《多元統(tǒng)計分析》第三版例題習(xí)題數(shù)據(jù)文件人大何曉群教學(xué)提綱

1、Good is good, but better carries it.精益求精，善益求善。多元統(tǒng)計分析第三版例題習(xí)題數(shù)據(jù)文件人大何曉群-何曉群多元統(tǒng)計分析第三版（2012）數(shù)據(jù)文件第2章例2-11999年財政部、國家經(jīng)貿(mào)委、人事部和國家計委聯(lián)合發(fā)布了國有資本金效績評價規(guī)則。其中，對競爭性工商企業(yè)的評價指標(biāo)體系包括下面八大基本指標(biāo)：凈資產(chǎn)收益率、總資產(chǎn)報酬率、總資產(chǎn)周轉(zhuǎn)率、流動資產(chǎn)周轉(zhuǎn)率、資產(chǎn)負(fù)債率、已獲利息倍數(shù)、銷售增長率和資本積累率。下面我們借助于這一指標(biāo)體系對我國上市公司的運營情況進(jìn)行分析，以下數(shù)據(jù)為35家上市公司2008年年報數(shù)據(jù)，這35家上市公司分別來自于電力、煤氣及水的生產(chǎn)和供應(yīng)業(yè)

2、，房地行業(yè)，信息技術(shù)業(yè)，在后面各章中也經(jīng)常以該數(shù)據(jù)為例進(jìn)行分析。表2-1行業(yè)公司簡稱股票代碼凈資產(chǎn)收益率總資產(chǎn)報酬率資產(chǎn)負(fù)債率總資產(chǎn)周轉(zhuǎn)率流動資產(chǎn)周轉(zhuǎn)率已獲利息倍數(shù)銷售增長率資本積累率電力、煤氣及水的生產(chǎn)和供應(yīng)業(yè)深圳能源0000279.174.9253.45.391.573.562.7633.00深南電000037.611.2361.17.601.741.41-12.81-.01富龍熱電000426-11.30-5.5648.89.13.76-.34-40.10-9.93穗恒運000531-7.70-1.5370.25.572.70.61-29.45-7.15粵電力000539.34-1.15

3、54.84.482.42.5211.78-7.72韶能股份000601-2.95-1.2961.79.272.52.5315.77-4.67ST惠天000692-1.86-.8163.34.401.09.438.08-1.82城投控股60064912.288.4639.92.25.5740.2029.21-2.19大連熱電6007191.58.9660.53.32.701.31-3.44.75華電能源600726.43.3377.63.402.391.0812.66-6.04國電電力6007951.26.2071.65.261.681.10-5.885.68房地行業(yè)長春經(jīng)開600215.09.

4、2129.10.05.081.239.07.09大龍地產(chǎn)6001591.21.0961.63.04.051.84-57.90-.08金豐投資6006069.786.5146.07.20.316.22-51.99-8.40新黃浦6006386.815.9631.91.12.315.57-18.484.99浦東金橋6006399.026.1642.74.20.864.5140.624.75外高橋6006486.902.0978.11.702.477.0419.885.21中華企業(yè)60067514.316.8263.67.37.445.8933.9311.82渝開發(fā)0005146.535.1431.

5、61.14.404.42-15.566.64萊茵置業(yè)00055821.227.9573.67.44.521.04-13.1528.42粵宏遠(yuǎn)000573-8.47-4.8444.12.14.24-3.90-26.72-7.81中國國貿(mào)6000078.406.2148.06.123.041.101.205.06萬科A00000212.655.7767.44.37.3910.6215.388.93三木集團(tuán)0006321.961.0580.12.88.951.74-11.30-9.55國興地產(chǎn)0008382.972.2144.34.17.1730.65-74.763.06中關(guān)村0009319.691

6、.7280.11.47.572.03-7.901.59信息技術(shù)業(yè)中興通訊00006311.655.0270.15.981.214.2827.3617.40長城電腦0000661.01.3953.931.353.571.22-6.99-30.87南天信息0009489.486.6145.431.061.414.6215.13110.72同方股份6001003.572.6353.32.78.002.79-4.7726.72永鼎股份6001052.541.6971.91.42.631.8727.492.63宏圖高科60012210.715.4257.491.772.123.2133.0311.23新

