电子阅览室读者群聚类和回归分析.docVIP

电子阅览室读者群聚类和回归分析 　　摘 要：以电子阅览室上机者为研究对象，对原始数据进行聚类和逐步拟合回归分析，寻找影响读者需求和类型的相关因素及其规律，研究结果用多元线性回归模型表示。 　　关健词：快速聚类 读者类型 相关系数 逐步回归 　　 　　一、研究问题和相关因素 　　电子阅览室读者的需求用其累计上机时间(以下简称累计时间)进行判断，累计时间越长表明读者上机的需求越大，这类需求有什么规律或读者有什么特征?观察我院电子阅览室的上机记录，归结出与上机者需求可能有关的因素，届级因素，即：2001-2003级三个不同年级；专业因素，即：政法、中文、历史等文科专业，数学、物理、化学、生物、计算机等理科专业；受教育程度因素，即：按教育程度分为成人专科、本科教育和应届普招专科、本科教育；地区因素：上机者的籍贯分为西安中部地区和周边地区，上机时间为上午和下午二个时段。 　　 　　二、研究方法 　　研究对象是我院电子阅览室6月份上机的学员，整理其原始上机记录，获取1831个有效数据。样本特征：2001级28.1%、2002级49%、2003级22.9%；文科专业58.6%、理科专业41.4%；成人学员30%、普招生70%；男性44.2 %、女性55.8%；西安中部地区43.9%、周边地区57.1%；上午上机人数42.3%、下午上机人数57.7%；累计上机时间为0.02~3.87小时；上机日期为2004年6月1日至6月29日。累计时间的频数呈正态分布。构建的因素量表内部一致性达到0.5483，说明原数据具有一定的可靠性。以下分析利用Microsoft Office Excel、Microsoft Visual FoxPro 6.0软件和社会统计软件SPSS 10.0 for Windows为研究工具，运用聚类法、回归法，寻找各因素之间的因果关系。 　　 　　三、研究过程 　　由于事先不可预知读者的需求和类型，笔者先用快速聚类法对原始数据进行初始聚类。二个类中心的迭代计算的初始位置分别是2001级、历史专业、普招生、男性、西安周边地区、上午上机、上机日期为第一天。初始类中心的最小距离为8.384，经过20次标准迭代收敛为0，欧几里德距离为2.124。聚类后样本的特征发生了一定变化，第一类读者类型的主要成分：2002级49.3%、历史专业27.6%、普招专科生72.9%、女性学员52.8%??西安中部地区61.1%、下午上机51.1%、上机日期(上半月)59.5%、平均累计上机时间1.492小时，样本1198个。第二类读者类型的主要成分：2002级60.8%、音乐专业36.5%、成人本科生62.1%、女性69.4%、西安周边地区63.3%、下午上机54.7%、上机日期(下半月)44.1%、平均累计上机时间1.535小时，样本共633个。笔者将第一类读者群命名为学习型，第二类读者群命名为娱乐型。 　　1.读者需求和类型的相关性。读者需求和读者类型是否与届级、专业、教育程度、性别、地区、上机时间、上机日期相关，运用相关分析法得出相关系数矩阵，用数据来检验各因素之间的相关性。 　　统计数据显示：届级与读者需求和类型显著相关，г1=-0.207、г2=0.298，差异性显著性水平ρ1=ρ20.05。上述数据显示各因素与读者需求和类型存在一定的线性关系，并初步排除多重共线性的风险，可以进行多元线性回归分析。 　　2.读者类型的回归分析。读者类型是一个多元线性数学模型：读者类型=C+b1×届级+ b2×专业+ b3×教育程度+ b4×性别+ b5×地区+ b6×上机时间+ b7×上机日期+ b8×累计时间+ε用SPSS回归分析中的逐步法，不断检验进入模型的因素变量对读者类型产生的不同影响，寻求最符合实际的拟合模式，变量进入的标准是概率≤0.050，变量移出时的标准是概率≥0.100，从回归的第七个模型看，最终仅有上机日期因素没有进入模型。回归模型的复相关系数为0.863，决定系数为0.745，方差统计值761.461，显著性水平为0.000，且偏回归系数的T检验在显著性水平。下都小于，具有统计学意义： 　　回归方程的分析与讨论：拟合的回归方程(第七步)：读者类型=2.425+0.139×届级-0.00881×专业-0.341×教育程度+0.008505×性别+0.008303×地区+0.003452×上机时间-0.00247×累计时间。方程中各因素能解释读者类型的差异性为74.5%，常数项的数值直接隐含了20%的读者信息。除上机日期外，其它因素都进入了模型中，这从相关系数矩阵表就已得到证实，说明读者的类型受错综复杂因素的影响。方程的各项检验指标都处于较高显著性水平，说明回归方程具有线性关系且拟合的较好。标准化偏回归系数反映