浙江各城教育情况分析.docxVIP

学年论文 桂林理工大学理学院统计学专业 指导老师： 黄海午 学 生： 吴谷祥 专业班级： 统计11-1班 学 号：201159215224  PAGE \* MERGEFORMAT 9 关于浙江省各城市教育科技水平的分析 摘要：通过因子分析，相关分析，聚类分析对浙江省11个省的教育科技水平进行分析。然后得出综合排名，以及对各方面的素质进行评定。 关键词：教育科技水平，因子分析，聚类分析。 Abstract：This article first to factor analysis of collected data, then calculate the comprehensive factor score and cities each rank score, the distribution of 3 d scatter plot analysis reason for the difference between the municipal tourism economy in guangxi. The use of cluster analysis, further verify the results obtained from the factor analysis, makes the conclusion more sufficient and credible basis. Key words: Education of science and technology level, Factor analysis, Clustering analysis 引言 浙江是中国东部沿海的一个经济大省,改革开放二十几年,社会经济发展取得了巨大的成就。可以说浙江省是全国经济发展最为均衡的省份，然而教育科技方面却发展各异，在经济发展的同时，对此类方面的关注也至关重要，因为21世纪是人材和科技的比拼。而教育则是人材和科技的源动力。 了解整体发展情况有利于我们对各个城市之间的优势和劣势有一个更直观地了解。对今后发展方向有一定参考作用。 变量框架 表2.1变量细分表 一级指标二级指标三级指标城市教育科技水平各类学校在校人数X1-高等学校占总人口比X2-中等职业学校占总人口比X3-普通中学占总人口比X4-小学占总人口比专利数量X5-专利申请受理量X6-专利申请授权量X7-发明教育公共设施X8-公共图书馆藏书量教育支出X9-教育支出 研究和分析方法的理论 本文先对所搜集的数据进行是否能进行因子分析的检验，检验合适后，求出因子载荷矩阵，进行因子旋转，最后得出因子得分。再用聚类分析，进一步验证因子分析所得出的结果，使得结论依据更充分、可信。 3.1因子分析 因子分析根据相关性大小把原始变量分组，使得同组内的变量之间相关性高，而不同组的变量间的相关性则较低。每组变量代表一个基本结构，并用一个不可观测的综合变量表示，这个基本结构称为公共因子。对于所研究的某一具体问题，原始变量可分解成两部分之和的形式，一部分是少数几个不可测的所谓公共因子的线性函数，另一部分是与公共因子无关的特殊因子。因子分析可以看成主成分分析的推广，它也是多元统计分析中常用的一种降维方式，把方差划归为不同的起因因子，可以使用旋转技术帮助解释因子，在解释方面更具优势。 3.2聚类分析 聚类分析是一种能将属于不同类别的样本点尽可能地区分开来的多元统计统计方法。聚类分析根据一批样品的多个观测指标，具体找出一些能够度量样品或指标之间的相似程度的统计量，以这些统计量为划分类型的依据，把一些相似程度较大的样品（或指标）聚合为一类，把另外一些彼此之间相似程度较大的样品（或指标）又聚合为另外一类……关系密切的聚合到一个小的分类单位，关系疏远的聚合到一个大的分类，知道把所有样品（或指标）都聚合完毕，把不同的类型一一划分出来，形成一个由小到大的分类系统。最后再把整个分类系统画成一张分群图（又称谱系图），用它把所有的样品（或指标）间的亲疏关系表示出来。 3.3问题研究分析过程 3.3.1因子分析逻辑框图及步骤 图3.1 因子分析逻辑框图 3.3.1.1因子分析步骤 步骤1：对原始数据进行标准化处理； 步骤2：计算相关系数矩阵，分析变量之间的相关性； 步骤3：求解初始公共因子及因子载荷矩阵； 计算相关系数矩阵R的特征值，及对应的特征向量，其中，初等载荷矩阵 步骤4：选择个主因子，进行因子旋转； 根据初等载荷矩阵，计算各个公共因子的贡献率，并选择个主因子。对提取的因子载荷矩阵进行旋转，得到矩阵（其中为的前列，为正交矩阵），构造因子模型： 步骤5：计算因子得分，其中，为因