城市居民食品分类及零售尾价格预测模型.doc

城市居民食品分类及零售价格预测模型 摘要 本文为解决城市居民食品分类及零售价格预测问题分别建立了食品系统聚类模型和四五月份均价的时间序列模型。 本文第一部分是关于城市居民消费食品的分类问题，根据食品零售价格数据，建立聚类分析模型，采用欧式距离平方 关键词 食品分类及零售价格预测 SPSS软件 聚类分析 一、问题重述 消费者物价指数Consumer Price Index），英文缩写为CPI，是反映与居民生活有关的产品及劳务价格统计出来的物价变动指标，通常作为观察通货膨胀水平的重要指标，与人民生活密切相关的参考指标。粮食生产上涨带动农产品价格总体上涨年异常的气候情况，国际粮价对国内的，食品价格未来可能发上涨年内的通货膨胀压力正在增强 说明 食品 食品 食品、之间的距离 说明 食品 食品 食品 类和之间的距离 每个食品指标 食品 欧氏距离 欧氏距离平方 两两之间距离构成对称矩阵 是一个阶对称阵 表示现象所属的时间 表示现象在不同时间上的观测值 称为最初发展水平 称为最末发展水平 整个观测期内的发展水平与参照基期 观测期内增长的绝对数量 环比增长速度 ）5.1.1 模型一的建立就食品聚类予以讨论，并为简单起见，以、等分别表示食品，以表示食品、之间的距离，用和表示两个类，它们所包含的食品个数分别记为和，类和之间的距离用表示。 先就食品聚类予以讨论，为简单起见，以食品间的相近性度量—距离设每个食品有个指标，它们的观测值可表示为： 这时，每个食品可看成维空间中的一个点，个食品就组成组空间中的个点，很自然地用各点之间的距离来衡量各食品之间的靠近程度。 在聚类分析中，有时所用的距离并不满足(三角不等式)，在广义的角度上仍称它为距离。 为此，引入Euclidean distance（欧氏距离）： （1） Squared Euclidean distance（欧氏距离平方）： （2） 在考虑实际情况后，本文模型一采用Squared Euclidean distance（欧氏距离平方） 5.1.2 模型一的求解步骤 欧氏距离在型聚类中是比较常见的，但当指标的测量值相差悬殊时，应先对数据进行标准化，然后再用标准化的数据计算距离，具体求解如下：令 （3） （4） （5） 对数据的标准化采用以下方法： （7） 这里不考虑个指标的相关性问题。 有了食品之间的距离以及类与类之间距离的定义后，便可进行谱系聚类，其基本步骤归纳如下： 1.个食品一开始就作为个类，计算两两之间的距离构成一个对称矩阵其对角线上的元素全为零(对相似系数矩阵，其对角线上元素全为1)。显然，此时有记。 2选择中对角线元素的下三角部分或上三角部分中的最小元素，设其为，则将与合并成一个新类。在中划去与所对应的两行与两列，并加入由新类与剩下的未聚合的各类之间的距离所组成的一行和一列，得到一个新的距离矩阵，是一个阶对称阵若在中最小元素不唯一，对其它的最小元素也作如上相同处理，每合并两类，矩阵则降低一阶。 3由出发，重复步骤2得到对称矩阵从出发得到，依次类推，直到个食品聚为一个大类为止经SPSS17.0” [2]进行分析后，得出表食 品聚类 案例 8 群集 7 群集 6 群集 5 群集 4 群集 3 群集 2 群集 1:　菜籽油 1 1 1 1 1 1 1 2:　大豆油 1 1 1 1 1 1 1 3:　花生油 2 2 2 2 2 2 2 4:大豆调和油 3 3 3 3 3 3 1 5:　鲜猪肉 4 4 4 4 1 1 1 6:　鲜猪肉 5 5 5 4 1 1 1 7:　鲜牛肉 6 6 6 5 4 1 1 8:　鲜羊肉 6 6 6 5 4 1 1 9:　鲜羊肉 6 6 6 5 4 1 1 10:　活鸡 4 4 4 4 1 1 1 11:　鸡肉 5 5 5 4 1 1 1 12:　鸡蛋 1 1 1 1 1 1 1 13:　带鱼 7 5 5 4 1 1 1 14:　草鱼 1 1 1 1 1 1 1 15:　鲤鱼 1 1 1 1 1 1 1 16:　芹菜 8 7 1 1 1 1 1 17:　大白菜 8 7 1 1 1 1 1 18:　油菜 8 7 1 1 1 1 1 19:　黄瓜 8 7 1 1 1 1 1 20:　萝卜 8 7 1 1 1 1 1 21:　茄子 1 1 1 1 1 1 1 22:　西红柿 8