應(yīng)用統(tǒng)計(jì)學(xué)spss論文

1、信ZI?Tit應(yīng)用統(tǒng)計(jì)學(xué)課程論文（2011學(xué)年01學(xué)期）SPSS信用卡消費(fèi)調(diào)查中的應(yīng)用學(xué)生姓名學(xué)號院系工學(xué)院專業(yè)工程管理班級工管完成日期2011年12月04日SPSS在信用卡消費(fèi)調(diào)查中的應(yīng)用XX紹興文理學(xué)院工程管理摘要：本文通過消費(fèi)者的年收入、家庭人口和每年使用信用卡支付的金額數(shù)據(jù)，利用SPSS軟件提供的散點(diǎn)圖、相關(guān)系數(shù)分析、回歸分析對數(shù)據(jù)進(jìn)行了深入的分析，再把分析結(jié)果進(jìn)行預(yù)測，最后根據(jù)預(yù)測結(jié)果來進(jìn)行控制調(diào)整。關(guān)鍵詞：信用卡；消費(fèi)；SPSS分析引言消費(fèi)是社會生產(chǎn)的重要環(huán)節(jié)，是社會經(jīng)濟(jì)活動的出發(fā)點(diǎn)和歸宿，消費(fèi)結(jié)構(gòu)的狀況不僅反映社會經(jīng)濟(jì)發(fā)展的水平，又涉及到社會經(jīng)濟(jì)諸多方面，近年來，隨著社會經(jīng)濟(jì)、計(jì)

2、算機(jī)技術(shù)和信息技術(shù)的發(fā)展，商業(yè)領(lǐng)域越來越活躍，消費(fèi)者除了用現(xiàn)金和個(gè)人支票支付外，信用卡支付方式越來越被廣泛的采用。通過信用卡的使用狀況，分析各相關(guān)因數(shù)的關(guān)系，利用SPSS軟件提對數(shù)據(jù)進(jìn)行了深入的分析。1抽樣調(diào)查基本情況研究人員分層抽樣的方法從收集的資料中隨機(jī)抽取50位消費(fèi)者的年收入、家庭人口和每年使用費(fèi)信用卡支付的金額數(shù)據(jù)，用于統(tǒng)計(jì)分析。通過調(diào)查消費(fèi)者的消費(fèi)特征，此特征可以用來預(yù)測用戶使用信用卡的支付金額的消費(fèi)特征。信用卡消費(fèi)調(diào)查數(shù)據(jù)見附錄。2 SPSS中的統(tǒng)計(jì)分析SPSS作為統(tǒng)計(jì)分析工具，理論嚴(yán)謹(jǐn)、內(nèi)容豐富，具有數(shù)據(jù)管理、統(tǒng)計(jì)分析、趨勢研究、制表繪圖、文字處理等功能。其中的統(tǒng)計(jì)分析功能包括從

3、基本描述統(tǒng)計(jì)、推斷統(tǒng)計(jì)到聚類分析、因子分析等多元統(tǒng)計(jì)分析方法。本文主要利用其中的散點(diǎn)圖、相關(guān)系數(shù)分析、回歸分析對相關(guān)信息進(jìn)行統(tǒng)計(jì)分析，而基本描述統(tǒng)計(jì)功能就不再做介紹。2.1 散點(diǎn)圖散點(diǎn)圖用于表現(xiàn)測量數(shù)據(jù)的原始分布狀況，可從點(diǎn)的位置判斷測量值的高低、大小、變動趨勢或變化范圍，在相關(guān)與回歸分析中，側(cè)重于使用散點(diǎn)圖來直觀的觀察和判斷變量之間的關(guān)系，據(jù)此判斷變量之間協(xié)變關(guān)系的類型。具體創(chuàng)建過程是利用在三維空間中繪制出2個(gè)或3個(gè)變量確定的點(diǎn)，然后通過這些點(diǎn)的分布特征來顯示數(shù)據(jù)的分布特征。散點(diǎn)圖有五種類型：簡單散點(diǎn)圖(SimpleScatterplot)重疊散點(diǎn)圖(OverlayScatterplot)散

