用聚类分析分析各个城市的差距.doc

用聚类分析分析各个地区的差距 及将比较相近的地区划归为一类 使用数据如下表所示，利用聚类分析将下面28个地区划分为4类，并比较四类地区之间的差异。 地区 序号 食品 衣着 燃料 住房 生活用品 文化生活 类别 天津 1 135.20 36.40 10.47 44.16 36.40 3.94 1 辽宁 2 145.68 32.83 17.79 27.29 39.09 3.47 1 吉林 3 159.37 33.38 18.37 11.81 25.29 5.22 1 江苏 4 144.98 29.12 11.67 42.60 27.30 5.74 1 浙江 5 169.92 32.75 12.72 47.12 34.35 5.00 1 山东 6 115.84 30.76 12.20 33.61 33.77 3.85 1 黑龙江 7 116.22 29.57 13.24 13.76 21.75 6.04 2 安徽 8 153.11 23.09 15.62 23.54 18.18 6.39 2 福建 9 144.92 21.06 16.96 19.52 21.75 6.73 2 江西 10 140.54 21.59 17.64 19.19 15.97 4.94 2 湖北 11 140.64 28.26 12.35 18.53 21.95 6.23 2 湖南 12 164.02 24.74 13.63 22.20 18.06 6.04 2 广西 13 139.08 18.47 14.68 13.41 20.66 3.85 2 四川 14 137.80 20.74 11.07 17.74 16.49 4.39 2 贵州 15 121.67 21.53 12.58 14.49 12.18 4.57 2 新疆 16 123.24 38.00 13.72 4.64 17.77 5.75 2 河北 17 95.21 22.83 9.30 22.44 22.81 2.80 3 山西 18 104.78 25.11 6.46 9.89 18.17 3.25 3 内蒙 19 128.41 27.63 8.94 12.58 23.99 3.27 3 河南 20 101.18 23.26 8.46 20.20 20.50 4.30 3 云南 21 124.27 19.81 8.89 14.22 15.53 3.03 3 陕西 22 106.02 20.56 10.94 10.11 18.00 3.29 3 甘肃 23 95.65 16.82 5.70 6.03 12.36 4.49 3 青海 24 107.12 16.45 8.98 5.40 8.78 5.93 3 宁夏 25 113.74 24.11 6.46 9.61 22.92 2.53 3 北京 26 190.33 43.77 9.73 60.54 49.10 9.04 4 上海 27 221.11 38.64 12.53 115.65 50.82 5.89 4 广州 28 182.55 20.52 18.32 42.40 36.97 11.68 4 使用聚类分析所得结果如下： 表一 Initial Cluster Centers Cluster 1 2 3 4 食品 95.65 221.11 164.02 190.33 衣着 16.82 38.64 24.74 43.77 燃料 5.70 12.53 13.63 9.73 住房 6.03 115.65 22.20 60.54 生活用品 12.36 50.82 18.06 49.10 文化生活 4.49 5.89 6.04 9.04 表一是K-均值聚类分析的初始类中心数据，总共是四类。 表二 Iteration Historya Iteration Change in Cluster Centers 1 2 3 4 1 20.892 .000 19.115 20.612 2 .000 .000 .000 .000 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 59.262. 表二是迭代记录，从表中可以看出，第一次迭代后，四个类的中心点分别变化了20.895