聚类分析(数据分析)讲解

目录

利用相关分析法以及聚类分析对黑龙江省

2022年各市按经济实力分类

目录

目录

摘要：.................................................4

1指标体系的建立......................................5

1.1数据采集说明......................................5

1.2数据的处理........................................5

L3指标的解释........................................5

2相关分析模型的建立..................................7

2.1PEARSON相关系数................................7

3聚类分析模型的建立..................................8

3.1系统聚类分析......................................8

3.2系统聚类的分析步骤................................8

4黑龙江实证分析......................................9

4.1相关分析..........................................9

4.2聚类分析.........................................10

总结.................................................12

心得体味.............................

参考文献:...........................................13

目录

附录:14

目录

目录

摘要：

本文是运用了相关分析对黑龙江省13个市2022年的人均GDP、农民人均纯

收入、人均社会消费品零售总额、人均财政收入、人均工业增加值、全员劳动生

产率、职工平均工资七项指标进行了相关性的检验。然后运用了聚类分析对黑龙

江的13个市进行了分类。大致的分为了3大类。

关键词相关分析；聚类分析；分类;

5

《数据分析课程》项目

1指标体系的建“

1.1数据采集说明

本次的分析指标是2022年黑龙江13个市的人均GDP、农民人均纯收入、人

均社会消费品零售总额、人均财政收入、人均工业增加值、全员劳动生产率、职

工平均工资七项。数据经过是从《黑龙江统计年鉴2022》和《中国区域经济统计

年鉴2022》上获取的的数据进行相应的计算得到的。

1-2数据的处理

人均GDP、农民人均纯收入、人均社会消费品零售总额、人均财政收入、人

均工业增加值、全员劳动生产率、职工平均工资七项指标中有四项指标是不能直

接获取的，分别是：人均社会消费品零售总额、人均财政收入、人均工业增加值

和全员劳动生产率。这四项指标通过了一定的计算得到。相应的公式如下：

1.人均社会消费品零售总额二社会消费品零售总额/年末人口总数：

2.人均财政收入二财政收入/年末人口总数：

3.人均工业增加值二工业增加值/年末人口总数；

4.全员劳动生产率二工业增加值/全部从业人员平均人数；

其中的年末人口总数和全部从业人员平均人数都能在《黑龙江统计年鉴

2022»和《中国区域经济统计年鉴2022》中找到。

1-3指标的解释

人均GDP：也叫人均生产总值，常作为发展经济学中衡量经济发展状况的指

标。是重要的宏观经济指标标之一，它是人们了解和把握一个国家或者地区的宏

观经济运行状况的有效工具。是衡量各国各地区人民生活水平的一个标准。

农民人均纯收入：指的是按农村人口平均的“农民纯收入”，反映的是一个

国家或者地区农村居民收入的平均水平。其中，“农民纯收入”指的是农村居民

当年从各个来源渠道得到的总收入，相应地扣除获得收入所发生的费用后的收入

总和。

《数据分析课程》项目

社会消费品零售总额：指批发和零售业、住宿和餐饮业以及其他行业直接售

《数据分析课程》项目

给城乡居民和社会集团的会消费品零售总额。

人均财政收入：财政收入，是指政府为履行其职能、实施公共政策和提供公

共物品与服务需要而筹集的一切资金的总和。财政收入是衡量一国政府财力的重

要指标。

工业增加值：工业企业全部生产活动的总成果扣除了在生产过程中消耗或者

转移的物质产品和劳务价值后的余额。

全员劳动生产率：指根据产品的价值量指标计算的平均每一个从业人员在单

位时间内的产品生产量。是企业生产技术水平、经营管理水平、职工技术熟练程

度和劳动积极性的综合表现。

职工平均工资：职工平均工资指企业、事业、机关单位的职工在一定时期内

平均每人所得的货币工资额。它表明一定时期职工工资收入的高低程度，是反映

职工工资水平的主要指标。

6

《数据分析课程》项目

2相关分析模型的建立

2.1pearson相关系数

相关分析是研究现象之间是否存在某种依存关系，也就是变量之间的相关性

密切程度。研究两个变量间线性关系的程度通常用相关系数数r来描述。r的计算

方法有不少种，本文仅使用pearson相关系数。Pearson相关系数是用来衡量两个

变量是否在一条线上面，也就是用来衡量定距变量间的线性关系。Pearson相关系

数计算公式为

A(x-xXy-y)

