《(2020年)企业管理制度基于聚类分析办法的985工程高校排名》由会员分享，可在线阅读，更多相关《(2020年)企业管理制度基于聚类分析办法的985工程高校排名（11页珍藏版）》请在金锄头文库上搜索。
1、基于聚类分析方法的“985工程”高校排名评价摘 要：改革开放30多年来，随着我国“科教兴国”和“人才强国”战略的深入实施，科技进步和技术创新已成为经济与社会发展的第一推动力。实施“985”工程，是中国政府推进高等教育发展，促进高等教育与经济社会发展相适应的一项重要措施。研究它有利于推动我国高校的发展，这里我们运用聚类分析的方法，从我国高校的“人才培养”和“科学研究”两大职能入手，对“985工程”高校进行分类评价，为高校良性竞争并提升办学水平和社会影响力，以及这些国家一流高校以后的发展提供一些力所能及的参考关键词：聚类分析 统计 高校排名1 引言“985工程”是我国政府为建设若干所世界一流大学和
2、一批国际知名的高水平研究型大学而实施的高等教育建设工程。“985工程优势学科创新平台项目”是以国家和行业发展急需的重点领域和重大需求为导向，围绕国家科技发展战略和学科前沿，加大学科结构调整力度，促进学科交叉，大力提高建设学科的科技创新能力和解决制约经济社会发展重大瓶颈问题的能力而开始进行的国家级教育建设工程。“985”高校名单如下：“985”一期学校名单（34所）清华大学 北京大学 中国科技大学 南京大学 复旦大学 上海交通大学 西安交通大学 浙江大学 哈尔滨工业大学 南开大学 天津大学 东南大学 华中科技大学 武汉大学 厦门大学 山东大学 湖南大学 中国海洋大学 中南大学 吉林大学 北京理工
3、大学 大连理工大学 北京航空航天大学 重庆大学 电子科技大学 四川大学 华南理工大学 中山大学 兰州大学 东北大学 西北工业大学 同济大学 北京师范大学 中国人民大学“985”二期学校名单（4所）中国农业大学 国防科技大学 中央民族大学 西北农林科技大学本次评价从高校的“人才培养和科学研究”两大职能入手，以“衡量高校科学与人才的贡献能力”为评价目标，对我国高校的进行综合选优排序。排名选用二级评价指标体系，一级指标由“人才培养”、“科学研究”和“综合声誉”三个指标构成。二级指标由科研基地、科研项目、科研成果、培养基地、师资队伍、杰出校友和综合声誉构成。通过建立统计分析的数学模型，给出了度量、评测
4、 “ 985 工程 ”大学的客观标准，从一个新的角度，就客观、定量地研究 “ 985 工程 ” 大学进行了探索，为学校以后的发展提供一些力所能及的参考。2 样本数据的选取2.1 各级评价指标的内涵（1）“杰出校友” 是指高校毕业生中杰出的政治家、企业家和科学家等。数据来源为21世纪人才报，中国校友会网等。（2）“师资水平”由中国科学院院士和中国工程院院士、国外院士、杰出人文社会科学家、国家教学名师、国家级教学团队、及创新团队带头人和国家自然科学杰出青年基金获得者等组成。（3）“培养基地”由“高校学科创新引智基地(111计划)”、国家一级重点学科、国家二级重点学科、国家重点培育学科、博士后流动站
5、、二级学科博士点、二级学科硕士点和高等学校特色专业建设点等组成。（4）“科研成果” 包括“国家级奖励成果”、“中国专利奖”和“Nature&Science论文”。（5）“科研基地”包括知识生产基地、技术创新与成果转化基地。由国家实验室、国家重点实验室、国防重点实验室、国家工程研究中心、国家工程实验室、国家工程技术研究中心等组成。（6）“科研项目”由973国家重大基础研究项目、国家重大科学研究计划项目、国家自然科学基金项目和国家社会科学基金项目等组成。（7）“综合声誉”由国内新闻媒体对2010年度参评高校新闻报道数组成。2.2 指标权重表一 “985”高校评价指标体系权重分配一级指标二级指标指标
6、权重人才培养杰出校友20.02%师资队伍13.33%培养基地10.22%科学研究科研成果20.00%科研基地13.33%科研项目13.33%学校声誉综合声誉9.77%计算方法：（1）二级评价指标得分的计算。计算公式：上榜高校的二级评价指标得分=100 (各二级评价指标参数系数 ) / MAX( (各二级评价指标参数系数 ) （2）一级评价指标得分的计算。计算公式：上榜高校的一级评价指标得分= 100 各二级评价指标得分 / MAX ( 各二级评价指标得分 ) （3）综合排名得分的计算。 计算公式：上榜高校的最终综合排名得分=100 ( 二级评价指标得分权重) / MAX ( (二级评价指标得分
7、权重) )2.3 “985工程”高校得分排行榜表二 中国“985”高校得分排行榜名次学校名称所在省市类型总分科学研究人才培养综合声誉1北京大学北京综合10095.6110098.322清华大学北京理工96.1810086.551003浙江大学浙江综合56.1053.4652.4074.864复旦大学上海综合55.5753.6055.6951.545南京大学江苏综合42.9040.6742.6345.366上海交通大学上海综合42.5248.0135.5937.397武汉大学湖北综合39.3741.1435.5339.418中国人民大学北京综合36.6128.1136.5273.389华中科技大
