多元统计分析实例Word文档下载推荐.docx
《多元统计分析实例Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《多元统计分析实例Word文档下载推荐.docx（21页珍藏版）》请在冰豆网上搜索。
25
114687.756
17
21
169600.075
15
18
188500.814
16
204825.463
268125.103
23
387465.457
425667.984
459235.019
499195.430
559258.810
708176.881
854998.386
1042394.608
1222229.597
1396048.280
1915098.014
3086204.552
6791755.637
RescaledDistanceClusterCombine
CASE0510152025
LabelNum+---------+---------+---------+---------+---------+
内蒙5-+
吉林7-+
云南25-+-+
江西14-++-+
陕西27-+-+|
新疆31-++-+
安徽12-+-+||
广西20-++-++-------+
辽宁6---+||
浙江11-+-----+|
福建13-+|
重庆22-++---------------------------------+
贵州24-+||
山西4-+---+||
甘肃28-+|||
北京1-+|||
青海29-++---------+|
天津2-+||
上海9-+||
宁夏30-+---+|
西藏26-+|
海南21-+|
河北3---+-----+|
四川23---+||
黑龙江8-+-++-------------+|
湖南18-++---+|||
湖北17-+-++-++-------------------------+
广东19-+||
江苏10-------+|
山东15-----------+-----------+
河南16-----------+
群集成员
案例
4群集
1:
北京
2:
天津
3:
河北
4:
山西
5:
内蒙
6:
辽宁
7:
吉林
8:
黑龙江
9:
上海
10:
江苏
11:
浙江
12:
安徽
13:
福建
14:
江西
15:
山东
16:
河南
17:
湖北
18:
湖南
19:
广东
20:
广西
21:
海南
22:
重庆
23:
四川
24:
贵州
25:
云南
26:
西藏
27:
陕西
28:
甘肃
29:
青海
30:
宁夏
31:
新疆
从SPSS分析结果可以得到,内蒙,吉林,黑龙江,新疆为第2族群,这一族群的特点是农业收入可能不高,但是农民的固定资产,和耕地面积非常高,农民的富余程度或者机械化程度较高;
山东是第3族群,这一族群中六个指标都处于较高水平,农林牧渔四项收入都处于较高水平而且农民富余;
西藏处于第4族群,这是因为,西藏人员较少,自然条件恶劣,可使用耕地少,但是,由于国家的扶持,农民的固定资产较多,农民相对而言比较富足;
大多数省份属于第1族群,这一族群的特点在于六项指标都没有较为突出的一项,或者农林牧渔收入的本来就少,或者是农民的虽然比较辛苦,总体的农业收入较高,但是农民的收入水平比较低,固定资产较少.
三.判别法
分别代表农业产值,林业产值.牧业总产值,渔业总产值,农村居民家庭拥有生产性固定资产原值,农村居民家庭经营耕地面积.
分析案例处理摘要
未加权案例
N
百分比
有效
100.0
排除的
缺失或越界组代码
.0
至少一个缺失判别变量
缺失或越界组代码还有至少一个缺失判别变量
合计
实验结果分析:
组统计量
AverageLinkage（BetweenGroups）
有效的N（列表状态）
均值
标准差
未加权的
已加权的
农业总产值
1463.8900
1062.03486
25.000
林业总产值
118.5768
87.02052
牧业总产值
830.3664
671.10440
渔业总产值
291.4128
346.71902
农村居民家庭拥有生产性固定资产原值
14432.3400
5287.92950
农村居民家庭经营耕地面积
1.5496
.88484
1582.2975
543.92851
4.000
93.3500
37.71131
1021.3175
372.88255
38.3500
27.49067
30226.4175
4233.77839
9.4975
3.30626
3960.6200
.a
1.000
107.0100
2285.9200
1267.0700
19168.1400
1.6400
53.3900
2.5600
59.0200
.2200
52935.0700
1.8900
从表上可以看出,组均值之间差值很大.各个分组,在6项指标上均值有较明显的差异.
组均值的均等性的检验
Wilks的Lambda
F
df1
df2
Sig.
.773
2.640
.070
.928
.699
.561
.801
2.238
.107
.691
4.019
.017
.253
26.538
.000
.190
38.263
由表中可以知道,13456指标之间的sig值较小,2指标sig值有0.561较大,不过仍说明接受原假设,各指标族群间差异较大.
汇聚的组内矩阵
相关性
.449
.895
.400
.489
.481
.294
-.093
-.262
-.052
-.040
.056
-.033
.181
-.104
.326
从表中可以知道,检验结果p值>
0.05,此时,说明协方差矩阵相等，可以进行bayes检验.
