中國(guó)正式步入老齡化國(guó)家的行列，人口老齡化問(wèn)題是中國(guó)經(jīng)濟(jì)社會(huì)發(fā)展面臨的重大現(xiàn)實(shí)問(wèn)題之一。人口基數(shù)大、發(fā)展迅速、“未富先老”等是中國(guó)老齡化的特點(diǎn)。養(yǎng)老問(wèn)題是關(guān)系國(guó)計(jì)民生的大事，關(guān)系到人民的切身利益，特別是在中國(guó)經(jīng)濟(jì)發(fā)展相對(duì)落后的農(nóng)村，社會(huì)養(yǎng)老保障制度不完善、農(nóng)民收入水平低下，大量勞動(dòng)力外流，使得在對(duì)老年人生活照料、精神慰藉和疾病護(hù)理等方面得不到保障，因此，探討農(nóng)村老年人養(yǎng)老滿意度的影響因素，進(jìn)而提高農(nóng)村老年人的養(yǎng)老滿意度尤其重要。本文在研究大量資料、參考論文相關(guān)實(shí)踐成果的基礎(chǔ)上，以“中國(guó)老齡事業(yè)發(fā)展‘十二五規(guī)劃”為指導(dǎo)，在調(diào)查研究的基礎(chǔ)上，對(duì)調(diào)查數(shù)據(jù)進(jìn)行預(yù)處理和統(tǒng)計(jì)分析，通過(guò)關(guān)聯(lián)規(guī)則技術(shù)分析河北省農(nóng)村老年人養(yǎng)老滿意度的影響因素。

一、關(guān)聯(lián)規(guī)則的基本思想

關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫(kù)中隱藏的關(guān)聯(lián)網(wǎng)，尋找事物之間的聯(lián)系規(guī)律和結(jié)構(gòu)特征，挖掘它們之間的關(guān)聯(lián)關(guān)系。數(shù)據(jù)挖掘中，關(guān)聯(lián)分析的主要技術(shù)是關(guān)聯(lián)規(guī)則，最早由Agrawal、Imielinski和Swami提出。關(guān)聯(lián)規(guī)則挖掘是為了尋找同一事件中不同項(xiàng)之間的相關(guān)性。簡(jiǎn)單關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘的主要工具之一，屬于無(wú)監(jiān)督學(xué)習(xí)方法，能夠揭示數(shù)據(jù)中隱含的關(guān)聯(lián)特征。

Clementine提供了Apriori、Carma和GRI等經(jīng)典算法。本文用的是GRI算法，算法是由Smyth和Goodman于1992年提出的，是在ITRule算法的基礎(chǔ)上拓展形成的，可用于簡(jiǎn)單的關(guān)聯(lián)分析。GRI算法的主要特點(diǎn)是：不但能夠處理分類(lèi)型變量，而且前項(xiàng)還可以為數(shù)值型變量；數(shù)據(jù)只能按事實(shí)表方式存儲(chǔ)；采用深度優(yōu)先搜索策略實(shí)現(xiàn)算法。

二、養(yǎng)老滿意度中關(guān)聯(lián)規(guī)則的應(yīng)用

（一）數(shù)據(jù)準(zhǔn)備

從調(diào)查數(shù)據(jù)的頻數(shù)分析中，我們發(fā)現(xiàn)部分變量的在取某值的頻數(shù)很低，甚至有的變量取值的頻數(shù)為0，為了后續(xù)更好的分析，利用Clementine對(duì)變量進(jìn)行篩選。軟件操作實(shí)現(xiàn)過(guò)程。其中設(shè)定的條件為：變量中缺失值所占比例大于70%；分類(lèi)變量中類(lèi)別值所占比例大于90%；分類(lèi)變量的類(lèi)別個(gè)數(shù)占總樣本的比例大于95%的應(yīng)視為不重要變量。指定總體滿意度為輸出變量，其他變量為輸入變量。1-概率p值越高，說(shuō)明輸入變量與輸出變量的相關(guān)性越強(qiáng)，輸入變量越重要。

