多元统计精编.docVIP

《多元统计分析》 课程设计报告 题 目：我国农村经济发展的 多元统计分析 专 业： 班 级： 姓 名： 指导教师： 2014 年 7 月 3 日 我国农村经济发展的多元统计分析 摘 要 针对我国各地区农村经济发展的状况，利用多元统计方法，先运用多元统计中的主成分分析对我国29个省市区（除西藏、重庆）的农村经济发展水平进行了测度和排序，并进行分析。再运用聚类分析将29个省市区分成3类，并运用判别分析的方法对聚类的合理性进行校验，并对这3类地区加以分析。 关键词 农村经济发展 主成分分析 聚类分析 因子分析 1 背 景 由于自然、地理、历史因素和行政区划等原因，一个国家往往被划分为不同区域，每一个区域又有城市和农村之分。随着社会的不断进步，经济水平也在不断提高。由于各地区经济状况和发展水平不同，农村经济发展状况也各不相同。农村的经济发展状况和它所属的城市的经济发展水平是息息相关的，因此研究农村经济发展水平是非常必要的。 反映农村经济发展水平和农民收入有很多指标，通过中国统计年鉴2013的数据，本文选取了9个指标，分别是：农村居民家庭住房面积、耕地面积、农村居民家庭生产性固定资产原值(年末数)、农户储蓄、农村居民家庭人均纯收入、工资性收入占家庭纯收入的比重、家庭经营收入占家庭纯收入的比重、财产性收入占家庭纯收入的比重和转移性收入占家庭纯收入的比重。利用2013年的中国统计年鉴数据，对全国29个省市区（除西藏、重庆）进行主成分分析、聚类分析和判别分析。 2 主成分分析 主成分分析是多元统计中的一种分析方法。它主要研究如何将多指标问题划为较少的新指标问题，并且使这些新的指标既彼此互不相关，又能综合反映原来多个指标的信息。具体步骤如下：（1）对数据进行标准化处理；（2）计算变量的简单相关系数矩阵；（3）求相关系数据矩阵的特征值和对应的单位特征向量；（4）计算各主成分方差贡献率及累积贡献率；（5）确定主成分个数，并给予解释；（6）计算主成分的得分并进行分类和排序。 本研究使用的软件是SAS9.1。为了消除量纲不同对数据分析的影响，本文对原始数据进行了标准化处理。 首先，检验各变量之间的相关性。通过SAS9.1菜单系统作出样本的相关系数矩阵（见表1）。通过观察这9个变量之间的相关系数矩阵，我们可以看出，各变量之间有较强的相关性，故适宜做主成分分析。 表1：相关系数矩阵 2.1 主成分的选取 通过相关系数矩阵，可以得到特征值、贡献率和累计贡献率（见表2）。可以看出，前3个主成分的累计贡献率达到84.94%，前4个主成分的累计贡献率达到92.32%。通过观察所有特征向量，第4个特征向量在上具有较大的正载荷，说明它能很好的解释，这是前3个特征向量所不具有的特点，且前4个主成分的累计贡献率足够高，说明前4个主成分保留了原始变量的绝大部分信息，具有很好的代表性。故选前4个主成分进行分析。  特征值 贡献率累计贡献率 4 48.00%48.00% 2 25.22%73.23% 1 11.71%84.94% 0 7.38%92.32% 0 4.41%96.73% 0 1.97%98.70% 0 0.83%99.54% 0 0.39%99.92% 0 0.08%100.00% 表2：特征值、贡献率、累计贡献率 表3：前四个主成分的特征向量      0.322559-0.264264 0.215631 0.666091 -0.2567940.143268 0.725211-0.112674 -0.2911170.382863 0.0431300.432919 0.3088380.0377280.632682-0.191948 0.4056750.240812 0.018725 0.409216  0.440040-0.1639840.012587-0.275005 -0.454989 0.011837 0.112305 0.199685 0.277041 0.524661-0.075801 0.015501