基于主成分-聚類分析的各地區(qū)火災(zāi)事故研究(附有SAS程序)

./主成分-聚類分析在各地區(qū)火災(zāi)事故中的應(yīng)用摘要：消防安全是公共安全的重要組成部分,火災(zāi)事故不僅嚴(yán)重威脅著人們的生命財產(chǎn)安全,而且還會引起社會恐慌和不安。鑒于近年來我國火情比較嚴(yán)重,本文根據(jù)國家統(tǒng)計局《統(tǒng)計年鑒-2010》年中的火災(zāi)事故統(tǒng)計表,通過主成分、聚類法對30個省市火災(zāi)事故情況進(jìn)行了分析。并探討了這兩種方法的可行性,得出了火災(zāi)事故嚴(yán)重性評價的主要因素,及根據(jù)火災(zāi)嚴(yán)重性對各省市進(jìn)行分類情況,對相關(guān)管理部門有一定的參考價值。關(guān)鍵字：火災(zāi)事故；主成分分析；聚類分析問題提出火災(zāi)事故是現(xiàn)代社會危害較大,發(fā)生較頻繁的災(zāi)害,其不僅嚴(yán)重威脅著人民的生命財產(chǎn)安全,而且火災(zāi)造成的負(fù)面影響也嚴(yán)重危害著社會的安定。據(jù)國家統(tǒng)計局統(tǒng)計數(shù)據(jù)顯示,20XX全國共發(fā)生火災(zāi)事故132497起,造成人員死亡1205人,重傷624人,直接經(jīng)濟(jì)損失達(dá)195945.2萬元,造成了巨大的社會負(fù)面影響。另一方面,隨著人們生活水平的提高,人們對安全的保障要求也越來越高,因此消防安全就愈發(fā)顯得重要緊迫,那么如何更加合理的對消防安全進(jìn)行管理,這就涉及到對以往火災(zāi)事故的分析總結(jié),尋前車之鑒來更好的防未來。因此,根據(jù)主成分分析不同因素對火災(zāi)事故嚴(yán)重程度評價的的影響關(guān)系,找出主要影響因素,這對火災(zāi)嚴(yán)重程度的評判具有重要的意義。進(jìn)而根據(jù)嚴(yán)重程度的主要因素,運(yùn)用聚類分析把各地的火災(zāi)事故情況進(jìn)行聚類,劃分出各個嚴(yán)重性所包含的區(qū)域,對有關(guān)部門的統(tǒng)籌管理是很有必要的。問題解決的理論方法1.主成分分析原理：主成分分析是一種把原來多個指標(biāo)化為少數(shù)幾個互不相關(guān)〔或相互獨(dú)立〔在總體是多維正態(tài)總體時的綜合指標(biāo)的一種統(tǒng)計方法,可以達(dá)到數(shù)據(jù)簡化、揭示變量之間的關(guān)系和進(jìn)行統(tǒng)計解釋的目的,為進(jìn)一步分析總體的性質(zhì)和數(shù)據(jù)的統(tǒng)計特性提供一些重要信息[1]。在實(shí)際中有重要的應(yīng)用地位。例如在社會經(jīng)濟(jì)的研究中,為了全面系統(tǒng)的分析和研究問題,必須考慮許多經(jīng)濟(jì)指標(biāo),這些指標(biāo)能從不同的側(cè)面反映我們所研究的對象的特征,但在某種程度上存在信息的重疊,具有一定的相關(guān)性。能否從著眾多的指標(biāo)中構(gòu)造出很少幾個互不相關(guān)的所謂綜合指標(biāo),而且這幾個綜合指標(biāo)應(yīng)盡可能充分的反映原來眾多指標(biāo)的信息。從而使辨識系統(tǒng)從高維空間轉(zhuǎn)化成低維空間,降低問題的難度。對于總體X=<x1,…,xp>’,我們給出X的綜合指標(biāo)F1,…,Fk的確定原則為：Fi是X的線性函數(shù),即要求Fi=Li’X,Li是p*1維待定常數(shù)向量,i=1,…,k;要求D<yi>盡可能大,即yi能充分反映X的變化情況,i=1,2,…,k;要求F1,…,Fk互不相關(guān),即Cov<Fi,Fj>=0,或者說F1,…,Fk之間盡可能不含重復(fù)信息。這樣的F1,…,Fk均稱為X的主成分。注意主成分的個數(shù)營銷與原始變量的個數(shù),至于應(yīng)該保留幾個主成分應(yīng)該權(quán)衡主成分個數(shù)和保留的信息。主成分的具體求解為:第一主成分,設(shè)X的協(xié)方差陣為由于Σx為非負(fù)定的對稱陣,則有利用線性代數(shù)的知識可得,必存在正交陣U,使得其中1,2,…,p為Σx的特征根,不妨假設(shè)12…p。而U恰好是由特征根相對應(yīng)的特征向量所組成的正交陣。i=1,2,…,p則為系統(tǒng)的第一主成分,若第一主成分信息量不夠則找第二主成分,確定原則相似,即是找第二大特征值對應(yīng)的特征向量,與X相乘即可。所以,求主成分即是求X的協(xié)方差陣的特征向量Ui,UiX即是第i個主成分。主成分分析本身往往并不是最終目的,而是達(dá)到目的的一種手段。它大多用于大型研究項(xiàng)目的某個中間環(huán)節(jié)。例如用在回歸分析、聚類分析等研究項(xiàng)目中。2．