SPSS統(tǒng)計(jì)分析與應(yīng)用課程報(bào)告旅游酒店

1、精選優(yōu)質(zhì)文檔-傾情為你奉上SPSS統(tǒng)計(jì)分析與應(yīng)用課程報(bào)告城市旅游業(yè)與星級酒店相關(guān)分析姓 名： 學(xué) 號： 2013 年 6 月 30 日 專心-專注-專業(yè)城市旅游業(yè)與星級酒店相關(guān)分析 摘要 酒店是城市旅游產(chǎn)業(yè)客源的主要承載部門，酒店的客源市場取決于城市的旅游客源市場。隨著城市面貌的巨大變化，旅游業(yè)也飛速發(fā)展，一個(gè)城市擁有高檔次星級酒店的多少，反映了一個(gè)地方旅游接待能力水平的高低，長期以來，中國城市旅游業(yè)以入境觀光為龍頭而超常發(fā)展。然而進(jìn)入二十世紀(jì)九十年代中期以后，我國旅游市場環(huán)境發(fā)生了根本性的變化，酒店業(yè)進(jìn)入了買房市場需求約束性狀態(tài)1。各城市酒店業(yè)在入境客人、國內(nèi)客人等主要客源市場上表現(xiàn)出不同的

2、特點(diǎn)。豪華酒店的熱潮可以說席卷了全國，從一線到二三線城市，從CBD到風(fēng)景區(qū)，大量的五星級酒店或者是含五星級酒店的高端城市綜合項(xiàng)目在進(jìn)行，高星級酒店的熱度超乎想象。關(guān)鍵詞 星級酒店 城市級別 單因素方差分析 f檢驗(yàn) 聚類分析 回歸分析一、利用單因素方差分析1建立數(shù)據(jù)文件。定義變量名：市別、賓館總數(shù)、五星級酒店、四星級酒店、三星級酒店、二星級酒店、一星級酒店、客房、床位、客房出租。并將城市按照中國城市等級榜1將其分等。圖12. 選擇菜單“分析(Analyze) 比較均值 單因素”，彈出“單因素方差分析”對話框。在對話框左側(cè)的變量列表中選擇變量“賓館酒店”、“五星級酒店”、“四星級酒店”、“三星級酒

3、店”“二星級酒店”、“一星級酒店”進(jìn)入“因變量列表”框，選擇“城市級別”進(jìn)入“因子”框。圖23設(shè)置均值多重比較類型。單擊“兩兩比較（Post Hoc）”按鈕，彈出“單因素：兩兩比較”對話框。在“假定方差齊性（Equal Variances Assumed）”復(fù)選框組中，選擇LSD法進(jìn)行方差齊時(shí)兩兩均值的比較。圖34方差齊性檢驗(yàn)，單擊“選項(xiàng)”按鈕，彈出“單因素：選項(xiàng)”對話框。在“統(tǒng)計(jì)量”復(fù)選框組中，選擇“描述性”輸出觀測變量的基本描述統(tǒng)計(jì)量，選擇“方差同質(zhì)性檢驗(yàn)”表示進(jìn)行方差齊性檢驗(yàn)。圖35單擊“確定（OK）”按鈕，執(zhí)行多因素方差分析，得到輸出結(jié)果。描述N均值標(biāo)準(zhǔn)差標(biāo)準(zhǔn)誤均值的 95% 置信區(qū)間

4、極小值極大值下限上限五星級酒店1219.001.4141.0006.2931.711820225.503.5362.500-26.2737.2738385.756.4972.297.3211.1812141.00.0051.00.00681.13.991.350.301.9503總數(shù)224.736.4821.3821.857.60021四星級酒店1235.004.2433.000-3.1273.123238228.001.4141.000-4.7120.71793811.257.4982.6514.9817.52325414.00.44511.00.11683.501.414.5002.324

5、.6825總數(shù)229.5010.1122.1565.0213.98138三星級酒店12108.5054.44738.500-380.69597.69701472241.5031.82022.500-244.39327.3919643829.0013.7944.87717.4740.53748415.00.555118.00.18186812.886.8132.4097.1818.57424總數(shù)2229.9131.8826.79715.7744.044147二星級酒店1235.0012.7289.000-79.36149.362644227.001.4141.000-5.7119.7168388

