《SPSS统计分析与应用课程报告旅游酒店(共24页).doc》由会员分享，可在线阅读，更多相关《SPSS统计分析与应用课程报告旅游酒店(共24页).doc（24页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上SPSS统计分析与应用课程报告城市旅游业与星级酒店相关分析姓 名： 学 号： 2013 年 6 月 30 日 专心-专注-专业城市旅游业与星级酒店相关分析 摘要 酒店是城市旅游产业客源的主要承载部门，酒店的客源市场取决于城市的旅游客源市场。随着城市面貌的巨大变化，旅游业也飞速发展，一个城市拥有高档次星级酒店的多少，反映了一个地方旅游接待能力水平的高低，长期以来，中国城市旅游业以入境观光为龙头而超常发展。然而进入二十世纪九十年代中期以后，我国旅游市场环境发生了根本性的变化，酒店业进入了买房市场需求约束性状态1。各城市酒店业在入境客人、国内客人等主要客源市场上表现出不同的
2、特点。豪华酒店的热潮可以说席卷了全国，从一线到二三线城市，从CBD到风景区，大量的五星级酒店或者是含五星级酒店的高端城市综合项目在进行，高星级酒店的热度超乎想象。关键词 星级酒店 城市级别 单因素方差分析 f检验 聚类分析 回归分析一、利用单因素方差分析1建立数据文件。定义变量名：市别、宾馆总数、五星级酒店、四星级酒店、三星级酒店、二星级酒店、一星级酒店、客房、床位、客房出租。并将城市按照中国城市等级榜1将其分等。图12. 选择菜单“分析(Analyze) 比较均值 单因素”，弹出“单因素方差分析”对话框。在对话框左侧的变量列表中选择变量“宾馆酒店”、“五星级酒店”、“四星级酒店”、“三星级酒
3、店”“二星级酒店”、“一星级酒店”进入“因变量列表”框，选择“城市级别”进入“因子”框。图23设置均值多重比较类型。单击“两两比较（Post Hoc）”按钮，弹出“单因素：两两比较”对话框。在“假定方差齐性（Equal Variances Assumed）”复选框组中，选择LSD法进行方差齐时两两均值的比较。图34方差齐性检验，单击“选项”按钮，弹出“单因素：选项”对话框。在“统计量”复选框组中，选择“描述性”输出观测变量的基本描述统计量，选择“方差同质性检验”表示进行方差齐性检验。图35单击“确定（OK）”按钮，执行多因素方差分析，得到输出结果。描述N均值标准差标准误均值的 95% 置信区间
4、极小值极大值下限上限五星级酒店1219.001.4141.0006.2931.711820225.503.5362.500-26.2737.2738385.756.4972.297.3211.1812141.00.0051.00.00681.13.991.350.301.9503总数224.736.4821.3821.857.60021四星级酒店1235.004.2433.000-3.1273.123238228.001.4141.000-4.7120.71793811.257.4982.6514.9817.52325414.00.44511.00.11683.501.414.5002.324
5、.6825总数229.5010.1122.1565.0213.98138三星级酒店12108.5054.44738.500-380.69597.69701472241.5031.82022.500-244.39327.3919643829.0013.7944.87717.4740.53748415.00.555118.00.18186812.886.8132.4097.1818.57424总数2229.9131.8826.79715.7744.044147二星级酒店1235.0012.7289.000-79.36149.362644227.001.4141.000-5.7119.7168388
6、.136.1282.1673.0013.25221413.00.335111.00.1111685.253.6151.2782.238.27010总数229.329.8432.0994.9513.68044一星级酒店12.00.000.000.00.000022.50.707.500-5.856.850138.88.835.295.181.570241.00.00511.00.1168.00.000.000.00.0000总数22.41.666.142.11.7002宾馆酒店121291.50686.601485.500-4877.367460.36806177722447.5034.6482
7、4.500136.20758.8042347238395.38262.68192.872175.77614.98286924112.00.121251825.00.82582568332.00179.61563.504181.84482.1634604总数22460.64381.91081.423291.31629.97121777方差齐性检验Levene 统计量df1df2显著性五星级酒店1.777a316.192四星级酒店4.053b316.025三星级酒店26.448c316.000二星级酒店3.276d316.048一星级酒店7.432e316.002宾馆酒店10.133f316.00
