然后再进行相关性分析检验，从输出的变量之间的相似矩阵可以观察出变量之间的距离关系的强弱，例如，批发和零售业与居民服务和其他服务业之间的距离相关系数为0.922，说明此两个变量之间的距离关系很强。又如租赁和商品服务业与交通运输、仓储和邮政业之间的相关系数仅为0.502，说明此两个变量间的距离关系不是很强，但通过观察可以发现，整体这些所有变量间的关系都是比较紧密的，其距离相关系数平均都在0.5以上，说明各个地区的不同行业间是存在着一定内在联系的。
下面就开始最重要的聚类分析了——利用K均值聚类法。 图3-1
Initial Cluster Centers
Cluster
1 3.74572 4.72074 1.59675 2 -.69080 -.63059 -1.08414 3 .07956 .49328 3.62479
Zscore(制造业) Zscore(建筑业)
Zscore(交通运输仓储和邮政业)
Zscore(批发和零售业) Zscore(住宿和餐饮业) Zscore(租赁和商品服务业) Zscore(居民服务和其他服务业)
2.32310 1.46012 1.58464 2.04076 -1.27989 -1.36704 -1.00587 -1.35483 .28003 .26308 .07208 .29496 上图是输出的初始聚类中心的表格，初始聚类中心是在没有事先指定时，SPSS会按照一定的方法从当前数据集中选取初始聚类中心。 图3-2
Iteration History
Iteration
dimensio
a
Change in Cluster Centers 1
2 1.796 .000 3 2.778 .000 1 2
2.940 .000 n0
a. Convergence achieved due to no or small change in cluster centers. The maximum absolute coordinate change for any center is .000. The current iteration is 2. The minimum distance between initial centers is 5.745.
上图是迭代历史的表格，明显显示出迭代过程从第2次迭代后类中心就没有任何变化而导致迭代终止。
图3-3
Number of Cases in each Cluster Cluster 1
2 3
Valid Missing
3.000 22.000 6.000 31.000 .000 上图显然可以看出总共31座不同的城市被分成三类，第一类3个城市，第二类22个城市，第三类6个城市。 图3-4
Cluster Membership
Case Number
1 2 3 4 5 6 7 8 9 10 11
dimension0地区 北 京 天 津 河 北 山 西 内蒙古 辽 宁 吉 林 黑龙江 上 海 江 苏 浙 江 安 徽 福 建 江 西 山 东 河 南 湖 北 湖 南 广 东 广 西 海 南 重 庆
Cluster
2 2 2 2 2 3 2 2 2 1 1 2 2 3 3 3 3 2 1 2 2 2 Distance
1.801 1.480 1.339 .684 .722 2.778 .921 1.273 2.583 2.940 1.964 1.449 1.086 1.633 2.081 1.256 .629 2.566 2.491 .812 1.431 .609 12 13 14 15 16 17 18 19 20 21 22
23 24 25 26 27 28 29 30 31
四 川 贵 州 云 南 西 藏 陕 西 甘 肃 青 海 宁 夏 新 疆
3 2 2 2 2 2 2 2 2 1.077 .934 1.230 1.796 1.086 .944 1.754 1.544 .970 上图是分类的最终结果，可以看出第一类的城市有江苏、浙江、广东；第二类的城市有北京、天津、河北、山西、内蒙古、吉林、黑龙江、上海、安徽、福建、湖南、广西、海南、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆；第三类的城市有辽宁、江西、山东、河南、湖北、四川。从针对不同行业的就业人数的差异可以看出，江苏、浙江、广东为一类，河南、四川、山东、湖北等为一类，北京、天津、上海等为一类，还是充分具有说明性的。由于当地民营企业的发展水平的不同使呈现出不同的类，这也是与各地区经济发展的结构状况以及人口分布有一定内在关联的。华南地区整体经济水平比华北、华中地区的发达，重点城市，一线城市及二三线城市的就业人数分别具有其鲜明的类的特征。 