4. 实验结果及分析。 初始聚类中心 聚类 1 2 -1.19197 -1.21582 -.58671 -.44782 -1.08753 2.74311 3 2.45457 2.39791 1.42907 2.10744 -.95640 .14202 .02881 Zscore(企业个数) .04567 Zscore(盈利个数) -.11133 Zscore(净利润) -.34695 Zscore(营业收入) 1.90731 Zscore(增加值率) Zscore(全员劳动生产率) -.54389 迭代历史记录a 聚类中心中的变动 迭代 1 2 3 4 1 1.656 .588 .124 .000 2 1.417 .000 .000 .000 3 1.584 .965 .180 .000 聚类中心的选择原则是聚核点距离其他点尽可能远。 随着迭代次数增加，类别聚合点的变化越来越小，实验中只用了4次迭代就已经收敛了。 最终聚类中心 聚类 Zscore(企业个数) Zscore(盈利个数) Zscore(净利润) Zscore(营业收入) Zscore(增加值率) 1 -.38144 -.37598 -.58152 -.61849 .31160 2 -1.09240 -1.09455 -.41480 -.50521 -.82668 3 .97617 .96753 1.11302 1.20300 -.28172 第5页 共14页
Zscore(全员劳动生产率) -.60570 1.37105 .61837 此表表示各个类在各个变量上的平均值。 ANOVA 聚类 误差 自由度 2 2 2 2 2 2 均方 .497 .505 .383 .269 .908 .493 自由度 27 27 27 27 27 27 F 15.679 15.199 24.337 40.432 2.476 15.936 显著性 .000 .000 .000 .000 .103 .000 Zscore(企业个数) Zscore(盈利个数) Zscore(净利润) Zscore(营业收入) Zscore(增加值率) Zscore(全员劳动生产率) 均方 7.791 7.679 9.327 10.870 2.247 7.850 由此表的显著性一栏中可以看出，各类之间的差异都是显著的（接近于0），表示将30个地区分为三类是合理的。这已证明了上个实验的结论是相对可靠的。 三.主成分分析： 1.实验内容：用spss对2015-2016赛季NBA常规赛50位球员进行主成分分析，并从数据中得出一些相关统计结果。 2. 实验目的： 掌握主分析的基本思想，并能够对分析结果进行解释。 3. 实验环境 SPSS软件。 4. 实验过程： 1、数据采集，选取2015-2016赛季现役50位球员常规赛的各项指标，包括出场时间、得分、篮板、助攻、抢断、盖帽、失误、犯规、投篮命中率、罚球命中率和效率值11项指标。
第6页 共14页
2、对表中数据选取适当的指标做主成分分析。对以上数据进行主成分分析，选择变量为得分、篮板、助攻、抢断、盖帽、失误、投篮命中率、罚球命中率和效率值9个变量。 相关性矩阵 相关得分 性 篮板 助攻 抢断 盖帽 失误 投篮命中率 罚球命中率 效率值 公因子方差 初始 提取 得分 篮板 助攻 抢断 盖帽 投篮命失误 中率 -.181 .674 -.363 -.276 .675 -.328 1.000 -.629 .301 罚球命中率 .310 -.594 .295 .217 -.385 .215 -.629 1.000 效率值 .684 .509 .262 .400 .225 .456 .301 -.071 1.000 -.023 .171 .370 -.198 .523 -.023 1.000 -.405 -.163 .739 -.125 .171 -.405 1.000 .591 -.580 .672 .370 -.163 .591 1.000 -.398 .592 -.198 .739 -.580 -.398 1.000 -.370 .523 -.125 .672 .592 -.370 1.000 -.181 .310 .684 .674 -.594 .509 -.363 .295 .262 -.276 .217 .400 .675 -.385 .225 -.328 .215 .456 -.071 1.000 得分 1.000 .882 篮板 1.000 .864 助攻 1.000 .835 抢断 1.000 .687 盖帽 1.000 .783 失误 1.000 .765 投篮命中1.000 .783 率 罚球命中1.000 .777 率 效率值 1.000 .937 提取方法：主成分分析法。 总方差解释 初始特征值 方差百累总计 分比 积 % 3.843 2.468 1.003 .498 .429 .386 42.697 27.425 11.144 5.534 4.772 4.284 提取载荷平方和 方差百累总计 分比 积 % 旋转载荷平方和 方差百累总计 分比 积 % 32.792 32.792 27.441 60.233 21.034 81.267 成分 1 2 3 4 5 6 42.697 3.843 70.123 2.468 81.267 1.003 86.801 91.573 95.857 42.697 42.697 2.951 27.425 70.123 2.470 11.144 81.267 1.893 第7页 共14页
2.494 98.351 1.398 99.749 100.00 .023 .251 0 提取方法：主成分分析法。 7 8 9 .224 .126 5. 实验结果分析： 从相关性矩阵可以看出所选取变量之间的相关性大小，比如篮板和盖帽之间的相关性为0.739，说明他们之间的相关性比较高，从公因子方差表可以看出，主成分分析对各个变量所提取的量都超过了0.6，说明，我们选取的变量还是比较好的。从总方差解释表和碎石图可以看出，数据一共被提取了3个主成分，累计方差贡献率为81.267%，虽然没有达到85%，但是也可以接受。从最后的结果得出，我们用三个主成分解释了所由9个变量，解释率达到了81.367%，在可接受的范围以内。 四.因子分析： 1.实验内容： 对各地区年平均收入进行因子分析，数据如下表： 各地区年平均收入 地区 北京 天津 河北 山西 内蒙古 辽宁 国有经济单位 10907 8689 6066 5791 5462 6226 集体经联营经股份制经济单位 济单位 济单位 8259 5083 3843 3177 3551 3583 9917 5667 5073 3349 5290 3789 12864 11829 6029 5267 4407 6618 第8页 共14页
外商投资经济单位 18058 11797 6323 6367 5512 9158 港澳台其他经济经济单单位 位 14945 37096 8950 5109 6186 7125 6290 5044 4599 3581 7417 4899