（二）變量前后項(xiàng)設(shè)定

在建立關(guān)聯(lián)規(guī)則模型之前，首先設(shè)定模型的變量前后項(xiàng)，職業(yè)、經(jīng)濟(jì)來(lái)源、居住狀況、娛樂(lè)活動(dòng)、社會(huì)活動(dòng)、村集體補(bǔ)貼和農(nóng)村合作醫(yī)療等變量均為有限個(gè)值，且各值之間無(wú)序，因此定義成標(biāo)稱(chēng)類(lèi)型；年齡、月平均收入、文化水平、低保制度和總體滿意度各變量值之間具有一個(gè)隱含的序，因此定義成連續(xù)型數(shù)值類(lèi)型；同時(shí)指定總體滿意度為關(guān)聯(lián)規(guī)則的后件，其余為關(guān)聯(lián)規(guī)則的前件。

（三）基于GRI算法的關(guān)聯(lián)規(guī)則建模

根據(jù)上述的數(shù)據(jù)預(yù)處理的方法對(duì)調(diào)查數(shù)據(jù)進(jìn)行整理，預(yù)處理后的數(shù)據(jù)和篩選出來(lái)的變量建立GRI模型實(shí)現(xiàn)挖掘過(guò)程。

1.設(shè)定閥值

規(guī)則的支持度和置信度大于用戶設(shè)置的最小支持度和置信度的閾值時(shí)才是一條有效規(guī)則。所以在關(guān)聯(lián)規(guī)則挖掘中需要合理、自行設(shè)置最小支持度和置信度的閾值。因?yàn)檫@些閥值的大小直接決定關(guān)聯(lián)規(guī)則挖掘結(jié)果中規(guī)則的數(shù)量。如果支持度閥值太小，會(huì)生成大量的規(guī)則，并且會(huì)失去代表性，挖掘出的規(guī)則毫無(wú)意義。而如果支持度閥值設(shè)置太大，則可能無(wú)法找到閥值要求的規(guī)則。但是在軟件操作過(guò)程中并沒(méi)有明確的依據(jù)確定如何設(shè)置模型的最小支持度閾值和置信度閾值，所以本文在實(shí)際操作中，采用設(shè)置不同最小支持度閾值的方式進(jìn)行反復(fù)挖掘，即進(jìn)行若干次探索性的挖掘。我們?cè)诜磸?fù)挖掘中最終選擇分析在最小支持度閾值為7%，最小置信度閾值為55%的情況下進(jìn)行關(guān)聯(lián)規(guī)則挖掘。

2.關(guān)聯(lián)規(guī)則結(jié)果分析

因?yàn)橹挥性谔嵘却笥?的時(shí)候才有意義，所以本文從提升度大于1的關(guān)聯(lián)規(guī)則中按照最小支持度進(jìn)行排序，支持度大于7%的條件下，選取部分置信度大于55%的排名靠前且有代表性的規(guī)則，規(guī)則進(jìn)行論述，選出的規(guī)則。

后項(xiàng){總體滿意度=1}的關(guān)聯(lián)規(guī)則。規(guī)則1說(shuō)明職業(yè)是務(wù)農(nóng)且參見(jiàn)農(nóng)村合作醫(yī)療的老年人，養(yǎng)老滿意度較高，其概率為55.6%；規(guī)則2說(shuō)明和子女同住，且參加農(nóng)村合作醫(yī)療的農(nóng)村老年人，養(yǎng)老滿意度較高；規(guī)則3說(shuō)明70歲以上務(wù)農(nóng)的農(nóng)村老年人，養(yǎng)老滿意度較高，概率為59.05%；綜合來(lái)看，職業(yè)為務(wù)農(nóng)，參加農(nóng)村合作醫(yī)療，居住狀況為和子女同住的農(nóng)村老年人，養(yǎng)老滿意度普遍偏高。

