聚類分析論文范文
前言：我們精心挑選了數(shù)篇優(yōu)質(zhì)聚類分析論文文章，供您閱讀參考。期待這些文章能為您帶來(lái)啟發(fā)，助您在寫作的道路上更上一層樓。
第1篇
對(duì)于股票投資來(lái)說(shuō)，一定要關(guān)注股票上市公司的基本盈利狀況以及該公司未來(lái)的發(fā)展?fàn)顩r。在投資時(shí)，這兩大因素必須進(jìn)行思考衡量，因?yàn)檫@兩大因素是衡量一個(gè)上市公司有沒有投資價(jià)值最基本的條件。因此，要在投資前計(jì)算出該股票每股的收益、該公司凈資產(chǎn)收益率以及主營(yíng)收入增長(zhǎng)率。
1.盈利能力指標(biāo)。總資產(chǎn)利潤(rùn)率=凈利潤(rùn)/平均資產(chǎn)總額，這體現(xiàn)出公司整體的獲利能力。凈資產(chǎn)利潤(rùn)率=凈利潤(rùn)/平均凈資產(chǎn)，這個(gè)關(guān)系可以直接體現(xiàn)出股東投資的回報(bào)。主營(yíng)業(yè)務(wù)收益率=主營(yíng)業(yè)務(wù)利潤(rùn)/主營(yíng)業(yè)務(wù)收入，主營(yíng)業(yè)務(wù)是上市公司利潤(rùn)的來(lái)源，主營(yíng)業(yè)務(wù)的收益越大，公司在市場(chǎng)中的競(jìng)爭(zhēng)優(yōu)勢(shì)就越明顯。每股收益=凈利潤(rùn)/期末總股本，每股的收益越高，反應(yīng)出每股獲利的能力越強(qiáng)。
2.成長(zhǎng)能力指標(biāo)。主營(yíng)業(yè)務(wù)收益增長(zhǎng)率=本期主營(yíng)業(yè)務(wù)收入/上期主營(yíng)業(yè)務(wù)收入-1，這體現(xiàn)出上市公司重點(diǎn)項(xiàng)目的成長(zhǎng)力。凈資產(chǎn)利潤(rùn)率=本期凈利潤(rùn)/上期凈利潤(rùn)-1，上市公司給員工的薪酬都是根據(jù)凈利潤(rùn)決定的。
二、聚類分析的投資方法應(yīng)用實(shí)例
聚類分析方法隸屬多元統(tǒng)計(jì)分析方法之中，與多元統(tǒng)計(jì)分析法和回歸分析法并稱為三大應(yīng)用方法。聚類分析法一定要建立在某個(gè)優(yōu)化意義基礎(chǔ)之上，如果將聚類分析方和常規(guī)的分析法相比較的話，會(huì)發(fā)現(xiàn)聚類分析法有很大的優(yōu)勢(shì)，第一是使用聚類分析法可以對(duì)數(shù)據(jù)中的多個(gè)變量進(jìn)行樣本分析，然后將其分類整理；第二是通過使用聚類分析法所得出的數(shù)據(jù)非常直觀明了，通過觀察聚類譜系圖投資者就能夠清楚地分析出數(shù)據(jù)顯示的結(jié)果；第三是如果將聚類統(tǒng)計(jì)法所得出來(lái)的數(shù)據(jù)結(jié)果與普通方法計(jì)算出來(lái)的結(jié)果進(jìn)行對(duì)比，不難發(fā)現(xiàn)聚類分析法的對(duì)比結(jié)果更加細(xì)致、科學(xué)、全面，接下來(lái)通過兩個(gè)應(yīng)用的實(shí)例進(jìn)行說(shuō)明。
1.原始數(shù)據(jù)標(biāo)準(zhǔn)化。為了解決原始數(shù)據(jù)量綱和數(shù)量級(jí)差異帶來(lái)的影響，更好的對(duì)聚類分析和判別進(jìn)行分析，可以采用指標(biāo)標(biāo)準(zhǔn)化的處理方法。
2.逆指標(biāo)正向化處理。流通股本是逆指標(biāo)，對(duì)其絕對(duì)值取倒數(shù)可以得出。
三、將聚類分析法應(yīng)用到金融投資上的意義
