空气污染物相关性统计分析

数理统计课程作业报告

题目：郑州市主要空气污染物相关性分析课程：数理统计

学院：物流工程院

专业：物流工程专业

姓名：原上草

学号： 666666666668

2015年12月20 日

一、研究背景 (4)

二、污染物各月数据特征分析 (4)

三、郑州与杭州空气质量比较分析 (6)

四、多元线性回归模型 (7)

4.1 PM2.5浓度相关性分析 (7)

4.2建立模型 (8)

4.3求解模型 (8)

4.4残差分析 (9)

4.5模型预测 (9)

五、总结 (10)

参考文献 (11)

附件程序 (12)

摘要

本文选取了2014年12 月至2015年11月期间郑州市主要空气污染物浓度数据，首先分析了郑州市各个月空气中PM2.5、PM10、CO、SO2和NO2的污染物浓度数据的特征值, 探讨了空气污染物浓度的时间变规律；然后对比了郑州市和杭州市AQI指标，分析空气污染物的空间变化规律；最后采用MATLAB软件分析了PM2.5与其它主要空气污染物之间的相关性得到了

350.39*143.99*20.032

=-+++-的多元线性回归模型，用12月份的y x x x x

数据进行预测PM2.5浓度与真实值比较，结果表明该模型能较好的拟合PM2.5与其它污染物间相关性。

关键词:多元线性回归；特征分析；空气污染物；相关性

一、研究背景

随着城市社会经济快速发展、资源能源消耗和污染物排放总量的增长，城市的空气污染问题越来越突出，长期积累的环境风险开始出现。在2 0 1 2 年2月，国家出台了新版《环境空气质量标准》（GB3095—2012)，调整了部分污染物浓度限值，并增设PM2.5和O3浓度限值，对环境监测环境管理和环境评价提出了新的要求。城市环境空气质量的好坏与气象条件密切相关，研究和解决空气质量问题，通过分析各污染物浓度之间相关性，才可能准确掌握城市大气污染规律，对改善城市空气质量、提高人民健康水平有重要意义。本文重点分析了郑州市PM2.5浓度与其他主要空气污染物浓度的相关性。

二、污染物数据特征分析

郑州市属北温带大陆性季风气候，冷暖适中、四季分明，春季干旱少雨，夏季炎热多雨，秋季晴朗日照长，冬季寒冷少雪。四季分明的特点在污染物的时空分布上也是表现的十分明显。本文对郑州市最近12个月空气中PM2.5、PM10、CO、SO2和NO2的污染物浓度特征值进行分析，主要污染物的变化情况如下所示：

表一：PM2.5浓度特征值

表二：PM10浓度特征值

表三：CO浓度特征值

表四：NO2浓度特征值

表五：SO2浓度特征值

为了方便于直观的分析空气污染物浓度与时间之间的变化规律，将以上表格数据中主要污染浓度的月平均值作折线图如下：

图1：污染物浓度月平均值

从图1中可以看出郑州市主要空气污染物浓度在十二月至来年二月份左右达到最大，然后污染物浓度开始下降，到六月至八月份降到最低。郑州市区雾霾天气情况随季节变化比较明显，在冬季，气象条件将更加不利于污染物扩散。进一步分析PM2.5和PM10的变化趋势可预测郑州市雾霾天气大多发生在每年的十二月份至来年的二月份，而每年六月份至八月份雾霾天气出现次数较少。

三、郑州与杭州空气质量比较分析

本文分别选取了郑州市和杭州市最近12个月的空气污染浓度数据，以AQI 为指标，将空气污染程度划分为优、良、轻度污染、中度污染、重度污染和严重污染六个等级，下图是对两城市空气质量等级的天数进行比较:

图2：郑州市与杭州市空气质量等级

由上图可以看出杭州市空气质量等级主要是优和良，占总天数77.3%，中重度污染占比3.2%，郑州市空气质量优良的比例是36.6%不及杭州市的一半，中重度以上污染占比30.1%。杭州市空气质量等级明显优于郑州市，对于两城市空气质量的差别进行分析得出两方面的主要影响因素，一人为因素影响：郑州市能源消耗以燃煤为主，占整个能源消耗量的73%。其中，相当一部分单位的燃煤排放没有达到国家标准，然而即使排放全部达标，因燃煤基数过大，也将对大气环境造成极大危害。二气候地理因素影响：通过百度地图可以看出郑州位于秦岭以北，

123

12373231580230

空气质量等级

郑州市杭州市

属于北温带大陆性季风气候，天气干燥少雨，本地产生的污染物不易扩散，且容易受到北方气流影响，冬季冷空气带来大量污染物被阻隔在秦岭一带，污染物停滞在华北平原，造成郑州空气污染越发严重。杭州位于秦岭以南属于亚热带季风气候，降水充沛，受东南季风影响，从海上吹来的温湿气流给杭州带来了新鲜的空气的同时也使杭州本地产生的污染更容易扩散。

图3：郑州市与杭州市地理位置关系

郑州市空气污染的预防与控制也可以从两个方面讨论：一方面对于本地产生的污染问题，可以提高能源利用率、发展新型清洁能源严查排放不达标车辆、提倡步行与骑行等来减少污染物的产生。另一方面对于北方气流带来的污染物可以通过与周边省市进行联防联控，减少空气流通带来的污染。

四、空气污染物浓度相关性分析

4.1 PM2.5浓度相关性分析

PM2.5指环境空气中空气动力学当量直径小于等于 2.5 微米的颗粒物。它能较长时间悬浮于空气中，其在空气中含量浓度越高，就代表空气污染越严重。本文对郑州市最近12个月天气数据分析，研究空气中PM2.5浓度与PM10、CO、NO2、和SO2浓度是否相关。其散点图如下所示：

图4：PM2.5与PM10相关性图5：PM2.5与CO相关性

图6：PM2.5与NO2相关性图7：PM2.5与SO2相关性

由图4-7可知PM2.5浓度随着PM10、CO 、NO2、和SO2浓度增加而增加，成线性相关。

4.2建立多元线性回归模型

对PM2.5浓度与PM10、CO 、NO2、和SO2浓度进行多元线性回归，设PM2.5浓度为y ，则

01234*1*2*3*4+y x x x x βββββε=++++

其中:

x1、x2、x3、x4是回归变量代表PM10、CO 、NO2、和SO2浓度，01234,,,,βββββ是回归系数，ε是随机误差应大致服从均值为0的正态分布。 4.3求解模型