7、大陸0009974.543.7431.88.861.097.4918.42-6.27方正科技6006014.423.1643.951.404.673.06-13.584.73復(fù)旦復(fù)華6006244.443.6849.44.53.853.1913.572.60習(xí)題3.今選取內(nèi)蒙古、廣西、貴州、云南、西藏、寧夏、新疆、甘肅和青海等9個內(nèi)陸邊遠(yuǎn)省份。選取人均GDP、第三產(chǎn)業(yè)比重、人均消費支出、人口自然增長率及文盲半文盲人口占15歲以上人口的比例等五項能夠較好的說明各地區(qū)社會經(jīng)濟(jì)發(fā)展水平的指標(biāo)。驗證一下邊遠(yuǎn)及少數(shù)民族聚居區(qū)的社會經(jīng)濟(jì)水平與全國平均水平有無顯著差異。邊遠(yuǎn)及少數(shù)民族聚居區(qū)的社會經(jīng)濟(jì)水平發(fā)展

8、的指標(biāo)數(shù)據(jù)：地區(qū)人均GDP三產(chǎn)比重人均消費人口增長文盲半文盲內(nèi)蒙古506831.121418.2315,83廣西407634.220409.0113.32貴州234229.8155114.2628.98云南435531.1205912.125.48西藏371643.5155115.957.97寧夏427037.3194713.0825.56新疆622935.4274512.8111.44甘肅345632.8161210.0428.65青海436740.9204714.4842.92數(shù)據(jù)來源：中國統(tǒng)計年鑒（1998）。5項指標(biāo)的全國平均水平0=（6212.0132.8729729.515.78）

9、/第3章例3-1若我們需要將下列11戶城鎮(zhèn)居民按戶主個人的收入進(jìn)行分類，對每戶作了如下的統(tǒng)計，結(jié)果列于表3-1。在表中，“標(biāo)準(zhǔn)工資收入”、“職工獎金”、“職工津貼”、“性別”、“就業(yè)身份”等稱為指標(biāo)，每戶稱為樣品。若對戶主進(jìn)行分類，還可以采用其他指標(biāo)，如“子女個數(shù)”、“政治面貌”等，指標(biāo)如何選擇取決于聚類的目的。表3-1某市2001年城鎮(zhèn)居民戶主個人收入數(shù)據(jù)X1職工標(biāo)準(zhǔn)工資收入X5單位得到的其他收入X2職工獎金收入X6其他收入X3職工津貼收入X7性別X4其他工資性收入X8就業(yè)身份X1X2X3X4X5X6X7X8540.000.00.00.00.06.00男國有1137.00125.0096.0

10、00.0109.00812.00女集體1236.00300.00270.000.0102.00318.00女國有1008.000.096.000.086.0246.00男集體1723.00419.00400.000.0122.00312.00男國有1080.00569.00147.00156.00210.00318.00男集體1326.000.0300.000.0148.00312.00女國有1110.00110.0096.000.080.00193.00女集體1012.0088.00298.000.079.00278.00女國有1209.00102.00179.0067.00198.0051

11、4.00男集體1101.00215.00201.0039.00146.00477.00男集體例3-3EnglishNorwegianDanishDutchGermanFrenchOneEneneeneinunTwoTototweezweideuxThreeTretredriedreitroisFourFirefireviervierquatreFiveFemfemvijffunfeinqSixSekssekszessechssixsevenSjusyvzevensiebcnseptEightAteotteachtachthuitNineNininegenneunneufTenTititienz

12、ehndixSpanishItalianPolishHungarianFinnishUnounojedenegyyksiDosduedwakettokaksiTrestretrzyharomkolmecuatroquattroczterynegyneuaCincocinquepiecotviisiSeixseiszeschatkuusiSietesettesiedemhetseitsemanOchoottoosiemnyolckahdeksaunuevenovedziewieckilencyhdeksanDiezdiecidziesiectizkymmenen例3-4X1食品支出（元/人）X5

13、交通和通訊支出（元/人）X2衣著支出（元/人）X6娛樂、教育和文化服務(wù)支出（元/人）X3家庭設(shè)備、用品及服務(wù)支出（元/人）X7居住支出（元/人）X4醫(yī)療保健支出（元/人）X8雜項商品和服務(wù)支出（元/人）X1X2X3X4X5X6X7X8遼寧1772.14568.25298.66352.20307.21490.83364.28202.50浙江2752.25569.95662.31541.06623.05917.23599.98354.39河南1386.76460.99312.97280.78246.24407.26547.19188.52甘肅1552.77517.16402.03272.44265

