利用SPSS对全国区域旅游业影响因素进行因子分析共22页
基于SPSS数据分析的影响旅游地区发展的主要因素分析
基于SPSS数据分析的影响旅游地区发展的主要因素分析一、本文概述随着全球旅游业的快速发展，旅游地区的发展问题越来越受到关注。
为了更好地理解旅游地区发展的影响因素，本文基于SPSS数据分析工具，对影响旅游地区发展的主要因素进行了深入探究。
通过收集和分析大量的实地数据，本文旨在揭示各因素对旅游地区发展的影响程度，从而为旅游地区的可持续发展提供科学依据。
在研究方法上，本文采用了SPSS数据分析工具，对收集到的数据进行了描述性统计、因子分析、回归分析等多种统计分析方法。
通过这些分析，本文不仅揭示了各因素对旅游地区发展的影响程度，还深入探讨了各因素之间的相互作用关系。
在研究内容上，本文首先界定了旅游地区发展的概念及其影响因素，然后构建了旅游地区发展影响因素的理论框架。
在此基础上，本文运用SPSS数据分析工具，对影响旅游地区发展的主要因素进行了实证分析。
本文根据实证分析结果，提出了促进旅游地区可持续发展的对策建议。
本文的研究对于深入理解旅游地区发展的影响因素，推动旅游地区的可持续发展具有重要的理论价值和现实意义。
本文的研究方法和分析结果也可为其他领域的研究提供有益的参考和借鉴。
二、文献综述旅游地区的发展受多种因素影响，这些因素包括但不限于自然资源、人文景观、经济条件、交通设施、政策扶持等。
随着旅游业的快速发展，对旅游地区发展的影响因素的研究也日益丰富。
本文将从国内外两个角度对相关文献进行综述，以期为本研究提供理论支持和参考依据。
在国内研究方面，众多学者对旅游地区发展的影响因素进行了深入探讨。
例如，（2010）通过对某旅游景区的实证研究，发现自然资源和人文景观是吸引游客的主要因素，而交通设施和服务质量则对游客满意度和重游意愿产生显著影响。
（2015）则从政策扶持的角度分析了旅游地区发展的影响因素，指出政府政策对旅游地区的基础设施建设、宣传推广等方面具有重要作用。
还有学者从市场需求、竞争态势、创新能力等方面对旅游地区发展的影响因素进行了系统分析（，2018）。
朱梓瑜-SPSS论文——旅游城市游客满意度客观影响因素分析
江西财经大学2017～2018学年第1学期期末考试论文题目旅游城市游客满意度客观影响因素分析课程编码 06352选课班A02课程名称 SPSS软件应用任课教师万兆泉学号 0******姓名朱梓瑜学院金融学院专业 FRM考试时间2017.12.12江西财经大学2017～2018第1学期课程论文考试评分表课程名称及代码： SPSS软件应用 06352提交时间：2017.12.12注：教师提供选题者，选题项不予评分任课教师：万兆泉旅游城市游客满意度客观影响因素分析摘要游客满意度近年来成为学术讨论的热点，但其多为游客主观意愿评判模型。
本文选取52个不同规模的旅游城市的人均GDP、年均气温、年降水量、年均PM2.5、是否为省会或直辖市，5A及4A景区个数六个客观因素对游客满意度进行分析，利用SPSS软件进行方差分析、非参数检验，回归分析等，从而得到经济水平、4A及5A景区个数与满意度正相关，年降水量、年均PM2.5与满意度负相关，省会或直辖市于满意度无显著性差异等结论，对城市旅游发展及游客满意度模型改进有着重要意义。
关键词：满意度方差分析非参数检验相关分析线性回归一、研究背景二十世纪八十年代以来，随着中国经济的迅猛发展，居民可支配收入的不断发展，旅游市场呈现超高速增长，近三十年来中国国内旅游市场收入年均增速稳定在20%以上，超过同时期世界其它国家。
