多元统计分析论文

关于各地区住宿业企业基本情况和经营

情况的统计分析班级：统计一班

姓名：

学号：

指导教师：图图-#E；値-90.2S

标准偽差.=93.359

N=31営业撤仪元）图-5客房收入均值=42.25

标淮俯年，=43.W1

N^31客房收入寮费收入餐费收入N=31图-7图-4、图-5、图-6、图-7分别表示的是年末从业人数、营业额、客房收入和餐费收入的频数直方图，分析方法和图-3相似，就不一一分析了，从上面几个图中可以看出，这几个变量都大致服从正态分布，但我国住宿业方面的发展还是很不平衡，无论是从这五个方面的哪一方面来看，都是数值小的占的比例较大。说明只有少数地区的住宿业可以达到发达水平，还有大部分地区需要加大力度来提高自己的收入水平。第三步、对数据进行因子分析：表-2相关矩阵法人企业（个）年末从业人数（人）营业额（亿元）客房收入餐费收入相关法人企业（个）1.000.964.932.891.945年末从业人数（人）.9641.000.956.919.968营业额（亿元）.932.9561.000.988.968客房收入.891.919.9881.000.923餐费收入.945.968.968.9231.000表-2为五个变量的相关矩阵，从表中的数据可以看出，各个变量同其他变量之间的相关性都很强。

表-3解释的总方差成份初始特征值提取平方和载入合计方差的%累积%合计方差的%累积%14.78295.64895.6484.78295.64895.6482.1402.79598.4433.049.98299.4264.027.55099.9755.001.025100.000提取方法：主成份分析。表-3为解释的总方差，可以看到只要第一个成分就可以解释95.648%的信息，而且在合计列中只有第一个因子的特征值大于1，所以我提取了第一个变量因子并图-8为因子分析的碎石图，从图中可以明显的看到第一段的斜率很大，而后面就变得平缓了，也说明只要一个因子就能很好地解释所有的变量，说明我们只提取一个因子的做法是合理的。但由于只有一个因子，所以无法得到因子载荷矩阵和旋转的因子载荷矩阵，但可以有成分得分系数矩阵，由此可以算出因子得分。

表一4成份得分系数矩阵成份1法人企业（个）.202年末从业人数（人）.206营业额（亿元）.207客房收入.202餐费收入.205提取方法：主成分分析法。旋转法：具有Kaiser标准化的正交旋转法。构成得分。表-4即为成分得分系数矩阵，从中可以得到因子在各变量上的系数，可以得到计算因子得分的函数：F二0.202X+0.206X+0.207X+0.202X+0.205X。2345图-9图-9为最后的因子得分，由于在保存子对话框中点了保存为新变量，所以在原数据中多了一列，即为根据表-4得到的因子得分。

第四步、对数据进行聚类分析（K-均值聚类，只选取了前三个变量）：表-5初始聚类中心聚类123法人企业（个）161840922年末从业人数（人）302021420294364营业额（亿元）398.03.998.7表-6迭代历史记录a迭代聚类中心内的更改1231.00019558.7239865.7872.0005424.8936723.8623.0006141.92811952.2144.0003137.2007758.3295.000.000.000a.由于聚类中心内没有改动或改动较小而达到收敛。任何中心的最大绝对坐标更改为.000。当前迭代为5。初始中心间的最小距离为90166.364。表-7最终聚类中心聚类123法人企业（个）1618307850年末从业人数（人）30202138464110936营业额（亿元）398.041.6169.5表-5、表-6、表-7分别为初始聚类中心、历史迭代记录和最终聚类中心。根据表-6可以看出第一类的聚类中心基本上没有什么改变。当初始聚类中心经过迭代，迭代到第五步的时候都已经变成了0.000，此时已经可以结束迭代，得到最终聚类中心，可以看出第一类的法人企业为1618个，年末从业人数为302021人，营业额为398.0亿元，第二类和第三类可以依次看出。

