《多元统计分析》第三版例题习题数据文件教学提纲

1、Good is good, but better carries it.精益求精，善益求善。多元统计分析第三版例题习题数据文件-何晓群多元统计分析第三版（2012）数据下载第2章例2-11999年财政部、国家经贸委、人事部和国家计委联合发布了国有资本金效绩评价规则。其中，对竞争性工商企业的评价指标体系包括下面八大基本指标：净资产收益率、总资产报酬率、总资产周转率、流动资产周转率、资产负债率、已获利息倍数、销售增长率和资本积累率。下面我们借助于这一指标体系对我国上市公司的运营情况进行分析，以下数据为35家上市公司2008年年报数据，这35家上市公司分别来自于电力、煤气及水的生产和供应业，房地行业

2、，信息技术业，在后面各章中也经常以该数据为例进行分析。表2-1行业公司简称股票代码净资产收益率总资产报酬率资产负债率总资产周转率流动资产周转率已获利息倍数销售增长率资本积累率电力、煤气及水的生产和供应业深圳能源0000279.174.9253.45.391.573.562.7633.00深南电000037.611.2361.17.601.741.41-12.81-.01富龙热电000426-11.30-5.5648.89.13.76-.34-40.10-9.93穗恒运000531-7.70-1.5370.25.572.70.61-29.45-7.15粤电力000539.34-1.1554.84

3、.482.42.5211.78-7.72韶能股份000601-2.95-1.2961.79.272.52.5315.77-4.67ST惠天000692-1.86-.8163.34.401.09.438.08-1.82城投控股60064912.288.4639.92.25.5740.2029.21-2.19大连热电6007191.58.9660.53.32.701.31-3.44.75华电能源600726.43.3377.63.402.391.0812.66-6.04国电电力6007951.26.2071.65.261.681.10-5.885.68房地行业长春经开600215.09.2129.

4、10.05.081.239.07.09大龙地产6001591.21.0961.63.04.051.84-57.90-.08金丰投资6006069.786.5146.07.20.316.22-51.99-8.40新黄浦6006386.815.9631.91.12.315.57-18.484.99浦东金桥6006399.026.1642.74.20.864.5140.624.75外高桥6006486.902.0978.11.702.477.0419.885.21中华企业60067514.316.8263.67.37.445.8933.9311.82渝开发0005146.535.1431.61.14

5、.404.42-15.566.64莱茵置业00055821.227.9573.67.44.521.04-13.1528.42粤宏远000573-8.47-4.8444.12.14.24-3.90-26.72-7.81中国国贸6000078.406.2148.06.123.041.101.205.06万科A00000212.655.7767.44.37.3910.6215.388.93三木集团0006321.961.0580.12.88.951.74-11.30-9.55国兴地产0008382.972.2144.34.17.1730.65-74.763.06中关村0009319.691.7280

6、.11.47.572.03-7.901.59信息技术业中兴通讯00006311.655.0270.15.981.214.2827.3617.40长城电脑0000661.01.3953.931.353.571.22-6.99-30.87南天信息0009489.486.6145.431.061.414.6215.13110.72同方股份6001003.572.6353.32.78.002.79-4.7726.72永鼎股份6001052.541.6971.91.42.631.8727.492.63宏图高科60012210.715.4257.491.772.123.2133.0311.23新大陆000

7、9974.543.7431.88.861.097.4918.42-6.27方正科技6006014.423.1643.951.404.673.06-13.584.73复旦复华6006244.443.6849.44.53.853.1913.572.60习题3.今选取内蒙古、广西、贵州、云南、西藏、宁夏、新疆、甘肃和青海等9个内陆边远省份。选取人均GDP、第三产业比重、人均消费支出、人口自然增长率及文盲半文盲人口占15岁以上人口的比例等五项能够较好的说明各地区社会经济发展水平的指标。验证一下边远及少数民族聚居区的社会经济水平与全国平均水平有无显著差异。边远及少数民族聚居区的社会经济水平发展的指标数据

