在实验2．3．2中曾对iris数据集进行描述和展示，在实验2．3．4中曾对iris数据集进行可视化．以下将对iris数据集进行进行聚类分析．根据实验2．3．4，我们只知道数据集内有三个品种鸢尾花而不知道每朵花的真正分类，只能凭借花萼及花瓣的长度和宽度分类．以下对鸢尾花iris数据集进行聚类分析，代码如下：＞data(iris);attach(iris)＞iris．hc1＜-hclust(dist(......
2023-11-18
基于R的实验：城市居民消费性支出聚类分析
【摘要】：表7-1给出了我国31个省、市、自治区1999年城镇居民家庭平均每人全年消费支出的8个指标：x1：人均食品支出（元、人）；x2：人均衣着商品支出（元、人）；x3：人均家庭设备用品及服务支出（元、人）；x4：人均医疗保健支出（元、人）；x5：人均交通和通讯支出（元、人）；x6：人均娱乐教育文化服务支出（元、人）；x7：人均居住支出（元、人）；x8：人均杂项商品和服务支出（元、人）．表7-1全国城镇
表7-1给出了我国31个省、市、自治区1999年城镇居民家庭平均每人全年消费支出的8个指标：
x1：人均食品支出（元、人）；
x2：人均衣着商品支出（元、人）；
x3：人均家庭设备用品及服务支出（元、人）；
x4：人均医疗保健支出（元、人）；
x5：人均交通和通讯支出（元、人）；
x7：人均居住支出（元、人）；
x8：人均杂项商品和服务支出（元、人）．
表7-1 全国城镇居民平均每人全年消费性支出的数据
（续表）
说明：在表7-1中，序号1—31，分别代表：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．
以下根据表7-1导入数据并画聚类图，其代码如下：
＞x1＝c(2959．19,2459．77,1495．63,1046．33,1303．97,1730．84,
＋1561．86,1410．11,3712．31,2207．58,2629．16,1844．78,
＋2709．46,1563．78,1675．75,1427．65,1783．43,1942．23,
＋3055．17,2033．87,2057．86,2303．29,1974．28,1673．82,
＋2194．25,2646．61,1472．95,1525．57,1654．69,1375．46,
＋1608．82)
＞x2＝c(730．79,495．47,515．90,477．77,524．29,553．90,492．42,
＋510．71,550．74,449．37,557．32,430．29,428．11,303．65,
＋613．32,431．79,511．88,512．27,353．23,300．82,186．44,
＋589．99,507．76,437．75,537．01,839．70,390．89,472．98,
＋437．77,480．99,536．05)
＞x3＝c(749．41,697．33,362．37,290．15,254．83,246．91,200．49,
＋211．88,893．37,572．40,689．73,271．28,334．12,233．81,
＋550．71,288．55,282．84,401．39,564．56,338．65,202．72,
＋516．21,344．79,461．61,369．07,204．44,447．95,328．90,
＋258．78,273．84,432．46)
＞x4＝c(513．34,302．87,285．32,208．57,192．17,279．81,218．36,
＋277．11,346．93,211．92,435．69,126．33,160．77,107．90,
＋219．79,208．14,201．01,206．06,356．27,157．78,171．79,
＋236．55,203．21,153．32,249．54,209．11,259．51,219．86,
＋303．00,317．32,235．82)
＞x5＝c(467．87,284．19,272．95,201．50,249．81,239．18,220．69,
＋224．65,527．00,302．09,514．66,250．56,405．14,209．70,
＋272．59,217．00,237．60,321．29,811．88,329．06,329．65,
＋403．92,240．24,254．66,290．84,379．30,230．61,206．65,
＋244．93,251．08,250．28)(www.chuimin.cn)
＞x6＝c(1141．82,735．97,540．58,414．72,463．09,445．20,459．62,
＋376．82,1034．98,585．23,795．87,513．18,461．67,393．99,
＋599．43,337．76,617．74,697．22,873．06,621．74,477．17,
＋730．05,575．10,445．59,561．91,371．04,490．90,449．69,
＋479．53,424．75,541．30)
＞x7＝c(478．42,570．84,364．91,281．84,287．87,330．24,360．48,
＋317．61,720．33,429．77,575．76,314．00,535．13,509．39,
＋371．62,421．31,523．52,492．60,1082．82,587．02,312．93,
＋438．41,430．36,346．11,407．70,269．59,469．10,249．66,
＋288．56,228．73,344．85)
＞x8＝c(457．64,305．08,188．63,212．10,192．96,163．86,147．76,
＋152．85,462．03,252．54,323．36,151．39,232．29,160．12,
