多元统计分析实验报告讲解

实验一

一、实验目的及要求

对应分析是你也降维的思想以达到减化数据结构的目的，凤的研究广泛用于定义属性变量构成的列联表利用对应分析方法分析问卷中教育程度与网上购物支付方式之间的相互关系。

二、实验环境

SPSS 19.0 window 7系统

三、实验内容及实验步骤（实践内容、设计思想与实现步骤）

实验题目：

通过分析问卷数据，绘制如下的教育程度与网上购物支付方式的交叉表，运用对应分析方法研究教育程度与网上购物所选择的支付方式之间的相关性，及揭示不同人群网上购物的特征等问题。

设计思想：原假设：H1：χ2>χα2[(n?1)(p?1)]

实现步骤：

1.在变量视窗中录入3个变量，用edu表示【教育程度】，用fangshi表示【在网上购物时采用什么样的支付方式】，用pinshu表示【频数】；如图所示：

2.先对数据进行预处理。执行【数据】→【加权个案】命令，弹出【加权个案】对话框。选中【加权个案】按钮，把【频数】放入【频率变量】框中，点击【确定】按钮完成。

3.打开主窗口，选择菜单栏中的【分析】→【降维】→【对应分析】命令，弹出【对应分析】对话框。

4.将【教育程度】导入【行】，将【在网上购物时采用什么样的支付方式】导入【列】。

5. 单击【定义范围（D）】，打开【对应分析：定义行范围】对话框；

定义行变量分类全距最小值为1，最大值为4，单击【更新】；点击【继续】，返回【对应分析】对话框；同方法打开【对应分析：定义列范围】对话框；

定义列变量全距最小值为1，最大值为5，单击【更新】；

6. 单击【统计量】打开【对应分析：统计量】对话框；选择【行轮廓表】，【列轮廓表】；单击【继续】，返回【对应分析】对话框，

7.选择【绘制】→【对应分析：图】对话框，选择【散点图】中的【行点】、【列点】选择【线图】中的【已转换的行类别】、【已转换的列类别】，单击【继续】，返回【对应分析】对话框。

8.单击【确定】按钮，完成设置并执行列联表分析。

四、调试过程及实验结果（详细记录实验在调试过程中出现的问题及解决方法。记录实验的结果）

SPSS实验结果及分析：

上表显示了在32155名被调查者中，大多数消费者在网上购物时选择第三方支付和网上银行支付，在网上购物的消费人群以大学本科生相对最多。

“行简要表”是用对应表中相应位置的数据除以每一行的有效边际，显示了各频数在各行方向上的百分比。由表可以看到，消费者在网上购物时选择“第三方支付”所占的比例最高,为36.3% ，使用除问卷设计以外付款方式的较少，

为0.9%。表中最后一行的“质量”值即为p j。

“列简要表”是用对应表中相应位置的数据除以每一列的有效边际，显示了各频数在各列方向上的百分比。由表可以看到，选择网上购物的消费者中“高中-中专及以下”人群所占的比例最高,为30.6% ，表中最后一列的“质量”值即为p i 。

摘要表给出了总惯量、χ2值及每一维度（公共因子）所解释的总惯量的百分比信息。由表可知总惯量为0.008，χ2=250.999，有关系式：250.999= 0.008×32155，可以清楚地看出总惯量与χ2值之间的关系,同时说明总惯量描述了列联表行与列之间总的相关关系。且由表可看到p=0.0000<0.05,因此拒绝原假设，认为行变量和列变量有显著的相关性。

该表显示了行变量各分类降维的情况，其中：表中第三、第四列是行变量各类别在第1、第2个因子上的因子载荷，它们将成为分布图中的数据点的坐

标；第六、七列是行变量各分类对第1、2个因子值差异的影响程度；第八、九列是第1、第2因子对行变量各分类差异的解释程度。

“教育程度的行点”是教育程度在第1、第2因子上载荷的散点图，借助该图可分析教育水平各类间的差异性；可以看出，这些类别可以分别自成一类；

“行和列点图”是教育程度和网购支付方式的对应分布图，借助该图可分析不同教育程度人群选择网购支付方式之间的倾向性。

五、教师评价

实验二

一、实验目的及要求

在市场调查问卷中，总会设计一部分多项选择题，而对于多选题也是问卷分析的关键一步，通过分析问卷中的多选题并绘制交叉分析发现社会生活中许多问题间的关系。

二、实验环境

SPSS 19.0 window 7系统

三、实验内容及实验步骤（实践内容、设计思想与实现步骤）

实验题目：

通过SPSS软件分析多选题“请问您目前所拥有的数码产品有哪些？”

设计思想

在统计分析中一般采用频数分析，SPSS提供了专门的多选题频数分析统计分析功能，即通过多重响应分析。

实现步骤：

1.建立多重响应项集：选择菜单栏中的【分析】→【多重响应】→定义变量集。【将变量编码为】中选择【二分法】计数值为1，在【定义多重响应集：名称】中定义A，单击【添加】最后单击【关闭】，如图所示：

2．多重响应项集的频数分析：选择菜单栏中的【分析】→【多重响应】→【频率】，在【多响应频率】对话框中将A移入【表格】单击确定，绘制相应的对应频率表。

3.多重响应项集的交叉表分析：选择菜单栏中的【分析】→【多重响应】→【交叉表】，将【多响应集】中的A移入【行】，“教育程度”移入【列】，【定义范围（G）】中填入最小值1，最大值4，单击【确定】完成。

四、调试过程及实验结果（详细记录实验在调试过程中出现的问题及解决方法。记录实验的结果）

SPSS实验结果及分析：

上表主要显示样本是否有系统缺失，此表可知，共有6个缺失值，有效率接近100%。

表中给出了个案的响应率和普及率，响应率18.1%=17615/97355，即目前已经拥有数码产品为笔记本的人员在所有响应中（所有1的次数）的比例；而普及率70.7%=17615/249，在有效样本中的比例。我们选择用柱形图表达数据效果：

上表是教育程度与目前已经拥有的数码产品之间的交叉表，由表可以看出大学本科生所拥有的数码产品数及种类在被调查者中居多，这与我国目前国民教育程度的事实基本吻合。表中还显示了全国数码产品的实用情况，目前笔记本电脑和台式电脑使用者较多，国家信息化科技化程度较高。

