基于統(tǒng)計分析在城鎮(zhèn)居民人均購買主要食品數(shù)量的分析-多元課程設(shè)計

1、多元統(tǒng)計分析課程設(shè)計學(xué) 院：理學(xué)院 專 業(yè)：應(yīng)用統(tǒng)計班 級： 姓 名學(xué) 號: 指導(dǎo)老師： 基于統(tǒng)計分析在城鎮(zhèn)居民人均購置主要食品數(shù)量的分析摘 要進(jìn)入21世紀(jì)以來，我國經(jīng)濟飛速開展，我國城鎮(zhèn)居民的消費結(jié)構(gòu)也發(fā)生了巨大改變，現(xiàn)在選取一些主要生活食物作為目標(biāo)，對食品數(shù)量進(jìn)行因子分析。主要運用SAS軟件對所得到的數(shù)據(jù)進(jìn)行分析，得出結(jié)論。關(guān)鍵詞： 食品量 因子分析 SASAbstact There is a kind of automatic access systerm that use autamatic indemnification tecnology to identify users ID

2、and rights and according to users rights to control the door.Since entering the twenty-first Century, China's rapid economic development, the consumption structure of urban residents in China has also changed a great change, and now select some of the main living food as a target, the number of

3、food factors analysis. The main use of SAS software for the analysis of the data, draw the conclusion.Key words: food quantity factor analysis SAS目錄一選題背景與選題意義11.1 背景11.2 意義1二原理12.1 因子分析1三數(shù)據(jù)收集與整理23.1 源數(shù)據(jù)23.2 整理的數(shù)據(jù)3四實證分析3 4.1 因子分析法3五結(jié)果分析7六參考文獻(xiàn)7七附 錄8一選題背景與選題意義1.1 背景進(jìn)入21世紀(jì)以來，人民的生活得到了巨大改善，生活結(jié)構(gòu)也變得更加復(fù)雜?？傮w來

4、說我們對人民具體生活還不是太了解，為了對人民生活提供具體的數(shù)據(jù)，我們通過對居民人均購置的食品數(shù)量進(jìn)行分析。1.2 意義 1.2.1 理論意義 改革開放以來，總體來看人民的生活是上升的趨勢，但是局部地區(qū)還是處于貧困的水品。本次分析是以90年到2021年人民購置食品的數(shù)量為研究依據(jù)，研究人民消費水品。用多元的統(tǒng)計分析方法得出的結(jié)論也為相關(guān)機構(gòu)提供了理論依據(jù)，對了解人民的總體生活有了大致的了解。 1.2.2 現(xiàn)實意義 本文數(shù)據(jù)基于全國人民購置食物數(shù)量，得出總體人民主要消費的物品，從而得出人民生活狀況。對于相關(guān)部門制定相關(guān)政策的制定有著重要意義。二原理2.1 因子分析 2.1.1 因子分析的思想因子分

5、析是利用降為的思想，由研究原始變量相關(guān)矩陣內(nèi)部的依賴關(guān)系出發(fā)，把一些具有錯綜復(fù)雜關(guān)系的變量歸結(jié)為少數(shù)幾個綜合因子的一種多變量統(tǒng)計分析方法。因子分析的根本思想是根據(jù)相關(guān)性大小把原始變量分組，使得同組內(nèi)的變量之間相關(guān)性較高，而不同組的變量間的相關(guān)性那么較低。每組變量代表一個根本結(jié)構(gòu)，并用一個不可觀測的綜合變量表示，這個根本結(jié)構(gòu)就成為公共因子。對于所研究的問題就是試圖用最少個數(shù)的不可預(yù)測的所謂公共因子的線性函數(shù)與特殊因子之和來描述原來觀測的每一個分量。 設(shè)是P個可觀測的變量，是m個不可觀測的變量，并且有P個變量。他們滿足以下的模型： 那么稱上述模型為一個因子模型，我們可以用矩陣表示為： 其中， 的公

6、共因子簡稱為因子， 稱為X的特殊因子。特殊因子是模型中不能被公共因子所包含的局部，公共因子一般對每個都有作用，而每個特殊因子只對每個起作用。矩陣是待估的系數(shù)矩陣，稱為第i個變量在第j個因子上的載荷。 三數(shù)據(jù)收集與整理 經(jīng)過在統(tǒng)計年鑒上數(shù)據(jù)的篩選，得到以下數(shù)據(jù)，用以下數(shù)據(jù)分析國民的食品購置數(shù)量推斷人民的生活的變化。3.1 源數(shù)據(jù) 城鎮(zhèn)居民人均購置主要食品數(shù)量指 標(biāo)1990199520002005202120212021 糧 食 (千克) 鮮 菜 (千克) 食用植物油 (千克) 豬 肉 (千克)2 牛 羊 肉 (千克) 禽 類 (千克) 鮮 蛋 (千克) 水 產(chǎn) 品 (千克) 鮮 奶 (千克) 鮮

