SPSS期末大作业

1、数据分析方法及软件应用课程作业学号：13125689姓名：柏喜红班级：1306北京交通大学2013年10月数据分析方法和软件应用作业第5题：方差分析(2)分析思路根据所给的表定义变量，进而进行数据录入。在进行单因素和多因素对销售量的影响分 析的时候，应先提出相应的零假设， 进而选择检验统计量，对检验统计量进行计算，并计算 出概率p值，将计算出的概率 p值与给定的显著性水平进行比较，做出相应的决策。目标一：给出SPSS数据集格式定义变量，进行数据录入。从题意以及所给的表中可以得出，这里有四个变量，分别为销售地点、销售方式、月份和销售量。其中，销售地点和销售方式为控制变量，月份为随机 变量，销售量

2、为观测变量，结合所给的表，进行数据的录入，录入四十个观测变量值。炸归城回加岫骨#但莒怕 胜也骊迪-怅A院是1_心aG暗步=土a/M.Si、敝2s08乩 5XIM3aG(T.照 ±8s右/=Utl、似i心0ai足耶.i、拟图1 变量视图销楼方式Hl宙如这MWrnfcS1133龙1243179131419014249616341务41F；441加1&1S310251舞1935t75204S1822111272222129&233127724412SO2b12之S62622296N3Z2/42942282913230232B13133z用3243N日33314734242i

3、na3634so36A4z733715as3(1252as39367740460图2数据视图目标二：分析销售地点对销售量的影响(1)操作步骤第一步：提出零假设。零假设 H0是“销售地区对销售量没有产生显著影响”。第二步：选择检验统计量，并计算检验统计量的观测值和概率P值。选择菜单【分析一一比较均值一一单因素】将销售量指定到【因变量列表(E)】中，将销售地区指定到【因子(F)】中，点击确定按钮，出现图3所示的结果。销售量图师因素方差分析平方和df均方F显著性组间254.600463.6501.107.369组内2013.0003557.514总数2267.60039第三步：给定显著性水平 0=0

4、.05,根据表1,做出决策。(2) 结果分析从图3中可以看出，观测变量销售量的总变差(2267.600)中“销售地区”可解释的变差为254.600,抽样误差引起的变差为2013.000,他们的方差为63.650和57.514,相除所得的F统计量为1.107,对应的概率 P值接近于0.369。(3) 结论因为显著性水平0=0.05,概率P值大于a,因而应接受原假设，认为不同的销售地区度销售量不产生显著影响。目标三：分析销售地点、销售方式和他们的交互作用对对销售量的影响(1)操作步骤第一步：提出零假设。零假设 H。是“销售地区对销售量没有产生显著影响，销售方式对销售量没有产生显著影响，销售地区和销

5、售方式对销售量没有产生显著的交互影响。”第二步：选择检验统计量，并计算检验统计量的观测值和概率P值。选择菜单【分析一一一般线性模型一一单变量】；将销售量指定到【因变量(D)】中，将销售地区和销售方式指定到【固定因子( F)】中，将月份指定到【随机因子（ A ）】中；点击“模型”按钮，在指定因子中选择 【设定】，在构建项中选择 【交互】，将销售地区、销售方式以及销售地区*销售方式指定到【模型（M ）】中，点击“继续”按钮；点击“确定”按钮，出现如图 4所示的结果：图4主体间效应的检验因变量：销售量源III 型平方和df均方FSig.校正模型2156.60019113.50520.451.000截

6、距269616.4001269616.40048579.532.000销售地区254.600463.65011.468.000销售方式1193.8003397.93371.700.000销售方式*销708.2001259.01710.634.000售地区误差111.000205.550总计271884.00040校正的总计2267.60039a. R 方=.951 （调整 R 方=.905 ）第三步：给出显著性水平 0=0.05,做出决策。（2）结果分析从图4中所示的结果可以看出，第一列是对销售量总变差分解的说明，第二列是对销售量变差分析的结果，第三列是自由度，第四列是均方，第五列是对 F检验

7、量的观察值，第 六列是检验统计量的概率P值。从图中可以看到，销售量的总变差为2267.600,他被分解为四个部分，分别是销售地区不同引起的变差（254.600），销售方式不同引起的变差（1193.800），销售方式与销售地区交互作用引起的变差（708.200）以及随机因素引起的变差（ 111.000）。这些变差除以各自的自由度后，得到各自的均方，可计算出各F检验统计量的观测值和在一定自由度下的概率P值，概率P值分别为0.00, 0.00和0.00.（3）结论因为显著性水平0=0.05，概率P值小于显著性水平，因而应拒绝原假设，认为不同的销 售地区、不同的销售方式和销售地区与销售方式的交互作用均

