SPSS19.0軟件使用教程 第13章 SPSS在系統(tǒng)預(yù)測(cè)中的應(yīng)用

1、 第第13章章 SPSS在系統(tǒng)預(yù)測(cè)在系統(tǒng)預(yù)測(cè)中的應(yīng)用中的應(yīng)用13.1 實(shí)實(shí)例提出：汽車車保有量的預(yù)測(cè)預(yù)測(cè)分析我國(guó)經(jīng)濟(jì)的快速發(fā)展為私人汽車提供了巨大的發(fā)展空間。據(jù)中我國(guó)經(jīng)濟(jì)的快速發(fā)展為私人汽車提供了巨大的發(fā)展空間。據(jù)中國(guó)汽車工業(yè)協(xié)會(huì)估算，截止到國(guó)汽車工業(yè)協(xié)會(huì)估算，截止到2006年底，中國(guó)私人汽車保有年底，中國(guó)私人汽車保有量約為量約為2650萬輛，占全國(guó)汽車保有量的萬輛，占全國(guó)汽車保有量的60%左右。在左右。在2006年，年，我國(guó)汽車銷量為我國(guó)汽車銷量為710多萬輛，私人購(gòu)買比例超過多萬輛，私人購(gòu)買比例超過77%，中國(guó)已，中國(guó)已經(jīng)成為僅次于美國(guó)的全球第二大新車市場(chǎng)。經(jīng)成為僅次于美國(guó)的全球第二大新車

2、市場(chǎng)。據(jù)世界銀行的研究，汽車保有量據(jù)世界銀行的研究，汽車保有量 (尤其是私人汽車尤其是私人汽車)與人均國(guó)民與人均國(guó)民收入成正比。收入成正比。2003年，我國(guó)國(guó)內(nèi)人均年，我國(guó)國(guó)內(nèi)人均GDP首次突破首次突破1000美元，美元，這預(yù)示著中國(guó)汽車開始進(jìn)入家庭消費(fèi)階段。而事實(shí)表明，隨著這預(yù)示著中國(guó)汽車開始進(jìn)入家庭消費(fèi)階段。而事實(shí)表明，隨著中國(guó)人均中國(guó)人均GDP的穩(wěn)健增長(zhǎng)，近年來，我國(guó)的家用汽車銷量以兩的穩(wěn)健增長(zhǎng)，近年來，我國(guó)的家用汽車銷量以兩位數(shù)的增速急劇擴(kuò)大。位數(shù)的增速急劇擴(kuò)大。 汽車特別是用于消費(fèi)的私人汽車保有量的多少，與經(jīng)濟(jì)發(fā)展程度、汽車特別是用于消費(fèi)的私人汽車保有量的多少，與經(jīng)濟(jì)發(fā)展程度、居民收

3、入以及道路建設(shè)等有著密切的聯(lián)系。隨著私人汽車消費(fèi)時(shí)代居民收入以及道路建設(shè)等有著密切的聯(lián)系。隨著私人汽車消費(fèi)時(shí)代的到來，汽車保有量上升的一個(gè)重要因素就是國(guó)內(nèi)汽車消費(fèi)的快速的到來，汽車保有量上升的一個(gè)重要因素就是國(guó)內(nèi)汽車消費(fèi)的快速增長(zhǎng)。消費(fèi)者購(gòu)買力的增強(qiáng)和個(gè)體私營(yíng)經(jīng)濟(jì)的快速發(fā)展，也帶動(dòng)了增長(zhǎng)。消費(fèi)者購(gòu)買力的增強(qiáng)和個(gè)體私營(yíng)經(jīng)濟(jì)的快速發(fā)展，也帶動(dòng)了私人汽車的大發(fā)展。私人汽車保有量與一個(gè)國(guó)家或地區(qū)的社會(huì)經(jīng)濟(jì)私人汽車的大發(fā)展。私人汽車保有量與一個(gè)國(guó)家或地區(qū)的社會(huì)經(jīng)濟(jì)發(fā)展的有關(guān)數(shù)據(jù)有著密切關(guān)系。附表發(fā)展的有關(guān)數(shù)據(jù)有著密切關(guān)系。附表13-1提供了我國(guó)某一經(jīng)濟(jì)發(fā)達(dá)提供了我國(guó)某一經(jīng)濟(jì)發(fā)達(dá)地區(qū)的一些相關(guān)統(tǒng)計(jì)數(shù)據(jù)。地

