多元统计分析案例分析精编WORD版

多元统计分析案例分析

一、对我国30个省市自治区农村居民生活水平作聚类分析1、指标选择及数据：为了全面分析我国农村居民的生活状况，主要考虑从收入、消费、就业等几个方面对农村居民的生活状况进行考察。

因此选取以下指标：农村产品价格指数、农村住宅投资、农村居民消费水平、农村居民消费支出、农村居民家庭人均纯收入、耕地面积及农村就业人数。

现从２０１０年的调查资料中２、将数据进行标准化变换：３、用Ｋ－均值聚类法对样本进行分类如下：分四类的情况下，最终分类结果如下：第一类：北京、上海、浙江。

第二类：天津、、辽宁、、福建、甘肃、江苏、广东。

第三类：浙江、河北、内蒙古、吉林、黑龙江、安徽、山东、河南、湖北、四川、云南。

第四类：山西、青海、宁夏、新疆、重庆、贵州、陕西、湖南、广西、江西、。

从分类结果上看，根据２０１０年的调查数据，第一类地区的农民生活水平较高，第二类属于中等水平，第三类、第四类属于较低水平。

二、判别分析针对以上分类结果进行判别分析。

其中将新疆作作为待判样本。

判别结果如下:从上可知，只有一个地区判别组和原组不同，回代率为96%。

下面对新疆进行判别：已知判别函数系数和组质心处函数如下：判别函数分别为：Y1=0.18x1 +0.493x2 + 0.087x3 + 1.004x4 + 0.381x5 -0.041x6 -0.631x7 Y2=0.398x1+0.687x2 + 0.362x3 + 0.094x4 -0.282x5 + 1.019x6 -0.742x7 Y3=0.394x1-0.197x2 + 0.243x3-0.817x4 + 0.565x5-0.235x6 + 0.802x7 将西藏的指标数据代入函数得：Y1=-1.08671Y2=-0.62213Y3=-0.84188计算Y值与不同类别均值之间的距离分别为：D1=138.5182756D2=12.11433124D3=7.027544292D4=2.869979346经过判别，D4最小，所以新疆应归于第四类，这与实际情况也比较相符。

