【文章內容簡介】 顯示，GDP與NINV之間存在顯著的正相關關系。在此前提下進一步進行回歸分析，建立一元線性回歸方程。圖表回歸輸入／移去的變量b模型輸入的變量移去的變量方法1NINVa.輸入a. 已輸入所有請求的變量。b. 因變量: GDP模型匯總b模型RR 方調整 R 方標準 估計的誤差1.985a.970.968a. 預測變量: (常量), NINV。b. 因變量: GDP上表給出了回歸模型的擬和優(yōu)度（R Square ）、調整的擬和優(yōu)度（Adjusted R Square ）、估計標準差（Std. Error of the Estimate）以及Durbin －Watson統(tǒng)計量。從結果來看，即GDP的90％以上的變動都可以被該模型所解釋，擬和優(yōu)度較高。Anovab模型平方和df均方FSig.1回歸1.000a殘差14總計15a. 預測變量: (常量), NINV。b. 因變量: GDP上表給出了回歸模型的方差分析表，可以看到，對應的p值為0，所以，拒絕模型整體不顯著的原假設，即該模型的整體是顯著的。系數(shù)a模型非標準化系數(shù)標準系數(shù)tSig.B標準 誤差試用版1(常量).004NINV.150.985.000a. 因變量: GDP上表給出了回歸系數(shù)、回歸系數(shù)的標準差、標準化的回歸系數(shù)值以及各個回歸系數(shù)的顯著性t 檢驗。從表中可以看到無論是常數(shù)項還是解釋變量x，其t ，因此， 的顯著性水平下都通過了t 檢驗。，即NINVa每增加1億元。殘差統(tǒng)計量a極小值極大值均值標準 偏差N預測值16殘差.0000016標準 預測值.00016標準 殘差.000.96616a. 因變量: GDP圖表實驗六 聚類分析一　實驗目的１通過描述統(tǒng)計分析方法，判斷哪些消費支出水平較高 描述統(tǒng)計分析方法主要是從基本統(tǒng)計量（諸如均值、方差、標準差、極大/小值、偏度、峰度等）的計算和描述開始的，并輔助于SPSS提供的圖形功能，能夠把握數(shù)據(jù)的基本特征和整體的分布特征。 在本案例中，通過比較不同消費支出的均值、極大/小值，可以從總體上判斷哪些消費的平均支出水平較高，哪些消費支出的較低。 ２ 通過聚類分析方法，判斷哪些地區(qū)平均消費水平較高 聚類分析是依據(jù)研究對象的個體特征，對其進行分類的方法，分類在經濟、管理、社會學、醫(yī)學等領域，都有廣泛的應用。聚類分析能夠將一批樣本（或變量）數(shù)據(jù)根據(jù)其諸多特征，按照在性質上的親疏程度在沒有先驗知識的情況下進行自動分類，產生多個分類結果。類內部個體特征之間具有相似性，不同類間個體特征的差異性較大。二　實驗原理系統(tǒng)聚類法 系統(tǒng)聚類法的基本原理：首先將一定數(shù)量的樣本或指標各自看成一類，然后根據(jù)樣本（或指標）的親疏程度，將親疏程度最高的兩類進行合并，然后考慮合并后的類與其他類之間的親疏程度，再進行合并。重復這一過程，直到將所有的樣本（或指標）合并為一類。 系統(tǒng)聚類分為Q型聚類和R型聚類兩種：Q型聚類是對樣本進行聚類，它使具有相似特征的樣本聚集在一起，使差異性大的樣本分離開來；R型聚類是對變量進行聚類，它使差異性大的變量分離開來，相似的變量聚集在一起，這樣就可以在相似變量中選擇少數(shù)具有代表性的變量參與其他分析，實現(xiàn)減少變量個數(shù)、降低變量維度的目的。 類與類之間距離的計算方法主要有以下幾種： （1） 最短距離法（Nearest Neighbor），是指兩類之間每個個體距離的最小值； （2） 最長距離法（Farthest Neighbor），是指兩類之間每個個體距離的最大值； （3） 組間聯(lián)接法（Betweengroups Linkage），是指兩類之間個體之間距離的平均值；（4） 組內聯(lián)接（Withingroups Linkage），是指把兩類所有個體之間的距離都考慮在內； （5） 重心距離法（Centroid clustering），是指兩個類中心點之間的距離； （6） 離差平方和法（Ward法），同類樣品的離差平方和應當較小，類與類之間的離差平方和應當較大。 K均值法（快速聚類法） K均值法（又稱快速聚類法），是由MacQueen于1967年提出的，它將數(shù)據(jù)看成K維空間上的點，以距離作為測度個體“親疏程度”的指標，并通過犧牲多個解為代價換得高的執(zhí)行效率。但是，K均值法只能產生指定類數(shù)的聚類結果，而類數(shù)的確定離不開實踐經驗的積累。 快速聚類分析的基本思想是：首先按照一定方法選取一批凝聚點（聚心），再讓樣本向最近的凝聚點凝聚，形成初始分類，然后再按最近距離原則修改不合理的分類，直到合理為止。因此，在快速聚類中，應首先要求用戶自行給出需要聚成多少類，最終也只能輸出關于它的唯一解?？焖倬垲愂且粋€反復迭代的分類過程，在聚類過程中，樣本所屬的類會不斷調整，直到最終達到穩(wěn)定為止。三　實驗結果描述統(tǒng)計量N極小值極大值均值標準差食品30衣著30家庭設備30醫(yī)療保健30交通通信30教育文化30居住30雜項30有效的 N （列表狀態(tài)）30輸出結果分析：分析描述統(tǒng)計量的輸出結果以表格給出，很容易看出各種消費的均值、最大值和最小值等。案例處理摘要a案例有效缺失合計N百分比N百分比N百分比30%0.0%30%a. 平方 Euclidean 距離 已使用近似矩陣案例 平方 Euclidean 距離 1:北 京2:天 津3:河 北4:山 西5:內 蒙6:遼 寧7:吉 林8:黑 龍9:上 海10:江 蘇1:北 京.000.6332:天 津.000.890.691.861.5513:河 北.890.000.072.167.149.089.089.3564:山 西.072.000.113.271.127.045.5215:內 蒙.167.113.000.247.162.134.3826:遼 寧.691.149.271.247.000.061.172.3977:吉 林