多元统计分析及R语言建模（王斌会）第五、六、七章答案

3）某银行从历史贷款客户中随机抽取16个样本，根据设计的指标体系分别计算他们的“商业信用支持度”()和“市场竞争地位等级”（),类别变量G中，1代表贷款成功，2代表贷款失败。

表1.银行客户样本数据

客户	x1	x2	G	客户	x1	x2	G
1 2 3 4 5 6 7 8	40 35 15 29 1 -2 22 10	1 1 -1 2 2 1 0 1	1 1 1 1 1 1 1 1	9 10 11 12 13 14 15 16	125 100 350 54 4 2 -10 131	-2 -2 -1 -1 -1 0 -1 -2	2 2 2 2 2 2 2 2

（1）为了给正确贷款提供决策支持，请建立Logistic模型进行分析；

R语言程序代码如下：

> library(openxlsx)

> a = read.xlsx('E:/mvexer5.xlsx','E5.3')#查找并读取数据对应的表格

> a

> logit.glm <- glm(G ~ x1 + x2,data = a) #建立Logistic回归模型

> summary(logit.glm)#Logistic回归模型结果

在Rstudio中运行结果如下：

图1.读取E5.3表格中的信息

图2.建立Logistic回归模型

       由图可知logistic拟合的模型x1（商业信用支持度）的P=0.5712>0.05，x2（市场竞争地位等级）的P=0.0013<0.05，说明商业信用支持度对贷款没有显著影响，市场竞争地位等级对贷款有影响。
（2）根据建立的模型，判定是否给某用户（x1 = 131,x2 = -2）提供贷款

R语言程序代码如下：

> logit.step <- step(logit.glm,direction = 'both')#逐步筛选法变量选择

> summary(logit.step)#结果

> pre1 <- predict(logit.glm,data.frame(x1 = 131,x2 = -2))#Logistic回归模型预测

> pre1

> pre2 <- predict(logit.step,data.frame(x1 = 131,x2 = -2))#逐步筛选法预测

> pre2

在Rstudio中运行结果如下：

图3.逐步筛选法及两种预测

由图知：两种预测都为2，所以不会给用户提供贷款。

1）判别分析的基本思想是什么？

Fisher判别法：基本思想是投影，具体地说，就是将k维数据投影到某一个方向，使得投影后类间的差异尽可能大，各类内部的差异尽可能小。

距离判别法：其基本思想是根据已知分类数据，分别计算各类的重心即各组的均值，判别准则是对任给的一次观测，若它与第i类的重心距离最近，就认为它来自第i类。

Bayes判别法：假设对研究对象的总体已有一定的认知，常用先验概率分布来描述这种认知，然后抽取一个样本，用样本来修正已有的认知（先验概率的分布），得到后验概率分布。各种统计判断都是通过后验概率分布来进行。

5）植物分类的判别分析：费歇（Fisher)于1936年发表的鸢尾花（Iris)数据被广泛的作为判别分析的例子。数据是对3种鸢尾花（g):刚毛鸢尾花（第1组）、变色鸢尾花（第2组）和佛吉尼亚鸢尾花（第3组）各抽取一个容量为50的样本，测量其花萼长（sepallen,),花萼宽（sepalwide, )、花瓣长（petallen, )、花瓣宽（petalwide, ),单位为mm，数据见表2。试对该数据进行Fisher判别分析和Bayes判别分析。