8、1a. 在计算 五星级酒店 的方差齐性检验时，将忽略仅有一个案例的组。b. 在计算 四星级酒店 的方差齐性检验时，将忽略仅有一个案例的组。c. 在计算 三星级酒店 的方差齐性检验时，将忽略仅有一个案例的组。d. 在计算 二星级酒店 的方差齐性检验时，将忽略仅有一个案例的组。e. 在计算 一星级酒店 的方差齐性检验时，将忽略仅有一个案例的组。f. 在计算 宾馆酒店 的方差齐性检验时，将忽略仅有一个案例的组。ANOVA平方和df均方F显著性五星级酒店组间565.4895113.0985.711.003组内316.8751619.805总数882.36421四星级酒店组间1720.0005344.0
9、0012.875.000组内427.5001626.719总数2147.50021三星级酒店组间15711.94353142.3898.924.000组内5633.87516352.117总数21345.81821二星级酒店组间1516.3985303.2809.361.000组内518.3751632.398总数2034.77321一星级酒店组间3.9435.7892.348.089组内5.37516.336总数9.31821宾馆酒店组间.2165.0435.096.006组内.8751673841.305总数.09121图4图4图5图6图7由以上各图可以看出，第一级别的城市酒店宾馆拥有数量
10、都最高，而三级城市的四星级酒店和五星级酒店比二级城市的多，三级城市的二星级酒店和一星级酒店数量都高于四级城市，而二星级城市在二至四级城市中，五级城市占有最多，宾馆酒店也是五级城市拥有最多。四级城市拥有的三星级酒店最少，甚至比低级过它的五级、六级城市还少。一级城市人口较多，流动人口以及外来出差、旅行的人相对比较多，对酒店的需求比较大，况且一级城市占地较大，为酒店的建设提供基本的条件。三级城市主要发展四星级酒店，这是由于三级城市主要是沿海城市，旅游业发展也比较好，有些城市的经济主导行业也是旅游业，外来出租酒店的人员都属于经济较为宽裕的人，所以偏向居住四星级酒店这种中等偏上又不至于需要花费大笔价钱如
11、五星级酒店的住宿，所以三级城市的四星级酒店所占比例偏高，五星级酒店在数量上也超过了二级城市，这可能是由于二级城市出于广东省中部或北部，且二级城市一般不以旅游业为主导行业，旅游业发展并不十分发达，所以酒店数量相对较少也情有可原。五级城市的宾馆酒店和二星级酒店也相对较多，从中国城市排行榜中可以看到，五级城市是经济城市、重要交通枢纽城市以及重点旅游城市，所处位置决定了五级城市的酒店数量，交通枢纽城市必将带来大量的外来出差、旅行的人口，但是五级城市经济没有一级到四级城市那么发达，所以五级城市在除了一级城市以外的几个级别城市中，由于硬件条件不够，城市面积不够大，在规划上，酒店总数相对高级点的城市比较低，
12、但二星级酒店、一星级酒店、宾馆酒店这类星级较低的酒店所占比例却在它们中显得较为突出。另一小部分三星及三星以下级的酒店销售良好，入住率很高，所以适合一些比较低级的城市发展，但酒店似乎发展到了一个坎儿上，员工热情、销售业绩、服务质量都无法再上一个台阶。撇开广东省，从大中国趋势上看，大多数四、五星级酒店在本行业纵向比，还算显得略高一等，但在国际上横着比，中国高档酒店在战略态势、管理精度、服务深化和全球运作方面和国际同等级酒店不可同日而语，中国的大多数四、五星级酒店的软环境只相当于国外三星甚至更低档次的酒店。所以城市酒店的级别与城市的级别没有太直接的关系，而与该城市的经济、主导行业、地理位置等的关系较
13、为密切。二、利用聚类分析1建立数据文件。2单击“分析”-“分类”-“系统聚类”，将“宾馆酒店”、“五星级酒店”、“四星级酒店”、“三星级酒店”“二星级酒店”、“一星级酒店”进入“变量”框，选择“城市级别”进入“标注个案”框。图83. 单击“Statistics（统计量）”按钮，弹出“Hierarchical Cluster Analysis: Statistics”对话框，选择“Proximity matrix（相似性矩阵）”以显示距离矩阵，图94. 在“系统聚类分析”对话框中单击“方法”按钮，打开“系统聚类分析：方法”对话框，选择群集法“组间联接”，度量标准采用“p e ars on相关性法
14、”，在“转换值”中选择无。单击“继续”返回主对话框。图105. 单击“绘制”按钮，弹出“系统聚类分析：绘制”对话框，选择“树状图”（树型图）选项，在“(方向)”中选择垂直方向。单击“继续”返回主对话框。图116单击“OK（确定）”按钮，得到输出结果。案例处理汇总a案例有效缺失总计N百分比N百分比N百分比2643.33456.760100.0a. 平均联结（组之间）案例 值向量间的相关性 1:广 州 2:深 圳 3:珠 海 4:汕 头 5:佛 山 6:顺 德 7:韶 关 8:河 源 9:梅 州 10:惠 州 11:汕 尾 12:东 莞 13:中 山 14:江 门 15:阳 江 16:湛 江 17
