詩句分類精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的詩句分類主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：詩句分類范文
以下的實例剖解，數(shù)據(jù)來自一個典型的中型超市：好佳(化名)。
好佳大約有2500個單品，分成數(shù)十個品類，每個品類下還有小類、單晶。其中飲料是好佳超市的重點品類，我們將以該品類數(shù)據(jù)為依據(jù)進行分析舉例。為行文簡潔，省略大部分數(shù)據(jù)列表。
飲料小類分析
利用EXCEL表格，將各個小類的“銷售占比”和“SKU占比”列出來，很容易得到圖1。
分析：
1．好佳超市飲料類銷售的主體是碳酸飲料和果汁，占飲料銷售額的61．95％，SKU數(shù)占飲料全體SKU的57．94％。
2．深入看：在兩大銷售主體中，碳酸飲料的銷售效率較高，SKU數(shù)占全體飲料的18．69％，卻帶來了37．52％的銷售額。相比之下，果汁銷售效率略低，SKU占飲料總SKU的39．25％，只帶來了24．43％的銷售額。
3．水奶(果奶、鈣奶等乳酸飲料)的SKU占比為15．89％，但銷售只占飲料銷售的10．9％，銷售效率略低。但從數(shù)值上看，只有16個SKU對于水奶這個類別不是多了，而是少了。由于水奶的個性化需求特點明顯，造成顧客可選擇余地少，因此銷售不高。
改進建議：
1．進一步提高果汁的單品銷售效率，也就是提高單品在單位時間里的銷售數(shù)量。當然這里沒有提供各個小類的平均毛利率和供應商返利數(shù)據(jù)，如果某個小類的平均毛利率和返利水平不高，則可先不考慮銷售效率。
2．對水奶等乳酸飲料的商品結構進行市場調(diào)研(如考察競品店)，內(nèi)容包括商品的品種、價格、包裝大小，找到熱銷的SKU，推動這一類別達到平均銷售水平。
3．運動飲料毛利比較高，也是比較時尚的商品類別，只有在促銷上下工夫，才能刺激銷售。
改進緊迫度：
ABC分類分析
實際上，應該形成ABC分析的定期檢查制度，但多數(shù)企業(yè)卻疏于實施。
分析：
1．從圖2可以看出，47．7％的SKU貢獻了飲料總銷售的80．2％(A類商品)，73．9％的SKU則貢獻了總銷售的94．8％(A類及B類商品)。
2．而有26．2％的SKU只為超市帶來了5．2％的銷售收入(C類商品)。
3．飲料平均銷售額為119．55，達到并超過平均銷售額的SKU數(shù)為42，占飲料總SKU的39．25％。
改進建議：
1．報表中沒有單品對應的庫存數(shù)據(jù)，建議結合庫存進一步分析，加強對貢獻了80％銷售的單品的庫存管理，防止缺斷貨。而對只貢獻了5％銷售額的單品庫存，要進行整頓，清理高庫存商品，釋放被占壓的資金。
第2篇：詩句分類范文
關鍵詞： 半監(jiān)督； 圖模型； 局部聚類； 自適應； 圖像分類
中圖分類號： TP391.41 文獻標志碼： A
0引言
圖像分類是圖像處理的一個非常重要的研究方向。目前在機器學習[1]領域有很多方法來解決圖像分類問題，半監(jiān)督學習（SemiSupervisedLearning，SSL）[2-3]是其中重要的一種。半監(jiān)督學習通過標簽數(shù)據(jù)和未知標簽數(shù)據(jù)結合學習，利用大量的未標記樣本和少量的標記樣本來建立分類器，通過利用未標記樣本中隱藏的數(shù)據(jù)信息來提高分類器性能 于圖的半監(jiān)督學習是目前半監(jiān)督學習領域的一個主流方向。在當今研究領域中，已有很多方法[4-7]，并在圖像分類問題上取得了一定的效果。這類方法具有直觀、可解釋性，且分類能力比監(jiān)督的分類方法強。該類算法建立在圖論基礎上[8-13]，在圖像分類中，基于圖的半監(jiān)督方法以圖像中的像素點作為節(jié)點，像素點之間的空間距離作為邊，將圖像映射為一個無向加權圖，通過構造圖上目標函數(shù)來實現(xiàn)分類。線性近鄰傳遞（LinearNeighborhoodPropagation，LNP）[5]作為基于圖的半監(jiān)督方法中的一種，計算復雜度為O（n3），其中n為樣本個數(shù)。圖像的大小直接影響計算復雜度的高低；同時，近鄰參數(shù)k的選擇是否恰當將會直接影響最終分類結果。近年來對LNP算法的改進大多都集中圖的構造上，如何充分利用近鄰信息來提高分類效果成為大家共同關注的問題[14-16]。本文則在LNP中引入局部聚類和自適應近鄰選取思想來解決以上問題。局部聚類的目的是將相同類別的樣本聚到一起，形成點簇集，從而大大減少建圖時的頂點數(shù)目，帶來計算上的優(yōu)勢。同時，對于每一個節(jié)點的近鄰數(shù)目，采用測地距離和歐氏距離之間的關系來動態(tài)確定，達到提高分類精度的目的。最后通過LNP算法實現(xiàn)圖像分類。實驗結果驗證了此方法的有效性和可行性，適于解決較大且復雜的圖像分類問題。
從表1可看出：隨著圖像的增大，LNP分類算法運行時間將大大增加；雖然本文方法也是如此，但相對LNP來說，能夠大大縮短運行時間，同時在分類結果上有更好的表現(xiàn)。從表1中可以發(fā)現(xiàn)，本文方法比LNP方法在正確率上均有所提高，horse230、horse252正確率提高比較大，而horse109、horse263的正確率上提高較小。這是因為在horse230、horse252中目標內(nèi)部顏色信息、相似區(qū)域跳躍點較多，在手工標記樣本時，并不能完全涵蓋所有顏色信息。LNP分類時，在這些區(qū)域并不能取得很好的效果，而本文方法局部聚類時，得到至多包含一種標記點簇的點簇集，并且將其標記信息擴散到整個點簇內(nèi)，形成建圖的頂點集，這樣能夠去除跳躍點，保護目標內(nèi)在結構信息。并且近鄰參數(shù)k的自適應選擇，能夠更好地保護邊緣，因此取得了更好的分類效果。而horse109、horse263圖像簡單，顏色信息較少，且目標與背景差異明顯，因此正確率提高較小。使用quickshift局部聚類大大減少了建圖時的頂點數(shù)目，降低了矩陣規(guī)模，在矩陣相乘求逆等運算中用時更少，提高了運算效率；同時，k的自適應選擇，能夠很好地保護圖像內(nèi)在結構和邊緣，去除相鄰相似區(qū)域的一些跳躍點，提高了分類正確率。這在圖1中有更為直觀的體現(xiàn)。
圖1表示的是分別運用LNP方法及本文方法對表1中對應的8幅圖像進行分類的結果。從圖1可看出，本文方法在目標內(nèi)部區(qū)域基本上可以正確分類，而邊緣、背景與目標外觀相似的地方會有錯分，而LNP方法在目標內(nèi)部、邊緣以及背景均會出現(xiàn)明顯的錯分。特別地，在目標內(nèi)部顏色信息較多、背景與目標相似信息較多的情況下，本文方法在邊緣、背景以及目標內(nèi)部均有更好的分類結果。因為本文方法在局部聚類時，得到的點簇作為建圖時的頂點，這樣能夠去除局部區(qū)域的跳躍點，減少局部顏色信息；同時自適應選擇近鄰參數(shù)k，更好地保護圖像內(nèi)在結構以及邊緣，得到更好的分類結果。這在圖1中（d）和（f）的對比中可以清楚地看到。因此，實驗結果表明，基于局部聚類的自適應LNP分類算法在分類正確率和運行時間上，均要明顯優(yōu)于LNP分類算法 于局部聚類的自適應LNP分類算法先進行局部聚類，形成點簇集，以點簇集為節(jié)點建立圖模型，減小矩陣規(guī)模，大大降低運算時間。同時采用鄰域信息來重構權值，更好地保護圖像內(nèi)部結構，并且使其自適應選擇近鄰數(shù)目；能夠更好地保護邊緣，達到提高分類效果的目的。
5結語
本文提出了一種基于局部聚類的自適應LNP圖像分類方法。該方法首先通過局部quickshift算法將圖像進行局部聚類，形成點簇集，然后以點簇集為節(jié)點建立圖模型。通過將整個圖模型裁剪成一個個局部線性小區(qū)域，而后將所有的局部線性區(qū)域重組來近似整個圖模型，鄰域數(shù)目的選擇通過自適應算法實現(xiàn)。實驗結果表明，與LNP分類算法相比，本文方法降低了計算復雜度，并且很好地保留了圖像的內(nèi)在結構信息以及邊緣，使用更少的時間得到了較好的分類結果。
參考文獻：
[1]ZHOUZH，WANGJ.Machinelearningandapplication[M].Beijing：TsinghuaUniversityPress，2007.（周志華，王玨.機器學習及其應用[M].北京：清華大學出版社，2007.）
[2]CHAPELLEO，SCHOLKOPFB，ZIENA.Semisupervisedlearning[M].Cambridge：TheMITPress，2006：237-273.
[3]ZHUXJ.Semisupervisedlearningliteraturesurvey[EB/OL].[20120805].http：//pages.cs.wisc.edu/～jerryzhu/pub/ssl_survey.pdf.
[4]ZHOUD，BOUSQUETO，LALTN，etal.Learningwithlocalandglobalconsistency[C]//Proceedingsofthe2003AdvancesinNeuralInformationProcessingSystems.Cambridge，MA：MITPress，2004：321-328.
[5]WANGF，ZHANGC.Labelpropagationthroughlinearneighborhoods[J].IEEETransactionsonKnowledgeandDataEngineering，2008，20（1）：55-67.
