高级统计学作业聚类分析.docxVIP

全国各地区消费价格增长水平的聚类分析 摘要:针对我国各省(直辖)市的2009年度消费价格增长水平数据,选取9个经济指标进行系统聚类分析,得到我国3类不同的地区消费价格增长水平类型。聚类结果为制订有针对性的地区消费市场战略提供依据。 关键词:SPSS;聚类分析；消费水平。 1.引言 由于传统的经济发展起点不同,加上地域、资源、技术和政策等条件的差异,各个地区的经济发展水平高低不齐，导致各地区的工资水平和消费价格增长水平的不同。因此,对各地区消费价格增长水平进行分类、比较和研究,总结出有助于市场调节和商业发展的对策,有针对性地制订地区经济发展战略,对促进国民经济协调发展有重要意义。聚类分析和判别分析是是进行以上分析的两个重要的方法。 1.1聚类分析[1] 定义：聚类分析又称群分析、点群分析。根据研究对象特征对研究对象进行分类的一种多元分析技术,把性质相近的个体归为一类,使得同一类中的个体都具有高度的同质性,不同类之间的个体具有高度的异质性。 聚类分析的基本思想：我们所研究的样品或指标(变量)之间存在程度不同的相似性(亲疏关系),于是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相似程度的统计量,以这些统计量作为划分类型的依据，把一些相似程度较大的样品(或指标)聚合为一类,把另外一些相似程度较大的样品(或指标)又聚合为另一类;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单位,直到把所有的样品(或指标)聚合完毕。 1.1.1 系统聚类法 系统聚类法的基本原理：首先将一定数量的样本或指标各自看成一类，然后根据样本（或指标）的亲疏程度，将亲疏程度最高的两类进行合并，然后考虑合并后的类与其他类之间的亲疏程度，再进行合并。重复这一过程，直到将所有的样本（或指标）合并为一类。 系统聚类分为Q型聚类和R型聚类两种：Q型聚类是对样本进行聚类，它使具有相似特征的样本聚集在一起，使差异性大的样本分离开来；R型聚类是对变量进行聚类，它使差异性大的变量分离开来，相似的变量聚集在一起，这样就可以在相似变量中选择少数具有代表性的变量参与其他分析，实现减少变量个数、降低变量维度的目的。在本例中进行的是Q型聚类。 类与类之间距离的计算方法主要有以下几种： （1） 最短距离法（Nearest Neighbor），是指两类之间每个个体距离的最小值； （2） 最长距离法（Farthest Neighbor），是指两类之间每个个体距离的最大值； （3） 组间联接法（Between-groups Linkage），是指两类之间个体之间距离的平均值； （4） 组内联接（Within-groups Linkage），是指把两类所有个体之间的距离都考虑在内； （5） 重心距离法（Centroid clustering），是指两个类中心点之间的距离； （6） 离差平方和法（Ward法），同类样品的离差平方和应当较小，类与类之间的离差平方和应当较大。 1.1.2 K-均值法（快速聚类法） K-均值法（又称快速聚类法），是由MacQueen于1967年提出的，它将数据看成K维空间上的点，以距离作为测度个体“亲疏程度”的指标，并通过牺牲多个解为代价换得高的执行效率。但是，K-均值法只能产生指定类数的聚类结果，而类数的确定离不开实践经验的积累。 快速聚类分析的基本思想是：首先按照一定方法选取一批凝聚点（聚心），再让样本向最近的凝聚点凝聚，形成初始分类，然后再按最近距离原则修改不合理的分类，直到合理为止。因此，在快速聚类中，应首先要求用户自行给出需要聚成多少类，最终也只能输出关于它的唯一解。快速聚类是一个反复迭代的分类过程，在聚类过程中，样本所属的类会不断调整，直到最终达到稳定为止。 1.1.3 数据来源 本文针对我国各省(直辖)市的2009年度消费价格分类指数数据[2],考虑到数据的可得性和来源的权威性，选取9个消费指标进行系统聚类分析并假定上年相应价格指数为100,得到我国3类不同的地区消费价格增长水平类型。聚类结果将为制订有针对性的地区经济发展战略提供依据。表-1数据来源于《中国统计摘要-2010》，利用社会经济统计软件SPSS19.0建立数据库并对数据进行分析处理。 表-1：国内 31个省、直辖市、自治区的9项消费价格指标数据 地区 居民消费价格指数 食品 烟酒及用品 衣着 家庭设备用品及服务 医疗保健和个人用品 交通和通信 娱乐教育文化 居住 北 京 98.5 102.4 102.2 98.4 100.3 99.9 95.9 97.6 89.8 天 津 99.0 101.2 104.7 97.3 99.7 102.6 96.3 96.1 94.9 河 北 99.3 101.0 101.9 96.4 99.8 101.5 97.0 97.8