应用多元统计分析课程论文

1、应用多元统计分析课程论文论文标题：江苏省各地区物流产业发展的综合评价姓氏名：雄海帆学院：信息网络工程学院全职：信息和计算科学:类2013年1班学号：1884130124指导教师：张氏鸟2015年11月30日安徽科学技术院教务处摘要信息20世纪80年代出现的现代物流管理利用多种功能之间的流程管理进行观察，分析和解决企业运营中的问题非常有效，通过对材料的分析，消除了从原材料输送到工厂，通过生产线上的各工作站看起来有效率，但实际上降低了效率的许多局部优化行为。物流产业的实体是技术密集型和劳动密集型的结合，是具有第三产业特征的区域间、行业间、部门间特性的产业形态。物流产业在经济增长特别是区域经济增长和

2、促进区域产业合作方面具有不可替代的重大意义，在区域经济、产业布局研究过程中，物流产业在其中的基础保障作用不容忽视。本文在建立江苏沿江物流产业发展综合指标体系的基础上，在多元统计分析中使用主成分分析方法，通过因素分析比较判断该问题的哪种方法更合适，综合评价江苏沿江20个县市物流发展现状，为江苏省各地物流产业主管部门制定相应政策提供了一定的理论依据，旨在提高江苏沿江整体物流发展水平。【关键词】主成分分析；因素分析物流产业综合评价1，简介经济全球化的持续发展、科学技术水平的持续提高、专业化分工进一步深化，经济的快速增长给物流产业带来了巨大的需求，使物流产业和物流相关运输、仓库流通及邮政通信业等方面的

3、发展更加迅速。与此同时，经济增长的“加速器”物流产业的快速发展将改变国民经济的增长方式，降低国民经济的运行成本，促进经济的可持续发展。物流对经济增长的影响和物流产业与经济增长的关系成为物流领域的研究重点。本论文从主成分分析的角度，以江苏省的数据为例，探讨物流发展的主要因素，综合评价江苏省物流产业的发展现状，为江苏省乃至全国物流产业的发展提供一定的启示。二、模型的建立2.1主成分分析成分分析本来也是将多个变量转换为少数积分指标的统计分析方法，很多变量之间有一定的相关性，因此在数学上也称为降维处理技术。使用每个主元件做为元件，以取得较低维度的随机向量。因此，通过主成分分析，可以降低维度，保留大部分

4、原始数据。构造NP阶数据矩阵(假定有n个地理样例，每个样例具有p个变量说明)(1)但是这么多的变量，我们如何从这么多的变量数据中把主要变量作为指标来抓呢？要解决这个问题，当然要在p维空间里调查，这是比较麻烦的。为了克服这些困难，需要进行降维处理，本来可以替代更多变量指标的几个集成指标较少，这些综合指标在尽可能反映原来反映更多指标的信息的同时，也要相互独立。那么，如何选择这些集成指标(即新变量)？显然，最简单的形式是采用原始变量指针的线性组合，适当调整耦合系数，使新变量指示器相互独立，具有代表性如果原始变量指示器为、则相应的合并指示器新变量指示器为、()。邮报(2)(2)样式中的系数根据以下原则

5、确定：(1)和(；=1，2，没有相互关系)；(2)绵羊。是，是，所有线性组合中最大的方差；与无关，在、的所有线性组合中方差最大；和都不相关，、的所有线性组合中的方差最大。这样确定的新变量指标分别称为、原始变量指标、的第一个、第二个、第一个主要成分。其中，在总体方差中所占的比例最大，依次减小、的方差。在实际问题的分析中，往往选择前几个最大的主要成分最多，减少变量的数量，捕捉主要矛盾，简化变量之间的关系。从以上分析来看，寻找主要成分是原始变量(=1，2，)的主成分(=1，2，)的载荷(=1，2，=1，2，数学上很容易知道，分别对应，的相关矩阵的m个大特征值的特征向量。主成分分析是社会经济问题中研究

6、和应用最多的多因素统计方法之一，在确保原始数据信息丢失最小的同时，将原始指标重新组合成几组互不相关的新综合指标的原理是原始指标的线性组合。还保存了原始指标的主要信息，互相不相关，简化了复杂的问题，抓住了主要矛盾，进行了分析。基本步骤是确定分析变量和收集数据。从原始数据的标准化标准数据中查找协方差矩阵。求r的特征值、特征向量和主成分方差贡献率。提取主要成分。找出主成分分数，计算综合分数。2.1.1数据选择和指标来源根据上述主成分分析的基本原则，本文以江苏省为例，考虑到统计可用性，选择“区域总产量”作为物流需求规模影响指标。选择“道路里程和私人车辆所有”作为物流供应的影响因素。选择“第一、第二、第