[6]BELKINM，NIYOGIP，SINDHWANIV.Manifoldregularization：ageometricframeworkforlearningfromlabeledandunlabeledexamples[J].JournalofMachineLearningResearch，2006，7（11）：2399-2434.
[7]ZHUXJ，GHAHARMANIZ，LAFFERTYJ.SemisupervisedlearningusingGaussianfieldsandharmonicfunctions[C]//Proceedingsofthe20thInternationalConferenceonMachineLearning.Madison：AAAIPress，2003：912-919.
[8]YONGL.Manifoldregularizedmultitasklearningforsemisupervisedmultilabelimageclassification[J].IEEETransactionsonImageProcessing，2013，22（2）：523-536.
[9]BIJRALAS，RATLIFFN，SREBRON.Semisupervisedlearningwithdensitybaseddistances[EB/OL].[20130101].http：///abs/1202.3702.
[10]GONGYC，CHENCL.Graphbasedsemisupervisedlearningwithmanifoldpreprocessingforimageclassification[C]//SMC2008：Proceedingsofthe2008IEEEInternationalConferenceonSystems，ManandCybernetics.Piscataway，NJ：IEEEPress，2008：391-395.
[11]LIUW，HEJF，CHANGSF.Largegraphconstructionforscalablesemisupervisedlearning[C]//Proceedingsofthe27thInternationalConferenceonMachineLearning.Haifa，Israel：[s.n.]，2010：679-686.
[12]ZHUXJ.Semisupervisedlearningwithgraphs[D].Pittsburgh：CarnegieMellonUniversity，LanguageTechnologiesInstitute，SchoolofComputerScience，2005.
[13]GOMEZCHOVAL.Meanmapkernelmethodsforsemisupervisedcloudclassification[J].IEEETransactionsonGeoscienceandRemoteSensing，2010，48（1）：207-220.
[14]ZHANHR.Researchongraphbasedsemisupervisedlearning[D].Wuhan：HuazhongUniversityofScienceandTechnology，2009.
[15]WULX.Researchandimplementationoftimeseriesclassificationbasedonsemisupervisedlearning[D].Dalian：DalianUniversityofTechnology，2011.
[16]XUPP.LNPbasedsemisupervisedlearningalgorithms[D].Xian：XidianUniversity，2009.
[17]VEDALDIA，SOATTOS.Quickshiftandkernelmethodsformodeseeking[J].ECCV2008：Proceedingsofthe10thEuropeanConferenceonComputerVision，Marseille，LNCS5305.Berlin：SpringerVerlag，2008：705-718.
[18]COMANICIUD，MEERP，MEMBERS.Meanshift：arobustapproachtowardfeaturespaceanalysis[J].IEEETransactionsonPatternAnalysisandMachineIntelligence，2002，24（5）：603-619.
[19]HAOJB.Researchongraphbasedsemisupervisedlearningmodelandclassifierdesign[D].Hefei：UniversityofScienceandTechnologyofChina，2009.
[20]TENENBAUMJB，deSILVAV，LANGFORDJC.Aglobalgeometricframeworkfornonlineardimensionalityreduction[J].Science，2000，290（5500）：2319-2323.
[21]BELKINM，NIYOGIP.Laplacianeigenmapsandspectraltechniquesforembeddingandclustering[C]//Proceedingsofthe2002AdvancesinNeuralInformationProcessingSystems.Cambridge，MA：MITPress，2001：585-591.
[22]GOLUBGH，vanLOANCF.Matrixcomputations[M].3rded.London：TheJohnsHopkinsUniversityPress，1996.
第3篇：詩句分類范文
關鍵詞：時評論據(jù)；日常累積型論據(jù)；調(diào)查研究型論據(jù)；文獻研究
中圖分類號：G210 文獻標識碼：A 文章編碼：1672-8122（2014）06-0047-03
時評論據(jù)的分類，新聞界通常是在本體視域內(nèi)進行考察，即按照表述事實還是表述客觀規(guī)律，把論據(jù)分為事實性論據(jù)和理論性論據(jù)[1]。這種分類方式幾乎“統(tǒng)治”了所有關于論據(jù)的研究。這種分類方式界定清晰、科學合理，有助于研究者和受眾對論據(jù)的辨析。但是，評論者在實踐中往往更需要查尋、選擇論據(jù)而不是辨別論據(jù)，因此這種分類方式對于評論者的實務操作幫助有限。
本文筆者認為，時評的論據(jù)分類還需要從主體視域出發(fā)，即從評論者獲取論據(jù)的過程和途徑著手。本文按照評論主體獲取論據(jù)途徑的不同，把論據(jù)分為日常累積型論據(jù)和調(diào)查研究型論據(jù)。日常累積型論據(jù)是指評論者通過日常學習、生活的經(jīng)歷所積累的認識或知識；調(diào)查研究型論據(jù)是指評論者通過調(diào)查研究所獲得的與論題相關的事實和認識。這種分類方式可以促使評論者重視調(diào)查采訪的作用，并以研究型思維來查找論據(jù)，更好地適應時展的需要。
一、日常累積型論據(jù)
日常累積型論據(jù)包括評論者個人生活經(jīng)歷、評論者通過長期的閱讀學習所獲得的理論修養(yǎng)和知識儲備、評論者關注新聞時事所獲得的較新的新聞事實、評論者通過廣泛的人脈資源所獲得的重要資料等。
生活積累和個人經(jīng)歷是人們直接獲得的閱歷和體驗。人們碰到的具體事件、所處的情境、與只是聽到的或看到的相比，更加真實、更富有意義，感受也最深刻。它往往是典型的、獨特的、生動的、專業(yè)的、或有戲劇性效果的，容易吸引人和打動人，通常也是真實的（除非評論者有意造假），因此是極為珍貴的論據(jù)，對評論者至關重要。如現(xiàn)《紐約時報》專欄評論家克里斯托弗，生活閱歷非常豐富：哈佛畢業(yè)后在牛津大學學習法律，獲獎學金并以一流成績畢業(yè)。隨后，他在開羅學過阿拉伯語，在臺北學過漢語。在學生時代，他就成為背包客，游歷過非洲和亞洲，以寫文章來貼補旅行開支。他曾在四個大洲居住過，報道過六個大洲的新聞；旅行超過150個國家；到過美國的50個州、中國的每一個省、日本的所有重要島嶼。在旅行過程中，他遇到過瘧疾、暴亂，在非洲遇到過空難。這樣豐富的閱歷，對他的專欄寫作大有幫助。另外，他的妻子為華裔，并且本人多次來到中國調(diào)研，這使他對中國問題相當熟稔，在寫作相關論題時駕輕就熟。
學習和閱讀也是人們知識積累的重要方式。許多時評作者都有學者身份或背景，在某些領域中有精深的研究。如著名學者李敖博聞強記，著作等身。他深厚的學術積淀可說是他評論成功的最大因素。在《李敖有話說》中，他講到一個觀點，就能拿出一本書來，找到出處；對歷史上的事件案例，如數(shù)家珍，信手拈來，令人嘆為觀止。
日常累積型論據(jù)具有以下特點：一是使用方便，可以靈活運用。日常累積型論據(jù)多數(shù)已經(jīng)“內(nèi)化”進入評論者的知識體系，如同一個隨調(diào)隨取的圖書館。評論者面對時評論題時，可以在最短的時間迅捷地把累積型論據(jù)調(diào)動出來。這是調(diào)查研究型論據(jù)所無法替代的。二是日常累積型論據(jù)的收集重在日常積累，表現(xiàn)出鮮明的漸進性。三是日常累積型論據(jù)依賴評論者的個人興趣和關注點。評論者因為生活經(jīng)歷的不同，其所掌握的各種事實信息及理論儲備會有較大差異。評論者有可能憑借獨特資源或特殊經(jīng)歷獲得非常有價值的論據(jù)，這些論據(jù)會增加評論的知識含量，甚至成為評論作品成功的決定性因素。
二、調(diào)查研究型論據(jù)
傳統(tǒng)的評論研究注重評論者知識的積累，強調(diào)日積月累之功，這是非常必要的。但是，時評自身的發(fā)展、多領域的滲透以及多元化的論題，決定了評論者必須擁有“取之不盡，用之不竭”的資料。這個功夫，不是光憑個人積累和腦筋的記憶力可以完成的，必須利用科學的方法，對論題進行調(diào)查研究，更有效率地發(fā)現(xiàn)并尋找到與論題相關的論據(jù)。
如果把調(diào)查研究型論據(jù)進一步細分，可以分為一手論據(jù)和二手論據(jù)。一手論據(jù)是那些在新聞事件發(fā)生或調(diào)查時所產(chǎn)生的資料，主要來自評論者的親身調(diào)查。包括采訪資料、現(xiàn)場照片、影像紀錄、廣播錄音、證人證詞等。二手論據(jù)是與新聞事件或所論現(xiàn)象相關的、他人制作的資料，主要來自評論者的文獻研究。包括關于某個新聞事件、人物或社會現(xiàn)象的書籍、論文、網(wǎng)頁、文件，由他人記述實際見聞所做的訪問或傳記等。