8、：地区人均GDP三产比重人均消费人口增长文盲半文盲内蒙古506831.121418.2315,83广西407634.220409.0113.32贵州234229.8155114.2628.98云南435531.1205912.125.48西藏371643.5155115.957.97宁夏427037.3194713.0825.56新疆622935.4274512.8111.44甘肃345632.8161210.0428.65青海436740.9204714.4842.92数据来源：中国统计年鉴（1998）。5项指标的全国平均水平0=（6212.0132.8729729.515.78）/第3章例

9、3-1若我们需要将下列11户城镇居民按户主个人的收入进行分类，对每户作了如下的统计，结果列于表3-1。在表中，“标准工资收入”、“职工奖金”、“职工津贴”、“性别”、“就业身份”等称为指标，每户称为样品。若对户主进行分类，还可以采用其他指标，如“子女个数”、“政治面貌”等，指标如何选择取决于聚类的目的。表3-1某市2001年城镇居民户主个人收入数据X1职工标准工资收入X5单位得到的其他收入X2职工奖金收入X6其他收入X3职工津贴收入X7性别X4其他工资性收入X8就业身份X1X2X3X4X5X6X7X8540.000.00.00.00.06.00男国有1137.00125.0096.000.01

10、09.00812.00女集体1236.00300.00270.000.0102.00318.00女国有1008.000.096.000.086.0246.00男集体1723.00419.00400.000.0122.00312.00男国有1080.00569.00147.00156.00210.00318.00男集体1326.000.0300.000.0148.00312.00女国有1110.00110.0096.000.080.00193.00女集体1012.0088.00298.000.079.00278.00女国有1209.00102.00179.0067.00198.00514.00男

11、集体1101.00215.00201.0039.00146.00477.00男集体例3-3EnglishNorwegianDanishDutchGermanFrenchOneEneneeneinunTwoTototweezweideuxThreeTretredriedreitroisFourFirefireviervierquatreFiveFemfemvijffunfeinqSixSekssekszessechssixsevenSjusyvzevensiebcnseptEightAteotteachtachthuitNineNininegenneunneufTenTititienzehndi

12、xSpanishItalianPolishHungarianFinnishUnounojedenegyyksiDosduedwakettokaksiTrestretrzyharomkolmecuatroquattroczterynegyneuaCincocinquepiecotviisiSeixseiszeschatkuusiSietesettesiedemhetseitsemanOchoottoosiemnyolckahdeksaunuevenovedziewieckilencyhdeksanDiezdiecidziesiectizkymmenen例3-4X1食品支出（元/人）X5交通和通讯

13、支出（元/人）X2衣着支出（元/人）X6娱乐、教育和文化服务支出（元/人）X3家庭设备、用品及服务支出（元/人）X7居住支出（元/人）X4医疗保健支出（元/人）X8杂项商品和服务支出（元/人）X1X2X3X4X5X6X7X8辽宁1772.14568.25298.66352.20307.21490.83364.28202.50浙江2752.25569.95662.31541.06623.05917.23599.98354.39河南1386.76460.99312.97280.78246.24407.26547.19188.52甘肃1552.77517.16402.03272.44265.2956

14、3.10302.27251.41青海1711.03458.57334.91307.24297.72495.34274.48306.45例3-5x1人均粮食支出（元/人）x5人均衣着支出（元/人）x2人均副食支出（元/人）x6人均日用杂品支出（元/人）x3人均烟、酒、饮料支出（元/人）x7人均水电燃料支出（元/人）x4人均其他副食支出（元/人）x8人均其他非商品支出（元/人）x1x2x3x4x5x6x7x8北京21.30124.8935.4373.9893.0120.5843.97433.73天津21.50122.3929.0851.6455.0411.3054.88288.13河北18.259

15、0.2124.4532.4462.487.4547.50178.84山西21.8466.3818.0531.3274.488.1934.97177.45内蒙古21.3767.0820.2835.2781.0710.9439.46182.20辽宁22.74115.8828.2142.4458.079.6348.65194.85吉林20.2288.9418.5435.6365.728.8150.29186.52黑龙江21.3375.5014.0029.5669.298.2442.08165.90上海21.13168.6940.8170.1274.3215.4650.90422.74江苏18.611

16、22.5127.0742.5063.4715.3836.14240.92浙江19.96142.2443.3350.74101.7712.9253.44394.55安徽19.61107.1332.8535.7761.347.5334.60142.23福建25.56171.6522.3040.5357.1312.6054.03225.08江西18.75104.6815.5535.6151.8011.1836.27142.72山东18.2788.3419.0743.1972.9812.5942.16200.18河南19.0773.1818.0129.3864.518.9138.14155.45湖北1

