-19-1題目分析1.1調(diào)查目的本次課程設(shè)計(jì)的目的是為了了解我國農(nóng)產(chǎn)品的產(chǎn)量，農(nóng)產(chǎn)品成本是農(nóng)產(chǎn)品價(jià)值的重要組成部分，在市場(chǎng)經(jīng)濟(jì)條件下，及時(shí)、準(zhǔn)確地了解和掌握農(nóng)產(chǎn)品的生產(chǎn)成本水平，對(duì)于制定合理的農(nóng)產(chǎn)品價(jià)格與流通政策，加強(qiáng)農(nóng)業(yè)宏觀調(diào)控，科學(xué)有效地組織指導(dǎo)農(nóng)業(yè)生產(chǎn)，優(yōu)化農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)，促進(jìn)農(nóng)業(yè)生產(chǎn)的穩(wěn)步發(fā)展，具有十分重要的意義。1.2設(shè)計(jì)方法運(yùn)用因子分析和聚類分析兩種方法，利用SPSS軟件對(duì)主要農(nóng)產(chǎn)品單位面積產(chǎn)量進(jìn)行分析，從而得到結(jié)果。因子分析的基本目的就是用少數(shù)幾個(gè)因子去描述許多指標(biāo)或因素之間的聯(lián)系，即將相關(guān)比較密切的幾個(gè)變量歸在同一類中，每一類變量就成為一個(gè)因子，以較少的幾個(gè)因子反映原資料的大部分信息。運(yùn)用這種研究技術(shù)，我們可以方便地找出影響某時(shí)間的主要因素是哪些，以及它們的影響力運(yùn)用這種研究技術(shù)，我們還可以為市場(chǎng)細(xì)分做前期分析。我們所研究的樣品（網(wǎng)點(diǎn)）或指標(biāo)（變量）之間存在程度不同的相似性（親疏關(guān)系——以樣品間距離衡量）。于是根據(jù)一批樣品的多個(gè)觀測(cè)指標(biāo)，具體找出一些能夠度量樣品或指標(biāo)之間相似程度的統(tǒng)計(jì)量，以這些統(tǒng)計(jì)量為劃分類型的依據(jù)。把一些相似程度較大的樣品（或指標(biāo)）聚合為一類，把另外一些彼此之間相似程度較大的樣品（或指標(biāo)）又聚合為另一類，直到把所有的樣品（或指標(biāo)）聚合完畢，這就是聚類分析。2背景分析2.1理論一因子分析的基本目的就是用少數(shù)幾個(gè)因子去描述許多指標(biāo)或因素之間的聯(lián)系，即將相關(guān)比較密切的幾個(gè)變量歸在同一類中，每一類變量就成為一個(gè)因子（之所以稱其為因子，是因?yàn)樗遣豢捎^測(cè)的，即不是具體的變量），以較少的幾個(gè)因子反映原資料的大部分信息。因子分析是處理多變量數(shù)據(jù)的一種統(tǒng)計(jì)方法，它可以揭示多變量之間的關(guān)系，其主要目的是從眾多的可觀測(cè)得變量中概括和綜合出少數(shù)幾個(gè)因子，用較少的因子變量來最大程度地概括和解釋原有的觀測(cè)信息，從而建立起簡(jiǎn)潔的概念系統(tǒng)，揭示出事物之間本質(zhì)的聯(lián)系。主要適用于在沒有任何前提預(yù)設(shè)假定下，研究者用它來對(duì)觀察變量因子結(jié)構(gòu)的尋找、對(duì)因子的內(nèi)容以及變量的分類。通過共變關(guān)系的分解，進(jìn)而找出最低限度的主要成分，讓你后進(jìn)一步探討這些主成分或共同因子與個(gè)別變量之間的關(guān)系，找出觀察變量與其對(duì)應(yīng)因子之間的強(qiáng)度，即所謂的因子負(fù)荷值，以說明因子與所屬的觀察變量的關(guān)系，決定因子的內(nèi)容。要求研究者對(duì)研究對(duì)象潛在變量的內(nèi)容與性質(zhì)，在測(cè)量之初就必須有非常明確的說明，或有具體的理論基礎(chǔ)，并已先期決定相對(duì)應(yīng)的觀測(cè)變量的組成模式，進(jìn)行因子分析的目的是為了檢驗(yàn)這一先前提出的因子結(jié)構(gòu)的適合性。2.2理論二聚類分析是研究“物以類聚”的一種科學(xué)有效的方法。做聚類分析時(shí)，出于不同的目的和要求，可以選擇不同的統(tǒng)計(jì)量和聚類方法。