6、.136.1282.1673.0013.25221413.00.335111.00.1111685.253.6151.2782.238.27010總數(shù)229.329.8432.0994.9513.68044一星級酒店12.00.000.000.00.000022.50.707.500-5.856.850138.88.835.295.181.570241.00.00511.00.1168.00.000.000.00.0000總數(shù)22.41.666.142.11.7002賓館酒店121291.50686.601485.500-4877.367460.36806177722447.5034.6482

7、4.500136.20758.8042347238395.38262.68192.872175.77614.98286924112.00.121251825.00.82582568332.00179.61563.504181.84482.1634604總數(shù)22460.64381.91081.423291.31629.97121777方差齊性檢驗(yàn)Levene 統(tǒng)計(jì)量df1df2顯著性五星級酒店1.777a316.192四星級酒店4.053b316.025三星級酒店26.448c316.000二星級酒店3.276d316.048一星級酒店7.432e316.002賓館酒店10.133f316.00

8、1a. 在計(jì)算 五星級酒店 的方差齊性檢驗(yàn)時(shí)，將忽略僅有一個(gè)案例的組。b. 在計(jì)算 四星級酒店 的方差齊性檢驗(yàn)時(shí)，將忽略僅有一個(gè)案例的組。c. 在計(jì)算 三星級酒店 的方差齊性檢驗(yàn)時(shí)，將忽略僅有一個(gè)案例的組。d. 在計(jì)算 二星級酒店 的方差齊性檢驗(yàn)時(shí)，將忽略僅有一個(gè)案例的組。e. 在計(jì)算 一星級酒店 的方差齊性檢驗(yàn)時(shí)，將忽略僅有一個(gè)案例的組。f. 在計(jì)算 賓館酒店 的方差齊性檢驗(yàn)時(shí)，將忽略僅有一個(gè)案例的組。ANOVA平方和df均方F顯著性五星級酒店組間565.4895113.0985.711.003組內(nèi)316.8751619.805總數(shù)882.36421四星級酒店組間1720.0005344.0

9、0012.875.000組內(nèi)427.5001626.719總數(shù)2147.50021三星級酒店組間15711.94353142.3898.924.000組內(nèi)5633.87516352.117總數(shù)21345.81821二星級酒店組間1516.3985303.2809.361.000組內(nèi)518.3751632.398總數(shù)2034.77321一星級酒店組間3.9435.7892.348.089組內(nèi)5.37516.336總數(shù)9.31821賓館酒店組間.2165.0435.096.006組內(nèi).8751673841.305總數(shù).09121圖4圖4圖5圖6圖7由以上各圖可以看出，第一級別的城市酒店賓館擁有數(shù)量

10、都最高，而三級城市的四星級酒店和五星級酒店比二級城市的多，三級城市的二星級酒店和一星級酒店數(shù)量都高于四級城市，而二星級城市在二至四級城市中，五級城市占有最多，賓館酒店也是五級城市擁有最多。四級城市擁有的三星級酒店最少，甚至比低級過它的五級、六級城市還少。一級城市人口較多，流動(dòng)人口以及外來出差、旅行的人相對比較多，對酒店的需求比較大，況且一級城市占地較大，為酒店的建設(shè)提供基本的條件。三級城市主要發(fā)展四星級酒店，這是由于三級城市主要是沿海城市，旅游業(yè)發(fā)展也比較好，有些城市的經(jīng)濟(jì)主導(dǎo)行業(yè)也是旅游業(yè)，外來出租酒店的人員都屬于經(jīng)濟(jì)較為寬裕的人，所以偏向居住四星級酒店這種中等偏上又不至于需要花費(fèi)大筆價(jià)錢如

11、五星級酒店的住宿，所以三級城市的四星級酒店所占比例偏高，五星級酒店在數(shù)量上也超過了二級城市，這可能是由于二級城市出于廣東省中部或北部，且二級城市一般不以旅游業(yè)為主導(dǎo)行業(yè)，旅游業(yè)發(fā)展并不十分發(fā)達(dá)，所以酒店數(shù)量相對較少也情有可原。五級城市的賓館酒店和二星級酒店也相對較多，從中國城市排行榜中可以看到，五級城市是經(jīng)濟(jì)城市、重要交通樞紐城市以及重點(diǎn)旅游城市，所處位置決定了五級城市的酒店數(shù)量，交通樞紐城市必將帶來大量的外來出差、旅行的人口，但是五級城市經(jīng)濟(jì)沒有一級到四級城市那么發(fā)達(dá)，所以五級城市在除了一級城市以外的幾個(gè)級別城市中，由于硬件條件不夠，城市面積不夠大，在規(guī)劃上，酒店總數(shù)相對高級點(diǎn)的城市比較低，