17、8.76102.6721.8730.4764.3311.9942.14168.17湖南20.25104.4520.7238.1562.9812.6739.16213.56广东23.68173.3017.4343.5953.6616.8665.02385.94广西18.70131.3511.6932.0641.5410.8442.77178.51海南16.16139.9212.9823.5824.8710.7632.35144.21重庆18.18120.3926.1837.9468.1611.6438.48246.37四川18.53109.9521.4933.0450.9810.8833.961

18、83.85贵州18.3392.4325.3832.1956.3214.0038.57144.82云南22.3099.0833.3632.0152.067.0432.85190.04西藏29.67146.9064.5154.3686.1014.7732.19193.10陕西20.0370.7519.7534.9553.2910.5538.20189.41甘肃18.6872.7423.7238.6962.419.6535.26170.12青海20.3375.6420.8833.8653.8110.0632.82171.32宁夏19.7570.2418.6736.7161.7510.0840.261

19、65.22新疆21.0378.5514.3534.3364.989.8333.87161.67第4章例4-1判别分析的一个重要应用是用于动植物的分类当中，最著名的一个例子是1936年Fisher的鸢尾花数据（IrisData）。鸢尾花为法国的国花，Setosa、Versicolour、Virginica是三种有名的鸢尾花，其萼片是绚丽多彩的，和向上的花瓣不同，花萼是下垂的。这三种鸢尾花很像，人们试图建立模型，根据萼片和花瓣的四个度量来把鸢尾花分类。该数据给出150个鸢尾花的萼片长(sepallength)、萼片宽(sepalwidth)、花瓣长(petallength)、花瓣宽(petalwi

20、dth)以及这些花分别属于的种类(Species)等共五个变量。萼片和花瓣的长宽为四个定量变量，而种类为分类变量(取三个值Setosa、Versicolour、Virginica)。这里三种鸢尾花各有50个观测值。数据格式如下图所示：定义新的变量y为被解释变量，用“1”代表Setosa鸢尾花，用“2”代表Versicolour鸢尾花，用“3”代表Virginica鸢尾花，将萼片长(sepallength)、萼片宽(sepalwidth)、花瓣长(petallength)和花瓣宽(petalwidth)四个变量作为解释变量。使用SPSS软件中的AnalyzeClassifyDiscriminan

21、t，就进入了判别分析的对话框。分组变量(GroupingVariable)选择y，然后定义的区域，最小值是1，最大值是3。解释变量(Independents)选择sepal.length、sepal.width、petal.length和petal.width。统计量(Statistics)选项中选择描述统计量Means，UnivariateANOVAs和BoxM，函数选择Fisher和非标准化函数，矩阵选择Within-groupscorrelation。分类(Classify)选项中选择先验概率（所有组相等或根据组的大小计算概率），因为三个品种的都是50种，因此两种选择的效果一样，子选项显

22、示(display)中选择每个个体的结果(Casewiseresults)，综合表(SummeryTable)和“留一个在外”(Leave-one-outclassifation)的验证原则，协方差矩阵选择Within-groups，作图选择Combined-groups。保存(Save)选项中可以选择预测的分类、判别得分以及所属类别的概率。如果采用逐步判别法，我们还可以选择判别的方法(Method)。得到分析结果如下：输出结果4-1Discriminant（1）（2）（3）输出结果4-1分析的是各组的描述统计量和对各组均值是否相等的检验。第1张表反映的是有效样本量及变量缺失的情况。第2张表是

23、各组变量的描述统计分析。第3张表是对各组均值是否相等的检验。由第3张表可以看出，在0.01的显著性水平上我们拒绝变量萼片长(sepallength)、萼片宽(sepalwidth)、花瓣长(petallength)和花瓣宽(petalwidth)在三组的均值相等的假设，即认为变量萼片长(sepallength)、萼片宽(sepalwidth)、花瓣长(petallength)和花瓣宽(petalwidth)在三组的均值是有显著性差异的。输出结果4-2BoxsTestofEqualityofCovarianceMatrices（1）（2）输出结果4-2是对各组协方差矩阵是否相等的BoxM检验。第

