应用多元分析论文——聚类分析;判别分析;因子分析;主成分分析资料要点

《应用多元分析论文——聚类分析;判别分析;因子分析;主成分分析资料要点》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、对中国各地区农村居民人均消费支出的测评分析————基于SPSS分析12统计学1217020072韦**摘要：本文对中国各地区农村居民人均消费支出进行测评分析，以31个地区2013年的8项指标数据为样本。以聚类分析和判别分析相结合对地区农村居民人均消费支出类型进行分析，利用因子分析对描述各地区的农村居民人均消费支出各项指标变量进行分析，再利用各指标变量间的相关性进行分析，得出结论，我国农村居民消费水平严重不平衡。关键词：农村居民人均消费支出；聚类分析；判别分析；因子分析；主成分分析一、前言随着经济的发展和人民生活水平

2、的不断提高，我国农村居民人均消费支出数额不断提高，从总体上来说，大部分农村居民实现消费水平上达到了小康水平，并且有向更高层次提升趋势。消费作为主要宏观经济变量，是社会总需求最重要的组成部分，国民经济的增长速度和质量受到居民的消费增长的影响，因此农村居民消费越来越受到重视。我国由地域的不同分为东部地区、中部地区和西部地区，由于地区不同，长期以来我国一直存在着严重的地区发展不平衡问题，这一问题在农村居民消费上也表现得十分明显。农村居民新的消费水平和消费性支出存在着很大的差异，因此需要对农村居民消费水平进行客观、准确、有

3、效的评价[王术.我国农村居民人均消费支出的主成分分析[J].安徽农业科学,2013,29:11866-11867+11877]。二、数据说明各地区农村居民人均消费支出各指标变量：x1:食品x2:衣着x3:居住x4:家庭设备及用品x5:交通通信x6:文教娱乐x7:医疗保健x8:其他原始数据来源：《中国统计年鉴——2014》本文所引用数据如下：三、聚类分析3.1聚类分析的基本思想聚类分析又称群分析，是分类学的一种基本方法，所谓“类”，通俗的讲，就是由相似性的元素构成的集合。聚类分析是一种探索性的分析，也是多元统计学中应

4、用极为广泛的一种重要方法。在应用中，聚类分析是通过将一批个案或者变量的诸多特征，按照关系的远近程度进行分析。关系远近程度的定量描述方式不一样，利用聚类方法也不一样，可以产生有差别的聚类结果。聚类分析的基本思想是认为研究的样本或变量之间存在着程度不同的相似性，根据一批样本的多个观测指标，具体找出一些能够度量样本或指标之间相似程度的统计量，以这些统计量为划分类型的依据，把一些相似程度较大的样本(或变量)聚合为一类，把另外一些彼此之间相似程度较大的样本(变量)也聚合为一类，关系密切的聚合到一个小的分类单位，关系疏远的聚合

5、到一个大的分类单位，直到把所有的样本(或变量)都聚合完毕，把不同的类型一一划分出来，形成一个由小到大的分类系统；最后再把整个分类系统画成一张图，将亲疏关系表示出来[高祥宝,董寒青.数据分析与SPSS应用[M].北京:清华大学出版社,2007.6.]3.2聚类分析的计算和分析表3-1：案例处理摘案例处理摘要a案例有效缺失合计N百分比N百分比N百分比31100.0%0.0%31100.0%a.平方Euclidean距离已使用上表给出了参加系统聚类分析的9个变量（1个因变量，8个自变量）的记录数统计结果。共31个有效数据

6、参加了分析，无缺失值记录，总记录数为31个。表3-2：聚类进度表聚类表阶群集组合系数首次出现阶群集下一阶群集1群集2群集1群集211718.1290013268.23100532425.24600941214.4750013567.5782076330.6710016756.723051982223.747002192124.7510315102931.781002011427.8940012124161.136110161312171.16741171413191.23200261520211.297091816

7、341.46261217173121.7521613201820281.75815023195152.1857025203292.379171021213223.135208232210113.3190024233203.668211825242104.2590222925355.162231926263138.0582514272732612.90726030281914.7520029291219.323282430301343.91329270上表给出了反映聚类过程的聚类进度表。它的每一行表示一次聚类，并给出

8、聚类对象的名称，第一列对应的格中给出这次聚在一起的两个群间的距离。可看出：第一步湖北和湖南聚在一起，它们的相关系数为0.129；第二步辽宁和黑龙江聚在一起，它们的相关系数为0.231，第三步贵州和云南聚在一起，它们的相关系数为0.246，…，依次类推。使用SortCases命令，对数据窗口中Ward法生成的分类变量CLU3_1进行排序，如表3-3所示。表3-