聚類分析作業(yè)

PAGE5PAGE7各地區(qū)社會(huì)總產(chǎn)值的部門(mén)構(gòu)成的聚類聚類分析作業(yè)組員：§1.對(duì)題目的理解與分析題目：對(duì)各地區(qū)社會(huì)總產(chǎn)值的部門(mén)構(gòu)成進(jìn)行聚類分析社會(huì)總產(chǎn)值：是指一定時(shí)期內(nèi)（通常為1年）以貨幣表現(xiàn)的農(nóng)業(yè)、工業(yè)、建筑業(yè)、運(yùn)輸郵電業(yè)和商業(yè)（包括飲食業(yè)和物資供銷業(yè)）五大物質(zhì)生產(chǎn)部門(mén)的總產(chǎn)值之和，也稱社會(huì)總產(chǎn)品。它是反映一個(gè)國(guó)家或地區(qū)在一定時(shí)期內(nèi)物質(zhì)生產(chǎn)總成果的重要指標(biāo)。部門(mén)構(gòu)成：工業(yè)、農(nóng)業(yè)、建筑業(yè)、貨物運(yùn)輸業(yè)、為生產(chǎn)服務(wù)的郵電業(yè)、商業(yè)、物資供銷業(yè)及飲食業(yè)聚類分析：從統(tǒng)計(jì)學(xué)的觀點(diǎn)看，聚類分析是通過(guò)數(shù)據(jù)建模簡(jiǎn)化數(shù)據(jù)的一種方法。傳統(tǒng)的統(tǒng)計(jì)聚類分析方法包括系統(tǒng)聚類法、分解法、加入法、動(dòng)態(tài)聚類法、有序樣品聚類、有重疊聚類和模糊聚類等。通過(guò)對(duì)此題的理解以及分析，我們可以確定此題的目的是：對(duì)變量（部門(mén)構(gòu)成）進(jìn)行聚類，而非個(gè)案（各地區(qū)）§2.數(shù)據(jù)的查找有了對(duì)題目的理解，才能有針對(duì)性性的去查找數(shù)據(jù)，只有這樣，數(shù)據(jù)才能與之匹配，所做的分析才有意義。數(shù)據(jù)來(lái)源：中國(guó)統(tǒng)計(jì)局網(wǎng)——《2009年個(gè)地區(qū)生產(chǎn)總值》數(shù)據(jù)鏈接：各地區(qū)社會(huì)總產(chǎn)值部門(mén)構(gòu)成.sav§3.操作步驟1)打開(kāi)數(shù)據(jù)文件后，進(jìn)行如下步驟：Analyze Classify HierarchicalClusterAnalysis將除“地區(qū)”外的所有變量選入Variable(s)列表框，作為分層聚類的變量在Cluster選項(xiàng)組中選擇Variable單項(xiàng)按鈕，即要求按變量進(jìn)行聚類4）在Statistics中點(diǎn)選Proximitymatrix,即畫(huà)出相似矩陣單擊Continue按鈕確認(rèn)選擇并返回主對(duì)話框5）單擊Plot按鈕：Plot對(duì)話框中選擇Dendrogram復(fù)選框，要求輸出樹(shù)形圖。單擊Continue按鈕確認(rèn)選擇并返回主對(duì)話框6）單擊Method按鈕：ClusterMethod復(fù)選框中選擇CentroidClustering,即重心法聚類；在Measure中的interval復(fù)選框中點(diǎn)選Euclideandistant,即歐氏距離。單擊Continue按鈕確認(rèn)選擇并返回主對(duì)話框7）單擊OK按鈕，執(zhí)行分層聚類操作§4.輸出結(jié)果分析說(shuō)明：此題我們采用歐氏距離公式計(jì)算兩個(gè)體K個(gè)變量值之差的平方和的平方根，和重心法進(jìn)行聚類分析。重心法，以兩個(gè)類的重心之間的距離作為類與類之間的距離進(jìn)行聚類分析。其歐氏距離公式為：是個(gè)體的第個(gè)變量的變量值，是個(gè)體的第個(gè)變量的變量值。1）相似矩陣分析ProximityMatrixCaseMatrixFileInputZscore(農(nóng)業(yè))Zscore(工業(yè))Zscore(建筑業(yè))Zscore(交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè))Zscore(批發(fā)和零售業(yè))Zscore(住宿和餐飲業(yè))Zscore(金融業(yè))Zscore(房地產(chǎn)業(yè))Zscore(其他服務(wù)業(yè))Zscore(農(nóng)業(yè)).0003.8283.2823.9165.1553.9826.6615.5345.258Zscore(工業(yè))3.828.0002.0722.0642.0141.8584.0232.5872.924Zscore(建筑業(yè))3.2822.072.0002.7512.9913.0014.6843.5413.737Zscore(交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè))3.9162.0642.751.0002.7902.9534.4823.3923.355Zscore(批發(fā)和零售業(yè))5.1552.0142.9912.790.0002.4282.6321.3051.900Zscore(住宿和餐飲業(yè))3.9821.8583.0012.9532.428.0003.8972.5692.333Zscore(金融業(yè))6.6614.0234.6844.4822.6323.897.0002.0032.399Zscore(房地產(chǎn)業(yè))5.5342.5873.5413.3921.3052.5692.003.0001.630Zscore(其他服務(wù)業(yè))5.2582.9243.7373.3551.9002.3332.3991.630.000從表中可得到，各變量間的歐式距離，先找到變量間距離最短的合為一類，即把房地產(chǎn)業(yè)和金融業(yè)先合為一類。按照此原則，由重心法依次聚類，得到下表（聚類過(guò)程）。2）分層聚類中的凝聚狀態(tài)表分析Centroid