24、1张表反映协方差矩阵的秩和行列式的对数值。由行列式值可以看出协方差矩阵不是病态矩阵。第2张表是对各总体协方差阵是否相等的统计检验。由值及其显著水平，我们在0.05的显著性水平下拒绝原假设（原假设假定各总体协方差阵相等）。因此，在分类(Classify)选项中的协方差矩阵选择可以考虑采用Separate-groups，以检验采用Within-groups和Separate-groups两种协方差所得出的结果是否存在显著差异。如果存在显著差异就应该采用Separate-groups协方差矩阵，反之，就用Within-groups协方差矩阵。输出结果4-3SummaryofCanonicalDisc

25、riminantFunctions（1）（2）输出结果4-3分析的是典型判别函数。第1张表反映判别函数的特征值、解释方差的比例和典型相关系数。第一判别函数解释了99.1的方差，第二判别函数解释了0.9%的方差，两个判别函数解释了全部方差。第2张表是对两个判别函数的显著性检验。由WilksLambda检验，认为两个判别函数在0.05的显著性水平上是显著的。输出结果4-4（1）（2）（3）（4）输出结果4-4显示的是判别函数、判别载荷和各组的重心。第1张表是标准化的判别函数，表示为，这里表示标准化变量，标准化变量的系数也就是前面讲的判别权重。第2张表是结构矩阵，即判别载荷。由判别权重和判别载荷可以

26、看出两个解释变量对判别函数的贡献较大。第3张表是非标准化的判别函数，表示为我们可以根据这个判别函数计算每个观测的判别Z得分。第4张表是反映判别函数在各组的重心。根据结果，判别函数在这一组的重心为（-7.608，0.215），在这一组的重心为（1.825，-0.728），在这一组的重心为（5.783，0.513）。这样，我们就可以根据每个观测的判别Z得分将观测进行分类。输出结果4-5ClassificationStatistics（1）（2）（3）（4）（5）输出结果4-5是分类的统计结果。第1张表概括了分类过程，说明150个观测都参与分类。第2张表说明各组的先验概率，我们在Classify选项

27、中选择的是所有组的先验概率相等。第3张表是每组的分类函数（区别于判别函数），也称费歇线性判别函数，由表中的结果可以说明，这一组的分类函数是这组的分类函数是这组的分类函数是。我们可以计算出每个观测在各组的分类函数值，然后将观测分类到较大的分类函数值中。第4张表是分类矩阵表。PredictedGroupMembership表示预测的所属组关系，Original表示原始数据的所属组关系，Cross-validated表示交叉验证的所属组关系，这里交叉验证是采用“留一个在外”的原则，即每个观测是通过除了这个观测以外的其他观测推导出来的判别函数来分类的。由第4张表可以看出，通过判别函数预测，有147个观

28、测是分类正确的，其中，组50个观测全部被判对，组50个观测中有48个观测被判对，组50个观测中有49个观测被判对，从而有147/150=98%的原始观测被判对。在交叉验证中，组50个观测全部被判对，组50个观测中有48个观测被判对，组50个观测中有49个观测被判对，从而交叉验证有147/150=98%的原始观测被判对。还可以通过分类结果分析判对和判错的百分比。第（5）为分类结果图，从图中可以看到，Setosa鸢尾花与Versicolour鸢尾花和Virginica鸢尾花可以很清晰的区分开，而Versicolour鸢尾花和Virginica鸢尾花这两种之间存在重合区域，即存在误判。我们还可以通过

29、保存(Save)选项选择预测的类别关系和判别得分等，对观测进行诊断。由前面分析我们发现，协方差矩阵不等，可以考虑采用Separate-groups协方差矩阵，选择Separate-groups协方差矩阵，其他选择同上，得分类结果表如下：输出结果4-6（1）（2）由第1张表可以看出，通过判别函数预测，有146个观测是分类正确的，其中，组50个观测全部被判对，组50个观测中有47个观测被判对，组50个观测中有49个观测被判对，从而有146/150=97.3%的原始观测被判对。第（2）为分类结果图，从图中可以看到，Setosa鸢尾花与Versicolour鸢尾花和Virginica鸢尾花可以很清晰的

