第章SPSS在系统预测中的应用PPT课件.ppt

第13章SPSS在系统预测中的应用 1 13 1实例提出 汽车保有量的预测分析 我国经济的快速发展为私人汽车提供了巨大的发展空间 据中国汽车工业协会估算 截止到2006年底 中国私人汽车保有量约为2650万辆 占全国汽车保有量的60 左右 在2006年 我国汽车销量为710多万辆 私人购买比例超过77 中国已经成为仅次于美国的全球第二大新车市场 据世界银行的研究 汽车保有量 尤其是私人汽车 与人均国民收入成正比 2003年 我国国内人均GDP首次突破1000美元 这预示着中国汽车开始进入家庭消费阶段 而事实表明 随着中国人均GDP的稳健增长 近年来 我国的家用汽车销量以两位数的增速急剧扩大 2 汽车特别是用于消费的私人汽车保有量的多少 与经济发展程度 居民收入以及道路建设等有着密切的联系 随着私人汽车消费时代的到来 汽车保有量上升的一个重要因素就是国内汽车消费的快速增长 消费者购买力的增强和个体私营经济的快速发展 也带动了私人汽车的大发展 私人汽车保有量与一个国家或地区的社会经济发展的有关数据有着密切关系 附表13 1提供了我国某一经济发达地区的一些相关统计数据 请根据附表中的相关数据分析影响该地区私人汽车保有量的因素 并预测到2008年该地区私人汽车保有量有多少 3 4 12 2实例的SPSS软件操作详解 本实例要求分析人均国内生产总值 全社会消费品零售总额等因素对私人汽车保有量的影响情况 并做相应的预测分析 由于人均国内生产总值等指标都描述了国民经济的发展情况 因此它们和私人汽车保有量有着密切的关系 但是要全部考虑这些指标是非常困难的 这是因为指标数量众多 难以全部考虑 考虑到这些经济指标之间还存在着相关性 因此可以利用因子分析 利用降维的方法综合这些众多的经济指标为少量的公共因子 这样通过分析因子和私人汽车保有量的关系来预测私车保有量的未来趋势 具体操作步骤如下 5 Step01 打开数据文件打开数据文件13 1 sav 同时单击数据浏览窗口的 变量视图 按钮 检查各个变量的数据结构定义是否合理 是否需要修改调整 Step02 因子分析在候选变量列表框中选择X1 X2 X6变量设定为因子分析变量 将其添加至 变量 列表框中 单击 抽取 按钮 勾选 碎石图 复选框 其他选项保持系统默认 单击 继续 按钮返回主对话框 6 在主话框中 单击 尺度 按钮 勾选 保存变量 复选框 表示采用回归法计算因子得分并保持在原文件中 同时勾选 显示因子得分系数矩阵 复选框 表示输出因子得分系数矩阵 其他选项保持系统默认 单击 继续 按钮返回 单击 确定 按钮 完成本步操作 7 Step03 回归分析在第二步因子分析中得到了不同年份的因子得分 这些因子得分充分反映了不同年份的综合经济发展值 于是可以考虑利用它来对私车保有量进行预测 首先绘制综合经济发展值与私车保有量的散点图 判断两者之间是否存在相关关系 8 选择菜单栏中的 分析 回归 曲线估计 命令 弹出 曲线估计 对话框 在候选变量列表框中选择 y 变量设定为因变量 将其添加至 因变量 列表框中 同时 选择 FAC1 1 变量设定为自变量 将其添加至 变量 列表框中 在 模型 复选框中勾选 Logistic 模型 并在 上限 文本框中填入1000 表示上限值 注意 这里的上限值可以调整完善 最后单击 确定 按钮 完成操作 9 10 Step04 预测私车保有量在得到了私车保有量和综合经济发展值的模型后 要预测私车保有量在2010的数量 则首先需要估计综合经济发展值在2008的取值 利用线性回归模型得到经济发展值的预测值后 带入Logistic函数就可以估计出2008年该地区的私车保有量了 11 2020 3 21 12 12 3实例的SPSS输出结果详解 1因子分析结果 1 因子分析共同度表13 2是因子分析的共同度 显示了所有变量的共同度数据 第一列是因子分析初始解下的变量共同度 它表明 对原有六个变量如果采用主成分分析法提取所有六个特征根 那么原有变量的所有方差都可被解释 变量的共同度均为1 第二列列出了按指定提取条件提取特征根时的共同度 可以看到 所有变量的绝大部分信息可被因子解释 这些变量信息丢失较少 13 2 因子分析的总方差解释接着计算得到相关系数矩阵的特征值 方差贡献率及累计方差贡献率结果如表13 3所示 在表13 3中 第一个因子的特征根值为5 920 解释了原有6个变量总方差的98 670 因此只选取第一个因子为主因子即可 14 3 因子碎石图从碎石图看到 第一个特征值明显大于后面的特征值 说明提取第一个因子是合适的 15 4 因子载荷矩阵表13 4显示了因子载荷矩阵 通过载荷系数大小可以分析不同公共因子所反映的主要指标的区别 从结果看 第一主因子在这六个指标上的载荷值都很大 说明它综合反映了该地区综合经济发展值 故可以作为综合经济发展值看待 16 5 因子得分系数表13 5列出了采用回归法估计的因子得分系数 同时在原数据浏览窗口中新增了变量 FAC1 1 它表示不同年份的综合经济发展值 17 2曲线估计结果 1 模型描述表13 6是SPSS对曲线拟合结果的初步描述统计 例如自变量和因变量 估计方程的类型等 18 2 模型汇总及参数估计表13 7给出了样本数据进行Logistic回归的检验统计量和相应方程中的参数估计值 模型的整体拟合优度值R2为0 994 F统计量等于1624 416 概率P值小于显著性水平0 05 说明该模型有统计学意义 得到估计方程如下 19 3 拟合曲线图最后给出的是实际数据的散点图和Logistic回归方程的预测图 这进一步说明方程的拟合效果最好 20 3预测私车保有量 1 预测综合经济发展值绘制综合经济发展变量 FAC1 1 的时间序列图13 6看到 该变量的增长基本呈线性趋势 于是可以采用线性回归来估计该变量在2008年的取值 采用曲线估计中的线性回归选项可以