數(shù)據(jù)挖掘與分析作業(yè)章晶晶51092907020

1、數(shù)據(jù)挖掘與分析作業(yè)中國交通運(yùn)輸與經(jīng)濟(jì)發(fā)展聯(lián)系社會(huì)學(xué)研究生 章晶晶（51092907020）前言選擇此份數(shù)據(jù)是因?yàn)椋?、文件夾中的部分?jǐn)?shù)據(jù)沒有題項(xiàng)名稱，解釋困難；2、有的數(shù)據(jù)已經(jīng)有同學(xué)選擇；3、本份數(shù)據(jù)主要是連續(xù)變量，有利于用多種分析方法解釋之。聲明本人在制作本作業(yè)之前曾參考同學(xué)已完成作業(yè)之樣式，特別鳴謝吳志恒等同學(xué)。一、數(shù)據(jù)概況本份數(shù)據(jù)主要包括1980-2002年交通運(yùn)輸長度，貨運(yùn)運(yùn)輸量和客運(yùn)運(yùn)輸量三個(gè)數(shù)據(jù)文件。經(jīng)過合并，形成交通與經(jīng)濟(jì)發(fā)展數(shù)據(jù)主要包含了16個(gè)變量，包括年份、鐵路（長度、客運(yùn)、貨運(yùn)）公路（長度、客運(yùn)、貨運(yùn)）、水運(yùn)（長度、客運(yùn)、貨運(yùn)）、民航（長度、貨運(yùn)）以及交通投入、當(dāng)年GDP總

2、量、貨運(yùn)、客運(yùn)總計(jì)（皆為連續(xù)變量）。在挖掘、分析數(shù)據(jù)之前，首先要確立需要思考的問題：1、 歷年來交通事業(yè)發(fā)展的概況；2、 交通投入與GDP增長之間的關(guān)系；原假設(shè)：無顯著相關(guān)3、 對(duì)GDP增長而言，哪幾類交通發(fā)展與之相關(guān)性較大； 在數(shù)據(jù)中，我們遇到的第一個(gè)問題就是“缺失值”的情況。因?yàn)楦鞣N原因，本數(shù)據(jù)的部分年數(shù)情況不明。對(duì)于數(shù)據(jù)，為分析需要，首先處理中間的缺失值，對(duì)末尾的缺失值不做處理。變量缺失年份替換方法交通投入1991臨近點(diǎn)的中位數(shù)公路貨運(yùn)1989臨近點(diǎn)的中位數(shù)民航貨運(yùn)1989臨近點(diǎn)的中位數(shù)水運(yùn)貨運(yùn)1989臨近點(diǎn)的中位數(shù)二、交通事業(yè)發(fā)展的各階段聚類的方法 根據(jù)交通長度、貨運(yùn)、客運(yùn)三方面的數(shù)據(jù)

3、，采用系統(tǒng)聚類分析。 步驟（分析分類系統(tǒng)聚類，勾選樹狀圖）如下： 按“確定”后，得到以下圖形： 注：由于數(shù)據(jù)缺失，只是歸類到1999年 按照解釋需要，我們將其歸類為三個(gè)類別，第一類別為19811983年；第二類別為19841992年；第三類別為19931999年。這反映了交通發(fā)展的三個(gè)階段。 通過excel制圖得到圖一，觀測數(shù)據(jù)。 圖1：19812002國民生產(chǎn)總值增長的三階段通過交通事業(yè)發(fā)展的三階段和GDP增長的三階段，我們?cè)噲D發(fā)展交通發(fā)展與國民經(jīng)濟(jì)發(fā)展之間的關(guān)聯(lián)程度。三、交通事業(yè)發(fā)展指標(biāo)與國民經(jīng)濟(jì)的發(fā)展關(guān)系初探多重線性回歸交通事業(yè)發(fā)展衡量的數(shù)據(jù)有很多，我們選擇交通投入、貨運(yùn)總量和客運(yùn)總量三

4、項(xiàng)指標(biāo)來討論與當(dāng)年GDP之間的關(guān)系。 在此之前，先討論幾個(gè)變量之間的相關(guān)性：步驟（圖形舊對(duì)話框散點(diǎn)圖矩陣分布） 得到散點(diǎn)圖：由上圖可以看出，當(dāng)年GDP總量與交通投入、貨運(yùn)總量和客運(yùn)總量有較強(qiáng)的關(guān)系。擬合多重線性回歸模型。步驟（分析回歸線性）ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression2.048E1036.827E9693.754.000aResidual1.673E8179840793.091Total2.065E1020a. Predictors: (Constant), 客運(yùn)總計(jì), 貨運(yùn)總計(jì), MEDIAN(交通投入,2)b.

5、 Dependent Variable: gdp 可以從上表看出：F=693.754；sig<0.001<0.05，說明至少一個(gè)自變量的回歸系數(shù)不為0，所建立的回歸模型是具有統(tǒng)計(jì)學(xué)意義的。 在修正客運(yùn)總計(jì)（sig=0.661>0.05）的相關(guān)性之后得到下表：CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)-8397.0315789.996-1.450.163MEDIAN(交通投入,2)16.0301.131.87014.16

6、9.000貨運(yùn)總計(jì).016.007.1362.214.039a. Dependent Variable: gdp 因此，我們將模型公式寫作：Y=-8397.031+16.03*交通投入+0.016*貨運(yùn)總計(jì)附：交通事業(yè)發(fā)展指標(biāo)與國民經(jīng)濟(jì)的發(fā)展關(guān)系進(jìn)一步假設(shè)本文討論，在多重線性回歸之后，我們是否可以嘗試進(jìn)一步深入建立模型，是否可以按照前年交通指標(biāo)來預(yù)測經(jīng)濟(jì)發(fā)展速度？可惜筆者嘗試logistic回歸以及多重線性回歸未曾成功做得。只能將前期數(shù)據(jù)轉(zhuǎn)換交代如下：首先處理數(shù)據(jù)本身。第一步是計(jì)算出GDP年增長率。1、步驟（轉(zhuǎn)換計(jì)算變量）得到新變量“增長率”檢驗(yàn)其分布是否為正態(tài)分布（用QQ圖初步觀測）通過非參數(shù)檢驗(yàn)中的k-s分布檢驗(yàn)，得到下圖One-Sample Kolmogorov-Smirnov TestGDP增長率N21Normal Parametersa,bMean.1580Std. Deviation.08807Most Extreme DifferencesAbsolute.137Positive.137Negative-.086Kolmogorov-Smirnov Z.627Asymp. Sig. (2-tailed).826a. Test distribution