30、区分开，而Versicolour鸢尾花和Virginica鸢尾花这两种之间存在重合区域，即存在误判。由输出结果4-6可以看出，采用Separate-groups协方差矩阵与采用Within-groups协方差矩阵的预测效果没有明显的差别，因此，可以采用Within-groups协方差矩阵来进行判别。例4-2距离判别案例。为了研究2008年全国各地区城镇居民家庭人均消费支出情况，按人均收入、人均GDP以及消费支出将29个省、市、自治区（除天津和陕西以外）分为三种类型，设置group变量取值分别为1、2、3。试建立判别函数，判定天津、陕西分别属于哪个消费水平类型。判别指标及原始数据见表41。解：本

31、例中组数k=3，判别指标p=8，各组中样本为：，待判样品个数为2。总体协差阵的逆矩阵：表4-12008年31个省、市、自治区农村居民家庭平均每人生活消费支出x1人均食品支出（元/人）x5人均交通和通信支出（元/人）x2人均衣着支出（元/人）x6人均文教娱乐用品及服务支出（元/人）x3人均住房支出（元/人）x7人均医疗保健支出（元/人）x4人均家庭设备及服务支出（元/人）x8其他商品及服务支出（元/人）序号地区x1x2x3x4x5x6x7x8Group1上海7108.621520.611646.191182.24755.293373.192874.54937.2112广东5866.91975.0

32、61748.16947.54836.392623.081936.38594.4513北京5561.541571.741286.321096.571563.12293.232383.52704.2414浙江5522.561546.461333.69713.31933.112392.632195.58520.9515江苏4544.641166.911042.1813.45794.631357.961799.75458.116福建5078.851105.311300.1722.17540.631777.061453.18523.8327重庆4418.341294.31096.82842.09878.

33、251044.361267.03305.628云南4272.291026.5739.2331.94606.861216.46732.95150.4229西藏4262.771011.82634.94310.22317.08966.74419.59400.38210四川4255.481042.45819.28590.51564.931121.45947.01338.03211海南4226.9491.841106.39565.51536.41303.5930.87247.08212广西4082.99772.28891.33603.84529.361376.031081.54290.04213湖北39

34、96.271099.16914.26604.4675.32890.121037.24260.74214湖南3970.421090.72960.82674.84790.95971.051110.11376.62215安徽3905.051010.61988.12579.59633.93920.771160.14325.82216山东3699.421394.111247.04806.35799.791410.451277.43372.01217江西3633.05969.58851.15623.17483.96872.57945.99337.91218贵州3597.94851.5836.54525.7

35、471.39871.15934.73260.27219辽宁4378.141187.411270.95507.4913.131295.71145.46533.29320内蒙古3553.481616.561028.19672.64869.711191.71383.53512.81321宁夏3352.831178.881069.15596.81816.871096.321043.72403.71322青海3315.94945.14802.73538.54610.02787.63880.86311.72323吉林3307.141259.621285.28510.49914.47954.961071.8

36、425.3324新疆3235.771245.02781.9535.31643.481003.89812.36411.63325甘肃3183.791022.62846.26546.23654.82817.17936.33301.4326河北3155.41137.221097.41574.84808.881062.31946.38304.28327黑龙江3128.11217.04941.25494.49864.89749.05906.19321.95328河南3079.821141.76963.59633.32790.87915.12988.95324.03329山西2974.761137.711

37、250.87471.65769.79931.331041.91228.5331天津5005.091153.661528.28817.181220.921567.871608.97520.492陕西3586.131047.611007.68618.16862.7967.521281.58400.68资料来源：中国统计年鉴2008距离判别法无法在SPSS中直接实现，在R软件中运行如下程序，可得。距离判别程序：#读取数据（数据集为“城镇消费.csv”）a=read.csv(d:/data/城镇消费.csv，header=T);a;names(a);attach(a);a1=a1:5，;a1;a2=a

