管理信息22Word文件下载.docx
《管理信息22Word文件下载.docx》由会员分享,可在线阅读,更多相关《管理信息22Word文件下载.docx(15页珍藏版)》请在冰豆网上搜索。
通过本次实习了解和掌握了Visio2010软件的基本理论和基本操作。
具体内容包括:
(1)Visio2010软件基本理论知识;
(2)软件的模具和模板、图形的基本操作、文本的编辑、实例介绍。
PASWStatistics:
通过本次实习了解和掌握了PASWStatistics18软件的基本理论和基本操作并能够对PASW所分析的各项数据进行相关解释。
(1)PASWStatistics18软件基本理论知识;
(2)软件的相关分析、回归分析、时间序列分析、聚类分析;
(3)利用PASWStatistics18软件进行参数检验和非参数检验以及绘制统计图表。
实习体会
学习了PASWStatistics18和Visio2010,觉得很累,但是还是很开心。
收获很大,这节课程很值得学习。
指导教师评语
评语:
指导教师签名:
批阅日期:
上机作业
1Visio2010软件操作实例:
图1教师、学生、课程的E-R图
图2业务处理流程图
图3数据流程图
图4游戏登陆图
2PASWStatistics18软件操作实例:
题目1:
鸡肉的相关分析
数据准备:
数据来源于相关分析数据当中的数据鸡肉需求.sav,如图1-1所示。
图1-1鸡肉需求数据
分析目的:
管理者希望通过鸡肉需求与鸡肉价格之间的相关关系,分析出鸡肉价格的变化对鸡肉需求的影响,从而找到增加产品的销售量的有效办法。
操作步骤:
打开数据鸡肉需求.sav,从菜单中选择【分析】→【相关】→【双变
量】,如图1-2所示。
图1-2所示
弹出双变量分析主对话框,如图1-3所示。
将鸡肉需求和鸡肉价格选入变量对话框中。
图1-3双变量分析主对话框
输出结果及意义:
(1)结果表1-1是对参与相关分析的各变量基本统计信息的汇总
表1-1描述性统计量
均值
标准差
N
鸡肉需求
39.6696
7.37295
23
鸡肉价格
47.9957
11.11721
如表1-1所示,鸡肉需求的平均值是39.6696,标准差是7.37295,总共有23的样本数据(N)参与;
鸡肉价格的平均值是47.9957,标准差是11.11721,总共有23的样本数据(N)参与。
(2)结果表1-2是对参与相关分析的各变量相关分析结果的汇总。
表1-2相关性结果表
Pearson相关性
1
.840**
显著性(双侧)
.000
平方与叉积的和
1195.929
1514.667
协方差
54.360
68.848
2719.030
123.592
如表1-2所示,Person简单相关系数等于0.840,显然两个变量是极强相关的,相关系数的假设检验P值(Sig.)小于0.05,说明相关系数是显著不为0的,说明销售量和燃料功率的相关性水平是显著相关的,所以对于提高鸡肉需求与鸡肉价格是非常相关的。
广告和销售的相关分析
数据来源于PASWStatistics18系统自带数据advert.sav,如图1-1所示,advert表示广告,sales表示销售量。
图1-1advert_sales数据
为了增加产品的销售量,广告管理者希望通过广告的投入与广告销售之间的关系,对广告投入会不会增加销售量进行定价,所以需要运用相关分析。
打开数据advert_sales.sav,从菜单中选择【分析】→【相关】→【双变量】,如图1-2所示。
图1-2菜单选项
将的Detrendedsales(销售趋势)和Adevertisingspending(广告支出)选入变量对话框中。
(1)结果表1-1是对参与相关分析的各变量基本统计信息的汇总。
表1-1描述性统计量表
Advertisingspending
3.7197
1.53898
24
Detrendedsales
10.5688
1.80001
如表1-1所示,趋势销售量的平均值是10.5688,标准差是1.80001,总共有24的样本数据(N)参与;
广告支出的平均值是23.84,标准差是1.53898,总共有24的样本数据(N)参与。
.916**
平方与叉积和
54.475
58.356
2.368
2.537
74.520
3.240
**.在.01水平(双侧)上显著相关。
如表1-2所示,Person简单相关系数等于0.916,显然两个变量是极强相关相的,相关系数的假设检验P值(Sig.)小于0.05,说明相关系数是显著不为0的,说明销售量和广告支出的相关性水平是显著相关的,对于广告管理着而言,如果想要提高销售量,需要改进广告支出这一部分,通过相关性分析,节省了广告管理者的工作量,提高了针对广告设计的工作效率。
题目2:
一元线性回归分析
数据来源于PASWStatistics18系统自带数据car_sales.sav,如图2-1。
图2-1数据car_sales.sav
1、将car_sales.sav中的数据导入PASW软件中。
执行【图形】→【旧对话
框】→【散点图】命令。
猪肉价格把选入X轴,鸡肉需求选入Y轴,点击【确定】得到散点图如2-2所示。
图2-2散点图
从散点图可以看出数据分布具有明显的线性趋势,适合做线性回归分析。
2、执行【分析】→【回归】→【线性】命令,打开线性回归对话框,选择
猪肉价格自变量,鸡肉需求做因变量,操作界面如图2-3和图2-4所示。
图2-3分析选择界面
图2-4线性回归对话框
3、【绘图】选项卡中选择绘图直方图,正态概率图,点击【继续】→【确定】,得出输出结果。
输出结果:
表2-1模型汇总表
模型
R
R方
调整R方
标准估计的误差
.935a
.875
.869
18.64460
a.预测变量:
(常量),鸡肉需求。
b.因变量:
猪肉价格
表2-1表示回归模型的拟合度,复相关系数为0.935,反映的是自变量与因
变量之间的密切程度,取值在0到1之间,越大越好,决定系数R方为0.875,
通过观察这几个数据可知,模型的拟合情况是很好的。
表2-2方差分析表
平方和
df
均方
F
Sig.
回归
51048.865
146.852
.000a
残差
7300.044
21
347.621
总计
58348.909
22
从表2-2方差分析表可知,回归模型的Sig.值为0,说明该回归模型有显著
的统计学意义。
表2-3回归分析结果表
非标准化系数
标准系数
t
B
标准误差
试用版
(常量)
-134.747
21.738
-6.199
6.533
.539
.935
12.118
a.因变量:
表2-3给出了拟合未标准化和标准化之后的回归系数值(含常数项),并通过t检验方法对拟合结果进行了检验。
t检验的Sig.值均为0,说明具有显著地
统计学意义。
从而,可以得出鸡肉需求和猪肉价格的经验公式:
价格=-134.747+6.533*鸡肉需求(公式1)
图2-5残差统计量
通过观察图2-5所示的标准化残差直方图可知,残差具有正态分布的趋势,
因此回归模型是恰当的。
意义说明:
由模型的拟合结果和经验公式(公式1),可知,在合理的范围内,猪肉价格的增加和鸡肉需求的增加呈正相关,猪肉需求的需求可以带来增加鸡肉的增加。