完整版本多元统计分析实例汇总

多元统计剖析实例院系 : 商学院学号 :姓名 :多元统计剖析实例本文采集了 2012 年 31 个省市自治区的农林牧渔和有关农业数据 , 经过对对采集的数据进行比较剖析对 31 个省市自治区进行分类 . 选用了 6个指标农业产值 , 林业产值 . 牧业总产值 , 渔业总产值 , 乡村居民家庭拥有生产性固定财产原值 , 乡村居民家庭经营耕地面积 .数据以下表 :一. 聚类法设定 4 个群聚 , 采纳了系统聚类法 . 下表为 spss 剖析以后的结果 .聚类表群集组合初次出现阶群集阶群集 1 群集 2 系数群集 1 群集 2 下一阶1 5 7 226.381 0 0 132 2 9 1715.218 0 0 53 22 24 1974.098 0 0 74 1 29 5392.690 0 0 65 2 30 6079.755 2 0 66 1 2 11120.902 4 5 87 4 22 21528.719 0 3 118 1 26 23185.444 6 0 149 12 20 26914.251 0 0 1910 27 31 35203.443 0 0 2011 4 28 50321.121 7 0 2212 11 13 65624.068 0 0 2413 5 25 114687.756 1 0 1714 1 21 169600.075 8 0 2215 8 18 188500.814 0 0 2116 17 19 204825.463 0 0 2117 5 14 268125.103 13 0 2018 3 23 387465.457 0 0 2619 6 12 425667.984 0 9 2320 5 27 459235.019 17 10 2321 8 17 499195.430 15 16 2522 1 4 559258.810 14 11 2823 5 6 708176.881 20 19 2424 5 11 854998.386 23 12 2825 8 10 1042394.608 21 0 2626 3 8 1222229.597 18 25 2927 15 16 1396048.280 0 0 2928 1 5 1915098.014 22 24 3029 3 15 3086204.552 26 27 3030 1 3 6791755.637 28 29 0Rescaled Distance Cluster CombineCASE 0 5 1015 20 25 Label Num +--------- +--------- +--------- +--------- +---------+内蒙 5 -+吉林7 -+云南25 -+-+江西14 -+ +-+陕西27 -+-+ |新疆31 -+ +-+安徽12 -+-+ | |广西20 -+ +-+ +------- +辽宁 6 ---+ | |浙江11 -+----- + |福建13 -+ |重庆22 -+ +--------------------------------- +贵州24 -+ | |山西 4 -+--- + | |甘肃28 -+ | | |北京 1 -+ | | |青海29 -+ +--------- + |天津 2 -+ | |上海9 -+ | |宁夏30 -+--- + |西藏26 -+ |海南21 -+ |河北 3 ---+----- + |四川23 ---+ | |黑龙江8 -+-+ +------------- + |湖南18 -+ +--- + | | |湖北17 -+-+ +-+ +------------------------- + 广东19 -+ | |江苏10 ------- + |山东15 ----------- +----------- +河南16 ----------- +群集成员事例 4 群集1: 北京 12: 天津 13: 河北 14: 山西 15: 内蒙 26: 辽宁 17: 吉林 28: 黑龙江 29: 上海 110: 江苏 111: 浙江 112: 安徽 113: 福建 114: 江西 115: 山东 316: 河南 117: 湖北 118: 湖南 119: 广东 120: 广西 121: 海南 122: 重庆 123: 四川 124: 贵州 125: 云南 126: 西藏 427: 陕西 128: 甘肃 129: 青海 130: 宁夏 131: 新疆 2从 SPSS剖析结果能够获得 , 内蒙 , 吉林 , 黑龙江 , 新疆为第 2族群 , 这一族群的特色是农业收入可能不高 , 可是农民的固定财产 , 和耕地面积特别高 , 农民的充裕程度或许机械化程度较高; 山东是第 3族群 , 这一族群中六个指标都处于较高水平,农林牧渔四项收入都处于较高水平并且农民充裕; 西藏处于第 4族群 , 这是因为 , 西藏人员较少 , 自然条件恶劣 , 可使用耕地少 , 可是 , 因为国家的扶助 , 农民的固定财产许多 , 农民相对而言比较富裕 ; 大部分省份属于第 1族群 , 这一族群的特色在于六项指标都没有较为突出的一项, 或许农林牧渔收入的原来就少, 或许是农民的固然比较辛苦 , 整体的农业收入较高 , 可是农民的收入水平比较低, 固定财产较少 .三. 鉴别法X 1,X 2,X 3,X 4,X 5,X 6分别代表农业产值 , 林业产值 . 牧业总产值 , 渔业总产值 , 乡村居民家庭拥有生产性固定财产原值, 乡村居民家庭经营耕地面积 .剖析事例办理纲要未加权事例N百分比有效31 100.0清除的缺失或越界组代码 0 .0 起码一个缺失鉴别变量 0 .0 缺失或越界组代码还有起码一 0.0个缺失鉴别变量共计 0 .0 共计31 100.0实验结果剖析 :组统计量有效的 N （列表状态）Average Linkage (Between Groups) 均值标准差未加权的已加权的1农业总产值 1463.8900 1062.0348625 25.000 林业总产值 118.5768 87.02052 25 25.000 牧业总产值 830.3664 671.10440 25 25.000渔业总产值291.4128346.719022525.000乡村居民家庭拥有生产性固定14432.3400 5287.92950 25 25.000 财产原值乡村居民家庭经营耕地面积 1.5496 .88484 25 25.000 2 农业总产值1582.2975 543.92851 4 4.000林业总产值93.3500 37.71131 4 4.000 牧业总产值1021.3175 372.88255 4 4.000 渔业总产值38.3500 27.49067 4 4.000 乡村居民家庭拥有生产性固定30226.4175 4233.77839 4 4.000 财产原值乡村居民家庭经营耕地面积9.4975 3.30626 4 4.000 3 农业总产值3960.6200 . a 1 1.000林业总产值107.0100a1 1.000 .牧业总产值2285.9200 . a 1 1.000 渔业总产值1267.0700 . a 1 1.000 乡村居民家庭拥有生产性固定19168.1400 . a 1 1.000 财产原值乡村居民家庭经营耕地面积 1.6400 . a 1 1.000 4 农业总产值53.3900 . a 1 1.000林业总产值 2.5600 . a 1 1.000牧业总产值59.0200a1 1.000 .渔业总产值.2200 . a 1 1.000乡村居民家庭拥有生产性固定52935.0700 . a 1 1.000财产原值乡村居民家庭经营耕地面积 1.8900 . a 1 1.000 从表上能够看出 , 组均值之间差值很大 . 各个分组 , 在 6 项指标上均值有较明显的差别 .组均值的均等性的查验Wilks 的 Lambda F df1 df2 Sig.农业总产值.773 2.640 3 27 .070林业总产值.928 .699 3 27 .561牧业总产值.801 2.238 3 27 .107渔业总产值.691 4.019 3 27 .017乡村居民家庭拥有生产性固定.253 26.538 3 27 .000财产原值组均值的均等性的查验Wilks 的 Lambda F df1 df2 Sig.农业总产值.773 2.640 3 27 .070林业总产值.928 .699 3 27 .561牧业总产值.801 2.238 3 27 .107渔业总产值.691 4.019 3 27 .017乡村居民家庭拥有生产性固定.253 26.538 3 27 .000财产原值乡村居民家庭经营耕地面积.190 38.263 3 27 .000 由表中能够知道 ,13456 指标之间的 sig 值较小 ,2 指标 sig 值有 0.561 较大 ,可是仍说明接受原假定 , 各指标族群间差别较大 .汇聚的组内矩阵农业总产值林业总产值牧业总产值渔业总产值有关性农业总产值 1.000 .449 .895 .400 林业总产值.449 1.000 .489 .481牧业总产值.895 .489 1.000 .294渔业总产值.400 .481 .294 1.000乡村居民家庭拥有生产性固定-.093 -.262 -.052 -.040财产原值乡村居民家庭经营耕地面积.056 -.033 .181 -.104汇聚的组内矩阵乡村居民家庭拥有生产性固定资乡村居民家庭经产原值营耕地面积有关性农业总产值-.093 .056林业总产值-.262 -.033牧业总产值-.052 .181渔业总产值-.040 -.104乡村居民家庭拥有生产性固定 1.000 .326财产原值乡村居民家庭经营耕地面积.326 1.000从表中能够知道 , 查验结果 p 值>0.05, 此时 , 说明协方差矩阵相等，能够进行 bayes 查验 .Fisher剖析法协方差矩阵的均等性的箱式查验对数队列式AverageLinkage(BetweenGroups) 秩对数队列式1 6 61.1252 . a . b3 . c . b4 . c . b汇聚的组内 6 62.351打印的队列式的秩和自然对数是组协方差矩阵的秩和自然对数。

多元统计分析.doc

作业一1.2 分析2016年经济发展情况排名省gdp 占比累计占比1 广东79512.05 10.30 10.302 江苏76086.2 9.86 20.173 山东67008.2 8.68 28.854 浙江46485 6.02 34.875 河南40160.01 5.20 40.086 四川32680.5 4.24 44.317 湖北32297.9 4.19 48.508 河北31827.9 4.12 52.629 湖南31244.7 4.05 56.6710 福建28519.2 3.70 60.3711 上海27466.2 3.56 63.9312 北京24899.3 3.23 67.1613 安徽24117.9 3.13 70.2814 辽宁22037.88 2.86 73.1415 陕西19165.39 2.48 75.6216 内蒙古18632.6 2.41 78.0417 江西18364.4 2.38 80.4218 广西18245.07 2.36 82.7819 天津17885.4 2.32 85.1020 重庆17558.8 2.28 87.3721 黑龙江15386.09 1.99 89.3722 吉林14886.23 1.93 91.3023 云南14869.95 1.93 93.2224 山西12928.3 1.68 94.9025 贵州11734.43 1.52 96.4226 新疆9550 1.24 97.6627 甘肃7152.04 0.93 98.5928 海南4044.51 0.52 99.1129 宁夏3150.06 0.41 99.5230 青海2572.49 0.33 99.8531 西藏1150.07 0.15 100.00将2016各省的GDP进行排名，可以发现，经济发达的的地区主要集中在东部地区。