15、:茂 名 18:肇 庆 19:清 远 20:潮 州 21:揭 阳 22:云 浮 23:珠 三 角 24:东 翼 25:西 翼 26:山 区 1:广 州 1.0001.000.998.999.981.9331.000.999.8811.0001.000.959.999.999.999.999.998.999.999.910.998.9991.000.999.9991.0002:深 圳 1.0001.000.998.999.981.936.999.999.8801.000.999.962.999.999.999.999.998.998.999.912.998.9991.000.999.999.99
16、93:珠 海 .998.9981.000.996.987.928.997.995.900.998.997.966.996.996.995.996.994.994.996.918.993.994.998.996.995.9974:汕 头 .999.999.9961.000.973.9301.0001.000.8651.0001.000.9521.0001.0001.0001.0001.0001.0001.000.9001.0001.000.9991.0001.0001.0005:佛 山 .981.981.987.9731.000.948.976.971.951.978.975.976.973.9
17、73.973.972.969.969.973.963.967.972.980.973.972.9756:顺 德 .933.936.928.930.9481.000.928.927.864.931.928.944.928.925.928.929.929.926.928.971.929.933.933.931.929.9297:韶 关 1.000.999.9971.000.976.9281.0001.000.8701.0001.000.9531.0001.0001.0001.000.999.9991.000.901.999.9991.0001.0001.0001.0008:河 源 .999.999
18、.9951.000.971.9271.0001.000.861.9991.000.9491.0001.0001.0001.0001.0001.0001.000.8951.0001.000.9991.0001.0001.0009:梅 州 .881.880.900.865.951.864.870.8611.000.874.867.905.864.864.866.863.855.858.864.941.851.862.879.863.862.86910:惠 州 1.0001.000.9981.000.978.9311.000.999.8741.0001.000.9581.0001.000.9991.
19、000.999.9991.000.906.999.9991.0001.000.9991.00011:汕 尾 1.000.999.9971.000.975.9281.0001.000.8671.0001.000.9541.0001.0001.0001.000.999.9991.000.900.999.9991.0001.0001.0001.00012:东 莞 .959.962.966.952.976.944.953.949.905.958.9541.000.952.953.950.951.948.947.952.944.948.949.960.952.950.95313:中 山 .999.999
20、.9961.000.973.9281.0001.000.8641.0001.000.9521.0001.0001.0001.0001.0001.0001.000.8971.0001.000.9991.0001.0001.00014:江 门 .999.999.9961.000.973.9251.0001.000.8641.0001.000.9531.0001.0001.0001.0001.0001.0001.000.896.999.999.9991.0001.0001.00015:阳 江 .999.999.9951.000.973.9281.0001.000.866.9991.000.9501.
21、0001.0001.0001.0001.0001.0001.000.897.9991.000.9991.0001.0001.00016:湛 江 .999.999.9961.000.972.9291.0001.000.8631.0001.000.9511.0001.0001.0001.0001.0001.0001.000.8981.0001.000.9991.0001.0001.00017:茂 名 .998.998.9941.000.969.929.9991.000.855.999.999.9481.0001.0001.0001.0001.0001.0001.000.8931.0001.000.