后項(xiàng){總體滿意度=2}的關(guān)聯(lián)規(guī)則。規(guī)則6說(shuō)明和子女同住，職業(yè)為非務(wù)農(nóng)，沒(méi)有娛樂(lè)活動(dòng)的老年人對(duì)養(yǎng)老狀況不滿意，其概率為55.19%；規(guī)則7說(shuō)明年齡在70歲以上，職業(yè)為非務(wù)農(nóng)，所在地沒(méi)有社會(huì)活動(dòng)的農(nóng)村老年人對(duì)養(yǎng)老狀態(tài)不滿意，其概率為57.35%；綜合來(lái)看，職業(yè)為非務(wù)農(nóng)，未參加農(nóng)村合作醫(yī)療，沒(méi)有村集體補(bǔ)貼，居住狀況為獨(dú)居或和配偶居住農(nóng)村老年人養(yǎng)老滿意度較低。從結(jié)果中我們還可以看出，是否參與社會(huì)活動(dòng)和娛樂(lè)活動(dòng)，也與老年人養(yǎng)老滿意度的高低有很大關(guān)聯(lián)。

從基于GRI算法的關(guān)聯(lián)規(guī)則結(jié)果中可以看出，職業(yè)、年齡、收入水平、居住狀況、農(nóng)村合作醫(yī)療、集體補(bǔ)貼、娛樂(lè)活動(dòng)、社會(huì)活動(dòng)、經(jīng)濟(jì)來(lái)源等9個(gè)因素均對(duì)農(nóng)村老年人的養(yǎng)老滿意度有影響。一般來(lái)說(shuō)，參加農(nóng)村合作醫(yī)療，有村集體補(bǔ)貼，職業(yè)為務(wù)農(nóng)的老年人的養(yǎng)老滿意度較高；與子女同住老年人的養(yǎng)老滿意度較高；未參加農(nóng)村合作醫(yī)療，職業(yè)為非務(wù)農(nóng)的老年人養(yǎng)老滿意度較低，參加農(nóng)合的老年人養(yǎng)老滿意度較高。雖然目前農(nóng)村居民參保農(nóng)村合作醫(yī)療制度和農(nóng)村醫(yī)療保險(xiǎn)制度的比重在不斷提升，但是還不能覆蓋全部農(nóng)村居民，應(yīng)進(jìn)一步加大農(nóng)村合作醫(yī)療制度的宣傳，尤其是在農(nóng)村老年人中的宣傳，加強(qiáng)和完善農(nóng)村醫(yī)療保障制度的建設(shè)，逐步提高農(nóng)村老年人的養(yǎng)老滿意度。

參考文獻(xiàn)：

[1] 李放.農(nóng)村老年人養(yǎng)老狀況及其滿意度的實(shí)證研究[J].開(kāi)發(fā)研究，2010，（1）：58-61.

[2] 彭旋子.基于農(nóng)村居民意愿的養(yǎng)老模式選擇研究[D].杭州：浙江農(nóng)業(yè)大學(xué)，2010：1-28.

[3] 張巍.黑龍江農(nóng)村社區(qū)養(yǎng)老模式研究[D].西安：陜西師范大學(xué)，2012：1-8.

[4] 肖云，劉培森.新型農(nóng)村社會(huì)養(yǎng)老保險(xiǎn)滿意度影響因素分析[J].經(jīng)濟(jì)體制改革，2011，（5）：66-70.

[5] 崔萍.大連農(nóng)村養(yǎng)老模式研究[D].大連：大連理工大學(xué)，2010：4-36.

[6] 歐陽(yáng)彬.基于因子分析的新農(nóng)合農(nóng)戶滿意度研究[J].農(nóng)業(yè)經(jīng)濟(jì)，2012，（11）：143-146.

[責(zé)任編輯 陳麗敏]endprint

摘 要：基于河北省農(nóng)村老年人養(yǎng)老滿意度進(jìn)行問(wèn)卷調(diào)查和實(shí)地調(diào)研，利用關(guān)聯(lián)規(guī)則挖掘技術(shù)分析河北省農(nóng)村養(yǎng)老滿意度的影響因素及它們的影響程度，為進(jìn)一步提高河北省農(nóng)村老年人養(yǎng)老滿意度提供參考。在關(guān)聯(lián)規(guī)則挖掘中發(fā)現(xiàn)，參加農(nóng)村合作醫(yī)療，有村集體補(bǔ)貼，職業(yè)為務(wù)農(nóng)的老年人的養(yǎng)老滿意度較高；與子女同住老年人的養(yǎng)老滿意度較高；未參加農(nóng)村合作醫(yī)療，職業(yè)為非務(wù)農(nóng)的老年人養(yǎng)老滿意度較低。

