基于山东省17地市面板数据的聚类分析文章电子教案.doc

《基于山东省17地市面板数据的聚类分析文章电子教案.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、青岛农业大学毕业论文（设计）题目：基于山东省17地市面板数据的聚类分析姓名：学院：理学与信息科学学院专业：信息与计算科学班级：学号：指导教师：2014年6月1日1目录摘要1Abstract21引言12聚类分析的基本原理13面板数据23.1单指标面板数据的统计描述23.2单指标面板数据的聚类分析43.3多指标面板数据的统计描述53.4多指标面板数据的聚类分析64实证分析74.1选题背景74.2实例分析74.2.1借助因子分析构建综合评价矩阵84.2.2聚类分析114.3发展建议145总结15致谢17参考文献18附录191基于山东省1

2、7地市面板数据的聚类分析摘要：本论文对面板数据的聚类分析进行了基础研究。首先,介绍了聚类分析方法的基本思想以及面板数据的基本概念和基本分类：单指标面板数据和多指标面板数据。介绍了单指标和多指标面板数据的统计描述方法，讨论了它们的聚类分析。然后，对山东省17地市经济发展的多指标面板数据进行聚类分析，对描述经济发展的7个指标进行因子分析提取公因子并计算综合得分指标，构建综合评价矩阵，将三维多指标面板数据转化为截面数据，采用平方欧式距离作为评价指标进行系统聚类，取得了良好的效果。最后，对山东省区域协调发展提出一些建议。关键词：面板数据；

3、因子分析；聚类分析；区域发展1TheClusterAnalysisbasedonthedataof17citesinShandongProvinceStudentmajoringinInformationandComputingScienceKongJianTutorYinXiaocuiAbstract：ThispaperhasdonesomebasicresearchesabouttheclusteranalysisofPanelData.Firstofall,itintroducedthebasicideaofclustera

4、nalysismethodandthebasicconceptandclassifiesofPanelData,itincludesSingleindexDataandmulti-indexPanelData.Secondly,itintroducedthestatisticaldescriptionmethodofSingleindexDataandmulti-indexPanelDataanddiscussedtheirclusteranalysis.Thenitmakedaclusteranalysisofmulti-ind

5、expaneldataabouteconomicdevelopmentof17citiesinShandongprovince.Andanalyzed7indicatorsofdescribeeconomicdevelopmentbyfactoranalysistoextractthecommonfactor,calculatedthecomprehensivescoreindex,buildcomprehensiveevaluationmatrix,turnedthe3Dmulti-indexpaneldataintosecti

6、ondata,clusteredthesystemusesquareEuclideandistanceastheevaluationindexandhasachievedgoodresults.Finally,ithasputforwardsomesuggestionsofregionalharmoniousdevelopmentofShandongprovince.Keywords:PanelData;Factoranalysis;Clusteranalysis;Regionaldevelopment11引言聚类分析已经被广泛地

7、应用在众多领域中，包括数据分析、图像处理、模式识别、市场研究、管理评价等。面板数据由于同时包含截面数据和时间序列,其特征是同时含有具有空间维度和时间维度,因此能够较好的表示样本发展状态及其动态发展趋势。利用面板数据的优良特性，在理论研究和应用研究上近年来取得了广泛和深入的发展，相关研究也表明利用面板数据模型，可以取得良好效果。Bonzo和Hermosilla[1]提出了用“概率连接函数”来代替一般的平面距离作为横截面个体间相似性指标,提出了新的聚类算法。Zhao和Hang[2]研究了在整个面板数据中横截面个体互不相关情况下,概率连

8、接函数的定义及其性质。提出了在该情况下基于概率连接函数的多指标面板数据重心系统聚类法。朱建平和陈民恳[3]利用差异上确界、差异欧式距离、差异绝对值等方法研究了单个指标面板数据的聚类分析。肖泽磊等[4]用主成分分析的方法对多指标变量面板数据进行降维处