多元统计聚类分析论文_多元统计分析论文
多元统计分析期末论文-基于全国各地区财政支出差异的聚类分析
多元统计分析课程论文小组成员：完成时间： 2012年10月20日全国各地区财政支出差异的聚类分析论文摘要：聚类分析又称群分析，是多元统计分析中研究样本或指标的一种主要的分类方法。
聚类分析方法已越来越多地用于经济分析的各个领域。
本论文运用系统聚类方法，借用SPSS软件，根据《中国统计年鉴2010》中《各地区财政支出》的相关指标的数据，对2010年全国各地区的财政支出结构进行分析，从而得出各地区聚类的结果。
关键词：财政支出聚类分析一、文献综述一个国家的财政支出结构随着经济与社会的发展变化而变化，不同发展阶段的财政支出结构也会有明显差异。
不同地区政治、经济和文化等各方面的发展是不平衡的，这种差异导致不同地区的财政支出结构存在不同。
衡量一个地区的财政支出情况，不仅仅看经济服务方面的支出，而且应该从政府服务和其他职能去考察，看各项指标的综合效果。
通过综合评价分析，研究不同地区财政支出结构，为国家各地区制定不同有益政策提供有效建议。
本文通过运用系统聚类分析方法，对全国31个省市的财政支出结构进行分析，得出分类结果。
二、变量选择本文选取反映财政支出水平的十四项主要指标：一般预算支出、一般公共服务、国防、公共安全、教育、科学技术、社会保障和就业、医疗卫生、环境保护、交通运输、资源勘探电力信息等事务、商业服务等事务、国土资源气象等事务和其他支出。
三、变量选择理由（1）一般预算支出反映一个地区的平均支出水平，是财政职能状态和政府政策的体现；（2）交通运输、资源勘探电力信息等事务和商业服务事务的支出属于经济服务支出类，它能体现政府对商业活动进行管理的有效运营支出；（3）教育、科学技术、医疗卫生和环境保护属于社会服务支出，它能反映各地区日常生活中的必要支出；（4）一般公共服务、国防、公共安全、社会保障和就业以及国土资源气象等事务的支出属于一般政府服务支出，它反映的是政府对各地区的具体合理支出情况；（5）其他支出，包括利息和对其它政府机构的转移支付，包含了支出中的各项深层的财政状况。
应用多元统计分析聚类分析
应用多元统计分析聚类分析多元统计分析是一种利用多个变量对数据进行综合分析的方法，通过对各个变量之间的关系进行分析，可以帮助我们了解数据的内在规律，揭示变量之间的相互作用，为问题的解决提供依据和参考。
其中，聚类分析是多元统计分析中的一种方法，它通过将样本数据划分为不同的组别，使得组内的样本之间相似度较高，组间的样本相似度较低，从而实现数据的分类和整理。
聚类分析的过程一般可分为以下几个步骤：1.确定聚类的目标与方法：在进行聚类分析之前，需要明确分析的目标，即希望把样本分成多少个组别，以及采用什么样的分析方法。
2.选择合适的变量和数据：聚类分析需要选择一些具有代表性的变量作为分析对象，并准备好相应的数据。
这些变量可以是数值型、名义型或顺序型的，但需要注意的是，不同类型的变量需要采用不同的距离度量。
3.计算样本间的距离：通过选择合适的距离度量方法，可以度量各个样本之间的相似度或距离，常用的距离度量方法有欧氏距离、曼哈顿距离和相关系数等。
4.执行聚类分析：根据选定的聚类方法，进行聚类分析。
常用的聚类方法有层次聚类和非层次聚类两种，其中层次聚类可以进一步分为凝聚聚类和分裂聚类等。
5.判断聚类结果的合理性：根据实际情况和问题要求，对得到的聚类结果进行合理性检验。
可以通过观察不同聚类组别内的样本特征和组间的差异度，评估聚类结果的合理性。
6.解释和应用聚类结果：根据聚类分析得到的结果，可以对分类的样本进行解释和应用。
例如，可以找到各个类别的典型样本，分析其特征和规律，为问题的解决提供参考和支持。
聚类分析在实际应用中具有很广泛的应用价值。