將聚類分析法應(yīng)用于金融投資上，不但可以顯示出有效、科學(xué)、全面的數(shù)據(jù)更能幫助彌補(bǔ)金融投資投資時(shí)所出現(xiàn)的不足。
第一，聚類分析法建立在基礎(chǔ)分析之上，對(duì)投資股票從一些基本層面進(jìn)行量化分析，進(jìn)而對(duì)股票價(jià)格影響因素定性進(jìn)行補(bǔ)充并完善了原有的基礎(chǔ)分析。聚類分析法作為長(zhǎng)期的理性投資參考依據(jù)，是為了發(fā)掘股票投資的真實(shí)價(jià)值，避免由于市場(chǎng)過熱導(dǎo)致資產(chǎn)估值不公允。
第二，在建立投資評(píng)價(jià)模型的時(shí)候，可以運(yùn)用聚類分析法對(duì)公司和股票投資價(jià)值之間的聯(lián)系進(jìn)行分析。公司的成長(zhǎng)是一個(gè)在哥登模型中，在一個(gè)變化的趨勢(shì)內(nèi)進(jìn)行。不變的股息增長(zhǎng)率對(duì)實(shí)際情況并不符合，在采用多階增長(zhǎng)模型的時(shí)候，想要得到不同階段的股息增長(zhǎng)率是很困難的。所以，對(duì)股票的成長(zhǎng)進(jìn)行分析得時(shí)候，可以選取凈利潤(rùn)率等客觀的數(shù)據(jù)做參考，這樣可以估算出股票的發(fā)展?jié)摿Α?/p>
第三，通過對(duì)聚類分析法和現(xiàn)資組合理論的比較可以得出，聚類分析法比現(xiàn)資組合理論更具有直觀性和實(shí)用性，并且在實(shí)際生活中的局限小。該方法主要著眼于實(shí)際數(shù)據(jù)的相似性和其延生的規(guī)律性，較投資學(xué)中一些以預(yù)測(cè)和假定前提較多的模型而言更具有現(xiàn)實(shí)意義，也更加貼近當(dāng)前市場(chǎng)情況的現(xiàn)實(shí)。另外，聚類分析法的操作性強(qiáng)，在實(shí)際應(yīng)用過程中有一定的優(yōu)越性，更加適合投資者使用。
第四，聚類分析法作為長(zhǎng)期投資的理念，隨著我國(guó)金融行業(yè)的不斷發(fā)展，逐漸被更多的投資人采用。理性的運(yùn)用聚類分析法這種投資方法，不但可以使投資者的投資風(fēng)險(xiǎn)降到最低，還可以規(guī)范其他投行的投資行為，促使發(fā)行股票的企業(yè)可以本著經(jīng)營(yíng)業(yè)績(jī)和長(zhǎng)期的成長(zhǎng)模式進(jìn)行投資，在一定程度上可以有效規(guī)避道德風(fēng)險(xiǎn)和投機(jī)行為，保證金融市場(chǎng)的穩(wěn)定性和規(guī)范性，保護(hù)散戶和弱勢(shì)群體的經(jīng)濟(jì)利益，進(jìn)而繁榮整個(gè)股票、證劵市場(chǎng)，使我國(guó)的經(jīng)濟(jì)更繁榮。
四、結(jié)論
第2篇
近年來(lái)，全國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽迅速發(fā)展，為國(guó)家培養(yǎng)了大批應(yīng)用型人才。但由于各地區(qū)教育水平不同、相關(guān)部門對(duì)競(jìng)賽的重視程度不同，導(dǎo)致各地區(qū)組織學(xué)生參加大學(xué)數(shù)學(xué)建模競(jìng)賽的規(guī)模不同，在該項(xiàng)賽事中取得的成績(jī)差異比較顯著。