spss在信用卡消費(fèi)調(diào)查中的應(yīng)用論文

1、應(yīng)用統(tǒng)計(jì)學(xué)課程論文（2011學(xué)年01學(xué)期）SPSS在信用卡消費(fèi)調(diào)查中的應(yīng)用學(xué)生姓名 學(xué) 號(hào) 院 系 工學(xué)院 專 業(yè) 工程管理 班 級(jí) 工管 完成日期 2011年12月04日 SPSS在信用卡消費(fèi)調(diào)查中的應(yīng)用X X 紹興文理學(xué)院工程管理 摘要：本文通過消費(fèi)者的年收入、家庭人口和每年使用信用卡支付的金額數(shù)據(jù)，利用SPSS軟件提供的散點(diǎn)圖、相關(guān)系數(shù)分析、回歸分析對(duì)數(shù)據(jù)進(jìn)行了深入的分析，再把分析結(jié)果進(jìn)行預(yù)測(cè)，最后根據(jù)預(yù)測(cè)結(jié)果來進(jìn)行控制調(diào)整。關(guān)鍵詞：信用卡；消費(fèi);SPSS分析引言消費(fèi)是社會(huì)生產(chǎn)的重要環(huán)節(jié)，是社會(huì)經(jīng)濟(jì)活動(dòng)的出發(fā)點(diǎn)和歸宿，消費(fèi)結(jié)構(gòu)的狀況不僅反映社會(huì)經(jīng)濟(jì)發(fā)展的水平，又涉及到社會(huì)經(jīng)濟(jì)諸多方面，近

2、年來，隨著社會(huì)經(jīng)濟(jì)、計(jì)算機(jī)技術(shù)和信息技術(shù)的發(fā)展，商業(yè)領(lǐng)域越來越活躍，消費(fèi)者除了用現(xiàn)金和個(gè)人支票支付外，信用卡支付方式越來越被廣泛的采用。通過信用卡的使用狀況，分析各相關(guān)因數(shù)的關(guān)系，利用SPSS軟件提對(duì)數(shù)據(jù)進(jìn)行了深入的分析。1 抽樣調(diào)查基本情況研究人員分層抽樣的方法從收集的資料中隨機(jī)抽取50位消費(fèi)者的年收入、家庭人口和每年使用費(fèi)信用卡支付的金額數(shù)據(jù)，用于統(tǒng)計(jì)分析。通過調(diào)查消費(fèi)者的消費(fèi)特征，此特征可以用來預(yù)測(cè)用戶使用信用卡的支付金額的消費(fèi)特征。信用卡消費(fèi)調(diào)查數(shù)據(jù)見附錄。2 SPSS中的統(tǒng)計(jì)分析SPSS作為統(tǒng)計(jì)分析工具，理論嚴(yán)謹(jǐn)、內(nèi)容豐富，具有數(shù)據(jù)管理、統(tǒng)計(jì)分析、趨勢(shì)研究、制表繪圖、文字處理等功能。

3、其中的統(tǒng)計(jì)分析功能包括從基本描述統(tǒng)計(jì)、推斷統(tǒng)計(jì)到聚類分析、因子分析等多元統(tǒng)計(jì)分析方法。本文主要利用其中的散點(diǎn)圖、相關(guān)系數(shù)分析、回歸分析對(duì)相關(guān)信息進(jìn)行統(tǒng)計(jì)分析，而基本描述統(tǒng)計(jì)功能就不再做介紹。2.1 散點(diǎn)圖散點(diǎn)圖用于表現(xiàn)測(cè)量數(shù)據(jù)的原始分布狀況，可從點(diǎn)的位置判斷測(cè)量值的高低、大小、變動(dòng)趨勢(shì)或變化范圍，在相關(guān)與回歸分析中，側(cè)重于使用散點(diǎn)圖來直觀的觀察和判斷變量之間的關(guān)系，據(jù)此判斷變量之間協(xié)變關(guān)系的類型。具體創(chuàng)建過程是利用在三維空間中繪制出2個(gè)或3個(gè)變量確定的點(diǎn)，然后通過這些點(diǎn)的分布特征來顯示數(shù)據(jù)的分布特征。散點(diǎn)圖有五種類型：簡(jiǎn)單散點(diǎn)圖（Simple Scatterplot）重疊散點(diǎn)圖（Overlay

