我國16個地區(qū)農(nóng)民在某年支出情況的聚類分析

我國16個地區(qū)農(nóng)民在某年支出情況的聚類分析中 文 摘 要聚類分析是多元統(tǒng)計分析中研究“物以類聚”的一種方法，用于對事物的類別面貌尚不清楚，甚至在事前連總共有幾類都不能確定的情況下進(jìn)行分類的場合。聚類分析主要目的是研究事物的分類，而不同于判別分析。在判別分析中必須事先知道各種判別的類型和數(shù)目，并且要有一批來自各判別類型的樣本，才能建立判別函數(shù)來對未知屬性的樣本進(jìn)行判別和歸類。若對一批樣品劃分的類型和分類的數(shù)目事先并不知道，這時對數(shù)據(jù)的分類就需借助聚類分析方法來解決。聚類分析把分類對象按一定規(guī)則分成組或類，這些組或類不是事先給定的而是根據(jù)數(shù)據(jù)特征而定的。在一個給定的類里的這些對象在某種意義上傾向于彼此相似，而在不同類里的這些對象傾向于不相似。關(guān)于聚類分析的任何通則必定是含糊的、不明確的，因為在眾多的各種不同領(lǐng)域里聚類方法已經(jīng)發(fā)展了，類和對象間的相似性具有不同定義。各種聚類分析方法通過用于聚類分析的各種各樣的領(lǐng)域反映出來。因此盡管聚類方法有很多種，但不管哪一種都不能說得到的分類是準(zhǔn)確的。本文選取了我國16個地區(qū)農(nóng)民在某年支出情況數(shù)據(jù)的6項數(shù)據(jù)分析相關(guān)指標(biāo)。利用SAS軟件建立模型，并對測算的數(shù)據(jù)進(jìn)行分析得出結(jié)論。關(guān)鍵詞：聚類分析;農(nóng)民支出；主成分分析; 動態(tài)聚類；; 第一章 引 言1.1 問題提出聚類的實(shí)質(zhì)是根據(jù)樣本（變量）間的親疏關(guān)系將樣本（變量）分為類，相近的歸為一類，差別較大的歸為另一類。所獲得的分類應(yīng)有一定的意義。聚類分析的關(guān)鍵有兩個：親疏關(guān)系的判別：相似性與距離（不相似性）；分類數(shù)的確定：分多少類合適。 農(nóng)民工資性收入穩(wěn)定增長。調(diào)查顯示，以外出務(wù)工收入為主的工資性收入穩(wěn)定上升，并成為農(nóng)民增收的主要來源。2009年至2011年，農(nóng)民工資性收入每年呈兩位數(shù)增長，增長率分別為38.45%和21.44%。2011年農(nóng)民人均工資性收入達(dá)到7884.12元，工資性收入占農(nóng)戶家庭現(xiàn)金收入的比重為65.72%。農(nóng)民收入增加的同時支出應(yīng)該也有所變化。隨著國家經(jīng)濟(jì)發(fā)展，農(nóng)民收入增加，支出也有所增長，但是支出范圍依舊狹小。支出有償付性支出和消費(fèi)性支出構(gòu)成。償付性支出主要是農(nóng)民償還債務(wù)的開銷，由于各種因素，這方面我們沒做調(diào)查，我也知之甚少，就不妄加談?wù)摿?，我主要說說消費(fèi)性支出。消費(fèi)支出莫過于衣食住行再加上教育、醫(yī)療、衛(wèi)生和一些精神消費(fèi)。從總體來看，我們國家農(nóng)村經(jīng)濟(jì)支出很是可觀?？纯粗С隹傤~，與十年前相比，不知增長了多少，說明農(nóng)民手中有錢了，也敢花錢了。但是農(nóng)民收入支出的主要去向是哪里？各個省市的農(nóng)民收入支出有何不同？本文將對此問題加以研究。指標(biāo)選取考慮的因素：（1）指標(biāo)的選擇要能盡量反映農(nóng)民的收入支出狀況；（2）數(shù)據(jù)盡量從統(tǒng)計年鑒等規(guī)范、權(quán)威的刊物中獲取。