各地區(qū)生產(chǎn)總值及構(gòu)成項(xiàng)目的差異

目錄TOC\o"1-5"\h\z1實(shí)訓(xùn)的題目與數(shù)據(jù)1實(shí)訓(xùn)的題目與目的1樣本與變量1數(shù)據(jù)文件12統(tǒng)計(jì)軟件操作3對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的描述性統(tǒng)計(jì)分析3對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的統(tǒng)計(jì)軟件處理3對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的計(jì)算結(jié)果的說明4對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的多元線性分析5對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的多元線性軟件處理5對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的多元線性計(jì)算結(jié)果的說明10對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的聚類分析152.3.1對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的聚類分析的軟件處理152.3.1對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的聚類分析的計(jì)算結(jié)果的說明193對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的研究結(jié)論23我國(guó)收入生產(chǎn)總值差距過大23勞動(dòng)者報(bào)酬占收入生產(chǎn)總值比重最高23我國(guó)東中西部收入生產(chǎn)總值差距過大23參考文獻(xiàn)241實(shí)訓(xùn)的題目與數(shù)據(jù)1.1實(shí)訓(xùn)的題目與目的(1)實(shí)訓(xùn)的題目：2013我國(guó)生產(chǎn)總值及構(gòu)成項(xiàng)目的差異分析(2)實(shí)訓(xùn)的目的：了解我國(guó)各地區(qū)生產(chǎn)總值之間的差異以及構(gòu)成項(xiàng)目之間的差異。樣本與變量樣本為我國(guó)31個(gè)省、自治區(qū)、直轄市(不包括港澳臺(tái))，變量為y1營(yíng)業(yè)盈余、y2固定資產(chǎn)折舊、y3生產(chǎn)稅凈額、y4勞動(dòng)者報(bào)酬、y5收入生產(chǎn)總值。數(shù)據(jù)文件依據(jù)2013年《中國(guó)統(tǒng)計(jì)年鑒》選取我國(guó)31個(gè)省、自治區(qū)、直轄市(不包括港澳臺(tái))的營(yíng)業(yè)盈余、固定資產(chǎn)折舊、生產(chǎn)稅凈額、勞動(dòng)者報(bào)酬、收入生產(chǎn)總值。原始數(shù)據(jù)見表1。表12013我國(guó)各地區(qū)生產(chǎn)總值及構(gòu)成項(xiàng)目的差異地區(qū)二|yiy2ny3V4irys匚1北京市4034392368623179S410217.9619B00.E1?2n天津市4639301615592431555755.571444201「3河北省6255363671.744196901431B.9528442954n山西省2587.742180962133.085763.471266525r5內(nèi)蒙古5283.83174B232254.6976297516916.506n遼寧省6621Q933081150854411690.6827213.22匚7吉林省3695.092192562139255019501304640s-1黑龍江省4626541598162172.246057,9614454.91匚9上海市55003525383944623493163721B1815L二I江蘇省18166.28770471809673257856559753.3711浙江省9483.104663635711.101789875377565812口安徽省4874132476.463066.8387919219229.3413福建省5257.542239.7430936311277572186849匚14江西皆40303819278522408662111014410.1915山東省16269327654.539208.6922097.805523032|16河南省7797.263649644667.76161767432191.30

