应用多元统计分析论文
多元统计聚类分析论文_多元统计分析论文
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。
基于多元统计分析的应用研究
基于多元统计分析的应用研究多元统计分析是一种对多个变量进行统计分析的方法，该方法涉及到对变量之间的关系进行检验、模型的拟合、复杂数据的简化等。
在今天的信息时代，多元统计分析已经成为了一种不可或缺的工具，为我们解决实际问题、提高预测能力、优化决策提供了极大的帮助。
在应用多元统计分析时，通常需要先对数据进行预处理和清洗。
这个过程包括了非数值型数据的转换、缺失值的处理、异常值的检测等等。
在数据预处理之后，我们就可以使用各种多元统计方法进行实际分析了。
其中最广泛应用的包括了因子分析、聚类分析等。
因子分析是一种主成分分析的扩展方法，它可以将多个变量之间的相关关系简化为少数几个未观测的“因子”，从而使得对数据的解释和理解变得更加容易。
在社会科学、医学研究、市场调研等领域，因子分析都被广泛应用。
例如在医疗研究中，考虑到疾病的复杂性，我们通常会选取多种指标测量一个人的健康状态。
如果直接对这些指标进行分析，可能会因为变量之间的相关性过于复杂而难以解释。
但是，使用因子分析将这些指标简化到少数几个因子，可以使得我们更加清晰地了解健康状态与各种指标之间的关系。
聚类分析是一种无监督学习方法，可以将具有相似性质的个体（或样本）分为一组。
在市场调研、分析客户数据、生物学、城市规划等领域中，聚类分析都被广泛应用。
例如在市场调研中，我们可以根据客户的自然属性（例如年龄、性别、职业等）以及购物习惯、消费偏好等指标，将客户分为不同的群体，从而为我们提供更加准确的市场分析、产品定位等信息。
除了因子分析和聚类分析等方法外，多元统计分析的应用还广泛涉及了回归模型、判别分析等方法。
随着技术的不断进步，多元统计分析的方法和工具也会越来越多样化、精细化、智能化，为工程技术、金融投资、医学研究等实际问题的解决提供更为有效的工具。
多元统计分析的实际应用离不开数据的准备和前期工作。
这些工作通常包括了数据清洗、特征提取、变量选择等环节。
为了更好地应用多元统计分析，需要有一定的统计学、计算机科学、数学等方面的背景知识。
多元统计分析论文
基于主成分分析的我国地区经济指标研究09统计班徐晓旺【摘要】地区经济的发展对我国现代化进程形成巨大的推动作用，而经济指标是评判地区发展水平的重要标志。
根据搜集的相应数据建立数据库，基于主成分分析、同时运用聚类分析以及判别分析的多元统计方法，对全国各地区的经济状况进行综合指标分析。
研究各省经济发展在全国的分布特征、筛选出具备可对比性的指标，进而探究造成差异的原因，同时具有针对性地提出相关建议。
【关键词】主成分分析；聚类分析；判别分析；地区经济指标一、引言随着社会的不断进步，经济发展的车轮将会继续滚动。
在整体水平提升的同时不难发现：我国各地区间发展势必存留着一定的差距，了解其具体的分布特征注定会是一个非常值得深入挖掘的信息。
结合对进出口总额、居民消费水平等9个经济指标的研究，致力于分析各地区硬件发展水平、人民生活状况的异同与经济发展的相关性。
本文将对中国31个省份地区的经济指标进行分析。
首先，应用主成分分析的方法对众多指标做降维处理并赋予各主成分以实际意义以获取综合性指标；进而，基于主成分分析结果通过聚类分析法把我国的31个地区分类；最后，根据聚类的结果建立判别函数同时运用判别分析将新疆、广东两个省份归类。
二、主成分分析搜集到的经济指标为：进出口总额、地区生产总值、固定资产投资、邮电业务量、客运量、货运量、公交车运营数、居民平均工资和居民消费水平这九项指标。
在运用SPSS软件对以上数据开始分析前首先进行标准化处理，接着通过SPSS的操作，得到了如下的总方差分解结果（见表一）：表一由表一中结果可以看到保留2个主成分为宜，这2个主成分集中了原始9个变量信息的88.392%，可见效果比较好，这样原来的9个指标就可以通过这2个综合指标来反映。