2013年全國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽評(píng)選出的獎(jiǎng)項(xiàng)有:賽區(qū)優(yōu)秀組織工作獎(jiǎng)9個(gè)，本科組高教社杯獎(jiǎng)1個(gè)，專科高教社杯獎(jiǎng)1個(gè)，本科組MATLAB創(chuàng)新獎(jiǎng)1個(gè)，專科組MATLAB創(chuàng)新獎(jiǎng)1個(gè)，本科組IBMSPSS創(chuàng)新獎(jiǎng)1個(gè)，專科組IBMSPSS創(chuàng)新獎(jiǎng)1個(gè)，本科組一等獎(jiǎng)共273名，本科組二等獎(jiǎng)共1292名，專科組一等獎(jiǎng)共44名，專科組二等獎(jiǎng)共211名［1］，但成績(jī)相對(duì)于參賽區(qū)分布不太均勻。分析各地區(qū)在2013年全國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽中取得的成績(jī)，明確各地區(qū)數(shù)學(xué)建模發(fā)展?fàn)顩r的差異和特點(diǎn)，將有利于相關(guān)部門從宏觀上了解我國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽的整體發(fā)展現(xiàn)狀，分類制定相關(guān)政策［2－3］，從而充分發(fā)揮數(shù)學(xué)建模的重要作用。
1建立綜合評(píng)價(jià)指標(biāo)體系
全國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽現(xiàn)狀的一個(gè)重要方面就是全國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽獲獎(jiǎng)情況。依據(jù)全國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽設(shè)置的獎(jiǎng)項(xiàng)，遵循可比性原則，參考文獻(xiàn)［4－5］，選取x1－x7共七項(xiàng)評(píng)價(jià)指標(biāo)，具體如下:x1:本科組高教社杯、MATLAB創(chuàng)新獎(jiǎng)和IBMSPSS創(chuàng)新獎(jiǎng)獲獎(jiǎng)情況;x2:本科組一等獎(jiǎng)獲獎(jiǎng)數(shù);x3:本科組二等獎(jiǎng)獲獎(jiǎng)數(shù);x4:專科組高教社杯、MATLAB創(chuàng)新獎(jiǎng)和IBMSPSS創(chuàng)新獎(jiǎng)獲獎(jiǎng)情況;x5:專科組一等獎(jiǎng)獲獎(jiǎng)數(shù);x6:專科組二等獎(jiǎng)獲獎(jiǎng)數(shù);x7:年度競(jìng)賽優(yōu)秀組織工作獎(jiǎng)獲得情況。說(shuō)明:鑒于本科組與專科組的高教社杯、MAT-LAB創(chuàng)新獎(jiǎng)和IBMSPSS創(chuàng)新獎(jiǎng)三類獎(jiǎng)項(xiàng)每年只有一個(gè)隊(duì)獲獎(jiǎng)，且基本不可重復(fù)獲得(參見歷年大學(xué)生數(shù)學(xué)建模競(jìng)賽獲獎(jiǎng)名單)故將其合并作為一類。
2數(shù)據(jù)資料依據(jù)
2013年全國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽獲獎(jiǎng)名單，按指標(biāo)對(duì)各個(gè)賽區(qū)的獲獎(jiǎng)情況統(tǒng)計(jì)如表1所示。
3R型聚類分析定性分析