西部gdp的占比较小。

作出2016各省的gdp直方图如下：作业二多元回归分析2.1多元线性回归 2.1.1数据来源《福建省统计年鉴-2017》年份商品零售价格指数y 农业生产资料价格指数x1 工业生产价格指数x2 工业生产者购进价格指数x3 固定资产投资价格总指数x4 2000 98.9 97.4 100.5 112.4 100.2 2001 98 98.7 98.1 96.7 99.5 2002 98.3 99.9 97.6 97.6 99.7 2003 99.1 101.8 100.7 106.3 101.4 2004 102.7 112.5 102.6 113.3 103.4 2005 100.6 108.1 100.2 108.1 100.7 2006 100.5 100.9 99.2 103.9 102 2007 104.3 110.3 100.8 104.3 105.9 2008 105.7 123.6 102.7 110.2 105.9 2009 97.9 93.3 95.5 93.2 98 2010 103.4 102.4 103.2 107.7 103.3 2011 104.8 111.8 103.9 108 106.2 2012 101.8 103.3 98.7 97.7 100.3 2013 101.1 99.5 98.4 98.4 100.1 2014 101.1 99.5 98.6 98.3 100.4 2015 99.9 101.4 97 96.1 98.3 2016 100.7100.2 99.198 1002.1.2模型假设商品的零售价格会受很多因素的影响，对于影响零售价格指数y 的影响现在仅考虑农业生产资料指数x1、工业生产价格指数x2、工业生产者购进价格指数x3、固定资产投资的影响x4。

多元统计分析.doc

作业一1.2 分析2016年经济发展情况排名省gdp 占比累计占比1 广东79512.05 10.30 10.302 江苏76086.2 9.86 20.173 山东67008.2 8.68 28.854 浙江46485 6.02 34.875 河南40160.01 5.20 40.086 四川32680.5 4.24 44.317 湖北32297.9 4.19 48.508 河北31827.9 4.12 52.629 湖南31244.7 4.05 56.6710 福建28519.2 3.70 60.3711 上海27466.2 3.56 63.9312 北京24899.3 3.23 67.1613 安徽24117.9 3.13 70.2814 辽宁22037.88 2.86 73.1415 陕西19165.39 2.48 75.6216 内蒙古18632.6 2.41 78.0417 江西18364.4 2.38 80.4218 广西18245.07 2.36 82.7819 天津17885.4 2.32 85.1020 重庆17558.8 2.28 87.3721 黑龙江15386.09 1.99 89.3722 吉林14886.23 1.93 91.3023 云南14869.95 1.93 93.2224 山西12928.3 1.68 94.9025 贵州11734.43 1.52 96.4226 新疆9550 1.24 97.6627 甘肃7152.04 0.93 98.5928 海南4044.51 0.52 99.1129 宁夏3150.06 0.41 99.5230 青海2572.49 0.33 99.8531 西藏1150.07 0.15 100.00将2016各省的GDP进行排名，可以发现，经济发达的的地区主要集中在东部地区。

西部gdp的占比较小。

作出2016各省的gdp直方图如下：作业二多元回归分析2.1多元线性回归 2.1.1数据来源《福建省统计年鉴-2017》年份商品零售价格指数y 农业生产资料价格指数x1 工业生产价格指数x2 工业生产者购进价格指数x3 固定资产投资价格总指数x4 2000 98.9 97.4 100.5 112.4 100.2 2001 98 98.7 98.1 96.7 99.5 2002 98.3 99.9 97.6 97.6 99.7 2003 99.1 101.8 100.7 106.3 101.4 2004 102.7 112.5 102.6 113.3 103.4 2005 100.6 108.1 100.2 108.1 100.7 2006 100.5 100.9 99.2 103.9 102 2007 104.3 110.3 100.8 104.3 105.9 2008 105.7 123.6 102.7 110.2 105.9 2009 97.9 93.3 95.5 93.2 98 2010 103.4 102.4 103.2 107.7 103.3 2011 104.8 111.8 103.9 108 106.2 2012 101.8 103.3 98.7 97.7 100.3 2013 101.1 99.5 98.4 98.4 100.1 2014 101.1 99.5 98.6 98.3 100.4 2015 99.9 101.4 97 96.1 98.3 2016 100.7100.2 99.198 1002.1.2模型假设商品的零售价格会受很多因素的影响，对于影响零售价格指数y 的影响现在仅考虑农业生产资料指数x1、工业生产价格指数x2、工业生产者购进价格指数x3、固定资产投资的影响x4。

多元统计分析作业2word版本

多元统计分析作业2中国作为世界上的发展中国家，其经济实力及综合国力水平在近几十年的时间里都得到了长足的发展。

经济实力的不断攀升，以及经济增长速度的持续加速，令中国经济已成为世界各国所关注的焦点。

中国经济的发展虽取得了世界的瞩目，在各个经济领域也取得了很好的发展，但毕竟我国的国情与所处的时代背景，决定了中国的综合经济发展还需承受诸多的考验，在探索的过程中求发展。

但回顾近年来发展的历程，在中国经济高速发展的同时，可以发现我国在经济发展中还存在很多问题，如经济出现过热现象，东西部区域发展不平衡等问题。

如何解决这些问题，找出根本原因所在，怎样更好的规划新的发展蓝图，都是需要重点研究和仔细思考的问题。

今年以来，面对复杂多变的国际形势和国内经济运行新变化新情况，各地区各部门按照中央决策部署，认真落实十一届全国人大四次会议通过的各项决议，以科学发展为主题，以加快转变经济发展方式为主线，实施积极的财政政策和稳健的货币政策，着力稳物价、调结构、保民生、促和谐，国民经济继续朝着宏观调控预期方向发展，各方面工作都取得了新的成绩。

本文基于对中国经济的现状概述和潜在问题分析的基础上，对问题进行了探讨，也对中国未来经济发展的方向做出了初步的讨论。

一、中国各地区经济发展现状影响因素分析当今世界已步入全球性经济大协作，资源市场大竞争，经济循环一体化时代。

地区作为国家的经济、政治、科学和教育文化的中心，它已成为经济循环的主角，而决定每个地区在激烈市场搏击中的低位、作用、未来的发展趋势的主导因素是它们各自拥有的经济发展水平。

因此，如何分类、比较和研究地区经济发展水平，以便有针对性地制定地区经济发展战略，对促进国民经济协调发展有着重要的意义。

为了研究2010年全国各地区经济发展状况的分布规律，我们对全国31个省市自治区的经济发展基本情况进行主成分分析和因子分析，每个样本有8个指标：GDP、居民消费水平、固定资产投资、职工平均工资、社会消费品零售总额、居民消费价格指数、商品零售价格指数、工业总产值。