關(guān)鍵詞：養(yǎng)老滿意度；GRI算法；關(guān)聯(lián)規(guī)則

中圖分類(lèi)號(hào)：F840 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-291X（2014）10-0049-03

引言

1999年以來(lái)，中國(guó)正式步入老齡化國(guó)家的行列，人口老齡化問(wèn)題是中國(guó)經(jīng)濟(jì)社會(huì)發(fā)展面臨的重大現(xiàn)實(shí)問(wèn)題之一。人口基數(shù)大、發(fā)展迅速、“未富先老”等是中國(guó)老齡化的特點(diǎn)。養(yǎng)老問(wèn)題是關(guān)系國(guó)計(jì)民生的大事，關(guān)系到人民的切身利益，特別是在中國(guó)經(jīng)濟(jì)發(fā)展相對(duì)落后的農(nóng)村，社會(huì)養(yǎng)老保障制度不完善、農(nóng)民收入水平低下，大量勞動(dòng)力外流，使得在對(duì)老年人生活照料、精神慰藉和疾病護(hù)理等方面得不到保障，因此，探討農(nóng)村老年人養(yǎng)老滿意度的影響因素，進(jìn)而提高農(nóng)村老年人的養(yǎng)老滿意度尤其重要。本文在研究大量資料、參考論文相關(guān)實(shí)踐成果的基礎(chǔ)上，以“中國(guó)老齡事業(yè)發(fā)展‘十二五規(guī)劃”為指導(dǎo)，在調(diào)查研究的基礎(chǔ)上，對(duì)調(diào)查數(shù)據(jù)進(jìn)行預(yù)處理和統(tǒng)計(jì)分析，通過(guò)關(guān)聯(lián)規(guī)則技術(shù)分析河北省農(nóng)村老年人養(yǎng)老滿意度的影響因素。

一、關(guān)聯(lián)規(guī)則的基本思想

關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫(kù)中隱藏的關(guān)聯(lián)網(wǎng)，尋找事物之間的聯(lián)系規(guī)律和結(jié)構(gòu)特征，挖掘它們之間的關(guān)聯(lián)關(guān)系。數(shù)據(jù)挖掘中，關(guān)聯(lián)分析的主要技術(shù)是關(guān)聯(lián)規(guī)則，最早由Agrawal、Imielinski和Swami提出。關(guān)聯(lián)規(guī)則挖掘是為了尋找同一事件中不同項(xiàng)之間的相關(guān)性。簡(jiǎn)單關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘的主要工具之一，屬于無(wú)監(jiān)督學(xué)習(xí)方法，能夠揭示數(shù)據(jù)中隱含的關(guān)聯(lián)特征。

Clementine提供了Apriori、Carma和GRI等經(jīng)典算法。本文用的是GRI算法，算法是由Smyth和Goodman于1992年提出的，是在ITRule算法的基礎(chǔ)上拓展形成的，可用于簡(jiǎn)單的關(guān)聯(lián)分析。GRI算法的主要特點(diǎn)是：不但能夠處理分類(lèi)型變量，而且前項(xiàng)還可以為數(shù)值型變量；數(shù)據(jù)只能按事實(shí)表方式存儲(chǔ)；采用深度優(yōu)先搜索策略實(shí)現(xiàn)算法。