七項(xiàng)指標(biāo)之間的相關(guān)性。編寫MAT-LAB程序如下:＞＞clc，clear＞＞symxy;＞＞x=xlsread(‘shuju．xls’);%將上表中的數(shù)據(jù)保存到MATLAB中WORK文件夾excel文件shu-ju．xls中，并將其賦于x＞＞y=corr(x)%輸出七項(xiàng)指標(biāo)間的相關(guān)系數(shù)矩陣(如表2所示)＞＞d=pdist(y，’correlation’);%計(jì)算相關(guān)系數(shù)導(dǎo)出的距離＞＞z=linkage(d，’average’);%按類平均法聚類＞＞h=dendrogram(z);%畫聚類圖(如圖1所示)＞＞T=cluster(z，’maxclust'，5);%把變量劃分為5類＞＞fori=1:5tm=find(T==i);tm=reshape(tm，1，length(tm));＞＞fprintf(’第%d類的有%s\n’，i，int2str(tm));＞＞end程序輸出:第1類的有4;第2類的有56;第3類的有7;第4類的有23;第5類的有1。即:若將指標(biāo)分為5類，則指標(biāo)1、4、7各為一類，指標(biāo)2、3為一類，指標(biāo)4、5為一類。
4Q型聚類分析
4.1選取5個(gè)指標(biāo)的分類從R型聚類分析分出的5類指標(biāo)中各選一個(gè)，即選取5個(gè)指標(biāo)體系，對(duì)33個(gè)參賽地區(qū)進(jìn)行聚類分析。首先對(duì)變量數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，采用歐氏距離度量樣本間相似性，選用類平均法計(jì)算類間距離。在MATLAB命令窗口輸入下列程序:＞＞symsxy;＞＞x=xlsread(’shuju．xls’);%將上表中的數(shù)據(jù)保存到MATLAB中WORK文件夾excel文件shu-ju．xls中，并將其賦于x＞＞x(:，［3，5］)=［］;%刪除數(shù)據(jù)矩陣的3，5兩列，即使用變量1，2，4，6，7＞＞x=zscore(x);%將數(shù)據(jù)標(biāo)準(zhǔn)化＞＞s=pdist(x);%每一行是一個(gè)對(duì)象，求對(duì)象間的歐式距離＞＞z=linkage(s，’average’);%按類平均法聚類＞＞h=dendrogram(z);%畫聚類圖(如圖2所示)＞＞T=cluster(z，’maxclust’，3);%把樣本點(diǎn)劃分成3類＞＞fori=1:3;tm=find(T==i);%求i類的對(duì)象tm=reshape(tm，1，length(tm));%變成行向量＞＞fprintf(’第%d類的有%s\n’，i，int2str(tm));%現(xiàn)實(shí)分類結(jié)果＞＞end程序輸出:第1類的有11318第2類的有2345678910111216171920212224252627282930313233第3類的有141523即:第一類:北京，福建，湖南;第三類:江西，山東，四川;第二類:其它地區(qū)。
4.2選取7個(gè)指標(biāo)的分類考慮到指標(biāo)2與指標(biāo)3，指標(biāo)5與指標(biāo)6具有一定的獨(dú)立性，若七個(gè)指標(biāo)體系全部取用，將33個(gè)地區(qū)分為4類，程序輸入如下:＞＞symsxy;＞＞x=xlsread(’shuju．xls’);＞＞s=pdist(x);＞＞z=linkage(s，’average’);＞＞h=dendrogram(z);%畫聚類圖(如圖3所示)＞＞T=cluster(z，’maxclust’，4);＞＞fori=1:4tm=find(T==i);tm=reshape(tm，1，length(tm));＞＞fprintf(’第%d類的有%s\n’，i，int2str(tm));＞＞end程序輸出:第1類的有116第2類的有6710151927第3類的有23489111213141718202223242528第4類的有521262930313233即:第一類:北京，河南;第二類:遼寧，吉林，江蘇，山東，廣東，陜西;第四類:內(nèi)蒙古，海南，，青海，寧夏，新疆，香港，澳門。