聚類分析原理：聚類分析的研究目的就是把相似的對象歸并成類,研究的主要容是如何度量相似性以及怎樣構(gòu)造聚類的具體方法以達(dá)到分類的目的,所用的工具乃是數(shù)學(xué)[2]。它是在沒有知道類型的個數(shù)或?qū)τ诟鞣N類型的結(jié)構(gòu)未做任何假設(shè)情況下的一種比較原始的方法。聚類的依據(jù)是相似性或距離。所以,需要引進(jìn)一些能夠刻畫相似性的度量指標(biāo)或數(shù)據(jù)。聚類分析的基本思想是我們所研究的樣品或指標(biāo)〔變量之間存在程度不同的相似性〔親疏關(guān)系——以樣品間距離衡量。于是根據(jù)一批樣品的多個觀測指標(biāo),具體找出一些能夠度量樣品或指標(biāo)之間相似程度的統(tǒng)計量,以這些統(tǒng)計量為劃分類型的依據(jù)。把一些相似程度較大的樣品〔或指標(biāo)聚合為一類,把另外一些彼此之間相似程度較大的樣品〔或指標(biāo)又聚合為另一類,直到把所有的樣品〔或指標(biāo)聚合完畢,這就是分類的基本思想。在聚類分析中,通常我們將根據(jù)分類對象的不同分為變量聚類分析和樣本聚類分析兩大類。變量聚類分析的主要作用是：不但可以了解個別變量之間的關(guān)系的親疏程度,而且可以了解各個變量組合之間的親疏程度；樣本聚類分析的優(yōu)點(diǎn)是：可以綜合利用多個變量的信息對樣本進(jìn)行分類,分類結(jié)果是直觀的,聚類譜系圖非常清楚地表現(xiàn)其數(shù)值分類結(jié)果,聚類分析所得到的結(jié)果比傳統(tǒng)分類方法更細(xì)致、全面、合理。聚類分析方法主要有系統(tǒng)聚類法和動態(tài)聚類法。系統(tǒng)聚類法的基本思想是：先將每個研究對象〔樣品或指標(biāo)各自看成一類,按某種順序分別稱作第1,第2,…,第h類,然后根據(jù)對象間的相似度量,將h中的相似的兩類合并為一類,這樣得到h-1類,再在這h-1類中選出最相似的兩類合并,得到h-2類,如此下去知道將所有的對象合并成一個大類為止。動態(tài)聚類的基本思想是：先給出一個粗糙的初始分類,然后用某種原則進(jìn)行修改,直到分類比較合理為止。方法應(yīng)用數(shù)據(jù)資料來源：國家統(tǒng)計局：《中國年統(tǒng)計年鑒—2010》中的"公共管理及其他"部分[4],"全國各地區(qū)火災(zāi)事故情況"中的30個省、直轄市的30組數(shù)據(jù),將數(shù)據(jù)列成表格形式為：全國各地區(qū)火災(zāi)事安全評價指標(biāo)<20XX>序號地區(qū)發(fā)生數(shù)死亡人數(shù)受傷人數(shù)直接經(jīng)濟(jì)損失人口火災(zāi)發(fā)生率X1<起>X2<人>X3<人>X4<萬元>X5<1/10萬人>1北京546832134361.043.342天津1148233624.711.603河北475729145692.66.524山西443926146331.712.785878951145306.735.836遼寧556642143756.513.097吉林786243257129.128.868294426135444.27.669上海570243547149.240.3710江529685528975.57.0911浙江383488426835.58.0812安徽517335218474.37.5813福建401655189374.811.3814江西471521118074.410.0515山東7226321513315.07.5816河南353416133781.93.2717湖北93832593821.315.2618湖南29153348388.04.1219廣東61581326417825.17.2320廣西128732146094.22.4121海南1052311201.311.7422重慶5040432413689.315.2623四川6204372111197.86.8924貴州166173414566.23.9725云南206964207363.94.5726陜西462023118354.211.9327甘肅114116132887.94.2128青海16231213926.029.5129寧夏3447511338.253.6430新疆520960413040.924.07數(shù)據(jù)來源：各個指標(biāo)值根據(jù)《中國年統(tǒng)計年鑒——2010》的"公共管理及其他",由于信息不全故不做統(tǒng)計計算。1、主成分分析過程：下面對各個指標(biāo)的數(shù)據(jù)進(jìn)行應(yīng)用統(tǒng)計分析,為了對各地區(qū)的火災(zāi)發(fā)生數(shù)x1、死亡人數(shù)x2、受傷人數(shù)x3、直接經(jīng)濟(jì)損失〔萬元x4、人口火災(zāi)發(fā)生率x5,進(jìn)行主成分分析,也就是對這五個指標(biāo)進(jìn)行降維處理。