SPSS在市場調(diào)研中的應(yīng)用課件

1、第12章 SPSS在市場調(diào)研中的應(yīng)用12.1 實(shí)例提出：綠色食品的認(rèn)知研究二十一世紀(jì)以來，資源和環(huán)境問題日益受到人們的關(guān)注。在現(xiàn)代化進(jìn)程中，人類過度的經(jīng)濟(jì)活動(dòng)，給資源和環(huán)境帶來很大壓力。與此同時(shí)，農(nóng)藥殘留和食品安全事件頻繁發(fā)生，嚴(yán)重影響了人們的身體健康和生活質(zhì)量。數(shù)據(jù)10-1.sav是對(duì)應(yīng)的調(diào)查數(shù)據(jù)。請利用這些資料分析以下問題：問題一：請你將被調(diào)查者的基本信息作簡要統(tǒng)計(jì)說明。問題二：請分析性別、收入等因素對(duì)消費(fèi)者在購買綠色食品顧慮上有無差異性。12.2 實(shí)例的SPSS軟件操作詳解 1 問題一操作詳解 問題一要求你將被調(diào)查者的基本信息作簡要統(tǒng)計(jì)說明。由于問卷所給的調(diào)查信息中，被調(diào)查者的性別、年齡

2、、受教育程度等都是調(diào)查者的基本信息。因此可以首先對(duì)這些變量進(jìn)行描述性統(tǒng)計(jì)分析，繪制頻數(shù)表和相關(guān)圖形。同時(shí)，可以采用列聯(lián)表分析來研究不同基本信息之間的相互影響。具體操作步驟如下： Step01：打開數(shù)據(jù)文件打開數(shù)據(jù)文件12-1.sav。同時(shí)單擊數(shù)據(jù)瀏覽窗口的【Variable View】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。Step02：調(diào)查者基本信息的頻數(shù)分析選擇菜單欄中的【Analyze（分析）】 【Descriptive Statistics(描述統(tǒng)計(jì))】【Frequencies(頻率)】命令，彈出【Frequencies(頻率)】對(duì)話框。選擇A1A8等8項(xiàng)指標(biāo)作為分

3、析對(duì)象，將其添加至右側(cè)的【Frequencies(變量)】列表框中。Step03：繪制直方圖單擊【Charts】按鈕, 彈出【Frequencies:Charts(頻率：圖表)】對(duì)話框。在圖形類型【Chart Type(圖表類型)】中，點(diǎn)選直方圖【Histograms(直方圖)】單選鈕，并勾選其下的【W(wǎng)ith normal curve(顯示正態(tài)曲線)】復(fù)選框。再單擊【Continue】按鈕，返回主菜單。最后單擊【Frequencies(頻率)】對(duì)話框中的【OK】按鈕，完成本部分操作。Step04：列聯(lián)表分析選擇菜單欄中的【Analyze（分析）】【Descriptive Statistics(

4、描述統(tǒng)計(jì))】【Crosstabs(交叉表)】命令，彈出【Crosstabs(交叉表)】對(duì)話框。在候選變量列表框中選擇A1（性別）變量添加至主對(duì)話框右側(cè)的【Row(s)(行)】列表框中，選擇A2（年齡）變量添加至右側(cè)的【Column(s)(列)】列表框中（這里只分析性別與年齡之間的關(guān)系，其他變量的關(guān)系可以類似求的）。勾選【Display clustered bar charts(顯示復(fù)式條形圖)】復(fù)選框，顯示列聯(lián)表柱狀圖。單擊【Cells】按鈕, 彈出【Crosstabs:Cell Display(交叉表：單元顯示)】對(duì)話框。在【Counts(計(jì)數(shù))】選項(xiàng)組中勾選【Observed(觀察值)】復(fù)

