管理信息22Word文件下载.docx

1、 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。PASW Statistics: 通过本次实习了解和掌握了PASW Statistics 18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） PASW Statistics18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PASW Statistics18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PASW Statis

2、tics18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1 Visio 2010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2 PASW Statistics18 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

3、.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39.66967.3729523鸡肉价格47.995711.11721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

4、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1195.9291514.667协方差54.36068.8482719.030123.592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PASW Statistics 18系统自带数据advert.sav，如图1-1所示，advert表示广

5、告，sales表示销售量。图1-1 advert_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Detrended sales（销售趋势）和Adevertising spending（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Advertising spending3.71971.5389824Detre

6、nded sales10.56881.80001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54.47558.3562.3682.53774.5203.240*. 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

7、，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PASW Statistics18 系统自带数据car_sales.sav，如图2-1。图2-1 数据car_sales.sav1、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

8、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RR方调整 R 方标准估计的误差.935a.875.86918.64460a. 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

9、方和df均方FSig.回归51048.865146.852.000a残差7300.04421347.621总计58348.90922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tB标准 误差试用版（常量）-134.74721.738-6.1996.533.539.93512.118a. 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。