1、94.895155.5007.7408.31412.79016.650通过系数做出其散点图群集成员案例5 群集4 群集3 群集1:Case 1 2:Case 2 3:Case 3 4:Case 4 5:Case 5 6:Case 6 7:Case 7 8:Case 8 9:Case 9 10:Case 10 11:Case 11 12:Case 12 13:Case 13 14:Case 14 15:Case 15 1.2变量聚类(R聚类)近似矩阵矩阵文件输入总人口从业人员土地面积耕地面积财政收入粮食产量1.000.857.698.714.512.043.597.570.643.277.856
2、.044-.147-.001-.335.342.645.1292.K均值聚类描述统计量N极小值极大值均值标准差身高月平均增长率19.3411.031.88422.56342体重月平均增长率.4950.305.636311.71814胸围月平均增长率.1611.811.49582.79339坐高月平均增长率.1411.271.71112.80709有效的 N (列表状态)输出结果:初始聚类中心聚类Zscore(身高月平均增长率)3.567811.39883.66153.04907-.60240Zscore(体重月平均增长率)3.811501.16603.35959-.12513-.43918Zs
3、core(胸围月平均增长率)3.692361.32606.58861-.00923-.47104Zscore(坐高月平均增长率)3.405291.94826.14212-.04669-.55255迭代历史记录a迭代聚类中心内的更改.000.208.183a. 由于聚类中心内没有改动或改动较小而达到收敛。任何中心的最大绝对坐标更改为 .000。当前迭代为 2。初始中心间的最小距离为 .996。聚类成员案例号月份距离dimension0.258.312.194.297.24518.06524.07030.11236.04542.11948.0511654.1031760.16666.0747220
4、.21222325最终聚类中心.02859-.47855-.19084-.38115-.20255-.39974-.01106-.45429最终聚类中心间的距离4.4076.3757.4428.0992.2363.1463.8301.1631.784.727ANOVA误差FSig.均方df4.469.009500.4314.476.007662.4304.455.013346.5634.472.008563.652F 检验应仅用于描述性目的,因为选中的聚类将被用来最大化不同聚类中的案例间的差别。观测到的显著性水平并未据此进行更正,因此无法将其解释为是对聚类均值相等这一假设的检验。每个聚类中的案
5、例数4.00012.000有效19.000缺失6.0003.线性回归研究变量间的非确定性关系,构造变量间经验公式的数理统计方法称为回归分析。根据自变量的个数,分为一元线性回归和多元线性回归。3.1一元线性回归输入移去的变量b模型输入的变量移去的变量方法咖啡类饮料销售量, 固体冲泡饮料销售量, 茶饮料销售量, 碳酸饮料销售量a输入a. 已输入所有请求的变量。b. 因变量: 果汁销售量模型汇总RR 方调整 R 方标准 估计的误差.997a.994.992.44012a. 预测变量: (常量), 咖啡类饮料销售量, 固体冲泡饮料销售量, 茶饮料销售量, 碳酸饮料销售量。Anovab平方和回归338.05684.514436.306.000a残差1.937总计339.993系数a非标准化系数标准系数tB标准 误差试用版(常量)17.296.47036.830碳酸饮料销售量.018.1702.427.036茶饮料销售量.265.021.72612.852固体冲泡饮料销售量-.004.034-.009-.117.909咖啡类饮料销售量-.238-.455-18.640a. 因变量:3.2多元线性回归X4, X1, X2, X3a Y模型汇总b.894a.799.619 (常量), X4, X1, X2, X3。16.7794.19510.930.001a4.221.38421.000
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1