例如，在市场细分方面，可以利用聚类分析将消费者划分为不同的群体，有针对性地开展精准营销；在医药领域中，可以通过聚类分析将疾病患者划分为不同的病种，帮助医生进行诊断和治疗方案的选择；在社会科学研究中，可以利用聚类分析将受访者划分为不同的人群，通过对不同人群的特征分析，了解社会问题背后的机制和原因。
多元统计分析(聚类分析,判别分析,对应分析)
操判作步别骤分析
输入数据，选择分析→分类→判别，然后把“概 况”选入分组变量中，再点击“定义范围…”来定义 范围为1（最小数值）到4（最大数值），然后将 “语文”、“数学”、“外语”、“体育”选入自 变量中，然后点击“Statistics…”，在出现的对话框 中勾选平均值与Fisher’s，其余选项为默认，点击 继续，确定运行。
Wilks' Lambda (λ)
Wilks' Lambda
函數的檢定 (λ)
卡方
df
1 至3
.083
87.142 12
2 至3
.936
2.302
6
3
.990
.352
2
顯著性 .000 .890 .839
是对三个判别函数的显著性检验， 看出第一判别函数在0.05的显著 性水平上是显著的，第二与第三 判别函数不显著。
目录
定聚义类分析
聚类分析是统计学中研究“物以类聚”问题的多 元统计分析方法。聚类分析又称群分析，它是研究对 样品或指标进行分类的一种多元统计方法。所谓的 “类”，通俗地说就是相似元素的集合。
基聚本步类骤 分析
（1）计算n个样品两两间的距离，得样品间的距离矩阵 。 类与类之间的距离本文应用的是类平均法。所谓类平均法 就是：两类样品两两之间平方距离的平均作为类之间的距 离，即： 采用这种类间距离的聚 类方法，称为类平 均法。 （2） 初始（第一步：i=1）n个样本各自构成一类，类的 个数k=n，第t类 （t=1,2···，n）。此时类间的距离就是样 品间的距离（即 ）。 （3）对步骤i得到的距离矩阵 ，合并类间距离最小的两类 为一新类。此时类的总个数k减少1类，即k=n-i+1. （4）计算新类与其他类的距离，得新的距离矩阵 。若合 并后类的总个数k扔大于1，重新步骤（3）和（4）；直到 类的总个数为1时转到步骤（5）。 （5）画谱系聚类图； （6）决定总类的个数及各类的成员。
多元统计分析(聚类分析,判别分析,对应分析)
91.500
358.500
95.000
357.000
输出的第一部分对应表是由原始数据学号与科目 分类的列联表，可以看出观测总数n=40，说明原 始数据中没有记录缺失，有效边际为行列数的总 和。
维数 1 2 3 总计
汇总 惯量比例
置信奇异值
奇异值 .075 .052
惯量 .006 .003
解释 .548 .264
2 -.143 -.427 .065 -.013
概述列点a
惯量 .002 .003 .005 .000 .010
点对维惯量
1 .000
2 .099
.022
.880
.975
.021
.003
.001
1.000
1.000
贡献
1 .000 .047 .989 .039
维对点惯量 2 .135 .887 .010 .006
（列）的每一状态对每一维度（公共因子）特
征值的贡献及每一维度对行（列）各个状态的
特征值等贡献。如第一维度中，外语对应的数 值最大，为0.975，说明外语这一状态对第一维 度的贡献最大。
对应分析
由以上两张坐标表可以得出如下的叠加散点图，也是输出 的最后一部分，是学号各状态与科目各状态同时在一张二 维图上的投影。在图上既可以看到每一变量内部各状态之 间的相关关系，又可以同时考察两变量之间的相关关系。
对应分析
结果分析
学号 1 2 3 4
语文 82.000 81.000 83.000 72.000
对Байду номын сангаас表
