多元統(tǒng)計(jì)分析課程設(shè)計(jì)

課程設(shè)計(jì)報(bào)告課程名稱多元統(tǒng)計(jì)剖析專業(yè)統(tǒng)計(jì)學(xué)班級(jí)統(tǒng)計(jì)學(xué)0901學(xué)號(hào)0109姓名李宗藩指導(dǎo)教師戴婷2011年12月19日湖南工程學(xué)院課程設(shè)計(jì)任務(wù)書課程名稱多元統(tǒng)計(jì)剖析課題多元統(tǒng)計(jì)剖析專業(yè)班級(jí)統(tǒng)計(jì)學(xué)0901學(xué)生姓名李宗藩學(xué)號(hào)

0109指導(dǎo)老師

戴婷審批任務(wù)書下達(dá)日期2011年12月19日任務(wù)達(dá)成日期2011年12月30日目錄一：課程設(shè)計(jì)準(zhǔn)備???????????????????????3（1）成立數(shù)據(jù)庫(kù)??????????????????????3（2）剖析數(shù)據(jù)庫(kù)??????????????????????3二：聚類剖析和鑒別剖析????????????????????31）聚類剖析的步驟2）鑒別剖析的步驟3）聚類剖析的結(jié)果

??????????????????3??????????????????3??????????????????44）鑒別剖析的的結(jié)果及剖析?????????????4三：因子剖析??????????????????????????101）能否可進(jìn)行因子剖析的判斷????????????102）因子剖析的步驟??????????????????103）因子剖析的結(jié)果及其剖析??????????????11四：參照文件?????????????????????????16五：總結(jié)????????????????????????????17六：評(píng)分表??????????????????????????18七：附錄表??????????????????????????19一：課程設(shè)計(jì)準(zhǔn)備（1）：成立和翻開數(shù)據(jù)庫(kù)成立或翻開數(shù)據(jù)文件，數(shù)據(jù)窗中輸入待剖析的數(shù)據(jù)，或利用File菜單中的Open功能翻開已經(jīng)存在的數(shù)據(jù)文件?！?010年各地域按主要行業(yè)分的全社會(huì)固定財(cái)產(chǎn)投資》。（2）：剖析數(shù)據(jù)庫(kù)樣本數(shù)據(jù)來(lái)自中國(guó)2010年各地域按主要行業(yè)分的全社會(huì)固定財(cái)產(chǎn)投資，見附表。在這里選用了我國(guó)的三十一個(gè)省份作為樣本，描繪固定財(cái)產(chǎn)投資行業(yè)的變量有十九個(gè)：農(nóng)、林、牧、副、漁業(yè)（x1），采礦業(yè)（x2），制造業(yè)（x3），電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)（x4），建筑業(yè)（x5），交通運(yùn)輸、積蓄和郵政業(yè)（x6），信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)（x7），批發(fā)和零售業(yè)（x8），住宿和餐飲業(yè)（x9），金融業(yè)（x10），房地家產(chǎn)（x11），租借和商務(wù)服務(wù)業(yè)（x12），科學(xué)研究、技術(shù)服務(wù)、地質(zhì)勘探（x13），水利、環(huán)境、公共設(shè)備（x14），居民服務(wù)和其余服務(wù)業(yè)（x15），教育（x16），衛(wèi)生、社會(huì)保障和福利業(yè)（x17），文化、體育、娛樂業(yè)（x18），公共管理和社會(huì)組織（x19）。二：聚類剖析和鑒別剖析(一)聚類剖析的步驟按Analyze→Classify→K-means-cluster次序單擊菜單項(xiàng)，翻開聚類剖析主對(duì)話框。選擇剖析變量送到右側(cè)的Variables欄中。在“NumberofCluster”中選擇3，在Method選項(xiàng)中選擇“Classifyonly”4.