下面各個指標(biāo)和數(shù)據(jù)符合以上要求。1.2 相關(guān)理論一、 聚類分析的基本原理：聚類分析又稱群分析，是根據(jù)“物以類聚”的道理，對樣品或指標(biāo)進(jìn)行分類的一種多元統(tǒng)計分析方法，它們討論的對象是大量的樣品，要求能合理地按各自的特性來進(jìn)行合理的分類，沒有任何模式可供參考或依循，即是在沒有先驗知識的情況下進(jìn)行的。其實(shí)質(zhì)是尋找一些能客觀反映研究對象之間親疏關(guān)系的統(tǒng)計量，然后根據(jù)這種統(tǒng)計量把研究對象按距離相近或性質(zhì)相似的原則分成若干類，以便對各組數(shù)據(jù)進(jìn)行分類研究，找出組內(nèi)數(shù)據(jù)的共性以及組間數(shù)據(jù)的差異。聚類分析起源于分類學(xué)，在古老的分類學(xué)中，人們主要依靠經(jīng)驗和專業(yè)知識來實(shí)現(xiàn)分類，很少利用數(shù)學(xué)工具進(jìn)行定量的分類。隨著人類科學(xué)技術(shù)的發(fā)展，對分類的要求越來越高，以致有時僅憑經(jīng)驗和專業(yè)知識難以確切地進(jìn)行分類，于是人們逐漸地把數(shù)學(xué)工具引用到了分類學(xué)中，形成了數(shù)值分類學(xué)，之后又將多元分析的技術(shù)引入到數(shù)值分類學(xué)形成了聚類分析。聚類分析被應(yīng)用于很多方面，在商業(yè)上，聚類分析被用來發(fā)現(xiàn)不同的客戶群，并且通過購買模式刻畫不同的客戶群的特征；在生物上，聚類分析被用來動植物分類和對基因進(jìn)行分類，獲取對種群固有結(jié)構(gòu)的認(rèn)識；在地理上，聚類能夠幫助在地球中被觀察的數(shù)據(jù)庫商趨于的相似性；在保險行業(yè)上，聚類分析通過一個高的平均消費(fèi)來鑒定汽車保險單持有者的分組，同時根據(jù)住宅類型，價值，地理位置來鑒定一個城市的房產(chǎn)分組；在因特網(wǎng)應(yīng)用上，聚類分析被用來在網(wǎng)上進(jìn)行文檔歸類來修復(fù)信息。聚類分析的內(nèi)容十分豐富,按其分類對象的不同就分為Q-型聚類分析(對樣品分類),它是依據(jù)被觀測的樣品的各種特征,將特征相似的歸為一類;R-型聚類分析(對指標(biāo)或變量分類)是依據(jù)被觀測的變量之間的相似性,將其特征相似的變量歸并為一類。聚類分析按其分類方法又分為系統(tǒng)聚類法、動態(tài)聚類法等。系統(tǒng)聚類分析也稱為分層聚類法Hierarchical Cluster，它是聚類分析中應(yīng)用最廣泛的一種方法。分層聚類的思想是:開始將樣品或指標(biāo)各視為一類，根據(jù)類與類之間的距離或相似程度將最相似的類加以合 并，再計算新類與其他類之間的相似程度，并選擇最相似的類加以合并，這樣每合并一次就減少一類，不斷繼續(xù)這一過程，直到所有樣本或指標(biāo)合并為一類為止。動態(tài)聚類法也稱為快速聚類法或K均值聚類法，快速聚類的方法是：首先按照一定的方法選取一批聚類中心，再將其他樣本以聚類中心為標(biāo)本凝聚起來，形成遵照一定原理的初始分類，然后按照最近距離原則，不斷修改認(rèn)為不合理分類直至合理為止。二、SAS軟件介紹SAS系統(tǒng)全稱為Statistics Analysis System，最早由北卡羅來納大學(xué)的兩位生物統(tǒng)計學(xué)研究生編制，并于1976年成立了SAS軟件研究所，正式推出了SAS軟件。