找出火災(zāi)嚴(yán)重程度的評價的主要因素,具體程序分析如下：主成分分析程序：dataw;inputx1-x5;cards;5468 32 13 4361.0 43.341148 23 3 624.7 11.604757 29 14 5692.6 6.524439 26 14 6331.7 12.788789 51 14 5306.7 35.835566 42 14 3756.5 13.097862 43 25 7129.1 28.862944 26 13 5444.2 7.665702 43 54 7149.2 40.375296 85 52 8975.5 7.093834 88 42 6835.5 8.085173 35 21 8474.3 7.584016 55 18 9374.8 11.384715 21 11 8074.4 10.057226 32 15 13315.0 7.583534 16 13 3781.9 3.279383 25 9 3821.3 15.262915 33 4 8388.0 4.126158 132 64 17825.1 7.231287 32 14 6094.2 2.411052 3 1 1201.3 11.745040 43 24 13689.3 15.266204 37 21 11197.8 6.891661 73 41 4566.2 3.972069 64 20 7363.9 4.574620 23 11 8354.2 11.931141 16 13 2887.9 4.211623 12 13 926.0 29.513447 5 1 1338.2 53.645209 60 41 3040.9 24.07;procprincompdata=w;varx1-x5;run;運(yùn)行結(jié)果如下：TheSASSystem21:45Sunday,April11,20121ThePRINCOMPProcedureObservations30Variables5SimpleStatisticsx1x2x3x4x5Mean4409.26666740.1666666720.433333336510.71333314.99633333StD2247.90435627.3648192616.106720243969.76656113.35252772CorrelationMatrixx1x2x3x4x5x11.00000.23620.22990.41000.2963x20.23621.00000.84880.5793-.2025x30.22990.84881.00000.4837-.0421x40.41000.57930.48371.0000-.3140x50.2963-.2025-.0421-.31401.0000EigenvaluesoftheCorrelationMatrixEigenvalueDifferenceProportionCumulative12.485960491.193140890.49720.497221.292819600.493086420.25860.755830.799733180.510446310.15990.915740.289286870.157087010.05790.973650.132199860.02641.0000TheSASSystem21:45Sunday,April11,20122ThePRINCOMPProcedureEigenvectorsPrin1Prin2Prin3Prin4Prin5x10.2890410.631186-.500386-.514779-.051716x20.577733-.0856200.322199-.1667340.726142x30.5459740.0244750.496424-.078685-.669840x40.513375-.068206-.4993950.693635-.035635x5-.1450470.7674780.3872580.4689150.141735結(jié)果分析：上述程序分析結(jié)果表明樣本為30組5維的觀測數(shù)據(jù),其中X1、X2、X3、X4、X5的均值分別為4409.266667,40.16666667,20.43333333,6510.713333,14.99633333,方差分別為2247.904356,27.36481926,16.10672024,3969.766561,13.35252772。樣本的相關(guān)矩陣對應(yīng)上述結(jié)果中的CorrelationMatrix所示,相關(guān)矩陣的特征表如EigenvaluesoftheCorrelationMatrix〔分別列出了矩陣的特征值,方差,貢獻(xiàn)率,累計貢獻(xiàn)率所示,特征值越大,它所對應(yīng)的主成分變量包含的信息就越多,并且由該圖可知X1-X5貢獻(xiàn)率分別為,49.72%,25.86%,15.99%,5.79%,2.64%；由第四列的累計貢獻(xiàn)率可知前3個成分就包含了原來5個指標(biāo)的91.57%的信息,也就是前三個主成分已經(jīng)完全符合統(tǒng)計的要求。因此在分析中取三個主成分進(jìn)行分析。