7、三产业的产值”作为产业结构的影响因素。具体的选择指标包括：:区域生产总值，单位：亿元；:第一产业产值，单位：亿元；:第二工业生产单位：亿元；:第三工业生产单位：亿元；:道路里程，单位：公里；:和车辆所有，单位：万辆；其中三大产业不仅考虑了区域经济总量，还考虑了江苏省经济结构对物流需求规模的影响。(具体的原始数据见表1)表1 2013年江苏省6项主要指标地球江苏省3825.7698.721694.962032.08758163.85江阴市1713.1932.211028.40652.58234714.47常州市1919.4244.111098.67776.64385929.56常熟市1230.7

8、026.93691.77512.00304213.51长港市1402.0019.98870.32511.70145211.52太仓市612.0124.66355.35232.0011686.41南通市1144.9041.32652.70450.88305115.91启东市359.5049.29188.48121.7326394.30如皋市355.1536.97198.28119.9029974.31海门市415.0033.43247.97133.6022564.03扬州市830.8719.77483.79327.3118989.59宜景市227.2913.05137.2776.9714571.

9、90江都市402.0832.63228.04141.4121163.64镇江市741.2616.51442.62282.1314767.73丹阳市502.2129.38285.37187.4619914.55杨中市213.487.56125.8480.089581.82句容市215.1221.60119.2574.2723071.56台州市458.5311.79291.89154.8510454.77靖江市364.4315.41214.69134.3311823.38泰兴市337.0727.01193.23116.8319673.26资料来源：2013江苏统计年鉴2.1.2首先使用因子分析处理

10、数据我们要考虑的事项是如何在这个经济指标的基础上对各地区进行综合评价和排名？因子分析也是简化数据的技术。这是通过研究众多变量之间的内部依赖关系，探索观察数据的基本结构，研究江苏沿江物流发展的相关指标很多，过多的指标容易使分析过程复杂化。一个合适的方法是从这种关系复杂的经济指标中提取一些主要因素。各主要因素是相互依存的社会经济指标反映相互作用，因此选择“道路里程和私人汽车所有权”作为物流供应的影响因素；选择“第一、二、三产业产值”作为产业结构的影响因素，掌握这些主要因素，有助于深入分析复杂的物流发展问题，合理解释，正确评价。2.1.3系数负载统计对于系数模型：而且，我们能得到的协方差是将系数负载

11、矩阵设定为，以计算第十个元素的平方和，即而且，公共元素对的贡献表示同一公共元素为每个变量提供的分布贡献的总和，是衡量每个公共元素相对重要性的尺度。三、模型解决方案3.1主成分分析作为因素分析的结果(a)主要计算结果分析变量反映了每个变量对一起提取的所有公共系数的依赖性。该值是系数载荷阵列中每行的系数载荷的平方和，提取的系数数不同，变量共同性也不同。在标准化数据中，我们首先计算这些指标的主要成分，然后通过主要成分的大小排序，从而标准化原始数据。计算特征值、方差贡献率和每个指标的相关系数矩阵。利用SAS9.1.3软件处理标准处理的数据。特征值、方差贡献率的结果见表2，各指标相关系数矩阵的特征值见表

12、3，各地区综合分数见表4。表2分布式分析表主要成分初始特征值提取的主成分载荷的平方和特征值分散贡献率%累计方差贡献率%特征值分散贡献率%累计方差贡献率%15.429890.5090.505.429890.5090.5020.46587.7698.260.46587.7698.2630.05870.9899.2440.03610.6099.8450.00960.16100.00600100.00提取方法：主成分法提取主要成分。如表2所示，利用因素分析结果进行主成分分析，提取前两个特征值的主成分。这两个主要成分的累计方差贡献率达98.26%，提取的前两个主要成分基本上可以反映6个指标所具有的全部信

13、息，在一定程度上可以说明区域物流产业的发展综合因素，并在固有向量中使用以下6个主要成分。prin 1=0.419061 x1 0.38547 x20.399822 x30.423129 x40.400101 X5 0.424067 X6prin 2=-0.312072 x 10.631509 x 2-0.489653 x 3-0.1763339 x 4 0.477188 x 5-0.0724166使用SAS9.1.3统计软件处理数据，导出相关系数矩阵的特征值(参见表3)，然后主组件中的表达式可以表示为：表3角指数相关系数矩阵的性质Prin1Prin2Prin3Prin4Prin5Prin6X1

14、0.419061-.3120720.10411-.007728-.219835-.817180X20.385470.6315090.571777-.355460.0439540.018578X30.399822-.4896530.4914940.3970040.2160010.393125X40.423129-.176399-.28026-.368583-.6301980.42100X50.4001010.477188-.3584610.687302-.1064510.000000X60.424067-.072414-.461121-.321580.7032800.000000我们以特勤为权计，加权综合6个主要成分，使原始资料标准化，计算各个地区的综合分数(见表4)，负分数并不意味着物流产业的发展能力差，评价分数只是反映了物流产业发展能力的相对强弱。综合得分计算如下：表4统一排序综合排名Namey综合排名Namey1南京市3.3784511江都市-0.276572常州市1.0250412丹阳市-0.277533江阴市0.4213413镇江市-0.357184南通市