系統(tǒng)聚類是目前應(yīng)用最為廣泛的一種聚類方法，其基本思想是：先將待聚類的n個(gè)樣品（或者變量）各自看成一類，共有n類；然后按照實(shí)現(xiàn)選定的方法計(jì)算每兩類之間的聚類統(tǒng)計(jì)量，即某種距離（或者相似系數(shù)），將關(guān)系最為密切的兩類合為一類，其余不變，即得到n-1類；再按照前面的計(jì)算方法計(jì)算新類與其他類之間的距離（或相似系數(shù)），再將關(guān)系最為密切的兩類并為一類，其余不變，即得到n-2類；如此下去，每次重復(fù)都減少一類，直到最后所有的樣品（或者變量）都?xì)w為一類為止。3實(shí)例分析3.1數(shù)據(jù)表3-12013數(shù)據(jù)(單位：噸)地區(qū)谷物棉花花生油菜籽芝麻黃紅麻甘蔗甜菜烤煙北京6191107829987909200000天津534412373484014500000河北547694636581613137523740455751807山西4509130723141431108100488583030內(nèi)蒙古572614541969116290300395883903遼寧7044188132591911194300514022876吉林7875184837650115100272612510黑龍江6248028756198145100319322511上海6888195526692142142704832900江蘇66421349374527371781060761100001700浙江6453142328231984170032936195500安徽565188147342289141229484012102582福建600275526441456124632136115302141江西5963154627611285116248684464302126山東624492344302545162400223332677河南5954101645442418152855827167802526湖北6256110634002042161218383828824501906湖南6163124125101545154628525181602203廣東5395028451188148324228978902391廣西5367106627761013131614687203201720海南4768027350159636066851001200重慶622866020581860102916163709101918四川5917942251622451315210540638212471995貴州39735871894161410426005706020001640云南453719421617171989620676269001976西藏55230192426040000陜西428615772946194016581003180002332甘肅4333173239921950000503513397青海3822002070000225000寧夏58793400179425167500004816新疆62892047566125821493007230103.2運(yùn)用公式進(jìn)行分析因子分析：考慮個(gè)成分的隨機(jī)觀測(cè)向量。因子模型要求線性相依，其中有m個(gè)公共因子f1f2…..fm和特殊因子組成。具體如下：如果fi與fj相互獨(dú)立（i≠j），則稱該因子模型為正交因子模型。正交因子模型具有如下特性：x的方差可表示為:（１）hi2是m個(gè)公共因子對(duì)第i個(gè)變量的貢獻(xiàn)，稱為第i個(gè)共同度（communality）或共性方差，公因子方差（commonvariance）（２）δi稱為特殊方差（specificvariance），是不能由公共因子解釋的部分因子負(fù)載aij是隨機(jī)變量xi與公共因子fj的相關(guān)系數(shù)。稱gj2為公共因子fj對(duì)x的“貢獻(xiàn)”，是衡量公共因子fj重要性的一個(gè)指標(biāo)。聚類分析：所謂直接聚類法，是指在建立模糊相似矩陣之后，不去求傳遞閉包，也不用布爾矩陣法，而是直接從模糊相似矩陣出發(fā)求得聚類圖。其步驟如下：①?。ㄗ畲笾担?，對(duì)每個(gè)作相似類，且=，即將滿足的與放在一類，構(gòu)成相似類。相似類與等價(jià)類的不同之處是，不同的相似類可能有公共元素，即可出現(xiàn),,.此時(shí)只要將有公共元素的相似類合并，即可得水平上的等價(jià)分類。