Spss论文购物习惯的统计学分析.docx

Spss论文购物习惯的统计学分析.docx

《Spss论文购物习惯的统计学分析.docx》由会员分享，可在线阅读，更多相关《Spss论文购物习惯的统计学分析.docx（35页珍藏版）》请在冰豆网上搜索。

Spss论文购物习惯的统计学分析

Spss论文

购物习惯的统计学分析

课程名称：

SPSS

所在专业：

经济学+软件工程

所在班级：

09-1

姓名：

李丽媛杨晓楠孙同哲胡贞玉

学号：

0918250102

0918250104

0918250105

0918250114

一．描述性统计分析

最大似然确定数分析

男性与女性的年龄、家庭成员数量、家庭月收入、购物频率、自用商品、礼品、消费者类型最大似然确定数的分析

表1-1

表1-1表示的是男性与女性的年龄、家庭成员数量、家庭月收入、购物频率、自用商品、礼品、消费者类型从4个不同权重下分别作中心趋势的粗略最大似然确定数。

二．均值比较检验分析与T检验

1.均值比较检验分析

对年龄、家庭月收入、购物场所、购物频率、自用商品、礼品、消费者类型的均值比较检验分析如表2-1,、2-2所示

表2-1

表2-2

从图中可以看出，男性样本数为7，年龄的均值为2.14，中位数为2.0，交通状况的均值为2.86，中位数为3.00，家庭月收入的均值为2.14，中位数为2.0，购物场所的均值为2.14，中位数为2.0，购物频率的均值为2.14，中位数为2.0，购物频率的均值为1.71，中位数为2.0，自用商品的均值为1.86，中位数为2.0；礼品的均值为1.71，中位数为2.0，消费者类型的均值为2.29，中位数为2.00.

2.单样本T检验

月收入与全国平均月收入2.5的比较，购物频率与全国平均购物频率2.5比较如表2-3、2-4所示

表2-3

从图中可知，调查的样本总数为30，家庭月收入的中位数为1.90，购物频率的中位数是1.87。

表2-4

从图中可知，家庭月收入t检验值为-3.890，相应的相伴概率为0.001，小于0.005，则拒绝原假设，认为月收入与全国平均月收入2.5的存在显著差异；家庭月收入t检验值为-4.470，相应的相伴概率为0.000，小于0.005，则拒绝原假设，则认为购物频率与全国平均购物频率2.5存在显著差异。

3.两独立样本T检验分析

男女的月收入以及购物频率的比较如表2-5,2-6所示

表2-5

从图中看出，男性样本数为7，女性样本数为23，在调查家庭月收入时，男性的中位数是2.14，女性的中位数是1.83；在调查购物频率时，男性的中位数是2.14，女性的中位数是1.83。

表2-6

家庭月收入F的相伴概率为0.925，大于显著性水平0.05，不能拒绝方差相等的假设，可以认为男性与女性的家庭月收入方差无显著差异；然后看方差相等时T检验的结果，T统计量的相伴概率为0.394大于显著性水平0.05，不能拒绝T检验的零假设，也就是说，男性与女性的家庭月收入平均值不存在显著差异。

购物频率F的相伴概率为0.479，大于显著性水平0.05，不能拒绝方差相等的假设，可以认为男性与女性的购物频率方差无显著差异；然后看方差相等时T检验的结果，T统计量的相伴概率为0.290大于显著性水平0.05，不能拒绝T检验的零假设，也就是说，男性与女性的购物频率平均值不存在显著差异。

三．方差分析

1.单因素方差分析

家庭月收入对购物频率的影响；交通状况对购物场所的影响如表3-1,3-2所示

表3-1

方差齐次性检验表，显著性0.474大于0.05，不拒绝原假设，认为各组的总体方差相等。

表3-2

方差分析表，显著性水平0.002小于0.05，拒绝原假设，认为3组中至少有一组与另外一组存在显著性差异。

2.多因素方差分析

性别，年龄，婚否，交通状况，家庭月收入对购物频率的影响如表3-3,3-4,3-5,3-6,3-7,图3-1，图3-2所示

表3-3

家庭收入组3和1,3和2之间的显著性都小于显著性水平0.05，说明这几组间的差异显著，其他各种组合之间差异不显著，即收入在3000以下的家庭的购物频率与收入在3000以上的家庭存在明显差异，而收入在3000-5000的家庭的购物频率与收入在5000以上的家庭的差异并不明显。

