Spss统计分析论文

1、SPSS在铁路春运客流调查中的应用摘 要：本文在对南昌站2005年春运客流状况的问卷抽样调查的基础上，利用 SPSS软件提供的交义列联、多选项、对应分析等功能，对调查数据进行了实证 研究。选择乘车目的、购票途径、出行考虑等因素、客流流向等问卷的代表性项 目进行统计分析，得到南昌站春运客流相关因素的关系， 为改善运输组织和提高 服务质量提供依据。关键词：铁路，春运，客流，SPSS,分析每年春运客流的构成和流向等信息对铁路部门的运输组织具有重要意义。南昌站作为京九线上重要的客运站，每年春运都承担着较大的旅客发送任务，对车 站的春运客流状况进行调查，有助于更好地进行春运组织。为了尽量客观真实地 了解

2、南昌站的春运客流状况，分析各相关因素的关系，在对南昌站2005年春运客流状况的问卷抽样调查的基础上， 利用SPSS (Statistical Product and Service Solutions)软件提供的统计功能(主要是交义列联、多选项、对应分析)对问卷数 据进行了较深入的分析,希望能为改善铁路运输组织和提高服务质量提供依据。1抽样调查基本情况1.1调查时间和对象抽样调查每天进行一次。每天上午、下午和晚上在每个候车室各发放10份问卷，即每天每个候车室30份问卷。调查对象为由南昌站乘火车前往其他地区 的旅客1.2抽样方法本次抽样调查采用分层、等距抽样设计，即首先依照候车室分层，在候车室

3、内按照候车区域再分层。分层完毕后，在调查期间每天某时由调查员进入候车室 进行随机抽样。在每个候车区域随机选定一组候车旅客， 每隔一固定数目等距抽 取一名旅客，直到满足样本量为止。1.3调查项目考虑到南昌站春运客流较为集中，旅客密集且流动性大，在问卷中采用封闭 性答题形式，以方便被调查人快速、准确地完成调查。（1）您乘车的目的：包括外出工作，探亲，旅游，学生返校。（2）您的出行方向：包括北京方向（内蒙/北京/东北/合肥等）；上海方向（杭 州/宁波/南京/温州/苏州等）；福建方向（福州/厦门等）；成都方向（重庆/ 成都/柳州/贵州/昆明等）；广东方向（东莞/广州/深圳等）：武汉方向（武汉 /长沙/

4、郑州等）；其他方向。（3）您春节出行优先考虑的因素：包括安全；票价；舒适；快捷；能走就行。（4）您对列车席位种类的选择：包括普通硬座；普通硬卧；空调硬座；空调 硬卧；软座；软卧；其他。（5）选择临时加开列车时，您考虑的因素（可多选）：包括有空调，票价便宜， 到达或开车时间；乘车时间：有卧铺：乘车环境及服务。(6) 您更愿意接受以下哪种购票途径：包括直接到车站窗口购买，直接到铁 路客票代售处购买：打电话提前预订：上互联网提前预订。(7) 您的年龄阶段为：1217岁，1823岁，2430岁，3140岁：41 50岁：5160岁；60岁以上。(8) 您的平均月收入：包括1000元以下，1001 20

5、00元，2001 4000元， 4001 6000 元，6000 元以上。(9) 您认为南昌站在接待旅客方面的服务：包括很好，较好，一般，较差， 极差。1.4问卷发放回收情况本次调查共发放问卷2100份，收回有效问卷2039份，有效问卷率达97.10%2 SPSS中的统计分析SPSS作为统计分析工具，理论严谨、内容丰富，具有数据管理、统计分析、 趋势研究、制表绘图、文字处理等功能。其中的统计分析功能包括从基本描述统 计、推断统计到聚类分析、因子分析等多元统计分析方法。本文主要利用其中的 交义歹0联分析、多选项分析、对应分析等功能对客流的相关信息进行统计分析， 而基本描述统计功能就不再做介绍。2

6、.1交义列联分析(1) 独立性与一致性检验。一般独立性与一致性检验的检验统计量为Q,当然也可用其他的统计量检验，如似然比统计量(Likeli hoodRatio)、样本数小于 20时四格表的Fisher.s检验等。(2) 相关系数及相关分析。经过一致性或独立性的卡方检验后，在得到差异是否显著或是否独立的同时，已经分析出两个特征 (变量)是否相关了。如差异显 著或不独立，则说明两变量相关显著，反之则相关不显著。但为了量化其相关程 度，还应给出相关系数根据两个特征(变量)的数据类型，相关系数有以下种类。 Pearson积矩相关系数：适用于分区间的连续数据或计数数据之间，且总 体呈正态或近似正态，样

