應用多元統計分析課后答案朱建平版(前9章)(編輯修改稿)

　

【文章內容簡介】 16 9 0 64 49 36 9 0 100 81 64 25 4 0易知 中最小元素是 于是將，聚為一類，記為計算距離陣 0 16 0 49 9 0 81 25 4 0 注：計算方法,其他以此類推。中最小元素是=4 于是將，聚為一類，記為計算樣本距離陣 0 16 0 64 16 0中最小元素是 于是將，聚為一類，記為因此， 下表是15個上市公司2001年的一些主要財務指標，使用系統聚類法和K－均值法分別對這些公司進行聚類，并對結果進行比較分析。公司編號凈資產收益率每股凈利潤總資產周轉率資產負債率流動負債比率每股凈資產凈利潤增長率總資產增長率12301004561086781009101001112100131415解:令凈資產收益率為X1，每股凈利潤X2，總資產周轉率為X3，資產負債率為X4，流動負債比率為X5，每股凈資產為X6，凈利潤增長率為X7，總資產增長率為X8，用spss對公司聚類分析的步驟如下：a) 系統聚類法:1. 在SPSS窗口中選擇Analyze→Classify→Hierachical Cluster，調出系統聚類分析主界面，并將變量移入Variables框中。在Cluster欄中選擇Cases單選按鈕，即對樣品進行聚類（若選擇Variables，則對變量進行聚類）。在Display欄中選擇Statistics和Plots復選框，這樣在結果輸出窗口中可以同時得到聚類結果統計量和統計圖。 系統分析法主界面2. 點擊Statistics按鈕，設置在結果輸出窗口中給出的聚類分析統計量。我們選擇Agglomeration schedule與Cluster Membership中的Range of solution 24，點擊Continue按鈕，返回主界面。（其中，Agglomeration schedule表示在結果中給出聚類過程表，顯示系統聚類的詳細步驟；Proximity matrix 表示輸出各個體之間的距離矩陣；Cluster Membership 表示在結果中輸出一個表，表中顯示每個個體被分配到的類別，Range of solution 24即將所有個體分為2至4類。）3. 點擊Plots按鈕，設置結果輸出窗口中給出的聚類分析統計圖。選中Dendrogram復選框和Icicle欄中的None單選按鈕，即只給出聚類樹形圖，而不給出冰柱圖。單擊Continue按鈕，返回主界面。 Statistics子對話框 　Plots子對話框4. 點擊Method按鈕，設置系統聚類的方法選項。Cluster Method下拉列表用于指定聚類的方法，這里選擇Betweengroup inkage（組間平均數連接距離）；Measure欄用于選擇對距離和相似性的測度方法，選擇Squared Euclidean distance（歐氏距離）；單擊Continue按鈕，返回主界面。 Method子對話框 Save子對話框5. 點擊Save按鈕，指定保存在數據文件中的用于表明聚類結果的新變量。None表示不保存任何新變量；Single solution表示生成一個分類變量，在其后的矩形框中輸入要分成的類數；Range of solutions表示生成多個分類變量。這里我們選擇Range of solutions，并在后面的兩個矩形框中分別輸入2和4，即生成三個新的分類變量，分別表明將樣品分為2類、3類和4類時的聚類結果,。點擊Continue，返回主界面。6. 點擊OK按鈕，運行系統聚類過程。聚類結果分析:下面的群集成員表給出了把公司分為2類，3類，4類時各個樣本所屬類別的情況，另外，從右邊的樹形圖也可以直觀地看到，若將15個公司分為2類，則13獨自為一類，其余的為一類；若分為3類，則公司8分離出來，自成一類。以此類推。 各樣品所屬類別表 聚類樹形圖b) K均值法的步驟如下：1. 在SPSS窗口中選擇Analyze→Classify→KMeans Cluster，調出K均值聚類分析主界面，并將變量X1X8移入Variables框中。在Method框中選擇Iterate classify，即使用Kmeans算法不斷計算新的類中心，并替換舊的類中心（若選擇Classify only，則根據初始類中心進行聚類，在聚類過程中不改變類中心）。在Number of Cluster后面的矩形框中輸入想要把樣品聚成的類數，這里我們輸入3，即將15個公司分為3類。（Centers按鈕，則用于設置迭代的初始類中心。如果不手工設置，則系統會自動設置初始類中心，這里我們不作設置。） K均值聚類分析主界面2. 點擊Iterate按鈕，對迭代參數進行設置。Maximum Iterations參數框用于設定Kmeans算法迭代的最大次數，輸入10，Convergence Criterion參數框用于設定算法的收斂判據，輸入0，只要在迭代的過程中先滿足了其中的參數，則迭代過程就停止。單擊Continue，返回主界面。 Iterate子對話框3. 點擊Save按鈕，設置保存在數據文件中的表明聚類結果的新變量。我們將兩個復選框都選中，其中Cluster membership選項用于建立一個代表聚類結果的變量，默認變量名為qcl_1；Distance from cluster center選項建立一個新變量，代表各觀測量與其所屬類中心的歐氏距離。