spss在市場調(diào)研中的應(yīng)用-文庫吧在線文庫
【正文】 覽窗口的 【 Variable View】 按鈕，檢查各個變量的數(shù)據(jù)結(jié)構(gòu)定義是否合理，是否需要修改調(diào)整。在候選變量列表框中選擇 A1（性別）變量添加至主對話框右側(cè)的 【 Row(s)(行 )】 列表框中，選擇 A2（年齡）變量添加至右側(cè)的 【 Column(s)(列 )】 列表框中（這里只分析性別與年齡之間的關(guān)系，其他變量的關(guān)系可以類似求的）。由于我們要綜合考慮消費顧慮，于是將每個被調(diào)查者從第 9問到第 20問的得分相加，就可以得到綜合顧慮值；然后通過單因素方差分析來分析性別、教育程度等因素對消費顧慮有無顯著性影響。最后單擊主對話框中的 【 OK】 按鈕，完成操作。在 【 Minimum(最小值 )】 文本框中輸入 1，在 【 Maximum(最大值 )】 文本框中輸入 5。 圖 128 性別變量直方圖 圖 129 年齡變量直方圖 （ 3）列聯(lián)表分析 表 125是 “ 性別 ” 變量和 “ 年齡 ” 變量的列聯(lián)表。由于概率 P值 ，故認為不同性別下的購買顧慮值的方差是相同的，滿足方差分析的前提條件。由于概率 P值 ，故認為這五種收入水平下購買顧慮值的方差是不同的，故不能采用方差分析。在 2020年，我國汽車銷量為 710多萬輛，私人購買比例超過 77%，中國已經(jīng)成為僅次于美國的全球第二大新車市場。附表 131提供了我國某一經(jīng)濟發(fā)達地區(qū)的一些相關(guān)統(tǒng)計數(shù)據(jù)。單擊 【 Extraction】 按鈕，勾選 【 Scree plot】 復(fù)選框，其他選項保持系統(tǒng)默認，單擊 【 Continue(繼續(xù) )】 按鈕返回主對話框。在候選變量列表框中選擇 “ y”變量設(shè)定為因變量，將其添加至 【 Dependent(s)(因變量 )】 列表框中。它表明，對原有六個變量如果采用主成分分析法提取所有六個特征根，那么原有變量的所有方差都可被解釋，變量的共同度均為 1。通過載荷系數(shù)大小可以分析不同公共因子所反映的主要指標的區(qū)別。 3 預(yù)測私車保有量 （ 1）預(yù)測綜合經(jīng)濟發(fā)展值 繪制綜合經(jīng)濟發(fā)展變量 “ FAC11”的時間序列圖 136看到，該變量的增長基本呈線性趨勢，于是可以采用線性回歸來估計該變量在2020年的取值。 2 曲線估計結(jié)果 （ 1）模型描述 表 136是 SPSS對曲線擬合結(jié)果的初步描述統(tǒng)計，例如自變量和因變量、估計方程的類型等。在表 133中，第一個因子的特征根值為 0，解釋了原有 6個變量總方差的 ％。最后單擊 【 OK】 按鈕，完成操作。 Step03：回歸分析 在第二步因子分析中得到了不同年份的因子得分，這些因子得分充分反映了不同年份的綜合經(jīng)濟發(fā)展值。考慮到這些經(jīng)濟指標之間還存在著相關(guān)性，因此可以利用因子分析，利用降維的方法綜合這些眾多的經(jīng)濟指標為少量的公共因子，這樣通過分析因子和私人汽車保有量的關(guān)系來預(yù)測私車保有量的未來趨勢。 汽車特別是用于消費的私人汽車保有量的多少，與經(jīng)濟發(fā)展程度、居民收入以及道路建設(shè)等有著密切的聯(lián)系。 （ 3）非參數(shù)檢驗結(jié)果表 表 1210看到， KruskalWallis H檢驗結(jié)果的 ChiSquare 統(tǒng)計量等于 ，自由度 df等于 4，近似相伴概率 P值為 ，小于顯著性水平 。由于概率 P值大于顯著性水平，故認為性別因素對購買顧慮沒有造成顯著性影響。 最后，從圖 1210的條圖也可以明顯看到不同性別下各個年齡階段的被調(diào)查人總數(shù)。 接著，軟件輸出了這八項指標的頻數(shù)分析結(jié)果。 選擇菜單欄中的
公司管理相關(guān)推薦
鄂ICP備17016276號-1