此时，这2个主成分就起到了降维的作用。
通过SPSS进一步的操作还可以得到如下的主成分系数矩阵（见表二）：表二由表二可以得出前2个主成分的线性组合为：Y1 = 0.852 X1 + 0.979 X2 + 0.821 X3 + 0.957 X4 + 0.885 X5 + 0.742 X6 + 0.967 X7 +0.226 X8 + 0.513 X9Y2 = 0.393 X1 - 0.113 X2 - 0.419 X3 - 0.032 X4 - 0.233 X5 - 0.483 X6 + 0.109 X7 +0.915 X8 + 0.786 X9通过对上述线性组合的观察，我们可以得出：在主成分1中进出口总额、地区生产总值、固定资产投资、邮电业务量、客运量、货运量和公交车运营数这几项指标的系数明显比主成分2的系数大，可以将Y1归类为地区经济发展中的硬件基础指标；在主成分2中平均工资和消费水平指标的系数最大，可以将Y2归类为地区经济发展中的居民生活指标。
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。
浅谈多元统计相关论文
浅谈多元统计相关论文摘要：我国中药发展已有悠久历史，中药大多采用复方制剂，以其复方疗效显著而越来越受到重视，在其成分分析中，多元统计分析方法的运用，本质上是一种多变量协同考量的思路。
本文通过对以往多元统计分析方法在中药成分分析数据中的应用作整理总结，对今后相关研究提供理论依据。
关键词：多元统计分析中药成分分析中药物质基础的阐明和科学质量控制方法的建立是中药现代化和国际化的关键，在化学计量学中，多元统计分析方法得到了很好的应用，通过优化了化学量测过程，提高分析效果，应用统计分析方法及其他数学方法和计算机软件的应用对其数据进行整理，已较好的阐明了中药物质成分，结构与其性能之间的复杂关系。
一、应用现状1.1方法在中药成分分析中，多元统计分析方法如多元回归，多元相关分析，逐步回归分析，最大似然法，判别分析，聚类分析和主成分分析，利用电子计算机能迅速而大量地处理实验数据，还广泛采用了蒙特卡洛Monte Carlo统计模拟法，都能在某一特定方面很好的说明其成分，但尚未有统一理论支撑整个体系，也是国内着力于建立中成药数据库的缘由之一。
要进一步定性定量的确定中药成分，并很好的分析中药成分还需不断努力。
在应用中，应用最多的为多元线性回归和Logistic回归方法，其次是通径分析，因子分析和聚类分析的运用较少，比如风险模型，典型相关，MCA分析和Probit分析。
1.1.1成分提取在对中药复方有效成分的整体提取方法，指纹图谱条件优化及定量评价指标，以及基于药理活性的组方条件优化的基础上，化学模式识别方法引入中药分析体系，模式识别，指通过相关软件等用数学方法来实现模式的自动处理和判别，模式识别可大致分为用监督模式识别判别分析方法，是实现规定分类的标准和种类的数模，并且通过大批已知样本的信息处理找出规律，再预报未知样本的类型，如贝叶斯法Bayes逐步判别分析方法，人工神经网络判别法等，无监督模式识别聚类分析方法，是对一组尚无明确分类的样本，根据它们所变现的变量特征，按相似程度的大小加以归类，最终通过信息处理找出合适的分类方法并实现样本的分类，如系统聚类分析，模糊聚类分析等以及基于特征投影的降维显示方法，另外还有一类基于特征投影的降维显示方法，如主成分分析方法，基于偏最小二乘法的降维方法等，中药的化学模式识别方法可以从复杂的化学测量数据出发，进一步揭示复杂化合物之间的隐藏规律，为中药整体研究提供十分有用的信息。
多元统计分析论文
多元统计分析论文多元统计分析是一种统计方法，用于分析多个自变量与一个或多个因变量之间的关系。
该方法可以帮助研究者探索自变量之间的相互作用，并确定它们与因变量之间的关系。
本文将通过一个案例研究来说明多元统计分析的应用。
假设我们想研究工资水平与教育程度、工作经验和性别之间的关系。
