2012级金融数学sas期末

1、题目：根据住宿份进行分题目：根据住宿份进行分630 一、 引言和一、 引言和12 Eigenvaluesof theReducedCorrelation Matrix: Total = 12 Average = 11234567812 Eigenvaluesof theReducedCorrelation Matrix: Total = 12 Average = 1123456789Proportion列为特征值的贡献率；CumulativeProportion列为特征值的贡献率；Cumulative列为特征值的累计贡献率，第一个因子的贡献94.91%98.2%，这个信息也可以由下图直观显示

2、Factor Factor33753FinalCommunalityEstimates:Total=33753FinalCommunalityEstimates:Total=4884977VarianceExplained by Each Factor87edFactorPattern(StandardizedProcrusteanTransformation edFactorPattern(StandardizedProcrusteanTransformation 1218-25ProcrusteanTransformation 1218-2ProcrusteanTransformation

3、 1218-251x3,x4,x6,x7,x8,x9,x11,x12x1,x2,x5,x10edFactorPattern(Standardized1x3,x4,x6,x7,x8,x9,x11,x12x1,x2,x5,x10edFactorPattern(Standardized9797用excel31Factor1,Factor2将n 个样品看成n 类（每一类包含一个样品），这时类间距离和样品间距离是等价的；然市市9797用excel31Factor1,Factor2将n 个样品看成n 类（每一类包含一个样品），这时类间距离和样品间距离是等价的；然市市内市省省省省省省省自治区下面使用Ward

4、31个省份进行分类。相应的sas下面使用Ward31个省份进行分类。相应的sasR2统计量（列标题为RSQ）用于评价每次合并成NCL越大说明NCL. R20 1 之间,n个样品各自为一类时， R2=1;n R2 =0.R2的值总是随着分类个数 . 值来确定nR2值来确定nR2 =0.809,2R2下降较多(R2=0.543).R2统计量3 个类是较合适的.R2 R2 (列标题为SPRSQ)得到.根据半偏 R2R2R2R2值越大，说明上一步合并的效果好.R2最大和次大分别为NCL=1和NCL=2R2准则分为二个类、三F统计量(列标题为PSF)用于评价分为NCL个类的聚类效果.F值越大表示这些观测

5、样品可显著地分为NCL个类.F比较大的依次为NCL=4，3(NCL=4)F 准则为三个或四个类是较合适的.伪t2统计量用以评价此步合并类的效果.由该统计量的定义知伪t2值大表明上一.此例伪t2 最大和次大分别为NCL=4 3,说明根据伪t2 4 3 个类是较合适的.31出由谱系聚类图和输出结果知道，分为三类的结果为：G 1 =江西省，重庆市，由谱系聚类图和输出结果知道，分为三类的结果为：G 1 =江西省，重庆市，建省市，浙江省，G3 三、结1、模型结果分析：在本次31 个省份分成了三类G1=江西省，重庆市区G2三、结1、模型结果分析：在本次31 个省份分成了三类G1=江西省，重庆市区G2江省G

6、3（6） 改进完善服务，拓宽2、模型优缺点用了ward3参考文献，SAS【2】 高惠璇，应用多元统计分析，ods rtf file= province.rtf;odsgraphicson;procfactorodslisting/*关闭SAS列表输出西壮族自海南重庆省省云南陕西省青海自用了ward3参考文献，SAS【2】 高惠璇，应用多元统计分析，ods rtf file= province.rtf;odsgraphicson;procfactorodslisting/*关闭SAS列表输出西壮族自海南重庆省省云南陕西省青海自 /*设定取每一变量与其他变量的复相关系数平方值为该变量的共性方差的预

7、估值/*绘制碎石 /*设定取每一变量与其他变量的复相关系数平方值为该变量的共性方差的预估值/*绘制碎石图odsrtfods rtf file= province2.rtf;/*精细分析procfactor /*设定取每一变量与其他变量的复相关系数平方值为该变量的共性方差的预估值e=promax/*进行最优斜交因子旋转，并将旋转后的因子按从大至小的顺序排列plots=(screeinitloadingspreloadings/*绘制碎石图和原始因子、旋转前、旋转后的因子载荷图/*规定取前两个因子ods出的过程goptions ftext=宋体data inputgroup$x1- 山西省 138

8、86.64218 9661.96025824364.74897辽宁省 17256.4474 吉林省 6124.822354黑龙江6686.066941市 25543.3931 省 15466.30802福建省 26428.63512江西省 12379.98351山东省 35424.25366省 29017.5778 省 21383.78072湖南省 27962.54264省 89818.24848广西壮15344.62747海南省 17169.33893重庆市 12398.8881 省 26930.85803省 9795.568388云南省 江苏省 36099.51835浙江省 44526.30513市 46788.36031市 7681.350602河北省 19430.2379 ods/*打开SAS列表输出odsrtf/*结束将SAS运算结果以rtf文档形陕西省 22533.74694省 7458.616949青海省 2167.105786陕西省 22533.74694省 7458.616949青海省 2167.1057867423.106535;proc prdata=d; procclusterdata=dmethod=wardpseudo varx1- idproctreedata=b hori