主成分,聚类,因子程序.doc

天津理工大学实验报告 学院（系）名称：计算机与通信工程学院 姓名 学号 专业 班级 实验项目 聚类分析、主成分分析与因子分析 课程名称 数据分析及其应用软件 课程代码 0665106 实验时间 2016年4月13号3、4节，中午 实验地点 7号楼216 批改意见 成绩 教师签字： 一．系统聚类分析： 实验 掌握系统聚类分析的基本思想，并能够对分析结果进行解释。 实验 实验过程记录 （1）在spss中录入数据。 （2）打开系统聚类对话框，选择参与系统聚类分析的变量 （3）选择聚类方法，并按下图勾选相应项。 （4）选定凝聚状态表及冰柱图（谱系图）。 (5)点击“继续”，便会得到凝聚状态表和树状图。 实验结果及分析。 凝聚状态表: 谱系图: 结果分析： 实验所用数据中参与聚类分析的对象分为三类比较合适，如下表：第三类地区企业盈利属于高水平，第一类地区企业盈利属于中等水平，第二类地区企业盈利属于低水平。 类别 地区 地区个数 第一类 北京，天津，上海，甘肃，青海，海南，贵州，山西，重庆，黑龙江，新疆，宁夏 12 第二类 广西，云南，四川，江西，陕西，吉林，安徽，内蒙古 8 第三类 山东，湖南，福建，湖北，江苏，广东，河北，河南，辽宁，浙江 10 二.K-均值聚类分析： 1. 实验 掌握K-均值聚类分析的基本思想，并能够对分析结果进行解释。 2. 实验 实验过程记录。 （1）沿用上面的数据，并对变量差异较大的原始数据进行标准化。 打开K均值聚类分析的对话框，将所有标准化后的变量选入变量框里，地区作为个案标注依据； 点击迭代按钮，选择迭代次数为10，点击保存按钮并勾选聚类成员； 点击选项按钮并勾选初始聚类中心和anova表，最后点击OK按钮。 4. 实验结果及分析。 初始聚类中心 聚类 1 2 3 Zscore(企业个数) .02881 -1.19197 2.45457 Zscore(盈利个数) .04567 -1.21582 2.39791 Zscore(净利润) -.11133 -.58671 1.42907 Zscore(营业收入) -.34695 -.44782 2.10744 Zscore(增加值率) 1.90731 -1.08753 -.95640 Zscore(全员劳动生产率) -.54389 2.74311 .14202 聚类中心的选择原则是聚核点距离其他点尽可能远。 迭代历史记录a 迭代 聚类中心中的变动 1 2 3 1 1.656 1.417 1.584 2 .588 .000 .965 3 .124 .000 .180 4 .000 .000 .000 最终聚类中心 聚类 1 2 3 Zscore(企业个数) -.38144 -1.09240 .97617 Zscore(盈利个数) -.37598 -1.09455 .96753 Zscore(净利润) -.58152 -.41480 1.11302 Zscore(营业收入) -.61849 -.50521 1.20300 Zscore(增加值率) .31160 -.82668 -.28172 Zscore(全员劳动生产率) -.60570 1.37105 .61837 ANOVA 聚类 误差 F 显著性 均方 自由度 均方 自由度 Zscore(企业个数) 7.791 2 .497 27 15.679 .000 Zscore(盈利个数) 7.679 2 .505 27 15.199 .000 Zscore(净利润) 9.327 2 .383 27 24.337 .000 Zscore(营业收入) 10.870 2 .269 27 40.432 .000 Zscore(增加值率) 2.247 2 .908 27 2.476 .103 Zscore(全员劳动生产率) 7.850 2 .493 27 15.936 .000 实验 2、对表中数据选取适当的指标做主成分分析。对以上数据进行主成分分析，选择变量为得分、篮板、助攻、抢断、盖帽、失误、投篮命中率、罚球命中率和效率值9个变量。 相关性矩阵 得分 篮板 助攻 抢断 盖帽 失误 投篮命中率 罚球命中率 效率值 相关性 得分 1.000 -.023 .171 .370 -.198 .523 -.181 .310 .684 篮板 -.023 1.000 -.405 -.163 .739 -.125 .6