级同学的课程论文一篇代模板.docx
- 文档编号:30492811
- 上传时间:2023-08-15
- 格式:DOCX
- 页数:15
- 大小:147.31KB
级同学的课程论文一篇代模板.docx
《级同学的课程论文一篇代模板.docx》由会员分享,可在线阅读,更多相关《级同学的课程论文一篇代模板.docx(15页珍藏版)》请在冰豆网上搜索。
级同学的课程论文一篇代模板
《数据分析与统计软件》
课程论文
题目:
我国城镇居民人均生活消费支出的统计分析研究
学生姓名:
xxxxxx
学号:
1309xxxxxx
专业班级:
数学自动回复功能保自动回复功能自自动回复功能保存+文档1自动回复功能保存+文档1自动回复功能保存+文档1动回复功能保存+文档1文档1存+文档1用数学1301
指导教师:
丁永臻
2015年12月1日
我国城镇居民人均生活消费支出的统计分析研究
摘要
近年来中国经济发生了翻天覆地的变化,人民的生活水平得到了很大的提高。
而消费水平是衡量人民生活水平的重要方面。
但是,由于我国各省市的经济背景、社会背景和环境背景等都存在着这样或那样的差异,从而导致了生活消费水平也参差不齐。
为了客观的了解我国城镇居民人均生活消费支出,正确认识和评价居民消费水平,本文以主成分分析和聚类分析为出发点,研究分析了我国31个地区城市城镇居民生活消费水平的差异,并且通过R软件对我国农村居民的人均消费情况进行科学的分析。
关键词主成分分析聚类分析居民人均消费水平
一、引言
近年来,我国国民经济得到了迅速发展,人民生活水平进一步提高,物质文明建设达到了前所未有的水平。
但由于我国各地区经济发展水平不均衡,加之各地人口、资源、政策等各方面存在的差异,使各地区居民人均消费水平参差不齐,不同的地区具有不同的特点。
在这一背景下,研究我国各地区城镇居民人均消费性支出情况,明确各类地区城镇居民人均消费性支出的差异与特点,有利于决策部门从宏观上把握我国各地区的消费情况,协调各地区的发展,切实落实“出口、投资和消费共同发展”的经济政策,推动我国经济再上一个新台阶。
其次,消费结构可以反映居民的生活质量和经济发展水平。
一般来说,经济越发达的地区,其消费结构就越趋向于追求安逸享受的消费结构。
在这样的消费结构中,奢侈品支出如住房、服务性支出所占的比例就会较大。
反之,在经济较不发达的地区中,生活必需品消费支出所占的比例就会较大。
随着社会主义市场经济体制的逐步完善,我国的社会生产力不断日益加快发展,经济总量和综合实力迅速上升,城镇居民的生活水平显著提高。
相对过去而言,居民食品方面的消费支出比重在逐渐下降,而在交通通讯、文化娱乐等方面的消费支出比重越来越大。
消费结构的变化,反映居民需求的变化。
研究我国城镇居民消费性支出情况及其影响因素,对建立合理的消费结构,扩大内需,搞活社会主义市场经济,制定产业政策,促进国民经济的发展都有着极其重要的意义。
二、主成分分析的原理及步骤
2.1主成分分析的原理
在实际问题的研究中,往往会涉及众多变量。
但变量太多不但会增加计算复杂性,也给合理地分析问题带来困难,一般情况下,变量间有一定的相关性,提供的信息在一定程度上有所重叠。
主成分分析是一种把多个变量化为少数几个主成分的统计分析方法。
是在保证数据信息丢失最少的情况下,对高维空间进行降维已达到简化分析的目的。
这些主成分通常表示为原始变量的某种线形组合。
在本身作为目标的主成分分析中,首先应该保证所提取的前几个主成分的累积贡献率达到一个较高的水平(即变量降维后的信息量必须保持在一个较高水平上),其次对这些被提取的主成分都必须能够给出符合实际背景和有意义的解释(否则主成分将有空余信息量则无实际含义)。
2.1主成分分析的步骤
1.对原始数据标准化。
2.计算相关系数矩阵。
3.计算特征值与特征向量。
4.得各主成分得分
三、引入变量建立主成分分析模型
3.1数据来源
本文数据为各地区域城镇居民家庭平均每人全年消费性支出(1999年),来自《2000年中国统计年鉴》,具体表格见附录。
表1列出了1999年全国31个省、直辖市和自治区(港、澳、台不在其中)的城镇居民家庭平均每人全年消费性支出的八个主要变量数据。
这八个变量是
:
食品支出
:
交通和通讯
:
衣着支出
:
娱乐教育文化服务
:
家庭设备用品及服务
:
居住
:
医疗保健
:
杂项商品和服务
表1各地区域城镇居民家庭平均每人全年消费性支出(1999年)
地区
北京
2959.19
730.79
749.41
513.34
467.87
1141.82
478.42
457.64
天津
2459.77
495.47
697.33
302.87
284.19
735.97
570.84
305.08
河北
1495.63
515.90
362.37
285.32
272.95
540.58
364.91
188.63
山西
1406.33
477.77
290.15
208.57
201.50
414.72
281.84
212.10
内蒙古
1303.97
524.29
254.83
192.17
249.81
463.09
287.87
192.96
辽宁
1730.84
553.90
246.91
279.81
239.18
445.20
330.24
163.86
吉林
1561.86
492.42
200.49
218.36
220.69
459.62
360.48
147.76
黑龙江
1410.11
510.71
211.88
277.11
224.65
376.82
317.61
152.85
上海
3712.31
550.74
893.37
346.93
527.00
1034.98
720.33
462.03
江苏
2207.58
449.37
572.40
211.92
302.09
585.23
429.77
252.54
浙江
2629.16
557.32
689.73
435.69
514.66
795.87
575.76
323.36
安徽
1844.78
430.29
271.28
126.33
250.56
513.18
314.00
151.39
福建
2709.46
428.11
334.12
160.77
405.14
461.67
535.13
232.29
江西
1563.78
303.65
233.81
107.90
209.70
393.99
509.39
160.12
山东
1675.75
613.32
550.71
219.79
272.59
599.43
371.62
211.84
河南
1427.65
431.79
288.55
208.14
217.00
337.76
421.31
165.32
湖北
1783.43
511.88
282.84
201.01
237.60
617.74
523.52
182.52
湖南
1942.23
512.27
401.39
206.06
321.29
697.22
492.60
226.45
广东
3055.17
353.23
564.56
356.27
811.88
873.06
1082.82
420.81
广西
2033.87
300.82
338.65
157.78
329.06
621.74
587.02
218.27
海南
2057.86
186.44
202.72
171.79
329.65
477.17
312.93
279.19
重庆
2303.29
589.99
516.21
236.55
403.92
730.05
438.41
225.80
四川
1974.28
507.76
344.79
203.21
240.24
575.10
430.36
223.46
贵州
1673.82
437.75
461.61
153.32
254.66
445.59
346.11
191.48
云南
2194.25
537.01
369.07
249.54
290.84
561.91
407.70
330.95
西藏
2646.61
839.70
204.44
209.11
379.30
371.04
269.59
389.33
陕西
1472.95
390.89
447.95
259.51
230.61
490.90
469.10
191.34
甘肃
1525.57
472.98
328.90
219.86
206.65
449.69
249.66
228.19
青海
1654.69
437.77
258.78
303.00
244.93
479.53