图3-1

均值曲线图为各个总体的均值的折线图，从中可以直观的看出各个总体均值的趋势。

从图中可以看出收入组一的家庭购物频率小于第二组小于第三组，即收入越低的家庭总体购物频率越低。

表3-4

方差齐次性检验表，显著性0小于0.05，如果p值小于显著性水平，则应该拒绝原假设，认为不同的交通状况对各购物场所的影响均值有显著差异。

表3-5

方差分析表，显著性水平0.002小于0.05，拒绝原假设，认为4组中至少有一组与另外一组存在显著性差异。

表3-6

交通状况组3和1,3和2，3和4，1和4之间的显著性都小于显著性水平0.05，说明这几组间的差异显著，其他各种组合之间差异不显著。

图3-2

均值曲线图为各个总体的均值的折线图，从中可以直观的看出各个总体均值的趋势。

从图中可以看出从图中可以看出乘私家车的均值相对较大。

表3-7

年龄的显著性是0.551大于0.05，因此年龄对于购物频率影响不显著；婚姻状况的显著性是0.554大于0.05，因此年龄对于购物频率影响不显著；交通状况的显著性是0.886大于0.05，因此年龄对于购物频率影响不显著；家庭收入的显著性是0.483大于0.05，因此年龄对于购物频率影响不显著；性别的显著性是0.551大于0.05，因此年龄对于购物频率影响不显著。

同时这几个因素的交互作用的显著性均大于0.05，即对购物频率的影响不显著。

3.协方差分析

研究对购物频率影响的显著性因素如表3-8，图3-3,3-4所示

表3-8

协变量“年龄”的相伴概率Sig为0.000，即协变量对购物频率的影响显著；“年龄”“婚姻状况”“交通状况”“家庭月收入”“性别”的相伴概率依次为0.551、0.554、0.886、0.782、0.483，均大于0.05，即对购物频率影响不显著；年龄与交通状况、婚姻状况与交通状况、年龄与家庭月收入之间两因素的交互作用的相伴概率分别为0.374、0.246、0..761，大于0.05，即交互作用没有对结果造成显著影响。

图3-3

两条折线无相交迹象，说明性别与家庭月收入的交互作用不够显著

图3-4

两条折线相交，说明性别与年龄的交互作用对购物频率的影响显著。

四．非参数检验分析

1.单样本的随机性

研究是否去固定上场购买是否是随机的，如表4-1所示

表4-1

从结果表格中看出，总共30个观察数据，游程数（NumberofRuns）为20，测试值（TestValue）为2，得到的相伴概率为0.183，大于显著性水平0.05，因此不能拒绝零假设，认为是否去固定商场购买分布的情况无聚集性，是随机分布。

2.单样本的K-S检验

研究交通状况，家庭月收入，购物频率，消费者类型是否满足正态，均匀，泊松，指数分布，如表4-2,、4-3、4-4、4-5、4-6、4-7、4-8、4-9、4-10、4-11、4-12、4-13所示