5、選框；在【Percentages(百分比)】選項(xiàng)組中勾選【Row(列)】、【Column(行)】、【Total(總計(jì))】復(fù)選框；在【Noninteger Weights(非整數(shù)權(quán)重)】選項(xiàng)組中點(diǎn)選【Round cell counts(四舍五入單元格計(jì)數(shù))】單選鈕。再單擊【Continue按】鈕，返回主對(duì)話框。單擊【OK】按鈕，完成本部分操作。2 問題二操作詳解 問題二要分析性別、教育程度等因素對(duì)消費(fèi)者在購買綠色食品顧慮上有無差異性。表12-1中的第9問第20問都是反映消費(fèi)者的購買顧慮，每個(gè)題目取值越大說明消費(fèi)者在該方面的顧慮越重。由于我們要綜合考慮消費(fèi)顧慮，于是將每個(gè)被調(diào)查者從第9問到第20問

6、的得分相加，就可以得到綜合顧慮值；然后通過單因素方差分析來分析性別、教育程度等因素對(duì)消費(fèi)顧慮有無顯著性影響。具體操作步驟如下： Step01：計(jì)算被調(diào)查者購買綜合顧慮值打開數(shù)據(jù)文件12-1.sav，接著選擇菜單欄中的【File(文件)】【Transform(轉(zhuǎn)換)】【Compute(計(jì)算)】命令。在彈出的【Compute(計(jì)算)】對(duì)話框的【Target Variable(目標(biāo)變量)】文本框中，輸入變量名GL表示要新建此變量來表示購買綜合顧慮值。接著在【Numeric Expression(數(shù)學(xué)表達(dá)式)】文本框中輸入綜合顧慮值的計(jì)算公式。完成上述操作后，在數(shù)據(jù)瀏覽窗口中會(huì)新增變量“GL”Step

7、02：性別對(duì)購買顧慮的差異性研究接著利用單因素方差分析來研究性別變量對(duì)消費(fèi)者購買顧慮有無顯著性差異。選擇菜單欄中的【Analyze（分析）】 【Compare Means(比較均值)】【One-Way ANOVA(單因素ANOVA)】命令，彈出【One-Way ANOVA(單因素ANOVA)】對(duì)話框。在候選變量列表框中選擇“GL”變量作為因變量，將其添加至【Dependent List(因變量列表)】列表框中，同時(shí)也在【候選變量】列表框中選擇“A1”變量作為水平值，將其添加至【Factor(因子)】列表框中。接著選擇【Options(選項(xiàng))】對(duì)話框中的【Homogeneity-of-varia

8、nce】選項(xiàng)，表示輸出方差齊性檢驗(yàn)表。最后單擊主對(duì)話框中的【OK】按鈕，完成操作。Step03：收入對(duì)購買顧慮的差異性研究同樣，也首先考慮利用單因素方差分析來研究收入程度對(duì)消費(fèi)者購買顧慮有無顯著性差異。但是在對(duì)其做方差齊性檢驗(yàn)時(shí)，發(fā)現(xiàn)不同收入水平下方差不具備齊性的條件。于是可以考慮采用非參數(shù)檢驗(yàn)中的多獨(dú)立樣本均值檢驗(yàn)方法。選擇菜單欄中的【Analyze（分析）】 【Nonparametric Tests(非參數(shù)檢驗(yàn))】【Legacy Dialogs(舊對(duì)話框)】【K Independent Samples(k個(gè)相關(guān)樣本)】命令，彈出【Tests for Several Independent

9、Samples(多個(gè)關(guān)聯(lián)樣本檢驗(yàn))】對(duì)話框。在【候選變量】列表框中選擇“GL”變量作為檢驗(yàn)變量，將其添加至【Test Variable List(檢驗(yàn)變量列表)】列表框中。選擇分組變量A6（收入）將其添加至【Grouping Variable(s)(組變量)】列表框中。單擊【Grouping Range】按鈕，彈出相應(yīng)對(duì)話框。在【Minimum(最小值)】文本框中輸入1，在【Maximum(最大值)】文本框中輸入5。最后單擊主對(duì)話框中的【OK】按鈕，完成操作。12.3 實(shí)例的SPSS輸出結(jié)果詳解1 問題一輸出結(jié)果詳解（1）頻數(shù)分析表 首先表12-2顯示了性別、年齡等八項(xiàng)基本信息指標(biāo)的基本統(tǒng)計(jì)情