38、6:18，;a2;a3=a20:29，;a3;#计算协方差阵、逆矩阵、和各组均值v=cov(a，3:10);v;v_1=solve(v);v_1;m=mean(a，3:10);m;m1=mean(a13:10);m1;m2=mean(a23:10);m2;m3=mean(a33:10);m3;#计算与三组的距离d1=c(1:31);i=1for(iin1:31)if(i=31)d1i=as.matrix(ai，3:10-m1)%*%matrix(v_1，8，8)%*%matrix(t(ai，3:10-m1)，8，1)d1i;i=i+1d1;d2=c(1:31);j=1;for(jin1:31)

39、if(j=31)d2j=as.matrix(aj，3:10-m2)%*%matrix(v_1，8，8)%*%matrix(t(aj，3:10-m2)，8，1)d2j;j=j+1d2;d3=c(1:31);k=1for(kin1:31)if(kF140.589135.34110.85840.85840.0015168816.052470.982.000125.24803.86210.11100.96940.063085466.701558.373.000131.38591.32250.02930.99870.394157043.268440.005340.06340.00131.00000.94

40、0417480.493230.6955输出结果8-4给给出了典型相关相关系数及个相关系数的检验。第一对典型变量的典型相关系数为0.987904，第二对典型变量的典型相关系数为0.916487。检验结果表明两个典型系数均是显著的。因此，两组变量相关性的研究可以转化为研究第一对和第二对典型变量的相关性。输出结果8-5TheCANCORRProcedureCanonicalCorrelationAnalysisStandardizedCanonicalCoefficientsfortheVARVariablesV1V2V3V4X1-0.56190.89700.4774-1.5071X2-0.2882

41、0.20280.28872.7474X30.3725-1.50612.8455-0.8289X41.56230.6221-5.3347-0.0088X50.54600.9031-1.9598-0.6186X60.11130.23461.5978-0.6004StandardizedCanonicalCoefficientsfortheWITHVariablesW1W2W3W4Y1-0.5005-9.884320.0432-14.3389Y2-0.13870.8085-2.3337-3.0278Y31.52309.5616-15.983016.8028Y4-0.14180.52542.3860-

42、0.4936TheCANCORRProcedureCanonicalStructureCorrelationsBetweentheVARVariablesandTheirCanonicalVariablesV1V2V3V4X10.91730.2070-0.1466-0.1564X20.86790.3774-0.01580.2653X30.96440.0017-0.0982-0.0751X40.9718-0.1798-0.02050.0309X5-0.34270.8602-0.1539-0.0849X60.67590.32150.59030.1315CorrelationsBetweentheW

43、ITHVariablesandTheirCanonicalVariablesW1W2W3W4Y10.99650.02710.0391-0.0686Y20.93200.2370-0.0525-0.2692Y30.99500.08210.0312-0.0477Y4-0.79440.55420.2484-0.0071CorrelationsBetweentheVARVariablesandtheCanonicalVariablesoftheWITHVariablesW1W2W3W4X10.90620.1897-0.1117-0.0382X20.85740.3459-0.01200.0648X30.9

44、5270.0016-0.0749-0.0183X40.9600-0.1648-0.01560.0075X5-0.33850.7883-0.1173-0.0207X60.66770.29470.44990.0321CorrelationsBetweentheWITHVariablesandtheCanonicalVariablesoftheVARVariablesV1V2V3V4Y10.98450.02480.0298-0.0167Y20.92070.2172-0.0400-0.0657Y30.98300.07520.0238-0.0116Y4-0.78480.50790.1893-0.0017

45、输出结果8-4和输出结果8-5是典型系数和典型结构的分析。前两对典型变量的线性组合是：在第一对典型变量V1和W1中，V1是对生猪养殖有影响的各因素的线性组合。可以看出V1主要代表X1猪（毛重）生产价格指数、X4农村居民人均纯收入、X5乡村总人口数。W1是对生猪养殖指标的线性组合。W1主要代表Y1肉猪出栏头数、Y3猪肉产量.这说明肉猪出栏头数、猪肉产量与（毛重）生产价格指数、农村居民人均纯收入、乡村总人口数有较密切的关系。在第二对典型变量V2和W2中，在V2的线性组合中与X1猪（毛重）生产价格指数、X3粮食零售价格指数、X4农村居民人均纯收入、X5乡村总人口数的载荷系数较大，不过X3粮食零售价格

