第6章 回归分析_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
文档贡献者
评价文档：
喜欢此文档的还喜欢
第6章 回归分析
把文档贴到Blog、BBS或个人站等：
普通尺寸(450*500pix)
较大尺寸(630*500pix)
大小：620.50KB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢博客访问： 629
博文数量： 1
注册时间：
IT168企业级官微
微信号：IT168qiye
系统架构师大会
微信号：SACC2013
发布时间： 14:59:00
聚类分析的结果都知道，就是获得几个类别，那么我们怎么知道这些类别是合理的呢？这里提供一个方法，就是利用means方法，检验各个类别在所有变量上的差异，如果差异显著，我们就可以认为分类结果是可靠的。
假设我们现在已经得到了聚类的结果，所有的case都已经分类了，我们看到在数据窗口已经形成了若干个新的变量，显示了case的分类结果，如图所示，这里显示了三个聚类的结果，分别是把数据分为3、4、5类的结果
在菜单栏上执行：an......
阅读(130) | 评论(0) | 转发(0)
给主人留下些什么吧！~~
请登录后留言。方法，以过程全自动化的方式，实现对多元线性回归模型集合进行聚类分析。通过仿 ...
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
多元线性回归模型的聚类分析方法研究
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口逻辑回归分析及其在文本片断聚类中的应用_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
文档贡献者
评价文档：
&&¥2.00
&&¥2.00
喜欢此文档的还喜欢
逻辑回归分析及其在文本片断聚类中的应用
逻​辑​回​归​分​析​及​其​在​文​本​片​断​聚​类​中​的​应​用
把文档贴到Blog、BBS或个人站等：
普通尺寸(450*500pix)
较大尺寸(630*500pix)
大小：240.50KB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢基于因子和聚类分析的我国房地产经济发展水平评价
　来源：市场研究1212
由于我国房地产经济发展水平存在较大的区域差异，因此需要对其进行合理评价，便于国家的宏观经济调控和房地产企业的区域组合投资。在构建了房地产经济发展水平指标体系的基础上， 运用因子分析和聚类分析方法将我国31个省市分为七类地区，分别对其分析并得到相关结论。
近年来，房地产业迅猛发展，已成为国民经济发展的支柱产业之一。然而日益攀升的房价却影响着社会稳定和人民生活水平的提高，政府也相应出台了一些宏观调控政策来引导房地产市场的健康发展，但收效甚微。纵观这些宏观调控政策，不论其目的是什么，基本都是采用“一刀切”的调控模式，没有考虑房地产经济发展水平的区域差异。由于我国各地区经济发展水平不同、宏观区位不同、房地产业起步时间的不同，使得各地区房地产业发展的速度、规模有所不同，房地产市场的活跃程度在各地区表现出明显的区域差异[1]。因此有必要对房地产业地域差异分析，才能更好地把握我国房地产业的发展，因地制宜地采取宏观调控措施，同时对于投资者而言，通过对区域差异的认识可以进行区域组合投资，降低投资风险[2]。本文运用因子分析和聚类分析方法，对我国31 个省、自治区、直辖市房地产业经济发展水平进行区分，以其为政府和投资者提供合理的房地产市场判断依据。
二、指标体系的建立与数据来源
评价结果是否合理与可信，关键在于指标体系的建立。在对有关研究成果总结的基础上，依据综合性、代表性、科学性及数据可得性原则，从总体层、状态层、变量层三个层次出发，经过细分，最终从房地产业开发投资、建设、销售、企业经营及产业规模等五个方面选取了12 个指标，建立了一套较为完整的评价体系（表1），能够全面反映每个地区的房地产发展水平[1, 3-6]。指标所需数据来源于《中国统计年鉴（2011）》及《中国房地产年鉴（2011）》
三、基本原理
1. 因子分析
因子分析是一种数据简化的技术，它通过研究众多变量之间的内部依赖关系，对原始变量的相关系数矩阵内部结构研究，通过导出非观测综合变量去描述原始的多个变量之间的相关关系。这些不可观测的潜在变量，可以反映数据的绝大部分重要信息并成为因子。这样便可以解决研究者选择较多变量时的信息重叠现象，能以较少的变量反映出事物更多更全面的信息。
2. 聚类分析
聚类分析又称群分析，是根据“物以类聚”的道理对样品或指标进行分类的一种多元统计分析方法。聚类分析的方法有很多，本文所采用的方法是系统聚类法，其主要思想可以归结为“由多到一，层层集聚”，即将每一个个体都置入聚类空间，然后将相近程度最高的两类进行合并组成一个新类，再将该新类与相似度最高的类合并。不断重复此过程，直到所有的个体都归为一类。