4.3選取本科層次指標(biāo)的分類只考慮本科層次取得的成績(jī)，即選用指標(biāo)1，2，3，對(duì)33個(gè)參賽地區(qū)進(jìn)行聚類分析，從而明確掌握其本科階段的差異，則有:輸入程序:＞＞symsxy;＞＞x=xlsread(’shuju．xls’);＞＞x(:，［4，5，6，7］)=［］;＞＞x=zscore(x);＞＞s=pdist(x);＞＞z=linkage(s，’average’);＞＞h=dendrogram(z);%畫聚類圖(如圖4所示)＞＞T=cluster(z，’maxclust’，3);＞＞fori=1:3;tm=find(T==i);tm=reshape(tm，1，length(tm));＞＞fprintf(’第%d類的有%s\n’，i，int2str(tm));＞＞end程序輸出:第1類的有11318第2類的有101115161719222327第3類的有2345678912142021242526282930313233即:第一類:北京，福建，湖南;第二類:江蘇，浙江，山東，河南，湖北，廣東，重慶，四川，陜西;第三類:其它地區(qū)。4.4選取專科層次指標(biāo)的分類只考慮專科層次取得的成績(jī)，即選用指標(biāo)4，5，6，對(duì)33個(gè)參賽地區(qū)進(jìn)行聚類分析，從而明確掌握其專科階段的差異，則有:輸入程序:＞＞symsxy;＞＞x=xlsread(’shuju．xls’);＞＞x(:，［1:3，7］)=［］;＞＞x=zscore(x);＞＞s=pdist(x);＞＞z=linkage(s，’average’);%畫聚類圖(如圖5所示)＞＞h=dendrogram(z);＞＞T=cluster(z，’maxclust'，4);＞＞fori=1:4;tm=find(T==i);tm=reshape(tm，1，length(tm));＞＞fprintf(’第%d類的有%s\n’，i，int2str(tm));＞＞end程序輸出:第1類的有14第2類的有1523第3類的有41927第4類的有1235678910111213161718202122242526282930313233即:第一類:江西;第二類:山東，四川;第三類:山西，廣東，陜西;第四類:其余各地區(qū)。
5結(jié)束語(yǔ)
第3篇
國(guó)家統(tǒng)計(jì)局在其《中國(guó)信息能力報(bào)告》中，設(shè)計(jì)了一套評(píng)價(jià)我國(guó)信息化水平的指標(biāo)：指標(biāo)體系共分4級(jí)，有25個(gè)指標(biāo)：①信息技術(shù)和信息設(shè)備應(yīng)用能力：a.每千人擁有PC數(shù)；b.每千人擁有傳真機(jī)數(shù)；c.每百人擁有電話數(shù)；d.每千人擁有電視機(jī)數(shù)；e.每千人擁有收音機(jī)數(shù)；f.每萬(wàn)人接入因特網(wǎng)用戶；g.每百萬(wàn)人互聯(lián)網(wǎng)上網(wǎng)主機(jī)數(shù)；h.每平方公里光纜長(zhǎng)度；i.每百家企事業(yè)單位上網(wǎng)數(shù)；j.基礎(chǔ)信息產(chǎn)業(yè)產(chǎn)值占GDP比重。②信息資源及開發(fā)利用能力：a.每戶打國(guó)際電話時(shí)間；b.每百人期刊發(fā)行量；c.每日信息量；d.網(wǎng)絡(luò)用戶平均上網(wǎng)時(shí)間；e.每萬(wàn)人Web站點(diǎn)數(shù)。③人口素質(zhì)：a.每萬(wàn)人平均科學(xué)家和工程師數(shù)；b.第三產(chǎn)業(yè)從業(yè)人數(shù)占就業(yè)總?cè)丝诒戎兀籧.大學(xué)入學(xué)率；d.每十萬(wàn)人在校學(xué)生數(shù)；e.計(jì)算機(jī)專家和工程師數(shù)。④國(guó)家對(duì)信息產(chǎn)業(yè)發(fā)展的支撐：a.信息產(chǎn)業(yè)產(chǎn)值占GDP比重；b.研究開發(fā)(R&G)支出占GDP比重；c.每主線電信投資；d.人均GNP；e.教育投入。
