1、原數據1.1樣本聚類（q聚類） 聚類表階群集組合系數首次出現階群集下一階群集 1群集 2群集 1群集 2157.855003211121.3790073251.772015410141.7760075262.45130868132.7720010710114.32242128124.55705129344.8950013108155.500601111897.74010013121108.3148714133812.79091114141316.65012130通過系數做出其散點圖群集成員案例5 群集4 群集3 群集1:case 1 1112:case 2 1113:case 3 2224:c

2、ase 4 2225:case 5 1116:case 6 1117:case 7 1118:case 8 3339:case 9 43310:case 10 54111:case 11 54112:case 12 54113:case 13 33314:case 14 54115:case 15 333 1.2變量聚類（r聚類）近似矩陣案例矩陣文件輸入總人口從業人員土地面積耕地面積財政收入糧食產量總人口1.000.857.698.714.512.043從業人員.8571.000.597.570.643.277土地面積.698.5971.000.856.044-.147耕地面積.714.570

3、.8561.000-.001-.335財政收入.512.643.044-.0011.000.342糧食產量.043.277-.147-.335.3421.000聚類表階群集組合系數首次出現階群集下一階群集 1群集 2群集 1群集 2112.857003234.856003313.645125456.342005515.129340群集成員案例5 群集4 群集3 群集總人口111從業人員111土地面積221耕地面積321財政收入432糧食產量5432.k均值聚類原數據描述統計量n極小值極大值均值標準差身高月平均增長率19.3411.031.88422.56342體重月平均增長率19.4950.3

4、05.636311.71814胸圍月平均增長率19.1611.811.49582.79339坐高月平均增長率19.1411.271.71112.80709有效的 n （列表狀態）19輸出結果：初始聚類中心聚類12345zscore(身高月平均增長率)3.567811.39883.66153.04907-.60240zscore(體重月平均增長率)3.811501.16603.35959-.12513-.43918zscore(胸圍月平均增長率)3.692361.32606.58861-.00923-.47104zscore(坐高月平均增長率)3.405291.94826.14212-.0466

5、9-.55255迭代歷史記錄a迭代聚類中心內的更改123451.000.000.000.208.1832.000.000.000.000.000a. 由于聚類中心內沒有改動或改動較小而達到收斂。任何中心的最大絕對坐標更改為 .000。當前迭代為 2。初始中心間的最小距離為 .996。聚類成員案例號月份聚類距離dimension0111.000222.000333.000444.208564.258684.3127104.1948125.2979155.24510185.06511245.07012305.11213365.04514425.11915485.05116545.10317605.

6、16618665.07419725.18320.21.22.23.24.25.最終聚類中心聚類12345zscore(身高月平均增長率)3.567811.39883.66153.02859-.47855zscore(體重月平均增長率)3.811501.16603.35959-.19084-.38115zscore(胸圍月平均增長率)3.692361.32606.58861-.20255-.39974zscore(坐高月平均增長率)3.405291.94826.14212-.01106-.45429最終聚類中心間的距離聚類1234514.4076.3757.4428.09924.4072.236

7、3.1463.83036.3752.2361.1631.78447.4423.1461.163.72758.0993.8301.784.727anova聚類誤差fsig.均方df均方dfzscore(身高月平均增長率)4.4694.00914500.431.000zscore(體重月平均增長率)4.4764.00714662.430.000zscore(胸圍月平均增長率)4.4554.01314346.563.000zscore(坐高月平均增長率)4.4724.00814563.652.000f 檢驗應僅用于描述性目的，因為選中的聚類將被用來最大化不同聚類中的案例間的差別。觀測到的顯著性水平并

8、未據此進行更正，因此無法將其解釋為是對聚類均值相等這一假設的檢驗。每個聚類中的案例數聚類11.00021.00031.00044.000512.000有效19.000缺失6.0003.線性回歸研究變量間的非確定性關系，構造變量間經驗公式的數理統計方法稱為回歸分析。根據自變量的個數，分為一元線性回歸和多元線性回歸。3.1一元線性回歸原數據輸入移去的變量b模型輸入的變量移去的變量方法1咖啡類飲料銷售量, 固體沖泡飲料銷售量, 茶飲料銷售量, 碳酸飲料銷售量a.輸入a. 已輸入所有請求的變量。b. 因變量: 果汁銷售量模型匯總模型rr 方調整 r 方標準 估計的誤差1.997a.994.992.44

9、012a. 預測變量: (常量), 咖啡類飲料銷售量, 固體沖泡飲料銷售量, 茶飲料銷售量, 碳酸飲料銷售量。anovab模型平方和df均方fsig.1回歸338.056484.514436.306.000a殘差1.93710.194總計339.99314a. 預測變量: (常量), 咖啡類飲料銷售量, 固體沖泡飲料銷售量, 茶飲料銷售量, 碳酸飲料銷售量。b. 因變量: 果汁銷售量系數a模型非標準化系數標準系數tsig.b標準 誤差試用版1(常量)17.296.47036.830.000碳酸飲料銷售量.043.018.1702.427.036茶飲料銷售量.265.021.72612.852.

10、000固體沖泡飲料銷售量-.004.034-.009-.117.909咖啡類飲料銷售量-.238.013-.455-18.640.000a. 因變量: 果汁銷售量3.2多元線性回歸原數據輸出結果：輸入移去的變量b模型輸入的變量移去的變量方法1x4, x1, x2, x3a.輸入a. 已輸入所有請求的變量。b. 因變量: y模型匯總b模型rr 方調整 r 方標準 估計的誤差1.894a.799.726.619a. 預測變量: (常量), x4, x1, x2, x3。b. 因變量: yanovab模型平方和df均方fsig.1回歸16.77944.19510.930.001a殘差4.22111.

11、384總計21.00015a. 預測變量: (常量), x4, x1, x2, x3。b. 因變量: y系數a模型非標準化系數標準系數tsig.共線性統計量b標準 誤差試用版容差vif1(常量)-.182.442-.412.688x1.142.158.133.900.387.8341.200x2.245.213.2581.145.276.3592.784x3.210.224.244.936.369.2683.729x4.605.245.4652.473.031.5161.938a. 因變量: y共線性診斷a模型維數特征值條件索引方差比例(常量)x1x2x3x4114.5381.000.01.01.00.00.002.2184.558.08.30.03.11.013.1146.304.12.22.19.00.394.0927.013.67.39.07.01