匚17湖北省6059.043064.343692.5312075.9224791.6313湖南省5615.8326497240461712309952462167匚19廣東省15277.9477S3.879623.3929809.60624747920廣西3033971538492857456920001444990匚21海南省523.04469.31427.751767.463177.5622重慶市3809.1215397822B1.3651530012783.26匚23四川省7640.853252.594149.96113466726392.07匚24貫州省1270631016271473D1432695808686匚25云南省2153.021255.362430.225993.7111832.31匚26西藏112.651166375.86510.5381567匚27陜西省4S19.712014.4S2912.5567587416205.4523甘肅省1131.491032.4798772312901633069匚29青海省474.92410.46279.60957.082122.0630寧夏516.8840360257757匚31新疆1442.821223.201197.1845S0648443.64IJ金資料來(lái)源：2013年《中國(guó)統(tǒng)計(jì)年鑒》2統(tǒng)計(jì)軟件操作對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的描述性統(tǒng)計(jì)分析對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的統(tǒng)計(jì)軟件處理調(diào)出主菜單(Analyze/DescriptiveStatistics/Descriptives)首先打開要進(jìn)行描述統(tǒng)計(jì)分析的數(shù)據(jù)文件。其次在SPSS統(tǒng)計(jì)軟件數(shù)據(jù)數(shù)據(jù)編輯窗口，依次點(diǎn)擊Analyze/DescriptiveStatistics/Descriptives,調(diào)出描述統(tǒng)計(jì)主菜單并進(jìn)入描述統(tǒng)計(jì)主對(duì)話框Descriptive(見圖1)。(2)主對(duì)話框的設(shè)置在描述統(tǒng)計(jì)主對(duì)話框中，從左側(cè)的源變量框中將研究變量y1、y2、y3、y4、y5等調(diào)入到右側(cè)的Variable(s)框中。同時(shí)選擇對(duì)話框左下角的Savestandardizedvaluesasvariables,輸出各個(gè)變量的標(biāo)準(zhǔn)化值(見圖2)。(3)二級(jí)對(duì)話框的設(shè)置(Optins)在主對(duì)話框中，點(diǎn)擊Options按鈕，進(jìn)入二級(jí)對(duì)話框Descriptives:Optins。在二級(jí)對(duì)話框中，根據(jù)研究目的選擇需要計(jì)算的指標(biāo)，如均值Mean標(biāo)準(zhǔn)差Std.deviation、最小值Minimum最大值Maximum偏度Skewness峰度Kurtosis等(見圖3)。上述設(shè)置完成后，點(diǎn)擊Continue返回主對(duì)話框。(4)運(yùn)行程序DESCRIPTIVESV^RlABLES=yly2y3y4y5/STATISTICS=MEANSTDDEVMINMAXKURTOSISSKEWNESS.FitEM'力DataTrans^nn邛面早MutliKMmm申力底5r.因1a胤H雪國(guó)威應(yīng)醛49?嗨堂區(qū)個(gè)法如產(chǎn)特3E1女■知租1jLBTil4D34393鄧電31791M1U1T1H199W312天津市4EH-3Q圮243155ST555714442013耳北詈EZ5B961R1T44IW9CM3IB352M42骷?:含口d山B91網(wǎng)TH2謝q。用3MSN3471第能2555WW1WI23弊1歷臉94嫡16鐘--*6口的6￡對(duì)舊JE0B11丐值54411G3B5E272132271ES5M211ZKM3&2&印博州1S44E4Dnxna4GH1的*晡21空勤鋤1船UJ643I零上即明匾消2例鑄血A2婚?1$372惻8隹1b惘1跳宛77MT1ibHTl因拈玷SS753J71t近工*34AJ104663EJ17BKTB3TT&E5E?it"j以881ZttBW^^.1324?EW1國(guó)5助ITO3Z19229M13iWi1年57啟2251Ta7姬總H2?T87曾獺啪1i?明算1K7IB22成鞋我11M?J1Q1915山開安7時(shí)51被郎弱切的整55230J21Ei同博*7用735JMB&I4G6T7&tflfG743ZW3DIT琳>的M1K4M5出螳24F?116■Mi描旺園2除?豫mt?1?W9952崎IS1Bf￥1翳77則7763B?46233*<534747520ra3HJB71理將理丁碼E82D0D14445MZ1鼻即■5Z3M45931WTT51T5J4E3?FT5Eas■吒擊3Kti2163ITi豁1然死3岫1271326二，一……frleu±PW占gidii^圖1描述統(tǒng)計(jì)菜單

