Ⅰ MATLAB 因子分析法的案例,主要程序
呵呵。這個正好我會啊。
我搞數學建模的時候做的題目很多都是數據分析,市場調查分析就是其中一種很簡單的啊。
最基本的分析工具是SPSS和SAS,他們都是常用的統計工具。
你需要做哪方面的分析,就用他們的哪些功能。最常用的是回歸分析。如果你不會使用這個軟體,我也可以給你分析,然後把分析數據發給你啊。
你也可以去網路裡面搜「問卷調查 spss」或者「市場調查 spss」,很多這樣的例子,你照著做就可以分析出來了。
先發一點資料給你看:
SPSS在市場調查統計分析中的應用
SPSS是「社會科學統計軟體包」()的簡稱,是一種集成化的計算機數據處理應用軟體,是目前世界上流行的三大統計軟體之一,除了適用於社會科學之外,還適用於自然科學各領域的統計分析。將其應用於市場調查統計分析的過程,能使研究者以客觀的態度,通過對受眾的系統提問,收集並分析有關研究數據,以描述、解釋或預測問卷調查內容的現象及其各相關因素之間的關系。在這些方面,SPSS技術的應用為市場調查實證研究中的定量分析提供了支持與保障,特別是它的易用、易學、功能強大等特點是其他方法所無法替代的。
一、SPSS的基本特點
在問卷應用於市場調查的實證研究中,會有大量的檢測數據需要進行統計分析,而SPSS技術的特點恰恰適合這種實證研究的要求。其在市場調查統計的應用中具有如下特點:
1.易用、易學。SPSS採用直覺式使用界面或者說可視化界面,無需編程就可以完成工作,極大地提高了工作效率;此外,SPSS擁有強大的輔助說明系統,可幫助用戶學的更快。
2.強大的表格和圖形功能。SPSS能清楚地顯示用戶的分析結果,可以提供16種表格格式。此外,它具有頂級圖形分析功能,能給出各種有用的統計圖形。作為分析的一部分,它能自動生成統計結果圖形,還能獨立於統計過程進行圖形繪制和圖形分析。
3.深入分析數據的功能。除了一般常見的描述統計和推斷統計外,它還包括在基本分析中最受歡迎也是在市場調查中最常用的現代統計程序,如列聯表分析、主成分分析、因子分析、判別及聚類分析。
二、SPSS在市場調查統計分析的應用模式
根據上述的SPSS技術的特點和市場調查統計分析的需要,可以將SPSS在市場調查實證研究中的應用模式分為以下幾種類型:
1.統計描述應用模式
統計描述應用模式指在市場調查統計分析的過程中,藉助SPSS統計功能將收集到的大量數據進行分析、綜合、歸納、列表、繪圖等處理工作。一般而言,統計描述主要分為三方面的內容:①單變數截面數據的描述;②相對數的統計描述;③雙變數截面數據的描述。SPSS最常用於描述性分析的五個過程集中在DescriptiveStatistics菜單中,分別為:Frequencies過程;Descriptives過程;Explore過程;Crosstabs過程;Ratio過程。
統計描述應用模式不僅可以使研究者了解事物的性質,而且其統計量還是對事物進行推斷統計的依據。
2.假設檢驗應用模式
在市場調查中,通常所關心的是總體的某些特徵和分布規律,而問卷調查只可以考察總體的一部分或一個樣本,統計推斷和假設檢驗就是用樣本去推斷總體,實質上就是憑借概率理論用觀察到的部分隨機變數資料來推斷總體隨機變數的概率分布或數字特徵,如期望值和方差等,並且作出具有一定可靠程度的估計和判斷。
3.量表分析應用模式
客觀世界是普遍聯系的統一整體,事物之間存在著相互依存、相互制約、相互影響的關系。市場活動中的許多現象也不例外,也都有其產生的原因,都要受一定因素的制約,都是一定原因的必然結果。通過不同事物「量」的變化可以觀察並測量出事物之間的相互關系、密切程度、因果關系、交互效應等。在市場調查中,量表分析應用模式主要指通過對不同因子之間的發展變化而揭示出因子之間關系結果的方式。量表分析主要包括以下幾種分析:回歸分析、聚類分析、判別分析、因子分析、相關分析、可靠性分析等。
三、應用案例
例如:一電器公司對某地區電冰箱的銷售情況進行了市場調查,其中,年份、電冰箱銷售量Y(千台)、新結婚戶數X1(千戶)、居民戶均收入X2(千戶)的資料如表1所示:
首先,分別對電冰箱銷售量Y(千台)、新結婚戶數X1(千戶)、居民戶均收入X2(千戶)進行描述性統計分析,具體步驟如下:
1.運行SPSS,按Analyze→DescriptiveStatistics→Descriptives順序打開Descriptives對話框;
2.選定Y、X1、X2變數送入Variable(s)欄中;選中復選項,要求計算變數的標准化值,並保存在當前數據文件中;
3.單擊Options按鈕,打開對話框,選中Mean、Sum、Std.deviation、Minimum、Maximum、Range復選項;
4.在主對話框中單擊OK按鈕,提交運行。
輸出結果如表2所示。此表中,從左到右看,分別為變數名稱、觀測量的頻數、全距、最小值、最大值、和、均數以及標准差。
其次,分別考察Y變數與X1變數、X2變數的關系,對其進行相關分析,具體步驟如下:
1.運行SPSS,讀取數據文件後按Analyze→Correlate→Bivariate順序單擊菜單項,展開對話框;
2.制定分析變數,選擇源變數欄中的Y、X1、X2送入Variable(s)欄;
3.分別選擇Person相關,One-tailed單尾t檢驗,選中Flagsignificantcorrelations復選項;
4.在主對話框中單擊OK按鈕,提交運行。
輸出結果如表3所示。表3表在行變數與列變數的交叉單元格上市這兩個變數的相關計算結果。自上而下三個統計量分別為:PersonCorrelation——皮爾遜相關系數;Sig.(1-tailed)——單尾t檢驗結果。對於相關系數為0的假設成立的概率;N為參與相關系數計算的有效觀測量數。
表3顯示,電冰箱銷售量Y與新結婚戶數X1、居民戶均收入X2有著極強的正相關,皮爾遜相關系數分別高達0.943和0.993。
最後,從表3中可以看出電冰箱銷售量Y同居民新結婚戶數X1、居民戶均收入X2有一定關系,可用二元線性回歸預測法進行預測。具體步驟如下:
1.運行SPSS,讀取數據文件後按Analyze→Regression→Linear順序單擊菜單項,展開對話框;
2.在左側的源變數欄中選擇變數Y(電冰箱銷售量)作為因變數進入Dependent框中,選擇X1(居民新結婚戶數)、X2(居民戶均收入)作為自變數進入Independent(s)框中;
3.在Method選擇框中選擇Stepwise(逐步回歸)作為分析方式;
4.提交系統執行結果。
從輸出的眾多表格中選取表4(回歸系數分析表)。其中,Model為回歸方程模型編號,UnstandardizedCoefficients為非標准化回歸系數,StandardizedCoefficients為標准化回歸系數,t為偏回歸系數為0的假設檢驗的t值,Sig.為偏回歸系數為0的假設檢驗的顯著性水平值。
表4顯示,常數(Constant)、居民戶均收入(X2)具有統計意義,而居民新結婚戶數(X1)因顯著性水平值(t=0.834>0.5)較高而不具有統計意義。從表4中可以推出模型方程:Y=-20.771+1.387X2。若預計2006年該地區居民新婚戶數為30.2千戶,居民戶均收入62.5千元,根據模型方程不難推出2006年電冰箱銷售量Y=-20.771+1.387×62.5=65.92(千台)。上述案例為較簡單的線性回歸操作,實際上,多元線性回歸操作包含了眾多的知識和內容,較為復雜,本例從中提取出一般的規律性,便於快速學習和快速操作。
四、結語
綜合上述SPSS技術的應用案例,SPSS技術在市場調查統計分析中應用的一般方法:
1.錄入編輯市場調查中的數據;
2.根據研究需要以及問題的性質確定出利用SPSS的相應的哪些統計功能;
3.調用SPSS的菜單功能得到相應的統計結果以及相應的圖表;
4.根據統計結果和圖表進行相關分析,為市場調查提供可靠的科學依據。
上述範例給出了如何利用SPSS技術來減少市場調查研究人員的統計工作量、提高研究結果准確性、可信性的一種工作方案。
總之,SPSS技術集數據錄入、數據管理、統計分析、報表製作、圖形繪制為一體,為市場調查的統計分析提供了有力的支持和實用的方法,是市場調查統計分析的良好工具。
:)友情提示:20份的文件調查太少了,分析出來的結果不具有代表性啊。
Ⅱ 跪求 《MATLAB統計分析與應用:40個案例分析》 的PDF文檔,完整版的
附件貼上來了。
話說新浪愛問的文檔可以先保存在微盤上,再從微盤上下,就不需要積分了。
Ⅲ 基於MATLAB的小波分析在股市技術分析中的代碼 誠求,非常感謝!
