利用SPSS数学建模在大学生创业活动中应用实例.docVIP

利用SPSS数学建模在大学生创业活动中应用实例 　　摘要：简要说明如何使用统计软件SPSS的分析功能，为分析校园快递工作室的派件利润与派件营业额、宣传和日常管理费、通讯费等之间的关系，以利用SPSS19.0软件进行多元回归分析，建立派件利润与其他影响因素的回归模型，说明SPSS在解决数学建模中预测大学生创业活动遇到的经营问题时更具优越性。 　　Abstract： This paper briefly describes how to use the statistical software SPSS analysis function to analyze the relationship between the profit of campus express studio and the payment of the turnover， publicity and daily management fees， communication costs， etc. to use SPSS19.0 software for multivariate regression analysis， and establish the regression model of the turnover profit and other influencing factors. It shows that SPSS is more superior in solving the operational problems encountered in predicting the entrepreneurial activities of college students in mathematical modeling. 　　关键词：SPSS19.0；数学建模；多元回归分析 　　Key words： SPSS19.0；mathematical modeling；multiple regression analysis 　　中图分类号：G633.6 文献标识码：A 文章编号：1006-4311（2017）15-0202-03 　　0 引言 　　在数学建模中通常采用回归分析的方法建立模型来分析现实数据。回归分析是通过规定两种或两种以上变量由此来确定变量之间的因果关系或定量关系，以此建立回归模型，然后根据模型参数来评价该模型的拟合情况，并可根据自变量作进一步预测的统计方法。对比MATLAB等数学软件中较复杂的回归分析功能，SPSS突出特点是操作简便，除了录入数据和需利用键盘输入少数命令程序外，大多数操作可通过鼠标完成。而且SPSS输出结果可读性很强，只需简单的统计知识就能了解分析结果。现在SPSS提供多种统计分析方法，如统计描述、主成分分析、相关分析、方差分析以及Logistic回归等，对利用SPSS进行数学建模有很大帮助。 　　下面，以广州大学市政技术学院校园快递工作室的经营为例，利用SPSS19.0软件进行多元回归分析，以建立派件利润与其它影响因素的回归模型，说明其在预测现实问题时更简便和优越。 　　1 数据来源 　　学院校园快递工作室为了更好地服务师生、扩大利润、有效地控制成本的基?A上，以及运用所学知识找出派件利润与派件营业额、宣传和日常管理费、通讯费等之间的关系，从而预测出在不同因素影响下的的派件利润。为此快递工作室人员收集了过去41周工作室的派件利润与派件营业额、宣传和日常管理费、通讯费等数据。 　　2 数据分析 　　将通讯费、派件营业额、宣传和日常管理费作为自变量，派件利润作为因变量，采用SPSS19.0软件进行数据分析。 　　2.1 绘制散点图 　　首先将数据文件窗口的对话框打开，其次在菜单中栏依次点击“图形”，“旧对话框”，“散点/点状”，然后选择“简单分布”，并分别将派件营业额、宣传和日常管理费、通讯费作为自变量选入x轴，派件利润作为因变量选入y轴，绘制散点图。（图1-图3） 　　2.2 曲线估计 　　从图1-图3来看，派件营业额与派件利润以及通讯费与派件利润线性趋势较明显，而宣传和日常管理费与派件利润为曲线趋势，进行曲线估计则会判定出两个变量更合适的模型。在菜单栏依次点击“分析”，“回归”，“曲线估计”，分别将派件营业额、通讯费、宣传和日常管理费选入自变量，派件利润选入因变量，而后模型选择“线性”、“二次项”和“立方”三种曲线回归模型。 　　由表1可以得出，三个模型的拟合度相差不大，而拟合度最好的是三次曲线模型，其次是线性和二次曲线模型，但三方曲线模型的参数比另外两种模型的参数更多更复杂。从F值来看，线性模型F值为169.979，说明其拟合的最为显著。因此，选择线性模型最为理想，即y=β0+