4、 Scatterplot） 散點(diǎn)圖矩陣（Scatterplot Matrix）三維散點(diǎn)圖（3-D Scatterplot）散點(diǎn)圓點(diǎn)圖（Scatter/Dot）2.2 相關(guān)系數(shù)分析（1） 相關(guān)分析 相關(guān)分析就是從數(shù)量的角度出發(fā)，精確界定變量之間的關(guān)系，把變量之間的關(guān)聯(lián)的緊密程度用數(shù)量方法予以反映，即相關(guān)系數(shù)；相關(guān)系數(shù)大說明變量之間的關(guān)聯(lián)程度高，相關(guān)系數(shù)小說明變量之間的關(guān)聯(lián)比較松散。 相關(guān)系數(shù)是測(cè)定變量之間線性相關(guān)程度和方向的代表性指標(biāo)。其特點(diǎn)表現(xiàn)在：參與相關(guān)分析的兩個(gè)變量是對(duì)等的，不分自變量和因變量，因此相關(guān)系數(shù)只有一個(gè)，計(jì)算相關(guān)系數(shù)的兩個(gè)變量都是隨機(jī)變量。相關(guān)系數(shù)有Pearson相關(guān)系數(shù)、Sp

5、earman和Kendalls tua-b等級(jí)相關(guān)系數(shù)。（2） 偏相關(guān)分析 在實(shí)際問題中，事物之間的聯(lián)系往往比較復(fù)雜，一個(gè)結(jié)果往往是受到多種因素相互綜合作用產(chǎn)生的。在多變量的情況下，變量之間的的相關(guān)系復(fù)雜。偏相關(guān)分析是指在對(duì)其他變量的影響進(jìn)行控制的條件下，分析多個(gè)變量中兩個(gè)變量之間的線性相關(guān)程度。偏相關(guān)分析的工作是計(jì)算偏相關(guān)系數(shù)，計(jì)算偏相關(guān)系數(shù)時(shí)需要掌握多個(gè)變量的數(shù)據(jù)，一方面考慮多個(gè)變量之間可能產(chǎn)生的影響，另一方面又采用一定的方法控制其他變量，專門考察兩個(gè)特低昂變量的凈相關(guān)關(guān)系。由于變量之間穿在錯(cuò)綜復(fù)雜的關(guān)系，因此偏相關(guān)系數(shù)與濟(jì)南單的相關(guān)系數(shù)與簡(jiǎn)單的相關(guān)系數(shù)在數(shù)值上可能相差很大，有時(shí)甚至符號(hào)都

6、相反，一般偏相關(guān)系數(shù)更能反映現(xiàn)象之間的真實(shí)關(guān)系。2.3 線性回歸分析回歸分析是從一組樣本數(shù)據(jù)出發(fā)，確定變量之間的數(shù)學(xué)關(guān)系式，對(duì)這些關(guān)系式的可信程度進(jìn)行各種統(tǒng)計(jì)檢驗(yàn)，并從影響某一特定變量的諸多變量中找出哪些變量影響顯著，哪些不顯著。然后利用所求得關(guān)系式 根據(jù)一個(gè)或幾個(gè)變量的取值來預(yù)測(cè)或控制另一個(gè)特定變量的取值，并給出這種預(yù)測(cè)或控制的精度?；貧w分析按照經(jīng)驗(yàn)公式的函數(shù)類型可以分為線性回歸和非線性回歸。若回歸分析的經(jīng)驗(yàn)公式是線性函數(shù)，則稱為線性回歸；若回歸分析的經(jīng)驗(yàn)公式是非線性函數(shù)，則稱為非線性回歸。按自變量的個(gè)數(shù)可以將回歸分析分為一元回歸和多元回歸。一元回歸是自由一個(gè)自變量的回歸分析。有兩個(gè)或兩個(gè)以

