| 中文摘要 | 第5-6页 |
| 英文摘要 | 第6-10页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 选题的背景 | 第10页 |
| 1.1.2 研究的意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 国内研究现状 | 第11-14页 |
| 1.2.2 国外研究进展 | 第14-16页 |
| 1.3 主要研究内容、研究思路和创新之处 | 第16-18页 |
| 1.3.1 研究的主要内容 | 第16页 |
| 1.3.2 本文的研究思路 | 第16-17页 |
| 1.3.3 本文的创新之处 | 第17-18页 |
| 2 社会养老保险制度绩效评价指标体系的构建 | 第18-24页 |
| 2.1 老龄化背景下的社会养老保险 | 第18-20页 |
| 2.1.1 人口老龄化现状 | 第18-20页 |
| 2.1.2 老龄化背景下指标体系应该具备的功能 | 第20页 |
| 2.2 社会养老保险制度绩效评价指标体系的构建 | 第20-23页 |
| 2.2.1 社会养老保险制度绩效评价的层次结构 | 第21-22页 |
| 2.2.2 指标体系的构建 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 基于RS-SVM社会养老保险制度绩效评价模型的构建 | 第24-31页 |
| 3.1 粗糙集与支持向量机的基本理论 | 第24-26页 |
| 3.1.1 粗糙集理论 | 第24-25页 |
| 3.1.2 支持向量机理论 | 第25-26页 |
| 3.2 RS-SVM互补性分析及模型构建流程 | 第26-28页 |
| 3.2.1 RS-SVM方法分析 | 第26-27页 |
| 3.2.2 RS-SVM社会养老保险绩效评价模型的构建流程 | 第27-28页 |
| 3.3 基于粗糙集的社会养老保险指标约简 | 第28-29页 |
| 3.4 基于SVM社会养老保险制度绩效评价模型的构建 | 第29-30页 |
| 3.4.1 选取训练集和测试集 | 第29页 |
| 3.4.2 建立回归预测模型 | 第29-30页 |
| 3.4.3 选取预测效果最佳的模型 | 第30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 社会养老保险制度绩效评价的实证分析 | 第31-40页 |
| 4.1 数据收集 | 第31页 |
| 4.2 运用粗糙集对评价指标进行约简 | 第31-35页 |
| 4.2.1 建立决策表,及数据处理 | 第31-33页 |
| 4.2.2 计算指标相对重要度,建立新决策表 | 第33-35页 |
| 4.3 运用支持向量机建立预测模型 | 第35-37页 |
| 4.3.1 划分训练集与测试集 | 第35页 |
| 4.3.2 建立回归预测模型 | 第35-36页 |
| 4.3.3 选取预测效果最佳的模型 | 第36-37页 |
| 4.4 结果对比分析 | 第37-39页 |
| 4.5 本章小结 | 第39-40页 |
| 5 结论与展望 | 第40-41页 |
| 5.1 总结 | 第40页 |
| 5.2 展望 | 第40-41页 |
| 参考文献 | 第41-43页 |
| 附录A:初始决策表 | 第43-45页 |
| 附录B:作者攻读硕士学位期间发表论文及科研情况 | 第45-46页 |
| 致谢 | 第46页 |