單擊Save按鈕，在對(duì)話框欄內(nèi)選擇Clustermembership選項(xiàng)，單擊Option按鈕，，在對(duì)話框Statistics欄內(nèi)選擇Initialclustercenters選項(xiàng)，在對(duì)話框MissingValues欄內(nèi)選擇Excludecaseslistwise選項(xiàng)(二)鑒別剖析的步驟按Analyze→Classify→Discriminant次序單擊菜單項(xiàng)，翻開鑒別剖析主對(duì)話框。主對(duì)話框左側(cè)的矩形框中選定分類變量，并用上邊一個(gè)箭頭按鈕將其移到“GroupingVariable”框中。而后用其下邊的“DefineRange”輸入最小變量和最大變量3.選擇鑒別變量送到右側(cè)的Independents欄中。在主對(duì)話框中選擇“Enterindependentstogether”在主對(duì)話框中單擊“Statistics”按鈕能夠翻開選擇輸出統(tǒng)計(jì)量的對(duì)話框，在對(duì)話框Description欄內(nèi)選擇Means選項(xiàng)，在對(duì)話框FunctionCoefficints欄內(nèi)選擇Fisher’s和unstandardized選項(xiàng)，在對(duì)話框Matrices欄內(nèi)選擇Within-groupscovariance選項(xiàng)。在主對(duì)話框中單擊“classification”按鈕，翻開選擇分類參數(shù)與分類結(jié)果對(duì)話框，除系統(tǒng)默認(rèn)以外，在對(duì)話框Display欄內(nèi)選擇和Casewiseresults選項(xiàng)和Summarytable選項(xiàng)，在對(duì)話框Plots欄內(nèi)選擇三種。在主對(duì)話框中單擊“Save...”可翻開選擇將各種品的鑒別結(jié)果保留于數(shù)據(jù)文件的對(duì)話框，選中“Predictedgroupmembership”可保留各種品的預(yù)告（鑒別）分類；選中“Discriminantscores”可保留各種品的典型鑒別函數(shù)值；選中“Probabilitiesofgroupmembership”可保留各種品的后驗(yàn)概率。（三）聚類剖析的結(jié)果迅速聚類整理表：類型地域第一類北京天津山西內(nèi)蒙古黑龍江上海廣西海南重慶貴州云南西藏陜西甘肅青海寧夏新疆第二類河北遼寧吉林浙江安徽福建江西河南湖北湖南廣東四川第三類江蘇山東（四）：鑒別剖析的的結(jié)果各種的均值：地域第一類均值第二類均值第三類均值農(nóng)、林、牧、漁業(yè)采礦業(yè)制造業(yè)電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)建筑業(yè)交通運(yùn)輸、積蓄和郵政業(yè)信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)批發(fā)和零售業(yè)住宿和餐飲業(yè)金融業(yè)房地家產(chǎn)租借和商務(wù)、服務(wù)業(yè)科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)水利、環(huán)境和公共設(shè)備管理業(yè)居民服務(wù)和其余服務(wù)業(yè)教育衛(wèi)生、社會(huì)保障和社會(huì)福利業(yè)文化、體育和娛樂業(yè)公共管理和社會(huì)組織Eigenvalues（特點(diǎn)值）CanonicalFunctionEigenvalue%ofVarianceCumulative%Correlation1(a).9912(a).935aFirst2canonicaldiscriminantfunctionswereusedintheanalysis.兩個(gè)典型鑒別剖析，特點(diǎn)值（Eigenvalue）分別為和，典型有關(guān)系數(shù)（CanonicalCorrelation）分別為和，Wilks'LambdaWilks'TestofFunction(s)LambdaChi-squaredfSig.1through2.00238.0002.12718.003依據(jù)Wilks'Lambda表，可知：=和很小，近視散布=和，相伴概率為和，小于，高度明顯，所以各種的樣本均值向量有明顯性差異，所以鑒別有效。ClassificationFunctionCoefficients分類函數(shù)系數(shù)ClusterNumberofCase123農(nóng)、林、牧、漁業(yè)采礦業(yè)制造業(yè)電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)建筑業(yè)交通運(yùn)輸、積蓄和郵政業(yè)信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)批發(fā)和零售業(yè)住宿和餐飲業(yè)金融業(yè)房地家產(chǎn)租借和商務(wù)、服務(wù)業(yè)科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)水利、環(huán)境和公共設(shè)備管理業(yè)居民服務(wù)和其余服務(wù)業(yè)教育

