《多元统计分析》第三版例题习题数据文件

更新时间:2024-02-03 11:34:01 阅读量: 教育文库 文档下载

说明:文章内容仅供预览,部分内容可能不全。下载后的文档,内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的,是否完整无缺。

何晓群《多元统计分析》第三版(2012)数据下载

第2章

[例2-1] 1999年财政部、国家经贸委、人事部和国家计委联合发布了《国有资本金效绩评价规则》。其中,对竞争性工商企业的评价指标体系包括下面八大基本指标:净资产收益率、总资产报酬率、总资产周转率、流动资产周转率、资产负债率、已获利息倍数、销售增长率和资本积累率。下面我们借助于这一指标体系对我国上市公司的运营情况进行分析,以下数据为35家上市公司2008年年报数据,这35家上市公司分别来自于电力、煤气及水的生产和供应业,房地行业,信息技术业,在后面各章中也经常以该数据为例进行分析。

表2-1 行业 公司简股票代净资产总资产资产负总资产流动资产已获利销售增资本积称 码 收益率 报酬率 债率 周转率 周转率 息倍数 长率 累率 深圳能源 000027 9.17 4.92 53.45 .39 1.57 3.56 2.76 33.00 深南电A 000037 .61 1.23 61.17 .60 1.74 1.41 -12.81 -.01 富龙热电 000426 -11.30 -5.56 48.89 .13 .76 -.34 -40.10 -9.93 穗恒运A 000531 -7.70 -1.53 70.25 .57 2.70 .61 -29.45 -7.15 粤电力电力、煤气及水A 000539 .34 -1.15 54.84 .48 2.42 .52 11.78 -7.72 的生产和供应韶能股业 份 000601 -2.95 -1.29 61.79 .27 2.52 .53 15.77 -4.67 ST惠天 000692 -1.86 -.81 63.34 .40 1.09 .43 8.08 -1.82 城投控股 600649 12.28 8.46 39.92 .25 .57 40.20 29.21 -2.19 大连热电 600719 1.58 .96 60.53 .32 .70 1.31 -3.44 .75 华电能源 600726 .43 .33 77.63 .40 2.39 1.08 12.66 -6.04 国电电力 600795 1.26 .20 71.65 .26 1.68 1.10 -5.88 5.68 长春经开 600215 .09 .21 29.10 .05 .08 1.23 9.07 .09 大龙地房地行业 产 600159 1.21 .09 61.63 .04 .05 1.84 -57.90 -.08 金丰投资 600606 9.78 6.51 46.07 .20 .31 6.22 -51.99 -8.40 新黄浦 600638 6.81 5.96 31.91 .12 .31 5.57 -18.48 4.99 1

浦东金桥 600639 9.02 6.90 6.16 2.09 42.74 78.11 .20 .70 .86 2.47 4.51 7.04 40.62 19.88 4.75 5.21 外高桥 600648 中华企业 渝开发A 莱茵置业 粤宏远A 中国国贸 600007 000573 000514 600675 14.31 6.82 63.67 .37 .44 5.89 33.93 11.82 6.53 5.14 31.61 .14 .40 4.42 -15.56 6.64 000558 21.22 7.95 73.67 .44 .52 1.04 -13.15 28.42 -8.47 -4.84 44.12 .14 .24 -3.90 -26.72 -7.81 8.40 6.21 5.77 48.06 67.44 .12 .37 3.04 .39 1.10 10.62 1.20 15.38 5.06 8.93 万科A 000002 12.65 三木集团 国兴地产 000838 2.97 9.69 000632 1.96 1.05 80.12 .88 .95 1.74 -11.30 -9.55 2.21 1.72 44.34 80.11 .17 .47 .17 .57 30.65 2.03 -74.76 -7.90 3.06 1.59 中关村 000931 中兴通讯 长城电脑 南天信息 同方股份 信息技术业 永鼎股份 宏图高科 600105 600100 000948 000066 000063 11.65 5.02 70.15 .98 1.21 4.28 27.36 17.40 1.01 .39 53.93 1.35 3.57 1.22 -6.99 -30.87 9.48 6.61 45.43 1.06 1.41 4.62 15.13 110.72 3.57 2.63 53.32 .78 .00 2.79 -4.77 26.72 2.54 1.69 71.91 .42 .63 1.87 27.49 2.63 600122 10.71 4.54 5.42 3.74 57.49 31.88 1.77 .86 2.12 1.09 3.21 7.49 33.03 18.42 11.23 -6.27 新大陆 000997 方正科技 复旦复华 600624 600601 4.42 3.16 43.95 1.40 4.67 3.06 -13.58 4.73 4.44 3.68 49.44 .53 .85 3.19 13.57 2.60 习题3.今选取内蒙古、广西、贵州、云南、西藏、宁夏、新疆、甘肃和青海等9个内陆边远省份。选取人均GDP、第三产业比重、人均消费支出、人口自然增长率及文盲半文盲人口占15岁以上人口的比例等五项能够较好的说明各地区社会经济发展水平的指标。验证一下边远及少数民族聚居区的社会经济水平与全国平均水平有无显著差异。

边远及少数民族聚居区的社会经济水平发展的指标数据: 地区

人均GDP 三产比重 人均消费 人口增长 文盲半文盲 2

内蒙古 广西 贵州 云南 西藏 宁夏 新疆 甘肃 青海 5068 4076 2342 4355 3716 4270 6229 3456 4367 31.1 34.2 29.8 31.1 43.5 37.3 35.4 32.8 40.9 2141 2040 1551 2059 1551 1947 2745 1612 2047 8.23 9.01 14.26 12.1 15.9 13.08 12.81 10..04 14.48 15,83 13.32 28.98 25.48 57.97 25.56 11.44 28.65 42.92 数据来源:《中国统计年鉴》(1998)。 5项指标的全国平均水平

μ0=(6212.01 32.87 2972 9.5 15.78)/

第3章

例3-1 若我们需要将下列11户城镇居民按户主个人的收入进行分类,对每户作了如下的统计,结果列于表3-1。在表中,“标准工资收入” 、“职工奖金” 、“职工津贴” 、“性别” 、“就业身份”等称为指标,每户称为样品。若对户主进行分类,还可以采用其他指标,如“子女个数” 、“政治面貌” 等,指标如何选择取决于聚类的目的。

表3-1 某市2001年城镇居民户主个人收入数据

X1 职工标准工资收入 X5 单位得到的其他收入 X2 职工奖金收入 X6 其他收入 X3 职工津贴收入 X7 性别 X4 其他工资性收入 X8 就业身份 X1 540.00 1137.00 1236.00 1008.00 1723.00 1080.00 1326.00 1110.00 1012.00 1209.00 1101.00

X2 0.0 125.00 300.00 0.0 419.00 569.00 0.0 110.00 88.00 102.00 215.00

X3 0.0 96.00 270.00 96.00 400.00 147.00 300.00 96.00 298.00 179.00 201.00

X4 0.0 0.0 0.0 0.0 0.0 156.00 0.0 0.0 0.0 67.00 39.00

X5 0.0 109.00 102.00 86.0 122.00 210.00 148.00 80.00 79.00 198.00 146.00 Dutch een twee drie vier vijf zes zeven

X6 6.00 812.00 318.00 246.00 312.00 318.00 312.00 193.00 278.00 514.00 477.00 German ein zwei drei vier funf sechs siebcn

X7 男 女 女 男 男 男 女 女 女 男 男

X8 国有 集体 国有 集体 国有 集体 国有 集体 国有 集体 集体 French un deux trois quatre einq six sept

3

例3-3

English One Two Three Four Five Six seven

Norwegian En To Tre Fire Fem Seks Sju

Danish en to tre fire fem seks syv

Eight Nine Ten

Spanish Uno Dos Tres cuatro Cinco Seix Siete Ocho nueve Diez

Ate Ni Ti

Italian uno due tre quattro cinque sei sette otto nove dieci

otte ni ti

Polish jeden dwa trzy cztery piec szesc siedem osiem dziewiec dziesiec

acht negen tien acht neun zehn

Hungarian egy ketto harom negy ot hat het nyolc kilenc tiz

Finnish

huit neuf dix

yksi kaksi kolme neua viisi kuusi seitseman kahdeksau yhdeksan kymmenen

例3-4

X1 食品支出(元/人) X5 交通和通讯支出(元/人)

X2 衣着支出(元/人) X6 娱乐、教育和文化服务支出(元/人) X3 家庭设备、用品及服务支出(元/人) X7 居住支出(元/人)

X4 医疗保健支出(元/人) X8 杂项商品和服务支出(元/人)

辽宁 浙江 河南 甘肃 青海

X1 1772.14 2752.25 1386.76 1552.77 1711.03

X2 568.25 569.95 460.99 517.16 458.57

X3 298.66 662.31 312.97 402.03 334.91

X4 352.20 541.06 280.78 272.44 307.24

X5 307.21 623.05 246.24 265.29 297.72

X6 490.83 917.23 407.26 563.10 495.34

X7 364.28 599.98 547.19 302.27 274.48

X8 202.50 354.39 188.52 251.41 306.45

例3-5

x1 人均粮食支出 (元/人) x5 人均衣着支出 (元/人) x2 人均副食支出 (元/人) x6 人均日用杂品支出 (元/人) x3 人均烟、酒、饮料支出 (元/人) x7 人均水电燃料支出 (元/人) x4 人均其他副食支出 (元/人) x8 人均其他非商品支出 (元/人)