数学 120.000 119.000 115.000 115.000
科目 外语 71.000 77.000 69.000 75.000
多元统计分析课程论文
主消费因子 F1 得分前五名地区依次是上海、广东、浙江、北京、福建，其中 上海的得分为3.44500，广东的得分为2.3833，远远高于其他地区，说明上海、 广东主要消费支出远远高于其他地区， 与实际情况比较接近。 主消费因子 F1 最后 五名地区依次是新疆、河南、青海、甘肃、黑龙江，这些地区经济发展相对落后， 人均消费支出低，其主要消费支出也低，但与实际情况还存在差距，贵州城镇居 民消费应比黑龙江消费要低，黑龙江不应划为最低人均消费地区。 次消费因子 F2 得分前五名地区依次是北京、内蒙古、吉林、天津、黑龙江； 次消费因子 F2 最后五名地区依次是福建、贵州、广西、西藏、海南，衣着和医 疗器械人均消费，在实际消费过程中，人们不容易观察到，这个结论还缺乏一定 依据；综合得分 F 前五名地区依次是上海、北京、广东、浙江、天津；这五个地 区经济都发达，人均收入和消费支出都高，将这些地区分为一类比较切合实际。 综合得分 F 最后五名地区依次是新疆、云南、甘肃、贵州、青海， 这些地区 人口稀少，经济发达相当落后，人民收入和消费水平均处于全国最低水平，与人 们观察到的实际情况比较接近， 将这些地区分为一类， 其他地区则分为另外一类， 这样一来就可以将31个省、市、自治区就分为三类，第一类为因子综合得分前五 名地区，第三类为因子综合得分最后五名地区，其余地区则划分为第二类。这种 分类结果比较切合实际情况。 分类结果如下表： 类别 地区 第一类 上海、北京、广东、浙江、天津 第二类 其余地区（福建、山东、湖南等） 第三类 新疆、云南、甘肃、贵州、青海
以各因子的方差贡献率占两个因子总方差贡献率的比重作为权重进行加权汇总， 算出各地区的综合得分 F ，即 F (56.182 F1 27.662 F2 ) / 83.845 ，结果如下表：
多元统计分析论文-spss多元统计分析论文
因子分析和聚类分析在全国省会城市经济实力分析中的应用摘要：本文利用SPSS中的因子分析和聚类分析功能对全国26个省会城市经济实力进行分析。
先用因子分析，再对因子分析的结果进行聚类分析。
本文选取2012年上半年26个省会城市的9个经济指标，通过因子分析提取两个因子计算出26个省会城市的综合得分函数，再根据因子分析得出的得分函数对这些城市进行聚类分析，分类结果为：然后再对分类后的城市进行分析说明,最后针对分类的结果进而得出经济综合实力的结论。
关键词:因子分析聚类分析 SPSS 经济实力一、引言城市的发展是经济发展和社会进步的重要标志。
目前，我国正处于加快推进现代化的历史阶段。
现代城市既要有发达的经济，也要有发达的文明。
文明城市是指在全面建设小康社会、推进社会主义现代化建设新的发展阶段，物质文明、政治文明与精神文明协调发展，经济和社会事业全面进步，精神文明建设取得显著成就，市民整体素质和城市文明程度较高的城市。
文明城市，是反映一个地区现代文明程度、城市综合竞争实力的重要标志。
创建文明城市对经济社会发展所产生的现实意义和深远影响，已经远远超出了原来一般意义上的群众性精神文明建设活动。
我们要从战略高度来看待创建文明城市的重要意义，提高对创建文明城市重要性的认识。
随着改革开放的脚步，全国各地经济都有着飞速的发展，人们越来越关注各个省会城市经济实力。
经济是衡量一个地区综合实力的重要指标，而依照经济实力对城市进行分类可以看出一个地区综合实力以及发展潜力，利用经济分类，我们也可以得出该地区的发展状况，以及在哪些方面做得不够，哪些方面可以得到改进。
