R大作业1

x<-read_excel("F:/桌面/classR/第一次实验课_for student/原始数据表.xls")
x=data.frame(x)

rownames(x)=x[,1]  # 第一列为行名
x=x[,-1]

#(1)计算相关系数矩阵，并对相关系数低于0.2的进行显著性检验。
cor(x)
cor.test(x[,1],x[,6])
cor.test(x[,3],x[,6])


#(2)计算偏相关系数，并对偏相关系数低于0.2的进行显著性检验。
library(ppcor)
pcor(x)

#(3)对各个指标进行正态性检验。（Q-Q图、正态性W检验）
qqnorm(x[,1])
qqline(x[,1])
qqnorm(x[,2])
qqline(x[,2])
qqnorm(x[,3])
qqline(x[,3])
qqnorm(x[,4])
qqline(x[,4])
qqnorm(x[,5])
qqline(x[,5])
qqnorm(x[,6])
qqline(x[,6])

shapiro.test(x[,1])
shapiro.test(x[,2])
shapiro.test(x[,3])
shapiro.test(x[,4])
shapiro.test(x[,5])
shapiro.test(x[,6])

#(4)对我国各地区经济发展状况进行系统聚类（选择一种系统聚类方法即可），利用聚合系数图说明类别数的合理性。
xs=scale(x)  # 标准化
d=dist(xs,method="euclidean")  # 计算样本间的距离
hc=hclust(d,method = "complete")  # 系统聚类
plot(hc,hang=-1)    # 制作谱系图


plot(hc$height[30:1])
plot(hc$height[30:1],type="o")  # 制作聚合系数图并判定类别数

plot(hc,hang=-1)
nhc1=rect.hclust(hc,k=3)  # 聚类数目为3的树状谱系图
print(nhc1)               # 分类

nhc=cutree(hc,k=3)        # 分类的另一种显示方法
nhc
sort(nhc)

colMeans(xs[nhc==1,])           # 第一类各个变量的均值
aggregate(xs,by=list(nhc),mean)   #三类各个变量的均值

#(5)对我国各地区经济发展状况进行K-均值聚类，利用总类内离差平方和图说明类别数的合理性，并根据每类的重心说明各类特征。

library(factoextra)
fviz_nbclust(scale(x),kmeans,method='wss')
km=kmeans(scale(x),4)
km
fviz_cluster(km,scale(x))