北 京 天 津 河 北 山 西 内蒙古 辽 宁 吉 林 黑龙江 上 海 x1 21.30 21.50 18.25 21.84 21.37 22.74 20.22 21.33 21.13 x2 124.89 122.39 90.21 66.38 67.08 115.88 88.94 75.50 168.69 x3 35.43 29.08 24.45 18.05 20.28 28.21 18.54 14.00 40.81 x4 73.98 51.64 32.44 31.32 35.27 42.44 35.63 29.56 70.12 x5 93.01 55.04 62.48 74.48 81.07 58.07 65.72 69.29 74.32 x6 20.58 11.30 7.45 8.19 10.94 9.63 8.81 8.24 15.46 x7 43.97 54.88 47.50 34.97 39.46 48.65 50.29 42.08 50.90 x8 433.73 288.13 178.84 177.45 182.20 194.85 186.52 165.90 422.74 4

江 苏 浙 江 安 徽 福 建 江 西 山 东 河 南 湖 北 湖 南 广 东 广 西 海 南 重 庆 四 川 贵 州 云 南 西 藏 陕 西 甘 肃 青 海 宁 夏 新 疆 18.61 19.96 19.61 25.56 18.75 18.27 19.07 18.76 20.25 23.68 18.70 16.16 18.18 18.53 18.33 22.30 29.67 20.03 18.68 20.33 19.75 21.03 122.51 142.24 107.13 171.65 104.68 88.34 73.18 102.67 104.45 173.30 131.35 139.92 120.39 109.95 92.43 99.08 146.90 70.75 72.74 75.64 70.24 78.55 27.07 43.33 32.85 22.30 15.55 19.07 18.01 21.87 20.72 17.43 11.69 12.98 26.18 21.49 25.38 33.36 64.51 19.75 23.72 20.88 18.67 14.35 42.50 50.74 35.77 40.53 35.61 43.19 29.38 30.47 38.15 43.59 32.06 23.58 37.94 33.04 32.19 32.01 54.36 34.95 38.69 33.86 36.71 34.33 63.47 101.77 61.34 57.13 51.80 72.98 64.51 64.33 62.98 53.66 41.54 24.87 68.16 50.98 56.32 52.06 86.10 53.29 62.41 53.81 61.75 64.98 15.38 12.92 7.53 12.60 11.18 12.59 8.91 11.99 12.67 16.86 10.84 10.76 11.64 10.88 14.00 7.04 14.77 10.55 9.65 10.06 10.08 9.83 36.14 53.44 34.60 54.03 36.27 42.16 38.14 42.14 39.16 65.02 42.77 32.35 38.48 33.96 38.57 32.85 32.19 38.20 35.26 32.82 40.26 33.87 240.92 394.55 142.23 225.08 142.72 200.18 155.45 168.17 213.56 385.94 178.51 144.21 246.37 183.85 144.82 190.04 193.10 189.41 170.12 171.32 165.22 161.67

第4章

[例4-1] 判别分析的一个重要应用是用于动植物的分类当中,最著名的一个例子是1936年Fisher的鸢尾花数据(Iris Data)。鸢尾花为法国的国花,Setosa、Versicolour、Virginica是三种有名的鸢尾花,其萼片是绚丽多彩的,和向上的花瓣不同,花萼是下垂的。这三种鸢尾花很像,人们试图建立模型,根据萼片和花瓣的四个度量来把鸢尾花分类。该数据给出150个鸢尾花的萼片长(sepal length)、萼片宽(sepal width)、花瓣长(petal length)、花瓣宽(petal width)以及这些花分别属于的种类(Species)等共五个变量。萼片和花瓣的长宽为四个定量变量,而种类为分类变量(取三个值Setosa、Versicolour、Virginica)。这里三种鸢尾花各有50个观测值。数据格式如下图所示:

5

定义新的变量y为被解释变量,用“1”代表Setosa鸢尾花,用“2”代表Versicolour鸢尾花,用“3”代表Virginica鸢尾花,将萼片长(sepal length)、萼片宽(sepal width)、花瓣长(petal length)和花瓣宽(petal width)四个变量作为解释变量。

使用SPSS软件中的Analyze→Classify→Discriminant,就进入了判别分析的对话框。分组变量(Grouping Variable)选择y,然后定义y的区域,最小值是1,最大值是3。解释变量(Independents)选择sepal.length、sepal.width、petal.length和petal.width。

统计量(Statistics)选项中选择描述统计量Means,Univariate ANOVAs和Box?M ,函数选择Fisher和非标准化函数,矩阵选择Within-groups correlation。分类(Classify)选项中选择先验概率(所有组相等

6

或根据组的大小计算概率),因为三个品种的都是50种,因此两种选择的效果一样,子选项显示(display)中选择每个个体的结果(Casewise results),综合表(Summery Table)和“留一个在外”(Leave-one-out classifation)的验证原则,协方差矩阵选择Within-groups,作图选择Combined-groups。

保存(Save)选项中可以选择预测的分类、判别得分以及所属类别的概率。如果采用逐步判别法,我们还可以选择判别的方法(Method)。得到分析结果如下:

输出结果4-1

7

Discriminant

Analysis Case Processing SummaryUnweighted CasesValidExcludedMissing or out-of-rangegroup codesAt least one missingdiscriminating variableBoth missing orout-of-range groupcodes and at least onemissing discriminatingvariableTotalTotalN15000Percent100.0.0.0(1) 00150.0.0100.0

Group StatisticsStd.Deviation.3525.3791.1737.1054.5162.3138.4699.1978.6359.3225.5519.2747.8281.43591.7653.7622Valid N (listwise)UnweightedWeighted5050.0005050.000(2) 5050.0005050.0005050.0005050.0005050.0005050.0005050.0005050.0005050.0005050.000150150.000150150.000150150.000150150.000品种setosaversicolorvirginicaTotal萼长片萼片宽花瓣长花瓣宽萼长片萼片宽花瓣长花瓣宽萼长片萼片宽花瓣长花瓣宽萼长片萼片宽花瓣长花瓣宽Mean5.0063.4281.462.2465.9362.7704.2601.3266.5882.9745.5522.0265.8433.0573.7581.199

Tests of Equality of Group Means萼长片萼片宽花瓣长花瓣宽Wilks' Lambda.381.599.059.071F119.26549.1601180.161960.007df12222df2147147147147Sig..000(3) .000.000.000

输出结果4-1分析的是各组的描述统计量和对各组均值是否相等的检验。第1张表反映的是有效样本量及变量缺失的情况。第2张表是各组变量的描述统计分析。第3张表是对各组均值是否相等的检验。由第3张表可以看出,在0.01的显著性水平上我们拒绝变量萼片长(sepal length)、萼片宽(sepal width)、花瓣长(petal length)和花瓣宽(petal width)在三组的均值相等的假设,即认为变量萼片长(sepal length)、萼片宽(sepal width)、花瓣长(petal length)和花瓣宽(petal width)在三组的均值是有显著性差异的。

8

输出结果4-2

Box's Test of Equality of Covariance Matrices

Log DeterminantsLog品种RankDeterminant(1) setosa4-13.067versicolor4-10.874virginica4-8.927Pooled within-groups4-9.959The ranks and natural logarithms of determinantsprinted are those of the group covariance matrices.

Test Results146.663Approx.7.045df120(2) df277566.751Sig..000Tests null hypothesis of equalpopulation covariance matrices.Box's MF

输出结果4-2是对各组协方差矩阵是否相等的Box?M检验。第1张表反映协方差矩阵的秩和行列式的对数值。由行列式值可以看出协方差矩阵不是病态矩阵。第2张表是对各总体协方差阵是否相等的统计检验。由F值及其显著水平,我们在0.05的显著性水平下拒绝原假设(原假设假定各总体协方差阵相等)。因此,在分类(Classify)选项中的协方差矩阵选择可以考虑采用Separate-groups,以检验采用Within-groups和Separate-groups两种协方差所得出的结果是否存在显著差异。如果存在显著差异就应该采用Separate-groups协方差矩阵,反之,就用Within-groups协方差矩阵。

输出结果4-3

Summary of Canonical Discriminant Functions

EigenvaluesFunctionEigenvalue% of VarianceCumulative ?32.19299.199.1a2.285.9100.0a. First 2 canonical discriminant functions were used in theanalysis.CanonicalCorrelation.985.471(1)

Wilks' LambdaTest of Function(s)1 through 22Wilks' Lambda.023.778Chi-square546.11536.530df83

Sig..000.000(2) 9

输出结果4-3分析的是典型判别函数。第1张表反映判别函数的特征值、解释方差的比例和典型相关系数。第一判别函数解释了99.1%的方差,第二判别函数解释了0.9%的方差,两个判别函数解释了全部方差。第2张表是对两个判别函数的显著性检验。由Wilks? Lambda检验,认为两个判别函数在0.05的显著性水平上是显著的。 输出结果4-4

Standardized CanonicalDiscriminant Function CoefficientsFunction12(1)

萼长片-.427.012萼片宽-.521.735花瓣长.947-.401花瓣宽 .575.581

Structure MatrixFunction12花瓣长.706*.168萼片宽-.119.864*花瓣宽.633.737*萼长片.223.311*Pooled within-groups correlations betweendiscriminating variables and standardizedcanonical discriminant functions Variables ordered by absolute size of correlationwithin function.*. Largest absolute correlation between each variable and any discriminant function

Canonical Discriminant Function CoefficientsFunction12萼长片-.829.024萼片宽-1.5342.165花瓣长2.201-.932花瓣宽2.8102.839(Constant)-2.105-6.661 Unstandardized coefficients

(2)

3)

10

Functions at Group CentroidsFunction12-7.608.2151.825-.7285.783.513Unstandardized canonical discriminantfunctions evaluated at group means品种setosaversicolorvirginica(4)

