Spss电脑实验-第八节(1)统计指标影响因素的分析
第八节 统计指标影响因素的分析
在公共管理工作中,经常会迂到下列一些情况:各种工作统计指标间有相互关联与相互影响;工作中要找出有关统计指标的主要影响因素;要利用一些统计指标去预测预报;开展一些对照调查比较;“抓两头”的工作方法(发现工作中“好”的典型与“差”的典型,这也就是统计学中的“二分变量”或“两分类变量”),了解产生“好”的典型与“差”的典型的主要原因,以便采取对策措施等等。本节主要介绍这方面的有关内容。 Ⅰ.影响因素间的相关系数计算 1. 相关系数计算的实例 例如:某公司统计了 1~8 月份销售额(y,万元)与广告费用(x1,万元)及经营人员数(x2)的关系,数据见表 11-1。 表 11-1 某公司销售额、广告费用和经营人员数的关系 ---------------------------------------------------------------------------- 月份 销售额(y) 广告费用(x1) 经营人员数(x2) (1) (2) (3) (4) ---------------------------------------------------------------------------- 1 260 17 29 2 300 18 32 3 240 16 25 4 320 19 34 5 310 18 33 6 290 18 31 7 270 17 30 8 270 18 30 ----------------------------------------------------------------------------- 要计算 y、x1 与 x2 之间的相关系数,在程序文件 RelatedFactors.sps 中的 BEGIN DATA 与 END DATA 间,录入y、x1 与 x2 的数据。 * Analysis for influence factors; Filename: RelatedFactors.SPS. *-------------------------------------------------------------------. *1. Analysis on related factors:. DATA LIST FREE /y x1 x2. BEGIN DATA. 260 17 29 300 18 32 240 16 25 320 19 34 310 18 33 290 18 31 270 17 30 270 18 30 END DATA. CORRELATIONS /VARIABLES=y x1 x2. REGRESSION /STATISTICS=COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) CIN(95) /NOORIGIN /DEPENDENT=y /METHOD=ENTER x1 x2 /CASEWISE=PLOT(ZRESID) ALL /SAVE=PRED MCIN ICIN RESID. REGRESSION /STATISTICS=COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) CIN(95) /NOORIGIN /DEPENDENT y /METHOD=STEPWISE x1 x2 /CASEWISE=PLOT(ZRESID) ALL /SAVE=PRED MCIN ICIN RESID. *------------------------------------------------------------------. 2. 计算相关系数的命令 计算相关系数需用 CORRELAION 命令,此命令 CORRELATION 产生方法、步骤是: SPSS 程序编辑窗主菜单 Analyze → 选 Correlate (相关分析) → 选 Bivariate (双变量间的相关分析,出现 Bivariate Correlations 窗口 → 将 y、x1 和 x2 均选入右边的Variables 窗口中,默认计算 Pearson 相关系数(Correlation coefficients)→ Paste,即出现程序文件中的命令:CORRELATIONS /VARIABLES = y x1 x2. 运算结果:y 与 x1 间相关系数 r = 0.905, P=0.002; y 与 x2 间相关系数 r = 0.967, P=0.000; x1 与 x2 间相关系数 r = 0.926, P=0.001; Correlations Y X1 X2 Y Pearson Correlation 1.000 .905 .967 Sig. (2-tailed) . .002 .000 N 8 8 8 X1 Pearson Correlation .905 1.000 .926 Sig. (2-tailed) .002 . .001 N 8 8 8 X2 Pearson Correlation .967 .926 1.000 Sig. (2-tailed) .000 .001 . N 8 8 8 |