46、指数在这里起副作用。W2的线性组合中与Y1肉猪出栏头数、Y2生猪年底存栏头数、Y3猪肉产量的载荷系数较大。这说明了猪（毛重）生产价格指数、粮食零售价格指数、农村居民人均纯收入、乡村总人口数是农民养猪的主要因素。从第二对典型变量中进一步看出生猪年底存栏头数与猪（毛重）生产价格指数及粮食产量同方向增长，与粮价方向相反。输出结果8-5可以看出V1与指标X1、X2、X3、X4有较强的相关性。W1与指标Y1、Y2、Y3有较强的相关性。这些情况表明年底存栏头数是农民养猪积极性的反映。而农民养猪成本受粮食价格的制约，粮食产量下降，粮食价格升高、饲料必然上涨，人民养猪的成本投入增大，养猪利润较少，农民致富的经

47、营目标当然转移，只是商品生产的必然规律，改革开放初期我国生猪养殖的波动已充分说明了这方面的问题。但近几年政府相继出台生猪养殖的各项好政策，落实对养猪户的补贴政策，以维护生猪养殖的稳定发展。TheCANCORRProcedureCanonicalRedundancyAnalysisStandardizedVarianceoftheVARVariablesExplainedbyTheirOwnTheOppositeCanonicalVariablesCanonicalVariablesCanonicalVariableCumulativeCanonicalCumulativeNumberPropo

48、rtionProportionR-SquareProportionProportion10.67390.67390.97600.65770.657720.17680.85070.83990.14850.806230.06730.91800.58090.03910.845340.02100.93900.05960.00130.8466StandardizedVarianceoftheWITHVariablesExplainedbyTheirOwnTheOppositeCanonicalVariablesCanonicalVariablesCanonicalVariableCumulativeCa

49、nonicalCumulativeNumberProportionProportionR-SquareProportionProportion10.87070.87070.97600.84980.849820.09270.96340.83990.07790.927630.01670.98010.58090.00970.937340.01991.00000.05960.00120.9385输出结果8-6TheCANCORRProcedureCanonicalRedundancyAnalysisSquaredMultipleCorrelationsBetweentheVARVariablesand

50、theFirstMCanonicalVariablesoftheWITHVariablesM1234X10.82130.85730.86970.8712X20.73510.85470.85490.8590X30.90770.90770.91330.9137X40.92170.94880.94910.9491X50.11460.73610.74980.7502X60.44580.53270.73500.7361SquaredMultipleCorrelationsBetweentheWITHVariablesandtheFirstMCanonicalVariablesoftheVARVariab

51、lesM1234Y10.96920.96980.97070.9709Y20.84770.89490.89650.9008Y30.96620.97190.97240.9726Y40.61590.87390.90980.9098输出结果8-7输出结果8-6和输出结果8-7是典型冗余分析。输出结果说明典型函数可以解释的变量方差的比例。第一典型变量V1可以解释组内变差67.39%，并解释的另一组（生猪养殖指标）的变差为65.77%；典型变量W1可以解释组内变差87.07%，并解释的另一组（生猪养殖的影响因素指标）的变差为84.98%。可见第一对典型变量都能较全面地预测另一组变量。而第二和第三对典型变量

52、实际上都没给出较充分的信息。输出结果8-7是典型冗余分析的复相关系数分析，类似于回归分析中的,读者可试给出相应的解释。利用SPSS软件也可以进行典型相关分析。有关SPSS典型相关分析的输出，本文不再详细讨论，有兴趣的读者请参考相关指导书。第9章数据例9-1满意不满意合计高533891中434108542低11148159合计598194792例9-2序号年家庭收入(万元)x签定意向书人数ni实际购房人数mi实际购房比例pi=mi/ni逻辑变换权重wi=nipi(1-pi)11.52580.320000-0.753775.44022.532130.406250-0.379497.71933.55

53、8260.448276-0.2076414.34544.552220.423077-0.3101512.69255.543200.465116-0.1397610.69866.539220.5641030.2578299.59077.528160.5714290.2876826.85788.521120.5714290.2876825.14399.515100.6666670.6931473.333例9-3序号性别年龄月收入y序号性别年龄月收入y1018850015120100002021120001612512000302385011712713000402395011812815000502812001191309501603185002013210000703615001211331800080421000122133100009046950123138120001004812000241411500011055180012514518001