直接利用matlab 工具箱中的命令regress 求解，使用格式为：

[b,bint,r,rint,stats]=regress(y,x,0.05)

其中y 为pm2.5浓度，置信度水平设为0.05。输出b 为的估计值，bint 为b 的置信区间，stats 为回归模型的检验统计量，有4个值，第一个是回归方程决定系数2R ，第二个是F 统计量，第三个是与F 统计量对应的概率值p ，第四个是剩余方差2s 。

得到模型的回归系数估计值及其置信区间、检验统计量的结果如下：

表六：多元线性回归计算结果

20.7968R = 356.80F = 0.0001p < 2583s =

表六显示，2

R =0.7968指因变量y （PM2.5浓度）的79.68%可以由模型确定，F 检验值远超过F 检验的临界值，p 远小于置信水平0.05，拟合从整体来看是可用的。所以拟合方程为：

350.39*143.99*20.032*30.16*4y x x x x =-+++-

4.4残差分析

作出残差图，从图 1可以看出，红线为异常数据，除少数几个异常数据外，其余数据的残差离零点均较近，且残差的置信区间包含零点，这说明回归方程y=-35+0.39*x1+43.99 x2-0.032x3+0.16x4能较好地符合原始数据。

图8：残差图分析图

根据以上公式，空气中PM2.5浓度与pm10、CO 、NO2、和SO2浓度具有线性相关性，具有一定的现实意义，例如当某个监测站pm2.5检测仪出现故障时，可利用其它污染物浓度推出。 4.5模型预测

为检验所得多元线性回归模型的可靠度，本文利用2015年12月份的污染物浓度数据进行预测PM2.5的浓度与真实PM2.5浓度进行对比，预测值与真实数据对比如图五，其中蓝色星点为PM2.5浓度真实值，红色曲线为PM2.5浓度预测值，对比发现预测曲线全部在真实值附近。

图9：预测浓度与真实浓度的对比

五、总结

文中利用多元线性回归方法分析PM2.5浓度与主要污染物浓线性相关性，得到回归方程350.39*143.99*20.032*30.16*4y x x x x =-+++-，并通过检验方法证明所建立的模型有一定的理论意义和实用价值，体现了多元线性回归模型广阔的应用前景。

参考文献

[1]陈杜甫，高祎楠，张稳定，姜楠，燕启社，张瑞芹.郑州市大气PM2.5污染传输影响研究—中国环境科学学会学术年会（2015）光大环保优秀论文集[C].郑州：郑州大学,2015.234-244.

[2]王佳.郑州市PM2.5污染特征及其源解析研究[D].郑州：郑州大学,2015.5-10.

[3]毕丽玫，史建武，刘意，邓昊，盛涛.昆明城区PM2.5与常规大气污染物及气象因素的相关性分析—中国环境科学学会学术年会论文集[C].昆明：昆明理工大学.4499-4505.

[4]孟小峰.重庆主城区空气质量时空分布及其影响因素研究[D].重庆：西南大学，2011.

[5]蒋维嵋.空气污染气象学教程[M].北京中国气象出版社，2004.

[6]丁国安.实用污染气象学[M].北京：气象出版社，1981.

[7]气象网站天气后报：https://www.360docs.net/doc/297670019.html,/

附件程序

%%多元线性回归程序

clear

clc%清除所有数据

x=xlsread('222.xls','sheet12','e2:i370'); %读取郑州市污染物浓度数据y=x(:,1);%PM2.5浓度

x1=x(:,2);%PM10浓度

x2=x(:,3);%CO浓度

x3=x(:,4);%SO2浓度

x4=x(:,5);%NO2浓度

x=[ones(369,1) x1 x2 x3 x4];

[b,bint,r,rint,stats]=regress(y,x,0.05);%多元线性回归函数

%%预测程序

clear

clc%清除所有数据

x=[];%复制2015年12月的天气污染数据

x1=x(:,2);

x2=x(:,3);

x3=x(:,4);

x4=x(:,5);

y=x(:,1);

Y= -35+0.39*x1+43.99*x2-0.032*x3-0.16*x4;

X=1:17;

plot(X,Y,'r',X,y,'b*')

应用多元统计分析课后答案

2.1.试叙述多元联合分布和边际分布之间的关系。解：多元联合分布讨论多个随机变量联合到一起的概率分布状况，12(,,)p X X X X '=L 的联合分布密度函数是一个p 维的函数，而边际分布讨论是12(,,)p X X X X '=L 的子向量的概率分布，其概率密度函数的维数小于p 。 2.2设二维随机向量1 2()X X '服从二元正态分布，写出其联合分布。解：设1 2()X X '的均值向量为()1 2μμ'=μ，协方差矩阵为21 122212σσσσ?? ? ?? ，则其联合分布密度函数为 1/2 12 2 2112112222122121()exp ()()2f σσσσσσσσ--???????? '=---?? ? ??? ?????? x x μx μ。 2.3已知随机向量12()X X '的联合密度函数为 12121222 2[()()()()2()()] (,)()()d c x a b a x c x a x c f x x b a d c --+-----= -- 其中1a x b ≤≤，2c x d ≤≤。求（1）随机变量1X 和2X 的边缘密度函数、均值和方差；（2）随机变量1X 和2X 的协方差和相关系数；（3）判断 1X 和2X 是否相互独立。（1）解：随机变量 1X 和2X 的边缘密度函数、均值和方差； 11212122 2[()()()()2()()] ()()()d x c d c x a b a x c x a x c f x dx b a d c --+-----=--? 1221222222 2()()2[()()2()()]()()()() d d c c d c x a x b a x c x a x c dx b a d c b a d c -------=+----? 121 222202()()2[()2()]()()()() d d c c d c x a x b a t x a t dt b a d c b a d c ------= +----? 221212222 2()()[()2()] 1()()()()d c d c d c x a x b a t x a t b a d c b a d c b a ------=+= ----- 所以由于1X 服从均匀分布，则均值为2b a +，方差为 ()2 12 b a -。

多元统计分析实例汇总

多元统计分析实例院系:商学院学号: 姓名:

多元统计分析实例本文收集了2012年31个省市自治区的农林牧渔和相关农业数据,通过对对收集的数据进行比较分析对31个省市自治区进行分类.选取了6个指标农业产值,林业产值.牧业总产值,渔业总产值,农村居民家庭拥有生产性固定资产原值,农村居民家庭经营耕地面积. 数据如下表: 一.聚类法

设定4个群聚,采用了系统聚类法.下表为spss分析之后的结果.

