1、1城市规模结构分析摘要本文解决的是用聚类分析的方法解决城市规模结构。城市规模结构主要由城市规模，城市首位度，基尼系数等构成，故分析便从这几个方面入手。聚类分析是一种建立分类的多元统计分析方法，它能够将一批样本数据根据其诸多特征，按照在性质上的亲属程度在没有先验知识的情况下进行自动分类，产生多个分类结果。问题是要将这些省，自治区进行分类，我们将数据整理，导入 SPSS13.0 软件中，进行聚类分析，而聚类分析的结果使得城市规模得以分类。关键词：聚类分析2 问题重述表 49 是 1999 年中国省、自治区的城市规模结构特征的一些数据，试通过聚类分析将这些省、自治区进行分类。表 49 城市规模结构特
2、征数据 问题分析城市规模结构主要由城市规模，城市首位度，基尼系数等构成，故分析便从这几个方面入手。聚类分析是一种建立分类的多元统计分析方法，它能够将一批样本数据根据其诸多特征，按照在性质上的亲属程度在没有先验知识的情况下进行自动分类，产生多个分类结果。问题是要将这些省，自治区进行分类，我们将数据整理，导入 SPSS13.0 软件中，进行聚类分析。 模型假设1. 假设城市规模只由城市规模，城市首位度，基尼系数等这 5 个因素决定；2. 假设不考虑其他因素对数据的影响；3 符号说明1. ：城市规模（万人）x12. ：城市首位度23. ：城市指数34. ：基尼指数45. ：城市规模中位值（万人）x5
3、 模型的建立与求解聚类分析：验证城市规模，城市首位度，城市指数，基尼系数，城市规模中位数之间的相关系数，看是否存在相关性。将数据导入到 SPSS13.0 软件中，得到这五者的相关性，如下：Correlations1 .033 .340 .374 .404*.871 .083 .055 .0371074356 337.934 1022.709 200.747 12034.85641321.366 12.997 39.335 7.721 462.87927 27 27 27 27.033 1 .704* .468* -.226.871 .000 .014 .257337.934 98.305 20
4、.260 2.405 -64.46912.997 3.781 .779 .092 -2.48027 27 27 27 27.340 .704* 1 .223 -.075.083 .000 .263 .7101022.709 20.260 8.429 .336 -6.26639.335 .779 .324 .013 -.24127 27 27 27 27.374 .468* .223 1 -.336.055 .014 .263 .087200.747 2.405 .336 .269 -5.0087.721 .092 .013 .010 -.19327 27 27 27 27.404* -.226
5、 -.075 -.336 1.037 .257 .710 .08712034.856 -64.469 -6.266 -5.008 827.353462.879 -2.480 -.241 -.193 31.82127 27 27 27 27Pearson CorrelationSig. (2-tailed)Sum of Squares andCross-productsCovarianceNPearson CorrelationSig. (2-tailed)Sum of Squares andCross-productsCovarianceNPearson CorrelationSig. (2-
6、tailed)Sum of Squares andCross-productsCovarianceNPearson CorrelationSig. (2-tailed)Sum of Squares andCross-productsCovarianceNPearson CorrelationSig. (2-tailed)Sum of Squares andCross-productsCovarianceNx1x2x3x4x5x1 x2 x3 x4 x5Correlation is significant at the 0.05 level (2-tailed).*. Correlation i
7、s significant at the 0.01 level (2-tailed).*. 图1 五者的相关性从图 1 的数据中可以看出，某些指标之间确实有较强的相关性，可以选取其中的有代表性的几个指标进行聚类分析：4Descriptive Statistics27 11.8 923.2 219.116 203.2766 5.362 .87227 1.0018 8.2695 2.974526 1.9444688 1.247 .87227 .3417 2.4413 1.152174 .5693925 .140 .87227 .3798 .8098 .528415 .1016458 1.906 .
8、87227 7.32 27.38 15.7009 5.64103 -.715 .87227x1x2x3x4x5Valid N (listwise)Statistic Statistic Statistic Statistic Statistic Statistic Std. ErrorN Minimum Maximum MeanStd.Deviation Kurtosis图2从图2可以看出，城市首位度，城市指标这两个指标之间具有较大相关性，最先被聚到一起，其次，城市规模与城市规模中位值也具有一定的相关性，被聚为第二类，基尼指数单独为一类。根据这五个指标对27个地区进行聚类分析。得到：Verti
9、cal IcicleXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX X XXXX XXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX X XXXX XXXXXXX XXXXXXX XXXXX
10、XXXXXXXXXXXXXXXXXXXXXXXX X XXXX X XXXXX XXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXX X XXXX X XXXXX XXXXXXX XXXXXXXXXXXXXXXXXXXXXXX XXXXX X XXXX X X XXX XXXXXXX XXXXXXXXXXXXXXXXXXXXXXX XXXXX X XXXX X X XXX X XXXXX XXXXXXXXXXXXXXXXXXXXXXX XXXXX X XXXX X X XXX X XXXXX XXXXXXXXXXXXXXX XXXXXXX XXXXX X XXXX X X
11、 XXX X XXXXX XXXXXXXXXXXXXXX XXXXXXX X XXX X XXXX X X X X X XXXXX XXXXXXXXXXXXXXX XXXXXXX X XXX X XX X X X X X X XXXXX XXXXXXXXXXXXXXX XXXXXXX X XXX X XX X X X X X X X XXX XXXXXXXXXXXXXXX XXXXXXX X XXX X XX X X X X X X X XXX XXXXXXXXXXXXXXX X XXXXX X XXX X XX X X X X X X X XXX XXXXX XXXXXXXXX X XXXX
12、X X XXX X XX X X X X X X X XXX XXXXX XXXXXXXXX X X XXX X XXX X XX X X X X X X X XXX XXXXX XXXXXXXXX X X XXX X X X X XX X X X X X X X XXX XXXXX XXX XXXXX X X XXX X X X X XX X X X X X X X XXX XXX X XXX XXXXX X X XXX X X X X XX X X X X X X X XXX XXX X XXX XXXXX X X X X X X X X XX X X X X X X X XXX XXX
13、X XXX X XXX X X X X X X X X XX X X X X X X X XXX XXX X X X X XXX X X X X X X X X XX X X X X X X X X X XXX X X X X XXX X X X X X X X X XX X X X X X X X X X X X X X X X XXX X X X X X X X X XNumber of clusters1234567891011213141516171819202122324252623: 6:- 14: 16: 19: 4: 22: 25: 26: 18: 24: 20: 13: 27: 11:- 21: 15: 8:- 9: 17: 10: 3: 5: 12: 2: 7: 1:Case图3由图4的数据可知，城市规模可分为多种，按三类分：第一类：京津冀，苏沪；第二类：青海；第三类:其他地区。 模型评价与改进1. 数据较多，不容易理解；2. 题中所给的数据可靠性不能保证；