多元统计分析报告整理版.doc

1、主成分分析的目的是什么？主成分分析是考虑各指标间的相互关系，利用降维的思想把多个指标转换成较少的几个相互独立的、能够解释原始变量绝大局部信息的综合指标，从而使进一步研究变得简单的一种统计方法。

它的目的是希望用较少的变量去解释原始资料的大局部变异，即数据压缩，数据的解释。

常被用来寻找判断事物或现象的综合指标，并对综合指标所包含的信息进展适当的解释。

2、主成分分析根本思想？主成分分析就是设法将原来指标重新组合成一组新的互相无关的几个综合指标来代替原来指标。

同时根据实际需要从中选取几个较少的综合指标尽可能多地反映原来的指标的信息。

● 设p 个原始变量为，新的变量(即主成分)为，主成分和原始变量之间的关系表示为?3、在进展主成分分析时是否要对原来的p 个指标进展标准化？SPSS 软件是否能对数据自动进展标准化？标准化的目的是什么？需要进展标准化，因为因素之间的数值或者数量级存在较大差距，导致较小的数被淹没，导致主成分偏差较大，所以要进展数据标准化；进展主成分分析时SPSS 可以自动进展标准化；标准化的目的是消除变量在水平和量纲上的差异造成的影响。

求解步骤⏹ 对原来的p 个指标进展标准化，以消除变量在水平和量纲上的影响 ⏹ 根据标准化后的数据矩阵求出相关系数矩阵 ⏹ 求出协方差矩阵的特征根和特征向量⏹ 确定主成分，并对各主成分所包含的信息给予适当的解释版本二：根据我国31个省市自治区2006年的6项主要经济指标数据，表二至表五，是SPSS 的输出表，试解释从每X 表可以得出哪些结论，进展主成分分析，找出主成分并进展适当的解释：〔下面是SPSS 的输出结果，请根据结果写出结论〕表一：数据输入界面p 21p x x x ，，， 2121p y y y ，，， 21表二：数据输出界面a〕此表为相关系数矩阵，表示的是各个变量之间的相关关系，说明变量之间存在较强的相关系数，适合做主成分分析。

观察各相关系数，假如相关矩阵中的大局部相关系数小于，如此不适合作因子分析。

(完整版)多元统计分析实例汇总

多元统计分析实例院系: 商学院学号:姓名:多元统计分析实例本文收集了 2012年31个省市自治区的农林牧渔和相关农业数据，通过对对收集的数据进行比较分析对31个省市自治区进行分类.选取了 6个指标农业产值, 林业产值.牧业总产值，渔业总产值，农村居民家庭拥有生产性固定资产原值，农村居民家庭经营耕地面积. 数据如下表：地区农业总产值林业总产■｛牧业总产■｛渔业总产侬村居民家庭拥有生产性匡江京津北西蒙宁林龙海苏江徽建西东南北南东西南庆川州南藏西肃海夏疆北天河山内辽吉黒上江浙安福江山河湖湖广广海重四贵云西陕甘青宁新166.29 54,33 154.16 12. 98 12?67. 090. 5 195.99 2.7S105.01 61. 66 1Y508. 571. 583095.29 77, 3S 1747. 66 177.74 1V904. 83 L3934?. 41 79.0? 293. E3 & 42 ^SOS. 38 Z 51171.^7 57. 7G IIIS .ES 戈& OS 加宪9.旳10.4 1539- 65128.68162L23 618.74 24997. 92 3. TS1166. E390. 1 1130. 3G 34. 14 24937. 06 S. 272315. 64 134. 5 1350. 63 92 31507. 91IM 56171. 439.55 72. 59 57. 45 4L46. 13 0. 262966.72 99.75 1226.13 1235.4 14541. 03 L35 1229. 3& 142.L4 549・ 01 637. 05 22747. 83 0. 54 1867. G4 209.5 1119.73 334.43 1E134. 35 1. 39 1263. 71 256.45 ^81.23 903. 36 11S21.38 (X ?3 1003.21 22S.91 7S2. es 333. 06 gggg. 3i 1. 57 3960. 62 107*01 2285. 22 12G7. 07 mea. iq L 643958. 95 140.85 2255. ei 86.4 12980. 72 1. 622438. 06 100.05 1334. 04 626.23 10313.13 L T12S51.^9 259.97 1483. E8 即9 94 8904. 32 1. 222229. 2T 222,74 1134,14 914, 05 S516. 720.53 1724 245.56 1072.77 331. 74 11851.56 1. 37 460. 72 137.35 214. 14 236.27 113S7. 05 0. 33 341.S1 43胡S 453 9 躬.99 12295. T4 L 292764.9 151.5 2269. E5 153. 77 13759.171.14364. S& 54 1勺 ^21. 55 2& 21 11957. 31LIS1398. IT 225. S3 912. 9? 63.1 IWO. 92 1. 653.39 2.5B 59. 02 0. 22 52935. OT L 391526.23 58.44 593. 72 14” 61 12273. 06 1. 529S4. 24 20.07 231. 72 1.8 1948E ・ 44 2. 72 117. 09 4.5? 137.03 a 56 21919.铀 L 33 240. 4& 9.77 105. 72 13. 36 24265.19 3・69 1675 43.04 ^85. 37 15. 26 35070. 31 5* 76.聚类法设定4个群聚,采用了系统聚类法.下表为SPSS分析之后的结果.Rescaled Dista nee Cluster Comb ine群集成员案例4群集1:北京12:天津1 10 15 20 25Label Num ^^"————————— + ————————— + —————————+————————— +————————— ^^"内蒙 5 -+吉林7 -+云南25 - + -+江西14 -+ +-+陕西27 -+-+ |新疆31 -+ +-+安徽12 -+-+ 11广西20 —+ + — + +—————+辽宁 6 ---+ | |浙江11 -+——+ |福建13 -+ 1重庆22 -+ + ---贵州24 -+ 1山西 4 -+—+ |甘肃28 -+ | |北京 1 -+ | |青海29 -+ + ....... +天津 2 -+ 1上海9 -+ 1宁夏30 -+—+西藏26 -+海南21 -+河北 3 ———+—————^^"四川23 - + |黑龙江8 - + -+ +--------------- 湖南18 -+ +---+ |湖北17 -+-+ +-+广东19 -+ | |江苏10 .... +山东15 ....... + ..... 河南16 ....... ++ |+ ,||+从SPSS分析结果可以得到,内蒙，吉林,黑龙江，新疆为第2族群,这一族群的特点是农业收入可能不高，但是农民的固定资产，和耕地面积非常高，农民的富余程度或者机械化程度较高；山东是第3族群,这一族群中六个指标都处于较高水平，农林牧渔四项收入都处于较高水平而且农民富余；西藏处于第4族群,这是因为,西藏人员较少，自然条件恶劣，可使用耕地少，但是，由于国家的扶持，农民的固定资产较多，农民相对而言比较富足；大多数省份属于第1族群,这一族群的特点在于六项指标都没有较为突出的一项，或者农林牧渔收入的本来就少，或者是农民的虽然比较辛苦，总体的农业收入较高，但是农民的收入水平比较低，固定资产较三.判别法Xi,X2,X3,X4,X5,X6分别代表农业产值,林业产值.牧业总产值,渔业总产值,农村居民家庭拥有生产性固定资产原值，农村居民家庭经营耕地面积.实验结果分析：从表上可以看出，组均值之间差值很大.各个分组,在6项指标上均值有较明显的差异.由表中可以知道，13456指标之间的sig 值较小,2指标sig 值有0.561较大, 不过仍说明接受原假设，各指标族群间差异较大.从表中可以知道，检验结果P值＞0.05,此时，说明协方差矩阵相等，可以进行bayes检验.Fisher 分析法协方差矩阵的均等性的箱式检验典型判别式函数摘要由表中看出，函数1,2的特征值达到0.911,0.822比较大，对判别的贡献大..农村居民家庭拥有生产性固定资产原值对判别数据所属群体无用.由表中可知, 3个Fishe 判别函数分别为：y i2.928 2.269 0.003X 2 0.002X 20.626X 6 0.489X 6y 30.975 0.009X 20.01X 3 0.03X 4 0.037X 6该表是原始变量与典型变量（标准化的典型判别函数）的相关系数，相关系数的绝对值越大，说明原始变量与这个判别函数的相关性越强.从表中可以看出相关性较强.符合较好.由上表可知各类别重心的位置，通过计算观测值与各重心的距离，距离最小的即为该观测值的分类.贝叶斯分析法该表为贝叶斯函数判别函数的取值，从图中可以知道三类贝叶斯函数.0.003x 1 0.051x 2 0.004x 30.006x 40.002x 5 1.675x 6 61.646将各样品的自变量值代入上述4个BayeS 判别函数，得到函数值。

