spss数据分析作业-中国区域经济类型的聚类和判别分析.docx

spss数据分析作业-中国区域经济类型的聚类和判别分析.docx

《spss数据分析作业-中国区域经济类型的聚类和判别分析.docx》由会员分享，可在线阅读，更多相关《spss数据分析作业-中国区域经济类型的聚类和判别分析.docx（19页珍藏版）》请在冰豆网上搜索。

应用数理统计（论文）

应用数理统计（论文）

中国区域经济类型的聚类和判别分析

指导老师：

冯伟

院系名称：

材料科学与工程

学号：

SY1401211

姓名：

刘桎东

2014年12月20日

摘要

区域经济发展的指标体系，包括人口总数、第一产业总产值、第二产业总产值、第三产业总产值、财政收入、社会消费品零售总额、货物进出口总额、平均工资、人均可支配收入和居民消费水平等。

本文主要通过系统类聚的方法，将全国31个省市（自治区）的2013年经济发展状况进行归类分析，得出全国区域经济发展水平的一些基本情况，并进行了相应的判别分析，为我国经济在快速发展的前提下，做好协调发展提供一些启示。

关键字：

区域经济聚类分析判别分析

中国区域经济类型的聚类和判别分析

目录

1 引言 4

2 数据收集 5

3 聚类分析 8

3.1 聚类分析概述 8

3.2 聚类分析过程及结果输出 8

3.3 讨论 13

4 判别分析 14

4.1 判别分析概述 14

4.2 判别分析过程及结果输出 14

4.3 讨论 17

5 结论 18

参考文献 19

19

1引言

在制定国民经济和社会发展规划时，通常需要按照行政区域进行经济类型的划分，这有助于对不同地区经济发展存在的差异进行宏观调控，从而因地制宜出台相应的经济政策，促进各地区经济的协调发展，为国民经济持续协调健康发展奠定了坚实基础。

明确当前我国发达地区和落后地区的区间格局,对于进一步的研究和分析我国各区域间经济发展的状况，并探求切实可行的区域协调发展政策以实现我国经济的可持续发展有着极为重要的现实意义。

在多元统计分析中,常常使用聚类分析和判别分析来解决样本的分类问题。

在事先并不知道应将样品或指标分为几类的情况下，可以使用聚类分析根据样本或指标的相似程度，将样本或指标归组分类；而在事先已经建立了样品分类，需要将新样本归入到已知分类的样本组中时，就可以使用判别分析。

本文试图通过聚类分析的方法，分析2013年中国31个省市（区域）经济发展发展状况和差异情况，从中寻找一些有用的信息，提出对我国经济如何在快速发展的基础上，做到协调发展的一些思考。

本文采用多元统计分析方法，对我国区域经济发展指标进行聚类分析，客观地反映当前各地区的经济类型。

2数据收集

1

2

分区指标是表征分区单位的特征因子，它的确定合理与否是分区成败的关键。

由于经济是与科技以及人民生活状况等因素直接联系的，为反映全国经济系统的全貌，评价或分析系统时必须充分考虑这三个方面的水平和状态，这是本文选择指标的理论依据，实际选择指标时还要考虑指标与目标的一致性和取得指标数据的可能性。

本文选取2013年大陆31省市的10项与经济相关的指标来衡量一个地区的经济发展水平：

人口总数（万人）、第一产业总产值（亿元）、第二产业总产值（亿元）、第三产业总产值（亿元）、财政收入（亿元）、社会消费品零售总额（亿元）、货物进出口总额（亿元）、平均工资（元）、人均可支配收入（元）和居民消费水平（元）。

