社会的公共治理得分是反映一个地区经济社会发展水平和人民生活状况的重要指标,在目前追求经济持续快速发展的情况下,并不一味的以经济发展作为一个城市前进的评判指标,社会公众希望生活与经济的生态圈能平衡发展,所以对社会的公共治理得分的影响因素以及对其影响的方式和程度进行探究具有理论价值和现实意义。由于影响社会公共治理得分的因素众多并且不同的因素对公共治理得分的影响各不相同,因此用传统的参数建模方法难以确定合适的模型来反映社会公共治理得分对众多影响因素的依赖关系。回归树算法由于其高效且易实现等优点近来成为机器学习和数据挖掘领域最流行的算法之一,它具有计算量小,模型易于解读,且不需要复杂的数据准备等优势。而增强回归树通过将一列回归树进行组合极大的提高了回归树的预测准确度,是近年来机器学习领域备受关注和推崇的一种非参数建模分析方法,具有建模效率高、模型结果易于解读等优势。本文选取了北京、上海、天津、重庆、杭州、武汉、长沙、西安、内蒙古等全国18个中心城市或直辖市在近几年的数据。将社会公共治理得分作为我们关心的响应变量y,其它10个变量作为预测变量,采用增强回归树算法来探寻对城市社会公共治理得分产生较大影响的因素,并比较不同因素在回归树中的相对影响强度及这些因素对城市社会公共治理得分是如何产生影响的。本文所得出的结论可为城市欲提高本市社会公共治理得分提供参考,合理利用各因素对其的影响方式,为社会公众提供更好的生活基础。