4、點(diǎn)圖矩陣(ScatterplotMatrix)三維散點(diǎn)圖(3-DScatterplot)散點(diǎn)/圓點(diǎn)圖(Scatter/Dot)2.2 相關(guān)系數(shù)分析(1)相關(guān)分析相關(guān)分析就是從數(shù)量的角度出發(fā)，精確界定變量之間的關(guān)系，把變量之間的關(guān)聯(lián)的緊密程度用數(shù)量方法予以反映，即相關(guān)系數(shù)；相關(guān)系數(shù)大說明變量之間的關(guān)聯(lián)程度高，相關(guān)系數(shù)小說明變量之間的關(guān)聯(lián)比較松散。相關(guān)系數(shù)是測定變量之間線性相關(guān)程度和方向的代表性指標(biāo)。其特點(diǎn)表現(xiàn)在：參與相關(guān)分析的兩個(gè)變量是對等的，不分自變量和因變量，因此相關(guān)系數(shù)只有一個(gè)，計(jì)算相關(guān)系數(shù)的兩個(gè)變量都是隨機(jī)變量。相關(guān)系數(shù)有Pearson目關(guān)系數(shù)、Spearma號口Kendall'

5、stua-b等級相關(guān)系數(shù)。(2)偏相關(guān)分析在實(shí)際問題中，事物之間的聯(lián)系往往比較復(fù)雜，一個(gè)結(jié)果往往是受到多種因素相互綜合作用產(chǎn)生的。在多變量的情況下，變量之間的的相關(guān)系復(fù)雜。偏相關(guān)分析是指在對其他變量的影響進(jìn)行控制的條件下，分析多個(gè)變量中兩個(gè)變量之間的線性相關(guān)程度。偏相關(guān)分析的工作是計(jì)算偏相關(guān)系數(shù)，計(jì)算偏相關(guān)系數(shù)時(shí)需要掌握多個(gè)變量的數(shù)據(jù)，一方面考慮多個(gè)變量之間可能產(chǎn)生的影響，另一方面又采用一定的方法控制其他變量，專門考察兩個(gè)特低昂變量的凈相關(guān)關(guān)系。由于變量之間穿在錯(cuò)綜復(fù)雜的關(guān)系，因此偏相關(guān)系數(shù)與濟(jì)南單的相關(guān)系數(shù)與簡單的相關(guān)系數(shù)在數(shù)值上可能相差很大，有時(shí)甚至符號都相反，一般偏相關(guān)系數(shù)更能反映現(xiàn)象之

6、間的真實(shí)關(guān)系。2.3 線性回歸分析回歸分析是從一組樣本數(shù)據(jù)出發(fā)，確定變量之間的數(shù)學(xué)關(guān)系式，對這些關(guān)系式的可信程度進(jìn)行各種統(tǒng)計(jì)檢驗(yàn)，并從影響某一特定變量的諸多變量中找出哪些變量影響顯著，哪些不顯著。然后利用所求得關(guān)系式根據(jù)一個(gè)或幾個(gè)變量的取值來預(yù)測或控制另一個(gè)特定變量的取值，并給出這種預(yù)測或控制的精度?；貧w分析按照經(jīng)驗(yàn)公式的函數(shù)類型可以分為線性回歸和非線性回歸。若回歸分析的經(jīng)驗(yàn)公式是線性函數(shù)，則稱為線性回歸；若回歸分析的經(jīng)驗(yàn)公式是非線性函數(shù)，則稱為非線性回歸。按自變量的個(gè)數(shù)可以將回歸分析分為一元回歸和多元回歸。一元回歸是自由一個(gè)自變量的回歸分析。有兩個(gè)或兩個(gè)以上的自變量的回歸分析稱為多元回歸。按

7、自變量和因變量的類型回歸分析分為一般的回歸分析、含有啞變量的回歸分析和Logistic回歸分析。一般的回歸分析自變量和因變量都是定量變量。若因變量是定性變量的回歸分析，則稱為Logistic回歸。3 SPSS在消費(fèi)特征調(diào)查中的應(yīng)用3.1 創(chuàng)建SPS繳據(jù)文件將信用卡消費(fèi)調(diào)查數(shù)據(jù)保存在xykxf.sav中該數(shù)據(jù)文件的變量、類型及其標(biāo)簽如圖1所示：Untitled-SPSSDataEditorFileEditNameTypeWidthDecimalsLabelValues1nsrNumeric30年收入(元)None2_jtrkNumeric10家庭人口(A)None3Numeric40消費(fèi)金額No

