spss數(shù)據(jù)分析作業(yè)-中國(guó)區(qū)域經(jīng)濟(jì)類型的聚類和判別分析

精選優(yōu)質(zhì)文檔-----傾情為你奉上精選優(yōu)質(zhì)文檔-----傾情為你奉上專心---專注---專業(yè)專心---專注---專業(yè)精選優(yōu)質(zhì)文檔-----傾情為你奉上專心---專注---專業(yè)應(yīng)用數(shù)理統(tǒng)計(jì)（論文）中國(guó)區(qū)域經(jīng)濟(jì)類型的聚類和判別分析指導(dǎo)老師：馮偉院系名稱：材料科學(xué)與工程學(xué)號(hào)：SY姓名：劉桎東2014年12月20日

摘要區(qū)域經(jīng)濟(jì)發(fā)展的指標(biāo)體系，包括人口總數(shù)、第一產(chǎn)業(yè)總產(chǎn)值、第二產(chǎn)業(yè)總產(chǎn)值、第三產(chǎn)業(yè)總產(chǎn)值、財(cái)政收入、社會(huì)消費(fèi)品零售總額、貨物進(jìn)出口總額、平均工資、人均可支配收入和居民消費(fèi)水平等。本文主要通過系統(tǒng)類聚的方法，將全國(guó)31個(gè)省市（自治區(qū)）的2013年經(jīng)濟(jì)發(fā)展?fàn)顩r進(jìn)行歸類分析，得出全國(guó)區(qū)域經(jīng)濟(jì)發(fā)展水平的一些基本情況，并進(jìn)行了相應(yīng)的判別分析，為我國(guó)經(jīng)濟(jì)在快速發(fā)展的前提下，做好協(xié)調(diào)發(fā)展提供一些啟示。關(guān)鍵字：區(qū)域經(jīng)濟(jì)聚類分析判別分析目錄

引言在制定國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展規(guī)劃時(shí)，通常需要按照行政區(qū)域進(jìn)行經(jīng)濟(jì)類型的劃分，這有助于對(duì)不同地區(qū)經(jīng)濟(jì)發(fā)展存在的差異進(jìn)行宏觀調(diào)控，從而因地制宜出臺(tái)相應(yīng)的經(jīng)濟(jì)政策，促進(jìn)各地區(qū)經(jīng)濟(jì)的協(xié)調(diào)發(fā)展，為國(guó)民經(jīng)濟(jì)持續(xù)協(xié)調(diào)健康發(fā)展奠定了堅(jiān)實(shí)基礎(chǔ)。明確當(dāng)前我國(guó)發(fā)達(dá)地區(qū)和落后地區(qū)的區(qū)間格局,對(duì)于進(jìn)一步的研究和分析我國(guó)各區(qū)域間經(jīng)濟(jì)發(fā)展的狀況，并探求切實(shí)可行的區(qū)域協(xié)調(diào)發(fā)展政策以實(shí)現(xiàn)我國(guó)經(jīng)濟(jì)的可持續(xù)發(fā)展有著極為重要的現(xiàn)實(shí)意義。在多元統(tǒng)計(jì)分析中,常常使用聚類分析和判別分析來(lái)解決樣本的分類問題。在事先并不知道應(yīng)將樣品或指標(biāo)分為幾類的情況下，可以使用聚類分析根據(jù)樣本或指標(biāo)的相似程度，將樣本或指標(biāo)歸組分類；而在事先已經(jīng)建立了樣品分類，需要將新樣本歸入到已知分類的樣本組中時(shí)，就可以使用判別分析。本文試圖通過聚類分析的方法，分析2013年中國(guó)31個(gè)省市（區(qū)域）經(jīng)濟(jì)發(fā)展發(fā)展?fàn)顩r和差異情況，從中尋找一些有用的信息，提出對(duì)我國(guó)經(jīng)濟(jì)如何在快速發(fā)展的基礎(chǔ)上，做到協(xié)調(diào)發(fā)展的一些思考。本文采用多元統(tǒng)計(jì)分析方法，對(duì)我國(guó)區(qū)域經(jīng)濟(jì)發(fā)展指標(biāo)進(jìn)行聚類分析，客觀地反映當(dāng)前各地區(qū)的經(jīng)濟(jì)類型。