②取為次大值，從中直接找出相似度為的元素對(duì)（即），將對(duì)應(yīng)于的等價(jià)分類中所在的類與所在的類合并，將所有的這些情況合并后，即得到對(duì)應(yīng)于的等價(jià)分類。③取為第三大值，從中直接找出相似度為的元素對(duì)（即），將對(duì)應(yīng)于的等價(jià)分類中所在的類與所在的類合并，將所有的這些情況合并后，即得到對(duì)應(yīng)于的等價(jià)分類。④以此類推，直到合并到成為一類為止。4運(yùn)用Spss進(jìn)行分析點(diǎn)擊分析，在點(diǎn)擊將維，選擇因子分析，將谷物、棉花、花生油、菜籽、芝麻、黃紅麻、烤煙、甜菜、甘蔗導(dǎo)入變量，在描述中選擇單變量，在抽取中選擇碎石圖，點(diǎn)擊確定因子分析表5-1附注創(chuàng)建的輸出01-JUL-201511:57:28注釋輸入活動(dòng)的數(shù)據(jù)集數(shù)據(jù)集1過濾器<none>權(quán)重<none>拆分文件<none>工作數(shù)據(jù)文件中的N行31缺失值處理對(duì)缺失的定義MISSING=EXCLUDE：用戶定義的缺失值作為缺失對(duì)待。使用的案例LISTWISE：統(tǒng)計(jì)量基于對(duì)所使用任何變量都不含缺失值的案例。語法FACTOR/VARIABLES谷物棉花花生油菜籽芝麻黃紅麻甘蔗甜菜烤煙/MISSINGLISTWISE/ANALYSIS谷物棉花花生油菜籽芝麻黃紅麻甘蔗甜菜烤煙/PRINTINITIALKMOEXTRACTIONROTATIONFSCORE/PLOTEIGEN/CRITERIAMINEIGEN(1)ITERATE(25)/EXTRACTIONPC/CRITERIAITERATE(25)/ROTATIONVARIMAX/SAVEREG(ALL)/METHOD=CORRELATION.資源處理器時(shí)間00:00:01.75已用時(shí)間00:00:01.16所需的最大內(nèi)存12144(11.859K)字節(jié)已創(chuàng)建的變量FAC1_1成份得分1FAC2_1成份得分2FAC3_1成份得分3表5-2KMO和Bartlett的檢驗(yàn)取樣足夠度的Kaiser-Meyer-Olkin度量。.596Bartlett的球形度檢驗(yàn)近似卡方68.892df36Sig..001KMO值為0.596，大于最低限度0.5，說明可以做因子分析，Bartlett的顯著性為0.001，小于0.05，說明可以進(jìn)一步進(jìn)行因子分析。表5-3公因子方差初始提取谷物1.000.843棉花1.000.805花生1.000.658油菜籽1.000.789芝麻1.000.763黃紅麻1.000.690甜菜1.000.713烤煙1.000.857提取第一列，我們可以清楚的看到。除了花生和黃紅麻以外，其余所提取的變量信息在70%以上，所以它丟失的信息量較少，因此可以進(jìn)一步做因子分析。表5-4解釋的總方差成份初始特征值提取平方和載入旋轉(zhuǎn)平方和載入合計(jì)方差的%累積%合計(jì)方差的%累積%合計(jì)方差的%12.54028.22028.2202.54028.22028.2202.37126.34222.03022.55550.7752.03022.55550.7752.01122.34331.14412.71663.4911.14412.71663.4911.29514.38341.08312.03775.5281.08312.03775.5281.12112.4605.7828.68584.2126.4755.27389.4857.4404.88994.3748.2983.31497.6889.2082.312100.000表5-5解釋的總方差成份旋轉(zhuǎn)平方和載入累積%126.342248.685363.068475.52856789在初始特征值一欄中，有4個(gè)特征值大于1，保留4個(gè)主成分，它們的累計(jì)方差貢獻(xiàn)率為75.528%。圖5-1從碎石圖可知，特征值大于1的有4個(gè)點(diǎn)，說明保留4個(gè)主成分。表5-6成份矩陣a成份1234谷物-.896.054.124.146棉花.465.248.690-.225花生.128.789-.129-.050油菜籽.269.202-.340.748芝麻-.348.792-.123.012黃紅麻-.720甜菜.785.126-.279.047烤煙.308-.001.620.615表5-7提取方法:主成份。