22、9991.0001.0001.00018:肇 庆 .999.998.9941.000.969.926.9991.000.858.999.999.9471.0001.0001.0001.0001.0001.0001.000.8921.0001.000.9991.0001.0001.00019:清 远 .999.999.9961.000.973.9281.0001.000.8641.0001.000.9521.0001.0001.0001.0001.0001.0001.000.8981.0001.000.9991.0001.0001.00020:潮 州 .910.912.918.900.963.9
23、71.901.895.941.906.900.944.897.896.897.898.893.892.8981.000.892.899.909.900.896.90121:揭 阳 .998.998.9931.000.967.929.9991.000.851.999.999.9481.000.999.9991.0001.0001.0001.000.8921.0001.000.9981.0001.000.99922:云 浮 .999.999.9941.000.972.933.9991.000.862.999.999.9491.000.9991.0001.0001.0001.0001.000.899
24、1.0001.000.9991.0001.0001.00023:珠 三 角 1.0001.000.998.999.980.9331.000.999.8791.0001.000.960.999.999.999.999.999.999.999.909.998.9991.000.999.9991.00024:东 翼 .999.999.9961.000.973.9311.0001.000.8631.0001.000.9521.0001.0001.0001.0001.0001.0001.000.9001.0001.000.9991.0001.0001.00025:西 翼 .999.999.9951.00
25、0.972.9291.0001.000.862.9991.000.9501.0001.0001.0001.0001.0001.0001.000.8961.0001.000.9991.0001.0001.00026:山 区 1.000.999.9971.000.975.9291.0001.000.8691.0001.000.9531.0001.0001.0001.0001.0001.0001.000.901.9991.0001.0001.0001.0001.000图12（数据过大，附图表）聚类表阶群集组合系数首次出现阶群集下一阶群集 1群集 2群集 1群集 2113191.00000728251
26、.000008316241.00000541231.000001254161.00003767111.00000974131.000511388181.000201097261.0006013108151.00080161117211.000001712121.000401513471.0007914144141.00013016151101.0001201916481.0001410181717221.00011018184171.0001617191914.9991518202013.9961902321512.976002322620.97100242315.9642021242416.
27、9182322252519.8752400图13图14利用聚类分析，是忽略了城市的原本分级，通过聚类分析方法，根据酒店级别及其数量来将城市进行分类，通过组间联接方法，可以得出以上树状图，由树状图中可以看出，中山、清远、湛江、汕尾、汕头、韶关、江门、河源、肇庆、阳江、茂名、揭阳、云浮、广州、深圳、惠州、珠海最早聚成一类，之后是佛山和东莞聚成一类，顺德和潮州聚成一类。由聚类表看出，首先聚在一起的是中山和湛江，这两个城市都是重要的交通枢纽城市，中山市东接广州市南沙，南抵珠海市香洲区、斗门区，西达江门市新会区、江海区、蓬江区，北至佛山市顺德、广州市番禺区，四周与8个县级行政区接壤。而湛江地处粤桂琼三省
28、（区）交汇处，东濒南海，南隔琼州海峡与海南省相望，西临北部湾，背靠大西南。所以这两个城市会有比较频繁的人口流动，外出出差的务工人员等则需要在这两个中转站中入住酒店，他们的星级酒店比例相近。佛山和东莞是广州的周边城市，众所周知，广州是个繁荣的大都市，各种各样的人都求着在此能有一席之地，在大城市中能更容易地捞到第一桶金，而佛山和东莞毗邻广州，并且城市也比较大，便成为欲进入广州的人所到之处，所以他们的相似性比较高。在聚类表中可看出广州与较多的城市聚成一类，这是由于广州是个大城市，具有强大的包容性，所以比较容易在其中找到与其他城市相同的地方而聚成一起。广州与深圳同是大城市，虽然深圳的发展历史与久远的广
29、州历史相差较大，但深圳仍然在正确的政策引导下迅速发展，并成为可以跟广州聚成一类的城市。由聚类分析可以看出在旅游业中，景点、习俗等一样的城市与城市级别有比较大的关系，跟城市的经济能力有关。三、利用线性回归分析1建立数据文件，点击“分析”“相关”“双变量”，进入界面，将“城市级别”和“五星级饭店”两个变量移入“变量”框内，在“相关系数”栏目中选择“Pearson，（Pearson是一种简单相关系数分析和计算的方法，如果需要进行进一步分析，需要借助“多远线性回归”分析）在“显著性检验”中选择“双侧检验”并且勾选“标记显著性相关” 图152.点击确定，得到如下结果：相关性城市级别五星级酒店城市级别Pe