表4-2

结果中相伴概率为0.026，小于显著性水平0.05.因此拒绝零假设，认为交通状况不服从正态分布。

表4-3

结果中相伴概率为0.，小于显著性水平0.05.因此拒绝零假设，认为交通状况不服从均匀分布。

表4-4

结果中相伴概率为0.148，大于显著性水平0.05.因此不能拒绝零假设，认为交通状况服从泊松分布。

表4-5

结果中相伴概率为0.，小于显著性水平0.05.因此拒绝零假设，认为交通状况不服从指数分布。

表4-6

结果中相伴概率为0.038，小于显著性水平0.05.因此拒绝零假设，认为家庭月收入不服从正态分布。

表4-7

结果中相伴概率为0.，小于显著性水平0.05.因此拒绝零假设，认为家庭月收入不服从均匀分布。

表4-8

结果中相伴概率为0.148，大于显著性水平0.05.因此不能拒绝零假设，认为家庭月收入服从泊松分布。

表4-9

结果中相伴概率为0.，小于显著性水平0.05.因此拒绝零假设，认为家庭月收入不服从指数分布。

表4-10

结果中相伴概率为0.232，大于显著性水平0.05.因此不能拒绝零假设，认为消费者类型服从正态分布。

表4-11

结果中相伴概率为0.076，大于显著性水平0.05.因此不能拒绝零假设，认为消费者类型服从均匀分布。

表4-12

结果中相伴概率为1.000，大于显著性水平0.05.因此不能拒绝零假设，认为消费者类型服从泊松分布。

表4-13

结果中相伴概率为0.10，大于显著性水平0.05.因此不能拒绝零假设，认为消费者类型服从指数分布。

3.两独立样本的非参数检验

性别对家庭月收入，购物频率，购物场所，自用商品，礼品，消费者类型，固定场所的影响如表4-14,4-15,4-16所示

表4-14

家庭月收入相伴概率0.389，大于显著性水平0.05，不应该拒绝零假设，不同性别的家庭月收入没有存在显著性差异。

购物频率相伴概率0.307，大于显著性水平0.05，不应该拒绝零假设，不同性别的购物频率没有存在显著性差异。

购物场所相伴概率0.898，大于显著性水平0.05，不应该拒绝零假设，不同性别的购物场所没有存在显著性差异。

自用商品相伴概率0.001，小于显著性水平0.05，应该拒绝零假设，不同性别的对自用商品的需求存在显著性差异。

礼品相伴概率0.001，小于显著性水平0.05，应该拒绝零假设，不同性别的对礼品的需求存在显著性差异。

消费者类型相伴概率0.134，大于显著性水平0.05，不应该拒绝零假设，不同性别的消费者类型没有存在显著性差异。

固定场所相伴概率0.553，大于显著性水平0.05，不应该拒绝零假设，不同性别对是否在固定场所购物的习惯没有存在显著性差异。

表4-15

表4-16

家庭月收入相伴概率0.998，大于显著性水平0.05，因此不能拒绝零假设，认为两个性别独立样本的总体分布没有显著的差异。

购物频率相伴概率0.887大于显著性水平0.05，因此不能拒绝零假设，认为两个性别独立样本的总体分布没有显著的差异。

购物场所相伴概率1.000大于显著性水平0.05，因此不能拒绝零假设，认为两个性别独立样本的总体分布没有显著的差异。

自用商品相伴概率0.003小于显著性水平0.05，因此应该拒绝零假设，认为两个性别独立样本的总体分布存在显著的差异。

礼品的相伴概率0.001小于显著性水平0.05，因此应该拒绝零假设，认为两个性别独立样本的总体分布存在显著的差异。

消费者类型相伴概率0.467大于显著性水平0.05，因此不能拒绝零假设，认为两个性别独立样本的总体分布没有显著的差异。

固定场所相伴概率1.000大于显著性水平0.05，因此不能拒绝零假设，认为两个性别独立样本的总体分布没有显著的差异。

4.多独立样本的非参数检验

不同的家庭成员数量的家庭月收入，购物频率是否有显著性差异的研究如表4-17,4-18,4-19,4-20,4-21所示

表4-17

表4-18

家庭月收入概率0.171，大于显著性水平0.05，因此不能拒绝零假设，说明不同的家庭成员数量的家庭月收入没有存在显著性差异。

家庭月收入概率0.654，大于显著性水平0.05，因此不能拒绝零假设，说明不同的家庭成员数量的购物频率没有存在显著性差异。

表4-19

从Frequencies表中，可知，家庭月收入，成员数为1的家庭中大于共同中位数的样本有0个，小于共同中位数的样本有9个；成员数为2的家庭中大于共同中位数的样本有5个，小于共同中位数的样本有7个；成员数为3的家庭中大于共同中位数的样本有4个，小于共同中位数的样本有5个。

从Frequencies表中，可知