單擊Continue按鈕返回。 Save子對話框4. 點擊Options按鈕，指定要計算的統計量。選中Initial cluster centers和Cluster information for each case復選框。這樣，在輸出窗口中將給出聚類的初始類中心和每個公司的分類信息，包括分配到哪一類和該公司距所屬類中心的距離。單擊Continue返回。 Options子對話框5. 點擊OK按鈕，運行K均值聚類分析程序。聚類結果分析:以下三表給出了各公司所屬的類及其與所屬類中心的距離，聚類形成的類的中心的各變量值以及各類的公司數。由以上表格可得公司13與公司8各自成一類，其余的公司為一類。通過比較可知，兩種聚類方法得到的聚類結果完全一致。，每個地區調查了反映每人平均生活消費支出情況的六個經濟指標。試通過統計分析軟件用不同的方法進行系統聚類分析，并比較何種方法與人們觀察到的實際情況較接近。地區食品衣著燃料住房交通和通訊娛樂教育文化北京天津河北山西內蒙遼寧吉林黑龍江上海江蘇浙江5安徽福建江西山東河南解:令食品支出為X1，衣著支出為X2，燃料支出為X3，住房支出為X4，交通和通訊支出為X5，娛樂教育文化支出為X6，不同的方法在第4個步驟的Method子對話框中選擇不同的Cluster method。1. Betweengroup inkage（組間平均數連接距離） 上表給出了把全國16個地區分為2類、3類和4類時，各地區所屬的類別，另外從右邊的樹形圖也可以直觀地觀察到，若用組間平均數連接距離將這些地區分為3類，則9（上海）獨自為一類，1（北京）和11（浙江）為一類，剩余地區為一類。2. Withingroup linkage（組內平均連接距離） 若用組內平均數連接距離將這些地區分為3類，則9（上海）獨自為一類，1（北京）獨自為一類，剩余地區為一類。3. Nearest neighbor（最短距離法） 若用最短距離法將這些地區分為3類，則9（上海）獨自為一類，1（北京）獨自為一類，剩余地區為一類。4. Furthest neighbor（最遠距離法） 若用最遠距離法將這些地區分為3類，則9（上海）獨自為一類，1（北京）和11（浙江）為一類，剩余地區為一類。5. Centroid cluster（重心法） 若用重心法將這些地區分為3類，則9（上海）獨自為一類，1（北京）和11（浙江）為一類，剩余地區為一類。6. Median cluster（中位數距離） 若用中位數距離法將這些地區分為3類，則9（上海）獨自為一類，1（北京）和11（浙江）為一類，剩余地區為一類。7. Ward method（離差平方和） 若用離差平方和法將這些地區分為3類，則9（上海），1（北京）和11（浙江）為一類，2（天津）、6（遼寧）、7（吉林）、10（江蘇）、12（安徽）、13（福建）和14（江西）為一類，剩余地區為一類。 根據上題數據通過SPSS統計分析軟件進行快速聚類運算，并與系統聚類分析結果進行比較。解：快速聚類運算即K均值法聚類，聚類結果如下： 聚類的結果為9（上海）獨自為一類，1（北京）、2（天津）、6（遼寧）、7（吉林）、10（江蘇）、11（浙江）、13（福建）和14（江西）為一類，剩余地區為一類。：人均GDP（元）、人均工業產值（元）、客運總量（萬人）、貨運總量（萬噸）、地方財政預算內收入（億元）、固定資產投資總額（億元）、在崗職工占總人口的比例（％）、在崗職工人均工資額（元）、城鄉居民年底儲蓄余額（億元）。試通過統計分析軟件進行系統聚類分析，并比較何種方法與人們觀察到的實際情況較接近。城市北京318863316830520306715932000253126441天津2643343732350734679205934186481825石家莊1513413159118431000849416123061044太原15752158312975152483319712679660呼和浩特1899111257350841552118214116255沈陽232681544666121463681557149611423大連29145276151100121081111407175601310長春18630210456999108924629413870831哈爾濱1482575616458951876423124511154上海46586770837212638618992274273056055南京27547438531679014805136794221901134杭州32667498232134916815150717246671466寧波32543479042493813797139555236911060合肥1062111714603446413624513901359福州2228121310968082506737615053876廈門5359093126444130557023819024397南昌142219205572844543121013913483濟南23437226345810143547642916027758青島2470535506146663055312054815335908鄭州166741402310709784766373135381048武漢2127817083118821661080623137301286長沙15446887310609106316043