从提升人类福祉的角度构建区域社会关系评价指标体系,利用自组织映射神经网络(self-organizing feature map,SOFM)聚类和随机森林(random forest,RF)分类方法计算评价指标的权重.在此基础上,根据2014-2018年的统计数据,采用多目标优化分...从提升人类福祉的角度构建区域社会关系评价指标体系,利用自组织映射神经网络(self-organizing feature map,SOFM)聚类和随机森林(random forest,RF)分类方法计算评价指标的权重.在此基础上,根据2014-2018年的统计数据,采用多目标优化分析(multi objective optimization on the basis of ratio analysis,MOORA)计算中国31个省份的区域社会关系指数(不含港澳台地区),对各省份的区域社会关系发展状况进行了评价.结果显示:1)中国区域社会关系发展呈现波动中上升的趋势,区域社会关系指数由2014年的0.176上升至2018年的0.187;2)区域社会关系指数由高到低依次是东部地区、西部地区、中部地区;3)区域社会关系指数较高的地区,既有较发达地区(如北京、上海、浙江),又有经济相对落后地区(如青海、西藏、宁夏).本文为区域社会关系的评价提供新的思路和具体可行的计算方法,为改善区域个体社会关系、提升区域人类福祉提供科学依据和决策支持.展开更多
文摘从提升人类福祉的角度构建区域社会关系评价指标体系,利用自组织映射神经网络(self-organizing feature map,SOFM)聚类和随机森林(random forest,RF)分类方法计算评价指标的权重.在此基础上,根据2014-2018年的统计数据,采用多目标优化分析(multi objective optimization on the basis of ratio analysis,MOORA)计算中国31个省份的区域社会关系指数(不含港澳台地区),对各省份的区域社会关系发展状况进行了评价.结果显示:1)中国区域社会关系发展呈现波动中上升的趋势,区域社会关系指数由2014年的0.176上升至2018年的0.187;2)区域社会关系指数由高到低依次是东部地区、西部地区、中部地区;3)区域社会关系指数较高的地区,既有较发达地区(如北京、上海、浙江),又有经济相对落后地区(如青海、西藏、宁夏).本文为区域社会关系的评价提供新的思路和具体可行的计算方法,为改善区域个体社会关系、提升区域人类福祉提供科学依据和决策支持.