多元统计分析实例

多元统计分析实例院系: 商学院学号: 姓名:多兀统计分析实例本文收集了 2012年31个省市自治区的农林牧渔和相关农业数据，通过对对收集的数据进行比较分析对31个省市自治区进行分类•选取了 6个指标农业产值林业产值.牧业总产值，渔业总产值，农村居民家庭拥有生产性固定资产原值，农村居民家庭经营耕地面积. 数据如下表：江区京津北H 蒙宁林龙海苏江徽建西东南北南东西南庆川州南藏西肃海夏牘地北天河山内辽吉黒上江浙安福江山河湖湖广广海重四贵77西陕甘青宁新农业总产值林业驰产｛牧业总产懾业总产侬村居民家庭拥有生产性［5166.2954.83 154.16 12 98 12767. 09 0・5195.^9 £ 79 105. 01 61, 66 17508. 57 1. 58 3095.29 77.88 1747. 66 1?7. 74 17904. S3 1789847-41 79, 07 298. 83 8. 42 ^808. 38 2.51171.-57 97. 7G U1S. 86 26. 08 293曲.旳 10. 4 1539.65128. 68 16ZL 23 618. 74 249^7. 92 3. 781166.ES90. 1 1130. 36 34. 14 24937. SB S. 272315. 64 134. 51350. 63 77. 92 31507. 91 13. 56171.48 9.5572. 59 57. 45 4146. 13 0. 262966.72 99. 75 1226,18 1235.4 14541. 03 L251229.36 142.14 549. 01 687. 05 22747. 33 6 541867.64 209. 5 1119.73 334. 43 15134. 35 1. 391263.71 256. 45 48L 28 p03. 36 11821. 38 731003.21 228. 91 752. 63 333. 06 gggg. 31 L 57 39&0.储 107.01 22S5. 92 1267. 07 19168.14 L &4 3958.^5 140. 85 2255. 61 SS.4 12980. 72 1. &2 2488. 06 100.05 1334, X 626, 23 10813. 13 1. 71 2651.69 259. 97 1488. 58 279. 94 3904. 32 1. 22 2229. 27222.74 1134.14 914. 05 8516. 72 0.53 1724 245. 56 1072. 77 331. 74 11851. 56 L 37 4S0. 72 137.85 214. 14 236.27 11387. 06 0. 83 341.51 43.48 453. 9 44. 99 122S5. 74 L 29 2764- 9 151. 52269. 86 163. 77 13759.17 1.14364. 54.19421. 55 28. 21 11957. 31 L 181398.17225. S3 912. 97 63.1 19020. 92 1.. 6 53.39 2” 56 59. 02 0. 22 52935. 07 L 891526.23 58. 44 598. 72 14. 61 12273. 06 L 52984,24 20. 07 231. 72 1,8 1$486. 44 2. 72 117-09 4.57 137. 08 0. 56 21919.甜 L 33 240, 4&9・77 105, 72 13. 36 24266.19 3・69 1675収04485. 37 15* 26 35Q70. 315 76.聚类法设定4个群聚,采用了系统聚类法.下表为spss分析之后的结果.C A S E 0 5 10 15 20 25 内蒙 5 -+吉林7 -+云南25 - + -+江西14 -+ +-+陕西27 - + -+ |新疆31 -+ +- +安徽12 -+-+ 11广西20 —+ + — + +——————— +辽宁 6 ---+ | |浙江11 -+—+ 1福建13 -+ 1重庆22 -+ + ............... ....... + 贵州24 -+ 1|山西 4 -+ -+ | |甘肃28 -+ | | |北京 1 -+ | | |青海29 + + + | 1天津 2 -+ 1|上海9 -+ 1|宁夏30 -+ - +|西藏26 -+ |海南21 -+ |河北 3 | 1四川23 - + | |黑龙江8 -+-+ + .......... + |湖南18 -+ + + | | |湖北17 - + -+ +-+ + -------------- ■...... + 广东19 -+ | |江苏10 --——+ |山东15 ...... + ....... +河南16 ...... +从SPSS分析结果可以得到,内蒙，吉林,黑龙江，新疆为第2族群,这一族群的特点是农业收入可能不高，但是农民的固定资产，和耕地面积非常高，农民的富余程度或者机械化程度较高；山东是第3族群,这一族群中六个指标都处于较高水平农林牧渔四项收入都处于较高水平而且农民富余；西藏处于第4族群,这是因为,西藏人员较少，自然条件恶劣，可使用耕地少，但是，由于国家的扶持，农民的固定资产较多，农民相对而言比较富足；大多数省份属于第1族群,这一族群的特点在于六项指标都没有较为突出的一项，或者农林牧渔收入的本来就少，或者是农民的虽然比较辛苦，总体的农业收入较高，但是农民的收入水平比较低，固定资产较少•三.判别法X1，X2,X3,X4，X5,X6分别代表农业产值,林业产值.牧业总产值,渔业总产值,农村居民家庭拥有生产性固定资产原值，农村居民家庭经营耕地面积实验结果分析：从表上可以看出，组均值之间差值很大.各个分组,在6项指标上均值有较明显的差异.由表中可以知道，13456指标之间的sig 值较小,2指标sig 值有0.561较大, 不过仍说明接受原假设，各指标族群间差异较大.从表中可以知道,检验结果p值＞0.05,此时,说明协方差矩阵相等，可以进行bayes检验.Fisher 分析法协方差矩阵的均等性的箱式检验典型判别式函数摘要由表中看出，函数1,2的特征值达到0.911,0.822比较大，对判别的贡献大由表中可知，3个Fishe判别函数分别为y i 2.928 0.003X20.626X6y2 2.269 0.002X2 0.489X6y3 0.975 0.009X2 0.01X3 0.03X4 0.037X6农村居民家庭拥有生产性固定资产原值对判别数据所属群体无用该表是原始变量与典型变量（标准化的典型判别函数）的相关系数，相关系数的绝对值越大，说明原始变量与这个判别函数的相关性越强.从表中可以看出相关性较强.符合较好.由上表可知各类别重心的位置，通过计算观测值与各重心的距离，距离最小的即为该观测值的分类.贝叶斯分析法该表为贝叶斯函数判别函数的取值，从图中可以知道三类贝叶斯函数y1 0.03X1 0.029X2 0.03X3 0.002X4 0.001X5 0.153X1 8.418第一类:第二y2 0.06X10.42X2 0.009X3 0.004X40.004X5 4.286X6 38.18类；第三y3 0.02X-I0.010X20.002X30.010X40.001X5 1.X620.732类；第四类：『4 0.OO3X-I 0.051X20.004x30.006x40.002x5 1.675x661.646将各样品的自变量值代入上述4个BayeS判别函数，得到函数值。

