場(chǎng)營(yíng)銷與預(yù)測(cè)方案

1、中南財(cái)經(jīng)政法大學(xué)武漢學(xué)院實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)課名稱： 市場(chǎng)調(diào)查與預(yù)測(cè)學(xué)生姓名：楊姐專業(yè)班級(jí)：市場(chǎng)營(yíng)銷1103班學(xué) 號(hào)：11041106開課時(shí) 間：2013-2014 學(xué)年第一學(xué)期教務(wù)處制市場(chǎng)調(diào)查與預(yù)測(cè)實(shí)驗(yàn)報(bào)告學(xué)號(hào)11041097姓 名楊娟專業(yè)、班級(jí)市場(chǎng)營(yíng)銷1103班實(shí)驗(yàn)地點(diǎn)計(jì)算機(jī)樓指導(dǎo)教師劉穎時(shí)間2013.11實(shí)驗(yàn)序號(hào)：1實(shí)驗(yàn)項(xiàng)目名稱：SPSS軟件運(yùn)用一數(shù)據(jù)編碼與錄入、實(shí)驗(yàn)?zāi)康募耙筮\(yùn)用spssa件進(jìn)行數(shù)據(jù)編碼與錄入。要求按照問卷格式要求進(jìn)行錄入，單選、多選及開放性問題錄入方法掌握。核實(shí)錄入數(shù)據(jù)無(wú)差異及錯(cuò)誤。審核所錄入的數(shù)據(jù)并對(duì)出現(xiàn)的問題進(jìn)行查找及修改。二、實(shí)驗(yàn)設(shè)備（環(huán)境）及要求實(shí)驗(yàn)設(shè)備：計(jì)算機(jī)軟件：

2、SPSS 19.0三、實(shí)驗(yàn)內(nèi)容與步驟1、打開SPSS19.0系統(tǒng)，按問卷編碼設(shè)置要求逐一錄入問卷2、單選題按照問卷編碼直接錄入，多選題將各選項(xiàng)分別編碼進(jìn)行錄入，開放題需要將所有答案編 碼后進(jìn)行錄入3、SPSM入完畢后用分析-描述統(tǒng)計(jì)-描述進(jìn)行審核，看各題目與樣本量是否一致及有無(wú)錯(cuò)漏輸入4、數(shù)據(jù)錄入完畢后用 EXCELM SPSSa式進(jìn)行保存四、實(shí)驗(yàn)結(jié)果與數(shù)據(jù)處理a數(shù)據(jù)錄入第六組1.xls督數(shù)據(jù)錄入第六組.陶V五、分析與討論：（總結(jié)該實(shí)驗(yàn)過程中遇到的問題及心得）一）數(shù)據(jù)錄入是一個(gè)嚴(yán)謹(jǐn)?shù)倪^程會(huì)影響之后的數(shù)據(jù)分析應(yīng)認(rèn)真對(duì)待，數(shù)據(jù)樣本量要達(dá)到一定標(biāo)準(zhǔn)， 盡量要保持?jǐn)?shù)據(jù)的完整性和有效性。二）錄入數(shù)據(jù)時(shí)要

3、仔細(xì)，耐心。在錄數(shù)據(jù)前一定要把變量視圖中各項(xiàng)編輯完整后，然后統(tǒng)一進(jìn)行錄 入。三）在審核時(shí)要從多方面分析，要保證題目與樣本量一致并無(wú)錯(cuò)漏輸入。四）在這個(gè)我們第一手調(diào)研數(shù)據(jù)數(shù)據(jù)處理過程中，主要運(yùn)用了頻率分析和多重響應(yīng)，得出的比較直觀 和具體的分析結(jié)果，感覺還是挺好的。六、教師評(píng)語(yǔ)簽名：劉穎日期： 2013年11月30日成績(jī)市場(chǎng)調(diào)查與預(yù)測(cè)實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)序號(hào)：2實(shí)驗(yàn)項(xiàng)目名稱：SPSS軟件運(yùn)用一頻次分布與統(tǒng)計(jì)描述學(xué)號(hào)11041106姓 名楊娟專業(yè)、班級(jí)市場(chǎng)營(yíng)銷1103實(shí)驗(yàn)地點(diǎn)計(jì)算機(jī)樓指導(dǎo)教師劉穎時(shí)間2013.11、實(shí)驗(yàn)?zāi)康募耙筮\(yùn)用SPSS對(duì)數(shù)據(jù)展開描述的統(tǒng)計(jì)分析。掌握其中頻數(shù)分析、描述性分析、探索分析、