12、但二星級酒店、一星級酒店、賓館酒店這類星級較低的酒店所占比例卻在它們中顯得較為突出。另一小部分三星及三星以下級的酒店銷售良好，入住率很高，所以適合一些比較低級的城市發(fā)展，但酒店似乎發(fā)展到了一個(gè)坎兒上，員工熱情、銷售業(yè)績、服務(wù)質(zhì)量都無法再上一個(gè)臺階。撇開廣東省，從大中國趨勢上看，大多數(shù)四、五星級酒店在本行業(yè)縱向比，還算顯得略高一等，但在國際上橫著比，中國高檔酒店在戰(zhàn)略態(tài)勢、管理精度、服務(wù)深化和全球運(yùn)作方面和國際同等級酒店不可同日而語，中國的大多數(shù)四、五星級酒店的軟環(huán)境只相當(dāng)于國外三星甚至更低檔次的酒店。所以城市酒店的級別與城市的級別沒有太直接的關(guān)系，而與該城市的經(jīng)濟(jì)、主導(dǎo)行業(yè)、地理位置等的關(guān)系較

13、為密切。二、利用聚類分析1建立數(shù)據(jù)文件。2單擊“分析”->“分類” ->“系統(tǒng)聚類”，將“賓館酒店”、“五星級酒店”、“四星級酒店”、“三星級酒店”“二星級酒店”、“一星級酒店”進(jìn)入“變量”框，選擇“城市級別”進(jìn)入“標(biāo)注個(gè)案”框。圖83. 單擊“Statistics（統(tǒng)計(jì)量）”按鈕，彈出“Hierarchical Cluster Analysis: Statistics”對話框，選擇“Proximity matrix（相似性矩陣）”以顯示距離矩陣，圖94. 在“系統(tǒng)聚類分析”對話框中單擊“方法”按鈕，打開“系統(tǒng)聚類分析：方法”對話框，選擇群集法“組間聯(lián)接”，度量標(biāo)準(zhǔn)采用“

14、p e ars on相關(guān)性法”，在“轉(zhuǎn)換值”中選擇無。單擊“繼續(xù)”返回主對話框。圖105. 單擊“繪制”按鈕，彈出“系統(tǒng)聚類分析：繪制”對話框，選擇“樹狀圖”（樹型圖）選項(xiàng)，在“(方向)”中選擇垂直方向。單擊“繼續(xù)”返回主對話框。圖116單擊“OK（確定）”按鈕，得到輸出結(jié)果。案例處理匯總a案例有效缺失總計(jì)N百分比N百分比N百分比2643.33456.760100.0a. 平均聯(lián)結(jié)（組之間）案例 值向量間的相關(guān)性 1:廣 州 2:深 圳 3:珠 海 4:汕 頭 5:佛 山 6:順 德 7:韶 關(guān) 8:河 源 9:梅 州 10:惠 州 11:汕 尾 12:東 莞 13:中 山 14:江 門 15

15、:陽 江 16:湛 江 17:茂 名 18:肇 慶 19:清 遠(yuǎn) 20:潮 州 21:揭 陽 22:云 浮 23:珠 三 角 24:東 翼 25:西 翼 26:山 區(qū) 1:廣 州 1.0001.000.998.999.981.9331.000.999.8811.0001.000.959.999.999.999.999.998.999.999.910.998.9991.000.999.9991.0002:深 圳 1.0001.000.998.999.981.936.999.999.8801.000.999.962.999.999.999.999.998.998.999.912.998.9991.