7、 瓜 果 (千克) 酒 (千克)數(shù)據(jù)來源：?中國統(tǒng)計年鑒?-20213.2 整理的數(shù)據(jù)用通過整理的數(shù)據(jù)帶入程序進(jìn)行相關(guān)分析。四實證分析 4.1 因子分析法通過整理的數(shù)據(jù)，用SAS9.2得出以下結(jié)果：表1由表1可以看到，第一特征值所占比例為0.7278，第二特征值所占比例為0.1967，這倆特征值之和累計比例已經(jīng)到達(dá)0.9245.因此，根據(jù)主成分法我們可以取兩個公共因子。表2表2顯示了每個變量在公共因子上的載荷，根據(jù)因子載荷陣我們可以建立如下因子模型：表3 由表3可知，兩個公共因子所解釋的方差分別是8.0060897和2.1631935，兩者之和為10.169283，而且各個變量的共同度都比擬大

8、，可以認(rèn)為這兩個公共因子較好的反映了原始數(shù)據(jù)的信息。但從因子載荷看，比擬難于解釋每個公共因子的含義，因此我們考慮對因子載荷進(jìn)行旋轉(zhuǎn)。得到表4，表5：表4 實施正交旋轉(zhuǎn)變換的矩陣表5 旋轉(zhuǎn)后的因子載荷陣從表5可以看出，變量x4(豬肉，x5(牛羊肉，x6禽類有較大的正載荷，因此factor1可以認(rèn)定為肉類食品購置量指標(biāo)。變量x7鮮蛋，x10(鮮瓜果在第二個因子factor2上有較大的正載荷，因此factor2可以認(rèn)為是副食物品購置量指標(biāo)。根據(jù)因子載荷陣，我們可以建立旋轉(zhuǎn)后的因子模型。得到表6：表6 因子得分系數(shù)根據(jù)表6，我們可以寫出因子得分函數(shù)如下：根據(jù)因子得分函數(shù)就可以計算各因子得分。查看SAS

9、資源管理器窗口，在臨時邏輯庫work下的數(shù)據(jù)集fact為各種食品購置量的因子得分，如表7：表7 因子得分上面我們已經(jīng)確定了factor1為肉類食品購置量指標(biāo)，factor2認(rèn)為是副食物品購置量指標(biāo)。為了清晰直觀地了解各年份在這兩個因子上的得分，我們利用PLOT過程繪制因子得分的散點圖，如下表表8：表8 按照因子得分繪制的散點圖從表8可以看出，1990到1995年生活水平低下，普遍的沒什么錢去購置食物。2000年好轉(zhuǎn)了一些，可以買些副食品改善生活。從2005年到2021年，生活水平在不斷提高，能買上的肉制品也越來越多。五結(jié)果分析通過以上分析，從90年到12年，人民的生活發(fā)生了巨大變化，從沒吃的到

10、可以買上越來越多的肉，這說明人民富裕了。人民可以買自己想吃的食品，從10年到12年，人民購置的副食品開始增多，說明人民也換著食品吃，對食品的要求也增高了?？傮w上變化是很明顯的，但是作為一個大國，我們還有很多人的生活還沒得到提高，相關(guān)部門必須要多關(guān)心一下這些人。為了更多的人生活得幸福快樂，在人民生活上要下功夫。六參考文獻(xiàn)SAS統(tǒng)計分析與應(yīng)用 M機械工業(yè)出版社 劉榮，馮國生，丁維岱 2021-9-1 425頁七附 錄 1建立數(shù)據(jù)集data life; input years $ x1-x11 ; Label x1=糧食 x2=鮮菜 x3=食用植物油 x4=豬肉 x5=牛羊肉x6=禽類 x7=鮮蛋

11、x8=水產(chǎn)品 x9=鮮奶 x10=鮮瓜果 x11=酒; cards; 1990年 130.72 138.7 6.4 18.46 3.28 3.42 7.25 7.69 4.63 41.11 9.25 1995年 97 116.47 7.11 17.24 2.44 3.97 9.74 9.2 4.62 44.96 9.93 2000年 82.31 114.74 8.16 16.73 3.33 5.44 11.21 11.74 9.94 57.48 10.01 2005年 76.98 118.58 9.25 20.15 3.71 8.97 10.4 12.55 17.92 56.69 8.85 2

12、021年 81.53 116.11 8.84 20.73 3.78 10.21 10 15.21 13.98 54.23 7.02 2021年 80.71 114.56 9.26 20.63 3.95 10.59 10.12 14.62 13.7 52.02 6.76 2021年 78.76 112.33 9.14 21.23 3.73 10.75 10.52 15.19 13.95 56.05 6.88 ; Run;2.因子分析proc factor data=life method=principal ; var x1-x11; run ; 3.因子載荷矩陣旋轉(zhuǎn) proc factor data=life rotate=varimax ; /*選項ROTATE=VARIMAX表示進(jìn)行方差最大的正交旋轉(zhuǎn)*/