spss在市場調研中的應用(文件)
【正文】 平下的購買顧慮值有顯著差異。 據世界銀行的研究，汽車保有量 (尤其是私人汽車 )與人均國民收入成正比。隨著私人汽車消費時代的到來，汽車保有量上升的一個重要因素就是國內汽車消費的快速增長。 請根據附表中的相關數(shù)據分析影響該地區(qū)私人汽車保有量的因素，并預測到 2020年該地區(qū)私人汽車保有量有多少？ 實例的 SPSS軟件操作詳解 本實例要求分析人均國內生產總值、全社會消費品零售總額等因素對私人汽車保有量的影響情況，并做相應的預測分析。 具體操作步驟如下： Step01：打開數(shù)據文件 打開數(shù)據文件 。 在主話框中，單擊 【 Score(尺度 )】 按鈕，勾選 【 Save as variables(保存變量 )】 復選框，表示采用回歸法計算因子得分并保持在原文件中；同時勾選 【 Display factor score coefficient matrix(顯示因子得分系數(shù)矩陣 )】 復選框，表示輸出因子得分系數(shù)矩陣。于是可以考慮利用它來對私車保有量進行預測。同時，選擇 “ FAC11”變量設定為自變量，將其添加至 【 Variable(變量 )】列表框中。 Step04：預測私車保有量 在得到了私車保有量和綜合經濟發(fā)展值的模型后，要預測私車保有量在 2020的數(shù)量，則首先需要估計綜合經濟發(fā)展值在 2020的取值，利用線性回歸模型得到經濟發(fā)展值的預測值后，帶入 Logistic函數(shù)就可以估計出 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的共同度。因此只選取第一個因子為主因子即可。從結果看，第一主因子在這六個指標上的載荷值都很大，說明它綜合反映了該地區(qū)綜合經濟發(fā)展值，故可以作為綜合經濟發(fā)展值看待。 （ 2）模型匯總及參數(shù)估計 表 137給出了樣本數(shù)據進行 Logistic回歸的檢驗統(tǒng)計量和相應方程中的參數(shù)估計值。 采用曲線估計中的線性回歸選項可以估計得到預測方程如下： 于是計算得到綜合經濟發(fā)展變量在 2020的取值為 F A C 1_1= + t? （ 2）預測私車保有量 在計算得到綜合經濟發(fā)展變量的預測值后，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 最后給出的是實際數(shù)據的散點圖和 Logistic回歸方程的預測圖，這進一步說明方程的擬合效果最好。同時在原數(shù)據瀏覽窗口中新增了變量 “ FAC1_ 1”，它表示不同年份的綜合經濟發(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 接著計算得到相關系數(shù)矩陣的特征值、方差貢獻率及累計方差貢獻率結果如表 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整完善。 選擇菜單欄中的 【 Analyze(分析 )】 → 【 Regression(回歸 )】 →【 Curve Estimation(曲線估計 )】 命令，彈出 【 Curve Estimation(曲線估計 )】 對話框。 單擊 【
公司管理相關推薦
鄂ICP備17016276號-1