输出结果4-4显示的是判别函数、判别载荷和各组的重心。第1张表是标准化的判别函数,表示为

y1??0.427Sepal.Length*?0.521Sepal.Width*?0.947Petal.Length*?0.575Petal.Width*y2?0.012Sepal.Length*?0.735Sepal.Width*?0.401Petal.Length*?0.581Petal.Width*,这里表示标

*准化变量,标准化变量的系数也就是前面讲的判别权重。第2张表是结构矩阵,即判别载荷。由判别权

重和判别载荷可以看出两个解释变量对判别函数的贡献较大。第3张表是非标准化的判别函数,表示为

y1??2.105?0.829Sepal.Length?1.534Sepal.Width?2.201Petal.Length?2.810Petal.Widthy2??6.661?0.024Sepal.Length?2.165Sepal.Width?0.932Petal.Length?2.839Petal.Width我们可以

根据这个判别函数计算每个观测的判别Z得分。第4张表是反映判别函数在各组的重心。根据结果,判别函数在y?1这一组的重心为(-7.608,0.215),在y?2这一组的重心为(1.825,-0.728),在y?3这一组的重心为(5.783,0.513)。这样,我们就可以根据每个观测的判别Z得分将观测进行分类。

输出结果4-5

Classification Statistics

Classification Processing SummaryProcessedExcluded150Missing or out-of-rangegroup codesAt least one missingdiscriminating variable00150(1)

Used in Output

Prior Probabilities for GroupsCases Used in AnalysisUnweightedWeighted5050.0005050.0005050.000150150.000品种setosaversicolorvirginicaTotal

Prior.333.333.3331.000(2)

11

Classification Function Coefficients品种setosaversicolorvirginica萼长片23.54415.69812.446(3)

萼片宽23.5887.0733.685花瓣长-16.4315.21112.767花瓣宽-17.3986.43421.079(Constant)-86.308-72.853-104.368 Fisher's linear discriminant functions

Classification Resultsb,cPredicted Group Membership品种setosaversicolorvirginicaTotalOriginalCountsetosa500050versicolor048250virginica014950%setosa100.0.0.0100.0versicolor.096.04.0100.0virginica.02.098.0100.0Cross-validatedaCountsetosa500050versicolor048250virginica014950%setosa100.0.0.0100.0versicolor.096.04.0100.0virginica.02.098.0100.0a. Cross validation is done only for those cases in the analysis. In crossvalidation, each case is classified by the functions derived from all casesother than that case.b. 98.0% of original grouped cases correctly classified.c. 98.0% of cross-validated grouped cases correctly classified.

4)

12

( (5)

输出结果4-5是分类的统计结果。第1张表概括了分类过程,说明150个观测都参与分类。第2张表说明各组的先验概率,我们在Classify选项中选择的是所有组的先验概率相等。第3张表是每组的分类函数(区别于判别函数),也称费歇线性判别函数,由表中的结果可以说明,

y?1这一组的分类函数是

f1??86.308?23.544Sepal.Length?23.588Sepal.Width?16.431Petal.Length?17.398Petal.Widthy?2这组的分类函数是

f2??72.853?15.698Sepal.Length?7.073Sepal.Width?5.211Petal.Length?6.434Petal.Widthy?3这组的分类函数是

我f3??104.368?12.446Sepal.Length?3.685Sepal.Width?12.767Petal.Length?21.079Petal.Width。们可以计算出每个观测在各组的分类函数值,然后将观测分类到较大的分类函数值中。第4张表是分类

矩阵表。Predicted Group Membership表示预测的所属组关系,Original表示原始数据的所属组关系,Cross-validated表示交叉验证的所属组关系,这里交叉验证是采用“留一个在外”的原则,即每个观测是通过除了这个观测以外的其他观测推导出来的判别函数来分类的。由第4张表可以看出,通过判别函数预测,有147个观测是分类正确的,其中,y?1组50个观测全部被判对,y?2组50个观测中有48个观测被判对,y?3组50个观测中有49个观测被判对,从而有147/150=98%的原始观测被判对。在交叉验证

13

中,y?1组50个观测全部被判对,y?2组50个观测中有48个观测被判对,y?3组50个观测中有49个观测被判对,从而交叉验证有147/150=98%的原始观测被判对。还可以通过分类结果分析判对和判错的百分比。第(5)为分类结果图,从图中可以看到,Setosa鸢尾花与Versicolour鸢尾花和Virginica鸢尾花可以很清晰的区分开,而Versicolour鸢尾花和Virginica鸢尾花这两种之间存在重合区域,即存在误判。

我们还可以通过保存(Save)选项选择预测的类别关系和判别得分等,对观测进行诊断。 由前面分析我们发现,协方差矩阵不等,可以考虑采用Separate-groups协方差矩阵,选择Separate-groups协方差矩阵,其他选择同上,得分类结果表如下:

输出结果4-6

Classification ResultsaPredicted Group Membership品种setosaversicolorvirginicaTotalOriginalCountsetosa500050versicolor047350(1)

virginica014950%setosa100.0.0.0100.0versicolor.094.06.0100.0virginica.02.098.0100.0a. 97.3% of original grouped cases correctly classified.

(2)

14

由第1张表可以看出,通过判别函数预测,有146个观测是分类正确的,其中,y?1组50个观测全部被判对,y?2组50个观测中有47个观测被判对,y?3组50个观测中有49个观测被判对,从而有146/150=97.3%的原始观测被判对。第(2)为分类结果图,从图中可以看到,Setosa鸢尾花与Versicolour鸢尾花和Virginica鸢尾花可以很清晰的区分开,而Versicolour鸢尾花和Virginica鸢尾花这两种之间存在重合区域,即存在误判。

由输出结果4-6可以看出,采用Separate-groups协方差矩阵与采用Within-groups协方差矩阵的预测效果没有明显的差别,因此,可以采用Within-groups协方差矩阵来进行判别。

例4-2 距离判别案例。为了研究2008年全国各地区城镇居民家庭人均消费支出情况,按人均收入、人均GDP以及消费支出将29个省、市、自治区(除天津和陕西以外)分为三种类型,设置group变量取值分别为1、2、3。试建立判别函数,判定天津、陕西分别属于哪个消费水平类型。判别指标及原始数据见表4-1。

解:本例中组数k=3,判别指标p=8,各组中样本为:n1?5,n2?13,n3?11,待判样品个数为2。

总体协差阵的逆矩阵:

??1??8.56 6.63 5.42 -1.48 -0.45 -11.59 -2.22 -7.19 ??6.63 47.51 14.73 13.67 -19.15 -4.24 -12.94 -40.50 ????5.42 14.73 51.26 -4.49 -21.81 -19.12 -1.93 -12.01 ???-1.48 13.67 -4.49 150.71 -7.74 11.18 -53.22 -22.70 ???10?6 ?-0.45 -19.15 -21.81 -7.74 49.96 14.99 -13.57 6.11 ???-11.59 -4.24 -19.12 11.18 14.99 38.95 -18.99 -12.95 ???-2.22 -12.94 -1.93 -53.22 -13.57 -18.99 53.46 -4.82 ?????-7.19 -40.50 -12.01 -22.70 6.11 -12.95 -4.82 198.48 ??

表4-1 2008年31个省、市、自治区农村居民家庭平均每人生活消费支出

x1 人均食品支出 (元/人) x5 人均交通和通信支出 (元/人)

x2 人均衣着支出 (元/人) x6 人均文教娱乐用品及服务支出(元/人) x3 人均住房支出 (元/人) x7 人均医疗保健支出 (元/人) x4 人均家庭设备及服务支出 (元/人) x8 其他商品及服务支出 (元/人) 序号 1 2 3 4 5 6 7 8 9

地区 x1 x2 x3 x4 x5 x6 x7 x8 Group 1 1 1 1 1 2 2 2 2 15

上 海 7108.62 1520.61 1646.19 1182.24 755.29 3373.19 2874.54 937.21 广 东 5866.91 975.06 1748.16 947.54 浙 江 5522.56 1546.46 1333.69 713.31 江 苏 4544.64 1166.91 1042.1 福 建 5078.85 1105.31 1300.1 云 南 4272.29 1026.5 739.2 813.45 722.17 331.94 310.22 836.39 2623.08 1936.38 594.45 933.11 2392.63 2195.58 520.95 794.63 1357.96 1799.75 878.25 1044.36 1267.03 606.86 1216.46 732.95 317.08 966.74 419.59 458.1 305.6 150.42 400.38 540.63 1777.06 1453.18 523.83 北 京 5561.54 1571.74 1286.32 1096.57 1563.1 2293.23 2383.52 704.24 重 庆 4418.34 1294.3 1096.82 842.09 西 藏 4262.77 1011.82 634.94