數(shù)據(jù)收集分區(qū)指標(biāo)是表征分區(qū)單位的特征因子，它的確定合理與否是分區(qū)成敗的關(guān)鍵。由于經(jīng)濟(jì)是與科技以及人民生活狀況等因素直接聯(lián)系的，為反映全國(guó)經(jīng)濟(jì)系統(tǒng)的全貌，評(píng)價(jià)或分析系統(tǒng)時(shí)必須充分考慮這三個(gè)方面的水平和狀態(tài)，這是本文選擇指標(biāo)的理論依據(jù)，實(shí)際選擇指標(biāo)時(shí)還要考慮指標(biāo)與目標(biāo)的一致性和取得指標(biāo)數(shù)據(jù)的可能性。本文選取2013年大陸31省市的10項(xiàng)與經(jīng)濟(jì)相關(guān)的指標(biāo)來(lái)衡量一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展水平：人口總數(shù)（萬(wàn)人）、第一產(chǎn)業(yè)總產(chǎn)值（億元）、第二產(chǎn)業(yè)總產(chǎn)值（億元）、第三產(chǎn)業(yè)總產(chǎn)值（億元）、財(cái)政收入（億元）、社會(huì)消費(fèi)品零售總額（億元）、貨物進(jìn)出口總額（億元）、平均工資（元）、人均可支配收入（元）和居民消費(fèi)水平（元）。上述數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒2014》，如表2.1所示。選取33個(gè)省市作為聚類的變量。表2.1數(shù)據(jù)收集地區(qū)國(guó)內(nèi)生產(chǎn)總值(億元)總?cè)丝冢ㄈf(wàn)人）在崗職工平均工資(元)社會(huì)商品零售總額(億元)貨物進(jìn)出口總額(百萬(wàn)美元)北京21330.831333.49638.1天津15726.931016.66738394738.7.6太原2531.09369.74577711450.210671.05呼和浩特2894.05237.88504691256.12195沈陽(yáng)7098.71730.84565903570.115800.29長(zhǎng)春5342.43754.55569772217.520728.75哈爾濱5340.07987.29515543070.96807.96上海23567.71438.699303.5.3南京8820.75648.72772864167.257220.77杭州9206.16715.76708234201.567997.75寧波7610.28583.78702282992.1合肥5157.97712.81596481666.820087福州5169.16674.94588383062.934663.17廈門3273.58203.44630621072.383553.11南昌3667.96517.73518481304.912226.43濟(jì)南5770.6621.61623233087.610500.14青島8692.1780.64620973361.779888.33鄭州6776.99937.8497562913.646430.9武漢10069.48827.31606244369.326428.87長(zhǎng)沙7824.81671.41618473162.112561.3廣州16706.87842.42742467144.5.8深圳16001.82332.21734924844南寧3148.3729.66543301616.94814.1?？?091.7165.3150653541.33400.9重慶14262.63375.2568525710.795450.24成都10056.591210.74632014468.955844.39昆明3712.99550.5581531905.929394.32拉薩347.4552.7372468180.32076.29西安5492.64815.29540983093.924982.97蘭州2000.94374.6754008944.94556.49西寧1065.78202.6454914414.11596.74銀川1388.6219659080382.54500烏魯木齊2461.47266.916161710708284.58表2.1數(shù)據(jù)收集這個(gè)數(shù)據(jù)我也沒有哇，只有上面那個(gè)數(shù)據(jù)，沒用的話刪除了吧這個(gè)數(shù)據(jù)我也沒有哇，只有上面那個(gè)數(shù)據(jù)，沒用的話刪除了吧省份社會(huì)消費(fèi)品零售總額（億元）貨物進(jìn)出口總額（億元）平均工資（元）人均可支配收入（元）居民消費(fèi)水平（元）北京8375.19300640321.033337天津4470.46777332293.626261河北10516.74150122580.311557山西5139.34640722455.612078內(nèi)蒙古5114.25072325496.717168遼寧10581.44550525578.220156吉林5426.44284622274.613676黑龍江6251.24079419597.012978