8、neJjC圖1數(shù)據(jù)文件xykxf.sav的變量、類型及其標(biāo)簽3.2 繪制散點(diǎn)圖通過散點(diǎn)圖可以觀察變量之間的關(guān)系，從而決定擬合模型的類型。啟動SPSS讀入數(shù)據(jù)后：(1)打開對話框。點(diǎn)擊Graphs-Scatter/Dot系統(tǒng)彈出一個(gè)對話窗口，選擇ScatterplotMatrix,單擊De巾ne進(jìn)入ScatterplotMatrix對話框。(2)選擇矩陣變量。把變量“年收入”、“家庭人口”、“消費(fèi)金額”移到MatrixVariables。(3)選擇圖形標(biāo)題。在對話框中單擊Titles,在Titles中修改散點(diǎn)圖矩陣的標(biāo)題“消費(fèi)特征的散點(diǎn)圖”，單擊Continue。(4)單擊Scatterplot

9、Matrix對話框中的OK,得到繪制的散點(diǎn)圖矩陣圖，即圖2。耦級特征的放點(diǎn)惆ee0°oa0Ooco88OoodoogOD00cos6mmqdcdodo69QOQ0g®0040HQO90a>o8CDoooooggODDOC3MHIIBcm不收入(元)家典人口人用紀(jì)全前元)圖2消費(fèi)特征的散點(diǎn)圖從圖2可以看出，家庭人口、年收入與信用卡消費(fèi)金額成比較明顯的線性關(guān)系。3.3 相關(guān)系數(shù)分析通過變量之間的相關(guān)性分析，初步了解銷售額與哪些因素相關(guān)性高，各種提高銷售措施之間是否有高度的相關(guān)性或可替代性，以及為后續(xù)回歸分析的變量納入方式提供參考依據(jù)。操作步驟如下：(1)單擊Analyze

10、-CorrelatePartial,把變量“消費(fèi)金額”、“年收入”移到Variables,把變量“家庭人口”移到Controlling0(2)單擊Options,參數(shù)選項(xiàng)如圖3。單擊Continue,返回PartialCorrelations對話框。S3ContinueCanedPartialCorrelationsOptionsStatistics“Meansandstandanidevictons7Zero-ondercorrelationsMi與ngValues1*Excludecaseslistwisebcckidecasespairwise圖3Options對話框(3)單擊OK按鈕，

11、得到相關(guān)分析結(jié)果如圖4、圖5DescriptiveStatisticsMeanStd.DeviationN消費(fèi)金額(元964.06933.49450年收入(元)3480.00145550.74250家庭人口(人)3.421.73950圖4偏相關(guān)的描述性統(tǒng)計(jì)量CorrelationsControlVariables櫻金額(元那人(元內(nèi)-none-a苑Correlation1.000.631.753Significance(2-tailed).000.000df04848年1處例Correlation.6311.000.173Significance(2-tailed).000.231df4804

12、8家庭人口(A)Correlation.753.1731.000Significance(2-tailed).000.231.df48480liSsAn(A)苑Correlation1.000.773Significance(2-tailed).000df047年1處例Correlation.7731.000Significance(2-tailed).000.df470a.Cellscontainzero-order(Pearson)correlations.圖5偏相關(guān)的分析結(jié)果從圖4可知，50位消費(fèi)者通過信用卡消費(fèi)的平均的額度為3964.06元，年平均為43480元，家庭人均為3人。從圖5

13、的分析結(jié)果初步可知，信用卡消費(fèi)金額與家庭人口、年收入較顯著，對應(yīng)的顯著水平都遠(yuǎn)小于0.01。3.4回歸分析建立回歸模型，進(jìn)一步研究信用卡消費(fèi)金額與家庭人口、年收入的關(guān)系，并利用預(yù)測結(jié)果來控制調(diào)節(jié)信用卡的市場營銷策略。操作步驟如下：(1)單擊AnalyzefRegressionLinear,把LinearRegression對話框左側(cè)列表中選擇變量“消費(fèi)金額”使之進(jìn)入Dependent選擇變量“家庭人口”和“年收入”，使之進(jìn)入Independent(s)根據(jù)偏相關(guān)系數(shù)，在Method下拉框中選擇Enter選項(xiàng)，使其他選項(xiàng)框?yàn)槟J(rèn)值。(2)單擊Statistics按鈕，彈出“線性回歸統(tǒng)計(jì)量”窗口，