22相关分析的主要步骤

1、计算相关系数

JED?・J”顼尸

2相关性的说明

普通的假如两个变量的相关系数r满足|r|>0.95,则可以说明这两个变量存在

显著性相关：

假如r满足|r|N).8则可以说明这两个变量存在高度相关；假如r满足

0.5W|r|<0.8则可以说明这两个变量存在高度相关；假如r满足0.5八|r|<0.8则可以说

明这两个变量存在中度相关；假如r满足0.3Wr|<0.5则可以说明这两个变量存在

低度相关；假如「满足|r|<0.3.则可以说明这两个变量不相关；

7

《数据分析课程》项目

3聚类分析模型的建立

3.1系统聚类分析

聚类分析是依据研充对象的特征，对其进行分类的方法，目标是减少研究对

象的数目。前提是各指标之间要具有一定的相关关系。本文仅使用系统聚类方法

进行聚类分析。系统聚类的普通是首先根据一批数据或者指标找出能度量这些数

据或者指标之间相似程度的统计量；然后以统计量作为划分类型的依据，把一些

相似程度大的目标首先聚合为一类，而把另一些相似程度较小的目标聚合为另一

类，直到所有的目标都聚合完毕，最后根据各类之间的亲疏关系，逐步画成一张

完整的分类系统图，又称谱系图。其相似程度由距离或者相似系数定义。本文仅

使用的是欧氏距离。

欧氏距离：

一.5)2亿/=1,2,3…,"2)

Vk=l

3.2系统聚类的分析步骤

确定待分类的样品的指标:

建立指标体系模型:

数据导入SPSS,使用SPSS进行处理:

得出一张谱系图;

得出结论:

8

《数据分析课程》项目

4黑龙江实证分析

4.1相关分析

将数据导入SPSS后，使用相关中的双相关分析得出如下表格:

相关性

人均社会

农B：全员劳

消资品零

均纯收动生产

伴人均财人均工业增职工平

人率

人均GDP总额政收入加值均工资

人均GDPPearson1.349.838.835.975.970.912

相关性

显著性.242.000.000.000.000.000

（双邮

农民人Pearson.3491.584,392.207.196.246

均纯收相关性

入显著性.242.036.185.521.417

（双侧）

人均社Pearson.838.5841.789.711.695.793

会消费相关性

品零售显著性.000.036.001.006.008.001

总额（双侧）

人均同Pearson.835.392.7891.769.798.836

政收入相关性

显著性.000.185.001.002.001.000

（双恻）

人均工Pearson.975.207.711.7691.996.875

业增加相关性

值显著性.000.498.006.002,000.000

（双侧）

全员劳Pearson.970.196.695.798.9961.884

动生产相关性

率显著性.000.521.008.001.000.000

（双侧）

职工平Pearson.912.793.836.875.8841

均工资相关性

显著性.000.417.001.000.000.000

（双邮

表1

从表1可以看出，人均GDP、农民人均纯收入、人均社会消费品零售总额、

9

《数据分析课程》项目

人均财政收入、人均工业增加值、全员劳动生产率、职工平均工资都存在了一定

的相关性。其中人均GDP和人均工业增加值、全员劳动生产率是显著相关；和

人均社会消费品零售总额、人均财政收入、职工平均工资是高度相关；和农民

人均纯收入是低度相关。农民人均纯收入和人均社会消费品零售总额是中度相

关；和人均收入是低度相关；和人均工业增加值、全员劳动生产率、职工平均

工资无相关。人均社会消费品零售总额和人均财政收入、人均工业增加值、全

员劳动生产率、职工平均工资存在中度相关。人均财政收入和职工平均工资存

在高度相关：和人均工业增加值、全员劳动生产率存在中度相关。人均工业增

制值和全员劳动生产率存在显著相关；和职工平均工资存在高度相关。全员劳

动生产率和职工平均工资存在高度相关。

所以符合积累分析的要求，既存在一定的相关性。

4-2聚类分析

将数据输入SPSS后，使用分类中的系统聚类并且在其中的聚类成员中的类

数选择4类后得到如下表格：

群集成员

案例3群集

1:哈尔滨2

2:齐齐哈3

3:鸡西市3

4:鹤岗市3

5:双鸭山3

6:大庆市1

7:伊春市3

8:佳木斯3

9:七台河2

10:牡丹江3

11：黑河市3

12:绥化市3

13:大兴安3

表2

10

图1

从表一看出第一类：大庆市。人均GDP和人均工业增加值是所有市中最高的

市，率先于其他市。总体发展水平相对于其它市比较的好。人民生活相对较好。

再则该市的其他各项指标也是中上等的。所以第一类是发达地区。

第二类：哈尔滨市、七台河市。各项指标都比较平衡，各方面发展比较均衡。

为中等发达地区。

第二类：齐齐哈尔市、鸡西市、鹤岗市、双鸭山市、伊春市、佳木斯市、牡丹

江市、黑河市、绥化市、大兴安岭地区。相对于大庆市、哈尔滨市和七台河市相

对落后，所以是欠发达地区。

从图1看出，在不同的聚类标准（距离）下，聚类结果不同，当距离标准逐

渐放大时，13个地区被挨次聚类。当距离为。时，每一个样本为单独的1类；当

距离为5时，则13个地区被聚为3类：当距离为大于10小于25时，则13个地

区被聚为2类：最终，当聚类标准（距离）扩大到25时，13个地区被聚为了1

类。

11

《数据分析课程》项目

总结

此次通过相关分析得到了人均GDP、农民人均纯收入、人均社会消费品零售

总额、人均财政收入、人均工业增加值、全员劳动生产率、职工平均工资七项指

标之间存在了一定的相关关系。各个指标在现实中相互的影响着。通过聚类分析

将黑龙江的13个市分成为了3类。分别是如下。第一类发达地区：大庆市。第二

类中等发达：哈尔滨市、七台河市。第三类欠发达地区：齐齐哈尔市、鸡西市、鹤

岗市、双鸭山市、伊春市、佳木斯市、牡丹江市、黑河市、绥化市、大兴安岭地

区。通过分类我们可以看出黑龙江的各市发展差距有点偏大。需要调控。

写这篇论文数据刚开始并不好找。最初我也是想找2022县的数据来做，毕竟

题目是要2022县市。可是虽然《黑龙江统计年鉴2022》己经出来了，但是在上

面仅仅能找到5项指标我就认为不行了。那时候《中国区域经济统计年鉴2022》

还没有出来，到现在也没出来。去找2022的县市吧，可是仅仅就能找出来5项，

感觉也不行。2022的市也找不出几项来，所以最后找了2022的市，很可惜指标

还是差一个（农村居民人均生活消费支出）。这篇论文黑龙江统计局上数据很少，

基本没有。

12

《数据分析课程》项目

参考文献:

<>梅长林，范金城.数据分析方法.北京.高等教育出版社，2022.

0黑龙江省统计年鉴2022.山东省统计局，2022.

<>中国区域经济统计年鉴2022.国家统计局.2022

《>百度百科.

°黑龙江统计局

<>http：//docin.com/p-195341316.hlml

0中国统计年鉴数据库.tongji.cnki.net/kns55/index.aspx

13

《数据分析课程》项目

附录:

人均社会消费

人均工业增加全员劳动生产职工平均

地区人均GDP农民纯收入品零售总额人均财政收入

值率工资

32053761415206.744824.7258448.36617614.2628959

哈尔滨市

齐齐哈

127145586.45365.641357.3414038.3148858.58524038

尔市

鸡西市1854757365385.4222229.5496939.17116549.3223133

鹤岗市18508.73373055