五、教师评价

实验三

一、实验目的及要求

通过运用主成分分析降维的思想，研究如何通过原始变量的少数几个线性组合来解释原始变量的绝大部分信息，即在损失较少信息的情况下，研究我校大学生消费水平的影响因素。

二、实验环境

SPSS 19.0 window 7系统

三、实验内容及实验步骤（实践内容、设计思想与实现步骤）

实验题目：

调查我校大学生消费情况问卷中，设计对学生的消费水平的影响因素有每月伙食费、通讯费、娱乐费、学习费、购买服饰及配饰费和网购费，通过主成分分析方法处理该数据，以期望用少数变量描述我校大学生消费水平的影响因素。

实现步骤：

1.选择菜单栏中的【分析】→【描述统计】→【描述性】命令，弹出【描述性】对话框。将需要分析的变量选入【变量】对话框，选择【将标准化得分零存为变量（Z）】。

2.选择菜单栏中的【分析】→【降维】→【因子分析】命令，弹出【因子分析】对话框，将要分析的变量选入了【变量】对话框。

3.单击【描述】按钮，选择【【原始分析结果】和【KMO和Bartlelt的球形度检验】，单击【继续】。

4.单击【抽取】按钮，选择【未旋转的因子解】和【碎石图】，单击【继续】。

5.单击【确定】按钮，完成设置并执行列联表分析。

四、调试过程及实验结果（详细记录实验在调试过程中出现的问题及解决方法。记录实验的结果）

SPSS实验结果及分析：

表给出了每个原始变量中提取的信息，给出了采用主成分方法提取因子后各变量的共同度，包括各变量对应的初始共同度和抽取因子以后的再生共同度。

表的第一行为相关系数矩阵，第二部分是假设相关系数为零的单侧显著性检验概率矩阵。由表可以看出，每学习费与通讯费、学习费与购买服饰配饰之间有相关关系。

上表显示了各主成分解释原始变量总方差的情况，SPSS默认保留特征根大于1的主成分，但由于特征根大于1提取信息较少所以本题选择保留特征根大于0.5的主成分。本题中保留了5个主成分，这5个主成分集中了原始6个变量信息的93.749%，可见效果比较好。

2.4492.449+1.029+0.912+0.667+0.569+0.375等于特征值的和p=4。

表给出了标准化原始变量用求得的主成分线性表示的近似表达式：

y1=(0.352x1+0.678x2+0.751x3+0.231x4+0.765x5+0.814x6)/√δii y2=(0.618x1?0.006x2+0.024x3+0.719x4?0.278x5?0.227x6)/√δii y3=(?0.64x1?0.198x2?0.017x3+0.650x4+0.157x5+0.126x6)/√δii y4=(0276x1?0.659x2?0.073x3?0.049x4+0.330x5+0.201x6)/√δii y5=(0.090x1+0.255x2?0.651x3+0.071x4+0.232x5+0.112x6)/√δii

表中的第i列的每个元素分别除以第i个特征根的平方根√δi,就可以得到主

成分分析的第i个主成分的系数。由于主成分分析特征值唯一但是特征向量不唯一，所以主成分结果不唯一。

上述碎石图是根据因子序号和对应特征值描绘得到的，根据点间连线坡度的陡缓程度，可以比较清晰的看出因子的重要程度。比较陡的直线说明断点对应因子的特征值差值较大，比较缓的置信则对应较小的特征值差值。

五、教师评价

实验四

一、实验目的及要求

结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个步骤。下面以一个研究实例作为说明，使用Amos7软件进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。

二、实验环境

SPSS 19.0 Amos window 7系统

三、实验内容及实验步骤（实践内容、设计思想与实现步骤）

实验题目：

预了解我校大学生的消费状况，我班同学充分利用所学知识设计、发放、录入问卷，现从所收集的数据中，选择部分有关变量，从个人信息和消费水平方面了解我校学生消费行为。

设计思想：

1.潜变量和可测变量的设定，结果如下：

3.可测变量的标准化处理

4.结果方程模型的初步建立

实现步骤

1.通过对潜变量和可测变量的分析，在SPSS中对收据数据中的可测标量可信度检验。选择菜单栏中的【分析】→【度量】→【可靠性分析】，将需要分析的可测变量添加到【显目】对话框中，单击【确定】完成。

2.将可测变量进行标准化处理。选择菜单栏中的【分析】→【描述统计】→【描述性】命令，弹出【描述性】对话框。将需要分析的变量选入【变量】对话框，选择【将标准化得分零存为变量（Z）】。

3.保存SPSS分析数据，在Amos中建立基本模型，如下：

添加可测变量并进行分析。

四、调试过程及实验结果（详细记录实验在调试过程中出现的问题及解决方法。记录实验的结果）

SPSS实验结果及分析：

可信度结果分析如下，由结果可知，所选择的14个可测变量的可信度为40.7%。

Amos建立模型如下：

五、教师评价

多元课程论文_农村居民收入与支出多元统计分析

多元统计分析课程论文 -----我国农村居民收入与支出多元统计分析 班级：统计1203 姓名：李犁 学号：1304120724 2015年7月

目录 1.引言 (3) 1.1研究问题的背景 (3) 1.2研究问题的目的 (3) 2.分析方法的简单介绍 (4) 2.1主成分分析 (4) 2.1.1主成分分析的思想 (4) 2.1.2主成分分析的几何意义 (4) 2.2聚类分析 (5) 2.2.1聚类分析的思想 (5) 2.2.2聚类分析的过程 (5) 3.农村居民收入的多元统计分析 (5) 3.1主成分分析 (5) 3.2聚类分析 (7) 4. 农村居民支出的多元统计分析 (9) 4.1 主成份分析 (9) 4.2聚类分析 (11) 5. 结论 (13)