14、.29563.10302.27251.41青海1711.03458.57334.91307.24297.72495.34274.48306.45例3-5x1人均糧食支出（元/人）x5人均衣著支出（元/人）x2人均副食支出（元/人）x6人均日用雜品支出（元/人）x3人均煙、酒、飲料支出（元/人）x7人均水電燃料支出（元/人）x4人均其他副食支出（元/人）x8人均其他非商品支出（元/人）x1x2x3x4x5x6x7x8北京21.30124.8935.4373.9893.0120.5843.97433.73天津21.50122.3929.0851.6455.0411.3054.88288.13河北1

15、8.2590.2124.4532.4462.487.4547.50178.84山西21.8466.3818.0531.3274.488.1934.97177.45內(nèi)蒙古21.3767.0820.2835.2781.0710.9439.46182.20遼寧22.74115.8828.2142.4458.079.6348.65194.85吉林20.2288.9418.5435.6365.728.8150.29186.52黑龍江21.3375.5014.0029.5669.298.2442.08165.90上海21.13168.6940.8170.1274.3215.4650.90422.74江蘇1

16、8.61122.5127.0742.5063.4715.3836.14240.92浙江19.96142.2443.3350.74101.7712.9253.44394.55安徽19.61107.1332.8535.7761.347.5334.60142.23福建25.56171.6522.3040.5357.1312.6054.03225.08江西18.75104.6815.5535.6151.8011.1836.27142.72山東18.2788.3419.0743.1972.9812.5942.16200.18河南19.0773.1818.0129.3864.518.9138.14155.

17、45湖北18.76102.6721.8730.4764.3311.9942.14168.17湖南20.25104.4520.7238.1562.9812.6739.16213.56廣東23.68173.3017.4343.5953.6616.8665.02385.94廣西18.70131.3511.6932.0641.5410.8442.77178.51海南16.16139.9212.9823.5824.8710.7632.35144.21重慶18.18120.3926.1837.9468.1611.6438.48246.37四川18.53109.9521.4933.0450.9810.883

18、3.96183.85貴州18.3392.4325.3832.1956.3214.0038.57144.82云南22.3099.0833.3632.0152.067.0432.85190.04西藏29.67146.9064.5154.3686.1014.7732.19193.10陜西20.0370.7519.7534.9553.2910.5538.20189.41甘肅18.6872.7423.7238.6962.419.6535.26170.12青海20.3375.6420.8833.8653.8110.0632.82171.32寧夏19.7570.2418.6736.7161.7510.084

19、0.26165.22新疆21.0378.5514.3534.3364.989.8333.87161.67第4章例4-1判別分析的一個重要應(yīng)用是用于動植物的分類當(dāng)中，最著名的一個例子是1936年Fisher的鳶尾花數(shù)據(jù)（IrisData）。鳶尾花為法國的國花，Setosa、Versicolour、Virginica是三種有名的鳶尾花，其萼片是絢麗多彩的，和向上的花瓣不同，花萼是下垂的。這三種鳶尾花很像，人們試圖建立模型，根據(jù)萼片和花瓣的四個度量來把鳶尾花分類。該數(shù)據(jù)給出150個鳶尾花的萼片長(sepallength)、萼片寬(sepalwidth)、花瓣長(petallength)、花瓣寬(pe

20、talwidth)以及這些花分別屬于的種類(Species)等共五個變量。萼片和花瓣的長寬為四個定量變量，而種類為分類變量(取三個值Setosa、Versicolour、Virginica)。這里三種鳶尾花各有50個觀測值。數(shù)據(jù)格式如下圖所示：定義新的變量y為被解釋變量，用“1”代表Setosa鳶尾花，用“2”代表Versicolour鳶尾花，用“3”代表Virginica鳶尾花，將萼片長(sepallength)、萼片寬(sepalwidth)、花瓣長(petallength)和花瓣寬(petalwidth)四個變量作為解釋變量。使用SPSS軟件中的AnalyzeClassifyDiscri

21、minant，就進(jìn)入了判別分析的對話框。分組變量(GroupingVariable)選擇y，然后定義的區(qū)域，最小值是1，最大值是3。解釋變量(Independents)選擇sepal.length、sepal.width、petal.length和petal.width。統(tǒng)計量(Statistics)選項中選擇描述統(tǒng)計量Means，UnivariateANOVAs和BoxM，函數(shù)選擇Fisher和非標(biāo)準(zhǔn)化函數(shù)，矩陣選擇Within-groupscorrelation。分類(Classify)選項中選擇先驗概率（所有組相等或根據(jù)組的大小計算概率），因為三個品種的都是50種，因此兩種選擇的效果一樣