SAS是用于決策支持的大型集成信息系統(tǒng)，但該軟件系統(tǒng)最早的功能限于統(tǒng)計分析，至今，統(tǒng)計分析功能也仍是它的重要組成部分和核心功能。SAS現(xiàn)在的版本為9.0版，大小約為1G。經(jīng)過多年的發(fā)展，SAS已被全世界120多個國家和地區(qū)的近三萬家機(jī)構(gòu)所采用，直接用戶則超過三百萬人，遍及金融、醫(yī)藥衛(wèi)生、生產(chǎn)、運(yùn)輸、通訊、政府和教育科研等領(lǐng)域。在英美等國，能熟練使用SAS進(jìn)行統(tǒng)計分析是許多公司和科研機(jī)構(gòu)選材的條件之一。在數(shù)據(jù)處理和統(tǒng)計分析領(lǐng)域，SAS系統(tǒng)被譽(yù)為國際上的標(biāo)準(zhǔn)軟件系統(tǒng)，并在9697年度被評選為建立數(shù)據(jù)庫的首選產(chǎn)品?？胺Q統(tǒng)計軟件界的巨無霸。在此僅舉一例如下：在以苛刻嚴(yán)格著稱于世的美國FDA新藥審批程序中，新藥試驗結(jié)果的統(tǒng)計分析規(guī)定只能用SAS進(jìn)行，其他軟件的計算結(jié)果一律無效！哪怕只是簡單的均數(shù)和標(biāo)準(zhǔn)差也不行！由此可見SAS的權(quán)威地位。 SAS系統(tǒng)是一個組合軟件系統(tǒng)，它由多個功能模塊組合而成，其基本部分是BASE SAS模塊。BASE SAS模塊是SAS系統(tǒng)的核心，承擔(dān)著主要的數(shù)據(jù)管理任務(wù)，并管理用戶使用環(huán)境，進(jìn)行用戶語言的處理，調(diào)用其他SAS模塊和產(chǎn)品。也就是說，SAS系統(tǒng)的運(yùn)行，首先必須啟動BASE SAS模塊，它除了本身所具有數(shù)據(jù)管理、程序設(shè)計及描述統(tǒng)計計算功能以外，還是SAS系統(tǒng)的中央調(diào)度室。它除可單獨(dú)存在外，也可與其他產(chǎn)品或模塊共同構(gòu)成一個完整的系統(tǒng)。各模塊的安裝及更新都可通過其安裝程序非常方便地進(jìn)行。SAS有一個智能型繪圖系統(tǒng)，不僅能繪各種統(tǒng)計圖，還能繪出地圖。SAS提供多個統(tǒng)計過程，每個過程均含有極豐富的任選項。用戶還可以通過對數(shù)據(jù)集的一連串加工，實(shí)現(xiàn)更為復(fù)雜的統(tǒng)計分析。此外，SAS還提供了各類概率分析函數(shù)、分位數(shù)函數(shù)、樣本統(tǒng)計函數(shù)和隨機(jī)數(shù)生成函數(shù)，使用戶能方便地實(shí)現(xiàn)特殊統(tǒng)計要求。 SAS軟件的宗旨是為所有需要進(jìn)行數(shù)據(jù)處理、數(shù)據(jù)分析的計算機(jī)或者非計算機(jī)工作人員提供一種易學(xué)易用、完整可靠的軟件系統(tǒng)。SAS語言本身是一種非過程語言（第四代語言），類似于C語言，且綜合了各種高級語言的功能和靈活的格式，將數(shù)據(jù)處理和統(tǒng)計分析融合于一體。SAS在統(tǒng)計分析領(lǐng)域和數(shù)據(jù)挖掘技術(shù)幾乎處于壟斷地位，成為國際上流行標(biāo)準(zhǔn)企業(yè)管理軟件。 