【摘要】本文主要研究农村居民收入与支出的相关问题，利用spss软件，首先对农村居民收入进行了数据的收集和整理，数据取自中国统计年鉴网络实时数据，利用多元统计分析中的主成分分析，分析影响农村居民收入的几个重要因素。再对其进行聚类分析，按照农村居民不同的收入对30个省、自治区、直辖市进行聚类，分出几个不同的收入等级。然后对农村居民支出情况的数据进行主成分分析，分析影响收入的因素，再对其进行聚类分析，分析不同的支出等级，最后将收入与支出综合分析，大致得出结论，我国实际的居民收入与消费结构还存在一定的不合理。 【关键词】农村居民收入农村居民支出主成分分析聚类分析 1.引言 1.1研究问题的背景 我国是发展中的农业人口大国，农业的基础地位和作用比任何国家都重要，小康目标能否全面实现，重点、难点在提高人民收入，要实现农村稳定，农民小康和农业现代化，前提条件就是要保持农民收入的持续稳定的快速发展。2000年，在国家连续三年扩大内需的宏观政策作用下，我国居民消费保持了稳中有旺的运行态势。但是从城乡消费结构来看，农村消费明显不如城市消费活跃。农村消费之所以增长缓慢，主要是因为农村居民收入停滞不前以及受到农村传统消费观念的主导 1.2研究问题的目的 劳动者报酬收入和家庭主营收入已成为农民收入的主要来源，但是由于我国经济发展的不平衡，各地区的农民收入有着很大不同，另一方面，经济改革使得地区之间、农民内部之间的富裕家庭和贫穷家庭之间的收入差距越来越大。“二元思维”造就了经济发展层面上的“两个中国”-----“城市中国”和“农村中国”，“三农”问题日益突出，“三农”问题的核心是农民问题，即农民利益和平等待遇问题，“三农”是我国的根本问题，建设现代化农业、发展农村经济、增加农民收入，始终是中国政府面临的重大问题如何客观准确的分析这些差异，具有重要的理论和实际意义，因此，本文试图用多元统计分析对我国各地区农民收入来源及消费支出问题进行全面深入的分析。

应用多元统计分析论文

应用多元统计分析论 文 Revised on November 25, 2020

山东省十一城市综合实力统计分析摘要:本文根据中国城市经济发展研究中心提出的城市综合经济实力和区域的概念，并利用2009年各城市社会经济发展状况的截面数据，就山东省11市的经济数据进行分析。首先建立了评价的指标体系，其次，分别采用主成分分析法和聚类分析法对山东省根据行政区域划分的11个市的综合经济实力进行了全面的评价和比较，并在此基础上提出了促进山东各市经济协调发展、共同进步的相关措施。 关键词：城市经济主成分分析聚类分析 一、引言 在区域经济发展中，城市处于核心和龙头的地位，提高城镇化水平、加快城市化进程是解决当前和未来一系列问题的关键。山东经济发展显示出不平衡的态势，鲁东的少数几个城市GDP几乎占据全省三分之二[1]。很显然，山东省各市的城市化水平也存在显着差异, 青岛、济南等的城市化水平始终走在全省乃至全国前列,泰安和滨州则相对落后。随着黄河三角洲经济一体化进程的加快，山东作为沿海省份必须清楚的看到发展差异并找出差异形成的原因，通过核心城市的优先发展带动区域经济和社会的快速发展，是现实提出的急需解决的问题。 为此，本文在参阅相关文献的基础上，根据中国城市经济发展研究中心提出的城市综合经济实力以及区域的概念，根据区域的行政划分，从山东省11个市出发，利用2009年各城市社会经济发展状况的截面数据，首先建立了评价指标体系，其次，分别采用主成分分析法和聚类分析法对山东省11个市的综合经济实力进行了综合的评价和排位，并在此基础上提出了促进山东省各市经济协调发展、共同进步的相关措施。

应用多元统计分析SAS作业审批稿

应用多元统计分析S A S 作业 YKK standardization office【 YKK5AB- YKK08- YKK2C- YKK18】

5-9 设在某地区抽取了14块岩石标本，其中7块含矿，7块不含矿。对每块岩石测定了Cu，Ag，Bi三种化学成分的含量，得到的数据如表1。 表1 岩石化学成分的含量数据 (1)假定两类样本服从正态分布，使用广义平方距离判别法进行判别归类（先验概率取为相等，并假定两类样本的协方差阵相等）； (2)今得一块标本，并测得其Cu，Ag，Bi的含量分别为2.95，2.15和1.54，试判断该标本是含矿还是不含矿？ 问题求解 1 使用广义平方距离判别法对样本进行判别归类 用SAS软件中的DISCRIM过程进行判别归类。 SAS程序及结果如下。 data d59; input group x1-x3@@; cards; 1 2.58 0.9 0.95 1 2.9 1.23 1 1 3.55 1.15 1 1 2.35 1.15 0.79 1 3.54 1.85 0.79 1 2.7 2.23 1.3 1 2.7 1.7 0.48 2 2.25 1.98 1.06 2 2.16 1.8 1.06 2 2.3 3 1.7 4 1.1 2 1.96 1.48 1.04

2 1.94 1.4 1 2 3 1.3 1 2 2.78 1.7 1.48 ； proc print data =d59; run ; proc discrim data =d59 pool =yes distance list ; class group; var x1-x3; run ; 由输出结果可知，两总体间的广义平方距离为D 2=3.19774。还可知两个三元总体均值相等的检验结果：D =3.19774，F =3.10891，p =0.0756<0.10，故在显着性水平=0.10α时量总体的均值向量有显着差异，即认为讨论这两个三元总体的判别问题是有意义的。 线性判别函数为： 判别结果为含矿的6号样本错判为不含矿；不含矿的13号样本错判为含矿。 2 对给定样本判别归类 将Cu ，Ag ，Bi 的含量数值2.95、2.15、1.54分别代入线性判别函数得： 1244.674246.978882Y Y ==，。 贝叶斯判别的解{}***1, ,k D D D = 为 {}*|()(),,1, ,(1, ,)t t j D X Y X Y X j t j k t k =>≠==， 由于1244.6742246.97888Y Y =<=，因此待判的样品判为不含矿。 5-10 已知某研究对象分为三类，每个样品考察4项指标，各类的观测样品数分别为7,4,6；类外还有3个待判样品（所有观测数据见表2）。假定样本均来自正态总体。 表2 判别分类的数据

多元统计分析报告完整版

多元统计分析报告标准化管理处编码[BBX968T-XBB8968-NNJ668-MM9N]

随着经济的发展，这个差距越来越大。 由于我国人口众多，素质较低，而且就业观念较落后，导致我国劳动力普遍廉价，就业职工工资普遍低下。刚毕业的大学生人数众多，城市发展速度与农村发展速度不平衡，各省市自治区的就业条件和国家政策，就业环境不同，导致职工工资存在行业间的工资水平存在着巨大的差异，从另一个方面反映出了中国贫富差距的不断扩大。对我国就业人员职工工资的研究，对我国的社会保障政策和就业政策，教育政策等具有重要的决策意义。