我们收集了200个参与者的数据，其中包括他们的工资水平（因变量），教育程度、工作经验和性别（自变量）。
我们将使用多元线性回归分析来检验这些自变量对工资水平的影响。
我们首先进行数据的描述性统计分析，以了解各个变量的分布和关系。
我们发现工资水平的平均值为5000美元，标准差为1000美元。
教育程度的平均值为12年，标准差为3年。
工作经验的平均值为5年，标准差为2年。
性别中，男性占60％，女性占40％。
接下来，我们进行多元线性回归分析。
我们将工资水平作为因变量，教育程度、工作经验和性别作为自变量。
我们的回归模型如下所示：工资水平=β0+β1*教育程度+β2*工作经验+β3*性别+ε在这个模型中，β0是截距，β1、β2和β3是回归系数，ε是误差项。
回归系数表示自变量对因变量的影响，正值表示正相关，负值表示负相关。
通过进行多元线性回归分析，我们得到了以下结果：教育程度对工资水平有显著影响（β1=1000，p<0.001），工作经验对工资水平也有显著影响（β2=500，p<0.01），性别对工资水平的影响不显著（β3=200，p>0.05）。
由此可见，教育程度和工作经验对工资水平具有显著影响，教育程度每增加1年，工资水平平均增加1000美元；工作经验每增加1年，工资水平平均增加500美元。
而性别对工资水平的影响不显著，即性别不是工资水平的显著预测因素。
在多元统计分析中，我们还可以使用其他方法，如多元方差分析、聚类分析、主成分分析等。
这些方法可以根据研究问题和数据类型的不同，来解读和分析自变量与因变量之间的关系。
总结而言，多元统计分析是一种强大的方法，可以帮助研究者探索多个自变量与因变量之间的关系。
应用多元统计分析论文
河北省十一城市综合实力统计分析摘要:本文根据中国城市经济发展研究中心提出的城市综合经济实力和区域的概念，并利用2009年各城市社会经济发展状况的截面数据，就山东省11市的经济数据进行分析。
首先建立了评价的指标体系，其次，分别采用主成分分析法和聚类分析法对山东省根据行政区域划分的11个市的综合经济实力进行了全面的评价和比较，并在此基础上提出了促进山东各市经济协调发展、共同进步的相关措施。
关键词：城市经济主成分分析聚类分析一、引言在区域经济发展中，城市处于核心和龙头的地位，提高城镇化水平、加快城市化进程是解决当前和未来一系列问题的关键。
山东经济发展显示出不平衡的态势，鲁东的少数几个城市GDP几乎占据全省三分之二[1]。
很显然，山东省各市的城市化水平也存在显著差异, 青岛、济南等的城市化水平始终走在全省乃至全国前列,泰安和滨州则相对落后。
随着黄河三角洲经济一体化进程的加快，山东作为沿海省份必须清楚的看到发展差异并找出差异形成的原因，通过核心城市的优先发展带动区域经济和社会的快速发展，是现实提出的急需解决的问题。
为此，本文在参阅相关文献的基础上，根据中国城市经济发展研究中心提出的城市综合经济实力以及区域的概念，根据区域的行政划分，从山东省11个市出发，利用2009年各城市社会经济发展状况的截面数据，首先建立了评价指标体系，其次，分别采用主成分分析法和聚类分析法对山东省11个市的综合经济实力进行了综合的评价和排位，并在此基础上提出了促进山东省各市经济协调发展、共同进步的相关措施。
面对区域差距带来的影响，山东省应该继续加大固定资产投资的力度，在制定区域发展策略时应该加强区域间的交流和合作，促进各地区优势互补，共同发展。
同时，也要积极鼓励引进外资和开拓国际市场，加快与国际经济的接轨和融合。
另外，还要继续扩大中心城市的规模，在积极建设环渤海产业带的同时，不断加强鲁西和鲁中产业带的建设，提高中心城市的综合竞争力，扩大其对周围地区的辐射和带动作用，最终逐步缩小区域差距，促进各地区和谐发展、共同繁荣。
应用多元统计分析论文
应用多元统计分析论文本篇论文介绍了应用多元统计分析的相关内容。
在引言部分，我们将简要介绍本篇论文的主题和目的，解释多元统计分析在研究中的重要性，并概述论文的结构。