Rescaled Distance Cluster Combine C A S E 0 5 10 15 20 25 Label Num +---------+---------+---------+---------+---------+ 内蒙 5 -+ 吉林 7 -+ 云南 25 -+-+ 江西 14 -+ +-+ 陕西 27 -+-+ | 新疆 31 -+ +-+ 安徽 12 -+-+ | | 广西 20 -+ +-+ +-------+ 辽宁 6 ---+ | | 浙江 11 -+-----+ | 福建 13 -+ | 重庆 22 -+ +---------------------------------+ 贵州 24 -+ | | 山西 4 -+---+ | | 甘肃 28 -+ | | | 北京 1 -+ | | | 青海 29 -+ +---------+ | 天津 2 -+ | | 上海 9 -+ | | 宁夏 30 -+---+ | 西藏 26 -+ | 海南 21 -+ | 河北 3 ---+-----+ | 四川 23 ---+ | | 黑龙江 8 -+-+ +-------------+ | 湖南 18 -+ +---+ | | | 湖北 17 -+-+ +-+ +-------------------------+ 广东 19 -+ | | 江苏 10 -------+ | 山东 15 -----------+-----------+ 河南 16 -----------+

多元统计分析方法

多元统计分析方法 Document serial number【UU89WT-UU98YT-UU8CB-UUUT-UUT108】

多元统计分析概述目录一、引言 (3) 二、多元统计分析方法的研究对象和主要内容 (3) 1.多元统计分析方法的研究对象 (3) 2.多元统计分析方法的主要内容 (3) 三、各种多元统计分析方法 (3) 1.回归分析 (3) 2.判别分析 (6) 3.聚类分析 (8) 4.主成分分析 (10) 5.因子分析 (10) 6. 对应分析方法 (11) 7. 典型相关分析 (11) 四、多元统计分析方法的一般步骤 (12) 五、多元统计分析方法在各个自然领域中的应用 (12) 六、总结 (13) 参考文献 (14) 谢辞 (15)

一、引言统计分布是用来刻画随机变量特征及规律的重要手段，是进行统计分布的基础和提高。多元统计分析方法则是建立在多元统计分布基础上的一类处理多元统计数据方法的总称，是统计学中的具有丰富理论成果和众多应用方法的重要分支。在本文中，我们将对多元统计分析方法做一个大体的描述，并通过一部分实例来进一步了解多元统计分析方法的具体实现过程。二、多元统计分析方法的研究对象和主要内容（一）多元统计分析方法的研究对象由于大量实际问题都涉及到多个变量，这些变量又是随机变量，所以要讨论多个随机变量的统计规律性。多元统计分析就是讨论多个随机变量理论和统计方法的总称。其内容包括一元统计学中某些方法的直接推广，也包括多个随即便量特有的一些问题，多元统计分析是一类范围很广的理论和方法。现实生活中，受多个随机变量共同作用和影响的现象大量存在。统计分析中，有两种方法可同时对多个随机变量的观测数据进行有效的分析和研究。一种方法是把多个随机变量分开分析，一次处理一个随机变量，分别进行研究。但是，这样处理忽略了变量之间可能存在的相关性，因此，一般丢失的信息太多，分析的结果不能客观全面的反映整个问题，而且往往也不容易取得好的研究结论。另一种方法是同时对多个随机变量进行研究分析，此即多元统计方法。通过对多个随即便量观测数据的分析，来研究随机变量总的特征、规律以及随机变量之间的相互

应用多元统计分析试题及答案

一、填空题： 1、多元统计分析是运用数理统计方法来研究解决多指标问题的理论和方法. 2、回归参数显著性检验是检验解释变量对被解释变量的影响是否著. 3、聚类分析就是分析如何对样品（或变量）进行量化分类的问题。通常聚类分析分为 Q型聚类和 R型聚类。 4、相应分析的主要目的是寻求列联表行因素A 和列因素B 的基本分析特征和它们的最优联立表示。 5、因子分析把每个原始变量分解为两部分因素：一部分为公共因子，另一部分为特殊因子。 6、若 () (,), P x N αμα ∑=1,2,3….n且相互独立，则样本均值向量x服从的分布为_x~N(μ，Σ/n)_。二、简答 1、简述典型变量与典型相关系数的概念，并说明典型相关分析的基本思想。在每组变量中找出变量的线性组合，使得两组的线性组合之间具有最大的相关系数。选取和最初挑选的这对线性组合不相关的线性组合，使其配对，并选取相关系数最大的一对，如此下去直到两组之间的相关性被提取完毕为止。被选出的线性组合配对称为典型变量，它们的相关系数称为典型相关系数。 2、简述相应分析的基本思想。相应分析，是指对两个定性变量的多种水平进行分析。设有两组因素A和B，其中因素A包含r个水平，因素B包含c个水平。对这两组因素作随机抽样调查，得到一个rc的二维列联表，记为。要寻求列联表列因素A和行因素B的基本分析特征和最优列联表示。相应分析即是通过列联表的转换，使得因素A

和因素B 具有对等性，从而用相同的因子轴同时描述两个因素各个水平的情况。把两个因素的各个水平的状况同时反映到具有相同坐标轴的因子平面上，从而得到因素A 、B 的联系。 3、简述费希尔判别法的基本思想。从k 个总体中抽取具有p 个指标的样品观测数据，借助方差分析的思想构造一个线性判别函数系数：确定的原则是使得总体之间区别最大，而使每个总体内部的离差最小。将新样品的p 个指标值代入线性判别函数式中求出值，然后根据判别一定的规则，就可以判别新的样品属于哪个总体。 5、简述多元统计分析中协差阵检验的步骤第一，提出待检验的假设和H1；第二，给出检验的统计量及其服从的分布；第三，给定检验水平，查统计量的分布表，确定相应的临界值，从而得到否定域；第四，根据样本观测值计算出统计量的值，看是否落入否定域中，以便对待判假设做出决策（拒绝或接受）。协差阵的检验检验0=ΣΣ 0p H =ΣI ： /2 /21exp 2np n e tr n λ???? =-?? ? ???? S S 00p H =≠ΣΣI ： /2 /2**1exp 2np n e tr n λ???? =-?? ? ???? S S

