kpq[理学]居民满意度分析论文.docVIP

居民满意度分析 摘要：居民对现在生活的满意主要分为两类，满意和不满意。本文通过对性别，年龄段，学历等13个因素采用逐步判别分析方法，构建判别模型。通过对每个个案进行判别，得出判别分数，从而建立满意度的判别函数: . 通过SPSS分析，该判别函数对分组案例数据分类正确率高达97.2%。因此，该判别模型是相当成功的，能准确分析居民对生活的满意情况。 模型建立与结果分析 模型建立： 判别分析是根据观察或测量到若干变量值，判断研究对象如何分类的方法。因为给出的居民对现在生活满意度数据中已经进行了满意和不满意两种分类，所以在这里不需要再作聚类分析了。我们利用SPSS软件构建判别模型，采用逐步判别法，从给出的变量中筛选出能提供较多信息的变量并建立判别函数，使得利用推导出的判别函数对观测量判别其所属类别时的错判率最小。 为了构建这个判别模型，我们给出判别函数的一般形式是： 其中：Y为居民对现在生活的满意度，为反映满意度的特征的变量，为各变量的系数，也称为判别系数。从判别模型可以看出判别函数是线性判别函数。 利用SPSS进行模型的建立，我们使用判别分析的方法，指定分析变量为居民对现在生活的满意度Y，变量的范围是0到1。使用逐步判别的方法，用F检验的概率决定变量是否加入函数或剔除，通过输出的判别函数系数建立满意度判别函数。 结果分析： 观测组内变量相关性系数（表1），可以发现各个变量之间有较强的多重共线性，我们需要进行逐步分析，剔除部分数据，减少变量之间的共线性。 汇聚的组内矩阵 性别x1 年龄段x2 月收入x3 学历x4 教育文化环境满意度x5 职业x6 对现在职业的满意度x7 对现在梅城房价的看法x8 对现在居住环境满意度x9 生活的压力主要来源于x10 对物价波动的满意度x11 相关性 性别x1 1.000 .061 .154 .196 -.011 .196 .175 -.135 .206 -.101 .378 年龄段x2 .061 1.000 .164 -.290 -.235 .205 .000 .389 -.117 .513 .039 月收入x3 .154 .164 1.000 .074 .439 .394 .666 .501 .306 .441 .347 学历x4 .196 -.290 .074 1.000 .484 -.025 .190 -.046 .195 -.195 .142 教育文化环境满意度x5 -.011 -.235 .439 .484 1.000 .020 .319 .322 .439 .206 .129 职业x6 .196 .205 .394 -.025 .020 1.000 .391 .315 .003 .222 -.207 对现在职业的满意度x7 .175 .000 .666 .190 .319 .391 1.000 .344 .219 .290 .333 对现在梅城房价的看法x8 -.135 .389 .501 -.046 .322 .315 .344 1.000 .060 .721 -.092 对现在居住环境满意度x9 .206 -.117 .306 .195 .439 .003 .219 .060 1.000 -.039 .320 生活的压力主要来源于x10 -.101 .513 .441 -.195 .206 .222 .290 .721 -.039 1.000 .071 对物价波动的满意度x11 .378 .039 .347 .142 .129 -.207 .333 -.092 .320 .071 1.000 表1 建立判别模型中的判别函数显示的正则相关性达到了0.919，非常接近1，说明模型的判别函数能很好地判别居民的满意程度。 特征值 函数 特征值 方差的 % 累积 % 正则相关性 1 5.462a 100.0 100.0 .919 a. 分析中使用了前 1 个典型判别式函数。 表2 Wilks 的 Lambda 函数检验 Wilks 的 Lambda 卡方 df Sig. 1 .155 932.967 8 .000 表3 从表3我们可以看出模型系数的卡方检验结果=932.967,其P值小于0.001,可见拟合的模型具有显著的统计学意义，并且模型具有一定的可行性。 分类函数系数 对现在的总体生活满意Y 不满意 满意 性别x1 1.134 -2.740 年龄段x2 1.514 4.004 月收入x3 -1.034 1.549 学历x4 -.188 3.149 教育文化环境满意度x5 3.720 2.410 职业x6 1.28