7、本数30。 Spearman秩相关系数：适用于等级或有序数据之间，应用范围较广，样 本数30,总体不呈正态均可。 列联相关系数：适用于名义数据之间,其定义基于卡方检验统计量Q。(3) 不同数据类型的有关统计量。 根据两个特征(变量)的数据类型的不同，列 联表分析还可给出某些关联系数及一些特别的统计量。 名义数据之间：lambda系数、不确定系数。 次序数据之间：Gamma水平、Somers d水平、Kendalls系数。 名义数据与区间数据之间：Eta系数。SPSS对这些列联分析都有充分的支持。2.2多选项分析在实际问卷调查中，某些问题允许选择的答案是多个，也即有两个或两个以 上的答案会被同时

8、选中。针对这种多选项问题，利用普通的频数分析或交义列联 分析会比较烦琐，需要手工进行一些额外 计算。为此，SPSS专门设计了一个子 菜单Multiple Response方便这种变量的统计分析。2.3对应分析对应分析(Correspondence Analysis) 是由法国人 Jean Paul- Benzerci 于 20 世纪60年代创立，直到20世纪80年代才在英语国家兴起的一种多元相依 (Interdependence)变量统计分析技术。它主要对名义变量或顺序变量多维频度 表进行分析，探索同一变量的各个类别之间的差异，以及不同变量各个类别之间的对应关系。对应分析的4个优点是：名义变量

9、划分的类别越多，这种分析的优 势越明显；可以将名义变量或顺序变量转变为间距变量，揭示行变量类别问与列变量类别间的联系：将变量类别间的联系直观地表现在图形中。对应分析的使用条件包括：变量是名义变量或顺序变量；行变量类别与歹U变 量相互独立；行变量和列变量构成的交义列表中不能有零值或负数。3 SPSS在春运客流调查中的应用3.1春运客流调查的列联分析以购票途径倾向与乘车目的进行列联分析，利用SPSS的Analyze->Descriptive Statistics > Crosstab 得出卡方检验结果如表 1 所示。表1 :卡方检验值相伴概率（双侧检验）皮尔逊 卡方61.501 (a)

10、0.000进行/检验，得到Q=61.501 ,双尾P值=0.000,因此拒绝原假设，认为乘 车目的与购票途径具有显著相关性，即不同购票途径在不同客流上有显著差别， 相关强度值的计算选择名义变量的相关系数。3.2春运客流调查的多选项分析问卷中的出行考虑因素届丁多选项问题，对它的分析采用多选项分析的二分 法。即对安全、票价、舒适、快捷、能走就行等因素分别设置一个变量，然后把 5个变量合为一个多选项变量集，再进行频数分析和交义列联分析。调查中频数 分析的结果如表2所示。表2:多项频数分析表数量白分比安全190530.7票价89314.4舒适162526.2快捷116718.8能走就行6159.9总的

11、应答数6205100由输出结果可以看出，在对出行考虑的因素中有6 205个答案。其中安全是 考虑最多的因素，达到30.7%，其次分别为舒适和快捷，而票价只以 14.4%排 在第四位，不加选择的有车就走排在在第五位。这反映了旅客对春运期间铁路服 务质量的要求在提高，相当多旅客在春运期间乘坐火车不只是因为铁路票价便宜。3.3春运客流调查的对应分析以乘车目的与旅客出行方向为例，由丁乘车目的有4个选项，旅客出行方向有7个选项，较适合丁对应分析的条件和优势。(1)最终汇总统计量。表3显示对应分析最终汇总统计量，包括维度、单一 值、惯量、卡方值、户值、惯量解释比例，以及单一值稳定性等数据。卡方值 188.

12、453，户小丁 0.01 ,表明乘车目的与出行方向之间有显著的依赖关系。第一 项是维度，其值是3。单一值是各维度对变量各个类别之间差异的解释量，代表 每一维度。的行分值与列分值的相关系数。数据0.240就是第一维度的行分值与 列分值的相关系数。惯量即相应维度单一值的平方，它表示每个维度对各个变量 类别之间差异的解释量。解释比例即每一维度惯量在总特征值中的比例。在表3中，第一维度的解释比例为61.9% ,说明第一维度能够解释所有变量类别差异的 61.9% ;第二维度的解释比例为33.7%，能够解释所有变量类别差异的33.7% ;而第三维度的解释比例仅为4.4%表3:最终汇总统计量维度单一值惯量卡方值显著性惯量解释比例单一值稳定性解释比例累计解释比例标准差相关系数10.2400.0580.6190.6190.0220.03320.1780.0320.3370.9560.02430.0640.0040.0441.000总计0.094188.4530.0001.000(2)行变量与列变量的对应关系图。对应分析还能用图型直观地反映行变量与列变量之间的关系，特别是当变量的类别较多时，图型既直观乂具解释力，优 势更加突出。本次分析的图型结果如图 1所示。从图1可看出，出行方向为北京、其他方向与学生返校；出行方向为