多元统计分析是一种统计方法，用于分析多个变量之间的关系和相互影响。
在研究领域中，多元统计分析被广泛应用，可以帮助研究者理解和解释复杂的数据结构和关系。
它能够帮助研究者发现变量之间的模式、趋势和相关性，从而得出更准确的结论。
本论文旨在探讨如何应用多元统计分析方法来分析特定数据集，并得出相关结论。
我们将介绍所采用的多元统计分析方法和技术，并具体说明它们对于研究结果的解释和解读的意义。
接下来的章节将依次介绍多元统计分析的相关概念、数据集的描述和预处理、统计模型的建立和分析方法的应用。
最后，我们将总结研究结果，并讨论其对研究领域的意义和可能的应用价值。
通过本篇论文的详细介绍和分析，读者将能够了解多元统计分析的基本原理和应用方法，以及如何运用这些方法来解读和分析特定领域的研究数据。
本论文的目的是为学术研究者和相关领域的专业人士提供一个有益的参考，帮助他们在研究中更好地使用多元统计分析方法，并取得可靠的研究成果。
请继续阅读下面的章节，以了解更多关于应用多元统计分析的内容。
研究背景多元统计分析是一个广泛应用于各个学科领域的研究方法。
选择进行多元统计分析研究的原因可以有很多，首先，通过多元统计分析，我们可以从多个变量的角度来探索和解释问题。
这能够使我们更全面地了解现象背后的本质，并且提供更深入的洞察。
在相关的研究领域和现有的研究成果方面，多元统计分析已经被广泛应用于社会科学、医学、教育、经济学等等领域。
许多研究已经表明，多元统计分析是一种有效的研究方法，可以帮助研究者发现变量之间的关系和相互影响。
然而，尽管多元统计分析已经被广泛应用，仍然存在一些研究空白需要填补。
例如，某些特定领域可能缺乏基于多元统计分析的研究，或者现有研究可能只关注了特定方面而忽略了其他重要变量。
- 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)。
东北三省经济发展水平及影响因素因子分析摘要：东北三省在我国属经济欠发达地区，对于这个资源丰富、地理位置占有绝对优势的地区来讲，这是一个可悲的现象。
东北三省有着太多的共同点，但又有着各自的特点，这对于东北三省发挥各自的优势以及进行经济合作都是非常有利的。
作为东北土生土长的孩子,很希望能为家乡的经济发展献计献策，贡献一份自己的力量。
本文通过对部分经济指标进行因子分析，判断出造成东北三省经济差距的潜在因素及三省各自的优势，并给出东北三省发挥各自优势以及共同合作的建议。
关键词：经济比较，东北三省，因子分析（一）前言改革开放以来,我国的经济发展取得了举世瞩目的成就,综合国力日益增强,人民生活水平也显著提高，我国各个省的经济发展水平也都随着国力的增强而提高。
但是，各个省的经济发展速度并不是同步的,导致省域经济发展水平不同,而且差距有日趋扩大的趋势。
区域经济发展的不平衡性是世界经济、世界各国各地区经济发展中普遍存在的现象。
就全世界而言，表现为发达国家与发展中国家之间的差距；就我国，则表现为东西部差距。
这种不平衡发展会影响国民经济整体素质的提高以及国民经济的协调发展,关系到整个现代化的进程。
在这种情况下,比较各省域的经济发展水平,明确各省域经济在整个国民经济中的位置,分析各省域的优势与劣势,对于各省域制定其最优发展策略以及对国家制定区域经济协调发展政策都有重大的意义。
在各地区的经济蓬勃发展的同时,东北三省经济日益相对落后,已成为制约中国经济跃上新台阶、实现工业化与现代化的瓶颈。
在中华人民共和国历史上,东北三省经济曾有过令人刮目相看的成就与辉煌。
直到1978 年,东北三省的人均GDP 仅次于京、津、沪3 大直辖市,在全国处于领先地位。
但是,从上个世纪90 年代开始,东北三省经济发展明显落后了。
由于中国改革开放首先从东南沿海地区起步,各种优惠政策首先在那里实施,外国资本及先进技术与管理方法最先从那里引入,因而东南沿海地区经济快速增长。
尤其是自1992 年春天起,在邓小平南巡讲话精神的鼓舞下,中国经济发展战略的重点更是明显地移向东南沿海地区,资本、技术和人才一并“东南飞”。