4、聯(lián)列表分析，并將分析 結(jié)果用圖表和文字展示并描述出來(lái)。二、實(shí)驗(yàn)設(shè)備（環(huán)境）及要求實(shí)驗(yàn)設(shè)備：計(jì)算機(jī)軟件：SPSS 19.0三、實(shí)驗(yàn)內(nèi)容與步驟1、將數(shù)據(jù)錄入SPSS后使用分析-描述統(tǒng)計(jì)-頻次分析進(jìn)行數(shù)據(jù)處理。 了解每項(xiàng)問題的頻次如何分布，得到平均值、最大值、最小值、方差、標(biāo)準(zhǔn)差、極差等數(shù)據(jù)。2、分析-描述統(tǒng)計(jì)-描述 計(jì)算表那個(gè)輸出各類相關(guān)的描述性統(tǒng)計(jì)指標(biāo)3、SPSM入完畢后用分析-描述統(tǒng)計(jì)-描述進(jìn)行審核，看各題目與樣本量是否一致及有無(wú)錯(cuò)漏輸入4、數(shù)據(jù)錄入完畢后用 EXCELS SPSSa式進(jìn)行保存四、實(shí)驗(yàn)結(jié)果與數(shù)據(jù)處理1、描述線性分析1）原始數(shù)據(jù)：國(guó)習(xí)題 2.2.xls2） SPSSa據(jù)分析輸出結(jié)

5、果：描述統(tǒng)計(jì)量N全距極小值極大 值和均值標(biāo)準(zhǔn) 差方差偏度峰度統(tǒng)計(jì) 量統(tǒng)計(jì)量統(tǒng)計(jì)量統(tǒng)計(jì) 量統(tǒng)計(jì) 量統(tǒng)計(jì) 量標(biāo)準(zhǔn) 誤統(tǒng)計(jì) 量統(tǒng)計(jì) 量統(tǒng)計(jì) 量標(biāo)準(zhǔn) 誤統(tǒng)計(jì) 量標(biāo)準(zhǔn)誤身高有效 的N（列 表狀 態(tài)）5050271541818486169.72.9896.99348.900-.446.337-.760.6623）分析與討論：（文字描述上述實(shí)驗(yàn)結(jié)果中數(shù)據(jù)及圖形所反映出的的內(nèi)容）數(shù)據(jù)沒有出現(xiàn)問題與偏差，錄入完整。根據(jù)分析結(jié)果表明，身高極小值為154cm,極大值為181cm,全距27,身高在175cm勺人數(shù)最多。標(biāo)準(zhǔn)差為6.9930則所有人的身高分布較分散；身高百分比表可以看出身高分布不集中、較分散。峰度（-0

6、.76 ）小于零說(shuō)明與正態(tài)分布陡峭程度相比，分析的數(shù)據(jù)得到的曲線比正態(tài)分布的曲線平坦2、探索分析1）原始數(shù)據(jù)：S習(xí)題 2.3.X1S2） SPS漱據(jù)分析輸出結(jié)果:案例處理摘要地區(qū)案例有效缺失合計(jì)N百分比N百分比N百分比年份鄂東12100.0%0.0%12100.0%鄂西12100.0%0.0%12100.0%描述地區(qū)統(tǒng)計(jì)量標(biāo)準(zhǔn)誤年份鄂東均值均值的95%置信區(qū)間下限上限1995.501991.002000.002.0435%修整均值1995.94中值1997.50方差50.091標(biāo)準(zhǔn)差7.077極小值1980極大值2003范圍3四分位距10偏度-1.241.637峰度.8191.232鄂西均值1

7、995.502.043均值的95%置信區(qū)間下限1991.00上限2000.005%修整均值1995.94中值1997.50方差50.091標(biāo)準(zhǔn)差7.077極小值1980極大值2003范圍23四分位距10偏度-1.241.637峰度.8191.232極值地區(qū)案例號(hào)降雨量值年份 鄂東最高11214102003211141020023101948200149148720005815171999最低11136919802214811985332237199044151219955514091996鄂西最高1241372200322322632002322231520014211763200052013