统计学--统计学-——典型案例、问题和思想

经济管理类“十二五”规划教材统计学 -基于典型案例、问题和思想主讲林海明

第一章绪论【引言】我们从如下9个重要事例，说明统计学有什么用。事例1：二次世界大战中，最激烈的空战是英国抗击德国的空战，英军为了提高战斗力，急需找到英军战机空战中的危险区域加固钢板，统计学家瓦尔德用统计学

方法找到了危险区域，英军用钢板加固了这些危险区域，使英军取得了空战的胜利。事例2：上世纪20-30年代，为了找到中国革命的主力军和道路，政治家毛泽东悟出了统计学的频数方法，用此找到了中国革命的主力军是农民，中国革命的道路是农村包围城市。由此不屈不饶的奋斗，由弱变强，建立了独立自主的中华人民共和国，他还发现了“没有调查，就没有发

言权”的科学论断。事例3：1998年，美国博耶研究型大学本科生教育委员会发表了题为《重建本科生教育：美国研究型大学发展蓝图》的报告，该报告指出：为了培养科学、技术、学术、政治和富于创造性的领袖，研究型大学必须“植根于一种深刻的、永久性的核心：探索、调查和发现”。这说明了统计学中调查的重要性。

事例4：在居民收入贫富差距的测度方面,美国统计学家洛仑兹（1907）、意大利经济学家基尼（1922）找到了统计学的洛仑兹曲线、基尼系数，由此给出了居民收入贫富差距的划分结果，为政府改进居民收入贫富不均的问题提供了政策依据。事例5：二战后产品质量差的日本，以田口玄一为代表的质量管理学者用统计学方法找到了3σ质量管理原则，用其大幅提

高了企业的产品质量，其产品畅销海内外，日本因此成为当时的第二经济强国。该学科现已发展到了6σ质量管理原则。事例6：在第二次世界大战的苏联卫国战争中，专家们用英国统计学家费歇尔（1 925）的最大似然法、无偏性，帮助苏军破解了德军坦克产量的军事秘密，由此苏军组织了充足的军事力量并联合盟军，打败了德军的疯狂进攻并占领了柏林。

应用多元统计分析习题解答_第五章

第五章聚类分析判别分析和聚类分析有何区别答：即根据一定的判别准则，判定一个样本归属于哪一类。具体而言，设有n 个样本，对每个样本测得p 项指标（变量）的数据，已知每个样本属于k 个类别（或总体）中的某一类，通过找出一个最优的划分，使得不同类别的样本尽可能地区别开，并判别该样本属于哪个总体。聚类分析是分析如何对样品（或变量）进行量化分类的问题。在聚类之前，我们并不知道总体，而是通过一次次的聚类，使相近的样品（或变量）聚合形成总体。通俗来讲，判别分析是在已知有多少类及是什么类的情况下进行分类，而聚类分析是在不知道类的情况下进行分类。试述系统聚类的基本思想。答：系统聚类的基本思想是：距离相近的样品（或变量）先聚成类，距离相远的后聚成类，过程一直进行下去，每个样品（或变量）总能聚到合适的类中。对样品和变量进行聚类分析时，所构造的统计量分别是什么简要说明为什么这样构造答：对样品进行聚类分析时，用距离来测定样品之间的相似程度。因为我们把n 个样本看作p 维空间的n 个点。点之间的距离即可代表样品间的相似度。常用的距离为（一）闵可夫斯基距离：1/1 ()() p q q ij ik jk k d q X X ==-∑ q 取不同值，分为（1）绝对距离（1q =） 1 (1)p ij ik jk k d X X ==-∑ （2）欧氏距离（2q =） 21/2 1 (2)() p ij ik jk k d X X ==-∑ （3）切比雪夫距离（q =∞） 1()max ij ik jk k p d X X ≤≤∞=- （二）马氏距离（三）兰氏距离对变量的相似性，我们更多地要了解变量的变化趋势或变化方向，因此用相关性进行衡量。将变量看作p 维空间的向量，一般用 2 1()()()ij i j i j d M -'=--X X ΣX X 11()p ik jk ij k ik jk X X d L p X X =-=+∑

多元统计分析案例分析.docx

精品资料一、对我国30个省市自治区农村居民生活水平作聚类分析 1、指标选择及数据：为了全面分析我国农村居民的生活状况，主要考虑从收入、消费、就业等几个方面对农村居民的生活状况进行考察。因此选取以下指标：农村产品价格指数、农村住宅投资、农村居民消费水平、农村居民消费支出、农村居民家庭人均纯收入、耕地面积及农村就业人数。现从２０１０年的调查资料中

２、将数据进行标准化变换：

３、用Ｋ－均值聚类法对样本进行分类如下：

分四类的情况下，最终分类结果如下：第一类：北京、上海、浙江。第二类：天津、、辽宁、、福建、甘肃、江苏、广东。第三类：浙江、河北、内蒙古、吉林、黑龙江、安徽、山东、河南、湖北、四川、云南。第四类：山西、青海、宁夏、新疆、重庆、贵州、陕西、湖南、广西、江西、。从分类结果上看，根据２０１０年的调查数据，第一类地区的农民生活水平较高，第二类属于中等水平，第三类、第四类属于较低水平。二、判别分析针对以上分类结果进行判别分析。其中将新疆作作为待判样本。判别结果如下:

**. 错误分类的案例从上可知，只有一个地区判别组和原组不同，回代率为96%。下面对新疆进行判别：已知判别函数系数和组质心处函数如下：判别函数分别为：Y1=0.18x1 +0.493x2 + 0.087x3 + 1.004x4 + 0.381x5 -0.041x6 -0.631x7 Y2=0.398x1+0.687x2 + 0.362x3 + 0.094x4 -0.282x5 + 1.019x6 -0.742x7 Y3=0.394x1-0.197x2 + 0.243x3-0.817x4 + 0.565x5-0.235x6 + 0.802x7 将西藏的指标数据代入函数得：Y1=-1.08671 Y2=-0.62213 Y3=-0.84188 计算Y值与不同类别均值之间的距离分别为：D1=138.5182756 D2=12.11433124 D3=7.027544292 D4=2.869979346 经过判别，D4最小，所以新疆应归于第四类，这与实际情况也比较相符。三，因子分析：分析数据在上表的基础上去掉两个耕地面积和农村固定资产投资两个指标。经spss软件分析结果如下:

多元统计分析重点归纳.归纳.docx

多元统计分析重点宿舍版第一讲：多元统计方法及应用；多元统计方法分类（按变量、模型、因变量等）多元统计分析应用选择题：①数据或结构性简化运用的方法有：多元回归分析，聚类分析，主成分分析，因子分析 ②分类和组合运用的方法有：判别分析，聚类分析，主成分分析 ③变量之间的相关关系运用的方法有：多元回归，主成分分析，因子分析， ④预测与决策运用的方法有：多元回归，判别分析，聚类分析 ⑤横贯数据：{因果模型(因变量数)：多元回归，判别分析相依模型(变量测度)：因子分析，聚类分析多元统计分析方法选择题：①多元统计方法的分类：1）按测量数据的来源分为：横贯数据（同一时间不同案例的观测数据），纵观数据（同样案例在不同时间的多次观测数据） 2）按变量的测度等级（数据类型）分为：类别（非测量型）变量，数值型（测量型）变量 3）按分析模型的属性分为：因果模型，相依模型 4）按模型中因变量的数量分为：单因变量模型，多因变量模型，多层因果模型第二讲：计算均值、协差阵、相关阵；相互独立性第三讲：主成分定义、应用及基本思想，主成分性质，主成分分析步骤主成分定义：何谓主成分分析就是将原来的多个指标（变量）线性组合成几个新的相互无关的综合指标（主成分），并使新的综合指标尽可能多地反映原来的指标信息。主成分分析的应用：（1）数据的压缩、结构的简化；（2）样品的综合评价，排序主成分分析概述——思想：①（1）把给定的一组变量X1,X2,…XP ,通过线性变换，转换为一组不相关的变量Y1，Y2，…YP 。（2）在这种变换中，保持变量的总方差（X1，X2，…Xp 的方差之和）不变，同时，使Y1具有最大方差，称为第一主成分；Y2具有次大方差，称为第二主成分。依次类推，原来有P 个变量，就可以转换出P 个主

应用多元统计分析课后答案

应用多元统计分析课后答案第五章聚类分析 5.1 判别分析和聚类分析有何区别？答：即根据一定的判别准则，判定一个样本归属于哪一类。具体而言，设有n 个样本，对每个样本测得p 项指标（变量）的数据，已知每个样本属于k 个类别（或总体）中的某一类，通过找出一个最优的划分，使得不同类别的样本尽可能地区别开，并判别该样本属于哪个总体。聚类分析是分析如何对样品（或变量）进行量化分类的问题。在聚类之前，我们并不知道总体，而是通过一次次的聚类，使相近的样品（或变量）聚合形成总体。通俗来讲，判别分析是在已知有多少类及是什么类的情况下进行分类，而聚类分析是在不知道类的情况下进行分类。 5.2 试述系统聚类的基本思想。答：系统聚类的基本思想是：距离相近的样品（或变量）先聚成类，距离相远的后聚成类，过程一直进行下去，每个样品（或变量）总能聚到合适的类中。 5.3 对样品和变量进行聚类分析时，所构造的统计量分别是什么？简要说明为什么这样构造？答：对样品进行聚类分析时，用距离来测定样品之间的相似程度。因为我们把n 个样本看作p 维空间的n 个点。点之间的距离即可代表样品间的相似度。常用的距离为（一）闵可夫斯基距离：1/1()()p q q ij ik jk k d q X X ==-∑ q 取不同值，分为（1）绝对距离（1q =） 1 (1)p ij ik jk k d X X ==-∑ （2）欧氏距离（2q =） 21/2 1 (2)() p ij ik jk k d X X ==-∑ （3）切比雪夫距离（q =∞） 1()max ij ik jk k p d X X ≤≤∞=- （二）马氏距离（三）兰氏距离 21()()()ij i j i j d M -'=--X X ΣX X 11()p ik jk ij k ik jk X X d L p X X =-= +∑

应用多元统计分析习题解答_朱建平_第九章

Abbo无私奉献，只收1个金币，BS收5个金币的… 何老师考简单点啊……

第九章典型相关分析 9.1 什么是典型相关分析？简述其基本思想。答：典型相关分析是研究两组变量之间相关关系的一种多元统计方法。用于揭示两组变量之间的内在联系。典型相关分析的目的是识别并量化两组变量之间的联系。将两组变量相关关系的分析转化为一组变量的线性组合与另一组变量线性组合之间的相关关系。基本思想：（1）在每组变量中找出变量的线性组合，使得两组的线性组合之间具有最大的相关系数。即：若设(1) (1)(1) (1)12(,,,)p X X X =X 、(2) (2)(2)(2) 12(,,,)q X X X =X 是两组相互关联的随机变量，分别在两组变量中选取若干有代表性的综合变量Ui 、Vi ，使是原变量的线性组合。在(1)(1)(1)(2)()()1D D ''==a X b X 的条件下，使得(1)(1)(1)(2)(,)ρ''a X b X 达到最大。（2）选取和最初挑选的这对线性组合不相关的线性组合，使其配对，并选取相关系数最大的一对。（3）如此继续下去，直到两组变量之间的相关性被提取完毕为此。 9.2 什么是典型变量？它具有哪些性质？答：在典型相关分析中，在一定条件下选取系列线性组合以反映两组变量之间的线性关系，这被选出的线性组合配对被称为典型变量。具体来说， ()(1) ()(1)()(1)()(1) 11 22i i i i i P P U a X a X a X ' =+++a X ()(2) ()(2)()(2) ()(2) 11 22i i i i i q q V b X b X b X ' =+++b X 在(1)(1)(1)(2)()()1D D ''==a X b X 的条件下，使得(1)(1)(1)(2)(,)ρ''a X b X 达到最大，则称 (1)(1)'a X 、(1)(2) 'b X 是(1)X 、(2)X 的第一对典型相关变量。典型变量性质：典型相关量化了两组变量之间的联系，反映了两组变量的相关程度。 1. ()1,()1 (1,2,,)k k D U D V k r === (,)0, (,)0 ()i j i j C ov U U C ov V V i j ==≠ 2. 0 (,1,2,,)(,)0()0()i i j i j i r C ov U V i j j r λ≠==?? =≠??>? 9.3 试分析一组变量的典型变量与其主成分的联系与区别。答：一组变量的典型变量和其主成分都是经过线性变换计算矩阵特征值与特征向量得出的。主成分分析只涉及一组变量的相互依赖关系而典型相关则扩展到两组变量之间的相互依赖关系之中，度量了这两组变量之间联系的强度。 ()(1)()(1)()(1)()(1) 1122i i i i i P P U a X a X a X '=+++a X ()(2)()(2)()(2)()(2) 1122i i i i i q q V b X b X b X '=+++b X (1)(1)(1)(1)1 2 (,,,)p X X X = X 、(2)(2)(2)(2)1 2 (,,,)q X X X = X

