spss在市場(chǎng)調(diào)研中的應(yīng)用(文件)
【正文】 平下的購(gòu)買顧慮值有顯著差異。 據(jù)世界銀行的研究，汽車保有量 (尤其是私人汽車 )與人均國(guó)民收入成正比。隨著私人汽車消費(fèi)時(shí)代的到來，汽車保有量上升的一個(gè)重要因素就是國(guó)內(nèi)汽車消費(fèi)的快速增長(zhǎng)。 請(qǐng)根據(jù)附表中的相關(guān)數(shù)據(jù)分析影響該地區(qū)私人汽車保有量的因素，并預(yù)測(cè)到 2020年該地區(qū)私人汽車保有量有多少？ 實(shí)例的 SPSS軟件操作詳解 本實(shí)例要求分析人均國(guó)內(nèi)生產(chǎn)總值、全社會(huì)消費(fèi)品零售總額等因素對(duì)私人汽車保有量的影響情況，并做相應(yīng)的預(yù)測(cè)分析。 具體操作步驟如下： Step01：打開數(shù)據(jù)文件 打開數(shù)據(jù)文件 。 在主話框中，單擊 【 Score(尺度 )】 按鈕，勾選 【 Save as variables(保存變量 )】 復(fù)選框，表示采用回歸法計(jì)算因子得分并保持在原文件中；同時(shí)勾選 【 Display factor score coefficient matrix(顯示因子得分系數(shù)矩陣 )】 復(fù)選框，表示輸出因子得分系數(shù)矩陣。于是可以考慮利用它來對(duì)私車保有量進(jìn)行預(yù)測(cè)。同時(shí)，選擇 “ FAC11”變量設(shè)定為自變量，將其添加至 【 Variable(變量 )】列表框中。 Step04：預(yù)測(cè)私車保有量 在得到了私車保有量和綜合經(jīng)濟(jì)發(fā)展值的模型后，要預(yù)測(cè)私車保有量在 2020的數(shù)量，則首先需要估計(jì)綜合經(jīng)濟(jì)發(fā)展值在 2020的取值，利用線性回歸模型得到經(jīng)濟(jì)發(fā)展值的預(yù)測(cè)值后，帶入 Logistic函數(shù)就可以估計(jì)出 2020年該地區(qū)的私車保有量了。第二列列出了按指定提取條件提取特征根時(shí)的共同度。因此只選取第一個(gè)因子為主因子即可。從結(jié)果看，第一主因子在這六個(gè)指標(biāo)上的載荷值都很大，說明它綜合反映了該地區(qū)綜合經(jīng)濟(jì)發(fā)展值，故可以作為綜合經(jīng)濟(jì)發(fā)展值看待。 （ 2）模型匯總及參數(shù)估計(jì) 表 137給出了樣本數(shù)據(jù)進(jìn)行 Logistic回歸的檢驗(yàn)統(tǒng)計(jì)量和相應(yīng)方程中的參數(shù)估計(jì)值。 采用曲線估計(jì)中的線性回歸選項(xiàng)可以估計(jì)得到預(yù)測(cè)方程如下： 于是計(jì)算得到綜合經(jīng)濟(jì)發(fā)展變量在 2020的取值為 F A C 1_1= + t? （ 2）預(yù)測(cè)私車保有量 在計(jì)算得到綜合經(jīng)濟(jì)發(fā)展變量的預(yù)測(cè)值后，帶入 Logistic回歸模型，于是得到該地區(qū)在 2020的私車保有量為： 11 1 0 0 0 0 .0 7 2 0 .2 8 7y ????。得到估計(jì)方程如下： 11 1 0 0 0 0 .0 7 2 0 .2 8 7 xy ? ??（ 3）擬合曲線圖 最后給出的是實(shí)際數(shù)據(jù)的散點(diǎn)圖和 Logistic回歸方程的預(yù)測(cè)圖，這進(jìn)一步說明方程的擬合效果最好。同時(shí)在原數(shù)據(jù)瀏覽窗口中新增了變量 “ FAC1_ 1”，它表示不同年份的綜合經(jīng)濟(jì)發(fā)展值。 （ 4）因子載荷矩陣 表 134顯示了因子載荷矩陣。 （ 2）因子分析的總方差解釋 接著計(jì)算得到相關(guān)系數(shù)矩陣的特征值、方差貢獻(xiàn)率及累計(jì)方差貢獻(xiàn)率結(jié)果如表 133所示。第一列是因子分析初始解下的變量共同度。注意，這里的上限值可以調(diào)整完善。 選擇菜單欄中的 【 Analyze(分析 )】 → 【 Regression(回歸 )】 →【 Curve Estimation(曲線估計(jì) )】 命令，彈出 【 Curve Estimation(曲線估計(jì) )】 對(duì)話框。 單擊 【
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1