aa.已提取了4個(gè)成份。旋轉(zhuǎn)成份矩陣a成份1234谷物.908.026-.129-.014棉花-.304.250.678-.436花生-.129.793-.019.109油菜籽-.61芝麻.334.786-.146.112黃紅麻.821.113-.013.055甜菜-.790.132.050.262烤煙.011-.109.871.293提取方法:主成份。旋轉(zhuǎn)法:具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。aa.旋轉(zhuǎn)在7次迭代后收斂。第一個(gè)主成分主要包含谷物、黃紅麻、甜菜的信息。第二個(gè)主成分主要包含：花生、芝麻的信息。第三個(gè)主成分主要包含：油菜籽的信息。表5-8成份轉(zhuǎn)換矩陣成份12341-.938.003.331.1032.045.990.087.1033.252-.040.855-.4514.234-.137.390.880提取方法:主成份。旋轉(zhuǎn)法:具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。表5-9成份得分系數(shù)矩陣成份1234谷物.391.003.030.036棉花-.063.126.506-.424花生-.069.396-.064.055油菜籽-.008.016.059.763芝麻.122.388-.099.084黃紅麻.371.040.110.090甜菜-.339.066-.084.187烤煙.155-.099.724.268提取方法:主成份。旋轉(zhuǎn)法:具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。構(gòu)成得分。依據(jù)系數(shù)矩陣得：主成分F1=0.391×谷物—0.063×棉花—0.069×花生—0.008×油菜籽+0.122×芝麻+0.371×黃紅麻—0.339×甜菜+0.155×烤煙主成分F2=0.003×谷物+0.126×棉花+0.396×花生+0.016×油菜籽+0.388×芝麻+0.040×黃紅麻+0.066×甜菜—0.099×烤煙主成分F3=0.030×谷物+0.126×棉花—0.064×花生+0.059×油菜籽—0.099×芝麻+0.110×黃紅麻—0.084×甜菜+0.724×烤煙主成分F4=0.036×谷物—0.424×棉花+0.055×花生+0.763×油菜籽+0.084×芝麻+0.090×黃紅麻+0.187×甜菜+0.268×烤煙表5-10成份得分協(xié)方差矩陣成份123411.000.000.000.0002.0001.000.000.0003.000.0001.000.0004.000.000.0001.000提取方法:主成份。旋轉(zhuǎn)法:具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。構(gòu)成得分。在SPSS中打開數(shù)據(jù)，點(diǎn)擊分析，再點(diǎn)擊分類，選擇系統(tǒng)聚類，在統(tǒng)計(jì)量中點(diǎn)擊單一方案中選擇聚類數(shù)4，在繪制中選擇樹狀圖，點(diǎn)擊確定。聚類表5-11附注創(chuàng)建的輸出01-JUL-201512:00:57注釋輸入活動(dòng)的數(shù)據(jù)集數(shù)據(jù)集1過濾器<none>權(quán)重<none>拆分文件<none>工作數(shù)據(jù)文件中的N行31缺失值處理對(duì)缺失的定義用戶定義的缺失值作為缺失數(shù)據(jù)對(duì)待。使用的案例統(tǒng)計(jì)是在所使用的變量不帶有缺失值的案例基礎(chǔ)上進(jìn)行的。語法CLUSTER谷物棉花花生油菜籽芝麻黃紅麻甘蔗甜菜烤煙/METHODBAVERAGE/MEASURE=SEUCLID/ID=地區(qū)/PRINTSCHEDULE/PLOTDENDROGRAMVICICLE.資源處理器時(shí)間00:00:00.39已用時(shí)間00:00:00.42表5-12案例處理匯總a,b案例有效缺失總計(jì)N百分比N百分比N百分比3096.813.231100.0a.