应用多元统计分析习题解答-主成分分析

主成分分析 6.1 试述主成分分析的基本思想。答：我们处理的问题多是多指标变量问题，由于多个变量之间往往存在着一定程度的相关性，人们希望能通过线性组合的方式从这些指标中尽可能快的提取信息。当第一个组合不能提取止。这就是主成分分析的基本思想。 6.2 主成分分析的作用体现在何处？答：一般说来，在主成分分析适用的场合，用较少的主成分就可以得到较多的信息量。以各个主成分为分量，就得到一个更低维的随机向量；主成分分析的作用就是在降低数据“维数” 6.3 简述主成分分析中累积贡献率的具体含义。答：主成分分析把p 个原始变量12,, ,p X X X 的总方差()tr Σ分解成了p 个相互独立的变量p 个主成分的，忽略一些带有较小方差的主成分将不会给总方差带来太大的影响。这里我们()m p <个主成分，则称1 1 p m m k k k k ψλλ ===∑∑ 为主成分1, ,m Y Y 的累计贡献率，累计贡献率表明1,,m Y Y 综合12,, ,p X X X 的能力。通常取m ，使得累计贡献率达到一个较高的百分数（如85％以上）。答：这个说法是正确的。即原变量方差之和等于新的变量的方差之和 6.5 试述根据协差阵进行主成分分析和根据相关阵进行主成分分析的区别。答：从相关阵求得的主成分与协差阵求得的主成分一般情况是不相同的。从协方差矩阵出发的，其结果受变量单位的影响。主成分倾向于多归纳方差大的变量的信息，对于方差小的变量就可能体现得不够，也存在“大数吃小数”的问题。实际表明，这种差异有时很大。我 6.6 已知X =()’的协差阵为试进行主成分分析。解：=0 计算得当时，

(整理)基于SPSS的多元统计分析三种算法的实例研究.

基于SPSS的多元统计分析三种算法的实例研究摘要本文主要应用多元统计中的多元回归分析模型、因子分析模型、判别分析模型解决三个有关经济方面的问题，从而能更深的理解多元统计分析这门课程，并熟悉SPSS软件的一些基本操作。关键词：多元回归分析，因子分析，判别分析，SPSS

第一章多元线性回归分析 1.1 研究背景消费是宏观经济必不可少的环节，完善的消费模型可以为宏观调控提供重要的依据。根据不同的理论可以建立不同的消费函数模型，而国内的许多学者研究的主要是消费支出与收入的单变量之间的函数关系，由于忽略了对消费支出有显著影响的变量，其所建立的方程必与实际有较大的偏离。本文综合考察影响消费的主要因素，如收入水平、价格、恩格尔系数、居住面积等，采用进入逐步、向前、向后、删除、岭回归方法，对消费支出的多元线性回归模型进行研究，找出能较准确描述客观实际结果的最优模型。 1.2 问题提出与描述、数据收集按照经济学理论，决定居民消费支出变动的因素主要有收入水平、居民消费意愿、消费环境等。为了符合我国经济发展的不平衡性的现状，本文主要研究农村居民的消费支出模型。文中取因变量Y 为农村居民年人均生活消费支出（单位：元），自变量为农村居民人均纯收入X 1（单位：元）、商品零售价格定基指数X 2（1978年的为100）、消费价格定基指数X 3（1978年的为100）、家庭恩格尔系数X 4（%）、人均住宅建筑面积X 5（单位：m 2）。本文取1900年至2009年的数据（数据来源：中华人民共和国国家统计局网公布的1996至2010年中国统计年鉴）列于附录的表一中。 1.3 模型建立 1.3.1 理论背景多元线性回归模型如下： εββββ+++++=p p X X X Y ...... 22110 Y 表示因变量，X i （i=1，…，p ）表示自变量，ε表示随机误差项。对于n 组观测值，其方程组形式为 εβ+=X Y 即

多元统计分析模拟试题

多元统计分析模拟试题（两套：每套含填空、判断各二十道） A卷 1)判别分析常用的判别方法有距离判别法、贝叶斯判别法、费歇判别法、逐步判别法。 2)Q型聚类分析是对样品的分类，R型聚类分析是对变量_的分类。 3)主成分分析中可以利用协方差矩阵和相关矩阵求解主成分。 4)因子分析中对于因子载荷的求解最常用的方法是主成分法、主轴因子法、极大似然法 5)聚类分析包括系统聚类法、模糊聚类分析、K-均值聚类分析 6)分组数据的Logistic回归存在异方差性，需要采用加权最小二乘估计 7)误差项的路径系数可由多元回归的决定系数算出，他们之间的关系为 P e= 1?R2 8)最短距离法适用于条形的类，最长距离法适用于椭圆形的类。 9)主成分分析是利用降维的思想，在损失很少的信息前提下，把多个指标转化为几个综合指标的多元统计方法。 10)在进行主成分分析时，我们认为所取的m（m

典型相关分析及其应用实例

摘要典型相关分析是多元统计分析的一个重要研究课题.它是研究两组变量之间相关的一种统计分析方法，能够有效地揭示两组变量之间的相互线性依赖关系.它借助主成分分析降维的思想，用少数几对综合变量来反映两组变量间的线性相关性质.目前它已经在众多领域的相关分析和预测分析中得到广泛应用. 本文首先描述了典型相关分析的统计思想，定义了总体典型相关变量及典型相关系数，并简要概述了它们的求解思路，然后深入对样本典型相关分析的几种算法做了比较全面的论述.根据典型相关分析的推理，归纳总结了它的一些重要性质并给出了证明，接着推导了典型相关系数的显著性检验.最后通过理论与实例分析两个层面论证了典型相关分析的应用于实际生活中的可行性与优越性. 【关键词】典型相关分析，样本典型相关，性质，实际应用