而此时，东北三省几乎被冷落、被担负大量沉重包袱的国企所拖累、被落后且严重失衡的产业结构所困扰,发展步伐日益趋缓。
可以肯定地讲,东北三省经济若不振兴,中国的工业化与现代化必然大受影响,甚至难以实现。
因此,振兴东北三省经济是当今中国经济发展的大局,是全国人民的根本利益所在。
我是一名土生土长的黑龙江人，虽然对家乡充满了无限的热爱，但也深知家乡的经济水平处在全国相对落后的位置。
而黑龙江作为全国位置最东北的一个省，作为东北三省这个整体的重要组成部分，对于整个东北的发展也起到至关重要的作用。
因此，我通过对本文的创作，对东北三省的经济进行综合的比较和分析，得到三个省各自的优势和劣势，为其各自的发展和东北三省彼此间的合作提出合理的意见和建议，希望能够为东北三省的经济发展提供一定的帮助。
(二)东北三省的经济概况自上个世纪80年代以来，历史上一度作为老工业基地的我国东北地区的经济地位在全国相对下降。
东北三省的发展速度，特别是工业和经济总量的增长率渐渐落后于全国平均水平。
下面将东北三省和北京、上海、江苏这三个经济发达地区进行比较。
简单的选取城镇家庭人均实际月收入和城镇家庭人均可支配月收入为指标进行比较，虽然这两个指标并不能完整的说明问题，但也能反应出部分问题。
数据见表1。
表1城镇家庭人均实际月收入城镇家庭人均可支配月收入2008年12月（元）2008年12月（元）辽宁15836 14393吉林13606 12829黑龙江12264 11581北京27678 24725上海29759 26675江苏20176 18680(数据来源:中经网)数字对比不直观，下面用图表来更清晰的反应各指标间的差距。
图表见图1。
图 1由上图我们可以清晰看出，东北三省在经济上存在着一定的差距，表现为辽宁的各项指标最高，黑龙江最低。
而且，这三个地区和经济发达地区的差距更是非常明显，其中差距最大的是黑龙江和上海，差距达到了一倍之多。
从这个简单的例子我们可以看到东北三省和经济发达地区的差距有多么明显。
对于这个资源丰富，地理位置占有优势的地区来讲，是一个多么可悲的事实。
但是我们也应该看到，在东北这三个省中，辽宁的经济相对发达一些，与江苏的差距非常小，也就是说，辽宁发挥出了一定的优势，这也许值得吉林和黑龙江借鉴，又或者，可以以辽宁为龙头，带动整个东北三省的经济腾飞。
结合本文选取数据的特点以及其他相关的文章，本文选择用因子分析来进行研究，找到造成东北三省经济差距的原因和各个省的优势，以给出对策，使三个省都能发挥各自的优势。
（三）什么是因子分析因子分析法是将各项指标归纳为一项或多项综合指标的一种多元统计方法。
多变量大样本资料无疑能为科学研究提供很多有价值的信息，但有时，有必要简化(降维)数据，即从多变量或大样本中选择少数几个综合独立的新变量或个案，用以反映原来变量的大部分信息。
数据简化(降维)分析中的因子分析能实现这个目的。
因子分析是从多个变量(指标)中选择出少数几个综合变量的一种降维多元统计分析方法，用以达到数据简化的目的。
在分析处理多变量问题时，变量间往往相关极为密切，使得观测数据所反映的信息有重叠，因此，人们希望能找出较少的综合变量尽可能多地反映原来变量的信息，彼此之间又互不相关。
这些不可观测的少数几个综合变量称为公共因子或潜在因子。
因子分析可以根据用户选择的对象提取公因子方法与初始因子载荷矩阵的旋转方式，输出变量的特征值，方差百分比，累计方差百分比，旋转后的因子矩阵，碎石图，以及旋转因子空间成分图等。
（四）东北三省经济发展差距的因子分析结合东北三省的特点以及其他相关文章的指标选取，本文选取人均国内生产总值、农业总产值、国际旅游收入、全社会固定资产投资总额、工业总产值、原煤产量、原油产量、天然气产量、钢产量共九个经济指标。
以上指标体系尽管并不能覆盖东北三省经济发展的所有方面，但基本反映了东北三省的经济运行情况。
由于选择了因子分析方法，所以数据选取了从1989年到2007年以保证因子分析的可行性。