.006.005.003.001.010.062.017.061.266.012.055.279.427.108.807.040.266.443.001.020.148.011.116衛(wèi)生、社會(huì)保障和社會(huì).242福利業(yè)文化、體育和娛樂業(yè).096公共管理和社會(huì)組織.006.002.084農(nóng)、林、牧、漁業(yè)Fisher'slineardiscriminantfunctionsStandardizedCanonicalDiscriminantFunctionCoefficients農(nóng)、林、牧、漁業(yè)采礦業(yè)制造業(yè)電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)建筑業(yè)交通運(yùn)輸、積蓄和郵政業(yè)信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)批發(fā)和零售業(yè)住宿和餐飲業(yè)金融業(yè)房地家產(chǎn)租借和商務(wù)、服務(wù)業(yè)科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)水利、環(huán)境和公共設(shè)備管理業(yè)居民服務(wù)和其余服務(wù)業(yè)教育衛(wèi)生、社會(huì)保障和社會(huì)福利業(yè)

Function12.588.157.608.574.829.680.017.446.321.697.366.691文化、體育和娛樂業(yè).161.800公共管理和社會(huì)組織.315.396鑒別函數(shù)Y1=-2.655X1-0.631X2+1.775X3-0.574X4+0.574X5+2.729X6+0.829X7+2.457X8+0.446X9-1.115X10-0.858X11-0.872X12-0.587X13-2.348X14+1.335X15+2.582X16-2.159X17+0.161X18+0.315X19FunctionsatGroupCentroids（各組重心的函數(shù)值）FunctionClusterNumberofCase1212.9053UnstandardizedcanonicaldiscriminantfunctionsevaluatedatgroupmeansCasewiseStatistics（各數(shù)據(jù)統(tǒng)計(jì)量）地域ActuaHighestGroupSecondHighestGroupDiscriminantlScoresGrouPredi2P(G=gSquaredGrouP(G=gSquaredFunctioFunctiopctedpd|Mahalanobip|Mahalanobin1n2GroufD=d)sDistanceD=d)sDistanceptoCentroidtoCentroid北1122京天1122津河北2221山西1122內(nèi)蒙古1122遼寧2221吉林2221黑龍江1122上海1122江蘇3322浙江2221安徽2221福建2221江西2221山東3322河南2221湖北2221湖南2221廣東2221廣西1122海南1122重慶1122四川2221貴州1122云南1122西藏1122陜西1122甘肅1122青海1122寧夏1122新疆1122依據(jù)此圖能夠大體看出各種的散布，便于大略的察看。ClassificationResults(a)(鑒別結(jié)果)PredictedGroupMembershipTotalClusterNumberofCase123OriginalCount1170017201201230022%1.0.02.0.03.0.0a%oforiginalgroupedcasescorrectlyclassified.