22、，子選項顯示(display)中選擇每個個體的結(jié)果(Casewiseresults)，綜合表(SummeryTable)和“留一個在外”(Leave-one-outclassifation)的驗證原則，協(xié)方差矩陣選擇Within-groups，作圖選擇Combined-groups。保存(Save)選項中可以選擇預(yù)測的分類、判別得分以及所屬類別的概率。如果采用逐步判別法，我們還可以選擇判別的方法(Method)。得到分析結(jié)果如下：輸出結(jié)果4-1Discriminant（1）（2）（3）輸出結(jié)果4-1分析的是各組的描述統(tǒng)計量和對各組均值是否相等的檢驗。第1張表反映的是有效樣本量及變量缺失的情況。

23、第2張表是各組變量的描述統(tǒng)計分析。第3張表是對各組均值是否相等的檢驗。由第3張表可以看出，在0.01的顯著性水平上我們拒絕變量萼片長(sepallength)、萼片寬(sepalwidth)、花瓣長(petallength)和花瓣寬(petalwidth)在三組的均值相等的假設(shè)，即認(rèn)為變量萼片長(sepallength)、萼片寬(sepalwidth)、花瓣長(petallength)和花瓣寬(petalwidth)在三組的均值是有顯著性差異的。輸出結(jié)果4-2BoxsTestofEqualityofCovarianceMatrices（1）（2）輸出結(jié)果4-2是對各組協(xié)方差矩陣是否相等的Box

24、M檢驗。第1張表反映協(xié)方差矩陣的秩和行列式的對數(shù)值。由行列式值可以看出協(xié)方差矩陣不是病態(tài)矩陣。第2張表是對各總體協(xié)方差陣是否相等的統(tǒng)計檢驗。由值及其顯著水平，我們在0.05的顯著性水平下拒絕原假設(shè)（原假設(shè)假定各總體協(xié)方差陣相等）。因此，在分類(Classify)選項中的協(xié)方差矩陣選擇可以考慮采用Separate-groups，以檢驗采用Within-groups和Separate-groups兩種協(xié)方差所得出的結(jié)果是否存在顯著差異。如果存在顯著差異就應(yīng)該采用Separate-groups協(xié)方差矩陣，反之，就用Within-groups協(xié)方差矩陣。輸出結(jié)果4-3SummaryofCanonica

25、lDiscriminantFunctions（1）（2）輸出結(jié)果4-3分析的是典型判別函數(shù)。第1張表反映判別函數(shù)的特征值、解釋方差的比例和典型相關(guān)系數(shù)。第一判別函數(shù)解釋了99.1的方差，第二判別函數(shù)解釋了0.9%的方差，兩個判別函數(shù)解釋了全部方差。第2張表是對兩個判別函數(shù)的顯著性檢驗。由WilksLambda檢驗，認(rèn)為兩個判別函數(shù)在0.05的顯著性水平上是顯著的。輸出結(jié)果4-4（1）（2）（3）（4）輸出結(jié)果4-4顯示的是判別函數(shù)、判別載荷和各組的重心。第1張表是標(biāo)準(zhǔn)化的判別函數(shù)，表示為，這里表示標(biāo)準(zhǔn)化變量，標(biāo)準(zhǔn)化變量的系數(shù)也就是前面講的判別權(quán)重。第2張表是結(jié)構(gòu)矩陣，即判別載荷。由判別權(quán)重和判

26、別載荷可以看出兩個解釋變量對判別函數(shù)的貢獻(xiàn)較大。第3張表是非標(biāo)準(zhǔn)化的判別函數(shù)，表示為我們可以根據(jù)這個判別函數(shù)計算每個觀測的判別Z得分。第4張表是反映判別函數(shù)在各組的重心。根據(jù)結(jié)果，判別函數(shù)在這一組的重心為（-7.608，0.215），在這一組的重心為（1.825，-0.728），在這一組的重心為（5.783，0.513）。這樣，我們就可以根據(jù)每個觀測的判別Z得分將觀測進(jìn)行分類。輸出結(jié)果4-5ClassificationStatistics（1）（2）（3）（4）（5）輸出結(jié)果4-5是分類的統(tǒng)計結(jié)果。第1張表概括了分類過程，說明150個觀測都參與分類。第2張表說明各組的先驗概率，我們在Class