四、因子分析过程及结果
根据所构建的房地产经济发展状况评价指标体系，采用SPSS19.0 统计分析软件，对我国31 个省、直辖市的数据进行分析和评价。
1. KMO 检验和Bartlett 球形度检验
KMO 统计量用于比较变量间简单相关系数矩阵和偏相关系数的指标，KMO 值越接近于1 表示越适合做因子分析，具体标准为：KMO>0.9，非常适合；0.9>KMO>0.8，适合；0.8>KMO>0.7，一般；0.7>KMO>0.6，不太适合；KMO<0.5 不适合。而Bartlett球形度检验的原假设为相关系数矩阵为单位阵，如果sig 值拒绝原假设表示变量之间存在相关关系，则适合做因子分析。SPSS 检验结果如表2 所示，KMO 值为0.819，且sig 值为0.000，小于显著水平0.05，拒绝原假设，两种检验均通过，所选变量适合作因子分析。
2. 因子分析结果
以特征值大于1 为标准提取因子，采用最大方差法对因子荷载矩阵进行旋转，得到旋转后的因子贡献率（表3）以及旋转后的成份矩阵（表4）。
可以看到，提取的两个公因子的累计贡献率达到89.24%>85%，这表明提取的公因子是有效和客观的，能够解释原始数据89.24%的信息。提取的两个主成分分别用F1、F2 表示，可以发现第一主成分F1 的V1、V2、V4、V5、V6、V8、V11、V12的系数明显大于F2 的系数，主要反映了房地产市场的开发投资建设规模和产业规模，可命名为规模因子。第二主成分F2的V3、V7、V9、V10 系数大于F1 的对应系数，这些指标主要反映了房地产业的销售和经营情况，可命名为收益因子。因此，可以由两个公共因子规模因子F1 和收益因子F2 代表原始指标对各地区房地产发展水平进行打分评价。将SPSS 得出的各地区的F1 和F2 因子得分结果与相应的方差贡献率相乘，然后求和便得到各地区的综合得分情况及排名（表5）
五、聚类分析过程及结果
将因子分析得到的规模因子F1 和收益因子F2 作为变量,然后对31 个省市进行聚类分析。聚类的关键在于类之间距离的定义，本文采用了最常用的离差平方和方法（Ward 法），距离测度采用平方欧式距离，进行Q 型聚类，得到聚类树状图（附图）。由于关于类的个数如何确定的问题到目前为止还没有一个统一合适的标准，本文结合我国实际情况及相关文献的研究结果，将树状图分为七类，分类结果见表5。
六、对因子分析和聚类分析结果进行综合解读
按因子分析所得排名和聚类所得结果进行综合分类，并对其两个因子得分进行比较，分析每类地区的特点，得到表6 的结果。其中由于F1 规模因子表示房地产业投入及产业规模，可以反应市场发展潜力，按其分值高低分为快速增长（1.03～2.14）、较快增长（0.05～0.83）、缓慢潜在增长（-0.06～0.58）和缓慢增长（-0.83～1.38）四类。F2 收益因子表示房地产销售及盈利状况，可以反应投资回报的高低，按其分值高低分为投资回报高（2.73～3.14）、投资回报较高（1.38～1.54）、投资回报较低（0.34～0.44）、投资回报低（-0.03～0.99）四类。
第一类地区包括江苏、广东、浙江。从综合排名来看，这三个省位于全国领先地位，得益于其优越的地理位置（均处于东部沿海地区，房地产业起步早）、成熟的投资环境（市场机制健全，公共服务设施完善）以及各种优惠政策（如土地政策带动房地产业迅速崛起）。从因子得分来看，这三个省在2010 年房地产开发投入力度很大，市场表现也较好，房价在全国属于领先水平，对于投资者来说既有良好的投资前景，又有丰厚的利润回报。这三个省的房地产业无论从规模还是收益状况上均比较靠前，且两者分值协调，应是未来我国房地产业健康发展的方向。
第二类地区包括山东、辽宁、河南、河北。从综合排名来看，这四个省排名均比较靠前，尤其是山东，位列第三。这四个省属于北方省份，位于我国中东部，房地产业起步晚于东部沿海地区，投资环境不够成熟，但可以看出其发展的后劲十足，有很大发展空间。从因子得分来看，这四个省的规模因子得分均较高，尤其是山东投入规模最大，但收益因子得分较低，尤其是河南，其得分-0.99 位于全国最后，说明这四省的投资回报并不好，市场发展不够成熟，与其规模投入并不是十分协调。因此在未来发展中，这四省应注意不仅仅是规模量上的投入，还要注重可持续发展，创造良好的投资环境，推动房地产业价值最大化的实现。
第三类地区包括北京、上海。从综合排名来看，这两个直辖市排名不是很靠前，分别为第六名和第九名，这与我们常规认识有些偏差。虽然北京、上海的房地产业发展水平很高，但由于是国家宏观调控重点调整对象，为减慢其增长速度，使得2010 年投入规模不及江苏、广东等省份，进而被其赶超。从因子得分来看，虽然两市规模因子得分不高，但收益因子得分位于全国前列，说明这两个城市房地产业投资回报率很高，房价高企的背后不排除有泡沫存在的可能，存在较大的投资风险。因此两个城市在未来发展中需要采取措施将房价回归至合理水平，加大保障房投入规模，促进其房地产业合理健康发展。