多元统计分析.doc

作业一1.2 分析2016年经济发展情况排名省gdp 占比累计占比1 广东79512.05 10.30 10.302 江苏76086.2 9.86 20.173 山东67008.2 8.68 28.854 浙江46485 6.02 34.875 河南40160.01 5.20 40.086 四川32680.5 4.24 44.317 湖北32297.9 4.19 48.508 河北31827.9 4.12 52.629 湖南31244.7 4.05 56.6710 福建28519.2 3.70 60.3711 上海27466.2 3.56 63.9312 北京24899.3 3.23 67.1613 安徽24117.9 3.13 70.2814 辽宁22037.88 2.86 73.1415 陕西19165.39 2.48 75.6216 内蒙古18632.6 2.41 78.0417 江西18364.4 2.38 80.4218 广西18245.07 2.36 82.7819 天津17885.4 2.32 85.1020 重庆17558.8 2.28 87.3721 黑龙江15386.09 1.99 89.3722 吉林14886.23 1.93 91.3023 云南14869.95 1.93 93.2224 山西12928.3 1.68 94.9025 贵州11734.43 1.52 96.4226 新疆9550 1.24 97.6627 甘肃7152.04 0.93 98.5928 海南4044.51 0.52 99.1129 宁夏3150.06 0.41 99.5230 青海2572.49 0.33 99.8531 西藏1150.07 0.15 100.00将2016各省的GDP进行排名，可以发现，经济发达的的地区主要集中在东部地区。

西部gdp的占比较小。

作出2016各省的gdp直方图如下：作业二多元回归分析2.1多元线性回归 2.1.1数据来源《福建省统计年鉴-2017》年份商品零售价格指数y 农业生产资料价格指数x1 工业生产价格指数x2 工业生产者购进价格指数x3 固定资产投资价格总指数x4 2000 98.9 97.4 100.5 112.4 100.2 2001 98 98.7 98.1 96.7 99.5 2002 98.3 99.9 97.6 97.6 99.7 2003 99.1 101.8 100.7 106.3 101.4 2004 102.7 112.5 102.6 113.3 103.4 2005 100.6 108.1 100.2 108.1 100.7 2006 100.5 100.9 99.2 103.9 102 2007 104.3 110.3 100.8 104.3 105.9 2008 105.7 123.6 102.7 110.2 105.9 2009 97.9 93.3 95.5 93.2 98 2010 103.4 102.4 103.2 107.7 103.3 2011 104.8 111.8 103.9 108 106.2 2012 101.8 103.3 98.7 97.7 100.3 2013 101.1 99.5 98.4 98.4 100.1 2014 101.1 99.5 98.6 98.3 100.4 2015 99.9 101.4 97 96.1 98.3 2016 100.7100.2 99.198 1002.1.2模型假设商品的零售价格会受很多因素的影响，对于影响零售价格指数y 的影响现在仅考虑农业生产资料指数x1、工业生产价格指数x2、工业生产者购进价格指数x3、固定资产投资的影响x4。

多元统计分析(最终版)

题目：研究不同温度与不同湿度对粘虫发育历期的影响，得试验数据如表。

分析不同温度和湿度对粘虫发育历期的影响是否存在着显著性差异。

（注：要对方差齐性进行检验）不同温度与不同湿度粘虫发育历期表根据上述题目，分析结果如下。

一、相关理论概述F 检验与方差齐性检验在方差分析的F 检验中，是以各个实验组内总体方差齐性为前提的，因此，按理应该在方差分析之前，要对各个实验组内的总体方差先进行齐性检验。

如果各个实验组内总体方差为齐性，而且经过F 检验所得多个样本所属总体平均数差异显著，这时才可以将多个样本所属总体平均数的差异归因于各种实验处理的不同所致；如果各个总体方差不齐，那么经过F 检验所得多个样本所属总体平均数差异显著的结果，可能有一部分归因于各个实验组内总体方差不同所致。