圖2描述統(tǒng)計(jì)主對(duì)話框的設(shè)置埼Descriptives；OptionsMMean□SumDispersion“Std.deviationWMinimum匚VarianceVMaximumCLRange|__SEmeanDistribution“Kurtosis4SKewnessDisplayOrder?^VariablelistOAlphabetic<_：Ascendingmeans。DescendingmeansContinueCancelHeJp圖3描述統(tǒng)計(jì)二級(jí)對(duì)話框的設(shè)置2.1.2對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的計(jì)算結(jié)果的說明運(yùn)行以上程序，即可得到描述統(tǒng)計(jì)分析的計(jì)算結(jié)果，并據(jù)此給出研究結(jié)論

表2描述統(tǒng)計(jì)量N極小值極大值均值標(biāo)準(zhǔn)差營(yíng)業(yè)盈余31112.6518166.285251.72944448.86106固定資產(chǎn)折舊31116.637763.872571.90772015.62725生產(chǎn)稅凈額3175.869623.383253.84132386.54399勞動(dòng)者報(bào)酬31510.5329809.609385.27427055.82470收入生產(chǎn)總值31815.6762474.7920462.752315709.73731有效的N(列表狀態(tài))31表2的計(jì)算結(jié)果是我國(guó)31個(gè)省、自治區(qū)、直轄市的收入生產(chǎn)總值及構(gòu)成項(xiàng)目的平均水平、差異程度和分布形態(tài)。在收入生產(chǎn)總值的均值中，勞動(dòng)者報(bào)酬的均值最高，達(dá)到了9385.2742元；固定資產(chǎn)折舊最低，僅為2571.9077元。離散程度最大的是收入生產(chǎn)總值，最小的是固定資產(chǎn)折舊。2.2對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的多元線性分析對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的多元線性軟件處理(1)調(diào)出主菜單(Analyze/Regression/Linear)在數(shù)據(jù)編輯窗口，依次點(diǎn)擊Analyze/Regression/Linear,調(diào)出多元線性回歸分析菜單并進(jìn)入多元線性回歸分析主對(duì)話框LinearRegression(見圖4)

Fil5-EdilView0^19Trgn§fqtfmAnalyzeDirectMarketingGnpjphs旦tilrt]/Aqld-qn&WindowHelp西『月即口弟?口電白仃巾如自S1atigtiC￡?Tables，CompareMeanLSkGensiralLinearModel?1地區(qū)yiy5varvar慟1北京4034.399619800.Bl2天津4639.30GenefallzedLinearbedelsk5714442.DI——.河北6255.36MixedModels?9628442.064ill四2587.74Cotrelate卜IT136BS.265內(nèi)蒙52B383RegressiCinkLoglln#ar，NewiNetworks?Classify-?DlmeniglcinRedudson,ScalekNafiparamEtricTssts?r6遼寧662109gUnear.7吉林369509E黑龍463654IZiCurveEsilimartJQn..9上海560035明ParllalLeastSquares...10江蘇1616628QEHnaiyLogistic...11浙江546310?MuHihDmialLogistic...E3。整nalSftoWt12安演48741313福建5257.S4Forecas.tingkSurvivalr14江西4030.3B16山東16M9.32MultipleRemp口nsef由MissingValus.Analysis...MultipleImpul?tion?ComplexSaim制自專?QualityCoolrol>囪ROCCuvve^EigNonlinear..展世制ghtEstimallon...點(diǎn)2-SlageLeas-tSquares..16間隔7797.2E17湖北6059.0418湖喃5615.83OplimalScaling(CATREQ)...19f15277.94bU—20廣西3083.97)014449.9021海南62304Jlutjf4b3177.5622里氏3MJ91215397B22B1356153.OQ1Z7032623四川76408532525941499611348672639207IlkD^taViewVariableLin網(wǎng)...