多元统计分析课程论文Word文档下载推荐.docx

1、北京7467.82359.89497.72041.43578.63268.31914.2975.231103天津7376.61859.348731295.52904.71833.81584.5615.522342.9河北3263.7971.82727.7773.61749.31144.51027.5273.511931.6山西2940.51084.82198.8619.41214.71484.61008.6312.410863.8内蒙古4746.416882795.21008.92405.11813.21319.7481.516258辽宁4554.81477.83400.5918.71949.

2、71834.41419.2512.916068吉林3531.61228.92561.3689.51636.31550.81458369.613026黑龙江3537.91292.82689.6670.91588.41406.81258.3324.112768.8上海9011.6161310789.11531.63596.53311.42223.9987.633064.7江苏5591.71385.24126.71107.22869.32238.21331.351419163.6浙江6569.21587.15577.21117.73670.621691358.2503.122552.1安徽4003.

3、1870.32541.8694.21324.91157.3870265.311726.9福建6081.91097.54278.51032.320671667.2926.8493.117644.3江西3785.8853.42576.6679.31164.31151.1635243.411088.9山东3932.31168.92825.8993.61821.91303989.6293.713328.8河南3202.41111.82208.6875.11225.51160.8929287.111000.3湖北4139.71009.72810.2813.41339.81479.81056.2279.3

4、12928.1湖南4240.5914.12708.4796.91600.21764.9972.2291.413288.6广东6589.81014.64300.21116.52795.11965890.5533.919205.6广西3680.1460.52341.56141198.31115.3185.310274.3海南4915549.92558.26861437.41358.4716.8248.812470.5重庆4971.91275.92554.4978.81476.21319.3966.1268.113810.7四川4548.2974.32217.3879.614371061964.52

5、86.512368.4贵州3151.9666.31826.9619.11080.41222572164.79303.3云南3211.55672018.5568.41513.61096.7739.4154.49869.5西藏3370.2733.71311.5399.7796266.7197.6241.57316.9陕西3405.1944.62585.8796.21535.41500.41178.2257.912203.6甘肃3218.2884.22015652.11072.21092.4737.2203.39874.6青海3854.411532374.5733.51790.112931071.2

6、33512604.7宁夏3555.611702214.4797.91763.51416.41239.9326.712484.4新疆38551205.62226.4669.21624.51102.2978.3242.411903.6140304.435173.8101731.327170.257226.547547.933213.211471.2453838.5表1.1.1可以看出上海、北京、天津，三个地区都是高消费地区，贵州、云南、西藏、甘肃都属于消费水平较低的地区，而其余地区基本属于中间消费段落，由于处于中间段落消费地区的城市也存在差距，之后会通过处理，具体再做说明。比较显而易见的就是，食品

7、烟酒占了消费支出的大部分，其余消费都基本没有太多显着变化。需要说明的是，在北京，上海两地的居住消费支出都超过了食品烟酒的消费支出。这在其他地区是不存在的。1.1.2维数奇异值惯量卡方Sig.惯量比例置信奇异值解释累积标准差相关21.106.011.427.002.019.091.008.310.737.0013.051.003.099.8374.049.090.9275.032.038.9646.025.024.9897.017.0001.000总计.02712040.582表1.1.2中可知，7个维度的奇异值分别为0.106、0.091、0.051、0.049、0.032、0.025、0.0

8、17；惯量展示了行列关系的强度，7个维度的惯量分别为0.011、0.008、0.003、0.002、0.001、0.001、0.001，其中第一个惯量的值最大，意味着它解释各别差异的能力最强，地位最重要，其他惯量的重要性依次下降，惯量的总和为0.027；卡方、显着性是对交叉列联表作卡方检验的卡方观测值（12040.582），认为行变量和列变量有显着的相关性关系；惯量比例中的考虑情况展示了各个惯量的方差贡献率，第一个特征根的方差贡献率为0.427，方差贡献率是最高的，惯量累计就是各惯量的累计方差贡献率，由于前两个特征根就已经解释了各类别差异的73.7%，因此最终提取2个因子是可行的，信息丢失少，

9、足够对数据进行描述。1.1.3概述行点概述行点a质量维中的得分贡献点对维惯量维对点惯量.069-.601.230.232.040.773.096.870.082-.142.098.248.346.026-.014.240.459.460.170.467.006.058.100.647.747.036.388.271.029.572.237.810.035.298.696.786.227.520.014.086.156.693.849.028.164.408.007.052.133.705.839.073-.784-.011.005.421.956.042-.003.083.079.050-.2