結(jié)果中的Eigenvectors部分列出了主成分的表達(dá)式,由最大特征值的特征向量知,第一主成分是：Y1=0.289041x1*+0.57773x2*+0.545974x3*+0.513375x4*-0.145047x5*由第二大特征值的特征向量知,第二主成分是：Y2=0.631186x1*-0.085620x2*+0.024475x3*-0.068206x4*-0.145047x5*由第三大特征值的特征向量知,第三主成分是：Y3=0.500386x1*+0.322199x2*+0.496424x3*-0.499395x4*-0.387258x5*其中x1*、x2*、x3*、x4*、x5*分別為變量標(biāo)準(zhǔn)化后的數(shù)據(jù)。由于x1-x5的量綱不同,為了準(zhǔn)確需對其進(jìn)行標(biāo)準(zhǔn)化,標(biāo)準(zhǔn)化后的數(shù)據(jù)如下圖所示：變量X1-X5標(biāo)準(zhǔn)化后的數(shù)據(jù)表：序號地區(qū)x1*x2*x3*x4*x5*1北京0.470987-0.29844-0.46151-0.541522.1227192天津-1.4508-0.62733-1.08236-1.48271-0.254363河北0.154692-0.40807-0.39942-0.20609-0.634814山西0.013227-0.5177-0.39942-0.04509-0.1659951.9483630.395885-0.39942-0.30331.5602796遼寧0.5145830.066996-0.39942-0.6938-0.142777吉林1.5359790.1035390.2835260.1557741.038288-0.65184-0.5177-0.46151-0.26866-0.549439上海0.5750840.1035392.0840160.1608371.90028910江0.3944711.6383571.9598440.62089-0.5921211浙江-0.255911.7479861.3389860.081815-0.5179812安徽0.339753-0.188810.0351820.494635-0.5554313福建-0.174950.542059-0.151080.721475-0.2708414江西0.136008-0.70041-0.585680.393899-0.3704415山東1.253049-0.29844-0.337331.714027-0.5554316河南-0.38937-0.88313-0.46151-0.6874-0.8782117湖北2.212609-0.55424-0.70985-0.677470.01974718湖南-0.66474-0.26189-1.020280.472896-0.8145519廣東0.7779393.355892.7048752.850139-0.5816420廣西-1.38897-0.29844-0.39942-0.10492-0.9426221海南-1.49351-1.35819-1.20654-1.33746-0.2438722重慶0.2805870.1035390.221441.8083150.01974723四川0.798403-0.115720.0351821.180696-0.607124貴州-1.222591.1998371.2769-0.48983-0.8257925云南-1.041090.870948-0.02690.214921-0.7808526陜西0.093747-0.62733-0.585680.464382-0.2296427甘肅-1.45392-0.88313-0.46151-0.9126-0.8078128青海-1.2395-1.0293-0.46151-1.406811.0869629寧夏-0.42807-1.28511-1.20654-1.302982.89410930新疆0.3557680.7247751.2769-0.874060.679547計算綜合評價值：Z=0.4972Y1+0.2586Y2+0.1599*Y3根據(jù)上述得到的主成分分析結(jié)果算出各個樣本的主成分Y1、Y2、Y3及綜合評價指標(biāo)Z如下表所示：表：各省市個主成分值及Z值〔從大到小排序編號城市Y1Y2Y2Z值省市1北京-0.258360.040578-0.641192.7951932天津-2.17079-0.75048-0.626441.4854993河北-0.606990.2289360.09640.973118山西-0.560560.07005-0.271660.95972850.6444080.9804810.451440.7246076遼寧-0.407520.3773150.4825620.6667597吉林0.8891460.8063380.4628160.6461378-0.95708-0.28038-0.375130.5554619上海1.722060.1185250.5394