圖4多元線性回歸分析菜單（2）主對(duì)話框的設(shè)置（Linear）設(shè)置因變量。在主對(duì)話框中，將因變量y5調(diào)入到主對(duì)話框右上角的因變量Dependent框中。設(shè)置自變量。設(shè)置完因變量后，在主對(duì)話框中，依次選擇自變量y1,y2,y3,y4并調(diào)入到主對(duì)話框右側(cè)中部的自變量框Independent（s）中。設(shè)置自變量進(jìn)入模型的方法。在主對(duì)話框的右側(cè)中部的Method框中,按照默認(rèn)選項(xiàng)選擇Enter（見圖5）。（3）各個(gè)二級(jí)對(duì)話框的設(shè)置①設(shè)置模型參數(shù)及有效性的檢驗(yàn)1。在主對(duì)話框中，點(diǎn)擊Statistics,進(jìn)入多元線性回歸分析二級(jí)對(duì)話框LinearRegression:Statistics。在二級(jí)對(duì)話框中，主要進(jìn)行以下設(shè)置。設(shè)置模型參數(shù)和模型參數(shù)有效性檢驗(yàn)。在RegressionCoefficients框中選擇Estimates,輸出模型參數(shù)及模型參數(shù)有效性檢驗(yàn)的結(jié)果（即t檢驗(yàn)）。設(shè)置模型的擬合優(yōu)度檢驗(yàn)和模型有效性檢驗(yàn)。選擇右側(cè)的Modelfit,輸出模型的擬合優(yōu)度檢驗(yàn)和模型有效性檢驗(yàn)的結(jié)果（即R檢驗(yàn)與F檢驗(yàn)）。

圖5多元線性回歸分析主對(duì)話框設(shè)置多重共線性檢驗(yàn)。選擇右側(cè)的Collinearitydiagnostics,輸出多重共線性檢驗(yàn)的結(jié)果（即VIF檢驗(yàn)）。設(shè)置序列自相關(guān)檢驗(yàn)。在左側(cè)的Residuals框中，選才DDurbin-Watson,輸出序列自相關(guān)檢驗(yàn)結(jié)果（即DW僉驗(yàn)）。設(shè)置異常值與強(qiáng)影響點(diǎn)檢驗(yàn)。在左側(cè)的Reaiduals框中，選擇Casewisediagnostics,輸出異常值與強(qiáng)影響點(diǎn)檢驗(yàn)的結(jié)果。上述內(nèi)容見圖6。完成后，點(diǎn)擊Continue返回主對(duì)話框。

圖6多元線性回歸分析模型參數(shù)與有效性檢驗(yàn)設(shè)置模型參數(shù)有效性檢驗(yàn)2。在主對(duì)話框中，點(diǎn)擊Plots,進(jìn)入多元線性回歸分析二級(jí)對(duì)話框LinearRegression:Plots二級(jí)對(duì)話框。在二級(jí)對(duì)話框中，主要進(jìn)行以下設(shè)置。正態(tài)性檢驗(yàn)。在下方的StandardizedResidualPlots框中，選擇Normalprobabilityplot,進(jìn)行正態(tài)性檢驗(yàn)。方差齊檢驗(yàn)。在左側(cè)框中，選擇ZPRED故X軸，選擇ZRESID故Y軸，進(jìn)行方差齊檢驗(yàn)。之后返回上級(jí)對(duì)話框（見圖7）。圖7多元線性回歸分析模擬有效性檢驗(yàn)設(shè)置輸出內(nèi)容與模型檢驗(yàn)3。在主對(duì)話框中，點(diǎn)擊Save進(jìn)入LinearRegression:Save二級(jí)對(duì)話框。在這個(gè)對(duì)話框中，主要有以下設(shè)置。輸出點(diǎn)預(yù)測(cè)值。在PredictedValues框中，選擇Unstandardized,輸出非標(biāo)準(zhǔn)化的點(diǎn)預(yù)測(cè)值。輸出預(yù)測(cè)區(qū)間。在PredictedValues框中，選擇Individual,輸出概率為95%勺預(yù)測(cè)區(qū)間。因變量y的異常值和強(qiáng)影響點(diǎn)檢驗(yàn)。在Residuals框中分別選擇標(biāo)準(zhǔn)化殘差Standardized、學(xué)生化殘差Studentized、剔除殘差Deleted,進(jìn)行因變量y的異常值和強(qiáng)影響點(diǎn)的檢驗(yàn)。自變量x的異常值和強(qiáng)影響點(diǎn)檢驗(yàn)。在Distances框中，選擇Cook's庫(kù)克距離，進(jìn)行自變量x的異常值和強(qiáng)影響點(diǎn)的檢驗(yàn)（見圖8）。上述設(shè)置完成后，返回到主對(duì)話框。④設(shè)置自變量進(jìn)入模型的條件。在主對(duì)話框中，點(diǎn)擊Options進(jìn)入LinearRegressionOption二級(jí)對(duì)話框，查看自變量進(jìn)入模型或被剔除模型的條件(也可修改軟件指定的條件)。(4)運(yùn)行程序(OKREGRESSION/MISSINGLISTWISE/STATISTICSCOEFFOUTSRANOVACOLLINTOL心RITERIA=PIN(.05)POUT(.10)CIN(95)/NOORIGIN/DEPENDENTy5/METHOD=ENTERy1y2y4/SCATTERPLOT=(*ZRESID,*ZPRED)/RESIDUALSDURBIN/CASEWISEPLOT(ZRESID)OUTLIERS(3)/SAVEPREDCOOKICINSRESIDDRESID