但随着市场竞争的加剧和顾客消费观念的转变，口碑即游客满意度近年来成为了影响城市旅游发展的关键，因此吸引了众多国内外专家对其研究，建模分析。
根据中国旅游研究院公布的游客满意度调查方法，目前权威的游客满意度评判主要根据游客的主观心理因素，即其对旅游服务各层级的主观评分，其评判标准存在一定片面性，缺乏一定客观因素如经济水平、天气等因素。
二、研究意义当前学术界对游客满意度评判方法存在多种意见，但多为模型选择的争议，在影响因素上多选择主观因素，对客观因素的影响考虑较少。
而主观因素的问卷调查形式存在极大的主观不确定性，调查结果易受多种外在因素干扰，导致结论的不准确性。
如何利用SPSS做因子分析等分析(仅供参考)
我就以我的数据为例来做示范，仅供参考一、信度分析（即可靠度分析）1.分析——度量——可靠度分析图 12.然后就会弹出上图1的框框。
在这里，你可以对所有的问题进行可靠度分析，如果是这样，那你只需要选中所有的问题到右边这个白色的框框，然后点击“统计量”，按照右边这个图进行打钩。
然后点“继续”。
之后就点“确定”图2 3.接着去“输出1”这个框看分析结果，你就会看到很多分析结果，其中有一个就是右图，那第一个0.808就是你所选择进行分析的数据的信度。
如果你想把每一个维度的数据进行独立的信度分析，那道理也是一样的。
二、因子分析在做因子分析之前首先要判断这些数据是否适合做因子分析，那这里就需要进行效度检验，不过总共效度检验是和因子分析的操作同步的，意思就是说你在做因子分析的时候也可以做效度检验。
具体示范如下：1.分析——降维——因子分析图 2一般来说，咱们做因子分析的时候是为了把那些具有共同属性的因子归类成一类，说的简单点就是要验证咱们所选取的每一个维度下面的题目是属于这个维度，而非其他维度的。
那一般来说，因子分析做出来的结果就是你原本有几个维度，最终分析结果就会归类成几个公因子。
2.一般来说，自变量的题目和因变量的题目是要独立分析的。
我的课题是“店面形象对顾客购买意愿的影响”那自变量就是店面形象的那些维度，因变量就是顾客购买意愿。
3.将要做分析的题目选择到右边的白框之后，就如下图打钩：“抽取”和“选项”两个不用管他。
然后就点“确定”4.按照上述步骤操作下来之后，就可以去“输出1”看分析结果。
首先看效度检验的结果：这里要看第一行和最后一行的数据，第一行数据为0.756，表明效度较高，sig为0.000，这两个结果显示这份数据完全可以做因子分析。
那就去看因子分析的结果。
5.看下面这张图，看“初始特征值”这一项下面的“合计”的数值，有几个数据是>1，那就表明此次因子分析共提取了几个公因子。
下图所示，有5个数据是>1，这表明可以提取5个公因子。
中国出境旅游人数影响因素SPSS多元回归分析
一．背景分析
1.中国出境游概念 关于出境旅游的概念， 国际上认为是一国公民跨越国界到其他国家或地区开展 的旅游活动。但是由于我国国情的特殊性， 《中国旅游统计年鉴》对于出境旅游 的定义为：指中国（大陆）居民因公或因私出境前往其他国家、中国香港特别行 政区、 澳门特别行政区和台湾省进行的观光、 度假、 探亲访友、 就医疗病、 购物、 参加会议或从事经济、文化、体育、宗教等活动。目前，中国公民的出境旅游实 际上包括三种形式：一是中国公民出国旅游；二是中国公民边境旅游；三是中国 公民到中国的港、澳、台地区的旅游。 2. 中国出境游发展历
其中 0 ， 1 ， 2 ， 3 ， 4 ， 5 分别为未知参数，
为剩余残差，与五个自变量无关。服从 N(0, 2 ).