560.50518410江2.3634340.2002131.6174140.48771311浙江1.633817-0.208871.2595830.31972712安徽0.1817020.27830.0947140.30816613福建0.511216-0.17046-0.243310.17745614江西-0.536620.158347-0.501610.17119115山東0.8049670.771859-0.27749-0.0278816河南-1.355-0.00718-0.0251-0.0814617湖北-0.413161.4699920.906877-0.2204918湖南-0.77586-0.33623-0.84422-0.2271819廣東5.0192720.1598631.615198-0.29220廣西-0.98254-0.71704-0.57202-0.3040421海南-2.59708-0.72933-1.02153-0.3060622重慶1.1930270.047455-0.62702-0.607723四川0.7012060.5222370.025161-0.6083524貴州0.665713-0.689970.973114-0.6795825云南0.184642-0.63375-0.05862-0.76541廣西26陜西-0.450.100184-0.58894-1.1289527甘肅-1.7681-0.67396-0.47259-1.2219828青海-1.76945-0.76723-0.89935-1.2880829寧夏-1.77405-0.5206-1.69728-1.3735630新疆0.8685560.1548031.218768-1.64322Z值在一定程度上代表該地區(qū)的火災(zāi)嚴(yán)重程度,z值越大表明火災(zāi)事故嚴(yán)重程度也高,從排序結(jié)果可以看出首先是最為嚴(yán)重,最低,這也為后面聚類分析提供了相應(yīng)的對比。2、聚類分析過程：利用上面主成分分析后降維的結(jié)果,選擇Y1、Y2、Y3三個因子作為聚類變量,對這30個省市的火災(zāi)事故情況進(jìn)行分類,用SAS系統(tǒng)聚類程序,即是使用CLUSTER過程和TREE過程進(jìn)行系統(tǒng)聚類。CLUSTER過程的一般用法為：PROCCLUSTERDATA=輸入數(shù)據(jù)集METHOD聚類方法選項(xiàng)；VAR聚類用變量；RUN;其中：VAR語句指定用來聚類的變量；PROCCLUSTER語句主要選項(xiàng)有：輸入DATA=數(shù)據(jù)集,可以使原始觀測數(shù)據(jù)集,也可以是距離矩陣數(shù)據(jù)；METHOD=選項(xiàng),這是必須指定的,此選項(xiàng)決定了我們要用的聚類方法,主要由類間距離定義決定,方法有AVERAGE、CENTROID、COMPLETE、SINGLE、DENSITY等等。OUTTREE=輸出系統(tǒng)聚類樹數(shù)據(jù)集,把系統(tǒng)聚類數(shù)據(jù)輸出到一個數(shù)據(jù)集,可以用TREE過程繪圖并實(shí)際分類。Std選項(xiàng),把變量標(biāo)準(zhǔn)化為均值0,標(biāo)準(zhǔn)差1。如果不能通過專業(yè)知識確定數(shù)據(jù)實(shí)際分類個數(shù),就可以考察CCC,PSEUDO等統(tǒng)計量來確定一個合理的分類個數(shù)。TREE過程用法：TREE過程可以把CLUSTER過程產(chǎn)生的OUTTREE=數(shù)據(jù)集作為輸入,畫出譜系聚類的樹圖,并按照用戶指定的聚類水平〔類數(shù)產(chǎn)生分類結(jié)果數(shù)據(jù)集。一般格式如下：PROCTREEDATA=輸入聚類結(jié)果數(shù)據(jù)集;OUT=輸出數(shù)據(jù)集GRAPHICSNCLUSTER=類數(shù)選項(xiàng)；RUN；PROCTREE語句的重要選項(xiàng)有：DATA=數(shù)據(jù)集,指定從CLUSTER過程生成的OUTTREE=數(shù)據(jù)集作為輸入。OUT=數(shù)據(jù)集,指定包含最后分類結(jié)果〔每一個觀測屬于哪一類,用一個CLUSTER變量區(qū)分的輸出數(shù)據(jù)集。CLUSTERS=選項(xiàng),由用戶指定最后把樣本觀測分為幾類。GRAPHICS是指定畫譜系聚類的樹圖時使用高分辨率圖形〔要求有SAA/GRAPH模塊。HORIZONTAL,畫樹圖時橫向畫[3]。