圖8多元線性回歸分析模型輸出項(xiàng)設(shè)置2.2.2對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的多元線性計(jì)算結(jié)果的說明(1)模型的分析建立運(yùn)用SPS筑計(jì)軟件，計(jì)算得到多元線性回歸分析的模型參數(shù)，見表3表3系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.共線性統(tǒng)計(jì)量B標(biāo)準(zhǔn)誤差試用版容差VIF1（常量）營(yíng)業(yè)盈余207.2311.034145.225.094.2931.42710.965.165.000.04224.007固定資產(chǎn)折舊1.694.253.2176.682.000.02835.639勞動(dòng)者報(bào)酬1.116.049.50122.666.000.06116.469a.因變量：收入生產(chǎn)總值根據(jù)計(jì)算結(jié)果，可以得到多元線性回歸模型:lny5=207.231+1.034y1+1.694y2+1.116y4該模型反映了三個(gè)構(gòu)成項(xiàng)目對(duì)收入生產(chǎn)總值的影響方向和影響程度，表明三個(gè)構(gòu)成項(xiàng)目的變動(dòng)對(duì)收入生產(chǎn)總值的影響。根據(jù)模型，我國(guó)2013年三個(gè)構(gòu)成項(xiàng)目影響收入生產(chǎn)總值的彈性系數(shù)分別為1.034,1.694和1.116。說明營(yíng)業(yè)盈余和勞動(dòng)者報(bào)酬的增加對(duì)收入生產(chǎn)總值增加的影響沒有固定資產(chǎn)折舊的增加對(duì)收入生產(chǎn)總值增加的影響大。固定資產(chǎn)折舊每增加1個(gè)百分點(diǎn)，收入生產(chǎn)總值九增加1.694個(gè)百分點(diǎn)。說明目前情況下增加固定資產(chǎn)折舊收入是增加收入生產(chǎn)總值的最佳途徑。（2）模型有效性檢驗(yàn)擬合優(yōu)度檢驗(yàn)（R檢驗(yàn)）。擬合優(yōu)度檢驗(yàn)專門用來(lái)研究模型自變量與因變量之間的擬合程度。表4模型匯總b模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差Durbin-Watson1a1.000.999.999468.774862.599a.預(yù)測(cè)變量：（常量），勞動(dòng)者報(bào)酬I,營(yíng)業(yè)盈余，固定資產(chǎn)折舊b.因變量：收入生產(chǎn)總值根據(jù)檢驗(yàn)的計(jì)算結(jié)果，R,R方和調(diào)整咽分別為1.0,0.999和0.999,都屬于高度相關(guān)，所以該多元線性回歸模型的擬合優(yōu)度較高，自變量對(duì)因變量的解釋程度較高，模型顯著有效。序列自相關(guān)檢驗(yàn)（D慚驗(yàn)）。根據(jù)上面的擬合優(yōu)度計(jì)算表，可以看到模型序列自相關(guān)的檢驗(yàn)結(jié)果。D怖計(jì)量為2.599。根據(jù)序列自相關(guān)檢驗(yàn)理論，D慚計(jì)量離DWJ中心值較遠(yuǎn)，所以接受零假設(shè)，即基本認(rèn)定模型存在序列自相關(guān)。模型有效性檢驗(yàn)（F檢驗(yàn)）。模型有效性檢驗(yàn)是從整體上檢驗(yàn)?zāi)Ｐ偷挠行裕@種檢驗(yàn)對(duì)于多元線性回歸模型非常重要。檢驗(yàn)方法一般采用F檢驗(yàn)c檢驗(yàn)數(shù)據(jù)見表5。表5Anovaa模型平方和df均方FSig.回歸7397942140.7632465980713.5811221.762A”b.000581殘差5933246.45527219749.869總計(jì)7403875387.22300a.因變量：收入生產(chǎn)總值b.預(yù)測(cè)變量：（常量），勞動(dòng)者報(bào)酬I,營(yíng)業(yè)盈余，固定資產(chǎn)折舊由于相伴，概率Sig小于顯著性水平，所以拒絕零假設(shè)而接受備選假設(shè)即模型所有參數(shù)不同時(shí)為零，認(rèn)為模型整體有效。多重根據(jù)共線性檢驗(yàn)（VIF檢驗(yàn)）。根據(jù)上面的模型建立的計(jì)算表（表3）,可以看到模型多重共線性的檢驗(yàn)結(jié)果。根據(jù)容忍度Tol的計(jì)算結(jié)果，三個(gè)構(gòu)成項(xiàng)目的Tol值分別是0.042,0.028,0.061,均接近普通臨界值0,所以可以認(rèn)定該模型存在嚴(yán)重的多重共線性。若根據(jù)方差膨脹系數(shù)VIF的計(jì)算結(jié)果，三個(gè)產(chǎn)業(yè)的VIF值分別是24.007,35.639,16.469均大于普通臨界值10,也可認(rèn)為該模型存在嚴(yán)重的多重共線性。