但是，方差齐性检验也可以在F 检验结果为多个样本所属总体平均数差异显著的情况下进行，因为F 检验之后，如果多个样本所属总体平均数差异不显著，就不必再进行方差齐性检验。

本文分析数据采用后一种方法，即先F 检验再方差齐次性检验。

相对湿度（%）温度℃ 重复1 2 3 4 10025 91.2 95.0 93.8 93.0 2787.6 84.7 81.2 82.4 29 79.2 67.0 75.7 70.6 31 65.2 63.3 63.6 63.3 8025 93.2 89.3 95.1 95.5 2785.8 81.6 81.0 84.4 29 79.0 70.8 67.7 78.8 31 70.7 86.5 66.9 64.9 4025 100.2 103.3 98.3 103.8 2790.6 91.7 94.5 92.2 29 77.2 85.8 81.7 79.7 3173.673.276.472.5二、从单因子方差角度分析（一）在假定相对湿度不变的情况下分析1、假定相对湿度恒为40%，分析不同温度对粘虫发育历期的影响。

如下表：温度℃重复252729311100.2 90.6 77.2 73.6 2 103.3 91.7 85.8 73.2 3 98.3 94.5 81.7 76.4 4 103.8 92.2 79.7 72.5 Ti 405.6 369324.4295.7T 2i164511.36136161105235.36 87438.49在本例中，r=4，m=4, n=16 ，=1394.7,= 123413.4696T 2/n=(1394.7)2/16=121574.2556 (式1）（式2）（式3）S E =S T -S A =1839.214-1762.297=76.917 （式4）数据的方差分析表见表1.表1 粘虫发育历期方差分析表粘虫发育历期（相对湿度40%）来源平方和 df 均方 F 显著性组间 1762.297 3 587.432 91.646.000组内 76.917 12 6.410总数1839.21415分析表1可知，F 0.05(3，12)=3.49，F 值=,91.646，F>F 0.05，P=0.000<0.05,说明在相对湿度为40%时，不同温度对粘虫发育历期有显著影响。

多元统计典型相关分析实例

多元统计典型相关分析实例第一篇：多元统计典型相关分析实例1、对体力测试（共7项指标）及运动能力测试（共5项指标）两组指标进行典型相关分析Run MATRIX procedure:Correlations for Set-1 X1 X2 X3 X4 X5 X6 X7 X1 1.0000.2701.1643-.0286.2463.0722-.1664 X2.2701 1.0000.2694.0406-.0670.3463.2709 X3.1643.2694 1.0000.3190-.2427.1931-.0176 X4-.0286.0406.3190 1.0000-.0370.0524.2035 X5.2463-.0670-.2427-.0370 1.0000.0517.3231 X6.0722.3463.1931.0524.0517 1.0000.2813 X7-.1664.2709-.0176.2035.3231.2813 1.0000Correlations for Set-2 X8 X9 X10 X11 X12 X8 1.0000-.4429-.2647-.4629.0777 X9-.4429 1.0000.4989.6067-.4744 X10-.2647.4989 1.0000.3562-.5285 X11-.4629.6067.3562 1.0000-.4369 X12.0777-.4744-.5285-.4369 1.0000两组变量的相关矩阵说明，体力测试指标与运动能力测试指标是有相关性的。

Correlations Between Set-1 and Set-2 X8 X9 X10 X11 X12 X1-.4005.3609.4116.2797-.4709 X2-.3900.5584.3977.4511-.0488 X3-.3026.5590.5538.3215-.4802 X4-.2834.2711-.0414.2470-.1007 X5-.4295-.1843-.0116.1415-.0132X6-.0800.2596.3310.2359-.2939 X7-.2568.1501.0388.0841.1923 上面给出的是两组变量间各变量的两两相关矩阵，可见体力测试指标与运动能力测试指标间确实存在相关性，这里需要做的就是提取出综合指标代表这种相关性。

多元统计分析.doc

作业一1.2 分析2016年经济发展情况排名省gdp 占比累计占比1 广东79512.05 10.30 10.302 江苏76086.2 9.86 20.173 山东67008.2 8.68 28.854 浙江46485 6.02 34.875 河南40160.01 5.20 40.086 四川32680.5 4.24 44.317 湖北32297.9 4.19 48.508 河北31827.9 4.12 52.629 湖南31244.7 4.05 56.6710 福建28519.2 3.70 60.3711 上海27466.2 3.56 63.9312 北京24899.3 3.23 67.1613 安徽24117.9 3.13 70.2814 辽宁22037.88 2.86 73.1415 陕西19165.39 2.48 75.6216 内蒙古18632.6 2.41 78.0417 江西18364.4 2.38 80.4218 广西18245.07 2.36 82.7819 天津17885.4 2.32 85.1020 重庆17558.8 2.28 87.3721 黑龙江15386.09 1.99 89.3722 吉林14886.23 1.93 91.3023 云南14869.95 1.93 93.2224 山西12928.3 1.68 94.9025 贵州11734.43 1.52 96.4226 新疆9550 1.24 97.6627 甘肃7152.04 0.93 98.5928 海南4044.51 0.52 99.1129 宁夏3150.06 0.41 99.5230 青海2572.49 0.33 99.8531 西藏1150.07 0.15 100.00将2016各省的GDP进行排名，可以发现，经济发达的的地区主要集中在东部地区。

西部gdp的占比较小。

作出2016各省的gdp直方图如下：作业二多元回归分析2.1多元线性回归 2.1.1数据来源《福建省统计年鉴-2017》年份商品零售价格指数y 农业生产资料价格指数x1 工业生产价格指数x2 工业生产者购进价格指数x3 固定资产投资价格总指数x4 2000 98.9 97.4 100.5 112.4 100.2 2001 98 98.7 98.1 96.7 99.5 2002 98.3 99.9 97.6 97.6 99.7 2003 99.1 101.8 100.7 106.3 101.4 2004 102.7 112.5 102.6 113.3 103.4 2005 100.6 108.1 100.2 108.1 100.7 2006 100.5 100.9 99.2 103.9 102 2007 104.3 110.3 100.8 104.3 105.9 2008 105.7 123.6 102.7 110.2 105.9 2009 97.9 93.3 95.5 93.2 98 2010 103.4 102.4 103.2 107.7 103.3 2011 104.8 111.8 103.9 108 106.2 2012 101.8 103.3 98.7 97.7 100.3 2013 101.1 99.5 98.4 98.4 100.1 2014 101.1 99.5 98.6 98.3 100.4 2015 99.9 101.4 97 96.1 98.3 2016 100.7100.2 99.198 1002.1.2模型假设商品的零售价格会受很多因素的影响，对于影响零售价格指数y 的影响现在仅考虑农业生产资料指数x1、工业生产价格指数x2、工业生产者购进价格指数x3、固定资产投资的影响x4。