16、000.999.999.9993:珠 海 .998.9981.000.996.987.928.997.995.900.998.997.966.996.996.995.996.994.994.996.918.993.994.998.996.995.9974:汕 頭 .999.999.9961.000.973.9301.0001.000.8651.0001.000.9521.0001.0001.0001.0001.0001.0001.000.9001.0001.000.9991.0001.0001.0005:佛 山 .981.981.987.9731.000.948.976.971.951.978

17、.975.976.973.973.973.972.969.969.973.963.967.972.980.973.972.9756:順 德 .933.936.928.930.9481.000.928.927.864.931.928.944.928.925.928.929.929.926.928.971.929.933.933.931.929.9297:韶 關(guān) 1.000.999.9971.000.976.9281.0001.000.8701.0001.000.9531.0001.0001.0001.000.999.9991.000.901.999.9991.0001.0001.0001.000

18、8:河 源 .999.999.9951.000.971.9271.0001.000.861.9991.000.9491.0001.0001.0001.0001.0001.0001.000.8951.0001.000.9991.0001.0001.0009:梅 州 .881.880.900.865.951.864.870.8611.000.874.867.905.864.864.866.863.855.858.864.941.851.862.879.863.862.86910:惠 州 1.0001.000.9981.000.978.9311.000.999.8741.0001.000.9581.

19、0001.000.9991.000.999.9991.000.906.999.9991.0001.000.9991.00011:汕 尾 1.000.999.9971.000.975.9281.0001.000.8671.0001.000.9541.0001.0001.0001.000.999.9991.000.900.999.9991.0001.0001.0001.00012:東 莞 .959.962.966.952.976.944.953.949.905.958.9541.000.952.953.950.951.948.947.952.944.948.949.960.952.950.9531

20、3:中 山 .999.999.9961.000.973.9281.0001.000.8641.0001.000.9521.0001.0001.0001.0001.0001.0001.000.8971.0001.000.9991.0001.0001.00014:江 門 .999.999.9961.000.973.9251.0001.000.8641.0001.000.9531.0001.0001.0001.0001.0001.0001.000.896.999.999.9991.0001.0001.00015:陽 江 .999.999.9951.000.973.9281.0001.000.866.

21、9991.000.9501.0001.0001.0001.0001.0001.0001.000.897.9991.000.9991.0001.0001.00016:湛 江 .999.999.9961.000.972.9291.0001.000.8631.0001.000.9511.0001.0001.0001.0001.0001.0001.000.8981.0001.000.9991.0001.0001.00017:茂 名 .998.998.9941.000.969.929.9991.000.855.999.999.9481.0001.0001.0001.0001.0001.0001.000.

22、8931.0001.000.9991.0001.0001.00018:肇 慶 .999.998.9941.000.969.926.9991.000.858.999.999.9471.0001.0001.0001.0001.0001.0001.000.8921.0001.000.9991.0001.0001.00019:清 遠(yuǎn) .999.999.9961.000.973.9281.0001.000.8641.0001.000.9521.0001.0001.0001.0001.0001.0001.000.8981.0001.000.9991.0001.0001.00020:潮 州 .910.912

23、.918.900.963.971.901.895.941.906.900.944.897.896.897.898.893.892.8981.000.892.899.909.900.896.90121:揭 陽 .998.998.9931.000.967.929.9991.000.851.999.999.9481.000.999.9991.0001.0001.0001.000.8921.0001.000.9981.0001.000.99922:云 浮 .999.999.9941.000.972.933.9991.000.862.999.999.9491.000.9991.0001.0001.000

24、1.0001.000.8991.0001.000.9991.0001.0001.00023:珠 三 角 1.0001.000.998.999.980.9331.000.999.8791.0001.000.960.999.999.999.999.999.999.999.909.998.9991.000.999.9991.00024:東 翼 .999.999.9961.000.973.9311.0001.000.8631.0001.000.9521.0001.0001.0001.0001.0001.0001.000.9001.0001.000.9991.0001.0001.00025:西 翼 .9

25、99.999.9951.000.972.9291.0001.000.862.9991.000.9501.0001.0001.0001.0001.0001.0001.000.8961.0001.000.9991.0001.0001.00026:山 區(qū) 1.000.999.9971.000.975.9291.0001.000.8691.0001.000.9531.0001.0001.0001.0001.0001.0001.000.901.9991.0001.0001.0001.0001.000圖12（數(shù)據(jù)過大，附圖表）聚類表階群集組合系數(shù)首次出現(xiàn)階群集下一階群集 1群集 2群集 1群集 21131

26、91.00000728251.000008316241.00000541231.000001254161.00003767111.00000974131.000511388181.000201097261.0006013108151.00080161117211.000001712121.000401513471.0007914144141.00013016151101.0001201916481.0001410181717221.00011018184171.0001617191914.9991518202013.9961902321512.976002322620.97100242315.