通過親身來到新聞發(fā)生地進行采訪，從而獲得一手論據(jù)，這是西方評論者已經(jīng)習以為常的做法。如美國學者芬克所說，這樣做可以為評論提供“附加值”[2]。仍以《紐約時報》專欄評論家克里斯托弗為例。他不僅生活閱歷豐富，還多次在重大事件中獲得直接采訪機會。2011年2月，埃及和巴林發(fā)生動蕩。他先是來到新聞事件的中心――埃及開羅的塔拉廣場采訪，撰寫了專欄評論并發(fā)回了現(xiàn)場照片；隨后，他來到另一個新聞事件中心巴林進行采訪，撰寫了專欄評論《在巴林，子彈在飛》（In Bahrain， the Bullets Fly）。2011年8月，利比亞局勢動蕩之際，他又來到的黎波里采訪并撰寫了專欄評論。這些采訪雖然未必能保證其評論的公正客觀，但至少可以為他的寫作提供豐富的一手資料，同時向受眾暗示：他在這個問題上更有發(fā)言權。
與此相比，國內(nèi)的媒體評論員鮮有采訪機會。多位學者提出應給予評論員采訪機會或建立相應機制保證評論員獲得一手論據(jù)。如趙振宇教授提出應建立新形勢下的評論記者工作機制，即融記者和評論員于一體，由評論記者完成對新聞事實的采制和評論的寫作[3]。這一問題已引起國內(nèi)評論界的關注并有所行動。
對于國內(nèi)的評論者來說，即使沒有采訪機會，進行一些調(diào)查也會為評論提供一手資料。如2010年8月間，有媒體對國內(nèi)某旅游景點門票價格上漲提出批評，提出“埃及金字塔對本國人只收相當于人民幣1.3元的門票”。媒體人高明勇對此感到懷疑，他通過網(wǎng)絡搜索、致電旅行社和埃及駐華大使館，查明這個論據(jù)與事實不符：埃及本國國民進入金字塔景區(qū)的費用約合人民幣75元左右[4]。作者的評論正因為使用了調(diào)查結果作論據(jù)，才使事實更清楚，受眾也會更加認同。
二手論據(jù)多來自文獻研究。這一研究方式在現(xiàn)代時評寫作中越來越重要。如學者李希光所說，評論者需要具備“深入文獻研究的能力”。每個人的知識結構都有一定的局限性，即使是專業(yè)領域，也并非樣樣精通。評論者應有研究能力，在評論中綜合運用新獲得的知識[5]。時評的論題領域遍及社會各個層面，評論者不可能全部知曉；評論者再勤奮，對于一些專業(yè)性較強的領域，也很難有深厚的積累。現(xiàn)實的應對之策是：評論者除了要知識淵博、博聞強記、勤于積累之外，應樹立一種研究思路，廣泛吸收前人智慧，在此基礎上立論和論證。
現(xiàn)代大型媒體，一般都會擁有一個規(guī)模宏大的資料室，幫助記者編輯和評論員查找資料，以協(xié)助完成報道和評論任務。隨著網(wǎng)絡時代的來臨，專業(yè)知識的搜索相對容易，這為評論者尋找論據(jù)提供了方便，當然也提出了新的挑戰(zhàn)。《科學》雜志2011年的一項研究表明，互聯(lián)網(wǎng)已經(jīng)成為一種人與外部的交互記憶，信息被存儲在自身之外，人們更多的是記住信息的位置，而不是記住信息本身，被稱之為Google效應[6]。換句話說，評論者本人未必要擁有太多的論據(jù)資料，但是，必須知道到哪里能夠獲得這些資料。
時評中的二手論據(jù)具有以下三個特點：一是信息總量豐富。在知識爆炸的年代，各種信息和數(shù)據(jù)形成信息的海洋，任何專業(yè)領域、相關話題都隱藏其中，真正可謂“取之不竭，用之不盡”。二是查找不易。這些有效信息分散在圖書館、資料庫和互聯(lián)網(wǎng)的各個角落，如何迅速有效地把它們找出來，需要評論者掌握搜索技術，也需要有一定的耐心和毅力。三是二手論據(jù)一般來說屬于公共信息，人人皆可獲取。評論者使用二手論據(jù)的優(yōu)勢不在于其獨特性，而在于對它們的理解和整合，即評論者是否可以在短時間內(nèi)將研究文獻融會貫通。這對評論者的研究能力提出了較高要求。
三、研究論據(jù)的查找
通過文獻研究獲得論據(jù)，需要評論者通過科學、認真的查找來獲得前人關于所要評論論題的論述，如書籍、論文、研究報告、統(tǒng)計數(shù)據(jù)等，要求評論者具有一定的研究能力。
（一）研究論據(jù)的資源
在知識爆炸的網(wǎng)絡時代，時評作者可以獲得研究論據(jù)的信息資源眾多，主要包括以下幾種：
1.圖書館資源
在可能的情況下，評論者可以通過《中國圖書資料分類法》在圖書館中找到與論題相關的書籍。通過網(wǎng)絡，也可以訪問各圖書館的聯(lián)機公共檢索目錄（Online Public Catalog，簡稱OPAC）。只需登錄圖書館網(wǎng)站，進入“聯(lián)機公共書目查詢”或“館藏書目數(shù)據(jù)庫檢索”即可查詢圖書館藏書。
2.互聯(lián)網(wǎng)資源
在搜索引擎的強大威力下，互聯(lián)網(wǎng)可以快速地為查詢者提供大量的信息。但是有優(yōu)勢有時候也是劣勢。由于互聯(lián)網(wǎng)信息來源龐雜，正式與非正式信息及其交叉渠道共存，信息缺乏有效的組織管理，因此在甄別信息有效性方面給檢索者帶來很大的挑戰(zhàn)。
除了提高網(wǎng)絡素養(yǎng)和熟練使用搜索引擎之外，評論者要盡可能熟悉所評論的領域的網(wǎng)絡資源。如通過中國政府網(wǎng)頁（http：///govinfo/）鏈接到各政府部門網(wǎng)站，可檢索到大量的有關信息；通過國家統(tǒng)計局網(wǎng)站（http：//）可以獲取各年、月社會經(jīng)濟指標等統(tǒng)計數(shù)據(jù)等；通過新華網(wǎng)等新聞媒體網(wǎng)站可以獲取免費新聞信息及各領域動態(tài)信息。評論者還可以通過搜索引擎查找專題信息，如中文的百度、搜狗，英文的Yahoo、Alta、Vista、Deja News，專業(yè)的Google Scholar、Philes、medscape等[8]。
3.專業(yè)學術數(shù)據(jù)庫資源
相比互聯(lián)網(wǎng)上資料的良莠不齊，專業(yè)學術數(shù)據(jù)庫匯集了許多有價值的資料，這些資料難以在互聯(lián)網(wǎng)上被檢測到。這些數(shù)據(jù)庫的用戶為了獲得服務必須支付一定的費用。現(xiàn)在一些教育研究機構可以向社會提供服務，如中國國家圖書館（http：///）就向社會公開了大量資源，只要辦理讀者卡（免費）的用戶，登錄后就可接觸大量中外文數(shù)據(jù)庫并在線閱讀一些學術著作、學位論文和期刊論文。
如中國知網(wǎng)提供了豐富的知識信息資源，使用最為廣泛。中國知網(wǎng)數(shù)據(jù)庫包括中國期刊全文數(shù)據(jù)庫、中國博士學位論文全文數(shù)據(jù)庫、中國優(yōu)秀碩士論文全文數(shù)據(jù)庫、中國重要報紙全文數(shù)據(jù)庫、中國重要會議論文全文數(shù)據(jù)庫等，可以對海量數(shù)據(jù)進行簡單或高級檢索。
一些國外數(shù)據(jù)庫也包含著重要的信息資源。較為優(yōu)秀的英文數(shù)據(jù)庫有EBSCO、PROQUEST、SAGE數(shù)據(jù)庫等。EBSCO數(shù)據(jù)庫經(jīng)管類的文獻比較全，多為權威期刊，且大多能查到全文。PROQUEST系列（尤其是ABI和ARL）是非常好的數(shù)據(jù)庫，特點是比較全面，期刊追溯時間長，但有時只有題錄，沒有原文。SAGE數(shù)據(jù)庫涉及商業(yè)、人文科學、社會科學、自然科學、醫(yī)藥學等學科，同時包括特殊學科研究的數(shù)據(jù)庫等內(nèi)容。
（二）研究文獻的查找策略
對于時評來說，研究文獻的查找受到其文體寫作特點的限制，有一定的特殊要求，主要包括：1.時間要求。時評受時效性要求，需要盡快查找到相關信息，不能如學術研究那樣“慢工出細活”。2.通俗性要求。時評屬于大眾性文體，因此不能使用過于專業(yè)化的詞匯，這就要求評論者盡快“消化”這些文獻資料，使之通俗化，方便受眾接受。3.確定性要求。時評要求論點鮮明，以期得到具有確定性的觀點信息。評論者不需要對學術爭議過分涉及，應避免在信息海洋中迷失，使自己的觀點猶疑不定。
結合時評的文體特點，評論者在做文獻研究時應盡量做到以下幾點：
一是瞄準新文獻資源。較新的文獻資源如果是事實性論據(jù)，一般是比較新穎的事實，往往引用者比較少，可以增加論據(jù)的新鮮性；如果是理論性論據(jù)，新文獻較多反映理論前沿，理論價值較高。而且新文獻中新觀點較多，適應時評“求新”的特點。
二是瞄準權威文獻資源。限于時間要求，評論者應選取比較經(jīng)典和最有權威性的文獻來進行精讀。學術研究盡管論著多多，但真正很有價值的往往是少數(shù)。應通過篩選，盡量保留權威文獻，剔除檔次低的文獻。在選擇時可以有意識選擇那些較有信譽的期刊所發(fā)表的文章，或者由該領域的權威作者所著的文獻，也可以咨詢相關領域?qū)＜一驁D書館員。
三是文獻閱讀在精不在多。大批的文獻只需要研讀其摘要及關鍵詞。經(jīng)過篩選后，選擇少數(shù)文獻閱讀全文。如果有可能的話，找到權威的綜述性或述評性文獻，可以幫助評論者更快地了解這個論題的研究發(fā)展及現(xiàn)狀。
四是評論者需要從資料中得出自己的見解和觀點。評論者不能局限于介紹他人觀點和研究成果，還要對各種論據(jù)進行恰當而中肯的評價，并依據(jù)這些論據(jù)做出自己的判斷。時評不僅在于“述”，要點在于“評”，要根據(jù)論據(jù)得出自己的主要觀點、結論、存在問題、發(fā)展趨勢，并提出自己的意見。
綜上所述，從主體視域出發(fā)，時評作者在準備論據(jù)時應做到“一體兩翼”：即既要注重日常生活的深厚積累，也要具備強大的采訪和文獻研究能力。一方面，日常積累可以增加評論者的知識底蘊，為可能的調(diào)查研究提供幫助。評論者對議題的了解越多，知識積累越多，就越能夠得心應手地開展采訪和研究；另一方面，通過調(diào)查研究可以增加評論者的知識廣度，使評論者能夠擴大評論面，增加評論的附加值，開闊知識視野。評論者通過采訪和文獻研究所得到的知識，必將進一步沉淀為評論者的日常積累，增加對議題的理解，為未來的評論實踐所用，從而形成良性循環(huán)，讓評論者保持知識積累上的“開放狀態(tài)”。
參考文獻：
[1] 丁法章.當代新聞評論教程[M].上海：復旦大學出版社，2012.