二、養(yǎng)老滿意度中關(guān)聯(lián)規(guī)則的應(yīng)用

（一）數(shù)據(jù)準(zhǔn)備

從調(diào)查數(shù)據(jù)的頻數(shù)分析中，我們發(fā)現(xiàn)部分變量的在取某值的頻數(shù)很低，甚至有的變量取值的頻數(shù)為0，為了后續(xù)更好的分析，利用Clementine對(duì)變量進(jìn)行篩選。軟件操作實(shí)現(xiàn)過(guò)程。其中設(shè)定的條件為：變量中缺失值所占比例大于70%；分類(lèi)變量中類(lèi)別值所占比例大于90%；分類(lèi)變量的類(lèi)別個(gè)數(shù)占總樣本的比例大于95%的應(yīng)視為不重要變量。指定總體滿意度為輸出變量，其他變量為輸入變量。1-概率p值越高，說(shuō)明輸入變量與輸出變量的相關(guān)性越強(qiáng)，輸入變量越重要。

（二）變量前后項(xiàng)設(shè)定

在建立關(guān)聯(lián)規(guī)則模型之前，首先設(shè)定模型的變量前后項(xiàng)，職業(yè)、經(jīng)濟(jì)來(lái)源、居住狀況、娛樂(lè)活動(dòng)、社會(huì)活動(dòng)、村集體補(bǔ)貼和農(nóng)村合作醫(yī)療等變量均為有限個(gè)值，且各值之間無(wú)序，因此定義成標(biāo)稱(chēng)類(lèi)型；年齡、月平均收入、文化水平、低保制度和總體滿意度各變量值之間具有一個(gè)隱含的序，因此定義成連續(xù)型數(shù)值類(lèi)型；同時(shí)指定總體滿意度為關(guān)聯(lián)規(guī)則的后件，其余為關(guān)聯(lián)規(guī)則的前件。

（三）基于GRI算法的關(guān)聯(lián)規(guī)則建模

根據(jù)上述的數(shù)據(jù)預(yù)處理的方法對(duì)調(diào)查數(shù)據(jù)進(jìn)行整理，預(yù)處理后的數(shù)據(jù)和篩選出來(lái)的變量建立GRI模型實(shí)現(xiàn)挖掘過(guò)程。

1.設(shè)定閥值

規(guī)則的支持度和置信度大于用戶設(shè)置的最小支持度和置信度的閾值時(shí)才是一條有效規(guī)則。所以在關(guān)聯(lián)規(guī)則挖掘中需要合理、自行設(shè)置最小支持度和置信度的閾值。因?yàn)檫@些閥值的大小直接決定關(guān)聯(lián)規(guī)則挖掘結(jié)果中規(guī)則的數(shù)量。如果支持度閥值太小，會(huì)生成大量的規(guī)則，并且會(huì)失去代表性，挖掘出的規(guī)則毫無(wú)意義。而如果支持度閥值設(shè)置太大，則可能無(wú)法找到閥值要求的規(guī)則。但是在軟件操作過(guò)程中并沒(méi)有明確的依據(jù)確定如何設(shè)置模型的最小支持度閾值和置信度閾值，所以本文在實(shí)際操作中，采用設(shè)置不同最小支持度閾值的方式進(jìn)行反復(fù)挖掘，即進(jìn)行若干次探索性的挖掘。我們?cè)诜磸?fù)挖掘中最終選擇分析在最小支持度閾值為7%，最小置信度閾值為55%的情況下進(jìn)行關(guān)聯(lián)規(guī)則挖掘。

2.關(guān)聯(lián)規(guī)則結(jié)果分析

因?yàn)橹挥性谔嵘却笥?的時(shí)候才有意義，所以本文從提升度大于1的關(guān)聯(lián)規(guī)則中按照最小支持度進(jìn)行排序，支持度大于7%的條件下，選取部分置信度大于55%的排名靠前且有代表性的規(guī)則，規(guī)則進(jìn)行論述，選出的規(guī)則。

后項(xiàng){總體滿意度=1}的關(guān)聯(lián)規(guī)則。規(guī)則1說(shuō)明職業(yè)是務(wù)農(nóng)且參見(jiàn)農(nóng)村合作醫(yī)療的老年人，養(yǎng)老滿意度較高，其概率為55.6%；規(guī)則2說(shuō)明和子女同住，且參加農(nóng)村合作醫(yī)療的農(nóng)村老年人，養(yǎng)老滿意度較高；規(guī)則3說(shuō)明70歲以上務(wù)農(nóng)的農(nóng)村老年人，養(yǎng)老滿意度較高，概率為59.05%；綜合來(lái)看，職業(yè)為務(wù)農(nóng)，參加農(nóng)村合作醫(yī)療，居住狀況為和子女同住的農(nóng)村老年人，養(yǎng)老滿意度普遍偏高。

