1、統(tǒng)計作業(yè)學號：2150764 姓名：何林立 班級：管理151碩第三章 聯(lián)合分析P44/4 定義食堂屬性變量 定義屬性水平的描述 單擊數(shù)據(jù)正交設計生成，得到下列數(shù)據(jù)：定義并填入顧客的打分數(shù)據(jù)： 單擊文件新建語法：單擊運行全部，得到結(jié)果如下：分析：實用程序表的“實用程序估算”一列表示該水平值對于顧客而言的效度，效度越高表示該項目越受歡迎。從重要性值表可以看出，對于消費者而言，服務態(tài)度是他所關心的，此因素的相對重要程度位30.612%，其次是飯菜的價格，重要程度為20.408%，而食堂的開放時間是最不受重視的，重要程度占6.122%。對聯(lián)合分析進行擬合優(yōu)度檢驗， person r檢驗的實際排序值與預

2、期排序值的相關系數(shù)達到0.787，雙尾檢驗的顯著性水平為0.000；kendall tau檢驗的預期排序值和實際排序值的相關系數(shù)達到0.612，雙尾檢驗的顯著性水平為0.000。由上可見，兩個相關系數(shù)檢驗的都是非常顯著的，模型擬合的精度較高，所以認為聯(lián)合分析模型所做出的假設和得出的成分效用值是合理的，可以說明顧客在選擇食堂時的偏好結(jié)構(gòu)。第四章 定性數(shù)據(jù)6、 為了探討收入與受教育水平彼此是否獨立，做出如下假設。H0：收入與受教育水平彼此獨立。H1：收入與受教育水平彼此不獨立。將題目中的數(shù)據(jù)輸入SPSS如圖所示 年收入和受教育水平賦值如圖所示然后對其加權(quán)和描述性分析，得出結(jié)果如圖所示由卡方檢驗結(jié)果

3、我們可以看出卡方值206.45（四舍五入之后），P值約等于0<0.05拒絕原假設，即收入與受教育水平彼此不獨立。 7、 為驗證這些樣本是否來自不同的總體，作出如下假設：H0：樣本來自同一總體； H1：樣本來自不同總體。數(shù)據(jù)輸入結(jié)果如圖所示具體受過訓練和評分的賦值如圖所示按照步驟操作輸出結(jié)果如圖所示由圖7-4知卡方值46.647，P=0.000<0.05，故有充分理由拒絕零假設，得出結(jié)論：樣本來自不同總體。8、 由題意知，04.999、3034.999、3539.999和4044.999的股票數(shù)不足5,需要將其合并成09.999和3044.999得出結(jié)果只剩六組，股票總數(shù)分別進行合并

4、，再將數(shù)據(jù)輸入SPSS中得出結(jié)果如圖具體賦值情況如圖所示按步驟輸入數(shù)據(jù)得出結(jié)果如圖所示卡方值為0.000，P=1>0.05，故沒有充分理由拒絕零假設，即這些數(shù)據(jù)遵從正態(tài)分布的價值總體。第五章 多元正態(tài)分布P98/5按要求輸入數(shù)據(jù)后，得到如圖所示數(shù)據(jù)視圖。然后對它們進行相關性分析，敘述統(tǒng)計的輸出結(jié)果如圖所示，相關性的輸出結(jié)果如表所示。 表 1 相關性工業(yè)增加值率總資產(chǎn)貢獻率資產(chǎn)負債率流動資產(chǎn)周轉(zhuǎn)次數(shù)工業(yè)成本費用利潤率產(chǎn)品銷售率工業(yè)增加值率Pearson 相關1.794*-.824*-.169.863*.264顯著性 (雙尾).000.000.304.000.104叉積平方和6110.402

5、4397.176-2809.272-80.2375390.592134.476共變異數(shù)160.800115.715-73.928-2.111141.8583.539個數(shù)393939393939總資產(chǎn)貢獻率Pearson 相關.794*1-.820*.161.769*.336*顯著性 (雙尾).000.000.328.000.037叉積平方和4397.1765014.261-2534.90069.1754352.846154.891共變異數(shù)115.715131.954-66.7081.820114.5494.076個數(shù)393939393939資產(chǎn)負債率Pearson 相關-.824*-.820*