基于以上原因，本文运用SPSS 对全国26个省会城市，合肥, 武汉, 长沙, 郑州, 南昌, 太原, 西安, 福州, 石家庄, 沈阳, 哈尔滨, 长春, 南京, 杭州, 济南, 南宁, 成都, 贵阳, 昆明, 兰州, 西宁, 银川, 海口, 广州, 乌鲁木齐, 呼和浩特2012年上半年的9类经济指标进行因子分析，聚类分析。
多元统计聚类判别分析
基于聚类分析和判别分析的吉林省各县市社会经济基本情况评价一、引言自1978 年改革开放以来, 中国经济体制改革逐渐深入,社会生产力较以前有了很大的提高。
一些省份找到了合适的发展方向, 在主导产业或者支柱产业的带领下, 经济发展走上了健康高速的道路, 人民生活水平有了极大的提高。
吉林省作为中国东北三省之一, 在改革开放的过程中走出了一条具有自身特色的发展之路, 取得了巨大成就。
当然, 在前进的道路上, 有成功也有失败, 有利益就有风险。
吉林省在发展过程中也遇到了很多瓶颈, 有的问题已经解决, 有的仍需完善。
本文仅在区域经济发展水平方面, 根据2010年吉林省各县市社会经济基本情况的主要指标, 首先利用系统聚类的Ward，s Method（最小离差平方和），然后在具体的方法中选取Squared Euclidean distance（欧式距离的平方）对吉林省36个县市进行分类,在利用聚类分析对样品进行分类之后，我们在对其进行判别分析，从而对吉林省各县市的社会经济基本情况进行考察和了解，对其发展状况进行分析, 希望能对进一步提升吉林省区域经济的发展提供决策参考，以便使吉林省各县市经济能够平衡、快速、健康的发展。
二、指标体系的选取反映一个地区的经济发展水平的指标很多, 为了能客观、全面地反映各县市经济发展水平, 必须建立适当的指标体系。
本文经济指标的选取遵循如下原则:1. 要体现吉林省各市经济协调发展的战略；2. 要反映吉林省各市的特征, 不同市的指标值具有明显差异；3. 不同市的指标不能高度相关；4. 选择的指标体系要全面、综合、公平；5. 数据的可得性。
基于以上原则文中将将根据吉林省统计年鉴中反映2010年全省各县市社会经济基本情况的主要指标：各县市生产总值（X1）、财政总收入（X2）、出口总额（X3）、城镇新增固定资产（X4）、城镇工资总额（X5）这五项指标对全省选取的36个县市的社会经济基本情况进行聚类分析和判别分析。
多元统计分析论文范文精选3篇(全文)
多元统计分析论文范文精选3篇多元统计分析法是证券投资中非常重要的分析方法，它的理论内容包含了多个方面的理论方法，每个理论分析方法对证券投资有着不同的分析作用，应该对每个分析方法进行认真研究得出相关的结论，再应用到实际经济生活中。
1聚类分析在证券投资中的应用（1）定义：聚类分析是依据研究对象的特征对其进行分类、减少研究对象的数目，也叫分类分析和数值分析，是一种统计分析技术。
（2）在证券投资中应用聚类分析，是基于证券投资的各种基本特点而决定的。
证券投资中包含着非常多的动态的变化因素，要认真分析证券投资中各种因素的动态变化情况，找出合适的方法对这种动态情况进行把握规范处理，使投资分析更加的准确、精确。
1）弥补影响股票价格波动因素的不确定性证券市场受到非常多方面的影响，具有很大的波动性和不稳定性，这种波动性也造成了证券市场极不稳定的进展状态，这些状态的好坏对证券市场投资者和小股民有着非常重要的影响。
聚类分析的方法是建立在基础分析之上的，立足基础进展长远，并对股票的基本层面的因素进行量化分析，并认真分析掌握结果再应用于证券投资实践中，从股票的基本特征出发，从深层次挖掘股票的内在价值，并将这些价值发挥到最大的效用。
影响证券投资市场波动的因素非常多，通过聚类分析得出的数据更加的全面科学，对于投资者来说这些数据是进行理性投资必不可少的参考依据。