＋211．84,165．32,182．52,226．45,420．81,218．27,279．19,
＋225．80,223．46,191．48,330．95,389．33,191．34,228．19,
＋236．51,195．93,214．40)
＞X＝data．frame(x1,x2,x3,x4,x5,x6,x7,x8)
＞row．names＝c(＂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＂),
＞hc1＜-hclust(d);hc2＜-hclust(d,＂average＂)
＞hc3＜-hclust(d,＂complete＂)
＞opar＜-par(mfrow＝c(2,1),mar＝c(5．2,4,0,0))
＞plot(hc1,hang＝－1);re1＜-rect．hclust(hc1,k＝4,border＝＂red＂)
＞plot(hc2,hang＝－1);re2＜-rect．hclust(hc2,k＝4,border＝＂red＂)
＞par(opar)
结果如图7-2所示．
图7-2 聚类图
根据图7-2，按照最长距离法（complete），分为四类：
第一类：西藏（序号：26）
第二类：广东（序号：19）
第三类：天津（序号：2），浙江（序号：11），北京（序号：1），上海（序号：9）
第四类：除上述第一，二，三类的其他省、市、自治区
根据图7-3，按照类平均法（average），分为四类：
第一类：西藏（序号：26）
第二类：广东（序号：19）
第三类：上海（序号：9），北京（序号：1），浙江（序号：11）
第四类：除上述第一，二，三类的其他省、市、自治区
以上两种聚类法的结果基本相同，只是天津有所不同（在最长距离法中，天津在第三类；而在类平均法中天津在第四类）．
有关应用多元统计分析：基于R的实验的文章
- 详细阅读
-
基于R的实验-Logistic模型详细阅读
，xp，用向量表示X＝（x1，x2，…，βp 为待估参数．Logistic回归模型中的参数估计常用极大似然估计法得到．设y 是0－1变量，x1，x2，…，n），取P＝πi，P＝1－πi，则yi 的联合概率函数为，yi＝0，1；i＝1，2，…，yn 的似然函数为对数似然函数为对于Logistic回归，将代入，得令＝0，可以用数值计算求待估参数β0，β1，β2，…，βp 的极大似然估计．用R 软件可以解决Logistic回归模型中的参数估计、检验等问题．......
2023-11-18
-
基于R的实验：多重比较的均值分析详细阅读
如果F 检验的结论是拒绝H0，则说明因素A 的r 个水平有显著差异，也就是说，r 个均值之间有显著差异．但这并不意味着所有均值之间都有显著差异，这时还需要对每一对μi 和μj 作一一比较．通常采用多重t检验方法进行多重比较．这种方法本质上就是针对每组数据进行t检验，只不过估计方差时利用的是全部数据，因而自由度变大．具体地说，要比较第i组和第j 组均值，即检验H0：μi＝μj,i≠j,i,j＝1,2,…......
2023-11-18
-
一元线性回归回顾-基于R实验详细阅读
回归分析的基本思想和方法以及“回归”名词的由来，要归功于英国统计学家高尔顿（Galton）．高尔顿和他的学生、现代统计学的奠基者之一皮尔逊（Pearson）在研究父母身高与其子女身高的遗传关系时，观察了1 078对夫妇，以每对夫妇的平均身高作为x，而取他们的一个成年儿子的身高作为y，将这些数据画成散点图，发现趋势近似一条直线＝33．73＋0．516x（单位：英寸，1英寸＝2．54 cm）．这表明：......
2023-11-18
-
基于R的实验：Harman74数据集的因子分详细阅读
Harman74．cor数据集是R 软件自带的数据集，以下对该数据集进行因子分析．（1）查看Harman74数据集中（前面）部分信息Harman74．cor数据集，包含了对芝加哥郊区145名七年级和八年级儿童进行的24 项心理测试指标的相关系数矩阵．其中的24 项心理测试指标包括：VisualPerception，Cubes，PaperFormBoard，Flags，GeneralInformat......
2023-11-18
-
应用多元统计分析方法：基于R实验详细阅读
多元统计分析是统计学中应用性很强的一个分支，它的应用范围十分广泛．多元统计分析可以应用于几乎所有的领域，主要包括经济学、农业、地质学、医学、工业、气象学、金融、精算、物理学、地理学、军事科学、文学、法律、环境科学、考古学、体育科学、遗传学、教育学、生物学、管理科学、水文学等，还有一些交叉学科或方向等．多元统计分析的应用实在是难以一一罗列，以下简要地介绍一下多元统计分析在文学、数据挖掘（作为交叉学科......
2023-11-18
-
基于R的实验stackloss数据集逐步回归详细阅读
对R 自带的stackloss数据集进行逐步回归．（1）首先显示stackloss数据集的信息其中，变量为stack．loss（氨气损失百分比），Air．Flow（空气流量），Water．Temp（水温），Acid．Conc．（硝酸浓度）．（2）计算变量间的相关性——相关系数＞cor(stackloss)结果如下：（3）散布图矩阵＞library(car)＞scatterplotMatrix(st......
2023-11-18
-
基于R的实验：判别分析解决样品分类问题详细阅读
在自然科学和社会科学的研究中，研究对象用某种方法已划分为若干类型．当得到一个新的样本数据（通常为多元数据），要确定该样品属于已知类型中哪一类，这类问题属于判别分析（discriminate analysis）．判别分析是以判别个体所属群体的一种统计方法，它产生于20世纪30年代．近些年来，判别分析在许多领域中得到广泛应用．人们常说“像诸葛亮那么神机妙算”“像泰山那么稳固”“如钻石那样坚硬”等等．看......
2023-11-18
相关推荐