sas数据挖掘及应用实验报告.pdfVIP

SAS 数据挖掘与应用 实验报告 陕西省各地市经济发展水平评价研究 实验要求： 1. 选择经济领域中的一个问题，确定相关的分析变量，描述通过数据挖掘来探究 （或解释、或解决）问题的逻辑思路，说明预期的结果（结论）等。 2. 查询和搜集相关原始数据 3. 整理、准备数据，建立数据集 4. 采用二种或二种以上的挖掘方法，或进行对比分析，或先后进行多个阶段的分 析。 5. 对挖掘结果进行分析和说明。 6. 总结研究结论或结果。 实验目的： 1. 熟悉SAS 软件操作 2. 练习SAS 编程 3. 学习并练习描述性统计分析、因子分析等方法与实际操作 4. 研究实际问题 问题描述： 陕西省各市的经济发展一直受到陕西人民的关注，而对于2014 年如何分析各市 的发展情况，一直是一个仁者见仁的问题，指标体系的建立以及研究方法的选择 多种多样，本文以各市2014 年各市的重要经济发展指标出发，对 11 个地市的 经济发展进行评价 解决思路： 为了研究上述问题，我们应当以2014 年的各地市相关经济发展指标为数据源， 通过描述性统计分析对整体数据进行初步了解；并利用主成分分析对2014 年各 地市的经济发展进行一个综合评价和排序。 1. 描述性分析 2. 主成分分析 实验过程： 1.搜集数据 通过陕西省统计局网站搜寻到 2014 年各地市经济发展的指标并汇总，选择 其中的五个指标（生产总值、财政收入、固定资产投资、外贸进出口总额、 人均可支配收入），得到如下数据： 2.数据准备和预处理 首先建立数据集，我将数据存在D:\saswork.sas 中 为便于进行分析，将生产总值、财政收入、固定资产投资、外贸进出口、人 均可支配收入均用X1 -X5 代替。 3.描述性统计分析 ①单变量分析： 首先要对数据的基本情况有一个初步的了解，因此先进行单变量分析。再次我们 利用means 过程计算一些描述性统计量，编写程序如下： proc means data=saswork.sas maxdec=2 mean std max min range cv skewness; var x1-x5; run; 运行结果如下： 分析： 陕西省各市生产总值平均水平约为1613 亿元，从标准差看来，无论是哪个指标 都有着较大的差异，而且变异系数除了X5 （人均收入）外其他都有着较高的值， 这也说明了各地市的经济发展水平不同，而且在最大值的选择中，西安市的值正 好与最大值相对应，说明西安市的经济发展处于绝对优势地位，但仅仅如此并不 能反映出更多的信息，因此进行接下来的进一步统计指标计算和分析。 ②相关系数分析和P 值检验 代码如下： proc corr data=saswork.sas; var x1-x5; run; 运行后得到相关系数矩阵： 从相关系数矩阵看到，除了人均可支配收入外，其他四个变量之间都有着较强的 相关性，且P 检验值明显较小，因此可以通过降维来进行进一步数据处理。 4.主成分分析 在本次降维过程中，我们选择提取至85%以上的信息即可，编写代码如下： proc factor data=saswork.sas; var x1-x5; run; 运行结果部分如下： 以上为因子分析的结果，第一列为特征根，三四列为方差贡献率以及累积方差贡 献率，可以看出，前两个因子的累积方差贡献率就可以提供93%以上的信息，因 此选择因子1 和2，运行如下程序，输出两个因子： proc factor data=saswork.sas n=2; var x1-x5; run; 结果如下： 分析：这里给出了因子的载荷矩阵，因子1 包含了变量1-4 的主要信息，而因子 2 则包含了变量5 的信息，这也和之前的相关系数矩阵相对应，这里我们进行主 成分分析，为了让两个因子能够有更好的代表性，进行进一步的因子正交旋转， 即使因子的方差最大化。 代码如下： proc factor data=saswork.sas n=2 rotate=varimax score out=scoreout; var x1-x5; run; 因子旋转结果如下： 分析：因子1 在生产总值、财政收入、固定资产投资、外贸进出口总额中有着较 大的载荷，说明因子1 重点解释整体发展带来的宏观经济增长，而因子2 重点解 释由于个人可支配收入引起的微观的经济增长。根据旋