众文网1.谁可以给篇多元统计分析的论文关于经济类的
多元统计分析在宏观经济分析中的应用摘要：研究多元统计分析的理论，利用主成分分析和聚类分析的方法对区域经济指标体系进行分析和综合，找出实质体的数量特征和内在统计规律性。
通过实际的历史数据进行演算，证实与当时的客观实际情况相吻合，为决策部门衡量本地区的经济发展，制定科学决策提供了有利的支持。关键词：多元统计分析；主成分分析；聚类分析统计方法是科学研究的一种重要工具，其应用颇为广泛。
在工业、农业、经济、生物和医学等领域的实际问题中，常常需要处理多个变量的观测数据。因此，对多个变量进行综合处理的多元统计分析方法显得尤为重要。
随着电子计算机技术的普及，以及社会、经济和科学技术的发展，过去被认为具有数学难度的多元统计分析方法，已越来越广泛地应用于实际工作中。主成分分析[1]是一种常用的多元统计分析方法，相对于其他统计学方法，更强调用数据本身来指导分析过程，而不是依赖事先给定的某些假设。
主要目的是希望用较少的变量解释原始资料中的大部份变异，期望能将许多相关性很高的变量转化成彼此互相独立的变量，从中选取较原始变量个数少且能解释大部份资料中变异的几个新变量（降低原始变量的维数），也就是所谓的主成分，而这几个主成分也就成为用来解释资料的综合性指标。聚类分析[2]是研究事物分类的一种方法，是认识和探索事物内在联系的一种手段。
聚类分析源于许多研究领域，包括数据挖掘、统计学、机器学习和模式识别等，并作为一个独立的工具来获得数据分布的情况，概括出每个簇的特点，或者集中注意力对特定的某些簇进行分析。聚类就是将数据对象分组成为多个类或簇，划分的原则是在同一个簇中的对象之间有高度的相似度，而不同簇中的对象差别较大。
聚类分析通常被用作最初的分析工具，可以使数据挖掘具备识别群这一功能，它的流程通常是首先对数据进行图形描述，再用量化方法来描述数据的特征。1设计思想1.1主成分分析主成分分析主要应用于简化观测系统，将原始因子变换为新因子，把多个单项指标转化为最少数量的综合指标。
其设计思想[3]是通过对每个变量的实际观测值的协方差矩阵进行计算，依次提取方差贡献最大的各个主成分，以达到选择、浓缩和提炼变量的目的。主成分分析中的因子分析所涉及的计算与此类似，是研究一组样品之间的相关关系的一种统计方法，即对于一组具有复杂的相关关系的样品，可以通过研究其相关矩阵的内部结构，找出若干个对这组样品起着支配作用的独立的新因子（实际上是原始变量在通常的、或者是最小二乘意义上的线性组合），用这些独立的新因子（称为公因子或主因子的数目往往比原始变量的数目要少）来表达所有观测数据，既极少损失总的关于原始变量的相关信息，又合理解释了包含在原始变量（样品）的相关性，简化了观测系统，抓住了影响所有观测数据的主要矛盾。
传统的一些综合评价方法在选择权数时有很大的主观随意性，而用主成份方法综合评价经济效益、既避免了信息量的重复，又克服权数选择的人为性。可以方便地得到全面、客观的评价结果。
此方法已被我国许多统计工作者应用到实际工作中，正在产生积极的效果。1.2聚类分析聚类分析的思想来自于方差分析，是由Ward于1936年提出，1967年经Orloci等人发展建立起来的一种系统聚类方法[4-5]。
具体做法是在一批样品的多个观测指标中找出能度量样品（或指标）之间相似程度的统计量，构成一个对称的相似性矩阵，在此基础上进一步找寻各样品（或指标）之间或样品组合之间的相似程度，按相似程度的大小把样品（或指标）逐一归类，进行比较。具体做法就是先将N个样品各自视为一类，然后计算确定样本之间、类与类之间的距离，选择距离最小的一对样本合并成一个新类，计算包括新类在内的其余各类的距离，再将距离最近的两类合并，这样每次减少一类，直至所有的样品都成为一类为止。
在宏观经济的分析研究中根据经济指标体系的多个指标值，找出一些能够度量样品相似程度的指标，以这些指标为划分类型的依据，使一些相似程度较大的区域聚合为一类，再将另一些彼此之间相似程度较大的聚合为另一类，直到把所有区域都聚合完毕，形成一个由小到大的分类系统，最后将整个分类系统绘成一张聚类图，并结合因子分析的评价结果和实际情况具体分类。2数学模型及算法实现2.1主成分分析选择所确立的宏观经济指标作为样品的原始数据组成矩阵，设有N个地区，并各观测P个指标变量，其 （2）若2个样品中有1个在某组中出现过，另一个就加入该组。
（3）若2个样品都在同一组中，这对样品不再分组。（4）若2个样品都已在不同组中出现过，则把2组连接在一起。