4、區(qū)的一些相關(guān)統(tǒng)計(jì)數(shù)據(jù)。請(qǐng)根據(jù)附表中的相關(guān)數(shù)據(jù)分析影響該地區(qū)私人汽車保有量的因素，請(qǐng)根據(jù)附表中的相關(guān)數(shù)據(jù)分析影響該地區(qū)私人汽車保有量的因素，并預(yù)測(cè)到并預(yù)測(cè)到2008年該地區(qū)私人汽車保有量有多少？年該地區(qū)私人汽車保有量有多少？12.2 實(shí)實(shí)例的SPSS軟軟件操作詳詳解 本實(shí)例要求分析人均國(guó)內(nèi)生產(chǎn)總值、全社會(huì)消費(fèi)品零售總額本實(shí)例要求分析人均國(guó)內(nèi)生產(chǎn)總值、全社會(huì)消費(fèi)品零售總額等因素對(duì)私人汽車保有量的影響情況，并做相應(yīng)的預(yù)測(cè)分析。等因素對(duì)私人汽車保有量的影響情況，并做相應(yīng)的預(yù)測(cè)分析。由于人均國(guó)內(nèi)生產(chǎn)總值等指標(biāo)都描述了國(guó)民經(jīng)濟(jì)的發(fā)展情況，由于人均國(guó)內(nèi)生產(chǎn)總值等指標(biāo)都描述了國(guó)民經(jīng)濟(jì)的發(fā)展情況，因此它們和私人

5、汽車保有量有著密切的關(guān)系。但是要全部考慮因此它們和私人汽車保有量有著密切的關(guān)系。但是要全部考慮這些指標(biāo)是非常困難的，這是因?yàn)橹笜?biāo)數(shù)量眾多，難以全部考這些指標(biāo)是非常困難的，這是因?yàn)橹笜?biāo)數(shù)量眾多，難以全部考慮?？紤]到這些經(jīng)濟(jì)指標(biāo)之間還存在著相關(guān)性，因此可以利用慮?？紤]到這些經(jīng)濟(jì)指標(biāo)之間還存在著相關(guān)性，因此可以利用因子分析，利用降維的方法綜合這些眾多的經(jīng)濟(jì)指標(biāo)為少量的因子分析，利用降維的方法綜合這些眾多的經(jīng)濟(jì)指標(biāo)為少量的公共因子，這樣通過分析因子和私人汽車保有量的關(guān)系來預(yù)測(cè)公共因子，這樣通過分析因子和私人汽車保有量的關(guān)系來預(yù)測(cè)私車保有量的未來趨勢(shì)。私車保有量的未來趨勢(shì)。具體操作步驟如下：具體操作步驟

6、如下： Step01：打開數(shù)開數(shù)據(jù)文件打開數(shù)據(jù)文件打開數(shù)據(jù)文件13-1.sav。同時(shí)單擊數(shù)據(jù)瀏覽窗口的。同時(shí)單擊數(shù)據(jù)瀏覽窗口的【Variable View(變量視圖變量視圖)】按鈕，檢查各個(gè)變量的數(shù)據(jù)結(jié)構(gòu)定義是否合按鈕，檢查各個(gè)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。理，是否需要修改調(diào)整。Step02：因子分析在候選變選變量列表框中選擇選擇X1、X2、X6變變量設(shè)設(shè)定為為因子分析變變量，將將其添加至【Variables(變變量)】列表框中。單擊單擊【Extraction】按鈕鈕，勾選選【Scree plot】復(fù)選復(fù)選框，其他選項(xiàng)選項(xiàng)保持系統(tǒng)統(tǒng)默認(rèn)認(rèn)，單擊單擊【Continue(繼續(xù)繼續(xù))

7、】按鈕鈕返回主對(duì)話對(duì)話框。在主話框中，單擊在主話框中，單擊【Score(尺度尺度)】按鈕，勾選按鈕，勾選【Save as variables(保存變量保存變量)】復(fù)選框，表示采用回歸法計(jì)算因子得分并保持在原文復(fù)選框，表示采用回歸法計(jì)算因子得分并保持在原文件中；同時(shí)勾選件中；同時(shí)勾選【Display factor score coefficient matrix(顯示因顯示因子得分系數(shù)矩陣子得分系數(shù)矩陣)】復(fù)選框，表示輸出因子得分系數(shù)矩陣。其他選項(xiàng)復(fù)選框，表示輸出因子得分系數(shù)矩陣。其他選項(xiàng)保持系統(tǒng)默認(rèn)，單擊保持系統(tǒng)默認(rèn)，單擊【Continue(繼續(xù)繼續(xù))】按鈕返回。按鈕返回。單擊單擊【OK】按鈕

