spss在市場(chǎng)調(diào)研中的應(yīng)用-資料下載頁(yè)
【導(dǎo)讀】在現(xiàn)代化進(jìn)程中，人類(lèi)過(guò)度的經(jīng)濟(jì)活動(dòng)，給資源。和環(huán)境帶來(lái)很大壓力。與此同時(shí)，農(nóng)藥殘留和食品安。請(qǐng)利用這些資料分。色食品顧慮上有無(wú)差異性。問(wèn)題一要求你將被調(diào)查者的基本信息作簡(jiǎn)要統(tǒng)計(jì)說(shuō)明。因此可以首先對(duì)這些變量進(jìn)行描。述性統(tǒng)計(jì)分析，繪制頻數(shù)表和相關(guān)圖形。否需要修改調(diào)整。選擇A1—A8等8項(xiàng)指標(biāo)作為分析對(duì)象，將其。添加至右側(cè)的列表框中。在圖形類(lèi)型中，點(diǎn)選直方圖。最后單擊對(duì)話框中的按。年齡之間的關(guān)系，其他變量的關(guān)系可以類(lèi)似求的）。元顯示)】對(duì)話框。買(mǎi)顧慮，每個(gè)題目取值越大說(shuō)明消費(fèi)者在該方面的顧慮越重。分析性別、教育程度等因素對(duì)消費(fèi)顧慮有無(wú)顯著性影響。輸入變量名GL表示要新建此變量來(lái)表示購(gòu)買(mǎi)綜合顧慮值。完成上述操作后，在數(shù)據(jù)瀏覽窗口中會(huì)新增變量“GL”。f-variance】選項(xiàng)，表示輸出方差齊性檢驗(yàn)表。但是在對(duì)其做方差齊性檢驗(yàn)時(shí)，發(fā)現(xiàn)不同。中的多獨(dú)立樣本均值檢驗(yàn)方法。例如，教育變量的有效樣本數(shù)目為306，而僅有2個(gè)樣本缺失。從結(jié)果看到，所有
【正文】 r bound(上限 )】 文本框中填入 1000，表示上限值。注意，這里的上限值可以調(diào)整完善。最后單擊 【 OK】 按鈕，完成操作。 Step04：預(yù)測(cè)私車(chē)保有量 在得到了私車(chē)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(chē)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(chē)保有量了。 實(shí)例的 SPSS輸出結(jié)果詳解 1 因子分析結(jié)果 （ 1）因子分析共同度 表 132是因子分析的共同度，顯示了所有變量的共同度數(shù)據(jù)。第一列是因子分析初始解下的變量共同度。它表明，對(duì)原有六個(gè)變量如果采用主成分分析法提取所有六個(gè)特征根，那么原有變量的所有方差都可被解釋?zhuān)兞康墓餐染鶠?1。第二列列出了按指定提取條件提取特征根時(shí)的共同度。可以看到，所有變量的絕大部分信息可被因子解釋?zhuān)@些變量信息丟失較少。 （ 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。在表 133中，第一個(gè)因子的特征根值為 0，解釋了原有 6個(gè)變量總方差的 ％。因此只選取第一個(gè)因子為主因子即可。 （ 3）因子碎石圖 從碎石圖看到，第一個(gè)特征值明顯大于后面的特征值，說(shuō)明提取第一個(gè)因子是合適的。 （ 4）因子載荷矩陣 表 134顯示了因子載荷矩陣。通過(guò)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(biāo)的區(qū)別。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(shuō)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。 （ 5）因子得分系數(shù) 表 135列出了采用回歸法估計(jì)的因子得分系數(shù)。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。 2 曲線估計(jì)結(jié)果 （ 1）模型描述 表 136是 SPSS對(duì)曲線擬合結(jié)果的初步描述統(tǒng)計(jì)，例如自變量和因變量、估計(jì)方程的類(lèi)型等。 （ 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。 模型的整體擬合優(yōu)度值 R2為 ， F統(tǒng)計(jì)量等于 ，概率 P值小于顯著性水平 ，說(shuō)明該模型有統(tǒng)計(jì)學(xué)意義。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(shuō)明方程的擬合效果最好。 3 預(yù)測(cè)私車(chē)保有量 （ 1）預(yù)測(cè)綜合經(jīng)濟(jì)發(fā)展值 繪制綜合經(jīng)濟(jì)發(fā)展變量 “ FAC11”的時(shí)間序列圖 136看到，該變量的增長(zhǎng)基本呈線性趨勢(shì)，于是可以采用線性回歸來(lái)估計(jì)該變量在2020年的取值。 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(chē)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(chē)保有量為： 11 1 0 0 0 0 .0 7 2 0 .2 8 7y ????
鄂ICP備17016276號(hào)-1