应用多元统计分析各地区农村住房问题分析.docxVIP

课程设计任务书学 院专 业统计学学生姓名班级学号课程设计题目各地区农村住房问题分析实践教学要求与任务:通过该课程设计，使学生进一步理解多元统计分析的基本概念、理论和方法；初步掌握SPSS统计软件作常见的多元统计检验和多元统计分析；掌握典型的多元统计分析方法，使教材中的理论能应用到实践。1．数据整理：收集数据，录入数据。2．分类模型：判别分析中距离判别法、费希尔判别法、贝叶斯判别法的应用，以最优的性质对P维空间构造一个“划分”，给出判别函数，判断新样品的归属。聚类分析中系统聚类法、K均值聚类法的应用，对样品或变量进行量化分类。3．降维模型：主成分分析在保留原数据的大部分信息的基础上，提取较少的主成分代替较多的变量，克服多变量中信息重叠，降低数据维数。因子分析中提取因子载荷阵，得到表示原始变量基本数据结构的公共因子，简化数据。4.各模型结果的分析解释，并应用于实际问题。工作计划与进度安排:周四5~8节：选题，设计解决问题方法周五5~8节：SPSS应用，完成论文，答辩指导教师： 201 年 月 日专业负责人：201 年 月 日学院教学副院长：201 年 月 日摘要随着经济的飞速发展，居民的住房问题日益突出，就各地区农村居民的住房情况进行调查，为了更好的将我们学过的知识运用到实际中所以我们可以运用学过的应用多元统计分析和SPSS软件对各地区农村居民住房进行因子分析。关键词：住房问题，因子分析目录1．设计问题12．设计原理13．设计分析14．设计结果35．设计总结8参考文献81．设计问题随着我国社会经济的发展，人口的增多，居民的住房问题逐渐凸现出来，就我国各地区的农村居民住房问题的研究来说明各地区的经济发展和农村人口数等关系？2．设计原理因子分析根据变量之间相关性的大小，对变量进行分组，使得组内的变量之间相关性较高，而组间变量的相关性较低。每组变量代表一个基本结构，即公共因子。从而将众多变量转换为少数几个公共因子。计算样本在各个公共因子上的得分，可以挖掘出样本的问题所在。通过计算样本的加权公共因子得分，可以对样本进行综合评价。因子分析的一般模型如下： （1）一般而言，m远少于p，m的选取一般根据相关系数矩阵特征根大于1的个数来确定。其中因子分析的出发点是相关系数矩阵，上述因子载荷系数可以基于主成分法、主轴因子法、极大似然法、综合最小平方法或a因子法等方法进行估计。通过回归法或Bartlett法等建立公共因子与原始变量的线性组合，从而求得各因子的得分。3．设计分析 1.在spss中输入数据，如下图：表_3.1 各地区农村居民家庭住房情况 (2011年)地 区住房面积住房价值住房结构 (平方米/人)(平方米/人)(元/平方米)钢筋混凝土结构砖木结构　　　　　 全 国36.24654.3716.4815.92　 北 京38.082101.5810.4827.44 天 津30.221600.455.7024.50 河 北34.11684.389.6622.96 山 西29.92547.447.3018.95 内蒙古24.25479.531.2316.72　 辽 宁28.86813.826.6121.70 吉 林24.44585.090.1622.72 黑龙江24.82813.150.8220.38　 上 海58.902372.3621.9136.97 江 苏49.34833.1926.2023.00 浙 江61.381280.0543.0416.87 安 徽34.59591.8420.1313.95 福 建49.82791.0536.4210.32 江 西46.02469.1237.037.29 山 东36.31552.1911.1924.45　 河 南36.45493.1119.2916.61 湖 北44.24538.0224.9015.00 湖 南46.40431.8920.7123.89 广 东30.73832.4423.754.75 广 西34.90454.4127.575.52 海 南24.22842.0911.0713.07　 重 庆39.73454.1118.5417.06 四 川37.71489.5516.6514.62 贵 州29.41519.8110.7914.70 云 南30.88573.208.807.09 西 藏28.47314.520.7614.07　 陕 西35.76613.6517.8311.04 甘 肃23.65537.264.129.30 青 海26.81461.272.4811.48 宁 夏24.38480.911.7316.59 新 疆26.14452.362.3013