通过选用28个地区的实际数据，并利用此方法进行聚类分析，得出了对总体规模指标和综合效益指标进行综合后的聚类谱系图，如图2所示。本文是通过主成分分析和聚类分析对我国区域经济发展进行比较分析的一个应用实例，采用了上世纪 80年代的历史数据进行了比较分析，从结果中可以看出完全符合当时我国区域宏观经济的发展状况。
总之，应用主成分分析和。
2.关于聚类分析
1。
聚类分析的特点 聚类分析（cluster analysis）是根据事物本身的特性研究个体的一种方法，目的在于将相似的事物归类。它的原则是同一类中的个体有较大的相似性，不同类的个体差异性很大。
这种方法有三个特征：适用于没有先验知识的分类。如果没有这些事先的经验或一些国际、国内、行业标准，分类便会显得随意和主观。
这时只要设定比较完善的分类变量，就可以通过聚类分析法得到较为科学合理的类别；可以处理多个变量决定的分类。例如，要根据消费者购买量的大小进行分类比较容易，但如果在进行数据挖掘时，要求根据消费者的购买量、家庭收入、家庭支出、年龄等多个指标进行分类通常比较复杂，而聚类分析法可以解决这类问题；聚类分析法是一种探索性分析方法，能够分析事物的内在特点和规律，并根据相似性原则对事物进行分组，是数据挖掘中常用的一种技术。
这种较成熟的统计学方法如果在市场分析中得到恰当的应用，必将改善市场营销的效果，为企业决策提供有益的参考。其应用的步骤为：将市场分析中的问题转化为聚类分析可以解决的问题，利用相关软件（如SPSS、SAS等）求得结果，由专家解读结果，并转换为实际操作措施，从而提高企业利润，降低企业成本。
2.应用范围 聚类分析在客户细分中的应用 消费同一种类的商品或服务时，不同的客户有不同的消费特点，通过研究这些特点，企业可以制定出不同的营销组合，从而获取最大的消费者剩余，这就是客户细分的主要目的。常用的客户分类方法主要有三类：经验描述法，由决策者根据经验对客户进行类别划分；传统统计法，根据客户属性特征的简单统计来划分客户类别；非传统统计方法，即基于人工智能技术的非数值方法。
聚类分析法兼有后两类方法的特点，能够有效完成客户细分的过程。 例如，客户的购买动机一般由需要、认知、学习等内因和文化、社会、家庭、小群体、参考群体等外因共同决定。
要按购买动机的不同来划分客户时，可以把前述因素作为分析变量，并将所有目标客户每一个分析变量的指标值量化出来，再运用聚类分析法进行分类。在指标值量化时如果遇到一些定性的指标值，可以用一些定性数据定量化的方法加以转化，如模糊评价法等。
除此之外，可以将客户满意度水平和重复购买机会大小作为属性进行分类；还可以在区分客户之间差异性的问题上纳入一套新的分类法，将客户的差异性变量划分为五类：产品利益、客户之间的相互作用力、选择障碍、议价能力和收益率，依据这些分析变量聚类得到的归类，可以为企业制定营销决策提供有益参考。 以上分析的共同点在于都是依据多个变量进行分类，这正好符合聚类分析法解决问题的特点；不同点在于从不同的角度寻求分析变量，为某一方面的决策提供参考，这正是聚类分析法在客户细分问题中运用范围广的体现。
聚类分析在实验市场选择中的应用 实验调查法是市场调查中一种有效的一手资料收集方法，主要用于市场销售实验，即所谓的市场测试。通过小规模的实验性改变，以观察客户对产品或服务的反应，从而分析该改变是否值得在大范围内推广。
实验调查法最常用的领域有：市场饱和度测试。市场饱和度反映市场的潜在购买力，是市场营销战略和策略决策的重要参考指标。
企业通常通过将消费者购买产品或服务的各种决定因素（如价格等）降到最低限度的方法来测试市场饱和度。或者在出现滞销时，企业投放类似的新产品或服务到特定的市场，以测试市场是否真正达到饱和，是否具有潜在的购买力。
前述两种措施由于利益和风险的原因，不可能在企业覆盖的所有市场中实施，只能选择合适的实验市场和对照市场加以测试，得到近似的市场饱和度；产品的价格实验。这种实验往往将新定价的产品投放市场，对顾客的态度和反应进行测试，了解顾客对这种价格的是否接受或接受程度；新产品上市实验。
波士顿矩阵研究的企业产品生命周期图表明，企业为了生存和发展往往要不断开发新产品，并使之向明星产品和金牛产品顺利过渡。然而新产品投放市场后的失败率却很高，大致为66%到90%。
因而为了降低新产品的失败率，在产品大规模上市前，运用实验调查法对新产品的各方面（外观设计、性能、广告和推广营销组合等）进行实验是非常有必要的。 在实验调查方法中，最常用的是前后单组对比实验、对照组对比实验和前后对照组对比实验。