r迢谥出加際据±1]-EPSS弧tiEtZ帝拒箱皆I=1旦1・文样⑹弟砌丈喪獸出jSfc(D)摊帳①曲笊巴團形〔⑥旺用段触或附加由敢②fin(W]帮肪L日旦EraS'1?上」+B歯畀工囲张雀書帑15：可见：E曼工的BX1X2>3X4X5QCL1QCL21北京124016259B3D4.2UC-7DI2:51661.9B4372土津2222413333.315.812121433D.921733河北47568673E4.925.732.7230215.8QB784山百300506BG52.0£.』243220222.49B256333381IB40.919.118.6234E.63K56辻宁52358637B5.440.236722D174.53B177古牀2292335J27.1117VJ215113.075468黒走江2122509B2J.-116.2"LI9亠-23E5.S45129丄询町旳?21417FuRnFiv22975339G310江苏90C1231BB133.27L.4003:12250.4747^111ifif江11581550312SB.E1D7.6126.536416E.2B49I124285084254.723.725021237B.93CB513福逢£丨7665194.2工二44丄3420E.3237614辽丙3UU「屮.q42.322.43亠3411.1125715||匕99712UBB1B4.9Efi.7809310663.3643816河南922943B4刀FA^.74216571.97B1917Jj北5L60022J42亠21旺9.4旺U18咼m6718793?1D4.9■19.E■157222947.4522113广东30202117c二皿’10.0000020厂由jyy4yb/b4/.22J.U1H.81111Zbdt£±21長pj311560BB76.7A7.722.921TG24.3BB9922至有卞勺卞二71d巧？：Wf^Ti"-執牺盘国SPSSStatic.tc3处理阵已就蜻图-10由于在保存子对话框中点了保存为新变量，所以在原数据中多了两列，分别为案例的类别号和案例与其类别中心之间的距离，见图-10.可以看出广东为第一类，它的住宿业很发达，企业法人个数和营业额等都非常高；北京、上海、江苏、浙江、福建、山东、河南、湖南和四川为第三类，它们的住宿业相对比较发达；其他地区分为第二类，它们的住宿业比较落后，企业法人个数和营业额等都很低。表-8每个聚类中的案例数聚类11.000221.00039.000有效31.000缺失.000表-8为每个聚类的案例数，从中可以看出第一类中只有1个案例，第二类中有21个，第三类中有9个。

第五步、对数据做一下判别分析（先把广东、河北、上海挑出来不进行聚类，对其他的聚类之后再把这三个地区放进去判别）：图T1表-9标准化的典型判别式函数系数函数12法人企业（个）-.462.536年末从业人数（人）1.321-2.325营业额（亿元）.0812.070标准化的典型判别函数是由标准化的自变量通过Fisher判别法得到的，通过表-9可以得到标准化的典型判别函数，要得到标准化的典型判别得分，代入该函数的自变量必须是经过标准化的。

表-10典型判别式函数系数函数12法人企业（个）-.003.004年末从业人数（人）.000.000营业额（亿元）.003.074（常量）-3.7051.496非标准化系数表-10是未标准化的典型判别函数系数，由于可以将实测的样品观测值直接代入求出判别得分，所以该系数使用起来比标准化的系数要方便一些。由此表可知，两个Fisher判别函数分别为：=—3.705-0.003X+0.000X+0.003X，123=1.496+0.004X+0.000X+0.074X。123表-11分类函数系数案例的类别号123法人企业（个）-.025.000-.015年末从业人数（人）.001.000.001营业额（亿元）-.010-.058-.165（常量）-44.712-2.601-12.662Fisher的线性判别式函数如表T1所示，案例的类别号栏中的每一列表示样品判入相应列的Bayes判别函数系数。在本例中，各类的Bayes判别函数如下：=—44.712—0.025X+0.001X—0.010X，TOC\o"1-5"\h\z123=-2.601+0.000X+0.000X—0.058X，123=—12.662—0.015X+0.001X—0.165X。123将各地区的自变量值代入上述三个Bayes判别函数，得到三个函数值。比较这三个函数值，哪个函数值比较大就可以判断该样品判入哪一类。表-12分类结果a案例的类别号预测组成员合计123