27、ify選項中選擇的是所有組的先驗概率相等。第3張表是每組的分類函數(shù)（區(qū)別于判別函數(shù)），也稱費歇線性判別函數(shù)，由表中的結(jié)果可以說明，這一組的分類函數(shù)是這組的分類函數(shù)是這組的分類函數(shù)是。我們可以計算出每個觀測在各組的分類函數(shù)值，然后將觀測分類到較大的分類函數(shù)值中。第4張表是分類矩陣表。PredictedGroupMembership表示預(yù)測的所屬組關(guān)系，Original表示原始數(shù)據(jù)的所屬組關(guān)系，Cross-validated表示交叉驗證的所屬組關(guān)系，這里交叉驗證是采用“留一個在外”的原則，即每個觀測是通過除了這個觀測以外的其他觀測推導(dǎo)出來的判別函數(shù)來分類的。由第4張表可以看出，通過判別函數(shù)預(yù)測，有

28、147個觀測是分類正確的，其中，組50個觀測全部被判對，組50個觀測中有48個觀測被判對，組50個觀測中有49個觀測被判對，從而有147/150=98%的原始觀測被判對。在交叉驗證中，組50個觀測全部被判對，組50個觀測中有48個觀測被判對，組50個觀測中有49個觀測被判對，從而交叉驗證有147/150=98%的原始觀測被判對。還可以通過分類結(jié)果分析判對和判錯的百分比。第（5）為分類結(jié)果圖，從圖中可以看到，Setosa鳶尾花與Versicolour鳶尾花和Virginica鳶尾花可以很清晰的區(qū)分開，而Versicolour鳶尾花和Virginica鳶尾花這兩種之間存在重合區(qū)域，即存在誤判。我們

29、還可以通過保存(Save)選項選擇預(yù)測的類別關(guān)系和判別得分等，對觀測進(jìn)行診斷。由前面分析我們發(fā)現(xiàn)，協(xié)方差矩陣不等，可以考慮采用Separate-groups協(xié)方差矩陣，選擇Separate-groups協(xié)方差矩陣，其他選擇同上，得分類結(jié)果表如下：輸出結(jié)果4-6（1）（2）由第1張表可以看出，通過判別函數(shù)預(yù)測，有146個觀測是分類正確的，其中，組50個觀測全部被判對，組50個觀測中有47個觀測被判對，組50個觀測中有49個觀測被判對，從而有146/150=97.3%的原始觀測被判對。第（2）為分類結(jié)果圖，從圖中可以看到，Setosa鳶尾花與Versicolour鳶尾花和Virginica鳶尾花可

30、以很清晰的區(qū)分開，而Versicolour鳶尾花和Virginica鳶尾花這兩種之間存在重合區(qū)域，即存在誤判。由輸出結(jié)果4-6可以看出，采用Separate-groups協(xié)方差矩陣與采用Within-groups協(xié)方差矩陣的預(yù)測效果沒有明顯的差別，因此，可以采用Within-groups協(xié)方差矩陣來進(jìn)行判別。例4-2距離判別案例。為了研究2008年全國各地區(qū)城鎮(zhèn)居民家庭人均消費支出情況，按人均收入、人均GDP以及消費支出將29個省、市、自治區(qū)（除天津和陜西以外）分為三種類型，設(shè)置group變量取值分別為1、2、3。試建立判別函數(shù)，判定天津、陜西分別屬于哪個消費水平類型。判別指標(biāo)及原始數(shù)據(jù)見表4

31、1。解：本例中組數(shù)k=3，判別指標(biāo)p=8，各組中樣本為：，待判樣品個數(shù)為2?？傮w協(xié)差陣的逆矩陣：表4-12008年31個省、市、自治區(qū)農(nóng)村居民家庭平均每人生活消費支出x1人均食品支出（元/人）x5人均交通和通信支出（元/人）x2人均衣著支出（元/人）x6人均文教娛樂用品及服務(wù)支出（元/人）x3人均住房支出（元/人）x7人均醫(yī)療保健支出（元/人）x4人均家庭設(shè)備及服務(wù)支出（元/人）x8其他商品及服務(wù)支出（元/人）序號地區(qū)x1x2x3x4x5x6x7x8Group1上海7108.621520.611646.191182.24755.293373.192874.54937.2112廣東5866.91