展望分組恰巧與實(shí)質(zhì)分組是一致的，判對(duì)率為100%剖析第一類：北京天津山西內(nèi)蒙古黑龍江上海廣西海南重慶貴州云南西藏陜西甘肅青海寧夏新疆在主要行業(yè)分的全社會(huì)固定財(cái)產(chǎn)投資數(shù)額比較少，原由有：第一像北京天津上海重慶這些發(fā)達(dá)的地域，只管經(jīng)濟(jì)較發(fā)達(dá)，但因?yàn)檫@些地區(qū)面積較小，固定投資數(shù)額較小，第二：像其余省市都是中國(guó)經(jīng)濟(jì)落伍地域，固定投資額就比較少，但這些地域的礦產(chǎn)資源較豐富采礦業(yè)投資數(shù)額和其余類差不多。大多數(shù)的省市處于中國(guó)的西北，西南地域，經(jīng)濟(jì)落伍，需要增強(qiáng)各個(gè)行業(yè)的投資。第二類：河北遼寧吉林浙江安徽福建江西河南湖北湖南廣東四川這些省在主要行業(yè)分的全社會(huì)固定財(cái)產(chǎn)投資數(shù)額相對(duì)照許多，原由有以下三點(diǎn)：第一，這些省大多數(shù)處于中部和沿海地域，經(jīng)濟(jì)較發(fā)達(dá)。第二，國(guó)家在十一五計(jì)劃中實(shí)行中部興起戰(zhàn)略，促使了中部省的投資數(shù)額，第三：國(guó)家為保持沿海地域的經(jīng)濟(jì)發(fā)達(dá)，增強(qiáng)了投資。特別是房地產(chǎn)與制造業(yè)這兩個(gè)家產(chǎn)投資數(shù)額特別大，主要因?yàn)檫@兩個(gè)行業(yè)與國(guó)家的政策和人民的生活親密有關(guān)。第三類：江蘇山東屬于沿海地域，在主要行業(yè)分的全社會(huì)固定財(cái)產(chǎn)投資數(shù)額相當(dāng)大，總投資額分別為億元和億元占全國(guó)總投資的比率分別為和，鼎力促使經(jīng)濟(jì)的發(fā)展。三：因子剖析：（1）能否可進(jìn)行因子剖析的判斷在進(jìn)行因子剖析前，作KMOandBartlett'sTest，KMOandBartlett'sTestKaiser-Meyer-OlkinMeasureofSamplingAdequacy..778Bartlett'sTestApprox.Chi-SquareofSphericityDf171Sig..000Kaiser-Meyer-OlkinMeasureofSamplingAdequacy值為。漸近的x^2=較大，合適進(jìn)行因子剖析。2）因子剖析的步驟翻開spss軟件按Analyze→DataReduction→Factor次序單擊菜單項(xiàng)，翻開因子剖析主對(duì)話框。選擇剖析變量送到右側(cè)的Variables欄中。單擊Descriptives按鈕，在對(duì)話框Statistics欄內(nèi)選擇Initialsolution選項(xiàng)，在CorrelationMatrix選項(xiàng)選擇Coefficients,KMOandBartlett'sTestofsphericity選項(xiàng)。在主對(duì)話框中單擊Extraction按鈕，相應(yīng)的對(duì)話框中：Method菜單中選擇Principlecomponents項(xiàng)，使用主成分剖析方法。Analyze欄中選擇Correlationmatrix項(xiàng)，剖析有關(guān)矩陣。Extract欄中選擇Numberoffactors4。Display欄中選擇Unrotatedfactorsolution，顯示未旋轉(zhuǎn)的因子結(jié)果。相同選擇Screeplot，要求作出特點(diǎn)值的散點(diǎn)圖。Maximumiterationconvagence25，結(jié)束迭代的判據(jù)為抵達(dá)最大迭代次數(shù)25.主對(duì)話框中單擊Score按鈕。在相應(yīng)的對(duì)話框中選擇Saveasvariables，并在Method欄中選擇Rregression，要求經(jīng)過回歸方法計(jì)算因子得分并把因子得分作為變量保留到數(shù)據(jù)文件中。同時(shí)選擇Displayfactorscorecoefficientmatrix顯示因子得分系數(shù)陣。7.主對(duì)話框中單擊Rotation按鈕。在相應(yīng)付話框中選擇Method,并在Method欄中選擇Varimax,在Display中選擇Rotatedsolution和Loadingplots選項(xiàng)。主對(duì)話框中單擊Options按鈕。