8、931999最低11322741980214241119853151510199041620831995517122319963）分析與討論：（文字描述上述實(shí)驗(yàn)結(jié)果中數(shù)據(jù)及圖形所反映出的的內(nèi)容）根據(jù)對(duì)原始數(shù)據(jù)的分析，鄂東和鄂西地區(qū)五年來(lái)的年平均降雨量均值相同，在置信區(qū)間為95%勺上下限均值分別為為1991.00mm和2000.00mm并沒有太大的差距。鄂東地區(qū)最大降雨量出現(xiàn)在2001年十月份，最低降雨量出現(xiàn)在1980年一月份。鄂西地區(qū)最高降雨量出現(xiàn)在2001年三月份，最低降雨量出現(xiàn)在1996年五月份。3、聯(lián)列表分析1）原始數(shù)據(jù)：回習(xí)題 2.4.xls2） SPSS數(shù)據(jù)分析輸出結(jié)果：學(xué)校*升學(xué)交

9、叉制表升學(xué)合計(jì)未升學(xué)升學(xué)學(xué)校一中計(jì)數(shù)16613629學(xué)校中的%2.5%97.5%100.0%升學(xué)中的總數(shù)的%37.2%.9%34.9%34.1%35.0%35.0%二中計(jì)數(shù)學(xué)校中的%升學(xué)中的% 總數(shù)的%272.3%62.8%1.5%114397.7%65.1%63.5%1170100.0%65.0%65.0%合計(jì)計(jì)數(shù)學(xué)校中的%升學(xué)中的% 總數(shù)的%432.4%100.0%2.4%175697.6%100.0%97.6%1799100.0%100.0%100.0%卡方檢驗(yàn)值df漸進(jìn)Sig.（雙側(cè)）精確Sig.（雙側(cè)）精確Sig.（單側(cè)）Pearson 卡方連續(xù)校正b 似然比Fisher的精確檢驗(yàn)

10、線性和線性組合 有效案例中的N.098 a.023.097.09817991111.755.880.756.755.748.434a. 0單元格（.0%）的期望計(jì)數(shù)少于 5。最小期望計(jì)數(shù)為15.03 ob.僅對(duì)2x2表計(jì)算3）分析與討論：（文字描述上述實(shí)驗(yàn)結(jié)果中數(shù)據(jù)及圖形所反映出的的內(nèi)容）通過聯(lián)立兩個(gè)學(xué)校的升學(xué)人數(shù)表進(jìn)行對(duì)比分析可以看出二中的升學(xué)率為97 7%高于一中的97 5%,而且二中未升學(xué)的比率為 2 3%要彳氐中的 2 5%,在一中二中的升學(xué)未升學(xué)人數(shù)綜合對(duì)比分析來(lái)看，一中升學(xué)未 升學(xué)的比率分別為 2 5%和97 5%,二中的比率分別為 2 4%和97 6%。綜上所述二中比一中要強(qiáng)。五

11、、教師評(píng)語(yǔ)成績(jī)簽名：劉穎日期： 2013年11月30日市場(chǎng)調(diào)查與預(yù)測(cè)實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)序號(hào)：3IT-實(shí)驗(yàn)地點(diǎn)實(shí)驗(yàn)項(xiàng)目名稱：SPSS軟件運(yùn)用一相關(guān)分析與假設(shè)檢驗(yàn)11041106計(jì)算機(jī)樓姓 名指導(dǎo)教師楊娟Mi專業(yè)、班級(jí)1103市場(chǎng)營(yíng)銷2013.11、實(shí)驗(yàn)?zāi)康募耙蟮玫较嚓P(guān)數(shù)據(jù)資料后，我們要對(duì)這些數(shù)據(jù)進(jìn)行分析，研究各個(gè)變量之間的關(guān)系。相關(guān)分析分析是不考慮變量之間因果關(guān)系而只研究分析變量之間相關(guān)關(guān)系的一種統(tǒng)計(jì)方法。本次實(shí)驗(yàn)需要掌握簡(jiǎn)單相關(guān)分析、偏相關(guān)分析、距離分析這三種相關(guān)分析方法。二、實(shí)驗(yàn)設(shè)備（環(huán)境）及要求實(shí)驗(yàn)設(shè)備：計(jì)算機(jī)軟件：SPSS 19.0三、實(shí)驗(yàn)內(nèi)容與步驟1、將數(shù)據(jù)錄入SPSS后使用分析-相關(guān)-雙