288.56
236.51
宁夏
1375.46
480.89
273.84
317.32
251.08
424.75
228.73
195.93
新疆
1608.82
536.05
432.46
235.82
250.28
541.30
344.85
214.40
资料来源:
2000年《中国统计年鉴》
3.2主成分分析
(1)计算样本相关系数阵
由于多个变量使用的量纲可能各不相同或者变量间的数值大小相差很大,因此,首先要将初始变量标准化。
把全国31个省市作为样本,将食品支出(x1),衣着支出(x2),家庭设备及服务支出(x3),医疗保健支出(x4),交通通讯(x5),教育文化娱乐支出(x6),居住支出(x7),其他商品及服务支出(x8)八项支出作为变量。
这样就得到了原始数据,计算出相关系数阵(单位化正交化的特征向量,即各主成分对应的系数)为:
从输出结果可以看出:
前三个主成分的累计方差贡献率已达到87.81%以上,所以决定用三个新变量代替原来的八个变量,前三个主成分为:
Y1=-0.401x1-0.132x2-0.375x3-0.320x4-0.388x5-0.406x6-0.326x7-0.396x8
Y2=0.749x2+0.345x4-0.232x5-0.496x7
Y3=0.415x1+0.332x2-0.442x3-0.478x4+0.279x5-0.310x6-+0.345x8
从程序结果可以看出,前两个和前三个主成分的累计贡献率分别达到80.62%和87.81%,第一主成分
在所有变量(除在
上的载荷稍偏小外)上都有近似相等的负载荷,反映了综合消费性存款余额的水平,因此第一主成分可称为综合消费性支出成分。
(单位正交化特征向量可能差一个负号)第二主成分
在变量
上有很高的正载荷,在变量
上有中等的正载荷,而在其余变量上有负载荷或很小的正载荷。
可以认为这个主成分度量了受地区气候影响的消费性支出(主要是衣着支出x2,其次是居住x7),在所有消费性支出中占的比重(也可理解为一种消费倾向),第二主成分可称为消费倾向成分。
第三主成分很难给出明显的解释,因此我们只取前面两个主成分。
图1碎石图
碎石图可以帮助我们确定主成分合适个数的有用的视觉工具,在碎石图上选取一个转折点(m,λm),此转折点之后的特征值全部较小且彼此差不多,m就作为主成分的个数。
从下图可以明显得出:
第三个转折点之后的特征值全部较小而且彼此差不多,因此我们选取前三个主成分代替原来的八个变量,这与由累计方差贡献率得到的结果一致。
图2双图
双图(biplot)生成了以第一主成分为横轴,第二主成分为纵轴,各省、市、自治区的成分图,双图上面距离越近的省市各项指标差异越小。
从图2中可以看出,上海、广东和北京在最右边,城镇居民综合消费性支出是最高的;其次是浙江和天津;江西在散点图的最左边,表明综合消费性支出是最低的;北京和西藏在散点图的最上边,说明受地区气候影响的消费性支出占的比重最高;广东在最底部,表明受地区气候影响的消费性支出占的比重最低。
如果我们只是要根据
来比较各地区城镇居民消费性支出的总水平,则消费性总支出
无疑是最合适的,它的含义确切且富有很好的实际意义。
但如果我们要比较的不是总水平而是整体水平,则使用单个变量
就有其不足之处,它的信息量不够足,未能较充分地提取
中的有用信息。
本案例所进行的主成分分析却能弥补此种不足,(从
出发的)前两个主成分
和
合在一起能够包含有
的较多信息,除了
能在某种意义上反映消费性支出总水平外,
还能进一步反映对各地区消费性支出差异起较重要作用的某种消费倾向。
这是把31个地区分别按第一主成分得分从小到大重新排序后的结果。
可以看出,东部地区的第一主成分得分普遍较高,中部地区一般,而西部地区则普遍较低。
利用全国31个省市城镇居民家庭消费支出的八个指标作为研究对象,用R软件进行主成分分析,将八个指标降维到三个主成分,更有效、准确的对地区综合消费水平进行评价。
四、聚类分析的原理及步骤
4.1聚类分析原理
聚类分析就是将未知数据按相似程度分到不同的类或簇的过程。
其实质就是寻找一种能客观反映元素之间亲疏关系的统计量,然后根据这种统计量把元素分成若干类。
常用的聚类统计量有距离系数和相似系数两类。