也为对我国经济社会的研究提供了一个因素。我国就业职工工资水平的行业间的差异已经日益成为我国政府重视的一个问题。 [关键词] 不同行业就业平均工资 一、引言 当前我国处于经济发展快速时期，由于我国人口总数较大，就业人员众多。因此，就业问题成为了我国社会的一个焦点问题。研究好行业间就业问题以及就业职工工资问题，能够有效的把握好社会状况，能够帮助大学生更准确的定位自己，找到自己满意的工作。制定正确的就业政策和社会保障，社会福利政策，来促进大学生的就业问题以及我国国民经济的发展。 本文选取2013年我国各行业城镇单位就业人员平均工资的数据，主要利用以下几种统计方法进行分析：因子分析法、聚类分析法。将全国各省按照不同行业就业人数进行分类和排序，并与人们实际观察到的情况进行比较分析。 因子分析是指研究从变量群中提取共性因子的统计技术。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。 聚类分析是一组将研究对象分为的群组的统计分析技术，依据研究对象（样品或指标）的特征，对其进行分类的方法，减少研究对象的数目。 二、数据 下表是我国按行业分城镇单位就业人员平均工资的原始数据，数据来源于《2013中

多元统计分析实验报告

实验一 一、实验目的及要求 对应分析是你也降维的思想以达到减化数据结构的目的，凤的研究广泛用于定义属性变量构成的列联表利用对应分析方法分析问卷中教育程度与网上购物支付方式之间的相互关系。 二、实验环境 SPSS 19.0 window 7系统 三、实验内容及实验步骤（实践内容、设计思想与实现步骤） 实验题目： 通过分析问卷数据，绘制如下的教育程度与网上购物支付方式的交叉表，运用对应分析方法研究教育程度与网上购物所选择的支付方式之间的相关性，及揭示不同人群网上购物的特征等问题。 设计思想：原假设：H1：χ2>χα2[(n?1)(p?1)] 实现步骤： 1.在变量视窗中录入3个变量，用edu表示【教育程度】，用fangshi表示【在网上购物时采用什么样的支付方式】，用pinshu表示【频数】；如图所示：

2.先对数据进行预处理。执行【数据】→【加权个案】命令，弹出【加权个案】对话框。选中【加权个案】按钮，把【频数】放入【频率变量】框中，点击【确定】按钮完成。 3.打开主窗口，选择菜单栏中的【分析】→【降维】→【对应分析】命令，弹出【对应分析】对话框。 4.将【教育程度】导入【行】，将【在网上购物时采用什么样的支付方式】导入【列】。 5. 单击【定义范围（D）】，打开【对应分析：定义行范围】对话框； 定义行变量分类全距最小值为1，最大值为4，单击【更新】；点击【继续】，返回【对应分析】对话框；同方法打开【对应分析：定义列范围】对话框； 定义列变量全距最小值为1，最大值为5，单击【更新】； 6. 单击【统计量】打开【对应分析：统计量】对话框；选择【行轮廓表】，【列轮廓表】；单击【继续】，返回【对应分析】对话框， 7.选择【绘制】→【对应分析：图】对话框，选择【散点图】中的【行点】、【列点】选择【线图】中的【已转换的行类别】、【已转换的列类别】，单击【继续】，返回【对应分析】对话框。 8.单击【确定】按钮，完成设置并执行列联表分析。 四、调试过程及实验结果（详细记录实验在调试过程中出现的问题及解决方法。记录实验的结果） SPSS实验结果及分析： 上表显示了在32155名被调查者中，大多数消费者在网上购物时选择第三方支付和网上银行支付，在网上购物的消费人群以大学本科生相对最多。

多元统计分析 课程论文.doc

HUNAN UNIVERSITY 课程论文 论文题目：有关我国居民消费因素的分析指导老师： 学生名字： 学生学号： 专业班级：经济统计 学院名称： xxx学院

目录 概述 (1) 一、引言 (2) 二、数据概述系 (2) 三、分析方法 (3) 四、数据分析 (3) （一）相关分析 (3) （二）因子分析 (10) （三）聚类分析 (15) 五、分析与建议 (18) 六、心得体会 (19) 参考文献 (20)

有关我国居民消费因素的分析 概述 生活离不开消费，随着社会发展，生活水平提高，消费也在逐渐变化，并且随着经济发展，各个地区的发展水平的差异，消费也产生了不同的变化，此篇论文主要目的是利用多元统计的方法，借助spss软件，对我国31个地区的居民消费情况进行分析。了解我国31个地区的居民消费情况与统计指标食品烟酒、衣着、居住等8个指标之间的一些联系。并且通过因子得分，计算并排列出消费因素的综合得分，最后通过聚类分析，对我国31个地区的居民消费情况做一个大致分类，进而对各个地区分类后的情况做一个分析和总结并结合文献以及资料提出一些意见和看法。

一.引言 消费在宏观经济学中，指某时期一人或一国用于消费品的总支出。与经济活动有着密不可分的关系，消费作为社会再生产的最终阶段，是生产者生产产品的目的和导向。如果没有了消费，生产的存在也会变得毫无意义，消费促进了生产，给生产带来了源动力。消费者的消费需求，也推动了生产的发展。并且消费促进了货币流通，提供了就业岗位，降低失业率，拉动了经济增长，最终有助于提高人民的生活水平。消费是国民经济保持增长的动力，只有拉动消费需求的增长，才能促进投资，促进产业结构的调整、宏观经济的增长，满足人民的物质生活的需求，实现生活水平的提高。 故消费和生活水平有着密切的关系，从而，通过对我国居民消费水平的分析，不但可以直观了解到我国总的消费趋向，各地区不同的消费主导因素，还能客观反映我国总的生活水平也就是经济发展的大致情况。统计年鉴中的八项指标：食品烟酒、衣着、居住、生活用及服务、交通通信、教育文化娱乐、医疗保健、其他用品及服务。囊括了居民消费的全部项目，居民日常消费可以清楚地从数据中了解到。再通过分析和整合，最终可以大致分析我国总体的消费倾向以及各个地区的异同点。再结合文献资料了解分析产生异同的原因，进而对我国的总体消费水平做一个最终概括。 二.数据概述 数据来源：2015年《中国统计年鉴》 指标：

