数据挖掘与分析作业(章晶晶51092907020)..doc

数据挖掘与分析作业(章晶晶51092907020)..doc

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
数据挖掘与分析作业(章晶晶51092907020).

数据挖掘与分析作业——中国交通运输与经济发展联系 社会学研究生 章晶晶(51092907020) [前言]选择此份数据是因为:1、文件夹中的部分数据没有题项名称,解释困难;2、有的数据已经有同学选择;3、本份数据主要是连续变量,有利于用多种分析方法解释之。 [声明]本人在制作本作业之前曾参考同学已完成作业之样式,特别鸣谢吴志恒等同学。 一、数据概况 本份数据主要包括《1980-2002年交通运输长度》,《货运运输量》和《客运运输量》三个数据文件。经过合并,形成《交通与经济发展数据》主要包含了16个变量,包括年份、铁路(长度、客运、货运)公路(长度、客运、货运)、水运(长度、客运、货运)、民航(长度、货运)以及交通投入、当年GDP总量、货运、客运总计(皆为连续变量)。 在挖掘、分析数据之前,首先要确立需要思考的问题: 历年来交通事业发展的概况; 交通投入与GDP增长之间的关系;原假设:无显著相关 对GDP增长而言,哪几类交通发展与之相关性较大; 在数据中,我们遇到的第一个问题就是“缺失值”的情况。因为各种原因,本数据的部分年数情况不明。对于数据,为分析需要,首先处理中间的缺失值,对末尾的缺失值不做处理。 变量 缺失年份 替换方法 交通投入 1991 临近点的中位数 公路货运 1989 临近点的中位数 民航货运 1989 临近点的中位数 水运货运 1989 临近点的中位数 二、交通事业发展的各阶段——聚类的方法 根据交通长度、货运、客运三方面的数据,采用系统聚类分析。 步骤(分析——分类——系统聚类,勾选树状图)如下: 按“确定”后,得到以下图形: 注:由于数据缺失,只是归类到1999年 按照解释需要,我们将其归类为三个类别,第一类别为1981~1983年;第二类别为1984~1992年;第三类别为1993~1999年。这反映了交通发展的三个阶段。 通过excel制图得到图一,观测数据。 图1:1981~2002国民生产总值增长的三阶段 通过交通事业发展的三阶段和GDP增长的三阶段,我们试图发展交通发展与国民经济发展之间的关联程度。 三、交通事业发展指标与国民经济的发展关系初探——多重线性回归 交通事业发展衡量的数据有很多,我们选择交通投入、货运总量和客运总量三项指标来讨论与当年GDP之间的关系。 在此之前,先讨论几个变量之间的相关性: 步骤(图形——旧对话框——散点图——矩阵分布) 得到散点图: 由上图可以看出,当年GDP总量与交通投入、货运总量和客运总量有较强的关系。拟合多重线性回归模型。 步骤(分析——回归——线性) ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 2.048E10 3 6.827E9 693.754 .000a Residual 1.673E8 17 9840793.091 Total 2.065E10 20 a. Predictors: (Constant), 客运总计, 货运总计, MEDIAN(交通投入,2) b. Dependent Variable: gdp 可以从上表看出:F=693.754;sig0.0010.05,说明至少一个自变量的回归系数不为0,所建立的回归模型是具有统计学意义的。 在修正客运总计(sig=0.6610.05)的相关性之后得到下表: Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -8397.031 5789.996 -1.450 .163 MEDIAN(交通投入,2) 16.030 1.131 .870 14.169 .000 货运总计 .016 .007 .136 2.214 .039 a. Dependent Variable: gdp 因此,我们将模型公式写作: Y=-8397.031+16.03*交通投入+0.016*货运总计 附:交通事业发展指标与国民经济的发展关系进一步假设 本文讨论,在多重线性回归之后,我们是否可以尝试进一步深入建立模型,是否可以按照前年交通指标来预测经济发展速度?可惜笔者尝试logistic回归以及多重线性回归未曾成功做得。只能

文档评论(0)

s4as2gs2cI + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档