本文建立的实证分析模型采用了 1993-2011 年的数据，如下表
年份
出境旅游 人数（Y）
开放国家 数（X1）
国内生产 总值（X2）
个人可支 配收入 (X3）
6 6 6 6 7 7 9 14 14 19 28 63 76 80 91 95 104 108 111
35333 48197 60793 71176 78973 84402 89677 99214 109655 120332 135822 159878 184937 216314 265810 314045 340903 410202 471562
1997年至2004年 1983年至1987年 1988年至1996年
●港澳探亲游，“边境 游”ห้องสมุดไป่ตู้
2005年至今
●超速发展期 2005年确立“大力发 展入境旅游，积极发 展国内旅游，规范发 展出境旅游”。 2007年确立“大力发 展国内旅游、积极发 展入境旅游，有序发 展出境旅游”。 2010年，中国出境游 首次超过入境游人数， 达到5739万人次，旅 游贸易逆差进一步扩 大
利用SPSS进行因素分析
二、应用SPSS进行量表分析的步骤
问 题 从未 使用 1 很少 使用 2 有时 使用 3 经常 使用 4 总是 使用 5
题 项
A1
A2 A3 A4 A5 A6 A7
电脑
录音磁带 录像带 网上资料 校园网或因特网 电子邮件 电子讨论网
A8
A9
CAI课件
视频会议
A10 视听会议
题目 编号 01 02 03
特征值----是每个变量在某一共同因素之因素负荷量的平 方总和（一直行所有因素负荷量的平方和）。 如F1的特征值 G=（0.896）平方+（0.802）平方 +（0.516）平方+（0.841）平方 +（0.833）平方=3.113
特征值的总和等于实测变量的总数 方差贡献率----指公共因子对实测变量的贡献， 又称变异量 方差贡献率=特征值G/实测变量数p， 如F1的贡献率为3.113/5=62.26%
因子分析案例
公因子 F1 Z1=代数1 0.896 公因子 F2 0.341 共同度 hi 0.919 特殊因子
δi
0.081
Z2=代数2
Z3=几何 Z4=三角
0.802
0.516 0.841
0.496
0.855 0.444
0.889
0.997 0.904
0.111
0.003 0.096
Z56 .474 .401 .495 .605 .633
Extrac ti on Method: Princ ipal Component Anal ysis . a. 3 components extracted.
Extraction Method: Principal Component Analysis.
SPSS因子分析(因素分析)——实例分析
SPSS因子分析(因素分析)——实例分析提起因子分析那是老生常谈，分析人士大都喜欢讨论主成分与因子分析。
我也凑个热闹，顺便温习温习，时间长了就会很模糊。
一、概念探讨存在相关关系的变量之间，是否存在不能直接观察到的但对可观测变量的变化其支配作用的潜在因子的分析方法就是因子分析，也叫因素分析。
通俗点：原始变量是共性因子的线性组合。
二、简单实例现在有12个地区的5个经济指标调查数据（总人口、学校校龄、总雇员、专业服务、中等房价），为对这12个地区进行综合评价，请确定出这12 个地区的综合评价指标。
点击下载三、解决方案1、不同地区的不同指标不同，这导致目前我们拥有的5个指标数据很难对这12个地区给一个明确的评价。
所以，有必要确定综合评价指标，便于对比。
因子分析是一种选择，当然还有其他的方法。
5个指标即为我们分析的对象，直接选入。
2、描述统计选项卡。
我们要对比因子提取前后的方差变化，所以选定“初始分析结果”；现在是基于相关矩阵提取因子，所以，选定相关矩阵的“系数”；比较重要的还有KMO和球形检验，它告诉我们数据是不是适合做因子分析。
选定。
其他选择自定。
3、抽取选项卡。
提取因子的方法有很多，最常用的就是主成分法。
这里选主成分。
关于特征值，不想解释太多，这和显著性水平一样，都是统计学的一个基本概念。
因为参与分析的变量测度单位不同，所以选择“相关矩阵”，如果参与分析的变量测度单位相同，则考虑选用协方差矩阵。
4、是否需要旋转？因子分析要求对因子给予命名和解释，对因子旋转与否取决于因子的解释。
如果不经旋转因子已经很好解释，那么没有必要旋转，否则，应该旋转。
这里直接旋转，便于解释。
至于旋转就是坐标变换，使得因子系数向1和0靠近，对公因子的命名和解释更加容易。