32、975.061748.16947.54836.392623.081936.38594.4513北京5561.541571.741286.321096.571563.12293.232383.52704.2414浙江5522.561546.461333.69713.31933.112392.632195.58520.9515江蘇4544.641166.911042.1813.45794.631357.961799.75458.116福建5078.851105.311300.1722.17540.631777.061453.18523.8327重慶4418.341294.31096.82842.0

33、9878.251044.361267.03305.628云南4272.291026.5739.2331.94606.861216.46732.95150.4229西藏4262.771011.82634.94310.22317.08966.74419.59400.38210四川4255.481042.45819.28590.51564.931121.45947.01338.03211海南4226.9491.841106.39565.51536.41303.5930.87247.08212廣西4082.99772.28891.33603.84529.361376.031081.54290.0421

34、3湖北3996.271099.16914.26604.4675.32890.121037.24260.74214湖南3970.421090.72960.82674.84790.95971.051110.11376.62215安徽3905.051010.61988.12579.59633.93920.771160.14325.82216山東3699.421394.111247.04806.35799.791410.451277.43372.01217江西3633.05969.58851.15623.17483.96872.57945.99337.91218貴州3597.94851.5836.54

35、525.7471.39871.15934.73260.27219遼寧4378.141187.411270.95507.4913.131295.71145.46533.29320內(nèi)蒙古3553.481616.561028.19672.64869.711191.71383.53512.81321寧夏3352.831178.881069.15596.81816.871096.321043.72403.71322青海3315.94945.14802.73538.54610.02787.63880.86311.72323吉林3307.141259.621285.28510.49914.47954.961

36、071.8425.3324新疆3235.771245.02781.9535.31643.481003.89812.36411.63325甘肅3183.791022.62846.26546.23654.82817.17936.33301.4326河北3155.41137.221097.41574.84808.881062.31946.38304.28327黑龍江3128.11217.04941.25494.49864.89749.05906.19321.95328河南3079.821141.76963.59633.32790.87915.12988.95324.03329山西2974.76113

37、7.711250.87471.65769.79931.331041.91228.5331天津5005.091153.661528.28817.181220.921567.871608.97520.492陜西3586.131047.611007.68618.16862.7967.521281.58400.68資料來源：中國統(tǒng)計年鑒2008距離判別法無法在SPSS中直接實現(xiàn)，在R軟件中運行如下程序，可得。距離判別程序：#讀取數(shù)據(jù)（數(shù)據(jù)集為“城鎮(zhèn)消費.csv”）a=read.csv(d:/data/城鎮(zhèn)消費.csv，header=T);a;names(a);attach(a);a1=a1:5，;a1

38、;a2=a6:18，;a2;a3=a20:29，;a3;#計算協(xié)方差陣、逆矩陣、和各組均值v=cov(a，3:10);v;v_1=solve(v);v_1;m=mean(a，3:10);m;m1=mean(a13:10);m1;m2=mean(a23:10);m2;m3=mean(a33:10);m3;#計算與三組的距離d1=c(1:31);i=1for(iin1:31)if(i=31)d1i=as.matrix(ai，3:10-m1)%*%matrix(v_1，8，8)%*%matrix(t(ai，3:10-m1)，8，1)d1i;i=i+1d1;d2=c(1:31);j=1;for(jin

39、1:31)if(j=31)d2j=as.matrix(aj，3:10-m2)%*%matrix(v_1，8，8)%*%matrix(t(aj，3:10-m2)，8，1)d2j;j=j+1d2;d3=c(1:31);k=1for(kin1:31)if(kF140.589135.34110.85840.85840.0015168816.052470.982.000125.24803.86210.11100.96940.063085466.701558.373.000131.38591.32250.02930.99870.394157043.268440.005340.06340.00131.000

40、00.940417480.493230.6955輸出結(jié)果8-4給給出了典型相關(guān)相關(guān)系數(shù)及個相關(guān)系數(shù)的檢驗。第一對典型變量的典型相關(guān)系數(shù)為0.987904，第二對典型變量的典型相關(guān)系數(shù)為0.916487。檢驗結(jié)果表明兩個典型系數(shù)均是顯著的。因此，兩組變量相關(guān)性的研究可以轉(zhuǎn)化為研究第一對和第二對典型變量的相關(guān)性。輸出結(jié)果8-5TheCANCORRProcedureCanonicalCorrelationAnalysisStandardizedCanonicalCoefficientsfortheVARVariablesV1V2V3V4X1-0.56190.89700.4774-1.5071X2-0