經(jīng)過近30年的不斷發(fā)展完善，SAS系統(tǒng)已由最初的統(tǒng)計分析軟件發(fā)展成為大型集成應(yīng)用軟件系統(tǒng)，發(fā)展成具有完備的數(shù)據(jù)集成訪問、數(shù)據(jù)倉庫管理、決策業(yè)務(wù)分析，數(shù)據(jù)挖掘等功能。SAS和SPSS、BMDP并稱為國際上最富知名度的三大統(tǒng)計軟件。在國際學(xué)術(shù)界有條不成文的規(guī)定：凡是用SAS和SPSS統(tǒng)計分析的結(jié)果，在國際學(xué)術(shù)交流中不必說明算法，由此可見其權(quán)威性和信譽(yù)度。學(xué)習(xí)SAS軟件時，需要讀者有基本的統(tǒng)計學(xué)知識，對所選用的統(tǒng)計方法有較清楚的了解，沒有統(tǒng)計學(xué)基礎(chǔ)知識要掌握SAS軟件較為困難。SAS系統(tǒng)是一個由三十多個專用模塊組成的大型集成式軟件包。其功能包括客戶機(jī)/服務(wù)器計算、數(shù)據(jù)訪問、數(shù)據(jù)存儲及管理、應(yīng)用開發(fā)、圖形處理、數(shù)據(jù)分析、報告編制、質(zhì)量控制、項目管理、運(yùn)籌學(xué)方法、計量經(jīng)濟(jì)學(xué)與預(yù)測等。實(shí)際使用時可以根據(jù)需要選擇相應(yīng)的模塊。SAS主要有如下模塊：SAS基本部分：稱為SAS/BASE?？梢酝瓿苫镜臄?shù)據(jù)管理工作和數(shù)據(jù)統(tǒng)計工作，是SAS系統(tǒng)的基礎(chǔ)，所有其它SAS模塊必須與之結(jié)合使用。SAS分析核心：這一部分是SAS系統(tǒng)的靈魂。它提供了嚴(yán)肅的、權(quán)威的數(shù)據(jù)分析與決策支持功能。包括SAS/STAT（高級統(tǒng)計），SAS/ETS（時間序列分析），SAS/IML（交互式矩陣語言），SAS/OR（運(yùn)籌學(xué)），SAS/QC（質(zhì)量控制），SAS/INSIGHT，SAS/LAB。SAS開發(fā)工具：面向?qū)ο蟮拈_發(fā)工具，可以定制信息處理應(yīng)用系統(tǒng)。包括SAS/AF，SAS/EIS（經(jīng)濟(jì)信息系統(tǒng)），SAS/GRAPH（圖形處理）等模塊。SAS分布式處理及數(shù)據(jù)倉庫設(shè)計：此部分為SAS的高級數(shù)據(jù)處理功能。包括SAS/ACCESS，SAS/CONNECT，SAS/SHARE等模塊。SAS的這些模塊可單獨(dú)使用、也可互相配合起來使用，其中最常用的3個模塊分別是SAS/BASE(基礎(chǔ))、SAS/STAT(統(tǒng)計)和SAS/GRAPH(圖形)，SAS系統(tǒng)是一個模塊化的集成軟件系統(tǒng)，便于用戶根據(jù)自己的需要進(jìn)行選擇。其基本部分是Base SAS軟件，此外還有用于統(tǒng)計分析的SAS/STAT軟件；用于高級繪圖的SAS/GRAPH軟件；用于矩陣運(yùn)算的SAS/IML軟件；用于運(yùn)籌學(xué)和線性規(guī)劃的SAS/OR軟件；用于經(jīng)濟(jì)預(yù)測和時間序列分析的SAS/ETS軟件等。1）操作簡便 SAS的宗旨是為所有需要進(jìn)行數(shù)據(jù)處理、數(shù)據(jù)分析的非計算機(jī)專業(yè)人員提供一種易學(xué)易用、完整可靠的軟件系統(tǒng)。用戶把要解決的問題用SAS語言(近乎自然英語的非過程語言)表達(dá)出來，組成SAS程序，提交給SAS系統(tǒng)就可以解決所提出的問題。