14、選中復(fù)選框EstimatesModelfit和Collinearitydiagnostics;,單擊continue返回LinearRegression對話框。（3）單擊OK,得到結(jié)果如圖610所示VariablesEntered/RemovedbModelVariablesEnteredVariablesRemovedMethod1外,那人aa伉）.Entera-Allrequestedvariablesentered.b.DependentVariable：7H|K(元a-Predictors:(Constant),(元)圖6變量進(jìn)入情況ModelRRSquareFAdjustedS:Sq

15、uarethd.ErrorofeEstimate1.909a.826.818398.091ModelSummary家庭人口（人），年圖7模型模擬合度檢驗(yàn)b.DependentVariable:消費(fèi)金額（元）ANOVAbModelSSumofquaresdfMeanSquareFSig.1Regressi0525cResidual7448Total26997563931492254758449377.8476.450111.218.000aa.Predictors:(Constant),家庭人口（人），年收入（元）圖8方差分析表UnstaCidardizedoefficientstanCoeff

16、lardizecientslinrarityStatisModBStd.Err(）BetatSig.ToleranceVIF1(Constant04.90；i97.6556.()02.000年收入（元).033.004.5168.：550.000.9701.031家庭人口56.29（入33.201.66410.732.000.9701.031Coefficientsaa-DependentVariable:消費(fèi)金額(元)圖9回歸分析結(jié)果ModelDimensionEi(genvalueConditionIndex(CVarianceProportionsConstant)年收入(元)家庭人口(

17、人)112.8101.000.01.01.022.1414.469.05.17.933.0497.568.94.82.05CollinearityDiagnosticsaa-DependentVariable:消費(fèi)金額(元)圖10共線性檢驗(yàn)(1)根據(jù)相關(guān)分析結(jié)果，認(rèn)為信用卡消費(fèi)金額與家庭人口、年收入相關(guān)性高，所以采用所有變量強(qiáng)行進(jìn)入模型的方法。(2)對模型模擬合度進(jìn)行檢驗(yàn)，進(jìn)入模型的變量其調(diào)整的決定系數(shù)(AdjustedRSquarR為0.818。可見模型的擬合效果很理想。(3)對模型進(jìn)行方差分析。回歸模型的Sig.值為0,說明該模型有顯著的統(tǒng)計(jì)意義。(4)對模型的回歸分析結(jié)果和共線性檢驗(yàn)結(jié)果

18、可知，未標(biāo)準(zhǔn)化時(shí)本例的擬合結(jié)果為：Y=1304.905+0.033為+356.296x2常數(shù)項(xiàng)和自變量系數(shù)的Sig.值為0,模型中不存在共線問題。檢驗(yàn)結(jié)果是顯著的。該模型的擬合程度很高，可以用來預(yù)測。4結(jié)果分析回歸分析在數(shù)據(jù)挖掘中主要有預(yù)測和控制兩大功能，通過對已知訓(xùn)練數(shù)據(jù)進(jìn)行回歸分析的出經(jīng)驗(yàn)公式，利用經(jīng)驗(yàn)公式就可以在已知變量的情況下，預(yù)測因變量的取值。實(shí)際問題中往往是根據(jù)預(yù)測結(jié)果來進(jìn)行控制調(diào)整。本案例中，根據(jù)50為消費(fèi)者的年收入、家庭人口和每年石油信用卡支付的金額數(shù)據(jù)得到經(jīng)驗(yàn)公式為：Y=1304.905+0.033xi+356.296x2經(jīng)驗(yàn)公式可以預(yù)測：在其他條件不變的情況下，家庭人口每增

19、加1人，信用卡支付的金額將增加356.296元；收入每增加1000元，信用卡支付金額將增加33元。因此，針對此地區(qū)的消費(fèi)者，家庭人口的數(shù)量對信用卡支付的金額影響較大。若要推行信用卡消費(fèi)，其目標(biāo)用戶的首選是家庭人口較多的用戶。附錄信用卡消費(fèi)調(diào)查數(shù)據(jù)年收入家庭人口消費(fèi)金額年收入家庭人口消費(fèi)金額（元）（人）（元）（元）（人）（元）5400034016410007482830000231592300064127320004510051000341105000054742250003420831000218644800044219550002407027000124773700012731330002251440000233