03第三篇 多元统计分析作业题

第三篇 多元统计分析作业题 1 证明题 1）已知ψ==A X E X Z T T T ，这里用到关系1-ψ=E A 。以二变量为例证明： 12*-Λ=ψ=A X A X Z T T T 1)(-=T T A X 。 式中X 为标准化原始变量矩阵，A 为载荷矩阵，Z 为非标准化主成分得分，Z *为标准化的因子得分，E 为单位化特征向量构成的矩阵即正交矩阵，Ψ为特征根的平方根的倒数构成的对角阵，Λ为特征根构成的对角阵，对于二变量有 ?????? ??=ψ21 /10 /1λλ, ?? ? ???=Λ21 00λλ. 2）对于二变量因子模型，我们有 ?? ?++=++=222221122 112211111εεu f a f a x u f a f a x . 试以 x 1为例证明1 2 22==+j x j j u h σ ，这里∑== p k kj j a h 1 2 22 21 211a a +=。 2 计算题 1）现有一组古生物腕足动物贝壳标本的两个变量：长度x 1和宽度x 2。所测数据如下（表2.1）。 要求： ① 利用Excel 对数据进行主成分分析。 ② 借助SPSS 对该数据进行主成分分析，并计算结果与Excel 的计算结果进行对比，理解各个表格所给参数的含义。 ③ 用本例数据验证证明题?的推导结果。 表2.1 古生物腕足动物贝壳标本数据 样品编号 长度x 1 宽度x 2 样品编号 长度x 1 宽度x 2 1 3 2 14 12 10 2 4 10 15 12 11 3 6 5 16 13 6 4 6 8 17 13 14 5 6 10 18 13 15 6 7 2 19 13 17 7 7 13 20 14 7 8 8 9 21 15 13 9 9 5 22 17 13

多元统计学SPSS实验报告一

华东理工大学2016–2017学年第二学期 《多元统计学》实验报告 实验名 称实验1数据整理与描述统计分析

教师批阅：实验成绩： 教师签名: 日期： 实验报告正文： 实验数据整理 (一)对“employee”进行数据整理 1.观察量排序 ( based on current salary） 2.变量值排序（based on current salary : rsalary） 3.计算新的变量（incremental salary=current salary - beginning salary）

4.拆分数据文件（based on gender） 结论：There are 215 female employees and 259 male employees. 5.分类汇总 (break variable: gender ; function: mean ) 结论：The average current salary of female is . The average current salary of male is . （二）分别给出三种工作类别的薪水的描述统计量 实验描述统计分析 1)样本均值矩阵 结论：总共分析六组变量，每组含有十个样本。 每股收益（X1）的均值为；净资产收益率（X2）的均值为；总资产报酬率（X3）的均值为；销售净

利率（X4）的均值为；主营业务增长率（X5）的均值为；净利润增长率（X6）的均值为. 2）协方差阵 结论：矩阵共六行六列，显示了每股收益（X1）、净资产收益率（X2）、总资产报酬率（X3）、销售净利率（X4）、主营业务增长率（X5）和净利润增长率（X6）的协方差。 3）相关系数 结论：矩阵共六行六列，显示了每股收益 （X1）、净资产收益率（X2）、总资产报酬 率（X3）、销售净利率（X4）、主营业务增 长率（X5）和净利润增长率（X6）之间的 相关系数。 每格中三行分别显示了相关系数、显著性 检验与样本个数。 4）矩阵散点图

多元统计分析实验报告

1. 正态性检验 Kolmogorov-Smirnov a Shapir o-Wilk 统计量df Sig. 统计量df Sig. 净资产收益率.113 35 .200*.978 35 .677 总资产报酬率.121 35 .200*.964 35 .298 资产负债率.086 35 .200*.962 35 .265 总资产周转率.180 35 .006 .864 35 .000 流动资产周转率.164 35 .018 .885 35 .002 已获利息倍数.281 35 .000 .551 35 .000 销售增长率.103 35 .200*.949 35 .104 资本积累率.251 35 .000 .655 35 .000 *. 这是真实显著水平的下限。 a. Lilliefors 显著水平修正 此表给出了对每一个变量进行正态性检验的结果，因为该例中样本中n=35<2000，所以此处选用Shapiro-Wilk统计量。由Sig.值可以看到，总资产周转率、流动资产周转率、已获利息倍数及资本积累率均明显不遵从正态分布，因此，在下面的分析中，我们只对净资产收益率、总资产报酬率、资产负债率及销售增长率这四个指标进行比较，并认为这四个变量组成的向量遵从正态分布（尽管事实上并非如此）。这四个指标涉及公司的获利能力、资本结构及成长能力，我们认为这四个指标可以对公司运营能力做出近似的度量。 2. 主体间因子 N 行业电力、煤气及水的生产和供应 业 11 房地行业15 信息技术业9 多变量检验a 效应值 F 假设 df 误差 df Sig. 截距Pillai 的跟踪.967 209.405b 4.000 29.000 .000 Wilks 的 Lambda .033 209.405b 4.000 29.000 .000 Hotelling 的跟踪28.883 209.405b 4.000 29.000 .000 Roy 的最大根28.883 209.405b 4.000 29.000 .000 行业Pillai 的跟踪.481 2.373 8.000 60.000 .027 Wilks 的 Lambda .563 2.411b8.000 58.000 .025 Hotelling 的跟踪.698 2.443 8.000 56.000 .024 Roy 的最大根.559 4.193c 4.000 30.000 .008 a. 设计 : 截距 + 行业

多元统计分析论文

基于主成分分析的我国地区经济指标研究 09统计班徐晓旺 【摘要】 地区经济的发展对我国现代化进程形成巨大的推动作用，而经济指标是评判地区发展水平的重要标志。根据搜集的相应数据建立数据库，基于主成分分析、同时运用聚类分析以及判别分析的多元统计方法，对全国各地区的经济状况进行综合指标分析。研究各省经济发展在全国的分布特征、筛选出具备可对比性的指标，进而探究造成差异的原因，同时具有针对性地提出相关建议。 【关键词】 主成分分析；聚类分析；判别分析；地区经济指标 一、引言 随着社会的不断进步，经济发展的车轮将会继续滚动。在整体水平提升的同时不难发现：我国各地区间发展势必存留着一定的差距，了解其具体的分布特征注定会是一个非常值得深入挖掘的信息。结合对进出口总额、居民消费水平等9个经济指标的研究，致力于分析各地区硬件发展水平、人民生活状况的异同与经济发展的相关性。 本文将对中国31个省份地区的经济指标进行分析。首先，应用主成分分析的方法对众多指标做降维处理并赋予各主成分以实际意义以获取综合性指标；进而，基于主成分分析结果通过聚类分析法把我国的31个地区分类；最后，根据聚类的结果建立判别函数同时运用判别分析将新疆、广东两个省份归类。 二、主成分分析 搜集到的经济指标为：进出口总额、地区生产总值、固定资产投资、邮电业务量、客运量、货运量、公交车运营数、居民平均工资和居民消费水平这九项指标。 在运用SPSS软件对以上数据开始分析前首先进行标准化处理，接着通过SPSS的操作，得到了如下的总方差分解结果（见表一）： 表一