初始计数1400420120123001212未分组的案例2013%1100.0.0.0100.02.0100.0.0100.03.0.0100.0100.0未分组的案例66.7.033.3100.0a.已对初始分组案例中的100.0%个进行了正确分类。表-12为分类结果表，从中可以看出未分类的地区有两个应该分入第一类，有一个应该分入第三类。闊境L魅皿*[35霹1]-SP55Etatktin碍确Bt竝同〔日畏曲qfi&imw»(d沖颐&i国卷◎疾用岩蚌〔山昭加内割宙口凶相h舌!=1旦屈4申醫囱團H咱曲醫生冒毎①•忸36.Xd可见=13^曼的心阳QCMDl£1Di曰」D.21Jl2Dis22Di^321D25033■o.623aa■0JE97DDODDOOD2ID&1D7BEEE1144.4331.33234-1.07869O.QOCC60.000160.9E6511215g22-1.2S4G4-0220ESOOflCCOD.GS®2□31D381311七11-l■IL'：L'：_IILLLLLLLl-.LL'：14也331.53357-1.06049ooocceooocce0999911524.233■E.14032■0.00602o.ooccoO.OJ1C8O.9EE911E峪7331.833?3■1J10650.00019o.ooco?09997417怕日33<I.6244B■097075oofltro□dtiei3□091671B22.9330.27033-0.061E3o.ooccoO.O^IE©O.9£ES11923.222-1.077940.35792ooocco0767290.232712D3J.6351.15^0■0.97967O.OOCOIO.OOOE©O.9SSCO217M?2.43047r:厂产rrrrrr099260rrr-r2215J33■0.499aE■0993H3DODDOOD07BD2□921EG23L022-3.403301.30671O.OOCCO0.99EE9O.OCOII2431A330.61847■1.G377DOOflCCO000161099&49257.622-2.279390/11025o.oocco0.96316□.01E642GIF?-m和Hliir炸rrrrrr「000023272.322-3.31324.1.15015O.OOCCO0.99579□.0CO2128M.022-1.992260.^031o.oocco0.979250.02076293273□.77047■220992OOflCCOO00C41□9EAEQ301'.1I2.52656l■11L注比一LLLLIlLLLLLl311631117.8A335-0.30384MOCCOoooccooocccoxl丨卜spsssirtsflcs-壯理誓吕吐塔图-12由于保存了变量，在原数据中多出了几列。其中，变量dis-1存放判别样品所属组别的值，变量dis1-1,dis2-1分别代表将地区各变量值代入第一个，第二个判别函数所得的判别分数，变量dis1-2、dis2-2,dis3-2分别代表地区分别属于第1类、第2类，第3类的Bayes后验概率值。结果表明，广东、河北、上海应分别放入第一类、第三类和第一类。结论：参考文献：方开泰，潘恩沛《聚类分析》地质出版社M.肯德尔【英】《多元分析》科学出版社于秀林，任雪松《多元统计分析》中国统计出版社《中国统计年鉴》2010附录18-4各地区限额以上住宿业企业基本情况和经营情况（2010年）地区法人企业（个）年末从业人数营业额（人）（亿元）#客房收入#餐费收入全国1571321081792797.81309.81143.9北京1240162596304.2149.791.2天津2222413333.315.812.1河北4756867964.925.732.7山西3885868652.822.424.3内蒙古3333811840.919.118.6辽宁5235863785.440.236.7吉林2292335027.111.712.9黑龙江2422609828.415.210.9上海57787962220.4126.565.6江苏906123186186.276.490.3浙江1158165091258.6107.6126.6安徽4285084254.723.725.0福建5217665194.238.944.4江西3804187