8、，完成本步操作。按鈕，完成本步操作。Step03：回歸分析：回歸分析在第二步因子分析中得到了不同年份的因子得分，這些因子得分充在第二步因子分析中得到了不同年份的因子得分，這些因子得分充分反映了不同年份的綜合經(jīng)濟(jì)發(fā)展值。于是可以考慮利用它來對(duì)私分反映了不同年份的綜合經(jīng)濟(jì)發(fā)展值。于是可以考慮利用它來對(duì)私車保有量進(jìn)行預(yù)測(cè)。車保有量進(jìn)行預(yù)測(cè)。首先繪制綜合經(jīng)濟(jì)發(fā)展值與私車保有量的散點(diǎn)圖，判斷兩者之間是首先繪制綜合經(jīng)濟(jì)發(fā)展值與私車保有量的散點(diǎn)圖，判斷兩者之間是否存在相關(guān)關(guān)系。否存在相關(guān)關(guān)系。 選擇菜單欄中的選擇菜單欄中的【Analyze(分析分析)】【Regression(回歸回歸)】【Curve Est

9、imation(曲線估計(jì)曲線估計(jì))】命令，彈出命令，彈出【Curve Estimation(曲線曲線估計(jì)估計(jì))】對(duì)話框。在候選變量列表框中選擇對(duì)話框。在候選變量列表框中選擇“y”變量設(shè)定為因變量，變量設(shè)定為因變量，將其添加至將其添加至【Dependent(s)(因變量因變量)】列表框中。同時(shí)，選擇列表框中。同時(shí)，選擇“FAC1-1”變量設(shè)定為自變量，將其添加至變量設(shè)定為自變量，將其添加至【Variable(變量變量)】列表框中。列表框中。在在【Model(模型模型)】復(fù)選框中勾選復(fù)選框中勾選【Logistic】模型，并在模型，并在【Upper bound(上限上限)】文本框中填入文本框中填入1

10、000，表示上限值。注意，這里的上，表示上限值。注意，這里的上限值可以調(diào)整完善。最后單擊限值可以調(diào)整完善。最后單擊【OK】按鈕，完成操作。按鈕，完成操作。 Step04：預(yù)測(cè)預(yù)測(cè)私車車保有量在得到了私車車保有量和綜綜合經(jīng)濟(jì)發(fā)經(jīng)濟(jì)發(fā)展值值的模型后，要預(yù)測(cè)預(yù)測(cè)私車車保有量在2010的數(shù)數(shù)量，則則首先需要估計(jì)綜計(jì)綜合經(jīng)濟(jì)發(fā)經(jīng)濟(jì)發(fā)展值值在2008的取值值，利用線線性回歸歸模型得到經(jīng)濟(jì)發(fā)經(jīng)濟(jì)發(fā)展值值的預(yù)測(cè)值預(yù)測(cè)值后，帶帶入Logistic函數(shù)數(shù)就可以估計(jì)計(jì)出2008年該該地區(qū)區(qū)的私車車保有量了。12.3 實(shí)實(shí)例的SPSS輸輸出結(jié)結(jié)果詳詳解1 因子分析結(jié)結(jié)果（1）因子分析共同度）因子分析共同度 表表13-

11、2是因子分析的共同度，顯示了所有變量的共同度數(shù)據(jù)。第是因子分析的共同度，顯示了所有變量的共同度數(shù)據(jù)。第一列是因子分析初始解下的變量共同度。它表明，對(duì)原有六個(gè)變量一列是因子分析初始解下的變量共同度。它表明，對(duì)原有六個(gè)變量如果采用主成分分析法提取所有六個(gè)特征根，那么原有變量的所有如果采用主成分分析法提取所有六個(gè)特征根，那么原有變量的所有方差都可被解釋，變量的共同度均為方差都可被解釋，變量的共同度均為1。第二列列出了按指定提取條。第二列列出了按指定提取條件提取特征根時(shí)的共同度?？梢钥吹?，所有變量的絕大部分信息可件提取特征根時(shí)的共同度?？梢钥吹?，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

12、。被因子解釋，這些變量信息丟失較少。（2）因子分析的總方差解釋）因子分析的總方差解釋接著計(jì)算得到相關(guān)系數(shù)矩陣的特征值、方差貢獻(xiàn)率及累計(jì)方差貢獻(xiàn)接著計(jì)算得到相關(guān)系數(shù)矩陣的特征值、方差貢獻(xiàn)率及累計(jì)方差貢獻(xiàn)率結(jié)果如表率結(jié)果如表13-3所示。在表所示。在表13-3中，第一個(gè)因子的特征根值為中，第一個(gè)因子的特征根值為5.920，解釋了原有，解釋了原有6個(gè)變量總方差的個(gè)變量總方差的98.670。因此只選取第一個(gè)因子。因此只選取第一個(gè)因子為主因子即可。為主因子即可。（3）因子碎石圖）因子碎石圖從碎石圖看到，第一個(gè)特征值明顯大于后面的特征值，說明提取第從碎石圖看到，第一個(gè)特征值明顯大于后面的特征值，說明提取第

