灰色关联分析（Grey Relation Analysis，GRA）中国经济社会发展指标

第一项功能：灰色关联度，与correlation系数相似，如果要评估某些单位，在使用此功能之前转置数据。第二个功能：灰色聚类，如层次聚类。

相关视频

灰色关联度

灰色关联度有两种用法。该算法用于测量两个变量的相似性，就像\`cor\`一样。如果要评估某些单位，可以转置数据集。

*一种是检查两个变量的相关性，数据类型如下：

| 参考| v1 | v2 | v3 |

| ----------- |||| ---- | ---- |

| 1.2 | 1.8 | 0.9 | 8.4 |

| 0.11 | 0.3 | 0.5 | 0.2 |

| 1.3 | 0.7 | 0.12 | 0.98 |

| 1.9 | 1.09 | 2.8 | 0.99 |

reference：参考变量，reference和v1之间的灰色关联度...近似地测量reference和v1的相似度。

*另一个是评估某些单位的好坏。

 示例

#

# 异常控制 #

if (any(is.na(df))) stop("'df' have NA" )

if (distingCoeff1) stop("'distingCoeff' must be in range of \[0,1\]" )

diff = X  #设置差学列矩阵空间

for (i in

mx = max(diff)

#计算关联系数#

relations = (mi+distingCoeff\*mx) / (diff + distingCoeff\*mx)

#计算关联度#

# 暂时简单处理, 等权

relDegree = rep(NA, nc)

for (i in 1:nc) {

relDegree\[i\] = mean(relations\[,i\])  # 等权

}

#排序: 按关联度大到小#

X_order = X\[order(relDegree,

relDes = rep(NA, nc) #分配空间  关联关系描述(说明谁和谁的关联度)

X\_names = names(X\_o

names(relationalDegree) = relDes

if (cluster) {

greyRelDegree = GRA(economyC

# 得到差异率矩阵 #

grey_diff = matrix(0

grey_diff\[i,j\] = abs(rel

#得到距离矩阵#

grey_dist = matrix(0, nrow

iff\[i,j\]+grey_diff\[j,i\]

}

}

# 得到灰色相关系数矩阵 #

grey\_dist\_max = max(grey_dist)

grey_correl = matrix(0, nrow = nc, ncol = nc)

for (i in 1:nc) {

for (j in 1:nc) {

grey\_correl\[i,j\] = 1 - grey\_dist\[i,j\] / grey\_dist\_max

}

}

d = as.dist(1-grey_correl)  # 得到无对角线的下三角矩阵(数值意义反向了, 值越小表示越相关 )

# 主对角线其实表示了各个对象的相近程度, 画图的时候, 相近的对象放在一起

hc = hclust(d, method = clusterMethod)  # 系统聚类(分层聚类)函数, single: 单一连接(最短距离法/最近邻)

# hc$height, 是上面矩阵的对角元素升序

# hc$order, 层次树图上横轴个体序号

plot(hc,hang=-1)  #hang: 设置标签悬挂位置

}

#输出#

if (cluster)  {

lst = list(relationalDegree=relationalDegree,

return(lst)

}

## 生成数据

rownames(economyCompare) = c("indGV", "indVA", "profit", "incomeTax")

## 灰色关联度

greyRelDegree = greya(economyCompare)

greyRelDegree灰色关联度