回歸標(biāo)準(zhǔn)化殘基的標(biāo)潴P-P圖回歸標(biāo)準(zhǔn)化殘基的標(biāo)潴P-P圖圖9P-P概率圖期望的累枳概率正態(tài)性檢驗(yàn)。根據(jù)P-P概率圖，可以看到殘差的實(shí)際累計(jì)概率與理論累計(jì)概率之間比較接近，可以認(rèn)為殘差的正態(tài)性假設(shè)基本成立，可以對(duì)此進(jìn)行多元線性回歸分析

3-2-1-0-散點(diǎn)圖因變量：收入生產(chǎn)總值回歸標(biāo)潴化殘差-3111ttr3-2-1-0-散點(diǎn)圖因變量：收入生產(chǎn)總值回歸標(biāo)潴化殘差*2*10123回歸標(biāo)淮化預(yù)計(jì)值圖10殘差散點(diǎn)圖⑥方差齊檢驗(yàn)。根據(jù)圖10所示的散點(diǎn)圖，可以看到所有的散點(diǎn)都落在橫軸、縱軸土3的范圍之內(nèi)，可以認(rèn)為殘差的方差齊假設(shè)基本成立，可以對(duì)此進(jìn)行多元線性回歸分析。綜上所述，多元線性回歸分析模型有效性檢驗(yàn)的基本結(jié)果是：模型擬合優(yōu)度較高,模擬整體有效，模型的多重共線性嚴(yán)重，模型的正態(tài)性和方差齊檢驗(yàn)也都通過。所以，整體模型有效，可以使用。2.3對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的聚類分析2.3.1對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的聚類分析的軟件處理(1)調(diào)出主菜單(Analyze/Classify/K-MeansCluster)在數(shù)據(jù)編輯窗口，依次點(diǎn)擊Analyze/Classify/K-MeansCluster,調(diào)出快速聚類分析菜單并進(jìn)入快速聚類分析主對(duì)話框K-MeansClusterAnalysis(見圖11)。"ilgTranstorrn夕崢依金M^rke'lingGraphsW加/ftcM-onswin^W宅HRegoris?DescnoliveStam別les，Tables?CompareMeanskGah&ralLinearModel?GenieralizeULmearfMo-Clelak■唯;期A局SRE_1UICI_1PRE]芟量變量13>6471.6323JB.4759221S684930721S68.4B45014)0330818201S14814410197901441018969151701-2.9994?MixedModels?ggifir日Ms?,艮電第自力自2n?IL^glmeair?NemralNelwoirks?D.318125523033790S5230.32B01t6M481.29M032191.31237321911.3036917)154H82316即用13397Q2479183H3】1羽-,4432JM戰(zhàn)湖246215801319,ai66fr4.77M662J74.7970862J74.767fi7201066-2.5703(r.najirm-hjjJidn414449.90939c?！钡?Dlmens^nReduction?Sc^le?Nonparametricmisk部1Two^epCiustef21)210-5157431775619222?81137W囹Clu&i€r施|HierardnicsiClu劃E「.127B3.2492623)121.2987(26392.0688824)088^.21848同小.&08666032鴻W671Fdrecasting?MultipheResponse?目MissingvaimeMal號(hào)嗎,，Mu可口陋Imputallon*CamplesSamples.?QualityComlrol?MDiscriminanl...NflamstNeighlHir...11B32梵白9826)240-.5845：S15.6721627)179.44211162Q6.448M―-,~1V.J，M4wrWTSTTr28)047-1136(06820263306988263306904229)144-.350632052992122W96921220612930)1711-.4194-7.663202S77.579912577.6716631)163-.393633833013443849鴕844384144320rocCurve...3334■產(chǎn)HI圖11K-Means聚類分析分析菜單(2)主對(duì)話框的設(shè)置在K-Means聚類分析主對(duì)話框中，分別進(jìn)行以下設(shè)置：①聚類分析變量的設(shè)置在主對(duì)話框中的左側(cè)，分別選擇5個(gè)變量“y1至y5"，調(diào)入到右側(cè)的Variables框中。