2）聚类分析深层次分析了与证券市场相关的行业和公司的成长性聚类分析是一种非常专业的投资分析方法，它善于利用证券投资过程中出现的各种数据来对证券所涉及的各种行业和公司进行具体的行业分析，这些数据所产生额模型是证券投资者进行证券投资必不可少的依据。
而所谓成长性是一种是一个行业和一个公司进展的变化趋势，聚类分析通过各种数据总结归纳出某个行业的进展历史和未来进展趋势，并不断的进行自我检测和自我更新。
并且，要在实际生活中更好的利用这种分析方法进行分析研究总结，就要有各种准确的数据来和不同成长阶段的不同参数，但是，猎取这种参数比较困难，需要在证券市场实际交易和对行业和公司的不断调查研究中才能得出正确的数据。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
多元统计聚类分析论文_多元统计分析论文多元统计分析论文篇1多元统计分析课程教学探讨摘要：多元统计分析是统计学的一个重要分支，它在自然科学、社会科学、教育卫生以及经济金融等领域具有广泛的应用。
利用多元统计分析方法分析和处理实际数据、解决实际问题是统计学专业学生必备的基本能力，因此，如何进行多元统计分析课程的教学具有相当重要的意义。
本文从教学实践出发，对多元统计分析课程的教学进行了探索和实践，提出了一些教学方法。
关键词：以人为本;案例教学;软件编程;考试改革;创新教学多元统计分析是统计学中内容极其丰富、应用极其广泛的一个重要分支。
随着计算机和统计学的发展，它在自然科学、社会科学、教育卫生以及经济金融等领域中的应用越来越广泛，它已成为进行多元数据分析与处理的非常重要的工具之一。
随着社会的发展，我们常需要处理较为复杂的多维数据以及高维或超高维数据，特别地，对于统计学专业的学生，利用多元统计分析方法分析和处理日常生活中的多维数据是他们应该具备的基本能力。
因此，如何让学生很好地掌握一些基本的多元分析方法并能在实践中加以应用是我们统计学专业的教师应该思考的重要问题。
通过多年的实践教学，我们对多元统计分析课程的教学进行了探索和实践，主要在以下几个方面进行了探索和尝试。
一、转变教育观念，树立“以人为本”的教学理念教育的对象是大学生，教育的目的是以学生的终身发展为基础的。
在教学过程中，我们教师首先应转变教育观念，处处体现以学生为本的人文关怀与教育。
关注学生的思想、学生的需要以及在当今时代下学生所面临的挑战与机遇，争取成为学生的良师益友，建立良好的师生关系;通过案例教学、启发式教学等等多种教学方法，鼓励和促使学生积极参与课堂教学，变被动学习为主动学习，使学生成为课堂的主体;正视学生之间的个体差异，不歧视差生也不偏爱优等生，实施因材施教，使每个学生都得到不同程度的提高与进步。
二、注重案例教学，培养“学以致用”的学习意识三、结合软件教学，提高学生编程和数据处理能力多元分析方法分析和处理的数据是多维数据，通常维数较多，而且观测数据也较多，计算量都比较大，通常需要计算机才能实现。
因此，在教学中，我们特别注重软件教学，对每一种分析方法，在学生掌握了这种方法的理论知识和适用范围后，向学生介绍SPSS、E某cel等软件如何给出分析结果，以及介绍SAS，R和Matlab的程序代码。
在学生的作业中，要求学生至少用一种语言编写分析处理数据的程序代码。
对于统计学专业的学生，不仅要求学生掌握一些重要的统计分析方法，同时还要熟练掌握1～2门软件进行数据分析与处理。
实践证明，方法学习与软件结合的教学，将大大提高学生编程和数据处理能力。
四、尝试创新教学，注重培养学生自主学习和实践能力为了培养学生的自主学习能力，我们大胆进行教改尝试，一改教师“一言堂”的教学模式，采用多种教学方式，坚持“学生为主体，教师为主导”的教学模式。
(1)对于每一种方法的教学，我们首先由一个实际问题入手，引发学生思考和讨论，在学生讨论和发言的基础上引出新的分析方法。