由表一中结果可以看到保留2个主成分为宜，这2个主成分集中了原始9个变量信息的88.392%，可见效果比较好，这样原来的9个指标就可以通过这2个综合指标来反映。此时，这2个主成分就起到了降维的作用。通过SPSS进一步的操作还可以得到如下的主成分系数矩阵（见表二）： 表二 由表二可以得出前2个主成分的线性组合为： Y1 = 0.852 X1 + 0.979 X2 + 0.821 X3 + 0.957 X4 + 0.885 X5 + 0.742 X6 + 0.967 X7 + 0.226 X8 + 0.513 X9 Y2 = 0.393 X1 - 0.113 X2 - 0.419 X3 - 0.032 X4 - 0.233 X5 - 0.483 X6 + 0.109 X7 + 0.915 X8 + 0.786 X9 通过对上述线性组合的观察，我们可以得出：在主成分1中进出口总额、地区生产总值、固定资产投资、邮电业务量、客运量、货运量和公交车运营数这几项指标的系数明显比主成分2的系数大，可以将Y1归类为地区经济发展中的硬件基础指标；在主成分2中平均工资和消费水平指标的系数最大，可以将Y2归类为地区经济发展中的居民生活指标。 这样就将繁冗的9个指标归结为上述2个，这两项指标相互作用，共同反映地区经济发展情况。 主成分得分如下（见表三）： 表三

多元统计分析报告 课程设计

多元统计分析课程设计 题目：《因子分析在环境污染方面的应用》 姓名：王厅厅 专业班级：统计学2014级2班 学院：数学与系统科学学院 时间：2016年1月 3 日

目录 1.摘要: (1) 2.引言： (1) 2.1背景 (1) 2.2问题的研究意义 (1) 2.3方法介绍 (2) 3.实证分析 (10) 3.1指标 (10) 3.2原始数据 (10) 3.3数据来源 (13) 3.4分析过程： (13) 4.结论及建议 (25) 5.参考文献 (26)

1.摘要: 中国的环境问题，由于中国政府对环境问题的关注，环境法律日趋完善，执法力度加大，对环境污染治理的投人逐年有较大幅度的增加，中国环境问题已朝着好的方面发展。但是，仍存在着环境问题，主要体现在环境污染问题，其中主要为水污染和大气污染。 关键词：环境污染水污染大气污染因子分析 2.引言： 2.1背景： 我国的环境保护取得了明显的成就，部分地区环境质量有所改善。但是，从整体上看，我国的环境污染仍在加剧，环境质量还在恶化。大气二氧化硫含量居高不下，境质量呈恶化趋势，固体废弃物污染量大面广，噪声扰民严重，环境污染事故时有发生。据中国社会科学院公布的一项报告表明：中国环境污染的规模居世界前列。 2.2问题的研究意义： 为分析比较各地环境污染特点，利用因子分析对环境污染的各个指标进行降维处理并得到影响环境的内在因素，进一步对环境污染原因及治理措施进行分析，让更多的人认识到环境的重要性，准确把

握各地区环境治理方法以及针对不同地区制定不同的政策改善环境问题，这对综合治理环境问题具有重要意义。 2.3方法介绍 因子分析的意义：变量间的信息的高度重叠和高度相关会给统计方法的应用设置许多障碍。为解决此问题，最简单和最直接的解决方案是削减变量个数，但这必然会导致信息丢失和 信息不完全等问题的产生。为此人们希望探索一种更有效地解决方法，它既能大幅减少参与数据建模的变量个数，同时也不会造成信息的大量丢失。因子分析正是这样一种能够有效降低变量维数的分析方法。 因子分析的步骤： ·因子分析的前提条件：要求原有变量之间存在较强的相关关系。 ·因子提取：将原有变量综合成少数几个因子是因子分析的核心内容。 若存在随机向量)(),,(1p q F F F q ≤'= 及),,(1' =p εεε ，使 ??????????+????????????????????=??????????p q pq p q p F F a a a a X X εε 1111111 简记为ε+=AF X ，且 （1）q I F D F E ==)(,0)(（标准化）； （2） ?? ? ?? ?????==221)(,0)(p D E σσεε （中心化）；

多元统计分析实验报告,计算协方差矩阵,相关矩阵,SAS

院系：数学与统计学学院 专业：__统计学 年级：2009 级 课程名称：统计分析 ____ 学号：____________ 姓名：_________________ 指导教师：____________ 2012年4月28日 （一）实验名称 1. 编程计算样本协方差矩阵和相关系数矩阵；

2. 多元方差分析MANOVA。 （二）实验目的 1. 学习编制sas程序计算样本协方差矩阵和相关系数矩阵; 2. 对数据进行多元方差分析。 （三）实验数据 第一题： 第二题:

（四）实验内容 1. 打开SAS软件并导入数据； 2. 编制程序计算样本协方差矩阵和相关系数矩阵; 3. 编制sas程序对数据进行多元方差分析； 4. 根据实验结果解决问题，并撰写实验报告； （五）实验体会（结论、评价与建议等） 第一题： 程序如下： proc corr data=sasuser.sha n cov; proc corr data=sasuser.sha n no simple cov; with x3 x4; partial x1 x2; run; 结果如下： （1）协方差矩阵 $AS亲坯 曲；15 Friday, Apr： I SB,沙DO COUR过程 x4 目由度=30 Xi x2x3x4x5X? -10.I9B4944-0.45E2GJ5I.3347097-G.1193E48-￡0.e75?GS