10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 1 2 四 川 4255.48 1042.45 819.28 海 南 4226.9 广 西 4082.99 772.28 891.33 590.51 603.84 604.4 674.84 579.59 623.17 525.7 507.4 564.93 1121.45 947.01 536.4 675.32 790.95 633.93 483.96 471.39 913.13 869.71 610.02 914.47 654.82 864.89 790.87 769.79 862.7 1303.5 930.87 338.03 247.08 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 491.84 1106.39 565.51 529.36 1376.03 1081.54 290.04 890.12 1037.24 260.74 971.05 1110.11 376.62 920.77 1160.14 325.82 872.57 871.15 945.99 934.73 337.91 260.27 湖 北 3996.27 1099.16 914.26 湖 南 3970.42 1090.72 960.82 安 徽 3905.05 1010.61 988.12 江 西 3633.05 969.58 贵 州 3597.94 851.5 851.15 836.54 山 东 3699.42 1394.11 1247.04 806.35 799.79 1410.45 1277.43 372.01 辽 宁 4378.14 1187.41 1270.95 1295.7 1145.46 533.29 1191.7 1383.53 512.81 787.63 954.96 817.17 749.05 915.12 880.86 1071.8 936.33 906.19 988.95 311.72 425.3 411.63 301.4 304.28 321.95 324.03 内蒙古 3553.48 1616.56 1028.19 672.64 宁 夏 3352.83 1178.88 1069.15 596.81 青 海 3315.94 945.14 新 疆 3235.77 1245.02 802.73 781.9 538.54 535.31 546.23 494.49 633.32 吉 林 3307.14 1259.62 1285.28 510.49 甘 肃 3183.79 1022.62 846.26 黑龙江 3128.1 1217.04 941.25 河 南 3079.82 1141.76 963.59 816.87 1096.32 1043.72 403.71 643.48 1003.89 812.36 808.88 1062.31 946.38 河 北 3155.4 1137.22 1097.41 574.84 山 西 2974.76 1137.71 1250.87 471.65 陕 西 3586.13 1047.61 1007.68 618.16 931.33 1041.91 228.53 967.52 1281.58 400.68 天 津 5005.09 1153.66 1528.28 817.18 1220.92 1567.87 1608.97 520.49 资料来源:中国统计年鉴2008

距离判别法无法在SPSS中直接实现,在R软件中运行如下程序,可得。

距离判别程序:

#读取数据(数据集为“城镇消费.csv”) a=read.csv(\城镇消费.csv\,header=T);a; names(a);attach(a); a1=a[1:5,];a1; a2=a[6:18,];a2; a3=a[20:29,];a3;

#计算协方差阵、逆矩阵、和各组均值 v=cov(a[,3:10]);v; v_1=solve(v);v_1; m=mean(a[,3:10]);m; m1=mean(a1[3:10]);m1; m2=mean(a2[3:10]);m2;

16

m3=mean(a3[3:10]);m3;

#计算与三组的距离 d1=c(1:31); i=1 for(i in 1:31) {if(i<=31)

d1[i]=as.matrix(a[i,3:10]-m1)%*%matrix(v_1,8,8)%*%matrix(t(a[i,3:10]-m1),8,1) d1[i]; i=i+1} d1;

d2=c(1:31); j=1; for(j in 1:31) {if(j<=31)

d2[j]=as.matrix(a[j,3:10]-m2)%*%matrix(v_1,8,8)%*%matrix(t(a[j,3:10]-m2),8,1) d2[j]; j=j+1 } d2;

d3=c(1:31); k=1 for(k in 1:31) { if(k<=31)

d3[k]=as.matrix(a[k,3:10]-m3)%*%matrix(v_1,8,8)%*%matrix(t(a[k,3:10]-m3),8,1) d3[k]; k=k+1 } d3;

#预测及回判 s1=c(1:31) distance=c(1:31) z=1; for(z in 1:31)

17

{

if(d1[z]==min(d1[z],d2[z],d3[z])) s1[z]=1;

if(d2[z]==min(d1[z],d2[z],d3[z])) s1[z]=2;

if(d3[z]==min(d1[z],d2[z],d3[z])) s1[z]=3; s1[z];

distance[z]=min(d1[z],d2[z],d3[z]); z=z+1 } s1;

#输出结果

output=matrix(c(s,distance,s1),31,3); row.name=area;

col.name=c(\原始组\,\最小距离\,\预测组\dimnames(output)=list(row.name,col.name); output;

#预测精度 o=1; total=0; t1=0; t2=0; t3=0; for(o in 1:29) {

if(s1[o]==s[o]) total=total+1; o+1 } p=total/29; p;

注:为写程序方便,在录入数据时,将“地区”指标用其英文“area”代替,用“s”代替“Group”

例4-3

x1 人均粮食支出 (元/人) x5 人均衣着支出 (元/人)

18

x2 人均副食支出 (元/人) x6 人均日用杂品支出 (元/人) x3 人均烟、酒、饮料支出 (元/人) x7 人均水电燃料支出 (元/人) x4 人均其他副食支出 (元/人) x8 人均其他非商品支出 (元/人) x1 x2 x3 x4 x5 x6 x7 x8 Group 序号 地区 1 北 京 21.3 124.89 35.43 73.98 93.01 20.58 43.97 433.73 1 50.9 422.74 1 上 海 21.13 168.69 40.81 70.12 74.32 15.46 2 1 浙 江 19.96 142.24 43.33 50.74 101.77 12.92 53.44 394.55 3 11.3 54.88 288.13 2 天 津 21.5 122.39 29.08 51.64 55.04 4 7.45 47.5 178.84 2 河 北 18.25 90.21 24.45 32.44 62.48 5 8.19 34.97 177.45 2 山 西 21.84 66.38 18.05 31.32 74.48 6 2 内蒙古 21.37 67.08 20.28 35.27 81.07 10.94 39.46 182.2 7 9.63 48.65 194.85 2 辽 宁 22.74 115.88 28.21 42.44 58.07 8 8.81 50.29 186.52 2 吉 林 20.22 88.94 18.54 35.63 65.72 9 14 29.56 69.29 8.24 42.08 165.9 2 10 黑龙江 21.33 75.5 2 11 江 苏 18.61 122.51 27.07 42.5 63.47 15.38 36.14 240.92 34.6 142.23 2 12 安 徽 19.61 107.13 32.85 35.77 61.34 7.53 2 13 福 建 25.56 171.65 22.3 40.53 57.13 12.6 54.03 225.08 2 14 江 西 18.75 104.68 15.55 35.61 51.8 11.18 36.27 142.72 2 15 山 东 18.27 88.34 19.07 43.19 72.97 12.59 42.16 200.18 2 16 河 南 19.07 73.18 18.01 29.38 64.51 8.91 38.14 155.45 2 17 湖 北 18.76 102.67 21.87 30.47 64.33 11.99 42.14 168.17 2 18 湖 南 20.25 104.45 20.72 38.15 62.98 12.67 39.16 213.56 2 19 广 西 18.7 131.35 11.69 32.06 41.54 10.84 42.77 178.51 2 20 海 南 16.16 139.92 12.98 23.58 24.87 10.76 32.35 144.21 2 21 重 庆 18.18 120.39 26.18 37.94 68.16 11.64 38.48 246.37 2 22 四 川 18.53 109.95 21.49 33.04 50.98 10.88 33.96 183.85 14 38.57 144.82 2 23 贵 州 18.33 92.43 25.38 32.19 56.32 2 24 云 南 22.3 99.08 33.36 32.01 52.06 7.04 32.85 190.04 2 25 陕 西 20.03 70.75 19.75 34.95 53.29 10.55 38.2 189.41 2 26 甘 肃 18.68 72.74 23.72 38.69 62.41 9.65 35.26 170.12 2 27 青 海 20.33 75.64 20.88 33.85 53.81 10.06 32.82 171.32 2 28 宁 夏 19.75 70.24 18.67 36.71 61.75 10.08 40.26 165.22 2 29 新 疆 21.03 78.55 14.35 34.33 64.98 9.83 33.87 161.67 1 广 东 23.68 173.30 17.43 43.59 53.66 16.86 65.02 385.94 西 藏 29.67 146.90 64.51 54.36 86.10 14.77 32.19 193.10 2

习题4.6

X1:0岁组死亡概率 X2:1岁组死亡概率 X3:10岁组死亡概率 组别 序号 X4:55岁组死亡概率

X5:80岁组死亡概率 X6:平均预期寿命 X4 X5 X6 X1 X2 X3 19

第 一 组 第 二 组 第 三 组 待 判 样 品 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 34.16 7.44 1.12 33.06 6.34 1.08 36.26 9.24 1.04 40.17 13.45 1.43 50.06 23.03 2.83 33.24 6.24 1.18 32.22 4.22 1.06 41.15 10.08 2.32 53.04 25.74 4.06 38.03 11.20 6.07 34.03 5.41 0.07 32.11 3.02 0.09 44.12 15.12 1.08 54.17 25.03 2.11 28.07 2.01 0.07 50.22 6.66 1.08 34.64 7.33 1.11 33.42 6.22 1.12 44.02 15.36 1.07 7.87 95.19 69.30 6.77 94.08 69.70 8.97 97.30 68.80 13.88 101.20 66.20 23.74 112.52 63.30 22.90 160.01 65.40 20.70 124.70 68.70 32.84 172.06 65.85 34.87 152.03 63.50 27.84 146.32 66.80 5.20 90.10 69.50 3.14 85.15 70.80 15.15 103.12 64.80 25.15 110.14 63.70 3.02 81.22 68.30 22.54 170.60 65.20 7.78 95.16 69.30 22.95 160.31 68.30 16.45 105.30 64.20

第5章 数据

例5-2

100固定资产原值实现值(%)

北京(1) 天津(2) 河北(3) 山西(4) 内蒙(5) 辽宁(6) 吉林(7) 黑龙江(8) 上海(9)

75.86 187.79

15.82 45.9

16.67 39.77

20.86 24.44

10.37 15.09

1267 4346

2.26 4.11

9830 31246

267 418.6

119.29 143.98 94.8 65.8 54.79 94.51 80.49

100元固定资产原值实现利税(%) 30.98 31.59 17.2 11.08 9.24 21.12 13.36

100元资金实现利税29.92 30.21 17.95 11.06 9.54 22.83 13.76

100元工业总产值实现25.97 21.94 18.14 12.15 16.86 22.35 16.6

100元销售收入实现15.48 12.29 9.37 16.84 6.27 11.28 7.14

每吨标准煤实现工业产值(元) 2178 2852 1167 8.82 894 1416 1306

每千瓦时电力实现工业产值(元) 3.41 4.29 2.03 1.65 1.8 2.36 2.07

全员劳动生产率(元

21006 20254 12607 10166 7564 13.386 9400

100元流动资金实现产296.7 363.1 322.2 284.7 225.4 311.7 274.1

(%) 利税(%) 利税(%) /人.年) 值(元)