你去matlab中文論壇,有個小波板塊,網址主體ilovematlab
Ⅳ 股票問題 用MATLAB做數學建模
%文件vol.m
function f=vol(x);
A = [2.10 2.20 2.30 2.35 2.40];;
Ap = [200 400 500 600 100];
B = [2.00 2.10 2.20 2.30 2.40];
Bp = [800 600 300 300 100];
f = -min(sum(Ap(A <= x)), sum(Bp(B >= x)));
%------------------------------------------
>> [x fval] = fminsearch('vol',2.3)
x =
2.3000
fval =
-400
你說的低於和高於我理解成小於等於與大於等於了,不對的話在函數最後一行自己改
Ⅳ MATLAB智能演算法30個案例分析的內容簡介
《MATLAB智能演算法30個案例分析》是作者多年從事演算法研究的經驗總結。書中所有案例均因國內各大MATLAB技術論壇網友的切身需求而精心設計,其中不少案例所涉及的內容和求解方法在國內現已出版的MATLAB書籍中鮮有介紹。《MATLAB智能演算法30個案例分析》採用案例形式,以智能演算法為主線,講解了遺傳演算法、免疫演算法、退火演算法、粒子群演算法、魚群演算法、蟻群演算法和神經網路演算法等最常用的智能演算法的MATLAB實現。《MATLAB智能演算法30個案例分析》共給出30個案例,每個案例都是一個使用智能演算法解決問題的具體實例,所有案例均由理論講解、案例背景、MATLAB程序實現和擴展閱讀四個部分組成,並配有完整的原創程序,使讀者在掌握演算法的同時更能快速提高使用演算法求解實際問題的能力。《MATLAB智能演算法30個案例分析》可作為本科畢業設計、研究生項目設計、博士低年級課題設計參考書籍,同時對廣大科研人員也有很高的參考價值。
Ⅵ 如何用matlab來進行主成分分析法的案例
function [lambda,T,fai]=MSA2(A)
%求標准化後的協差矩陣,再求特徵根和特徵向量
%標准化處理
[p,n]=size(A);
for j=1:n
mju(j)=mean(A(:,j));
sigma(j)=sqrt(cov(A(:,j)));
end
for i=1:p
for j=1:n
Y(i,j)=(A(i,j)-mju(j))/sigma(j);
end
end
sigmaY=cov(Y);
%求X標准化的協差矩陣的特徵根和特徵向量
[T,lambda]=eig(sigmaY);
% disp('特徵根(由小到大):');
% disp(lambda);
% disp('特徵向量:');
% disp(T);
%方差貢獻率;
Xsum=sum(sum(lambda,2),1);
for i=1:n
fai(i)=lambda(i,i)/Xsum;
end
% disp('方差貢獻率:');
% disp(fai);
u=T(:,n);
B=[];
h=length(A(:,1));
for k=1:n
m1=mean(A(:,k));
t=(A(:,k)-m1).^2;
m2=sqrt(sum(t))/(h-1);
B=[B,(A(:,k)-m1)./m2];
end
y=B*u;
x1=1:1:length(y);
plot(x1,y);
xlabel('時間/小時')
ylabel('綜合指標')
title('綜合指標-時間曲線')
Ⅶ 求《MATLAB高效編程技巧與應用:25個案例分析》PDF