執(zhí)行情況和輸出結(jié)果都在屏幕上顯示出來。2）SAS系統(tǒng)將數(shù)據(jù)管理與統(tǒng)計分析融為一體SAS程序的結(jié)構(gòu)由兩個基本步驟任意組合而成。DATA用于對數(shù)據(jù)的加工處理；PROC用于分析數(shù)據(jù)和編寫報告。SAS系統(tǒng)克服了通常軟件或偏重于數(shù)據(jù)管理功能或偏重于統(tǒng)計分析的弊病，把數(shù)據(jù)管理與統(tǒng)計分析有機(jī)地結(jié)合在一起。3）適用性強(qiáng)、應(yīng)用面廣SAS系統(tǒng)適用于任何經(jīng)驗的人員(初學(xué)者或有經(jīng)驗的用戶)；適用于任何類型的數(shù)據(jù)；適用于幾乎是任何應(yīng)用的需要；適用于任何計算機(jī)環(huán)境；適用于今日與未來(擴(kuò)展性能強(qiáng))。第二章 我國16個地區(qū)農(nóng)民在某年支出情況的聚類分析2.1 問題的引入表1-1是我國16個地區(qū)農(nóng)民在某年支出情況的抽樣調(diào)查數(shù)據(jù)的匯總資料，每個地區(qū)都調(diào)查了反映每人平均生活消費(fèi)支出情況的六個指標(biāo)。（1）試對調(diào)查資料中的16個地區(qū)的農(nóng)民生活水平進(jìn)行主成分分析，（2）并利用前兩個主成分對16個地區(qū)的農(nóng)民生活水平進(jìn)行分類表1-1 16個地區(qū)的農(nóng)民生活水平的調(diào)查數(shù)據(jù) （單位：元）地區(qū)食品（）衣著（）燃料（）住房（）生活用品及其它（）文化生活服務(wù)（）北京190.3343.779.7360.5449.019.04天津135.2036.4010.4744.1636.493.94河北95.2122.839.3022.4422.812.80山西104.7825.116.409.8918.173.25內(nèi)蒙古128.4127.638.9412.5823.993.27遼寧145.6832.8317.7927.2939.093.47吉林159.3733.3818.3711.8125.295.22黑龍江116.2229.5713.2413.7621.756.04上海221.1138.6412.53115.6550.825.89江蘇144.9829.1211.6742.6027.305.74浙江169.9232.7512.7247.1234.355.00安徽153.1123.0915.6223.5418.186.39福建144.9221.2616.9619.5221.756.73江西140.5421.5017.6419.1915.974.94山東115.8430.2612.2033.6133.773.85河南101.1823.268.4620.2020.504.302.2 模型的建立和分析對上表數(shù)據(jù),我們運(yùn)用聚類分析法可有:SAS程序如下:proc fastclus data=d641 out=out653 maxc=4 list;var x1-x6;id group;run;SAS程序分析：maxc=4：規(guī)定最大分類個數(shù)為4類list：要求列出分類結(jié)果。out=out653：指定生成名為out653的輸出數(shù)據(jù)集，包含VAR中的變量，新變量cluster和新變量distance（觀測與所屬類中心的距離）。