spss在旅游業(yè)中的應(yīng)用-資料下載頁
2025-08-11 10:17本頁面
【導(dǎo)讀】假政策、交通狀況等方面的影響。特別的為了分析1999年休假制度改。程數(shù)等變量之間的回歸模型。來探討這些因素對旅游收入的影響大小。度的線性相關(guān)性。因此本實例直接利用回歸分析模。何處理變量之間的多重共線性問題。降低維度的同時消除多重共線性。打開或建立數(shù)據(jù)文件。同時單擊數(shù)據(jù)瀏覽。單擊按鈕，勾選【KMOand. 算因子得分并保持在原文件中。其他選項保持系統(tǒng)默認(rèn)，單擊按鈕返回主對話框。單擊按鈕，完成本步操作。在左側(cè)的候選變量列表框中選擇“z”和。巴特利特球度檢驗統(tǒng)計量的觀測值等于119.如果顯著性水平等于，由于概率P值小。與單位陣有顯著差異。同時，KMO值為，根。如果對原有六個變量如果采用主成分分。列出了按指定提取條件提取特征根時的共同度。以看到，所有變量的絕大部分信息可被因子解釋，差貢獻(xiàn)率及累計方差貢獻(xiàn)率結(jié)果如表15-7所示。通過載荷系數(shù)大小可。以看到不同公共因子所反映的主要指標(biāo)的區(qū)別。表示不同年份的綜合影響因素值。始數(shù)據(jù)%的信息，擬合效果較好。
【正文】 “ 商訊點播 ” 、 “ 區(qū)號郵編 ” 等業(yè)務(wù)的點播量太低，因此公司可以考慮停止這些服務(wù)功能以節(jié)約成本。 問題二輸出結(jié)果詳解 Mean N Std. Deviation 股票點播 31 指數(shù)點播 31 外匯點播 31 到價提示 31 到價報警 31 新聞點播 31 外地天氣 31 本地天氣 31 航班點播 31 列車時刻 31 話費查詢 31 頭腦體操 31 問題二輸出結(jié)果詳解 （ 2） 秩統(tǒng)計表 下表 是多配對樣本非參數(shù)檢驗的秩統(tǒng)計表?？梢钥吹?，“ 股票點播 ” 變量的平均秩最大，等于 ，說明它的點播量最大，排名更靠后；相反的， “ 勁爆笑話 ”變量的平均秩最小，等于 ，說明它的點播量最小，排名更靠前。 Mean Rank 股票點播 勁爆笑話 每日運(yùn)程 問題二輸出結(jié)果詳解 （ 3） Friedman統(tǒng)計表 Friedman檢驗結(jié)果如下表所示，樣本容量等于 31， ChiSquare統(tǒng)計量等于 ，自由度 df等于 2，近似相伴概 率 P值為 00，遠(yuǎn)遠(yuǎn)小于顯著性水平 。所以拒絕零假設(shè)，認(rèn)為這三種業(yè)務(wù)的點播量存在顯著差異。這說明雖然它們位居所有業(yè)務(wù)的前三位，但其點播量還是存在顯著的差異。因此，公司需要分開對待它們各自的點播業(yè)務(wù)特點。 N 31 ChiSquare df 2 Asymp. Sig. .000 問題三輸出結(jié)果詳解 （ 1） 時間序列折線圖 下圖繪制了 “ 股票點播 ” 業(yè)務(wù)在該月每日點播量的時間序列圖?？梢钥吹?，股票點播量是平穩(wěn)的，但具有顯著的周期性，在每個周末的點播量明顯低于周內(nèi)的點播量，這與股票周末休市有密切聯(lián)系。于是考慮利用 ARMA模型來刻畫其波動性。 問題三輸出結(jié)果詳解 問題三輸出結(jié)果詳解 （ 2） 模型擬合優(yōu)度檢驗表 下表給出了 AR(7)模型的擬合優(yōu)度值，可以看到擬合優(yōu)度統(tǒng)計量 R2等于 ，說明模型的整體的擬合效果較好。 LjungBox Q統(tǒng)計量是對點播序列的線性相關(guān)性進(jìn)行檢驗。從檢驗結(jié)果看， LB檢驗概率 P值大于顯著性水平 ，說明序列基本不存在自相關(guān)性 問題三輸出結(jié)果詳解 Model Number of Predictors Model Fit statistics LjungBox Q(18) Number of Outliers Stationary Rsquared Statistics DF Sig. 股票點播 Model_1 0 .880 11 .874 0 問題三輸出結(jié)果詳解 （ 3） 模型參數(shù)估計值表 下表列出了 AR(7)模型的參數(shù)估計值?？梢钥吹匠藴?7階（ Lag 7）的系數(shù)顯著外，其他滯后項系數(shù)都沒有通過顯著性檢驗，其 t檢驗的概率 P值都大于 。假設(shè) “ 每日股票點播量 ” 記為 Xt，則最終擬合的模型為： Xt=+ Xt1 問題三輸出結(jié)果詳解 Estimate SE t Sig. 股票點播 Natural Log Constant .084 .000 AR Lag 1 .075 .493 Lag 2 .081 .433 Lag 3 .081 .440 Lag 4 .084 .580 Lag 5 .080 .345 Lag 6 .079 .727 Lag 7 .916 .074 .000 問題三輸出結(jié)果詳解 （ 4） 殘差自相關(guān)和偏相關(guān)圖 下圖給出了不同階數(shù)下擬合模型的殘差的自相關(guān)和偏相關(guān)圖。可以看到，兩列相關(guān)系數(shù)都落在置信區(qū)間內(nèi)，說明殘差序列的各階自相關(guān)函數(shù)值和偏相關(guān)函數(shù)值都顯著等于 0，符合白噪聲的特征。這也進(jìn)一步反映了 AR(7)模型的合理性。 問題三輸出結(jié)果詳解 問題三輸出結(jié)果詳解 （ 5） 模型擬合效果圖 最后，下圖顯示了本實例提出的 AR(7)模型預(yù)測值與實際值的擬合效果圖。從圖形來看，除了在初始幾天的模型擬合值偏高外，其他時間的模擬擬合效果都較好，這樣可以利用該模型進(jìn)行后續(xù)日期的預(yù)測。 問題三輸出結(jié)果詳解
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1