27、9642021242416.9182322252519.8752400圖13圖14利用聚類分析，是忽略了城市的原本分級，通過聚類分析方法，根據(jù)酒店級別及其數(shù)量來將城市進(jìn)行分類，通過組間聯(lián)接方法，可以得出以上樹狀圖，由樹狀圖中可以看出，中山、清遠(yuǎn)、湛江、汕尾、汕頭、韶關(guān)、江門、河源、肇慶、陽江、茂名、揭陽、云浮、廣州、深圳、惠州、珠海最早聚成一類，之后是佛山和東莞聚成一類，順德和潮州聚成一類。由聚類表看出，首先聚在一起的是中山和湛江，這兩個(gè)城市都是重要的交通樞紐城市，中山市東接廣州市南沙，南抵珠海市香洲區(qū)、斗門區(qū)，西達(dá)江門市新會區(qū)、江海區(qū)、蓬江區(qū)，北至佛山市順德、廣州市番禺區(qū)，四周與8個(gè)縣級行政

28、區(qū)接壤。而湛江地處粵桂瓊?cè)。▍^(qū)）交匯處，東瀕南海，南隔瓊州海峽與海南省相望，西臨北部灣，背靠大西南。所以這兩個(gè)城市會有比較頻繁的人口流動(dòng)，外出出差的務(wù)工人員等則需要在這兩個(gè)中轉(zhuǎn)站中入住酒店，他們的星級酒店比例相近。佛山和東莞是廣州的周邊城市，眾所周知，廣州是個(gè)繁榮的大都市，各種各樣的人都求著在此能有一席之地，在大城市中能更容易地?fù)频降谝煌敖穑鹕胶蜄|莞毗鄰廣州，并且城市也比較大，便成為欲進(jìn)入廣州的人所到之處，所以他們的相似性比較高。在聚類表中可看出廣州與較多的城市聚成一類，這是由于廣州是個(gè)大城市，具有強(qiáng)大的包容性，所以比較容易在其中找到與其他城市相同的地方而聚成一起。廣州與深圳同是大城市，

29、雖然深圳的發(fā)展歷史與久遠(yuǎn)的廣州歷史相差較大，但深圳仍然在正確的政策引導(dǎo)下迅速發(fā)展，并成為可以跟廣州聚成一類的城市。由聚類分析可以看出在旅游業(yè)中，景點(diǎn)、習(xí)俗等一樣的城市與城市級別有比較大的關(guān)系，跟城市的經(jīng)濟(jì)能力有關(guān)。三、利用線性回歸分析1建立數(shù)據(jù)文件，點(diǎn)擊“分析”“相關(guān)”“雙變量”， 進(jìn)入界面，將“城市級別”和“五星級飯店”兩個(gè)變量移入“變量”框內(nèi)，在“相關(guān)系數(shù)”欄目中選擇“Pearson"，（Pearson是一種簡單相關(guān)系數(shù)分析和計(jì)算的方法，如果需要進(jìn)行進(jìn)一步分析，需要借助“多遠(yuǎn)線性回歸”分析）在“顯著性檢驗(yàn)”中選擇“雙側(cè)檢驗(yàn)”并且勾選“標(biāo)記顯著性相關(guān)” 圖152.點(diǎn)擊確定

30、， 得到如下結(jié)果： 相關(guān)性城市級別五星級酒店城市級別Pearson 相關(guān)性1-.655*顯著性（雙側(cè)）.001N2222五星級酒店P(guān)earson 相關(guān)性-.655*1顯著性（雙側(cè)）.001N2226*. 在 .01 水平（雙側(cè)）上顯著相關(guān)。從以上結(jié)果，可以看出“Pearson"的相關(guān)性為0.655，（可以認(rèn)為是“兩者的相關(guān)系數(shù)為0.655）屬于“正相關(guān)關(guān)系”同時(shí)“顯著性（雙側(cè)） 結(jié)果為0.001， 由于0.001<0.01，所以具備顯著性，得出：“城市級別”和“五星級飯店”具備相關(guān)性，有關(guān)聯(lián)。 既然具備相關(guān)性，那么我們將進(jìn)一步做