6、1.138-.713*-.175顯著性 (雙尾).000.000.401.000.288叉積平方和-2809.272-2534.9001904.43536.645-2487.014-49.593共變異數(shù)-73.928-66.70850.117.964-65.448-1.305個數(shù)393939393939流動資產(chǎn)周轉(zhuǎn)次數(shù)Pearson 相關-.169.161.1381.033.274顯著性 (雙尾).304.328.401.842.091叉積平方和-80.23769.17536.64536.89615.99510.850共變異數(shù)-2.1111.820.964.971.421.286個數(shù)39393

7、9393939工業(yè)成本費用利潤率Pearson 相關.863*.769*-.713*.0331.280顯著性 (雙尾).000.000.000.842.084叉積平方和5390.5924352.846-2487.01415.9956382.740145.917共變異數(shù)141.858114.549-65.448.421167.9673.840個數(shù)393939393939產(chǎn)品銷售率Pearson 相關.264.336*-.175.274.2801顯著性 (雙尾).104.037.288.091.084叉積平方和134.476154.891-49.59310.850145.91742.402共變異數(shù)

8、3.5394.076-1.305.2863.8401.116個數(shù)393939393939由上述結(jié)果可知，不相關的兩組變量有：工業(yè)增加值率和流動資產(chǎn)周轉(zhuǎn)次數(shù)；工業(yè)增加值率和產(chǎn)品銷售率；總資產(chǎn)貢獻率和流動資產(chǎn)周轉(zhuǎn)次數(shù)；資產(chǎn)負債率和流動資產(chǎn)周轉(zhuǎn)次數(shù)；資產(chǎn)負債率和產(chǎn)品銷售率；流動資產(chǎn)周轉(zhuǎn)次數(shù)和產(chǎn)品銷售率；工業(yè)成本費用利潤率和產(chǎn)品銷售率。第七章 多元回歸模型輸入數(shù)據(jù)如下：單擊“分析”回歸線性，打開“線性回歸”窗口；將“財政收入”選入“因變量”對話框，其余自變量選入“自變量”對話框單擊“確定”；得到結(jié)果如下：分析：由“模型摘要”表可知，模型的R方為0.996，模型回歸高度顯著。然而，從“系數(shù)”表中觀察得到

9、在10%的顯著性水平下，只有農(nóng)業(yè)指標回歸的系數(shù)是顯著的，所以回歸的模型可能存在多重共線性。所以，對自變量進行相關性檢驗。單擊“分析”相關雙變量，將6個自變量選入“變量”對話框，單擊確定，得到結(jié)果如下：分析：從上圖可知，農(nóng)業(yè)和工業(yè)、建筑業(yè)、人口、最終消費高度相關，工業(yè)和建筑業(yè)、最終消費高度相關，建筑業(yè)和最終消費高度相關。故使用后退法對模型進行回歸。單擊“分析”相關雙變量，將6個自變量選入“變量”對話框，在“方法”欄選擇“后退”，單擊確定，回歸結(jié)果如下：分析：根據(jù)后退法進行回歸的結(jié)果，模型依此剔除掉人口、建筑業(yè)和受災面積三個變量，最終使用農(nóng)業(yè)、最終消費和工業(yè)三個自變量對財政收入進行回歸，得到模型4

10、。根據(jù)“系數(shù)”表，得到最終的回歸方程為：y=874.600-0.611x1-0.353x2+0.637x5由“模型摘要”可知，回歸方程調(diào)整后的R方為0.995，說明模型回歸高度顯著。同時在5%的顯著性水平下，自變量是顯著的。說明最終的回歸方程是合理的。第八章邏輯回歸P175/4根據(jù)題干信息在SPSS軟件中依次輸入相應變量及其樣本數(shù)據(jù)，如圖所示為具體的數(shù)據(jù)視圖和變量視圖界面：數(shù)據(jù)輸入后，在SPSS軟件中選擇“分析回歸二元Logistic”，選擇Y為因變量，X1、X2為協(xié)變量，并對“選項”中對適當?shù)闹笜诉M行選擇后得到以下分析結(jié)果：圖所得結(jié)果是對樣本及變量所做的簡單描述。第一張表說明了分析的樣本和樣

