当前位置:主页 > 科技论文 > 软件论文 >

主成分分析和聚类在辽宁省城市职工工资分析中的应用

发布时间:2017-04-05 06:02

  本文关键词:主成分分析和聚类在辽宁省城市职工工资分析中的应用,,由笔耕文化传播整理发布。


【摘要】:随着我国经济的快速发展,国民的经济水平也相应的得到了很大的提高,为保证国家和社会的和谐发展,国民的收入需要相应的得到基本的保证和合理的提高。工资水平是由企事业单位按照自身的经营或管理需求来确定的,国家规定了最低工资,一方面也是兼顾目前的实际经济形势,以保证企业的经营稳定性,另一方面也要顾及职工的基本生活需求,促使企业承担起自己的社会责任,努力提高企业的盈利水平,总体的思想是兼顾职工与企业的利益,达到双赢的目的。因此,一个地区的工资水平不仅是居民生活水平的体现,也反映了当地经济发展现状,具有较高的研究价值。本文数据来源是《辽宁省统计年鉴-2015》,辽宁省统计年鉴是一部资料性的年刊,信息高度密集,全面统计了辽宁省经济方面、科技方面、社会方面等的数据,从多个方面反映了辽宁省的发展情况。将辽宁省14个地级城市职工工资方面的数据进行统计,主要包括2011年至2014年在岗职工工资方面数据和2014年各个行业在岗平均工资,共计52个工资方面的指标。本文主要研究内容是辽宁省城市职工工资方面的分析。通过数据挖掘中的算法,对辽宁省城市在职工工资方面进行分析,主要完成了以下两个任务。第一,主成分得分在辽宁省城市职工工资方面排名中的应用。主成分分析是一种综合的统计方法,它将多个综合指标转化成少数主成分,将高维数据信息转化成低维的主成分信息,并且低维的少数几个主成分信息能够反映原始数据属性变量的绝大多数的数据信息。利用主成分分析,将统计数据中的52个工资方面指标进行降维,得到3个主成分,通过计算主成分得分,对辽宁省14个城市在职工工资方面进行综合排名,并且针对排名结果进行分析。第二,主成分聚类在辽宁省城市职工工资方面聚类中的应用。聚类分析是数据挖掘中比较重要的一种算法。K-means算法属于聚类分析中比较常用的一种算法,K-means算法是一种广泛的划分算法,它的优点是能够处理大量的数据集,能够对高维数据进行聚类,并且效果比较好。K均值聚类算法的特点是尽量将相同或者相似的对象聚集在一起,而不相同或者差异较大的对象则被分在不同的类中。主成分聚类算法就是将主成分分析算法和K均值聚类算法相结合,先进行主成分分析,然后进行聚类。将主成分分析得到的3个主成分结果进行整理,针对14个地级城市进行聚类,将14个地级城市在职工工资方面进行聚类,分成三类,并根据聚类结果进行分析,为辽宁省职工工资方面提供参考性信息。
【关键词】:主成分分析 聚类分析 职工工资 主成分聚类
【学位授予单位】:吉林大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:F249.24;TP311.13
【目录】:
  • 摘要4-6
  • Abstract6-10
  • 第1章 绪论10-18
  • 1.1 研究背景10-11
  • 1.2 辽宁省城市情况介绍11-14
  • 1.4 数据来源14-15
  • 1.5 本文的主要工作和目的15-16
  • 1.6 本文的主体框架16-17
  • 1.7 本章小结17-18
  • 第2章 主成分聚类18-29
  • 2.1 主成分分析18-20
  • 2.2 SPSS软件20-21
  • 2.3 聚类分析21-26
  • 2.3.1 聚类分析简介21-23
  • 2.3.2 K均值聚类分析23-26
  • 2.3.3 MATLAB26
  • 2.4 主成分分析和聚类结合的思想26-27
  • 2.5 主成分聚类的具体实现算法27
  • 2.6 本文选择主成分聚类的原因27-28
  • 2.7 本章小结28-29
  • 第3章 主成分得分在辽宁省城市职工工资方面排名中的应用29-44
  • 3.1 数据预处理29-30
  • 3.2 主成分分析过程30-41
  • 3.3 主成分得分及综合得分排名41-43
  • 3.4 本章小结43-44
  • 第4章 主成分聚类在辽宁省城市职工工资方面聚类中的应用44-47
  • 4.1 主成分聚类模型44
  • 4.2 主成分聚类过程44-45
  • 4.3 主成分聚类结果45-46
  • 4.4 本章小结46-47
  • 第5章 总结及展望47-49
  • 5.1 全文总结47-48
  • 5.2 展望48-49
  • 参考文献49-54
  • 作者简介及在学期间所取得的科研成果54-55
  • 致谢55

【相似文献】

中国期刊全文数据库 前10条

1 李汶华;城市综合实力增长的比较[J];数理统计与管理;2000年01期

2 朱晓峰;协方差矩阵和相关系数矩阵下主成分分析比较研究[J];中国体育科技;2005年03期

3 徐雅静;汪远征;;主成分分析应用方法的改进[J];数学的实践与认识;2006年06期

4 王建民;王传旭;杨力;余忠林;王运祥;;基于主成分分析模型的煤矿企业员工满意度实证研究[J];安徽理工大学学报(社会科学版);2007年02期

5 王学民;;主成分分析和因子分析应用中值得注意的问题[J];统计与决策;2007年11期

6 王斌会;;稳健主成分分析方法研究及其在经济管理中的应用[J];统计研究;2007年08期

7 史伟波;;主成分分析与因子分析在实践应用中的辨析[J];统计与咨询;2007年04期

8 艾伦;艾霁野;;主成分分析在教育装备管理评价指标体系建立中的应用[J];中国教育技术装备;2008年18期

9 奚胜田;詹原瑞;;基于主成分分析的债券风险度量研究[J];宁夏大学学报(人文社会科学版);2008年02期

10 富伯亭;杨海燕;;主成分分析在实际中应用的探索[J];山西广播电视大学学报;2010年01期

中国重要会议论文全文数据库 前10条

1 么彩莲;魏宁;;关于主成分分析的改进方法探讨[A];中国现场统计研究会第12届学术年会论文集[C];2005年

2 陈明星;缪柏其;靳韬;;利率影响因素的主成分分析与因子分析[A];中国现场统计研究会第12届学术年会论文集[C];2005年

3 孙晓东;胡劲松;焦s

本文编号:286567


资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/286567.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户dd35c***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com