关于月份的描述统计和方差分析.docVIP

主要考虑里程数随时间变化的思路及数据分析 文献综述： 首先，对数据进行描述性统计，如下表： 表1 各个月份里程数的描述统计 Statistics 一月 二月 三月 四月 五月 六月 N Valid 6 6 6 6 6 6 Missing 0 0 0 0 0 0 Mean 2682.67 2450.67 1686.33 1613.17 1412.50 1657.50 Median 2260.00 2400.00 1588.00 1502.00 1409.50 1496.00 Std. Deviation 827.977 564.052 256.089 338.369 162.976 437.660 Variance 685546.667 318154.667 65581.467 114493.767 26561.100 191545.900 Range 2156 1194 694 987 401 1176 Minimum 2100 1930 1473 1273 1200 1354 Maximum 4256 3124 2167 2260 1601 2530 Percentiles 25 2220.00 1930.00 1521.00 1443.25 1251.75 1411.00 50 2260.00 2400.00 1588.00 1502.00 1409.50 1496.00 75 3284.00 2971.00 1865.50 1796.50 1589.75 1861.75 Statistics 七月 八月 九月 十月 十一月 十二月 N Valid 6 6 6 6 6 6 Missing 0 0 0 0 0 0 Mean 1885.17 1527.83 1559.33 1925.17 1893.50 2697.83 Median 1561.00 1352.00 1350.00 1875.50 1850.00 2175.00 Std. Deviation 711.830 520.317 362.947 246.309 222.345 892.312 Variance 506702.567 270729.767 131730.667 60668.167 49437.500 796220.167 Range 1828 1397 870 700 610 2157 Minimum 1392 1183 1280 1600 1700 2170 Maximum 3220 2580 2150 2300 2310 4327 Percentiles 25 1415.25 1285.75 1332.50 1750.00 1722.50 2170.00 50 1561.00 1352.00 1350.00 1875.50 1850.00 2175.00 75 2420.50 1680.00 1944.50 2150.00 2018.25 3459.25 表1和图1、2对数据进行描述。可以看出，1月、2月和12月这三个月的里程数都大于临界值。而从箱线图可以看到个月的里程数大致成U型。因此可以做出初步假设，1、2、12这三个月属于旺季月份。将这三个月份记作“1”，剩余的月份记作“2”，进行方差分析，结果见表2。可以看到结果是西安、厦门是不显著的，而其他城市则较为显著。则可以认为在除西安和厦门外的其他城市，这三个月的确对里程数有影响。所以在做结论时可将这三个月份单独考虑。 图1 各个月份里程数的直方图 图2 各个月里程数的箱线图 表2 淡旺季和里程数之间的关系 Tests of Between-Subjects Effects Source Dependent Variable Type III Sum of Squares df Mean Square F Sig. 淡旺季 北京 680625.000 1 680625.000 17.592 .002 上海 2040136.111 1 2040136.111 6.208 .032 西安 627000.028 1 627000.028 3.040 .112 厦门 29013.444 1 29013.444 .100 .758 广州 442446.694 1 442446.694 4.935 .051 三亚 6575805.444 1 6575805.444 9.141 .013 通过上表可知，对于淡旺季的分类对于大部分城市的数据还是比较显著的，即这些城市的货运量有明显的季节影响——则考虑，对淡季和旺季内的城市用同样的租车策略。 首先，对于个人和公司两种方式，可以看出租车金额都关于里程数线性增长。进行简单数学运算，找到两种方式的临