12、變量分析進(jìn)行數(shù)據(jù)處理。 研究變量間的線性相關(guān)程度。2、將數(shù)據(jù)錄入SPSS后使用分析-相關(guān)-偏相關(guān)分析進(jìn)行數(shù)據(jù)處理。對(duì)控制變量進(jìn)行控制。3、將數(shù)據(jù)錄入SPSS后使用分析-相關(guān)-距離分析進(jìn)行數(shù)據(jù)處理。對(duì)樣本觀測(cè)值之間的差異性或者相似度進(jìn)行度量。四、實(shí)驗(yàn)結(jié)果與數(shù)據(jù)處理1、簡(jiǎn)單相關(guān)分析1）原始數(shù)據(jù):案例 6.1.xls2） SPSS數(shù)據(jù)分析輸出結(jié)果:描述性統(tǒng)計(jì)量均值標(biāo)準(zhǔn)差N月份6.503.60612平均氣溫18.2508.8149121日照時(shí)數(shù)118.56748.384012 |相關(guān)性平均氣溫日照時(shí)數(shù)平均氣溫Pearson相關(guān)性1*.758顯著性（雙側(cè)）.004平方與叉積的和854.7303555.3

13、20協(xié)方差77.703323.211N1212日照時(shí)數(shù) Pearson相關(guān)性*.7581顯著性（雙側(cè)）.004平方與叉積的和3555.32025751087協(xié)方差323.2112341.008N1212*.在.01水平（雙側(cè)）上顯著相關(guān)。3）分析與討論：（文字描述上述實(shí)驗(yàn)結(jié)果中數(shù)據(jù)及圖形所反映出的的內(nèi)容）通過對(duì)原始數(shù)據(jù)的分析可以看出平均氣溫與日照時(shí)數(shù)長(zhǎng)短關(guān)系密切，pearson相關(guān)性達(dá)到0.758,顯著性為0.04.明顯可以看出二者是緊密關(guān)聯(lián)的平均氣溫與日照時(shí)數(shù)之間的相關(guān)性較高為0.758,而平均氣溫與月份之間的相關(guān)性較低為0.321。顯著性比較：平均氣溫與日照時(shí)數(shù)之間（Sig=0.0040.

14、05 ）差異不顯著；同樣數(shù)據(jù)顯示日照時(shí)數(shù) 與平均氣溫之間相關(guān)性較高，差異顯著，而與月份之間相關(guān)性低、差異不顯著（Sig=0.8690.05 ）。2、偏相關(guān)分析1）原始數(shù)據(jù)：案例 6.2.xls2） SPSS數(shù)據(jù)分析輸出結(jié)果：描述性統(tǒng)計(jì)量均值標(biāo)準(zhǔn)差N語(yǔ)文成績(jī)77.5019.01912數(shù)學(xué)成績(jī)76.1722.81112IQ98.3322.96012相關(guān)性控制變量語(yǔ)文數(shù)學(xué)IQ-無(wú)-a 語(yǔ)文相關(guān)性1.000.991.955顯著性（雙側(cè)）.000.000df01010數(shù)學(xué)相關(guān)性.9911.000.968顯著性（雙側(cè)）.000. 1.000df10010IQ相關(guān)性.955.9681.000顯著性（雙側(cè)）.

15、000.000.df10100IQ語(yǔ)文相關(guān)性1.000.893顯著性（雙側(cè)）.000df09數(shù)學(xué)相關(guān)性1.000893顯著性（雙側(cè)）.000.df90a.單元格包含零階（Pearson） 相關(guān)3）分析與討論：（文字描述上述實(shí)驗(yàn)結(jié)果中數(shù)據(jù)及圖形所反映出的的內(nèi)容）語(yǔ)文和數(shù)學(xué)成績(jī)與IQ都相關(guān)，以IQ作為控制變量，則語(yǔ)文和數(shù)學(xué)成績(jī)和IQ的相關(guān)性均為0.893,可以看出IQ對(duì)語(yǔ)文和數(shù)學(xué)成績(jī)產(chǎn)生巨大影響?？墒菃螁尉驼Z(yǔ)文和數(shù)學(xué)分析而言，二者的相關(guān)性比單獨(dú)與IQ比較要高。相關(guān)性分析：當(dāng) IQ 一定時(shí)，數(shù)學(xué)成績(jī)與語(yǔ)文成績(jī)相關(guān)性系數(shù)0.893兩者之間的相關(guān)性高，顯著性系數(shù)為00.05,所以,數(shù)學(xué)成績(jī)與IQ之間差異