ABSTRACT The Canonical Correlation Analysis is an important studying topic of the Multivariate Statistical Analysis. It is the statistical analysis method which studies the correlation between two sets of variables. It can work to reveal the mutual line dependence relation availably between two sets of variables. With the help of the thought about the Principal Components, we can use a few comprehensive variables to reflect the linear relationship between two sets of variables. Nowadays It has already been used widely in the correlation analysis and forecasted analysis. This text describes the statistical thought of the Canonical Correlation Analysis firstly, and then defines the total canonical correlation variables and canonical correlation coefficient, and sum up their solution method briefly. After it I go deep into discuss some algorithm of the sample canonical correlation analysis thoroughly. According to the reasoning of the Canonical Correlation Analysis, sum up some of its important properties and give the identification, following it, I infer the significance testing about the canonical correlation coefficient. According to the analysis from the theories and the application, we can achieve the possibility and the superiority from canonical correlation analysis in the real life. 【Key words】Canonical Correlation Analysis，Sample canonical correlation，Character，Practical applications

多元统计分析期末试题

一、填空题（20分） 1、若),2,1(),,(~)(n N X p =∑αμα 且相互独立，则样本均值向量X 2、变量的类型按尺度划分有_间隔尺度_、_有序尺度_、名义尺度_。 3、判别分析是判别样品所属类型的一种统计方法，常用的判别方法有__距离判别法_、Fisher 判别法、Bayes 判别法、逐步判别法。 4、Q 型聚类是指对_样品_进行聚类，R 型聚类是指对_指标(变量)_进行聚类。 5、设样品),2,1(,),,('21n i X X X X ip i i i ==，总体),(~∑μp N X ，对样品进行分类常用的距离有：明氏距离，马氏距离2 ()ij d M =)()(1j i j i x x x x -∑'--，兰氏距离()ij d L 6、因子分析中因子载荷系数ij a 的统计意义是_第i 个变量与第j 个公因子的相关系数。 7、一元回归的数学模型是：εββ++=x y 10，多元回归的数学模型是： εββββ++++=p p x x x y 22110。 8、对应分析是将 R 型因子分析和Q 型因子分析结合起来进行的统计分析方法。 9、典型相关分析是研究两组变量之间相关关系的一种多元统计方法。二、计算题（60分） 1、设三维随机向量),(~3∑μN X ，其中??? ? ? ??=∑200031014，问1X 与2X 是否独立？),(21'X X 和3X 是否独立？为什么？解：因为1),cov(21=X X ，所以1X 与2X 不独立。把协差矩阵写成分块矩阵??? ? ??∑∑ ∑∑=∑22211211 ，),(21'X X 的协差矩阵为11∑因为12321),),cov((∑='X X X ，而012=∑，所以),(21'X X 和3X 是不相关的，而正态分布不相关与相互独立是等价的，所以),(21'X X 和3X 是独立的。

多元统计分析案例分析.doc

、对我国30个省市自治区农村居民生活水平作聚类分析 1、指标选择及数据：为了全面分析我国农村居民的生活状况，主要考虑从收入、消费、就业等几个方面对农村居民的生活状况进行考察。因此选取以下指标：农村产品价格指数、农村住宅投资、农村居民消费水平、农村居民消费支出、农村居民家庭人均纯

92.87 79.35 3590 3457.9 4643 4124.6 18.7 数据来源：《中国统计年鉴2010》 2、将数据进行标准化变换： 3、用K-均值聚类法对样本进行分类如下:

分四类的情况下，最终分类结果如下：第一类：北京、上海、浙江。第二类：天津、、辽宁、、福建、甘肃、江苏、广东。第三类：浙江、河北、内蒙古、吉林、黑龙江、安徽、山东、河南、湖北、四川、云南。第四类：山西、青海、宁夏、新疆、重庆、贵州、陕西、湖南、广西、江西、。

从分类结果上看，根据2 0 10年的调查数据，第一类地区的农民生活水平较高, 第二类属于中等水平，第三类、第四类属于较低水平。二、判别分析 **.错误分类的案例从上可知，只有一个地区判别组和原组不同，回代率为96%。下面对新疆进行判别：已知判别函数系数和组质心处函数如下：

判别函数分别为：Y1=0.18x1 +0.493x2 + 0.087x3 + 1.004x4 + 0.381x5 -0.041x6 -0.631x7 Y2=0.398x1+0.687x2 + 0.362x3 + 0.094x4 -0.282x5 + 1.019x6 -0.742x7 Y3=0.394x1-0.197x2 + 0.243x3-0.817x4 + 0.565x5-0.235x6 + 0.802x7 将西藏的指标数据代入函数得：丫1=-1.08671 Y2=-0.62213 Y3=-0.84188 计算丫值与不同类别均值之间的距离分别为：D1=138.5182756 D2=12.11433124 D3=7.027544292 D4=2.869979346 经过判别，D4最小，所以新疆应归于第四类，这与实际情况也比较相符。三，因子分析: 分析数据在上表的基础上去掉两个耕地面积和农村固定资产投资两个指标。经spss软件分析结果如下：（1）各指标的相关系数阵：

应用多元统计分析SAS作业

，Cu5-9 设在某地区抽取了14块岩石标本，其中7块含矿，7块不含矿。对每块岩石测定了Ag，Bi三种化学成分的含量，得到的数据如表1。 1 岩石化学 (1)假定两类样本服从正态分布，使用广义平方距离判别法进行判别归类（先验概率取为相等，并假定两类样本的协方差阵相等）； (2)今得一块标本，并测得其Cu，Ag，Bi的含量分别为2.95，2.15和1.54，试判断该标本是含矿还是不含矿？问题求解 1 使用广义平方距离判别法对样本进行判别归类用SAS软件中的DISCRIM过程进行判别归类。 SAS程序及结果如下。 data d59; input group x1-x3@@; cards; 1 2.58 0.9 0.95 1 2.9 1.23 1 1 3.55 1.15 1 1 2.35 1.15 0.79 1 3.54 1.85 0.79 1 2.7 2.23 1.3 1 2.7 1.7 0.48 2 2.25 1.98 1.06 2 2.16 1.8 1.06 2 2.3 3 1.7 4 1.1 2 1.96 1.48 1.04 2 1.94 1.4 1 2 3 1.3 1 2 2.78 1.7 1.48 ； proc print data=d59; run; proc discrim data=d59 pool=yes distance list; class group; var x1-x3;