②聚類對(duì)象(標(biāo)簽)的設(shè)置選擇字符型變量“地區(qū)”，調(diào)入到LabelCasesby框中。③設(shè)置聚類數(shù)在NumberofClusters框中指定分類數(shù)，此處設(shè)置為5(這個(gè)過程非常重要，一般要經(jīng)過多次的嘗試才可完成，一定要十分慎重)。

④聚類類中心的設(shè)置聚類類中心的設(shè)置有2種方式：查找已有的類中心點(diǎn)擊左側(cè)的Centers,可以調(diào)出查找已有類中心的對(duì)話框，通過查找已有的SPSS數(shù)據(jù)文件（類中心）作為本次聚類分析的類中心。其前提是以前做過類似的聚類分析而有類中心；以前有過類似的聚類分析而又類中心。計(jì)算指定類中心若以前沒有做過本問題的聚類分析，也沒有過類似的聚類分析，則由計(jì)算機(jī)（SPSSB計(jì)軟件）代替用戶而自動(dòng)指定類中心。此時(shí)，用戶不用進(jìn)行人戶操作。⑤設(shè)置聚類分析的方式在Method框下選中Iterateandclassify,表示以初始類中心開始，經(jīng)過一定的迭代過程，直到得到最后的類中心，聚類分析完畢（見圖12）0圖12K-Means聚類分析主對(duì)話框的設(shè)置（3）各個(gè)二級(jí)對(duì)話框的設(shè)計(jì)設(shè)置聚類分析終止的條件在主對(duì)話框中，點(diǎn)擊Iterate按鈕，進(jìn)入K-MeansClusterAnalysis:Iterate二級(jí)對(duì)話框。按照默認(rèn)的選項(xiàng)進(jìn)行，用來(lái)設(shè)置程序終止的條件。終止的條件有兩個(gè)：計(jì)算次數(shù)系統(tǒng)默認(rèn)為10次，當(dāng)計(jì)算達(dá)到10次時(shí)，則聚類分析自動(dòng)終止。但實(shí)際山，計(jì)算的次數(shù)在2-5次左右。移動(dòng)距離系統(tǒng)默認(rèn)的類中心的移動(dòng)距離為0.02（SPSSa計(jì)軟件上看到的是0.000）若移動(dòng)距離達(dá)不到0.02,則聚類分析自動(dòng)終止。這兩個(gè)條件達(dá)到一個(gè)，聚類就結(jié)束（見圖13）。上述設(shè)置完成后，返回主對(duì)話框。圖13K-Means聚類分析終止條件的設(shè)置設(shè)置保存內(nèi)容在主對(duì)話框中，點(diǎn)擊Save按鈕，進(jìn)入K-MeansCluster:SaveNewVariables二級(jí)對(duì)話框。選擇2個(gè)備選項(xiàng)ClusterMembership和Distancefromclustercenter,即保存聚類分析的類號(hào)和該個(gè)體距離其所屬的類的類中心的距離（見圖14）。上述設(shè)置完成后，返回主對(duì)話框。十@K-MeansClusterSaveNe...囹Clustermembershipinmaihi■■■?■■inraiaimamrainhi■imamrairiraiaima^“^Distancefromclustw8nt4rfContinueCancelHelp圖14K-Means聚類分析保存內(nèi)容的設(shè)置③檢驗(yàn)聚類分析變量的有效性在主對(duì)話框中，點(diǎn)擊Options按鈕，進(jìn)入K-MeansClusterAnalysis:Options二級(jí)對(duì)話框Statistics框選中3個(gè)選項(xiàng)Initialclustercenters,即輸出初始類中心，ANOVAable以聚類分析產(chǎn)生的類為控制變量，對(duì)參與聚類分析的所有變量進(jìn)行的單因素方差分析，目的是判斷該變量是否有“資格”作為聚類分析的依據(jù)。Clusterinformationforeachcase表示輸出個(gè)案聚類信息及其距離所屬類中心的距離MissingValues框選才￥Exclues,表示去除所有含缺失值的個(gè)案后再進(jìn)行聚類分析（見圖15）。上述設(shè)置完成后，返回主對(duì)話框圖15K-Means聚類分析保存內(nèi)容的設(shè)置(4)運(yùn)行程序QUICKCLUSTERy1y2y3y4y5/MISSING=LISTWISE/CRITERIA=CLUSTER(5)MXITER(10)CONVERGE(0)/METHOD=KMEANS(NOUPDATE)/SAVECLUSTERDISTANCE/PRINTID(地區(qū))INITIALANOVACLUSTERDISTAN.