第四类地区包括四川、安徽、福建、重庆、湖南、湖北、内蒙古、广西。从综合排名及因子得分来看，这八个省份处于全国中等水平。但这一类中各个地区发展又有些差异。福建由于是沿海地区，起步较早，市场成熟且较为合理，而规模因子较小，即2010 年投入规模却不是很大，今后应扩大其市场规模，满足市场需求。但四川、重庆的房地产业是近几年才迅速发展起来，加之是西南地区主要经济大省，房地产市场规模较大且在逐步健全完善，属于发展潜力较大的地区。安徽、湖南、湖北、内蒙古、广西这五个省的发展与其地区经济发展水平较为协调，今后应健全其市场机制，培育良好的投资环境，加快其房地产业发展。
第五类地区包括天津、海南。单独把这两个地区列出来，是因为其发展状况比较特殊。两者的综合排名均比较靠后，可以看到其规模因子在-0.8 以下，与北京上海接近，而其收益因子却相对较高，在0.3 以上，虽不及北京上海之高，但也排名较靠前。说明两个地区2010 年的房地产业投入规模虽然不大，但市场投资回报较高。天津、海南都有着丰富的旅游资源，天津滨海新区的建设以及海南国际旅游岛的开发都给两个地区房地产业带来巨大的机遇，促进了地区房地产升值，投资价值迅速提升。但海南情况较为特殊，其房地产业在近几年迅速崛起，前期市场投放规模较大，但空置率相当高，为挤压市场泡沫，减慢其增长速度，国家对其进行宏观调控，减少市场供应量，这也是海南2010 年投入规模较小的原因之一，今后应继续减小投入规模，打压投机行为，促进房地产市场健康发展。
第六类地区包括黑龙江、云南、陕西、江西、吉林、贵州、山西。从综合排名来看，这七省房地产业发展较为落后，起步较晚，但市场正在逐步形成，有较大发展空间，属于缓慢潜在增长区。从因子得分来看，这七省规模因子和收益因子得分均不高，且排名较为靠后，说明它们的市场规模不大且投资回报较低，这也与其地区经济发展实力相匹配。今后可以考虑把房地产业作为地区支柱产业发展，以便带动其他相关行业的发展。
第七类地区包括新疆、甘肃、宁夏、青海、西藏。这五省处于我国西部地区，房地产业发展水平十分落后，这也是由其地区经济情况及人口规模决定的。西部大开发战略虽然带动了其房地产业的发展，但仍与其他地区有较大差距，差距的存在是合理且不可避免的，关键是要与本地区发展协调匹配，这是今后应努力的方向。
七、结论与展望
1. 房地产业的区域不均衡现象是我国房地产业发展过程中的一大特点，房地产发展水平应与本地区经济发展水平相互协调。
2. 我国省际层面房地产业可以分为7 类，每一类发展的原因各有不同，有的得益于良好的区位条件、有的得益于一系列优惠政策，或是其经济、行政地位不同，导致各地发展规模及速度不同。
3. 针对各类地区特点发展其房地产业，如河北、河南虽然市场规模较大，但市场成熟度较低，且收益回报较低，应加强对房地产市场环境的建设，从城市经营的角度出发提升房地产业投资价值，实现规模效益最大化，而不是一味摊大饼式的发展，这并不利于房地产业可持续发展。
4. 政府在制定房地产业整体发展战略、目标与政策时，不能搞“一刀切”，应充分考虑区域差异，因时制宜，因地制宜[4]。同时企业也不应粗略简单地将全国的房地产市场划分为一、二线城市或是东、中、西部，合理而全面的市场分类结果对在建立市场投资组合时追逐市场利润的创新点、规避市场风险都是极为重要的[7]。目前聚类分析只能对单个时点的若干指标或单个指标的时间序列进行分析，具有一定的片面性[8]。本文采取的是横截面数据，且数据较为滞后，因此需要每隔一段时间对区域进行重新聚类。不同时点的聚类结果不同，需要对其归纳总结，以发现时间序列上的地域差异规律。今后还应进一步加强指标体系的完善，从而可以更合理评价我国房地产经济发展水平。
[1]王宁，李慧民，谭啸，等. 基于因子与聚类分析的中国大城市房地产业发展评价[J]. 西安建筑科技大学学报(自然科学版).2010(4): 590-594.
[2]陈伟. 35 个大中城市房地产市场聚类分析[J]. 城市开发.2006(01): 82-83.
[3]彭向，胡跃红. 中国房地产经济区划的聚类分析[J]. 统计与决策. 2006(04): 86-88.
[4]彭本红，郭小群. 我国房地产业发展水平差异分析及政策建议[J]. 华东经济管理. 2008(10): 65-67.
[5]尹彬，蔺远洪. 基于主成分和聚类分析的国内房地产发展评价[J]. 宜宾学院学报. 2012(01): 71-75.
[6]尚国i，李成刚，耿进强等. 河北省房地产经济发展水平评价研究[J]. 石家庄经济学院学报. 2008(04): 33-36.
[7]李璇. 对中国房地产市场区域分类的纵向比较分析[D]. 对外经济贸易大学, 2009.
[8]张奕河，郑大川. 对中国房地产区域分类的深入探索―――基于聚类分析的实证研究[J]. 商场现代化. 2008(06): 245-246.（作者：冯玉冰）
本站域名：