-ID. 188494669,36&Q3?9-7.22IO&OS1J5692043I5.49ee^91S.Oa97SM -8.45S2645■7,221050829.S78&S46-6.372E47I-15.3084183-21.7352376-11.5674785 1.3841097 1.G5S2M7t.3726171IJ24?17B 4.e093011 4.4C12473 2.B747CM -G. I1S3S49 1.GS92043-is.soul aa 4.B09B01I68.7978495劣』S670971S.57ai1B3 -IH.05l6l?a15.43S6569-J1.73S2376孔耶124TB27.0387097105.103225&S7.3505S7E： -2D K5752??319-11337204-1L55M7S52r9747?3i19,573118337.3S0&87E33.3SQ6452 (2) 相关系数矩阵 Pearson相关系数” N =引 当HO： Rho=0 时.Prob > |r| Xi Xi xl 1.QQ000 x2 -C.23954 0.2061 x3 -0,30459 0.0957 x4 0.18975 Q.3092 x5 '0.14157 0.4475 x6 -0.83787 0.0630 -0.49292 0.0150 x2-0.23354 1.00000-0.162750.143510.022700.181520.24438 x20.20C10.31:1?0.441?0.90350.32640.1761 x3-0.30459-0.16275 1.00000-0.06219-0.34641-0.^797-0.23674 x30.095?0.381?<.00010.0563o.oses0 JS97 x40.1S8760.14351-0.86219L000000.400540,313650.22610 x40.30920.4412<.0001 D.02EG Q.085S0.2213 x5-0J 41570.02270-0.946410.40054 1.000000.317370.26750 x50.4J750.90350.0G68Q.025&0.08130 + 1620 x6-0.33?e?0.1S162-0.397970.813650.31787LOOOOO0.82976 x60.0S300.32840.02660.08580.0813C0001辺-0.432920.24938-0.288740.22810 D.267600.92976 1.00000 x70,01500J7610.19970.22130JG20<.0001 第二题： 程序如下： proc anova data=sasuser.hua ng; class kind; model x1-x4=k ind; manova h=k ind; run; 结果如下： (1)分组水平信息 The ANNA Procedure Cla^s Level Informat ion Class Level?Values kind 3 123 Number of observatIons CO (2) x1、x2、x3、x4的方差分析

应用多元统计分析毕业论文已过查重-优秀毕业论文

应用多元统计分析毕业论文已过查重-优秀毕业论文

内蒙古财经大学 应用多元统计分析 期末论文 作者李慧斌 系别统计与数学学院 专业信息与计算科学 年级2012级 学号122093118 指导教师刘勇 导师职称讲师

目录 我国地区经济发展浅析 (2) 摘要 (2) 一、引言 (2) 二、聚类分析 (2) 1.参与聚类的样本总量表 (3) 2.样品聚为3类时的样品归类表 (3) 3.所有样品的聚类树形图 (5) 三、主成分分析 (6) 1.单变量描述统计量表 (6) 2.各变量相关矩阵图 (7) 3.总方差分解图 (8) 4.旋转前的因子载荷矩阵图 (9) 5.利用因子载荷矩阵图计算出的特征向量表 (9) 三、因子分析 (10) 1.旋转后的因子载荷矩阵 (10) 2.因子得分系数矩阵 (11) 3.各样品因子得分 (11) 四、结论 (13) 附表一 (14)

我国地区经济发展浅析 摘要：以聚类分析法、主成分分析法、因子分析法三种多元统计分析方法为主，对2011年我国31个省、市、自治区的地区经济发展状况以及影响地区经济发展的主要因素（指标）相结合进行剖析。根据不同分类方法得出不同的分析结果，从不同角度分析我国各地区经济发展存在的主要差异以及导致这些差异出现的原因，并最终就三种统计分析方法的结果对我国目前地区经济发展状况进行客观的综合概述。 关键字：地区发展水平聚类分析法主成分分析法因子分析法 一、引言 在日常生活过程中，我们常常遇到一些计算量大，分析工作复杂度高的数 据分析工作，为了能够更加简便地进行数据分析，在此给大家介绍几种多元统 计分析的方法。本文主要运用了聚类分析法，主成分分析法和因子分析法对2011 年我国31个省市自治区地区经济发展水平以及影响地区经济发展的几项重要指 标进行了统计分析。 二、聚类分析 聚类分析是应用最广泛的一种分类技术，它把性质相近的个体归为一类，使得同一类中的个体具有高度的同质性，不同类之间的个体具有高度的异质性。聚类分析的职能是建立一种分类方法，它是将一批样品或变量，按照它们在性质上的相似程度进行分类。通常我们用距离来度量样品之间的相似程度，用相似系数来度量变量之间的相似程度。

应用多元统计分析SAS作业第六章资料

6-10 今有6个铅弹头，用“中子活化”方法测得7种微量元素的含量数据（见表1）。 (1) 试用多种系统聚类法对6个弹头进行分类；并比较分类结果； (2) 试用多种方法对7种微量元素进行分类。 问题求解 1对6个弹头进行分类 对数据进行标准化变换，样品间距离定义为欧式距离，系统聚类的方法分别使用类平均法（A VE ）、中间距离法（MID ）、可变类平均法（FLE ）和离差平方合法（WARD ）。使用SAS 软件CLUSTER 过程对数据进行聚类分析（程序见附录1）。 1.1类平均法 图1 类平均聚类法相关矩阵特征值图 图2 类平均聚类分析法聚类历史图 由图2可知，NCL=1时半偏R 2最大且伪F 统计量在NCL=2,5时和伪t 方统计量在NCL=1,4时较大。因此，将6个弹头分为两类{}{}(2) (2) 121,2,4,6,3,5G G ==。SAS 绘制的谱系聚类图如图 3所示。

图3 类平均聚类分析法谱系聚类图 1.2中间距离法 图4 中间距离聚类法相关矩阵特征值图 图5 中间距离聚类法聚类历史图 由图5可知，中间距离法与类平均法结果一致。因此，也将6个弹头分为两类 {}{}(2)(2) 121,2,4,6,3,5G G ==。 SAS 绘制的谱系聚类图如图6所示。

图6中间距离聚类法谱系聚类图 1.3可变类平均法 图7可变类平均聚类法分析结果图 图8 可变类平均聚类法聚类历史图 由图8可知，可变类平均法(=0.25 β-)输出结果与前两种方法稍有不同，NCL=1时半偏R2最大且伪F统计量在NCL=2时次大，NCL=5时最大；而伪t方统计量在NCL=1时最大。因此，分

应用多元统计分析应用报告(DOC)

应用多元统计分析 课程报告 班级专业:_ 市调0901 _ 学号: 2009***** __ 姓名:__ CYQ _____ 成绩:______________ 2010年10月7日

我国部分城市主要经济指标统计 ——官方与民间数据差异分析 一、引言 经济指标是反映一定社会经济现象数量方面的名称及其数值。本题主要经济指标包括人均GDP 1x （元）、人均工业产值2x （元）、客运总量3x （万人）、货运总量4x （万吨）、5x （亿元）、固定资产投资总额6x （亿元）、在岗职工占总人口的比例7x （％）、在岗职工人均工资额8x （元）、城乡居民年底储蓄余额9x （亿元）。所以我们借助这一指标体系对我国部分城市的主要经济指标进行分析。 二、数据分析 过程 1. 在SPSS 窗口中选择Analyze→Classify→Hierachical Cluster ，调出系统聚类分析主界面，并将变量X 1～X 5移入Variables 框中。在Cluster 栏中选择Cases 单选按钮，即对样品进行聚类（若选择Variables ，则对变量进行聚类）。在Display 栏中选择Statistics 和Plots 复选框，这样在结果输出窗口中可以同时得到聚类结果统计量和统计图。