8、学湖北理工34.5637.5729.4735.4910中山大学广东综合33.7734.4729.6042.6111吉林大学吉林综合33.6832.5733.8230.4312四川大学四川综合32.2333.8228.5734.1113北京师范大学北京师范27.9528.3223.8739.5814南开大学天津综合27.8428.1724.6035.4515中南大学湖南综合27.6227.9024.6634.1416山东大学山东综合27.4926.0726.7731.8117哈尔滨工业大学黑龙江理工27.2726.2726.4329.9418中国科技大学安徽理工27.2027.8724.5330
9、.2619西安交通大学陕西综合26.4325.6525.0630.8320厦门大学福建综合25.4224.3422.6938.5421天津大学天津理工22.1721.9119.1033.4722北京航空航天大学北京理工21.8524.6216.3529.3023同济大学上海理工21.1019.5118.9235.2624中国农业大学北京农林19.6021.3314.4631.3925东南大学江苏综合19.2216.9018.4030.9426大连理工大学辽宁理工17.3417.1514.7427.0827华南理工大学广东理工16.7315.3614.1033.2128西北工业大学陕西理工15.
10、6215.3612.8527.0829北京理工大学北京理工15.1413.3513.2430.4730东北大学辽宁理工14.9712.6014.2627.5131重庆大学重庆综合14.4712.3012.9829.9332湖南大学湖南综合13.9211.3712.8629.4433兰州大学甘肃综合13.8211.0613.0628.9134中国海洋大学山东综合11.1111.587.6823.1235电子科技大学四川理工10.428.917.7829.1936西北农林科技大学陕西农林8.486.877.0122.3737中央民族大学北京民族5.923.574.6623.41 （由于国防科技大学
11、的军事特殊性，特把它排除在外）3 数据处理及分析3.1 聚类分析在面临比较复杂的研究对象时，我们常常把一些相似的样品（或指标）归成一类进行处理分析，这种将个体或对象分类，使得同一类中的对象之间的相似性与其他类的对象的相似性更强的方法就是聚类分析。常见的有系统聚类法，在这里我们也采用系统聚类法进行分析与处理。基本步骤归纳如下：1 ）定义样品之间的距离；2 ）定义类之间的距离；3 ）n个样品一开始就作为 n个类，根据以上距离的定义，将距离最近的样品（类）聚为一类。设每个样品 xi 有p个指标，他们的观测值可表示为xi=(x1,i,x2,i,xp,i)T这时，每个样品 xi 可看成 p 维空间中的一
12、个点，n个样品就组成 p 维空间中的n个点，我们很自然的用各个点之间的距离来衡量各样品之间的靠近程度。在这里我们采用欧氏距离，即dxi,xj=a=1p(xai-xaj)212常用的类与类之间的距离有三种。我们设i,j等分别表示样品xi，xj，以dij简记样品i，j之间的距离d（xi，xj），用Gp，Gq表示两个类，他们所包含的样品个数分别记为np和nq，类Gp，Gq之间的距离用D（Gp，Gq）表示（1）最短距离DGp，Gq=mindij|iGp，jGq即定义Gp，Gq中最邻近的两个样品间的距离为这两个类间的距离。（2）最长距离DGp，Gq=maxdij|iGp，jGq即定义Gp，Gq中相聚最远
13、的两个样品间的距离为这两个类间的距离。（3）类平均距离DGp，Gq=1npnqiGpjGqdij2即用Gp，Gq中每两两样品间的距离的平均数作为这两个类之间的距离。因为类平均法是聚类效果较好、应用比较广泛的一种聚类方法。所以在这里我们采用类平均法。以上面的理论为依据， 运用SPSS软件，用系统聚类法进行聚类，选取组间连接，在对距离的测度方法中选取欧氏距离，处理结果如下图：表三 系统聚类表Agglomeration ScheduleStageCluster CombinedCoefficientsStage Cluster First AppearsNext StageCluster 1Cluster 2Cluster 1Cluster 213233.417006229311.462006314151.7930015417193.053005516173.857048629324.135219726286.7760016816187.4895015929307.730