Fisher分析法
协方差矩阵的均等性的箱式检验
对数行列式
秩
61.125
.b
.c
汇聚的组内
62.351
打印的行列式的秩和自然对数是组协方差矩阵的秩和自然对数。
典型判别式函数摘要
特征值
函数
方差的%
累积%
正则相关性
4.874a
64.2
.911
2.084a
27.4
91.6
.822
.638a
8.4
.624
由表中看出，函数1,2的特征值达到0.911,0.822比较大，对判别的贡献大..
标准化的典型判别式函数系数
.500
-.196
.234
.164
-.742
-.639
.143
.649
-.185
-.130
.869
.370
1.022
.071
.865
-.676
.051
典型判别式函数系数
.003
.002
-.009
.001
.626
-.489
.037
（常量）
-2.928
-2.269
-.975
非标准化系数
由表中可知，3个Fisher判别函数分别为:
农村居民家庭拥有生产性固定资产原值对判别数据所属群体无用.
结构矩阵
.909*
-.319
.126
.585
.775*
.213
-.068
-.162*
-.027
-.164
-.059
.695*
-.026
-.179
.591*
.007
-.166
.547*
判别变量和标准化典型判别式函数之间的汇聚组间相关性
按函数内相关性的绝对大小排序的变量。
*.每个变量和任意判别式函数间最大的绝对相关性
该表是原始变量与典型变量（标准化的典型判别函数）的相关系数，相关系数的绝对值越大，说明原始变量与这个判别函数的相关性越强.从表中可以看出相关性较强.符合较好.
组质心处的函数
-.859
-.159
-.170
5.184
-.860
.085
-1.262
.162
4.058
2.013
7.257
-.144
在组均值处评估的非标准化典型判别式函数
由上表可知各类别重心的位置，通过计算观测值与各重心的距离，距离最小的即为该观测值的分类.
贝叶斯分析法
分类函数系数
.006
.029
.042
-.010
-.003
-.004
-.002
.010
-.006
.153
4.286
-.100
-1.675
-8.418
-38.180
-20.732
-61.646
该表为贝叶斯函数判别函数的取值,从图中可以知道三类贝叶斯函数.
第一类:
第二类;
第三类;
第四类:
将各样品的自变量值代入上述4个Bayes判别函数，得到函数值。
比较函数值，哪个函数值比较大就可以判断该样品判入哪一类.
判别结果检验
按照案例顺序的统计量
案例数目
最高组
P（D>
d|G=g）
实际组
预测组
p
df
初始
.684
.945
.724
.390
.961
.117
.533
.013
.172
3**
.219
.975
.980
.900
.313
.468
.868
.742
.949
.672
.910
.268
.929
.568
.526
.182
.030
**.错误分类的案例
分类结果a
预测组成员
计数
%
96.0
4.0
从上图可以看出本次判别分析的结果比较贴近,只有第10统计量在分布上出现不同.从总体而言,判别效果较好.
3.主成分分析
通过SPSS主成分统计分析,得到如下数据.
公因子方差
提取
.874
.528
.882
.543
.706
.781
提取方法：
主成份分析。
解释的总方差
成份
初始特征值
提取平方和载入
2.728
45.463
1.585
26.422
71.886
.676
11.264
83.150
.609
10.149
93.299
.331
5.515
98.814
1.186
100.000
旋转平方和载入
2.624
43.740
1.689
28.146
从以上表可以知道,成分
的特征值都>
1,并且解释了71.886%的方差,达到了主成分分析的要求.所以只要提取两个因子即可满足要求.其他因子不予以提取.
得到以下数据.
成份矩阵a
.875
.330
.720
-.097
.836
.428
-.138
-.428
.723
-.194
.862
提取方法:
主成分分析法。
a.已提取了2个成份。
得到主成分
解释:
第一类因子F1中X1X2X3X4载荷系数较大.主要解释了各省区自然条件的状况和农林牧渔收入.可抽象为农业的环境因子.
第二类因子F2中X5X6载荷比较大.主要解释了各个省区农民的经济和耕地状况.可抽象于农业的农民因子.
4.因子分析:
通过主城分析得到旋转之前的因子与载荷.与因子公式.
下图为旋转矩阵以及旋转之后的因子.
成份转换矩阵
.954
-.301
.301
旋转法:
具有Kaiser标准化的正交旋转法。
旋转成份矩阵a
.934
.052
.657
-.309
.926
.156
-.349
-.191
.818
.074
.880
a.旋转在3次迭代后收敛。
得到的旋转之后的因子
.
旋转之后的矩阵有了明显的变化,因子的特征载荷增大.
升级会员 