提取 方法 ：主 成份 分析 。 a. 分析 协方 差矩 阵时 ，初 始特 征值 在整 个原 始解 和重 标刻 度解 中均 相同 。

　　Y2 的方差和占全部方差的比例为 92.82% 。 由输出结果可得， 前两个主成分 Y1 、 因此选取 Y1 为第一主成分，Y2 为第二主成分，且这两个主成分的方差和占全部方 差的 92.82% ，即 基本上保留了 原来指 标的信息，这样由原 来的 7 个指标转化 为 2 个新指标，起到了降维的作用。

　　研究35个省份的房价差异及其分组；将影响房价的七个指标降维，在损失很 小的情况下，得出几个主成分，使问题得到简化，提高分析效率；因子分析可以 提高对经济现象的分析和解释。

　　通过聚类分析，得出 35 个省份按房价综合指标的分类。我首先对原始变量标 准化，采用组间的类平均法，距离计算选择平方欧氏距离，对样品进行聚类。 聚类分析输出结果：

　　2000 年 以来进入本世 纪，中国大陆房地 产市场改革在 新的一波 房 地产投资 热

　　潮的推动下迅速升温。2001 年房地产投资 6245 亿元，占全社会总投资 36898 亿元 的 16.9%， 到 2004 年 房 地产 投 资升高 到 14480.75 亿元 ， 占社 会 总投 资 58620.28 亿元的 24.7%（2005 年上半年房地产业投资 6193 亿元，总投资 32895 亿元，占比 18。8%)。与此同时，政府也出台多项优惠政策，以期望房地产业成为新兴的支柱 产业。使用的方法包括，退还个人所得税，降低交易契税，放宽银行贷款条件，加 大房地产业扶持力度等等。在这种背景下，房价开始迅速窜升。 针对 2012 年天价房地产的的现状，进一步深入探究房价出现种种问题的根源 所在，加强对当前我国房价的认识，我就房价问题展开了深入的分析研究。

　　通过主成分分析， 在损失很少信息的前提下， 把七个指标转化为几个综合指标， 转化成的综合指标即为主成分，其中每个主成分都是原始变量的线性组合，且各个 主成分之间互不相关，这样使得主成分比原始变量具有更优越的性能。 主成分分析结果：

　　目前国内有很多关于房价上涨的报道，其原因也多种多样。自进入 21 世纪以 来， 房价问题的社会关注度不断提高， 不断攀升的房价让越来越多的民众叫苦不迭， 买房难成了社会上的普遍问题。尽管如此，地方政府的抬价，开发商的炒作，媒体 的九游娱乐文化 九游app官方入口肆意报道，买房投资者的推波助澜，让房价泡沫日趋增大。

　　其中 X 1 、 X 2 、 X 3 、 X 4 、 X 5 、 X 6 、 X 7 是对原始变量标准化后的变量。 此案例中有 7 个指标，这 7 个指标有很强的依赖性，通过主成分计算后，我们 选择了 2 个主成分，这 2 个主成分具有明显的经济意义。第一个主成分中，房地产

　　利用 SPSS 软件，运用聚类分析、主成分分析以及因子分析的方法，对关于房 价的数据进行分析，得出结论。采用 2012 年我国 35 个主要省份的房地产开发投资 额、商品房销售面积、国内生产总值、城乡居民储蓄年末余款、地方财政预算内收 入、年末总人口数以及在岗职员平均工资这七个指标，来研究影响房价的因素。

　　根据聚类分析的输出结果，35 个省份根据这七个指标可以分为四类。在距离 为 10 的位置往下切，得到如下的分类结果：1：{北京，上海}；2：{重庆}；3：{天 津，广州}；其他的省份分到第 4 类。从各个省份的实际指标值看，重庆在七项指 标上都与其他省份存在显著差异， 归为一类比较合适。 北京和上海的经济比较发达， 故其可分为一类。天津和广州差异很小，故单独归为一类。由此可看出，经济越发 达的城市，房价水平越高，经济水平相近的城市，房价水平也相近。

　　由上可得：主成分对各原始变量的信息提取都很充分，达 90% 以上，信息损失 量较小，主成分对各原始变量的信息提取相对充分。

　　为了进一步研究中国房价上涨的原因，我选取了房地产开发投资额、商品房销 售面积、国内生产总值、城乡居民储蓄年末余款、地方财政预算内收入、年末总人 口数以及在岗职员平均工资这七个指标对这个问题进行分析。 由于各个指标的单位 不一致，故先将各指标数据进行标准化。然后就这七个指标对 35 个省份进行聚类 分析，得出各地房价的差异性。继而对这七个指标进行主成分分析，分析这七个变 量之间的相关关系，找出两个可以代表全局的主成分。最后再进行因子分析，根据 相关性的大小把原始变量分组，从而找出少数几个主要因子。以下是 通过 SPSS 软 件分析房价问题的起因，针对 2012 年各省份关于房地产的的数据，进一步深入探 究房价出现种种问题的根源所在，了解房价上涨的内在原因。 关键词：房价上涨，SPSS 九游娱乐文化 九游app官方入口软件，聚类分析，主成分分析，因子分析