[2] （美）康拉德芬克著.柳珊，顧振凱，郝瑞譯.沖擊力―新聞評論寫作教程[M].北京：新華出版社，2002.
[3] 趙振宇.現(xiàn)代新聞評論[M].武漢：武漢大學出版社，2009.
[4] 高明勇.埃及金字塔門票真的才1.3元嗎？[N].新華每日電訊，2010-8-31.
[5] 李希光，孫靜惟，王晶.新聞采訪與寫作教程[M].北京：清華大學出版社，2011.
第4篇：詩句分類范文
[關鍵詞]系統(tǒng)聚類Q型因子分析生活質(zhì)量
1引言
居民生活的改善提高不只是體現(xiàn)在物質(zhì)生活上，還需要物質(zhì)、文化等方面的協(xié)調(diào)發(fā)展。廣東省經(jīng)濟發(fā)展一直走在全國前列，雖然廣東各城市的經(jīng)濟發(fā)展程度可能有所差異，但各市的生活質(zhì)量情況，不能只從經(jīng)濟發(fā)展程度進行描述。因此，需要依據(jù)廣東省的情況提出有效的城市人口生活質(zhì)量水平的分類評定方法，一方面，可以給個人家庭提供生活方式改善的建議；另一方面，能給政府部門制定政策、資金投放提供建議。生活質(zhì)量水平的提高，體現(xiàn)了以人為本的科學發(fā)展觀思想，有助于推動社會發(fā)展，推進實現(xiàn)全面小康社會。
針對城市居民生活質(zhì)量評價，國內(nèi)很多作者應用了成熟的方法。張亮[1]的安徽城市居民生活質(zhì)量評價分析中，從經(jīng)濟、社會、環(huán)境三方面進行指標選取；秦嶺[2]的人口生活質(zhì)量水平綜合評價中，更具體地從物質(zhì)生活、社會環(huán)境、生態(tài)環(huán)境、精神生活四部分篩選；孫峰華[3]的中國省會城市人口生活質(zhì)量評價研究中將要素劃分為空間與非空間。上述研究選取的指標內(nèi)涵豐富，但是多以經(jīng)濟、環(huán)境為主。所以，對于人口生活質(zhì)量評價，本文選取的指標更側(cè)向于居民生活方面以及精神文化方面，同時在經(jīng)濟方面融入房地產(chǎn)的潛在影響，考慮房價對居民生活質(zhì)量影響。
2指標選取及數(shù)據(jù)預處理
生活質(zhì)量是以生活水平為基礎，同時衡量人的精神文化等高級需求的滿足程度以及對環(huán)境狀況的評價。因此，本文從經(jīng)濟基礎、環(huán)境狀況、社會基建、居民生活進行考慮，選取廣東省21個城市2015年的地區(qū)生產(chǎn)總值（）、竣工房屋價值（）、常住居民人均收入（）、常住居民人均消費支出（）、郵電業(yè)務總量（）、城市公共交通車輛標準運營數(shù)（）、餐飲業(yè)營業(yè)額（）、城鄉(xiāng)基本養(yǎng)老保險基金征繳額（）、失業(yè)保險基金征繳額（）、衛(wèi)生技術人員數(shù)（）、人均公園綠地面積（）、城鎮(zhèn)生活垃圾無害化處理率（）、城鎮(zhèn)污水處理率（）、財政在教育方面的預算支出（）、研究與開發(fā)機構科技經(jīng)費支出（）旅游業(yè)營業(yè)額（）、和人口密度（）作為研究指標，考慮到數(shù)據(jù)的實效性、可得性及準確性，本文數(shù)據(jù)均取自2016年《廣東省統(tǒng)計年鑒》。
由于選取的指標原始數(shù)據(jù)單位不一致，為消除量綱影響，需要對數(shù)據(jù)進行標準化預處理。本文將采用Z-score標準化方法。
3城市生活質(zhì)量等級分類
聚類分析能科學有效地反映客觀事物的內(nèi)在差別和聯(lián)系，反映各類事物之間的差異，因此，本文將采用實踐中被廣泛運用的系統(tǒng)聚類方法，對廣東省21個城市的居民生活質(zhì)量狀況進行劃分。
系統(tǒng)聚類的基本思想是：先將每個樣品各自看成一類，然后規(guī)定樣品間距離以及各類之間的距離后，選擇當中距離最小的一對合并成新的一類，接著計算新類與其他類之間的距離，再將距離最近的兩類合并。每次減少一類，直至所有樣品合為一類。
本文采用人們普遍接受的直觀距離描述——歐氏距離，度量樣品間距離；類之間的距離，采用基于方差分析方法的分類效果較好的Wald最小方差法。應用SAS軟件進行數(shù)據(jù)處理，所得結果見聚類結果樹狀圖及聚類歷史結果（因結果表格篇幅過長，下表只取前5類。）
根據(jù)聚類結果，由半偏統(tǒng)計量，可以發(fā)現(xiàn)n=1及n=2時統(tǒng)計量最大，說明這兩步合并效果不合理，應采取上一步的分類，因此，合并為2或3類比較合適。由偽F統(tǒng)計量，在n=3時，統(tǒng)計量出現(xiàn)了局部增大，因此，分成3類比較合適。
綜上，通過觀察分析，可以認為，將21個城市分為3類比較合適，分別為廣州、深圳；東莞、佛山、惠州、中山、珠海；潮州、揭陽、云浮、河源、茂名、湛江、清遠、汕尾、陽江、韶關、肇慶、江門、梅州、汕頭。
4城市生活質(zhì)量差異
為分析廣東省21個城市的人口生活質(zhì)量差異，本文采用多元統(tǒng)計中的Q型因子分析方法，多角度剖析城市人口生活質(zhì)量差異的共有原因，針對問題給出合理的改進建議。因子分析是研究從變量群中提取共性因子的統(tǒng)計技術，它可以從許多變量中，找出隱藏的具有代表性的因子。
根據(jù)計算結果，三個特征值累計方差貢獻比率達到90.697%。因此，根據(jù)主成分法，可以選取三個公共因子。
由于因子載荷矩陣并不是唯一的，為更好確定因子的實際內(nèi)容，對因子進行適當?shù)男D(zhuǎn)，使因子載荷矩陣的結構更加清楚，使每一個變量F盡量只負荷在一個因子上。本文采用方差最大正交旋轉(zhuǎn)，旨在盡量使得任一個變量只在一個因子上有高貢獻率，在其它因子上的載荷幾乎為0，或任一因子只在少數(shù)變量上有高載荷，而在其它變量上的載荷幾乎為0。因子旋轉(zhuǎn)后的特征結果如上表2，因子載荷矩陣如下表3。
根據(jù)因子載荷矩陣，可以按公共因子將指標分為三類。第一類F1包含人口密度、城鄉(xiāng)基本養(yǎng)老保險基金征繳額、失業(yè)保險基金征繳額、城市公共交通車輛標準運營數(shù)、郵電業(yè)務總量、地區(qū)生產(chǎn)總值、財政在教育方面的預算支出、常住居民人均消費支出、常住居民人均收入、餐飲業(yè)營業(yè)額，反映了居民生活的經(jīng)濟基礎以及基本的社會生活狀況，相當于居民生活質(zhì)量的基礎評定。
第二類F2包含研究與開發(fā)機構科技經(jīng)費支出、旅游業(yè)營業(yè)額、衛(wèi)生技術人員數(shù)、竣工房屋價值，這是可以反映居民生活質(zhì)量提高程度的因子。科學是第一生產(chǎn)力。一個城市是否有源源不斷的發(fā)展動力，很大程度上取決于該市的科技發(fā)展。只有不斷的創(chuàng)新，居民的生活質(zhì)量才能不斷地提升。其次，文化產(chǎn)業(yè)的崛起，也能反映居民生活質(zhì)量的提升。再者，居高不下的房地產(chǎn)，實際上增加了居民的生活負擔，對居民生活質(zhì)量的提升起到一定阻礙作用。綜合起來，第二類因子能夠反映城市當前居民生活質(zhì)量的提高高度。
第三類F3包含城鎮(zhèn)生活垃圾無害化處理率、城鎮(zhèn)污水處理率、人均公園綠地面積，反映了居民的環(huán)境生活，其中的生活垃圾和污水處理刻畫了居民在生活上產(chǎn)生的污染，即生活成本，越低的損耗，可以從側(cè)面反映生活質(zhì)量的改善提高
根據(jù)所得的公共因子及其因子載荷，根據(jù)回歸分析法，可以計算各城市在三個公共因子上的得分，具體計算方法如下：
為了綜合21個城市的人口生活質(zhì)量情況，本文采取方差貢獻率占比作為權重，計算出它們的綜合得分。下表僅選取每類城市中的一個代表（結果保留三位有效數(shù)字）。
5結果分析
結合聚類和因子分析的結果，本文可將廣東省21個城市分為三個不同生活質(zhì)量水平類型，依據(jù)他們改進方向分為：環(huán)境型、創(chuàng)新型、物質(zhì)型。
廣州、深圳屬于環(huán)境型，它們在F1、F2上得分較高，說明該類城市注重經(jīng)濟和社會發(fā)展，人民生活基礎較高，同時，注意經(jīng)濟發(fā)展的可持續(xù)性，著力提高城市科技創(chuàng)新能力。然而，在居民生活環(huán)境方面，該類城市得分處在中等水平，這意味著，盡管該類城市人民生活基礎較高，但仍有一定提升空間，在對生活廢棄物處理方面，仍需改進。建議該類城市均衡發(fā)展，找到經(jīng)濟發(fā)展與環(huán)境保護的平衡點，推進環(huán)保措施的落地實行。
中山等五個城市屬于創(chuàng)新型，它們在F3上得分較高，在F1上得分僅次于環(huán)境型城市，說明該類城市人民生活基礎較好，且注重居民生活環(huán)境的保護。然而，該類城市在F2上得分較低，說明該類城市在科技創(chuàng)新方面的投入不夠，導致其經(jīng)濟實力仍與環(huán)境型城市存在差距，需注意經(jīng)濟發(fā)展模式。建議該類城市加大科技創(chuàng)新、文化發(fā)展產(chǎn)業(yè)的投入，注重發(fā)展的可持續(xù)性。
韶關等14個城市屬于物質(zhì)型，這些城市在三個公共因子上的得分普遍不太理想，它們僅在F2上差強人意，這說明該類城市人民生活基礎、生活質(zhì)量相對較低，因此該類城市的人民生活質(zhì)量有較大改善空間，但與此同時，該類城市注重科技發(fā)展，相信假以時日，該類城市的人民生活水平將會有較大幅度的提升。建議該類城市加快經(jīng)濟發(fā)展，大力發(fā)展多元經(jīng)濟，激發(fā)經(jīng)濟發(fā)展活力，同時堅持原有教育、科技發(fā)展。
參考文獻：
[1]張亮，趙雪雁，張勝武，李定，侯彩霞. 安徽城市居民生活質(zhì)量評價及其空間格局分析[J]. 經(jīng)濟地理，2014，（04）：84-90.
