【文章內(nèi)容簡介】 325云 南 326西 藏 327陜 西 328甘 肅 329青 海 330寧 夏 331新 疆 3表1（2）根據(jù)表2，我們可以看到，第一類在各方面消費都比較適中，第二類在各方面都比較高，第三類在各方面消費偏低。說明了各省市在消費支出方面還是存在差異。最終聚類中心聚類123食品衣著居住家庭設備8691118630醫(yī)療保健9351075757交通和通信167331341220教育文化157025651070其它商品546794378 表2（3）結(jié)論:綜合以上的表和下面幾個表我們可以看出，在第一類中的省市為發(fā)展水平比較高的省市，在第二類中的各省市為首都直轄市等地區(qū)發(fā)展速度很快。最終聚類中心間的距離聚類123123 表3迭代歷史記錄a迭代聚類中心內(nèi)的更改123123.000.000.000a. 由于聚類中心內(nèi)沒有改動或改動較小而達到收斂。任何中心的最大絕對坐標更改為 .000。當前迭代為 3。初始中心間的最小距離為 。 表4ANOVA聚類誤差FSig.均方df均方df食品228.000衣著228.049居住228.000家庭設備228.000醫(yī)療保健228.012交通和通信228.000教育文化228.000其它商品228.000F 檢驗應僅用于描述性目的，因為選中的聚類將被用來最大化不同聚類中的案例間的差別。觀測到的顯著性水平并未據(jù)此進行更正，因此無法將其解釋為是對聚類均值相等這一假設的檢驗。 表5（1）附錄2是原有變量的相關系數(shù)矩陣及其檢驗?？梢钥吹?，大部分大的相關系數(shù)都比較高，各變量呈較強的線性關系，能夠從中提取公共因子，適合進行分析。（2）根據(jù)表6可知，，因此可認為相關系數(shù)矩陣與單位陣有顯著差異，同時，KM,，根據(jù)Kaiser給出的KMO度量標準可知原有變量適合進行分析。KMO 和 Bartlett 的檢驗取樣足夠度的 KaiserMeyerOlkin 度量。.827Bartlett 的球形度檢驗近似卡方df28Sig..000 表6（3）根據(jù)圖6可知，橫坐標為因子數(shù)目，縱坐標為特征值，可見，第一個因子的特征值很高，對解釋原有變量的貢獻很大，第四個以后的因子特征值都比較小，對解釋原有變量的貢獻很小，已經(jīng)成為可被忽略的“高山腳下的碎石”，因此提取三個因子是合適的。圖6( 4 ) 根據(jù)表9中，第一列是因子編號，以后三列一組，每組的含義依次是特征根值，方差貢獻率和累積方差貢獻率，第一組數(shù)據(jù)項（第二列到第四列）描述了因子初始解的情況?？梢钥吹?，解釋原有的8個變量總，%，第二組數(shù)據(jù)項（第五至第七列）描述了因子解的情況，可以看到，由于指定提取三個因子，%,總體上，三個因子反映了原有變量的大部分信息，因子分析效果較明顯。解釋的總方差成份初始特征值提取平方和載入合計方差的 %累積 %合計方差的 %累積 %123.419.4194.2985.1856.1667.0898.049.614提取方法：主成份分