上海8052.09090843851.439223江蘇20796.55717732537.523585浙江15225.55657137850.824771安徽6542.44780623114.211618福建8275.34853830816.417115江西4576711910山東22294.84699828264.116728河南12426.63830122398.011782湖北10885.94389922906.413912湖南9018.64272623414.012920廣東25453.95331833090.023739廣西5133411710海南992.94497122928.911712重慶4599.85000625216.115270四川10561.44796522367.612485貴州2366.24736420667.19541云南4004.64244723235.511224西藏293.25777320023.46275陜西4999.54744622858.413206甘肅2173.84283318964.89616青海544512070寧夏610.55047621833.313537新疆2108.24906419873.811401

聚類分析聚類分析概述聚類分析的基本思想認(rèn)為所研究的樣品或指標(biāo)之間存在著程度不同的相似性，于是根據(jù)一批樣品的多個(gè)觀測(cè)指標(biāo)，找出能夠度量樣品或變量之間相似程度的統(tǒng)計(jì)量，并以此為依據(jù)，采用某種聚類法，將所有的樣品或變量分別聚合到不同的類中，使同一類中的個(gè)體有較大的相似性，不同類中的個(gè)體差異較大。研究怎樣對(duì)事物進(jìn)行合理分類（歸類）的統(tǒng)計(jì)方法稱為聚類分析。依據(jù)分類對(duì)象的不同可以把聚類分析再分成Q型聚類和R型聚類，Q型聚類是指對(duì)樣品進(jìn)行聚類，R型聚類是指對(duì)變量進(jìn)行聚類。聚類分析的基本原理是把某種性質(zhì)相似的對(duì)象歸于同一類，而不同類的之間則存在較大差異。為此，首先要能刻畫各個(gè)變量之間或者各個(gè)樣本點(diǎn)之間的相似性。Q聚類一般使用“距離”度量樣本點(diǎn)之間的相似性，定義樣本點(diǎn)之間的距離可以采用歐氏距離、明考夫斯基距離、馬氏距離、蘭氏距離等測(cè)度。R聚類則使用“相似系數(shù)”作為變量相似性的度量。定義各變量之間的相似系數(shù)則多采用樣本相關(guān)系數(shù)、夾角余弦等測(cè)度。聚類分析包括很多種方法，包括系統(tǒng)聚類法、有序樣品聚類法、動(dòng)態(tài)聚類法、模糊聚類法、圖論聚類法、聚類預(yù)報(bào)法等，不同的方法適合解決不同類型的問題，本文中使用的為系統(tǒng)聚類法。系統(tǒng)聚類法是最常用的一種聚類方法，初始時(shí)要先把要?dú)w類的n個(gè)對(duì)象各自視為一類，然后逐漸把關(guān)系最密切的兩個(gè)類合并成一個(gè)新類，知道最后把n個(gè)對(duì)象都?xì)w為一類時(shí)停止。這種聚類過程可以用一張聚類譜系圖形象的展示出來(lái)。由于系統(tǒng)聚類時(shí)要把兩個(gè)“最接近”的類合并到一起構(gòu)成一個(gè)新類，這是還需要規(guī)定類與類之間的相似性測(cè)度，常用的方法有最短距離法、最長(zhǎng)距離法、中間距離法、重心法、類平均法、離差平法和。聚類分析過程及結(jié)果輸出用SPSS程序中的聚類分析進(jìn)行分類計(jì)算。聚類方法使用Ward，所用的距離種類選擇歐氏平方距離以兩變量差值平方和為距離，即兩觀察單位間的距離為其值差的平方和。標(biāo)準(zhǔn)化選擇Z得分。對(duì)33各省市進(jìn)行聚類處理，結(jié)果匯總?cè)缦拢罕?.1表示所有觀測(cè)量都加入聚類分析，沒有遺漏。表3.1個(gè)案處理摘要a個(gè)案有效缺失總計(jì)個(gè)案數(shù)百分比個(gè)案數(shù)百分比個(gè)案數(shù)百分比33100.0%00.0%33100.0%a.