16、不顯著；當(dāng)數(shù)學(xué)成績(jī)一定時(shí)，IQ與語(yǔ)文成績(jī)相關(guān)性系數(shù)為 -0.12兩者之間的相關(guān)性低，顯著性系數(shù)為0.7260.05 ,所以，IQ與語(yǔ)文成績(jī)之間的差異不顯著。綜上所述，語(yǔ)文成績(jī)與數(shù)學(xué)成績(jī)的高低沒有關(guān)系，IQ的高低與語(yǔ)文成績(jī)和數(shù)學(xué)成績(jī)的高低有關(guān)系，IQ的高低影響了語(yǔ)文成績(jī)與數(shù)學(xué)成績(jī)的高低。3、距離分析1）原始數(shù)據(jù):案例 6.3.X1S2） SPSS數(shù)據(jù)分析輸出結(jié)果:案例處理摘要案例有效缺失合計(jì)N百分比N百分比N百分比12100.0%00.0%12100.0%近似矩陣值向量間的相關(guān)性沈陽(yáng)大連鞍山沈陽(yáng)1.000.982.998大連.9821.000.989鞍山.998.9891.000這是一個(gè)相似性矩

17、陣3）分析與討論：（文字描述上述實(shí)驗(yàn)結(jié)果中數(shù)據(jù)及圖形所反映出的的內(nèi)容）這是一個(gè)相似性矩陣，值向量間的相關(guān)性有明顯的不同。其中沈陽(yáng)和鞍山比較接近，而大連與其 他兩個(gè)地方的差距要更大一些，從中可以看出地域差異五、教師評(píng)語(yǔ)分析完整成績(jī)簽名：劉穎日期： 2013年11月30日市場(chǎng)調(diào)查與預(yù)測(cè)實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)序號(hào)：4實(shí)驗(yàn)項(xiàng)目名稱：SPSS軟件運(yùn)用一回歸分析學(xué) 號(hào)實(shí)驗(yàn)地點(diǎn)11041106計(jì)算機(jī)樓姓 名指導(dǎo)教師楊娟劉穎專業(yè)、班級(jí)1103市場(chǎng)營(yíng)銷2013.11、實(shí)驗(yàn)?zāi)康募耙蠡貧w分析是研究分析某一變量受別的變量影響的分析方法，它以被影響變量為因變量，以影響變量為自變量，研究因變量與自變量之間的因果關(guān)系。本次實(shí)驗(yàn)要求

18、掌握用SPSS做出簡(jiǎn)單線性回歸模型、多重線性回歸模型及曲線回歸模型。二、實(shí)驗(yàn)設(shè)備（環(huán)境）及要求實(shí)驗(yàn)設(shè)備：計(jì)算機(jī)軟件：SPSS 19.0三、實(shí)驗(yàn)內(nèi)容與步驟1、將數(shù)據(jù)錄入SPSS后使用分析-回歸-線性分析進(jìn)行數(shù)據(jù)處理。模擬出簡(jiǎn)單線性回歸的方程式2、將數(shù)據(jù)錄入SPSS后使用分析-回歸-線性關(guān)分析進(jìn)行數(shù)據(jù)處理。模擬出多重線性回歸的方程式。3、將數(shù)據(jù)錄入SPSS后使用分析-回歸-曲線估計(jì)分析進(jìn)行數(shù)據(jù)處理。模擬出曲線回歸的方程式。四、實(shí)驗(yàn)結(jié)果與數(shù)據(jù)處理1、簡(jiǎn)單線性回歸1）原始數(shù)據(jù):案例 6.4.xls2） SPSS數(shù)據(jù)分析輸出結(jié)果:模型輸入的變量移去的變量方法1失業(yè)率a.輸入輸入/移去的變量bba,已輸入