在相應(yīng)付話框中選擇MissingValues,并在MissingValues欄中選擇Excludecaseslistwise選項(xiàng)。在主對(duì)話框中單擊OK按鈕履行運(yùn)算。（3）因子剖析的結(jié)果及其剖析總方差分解TotalVarianceExplainedCompoExtractionSumsofSquaredRotationSumsofSquarednentInitialEigenvaluesLoadingsLoadingsCumulati%ofCumulati%ofCumulatiTotal%ofVarianceve%TotalVariancve%TotalVarianceve%e1234.8635.7886.4937.4018.3079.27410.187.98211.160.84212.094.49613.089.46814.067.35515.051.26616.033.17117.019.09818.008.04219.007.038ExtractionMethod:PrincipalComponentAnalysis.為各成分的公因子方差表。在選擇提取公因子的數(shù)目時(shí)，選擇了提取前3個(gè)公因子的方法。前3公因子能夠解說(shuō)總方差的近%，其余16因子只占%，能夠說(shuō)因子能夠解說(shuō)總方差的絕大多數(shù)。因子載荷陣ComponentMatrix(a)Component123住宿和餐飲業(yè).922水利、環(huán)境和公共設(shè)備.920.076管理業(yè)房地家產(chǎn).911批發(fā)和零售業(yè).902.306制造業(yè).899.100衛(wèi)生、社會(huì)保障和社會(huì).894.251福利業(yè)居民服務(wù)和其余服務(wù)業(yè).862.285文化、體育和娛樂業(yè).855.165教育.833.294科學(xué)研究、技術(shù)服務(wù)和.830.191地質(zhì)勘查業(yè)交通運(yùn)輸、積蓄和郵政.770.184業(yè)租借和商務(wù)、服務(wù)業(yè).730電力、燃?xì)饧八纳a(chǎn).663.478和供應(yīng)業(yè)農(nóng)、林、牧、漁業(yè).642.421.539金融業(yè).636公共管理和社會(huì)組織.632.512建筑業(yè).544.478信息傳輸、計(jì)算機(jī)服務(wù).523.052和軟件業(yè)采礦業(yè).293.489.671ExtractionMethod:PrincipalComponentAnalysis.a3componentsextracted.方差最大正交旋轉(zhuǎn)后因子載荷陣RotatedComponentMatrix(a)Component123批發(fā)和零售業(yè).838.360.296公共管理和社會(huì)組織.803.018.235居民服務(wù)和其余服務(wù)業(yè).795.350.283科學(xué)研究、技術(shù)服務(wù)和.788.379.123地質(zhì)勘查業(yè)建筑業(yè).781.098文化、體育和娛樂業(yè).767.422.161制造業(yè).761.500.150住宿和餐飲業(yè).706.618.086交通運(yùn)輸、積蓄和郵政.180.896.169業(yè)信息傳輸、計(jì)算機(jī)服務(wù).881和軟件業(yè)水利、環(huán)境和公共設(shè)備.467.800.227管理業(yè)房地家產(chǎn).553.766.071電力、燃?xì)饧八纳a(chǎn).054.737.467和供應(yīng)業(yè)租借和商務(wù)、服務(wù)業(yè).501.676衛(wèi)生、社會(huì)保障和社會(huì).468.661.456福利業(yè)金融業(yè).325.618.004教育.411.617.481采礦業(yè).124.869農(nóng)、林、牧、漁業(yè).394.197.828ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.aRotationconvergedin5iterations.為因子載荷陣AF1,F2,F3'從上表可見，每個(gè)因子只有少量幾個(gè)指標(biāo)的因子載荷陣較大，所以可依據(jù)上表進(jìn)行分類，將19個(gè)指標(biāo)按高載荷分紅三類，列于下表：12