表2.鸢尾花（Iris)数据

第一组

第二组

第三组

i

i

i

1 2 3 4 5 6 … 46 47 48 49 50

5.1 4.9 4.7 4.6 5.0 5.4 … 4.8 5.1 4.6 5.3 5.0

3.5 3.0 3.2 3.1 3.6 3.9 … 3 3.8 3.2 3.7 3.3

1.4 1.4 1.3 1.5 1.4 1.7 … 1.4 1.6 1.4 1.5 1.4

0.2 0.2 0.2 0.2 0.2 0.4 … 0.3 0.2 0.2 0.2 0.2

51 52 53 54 55 56 … 96 97 98 99 100

7.0 6.4 6.9 5.5 6.5 5.7 … 5.7 5.7 6.2 5.1 5.7

3.2 3.2 3.1 2.3 2.8 2.8 … 3 2.9 2.9 2.5 2.8

4.7 4.5 4.9 4 4.6 4.5 … 4.2 4.2 4.3 3 4.1

1.4 1.5 1.5 1.3 1.5 1.3 … 1.2 1.3 1.3 1.1 1.3

101 102 103 104 105 106 … 146 147 148 149 150

6.3 5.8 7.1 6.3 6.5 7.6 … 6.7 6.3 6.5 6.2 5.9

3.3 2.7 3 2.9 3 3 … 3 2.5 3 3.4 3

6 5.1 5.9 5.6 5.8 6.6 … 5.2 5 5.2 5.4 5.1

2.5 1.9 2.1 1.8 2.2 2.1 … 2.3 1.9 2 2.3 1.8

将mvexer5.xlsx中E6.5中表格里面的信息添加G一列，并将第一组G设为1，第二组设为2，第三组设为3并放入a1表中。

R语言程序代码如下：

> library(openxlsx)

> a = read.xlsx('E:/mvexer5.xlsx',sheet = 'a1') #查找并读取数据对应的表格

> a

#Fisher判别分析

> attach(a)#绑定数据

> library(MASS)

> ld=lda(G ~ x1+x2+x3+x4,data = a);ld

> pre = predict(ld)#根据判别模型预测所属类别

> G1 = pre$class

> head(data.frame(G,G1))#显示结果

> tab1 = table(G,G1);tab1#判别矩阵

> sum(diag(prop.table(tab1)))#判对率

#Bayes判别分析

> ld=lda(G ~ x1+x2+x3+x4,data = a,prior = c(1,2,3)/6);ld#先验概率不等的判别模型

> pre2 = predict(ld)

> G2 = pre2$class

> tab2 = table(G,G2);tab2#判别矩阵

> sum(diag(prop.table(tab2)))#判对率

在Rstudio中运行结果如下：

 

图4.读取表格a1的数据

图5.Fisher判别分析

图6.Bayes判别分析

5）下面给出5个元素两两之间的距离，试用各种距离对其进行聚类分析，画出聚类图，并按两类、三类进行分类。

 

R语言程序代码如下：

> x1 <- c(0,10,13,12,11)

> x2 <- c(10,0,25,24,23)

> x3 <- c(13,25,0,1,3)

> x4 <- c(12,24,1,0,2)

> x5 <- c(11,23,3,2,0)

> x <- rbind(x1,x2,x3,x4,x5)

> y <- as.dist(x)

> y

#最短距离法

> hc = hclust(y,"single");hc

> names(hc)

> data.frame(hc $ merge,hc $ height)

> plot(hc);rect.hclust(hc,2)

> cutree(hc,2)

> plot(hc);rect.hclust(hc,3)

> cutree(hc,3)

#最长距离法

> hc = hclust(y);hc

> names(hc)

> data.frame(hc $ merge,hc $ height)

> plot(hc);rect.hclust(hc,2)

> cutree(hc,2)

> plot(hc);rect.hclust(hc,3)

> cutree(hc,3)

#类平均法

> hc = hclust(y,"average");hc

> names(hc)

> data.frame(hc $ merge,hc $ height)

> plot(hc);rect.hclust(hc,2)

> cutree(hc,2)

> plot(hc);rect.hclust(hc,3)

> cutree(hc,3)

在Rstudio中运行结果如下：

图7.最短距离法

图8.最长距离法

图9.类平均法

2）为了比较全国31个省、市、自治区1996年和2007年城镇居民生活消费的分布规律，根据调查资料做区域消费类型划分。并将1996年和2007年数据进行对比分析。今收集了8个反应城镇居民生活消费结构的指标，…试对该数据进行聚类分析。

x1——人均食品支出（元/人）

x2——人均衣着商品支出（元/人）

x3——人均家庭设备用品及服务支出（元/人）

x4——人均医疗保健支出（元/人）

x5——人均交通和通信支出（元/人）

x6——人均娱乐教育文化服务支出（元/人）

x7——人均居住支出（元/人）

x8——人均杂项商品和服务支出（元/人）

R语言程序代码如下：

> library(openxlsx)

> a = read.xlsx('E:/mvexer5.xlsx',sheet = 'E7.2',rowNames = T);a

#K-means聚类

> km = kmeans(a,2)#分二类

> km$cluster

> km = kmeans(a,3)#分三类

> km$cluster

> km = kmeans(a,4)#分四类

> km$cluster

在Rstudio中运行结果如下：

图10.读取E7.2表格中的数据

图11.K-means聚类分析