41、.28820.20280.28872.7474X30.3725-1.50612.8455-0.8289X41.56230.6221-5.3347-0.0088X50.54600.9031-1.9598-0.6186X60.11130.23461.5978-0.6004StandardizedCanonicalCoefficientsfortheWITHVariablesW1W2W3W4Y1-0.5005-9.884320.0432-14.3389Y2-0.13870.8085-2.3337-3.0278Y31.52309.5616-15.983016.8028Y4-0.14180.52542.

42、3860-0.4936TheCANCORRProcedureCanonicalStructureCorrelationsBetweentheVARVariablesandTheirCanonicalVariablesV1V2V3V4X10.91730.2070-0.1466-0.1564X20.86790.3774-0.01580.2653X30.96440.0017-0.0982-0.0751X40.9718-0.1798-0.02050.0309X5-0.34270.8602-0.1539-0.0849X60.67590.32150.59030.1315CorrelationsBetwee

43、ntheWITHVariablesandTheirCanonicalVariablesW1W2W3W4Y10.99650.02710.0391-0.0686Y20.93200.2370-0.0525-0.2692Y30.99500.08210.0312-0.0477Y4-0.79440.55420.2484-0.0071CorrelationsBetweentheVARVariablesandtheCanonicalVariablesoftheWITHVariablesW1W2W3W4X10.90620.1897-0.1117-0.0382X20.85740.3459-0.01200.0648

44、X30.95270.0016-0.0749-0.0183X40.9600-0.1648-0.01560.0075X5-0.33850.7883-0.1173-0.0207X60.66770.29470.44990.0321CorrelationsBetweentheWITHVariablesandtheCanonicalVariablesoftheVARVariablesV1V2V3V4Y10.98450.02480.0298-0.0167Y20.92070.2172-0.0400-0.0657Y30.98300.07520.0238-0.0116Y4-0.78480.50790.1893-0

45、.0017輸出結(jié)果8-4和輸出結(jié)果8-5是典型系數(shù)和典型結(jié)構(gòu)的分析。前兩對典型變量的線性組合是：在第一對典型變量V1和W1中，V1是對生豬養(yǎng)殖有影響的各因素的線性組合。可以看出V1主要代表X1豬（毛重）生產(chǎn)價格指數(shù)、X4農(nóng)村居民人均純收入、X5鄉(xiāng)村總?cè)丝跀?shù)。W1是對生豬養(yǎng)殖指標(biāo)的線性組合。W1主要代表Y1肉豬出欄頭數(shù)、Y3豬肉產(chǎn)量.這說明肉豬出欄頭數(shù)、豬肉產(chǎn)量與（毛重）生產(chǎn)價格指數(shù)、農(nóng)村居民人均純收入、鄉(xiāng)村總?cè)丝跀?shù)有較密切的關(guān)系。在第二對典型變量V2和W2中，在V2的線性組合中與X1豬（毛重）生產(chǎn)價格指數(shù)、X3糧食零售價格指數(shù)、X4農(nóng)村居民人均純收入、X5鄉(xiāng)村總?cè)丝跀?shù)的載荷系數(shù)較大，不過X3糧

46、食零售價格指數(shù)在這里起副作用。W2的線性組合中與Y1肉豬出欄頭數(shù)、Y2生豬年底存欄頭數(shù)、Y3豬肉產(chǎn)量的載荷系數(shù)較大。這說明了豬（毛重）生產(chǎn)價格指數(shù)、糧食零售價格指數(shù)、農(nóng)村居民人均純收入、鄉(xiāng)村總?cè)丝跀?shù)是農(nóng)民養(yǎng)豬的主要因素。從第二對典型變量中進(jìn)一步看出生豬年底存欄頭數(shù)與豬（毛重）生產(chǎn)價格指數(shù)及糧食產(chǎn)量同方向增長，與糧價方向相反。輸出結(jié)果8-5可以看出V1與指標(biāo)X1、X2、X3、X4有較強的相關(guān)性。W1與指標(biāo)Y1、Y2、Y3有較強的相關(guān)性。這些情況表明年底存欄頭數(shù)是農(nóng)民養(yǎng)豬積極性的反映。而農(nóng)民養(yǎng)豬成本受糧食價格的制約，糧食產(chǎn)量下降，糧食價格升高、飼料必然上漲，人民養(yǎng)豬的成本投入增大，養(yǎng)豬利潤較少，農(nóng)