(2)学生自学，分组讨论并准备教学PPT，选取准备充分的小组派一名代表上台讲授，教师只是做一些必要的补充和完善。
(3)学生和老师评价教学效果，对于特别优秀的小组给予奖励加分。
通过这些创新教学，培养了学生的自主学习能力、协作能力与口头表达能力，这些能力的培养，将为学生终生发展打下良好的基础。
关于作业布置，传统的方法就是布置一些对基本概念的理解和知识的实际应用的习题。
为了让学生学会用所学知识去思考社会、教育、医药卫生和经济金融等领域的实际问题，我们除了布置一些基本概念的理解和知识的实际应用的习题外，每一种方法学习结束后，对每一种多元分析方法，要求学生撰写1篇小论文(至少使用一种分析方法)。
而对于论文的撰写，由学生自己选题、数据获取，并利用所学的分析方法和统计软件进行分析，最后撰写一篇一定字数以上的小论文。
我们从这些论文中挑选1～2篇优秀论文进行讲解，从论文题目的选取、论文的书写格式、方法和软件的应用以及文章的撰写等各方面进行评价。
对于特别优秀的论文，我们推荐到正式刊物进行发表，并在总评成绩中进行加分，以激励学生学习的热情。
五、改革考核方式，培养符合社会需要的专业人才多元统计分析课程是进行科学研究的重要工具之一，它在自然科学、社会科学等领域有着相当广泛的应用。
该课程教学的目的在于让学生熟练掌握多种多元统计分析的基本思想、基本原理的基础上，能够将大量的数据进行简化，利用所学的方法进行判别和分类，能够结合统计软件进行计算，并对计算结果进行合理的解释。
实践教学表明，学生通过该门课的学习都能很好地利用所学方法对实际问题进行分析和解释。
多元统计分析论文篇2多元统计分析在学生管理中的应用【摘要】运用因子分析方法将学生课程进行聚类，进而将学生分为5类进行分类管理。
并且运用单因素方差分析可知，作业完成情况、出勤情况、课堂响应情况对学生成绩均有显著影响，且课堂响应情况的影响最大。
【关键词】因子分析单因素方差分析学生管理一、相关理论研究综述自20世纪80年代起，多元分析方法在我国多个领域均有成功应用的案例，针对教育、教学方面的研究也在逐渐丰富。
1995年，吴群英曾研究过多元分析在教学质量评估中的应用，发现多元分析的结果对提高教学质量具有明显的导向性。
田开、郑宗培、虞小海利用SPSS软件，深入探讨了有关主成分分析在学生成绩中的应用，为教学研究和管理提供了科学的依据。
应敏、景平等人多次将多元分析方法引入到学生成绩的分析，并取得相关成果。
从以上研究可以看出，多元分析在学生管理中的应用，多停留在教学工作及学生成绩分析方面，没有涉及到学生的综合管理方面。
而本文准备以学生的分类管理和学风建设为例，利用因子分析方法，探讨多元分析在学生管理中的应用。
二、多元统计方法介绍多元分析是单变量统计方法的继承与推广，几种典型的多元分析方法有因子分析、单因素方差分析等。
多元分析方法开始于1889年，F.高尔顿首先提出相关系数和线性回归理论。
C.E.斯皮尔曼等人在后来的数十年中不断丰富了多元分析方法的内容。
(一)因子分析因子分析法是指从研究指标相关矩阵内部的依赖关系出发，把一些信息重叠、具有错综复杂关系的变量归结为少数几个不相关的综合因子的一种多元统计分析方法。
基本思想是：根据相关性大小把变量分组，使得同组内的变量之间相关性较高，但不同组的变量不相关或相关性较低，每组变量代表一个基本结构一即公共因子。
(二)单因素方差分析单因素方差分析是通过计算F统计量和相应的概率P值，判断不同水平的控制变量对观测变量的影响程度。
对于给定显著水平，α若与检验统计量对应的P值小于显著性水平α，则应拒绝原假设，认为控制变量对观测变量存在显著影响;反之，则应接受原假设，认为控制变量对观测变量没有显著影响。
三、实证分析(一)因子分析在学生成绩分类管理中的应用本节使用的学生成绩数据从某大学辅导员处收集整理得来。