图3-5 ANOVA Cluster Mean Square 12.806 7.648 7.791 df 2 2 2 Error Mean Square .157 .525 .515 df 28 28 28 F 81.696 14.564 15.132 Sig. .000 .000 .000 Zscore(制造业) Zscore(建筑业) Zscore(交通运输仓储和邮政业) Zscore(批发和零售业) Zscore(住宿和餐饮业) Zscore(租赁和商品服务业) Zscore(居民服务和其他服务业) 10.592 9.583 5.521 2 2 2 .315 .387 .677 28 28 28 33.644 24.764 8.154 .000 .000 .002 10.596 2 .315 28 33.686 .000 ANOVA Zscore(制造业) Zscore(建筑业) Zscore(交通运输仓储和邮政业) Zscore(批发和零售业) Zscore(住宿和餐饮业) Zscore(租赁和商品服务业) Zscore(居民服务和其他服务业) Cluster Mean Square 12.806 7.648 7.791 df 2 2 2 Error Mean Square .157 .525 .515 df 28 28 28 F 81.696 14.564 15.132 Sig. .000 .000 .000 10.592 9.583 5.521 2 2 2 .315 .387 .677 28 28 28 33.644 24.764 8.154 .000 .000 .002 10.596 2 .315 28 33.686 .000 The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal. 从上图可以观察出，各变量都通过了检测，且Sig的值都小于0.01，说明采用该聚类方法分析是可行的。 图3-6
Final Cluster Centers
Cluster
1 2.68215 2.07360 1.07122 2 -.41669 -.32158 -.45338 3 .18679 .14234 1.12679
Zscore(制造业) Zscore(建筑业)
Zscore(交通运输仓储和邮政业)
Zscore(批发和零售业) Zscore(住宿和餐饮业) Zscore(租赁和商品服务业) Zscore(居民服务和其他服务业)
2.04519 1.58502 1.78654 1.72942 -.48563 -.49447 -.25690 -.51644 .75805 1.02056 .04870 1.02892 图3-7 Distances between Final Cluster Centers Cluster di1 2 6.133 3 3.930 3.066 1 2 6.133 me ns3 3.930 3.066 io n0 上图两个表格为最终聚类中心间的聚类距离，显然这三类之间的距离都比较远，故可以较好的对这31座不同的城市进行分类，并得到想要的结论。
四、 实验结论
本文运用关于2011年底我国各地区按行业分私营企业和个体的就业人数的统计数据的部分数据，通过SPSS软件，利用统计学中的聚类分析方法及相关性分析，讨论了中国各地区按行业分就业人数情况与区域经济的发展。通过一系列的实证分析，从分类结果中可以看出，首先，华南、华中、华北以及华东等地区的私营企业和个体的发展程度有较大的区别，从而就业人数会有较大的差异；其次，由于不同地域的不同城市经济发展水平和经济结构不同，使得这些行业的就业人数呈现出一定差别；最后，可以看出我国人口密集的地区与相对人口较少的地区比较，就业人数也有明显区别。
综上，从我国各地区的私营企业及个体的就业人数的情况可以看出，地区、人口、产业和经济发展的结构之间有着相当紧密的联系。通过聚类分析最终分的类，可以看出江浙广地区的经济较为发达，他们以轻工业为主，因此民营企业的发展较好；而像华中、华北地区的一些人口大省，整体经济水平不是很高，但也呈现出一定优势；其他地区像北京，天津，重庆，上海，湖南等，除了北京的政治地位比较特殊之外，其他地区的经济发展结构和发展水平也有相似性，并且相对来说也是较为发达的。
通过这些数据的结论，可以大致了解到目前我国区域经济的发展状况以及产业的分布情况。为了使全国的经济能够平稳协调的发展，一是要优化资源配置，合理调配好人力物力资源；二是要运用合理的宏观经济政策进行调控。这样双管齐下，才能使我国的经济持续的快、稳、好的发展。同时要充分发挥好当地的企业优势和市场经济体制，在大的经济环境下，当地政府也可根据不同地区的不同特点采取一些相应的手段来调整当地的经济发展。
本文的创新性在于利用全国不同地区的按不同行业的就业人数的数据进行了聚类分析，从而看出一些地域特性，并推测出我国的经济发展结构和趋势，以
及区域经济的一些差异，并根据经济发展的现状提出了建议。
聚类分析这种方法有着明显的优点，能快速的将数据按一定特性分类，从而可以清楚的看出类与类的差别，进而通过分析得到想要的结论。不足之处在于数据比较有限，并且本人只采用了一部分数据，而且数据的处理不够细致，因此部分结论可能会有偏差，但是不会影响整体结论。如果再加上时间序列的数据，横向纵向的立体分析的话，结论会更加准确和全面，并且能够对我国未来经济发展趋势做出更有建设性预测。
相关推荐：
loading