47、民致富的經(jīng)營目標(biāo)當(dāng)然轉(zhuǎn)移，只是商品生產(chǎn)的必然規(guī)律，改革開放初期我國生豬養(yǎng)殖的波動已充分說明了這方面的問題。但近幾年政府相繼出臺生豬養(yǎng)殖的各項好政策，落實對養(yǎng)豬戶的補貼政策，以維護(hù)生豬養(yǎng)殖的穩(wěn)定發(fā)展。輸出結(jié)果8-6TheCANCORRProcedureCanonicalRedundancyAnalysisStandardizedVarianceoftheVARVariablesExplainedbyTheirOwnTheOppositeCanonicalVariablesCanonicalVariablesCanonicalVariableCumulativeCanonicalCumulativ

48、eNumberProportionProportionR-SquareProportionProportion10.67390.67390.97600.65770.657720.17680.85070.83990.14850.806230.06730.91800.58090.03910.845340.02100.93900.05960.00130.8466StandardizedVarianceoftheWITHVariablesExplainedbyTheirOwnTheOppositeCanonicalVariablesCanonicalVariablesCanonicalVariable

49、CumulativeCanonicalCumulativeNumberProportionProportionR-SquareProportionProportion10.87070.87070.97600.84980.849820.09270.96340.83990.07790.927630.01670.98010.58090.00970.937340.01991.00000.05960.00120.9385輸出結(jié)果8-7TheCANCORRProcedureCanonicalRedundancyAnalysisSquaredMultipleCorrelationsBetweentheVAR

50、VariablesandtheFirstMCanonicalVariablesoftheWITHVariablesM1234X10.82130.85730.86970.8712X20.73510.85470.85490.8590X30.90770.90770.91330.9137X40.92170.94880.94910.9491X50.11460.73610.74980.7502X60.44580.53270.73500.7361SquaredMultipleCorrelationsBetweentheWITHVariablesandtheFirstMCanonicalVariablesof

51、theVARVariablesM1234Y10.96920.96980.97070.9709Y20.84770.89490.89650.9008Y30.96620.97190.97240.9726Y40.61590.87390.90980.9098輸出結(jié)果8-6和輸出結(jié)果8-7是典型冗余分析。輸出結(jié)果說明典型函數(shù)可以解釋的變量方差的比例。第一典型變量V1可以解釋組內(nèi)變差67.39%，并解釋的另一組（生豬養(yǎng)殖指標(biāo)）的變差為65.77%；典型變量W1可以解釋組內(nèi)變差87.07%，并解釋的另一組（生豬養(yǎng)殖的影響因素指標(biāo)）的變差為84.98%?？梢姷谝粚Φ湫妥兞慷寄茌^全面地預(yù)測另一組變量。而第二和第三

52、對典型變量實際上都沒給出較充分的信息。輸出結(jié)果8-7是典型冗余分析的復(fù)相關(guān)系數(shù)分析，類似于回歸分析中的,讀者可試給出相應(yīng)的解釋。利用SPSS軟件也可以進(jìn)行典型相關(guān)分析。有關(guān)SPSS典型相關(guān)分析的輸出，本文不再詳細(xì)討論，有興趣的讀者請參考相關(guān)指導(dǎo)書。第9章數(shù)據(jù)例9-1滿意不滿意合計高533891中434108542低11148159合計598194792例9-2序號年家庭收入(萬元)x簽定意向書人數(shù)ni實際購房人數(shù)mi實際購房比例pi=mi/ni邏輯變換權(quán)重wi=nipi(1-pi)11.52580.320000-0.753775.44022.532130.406250-0.379497.719

53、33.558260.448276-0.2076414.34544.552220.423077-0.3101512.69255.543200.465116-0.1397610.69866.539220.5641030.2578299.59077.528160.5714290.2876826.85788.521120.5714290.2876825.14399.515100.6666670.6931473.333例9-3序號性別年齡月收入y序號性別年齡月收入y1018850015120100002021120001612512000302385011712713000402395011812815000502812001191309501603185002013210000703615001211331800080421000122133100009046950123138120001004812000241411500011055180012514518001