聚類程序如下：Datad1;inputgroup$y1-y3;cards;-0.258360.040578-0.64119-2.17079-0.75048-0.62644-0.606990.2289360.0964-0.560560.07005-0.271660.6444080.9804810.45144-0.407520.3773150.4825620.8891460.8063380.462816-0.95708-0.28038-0.375131.722060.1185250.5394562.3634340.2002131.6174141.633817-0.208871.2595830.1817020.27830.0947140.511216-0.17046-0.24331-0.536620.158347-0.501610.8049670.771859-0.27749-1.355-0.00718-0.0251-0.413161.4699920.906877-0.77586-0.33623-0.844225.0192720.1598631.615198廣西-0.98254-0.71704-0.57202-2.59708-0.72933-1.021531.1930270.047455-0.627020.7012060.5222370.0251610.665713-0.689970.9731140.184642-0.63375-0.05862-0.450.100184-0.58894-1.7681-0.67396-0.47259-1.76945-0.76723-0.89935-1.77405-0.5206-1.697280.8685560.1548031.218768;Procclustermethod=avepsedocccouttree=wintree1;vary1-y3;idgroup;proctreedata=wintree1horizontalgraphics;run;運(yùn)行結(jié)果如下:圖1.類平均聚類法的聚類過程圖2.使用類平均法的譜系聚類圖結(jié)果分析:圖1表示了類平均聚類法的聚類過程,并列出樣本數(shù)據(jù)協(xié)方差矩陣的特征值,兩相鄰特征值只差,各個特征值占總方差的百分比,累計百分比。ClusterHistory表顯示的具體的聚類過程,NCL表示聚類的次數(shù),FREQ為新類中所含的樣本數(shù),SPRSQ為半偏R2,表示每一次合并對信息的損失程度?？催@一列數(shù)據(jù)可知：雖然從兩類聚成一類時候損失跟從三類聚成兩類時候的損失差不多,均為0.29均可以作為最大值,因此選擇聚成三類比較合適,具體的聚類情況見圖2分析。圖2為利用類平均法做成的譜系聚類圖,由圖可知和具有最大的相似性,其次是和……總體聚類情況如圖所示,根據(jù)圖中聚類距離的遠(yuǎn)近來判斷不同省份的火災(zāi)事故嚴(yán)重程度的相似性。按照圖1的分析可知應(yīng)將總體分為三大類合適,分別為：A={}；B={、、、、、廣西、、、、、、、、、、、、、、、、、、}；C={,、、、}；由分類結(jié)果可知,將30樣本分為三類,分別為A、B、C,通過其與"表：各省市個主成分值及Z值〔從大到小排序"中的Z值相比可以明顯看出,其與表示危險性的Z值完全吻合,證明了此聚類方法的可行性和正確性?？梢远xA類為火災(zāi)嚴(yán)重區(qū),定義B類為一般區(qū)域,同樣C區(qū)為較安全區(qū)。因此將全國各省市按照火災(zāi)事故嚴(yán)重程度大致劃分四個區(qū)域分別如下：嚴(yán)重區(qū)：A={}；一般區(qū)域：B={、、、、、廣西、、、、、、、、、、、、、、、、、、}；較安全區(qū)：C={,、、、}；結(jié)論：根據(jù)上述分析可知,利用主成分分析對火災(zāi)事故的嚴(yán)重性分析得出了影響火災(zāi)事故嚴(yán)重性評價的主要因素Y1,Y2,Y3,接著根據(jù)主成分分析得到的主要影響因素,使用聚類分析方法對各省市的火災(zāi)事故嚴(yán)重程度進(jìn)行聚類,得到三類,分別定義為嚴(yán)重區(qū)、一般區(qū)和較安全區(qū)域。通過與現(xiàn)實(shí)情況及Z值的對比,可以看出此方法可信可行,對進(jìn)行火災(zāi)事故的嚴(yán)重性評價具有較高的價值,而且聚類結(jié)果還可以為有關(guān)管理部分提供一定的參考。參考文獻(xiàn)資料：吳、永樂、胡慶軍.應(yīng)用數(shù)理統(tǒng)計.國防科技大學(xué)。286吳、永樂、胡慶軍.應(yīng)用數(shù)理統(tǒng)計.國防科技大學(xué).341曲慶云、曉梅,阮桂海等.統(tǒng)計分析方法—SAS實(shí)例精選.清華大學(xué).271—272國家統(tǒng)計局,統(tǒng)計年鑒2011,.附：主成分分析程序：dataw;inputx1-x5;cards;5468 32 13 4361.0 43.341148 23 3 624.7 11.604757 29 14 5692.6 6.524439 26 14 6331.7 12.788789 51 14 5306.7 35.835566 42 14 3756.5 13.097862 43 25 7129.1 28.862944 26 13 5444.2 7.665702 43 54 7149.2 40.375296 85 52 8975.5 7.093834 88 42 6