多元统计分析.doc

作业一1.2 分析2016年经济发展情况排名省gdp 占比累计占比1 广东79512.05 10.30 10.302 江苏76086.2 9.86 20.173 山东67008.2 8.68 28.854 浙江46485 6.02 34.875 河南40160.01 5.20 40.086 四川32680.5 4.24 44.317 湖北32297.9 4.19 48.508 河北31827.9 4.12 52.629 湖南31244.7 4.05 56.6710 福建28519.2 3.70 60.3711 上海27466.2 3.56 63.9312 北京24899.3 3.23 67.1613 安徽24117.9 3.13 70.2814 辽宁22037.88 2.86 73.1415 陕西19165.39 2.48 75.6216 内蒙古18632.6 2.41 78.0417 江西18364.4 2.38 80.4218 广西18245.07 2.36 82.7819 天津17885.4 2.32 85.1020 重庆17558.8 2.28 87.3721 黑龙江15386.09 1.99 89.3722 吉林14886.23 1.93 91.3023 云南14869.95 1.93 93.2224 山西12928.3 1.68 94.9025 贵州11734.43 1.52 96.4226 新疆9550 1.24 97.6627 甘肃7152.04 0.93 98.5928 海南4044.51 0.52 99.1129 宁夏3150.06 0.41 99.5230 青海2572.49 0.33 99.8531 西藏1150.07 0.15 100.00将2016各省的GDP进行排名，可以发现，经济发达的的地区主要集中在东部地区。

西部gdp的占比较小。

作出2016各省的gdp直方图如下：作业二多元回归分析2.1多元线性回归 2.1.1数据来源《福建省统计年鉴-2017》年份商品零售价格指数y 农业生产资料价格指数x1 工业生产价格指数x2 工业生产者购进价格指数x3 固定资产投资价格总指数x4 2000 98.9 97.4 100.5 112.4 100.2 2001 98 98.7 98.1 96.7 99.5 2002 98.3 99.9 97.6 97.6 99.7 2003 99.1 101.8 100.7 106.3 101.4 2004 102.7 112.5 102.6 113.3 103.4 2005 100.6 108.1 100.2 108.1 100.7 2006 100.5 100.9 99.2 103.9 102 2007 104.3 110.3 100.8 104.3 105.9 2008 105.7 123.6 102.7 110.2 105.9 2009 97.9 93.3 95.5 93.2 98 2010 103.4 102.4 103.2 107.7 103.3 2011 104.8 111.8 103.9 108 106.2 2012 101.8 103.3 98.7 97.7 100.3 2013 101.1 99.5 98.4 98.4 100.1 2014 101.1 99.5 98.6 98.3 100.4 2015 99.9 101.4 97 96.1 98.3 2016 100.7100.2 99.198 1002.1.2模型假设商品的零售价格会受很多因素的影响，对于影响零售价格指数y 的影响现在仅考虑农业生产资料指数x1、工业生产价格指数x2、工业生产者购进价格指数x3、固定资产投资的影响x4。

多元统计分析.doc

作业一1.2 分析2016年经济发展情况排名省gdp 占比累计占比1 广东79512.05 10.30 10.302 江苏76086.2 9.86 20.173 山东67008.2 8.68 28.854 浙江46485 6.02 34.875 河南40160.01 5.20 40.086 四川32680.5 4.24 44.317 湖北32297.9 4.19 48.508 河北31827.9 4.12 52.629 湖南31244.7 4.05 56.6710 福建28519.2 3.70 60.3711 上海27466.2 3.56 63.9312 北京24899.3 3.23 67.1613 安徽24117.9 3.13 70.2814 辽宁22037.88 2.86 73.1415 陕西19165.39 2.48 75.6216 内蒙古18632.6 2.41 78.0417 江西18364.4 2.38 80.4218 广西18245.07 2.36 82.7819 天津17885.4 2.32 85.1020 重庆17558.8 2.28 87.3721 黑龙江15386.09 1.99 89.3722 吉林14886.23 1.93 91.3023 云南14869.95 1.93 93.2224 山西12928.3 1.68 94.9025 贵州11734.43 1.52 96.4226 新疆9550 1.24 97.6627 甘肃7152.04 0.93 98.5928 海南4044.51 0.52 99.1129 宁夏3150.06 0.41 99.5230 青海2572.49 0.33 99.8531 西藏1150.07 0.15 100.00将2016各省的GDP进行排名，可以发现，经济发达的的地区主要集中在东部地区。

西部gdp的占比较小。

作出2016各省的gdp直方图如下：作业二多元回归分析2.1多元线性回归 2.1.1数据来源《福建省统计年鉴-2017》年份商品零售价格指数y 农业生产资料价格指数x1 工业生产价格指数x2 工业生产者购进价格指数x3 固定资产投资价格总指数x4 2000 98.9 97.4 100.5 112.4 100.2 2001 98 98.7 98.1 96.7 99.5 2002 98.3 99.9 97.6 97.6 99.7 2003 99.1 101.8 100.7 106.3 101.4 2004 102.7 112.5 102.6 113.3 103.4 2005 100.6 108.1 100.2 108.1 100.7 2006 100.5 100.9 99.2 103.9 102 2007 104.3 110.3 100.8 104.3 105.9 2008 105.7 123.6 102.7 110.2 105.9 2009 97.9 93.3 95.5 93.2 98 2010 103.4 102.4 103.2 107.7 103.3 2011 104.8 111.8 103.9 108 106.2 2012 101.8 103.3 98.7 97.7 100.3 2013 101.1 99.5 98.4 98.4 100.1 2014 101.1 99.5 98.6 98.3 100.4 2015 99.9 101.4 97 96.1 98.3 2016 100.7100.2 99.198 1002.1.2模型假设商品的零售价格会受很多因素的影响，对于影响零售价格指数y 的影响现在仅考虑农业生产资料指数x1、工业生产价格指数x2、工业生产者购进价格指数x3、固定资产投资的影响x4。