[2]秦嶺，宋麗敏. 人口生活質(zhì)量水平綜合評價[J].市場與人口分析，2004，（06）：37-40.
[3]孫峰華，魏曉，王興中，邵舉平. 中國省會城市人口生活質(zhì)量評價研究[J].中國人口科學，2005，（01）：69-75+98.
第5篇：詩句分類范文
關鍵詞：森林分類經(jīng)營；必要性；具體措施
1 林場實行森林分類經(jīng)營的必要性
1.1 實行森林分類經(jīng)營可使商品林真正走向市場
我國的林業(yè)是粗放型經(jīng)濟的代表，在長期的經(jīng)營過程中，林業(yè)的生產(chǎn)周期一般較長，很難在較短的時期內(nèi)見效，產(chǎn)出投入比例不高，不能保證正常的投資回報等因素影響，無法吸引到充足的資金投入，導致林業(yè)在低端產(chǎn)業(yè)中循環(huán)。受我國長期計劃經(jīng)濟體制的影響，林業(yè)的生產(chǎn)經(jīng)營部門沒有自主的經(jīng)營權和決策權，在當前的市場經(jīng)濟條件下，林業(yè)的生產(chǎn)經(jīng)營沒有根據(jù)市場的規(guī)律運行，無法在市場經(jīng)濟中進行優(yōu)勝劣汰的競爭，導致林業(yè)不能完全的走向市場。
進行森林分類經(jīng)營，使林業(yè)的經(jīng)營走向市場，遵循市場的經(jīng)濟規(guī)律，實現(xiàn)林業(yè)的進一步發(fā)展，實現(xiàn)林業(yè)的商品化經(jīng)營，林業(yè)部門可以根據(jù)市場的行情和需求來選擇那些經(jīng)濟效益好的樹種進行經(jīng)營，使林業(yè)的經(jīng)營部門取得一定的經(jīng)濟利潤，在較高的林業(yè)投資回報的吸引下，也可以吸引社會生產(chǎn)資源參與到林業(yè)部門的投資，改變林業(yè)部門資金緊張的狀況。林場只有實行森林的分類經(jīng)營，才能確保商品林經(jīng)營走上一條市場化的發(fā)展道路，林業(yè)部門擁有自主的決策權，林業(yè)的生產(chǎn)和企業(yè)生產(chǎn)行為一樣，經(jīng)濟效益是企業(yè)經(jīng)營活動的重點，在利潤的刺激下，林場經(jīng)營者的積極性就會大大提高，也可以防止在陌生的領域進行盲目的投資，給林業(yè)部門帶來較大損失。
1.2 實行森林分類經(jīng)營可使生態(tài)公益林得到有效的經(jīng)營和保護
在我國生態(tài)公益林的主要作用是對環(huán)境和生態(tài)進行保護，經(jīng)營者不是直接的受益主體，因此，出現(xiàn)了受益者不經(jīng)營、不投入、而獲益，經(jīng)營者實行經(jīng)營和投入而不受益的矛盾。以往不實行森林分類經(jīng)營的時候，生態(tài)公益林，包括林場的防護林等，是林場中只有投入沒有產(chǎn)出的對象，沒有利潤的情況下，導致林場經(jīng)營者的積極性下降，不進行人力、物力、財力的投入來確保林場的經(jīng)營。沒有進行森林的分類經(jīng)營，導致林場權益與責任之間沒有進行明確的劃分，防護林等生態(tài)公益林由于缺乏有效的經(jīng)營和管理，沒有發(fā)揮實際的生態(tài)效益。
對森林進行分類經(jīng)營之后，明確林場的投入和產(chǎn)出關系，經(jīng)營者的責任權利關系，充分發(fā)揮政府在市場經(jīng)濟中進行宏觀調(diào)控的手段和能力，加強對生態(tài)公益林的經(jīng)營和管理，實現(xiàn)生態(tài)林的效益，不但有利于提高對生態(tài)公益林的經(jīng)營和管理水平，而且使生態(tài)林的生態(tài)效益得到最大發(fā)揮。
1.3 森林分類經(jīng)營是有效利用林場林地資源的前提
林場最重要的生產(chǎn)資源是林地，林場為了實現(xiàn)自身的經(jīng)營活動，需要消耗大量的資源來維護林地的所有權，增加了生產(chǎn)的成本。同時，由于自身經(jīng)營管理水平的限制，林場對有限的林地資源利用效率不高，只有進行森林的分類經(jīng)營，對有限的林地進行科學合理的規(guī)劃，根據(jù)森林的主體功能劃分具體的經(jīng)營類型，加大對商品林中高效林業(yè)的經(jīng)營力度，提高對林場資源的使用率。
2 森林分類經(jīng)營措施
2.1 林場劃類經(jīng)營
林場可根據(jù)林場資源構成情況，把林場劃分商品生產(chǎn)型和生態(tài)公益型林場2大類型。對前者進行規(guī)范管理，若占用林地資源應繳納林地占用費，國家投資形成的資產(chǎn)效益應折成股份，在林場分配過程中，將國家股份所得上繳代表國家行使資產(chǎn)管理職能的相關部門，林場的經(jīng)營活動照章納稅，林場對經(jīng)營活動的投入應通過國家計劃解決。為了增強林地的經(jīng)濟活力，在森林生態(tài)防護效益的基礎上，林場可以從事商品生產(chǎn)。
2.2 林場森林資源劃類經(jīng)營
對林場劃類經(jīng)營后，還應對林場森林資源進行劃類經(jīng)營。生態(tài)公益型林場的經(jīng)營投入主要通過經(jīng)營管理投入預算，由國家投資解決。商品經(jīng)營型林場由于存在2類資源，必須對森林資源劃類經(jīng)營。對于商品林，應完全由林場自主經(jīng)營，行政主管部門要減少對其直接干預；對于生態(tài)公益林，應通過實行森林效益補償制度，對經(jīng)營投入問題進行解決。
3 結語
當前，對林場進行綜合發(fā)展時，如何進行有效的分類運作是一個需要重視的問題。對林場的分類運作設置綜合化的管控體系，同時進行合理的政策輔助，是活動開展的關鍵點。林業(yè)的管理部門要實事求是根據(jù)林場當?shù)氐膶嶋H情況，在相關的理念體系的主導作用下，找到一個適合促進當?shù)亓謭鼋?jīng)濟效益的運作體系。對林場實施分類運作，重要的工作是前期做好綜合規(guī)劃，進行分類設置。公益林的發(fā)展依然是林場分類經(jīng)營的難點，吸引更多的資金加入到公益林的發(fā)展和維護，是林場實現(xiàn)全面發(fā)展的重點。
參考文獻
1 陳火春.再談森林分類經(jīng)營林業(yè)[J].調(diào)查規(guī)劃，2001（7）
第6篇：詩句分類范文
【關鍵詞】經(jīng)濟實力；評價體系；因子分析；聚類分析；區(qū)域劃分
一、引言
作為全國的能源化工基地，山西省近年來的經(jīng)濟建設取得了較為顯著的成績，然而由于自然基礎、經(jīng)濟基礎等各方面原因，區(qū)域內(nèi)經(jīng)濟差異較大，因此，為實現(xiàn)山西省轉(zhuǎn)型跨越式發(fā)展，達到經(jīng)濟快速發(fā)展的目標，縮小區(qū)域內(nèi)經(jīng)濟差異、促進各區(qū)域協(xié)調(diào)發(fā)展已成為全省開展各項工作的一個核心。而這一目標的實現(xiàn)，必須建立在對11個市區(qū)科學的經(jīng)濟分析基礎之上。本文正是利用因子分析和聚類分析對山西省各市區(qū)的經(jīng)濟實力進行了綜合測評，并通過劃分區(qū)域，找出各市區(qū)的優(yōu)勢和不足，以使山西實現(xiàn)可持續(xù)發(fā)展。
二、構建經(jīng)濟指標體系
所選取的評價指標體系應能客觀真實地反映各地區(qū)的實際情況，不僅包括投資產(chǎn)出狀況，也要反映該地區(qū)的居民支出水平，基于此，本文選取了各地區(qū)生產(chǎn)總值（X1）、地方財政收入（X2）、商品出口總額（X3）、人均生產(chǎn)總值（X4）、人均儲蓄存款（X5）、資本形成總額（X6）、固定資產(chǎn)投資總額（X7）[1]。其中人均儲蓄存款與人均消費水平成相反關系，所以人均儲蓄存款在一定程度上也能反映居民支出水平。
三、因子分析
因子分析是通過研究眾多變量之間的內(nèi)部依賴關系，探求觀測數(shù)據(jù)中的基本結構，并用少數(shù)幾個“抽象的變量”來表示其基本的數(shù)據(jù)結構，以達到降維、簡化數(shù)據(jù)的目的[2]。
由于旋轉(zhuǎn)前的因子載荷陣顯示的每個因子在不同變量上的載荷沒有明顯差異，為便于對因子命名，對因子載荷陣進行了旋轉(zhuǎn)。
