142326 (726539), страница 4

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 4)

Таблица 11 «Значимость переменных при разбиении на 6 кластеров»

	Sig.
zFond	,000
zSdohod	,000
zSzarplata	,000
zSpensii	,000
zChislMin	,000

Из таблицы дисперсионного анализа можно проанализировать результаты кластеризации, оценив значимость всех переменных. Значимость всех переменных получилась удовлетворительной по уровню 0.05, это говорит о том, что все переменные оказывают достаточно сильное влияние на результаты кластеризации.

Вероятнее всего, явных кластеров в пространстве наших переменных не существует. Учитывая, что многие из исходных переменных имели распределение, близкое к нормальному, скорее всего, рабочая модель распределения регионов в социально-экономическом пространстве выглядит как общероссийский центр с основной массой регионов с характеристиками, близкими к среднероссийскому уровню и небольшое количество «периферийных» регионов, чья структура в силу особенностей конкретного региона заметно отличается от среднероссийской.

Это значит, что можно предложить другие, равнозначные варианты группировки. Разделить на другое количество кластеров, использовать другие показатели или их комбинации и т.д.

Выводы

В результате проделанной работы удалось обобщить и проанализировать исходные данные по социально-экономическому положению регионов РФ по состоянию на конец 2004 года. Был выбран метод проведения исследования и построения статистической модели. На основе иерархического кластерного анализа были сделаны предварительные выводы о возможном разбиении на кластеры. Окончательная кластеризация проведена с помощью метода k-средних.

В полученной 6-кластерной модели обнаружены значительные различия в социальном и экономическом развитии регионов, попавших в разные кластеры. Особенности каждого кластера были рассмотрены, также были предложены возможные причины данных особенностей. Был получен один большой кластер, отражающий характерное в среднем положение регионов по России, а также 5 более мелких, менее характерных для России кластера.

В работе удалось обнаружить, что большинство регионов находится в положении близком к среднему по всей России, и лишь небольшая часть регионов сильно отличается от средних показателей. В основном это было заметно на бедных регионах Кавказа и богатых регионов центральной части РФ. Примером может послужить Москва постоянно отделявшаяся в обособленный кластер.

Тем не менее, полученная группировка регионов может быть использована в дальнейшем. Ее можно верифицировать на более поздних данных. Если изменений мало, значит полученная классификация хотя и являлась одной из многих возможных, но всё-таки не случайна.

В работе использовались данные Росстата за 2004 год, которые к настоящему моменту уже несколько устарели. На веб-сайте Госкомстата [3] уже имеются данные о начисленных пенсиях, зарплатах и прожиточном минимуме даже за 2006 год, однако не все исследованы показатели даны в разрезе по регионам (например, индекс Джини или коэффициент фондов даны только в целом по России). Но если запастись свежим статистическим сборником (имеется аналогичный сборник 2006 года), например, то можно построить аналогичную модель по новым данным и сравнить. Возможно, ситуация осталась такой же, возможно появились какие-то изменения, и тогда можно будет поставить вопрос о причине переходов регионов из одного кластера в другой, о смене типологий.

Список использованных источников

1. Социальное положение и уровень жизни населения России. 2005: Стат. сб. / Росстат. -М., 2005

2. Беляева, Л.А. Материальное неравенство в России. Реальность и тенденции // Социологические исследования, 2007, №11.

3. Федеральная служба государственной статистики, http//www.gks.ru

4. Бююль, А., Цёфель, П. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. – Диасофт, 2005

5. Решение задач в программе SPSS, http://www.spsstools.ru

6. SPSS 13.0. Справочная система.

7. Гайдышев, И. Анализ и обработка данных. Специальный справочник – С.-Пб., 2001

8. Кластерный анализ в задачах социально-экономического прогнозирования, http://www.ref.by/refs/49/28133/1.html

9. Интернет-университет информационных технологий. 13. Лекция: Методы кластерного анализа. Иерархические методы, http://www.intuit.ru/department/database/datamining/13/datamining_13.html

10. Кунец Н.Л. Кластерный анализ в портфельном инвестировании. Курсовая работа. http://www.5ballov.ru/referats/preview/71794/1

Приложение. Порядок выполнения анализа в SPSS

1. Перенесём табличную информацию (исходные данные) из статистического сборника в файл Excel, подписав вверху названия переменных (Gini, Fond и т.д., чтобы затем их SPSS прочёл как переменные);

2. Загрузим SPSS и импортируем туда сохранённые данные из Excel (File – Open – Data, указать тип .xls);

3. При необходимости можно подписать метки переменных;

4. Получим описательную статистику показателей (Analyze – Descriptive Statistics – Descriptives);

5. Удалим из файла данных те регионы, где отсутствует полная информация по всем показателям (осталось 70);

6. Стандартизируем показатели (повторим Analyze – Descriptive Statistics – Descriptives с флажком Save standardized values as variables;

7. Построим гистограммы показателей (Graph – Histogram);

8. Найдём корреляции показателей (Analyze – Correlate – Bivariate);

9. Удалим из файла данных Москву;

10. Проведём пробный иерархический анализ (Analyze – Classify – Hierarchical Cluster);

11. Найдём координаты кластерных центров для сохранённого решения с 6 кластерами (Analyze – Compare Means – Means);

12. Проведём кластеризацию на 6 кластеров с методом k-средних (Analyze – Classify – K-Means Cluster).

Характеристики

Список файлов реферата