run 2还可知两个三元总体均值相等由输出结果可知，两总体间的广义平方距离为D。=3.19774?=0.10时量总体的均，故在显着性水平，p=0.0756<0.10的检验结果：D=3.19774，F=3.10891 值向量有显着差异，即认为讨论这两个三元总体的判别问题是有意义的。线性判别函数为：号样本错判为含矿。判别结果为含矿的6号样本错判为不含矿；不含矿的13对给定样本判别归类2 分别代入线性判别函数得：、2.15、1.54将Cu，Ag，Bi的含量数值 2.9546.97888?44.67422，YY?。21??***贝叶斯判别的解为D,?,DD k1??*，1,,j?Y(X),k)jD??tX|Y(X)?,k(t?1,, 21；类项指标，各类的观测样品数分别为7,4,65-10 已知某研究对象分为三类，每个样品考察4 ）。假定样本均来自正态总体。外还有3个待判样品（所有观测 (1)试用马氏距离判别法进行判别分析，并对3个待判样品进行判别归类。 (2)使用其他的判别法进行判别分析，并对3个待判样品进行判别归类，然后比较之。

多元统计分析

应用多元统计分析 1

课程介绍多元统计分析(简称多元分析)是统计学的一个重要分支.它是应用数理统计学来研究多变量(多指标)问题的理论和方法; 它是一元统计学的推广和发展. 多元统计分析是一门具有很强应用性的课程;它在自然科学和社会科学等各个领域中得到广泛的应用;它包括了很多非常有用的数据处理方法.

第一章绪论第二章多元正态分布及参数的估计第三章多元正态总体参数的假设检验第四章回归分析--第五章判别分析第六章聚类分析第七章主成分分析第八章因子分析第九章对应分析方法第十章典型相关分析第十一章偏最小二乘回归分析本课程的内容多变量分析（数据结构简化）分类方法两组变量的相关分析基础理论两组变量的相依分析

使用的教材普通高等教育”十一五”国家级教材北京大学数学教学系列丛书本科生数学基础课教材应用多元统计分析(北京大学出版社,高惠璇,2006.10)

参考书（一） 1. 实用多元统计分析(方开泰,1989,见参考文献[1]) 2. 多元统计分析引论(张尧庭,方开泰, 2003,见[2]) 3. 实用多元统计分析(王学仁,1990 ,见[6]) 4. 应用多元分析(王学民,1999 ,见[8]) 5. 实用统计方法与SAS系统(高惠璇,2001, 见[3]) 6. 多元统计分析(于秀林,1999 ,见[9]) 7. 多元统计方法(周光亚,1988 ,见[28]) 8. 多元分析(英. M . 肯德尔,1983 ,见[15]) 9. SAS系统使用手册等资料(1994-1998 ,见[17]-[21])

参考书（二） (1) An Introduction to Multivariate Statistical Analysis(Anderson 1984 ,见[22]) (2) Applied Multivariate Statistical Analysis( Richard A.Johnson and Dean W.Wichern 4th ed 1998) 中译本：实用多元统计分析（陆璇译2001 ,见[5]）(3) Linear Statistical Inference and Its Applications (C.R.Rao 1973) 中译本：线性统计推断及其应用(C.R.劳1987 ,见[25])

多元统计分析实例

多元统计分析实例院系: 商学院学号: 姓名:

多兀统计分析实例本文收集了 2012年31个省市自治区的农林牧渔和相关农业数据，通过对对收集的数据进行比较分析对31个省市自治区进行分类?选取了 6个指标农业产值林业产值.牧业总产值，渔业总产值，农村居民家庭拥有生产性固定资产原值，农村居民家庭经营耕地面积. 数据如下表：江区京津北H 蒙宁林龙海苏江徽建西东南北南东西南庆川州南藏西肃海夏牘地北天河山内辽吉黒上江浙安福江山河湖湖广广海重四贵77西陕甘青宁新农业总产值林业驰产｛牧业总产懾业总产侬村居民家庭拥有生产性［5 166.29 54.83 154.16 12 98 12767. 09 0?5 195.^9 ￡ 79 105. 01 61, 66 17508. 57 1. 58 3095.29 77.88 1747. 66 1?7. 74 17904. S3 1789 847-41 79, 07 298. 83 8. 42 ^808. 38 2.5 1171.-57 97. 7G U1S. 86 26. 08 293曲.旳 10. 4 1539.65 128. 68 16ZL 23 618. 74 249^7. 92 3. 78 1166.ES 90. 1 1130. 36 34. 14 24937. SB S. 27 2315. 64 134. 5 1350. 63 77. 92 31507. 91 13. 56 171.48 9.55 72. 59 57. 45 4146. 13 0. 26 2966.72 99. 75 1226,18 1235.4 14541. 03 L25 1229.36 142.14 549. 01 687. 05 22747. 33 6 54 1867.64 209. 5 1119.73 334. 43 15134. 35 1. 39 1263.71 256. 45 48L 28 p03. 36 11821. 38 73 1003.21 228. 91 752. 63 333. 06 gggg. 31 L 57 39&0.储 107.01 22S5. 92 1267. 07 19168.14 L &4 3958.^5 140. 85 2255. 61 SS.4 12980. 72 1. &2 2488. 06 100.05 1334, X 626, 23 10813. 13 1. 71 2651.69 259. 97 1488. 58 279. 94 3904. 32 1. 22 2229. 27 222.74 1134.14 914. 05 8516. 72 0.53 1724 245. 56 1072. 77 331. 74 11851. 56 L 37 4S0. 72 137.85 214. 14 236.27 11387. 06 0. 83 341.51 43.48 453. 9 44. 99 122S5. 74 L 29 2764- 9 151. 5 2269. 86 163. 77 13759.17 1.14 364. 54.19 421. 55 28. 21 11957. 31 L 18 1398.17 225. S3 912. 97 63.1 19020. 92 1.. 6 53.39 2” 56 59. 02 0. 22 52935. 07 L 89 1526.23 58. 44 598. 72 14. 61 12273. 06 L 52 984,24 20. 07 231. 72 1,8 1$486. 44 2. 72 117-09 4.57 137. 08 0. 56 21919.甜 L 33 240, 4& 9?77 105, 72 13. 36 24266.19 3?69 1675 収04 485. 37 15* 26 35Q70. 31 5 76 .聚类法