平方歐氏距離使用中表3.2聚類表階段組合聚類系數(shù)首次出現(xiàn)聚類的階段下一個(gè)階段聚類1聚類2聚類1聚類21612.10700623132.113001431316.131009433014800106627.199101571523.19900158424.203001891320.212301110718.215502111513.262092012333.280401413910.288001914331.3081221815615.38667211618.4030032171719.43300201834.4801482219911.6171302520517.6491117232167.89215102322314.9581802623561.149202127242211.2330029259261.84819027263282.1522202827592.63423252828353.477262730292228.61024030302313.3702928313122528.72730032321240.12516310表3.2為分層聚類分析的聚類過程表。表中第一列表示聚類分析的步驟，第二列和第三列表示該步聚類分析中，哪兩個(gè)樣本聚成了一類；如：第一步是第6個(gè)變量和第12個(gè)變量進(jìn)行聚類，第二步是第31個(gè)變量和第32個(gè)變量進(jìn)行聚類，以此類推，聚類過程共進(jìn)行了32步，所有的樣本聚成了一大類。第四列表示兩個(gè)樣本間的距離系數(shù)，從表中可以看出，距離小的樣本之間先聚類；第五和第六列表示某步聚類分析中，參與聚類的是樣本還是類，0則表示樣本，數(shù)字n(非零)表示第n步聚類產(chǎn)生的類參與了本步聚類；第七列表示本步聚類結(jié)果在下面聚類的第幾步中用到。圖3.1為系統(tǒng)聚類的冰柱圖，圖的縱坐標(biāo)表示聚類的數(shù)目，從圖最下方看起，從32類，逐漸到20類、15類、最后聚成一個(gè)大類。首先是合肥和昆明聚成一類，其余變量各為一類。第二步將蘭州和烏魯木齊聚成另一類中，以此類推，最后所有變量聚成了一個(gè)大類。該圖相較而言更為直觀的顯示了聚類過程。圖3.1系統(tǒng)聚類的冰柱圖圖3.2Ward聯(lián)結(jié)的樹狀圖圖3.2為Ward聯(lián)結(jié)的樹狀圖，該圖比冰柱圖更容易看出分類狀況，并且分析結(jié)果與聚類表和聚類冰柱圖的分析結(jié)果是一致的。通過比較，選擇四群集，即將變量分成四類，如表3.3所示。

表3.3Ward聯(lián)結(jié)的樹狀圖案例區(qū)域群集1:北京12:天津23:河北34:山西35:內(nèi)蒙古36:遼寧37:吉林38:黑龍江19:江蘇310:浙江311:安徽312:福建313:江西314:河南315:湖北316:廣東317:廣西318:海南319:重慶320:四川321:云南222:西藏223:甘肅324:青海325:寧夏426:新疆327:上海3討論北京是我國(guó)的首都，屬于我國(guó)政治經(jīng)濟(jì)文化中心，而上海是我國(guó)的第一大城市，屬于經(jīng)濟(jì)龍頭，無(wú)論是經(jīng)濟(jì)發(fā)展水平還是科技文化教育的實(shí)力在我國(guó)都是領(lǐng)先的，因此這兩者分在一類（第一類）。而廣東、江蘇作為沿海開放的省份，外商投資多，經(jīng)濟(jì)實(shí)力相當(dāng)雄厚，所以分為一類（第四類）；相比之下，天津、河北、遼寧、浙江、福建、河南、湖北、四川這幾個(gè)省份，福建、遼寧、天津、浙江、河北作為沿海省份，在經(jīng)濟(jì)上稍遜于前兩個(gè)類，但遼寧作為我國(guó)的重工業(yè)發(fā)展基地，福建緊靠臺(tái)灣，近兩年沿海交流加深，浙江近幾年由于引進(jìn)外資以及小商品行業(yè)的發(fā)展，經(jīng)濟(jì)實(shí)力迅猛提高，而天津與河北則處在緊鄰北京的優(yōu)勢(shì)地理位置上，河南、湖北與四川則各自有著自己的優(yōu)勢(shì)，因此劃分為一類（第二類），其余劃分為第三類，這些省份主要集中在我國(guó)的西部和中部?jī)?nèi)陸，與前面類別中的省份存在一定的差異未改動(dòng)。未改動(dòng)。文末最后有將分類整理成段落的格式，可以看那個(gè)寫描述分析，隨便寫寫吧

判別分析判別分析概述判別分析是在已知分類數(shù)目的情況下，根據(jù)一定的指標(biāo)對(duì)不知類別的數(shù)據(jù)進(jìn)行歸類。它是判別樣品所屬類型的一種統(tǒng)計(jì)方法。其主要原理是利用原有的分類信息，得到體現(xiàn)這種分類的函數(shù)關(guān)系式（稱之為判別函數(shù)，一般是與分類相關(guān)的若干個(gè)指標(biāo)的線形關(guān)系式），然后利用該函數(shù)去判斷未知樣品屬于哪一類。因而是個(gè)學(xué)習(xí)和預(yù)測(cè)的過程。我們常用的判別分析方法有距離判別法、費(fèi)歇爾判別法和貝葉斯判別法等。