（四）由因子得分系數(shù)和原始變量的標準化值可求得各市區(qū)每個因子的得分數(shù)。
四、聚類分析
根據(jù)因子得分分析區(qū)域發(fā)展的趨同程度，可對原始數(shù)據(jù)標準化后再進行系統(tǒng)聚類，以輔助分析。對各市區(qū)的變量F1和變量F2的每個數(shù)據(jù)在SPSS中利用系統(tǒng)聚類法進行聚類分析，其結果如下：
第一類：太原
第二類：大同、長治、晉中、運城、忻州、臨汾、呂梁
第三類：陽泉、晉城、朔州
因子分析的綜合得分在一定程度上反映了各市區(qū)綜合經(jīng)濟實力，而聚類分析的結果對深入了解各市區(qū)在投資產(chǎn)出及支出方面的優(yōu)劣有重要的意義。太原作為省會，在兩方面均占有優(yōu)勢。而第二類中的大同、長治、晉中、運城、忻州、臨汾、呂梁在投資產(chǎn)出方面比較占優(yōu)勢，在支出方面卻低于全省平均水平。第三類中的陽泉、晉城、朔州在投資產(chǎn)出方面低于全省平均水平，而消費支出則高于全省平均水平。
五、結論與建議
1.結論
從11個市區(qū)經(jīng)濟實力因子分析的綜合得分可以看出，各市區(qū)綜合經(jīng)濟實力存在較大差異，排名第一的太原得分為1.887，而排名最后的忻州僅為-0.640。在公因子F1上的差距更為顯著，第一名太原與最后一名陽泉相差3.665，在公因子F2上的差距也較明顯，第一名太原與排在最后的運城相差2.878。
而聚類分析不僅考慮到綜合得分，還考慮到各市區(qū)在產(chǎn)出與支出方面的特點。通過聚類分析，可以把山西省分為三類，在同一類別中的政策措施可以相互借鑒。
2.建議
（1）典型引路，整體推進。從因子分析的綜合得分看，太原的經(jīng)濟實力很高，得分遠遠高于其他市區(qū)，堪稱典范，其他市區(qū)應向發(fā)展好的市區(qū)看齊，綜合考慮自身的地理位置、資源特點等，采取積極有效的措施，以促進經(jīng)濟的跨越式發(fā)展。
（2）有針對性地采取策略。對于投資產(chǎn)出占優(yōu)勢支出水平較低的長治、呂梁、運城等地，在保持優(yōu)勢的同時，要促進居民支出，在做精煤炭產(chǎn)業(yè)的同時，大力發(fā)展諸如旅游業(yè)、制造業(yè)等多元產(chǎn)業(yè)，創(chuàng)建低碳環(huán)保的循環(huán)經(jīng)濟模式。而陽泉、晉城、朔州等地，要鼓勵外資和本地民間資本進入工業(yè)制造、基礎設施、生態(tài)建設、城市公用事業(yè)等領域，積極引進戰(zhàn)略投資、優(yōu)勢企業(yè)及重大項目，認真學習借鑒附著在資本載體上的管理、技術、企業(yè)文化和工業(yè)文明等，提升發(fā)展的活力和后勁。
（3）整體規(guī)劃、協(xié)調(diào)發(fā)展。山西省應作為一個整體，用系統(tǒng)的觀點統(tǒng)一進行規(guī)劃管理，針對各市區(qū)的優(yōu)勢與弱項，從全局出發(fā)，綜合考慮經(jīng)濟布局、經(jīng)濟發(fā)展目標、三大產(chǎn)業(yè)結構調(diào)整等各因素，構建”一核一圈三群”為主體的城鎮(zhèn)化發(fā)展格局，將山西省打造成一個統(tǒng)籌兼顧、可持續(xù)發(fā)展的先進省份。本文在聚類分析基礎上的經(jīng)濟實力分區(qū)可以為全省的整體規(guī)劃提供政策參考。
參考文獻
第7篇：詩句分類范文
我國歷史文化悠久,歷代正史中都有關于災害發(fā)生、危害情況的記載,形成了一個序列長、內(nèi)容豐富的資料庫,這些歷史災害信息對我們認識災害、研究災害和減輕災害有著非常重要的參考價值,國內(nèi)外災害研究者都對此給予了高度評價。2011年5月國家減災委發(fā)表了《國家自然災害空間信息基礎設施總體構思》主旨報告[1],進一步把歷史災害信息平臺作為我國災害空間信息系統(tǒng)建設的重要組成部分。
然而由于古代科技水平的限制,長期以來災害記錄一直處于定性描述階段,這使得對歷史災害信息的還原、提取、量化難度很大,基于現(xiàn)代翔實災害記錄的各類災害分級方法因而難以套用于歷史災害記錄。現(xiàn)代災害記錄中的各種災害屬性如傷亡人數(shù)、受災面積、倒房數(shù)量、直接經(jīng)濟損失等作為災害分級方法的重要依據(jù),都有著客觀準確的統(tǒng)計結果,量化程度很高,可比性較強;然而歷史災害記錄的各項災害屬性則以描述性語言為主,并且存在大量屬性值缺失,可比性較差。例如一條典型的洪澇災害記錄:“十二月戊戌,開封府陳留等六縣水災,詔免其田租”,僅包含了災種,時間,地點,政府響應等信息,既未提及傷亡人數(shù),也未提及倒房數(shù)量,而經(jīng)常作為災害分級關鍵屬性的“直接經(jīng)濟損失”更無從得出,數(shù)據(jù)量化難度很高,這使得現(xiàn)有的一些歷史災害分級方法人為觀念介入較多,難以令人信服,而基于現(xiàn)代災害記錄的分級方法[2-5]則適應性較差,神經(jīng)網(wǎng)絡[6]則因為其較強的逼近非線性函數(shù)的能力、模式識別能力以及分類能力,成為理論上較為適用的方法,但是由于歷史災害記錄的特殊性,神經(jīng)網(wǎng)絡必須先通過專家人工分級的結果進行訓練,依然無法擺脫對主觀因素的依賴。
鑒于此,本文嘗試用另一種思路即先聚類再分級的方法來解決歷史災害分級問題,目前已有學者提出相關的模糊聚類[7-8]、灰色聚類[9-10]等災害聚類分級方法,然而這些方法仍離不開人為的參數(shù)干預,如模糊聚類必須手動設置合適的αе擔并且其應用背景都是災害記錄已經(jīng)過高度量化的情況。因此本文提出一種蟻群聚類算法對歷史災害記錄進行自動聚類,再根據(jù)聚類結果中各聚類中心的層次性完成分級,從而有效減免了災害分級流程中的主觀因素介入,并通過實驗證明了本方法的有效性。
1 蟻群聚類分級算法
1.1 蟻群聚類思想
歷史災害分級問題可以歸結如下。1)分級標準問題。由于歷史災害記錄以描述性為主,不可避免地加入了記錄人的 主觀看法,因此對這些記錄難以制定出較客觀的分級標準,不同的歷史專家對同一條記錄也很可能根據(jù)各自的標準而產(chǎn)生不同的評級結果。而通過聚類可以不依賴于具體的分級標準,是一個很好的解決思路。2)數(shù)據(jù)量化問題。歷史災害記錄敘述簡約且無統(tǒng)一格式,這就要求既要提取出能體現(xiàn)災害特征的關鍵信息,又要兼顧其他重要信息以補不足。3)批
量處理問題。現(xiàn)有的一些分級方法都是基于小樣本進行分析的,當樣本量較大時其運算效率就會大大降低,而歷史災害記錄浩如煙海,對其進行分級處理就必然要考慮到算法時效性問題。4)專家監(jiān)督問題。在歷史災害數(shù)據(jù)自身系統(tǒng)性,表述性不足的情況下,歷史專家的專業(yè)意見就顯的格外重要,而且聚類結果本身也要獲得歷史專家的認可才有意義。但是由于歷史災害記錄固有的主觀性特點,專家與專家之間也存在著一定的分歧,這使得在分級過程中過多參入專家的意見又可能使所得出的分級結果成為“一家之言”,客觀性不足,因此需要加以權衡,本文認為讓專家的指導作用盡量體現(xiàn)在大方向上是一種較為理想的解決方式。
聚類是指將物理或抽象的數(shù)據(jù)集合按有關特性的相似程度進行分組的過程。通過聚類可以使同一組中各數(shù)據(jù)的特性盡可能地相似,而不同組數(shù)據(jù)間的特性差異盡可能地大,災害分級對等級內(nèi)和等級間災害數(shù)據(jù)的期望與聚類思想是一致的,可見災害分級問題可以被視為一種層次聚類問題。
自1991年蟻群算法[11-12]提出以來,已在多個領域得到了廣泛的應用,并衍生出了各種螞蟻行為模型。孵化分類(brood sorting)是一種可以在許多種類的螞蟻中觀察到的行為,螞蟻將卵和小幼蟲緊密地排列成束并且放置在巢穴孵化區(qū)的中心,而最大的幼蟲位于孵化束的外圍。Deneubourg等[13-15]提出了一個模擬這一現(xiàn)象的模型,其中螞蟻根據(jù)周圍物品的數(shù)量來收集或丟棄某個物品。例如,如果一只螞蟻帶有一個小卵,那它極有可能將其放置在排布了許多相同的卵的區(qū)域;相反,如果一只未攜帶任何物品的螞蟻在一堆小卵中發(fā)現(xiàn)了一只大幼蟲,那么它帶走這只幼蟲的概率非常大。在其他任何情況中,螞蟻收集或丟棄物品的概率值都非常小。