20

江苏(10) 205.96 27.65 22.58 浙江(11) 207.46 33.06 25.78 安徽(12) 110.78 20.7 20.12 福建(13) 122.76 22.52 19.93 江西(14) 94.94 14.7 14.18 山东(15) 117.58 21.93 20.89 河南(16) 85.98 17.3 17.18 湖北(17) 103.96 19.5 18.48 湖南(18) 104.03 21.47 21.28 广东(19) 136.44 23.64 20.83 广西(20) 100.72 22.04 20.9 四川(21) 84.73 14.35 14.17 贵州(22) 59.05 14.48 14.35 云南(23) 73.72 21.91 22.7 陕西(24) 78.02 13.13 12.57 甘肃(25) 59.62 14.07 16.24 青海(26) 51.66 8.32 8.26 宁夏(27) 52.95 8.25 8.82 新疆(28)

60.29

11.26

13.14

例5-3

厂家编号及指固定资产资金利销售收入标 利税率 税率 利税率 1 琉璃河 16.68 26.75 31.84 2 邯郸 19.7 27.56 32.94 3 大同 15.2 23.4 32.98 4 哈尔滨 7.29 8.97 21.3 5 华新 29.45 56.49 40.74 6 湘乡 32.93 42.78 47.98 7 柳州 25.39 37.82 36.76 8 峨嵋 15.05 19.49 27.21 9 耀县 19.82 28.78 33.41 10 永登 21.13 35.2 39.16 11 工源 16.75 28.72 29.62 12 抚顺 15.83 28.03 26.4 13 大连 16.53 29.73 32.49 14 江南 22.24 54.59 31.05 15 江油 12.92 20.82 25.12

13.42 15.94 18.69 18.34 15.49 18.65 20.12 18.77 20.63 17.33 21.88 16.93 24.53 29.72 16.83 23.59 16.11 15.57 18.68

资金利

润率

18.4 19.2 16.24 4.76 43.68 33.87 27.56 14.21 20.17 26.52 19.23 17.43 20.63 37 12.54

7.81 9.28 6.6 8.35 6.69 9.1 7.67 9.16 8.72 7.85 9.67 7.96 8.09 9.38 9.19 11.34 7.05 6.58 8.39

固定资产产值率 53.25 59.82 46.78 34.39 75.32 66.46 68.18 6.13 59.25 52.47 55.76 61.19 50.41 67.95 51.07 3202 4.69 23377 3811 4.19 22054 1468 2.23 12578 2200 2.63 12164 1669 2.24 10463 1820 2.8 17829 1306 1.89 11247 1829 2.75 15745 1272 1.98 13161 2959 3.71 16259 1732 2.13 12441 1310 2.34 11703 1068 1.32 9710 1447 1.94 12517 1731 2.08 11369 926 1.13 13084 1055 1.31 9246 834 1.12 10406 1041

2.9

10983

流动资

金周转万元产全员劳动生天数 值能耗 产率 55 28.83 1.75 55 32.92 2.87 65 41.69 1.53 62 39.28 1.63 69 26.68 2.14 50 32.87 2.6 63 35.79 2.43 76 35.76 1.75 71 39.13 1.83 62 35.08 1.73 58 30.08 1.52 61 32.75 1.6 69 37.57 1.31 63 32.33 1.57 66 39.18 1.83

407.2 385.5 341.1 301.2 274.4 331.1 276.5 308.9 309 334 296.4 242.5 206.7 295.8 220.3 246.8 176.49 245.4 266

21

第6章 数据

例6-3

x1

x2

x3

x4

x5

x6

北 京 830.8 38103630 30671.14 127.4 5925388 64413910 天 津 549.74 40496103 34679 15.38 2045295 18253200 石 家庄 331.33 11981505 10008.48 8.07 493429 10444919 太 原 222.63 5183200 15248.11 2.43 333473 6601300 呼和浩特 沈 阳 长 春 哈 尔 滨 上 海 南 京 杭 州 合 肥 福 州 南 昌 济 南 郑 州 武 汉 长 沙 广 州 南 宁 海 口 成 都 贵 阳 昆 明 西 安 兰 州 西 宁 银 川 乌鲁木齐 大 连 宁 波 厦 门 青 岛 深 圳 重 庆 北 京

97.81 440.6 313.05 454.52 1041.39 391.67 263.67 160.18 205.43 195.46 297.21 249.72 474.98 205.83 493.32 167.99 76.05 386.23 165.27 205.34 312.88 175.54 105.13 79.2 142.94 297.48 168.81 83.74 329.96 122.39 753.92 x7 434.15 2407794 10643612 15115270 7215089 1.03E+08 25093816 32025226 5348605 12889573 4149169 13185425 9270494 13344938 5339304 40178324 2083763 2025643 9700976 3569419 5809573 6386627 5215490 1148959 1464867 3110943 15468641 26302862 13201500 25588695 52451037 15889928 x8 10989365 4155.1 14635.74 10891.98 9517.8 63861 14804.68 16815.2 4640.84 8250.39 4454.45 14354.4 7846.91 16610.34 10630.5 28859.45 5893.09 3304.4 28798.2 5317.55 12337.86 9392 5580.8 2037.15 2127.17 12754.02 21081.47 13797.38 3054.82 30552.6 6792.66 32450.2 x9 15 2 7.3 6.94 24.99 35.22 7.62 8.36 3.39 4.69 3.62 6.6 8.77 13.58 6.31 21.47 4.95 2.72 8.06 5.75 7.07 12.21 3.7 1.24 1.65 3.94 6.6 4.8 2.83 6.72 10.84 12.83 x10 17.3 205779 810889 459709 763600 8992850 1364788 1503888 358694 674522 314094 761054 658737 804368 598930 2747707 362435 122541 895752 403855 601101 648037 205660 84397 122605 409119 1105405 1394162 701456 1201398 2908370 1615618 x11 8.56 2554496 14229575 8313564 11536951 60546000 11336202 14664200 3592488 8762245 4828029 7583525 10484859 12855341 7048500 37273276 4514961 2843664 14944197 3449487 7085278 12105607 4683830 1749293 1930771 4203000 13101986 10596339 3971559 9084693 21994500 18965569 x12 44.94

22

天 津 石 家 庄

太 原 呼和浩特

沈 阳 长 春 哈 尔 滨

上 海 南 京 杭 州 合 肥 福 州 南 昌 济 南 郑 州 武 汉 长 沙 广 州 南 宁 海 口 成 都 贵 阳 昆 明 西 安 兰 州 西 宁 银 川 乌鲁木齐

大 连 宁 波 厦 门 青 岛 深 圳 重 庆

174.5 3254148 86.74 1067432 74.55 945212 28.9 407963 101.7 1521548 89.7 1244167 168.83 2102165 281.51 7686511 87.91 1950742 75.72 1867776 37.88 526577 71.3 1073262 49.79 692717 78.38 1256160 83.99 1137056 136.08 1868350 60.04 1019924 182.16 5247087 50.79 668976 22.97 340392 124.03 1894496 54.53 664234 73.34 1045469 113.73 1535896 54.91 740661 20.6 301364 29.12 393035 47.42 782873 82.13 1442215 59.88 1418635 54.78 1042111 104.55 1603305 104.98 3259900 203.79

2535070

18 7.99 18 7.23 16 5.06 18 3.81 15 9.32 15 11.87 14 12.75 19 14.57 16 9.06 17 8.93 17 14.11 18 9.65 17 7.37 19 7.77 19 10.11 17 6.87 18 10.09 17 11.16 18 9.91 20 5.09 17 8.95 16 9.37 15 15.33 15 7.32 15 10.33 17 11.47 15 9.26 19 22.89 14 13.79 17 9.88 20 15.5 15 14.78 21 114.91 21

4.94

第7章 数据

7.23 17.45 8.28 21.56 7.88 20.58 8.92 26.58 6.7 28.36 7.03 18.75 6.34 18.51 12.92 19.11 12.13 136.72 6.5 23.19 15.72 28.74 7.9 31.6 7.67 23.98 10.62 19.54 7.63 17.77 4.16 8.34 9.1 29.1 12.76 178.76 9.32 35.12 7.07 15.79 10.17 25.59 3.11 105.35 4.49 23.33 4.48 8.82 6.3 11.22 4.92 14.2 10.43 40.21 6.49 20.53 6.24 40.21 6.81 17.65 8.15 26.44 11.41 35.78 47.29 177.62 4.24

10.8

23

例7-2 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 省份 北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆 工资性收入 4524.25 2720.85 1293.50 1177.94 504.46 1212.20 510.96 464.31 6159.70 2786.11 3238.77 1010.05 1650.65 1227.94 1437.57 853.95 941.64 1228.79 2562.39 907.36 473.06 1088.80 954.89 583.28 348.31 565.18 756.71 586.71 560.52 702.10 195.51 家庭性收入 1778.33 2626.46 1988.58 1563.52 2223.26 2163.49 2395.50 2363.92 774.60 2124.97 2789.40 1499.25 2365.02 1786.41 2258.05 1913.66 2049.04 1713.97 1731.97 1516.36 2345.56 1541.48 1681.63 1153.36 1530.13 1187.13 1118.91 1263.42 1359.56 1561.94 2140.76 财产性收入 588.04 152.88 93.74 62.70 73.05 113.24 148.35 230.63 457.52 150.44 278.92 44.91 98.73 25.78 102.80 35.85 16.81 42.05 167.25 18.30 55.58 30.89 41.59 35.51 75.52 217.22 56.92 20.57 61.99 48.62 33.87 转移性收入 455.64 79.64 105.81 86.49 188.10 201.28 209.19 162.41 855.95 214.76 352.86 86.75 335.96 88.76 132.13 67.13 91.71 133.55 228.88 52.66 129.83 148.35 124.65 104.81 87.84 108.37 120.09 109.18 169.40 196.24 112.01 第8章 数据