原始数据记录了82名同学在校期间13门课程的成绩。
某1-某13分别表示为高等代数，外出实践，解析几何，常微分方程，体育，统计软件及应用，传统文化，西方经济学，多元统计分析，统计学原理，回归分析，大学英语Ⅰ，大学英语Ⅱ。
首先进行相关性检验分析。
由SPSS的相关性检验结果分析可知，这些变量对应的Sig值较小。
说明这些变量相关性较为显著。
证明此时进行因子分析是非常有效的。
其次由因子分析KMO检验结果表明，用因子分析的效果较好。
由因子贡献率可知前7个公因子的累积贡献率为85.43%，大于85%，因此选取前7个公因子为公因子，就可以比较好的解释原有变量所包含的信息了。
通过累积贡献率我们已经确定，选取7个公因子是合理的。
我们可以由旋转后的因子载荷确定与7个因子分别对应的变量，也就是说，可以用该因子代表这些变量。
分别解释为：第一公因子代表某4、某3、某1、某10四个变量，表示基本课程水平;第二公因子代表某11、某9两个变量，表示专业课程水平;第三公因子代表某12、某13两个变量，表示其英语水平;第四公因子某5表示身体素质;第五公因子某8为经管学习能力;第六公因子某7为记忆能力;第七公因子某6为专业操作水平，公因子某2表示工作能力。
由于7个旋转后的公因子的方差贡献率依次是22.838%、14.530%、13.050%、9.411%、9.069%、8.471%、8.062%，则综合因子得分为：F=22.838%F1+14.53%F2+13.05%F3+9.411%F4+9.069%F5+8.471%F6+8.062%F7利用SPSS16.0计算出因子的综合得分，并接下来将根据综合得分进行数据分组，拟将82名同学分为五个等级，记为：A、B、C、D、E。
选取-0.20、0.00、0.20、0.40为界点，这样就实现了学生分类管理，分别针对这五个等级的学生制定不同的管理方法实现学生科学化管理。
(二)单因素方差分析在学风建设中的应用将学生的作业完成情况、出勤情况、课堂响应程度按照一定的界点分为三类，分别应用单因素方差分析，通过比较分析结果中Sig值与显著性水平α=0.05的大小，判断该因素是否对学生成绩产生显著行影响。
以学生成绩为观测变量，作业完成情况为控制变量，通过单因素方差分析，对作业完成情况对学生成绩的影响进行分析。
原假设为：作业完成情况对学生成绩没有产生显著影响。
首先检验均值μ是否相等。
原假设H0：μ0=μ1=μ2;H1：μ0，μ1，μ2不全相等。
在均值检验中，Sig值为0.288，大于显著性水平α=0.05，因此应该接受原假设，也即均值相等，因此可以继续进行单因素方差分析。
由作业完成情况对学生成绩单因素方差分析的结果可以得出统计量的观测值为21.358，对应的概率值P为0.000，如果显著性水平α为0.05，由于概率值小于显著性水平α，因此应该拒绝原假设，认为学生的作业完成情况对考试成绩产生了显著影响。
同样可以得到出勤情况和课堂响应程度对学生成绩的单因素方差分析。
可知，学生的出勤情况和课堂响应程度对学生成绩产生了显著影响。
四、结论(一)由综合因子得分的大小将学生样本分为五类，记作：A、B、C、D、E。
下面针对这五类学生，分别提出一些管理方面的建议A类“完全粗放式”管理：这类学生成绩优秀、目标明确。
应该给予其足够的自由空间。
B类“不完全粗放式”管理：这类学生成绩较好，属于班级里比较优秀的学生。
可以进行适当指导。
C类“不完全集约式”管理：C类生学习表现一般，几乎不会做违反学校规定的事。
对于这类学生比较好的方法是定时为其制定一些任务目标，要求他们按时完成。
D类“完全集约式”管理：该类生成绩较差、日常表现较差。
对于这类学生，应该重点关注，安排跟班老师尽可能帮助他们学习。