2. 点击Statistics按钮，设置在结果输出窗口中给出的聚类分析统计 量。这里我们选择系统默认值，点击Continue按钮，返回主界面。 3. 点击Plots按钮，设置结果输出窗口中给出的聚类分析统计图。选 中Dendrogram复选框和Icicle栏中的None单选按钮，即只给出聚类树形图，而不给出冰柱图。单击Continue按钮，返回主界面。 4. 点击Method按钮，设置系统聚类的方法选项。这里我们仍然均沿 用系统默认选项。单击Continue按钮，返回主界面。 5. 点击Save按钮，指定保存在数据文件中的用于表明聚类结果的新 变量。None表示不保存任何新变量；Single solution表示生成一

多元统计分析实验报告

多元统计分析实验报告 Document serial number【UU89WT-UU98YT-UU8CB-UUUT-UUT108】

1. 正态性检验 Kolmogorov-Smirnov a Shapir o-Wilk 统计量df Sig.统计量df Sig. 净资产收益 .11335.200*.97835.677 率 总资产报酬 .12135.200*.96435.298 率 资产负债率.08635.200*.96235.265 总资产周转 .18035.006.86435.000 率 流动资产周 .16435.018.88535.002 转率 已获利息倍 .28135.000.55135.000 数 销售增长率.10335.200*.94935.104 资本积累率.25135.000.65535.000 *. 这是真实显着水平的下限。 a. Lilliefors 显着水平修正 此表给出了对每一个变量进行正态性检验的结果，因为该例中样本中 n=35<2000，所以此处选用Shapiro-Wilk统计量。由Sig.值可以看到，总资产周转率、流动资产周转率、已获利息倍数及资本积累率均明显不遵从正态分布，因此，在下面的分析中，我们只对净资产收益率、总资产报酬率、资产负债率及销售增长率这四个指标进行比较，并认为这四个变量组成的向量遵从正态分布（尽管事实上并非如此）。这四个指标涉及公司的获利能力、资本结构及成长能力，我们认为这四个指标可以对公司运营能力做出近似的度量。 2. 主体间因子 N

行业电力、煤气及水的 生产和供应业 11 房地行业15 信息技术业9 多变量检验a 效应值F假设 df 误差 df Sig. 截距Pillai 的跟 踪 .967.000 Wilks 的 Lambda .033.000 Hotelling 的跟踪 .000 Roy 的最大 根 .000 行业Pillai 的跟 踪 .481.027 Wilks 的 Lambda .563.025 Hotelling 的跟踪 .698.024 Roy 的最大 根 .559.008 a. 设计 : 截距 + 行业 b. 精确统计量 c. 该统计量是 F 的上限，它产生了一个关于显着性级别的下 限。 上面第一张表是样本数据分别来自三个行业的个数。第二张表是多变量检验表，该表给出了几个统计量，由Sig.值可以看到，无论从哪个统计量来看，三个行业的运营能力（从净资产收益率、总资产报酬率、资产负债率及销售增长率这四个指标的整体来看）都是有显着差别的。 3. 主体间效应的检验

多元统计分析自己写

多元统计分析有哪些应用? 比较 关系 预测 分类 评价 各种应用对应的多元统计分析方法 比较：多元方差分析 关系：回归模型 预测：回归模型 分类：聚类分析与判别分析、回归模型 评价：主成分分析与因子分析 ?多元回归、logisitic回归、Cox回归、Poisson回归 多元统计分析方法主要内容 多元T检验、多元方差分析 ?Hotelling T2 ?multivariate analysis of variance (MANOV A) 多元线性回归(multivariate linear regression) logistic回归(logistic regression) Cox比例风险模型(Cox model) Poisson回归(Poisson regression) 聚类分析(cluster analysis) 判别分析(discriminant analysis) 主成分分析和因子分析 生存分析 本课程的要求 上机做练习，分析实际资料 学会看文献，判断统计分析的应用是否正确 统计软件SAS，或Stata, SPSS10.01 考试： 理论占30%，实验占70% 二、多元统计分析的基本概念 研究因素从广义的角度看，所有可以测量的变量都可以成为研究因素，比如：年 龄、性别、文化程度、人体的各种生物学特征和生理生化指标环境因素、心理因素等。狭义来看，研究因素是指可能与研究目的有关的影响因素 多元统计分析对多变量样本的要求 ①分布：多元正态分布、相互独立、多元方差齐 ②样本含量 目前尚没有多元分析的样本含量估计方法，一般认为样本含量应超过研究因素5-10倍以上即可。 数值变量→分类成有序分类变量 哑变量的数量=K-1（K为分类数）

多元统计分析论文

多元统计分析论文标准化管理处编码[BBX968T-XBB8968-NNJ668-MM9N]

关于各地区固定资产投资价格指数的分析 摘要：本文主要通过主成分分析、聚类分析和判别分析对全国30多个省的固定资产投资指数、建筑安装工程指数、设备工器具购置指数、其他费用指数进行分析。 关键词：主成分分析、欧氏距离、系统聚类分析、判别分析 Summary：This article mainly through the principal components analysis, the cluster analysis and the distinction analysis to the national more than 30 province investment in the fixed assets indices, construction and installation the project index, the equipment labor appliance purchase index, other expense index carries on the analysis. Keywords：Principal Components Analysis、Euclidean distance、Discriminant analysis 一、导言： 注意微量信息引起的巨变，蝴蝶效应就是微量信息在一定条件下发生作用的过程。在我们的经济活动中，每天的信息是大量的，这就要求我们从中发现那些对经济能产生最大影响的信息，有些是微量信息，有些是次级别的信息，本文的各地区固定资产投资价格指数就是一个非常值得深入发觉的信息。该指数可以准确地反映固定资产投资中涉及的各类投资品和取费项目价格变动趋势和变动幅度，消除按现价计算的固定资产投资指标中的价格变动因素，真实地反映固定资产投资的规模、速度、结构和效益，为国家科学地制定、检查固定资产投资计划并提高宏观调控水平，为完善国民经济核算体系提供科学的、可靠的依据。