例8-2城市竞争力与城市基础设施关系研究

基础设施是城市经济、社会活动的基本载体,是城市竞争力的重要组成部分。本例选取中国20个城市统计数据,对城市基础设施和竞争力间的关系进行典型相关分析。 表8-2 城市竞争力与城市基础设施数据

24

SAS软件程序如下: data city;

input y1-y4 x1-x6;

label y1='劳动生产率' y2='市场占有率' y3='居民人均收入' y4='经济增长率' x1='对外设施指数' x2='对内设施指数' x3='百人电话数' x4='技术设施指数' x5='文化设施指数' x6='卫生设施指数'; cards;

45623.05 2.5 8439.0 16.27 1.03 0.42 50.0 2.15…… run;

proc cancorr data=city all

vp=infrastructure wp=competitive; var x1-x6; with y1-y4; run;

例8-3为了分析影响生猪养殖的原因,我们选取以下代表生猪生产的主要指标:Y1肉猪出栏头数(万头)、Y2生猪年底存栏头数(万头)、Y3猪肉产量(万吨)、Y4出口活猪数量(万头)。对生猪生产有影响的指标有:X1猪(毛重)生产价格指数(1977年为100)、X2粮食产量(万吨)、X3粮食零售价格指数(1977=100)、X4农村居民人均纯收入(元)、X5乡村总人口数(万人)、X6全国人均猪肉消费量(斤)。

年份 x1

猪(毛重)生产价

100)

x2 x3

粮食零售价格

(1977=100)

x4 x5 x6

全国人均猪肉消费量(斤)

y1 y2

格指数(1977年为粮食产量(万吨) 指

农村居民人均纯收乡村总人口数入(元)

(万人)

肉猪出栏头数生猪年底存栏(万头)

头数(万头)

1978 1979 1980 1981 1982

100.30 124.77 127.77 128.02 128.15

30476.50 33211.50 32055.50 32502.00 35450.00

101.30 105.05 108.72 112.97 113.19

133.60 160.20 191.30 223.40 270.10

79014.00 15.34 79047.00 19.32 79565.00 22.31 79901.00 22.15 80174.00 23.51

16110.00 18768.00 19861.00 19495.00 20063.00

25

30129.00

31971.00

30543.00

29370.00

30078.00

1983 1984 1985 1986 1987 1988 1989 1990 1991 127.77 130.45 157.97 164.93 195.60 294.58 325.51 302.40 292.11 38727.50 40730.50 37910.80 39151.20 40473.30 39408.00 40754.90 44624.30 43529.30 113.08 112.85 125.15 136.79 145.27 165.76 201.06 191.41 207.87 309.80 355.30 397.60 423.80 462.60 544.90 601.50 686.31 708.60 80734.00 24.69 80340.00 26.03 80757.00 27.98 81141.00 28.82 81626.00 29.00 82365.00 29.82 83164.00 31.12 84138.00 29.00 84620.00 34.88 20661.00 22047.00 23875.20 25721.50 26177.00 27570.30 29023.30 30991.00 32897.00 29854.00

30679.00

33139.60

33719.10

32773.30

34221.80

35281.00

36240.80

36965.00

1992 310.52 44265.80 258.39 784.00 84996.00 36.44 35170.00 1993 355.54 45648.80 329.96 921.60 85344.00 28.30 37823.80 1994 549.67 44510.10 490.65 1221.00 85681.00 27.32 42103.20 1995 637.62 46661.80 659.43 1577.74 85947.00 27.82 48051.00 1996 651.64 50453.50 708.89 1926.10 85085.00 28.87 41225.20 1997 717.46 49417.10 652.89 2090.10 84177.00 26.84 46483.70 1998 594.77 51229.50 632.65 2162.00 83153.00 27.78 50215.10 1999 506.75 50838.60 609.87 2210.30 82038.00 29.61 51977.20 2000 507.76 46217.50 549.49 2253.42 80837.00 30.01 51862.30 2001 522.49 45263.70 557.74 2366.40 79563.00 29.30 53281.10 2002 512.04 45705.80 549.93 2475.60 78241.00 33.98 54143.90 2003 526.89 43069.50 562.03 2622.20 76851.00 34.21 55701.80 2004 594.54 46946.90 710.96 2936.40 75705.00 32.66 57278.50 2005 580.15 48402.20 720.92 3254.93 74544.00 35.82 60367.40 2006

525.56

49804.20

738.94

3587.04

73742.00 35.46

61207.30

2007 766.53 50160.30 786.23 4140.36 72750.00 31.58 56508.30

数据来源:中经网统计数据库、万方中国年鉴资源全文数据库、《中国统计年鉴2008,数据从1978年-2007年。 注:指标X1在中国统计年鉴里,2002年以前统一使用的是肥猪收购价格指数,但2002年以后改为猪(毛重)生产价格指数,两个阶段使用了不同的统计标准,但不影响问题的分析。 使用SAS/STAT软件中的CANCORR过程来完成典型相关分析。样本程序见下表: data pig; input X1-X6 Y1-Y4; cards; 100.30 30476.50 101.30 133.60 79014.00 15.34 16110.00 30129.00 975.30 246.28 … … … … run; proc cancorr data=pig all; var X1-X6;with Y1-Y4; run;

26

38421.00

39300.10

41461.50

44169.20

36283.60

40034.80

42256.30

43144.20

41633.60

41950.50

41776.20

41381.80

42123.40

43319.10

41850.40

43989.50

Data步创建了生猪养殖的数据的SAS数据集(名为pig),它有30个观测,10个变量。 proc cancorr表示调用典型相关程序,选项all表示输出所有的结果。 var 语句列出第一组变量的名字,with 列出第二组变量的名字。

[例8-2] 城市竞争力与城市基础设施关系研究。

基础设施是城市经济、社会活动的基本载体,是城市竞争力的重要组成部分。本例选取中国20个城市统计数据,对城市基础设施和竞争力间的关系进行典型相关分析。

表8-2(数据读者可在www.ruc-6sigma.com网《应用多元统计分析》第14章下载)城市竞争力与城市基础设施数据

SAS软件程序读者可在www.ruc-6sigma.com网《应用多元统计分析》第14章下载。 输出结果8-2

①变量间的相关性

变量:y1='劳动生产率' y2='市场占有率? y3='居民人均收入' y4='经济增长率'

27

x1='对外设施指数? x2='对内设施指数' x3='百人电话数' x4='技术设施指数' x5='文化设施指数' x6='卫生设施指数

? 城市基础设施指标变量相关性相对较强的有: X1与X3,X4; X4与X5; X5与X6的相关系

数都超过了0.5.

? 城市竞争力变量相关性相对较强的有: Y1与Y3;

? 城市基础设施指标和城市竞争力变量相关性相对较强的有: Y1与X2 ,X3;Y2与X1,X4,

X5,X6;Y3与X2,X3;Y4与Y5。 典型相关系数、特征值及多变量检验 ②典型相关系数、特征值及多变量检验

? 样本第一组典型方程V1和W1的典型相关系数为:0.960103.第二组为:0.949937. ? 注意:这些典型相关系数是越来越小的。

? 从4组典型方程的特征值看:第一、二组的特征值明显较大,其贡献分别为53.33%,42.21%,

累计贡献为96.04%。足以代表变量组间的相关。

? 从典型方程的显著性检验的P值看:在0.001甚至更小的显著性水平上,第一、二组典型方程

显著。表明能够用城市基础设施变量组来解释城市竞争力变量组。

③基础设施和竞争力变量在4条典型方程上的标准化系数

28

由上表可知,典型相关模型: 第一组典型模型

infrastructure1=0.1535x1+0.3423x2+0.4913x3+0.3372x4+0.1149x5+0.1419x6 competitive1=0.1395y1+0.7185y2+0.4270y3+0.0285y4

第二组典型模型

infrastructure2=0.2134x1+0.2637x2+0.3953x3-0.8690x4+0.2429x5-0.3856x6 competitive2=0.1322y1-0.7361y2+0.7720y3+0.0059y4

特别说明:标准化系数的性质与回归分析系数类似,但由于受到变量间相关的影响,并不能作为解释各个变量在典型方程上相对重要性的依据,但很多教材在这方面都存在失误。以标准化系数的大小来解释变量的相对重要性跟定时不妥的,除非各变量间不相关,而这又跟典型相关分析相悖。

另外需注意,SPSS的输出结果与SAS的结果,相关系数的符号恰好相反。

④各变量的典型负荷与跨典型负荷

29

X1-X4都与基础设施组的第一典型变量infrastructure1呈高度相关,相关系数均在0.6以上。说明对外基础设施、对内基础设施、百人电话数、技术设施指数在反应城市基础设施水平方面占主导地位。同时X1-X4与城市竞争力变量组的第一典型变量competitive1也呈高度相关。说明上述城市基础设施指标是反应城市竞争力大小的主要因素,X5和X6虽然对城市竞争力的影响相对较小,但其影响效应是正向的,这也与现实相符合。

Y1-Y3与竞争力变量组的第一典型变量competitive1呈高度相关,相关系数均在0.6以上。说明劳动生产率、市场占有率、居民人均收入在反应城市竞争力水平方面占主导地位。

同时Y1-Y3与城市基础设施变量组的第一典型变量infrastructure1也呈高度相关。体现了基础设施变量的主要因素对城市竞争力的本质影响,与指标的实际经济联系相吻合。

对第二组典型变量的结构解释与上类似,但由于第二组典型变量反应的信息量相对较小,故分析时主要看第一组典型变量。

抑制变量:如果出现变量的典型系数符号与典型相关系数符号相反的情况,则称此变量为抑制变量。由上述两个表格对比可知: 对于infrastructure2来讲,X1与X5为抑制变量。对于infrastructure1,没有抑制变量。

变量 X1 X2 + + X3 + + X4 - - X5 - + X6 - - 相关系数 - 典型系数 +

5典型冗余分析

SAS输出的第一组变量的变异量被4条infrastructure方程解释的百分比及与4条competitive典型方程的冗余系数。

由报表看:对于VAR组, infrastructure 1解释了本组变量变异值的51.59%;而competitive1能解释VAR组变量变异的47.55%.

