多元统计分析及R语言建模（第五版）——第8章

8.3假定2002 年我国 35 个核心城市综合竞争力评价指标为：
x1-﹣国内生产总值（亿元）;
x2-﹣一般预算收入（亿元）;
x3-﹣固定资产投资（亿元）;
x4-﹣外贸进出口（亿美元）;
x5-﹣城市居民人均可支配收入（元）;
x。-﹣人均国内生产总值（元）;
x,-﹣人均贷款余额（元）。
 

(1) 求样本相关系数阵 R 及特征根和特征向量。
(2）确定前两个主成分所解释的总样本方差的比例，并解释这些主成分。
(3）对这35个核心城市综合竞争力进行综合排名。
 

地区	X1	X2	X 3	X4	X5	X6	X7
上海	5408.8	717.8	2158.4	726.6	13250	36206	52645
北京	3130	534	1814.3	872.3	12464	24077	61369
广州	3001.7	245.9	1001.5	525.1	13381	38568	67116
深圳	2239.4	303.3	478.3	279.3	24940	136071	187300
天津	2022.6	171.8	811.6	228.3	9338	20443	25784
重庆	1971.1	157.9	995.7	17.9	7238	9038	10113
杭州	1780	118.3	769.4	131.1	11778	38247	73948
成都	1663.2	78.3	702.1	20.8	8972	20111	35764
青岛	1518.2	100.7	367.8	169.3	8721	26961	32722
宁波	1500.3	111.8	747.2	122.7	12970	35446	42341
武汉	1493.1	85.8	570.4	22	7820	16206	18033
大连	1406	98.7	601.3	146	8200	29706	38514
沈阳	1400	92.5	402	28.6	7050	19407	26598
南京	1295	144.1	602.9	10.1	9157	27128	55325
哈尔滨	1232.1	67.7	361.1	17.1	7004	18244	25825
济南	1200	66.3	404.7	14.9	8982	25192	36975
石家庄	1184	44.5	412.3	11.4	7230	25476	42322
福州	1160.2	60.2	284	61	9191	31582	49941
长春	1150	37.8	320.5	28.9	6900	21336	35233
郑州	926.8	54.2	340	10.4	7772	16028	32598
西安	823.5	60.1	338.2	18.7	7184	15493	23596
长沙	810.9	46.1	362.6	16.6	9021	23942	29313
昆明	730	54.7	290	13.4	7381	24109	33445
厦门	648.3	64.3	211.7	151.9	11768	38567	34799
南昌	552	25.7	137	9.1	7021	18388	22288
太原	432.2	26.8	147.6	15.1	7376	12821	26118
合肥	412.4	29.1	168.6	23	7144	17770	40956
兰州	386.8	21.1	194.5	5.1	6555	15051	31075
南宁	356	26.2	122.9	5.5	8796	16121	31689
乌鲁木齐	354	37.3	147.9	6.4	8653	17655	3772
贵阳	336.4	33	187.4	5.7	7306	11728	20768
呼和浩特	300	16.6	131.3	3.4	6996	11789	23439
海口	157.9	8.5	82.6	11.3	8004	23920	69733
银川	133	11.1	73	2.3	6848	11975	28367
西宁	121.3	7.2	77.4	1	6444	6676	17114

library(openxlsx)
d8.3=read.xlsx("E:/多元统计分析及R语言建模/mvexer5.xlsx",sheet ="E8.3",rowNames = T)
d8.3
X=data.frame(d8.3)
R=cor(X);R#相关系数矩阵
R.e=eigen(R,symmetric = T);R.e#特征根
R.e$vectors%*%diag(R.e$values)%*%t(R.e$vectors)#特征向量

source("E:/msaR.R",encoding = "utf-8")#要添加解码方式，否则报错
PC=msa.pca(d8.3,cor=T);PC
PC$vars#可得两个主成分占总体样本方差的94.26，基本代表所有指标的信息量

PC$ranks
biplot(PC$scores,PC$loadings)
abline(h=0,v=0,lty=3)#拟合线，双重信息图
#Comp.1高的：上海 深圳 北京 广州 杭州。这几个明显高于其他，说明这几个核心城市的总体发展水平高，竞争力也高
#深圳在comp。2远远高于其他城市，说明深圳的人均发展水平较高