19、所有請(qǐng)求的變量。 b.因變量：通貨膨脹率模型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤 差1,633 a,01,326,4096a,預(yù)測(cè)變量：（常量），通貨膨脹率模型平方和df均方FSig.1回歸,8991,8995.358,049 a殘差1.3428,168總計(jì)2.2419Anovaa,預(yù)測(cè)變量：（常量），通貨膨脹率 b.因變量：失業(yè)率系數(shù)模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常量）通貨膨脹率3.601157,149,068,63324,2052.315,000,0493）分析與討論：（文字描述上述實(shí)驗(yàn)結(jié)果中數(shù)據(jù)及圖形所反映出的的內(nèi)容）模型匯總表格中修正的可決系數(shù)=0,3261,值過

20、小得出的結(jié)果不好,線性擬合程度一般；系數(shù)表中常量的Sig=00,05,差異顯著，通貨膨脹率的 Sig=0,0490.05,差異顯著。常量b=3.601 ,通貨膨脹率為0.157 ,所以，關(guān)于失業(yè)率與通貨膨漲率之間的簡(jiǎn)單線性關(guān)系：Y=0,157X+3.601 。2、多重線性分析1）原始數(shù)據(jù)：案例 6,5,xls2） SPSS數(shù)據(jù)分析輸出結(jié)果:模型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差更改統(tǒng)計(jì)量R方更改F更改df1df2Sig. F更改1.331 a.110.103.2178.11017.5961143.0002.402 b.161.150.2121.0528.7921142.0043.439 c.

21、193.176.2089.0315.4881141.021a.預(yù)測(cè)變量：（常量）,PF。b.預(yù)測(cè)變量：（常量）,PF, PK o c.預(yù)測(cè)變量：（常量）,PF, PK, QAnovad模型平方和df均方FSig.1回歸.8351.83517.596.000 a殘差6.785143.047總計(jì)7.6201442回歸1.2312.61513.673.000 b殘差6.390142.045總計(jì)7.6201443回歸1.4703.49011.233.000 c殘差6.150141.044總計(jì)7.620144a.預(yù)測(cè)變量：（常量）,PF。b.預(yù)測(cè)變量：（常量）,PF, PK o c.預(yù)測(cè)變量：（常量）,

22、PF, PK, Q d.因變量：PL系數(shù)模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常量）1.723.06327.364.000PF.010.002.3314.195.0002（常量）2.208.17412.655.000PF.011.002.3604.645.000PK-.003.001-.230-2.965.0043（常量）2.172.17212.598.000PF.011.002.3744.887.000_ PK-.003.001-.232-3.041.003IQI 1.395E-5.000.1782.343.021a.因變量：PL已排除的變量模型Beta IntSig.偏相關(guān)

23、共線性統(tǒng)計(jì)量容差1QPKa.175-.230 a2.240-2.965.027.004.185-.241.994.9842Q.178 b2.343.021.194.994a.模型中的預(yù)測(cè)變量：（常量）,PF。b.模型中的預(yù)測(cè)變量：（常量）,PF, PKc.因變量：PL3）分析與討論：（文字描述上述實(shí)驗(yàn)結(jié)果中數(shù)據(jù)及圖形所反映出的的內(nèi)容）SPS嗷據(jù)輸出結(jié)果顯示：*II型匯總表中調(diào)整R方值比較小線性擬合程度一般，系數(shù)表中可看出PLWPF、PK 常間的關(guān)系，顯著性系數(shù)分別為00.05、0.030.05、0.0210.05 ,均小于0.05 ,它們之間的顯著性水平顯著。常量 B=2.172、PF=0.0

24、11、PK= -0.003、Q=1.395E-5,所以，PL=2.172+0.011PF-0.003PK+（1.395E-5）Q3、曲線回歸分析1）原始數(shù)據(jù)：案例 6.6.xls2） SPSS數(shù)據(jù)分析輸出結(jié)果:線性模型匯總RR方調(diào)整R方估計(jì)值的標(biāo)準(zhǔn)誤.846.715.6588.758自變量為兒童年齡ANOVA平方和dfigzrfSig回歸 殘差 總計(jì)962.916383.5411346.457156962.91676.70812.553.017自變量為兒童年齡系數(shù)未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)tSig.B標(biāo)準(zhǔn)誤Beta兒童年齡5.8641.655.8463.543.017（常數(shù)）63.0007.402