鑒于遵循數(shù)據(jù)的客觀性和代表性，以及易得性，本文采取以下指標(biāo)：每千人工業(yè)增加值x1；每千人電信業(yè)務(wù)量x2；每千人移動(dòng)通信交換機(jī)容量x3；移動(dòng)電話普及率x4；電話普及率x5；廣播綜合人口覆蓋率x6；電視綜合人口覆蓋率x7；有線電視普及率x8；每十戶寬帶上網(wǎng)用占有戶數(shù)x9；R&D經(jīng)費(fèi)支出占GDP比重x10；每十人從事科技活動(dòng)人員總數(shù)占有的人數(shù)x11；每十人在校大學(xué)生人數(shù)占有的人數(shù)x12；每千人專利授權(quán)數(shù)占有數(shù)x13。其中缺省值用平均值代替或者臨近年數(shù)內(nèi)值代替。由于篇幅有限，指標(biāo)數(shù)據(jù)省略。
2、因子分析
因子分析法是能夠?qū)崿F(xiàn)數(shù)據(jù)簡(jiǎn)化目的的有效方法之一。其基本思想是根據(jù)相關(guān)性大小把變量分組，使得同組內(nèi)的變量之間相關(guān)性較高，使不同組的變量相關(guān)性較低，每組變量代表一個(gè)基本結(jié)構(gòu)，這個(gè)基本結(jié)構(gòu)稱為公共因子。運(yùn)用因子分析法，借助EXCEL多元統(tǒng)分析，對(duì)已得的指標(biāo)數(shù)據(jù)進(jìn)行分析處理，在處理過程中選取方差貢獻(xiàn)比率為0.80。
按照方差貢獻(xiàn)比率大于80%，應(yīng)提取前四個(gè)因子，它們所解釋的方差占總方差的84.58%，這四個(gè)因子就可以解釋原始數(shù)據(jù)的大部分信息了。
分析結(jié)果中可以得到每個(gè)城市的四個(gè)因子得分情況F1，F(xiàn)2，F(xiàn)3和F4。最后，對(duì)28個(gè)城市的信息化水平進(jìn)行綜合評(píng)價(jià)并排序。以旋轉(zhuǎn)后四個(gè)因子的方差貢獻(xiàn)率為權(quán)數(shù)計(jì)算綜合得分，計(jì)算公式為：F=0.5923F1+0.09957F2+0.0804F3+0.0736F4，最終可以得到所有城市的綜合得分排名。
由于變量指標(biāo)取值的同向性，得分越高代表信息化水平越高。排名依次為：北京，天津、廣東、浙江、江蘇、湖南、福建等等。
3、聚類分析
聚類分析是統(tǒng)計(jì)學(xué)中研究“物以類聚”問題的多元統(tǒng)計(jì)分析方法，在統(tǒng)計(jì)分析的應(yīng)用領(lǐng)域已經(jīng)得到了極為廣泛的應(yīng)用。其思路為：首先每個(gè)數(shù)據(jù)對(duì)象自成一類，并且計(jì)算各個(gè)類之間的“距離”或者相似性。然后每次將最相似的兩類合并，合并后重新計(jì)算新類與其他各個(gè)類之間的距離或相似度。這一“凝聚”的過程一直繼續(xù)直到所有對(duì)象都?xì)w為一類為止。利用各城市的因子得分，還可對(duì)28個(gè)城市進(jìn)行分類，得分值相近的城市被認(rèn)為具有較相似的屬性。
4、結(jié)果分析