5、要计算因子得分，就必须先写出因子的表达式。
而因子是不能直接观察到的，是潜在的。
但是可以通过可观测到的变量获得。
前面说到，因子分析模型是原始变量为因子的线性组合，现在我们可以根据回归的方法将模型倒过来，用原始变量也就是参与分析的变量来表示因子。
运用SPSS分析旅游消费的影响因素
运用SPSS分析旅游消费的影响因素摘要:利用SPSS分析对旅游消费影响的诸多因素。
据研究显示：旅游消费者的家庭收入对旅游消费有很大影响，年轻人相对于老年人而言外出旅游比例要高一些，受教育程度高者出游比例也较高，旅游者的性别对出游情况也具有一定程度的影响。
关键词:旅游行为旅游消费旅游意向一、引言随着社会的发展，旅游业已成为全球经济中发展规模最大的产业之一。
旅游业在城市经济发展中的产业地位、经济作用逐步增强，旅游业对城市经济的拉动性、社会就业的带动力、以及对文化与环境的促进作用日益显现。
旅游业是中国经济发展的支柱性产业之一。
我国国内旅游业的发展是在改革开放以后才逐渐起步的。
进入二十一世纪以后，我国旅游产业基础扎实，逐步开始向境外和国外旅游发展。
国内旅游市场的发展是我国旅游发展的根本，而城镇居民是我国国内旅游的主要群体。
旅游是以满足某种需要而进行的一些有形的旅游产品的购买或享受无形的旅游度假产品服务的经济行为。
影响这种经济行为的因素不再仅有客观因素（旅游地的发展等），消费者的主观因素（旅游者的自身因素等）在旅游消费行为中占有越来越重要的比例，以下将对这些因素进行分析。
二、对各因素进行分析1．年龄首先，对旅游消费者的年龄影响进行分析。
下表中，年龄分组分别表示为：1.00—30岁以下；2.00—31-40岁；3.00—41-50岁；4.00—51-60岁；5.00—60岁以上。
由图可知，旅游支出的数额随着年龄的增长而不断增加，30岁以下年龄的平均旅游支出只有2282元，31-40岁年龄组是3391元，而41-50岁年龄组达3607元， 51-60岁年龄组更高达4745元，到了60岁以上年龄组，旅游支出则降为3366元。
可以清楚的表明，居民外出旅游受经济和时间的约束影响。
旅游既要花钱，还需要时间和精力，即既要有钱还要有闲。
对年青人来说，时间和精力都比较充裕，但经济收入偏低，由于囊中羞涩，他们外出旅游也不能够随意地花钱。
spss因子分析法
因子分析因子分析(Factor analysis):用少数几个因子来描述许多指标或因素之间的联系,以较少几个因子来反映原资料的大部分信息的统计学分析方法。
从数学角度来瞧,主成分分析就是一种化繁为简的降维处理技术。
主成分分析(Principal component analysis):就是因子分析一个特例,就是使用最多的因子提取方法。
它通过坐标变换手段,将原有的多个相关变量,做线性变化,转换为另外一组不相关的变量。
选取前面几个方差最大的主成分,这样达到了因子分析较少变量个数的目的,同时又能与较少的变量反映原有变量的绝大部分的信息。
两者关系:主成分分析(PCA)与因子分析(FA)就是两种把变量维数降低以便于描述、理解与分析的方法。
特点(1)因子变量的数量远少于原有的指标变量的数量,因而对因子变量的分析能够减少分析中的工作量。
(2)因子变量不就是对原始变量的取舍,而就是根据原始变量的信息进行重新组构,它能够反映原有变量大部分的信息。
(3)因子变量之间不存在显著的线性相关关系,对变量的分析比较方便,但原始部分变量之间多存在较显著的相关关系。
(4)因子变量具有命名解释性,即该变量就是对某些原始变量信息的综合与反映。
在保证数据信息丢失最少的原则下,对高维变量空间进行降维处理(即通过因子分析或主成分分析)。
显然,在一个低维空间解释系统要比在高维系统容易的多。
类型根据研究对象的不同,把因子分析分为R 型与Q 型两种。
当研究对象就是变量时,属于R 型因子分析;当研究对象就是样品时,属于Q 型因子分析。
但有的因子分析方法兼有R 型与Q 型因子分析的一些特点,如因子分析中的对应分析方法,有的学者称之为双重型因子分析,以示与其她两类的区别。
分析原理假定:有n 个地理样本,每个样本共有p 个变量,构成一个n ×p 阶的地理数据矩阵:当p 较大时,在p 维空间中考察问题比较麻烦。
这就需要进行降维处理,即用较少几个综合指标代替原来指标,而且使这些综合指标既能尽量多地反映原来指标所反映的信息,同时它们之间又就是彼此独立的。
SPSS因子分析实例操作步骤
SPSS因子分析实例操作步骤
SPSS因子分析实例操作步骤
实验目的：
