spss在旅游業(yè)中的應用(參考版)
2024-08-24 10:17本頁面
【正文】 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行后續(xù)日期的預測。這也進一步反映了 AR(7)模型的合理性。假設 “ 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 問題三輸出結果詳解 （ 4） 殘差自相關和偏相關圖 下圖給出了不同階數(shù)下擬合模型的殘差的自相關和偏相關圖。從檢驗結果看， 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性 問題三輸出結果詳解 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。 問題三輸出結果詳解 問題三輸出結果詳解 （ 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?？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。因此，公司需要分開對待它們各自的點播業(yè)務特點。所以拒絕零假設，認為這三種業(yè)務的點播量存在顯著差異?？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。而相反的，“ 商訊點播 ” 、 “ 區(qū)號郵編 ” 等業(yè)務的點播量太低，因此公司可以考慮停止這些服務功能以節(jié)約成本。表中具體給出了均值、統(tǒng)計數(shù)目及標準差等基本統(tǒng)計量。 問題一輸出結果詳解 Case 3 Clusters 西安 1 寶雞 2 榆林 3 延安 3 咸陽 2 銅川 2 渭南 3 安康 3 漢中 2 商洛 3 問題一輸出結果詳解 （ 3） 樹形圖 上表已給出了相關聚類結果，最后用樹形圖（ Dendrogram）直觀反映整個聚類過程和結果。 分析地區(qū)間的點播量的差異部分是由于地區(qū)特征的差異引起的，例如人口數(shù)量、經(jīng)濟發(fā)展狀況（收入水平、手機擁有量、物價水平等），同時也與地區(qū)業(yè)務的宣傳力度有密切聯(lián)系?？梢钥吹骄垲惤Y果分為兩大類： 第 Ⅰ 類：西安； 第 Ⅱ 類：寶雞、咸陽、銅川、漢中； 第 Ⅲ 類：榆林、延安、渭南、安康、商洛。其他結論可以依此類推。 實例的 SPSS輸出結果詳解 問題一輸出結果詳解 （ 1）聚類過程表 SPSS軟件首先給出了進行系統(tǒng)聚類分析的過程表，它動態(tài)顯示了所有地區(qū)的聚類過程。其他選項保持系統(tǒng)默認。 單擊 【 Plots】 選項，勾選其中的 【 Residual autocorrelation function(ACF)(殘差自相關函數(shù) )】 和 【 Residual partial autocorrelation function(PACF)(殘差部分自相關函數(shù) )】 復選框，表示繪制殘差的自相關圖和偏相關圖。在 【 Transformation(轉換 )】 選項組中點選 【 Natural log(自然對數(shù) )】 單選鈕，再單擊 【 Continue】按鈕，返回主對話框。 觀察序列圖發(fā)現(xiàn)點播數(shù)據(jù)以 7天為周期進行波動，反復進行 ARMA模型滯后階數(shù)的嘗試后，最終選擇 AR(7)模型
教學課件相關推薦
鄂ICP備17016276號-1