这些方法要求科学的选择实验和非实验单位，即随机选择出的实验单位和非实验单位之间必须具备一定的可比性，两类单位的主客观条件应基本相同。 通过聚类分析，可将待选的实验市场（商场、居民区、城市等）分成同质的几类小组，在同一组内选择实验单位和非实验单位，这样便保证了这两个单位之间具有了一定的可比性。
聚类时，商店的规模、类型、设备状况、所处的地段、管理水平等就是聚类的分析变量。 转。
3.统计学毕业论文选什么题目比较容易
可以参考下面的
1、保险消费群体分析研究—以上海地区为例/以某险种为例
2、美元走势与某大宗商品价格走势相关性分析
3、基于多元统计的上海市各区县经济综合实力评价研究
4、上海市人口规模与结构变动趋势分析
5、GDP增速与居民收入增长变化相关性分析-以上海市为例
6、上海市居民幸福感现状的调查研究
7、上海市经济增长与环境污染的实证研究
8、上海金融学院《统计学》课程考核满意度的调查研究
9、上海市统计学本科毕业生就业的调查研究
10、上海市城乡收入差距变动及其对经济的影响研究
11、上海市经济增长、能源消费与环境污染间互动性研究
12、上海市主导产业的选择研究--基于聚类分析和因子分析
13、医药行业上市公司绩效评价--基于因子分析和聚类分析
14、创业板上市公司经营绩效评价研究--基于因子分析和聚类分析
15、电力行业上市经营绩效的实证研究--基于主成分分析、因子分析与聚类分析
16、航运中心建设背景下上海市物流需求预测分析——基于XX预测技术
17、上海市小微型科技企业融资能力的评估分析——基于XX分析方法
18、大学生网络购物影响因素的实证研究——以上海金融学院为例
19、大学生专业课自主学习的实证研究——以上海金融学院为例
20、自贸区建设背景下大学生职业能力的现实考量与培养策略——以上海金融学院为例
21、上海自由贸易区建设金融资源配置的统计数据分析及对策
22、基于VAR模型的股票指数与宏观经济统计建模—以上海综合指数为例
23、沪深300和道琼斯指数对比分析（或：股指期货与沪深300指数相关性分析）
24、股票指数运行方向预测----基于成交量交易数据统计分析
25、宏观经济与股票指数关系----基于货币发行量的统计分析视角
26、基于因子分析法的上市公司财务状况评价研究
27、因子分析法在中小企业板块上市公司综合业绩评价中的应用
28、上海市各区县综合发展潜力评价研究
29、上海市各区县经济发展潜力的综合评价研究
30、上海市城镇居民消费的典型相关分析
31、股票市场成交量和股价变动的统计实证研究——以A股市场为例
32、基于高频数据的期货统计套利策略分析——以上海期货交易所铜期货合约为例
33、多品种商品期货相关性研究——基于协整检验和误差修正模型的实证分析
34、上证A股指数走势预测研究——基于时间序列模型
35、大学生在数学学习中焦虑情绪产生因素分析——基于非参数统计方法
36、上海银行间短期债券回购利率和同业拆借利率的协整分析
37、上海（餐饮或）旅游市场需求预测研究——基于时间序列分析方法
38、关于统计学专业应届生的就业优势因素分析——以上海地区为例
39、基于协整检验的上海物流产业与经济增长互动关系研究
40、基于股价高频数据的波动率与成交量动态关系研究——以A股市场为例
41、上海技术进步对能源效率影响的实证分析
42、中国各地区能源效率的测算与分析
43、XX地区产业能源效率的测算与分析
44、XX地区能源效率的影响因素分析
45、XX地区能源消费与产业结构相关性研究
4.要用SPSS做聚类分析的小论文,不知道怎么说明做出的结果（树
这是用SPSS系统聚类法做出的聚类结果树状图。1，系统聚类的基本思想是：开始将n个样本各自作为一类，并规定样本之间的距离和类与类之间的距离，然后将距离最近的两类合并成一个新类，计算新类与其他类的距离；重复进行两个最近类合并，每次减少一个类，纸质所有样本合并为一类。你发的树状图就是根据这个过程得来的。
2，最上面一行的距离值表示个案与个案的距离值，这个是软件换算出的，不可以调整。
3，可能是你的SPSS版本较旧的原因，树状图是断开的，可能不太好分辨，新版本都是连上的线段。但仍可继续做分析。根据树状图可知，
第一次合并将7、8合为一类，1、3为一类，2、4、5为一类，说明它们之间最相似，距离最近。
第二次合并将6并入7、8的类。
第三次合并将1、3并入6、7、8所在类。此时总共就剩两类了
第四次，把所有的个体合为一类
4，最终合为一类不代表不分类，而是你根据自己的需要确定类个数，再从图上找结果。比如你最终想分类两类，结果就是『7、8、6、1、3』和『2、4、5』