上述数据来源于《中国统计年鉴2014》，如表2.1所示。

选取33个省市作为聚类的变量。

表2.1数据收集

地区

国内生产总值（亿元）

总人口（万人）

在岗职工平均工资（元）

社会商品零售总额（亿元）

货物进出口总额（百万美元）

北京

21330.83

1333.4

103400

9638

415538.1

天津

15726.93

1016.66

73839

4738.7

160846.6

太原

2531.09

369.74

57771

1450.2

10671.05

呼和浩特

2894.05

237.88

50469

1256.1

2195

沈阳

7098.71

730.84

56590

3570.1

15800.29

长春

5342.43

754.55

56977

2217.5

20728.75

哈尔滨

5340.07

987.29

51554

3070.9

6807.96

上海

23567.7

1438.69

100623

9303.5

466622.3

南京

8820.75

648.72

77286

4167.2

57220.77

杭州

9206.16

715.76

70823

4201.5

67997.75

宁波

7610.28

583.78

70228

2992

104704.1

合肥

5157.97

712.81

59648

1666.8

20087

福州

5169.16

674.94

58838

3062.9

34663.17

厦门

3273.58

203.44

63062

1072.3

83553.11

南昌

3667.96

517.73

51848

1304.9

12226.43

济南

5770.6

621.61

62323

3087.6

10500.14

青岛

8692.1

780.64

62097

3361.7

79888.33

郑州

6776.99

937.8

49756

2913.6

46430.9

武汉

10069.48

827.31

60624

4369.3

26428.87

长沙

7824.81

671.41

61847

3162.1

12561.3

广州

16706.87

842.42

74246

7144.5

130589.8

深圳

16001.82

332.21

73492

4844

487765

南宁

3148.3

729.66

54330

1616.9

4814.1

海口

1091.7

165.31

50653

541.3

3400.9

重庆

14262.6

3375.2

56852

5710.7

95450.24

成都

10056.59

1210.74

63201

4468.9

55844.39

昆明

3712.99

550.5

58153

1905.9

29394.32

拉萨

347.45

52.73

72468

180.3

2076.29

西安

5492.64

815.29

54098

3093.9

24982.97

兰州

2000.94

374.67

54008

944.9

4556.49

西宁

1065.78

202.64

54914

414.1

1596.74

银川

1388.62

196

59080

382.5

4500

乌鲁木齐

2461.47

266.91

61617

1070

8284.58

表2.1数据收集这个数据我也没有哇，只有上面那个数据，没用的话删除了吧

省份

社会消费品零售总额（亿元）

货物进出口总额（亿元）

平均工资（元）

人均可支配收入（元）

居民消费水平（元）

北京

8375.1

42899581

93006

40321.0

33337

天津

4470.4

12850179

67773

32293.6

26261

河北

10516.7

5491157

41501

22580.3

11557

山西

5139.3

1579098

46407

22455.6

12078

内蒙古

5114.2

1199457

50723

25496.7

17168

辽宁

10581.4

11447819

45505

25578.2

20156

吉林

5426.4

2583174

42846

22274.6

13676

黑龙江

6251.2

3887909

40794

19597.0

12978

上海

8052.0

44126822

90908

43851.4

39223

江苏

20796.5

55080227

57177

32537.5

23585

浙江

15225.5

33578871

56571

37850.8

24771

安徽

6542.4

4551897

47806

23114.2

11618

福建

8275.3

16932090

48538

30816.4

17115

江西

4576.1

3674663

42473

21872.7

11910

山东

22294.8

26653153

46998

28264.1

16728

河南

12426.6

5995687

38301

22398.0

11782

湖北

10885.9

3638008

43899

22906.4

13912

湖南

9018.6

2517531

42726

23414.0

12920

广东

25453.9

109158144

53318

33090.0

23739

广西

5133.1

3282750

41391

23305.4

11710

海南

992.9

1498543

44971

22928.9

11712

重庆

4599.8

6869216

50006

25216.1

15270

四川

10561.4

6457466

47965

22367.6

12485

贵州

2366.2

829010

47364

20667.1

9541

云南

4004.6

2530356

42447

23235.5

11224

西藏

293.2

331941

57773

20023.4

6275

陕西

4999.5

2012806

47446

22858.4

13206

甘肃

2173.8

1023611

42833

18964.8

9616

青海

544.1

140274

51393

19498.5

12070

宁夏

610.5

321769

50476

21833.3

13537

新疆

2108.2

2756139

49064

19873.8

11401

3聚类分析

1

2

3

3.1聚类分析概述

聚类分析的基本思想认为所研究的样品或指标之间存在着程度不同的相似性，于是根据一批样品的多个观测指标，找出能够度量样品或变量之间相似程度的统计量，并以此为依据，采用某种聚类法，将所有的样品或变量分别聚合到不同的类中，使同一类中的个体有较大的相似性，不同类中的个体差异较大。

研究怎样对事物进行合理分类（归类）的统计方法称为聚类分析。

依据分类对象的不同可以把聚类分析再分成Q型聚类和R型聚类，Q型聚类是指对样品进行聚类，R型聚类是指对变量进行聚类。

聚类分析的基本原理是把某种性质相似的对象归于同一类，而不同类的之间则存在较大差异。

为此，首先要能刻画各个变量之间或者各个样本点之间的相似性。

Q聚类一般使用“距离”度量样本点之间的相似性，定义样本点之间的距离可以采用欧氏距离、明考夫斯基距离、马氏距离、兰氏距离等测度。

R聚类则使用“相似系数”作为变量相似性的度量。

定义各变量之间