受上述模型的啟發(fā),本文提出了一種基于蟻群聚類行為的歷史災害分級算法。算法思想是先根據(jù)歷史專家的意見,將歷史災害劃分為“輕災、中災、重災和特重災”4個等級,即聚為4類,然后把歷史災害數(shù)據(jù)隨機放到4個組中,通過令螞蟻從一個組中選出一個數(shù)據(jù)再放入一個組,引導螞蟻把初始混亂無章的各組整理成有序。算法中螞蟻的各種行為仿照上述模型,是按概率進行的,如螞蟻要選擇某個組進行整理時,評價越混亂的組被螞蟻整理的概率越大,然而螞蟻并非一定會選擇最混亂的組進行整理,這樣可以很好地避免算法陷入局部最優(yōu),同時保證算法向較好的方向上收斂。與K.means聚類算法不同,蟻群聚類算法受初始聚類中心選取質(zhì)量的影響不大,螞蟻會根據(jù)各組混亂度自適應地對聚類中心進行調(diào)整,因而很適用于解決大批量問題,樣本量越大,聚類中心層次性越強,螞蟻聚類出的結果也越有意義。
1.2 歷史災害信息提取
通過對歷史災害記錄的大量分析,并結合歷史專家的意見,我們對災害信息的各項特征進行了標準化編碼,并歸納出以下4項屬性來提取各條記錄的災害信息。
1)“受災范圍”指災害波及的地域,以縣為單位,通過地理信息系統(tǒng)轉(zhuǎn)化現(xiàn)代的縣制大小,該項為災害記錄必有屬性,具有較高的量化程度。
2)“物情”包括對災害的物態(tài)及影響描述,如“傷禾苗”、“水漂民居”、“決堤四十余丈”等。
3)“民情”指對災民生存情況的描述,如“民饑”、“溺死人畜”等。
4)“政情”指對政府響應災害情況的描述,如“詔免其租”、“祈禱雨澤”、“發(fā)倉賑濟”等。
后3項屬性為可缺失屬性,能有效涵蓋住每條歷史災害記錄的基本災情信息。為了實現(xiàn)這3項屬性的合理量化,先為各項屬性分別編制出各自的特征區(qū)分碼,再利用命名實體識別技術將歷史災害記錄編入數(shù)據(jù)庫。以“政情”屬性為例,分為“無記錄、祈祭、遣官、減租稅糧、免租稅糧和賑濟”6級,分別編碼為“0/1/2/3/4/5”,凡是在歷史災害記錄中出現(xiàn)“詔免鹽糧、詔免稅糧、免糧、免征秋糧、免征田糧”等描述的都視為“免租稅糧”,在“政情”屬性部分統(tǒng)一記為“4”。需要注意的是,“0/ 1/2/3/4/5這種遞增方式可能并不符合實際災情嚴重程度的上升幅度,因此還可能需要根據(jù)所得出的聚類結果和專家的評估意見對各等級所對應的編碼進行適當?shù)恼{(diào)整。 至此將歷史災害分為4級,每條歷史災害數(shù)據(jù)有4項屬性,屬性值通過上述方法實現(xiàn)了初步量化,進而可以進行對歷史災害數(shù)據(jù)的聚類處理。在這里先默認這4項屬性的
權重是一樣的,而在實際歷史災害聚類時,可以根據(jù)所得出的聚類結果和專家反饋的評估意見進行權值修正,以進一步保證聚類的質(zhì)量,即著重于在災害信息量化過程中借鑒和利用歷史專家的專業(yè)意見,而在聚類過程中則盡量實現(xiàn)快速的自動化處理,以使專家的指導和監(jiān)督作用更多地體現(xiàn)在大方向上。
1.3 蟻群聚類算法描述
算法描述如下,設災害數(shù)據(jù)集合為S,每條災害數(shù)據(jù)有p(此處p=4)個屬性,首先將數(shù)據(jù)集S隨機分配為k(此處k=4)個組,各組的災害數(shù)據(jù)數(shù)量設為t璶(n∈[1,k])。依次進行如下處理。
1)數(shù)據(jù)預處理。
因為大量的歷史災害記錄都至少存在一項屬性值缺失,0值較多,數(shù)據(jù)聚合性差,為了改善這一問題,利用灰色關聯(lián)系數(shù)的定義,按照式(1)進行歸一化處理。
第n個災害數(shù)據(jù)的第i個初始屬性值設為x璶i,預處理后,變?yōu)閥璶i:
y璶i =1/(2-(x璶i-x璵ini)/(x璵axi-x璵ini))(1)
其中x璵axi,x璵ini分別為災害數(shù)據(jù)集合S中第i個屬性的最大值和最小值。
2)選擇一個出數(shù)據(jù)組。
螞蟻按照式(2)評估各個災害數(shù)據(jù)組的混亂度,用chaos璶 (n∈[1,k])來表示,chaos值越大表示此組越混亂,那么其被螞蟻整理的概率也就越大。第n個組的混亂度表示為:
chaos璶=∑t璶i=1(x璱-avg璶)2t璶 (2)
其中:x璱=∑pj=1y2璲,表示第n組中第i條數(shù)據(jù)各屬性的平方和;avg璶=(∑t璶i=1x璱)/t璶表示第n組各x璱的平均值;chaos璶表示第n組中各災害數(shù)據(jù)屬性平方和的標準差。
然后螞蟻根據(jù)各個組的chaos值采用賭輪選擇法[13],選出一個出數(shù)據(jù)組。
3)選出一個災害數(shù)據(jù)。
在選出的組中,螞蟻按照式(3)評估其中每個災害數(shù)據(jù)對該組的混亂度的影響,用influence來表示,influence值越大表示此災害數(shù)據(jù)影響越大,那么螞蟻把此數(shù)據(jù)從組中取出的概率也就越大。組中第i個數(shù)據(jù)的影響力表示為:
influence璱=(x璱-avg璶)2(3)
其中求得x璱,avg璶的方法與第2)步相同。
然后螞蟻就組中各個災害數(shù)據(jù)的influence值采用賭輪選擇法,選出一個數(shù)據(jù)。
第8篇：詩句分類范文
1.1國外政策工具的發(fā)展歷史及成果
對于政策工具研究最早是在20世紀50年代中期由達爾和林德布洛姆撰寫的文章《論現(xiàn)代國家采取的政治——經(jīng)濟技術》中提出來的。但政策工具研究興起于20世紀80年代。20世紀80年代初的時候，荷蘭的吉爾霍德委員會便得出了以下結論：政策工具知識的缺乏和不足是導致政策失敗的重要原因。所以，為了解決這個問題我們需要建立和發(fā)展一門政策工具理論并將之付諸實踐。這時期最有影響力的著作要數(shù)1983年胡德的《政府的工具》。到了20世紀90年代及本世紀初，政策工具的研究得到了迅速地發(fā)展。目前，它已成為了當代西方公共管理學和政策科學研究的一個焦點主題，同時也正在成長為一個新的學科分支。這一時期的代表作無非要數(shù)以下兩本了：一是20世紀90年代初的蓋伊·彼得斯和馮·尼斯潘主編的《公共政策工具；對公共管理工具的評價》；二是萊斯特·M·薩拉蒙主編的《政府工具——新治理指南》。其中筆者尤其要指出《公共政策工具——對公共管理工具的評價》一書，該書是1992年春在荷蘭鹿特丹大學舉行的政策工具研討會上的論文集，在眾多教材中較為全面地反映了當時政策工具研究的狀況，是一本讓我們更好地了解公共政策工具并做進一步研究的很好的參考書。
根據(jù)上文知道西方政策工具的真正興起與發(fā)展是在20世紀80年代之后，那么其原因有哪些呢?筆者借鑒了陳振民等學者的著作，將原因概述為以下四點：一是政府的管理和政策的執(zhí)行是很復雜的，這就導致人們對政策執(zhí)行工具的反思；二是此時西方一些福利國家相繼失敗，政府的工作效率低下，政策時常失靈，人們產(chǎn)生了了解政策失靈的原因和解決方案的強烈要求，而不少解決方案就存在于政策工具的理論之中；三是現(xiàn)代的社會科學領域的學者們開始注重理論與實踐的緊密結合，導致他們對工具性知識的更多地追求；四是政策工具是政策科學研究領域的問題之一，政策科學自身發(fā)展到一定階段，自然會將政策工具納入研究重點之一。
1.2國內(nèi)政策工具的發(fā)展歷史及成果
