基于CART决策树回归的乡村信息化水平测度模型研究

发布时间：2021-10-30 05:12

　　根据我国农村信息化建设现状,通过CART决策树回归法对测度指标进行重要性筛选,形成农村信息化水平测度指标模型;然后运用因子分析和聚类分析,对我国31个省份农村信息化水平进行比较研究。研究结果显示:所构建的农村信息化水平测度指标模型预测准确率高,可以导向乡村振兴目标;对指标的公因子分析符合当前我国农村信息化发展特点,其中江苏、广东、浙江的农村信息化发展水平领先,沿海地区农村信息化建设较好,各区域农村信息化发展水平呈现不平衡状态。最后提出发挥长三角、珠三角等城市群的辐射带动作用,加大对偏远地区农村信息资源的投入,在信息基础设施建设和信息资源环境方面因地制宜等启示和建议,以期为乡村信息化发展提供理论参考和借鉴。 

【文章来源】：科技管理研究. 2020,40(14)北大核心CSSCI

【文章页数】：8 页

【部分图文】：

2017年样本省份农村信息化决策结果

(5）预测指标重要性。预测变量农村信息化指标的重要性涉及到自变量和因变量相关的检验概率值，即地区生产总值与农村信息化指标相关性较的强弱，如图2所示共有10个初始指标，包括：电信业务总量、农业机械总动力、乡村人口等，这些指标同样在社会信息化发展的过程中发挥着重要的作用。根据以上指标的分类情况和重要性排序（见图1、图2），剔除3个指标（村卫生室数、已通邮的行政村比重、农村固定电话用户数），最终建立农村信息化水平测度指标模型，其中划分4个一级指标，如表3所示。

为进一步挖掘我国各区域农村信息化发展水平的差异，本文将因子分析得到的4个公共因子作为自变量，对样本省份农村信息化样本数据进行聚类分析，如图3所示。为保证各个分类之间的差异性，从我国信息化水平建设情况的实际出发，将样本省份的信息化水平分为5类进行分析讨论（见表8）。

【参考文献】：
期刊论文
[1]大数据驱动乡村振兴[J]. 王小兵.  网络安全和信息化. 2018(05)
[2]2001-2014年广东农村信息化建设测评[J]. 吴健雄.  新经济. 2016(25)
[3]农村信息化水平测度方法[J]. 马守军.  经贸实践. 2015(12)
[4]基于聚类分析的我国各地区农业信息化发展水平评价[J]. 崔利国,李瑾,刘丽红.  江苏农业科学. 2014(09)
[5]农村信息化水平测度方法研究[J]. 王素贞,张霞,杨承霖.  世界农业. 2014(07)
[6]新疆农村信息化发展水平指标体系的构建[J]. 樊露露.  农业图书情报学刊. 2012(11)
[7]我国农村信息化发展影响因素分析[J]. 宋燕华,施韶亭,由源清.  图书与情报. 2012(04)
[8]农村信息化水平的测度与评价——基于华东六省一市[J]. 成巍,邹能锋.  沈阳大学学报(社会科学版). 2012(03)
[9]边远山区县域农村信息化发展水平测度与评价——以毕节试验区为例[J]. 游泳,龙从霞.  安徽农业科学. 2011(29)
[10]黄河三角洲地区农村农业信息化测度研究[J]. 杨玉建,仝雪芹.  山东农业科学. 2010(09)

博士论文
[1]中国农村信息化测评理论与方法研究[D]. 刘世洪.中国农业科学院 2008



本文编号：3466117