30、arson 相关性1-.655*显著性（双侧）.001N2222五星级酒店Pearson 相关性-.655*1显著性（双侧）.001N2226*. 在 .01 水平（双侧）上显著相关。从以上结果，可以看出“Pearson的相关性为0.655，（可以认为是“两者的相关系数为0.655）属于“正相关关系”同时“显著性（双侧）结果为0.001，由于0.0010.01，所以具备显著性，得出：“城市级别”和“五星级饭店”具备相关性，有关联。既然具备相关性，那么我们将进一步做分析,建立回归分析，并且构建“一元线性方程”，如下所示：3.点击“分析”-回归-线性”，将“因变量”和“自变量”分别拖入框内（如上图
31、所示）从上图可以看出：“自变量”指“城市级别”,因变量”是指“五星级酒店”，在方法框中选择“进入”表示所选解释变量强行进入回归方程，图164. 在“回归系数”中选择“估计”在右边选择“模型拟合度”在残差下面选择“Durbin-watson(u),点击继续按钮图175.绘制残差序列分析图点击“绘制图”在“线性回归：图”窗口中，将“ZRESID”加入Y框，将“ZPRED”加入X2框，在“标准化残差图”中选择“直方图”和“正态概率图”绘制标准化残差序列的直方图：图186.回到主选框，点击确定后，得到以下结果：输入移去的变量b模型输入的变量移去的变量方法1城市级别a.输入a. 已输入所有请求的变量。b
32、. 因变量: 五星级酒店模型汇总b模型RR 方调整 R 方标准 估计的误差Durbin-Watson1.655a.429.4015.0171.943a. 预测变量: (常量), 城市级别。b. 因变量: 五星级酒店Anovab模型平方和df均方FSig.1回归378.8811378.88115.050.001a残差503.4832025.174总计882.36421a. 预测变量: (常量), 城市级别。b. 因变量: 五星级酒店系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)14.1342.6505.333.000城市级别-2.379.613-.655-3.879.001
33、图20将第一步中的城市级别换成游客数量，即建立数据文件，点击“分析”“相关”“双变量”，进入界面，将“游客总数”和“五星级饭店”两个变量移入“变量”框内，在“相关系数”栏目中选择“Pearson，（Pearson是一种简单相关系数分析和计算的方法，如果需要进行进一步分析，需要借助“多远线性回归”分析）在“显著性检验”中选择“双侧检验”并且勾选“标记显著性相关”。图21得到以下结果描述性统计量均值标准差N游客合计1885.453236.90926五星级酒店7.9217.19126相关性游客合计五星级酒店游客合计Pearson 相关性1.969*显著性（双侧）.000N2626五星级酒店Pears
34、on 相关性.969*1显著性（双侧）.000N2626*. 在 .01 水平（双侧）上显著相关。从以上结果，可以看出“Pearson的相关性为0.969，（可以认为是“两者的相关系数为0.655）属于“正相关关系”同时“显著性（双侧）结果为0.000，由于0.0010.01，所以具备显著性，得出：“游客合计”和“五星级饭店”具备相关性，有关联。既然具备相关性，那么我们将进一步做分析,建立回归分析，并且构建“一元线性方程”，如下所示：3.点击“分析”-回归-线性”，将“因变量”和“自变量”分别拖入框内，从上图可以看出：“自变量”指“游客合计”,因变量”是指“五星级酒店”，在方法框中选择“进入”
35、表示所选解释变量强行进入回归方程，最终得到以下结果：输入移去的变量b模型输入的变量移去的变量方法1游客合计a.输入a. 已输入所有请求的变量。b. 因变量: 五星级酒店模型汇总b模型RR 方调整 R 方标准 估计的误差Durbin-Watson1.969a.939.9364.3321.548a. 预测变量: (常量), 游客合计。b. 因变量: 五星级酒店Anovab模型平方和df均方FSig.1回归378.8811378.88115.050.001a残差503.4832025.174总计882.36421a. 预测变量: (常量), 城市级别。b. 因变量: 五星级酒店图22分析城市级别和五星级饭店的线性关系以及游客数量和五星级酒店的线性关系，通过图表可以看到系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)2.2823.220.709.487游客合计.004.001.7264.538.000城市级别-.636.581-.175-1.095.287a. 因变量: 五星级酒店游客合计的显著性值为0.000，则应拒绝原假设，显著性非常明显，城市级别的显著性值为0.001，也比显著性水平0.05低，应拒绝原假设，说明游客合计与城市级别均与五星级酒店数量有关。再看标准系数，城市级别与五星级酒店的标准系数为0.655，游客合计与五星级饭店的标准系数为0.969，明