11、本缺失情況，可以看到該樣本沒有缺失。第二張表說明了對被解釋變量（因變量）編碼為內(nèi)部值，二元因變量被編碼為0和1以方便計算。圖中的第一、二張表是對整個回歸模型的檢驗，由表中結(jié)果可知模型是十分顯著的。第三張表是檢驗因變量的實際值與預測值的分布是否有顯著差異，由顯著性系數(shù) > 5%的結(jié)果可知，并不顯著。即該樣本因變量的實際值與預測值沒有顯著性差異，模型擬合較好。圖中的第一張表為分類矩陣，其值表明對83.3%的觀測判斷了正確的組。第二張表是模型的系數(shù)和檢驗。由該表結(jié)果可得以下模型：其中，表示城市的居民家庭擁有割草機的概率。我們看到模型中，常數(shù)項變量、系數(shù)的Wald檢驗在0.05的顯著性水平上是顯

12、著的，而且、系數(shù)的指數(shù)值（最后一列）都大于1，說明、對因變量的影響都是正的，即家庭收入越高和房前屋后土地面積越大，城市的居民家庭就更有可能擁有割草機，而且房前屋后土地面積對是否擁有割草機的影響要大于家庭收入。第九章 聚類分析P221/2（1）Q型聚類 將題目中數(shù)據(jù)輸入SPSS如圖所示首先對數(shù)據(jù)進行聚類分析，按照步驟操作，生成結(jié)果如圖所示我們運用Q分類法把數(shù)據(jù)分成兩類，從聚類表中我們可以看到，北京、天津和上海是第一類，其余省市是第二類。結(jié)合最終聚類中心的表，我們看到第一類的房價明顯高于第二類。從方差分析表（ANVOA）我們了解到除商品房銷售面積和住宅銷售面積外其他對分類貢獻明顯。（2） R型聚類

13、 按照步驟操作，生成結(jié)果如圖所示第十章 判別分析按照題意將數(shù)據(jù)輸入SPSS，如圖所示輸出結(jié)果如圖2至12所示第十一章 主成分分析輸入數(shù)據(jù)：單擊“分析”降維因子，彈出“因子分析”對話框。將9項指標依此選入“變量”框單擊“確定”。得到結(jié)果如下：由“總方差解釋”表中可以看到前兩個主成分y1、y2的方差占全部方差的比例為88.563%，故我們選取y1為第一主成分，y2為第二主成分，且這兩個主成分之方差占全部方差比例的88.563%，即基本保留了原來指標的信息，這樣由原來的9個指標轉(zhuǎn)化為2個新指標，起到了降維的作用。從“總方差解釋”表中可知第一主成分的特征根為5.081，第二主成分的特征根為2.889，

14、將成份矩陣的第一列分別處以第一主成分的特征根的平方根；成份矩陣的第二列分別處以第二主成分的特征根的平方根，得到結(jié)果如下：將上表A列從GDP到工業(yè)總產(chǎn)值分別記為x1到x9。則由上表得到前2個主成分y1、y2的線性組合為：y1=0.4024x1+0.2387x2+0.4281x3+0.3682x4+0.3119x5-0.3074x6-0.2449x7+0.2200x8+0.4028x9y2=0.2383x1+0.4513x2+0.0477x3+0.2903x4-0.3059x5+0.3648x6+0.4130x7-0.4654x8+0.1983x9第十二章 因子分析P316/3按題設要求在SPSS