平方Euclidean距離已使用b.平均聯(lián)結(jié)（組之間）平均聯(lián)結(jié)（組之間）表5-13聚類表階群集組合系數(shù)首次出現(xiàn)階群集下一階群集1群集2群集1群集21121882830.8910013211136398219.88400534286827770.286006417229858566.2480075112510283933.900201464614091408.78230117121716308926.14704178202119848091.5700099162025234915.46508201091826578313.1030015113433513643.69006231271534968271.89200161313035485945.167102814112439668215.82950191591449779521.709100211672952502643.4161202217122758343243.2547021185889407962.1450022191011110347827.30001420201016141984512.2431992521912161611690.0891517242257182437698.6571816232335476777945.36111222624923484997631.2982102525910658939872.544242027263311344738322.33323028279191555790170.2402502928131939619222.30313262929194670415599.59828270圖5-2圖5-35結(jié)論驗(yàn)得到，除了花生和黃紅麻以外，其余所提取的變量信息在70%以上，所以它丟失的信息量較少，第一個(gè)主成分主要包含谷物、黃紅麻、甜菜的信息，第二個(gè)主成分主要包含：花生、芝麻的信息，第三個(gè)主成分主要包含：油菜籽的信息。4個(gè)特征值大于1，保留4個(gè)主成分，它們的累計(jì)方差貢獻(xiàn)率為75.528%，KMO值為0.596，大于最低限度0.5，說明可以做因子分析，Bartlett的顯著性為0.001，小于0.05，說明可以進(jìn)一步進(jìn)行因子分析。培養(yǎng)了我選用參考書，查閱手冊(cè)及文獻(xiàn)資料的能力。培養(yǎng)獨(dú)立思考，深入研究，分析問題、解決問題的能力。通過實(shí)際編譯系統(tǒng)的分析設(shè)計(jì)、編程調(diào)試，掌握應(yīng)用軟件的分析方法和工程設(shè)計(jì)方法。通過課程設(shè)計(jì)，培養(yǎng)了我嚴(yán)肅認(rèn)真的工作作風(fēng)，逐步建立正確的生產(chǎn)觀念、經(jīng)濟(jì)觀念和全局觀念。而且做課程設(shè)計(jì)同時(shí)也是對(duì)課本知識(shí)的鞏固和加強(qiáng)，平時(shí)看課本時(shí)，有些問題就不是很能理解，做完課程設(shè)計(jì)，那些問題就迎刃而解了。而且還可以記住很多東西。認(rèn)識(shí)來源于實(shí)踐，實(shí)踐是認(rèn)識(shí)的動(dòng)力和最終目的，實(shí)踐是檢驗(yàn)真理的唯一標(biāo)準(zhǔn)。所以這個(gè)期末測(cè)試之后的課程設(shè)計(jì)對(duì)我們的作用是非常大的。程設(shè)計(jì)使我懂得了理論與實(shí)際相結(jié)合是很非常重要的，只有理論知識(shí)是遠(yuǎn)遠(yuǎn)不夠的，只有把所學(xué)的理論知識(shí)與實(shí)踐相結(jié)合起來，從理論中得出結(jié)論，才能真正為社會(huì)服務(wù)，從而提高自己的實(shí)際動(dòng)手能力和獨(dú)立思考的能力。在整個(gè)設(shè)計(jì)過程中，構(gòu)思是很花費(fèi)時(shí)間的。調(diào)試時(shí)經(jīng)常會(huì)遇到這樣那樣的錯(cuò)誤，有的是因?yàn)榇中脑斐傻恼Z法錯(cuò)誤。當(dāng)然，很多也時(shí)用錯(cuò)了方法，總是實(shí)現(xiàn)不了。同時(shí)在設(shè)計(jì)的過程中發(fā)現(xiàn)了自己的不足之處，對(duì)以前所學(xué)過的知識(shí)理解得