主要輸出結(jié)果： 動態(tài)聚類的初始凝聚點(diǎn)（數(shù)據(jù)不標(biāo)準(zhǔn)化）動態(tài)聚類的分類結(jié)果（數(shù)據(jù)不標(biāo)準(zhǔn)化）第一類：北京、浙江第二類：上海第三類：河北、山西、黑龍江、山東、河南第四類：內(nèi)蒙、遼寧、吉林、江蘇、安徽、福建、江西動態(tài)聚類產(chǎn)生的各類均值和標(biāo)準(zhǔn)差（數(shù)據(jù)不標(biāo)準(zhǔn)化）以下SAS程序首先調(diào)用STANDARD過程對數(shù)據(jù)作標(biāo)準(zhǔn)化變化，然后用標(biāo)準(zhǔn)化變換后的數(shù)據(jù)進(jìn)行動態(tài)聚類分析。程序：Proc standard data=d641 mean=0 std=1 out=sta653;Var x1-x6;/*將數(shù)據(jù)集d641中的變量x1-x6標(biāo)準(zhǔn)化，輸出到數(shù)據(jù)集sta653中*/Proc fastclus data=sta653 out=out654 maxc=4 list;Var x1-x6;id group;Run;主要輸出結(jié)果：動態(tài)聚類的初始凝聚點(diǎn)（數(shù)據(jù)標(biāo)準(zhǔn)化）動態(tài)聚類的分類結(jié)果（數(shù)據(jù)標(biāo)準(zhǔn)化）第一類：北京 第二類：上海 第三類:河北、山西、內(nèi)蒙、山東、河南第四類：天津、遼寧、吉林、黑龍江、江蘇、浙江、安徽、福建、江西程序：proc tree data=B10_4 horizontal graphics n=5 out=C10_4; copy X1-X6; title c;主要輸出結(jié)果：從圖中可見，分為兩類的結(jié)果為：G1 = 上海,北京，G2 = 天津,江蘇,福建,廣東,山東,河北,遼寧,廣西，浙江，內(nèi)蒙，江西，黑龍江，安徽。 分為三類的結(jié)果為：G1 = 上海,北京，G2 = 天津,山東，江蘇,浙江，吉林，黑龍江，安徽，江西，G3 = 河北,河南,山西，內(nèi)蒙。第三章 總結(jié)及建議我們國家的農(nóng)民支出金額是增加了不少，但是這就一定能說明農(nóng)民的生活水平已經(jīng)得到了大幅度的提高嗎？我們國家的農(nóng)民都富有了嗎？從上文分析的結(jié)果看來卻不是如此。造成農(nóng)民支出金額急速增長我認(rèn)為有以下兩個原因。一、我們國家為了適應(yīng)全球經(jīng)濟(jì)發(fā)展趨勢，不得大幅度提高貨物價格，這樣就造成了人們收入和支出大幅增加的虛像。二、農(nóng)民收入渠道增加，收入增加，支出也就隨之增加。 至于農(nóng)村支出范圍依舊狹隘，我認(rèn)為主要是農(nóng)民消費(fèi)觀念依然陳舊，對精神消費(fèi)等認(rèn)識不正確。 三、擴(kuò)大農(nóng)民支出的建議 1.千方百計增加農(nóng)民收入,提高農(nóng)民購買力。增加農(nóng)民收入是提高消費(fèi)的前提。擴(kuò)大農(nóng)村支出消費(fèi)，首先要保持農(nóng)民收入穩(wěn)定增長，提高農(nóng)村居民購買力,這是擴(kuò)大農(nóng)村消費(fèi)支出的基礎(chǔ)。從農(nóng)村目前的情況來看,一是要鞏固農(nóng)村第一產(chǎn)業(yè)，發(fā)展農(nóng)村第二、第三產(chǎn)業(yè)，拓寬農(nóng)民增收渠道。二是要推進(jìn)農(nóng)村勞動力繼續(xù)轉(zhuǎn)移,提高勞動力輸出的組