25、8.511.000對(duì)數(shù)模型匯總RR方調(diào)整R方估計(jì)值的標(biāo)準(zhǔn)誤.956.914.8974.818自變量為兒童年齡ANOVA平方和df均方FSig.回歸1230.38011230.38052.999.001殘差116.077523.215總計(jì)1346.4576自變量為兒童年齡系數(shù)未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)tSig.B標(biāo)準(zhǔn)誤Betaln（兒童年齡）20.9112.872.9567.280.001（常數(shù)）60.9903.94415.465.000二次模型匯總RR方調(diào)整R方估計(jì)值的標(biāo)準(zhǔn)誤.985.971.9563.142自變量為兒童年齡ANOVA平方和df均方FSig.回歸1306.9632653.48266

26、.186.001殘差39.49449.8731總計(jì)1346.4576自變量為兒童年齡。系數(shù)未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)tSig.B標(biāo)準(zhǔn)誤Beta兒童年齡22.0552.8063.1807.859.001兒童年齡* 2-2.024.343-2.389-5.903.004（常數(shù)）38.7144.8977.906.001三次模型匯總RR方調(diào)整R方估計(jì)值的標(biāo)準(zhǔn)誤.997.995.9901.509自變量為兒童年齡ANOVA平方和df均方FSig.回歸1339.6303446.543196.221.001殘差6.82732.276總計(jì)1346.4576自變量為兒童年齡系數(shù)未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)tSig.B標(biāo)準(zhǔn)誤

27、Beta兒童年齡37.9994.4195.4808.599.003兒童年齡* 2-6.6901.243-7.897-5.384.013兒童年齡* 3.389.1033.3013.789.032（常數(shù)）24.7144.3805.643.011指數(shù)模型匯總RR方調(diào)整R方估計(jì)值的標(biāo)準(zhǔn)誤.823.678.614.123自變量為兒童年齡ANOVA平方和df均方FSig.回歸.1601.16010.524.023殘差.0765.0151總計(jì).2366自變量為兒童年齡。系數(shù)未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)tSig.B標(biāo)準(zhǔn)誤Beta兒童年齡 （常數(shù)）.07662.940.0236.553.8233.2449.605.0

28、23.000因變量為ln（陰性率）。陰性率O100.0-90 0-兒童年齡70.0-6 口 0-3）分析與討論：（文字描述上述實(shí)驗(yàn)結(jié)果中數(shù)據(jù)及圖形所反映出的的內(nèi)容）SPS嗷據(jù)輸出結(jié)果顯示：線性回歸的調(diào)整助為0.658、對(duì)數(shù)回歸的調(diào)整 助為0.897、二次線性回歸的調(diào)整R方為0.956、三次線性回歸的調(diào)整 昉為0.990、指數(shù)線性回歸的調(diào)整 W為0.614。所以，三次線性回 歸的調(diào)整昉最大，三次線性回歸的擬合程度最好。而且，從圖中可以看出三次曲線與已觀測(cè)的點(diǎn)擬合 的最好。所以，自變量?jī)和挲g與因變量陰性率之間的三次線性關(guān)系：Y=24.714+37.999X 1-6.690X 2+0.389X3.

29、五、教師評(píng)語(yǔ)簽名：劉穎日期： 2013年11月30日成績(jī)市場(chǎng)調(diào)查與預(yù)測(cè)實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)序號(hào)：6實(shí)驗(yàn)項(xiàng)目名稱：Excel市場(chǎng)預(yù)測(cè)方法一時(shí)間序列分析學(xué) 號(hào)11041106姓 名楊娟專業(yè)、班級(jí)1103市場(chǎng)營(yíng)銷實(shí)驗(yàn)地點(diǎn)計(jì)算機(jī)樓指導(dǎo)教師劉穎時(shí)間2013.11一、實(shí)驗(yàn)?zāi)康募耙髸r(shí)間序列分析是一種動(dòng)態(tài)數(shù)據(jù)處理的統(tǒng)計(jì)方法，該方法基于隨機(jī)過程理論和數(shù)理統(tǒng)計(jì)學(xué)方法，研究隨機(jī)數(shù)據(jù)序列所遵循的統(tǒng)計(jì)規(guī)律。要求學(xué)生了解指數(shù)平滑模型、ARIMA莫型及季節(jié)分解模型構(gòu)造的過程及方法。二、實(shí)驗(yàn)設(shè)備（環(huán)境）及要求實(shí)驗(yàn)設(shè)備：計(jì)算機(jī)軟件：SPSS 19.0三、實(shí)驗(yàn)內(nèi)容與步驟1、將數(shù)據(jù)錄入SPSS后使用分析-預(yù)測(cè)-創(chuàng)建模型進(jìn)行數(shù)據(jù)處理。做出