由所得到的聚類圖可以看出，全國(guó)信息化水平基本上可以分為五類，北京，山西各成一類，從上面的綜合水平排名可以看出，北京信息化水平處于全國(guó)領(lǐng)先地位，這首先歸功于北京的地理位置和政治人文環(huán)境，其次結(jié)合因子得分矩陣，北京在因子1上的得分最高，而根據(jù)因子載荷矩陣可以看出，因子1在13個(gè)變量指標(biāo)上的載荷系數(shù)都比較大，證明北京在城市信息化的各個(gè)方面都比較出色。山西的信息化綜合水平排名第10，屬于中等偏上的水平，在因子4上的得分較高，因子4在變量指標(biāo)x1，x2上的載荷量較大，這正好符合山西是個(gè)煤礦大省的特征，通信電信比較發(fā)達(dá)繁榮。天津、廣東、江蘇、福建、浙江歸為一類，這幾個(gè)城市都是發(fā)達(dá)城市，信息化水平偏高，在每個(gè)指標(biāo)上得分都比較平均。而河北、黑龍江、河南、江西、遼寧、吉林、湖北、湖南、安徽、山東、四川、海南、重慶可以歸為一類，這幾個(gè)城市由于地理環(huán)境、產(chǎn)業(yè)結(jié)構(gòu)、人口眾多等因素使得信息化水平中等偏下。最后一類，信息化水平偏下的一類包括：內(nèi)蒙古、甘肅、青海、寧夏、廣西、云南、和陜西，信息化水平底下源于經(jīng)濟(jì)發(fā)展水平不高、對(duì)于信息化認(rèn)識(shí)薄弱以及對(duì)信息產(chǎn)業(yè)的投入不夠。
5、政策建議
雖然我國(guó)信息化應(yīng)用工作已取得了較大的成績(jī)，但在發(fā)展的過程中還存在著一些問題和不足使信息化帶動(dòng)經(jīng)濟(jì)發(fā)展的優(yōu)勢(shì)難以更好地發(fā)揮與國(guó)外發(fā)達(dá)國(guó)家相比還有很大差距，就是同亞洲一些發(fā)展中國(guó)家(或地區(qū))比較也存在不小的距離。當(dāng)前，經(jīng)濟(jì)全球化、我國(guó)加入世界貿(mào)易組織和世界信息產(chǎn)業(yè)的新發(fā)展，都對(duì)我國(guó)信息化應(yīng)用發(fā)展提出了新的要求，因此，我們應(yīng)認(rèn)真分析中國(guó)信息化水平現(xiàn)狀，分析與國(guó)外信息化發(fā)展的差距，有效地針對(duì)問題和不足進(jìn)行改進(jìn)，正確地規(guī)劃未來(lái)發(fā)展方向和應(yīng)采取的對(duì)策。
對(duì)策和建議主要有：(1)加快有關(guān)信息化法律、法規(guī)的制定，確保應(yīng)用中的可靠性和安全性(2)降低成本，普及大眾。(3)加強(qiáng)信息化知識(shí)普及與培訓(xùn)力度。(4)加大國(guó)家對(duì)信息化投資力度縮小地區(qū)間差距。(5)加強(qiáng)信息資源建設(shè)，提高信息化服務(wù)質(zhì)量與水平。(6)建立信息化數(shù)據(jù)采集系統(tǒng)和評(píng)價(jià)監(jiān)測(cè)體系。
另外，由上文的分析，信息化水平測(cè)度的數(shù)據(jù)很不全面，在每個(gè)地區(qū)城市的報(bào)告中尚未包括有些信息化水平測(cè)度指標(biāo)，比如說(shuō)信息產(chǎn)業(yè)增加值占地區(qū)生產(chǎn)值的比重。完整的數(shù)據(jù)不僅可以幫助很好的測(cè)度信息化水平，同時(shí)可以鞭策及時(shí)發(fā)現(xiàn)問題，提出相應(yīng)的解決辦法，這對(duì)于提高信息化水平是必要的途徑。
參考文獻(xiàn)：
[1]張海永.基于因子分析和聚類分析的江蘇省13個(gè)城市社會(huì)發(fā)展水平研究.西南民族大學(xué)學(xué)報(bào)·自然科學(xué)版，2007，(2).
[2]陳小磊，鄭建明，萬(wàn)里鵬.信息化水平測(cè)度指標(biāo)體系理論研究述評(píng).圖書情報(bào)知識(shí)，2006，(9).
[3]盧紋岱.SPSSforWindows統(tǒng)計(jì)分析.電子工業(yè)出版社(第三版)，2006.480-483.