31、分析, 建立回歸分析，并且構(gòu)建“一元線性方程”，如下所示：3.點(diǎn)擊“分析”-回歸-線性” ，將“因變量”和“自變量”分別拖入框內(nèi)  （如上圖所示）從上圖可以看出：“自變量”指 “城市級別” ,  "因變量”是指“五星級酒店” ，在方法框中選擇“進(jìn)入”表示所選解釋變量強(qiáng)行進(jìn)入回歸方程，圖164. 在“回歸系數(shù)”中選擇“估計(jì)” 在右邊選擇“模型擬合度” 在殘差下面選擇“Durbin-watson(u), 點(diǎn)擊繼續(xù)按鈕 圖175.繪制殘差序列分析圖點(diǎn)擊“繪制圖”

32、在“線性回歸：圖”窗口中，將“ZRESID”加入Y框，將“ZPRED”加入X2框，在“標(biāo)準(zhǔn)化殘差圖”中選擇“直方圖”和“正態(tài)概率圖”繪制標(biāo)準(zhǔn)化殘差序列的直方圖：圖186.回到主選框，點(diǎn)擊確定后，得到以下結(jié)果：輸入移去的變量b模型輸入的變量移去的變量方法1城市級別a.輸入a. 已輸入所有請求的變量。b. 因變量: 五星級酒店模型匯總b模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差Durbin-Watson1.655a.429.4015.0171.943a. 預(yù)測變量: (常量), 城市級別。b. 因變量: 五星級酒店Anovab模型平方和df均方FSig.1回歸378.8811378.88115.05

33、0.001a殘差503.4832025.174總計(jì)882.36421a. 預(yù)測變量: (常量), 城市級別。b. 因變量: 五星級酒店系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn) 誤差試用版1(常量)14.1342.6505.333.000城市級別-2.379.613-.655-3.879.001圖20將第一步中的城市級別換成游客數(shù)量，即建立數(shù)據(jù)文件，點(diǎn)擊“分析”“相關(guān)”“雙變量”， 進(jìn)入界面，將“游客總數(shù)”和“五星級飯店”兩個(gè)變量移入“變量”框內(nèi)，在“相關(guān)系數(shù)”欄目中選擇“Pearson"，（Pearson是一種簡單相關(guān)系數(shù)分析和計(jì)算的方法，如果需要進(jìn)行進(jìn)一步分析，需要

34、借助“多遠(yuǎn)線性回歸”分析）在“顯著性檢驗(yàn)”中選擇“雙側(cè)檢驗(yàn)”并且勾選“標(biāo)記顯著性相關(guān)”。圖21得到以下結(jié)果描述性統(tǒng)計(jì)量均值標(biāo)準(zhǔn)差N游客合計(jì)1885.453236.90926五星級酒店7.9217.19126相關(guān)性游客合計(jì)五星級酒店游客合計(jì)Pearson 相關(guān)性1.969*顯著性（雙側(cè)）.000N2626五星級酒店P(guān)earson 相關(guān)性.969*1顯著性（雙側(cè)）.000N2626*. 在 .01 水平（雙側(cè)）上顯著相關(guān)。從以上結(jié)果，可以看出“Pearson"的相關(guān)性為0.969，（可以認(rèn)為是“兩者的相關(guān)系數(shù)為0.655）屬于“正相關(guān)關(guān)系”同時(shí)“顯著性（雙側(cè)） 結(jié)果為0.000

35、， 由于0.001<0.01，所以具備顯著性，得出：“游客合計(jì)”和“五星級飯店”具備相關(guān)性，有關(guān)聯(lián)。 既然具備相關(guān)性，那么我們將進(jìn)一步做分析, 建立回歸分析，并且構(gòu)建“一元線性方程”，如下所示：3.點(diǎn)擊“分析”-回歸-線性” ，將“因變量”和“自變量”分別拖入框內(nèi)，從上圖可以看出：“自變量”指 “游客合計(jì)” ,  "因變量”是指“五星級酒店” ，在方法框中選擇“進(jìn)入”表示所選解釋變量強(qiáng)行進(jìn)入回歸方程，最終得到以下結(jié)果：輸入移去的變量b模型輸入的變量移去的變量方法1游客合計(jì)a.輸入a. 已輸