详细数据见表2。
表2农业总产值工业总产值全社会固定资产投资总额年份辽宁吉林黑龙江辽宁吉林黑龙江辽宁吉林黑龙江109.87 86.61 111.48 1092.4 530.36 804.77 88.85 271.06 170.64 1989146.2 135.3 178 1124.8 552.36 863.51 93.22 228.76 164.02 1990158.3 129.4 170.9 1493.7 539.35 888.83 113.99 315.37 189.7 1991176.1 138.9 199.9 1825.6 662.93 983.13 151.3 431.04 244.29 1992250.3 174.63 235.36 2611.4 890.43 1233.1 248.29 710.92 330.55 1993301.35 270.81 381.45 3221.1 1084.8 1609.8 288.61 866.49 404.94 1994391.9 301.44 462.16 3544.3 1233.5 1951.3 320.27 865.49 517.62 1995455.14 363.67 558.68 3354.6 1232.6 1967.7 362.99 881.67 568.64 1996433.62 315.45 571.1 3644.9 1355.5 2141.9 361.17 986.62 669.86 1997534.7 394.9 517.6 3147.9 1225.5 1739.7 431.8 1057.7 770.1 1998510.9 388.4 460 3390.1 1366.9 1854.6 500 1119.5 751.7 1999463.5 320.3 414.4 4249.5 1679.9 2460.9 603.5 1267.7 832.6 2000503.1 405.9 450.6 4480.3 1876.7 2365.4 701.7 1421.2 963.6 2001540.1 419.7 487.5 4888 2171.2 2487.6 834.2 1605.6 1046.2 2002497.3 438.3 502.9 6113 2662.3 2910 969 2076.4 1166.2 2003611.3 486.2 620.2 8463.7 3227.1 3812.5 1169.1 2979.6 1430.8 2004640.1 518.1 718.6 10815 3792 4714.9 1741.1 4200.4 1737.3 2005597 787.4 14168 4752.7 5440.2 2594.3 5689.6 2236 2006 715.1837.5 641.5 971.9 18250 6486 6143.2 3651.4 7435.2 2833.5 2007表2续1原煤产量原油产量天然气产量年份辽宁吉林黑龙江辽宁吉林黑龙江辽宁吉林黑龙江1989 0.498 0.244 0.7617 1092.4 342.24 5555.6 19.98 1.02 22.49 1990 0.510 0.361 0.8263 1124.8 356.7 5562.2 20.42 0.98 22.47 1991 0.52 0.26 0.85 1493.7 342.3 5562.3 20.55 1.26 22.73 1992 0.54 0.25 0.84 1825.6 344.06 5565.8 21.1 1.68 22.87 1993 0.56 0.24 0.73 2611.4 338.43 5590.5 20.78 2.05 22.28 1994 0.55 0.25 0.77 3221.1 332 5601 21.15 2.16 23.2 1995 0.56 0.26 0.79 3544.3 342.73 5601.5 21.12 1.83 