系统工程实验报告--基于SPSS的聚类分析实验

西南交通大学

交通运输及物流学院

实验报告

《系统工程》

2014~2015学年第二学期

实验名称：基于SPSS的聚类分析实验

学号姓名： 20121986 罗静

指导教师：蒋赛

实验时间： 2014年4月25号

实验一基于SPSS的聚类分析实验

一、实验背景

数据表示我国商业主要银行的10个综合竞争力指标，人均净利润、净利润率、资产回报率、核心资本充足率、人均费用额、资产负债率、股东权益乘数、不良贷款比率、存款市场份额和贷款市场份额。本实验是基于SPSS利用系统聚类法对这些商业银行的综合竞争力进行评价分析。

二、实验步骤

1.建立SAV格式的数据

2.点击【分析】……【分类】……【系统聚类】，开始进行系统聚类分析。

3.将要分析的变量x1到x10移入变量的列表框中,将Y移入标注个案，用于标注每一个个案。分群中点选个案，表示对样品进行聚类。

4.点击【统计量】，点选“单一方案”，结合实际分析，将银行分为3类较合适，所以在聚类数的方框中填写3，表示此次聚类把样品分为3类。点击“继续”返回系统聚类分析对话框。

5.点击【绘制】，点选“树状图”，以形象地显示聚类的整个过程，点击“继续”返回系统聚类分析对话框。

6.点击【方法】，在转换值框中，下拉对话框，选择Z得分，表示数据标准化到Z分数，其余项保持系统默认状态，点击“继续”返回系统聚类分析对话框。

7.各选项设置完成后，点击确定进行系统聚类。

三、实验结果分析

1. 聚类分析过程表

在表3-1中，根据聚类系数的变化可以得到，第6步的聚类系数是8.1，第5步是6.764，它们相差1.336个单位，第7步和第6步相差3.32个单位，可见，从理论上来说，聚类过程结束于第7步是合理的，此时所有的数据被分为2类，可是当结合实际时，分类数太少，没有办法更好的反映银行之间的差异性，因此我们决定聚类数为3。

表3-1

2.树状图

树状图3-1表示了整个聚类过程

图3-1

3.聚类分析结果显示表

表3-2表示了此次聚类分析的结果，可以看到聚类分析最终分为以下几类：第Ⅰ类：工商银行，建设银行，中国银行。

第Ⅱ类：交通银行，光大银行，深发银行，浦发银行。

第Ⅲ类：中信银行，民生银行，招商银行。

表3-2

四、实验心得

通过本次实验，我学会了使用SPSS对样本进行系统聚类分析，在实验的过程中收获颇多，但仍然存在很多问题，对于实验结果的树状图冰柱图的读解还存在一定的问题，对实验结果中系数的实际含义理解上也存在一些问题。在本次实验数据中，指标有10个，变量数目过多，我认为在做聚类分析之前也可以结合主成分分析，先对变量做一个降维过程，在对样本做聚类分析，这样的结果会更加优越，然而由于主成分分析对数据要求较高，我在用此次数据做主成分分析时，发现结果并不是很理想，提取的两个公因子对变量的贡献率只有81.596%，在贷款市场份额，存款市场份额，不良贷款比率，核心资本充足率指标上的解释，两个因子显得含糊不清，它们的载荷系数区别并不明显，因此，我认为该结合实际情况适当将因子分析和聚类分析相结合。

聚类分析在物流领域中应用广泛，例如物流园区空间类型定位中的应用，区域物流中心综合评价，多级物流配送中心选址中的应用等等。

五、参考资料

[1] 汪应洛，《系统工程（第4版）》，机械工业主板社，北京，2008

[2] 西南交通大学交通运输及物流学院，系统工程，《案例及实验指导》，2011

[3] 王璐，王沁，《统计软件SPSS完全学习手册及实战精粹》，化学工业出版社，北京，2013

西南交通大学

交通运输及物流学院

实验报告

《系统工程》

2014~2015学年第二学期

实验名称：基于SPSS的主成分分析实验

学号姓名： 20121986 罗静

指导教师：蒋赛

实验时间： 2014年4月25号

实验二基于SPSS主成分分析实验

一、实验背景

数据表示某市居民2000年到2007年的消费结构，具体表示为食品，衣着，家庭设备用品及服务、医疗保健、交通和通信、文化娱乐服务、居住及杂项商品及服务。据此定量得研究该市居民的消费结构。

二、实验步骤

1.建立实验数据，输入实验数据

2.对数据进行主成分分析，具体步骤为：

【分析】……【降维】……【因子分析】

3.将要分析的变量移入变量的对话框中

4.点击【描述】进行设置，勾选“单变量描述性”以为主成分分析提供一个直观的分析结果，其余项保持系统默认状态，点击“继续”返回因子分析对话框。

5.点击【抽取】进行设置，方法选择“主成分”，其余项保持系统默认状态，点击“继续”返回因子分析对话框。

6.点击【旋转】进行设置，使得因子变量更具有解释性，方法选择“最大方差法”，使每个因子具有最高载荷的变量数最小，以简化对因子的解释，点击“继续”返回因子分析对话框。

7.点击【得分】进行设置，勾选“保存为变量”，将因子得分作为新变量保存在数据文件中，此时激活方法选项，再勾选“回归”，此方法使得因子得分的均值为“0”，勾选“显示因子得分系数矩阵”，点击“继续”返回因子分析对话框。

8.点击【选项】进行设置，系数显示格式中勾选“按大小排序”，将载荷系数按大小排列构成矩阵，使在同一因子上具有较高载荷的变量排列在一起，以便于得出结论，其余项保持系统默认状态，点击“继续”返回因子分析对话框。

9.各选项设置完成后，单击“确认”进行主成分分析。

三、实验结果分析

1.描述性统计表

表3-1显示了食品、衣着等八个消费指标的描述性统计量，从中可以看出，食品消费所占的比重最大，其均值为39.475%。其次是文化娱乐服务和居住，医疗保健和杂项占的比重则比较小。