引入2003~2013年全国的农、林、牧、渔业，采矿业，制造业电力、热力、燃气及水生产和供应业，建筑业，批发和零售业，交通运输、仓储和邮政业7个产业的投资值作为变量，来研究其对全国总固定投资的影响。
实验变量：
以年份，合计（单位：千亿元），农、林、牧、渔业，采矿业，制造业电力、热力、燃气及水生产和供应业，建筑业，批发和零售业，交通运输、仓储和邮政业
制造业11 .44 7.07 2.6900 2.22405
电力、热力、燃气及水生产和
11 3.36 15.05 10.3545 3.22751
供应业
建筑业11 1.79 23.51 7.8955 6.18302
批发和零售业11 2.10 18.52 9.1018 5.50553
交通运输、仓储和邮政业11 .82 8.39 2.7891 2.20903
Valid N (listwise) 11
该表提供分析过程中包含的统计量，表格显示了样本容量以及11个变量的最小值、最大值、平均值、标准差。
表格所示是因子分析的共同度。
表格第二列显示初始共同度，全部为1.000；第三列是按照提取3个公因子得到的共同度，可以看到只有“采矿业”的共同度稍低，说明其信息丢失量稍严重。
旅游景区spss研究报告
旅游景区spss研究报告本研究旨在通过SPSS统计分析工具对某旅游景区的游客满意度进行研究。
通过问卷调查的方式收集到了来自500名游客的有效数据，并对数据进行了整理和分析。
首先，对游客满意度评分进行了统计分析。
通过计算平均数、标准差和频数表，得出游客满意度的整体情况。
结果显示，该旅游景区的游客整体满意度为4.2（满分为5），标准差为0.8，说明游客对景区的满意度整体分布较为集中。
其次，通过交叉分析探究了游客满意度与不同因素的关系。
研究中选择了游客的性别、年龄、旅行目的、旅行方式和在景区停留时间作为自变量，游客满意度作为因变量。
通过卡方检验和方差分析，分别考察了自变量的不同水平与游客满意度的关联程度。
结果发现，游客的性别与满意度之间存在一定的关联。
女性游客（平均满意度为4.5）相比于男性游客（平均满意度为4.0）更容易对景区感到满意。
年龄与满意度之间也存在显著的关联，年龄较大的游客更容易对景区满意。
而旅行目的、旅行方式和在景区停留时间与满意度之间的关联不显著。
最后，通过回归分析探究了不同因素对游客满意度的重要性。
研究中选择了自变量中具有显著关联的性别和年龄作为解释变量，并以游客满意度为被解释变量进行多元线性回归分析。
结果表明，性别和年龄这两个变量对游客满意度有统计学上的显著影响。
回归方程的决定系数R2为0.15，说明性别和年龄这两个因素可以解释游客满意度的15%的变异。
综上所述，通过SPSS统计分析工具进行的研究表明，游客的性别和年龄与旅游景区的满意度有关，而旅行目的、旅行方式和在景区停留时间对满意度的影响较小。
因此，景区管理者可以针对不同性别和年龄的游客，采取相应的管理策略，提高他们的满意度，进一步提升景区的整体竞争力。
利用SPSS进行因素分析课件
因子分析案例
Z1=代数1
公因子 F1
0.896
公因子 F2
0.341
共同度 hi
0.919
特殊因子
δi
0.081
Z2=代数2
0.802 0.496
0.889
0.111
Z3=几何
0.516 0.855
0.997
0.003
Z4=三角
0.841 0.444
0.904
0.096
Z5=解析几何 0.833
1
6.358 63.579 63.579 6.358 63.579 63.579 4.389 43.885 43.885
2
1.547 15.467 79.046 1.547 15.467 79.046 3.137 31.372 75.257
3
1.032 10.320 89.366 1.032 10.320 89.366 1.411 14.108 89.366
共同度----就是每个变量在每个共同因素之负荷量的平方总 和（一横列中所有因素负荷量的平方和）。从共同性的大 小可以判断这个原始实测变量与共同因素间之关系程度。 如共同度h1=(0.896)平方+(0.341)平方=0.919。
特殊因子----各变量的唯一因素大小就是1减掉该变量共同 度的值。如 δi=1- 0.919 = 0.081
2
5
2
1
（01）建立数据文件
利用SPSS进行因素分析
（02）选择分析变量 ——选SPSS [Analyze]菜单中的（Data Reduction）→
（Factor）,出现【 Factor Analysis】对话框； ——在【 Factor Analysis】对话框中左边的原始变量中，
如何利用SPSS进行因子分析(十)