判別分析過程及結(jié)果輸出選取27個(gè)省份的數(shù)據(jù)與其對(duì)應(yīng)的類別作為已知分類，湖南、貴州、山東、陜西作為帶分類變量進(jìn)行判別分析，定義分類結(jié)果為變量“分組類別”，采用自變量全進(jìn)入模型來(lái)進(jìn)行判別分析，因此分類結(jié)果變量的取值范圍為1~4。輸出結(jié)果如下所示：表4.1分析案例處理摘要表未加權(quán)個(gè)案數(shù)個(gè)案數(shù)百分比有效33100.0排除缺失或超出范圍組代碼0.0至少一個(gè)缺失判別變量0.0既包括缺失或超出范圍組代碼，也包括至少一個(gè)缺失判別變量0.0總計(jì)0.0總計(jì)33100.0表4.1為分析案例處理摘要表，表明一共有33條記錄，已分好類的有33條，還有0條需要進(jìn)行分類。表4.2為特征值表。由于本文中的預(yù)測(cè)變量有四個(gè)，類別數(shù)也為4個(gè)，因此判別函數(shù)的個(gè)數(shù)應(yīng)為4。判別函數(shù)的特征值越大，表明該函數(shù)越具有區(qū)別力。從表中可以得到不同函數(shù)的特征值。

表4.2特征值表表函數(shù)特征值方差百分比累計(jì)百分比典型相關(guān)性18.683a52.452.4.94726.777a40.993.4.93331.098a6.6100.0.723a.在分析中使用了前3個(gè)典則判別函數(shù)。表4.3判別函數(shù)顯著性檢驗(yàn)函數(shù)檢驗(yàn)威爾克Lambda卡方自由度顯著性1直至3.006139.22415.0002直至3.06176.7878.0003.47720.3793.000表4.3為判別函數(shù)的顯著性檢驗(yàn)結(jié)果表，從Sig.值來(lái)看，三個(gè)判別函數(shù)的效果是顯著的。表4.4標(biāo)準(zhǔn)化典型判別式函數(shù)系數(shù)函數(shù)123國(guó)內(nèi)生產(chǎn)總值(億元)-1.572.843-2.949總?cè)丝冢ㄈf(wàn)人）2.066-.569.118在崗職工平均工資(元).637.175.600社會(huì)商品零售總額(億元)-.178.1032.416貨物進(jìn)出口總額(百萬(wàn)美元).740.412.433表4.4為標(biāo)準(zhǔn)化典型判別式函數(shù)系數(shù)，即標(biāo)準(zhǔn)化的Fisher判別函數(shù)系數(shù)，由該表可以得到三個(gè)Fisher判別函數(shù)，將標(biāo)準(zhǔn)化的變量代入該函數(shù)計(jì)算可以得到各觀測(cè)值的具體空間位置。表4.5組重心Fisher判別函數(shù)值A(chǔ)verageLinkage(BetweenGroups)函數(shù)12313.6317.3172.1482-1.9194.391-2.4623-.586-.920.184414.322-2.962-1.876表4.5為各類別重心在空間中的坐標(biāo)位置，故若將個(gè)觀測(cè)值代入前一個(gè)表格得到的判別函數(shù)中得到具體坐標(biāo)位置后，即可計(jì)算其與各類別重心的距離，從而得到分類。表4.6分類函數(shù)系數(shù)AverageLinkage(BetweenGroups)1234國(guó)內(nèi)生產(chǎn)總值(億元)-.0074.502E-5-.005-.012總?cè)丝冢ㄈf(wàn)人）.066.030.051.160在崗職工平均工資(元).003.002.002.003社會(huì)商品零售總額(億元).003-.005-.001-.007貨物進(jìn)出口總額(百萬(wàn)美元).0005.382E-55.286E-5.000(常量)-168.887-75.669-66.403-271.508表4.6為Bayes判別函數(shù)系數(shù)，可以得到四個(gè)Bayes判別函數(shù)，將觀測(cè)值代入該函數(shù)，可以得到四個(gè)函數(shù)值，通過比較函數(shù)值的大小即可判斷該樣品判入哪一類。下圖為典型判別函數(shù)圖，從該圖可以直觀的看出各類別的分布。圖4.1典型判別函數(shù)圖討論通過一系列的計(jì)算，可以得到如表4.7的分類結(jié)果矩陣，由表可知原已分類案例的判別回報(bào)率為100%，說明判別正確率非常高。同時(shí)，從表中還可以得出待分類的四個(gè)案例中，有兩個(gè)被分到了第一類，有三個(gè)被分到了第二類，有27個(gè)被分到了第三類，有一個(gè)被分到了第四類。表4.