15、軟件中輸入所給數(shù)據(jù)，得到如圖所示的數(shù)據(jù)視圖：圖 1 數(shù)據(jù)視圖利用SPSS軟件因子分析對2009年我國88個房地產(chǎn)上市公司做因子分析，步驟如下：如表所示為KMO的檢驗指標，可以發(fā)現(xiàn)KMO指標為0.637，接近于0.7的水平，因此此次因子分析的效果較好。由表可知，在主成分提取的過程中，從變量“毛利率”中所提取的信息損失最大，高達72%，對“流通市值”和“總市值”的提取損失的信息最少，包含了它們超過了90%的信息。由于SPSS默認保留特征根大于1的主成分，因此在本例中看到保留4個主成分較為適宜，如表所示，這4個主成分的累積方差占總方差的比例為72.343%，即這4個主成分已經(jīng)集中了原始10個變量信息

16、的72.343%，效果較好。因此，在本例中，公共因子有4個為了使公因子的實際意義更容易解釋，需要放棄公因子之間互不相關的約束進行旋轉(zhuǎn)。因此，對表中的公共因子進行方差最大化正交旋轉(zhuǎn)，得到表所示的旋轉(zhuǎn)后的成分矩陣，以及如表所示的解說總變異量表，該表在表基礎上增加了旋轉(zhuǎn)后各因子的方差貢獻率。由表就可以得到各個原始變量用公共因子表示的表達式：X1（市盈率）=-0.06F1-0.458F2-0.701F3-0.017F4X2（凈資產(chǎn)收益率）=-0.013F1+0.707F2+0.029F3+0.328F4X3（總資產(chǎn)報酬率）=0.043F1+0.903F2+0.07F3-0.021F4X4（毛利率）=0

17、.069F1+0.513F2+0.021F3-0.104F4X5（資產(chǎn)現(xiàn)金率）=0.07F1-0.208F2+0.229F3+0.794F4X6（應收應付比）=-0.075F1-0.212F2+0.162F3-0.696F4X7（營業(yè)利潤占比）=0.055F1-0.09F2+0.878F3+0.02F4X8（流通市值）=0.971F1+0.11F2+0.032F3+0.042F4X9（總市值）=0.952F1+0.079F2+0.058F3+0.111F4X10（成交量）=0.925F1-0.029F2+0.041F3=0.022F4此外，由因子分析模型可知，第一個公共因子F1主要由X8（流通

18、市值）、X9（總市值）和X10（成交量）這3個指標決定，它們在F1上的載荷均在0.9以上；同理可知，第二個公共因子F2主要由X2（凈資產(chǎn)收益率）、X3（總資產(chǎn)報酬率）和X4（毛利率）決定；第三個公共因子F3主要由X1（市盈率）和X7（營業(yè)利潤占比）決定；第四個公共因子F4主要由X5（資產(chǎn)現(xiàn)金率）和X6（應收應付比）決定。得到上述表達式后，再次利用SPSS因子分析，對88個房地產(chǎn)公司進行打分，其中，F(xiàn)為旋轉(zhuǎn)后各因子的方差貢獻率占4個因子總方差貢獻率的比重作為權(quán)重進行的加權(quán)匯總得分，即：F=（27.269×F1+19.043×F2+13.541×F3+12.491&#

19、215;F4）/72.343。通過計算后，得到88個房地產(chǎn)公司的得分情況，如表22所示。綜合得分最高的前三家房地產(chǎn)公司依次為：萬科A、保利地產(chǎn)和陸家嘴。 F1F2F3F4F萬科A7.39806-0.17275-0.067920.124942.752013888中國寶安0.114970.000120.469951.030830.309319389沙河股份-0.434430.463910.336480.245860.063794415招商地產(chǎn)1.12965-0.208830.072890.212610.421193359*ST華控-0.309542.585220.165180.616030.701

20、118717深長城-0.455110.299430.517441.005320.177705625中航地產(chǎn)-0.28455-0.854330.01402-0.43091-0.403923699泛海建設0.47169-0.553450.35045-0.262690.052352666宜華地產(chǎn)-0.445170.592790.17986-0.045260.014089834金融街1.452370.431290.060290.08640.687189393綠景地產(chǎn)-0.438692.20055-4.368640.39335-0.33589958*ST珠江-0.566771.847410.05177-