36、入所有請求的變量。b. 因變量: 五星級酒店模型匯總b模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差Durbin-Watson1.969a.939.9364.3321.548a. 預(yù)測變量: (常量), 游客合計(jì)。b. 因變量: 五星級酒店Anovab模型平方和df均方FSig.1回歸378.8811378.88115.050.001a殘差503.4832025.174總計(jì)882.36421a. 預(yù)測變量: (常量), 城市級別。b. 因變量: 五星級酒店圖22分析城市級別和五星級飯店的線性關(guān)系以及游客數(shù)量和五星級酒店的線性關(guān)系，通過圖表可以看到系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn) 誤差試

37、用版1(常量)2.2823.220.709.487游客合計(jì).004.001.7264.538.000城市級別-.636.581-.175-1.095.287a. 因變量: 五星級酒店游客合計(jì)的顯著性值為0.000，則應(yīng)拒絕原假設(shè)，顯著性非常明顯，城市級別的顯著性值為0.001，也比顯著性水平0.05低，應(yīng)拒絕原假設(shè)，說明游客合計(jì)與城市級別均與五星級酒店數(shù)量有關(guān)。再看標(biāo)準(zhǔn)系數(shù)，城市級別與五星級酒店的標(biāo)準(zhǔn)系數(shù)為0.655，游客合計(jì)與五星級飯店的標(biāo)準(zhǔn)系數(shù)為0.969，明顯比城市級別高。通過直方圖，我們可以看到游客合計(jì)的直方圖基本符合正態(tài)分布，城市級別與五星級酒店的直方圖則比較符合正態(tài)分布。在概率分布

38、圖中，我們可以看到游客合計(jì)與五星級酒店概率分布基本呈線性關(guān)系，而城市級別與五星級飯店的概率分布圖中則可看出只在某些區(qū)域呈現(xiàn)線性相關(guān)關(guān)系。在之前的單因素方差分析中，我們就可以得出城市級別與五星級飯店的關(guān)系并不呈規(guī)律相關(guān)，三級城市的五星級酒店多于二級城市。綜合單因素方差分析和線性相關(guān)分析，更可得出五星級酒店與城市級別的關(guān)系并不十分顯著，而在線性相關(guān)分析中，我們?nèi)菀卓闯鲇慰秃嫌?jì)與五星級酒店的關(guān)系更為顯著，這是由于入住五星級酒店的一般都是前來旅行的人群，城市內(nèi)的居民通常不會入住五星級酒店，如果城市的旅游業(yè)不發(fā)達(dá)，游客人數(shù)不多，建成五星級酒店則可以預(yù)見到他們未來生意的波折，只有旅游業(yè)發(fā)達(dá)了，吸引更多前來

39、觀光的游客、旅客，才有機(jī)會使五星級酒店的生意升溫，另外，出差前來的外來人員較少入住五星級酒店，一般選擇實(shí)惠舒適的較低星級酒店，只追求住的質(zhì)量并不太追求服務(wù)、餐飲各方面的質(zhì)量，所以只有旅游人士才會在乎餐飲等的質(zhì)量，重視享受，加強(qiáng)旅行途中的舒適性所以選擇五星級酒店。對于主要的旅游城市來說，他們的五星級酒店就會比其他城市多。四、結(jié)論綜合本次報(bào)告中的分析，我們可以知道，星級酒店的數(shù)量與城市的級別沒有一定的關(guān)系，而與這個(gè)城市的游客數(shù)量更為相關(guān)，等級高的城市不一定星級酒店就多，等級低的城市也不一定就沒有高星級的酒店，這些都與這座城市的旅游業(yè)息息相關(guān)。這種趨勢并不僅僅是分析中廣東省才呈現(xiàn)出來，整個(gè)中國的酒店市場影響因素也與旅游業(yè)有關(guān)?？偟膩碚f，酒店在一線城市可以填補(bǔ)市場空缺。在一線門戶城市，高星級飯店一定程度上已處于基本飽和的狀態(tài)。預(yù)計(jì)2010年在中國一線城市某些區(qū)域，存在填補(bǔ)市場空白的飯店投資機(jī)會。如今旅游業(yè)應(yīng)該是與現(xiàn)代服務(wù)業(yè)的融合發(fā)展。酒店業(yè)與其他相關(guān)現(xiàn)代服務(wù)業(yè)如會展、房地產(chǎn)、商業(yè)購物娛樂有互動(dòng)發(fā)展的良好傳統(tǒng)，如萬達(dá)集團(tuán)就是將房地產(chǎn)、大