SPSS（Statistical Package for the Social Sciences）是一种常见的数据分析工具，它可以帮助研究者对大量数据进行统计分析。
其中，因子分析是SPSS中常用的一种分析方法，用于揭示变量之间的内在关系和结构。
本文将介绍如何利用SPSS进行因子分析，包括数据准备、因子提取和解释结果等步骤。
一、数据准备在进行因子分析之前，首先需要准备一组数据。
这组数据可以是问卷调查结果、观测数据等。
在SPSS中，数据应该以变量的形式输入，每个变量代表一个测量指标或题目。
确保数据的完整性和准确性非常重要，因为数据的质量直接影响因子分析的结果。
二、变量筛选在进行因子分析之前，通常需要对变量进行筛选。
这可以通过查看变量间的相关性矩阵来进行。
在SPSS中，可以使用相关性分析来计算变量之间的相关系数，从而初步了解变量之间的关系。
一般来说，相关系数较高的变量可以被考虑作为因子分析的对象。
但是需要注意，相关系数本身并不代表因子分析的可行性，还需要进行进一步的检验。
三、因子提取在SPSS中进行因子分析时，有多种提取因子的方法可供选择，如主成分分析法、最大方差法等。
每种方法都有其独特的优缺点，研究者需要根据研究目的和数据特点来选择合适的方法。
在进行因子提取时，还需要确定提取的因子数目。
这可以通过查看特征值、解释累计方差等指标来进行。
一般来说，特征值大于1的因子可以被保留，同时需要确保解释的累计方差较高。
四、因子旋转在因子提取之后，通常需要进行因子旋转。
因子旋转可以帮助提高因子的解释性和可解释性，使得因子分析结果更加清晰和可信。
在SPSS中，有多种旋转方法可供选择，如方差最大法、极大似然法等。
每种方法都有其独特的旋转规则和效果，研究者需要根据实际情况来选择合适的方法。
在进行因子旋转后，通常需要查看旋转后的因子载荷矩阵，以便对因子进行解释和命名。
五、结果解释最后，需要对因子分析的结果进行解释。
这包括解释提取的因子的含义和结构，以及对因子载荷矩阵的解释和命名。
利用SPSS对全国区域旅游业影响因素进行因子分析-文档资料
F1 湖南 河北 云南 重庆 辽宁 陕西 四川
F2
F3 F4
Z
203678.37009764998 182443.0
4596275.6707466
1558503.6929111597 994461.825542097
• 江 苏 -9104.028232999983
-32232.4813441.3281251001
527201.2804369801
157220.76144808214
• 浙 江 14974.960521749997 -6855.35727975.6702576999
428975.94559893996 154002.98110940034
接下来利用所选数据做出公共因子 碎石图（见下图）
由上图可见，当提取1、2个公共因子时,特 征值变化非常明显,当提取4 个以后的公共 因子时,特征值的变化基本趋于平缓。因此, 按照特征根大于1 的原则,选入了4个公共因 子,其累计方差贡献率达86.828% ,包含了大 部分信息，具有显著代表性，可以充分反 映全国旅游产业的竞争力，因此可以提取 作为主成分因子。各主因子的对应特征根 及方差贡献率见下表。
73264.10150014999 67850.47
1761072.59569973
621546.6164731339 380548.0929085798
19144.50627935
-35357.2
1989401.0095489
823997.2240806998 375320.7179200824
• 广 西 63028.17620190001
SPSS软件在旅游业中的应用举例解析
h
6
• 17.3.2各城市国内旅游出游人均花费按职业
进行的聚类分析
• 配书资料\源文件\17\正文\原始数据文件\
案例17.2.sav
h
7
• 17.3.3各城市国内旅游出游人均花费按文化
水平进行的聚类分析
• 配书资料\源文件\17\正文\原始数据文件\
案例17.3.sav
h
8
• 17.3.4各城市国内旅游出游人均花费按收入
案例17.6.sav
h
11
17.4 研究结论
• 根据以上所做的分析，我们可以比较有把握的得出以下结论： • （1）按性别和年龄进行分类，太原、呼和浩特、哈尔滨、青
岛、长沙、银川、乌鲁木齐等城市的城镇居民无论男女老少， 其07年人均旅游消费支出都处于全国中档水平上；长春、南京、 深圳等城市的城镇居民无论男女老少，其07年人均旅游消费支 出都处于全国高档水平上；除以上城市之外的其他城市的城镇 居民无论男女老少，其07年人均旅游消费支出都处于全国低档 水平上。