高載荷指標(biāo)意義批發(fā)和零售業(yè)公共管理和社會(huì)組織居民服務(wù)和其余服務(wù)業(yè)科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)建筑業(yè)文化、體育和娛樂業(yè)制造業(yè)住宿和餐飲業(yè)交通運(yùn)輸、積蓄和郵政業(yè)信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)水利、環(huán)境和公共設(shè)備管理業(yè)房地家產(chǎn)電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)租借和商務(wù)、服務(wù)業(yè)衛(wèi)生、社會(huì)保障和社會(huì)福利業(yè)金融業(yè)教育農(nóng)、林、牧、漁業(yè)采礦業(yè)特點(diǎn)值散點(diǎn)圖特點(diǎn)值碎石圖。能夠看出前4特點(diǎn)值間的差異很大，其余的變化很小。從圖中可以看出，取前4個(gè)因子是正確的。各個(gè)因子得分及其排名地域因子得分F1排名F2排名F3排名北京191229天津132123河北585山西31174內(nèi)蒙古25142遼寧3518吉林122211黑龍江18196上海27631江蘇2330浙江15428安徽41813福建23724江西101620山東1239河南9111湖北61016湖南11912廣東28121廣西211314海南142727重慶162017四川2423貴州292515云南30158西藏173026陜西7247甘肅83119青海202925寧夏222822新疆262610剖析:從第三類農(nóng)、林、牧、漁業(yè)、采礦業(yè)來(lái)看這些都是原始的基礎(chǔ)行業(yè)，投資額相對(duì)其余行業(yè)的投資來(lái)說(shuō)比較居中，既保障了人民生產(chǎn)生活所需要的必需基礎(chǔ)物質(zhì)，又為其余行業(yè)做出了很大的貢獻(xiàn)，從全國(guó)各個(gè)地域來(lái)看，相同級(jí)其余城市投資額的差異不是很大，經(jīng)濟(jì)發(fā)達(dá)地域如北京，上海這些地域投資額相對(duì)來(lái)說(shuō)比較少，像河北，山東，四川這些地域在農(nóng)、林、牧、漁業(yè)投資額比較大，在山西，內(nèi)蒙古，河南，新疆這些地域礦產(chǎn)資源豐富，所以投資額相對(duì)交大。第一類批發(fā)和零售業(yè)，公共管理和社會(huì)組織，居民服務(wù)和其余服務(wù)業(yè)，科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)，建筑業(yè)，文化、體育和娛樂業(yè)，制造業(yè)，住宿和餐飲業(yè)這一類大多屬于服務(wù)娛樂行業(yè)，這些行業(yè)大多數(shù)投資額相對(duì)較少，因?yàn)楦鱾€(gè)省市的地域規(guī)模與人口規(guī)模的不一樣，投資的數(shù)額差異比較大，比如批發(fā)和零售業(yè)河北，遼寧，山東，河南投資額比較大，最大山東億元，而最少的重慶才億元。第二類交通運(yùn)輸、積蓄和郵政業(yè)，信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)，水利、環(huán)境和公共設(shè)備管理業(yè)，房地家產(chǎn)，電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)，租借和商務(wù)、服務(wù)業(yè)，衛(wèi)生、社會(huì)保障和社會(huì)福利業(yè)，金融業(yè)，教育，這些屬于第三家產(chǎn)，在國(guó)名經(jīng)濟(jì)中據(jù)有很的地位，一部分的家產(chǎn)投資數(shù)額在整個(gè)國(guó)名經(jīng)濟(jì)投資中據(jù)有很大的一部分，因?yàn)榇丝探?jīng)濟(jì)的發(fā)展局勢(shì)，如房地家產(chǎn)的投資數(shù)額達(dá)到了亙古未有的數(shù)額，大大促使了房地產(chǎn)的發(fā)展，但依據(jù)今年房地產(chǎn)的發(fā)展?fàn)顩r卻不容樂觀，過快增加帶來(lái)了副作用，可是這些行業(yè)的確給我們的經(jīng)濟(jì)和生活帶來(lái)了很大的提升。參照文件：于秀林任雪松編著《多元統(tǒng)計(jì)剖析》.中國(guó)統(tǒng)計(jì)年鑒，高祥寶董寒青編著《數(shù)據(jù)剖析與spss應(yīng)用》