7、上的自變量的回歸分析稱為多元回歸。按自變量和因變量的類型回歸分析分為一般的回歸分析、含有啞變量的回歸分析和Logistic回歸分析。一般的回歸分析自變量和因變量都是定量變量。若因變量是定性變量的回歸分析，則稱為L(zhǎng)ogistic回歸。3 SPSS在消費(fèi)特征調(diào)查中的應(yīng)用3.1 創(chuàng)建SPSS數(shù)據(jù)文件將信用卡消費(fèi)調(diào)查數(shù)據(jù)保存在xykxf.sav中該數(shù)據(jù)文件的變量、類型及其標(biāo)簽如圖1所示：圖1 數(shù)據(jù)文件xykxf.sav的變量、類型及其標(biāo)簽3.2 繪制散點(diǎn)圖通過散點(diǎn)圖可以觀察變量之間的關(guān)系，從而決定擬合模型的類型。啟動(dòng)SPSS，讀入數(shù)據(jù)后：（1） 打開對(duì)話框。點(diǎn)擊GraphsScatter/Dot系統(tǒng)彈

8、出一個(gè)對(duì)話窗口，選擇Scatterplot Matrix，單擊Define進(jìn)入Scatterplot Matrix對(duì)話框。（2） 選擇矩陣變量。把變量“年收入”、“家庭人口”、“消費(fèi)金額”移到Matrix Variables。（3） 選擇圖形標(biāo)題。在對(duì)話框中單擊Titles，在Titles中修改散點(diǎn)圖矩陣的標(biāo)題“消費(fèi)特征的散點(diǎn)圖”，單擊Continue。（4） 單擊Scatterplot Matrix對(duì)話框中的OK，得到繪制的散點(diǎn)圖矩陣圖，即圖 2。圖2 消費(fèi)特征的散點(diǎn)圖從圖2可以看出，家庭人口、年收入與信用卡消費(fèi)金額成比較明顯的線性關(guān)系。3.3 相關(guān)系數(shù)分析通過變量之間的相關(guān)性分析，初步了解

9、銷售額與哪些因素相關(guān)性高，各種提高銷售措施之間是否有高度的相關(guān)性或可替代性，以及為后續(xù)回歸分析的變量納入方式提供參考依據(jù)。操作步驟如下：（1） 單擊AnalyzeCorrelatePartial，把變量“消費(fèi)金額”、“年收入”移到Variables，把變量“家庭人口”移到Controlling。（2） 單擊Options， 參數(shù)選項(xiàng)如圖3。單擊Continue，返回Partial Correlations對(duì)話框。圖3 Options對(duì)話框（3）單擊OK按鈕，得到相關(guān)分析結(jié)果如圖4、圖5。圖4 偏相關(guān)的描述性統(tǒng)計(jì)量圖5 偏相關(guān)的分析結(jié)果從圖4可知，50位消費(fèi)者通過信用卡消費(fèi)的平均的額度為3964

10、.06元，年平均為43480元，家庭人均為3人。從圖5的分析結(jié)果初步可知，信用卡消費(fèi)金額與家庭人口、年收入較顯著，對(duì)應(yīng)的顯著水平都遠(yuǎn)小于0.01。3.4 回歸分析建立回歸模型，進(jìn)一步研究信用卡消費(fèi)金額與家庭人口、年收入的關(guān)系，并利用預(yù)測(cè)結(jié)果來控制調(diào)節(jié)信用卡的市場(chǎng)營銷策略。操作步驟如下：（1） 單擊AnalyzeRegressionLinear，把Linear Regression對(duì)話框左側(cè)列表中選擇變量“消費(fèi)金額”使之進(jìn)入Dependent；選擇變量“家庭人口”和“年收入”，使之進(jìn)入Independent(s)；根據(jù)偏相關(guān)系數(shù)，在Method下拉框中選擇Enter選項(xiàng)，使其他選項(xiàng)框?yàn)槟J(rèn)值。（