10、況，其中“Valid”列表示有效樣本數(shù)目，“Missing”列表示缺失樣本數(shù)目。例如，教育變量的有效樣本數(shù)目為306，而僅有2個(gè)樣本缺失。 接著，軟件輸出了這八項(xiàng)指標(biāo)的頻數(shù)分析結(jié)果。從結(jié)果看到，所有調(diào)查者中57.8%為男性，其余為女性；所有調(diào)查者中21-30歲人群所占比重最大，達(dá)到了45.1%，而41-50歲的調(diào)查者最少，只有5.8%。（2）直方圖 圖12-8和圖12-9分別是性別和年齡變量的直方圖。從圖形的高低可以明顯看到不同性別和年齡調(diào)查者數(shù)量的差異性。圖12-8 性別變量直方圖圖12-9 年齡變量直方圖（3）列聯(lián)表分析 表12-5是“性別”變量和“年齡”變量的列聯(lián)表。行變量是“年齡”變量

11、，列變量是“性別”變量?？梢钥吹剑偣?78位男性調(diào)查者中，年齡在“20歲以下”的共有27人，“21-30歲”的有88人，依次類推。對(duì)比行分比、列百分比和合計(jì)百分比看到，男性中約一半的調(diào)查者年齡都介于21-30歲之間，而對(duì)于女性調(diào)查者來說，“20歲以下”和“21-30歲”所占比例最高，達(dá)到了30.8%和39.2%。 最后，從圖12-10的條圖也可以明顯看到不同性別下各個(gè)年齡階段的被調(diào)查人總數(shù)。圖12-10 性別和年齡條圖2. 問題二輸出結(jié)果詳解 一、性別因素對(duì)購買顧慮的差異性影響。（1）方差齊性檢驗(yàn) SPSS的結(jié)果報(bào)告中首先列出了方差齊性檢驗(yàn)結(jié)果表12-6。由于這里采用的是Levene檢驗(yàn)法，

12、故表格首先顯示Levene統(tǒng)計(jì)量等于0.006。由于概率P值0.937明顯大于顯著性水平，故認(rèn)為不同性別下的購買顧慮值的方差是相同的，滿足方差分析的前提條件。（2）單因素方差分析表 表12-7是方差分析表結(jié)果表。可以看到組間離差平方和為114.470，組內(nèi)離差平方和為20190.076，總離差平方和為20304.545。方差分析F檢驗(yàn)量等于1.673，F(xiàn)值對(duì)應(yīng)的概率P值等于0.197。由于概率P值大于顯著性水平，故認(rèn)為性別因素對(duì)購買顧慮沒有造成顯著性影響。 二、收入因素對(duì)購買顧慮的差異性影響。（1）方差齊性檢驗(yàn)表12-8是方差齊性檢驗(yàn)結(jié)果表。表格顯示Levene統(tǒng)計(jì)量等于2.495。由于概率P

13、值0.043小于顯著性水平0.05，故認(rèn)為這五種收入水平下購買顧慮值的方差是不同的，故不能采用方差分析。（2）秩統(tǒng)計(jì)表 表12-9是多獨(dú)立樣本非參數(shù)檢驗(yàn)的秩統(tǒng)計(jì)表?！?00元以下”的平均秩為157.71，依次類推。比較平均秩大小看到，這五種收入水平的購買顧慮值差異較大。（3）非參數(shù)檢驗(yàn)結(jié)果表表12-10看到，Kruskal-Wallis H檢驗(yàn)結(jié)果的Chi-Square 統(tǒng)計(jì)量等于18.669，自由度df等于4，近似相伴概率P值為0.001，小于顯著性水平0.05。所以拒絕零假設(shè)，認(rèn)為這五種收入水平下的購買顧慮值有顯著差異。 第13章 SPSS在系統(tǒng)預(yù)測中的應(yīng)用13.1 實(shí)例提出：汽車保有量的