25.91 1996 0.6 0.26 0.82 3354.6 373.6 5601.7 19.62 2.1 23.33 1997 0.59 0.27 0.85 3644.9 405.1 5609.2 19.14 2.95 23.49 1998 0.58 0.21 0.71 3147.9 397.07 5593.8 15.55 2.12 23.3 1999 0.48 0.16 0.62 3390.1 358.02 5450.5 14.28 2.4 22.35 2000 0.45 0.16 0.5 4249.5 348.46 5306.7 14.7 2.05 23.04 2001 0.45 0.18 0.57 4480.3 388.83 5161.1 14.71 2.05 22.03 2002 0.52 0.17 0.59 4888 477.01 5029.4 13.31 2.41 20.22 2003 0.59 0.2 0.67 6113 476.4 4840.1 13.28 2.32 20.96 2004 0.62 0.24 0.72 8463.7 478.89 4672.2 12.68 3.66 20.5 2005 0.64 0.27 0.95 10815 550.57 4516 11.72 5.4 24.43 2006 0.74 0.3 1.03 14168 680.35 4340.5 11.94 2.41 24.65 2007 0.63 0.34 1.01 18250 623.93 4169.8 8.72 5.22 25.51989 54.7 3.35 5.27 2574 1635 1808 1206.8 95.72 65.22 1990 69 6 7 2698 1746 2028 1216.3 95.19 74.6 1991 86.2 8.59 8.81 2707 1718 2099 1262.5 99.65 83.64 1992 101.64 11.06 13.37 3254 2071 2433 1349.9 117.3 104.03 1993 116.55 11.1 13.09 5015 2868 2343 1413.3 125.18 117.5 1994 166.43 24.88 48 6103 3703 4427 1340 111 106 1995 189 41 61 6880 4414 5465 1335.8 93.76 115.93 1996 224 53 78 7730 5163 6468 1369.3 84.15 119.11 1997 260 59 105 8525 5504 7243 1354.9 88.41 139.01 1998 262 38 121 9333 5916 7544 1406.5 79.14 151.99 1999 304 45 148 10086 6341 7660 1492.2 77.5 169.94 2000 383 58 189 11226 6847 8562 1553.8 88.99 159.31 2001 463 76 250 12041 7640 9349 1660.7 93.64 200.56 2002 550 86 297 12986 8334 10184 1942.5 144.2 281.06 2003 454 66 244 14258 9338 11615 2227.8 165.69 381.62 2004 613 96 302 15823 11537 12449 2595.5 238.25 406.76 2005 738 120 340 18983 13348 14434 3059.1 247.73 462.01 2006 934 137 492 21788 15720 16195 3702.3 315.2 533.65 2007 1228 179 643 25729 19383 18478 4140.3 436.05 599.67 （数据来源：中经网。