13、一個(gè)因子是合適的。一個(gè)因子是合適的。（4）因子載荷矩陣）因子載荷矩陣 表表13-4顯示了因子載荷矩陣。通過載荷系數(shù)大小可以分析不同公顯示了因子載荷矩陣。通過載荷系數(shù)大小可以分析不同公共因子所反映的主要指標(biāo)的區(qū)別。從結(jié)果看，第一主因子在這六個(gè)共因子所反映的主要指標(biāo)的區(qū)別。從結(jié)果看，第一主因子在這六個(gè)指標(biāo)上的載荷值都很大，說明它綜合反映了該地區(qū)綜合經(jīng)濟(jì)發(fā)展值，指標(biāo)上的載荷值都很大，說明它綜合反映了該地區(qū)綜合經(jīng)濟(jì)發(fā)展值，故可以作為綜合經(jīng)濟(jì)發(fā)展值看待。故可以作為綜合經(jīng)濟(jì)發(fā)展值看待。（5）因子得分系數(shù)）因子得分系數(shù) 表表13-5列出了采用回歸法估計(jì)的因子得分系數(shù)。同時(shí)在原數(shù)據(jù)瀏列出了采用回歸法估計(jì)的因子

14、得分系數(shù)。同時(shí)在原數(shù)據(jù)瀏覽窗口中新增了變量覽窗口中新增了變量“FAC1_1”，它表示不同年份的綜合經(jīng)濟(jì)發(fā)展，它表示不同年份的綜合經(jīng)濟(jì)發(fā)展值。值。2 曲線線估計(jì)結(jié)計(jì)結(jié)果（1）模型描述）模型描述 表表13-6是是SPSS對(duì)曲線擬合結(jié)果的初步描述統(tǒng)計(jì)，例如自變量和對(duì)曲線擬合結(jié)果的初步描述統(tǒng)計(jì)，例如自變量和因變量、估計(jì)方程的類型等。因變量、估計(jì)方程的類型等。 （2）模型匯總及參數(shù)估計(jì)）模型匯總及參數(shù)估計(jì)表表13-7給出了樣本數(shù)據(jù)進(jìn)行給出了樣本數(shù)據(jù)進(jìn)行Logistic回歸的檢驗(yàn)統(tǒng)計(jì)量和相應(yīng)方程回歸的檢驗(yàn)統(tǒng)計(jì)量和相應(yīng)方程中的參數(shù)估計(jì)值。中的參數(shù)估計(jì)值。模型的整體擬合優(yōu)度值模型的整體擬合優(yōu)度值R2為為0.9

15、94，F(xiàn)統(tǒng)計(jì)量等于統(tǒng)計(jì)量等于1624.416，概率，概率P值小于顯著性水平值小于顯著性水平0.05，說明該模型有統(tǒng)計(jì)學(xué)意義。得到估計(jì)方程，說明該模型有統(tǒng)計(jì)學(xué)意義。得到估計(jì)方程如下：如下： 11 10000.072 0.287xy （3）擬合曲線圖）擬合曲線圖最后給出的是實(shí)際數(shù)據(jù)的散點(diǎn)圖和最后給出的是實(shí)際數(shù)據(jù)的散點(diǎn)圖和Logistic回歸方程的預(yù)測(cè)圖，這進(jìn)回歸方程的預(yù)測(cè)圖，這進(jìn)一步說明方程的擬合效果最好。一步說明方程的擬合效果最好。3 預(yù)測(cè)預(yù)測(cè)私車車保有量（1）預(yù)測(cè)綜合經(jīng)濟(jì)發(fā)展值）預(yù)測(cè)綜合經(jīng)濟(jì)發(fā)展值 繪制綜合經(jīng)濟(jì)發(fā)展變量繪制綜合經(jīng)濟(jì)發(fā)展變量“FAC1-1”的時(shí)間序列圖的時(shí)間序列圖13-6看到，該變看到，該變量的增長(zhǎng)基本呈線性趨勢(shì)，于是可以采用線性回歸來估計(jì)該變量在量的增長(zhǎng)基本呈線性趨勢(shì)，于是可以采用線性回歸來估計(jì)該變量在2008年的取值。年的取值。 采用曲線估計(jì)中的線性回歸選項(xiàng)可以估計(jì)得到預(yù)測(cè)方程如下：采