14、預(yù)測分析我國經(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)中國汽車工業(yè)協(xié)會(huì)估算，截止到2006年底，中國私人汽車保有量約為2650萬輛，占全國汽車保有量的60%左右。在2006年，我國汽車銷量為710多萬輛，私人購買比例超過77%，中國已經(jīng)成為僅次于美國的全球第二大新車市場。據(jù)世界銀行的研究，汽車保有量 (尤其是私人汽車)與人均國民收入成正比。2003年，我國國內(nèi)人均GDP首次突破1000美元，這預(yù)示著中國汽車開始進(jìn)入家庭消費(fèi)階段。而事實(shí)表明，隨著中國人均GDP的穩(wěn)健增長，近年來，我國的家用汽車銷量以兩位數(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、居民收入以

15、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)重要因素就是國內(nèi)汽車消費(fèi)的快速增長。消費(fèi)者購買力的增強(qiáng)和個(gè)體私營經(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13-1提供了我國某一經(jīng)濟(jì)發(fā)達(dá)地區(qū)的一些相關(guān)統(tǒng)計(jì)數(shù)據(jù)。請根據(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)測到2008年該地區(qū)私人汽車保有量有多少？12.2 實(shí)例的SPSS軟件操作詳解 本實(shí)例要求分析人均國內(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)測分析。由于人均國內(nèi)生產(chǎn)總值等指標(biāo)都描述了國民經(jīng)濟(jì)的

16、發(fā)展情況，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)測私車保有量的未來趨勢。具體操作步驟如下： Step01：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【Variable View(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【V

17、ariables(變量)】列表框中。單擊【Extraction】按鈕，勾選【Scree plot】復(fù)選框，其他選項(xiàng)保持系統(tǒng)默認(rèn)，單擊【Continue(繼續(xù))】按鈕返回主對(duì)話框。在主話框中，單擊【Score(尺度)】按鈕，勾選【Save as variables(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件中；同時(shí)勾選【Display factor score coefficient matrix(顯示因子得分系數(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)保持系統(tǒng)默認(rèn)，單擊【Continue(繼續(xù))】按鈕返回。單擊【OK】按鈕，完成本步操作。Step03：回歸分析在第二

18、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)私車保有量進(jìn)行預(yù)測。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。 選擇菜單欄中的【Analyze(分析)】【Regression(回歸)】【Curve Estimation(曲線估計(jì))】命令，彈出【Curve Estimation(曲線估計(jì))】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，將其添加至【Dependent(s)(因變量)】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【Variable(變量)】列表框中。在【Model

19、(模型)】復(fù)選框中勾選【Logistic】模型，并在【Upper bound(上限)】文本框中填入1000，表示上限值。注意，這里的上限值可以調(diào)整完善。最后單擊【OK】按鈕，完成操作。 Step04：預(yù)測私車保有量在得到了私車保有量和綜合經(jīng)濟(jì)發(fā)展值的模型后，要預(yù)測私車保有量在2010的數(shù)量，則首先需要估計(jì)綜合經(jīng)濟(jì)發(fā)展值在2008的取值，利用線性回歸模型得到經(jīng)濟(jì)發(fā)展值的預(yù)測值后，帶入Logistic函數(shù)就可以估計(jì)出2008年該地區(qū)的私車保有量了。12.3 實(shí)例的SPSS輸出結(jié)果詳解1 因子分析結(jié)果（1）因子分析共同度 表13-2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件提取特征根時(shí)的共同度?？梢钥吹剑凶兞康慕^大部分信息可被因子解釋，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13-3所示。在表13-3中，第一個(gè)因子的特征根值為5.920，解釋了原有6個(gè)變量總方差的98.670。因此只選取第一個(gè)因子為主因子即可。（3）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