LinkageAgglomerationScheduleStageClusterCombinedCoefficientsStageClusterFirstAppearsNextStageCluster1Cluster2Cluster1Cluster21581.3050022591.4391033571.8072054261.8580055251.6414366242.1595077232.1206088123.478070表中：第一列表示聚類分析的第幾步；第二列、第三列表示本步聚類中哪兩個(gè)樣本或小類聚成一類；第四列是個(gè)體距離或小類距離；第五列表示Cluster1上一次在第幾步聚類中出現(xiàn)；第六列表示Cluster2上一次在第幾步聚類中出現(xiàn)；第七列表示本步聚類的結(jié)果將在以下第幾步中用到。此表顯示了九個(gè)部門(mén)聚類的情況。例如：在聚類分析的第一步中，5號(hào)部門(mén)與8號(hào)部門(mén)聚成一小類，他們的個(gè)體距離（歐氏距離）是1.305，這個(gè)小類將在下面的第2步用到；同理，聚類分析的第2步中，9號(hào)部門(mén)與第一步聚成的小類（以該小類中第一個(gè)部門(mén)號(hào)5為標(biāo)記）又聚成一小類，它們的距離是1.439，形成的小類將在下面的第四步用到。經(jīng)過(guò)8步聚類過(guò)程，9個(gè)部門(mén)最后聚成了一大類。第n步完成時(shí)可形成“”個(gè)類。3）冰川圖分析VerticalIcicleNumberofclustersCaseZscore(建筑業(yè))Zscore(交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè))Zscore(金融業(yè))Zscore(其他服務(wù)業(yè))Zscore(房地產(chǎn)業(yè))Zscore(批發(fā)和零售業(yè))Zscore(住宿和餐飲業(yè))Zscore(工業(yè))Zscore(農(nóng)業(yè))1XXXXXXXXXXXXXXXXX2XXXXXXXXXXXXXXXX3XXXXXXXXXXXXXXX4XXXXXXXXXXXXXX5XXXXXXXXXXXXX6XXXXXXXXXXXX7XXXXXXXXXXX8XXXXXXXXXX由此圖可知：當(dāng)聚成四類時(shí)，（批發(fā)和零售業(yè)、金融業(yè)、房地產(chǎn)業(yè)

、住宿和餐飲業(yè)）為一類，交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)、建筑業(yè)和農(nóng)業(yè)分別自成一類。當(dāng)聚成三類時(shí)，（批發(fā)和零售業(yè)、交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)、金融業(yè)、房地產(chǎn)業(yè)

、住宿和餐飲業(yè)）為一類，建筑業(yè)和農(nóng)業(yè)分別自成一類。當(dāng)聚成二類時(shí)，其他服務(wù)業(yè)、批發(fā)和零售業(yè)、金融業(yè)、房地產(chǎn)業(yè)、建筑業(yè)、交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)

、工業(yè)、住宿和餐飲業(yè)合并為一類，農(nóng)業(yè)為一類。4）分層聚類的譜系圖分析

Dendrogram

using

Centroid

Method

Rescaled

Distance

Cluster

Combine

C

A

S

E

0

5

10

15

20

25

Label

Num

++++++

Z批發(fā)和

5

─┬─┐

Z房地產(chǎn)

8

─┘

├───────┐

Z其他服

9

───┘

├─┐

Z金融業(yè)

7

───────────┘

├─────┐

Z工業(yè)

2

─────────────┤

│

Z住宿和

6

─────────────┘

├─────────────────────────────┐

Z交通運(yùn)

4

───────────────────┤

│

Z建筑業(yè)

3

───────────────────┘

│

Z農(nóng)業(yè)

1

─────────────────────────────────────────────────┘如圖所示：第一次是批發(fā)和零售業(yè)與房地產(chǎn)業(yè)合并；第二次是其他服務(wù)業(yè)與（批發(fā)和零售業(yè)和房地產(chǎn)業(yè)）合并；第三次是金融業(yè)與（其他服務(wù)業(yè)、批發(fā)和零售業(yè)和房地產(chǎn)業(yè)）合并；第四次是工業(yè)、住宿和餐飲業(yè)與（金融業(yè)、其他服務(wù)業(yè)、批發(fā)和零售業(yè)和房地產(chǎn)業(yè)）；第五次是建筑業(yè)、交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政