摘要：高校内部二级以下组织机构的资产管理与决策较大程度依赖以往经验。该文将基于系统聚类分析的统计模型应用于资产管理工作实践，让管理决策工作有更多科学依据，并取得较好的实际效果。
关键词：聚类分析；资产管理；独立学院
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）03-0443-03
固定资产管理是高校管理系统中的重要组成部分。高校资产管理部门参与了固定资产申报、采购、验收、维修、报废等整个生命周期。高校资产管理部门既能影响学院层面的决策，又直接参与系部层面的管理。在全面贯彻落实《国家中长期教育改革和发展规划纲要（2010-2020年）》精神和充分发挥教育统计对宏观决策的服务作用的大形势下，在高校学院等一级组织机构层面的管理，有国家的各项指标参数作为办学管理依据，如《普通高等学校基本办学条件指标》、《中国教育评价与监测统计指标体系》等。但资产管理部门在对教学系部等院校内部二级组织机构进行管理决策时，却缺少较为成熟的辅助决策模型或指标体系。我们资产管理部门在管理决策的过程中多以经验为主导。在高校多年的改革探索运行的进程里，资产管理部门积累了大量的数据，如果能从已有的相关统计数据里挖掘出更多有用的知识，我们管理决策工作就多了一层科学性的保障，甚至能发现工作里部分潜在的异常，防范资产管理工作中的一些常见问题。比如实验室维修经费的管理、设备申购的审批，从局部来看，每次报告申请都有其内在原因和必要性。但如果纵横对比来看，申购物品是否和普遍的投资规律相符，是否和同类型部门的运行规律相符？本文尝试通过对某学院2012-2013学年度各系部资产管理的相关指标参数进行聚类分析挖掘出一些有用的知识，实现同类系部间管理经验的借鉴。
1 管理对象指标的选取
我们的指标选取参考了教学状态评估、独立学院评估的参数和实际工作经验。针对一个部门，我们选择六个参数包括设备数量、学生数、教职员工数、耗材费维修费、大型精密仪器设备总额、实验人时数。
该分类问题原始数据矩阵为：
2 数据标准化处理
当[m]个特征变量（指标）观测值具有不同的数量级和不同的测量单位时，常需对数据进行预处理。标准化后的数据为[x′ik=xik-xkSk]，[i=1，2…n，k=1，2…m]，其中[xk=1ni=1nxik]（[xk]表示变量[xk]的样本均值），[Sk=1n-1i=1n（xik-xk）212]（[Sk]表示变量[xk]的样本标准差）。
3 基于Ward法的系统聚类
用[G]表示类，设[G]中有[k]个样本元素，这些元素用[i，j]表示。
定义 [T]为一给定的阈值，如果对任意的[i，j∈G，]有[dij≤T]（[dij]为[i，j]的距离），则称[G]为一个类。
本文系统聚类法（hierarchical clustering method）的实施包含下列步骤：
①对系部相关数据进行变换处理；
②构造9个类，每个类[Gt]只包含一个样本[i]；
③计算9个样本[dij]两两间的距离 ；
④合并距离最近的两类为一新类[Gp]；
⑤计算新类与当前各类的距离，若类的个数等于1，转到⑥；否则回④；
⑥生成树状聚类图；
⑦根据设定的阈值[T]判断类的个数，得出分类结果。
在算法第⑤步需要计算类与类之间的距离，常用的有最短距离法、类平均距离法、重心距离法等。我们采用的是起源于方差分析的Ward法（也称离差平方和）。较好的分类可以达到样品间离差平方和较小，类与类之间的离差平方和较大。设将[n]个样品分成[k]类；
[G1，G2，…，Gk]用[xit]表示类[Gt]中第i个样品，[nt]表示类[Gt]中样品个数，[xt]是类[Gt]的重心，则整个类[Gt]中的离差平方和是[L=t=1ki=1nt（xit-xt）′（xit-xt）]。
我们用统计分析软件SPSS 19.0，平方欧氏距离作为相似性测度，类间距用Ward法定义。生成的聚类图表如表3，图2。
由以图2分类结果可以看出，分为4～5类较为合适，同类系部之间如计算机系与金融贸易系的资产管理策略可以相互借鉴，同类系部的资产管理问题，也应该引起共同的关注并引以为戒。我们的工作实践表明，该分类模型可以帮助我们防范同类系部可能遇到的部分相似问题，减少了资产管理工作中的盲目性，为管理决策提供了科学性的参考。
4 结束语
聚类分析作为无监督学习的一种重要形式，具有广泛的应用前景。高校系部等二级机构的资产管理决策目前较多依赖以往经验，基于系统聚类法的资产管理决策，让我们独立学院“摸着石头过河”的探索多一些科学的依据。但我们的模型还有很多不足和待解决问题，比如样本指标的合理性，模型能否推广到行政机构、后勤部门等非教学二级机构。另外针对同一高校探讨还可以从同一时间段不同学院系部的情况聚类，和同一学院系部不同时间段聚类分析，需要我们进一步深度收集整理相关数据。
参考文献：
[1] 何晓群.多元统计分析[M].3版.北京：中国人民大学出版社，2012.
[2] 王宏洲，李学文.数学建模方法进阶[M].北京：清华大学，2013.
[3] 严勇.数据挖掘中聚类分析算法研究与应用[D].电子科技大学，2007.
[4] 王骏.聚类分析研究中的若干问题[J].控制与决策，2012（3）.
相关专题：金融风险的防范与化解 华北理工大学学报