在我國關于政策工具的研究是在本世紀初才慢慢被國內(nèi)學者所重視的，所以說它在我國的起步較晚，屬于新興研究領域，自然所取得的成果也是有限的。據(jù)我國國家圖書館和北京大學圖書館藏文獻進行檢索發(fā)現(xiàn)，我國目前還沒有真正意義上的政策工具專著，只有一本中文版譯著，是由顧建光翻譯《公共政策工具：對公共管理工具的評價》一書所得，于2007年1月由中國人民大學出版社出版。其余的成果主要是教材和論文。對公共政策研究進行介紹的教材筆者所知道的主要有：張金馬主編的《政策科學導論》(1992年版)；張國慶主偏的《現(xiàn)代公共政策導論》(1997版)；陳振民主編的《政策科學》(1998年版)；陳振民編著的《公共政策分析》(包括2002、2003年兩版)；陳慶云主編的《公共政策分析》(2006)；陶學榮主編的《公共政策學》(2006)；郭紅玲主編的《公共政策學導論》(2007)；陳潭主編的《公共政策學原理》(2008)；嚴強主編的《公共政策學》(2008)等等。其中還有一本是2006年出版的由龐詩所譯的豪特利和拉米什的《公共政策研究——政策循環(huán)與政策子系統(tǒng)》一書，其內(nèi)容也有關于政策工具的介紹。至于論文也有數(shù)篇：2003年的主要是張成福的《論政府治理工具及其選擇》；2004年的主要有陳振民的《政府工具研究與政府管理方式》；2005年的主要有盧霞的《政府工具研究的新進展》，徐程的《政府工具視角：一種審視政府治理的新途徑》，王偉昌的《新“治理”范式與政府工具研究》，儲亞萍的《論作為政府管理工具的合同》；2006年的主要有陳振民的《政府工具研究的新進展》，呂志奎的《公共政策工具的選擇——政策執(zhí)行研究的新視角》，周奮進等的《政府“治理工具”的選擇與行政行政制約》，余瑤的《當代中國政府工具選擇芻議》，朱喜群的《論政府治理工具的選擇》；2007年主要有楊衛(wèi)玲的《公共信息；政府治理工具箱中最有效的“軟工具”》；2008年姜國兵的《對公共政策工具五大主題的理論反思》，等等。
2政策工具的內(nèi)涵
政策工具又稱為治理工具，政府工具，國內(nèi)外眾多學者都對其從不同的角度做了不同的定義，表述各異。國外主要有以下一些定義：尼德漢認為工具是“公共機構可以合法獲得的統(tǒng)治可能性”。霍格威爾夫認為“工具是行動者能夠使用或潛在地加以使用，以便達成一個或更多目標的事物”。林格林將工具定義為：“致力于影響和治理社會過程的具有相似特征的一系列政策活動”。美國學者萊斯特和斯圖爾特認為政策工具是政策執(zhí)行的技術。澳大利亞學者歐文·E·休斯把政府工具定義為：“政府的行為方式，以及通過某種途徑用以調(diào)節(jié)政府行為的機制”。另一個美國學者薩拉蒙則認為工具是“一個行動者能夠使用或潛在地加以使用，以便達成一個或更多目的的任何事物”。而豪利特和拉米什則指出，政策工具是政府賴以推行政策的手段，是政府在部署和貫徹政策時擁有的實際方法和手段。
國內(nèi)知名學者陳振民、張成福、陶學榮、嚴強等等都對政策工具的內(nèi)涵作發(fā)表了自己的看法。有的認為政策工具是實現(xiàn)政策目標或結果的手段；有的認為政策工具指的是政府將其實質(zhì)目標轉(zhuǎn)化為具體行動的路徑和機制，是政府治理的核心，沒有政策工具，便無法實現(xiàn)政府的目標{有的則認為政策工具是“公共部門或社會組織為解決某一社會問題或達成一定的政策目標而采用的具體手段和方式的總稱”等等。
從以上定義我們可以看出，雖然各個學者對政策工具的定義千差萬別，但這些定義都體現(xiàn)了共同的基本屬性一一公共政策主體在執(zhí)行政策過程中，在達成政策目標中所采取的手段、方法和途徑。結合這些定義，筆者認為政策工具是公共政策制定主體，尤其是執(zhí)政黨和政府部門選擇的并具體加以運用以執(zhí)行公共政策，達成政策目標，從而解決政策問題的途徑和手段。
3政策工具的分類
3.1政策工具的分類簡介
關于政策工具的分類，學者們也是由于角度不同眾說紛蕓，表述各異。綜合起來有以下一些分類結果：荷蘭經(jīng)濟學家科臣(另一表述為德國經(jīng)濟學家基爾申)最早試圖對政策工具加以分類。他關注的是一系列執(zhí)行經(jīng)濟政策從而獲得最優(yōu)化結果的工具。他整理出了64種工具，但是只是列舉，并未作系統(tǒng)化的分類。美國政治學家羅威、達爾和林德布洛姆等人對這些工具進行了寬泛的分類，認為可以分為規(guī)制性工具和非規(guī)制性工具兩大類。薩拉蒙在前人研究的基礎之上又加上了開支性工具和非開支性工具兩種類型。胡德相比較前幾位學者來說提出了稍顯系統(tǒng)化的分類框架，他認為所有的政策工具無一例外的都會使用到以下四種資源中的任一種或幾種。這四種資源是信息、權威、財力和可利用的正式組織。麥克唐納和艾莫爾則根據(jù)工具所要求達到的目標將之分為四類：命令型工具、激勵型工具、能力建設型工具和系統(tǒng)變遷型工具。施耐德和英格拉姆等人的分類與之有些類似，他們認為政策工具可分為激勵型工具、能力建設型工具、符號與規(guī)勸型工具和學習型工具四類。著名政策分析家狄龍將政策工具分為法律工具、經(jīng)濟工具和交流工具三類。這種分類方法在西方比較受推崇。另一種更新近的三分法是管制性工具、財政激勵工具和信息轉(zhuǎn)移工具。加拿大公共政策學者霍萊特和拉梅什根據(jù)政策工具的強制性程度將政策工具分為強制性工具、自愿性工具和混合性工具。此種分類方法在眾多方法中更具解釋力、更合理，在下文，筆者將對之進行詳細介紹。加拿大政策科學布魯斯.德林和理查德.菲德也是根據(jù)政策工具的強制性程度將政府工具分為自律型政策工具和全民所有型政策工具，前者強制程度最低，而后者強制程度最高。這種分類為政策工具分類體現(xiàn)政府與社會之間的關系做了基礎性的貢獻。歐文.E.休斯認為政府的干預都可以通過供應、補貼、生產(chǎn)和管制這四方面的經(jīng)濟手段得以實現(xiàn)。林德和彼得斯則認為政策工具是多元化的，它們可以包括命令條款、財政補助、管制規(guī)定、征稅、勸戒、權威和契約。奧斯本和蓋布勒在《改革政府》一書中將政策工具比作是“政府箭袋里的箭”，并將之分為以下三類：傳統(tǒng)類工具、創(chuàng)新類工具和先鋒類工具。E·S·薩瓦斯認為政策工具有政府服務、政府間協(xié)議、契約、特許經(jīng)營、補助、市場、用戶付費、志愿服務等等。
以上是西方對政策工具的大致分類情況，接下來我們看一下國內(nèi)主要的分類情況。國內(nèi)學者的分類總結起來主要有三種，一種是張成福在《公共管理學》中的分類，他政府介入的程度將政策工具分為政府部門直接提供財貨與服務、政府部門委托其他部門提供、簽約外包、補助或補貼、抵用券、經(jīng)營特許權、政府販售特定服務、自我協(xié)助、志愿服務和市場運作。第二種是陳振民的分類，他認為政策工具可分為三大類：市場化工具、工商管理技術和社會化手段。最后一種是陶學榮的分類，他將政策工具則分為：經(jīng)濟性工具、行政性工具、管理性工具、政治性工具和社會性工具五類。
3.2政策工具分類的不足和困難
(1)不足。
雖然很多學者對在政策工具分類上做出了嘗試，關于這方面的成果也不少，正如上文所述的那樣。但是我們不得不承認政策工具的分類依然存在不少問題。有的分類太過于寬泛不夠具體，從而不便操作。比如說林德布洛姆等人作出的分類。有的分類選用的是列舉法，太過于具體。最大的弊端是難以窮盡，不科學嚴謹。有的分類沒有相互區(qū)別、相互排斥。有的分類又太注重借鑒企業(yè)的分類了，從而有忽視“公共性”的嫌疑。有的分類對諸如談判、說服等非正式工具沒有加以重視。
(2)困難。
政策工具分類有以上的諸多困難，是有其原因的，這些原因也可以說是現(xiàn)在政策分類不可避免的困難。筆者認為大致有以下幾點：一是政策工具本身包含的內(nèi)容太豐富了，以至于不同類別之間有時相互交叉。二是我們在研究政策工具時往往處在靜態(tài)的角度，這樣容易導致我們分類方式的僵化。三是政策工具分類研究中存在著“灰色領域”，這個領域?qū)儆谀膫€類別不好判斷。四是政策工具的分類不僅僅是一個技術層面的問題，還涉及很多價值因素在其中。在公共組織中不同價值的選擇和整合是很難的。五是現(xiàn)在社會的公共問題日趨復雜，要想解決這些復雜的問題需要整合不同的政策工具，這也是有一定難度的。總而言之，關于政策工具及其分類的研究依然有很長的路要走。本文借鑒前人的成果小談了一下政策工具的發(fā)展歷史和分類，首先是對之有個基礎性的了解，其次是為進一步的研究做鋪墊。
第9篇：詩句分類范文
證據(jù)包括：
(一)物證；
(二)書證；
(三)證人證言；
(四)被害人陳述；
(五)犯罪嫌疑人、被告人供述和辯解；
(六)鑒定意見；
(七)勘驗、檢查、辨認、偵查實驗等筆錄；
(八)視聽資料、電子數(shù)據(jù)。