8、为销售量带来了影响。这与单因素分析时得到的结果并不相同，本人认为可能因为随机变量月份的存在所导致的结果。R 方为0.951,调整后的R方为0.905 ,因而拟合度还是比较高的。第9题：回归分析（4）分析思路根据题中所给的解释变量和被解释变量建立多元回归模型，利用回归方程的统计检验对建立的多元回归模型进行检验， 首先对解释变量采取强行进入策略， 分析他们之间的线性关 系以及多重共线性；然后对解释变量采用向前筛选策略，做方差齐性和残差的自相关性检验。（1）操作步骤第一步：确定多元回归方程中的解释变量和被解释变量。以课题总数 Y为被解释变量，解释变量为投入人年数XI、投入科研事业费 X2、论文数X3

9、、获奖数X4。第二步：建立多元线性回归模型。1）强制进入，分析线性关系和多重共线性 选择菜单中【分析一一回归一一线性】 将课题总数指定到 【因变量（D）】中，将销售地区和销售方式指定到【固定因子（F）】中，将投入人年数、投入科研事业费、论文数和获奖数指定到【自变量（I）】中，在【方法（M ）】框中选择回归分析中解释变量的筛选策略为“进入”。 点击“统计量（S）”按钮，在回归系数框中选择【估计（E）】，在回归分析框的右边选中【模型拟合度（M）】、【R方变化（S）】、【描述性】和【共线性判断 （L）】，在残差框中选择【Durbin-Watson（U）】和【个案诊断（C）】，点击“继续”按钮。 点击

10、“绘制”按钮，在线性回归中，指定 *ZPRED给“Y ”，指定*ZRESID给“X ”,在标准化残差图中选【正态概率图（R）】，点击“继续”按钮。 点击“保存”按钮，将预测值和均值均选中“标准化”。 点击“确定”按钮，出现如下图5、图6、图7和图8。(2)结果分析及结论瞄，点牧料 LL 土 A谷 fl研串 白Pears町相*性LQQ0,9598技837一砌9S91.000.0569526Z7卜入丽奉业赞(白0B62BS61.0007B14828B79527811.000.7*2我案歆665.s?7.4027421.DOOSig. ( W>误画总我.000.000OOC-000OCO.00

11、0000.00<拍事业泉i百元j000000-.000.003他5neonononaOl)0怦物mTioco003000N区地玖理3131313131在盘应3131313131强插卜再事伫日曰H313131313 131313131313131313131图5相关性从图5中可以看出投入人年数、 投入科研事业费、 论文数、获奖数对课题总数的的相关性还是比较强的，其中投入人年数与课题总数的相关性最为显著。RR打1Curtin-WatsonR七融an配Sig F 杞1碱.937927226 5E2093T9B.135A261776a. fSIISft： .投御曜岫I百t .亡谶衣X匕年靠b 6

12、 S.侨."一图6模型汇总依据图6,从调整的R方(0.927)可以看出，回归方程的拟合度较高， 并且Durbin-Watson(1.776)在1.5和2.5之间，因而可以用线性回归模型来拟合数据。慢知非蜜化命tSigD用粉7F(A9I-2973173.C47-一和8.6&75531021 C705 41100006116.925杉罪事IL您 白宁，.0D2C011521.525.13&.2494.069-.038.045-348-1.934.064.D7S13.309Tlfi120I泸1?52 355 13皿:瞄总敷图7系数共好诊配憧引 维物眷正1 值集格I投入人罩散

13、R7 fWBT. 1114 ”31.00001.0001皿.0123693.J01.54.00佰.00003.277392514.00D9.0C.5440677.937.31,075913415.01316 195.00.9317.67.04日因霍:课慰总数图8共线性诊断从图7中可以看出，容忍度均小于 0.5,并且论文数的容差为 0.075,接近于0,方差膨 胀因子投入人年数和论文数都大于10,因而有理由认为这些变量之间存在着多重共线性；依据图8,从方差比可以看出，第 5个特征根既能解释投入人年数方差的93%,又能解释论文数方差的87%,因而有理由认为这些变量之间存在着多重共线性；再从条件指数

14、来看，第5个条件指数大于10,认为其共线性较强。2）采用“向前进入”策略，残差的自相关性检验和方差齐性。（1）操作步骤 选择菜单中【分析一一回归一一线性】； 将课题总数指定到 【因变量（D）】中，将销售地区和销售方式指定到【固定因子（F）】中，将投入人年数、投入科研事业费、论文数和获奖数指定到【自变量（ I）】中，在【方法（M ）】框中选择回归分析中解释变量的筛选策略为“向前 + ”。 点击“统计量（S） ”按钮，在回归系数框中选择【估计（ E）】，在残差框中选择【Durbin-Watson（U）】和【个案诊断（C ）】，点击“继续”按钮； 点击“确定”按钮，出现如图7、图8、图9所示。（2）