聚类分析的基本思想是在样品之间定义距离,在变量之间定义相似系数,距离或相似系数代表样品之间的相似程度。
按相似程度的大小将样品逐一归类,直到所有样品都聚类完毕,形成一个表示亲疏关系的谱系图,依次按照某些要求对样品进行分类。
4.2基本步骤
1.选择描述事物对象的变量(指标)。
2.建立样品数据资料矩阵。
3.确定数据是否要标准化。
4.确定表示对象距离或相似程度的统计量。
5.选择适当的聚类方法,进行聚类。
五、引入变量建立聚类分析模型
5.1引入变量
由于多个变量使用的量纲可能各不相同或者变量间的数值大小相差很大,因此,首先要将初始变量标准化。
把全国31个省市作为样本,将食品支出(x1),衣着支出(x2),家庭设备及服务支出(x3),医疗保健支出(x4),交通通讯(x5),教育文化娱乐支出(x6),居住支出(x7),其他商品及服务支出(x8)八项支出作为变量
5.2建立模型
5.2.1离差平方文档1和法
在聚类之前先对各变量作了标准化变换,这就使得各变量在聚类中所起的作用相同。
使用离差平方和法的聚类树形图的R输出分别如下:
离差平方和法的分三类结果为:
第Ⅰ类:
北京、浙江、上海和广东。
第Ⅱ类:
天津、江苏、云南、重庆、河北、新疆、山东、湖北、四川、湖南、广西、海南和西藏。
第Ⅲ类:
山西、甘肃、内蒙古、辽宁、黑龙江、吉林、青海、宁夏、安徽、福建、贵州、河南、陕西和江西。
这样的聚类有较好的经济意义。
第Ⅰ类都是我国经济最发达、城镇居民消费水平最高的沿海地区;第Ⅱ类基本是在我国属于经济发展水平和城镇居民消费水平中等的地区。
第Ⅲ类是在我国基本上属于经济较落后地区,城镇居民的消费水平也是较低的。
5.2.2K均值法
K均值聚类法的分三类结果为:
第Ⅰ类:
北京、浙江、上海和广东。
(标号为2)
第Ⅱ类:
天津、江苏、云南、重庆、新疆、山东、湖南、西藏。
第Ⅲ类:
河北、山西、甘肃、内蒙古、辽宁、湖北、四川、广西、黑龙江、吉林、青海、宁夏、安徽、福建、贵州、河南、陕西、海南和和江西。
离差平方和法和K均值聚类法得到的结果差别不大,并且聚在同一类的地区其八项消费性支出相差一般都不太大。
由于我国各地区城镇居民的消费水平有较大差距,且各项消费性支出的结构存在一定的相似性,因此这就使得聚类的结果主要表现为各地区消费水平的差异,即消费水平相近的地区倾向于聚在一个类中,而差距较大的地区倾向于分在不同的类中。
六、总结
本文根据1999年我国城镇居民人均消费支出数据,利用系统主成分因子分析法和系统聚类分析法,对各地区31个省、市、自治区城镇居民人均消费进行分类,首先利用主成分因子分析法进行分析,根据综合得分对我国各地区城镇居民人均消费支出进行排序和分类,并进行综合评价,结果表明,分为三类较好地反映实际情况,然后利用系统聚类分析法,分类结果显示,系统聚类分析法得出的结果也较好,但同时也存在一定缺陷,对于聚类分析法,它是一种比较好的排序方法,但需要指出的是,本文没有对我国城镇居民人均消费支出结构进行详细探讨,仅仅是进行分类和排序。
优点
1.主成分因子分析方法充分提取了大量的信息;
2.利用系统聚类分析得出我国各类地区城镇居民人均消费支出分类效果较好。
缺点
1.系统聚类分析法得出的结果较好,但同时也存在一定缺陷;
2.本文没有对我国城镇居民人均消费支出结构进行详细探讨,仅仅是进行分类和排序。
致谢
《数据分析与统计软件》的学习生活即将结束,在此,我要感谢所有曾经教导过我的老师和关心过我的同学,他们在我成长过程中给予了我很大的帮助。
本文能够成功的完成,要特别感谢我的课程老师丁永臻老师的关怀和教导。
参考文献
[1]《全国区域经济发展水平的聚类分析》罗姗、朱国会重庆交通学院学报(社会版)
[2]《我国农村居民消费结构的聚类分析》孙颖、郑春梅北京工业大学学报
[4]《基于改进的K-means聚类算法人体体型分析报告》郭敏、张欣、贺兴时
[5]山东省统计局.山东省统计年鉴—2000[M].中国统计出版社
[6]朱建平.应用多元统计分析.科学出版社
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 同学 课程 论文 一篇 模板
![提示](https://static.bdocx.com/images/bang_tan.gif)