spss在铁路春运客流调查中的应用论文

《spss在铁路春运客流调查中的应用论文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、SPSS在铁路春运客流调查中的应用论文.freelan秩相关系数：适用于等级或有序数据之间，应用范围较广，样本数30，总体不呈正态均可。③列联相关系数：适用于名义数据之间，其定义基于卡方检验统计量Q。(3)不同数据类型的有关统计量。根据两个特征(变量)的数据类型的不同，列联表分析还可给出某些关联系数及一些特别的统计量。①名义数据之间：lambda系数、不确定系数。②次序数据之间：Gamma水平、Somers’d水平、Kendalls系数。③名义数据与区间数据之间：Eta系数。SPSS对这些列联分析都有充分的支持。2.2多选项分析在实际问卷调查中，某些问题允许选择

2、的答案是多个，也即有两个或两个以上的答案会被同时选中。针对这种多选项问题，利用普通的频数分析或交叉列联分析会比较烦琐，需要手工进行一些额外计算。为此，SPSS专门设计了一个子菜单MultipleResponse方便这种变量的统计分析。2.3对应分析对应分析(CorrespondenceAnalysis)是由法国人JeanPaul-Benzerci于20世纪60年代创立，直到20世纪80年代才在英语国家兴起的一种多元相依(Interdependence)变量统计分析技术。它主要对名义变量或顺序变量多维频度表进行分析，探索同一变量的各个类别之间的差异，以及不同变量各

3、个类别之间的对应关系。对应分析的4个优点是：名义变量划分的类别越多，这种分析的优势越明显；可以将名义变量或顺序变量转变为间距变量，揭示行变量类别间与列变量类别间的联系：将变量类别间的联系直观地表现在图形中。对应分析的使用条件包括：变量是名义变量或顺序变量；行变量类别与列变量相互独立；行变量和列变量构成的交叉列表中不能有零值或负数。3SPSS在春运客流调查中的应用3.1春运客流调查的列联分析以购票途径倾向与乘车目的进行列联分析，利用SPSS的Analyze-DescriptiveStatistics—Crosstab得出卡方检验结果如表1所示。进行／检验，得到Q=

4、61.501，双尾P值=0.000，因此拒绝原假设，认为乘车目的与购票途径具有显著相关性，即不同购票途径在不同客流上有显著差别，相关强度值的计算选择名义变量的相关系数。3.2春运客流调查的多选项分析问卷中的出行考虑因素属于多选项问题，对它的分析采用多选项分析的二分法。即对安全、票价、舒适、快捷、能走就行等因素分别设置一个变量，然后把5个变量合为一个多选项变量集，再进行频数分析和交叉列联分析。调查中频数分析的结果如表2所示。由输出结果可以看出，在对出行考虑的因素中有6205个答案。其中安全是考虑最多的因素，达到30.7%，其次分别为舒适和快捷，而票价只以14.4%

5、排在第四位，不加选择的有车就走排在在第五位。这反映了旅客对春运期间铁路服务质量的要求在提高，相当多旅客在春运期间乘坐火车不只是因为铁路票价便宜。3.3春运客流调查的对应分析以乘车目的与旅客出行方向为例，由于乘车目的有4个选项，旅客出行方向有7个选项，较适合于对应分析的条件和优势。(1)最终汇总统计量。表3显示对应分析最终汇总统计量，包括维度、单一值、惯量、卡方值、户值、惯量解释比例，以及单一值稳定性等数据。卡方值188.453，户小于0.01，表明乘车目的与出行方向之间有显著的依赖关系。第一项是维度，其值是3。单一值是各维度对变量各个类别之间差异的解释量，代表每

6、一维度。的行分值与列分值的相关系数。数据0.240就是第一维度的行分值与列分值的相关系数。惯量即相应维度单一值的平方，它表示每个维度对各个变量类别之间差异的解释量。解释比例即每一维度惯量在总特征值中的比例。在表3中，第一维度的解释比例为61.9%，说明第一维度能够解释所有变量类别差异的61.9%；第二维度的解释比例为33.7%，能够解释所有变量类别差异的33.7%；而第三维度的解释比例仅为4.4%。(2)行变量与列变量的对应关系图。对应分析还能用图型直观地反映行变量与列变量之间的关系，特别是当变量的类别较多时，图型既直观又具解释力，优势更加突出。本次分析的图型结

7、果如图1所示。从图1可看出，出行方向为北京、其他方向与学生返校；出行方向为广东、福建与外出工作联系紧密。而出行方向为成都与乘车目的的4个方面距离很远，说明联系不大。出行方向为上海与外出工作、探亲、旅游等有一定距离，说明有一定联系。造成这个现象的原因主要是江西作为一个劳动力输出大省，每年外出务工人员较多，而且主要是以广东、福建等地区为主，学生流则反映出学生读书主要是以北京方向和其他方向(如西安方向)、上海方向为主，武汉离南昌较近，在短距离的旅游上表现出一定的优势。