30、指數(shù)平滑模型擬合結(jié)果。2、將數(shù)據(jù)錄入 SPSS后使用分析-預(yù)測(cè)-創(chuàng)建模型進(jìn)行數(shù)據(jù)處理。做出ARIMA莫型擬合結(jié)果。3、將數(shù)據(jù)錄入SPSS后使用分析-預(yù)測(cè)-季節(jié)性分解進(jìn)行數(shù)據(jù)處理。做出季節(jié)分解模型描述結(jié)果四、實(shí)驗(yàn)結(jié)果與數(shù)據(jù)處理1、指數(shù)平滑模型1）原始數(shù)據(jù)：S指數(shù)平滑模型.xls2）SPSS數(shù)據(jù)分析輸出結(jié)果:模型擬合擬合統(tǒng)計(jì)量均值SE最小值最大值百分位5102550759095平穩(wěn)的R.571.571.571.571.571.571.571.571.571.571方R方.897.897.897.897.897.897.897.897.897.897RMSE.542.542.542.542.542.

31、542.542.542.542.542MAPE65.212.65.21265.21265.21265.21265.21265.21265.21265.21265.212MaxAPE3881.586.3881.5863881.5863881.5863881.5863881.5863881.5863881.5863881.5863881.586MAE.316.316.316.316.316.316.316.316.316.316MaxAE5.309.5.3095.3095.3095.3095.3095.3095.3095.3095.309正態(tài)化的-1.204.-1.204-1.204-1.204-

32、1.204-1.204-1.204-1.204-1.204-1.204BIC模型統(tǒng)計(jì)量模型預(yù)測(cè)變 量數(shù)模型擬合統(tǒng) 計(jì)量Ljung-Box Q(18)離群值 數(shù)平穩(wěn)的R方統(tǒng)計(jì)量DFSig.利差-模型_10.571121.54116.0000指數(shù)平滑法模型參數(shù)模型估計(jì)SEtSig.利差-模型_1無(wú)轉(zhuǎn)換 Alpha （水平）.999.04124.091.000Delta （季節(jié)）.0006.9705.900E-51.0001960 1972 1985 1997 2010 2022 2035 2047 2060 2072 2085 2097日期3）分析與討論：（文字描述上述實(shí)驗(yàn)結(jié)果中數(shù)據(jù)及圖形所反映出

33、的的內(nèi)容）PSS數(shù)據(jù)輸出結(jié)果顯示：平穩(wěn) R方=0.5711.模型的擬合度不是特別好。指數(shù)平滑化模型參數(shù)表中Alpha （水平）對(duì)應(yīng)的Sig=00.05,說(shuō)明利差與季節(jié)的差異不顯著，利差與季節(jié)相關(guān)。在利差.模型-1圖表中觀測(cè)值與擬合值的變化趨勢(shì)基本上一致，兩條線擬合的很好。在 2004年、2020-2025年中，有兩次低谷期。在2058年達(dá)到最大值、2022年達(dá)到最低。在2097年后一段時(shí)間中預(yù)測(cè)利差將持續(xù)增加。2、ARIMAS型：1）原始數(shù)據(jù)SARIMAi 型.xls2） SPSSa據(jù)分析輸出結(jié)果：模型描述模型類型模型ID 利差模型ARIMA(0,0,0)(3,2,2)模型摘要模型擬合擬合統(tǒng)

34、計(jì)量均值SE最小值最大值百分位5102550759095平穩(wěn)的R方.591.591.591.591.591.591.591.591.591.591R方.504.504.504.504.504.504.504.504.504.504RMSE1.201.1.2011.2011.2011.2011.2011.2011.2011.2011.201MAPE174.636.174.636174.636174.636174.636174.636174.636174.636174.636174.636MaxAPE8331.981.8331.9818331.9818331.9818331.9818331.9818331.9818331.9818331.9818331.981MAE.790.790.790.790.790.790.790.790.790.790MaxAE7.713.7.7137.7137.7