15、结果分析及结论t a i细Duirtjin-WaE口 nFdfldf?F145时.§17241 KQ39曾311 flrm23rcn1 717a、：京 SE +图9模型汇总12Fin 化残滋的际新p-p底图10观察的累积频率散点图因洋饿；棵农e数IIIIHI-1-10123回!d标滩化技羔四!|-|钉汗化*值图11回归标准化残差从图9中可以看出，Durbin-Watson (1.776)在1.5和2.5之间，因而残差序列相对独立；从 图10中可以看出，数据点围绕基准线存在一定的规律性，近似服从标准正态分布，即残差 均值为0,因而残差序列相对独立，方差齐性良好；从图 11中可以看出，回

16、归标准化残差 及预测值均在土 3个标准差范围内，无异常点，且数据点无明显规律，因而残差序列相对独第11题：聚类分析(1)分析思路因为销量和价格和其他变量存在着数量级上的差异，因而首先需要对销量和价格进行标准化。其次，根据车种类型，对汽车销售样本数据进行层次聚类分析，将11种车型分为三类，其中个体距离采用欧式距离，类间距离采用平均组间链锁距离。最后用频数分析对各类的竞争力进行评价。(1)操作步骤第一步：对变量进行标准化。选择菜单中【分析一描述统计一描述】，将销量和价格指定到变量中，选中“将标准化得分另存为变量”，点击“确定”按钮。第二步：层次聚类分析。 选择菜单中【分析一分类一系统聚类】； 将引

17、擎型号、马力、轴距、宽度、长度、限重、储油量、用油效率和标准化后的销量和价格指定到“变量”框中，将车型指定到“标注个案”框中，在“聚类”中选择“个案” ， 在“输出”中选择“统计量”和“图”； 点击“统计量”按钮，选择“合并进程表”，在【聚类成员】框汇总选择【单一方案一聚类数：3】，点击“继续“按钮； 点击“绘制”按钮，选中“树状图”，在【冰柱】框中选择“所有聚类”，在【方向】框中选择“垂直”，点击“继续”按钮； 点击“方法”按钮，在【聚类方法】框中选择"组间联接” ，在【度量标准】框中选 择【区间一Euclidean距离】，在【标准化】框中选择“ Z”得分，点击“继续”按钮； 点击

18、“保存”按钮，在【聚类成员】 框中选择【单一方案一聚类数：3】，点击“继续” 按钮； 点击“确定”按钮，出现如图12、图13、图14所示。价睛择数卜一阶所1曲1辞隼21a101.1 69072591.2770063231.3370044242.1523055122.471041065112.6612097732.7900198562.9626099573.691e71 010155.341590图12聚类表案例1- 6-SM产VPH8-C8-!-图13冰柱图使用平抱取接(粗间)的材状图D£10U2D2611L'.Accord8 Camry ITaLns7Malbu* '

19、;Crmd Am§A MuslarigImpale G Focus2CMic3 Corllq4 pCiij-aief11图14树状图(2)结果分析及结论从图13、图14可以看出，Focushe和Civic相似性较高且较早地聚为了一类，Accord和Gamry相似性较高且较早地聚为了一类，Malibu和Grand Am相似性较高且较早的局为了一类。根据题意，将11种车型分为三类，从图中可以看出，Cavalier、Focus、Civic和Corolla 为一类(第 1 类)，Malibu、Impala、Grand Am 和 Mus tang 为一类(第 2 类)，Taurus、Accor

20、d 和Camry为一类(第 3类)。第三步：对各类的竞争力情况进行判别分析如图15所示，对各类的竞争力情况分析，则主要通过对各类的销量和价格均值的乘积进行比较，即可得出各类的竞争力情况。Cavalier、Focus、Civic和Corolla为第1类，它的销量和价格之积为(121.89675*19.17625 ), Malibu、Impala、Grand Am 和 Mus tang 为第 2类，它的销量和价格之积为(165.85225*12.89200 ), Taurus、Accord和Camry为第3类，它的销量和价格之积为(241.57033*16.91767 )，三类进行对比，可以看出第

21、三类Taurus、Accord和Camry的竞争力最强，第一类 Cavalier、Focus、Civic和Corolla的竞争力次之，Malibu、Impala、Grand Am 和 Mus tang 的竞争力最弱。重策指三1NE d-ifig斯耋1 .00料耳皇41 07.9951 3 5.1 201 21 .8967513 236803DOO)41 6 53521 5S019176252 OB4552mi孕理号43 13a3 4252S72jj. -f-l4II 701 9011 70.758.5394101.3110.510§.45C3.9092宅rtx469.473.171.4751.8644A1 S3.2200