10、00-.038.214.221.080-.178.009.118.501.618.039-.162-.378.010.061.171.792.963-.033-.264.568.579.119.004.188.104.292.235.243.013.016.285.261.545.075.015.094-.009-.100-.408.078.043.611.653.023-.080-.398.595.070-.611.113.012.748.759.030.366-.228.564.187.751.372-.283.547.270.817.020.167-.169.154.135.289.02

11、2.088-.121.046.074.120.454-1.058.031.199.130.602.732.084.325.622.670.197-.016.463.466.278.150.665.165.830.352.484.944.356.720.733有效总计由表1.1.3可知，总惯量为0.27，各地区对总惯量的贡献度几乎接近0。从贡献中的点对维惯量中可以看出，第一维度中主要反映了“北京”23.2%、“上海”42.1%，第二维度主要反映了“海南”11.3%，“西藏”19.9%；从维对点惯量中可以看出，第一维度主要反映了“北京”77.3%，“内蒙古”57.2%，“上海”95.6%，“重庆”

12、56.4%，“四川”54.7%，“青海”66.5%，“新疆”72.0%及其他类别，第二维度主要反映了“山西”64.7%，“辽宁”69.6%，“吉林”69.3%，“黑龙江”70.5%，“海南”74.8%，“西藏”60.2%，“陕西”62.2%及其他类别。1.1.4概述列点种类0.3090.19-0.3850.0050.1050.5040.2180.7590.9770.0780.4470.3810.0040.1460.1240.4290.2650.6940.224-0.5660.0160.0080.6740.0010.9810.982生活品及服务0.060.1540.0370.0130.170.1

13、780.1260.0760.0730.0020.0070.0350.0270.0630.2690.0840.3190.2560.5820.0030.0450.2730.150.6580.8080.025-0.20.140.0090.1440.0610.205由表1.1.4可知总惯量为0.27，各地区对总惯量的贡献相近且都接近于0。从贡献中的点对维惯量中可以看出，第一维度主要反映了“衣着”14.6%，“居住”67.4%，以及其他类别，第二维度主要反映了“食品烟酒”52.1%及其他类别；从维对点惯量中可以看出，第一维度主要反映了“衣着”42.9%，“居住”98.1%，“生活用品及服务”17.0%，

14、“医疗保健”15.0%，“其他用品及服务”14.4%，第二维度主要反映了“食品烟酒”75.9%，“教育文化娱乐”31.9%，“医疗保健”65.8%。上图为“维数1转换的地区类别图”是各个地区在第1个维度上的得分图，由图可知“西藏（26）”与“内蒙古（5）”的得分最高；上图为“维数2转换的地区类别图”是地区在第2个维度上的得分图，由图可知“吉林”的得分最高；上图为“维数1转换的种类类别图”是消费种类在第1个维度上的得分图，由图可知“衣着”类的得分最高；上图为“维数2转换的种类类别图”是消费种类在第2个维度上的得分图，由图可知“医疗保健”类的得分最高；如上图所示经过对数据的分析和简化，在图中可以清

15、楚地看出来，各个地区的不同消费支出倾向，正如开始对数据简单观察上得出的结论，北京上海这两个地区的消费支出和居住有着密切关系，而其他地区并不是特别明显。大部分地区的主要消费还是偏向于食品烟酒。西藏的消费支出情况与其他地区明显不是一类。（二）因子分析1.2.1相关矩阵.655.889.855.880.822.676.885衣着_.699.832.780.745.836.825.893.859.920.797.943.862.886.782.912.791.881.867.916.843表1.2.1为相关矩阵表，由表可知，8个指标之间存在着高度相关关系，其中居住和其他用品及服务的相关系数最大为0.9

16、43，衣着和食品烟酒的相关系数最小为0.655，各指标相关程度都十分高，因此可以进行因子分析。1.2.2 KMO 和 Bartlett 的检验KMO 和 Bartlett 的检验取样足够度的 Kaiser-Meyer-Olkin 度量。.848Bartlett 的球形度检验近似卡方363.131df28由表1.2.2可知，KMO值为0.8480.6，效度较高，通过了检验，Sig为0.000，因此可以进行因子分析。1.2.3 公因子方差初始提取.936.926.938.901.884.906.902.949表1.2.3可知，这8个指标对所提取的公因子的依赖程度都大于0.8，可以看出所有指标对提取公因子的依赖程度都很高。1.2.