发布时间 : 星期四 文章spss课程设计更新完毕开始阅读a5c0e38e8662caaedd3383c4bb4cf7ec4afeb600
表2—3:各指标相互相关性
相关性
公路客运量(万人)
Pearson 相关性 公路客运量(万人)
显著性(双侧) N
Pearson 相关性 总人口(万人)
显著性(双侧) N
Pearson 相关性 生产总值(亿元)
显著性(双侧) N
Pearson 相关性 旅客周转量(亿人公里) 显著性(双侧) N
1 5 .999 .000 5 .872 .054 5 .975 .005 5
****
总人口(万人) 生产总值(亿
元)
.999 .000 5 1 5 .855 .065 5 .969 .007 5
****
旅客周转量(亿人公里)
.975 .005 5 .969 .007 5 .938 .018 5
*****
.872 .054 5 .855 .065 5 1 5 .938 .018 5
*
1 5
**. 在 .01 水平(双侧)上显著相关。 *. 在 0.05 水平(双侧)上显著相关。
2.3 现状分析
经过对以上图表的数据分析可以得出:
①根据公路客运量与其他各指标的茎叶图,可以看出公路客运量的数量随着各指标的增长而增长,呈正相关关系。
②根据各指标相互相关性表,可以看出公路客运量与总人口、旅客周转量的pearson相关性较强;总人口与公路客运量、旅客周转量的pearson相关性较强;生产总值与旅客周转量的pearson相关性较强;旅客周转量与总人口、公路客运量和生产总值的pearson相关性较强。
③根据各指标相互相关性表,可以看出公路客运量与总人口、旅客周转量显
7
著相关;总人口与公路客运量显著相关;生产总值与各指标不显著相关;旅客周 转量与共路客运量显著相关。
8
3统计模型与分析
3.1一元线性回归预测
3.1.1一元线性回归预测原理
一元线性回归预测法是分析一个因变量与一个自变量之间的线性关系的预测方法。设y为因变量,
为自变量,并且自变量与因变量之间为
线性关系时,则一元线性回归预测的基本思想:确定直线的方法是最小二乘法。最小二乘法的基本思想:最有代表性的直线应该是直线到各点的距离最近。然后用这条直线进行预测。
3.1.2操作步骤及结果分析
影响上海市公路客运量的3个因素:总人口,生产总值,旅客周转量。以年度为自变量,各因素为因变量建立模型预测结果如下。 (1)以年度为自变量,总人口为因变量建立预测模型 A.SPSS操作步骤如下:
①按分析—回归—线性,打开对话框;
②将自变量输入年度,因变量输入总人口,单击确定。如图所示。
9
图3-1-1 :spss操作步骤截图
B.输出结果:
表3-1-1:总人口为因变量时的输出结果
输入/移去的变量 模型 输入的变量 1 年度 ba移去的变量 . 方法 输入 a. 因变量: 总人口(万人) b. 已输入所有请求的变量。 10