11、2） 單擊Statistics按鈕，彈出“線性回歸統(tǒng)計(jì)量”窗口，選中復(fù)選框Estimates、Model fit和Collinearity diagnostics，單擊continue返回Linear Regression對(duì)話框。（3） 單擊OK，得到結(jié)果如圖610所示。圖6 變量進(jìn)入情況圖7 模型模擬合度檢驗(yàn)圖8 方差分析表圖9 回歸分析結(jié)果圖10 共線性檢驗(yàn)（1） 根據(jù)相關(guān)分析結(jié)果，認(rèn)為信用卡消費(fèi)金額與家庭人口、年收入相關(guān)性高，所以采用所有變量強(qiáng)行進(jìn)入模型的方法。（2） 對(duì)模型模擬合度進(jìn)行檢驗(yàn)，進(jìn)入模型的變量其調(diào)整的決定系數(shù)（Adjusted R Square）為0.818。可見模型的擬合

12、效果很理想。（3） 對(duì)模型進(jìn)行方差分析?；貧w模型的Sig.值為0，說明該模型有顯著的統(tǒng)計(jì)意義。（4） 對(duì)模型的回歸分析結(jié)果和共線性檢驗(yàn)結(jié)果可知，未標(biāo)準(zhǔn)化時(shí)本例的擬合結(jié)果為：Y=1304.905+0.033x1+356.296x2常數(shù)項(xiàng)和自變量系數(shù)的Sig.值為0，模型中不存在共線問題。檢驗(yàn)結(jié)果是顯著的。該模型的擬合程度很高，可以用來預(yù)測(cè)。4 結(jié)果分析回歸分析在數(shù)據(jù)挖掘中主要有預(yù)測(cè)和控制兩大功能，通過對(duì)已知訓(xùn)練數(shù)據(jù)進(jìn)行回歸分析的出經(jīng)驗(yàn)公式，利用經(jīng)驗(yàn)公式就可以在已知變量的情況下，預(yù)測(cè)因變量的取值。實(shí)際問題中往往是根據(jù)預(yù)測(cè)結(jié)果來進(jìn)行控制調(diào)整。本案例中，根據(jù)50為消費(fèi)者的年收入、家庭人口和每年石油信用

13、卡支付的金額數(shù)據(jù)得到經(jīng)驗(yàn)公式為：Y=1304.905+0.033x1+356.296x2經(jīng)驗(yàn)公式可以預(yù)測(cè)：在其他條件不變的情況下，家庭人口每增加1人，信用卡支付的金額將增加356.296元；收入每增加1000元，信用卡支付金額將增加33元。因此，針對(duì)此地區(qū)的消費(fèi)者，家庭人口的數(shù)量對(duì)信用卡支付的金額影響較大。若要推行信用卡消費(fèi)，其目標(biāo)用戶的首選是家庭人口較多的用戶。附錄信用卡消費(fèi)調(diào)查數(shù)據(jù)年收入（元）家庭人口（人）消費(fèi)金額（元）年收入（元）家庭人口（人）消費(fèi)金額（元）540003401641000748283000023159230006412732000451005100034110500005

14、47422500034208310002186448000442195500024070270001247737000127313300022514400002334865000342146600044764630004496554000655734200064412300001258362000347054800023866640002415734000535862200033579670004503729000438905000023605390002297267000553453500013121550006537039000441835200023890540003373021000224482700022921440001299526000746033700054171610002427362000656783000023067210003362322000430745500075301460005482042000230206600045149參考文獻(xiàn)：1 孫艷玲, 何源, 等. 2010. SPSS統(tǒng)計(jì)分析 北京:人民郵電出版社 2 馬慶國主編. 2005. 應(yīng)用統(tǒng)計(jì)學(xué) 北京:科學(xué)出版社 3 范大茵，陳永華. 1996. 概率