后項(xiàng){總體滿意度=2}的關(guān)聯(lián)規(guī)則。規(guī)則6說(shuō)明和子女同住，職業(yè)為非務(wù)農(nóng)，沒(méi)有娛樂(lè)活動(dòng)的老年人對(duì)養(yǎng)老狀況不滿意，其概率為55.19%；規(guī)則7說(shuō)明年齡在70歲以上，職業(yè)為非務(wù)農(nóng)，所在地沒(méi)有社會(huì)活動(dòng)的農(nóng)村老年人對(duì)養(yǎng)老狀態(tài)不滿意，其概率為57.35%；綜合來(lái)看，職業(yè)為非務(wù)農(nóng)，未參加農(nóng)村合作醫(yī)療，沒(méi)有村集體補(bǔ)貼，居住狀況為獨(dú)居或和配偶居住農(nóng)村老年人養(yǎng)老滿意度較低。從結(jié)果中我們還可以看出，是否參與社會(huì)活動(dòng)和娛樂(lè)活動(dòng)，也與老年人養(yǎng)老滿意度的高低有很大關(guān)聯(lián)。

從基于GRI算法的關(guān)聯(lián)規(guī)則結(jié)果中可以看出，職業(yè)、年齡、收入水平、居住狀況、農(nóng)村合作醫(yī)療、集體補(bǔ)貼、娛樂(lè)活動(dòng)、社會(huì)活動(dòng)、經(jīng)濟(jì)來(lái)源等9個(gè)因素均對(duì)農(nóng)村老年人的養(yǎng)老滿意度有影響。一般來(lái)說(shuō)，參加農(nóng)村合作醫(yī)療，有村集體補(bǔ)貼，職業(yè)為務(wù)農(nóng)的老年人的養(yǎng)老滿意度較高；與子女同住老年人的養(yǎng)老滿意度較高；未參加農(nóng)村合作醫(yī)療，職業(yè)為非務(wù)農(nóng)的老年人養(yǎng)老滿意度較低，參加農(nóng)合的老年人養(yǎng)老滿意度較高。雖然目前農(nóng)村居民參保農(nóng)村合作醫(yī)療制度和農(nóng)村醫(yī)療保險(xiǎn)制度的比重在不斷提升，但是還不能覆蓋全部農(nóng)村居民，應(yīng)進(jìn)一步加大農(nóng)村合作醫(yī)療制度的宣傳，尤其是在農(nóng)村老年人中的宣傳，加強(qiáng)和完善農(nóng)村醫(yī)療保障制度的建設(shè)，逐步提高農(nóng)村老年人的養(yǎng)老滿意度。

參考文獻(xiàn)：

[1] 李放.農(nóng)村老年人養(yǎng)老狀況及其滿意度的實(shí)證研究[J].開(kāi)發(fā)研究，2010，（1）：58-61.

[2] 彭旋子.基于農(nóng)村居民意愿的養(yǎng)老模式選擇研究[D].杭州：浙江農(nóng)業(yè)大學(xué)，2010：1-28.

[3] 張巍.黑龍江農(nóng)村社區(qū)養(yǎng)老模式研究[D].西安：陜西師范大學(xué)，2012：1-8.

[4] 肖云，劉培森.新型農(nóng)村社會(huì)養(yǎng)老保險(xiǎn)滿意度影響因素分析[J].經(jīng)濟(jì)體制改革，2011，（5）：66-70.

[5] 崔萍.大連農(nóng)村養(yǎng)老模式研究[D].大連：大連理工大學(xué)，2010：4-36.

[6] 歐陽(yáng)彬.基于因子分析的新農(nóng)合農(nóng)戶滿意度研究[J].農(nóng)業(yè)經(jīng)濟(jì)，2012，（11）：143-146.

[責(zé)任編輯 陳麗敏]endprint