注意:原始变量的冗余分析表只有在进行典型分析时,是以方差协方差矩阵取代相关矩阵,进行案例分析时才有意义。否则应看标准化的典型系数的相关报表。 6标准化变量的冗余分析

30

由报表看:对于基础设施变量组, infrastructure1解释了本组变量变异值的36.06%;而competitive1也能解释基础设施组变量变异的33.24%. infrastructure2解释了本组变量变异值的26.12%;而competitive2也能解释基础设施组变量变异的23.57%.其累计解释程度分别为:62.18%和56.81%。

同理,对于城市竞争力变量组,两个典型变量对竞争力变量变异的累计解释程度分别为:70.09%,64.04%。说明基础设施变量组和竞争力变量组相互解释能力较强。关系:第二典型冗余=第一典型冗余*典型相关系数的平方。

[例8-3] 为了分析影响生猪养殖的原因,我们选取以下代表生猪生产的主要指标:Y1肉猪出栏头数(万头)、Y2生猪年底存栏头数(万头)、Y3猪肉产量(万吨)、Y4出口活猪数量(万头)。对生猪生产有影响的指标有:X1猪(毛重)生产价格指数(1977年为100)、X2粮食产量(万吨)、X3粮食零售价格指数(1977=100)、X4农村居民人均纯收入(元)、X5乡村总人口数(万人)、X6全国人均猪肉消费量(斤)。

数据读者可在www.ruc-6sigma.com网《应用多元统计分析》第14章下载。 数据来源:中经网统计数据库、万方中国年鉴资源全文数据库、《中国统计年鉴2008,数据从1978年-2007年。 注:指标X1在中国统计年鉴里,2002年以前统一使用的是肥猪收购价格指数,但2002年以后改为猪(毛重)生产价格指数,两个阶段使用了不同的统计标准,但不影响问题的分析。 使用SAS/STAT软件中的CANCORR过程来完成典型相关分析。样本程序见下表: data pig; input X1-X6 Y1-Y4; cards; 100.30 30476.50 101.30 133.60 79014.00 15.34 16110.00 30129.00 975.30 246.28 … … … … run; proc cancorr data=pig all; var X1-X6;with Y1-Y4; run; Data步创建了生猪养殖的数据的SAS数据集(名为pig),它有30个观测,10个变量。 proc cancorr表示调用典型相关程序,选项all表示输出所有的结果。 31

The CANCORR Procedure Canonical Correlation Analysis Adjusted Approximate Squared Canonical Canonical Standard Canonical Correlation Correlation Error Correlation 1 0.987904 0.984801 0.004465 0.975955 2 0.916487 0.899610 0.029721 0.839948 3 0.762148 0.736296 0.077830 0.580870 4 0.244095 0.123398 0.174631 0.059583 Test of H0: The canonical correlations in the Eigenvalues of Inv(E)*H current row and all that follow are zero = CanRsq/(1-CanRsq) Likelihood Approximate Eigenvalue Difference Proportion Cumulative Ratio F Value Num DF Den DF Pr > F 1 40.5891 35.3411 0.8584 0.8584 0.00151688 16.05 24 70.982 <.0001 2 5.2480 3.8621 0.1110 0.9694 0.06308546 6.70 15 58.373 <.0001 3 1.3859 1.3225 0.0293 0.9987 0.39415704 3.26 8 44 0.0053 4 0.0634 0.0013 1.0000 0.94041748 0.49 3 23 0.6955 var 语句列出第一组变量的名字,with 列出第二组变量的名字。部分计算见输出结果8-3: 输出结果8-3: Correlations Among the VAR Variables X1 X2 X3 X4 X5 X6 X1 1.0000 0.8805 0.9633 0.8756 -0.0982 0.5379 X2 0.8805 1.0000 0.8613 0.7915 0.0300 0.6921 X3 0.9633 0.8613 1.0000 0.9390 -0.2639 0.5256 X4 0.8756 0.7915 0.9390 1.0000 -0.5262 0.6036 X5 -0.0982 0.0300 -0.2639 -0.5262 1.0000 -0.1327 X6 0.5379 0.6921 0.5256 0.6036 -0.1327 1.0000 Correlations Among the WITH Variables Y1 Y2 Y3 Y4 Y1 1.0000 0.9516 0.9982 -0.7665 Y2 0.9516 1.0000 0.9580 -0.6202 Y3 0.9982 0.9580 1.0000 -0.7369 Y4 -0.7665 -0.6202 -0.7369 1.0000 Correlations Between the VAR Variables and the WITH Variables Y1 Y2 Y3 Y4 X1 0.9065 0.9057 0.9156 -0.6423 X2 0.8588 0.8642 0.8780 -0.4928 X3 0.9478 0.8972 0.9466 -0.7745 X4 0.9511 0.8545 0.9409 -0.8579 X5 -0.3192 -0.1170 -0.2748 0.6768 X6 0.6887 0.6599 0.7011 -0.2556 输出结果8-3列出了两组变量各指标之间的相关关系。有结果可以看出,X1与X3、X1与X4均有有较高的相关系数,说了这几个指标在很大程度上都是影响生猪养殖的指标,且指标间包含的信息有重叠的部分。另外,Y1与Y2、Y2与Y3之间的相关系数也较高,它们可以反映生猪养殖的情况。 输出结果8-4 输出结果8-4给给出了典型相关相关系数及个相关系数的检验。第一对典型变量的典型相关系数为

0.987904,第二对典型变量的典型相关系数为0.916487。检验结果表明两个典型系数均是显著的。因此,

32

两组变量相关性的研究可以转化为研究第一对和第二对典型变量的相关性。 输出结果8-5

The CANCORR Procedure Canonical Correlation Analysis Standardized Canonical Coefficients for the VAR Variables The CANCORR Procedure Canonical Structure V1 Correlations Between the VAR Variables and Their Canonical Variables V2 V3 V4 X1 -0.5619 0.8970 V1 0.4774 V2 -1.5071 V3 V4 X2 -0.2882 X1 0.2028 0.9173 0.2887 0.2070 2.7474 -0.1466 -0.1564 X3 0.3725 X2 -1.5061 0.8679 2.8455 0.3774 -0.8289 -0.0158 0.2653 X4 1.5623 X3 0.6221 0.9644 -5.3347 0.0017 -0.0088 -0.0982 -0.0751 X5 0.5460 X4 0.9031 0.9718 -1.9598 -0.1798 -0.6186 -0.0205 0.0309 X6 0.1113 X5 0.2346 -0.3427 1.5978 0.8602 -0.6004 -0.1539 -0.0849 Standardized Canonical Coefficients for the WITH Variables X6 0.6759 0.3215 0.5903 0.1315 W1 Correlations Between the WITH Variables and Their Canonical Variables W2 W3 W4 Y1 -0.5005 -9.8843 W1 20.0432 W2 -14.3389 W3 W4 Y2 -0.1387 Y1 0.8085 0.9965 -2.3337 0.0271 -3.0278 0.0391 -0.0686 Y3 1.5230 Y2 9.5616 0.9320 -15.9830 0.2370 16.8028 -0.0525 -0.2692 Y4 -0.1418 Y3 0.5254 2.3860 -0.4936 0.9950 0.0821 0.0312 -0.0477 Y4 -0.7944 0.5542 0.2484 -0.0071 Correlations Between the VAR Variables and the Canonical Variables of the WITH Variables 输出结果8-4和输出结 W1 W2 W3 W4 果8-5是典型系数和典型结构的分析。 X1 0.9062 0.1897 -0.1117 -0.0382 前两对典型变量的线性X2 0.8574 0.3459 -0.0120 0.0648 组合是: X3 0.3725X3 0.9527 0.0016 ? -0.0749 -0.0183 V1?-0.5619X1 -0.2882X2? ? 1.5623X4?0.5460X50.1113X6X4 0.9600 -0.1648 -0.0156 0.0075 W1? -0.5005Y1 -0.1387Y2 Y3-0.1418X5 ? 1.5230 -0.3385 Y40.7883 -0.1173 -0.0207 X6 0.6677 0.2947 0.4499 0.0321 Correlations Between the WITH Variables and the Canonical Variables of the VAR Variables 在第一对典型变量V1和W1中,V1是对生猪V1 V2 V3 V4 养殖有影响的各因素的Y1 0.9845 0.0248 0.0298 -0.0167 线性组合。可以看出V1Y2 0.9207 0.2172 -0.0400 -0.0657 主要代表X1猪(毛重)生产价格指数、X4农村Y3 0.9830 0.0752 0.0238 -0.0116 居民人均纯收入、X5乡Y4 -0.7848 0.5079 0.1893 -0.0017 村总人口数。 W1是对生猪养殖指标的线性组合。W1主要代表Y1肉猪出栏头数、Y3猪肉产量.

