计算机应用 | 古代文学 | 市场营销 | 生命科学 | 交通物流 | 财务管理 | 历史学 | 毕业 | 哲学 | 政治 | 财税 | 经济 | 金融 | 审计 | 法学 | 护理学 | 国际经济与贸易
计算机软件 | 新闻传播 | 电子商务 | 土木工程 | 临床医学 | 旅游管理 | 建筑学 | 文学 | 化学 | 数学 | 物理 | 地理 | 理工 | 生命 | 文化 | 企业管理 | 电子信息工程
计算机网络 | 语言文学 | 信息安全 | 工程力学 | 工商管理 | 经济管理 | 计算机 | 机电 | 材料 | 医学 | 药学 | 会计 | 硕士 | 法律 | MBA
现当代文学 | 英美文学 | 通讯工程 | 网络工程 | 行政管理 | 公共管理 | 自动化 | 艺术 | 音乐 | 舞蹈 | 美术 | 本科 | 教育 | 英语 |

SPSS在铁路春运客流调查中的应用

2017-05-13 01:24
导读:经济论文毕业论文,SPSS在铁路春运客流调查中的应用在线阅读,教你怎么写,格式什么样,科教论文网提供各种参考范例: 摘 要:本文在对南昌
摘 要:本文在对南昌站2005年春运客流状况的问卷抽样调查的基础上,利用SPSS软件提供的交叉列联、多选项、对应分析等功能,对调查数据进行了实证研究。选择乘车目的、购票途径、出行考虑等因素、客流流向等问卷的代表性项目进行统计分析,得到南昌站春运客流相关因素的关系,为改善运输组织和提高服务质量提供依据。   关键词:铁路,春运,客流,SPSS,分析    每年春运客流的构成和流向等信息对铁路部门的运输组织具有重要意义。南昌站作为京九线上重要的客运站,每年春运都承担着较大的旅客发送任务,对车站的春运客流状况进行调查,有助于更好地进行春运组织。为了尽量客观真实地了解南昌站的春运客流状况,分析各相关因素的关系,在对南昌站2005年春运客流状况的问卷抽样调查的基础上,利用SPSS (Statistical Product and Service Solutions)软件提供的统计功能(主要是交叉列联、多选项、对应分析)对问卷数据进行了较深入的分析,希望能为改善铁路运输组织和提高服务质量提供依据。  1 抽样调查基本情况  1.1 调查时间和对象  抽样调查从2005年2月17日—3月5日,每天进行一次。每天上午、下午和晚上在每个候车室各发放10份问卷,即每天每个候车室30份问卷。调查对象为由南昌站乘火车前往其他地区的旅客。  1.2 抽样方法  本次抽样调查采用分层、等距抽样设计,即首先依照候车室分层,在候车室内按照候车区域再分层。分层完毕后,在调查期间每天某时由调查员进入候车室进行随机抽样。在每个候车区域随机选定一组候车旅客,每隔一固定数目等距抽取一名旅客,直到满足样本量为止。  1.3 调查项目  考虑到南昌站春运客流较为集中,旅客密集且流动性大,在问卷中采用封闭性答题形式,以方便被调查人快速、准确地完成调查。  (1)您乘车的目的:包括外出工作,探亲,旅游,学生返校。  (2)您的出行方向:包括北京方向(内蒙/北京/东北/合肥等);上海方向(杭州/宁波/南京/温州/苏州等);福建方向(福州/厦门等);成都方向(重庆/成都/柳州/贵州/昆明等);广东方向(东莞/广州/深圳等):武汉方向(武汉/长沙/郑州等);其他方向。  (3)您春节出行优先考虑的因素:包括安全;票价;舒适;快捷;能走就行。  (4)您对列车席位种类的选择:包括普通硬座;普通硬卧;空调硬座;空调硬卧;软座;软卧;其他。  (5)选择临时加开列车时,您考虑的因素(可多选):包括有空调,票价便宜,到达或开车时间;乘车时间:有卧铺:乘车环境及服务。  (6)您更愿意接受以下哪种购票途径:包括直接到车站窗口购买,直接到铁路客票代售处购买:打电话提前预订:上互联网提前预订。  (7)您的年龄阶段为:12~17岁,18~23岁,24~30岁,31~40岁:41~50岁:51~60岁;60岁以上。  (8)您的平均月收入:包括1000元以下,1001—2000元,2001—4000元,4001—6000元,6000元以上。  (9)您认为南昌站在接待旅客方面的服务:包括很好,较好,一般,较差,极差。  1.4 问卷发放回收情况  本次调查共发放问卷2100份,收回有效问卷2039份,有效问卷率达97.10%。  2 SPSS中的统计分析  SPSS作为统计分析工具,理论严谨、内容丰富,具有数据管理、统计分析、趋势研究、制表绘图、文字处理等功能。其中的统计分析功能包括从基本描述统计、推断统计到聚类分析、因子分析等多元统计分析方法。本文主要利用其中的交叉列联分析、多选项分析、对应分析等功能对客流的相关信息进行统计分析,而基本描述统计功能就不再做介绍。  2.1 交叉列联分析  (1)独立性与一致性检验。一般独立性与一致性检验的检验统计量为Q,当然也可用其他的统计量检验,如似然比统计量(Likeli— hoodRatio)、样本数小于20时四格表的Fisher.s检验等。  (2)相关系数及相关分析。经过一致性或独立性的卡方检验后,在得到差异是否显著或是否独立的同时,已经分析出两个特征(变量)是否相关了。如差异显著或不独立,则说明两变量相关显著,反之则相关不显著。但为了量化其相关程度,还应给出相关系数根据两个特征(变量)的数据类型,相关系数有以下种类。  ①Pearson积矩相关系数:适用于分区间的连续数据或计数数据之间,且总体呈正态或近似正态,样本数≥30。  ②Spearman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
上一篇:浅谈新形势下高校社科信息需求变化与服务创新 下一篇:没有了