統(tǒng)計軟件SPSS課件：第15章 SPSS在旅游業(yè)的應(yīng)用

1、 第15章 SPSS在旅游業(yè)的應(yīng)用15.1 實例提出：國內(nèi)旅游收入影響因素 考慮到國內(nèi)旅游收入主要影響因素有收入水平、休假政策、交通狀況等方面的影響。表15-1是依據(jù)文獻(xiàn)資料，選取反映上述方面的統(tǒng)計指標(biāo)，包括國內(nèi)旅游收入、國內(nèi)生產(chǎn)總值、旅游人均花費、城市居民旅游花費、農(nóng)村居民旅游花費、公路線路里程、鐵路線路里程。特別的為了分析1999年休假制度改革對旅游收入的影響，增加了虛擬變量“制度”來分析它對于旅游收入的影響。15.2 實例的SPSS軟件操作詳解 本實例要分析國內(nèi)旅游收入（Y）的影響因素，因此可以建立旅游收入與GDP、旅游人均花費、公路里程數(shù)等變量之間的回歸模型。通過回歸系數(shù)的大小來探討這

2、些因素對旅游收入的影響大小。但是根據(jù)相關(guān)性分析結(jié)果表15-2看到，自變量之間存在著高度的線性相關(guān)性。因此本實例直接利用回歸分析模型來分析影響因素可能出現(xiàn)多重共線性的現(xiàn)象，造成部分回歸系數(shù)不顯著，因此首要需要考慮的是如何處理變量之間的多重共線性問題。 因子分析方法是指用較少個數(shù)的公共因子的線性函數(shù)與特定因子之和來表達(dá)原解釋變量的分量，以達(dá)到降低維數(shù)并能合理地解釋原解釋變量。本實例中，利用因子分析法中的主成分分析法消除經(jīng)濟(jì)因素變量的多重共線性問題，使得經(jīng)濟(jì)因素的解釋變量在降低維度的同時消除多重共線性。通過分析因子和“制度”虛擬變量對國內(nèi)旅游收入的影響來探討旅游收入的影響因素。 具體操作步驟如下：

3、Step01：打開數(shù)據(jù)文件打開或建立數(shù)據(jù)文件15-1.sav。同時單擊數(shù)據(jù)瀏覽窗口的【變量視圖】選項，檢查各個變量的數(shù)據(jù)結(jié)構(gòu)定義是否合理，是否需要修改調(diào)整。Step02：因子分析 在【候選變量】列表框中選擇X1、X2、X6變量設(shè)定為因子分析變量，將其添加至【變量】列表框中。具體見圖15-1所示。 在主對話框中，單擊【描述】按鈕，勾選【KMO和Bartlett的球形檢驗】選項，表示進(jìn)行因子分析適用性的巴特利特球度檢驗，其他選項保持系統(tǒng)默認(rèn)，單擊【繼續(xù)】按鈕返回。 在主話框中，單擊【得分】按鈕，勾選【保存為變量】選項，表示采用回歸法計算因子得分并保持在原文件中。其他選項保持系統(tǒng)默認(rèn)，單擊【繼續(xù)】按

4、鈕返回。 單擊【確定】按鈕，完成本步操作。圖15-1 【因子分析】對話框Step03：回歸分析 在第二步因子分析中得到了所有旅游收入影響因素綜合得分Z，這些因子得分充分反映了這些指標(biāo)在不同年份的綜合發(fā)展值。于是可以考慮利用它和制度虛擬變量來對國內(nèi)旅游收入進(jìn)行回歸分析。具體模型如下： 其中，y表示國內(nèi)旅游收入，z表示綜合旅游影響值，x7表示虛擬變量。 在菜單欄中選擇【分析】【回歸】【線性】命令，彈出【線性回歸】對話框，如圖15-2所示。在左側(cè)候選變量列表框中選擇“y”變量設(shè)定為因變量，將其添加至【因變量】列表框中。在左側(cè)候選變量列表框中選擇“z”和“x7”變量設(shè)定為自變量，將其添加至【自變量】列

5、表框中。最后，單擊圖15-2中的【確定】按鈕，操作完成。圖15-2 【線性回歸】對話框12.3 實例的SPSS輸出結(jié)果詳解 （1）巴特利特球度檢驗和KMO檢驗 首先表15-3顯示了對數(shù)據(jù)進(jìn)行因子分析適用性檢驗的結(jié)果。巴特利特球度檢驗統(tǒng)計量的觀測值等于119.915,。如果顯著性水平等于0.05，由于概率P值小于顯著性水平，應(yīng)拒絕原假設(shè)，認(rèn)為相關(guān)系數(shù)矩陣與單位陣有顯著差異。同時，KMO值為0.763，根據(jù)Kaiser給出的KMO度量標(biāo)準(zhǔn)可知原有變量適合進(jìn)行因子分析。 （2）因子分析共同度 表15-6是因子分析的共同度，顯示了所有變量的共同度數(shù)據(jù)。如果對原有六個變量如果采用主成分分析法提取所有七個

6、特征根，那么原有變量的所有方差都可被解釋，變量的共同度均為1。接著，第二列列出了按指定提取條件提取特征根時的共同度。可以看到，所有變量的絕大部分信息可被因子解釋，這些變量信息丟失較少。 （3）因子分析的總方差解釋 接著Spss軟件計算得到相關(guān)系數(shù)矩陣的特征值、方差貢獻(xiàn)率及累計方差貢獻(xiàn)率結(jié)果如表15-7所示。結(jié)果表明，由于數(shù)據(jù)的相關(guān)性較強(qiáng)，選擇第一個因子為主因子即可，因為它解釋了原有六個變量總方差的84.449%。 （5）因子載荷矩陣 表15-8顯示了因子載荷矩陣。通過載荷系數(shù)大小可 以看到不同公共因子所反映的主要指標(biāo)的區(qū)別。從結(jié)果看，第一因子在所有變量的載荷系數(shù)都較大，基本都在0.80以上，說

7、明它主要反映了旅游收入的綜合影響因素。 （6）因子得分系數(shù) 表15-9列出了采用回歸法估計的因子得分系數(shù)。同時在原數(shù)據(jù)瀏覽窗口中新增了變量“FAC1_1”，它表示不同年份的綜合影響因素值。為了表述方便，將其改寫為“Z”變量。2 回歸分析結(jié)果 （1）模型摘要 表15-10給出了衡量該回歸方程優(yōu)劣的統(tǒng)計量。調(diào)整的R2為0.928，說明擬合的線性回歸模型反映了原始數(shù)據(jù)92.8%的信息，擬合效果較好。 （2）方差分析表 表15-11是對回歸模型進(jìn)行方差分析的檢驗結(jié)果。可以看到方差分析結(jié)果中F統(tǒng)計量等于84.790，概率P值小于顯著性水平0.05，所以該模型是有統(tǒng)計學(xué)意義的，即綜合影響因素和制度變量是顯著的。 （3）回歸系數(shù)表 表15-12給出了回歸模型的參數(shù)估計結(jié)果，于是得到回歸方程如下：接著將表15-8的因子載荷系數(shù)帶入到Z變量的表達(dá)式中，進(jìn)入可以將上述回歸模型改寫為如下形式： 將擬合預(yù)測值與實際值比較后得知，模型有很高的擬合優(yōu)度，并且模型中各變量系數(shù)符號的經(jīng)濟(jì)意義合理。各項影響因素的增長，對