畢業(yè)論文-基于聚類分析的我國(guó)各地gdp及影響因素分析(已修改)
2025-06-17 21:18 本頁(yè)面
【正文】 題 目 基于聚類分析的我國(guó)各地 GDP 及影響因素 分析 學(xué)生姓名 學(xué)號(hào) 所在學(xué)院 數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院 專業(yè)班級(jí) 數(shù)學(xué)與應(yīng)用數(shù)學(xué)專業(yè) 2021 級(jí)數(shù)應(yīng) 1 班 指導(dǎo)教師 陜西理工學(xué)院畢業(yè)論文 第 1 頁(yè) 共 11 頁(yè) 基于聚類分析的我國(guó)各地 GDP 及影響因素分析 （陜西理工學(xué)院數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院數(shù)學(xué)與應(yīng)用數(shù)學(xué) 1101班 ,陜西 漢中 723001） 指導(dǎo)教師 : [摘要 ]:利用 SPSS 軟件對(duì)全國(guó) 30 個(gè)省、直轄市、自治區(qū)的主要經(jīng)濟(jì)指標(biāo)進(jìn)行聚類分析 ,將其經(jīng)濟(jì)分成按照不同的分析方法可分為不同的幾種類型 .通過(guò)這種方法對(duì)全國(guó)各省進(jìn)行經(jīng)濟(jì)分類 .本文選取了 7 項(xiàng)經(jīng)濟(jì)指標(biāo)作為決定經(jīng)濟(jì)類型的影響因素 ,各項(xiàng)數(shù)據(jù)均來(lái)自 2021 年國(guó)家統(tǒng)計(jì)年鑒 .分析結(jié)果表明：北京市和上海市穩(wěn)居第一類經(jīng)濟(jì)類型；江蘇省和、山東省、廣東省和浙江多數(shù)處于第四類經(jīng)濟(jì)；其他 25 個(gè)省、直轄市、自治區(qū)基本在第二類型與第三類型變化 . [關(guān)鍵詞 ]:SPSS 軟件 。聚類分析 。經(jīng)濟(jì)類型 。GDP 在當(dāng)今歐美主導(dǎo)的經(jīng)濟(jì)發(fā)展理論下 ,衡量一個(gè)國(guó)家的綜合實(shí)力看的不僅是國(guó)家的軍事實(shí)力、國(guó)家影響力 ,而更看重國(guó)家的經(jīng)濟(jì)實(shí)力 ,而 GDP 代表一國(guó)或一個(gè)地區(qū)所有常住單位和個(gè)人在一定時(shí)期內(nèi)全部生產(chǎn)活動(dòng)的最終成果 ,是當(dāng)期新創(chuàng)造財(cái)富的價(jià)值總量 ,它是一個(gè)國(guó)家經(jīng)濟(jì)實(shí)力的最好體現(xiàn) ,具有國(guó)際可比性 ,是聯(lián)合國(guó)國(guó)民經(jīng)濟(jì)核算體系 (SNA)中最重要的總量指標(biāo) ,為世界各國(guó)廣泛使用并用于國(guó)際比較 .眾所周知 2021年我國(guó) GDP躍居世界第三位 ,是僅次于美國(guó)、日本的第三大經(jīng)濟(jì)國(guó) ,而 2021年在金融危機(jī)的影響下我國(guó) GDP穩(wěn)中求進(jìn) ,依然保持著 %的增長(zhǎng)態(tài)勢(shì) .提高 GDP已經(jīng)成為經(jīng)濟(jì)發(fā)展的潮流 ,利用國(guó)家的各種有限資源 ,在最大程度上發(fā)揮資源的利用率 ,推動(dòng)經(jīng)濟(jì)的發(fā)展是勢(shì)在 必行的 ,因?yàn)橘Y源一直在減少 ,而人口一直在增加 ,要保持經(jīng)濟(jì)的增長(zhǎng)就必要抓住主要因素 ,提高 究我國(guó)整體的 GDP的意義就不大了，所以我選擇了對(duì)中國(guó)各地的 GDP進(jìn)行研究 .為了我國(guó)能夠均衡發(fā)展 . 聚類分析是研究（樣品或變量）分析問(wèn)題的一種多元統(tǒng)計(jì)方法，所謂類，通俗地說(shuō)，就是指相似元素的集合 .嚴(yán)格的數(shù)學(xué)定義是較麻煩的，在不同問(wèn)題中類的定義是不同的 . 為了將樣品（或變量）進(jìn)行分類，就需要研究樣品之間的關(guān)系 .目前用得最多的方法有兩個(gè)：一種方法是用相似系數(shù)，性質(zhì) 越接近的樣品 .另一種方法是將一個(gè)樣品看作 p維空間的一個(gè)點(diǎn)，并在空陜西理工學(xué)院畢業(yè)論文 第 2 頁(yè) 共 11 頁(yè) 間定義距離，距離越近的點(diǎn)歸為一類，距離越遠(yuǎn)的點(diǎn)歸為不同的類 . 聚類通過(guò)把目標(biāo)數(shù)據(jù)放入少數(shù)相對(duì)同源的組或 “ 類 ” （ cluster）里 .分析表達(dá)數(shù)據(jù)，（ 1）通過(guò)一系列的檢測(cè)將待測(cè)的一組基因的變異標(biāo)準(zhǔn)化，然后成對(duì)比較線性協(xié)方差 .（ 2）通過(guò)把用最緊密關(guān)聯(lián)的譜來(lái)放基因進(jìn)行樣本聚類，例如用簡(jiǎn)單的層級(jí)聚類（ hierarchical clustering）方法 .這種聚類亦可擴(kuò)展到每個(gè)實(shí)驗(yàn)樣本，利用一組基因總的線性相關(guān)進(jìn)行聚類 .（ 3）多維等級(jí)分析（ multidimensional scaling analysis,MDS）是一種在二維 Euclidean “ 距離 ” 中顯示實(shí)驗(yàn)樣本相關(guān)的大約程度 .（ 4） Kmeans 方法聚類，通過(guò)重復(fù)再分配類成員來(lái)使 “ 類 ” 內(nèi)分散度最小化的方法 . 聚類方法有兩個(gè)顯著的局限：首先，要聚類結(jié)果要明確就需分離度很好（ wellseparated）的數(shù)據(jù) .幾乎所有現(xiàn)存的算法都是從互相區(qū)別的不重疊的類數(shù)據(jù)中產(chǎn)生同樣的聚類 .但是，如果類是擴(kuò)散且互相滲透，那么每種算法的的結(jié)果將有點(diǎn)不同 .結(jié)果，每種算法界定的邊界不清，每種聚類算法得到各自的最適結(jié)果，每個(gè)數(shù) 據(jù)部分將產(chǎn)生單一的信息
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1