资料2008》。
h
4
• 因为我们研究的主要目的是找出各地区的
相应指标或数据之间存在的相似性或相异 性，所以我们主要采用聚类分析方法对本 文相关数据展开分析。聚类分析是采用定 量数学方法，根据样品或指标的数值特征， 对样品进行分类，来推断各样品之间的亲 疏关系的一种分析方法。
• 基本思路是：
• 一方面，针对中国2007年城镇居民国内旅
h
3
17.2 研究方法
• 本例采用的数据有《中国2007年城镇居民国内旅
游出游人均花费情况统计(按城市.性别和年龄分 组)》、《中国2007年城镇居民国内旅游出游人均 花费情况统计(按城市和家庭月平均收入分组)》、 《中国2007年城镇居民国内旅游出游人均花费情 况统计(按城市和旅游目的分组)》、《中国2007 年城镇居民国内旅游出游人均花费情况统计(按城 市和文化程度分组)》、《中国2007年城镇居民国 内旅游出游人均花费情况统计(按城市和职业分 组))》、《中国2007年国家级风景名胜区统计》 等，这些数据都摘编自《中国国内旅游抽样调查
利用SPSS对全国区域旅游业影响因素进行因子分析共24页
39、勿问成功的秘诀为何，且尽全力做你应该做的事吧。——美华纳
40、学而不思则罔，思而不学则殆。——孔子
39、没有不老的誓言，没有不变的承 诺，踏 上旅途 ，义无 反顾。 40、对时间的价值没有没有深切认识 的人， 决在哪里。——西班牙
37、我们唯一不会改正的缺点是软弱。——拉罗什福科
xiexie! 38、我这个人走得很慢，但是我从不后退。——亚伯拉罕·林肯
利用SPSS对全国区域旅游业影响因 素进行因子分析
36、“不可能”这个字(法语是一个字 )，只 在愚人 的字典 中找得 到。--拿 破仑。 37、不要生气要争气，不要看破要突 破，不 要嫉妒 要欣赏 ，不要 托延要 积极， 不要心 动要行 动。 38、勤奋，机会，乐观是成功的三要 素。(注 意：传 统观念 认为勤 奋和机 会是成 功的要 素，但 是经过 统计学 和成功 人士的 分析得 出，乐 观是成 功的第 三要素 。
基于SPSS的中小城市大学生旅游市场统计分析
Corefficients a
Model 1
2
(Constant) 可接受费用
(Constant) 可接受费用 旅游意愿
Unstandardized Coefficients
B 0.004 0.992
Std.Error 0.041 0.024
-0.355 0.868 0.178
0.072 0.031 0.030
由相关分析可知，旅游意愿、旅游次数、可支配费用 与 可 接 受 费 用 之 间 显 著 相 关 （P< 0.01），可 支 配 费 用 与 可 接受费用之间相关最高，基本接近 1。 为了进一步考察它
们之间的关系，我们以旅游次数为因变量 y，旅游意愿为 自变 量 x1 ，可 支 配 费 用 为 x2，可 接 受 费 用 为 x3，采 用 step－ wise 法进行回归分析，结果如下：
理论与方法
由结果可知，进入回归方程的显著变量共 2 个，标准 化 回 归 方 程 为 ：Y=0.168 x1+0.795x3，因 此 旅 游 意 愿 和 可 接 受费用能有效预测旅游次数。
这即是根据本次调查数据得出的大学生出游次数的 回归方程，虽然影响大学生出游次数的因子还有很多，而 且限于， 但是它阐明了影响大学生出游次数的 两个最重要的因子（时间因子对大学生出游影响较有限） 旅游意愿和可支配费用， 在很大程度上解释了这种行为 的客观存在。 而且也验证了与可支配费用相比，可自由支 配的费用才是影响大学生出游的最直接的因子。
“一次以下（含一次）”的有 216 人，占样本总数的 58.38%， 选择“二次”的有 100 人，占样本总数的 27.03%。 并且占样 本 总 数 55.95%的 人 经 常 会 有 外 出 旅 游 的 计 划 ，40.00%的 人偶尔会有出游的计划。
利用SPSS进行因素分析
5.显示未转轴的因素矩阵
Component Matrix a
Component
1
2
A5
.939
3 .102
A4
.922
.145
A1
.901
-.243
.239
A8
.887
-.194
.287
A6
.874
-.206
.245
A7
.823
.474
-.129
A9
.813
.401
-.377
A10
.753
.495
0.516 0.855
0.997
0.003
Z4=三角