spss统计分析报告杂货店一个月零售情况调研报告

1、课程论文杂货店一个月零售情况调研报告统计分析软件应用课程名称: 所在专业: 所在班级: 姓 名: 学一、数据介绍：本次分析的数据是根据一件杂货店一个月顾客的购买情况制作的统计表，样 本数量为351,即有351名顾客。统计表中包含了 14个变量:storeid （杂货店 的地址），hlthfood （健康食品店）,size（杂货店的大小）,org （杂货店的组织）, custid （顾客的地址），gender （顾客性别），shopfor （卖给谁），veg （素食者）, style （购买风格），usecoup （使用折扣券），amtspent （总花销），pre_l （预测 总花销），fil

2、ter_$ （聚类的个数以及过滤情况）。使用spss统计软件，对变量 进行频数分析、描述性统计、交义分析、方差分析，相关分析，以了解该杂货店 上述方面的综合状况，并分析个变量的分布特点及相互间的关系。二、数据分析1、频数分析频数分析是基础分析，往往在统汁分析的初始便开始频数分析。频数分析对 把握数据的分布特征非常有用，以为通过频数分析我们能对变量的取值状况进行 了解。此次分析采用的统计数据表统计了杂货店351名顾客的基本状况，在 gender（性别）、usecoup （使用折扣券）不同的状况下进行了频数分析，以了解 店顾客的男女数量、使用折扣券的基本分布。首先，对杂货店顾客的男女性别分布进行频

3、数分析，结果如下：表1-1StatisticsGenderNValidMissing3510GenderFrequencyPercentValid PercentCumulativePercentValidMale18552.752.752.7Female16647.347.3100.0Total351100.0100.0山表1-1可知，在光顾此杂货丿占的351名顾客中，男性顾客有185名，所占 人数比例是52. 7%。女性顾客有166名，所占人数比例是47.3%。可见，男性顾 客的比例略高于女性顾客，但总体看来，差距不大。然后对原有数据中的使用购物券进行频数分析，结果如表1-2 :表12Us

4、e couponsFrequencyPercentValid PercentCumulativePercentValidNo10128.828.828.8From newspaper8223.423.452.1From mailings10028.528.580.6From both6819.419.4100.0Total351100.0100.0- - o O2 O1 1 _ o O 00 6 lunoo40-20MoFrom newspaper Ficm mailngsFrom kcthUse coupons根据表1-2和柱状图可知，在351名顾客中，频率由高到低分别是：不使用 优惠卷，有

5、101人，占总人数的比例是28. 8%：从邮件中得到优惠卷，100人， 占总人数比例28. 5%；从报纸中得到优惠卷,82人占总人数23. 4%；同时从邮件 和报纸中得到优惠卷，68人，占总人数19. 4%o2、交叉分析频数分析的作用是掌握单个变量的数据分布情况，但是在实际分析中，我们 还要是交义分析，这是以为在实际分析中，不仅要了解单个变量的分布特征，还 要分析多个变量不同取值下的分布，掌握多个变量的联合分布特征，进而分析变 量之间的相互影响和关系。就本数据而言，需要了解销售对象与购买者得购买风 格的交义分析。现以销售对象与购买风格列联表分析为例，结果如表2-1：CrosstabsCase

6、Processing SummaryCasesvaidMissingTOalNPercentNPercentNPercenlWho shopping for Shopping style351100.0%0.0%351100.0%Wtia shopping for * Shopping style CrosstabulatioiiCountShopping tyleTotalBiwe&kiy; in bulkWeekly; similar itemsOften on saleWho shoppingSelf197923121forSelf and spouse308525140Self and

7、 family21581190Total7022259351表2-1涉及两个变量，即销售对象与购买风格的二维交义，反映了在不同的 购买风格下销售对象的分布情况。表中，购买风格成为行向量，销售对象称为列 向量。3、单因素方差分析单因素方差分析用于完全随机设计的多个样本均数间的比较，其统计推断是 推断各样本所代表的各总体均数是否相等，完全随机设计不考虑个体差异的影 响，仅涉及一个处理因素，但可以有两个或多个水平，所以亦称单因素实验设计。 在实验研究中按随机化原则将受试对象随机分配到一个处理因素的多个水平中 去，然后观察各组的试验效应；在观察研究（调查）中按某个研究因素的不同水 平分组，比较该因素的

8、效应。单因素方差分析用来研究一个控制变量的不同水平是否对观测变量产生了 显著影响。在本数据分析中，我们把总花销和购买风格作为控制变量，总花销为 观测变量，通过单因素方差分析方法研究总花销和购买风格对总花销的影响进行 分析。分析结果如表3-1：表31On ewayANOVAAmount spentSum ofSquar esdf血釦SquareFSio.Between GroupsWithin GroupsTotal39578.77933498833389482234835019789.3899626.1012.056.130根据表3-1对起始工资对现工资的单因素方差分析可以看出：F统计量的观

9、测值为2.056,对应的概率P值不近似等于0,如果显著性水平为0.05,曲于概 率值P大于显著性水平q，则应接受原假设，认为购买风格对总花销没有产生了 显著影响。4、相关分析相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现 象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统讣方 法。相关关系分为函数关系和统计关系。函数关系是指两事物之间的一种一一对 应的关系，即当一个变量取一定值时，另一个变量函数可以根据确定的函数取一 定的值。比较容易分析和预测。相关分析主要用于测量事物之间的统计关系。统计关系是指两事物间并非是 一一对应的关系，即当一个变量取一定值时，另一个

10、变量无法根据确定的函数取 一定的值。统计关系可分为线性关系和非线性关系。线性相关分析是研究两个变 量间线性关系的程度。用相关系数r来描述。正相关：如果x, y变化的方向一致, r0：负相关：如果x,y变化的方向相反，r0：无线性相关：r=0o对数据做相关分析，得到结果如表4-1：CorrelationsConokrtkwKHealth foods-ioceSize of storeStore oraamzabonWho shopp-ng (orAmoum spentMaaith f&od ttwS(g 2-Uii&d) NSe of s!orPearson CorflMionSig. (2-t

11、9ll0dDN292* ooo 351Store organwuonPearson ConrelatiooSig (2-taHeci)N33旷 .000 3513r 000351Who $hoj)pingtorPearson coireiatiooSigN.0463893$1021702 3$1034530351內DQrrt spentPearson Correlation Sig.N.101 058 351isr 004351-034528351615-000351CotrtlWion i$ signanutthe 0 QI I眈I(2如表 4_1 中,是对 Health food store （健康食品店）,Size of store （店铺 大小），Store organizatio