2.3.1對(duì)我國(guó)收入生產(chǎn)總值及構(gòu)成項(xiàng)目差異的聚類分析的計(jì)算結(jié)果的說明表6初始聚類中心聚類12345營(yíng)業(yè)盈余3809.127640.8515277.94112.659483.10固定資產(chǎn)折舊1539.783252.597763.87116.634663.63生產(chǎn)稅凈額2281.364149.969623.3875.865711.10勞動(dòng)者報(bào)酬5153.0011348.6729809.60510.5317898.75收入生產(chǎn)總值12783.2626392.0762474.79815.6737756.58由于我們以前沒有做過類似的研究，所以缺少用來(lái)做聚類分析的類中心，故初始類中心是由計(jì)算機(jī)自動(dòng)收索的類中心。在這份數(shù)據(jù)中，很明顯是第3類的類中心的數(shù)據(jù)最優(yōu)，第5類、第2類、第1類直到第4類依次降低。表7迭代歷史記錄a迭代聚類中心內(nèi)的更改1234511281.3872718.6185332.2522508.4293126.8782122.873668.006.000993.429.0003589.730.000.000770.980.0004.000.000.000.000.000a.由于聚類中心內(nèi)沒有改動(dòng)或改動(dòng)較小而達(dá)到收斂。任何中心的最大絕對(duì)坐標(biāo)更改為.000。當(dāng)前迭代為4。初始中心間的最小距離為13411.850。它反映了5個(gè)類中心每次迭代是聚類偏移的過程。經(jīng)過第1次的迭代，5個(gè)類的類中心分別偏移了1281.387、2718.618、5332.252、2508.429、3126.878,經(jīng)過第2次的迭代，5個(gè)類的類中心分別偏移了122.873、668.006、.000、993.429、.000,經(jīng)過第3次的迭代，5個(gè)類的類中心分別偏移了589.730、000、000、770.980、.000,到第4次計(jì)算的時(shí)候，位置不再移動(dòng)。所以到第4次迭代時(shí)，5個(gè)類的類中心（幾乎）沒有發(fā)生變化，所以聚類分析到此結(jié)束。表8最終聚類中心聚類12345營(yíng)業(yè)盈余3842.875762.0616571.18788.928640.18

固定資產(chǎn)折舊1766.142896.667707.70665.934106.59生產(chǎn)稅凈額2385.333877.138976.27687.725189.43勞動(dòng)者報(bào)酬6126.2811261.7725897.682365.1817037.75收入生產(chǎn)總值14120.6223797.6159152.834507.7534973.94與最初類中心類似，表中數(shù)據(jù)顯示的是聚類分析的最終類中心。數(shù)據(jù)顯示，第3類各項(xiàng)指標(biāo)的數(shù)值最好，第5類次之，第2類、第1類依次降低，第4類最差表9ANOVA聚類誤差FSig.均方df均方df營(yíng)業(yè)盈余142240667.2114954164.30626149.074.000固定資產(chǎn)折舊29177650.6414198922.83626146.678.000生產(chǎn)稅凈額40716482.9844307762.87126132.298.000勞動(dòng)者報(bào)酬35449322835226121.969.000收入生產(chǎn)總值1799041953.41747988752.82926225.197.000F檢驗(yàn)應(yīng)僅用于描述性目的，因?yàn)檫x中的聚類將被用來(lái)最大化不同聚類中的案例間的差別。觀測(cè)到的顯著性水平并未據(jù)此進(jìn)行更正，因此無(wú)法將其解釋為是對(duì)聚類均值相等這一假設(shè)的檢驗(yàn)。表中數(shù)據(jù)反映各個(gè)變量在不同類的均值的比較情況。5個(gè)變量的F統(tǒng)計(jì)量都較大，分別是149.074、146.678、132.298、121.969、225.197,同時(shí)其對(duì)應(yīng)的相伴概率sig值都很小，分別是.000、.000、.000、.000、.000,都小于顯著性水平0.05,故拒絕零假設(shè)，認(rèn)為用于聚類分析的5個(gè)變量對(duì)于本次K-mea課類分析都是有效的，可以據(jù)此進(jìn)行聚類分析。表10聚類成員案例號(hào)地區(qū)聚類距離1北京市24562.2222天津市1948.5903河北省25645.5184山西省12015.1375內(nèi)蒙古13488.7156遼寧省23858.220

7吉林省11625.7708黑龍江省1896.7619上海市22870.99510江蘇省31921.23411浙江省