21、0.058690.272215671銀基發(fā)展-0.06270.008090.16163-0.50566-0.078560132渝開發(fā)-0.0964-0.077830.91964-3.1004-0.420014368中天城投-0.241761.750970.27356-0.714510.297616906光華控股-0.551960.858370.127870.029820.046977758萊茵置業(yè)-0.42423-0.405670.439770.32833-0.12768901海德股份-0.484050.58241-0.07441-0.28844-0.09287997粵宏遠A-0.18874-

22、0.94777-0.50894-1.6812-0.706171446陽光股份-0.336631.724260.206820.461050.445309773綿世股份-0.28934-1.560620.48122-0.74702-0.558778678億城股份-0.17333-0.38151.258990.176690.100404712萬方地產(chǎn)-0.799171.91447-0.575221.42260.340673293名流置業(yè)0.20944-0.032460.13962-0.55966-9.72459E-05榮豐控股-0.479560.438950.46044-0.25041-0.0222

23、7237陽光城-0.26515-1.84902-1.69461-0.01391-0.90626221蘇寧環(huán)球0.090461.632160.160810.839880.638851664中國武夷-0.45285-0.839290.588390.73568-0.15446689金宇車城-0.34102-1.09146-1.39155-0.717-0.800118501大連國際-0.46337-0.112330.484870.43656-0.038096859津濱發(fā)展0.17818-1.74561-0.92673-0.12755-0.587823822福星股份-0.05371-0.184190.4

24、6482-0.93436-0.143056153中關村-0.15052-0.88665-0.24182-0.56725-0.433338543世榮兆業(yè)-0.402560.387770.07152-0.61704-0.14282099廣宇集團-0.378810.205330.306380.246880.01123535榮盛發(fā)展-0.286371.062210.200820.532960.301275154濱江集團0.06109-1.188690.430730.40336-0.139605432中國國貿(mào)-0.066740.722690.11392-0.800440.048194674保利地產(chǎn)3.6

25、2120.565910.00430.326591.571137345中江地產(chǎn)-0.07621-1.76951-6.478010.48305-1.623652672海泰發(fā)展-0.25165-0.761591.122750.29734-0.033838388浙江東日-0.493780.044270.23841-0.35349-0.190882145東湖高新-0.413250.081130.27238-0.42974-0.157631567中體產(chǎn)業(yè)0.01332-0.5336-0.15975-0.14927-0.191114939大龍地產(chǎn)-0.279071.327590.10047-0.393960

26、.195054759香江控股-0.27164-0.166850.426511.587720.207662203臥龍地產(chǎn)-0.575721.709050.3180.235890.333116825美都控股-0.4207-1.39890.567950.73004-0.294455309新湖中寶0.37988-0.45780.386580.824180.237349494ST魯置業(yè)-0.31069-0.681010.308441.496710.019785074云南城投-0.04506-0.968680.66951.127510.048022788華業(yè)地產(chǎn)-0.29767-0.409630.2844

27、60.34669-0.106926305成城股份-0.1593-1.077891.25958-4.55782-0.894985939北京城建0.095740.118040.371350.295370.187668286天房發(fā)展0.0074-0.64021-0.03322-0.42276-0.244947757華發(fā)股份0.205230.223150.327140.755580.327794187首開股份-0.13626-0.517320.988123.220650.553505845金地集團2.14206-0.738340.164220.196820.677796154東華實業(yè)-0.45208-

28、0.169470.06175-0.1157-0.223436112空港股份-0.48475-0.326070.372970.11682-0.178571712華麗家族-0.428490.77959-0.393930.430.044208319棲霞建設-0.0967-0.514580.262580.4124-0.051548527金豐投資-0.358620.744210.10908-0.024650.076882786鼎立股份-0.293590.57583-0.51478-0.53991-0.148667139豐華股份-0.45867-0.55381.04917-0.06167-0.132936077新黃浦-0.056640.58703-0.90122-0.11773-0.055840777浦東金橋0.002120.80871-0.25547-0.909280.008859725萬業(yè)企業(yè)-0.202