这说明肉猪出栏头数、猪肉产量与(毛重)生产价格指数、农村居民人均纯收入、乡村总人口数有较密切的关系。

V2? 0.8970X1? 0.2028X2 -1.5061X3? 0.6221X4? 0.9031 X5? 0.2346X6 W2? -9.8843Y1? 0.8085Y2? 9.5616Y3? 0.5254Y4

在第二对典型变量V2和W2中,在V2的线性组合中与 X1猪(毛重)生产价格指数、X3粮食零售价格指数、X4农村居民人均纯收入、X5乡村总人口数的载荷系数较大,不过X3粮食零售价格指数在这里起副作用。W2的线性组合中与Y1肉猪出栏头数、Y2生猪年底存栏头数、Y3猪肉产量的载荷系数较大。这说明了猪(毛重)生产价格指数、粮食零售价格指数、农村居民人均纯收入、乡村总人口数是农民养猪的主要因素。从第二对典型变量中进一步看出生猪年底存栏头数与猪(毛重)生产价格指数及粮食产量同方向增长,与粮价方向相反。输出结果8-5可以看出V1与指标X1、X2、X3、X4有较强的相关性。W1与指标Y1、Y2、Y3有较强的相关性。

这些情况表明年底存栏头数是农民养猪积极性的反映。而农民养猪成本受粮食价格的制约,粮食产量

33

下降,粮食价格升高、饲料必然上涨,人民养猪的成本投入增大,养猪利润较少,农民致富的经营目标当然转移,只是商品生产的必然规律,改革开放初期我国生猪养殖的波动已充分说明了这方面的问题。但近几年政府相继出台生猪养殖的各项好政策,落实对养猪户的补贴政策,以维护生猪养殖的稳定发展。 输出结果8-6 The CANCORR Procedure Canonical Redundancy Analysis Standardized Variance of the VAR Variables Explained by Their Own The Opposite Canonical Variables Canonical Variables Canonical Variable Cumulative Canonical Cumulative Number Proportion Proportion R-Square Proportion Proportion 1 0.6739 0.6739 0.9760 0.6577 0.6577 2 0.1768 0.8507 0.8399 0.1485 0.8062 3 0.0673 0.9180 0.5809 0.0391 0.8453 4 0.0210 0.9390 0.0596 0.0013 0.8466 Standardized Variance of the WITH Variables Explained by Their Own The Opposite Canonical Variables Canonical Variables Canonical Variable Cumulative Canonical Cumulative Number Proportion Proportion R-Square Proportion Proportion 1 0.8707 0.8707 0.9760 0.8498 0.8498 2 0.0927 0.9634 0.8399 0.0779 0.9276 3 0.0167 0.9801 0.5809 0.0097 0.9373 4 0.0199 1.0000 0.0596 0.0012 0.9385

输出结果8-7

The CANCORR Procedure Canonical Redundancy Analysis Squared Multiple Correlations Between the VAR Variables and the First M Canonical Variables of the WITH Variables M 1 2 3 4 34

输出结果8-6和输出结果8-7是典型冗余分析。输出结果说明典型函数可以解释的变量方差的比例。第一典型变量V1可以解释组内变差67.39%,并解释的另一组(生猪养殖指标)的变差为65.77%;典型变量W1可以解释组内变差87.07%,并解释的另一组(生猪养殖的影响因素指标)的变差为84.98%。可见第一对典型变量都能较全面地预测另一组变量。而第二和第三对典型变量实际上都没给出较充分的信息。 输出结果8-7是典型冗余分析的复相关系数分析,类似于回归分析中的R,读者可试给出相应的解释。

利用SPSS软件也可以进行典型相关分析。有关SPSS典型相关分析的输出,本文不再详细讨论,有兴趣的读者请参考相关指导书。

2

第9章 数据

例9-1 高 中 低 合计 满意 53 434 111 598 不满意 38 108 48 194 合计 91 542 159 792

例9-2 序号 年家庭收 入(万元)

签定意向 书人数 实际购房 人数 实际购房 比例 逻辑变换 权重 wi=nipi(1-pi) 35

x ni mi pi=mi/ni pip??ln() i1?pi-0.75377 -0.37949 -0.20764 -0.31015 -0.13976 0.257829 0.287682 0.287682 0.693147 5.440 7.719 14.345 12.692 10.698 9.590 6.857 5.143 3.333 1 2 3 4 5 6 7 8 9 1.5 2.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5 25 32 58 52 43 39 28 21 15 8 13 26 22 20 22 16 12 10 0.320000 0.406250 0.448276 0.423077 0.465116 0.564103 0.571429 0.571429 0.666667 例9-3

序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 性别 0 0 0 0 0 0 0 0 0 0 0 0 0 1 年龄 18 21 23 23 28 31 36 42 46 48 55 56 58 18 月收入 850 1200 850 950 1200 850 1500 1000 950 1200 1800 2100 1800 850 y 0 0 1 1 1 0 1 1 1 0 1 1 1 0 序号 15 16 17 18 19 20 21 22 23 24 25 26 27 28 性别 1 1 1 1 1 1 1 1 1 1 1 1 1 1 年龄 20 25 27 28 30 32 33 33 38 41 45 48 52 56 月收入 1000 1200 1300 1500 950 1000 1800 1000 1200 1500 1800 1000 1500 1800 y 0 0 0 0 1 0 0 0 0 0 1 0 1 1

第10章 数据

例10-2 分行号

不良贷款 1 2 3 4 5

贷款余额 0.90 1.10 4.80 3.20 7.80

应收贷款 67.30 111.30 173.00 80.80 199.70

项目数 6.80 19.80 7.70 7.20 16.50

固定资产投资额 5 16 17 10 19

51.90 90.90 73.70 14.50 63.20

36

6 2.70 16.20 2.20 1 7 1.60 107.40 10.70 17 8 12.50 185.40 27.10 18 9 1.00 96.10 1.70 10 10 2.60 72.80 9.10 14 11 0.30 64.20 2.10 11 12 4.00 132.20 11.20 23 13 0.80 58.60 6.00 14 14 3.50 174.60 12.70 26 15 10.20 263.50 15.60 34 16 3.00 79.30 8.90 15 17 0.20 14.80 0.60 2 18 0.40 73.50 5.90 11 19 1.00 24.70 5.00 4 20 6.80 139.40 7.20 28 21 11.60 368.20 16.80 32 22 1.60 95.70 3.80 10 23 1.20 109.60 10.30 14 24 7.20 196.20 15.80 16 25

3.20

102.20

12.00

10

第12章 数据

例12-1

水平 属性 1 2 3 例12-2 1.从公寓到公司的15分钟以内 15-30分钟 30分钟以上 坐车时间 2.公寓周围的噪音非常安静 一般 极其嘈杂 水平 3.公寓所在地的安非常安全 一般安全 不安全 全情况 4.公寓情况 全部刷新过 仅厨房刷新过 条件不好 5.居住/进餐房间7/9米 5/7米 3/5米 大小 6.月租金(包括用¥150-300 ¥300-500 ¥500以上 具) 品牌 内存容量/MB CPU/GHZ 单价/元 2.20 20.20 43.80 55.90 64.30 42.70 76.70 22.80 117.10 146.70 22.90 42.10 25.30 13.40 64.30 163.90 44.50 67.90 39.70 97.10

37

方正 256 2 4200 联想 512 3 7200 惠普 1024 4 10039

第13章 数据

例13-3 项目 宝钢 鞍钢 武钢 首钢 浦项 负债保障率 2.89 2.95 2.34 1.85 3.12 长期负债倍数 5.16 9.15 6.07 2.63 6.96 流动比率 1.31 1.83 1.16 2.22 2.1 资产利润率 21.71 17.34 24.77 11.89 25.34 收入利润率 23.17 11.33 19.55 7.6 22.28 成本费用利润率 30.23 12.76 24.81 8.05 28.52 净利润现金比率 1.79 0.9 1.7 1.09 1.3 三年资产平均增长率 1.48 7.28 63.3 11.76 13.18 三年销售平均增长率 20.07 29.19 52.88 18.77 24.16 三年平均资本增长率 11.04 10.5 48.95 7.63 17.51

例13-4

净资产收总资产报资产负债总资产流动资产已获利息销售增长资本积累公司简称 益率% 酬率% 率% 周转率 周转率 倍数 率% 率% 深能源A 16.85 12.35 42.32 0.37 1.78 7.18 45.73 54.54 深南电A 22 15.30 46.51 0.76 1.77 15.67 48.11 19.41

第14章数据

例14-1 1 2 3 4 5 6 7 8 9 10 11 12 1 2 244 3 218 350 4 284 77 369 5 197 167 347 242

38

6 312 444 94 463 441 7 215 221 150 236 279 245 8 469 583 251 598 598 169 380 9 166 242 116 257 269 210 55 349 10 212 53 298 72 170 392 168 531 190 11 253 325 57 340 359 143 117 264 91 273 12 270 168 284 164 277 378 143 514 173 111 256

例14-7 城市 天津 北京 锦州 沈阳 长春 哈尔滨 满洲里 齐齐哈尔 牡丹江 吉林 天津 0 北京 137 0 锦州 499 486 0 沈阳 741 728 242 0 长春 1046 1033 547 305 0 哈尔1288 1275 789 547 242 0 滨 满洲2326 2210 1724 1482 1177 935 0 里 齐齐1451 1335 849 760 530 288 693 0 哈尔 牡丹1746 1630 1144 902 597 355 1290 643 0 江 吉林 1187 1174 688 446 128 275 1210 563 630 0

39

本文来源:https://www.bwwdw.com/article/r6tw.html

Top