统计分析
本次问卷调查主要是广大的游客为主要的对象,采用的是网上发放问卷的形式，主要借助的是问卷星网站这个平台。此次问卷总计发放了420份，回收问卷388份,回收率达到92.38%,回收问卷有效率为92.38%，在问卷星的设计中提交前提是完成问卷，因此回收问卷都为有效问卷。本部分将根据对有效问卷的统计,对所得数据进行相关的数据分析。
描述性统计分析
描述性统计(DescriPtivestatistics)是对统计结构和总体情况所进行的描述,本部分将对游客基本信息进行描述性统计分析。
游客基本信息描述性统计分析
游客的基本信息主要包括,第一部分关于游客的人口统计学信息,包括
游客的性别、年龄、受教育程度、职业、收入等;第二部分是关于游客在姨奶奶中的旅游次数的一个简单的统计。表____反映了这一系列的基本信息。从性别上看,男女比例基本持平,其中女性游客稍占多数51.5%，男性游客占48.5%，女性游客的平均人数比男性游客稍微多一些;从
年龄上看,主要集中在18~25岁这个年龄段上,占到了游客总数的91.2%,这说明了青少年时目前旅游人群的主要构成部分，这一方面和现当代的生活水平，价值观、消费观有密切的联系。从学历上看,游客的学历主要集中在高中、本科及以上这三块,分别占到这次调查样本数的11.9%、78.9%、6.2%。充分证明对待旅游的看法和学历的高低是一个正相关的关系。从职业上看,学生占到了最多的一个比例
64.9%，比其他的职业人群高出很多，公司职员在其中也占到了13.4%，在这一点上有力的证明了在影响旅游愿景的因素中，时间是一个相当大的权重，个体其实在经济实力这一权重来看是比较具有优势的一个群体，但是在这次调查中仅占了2.6%，从这一方面也可以得出时间是一个较大权重的结论;从收入状况上看,主要集中在1400~3000和3000~5000这两个段的人群，分别达到67%和19.6%，这印证了旅游公共服务的不断健全和旅游的逐步平民化。最后我们简单的一个统计是关于一个平均一年的旅游次数，统计显示主要是集中在一年一次至两次和一年三至五次这种情况上，以一至两次的情况居多，达到了49.5%，说明旅游个体的旅游频率其实是不高的，也说明了旅游公共服务是很有必要的。有利于推动旅游的平民化和全名旅游的进一步发展。
1 第七章 相关分析
任何事物的存在都不是孤立的，而是相互联系、相互制约的。在医学领域中，身高与体重、体温与脉搏、年龄与血压等都存在一定的联系。说明客观事物相互间关系的密切程度并用适当的统计指标表示出来，这个过程就是相关分析。
值得注意，事物之间有相关，不一定是因果关系，也可能仅是伴随关系。但如果事物之间有因果关系，则两者必然相关。
SPSS的相关分析是借助于Statistics菜单的Correlate选项完成的。
第一节 Bivariate过程
7.1.1 主要功能
调用此过程可对变量进行相关关系的分析，计算有关的统计指标，以判断变量之间相互关系的密切程度。调用该过程命令时允许同时输入两变量或两个以上变量，但系统输出的是变量间两两相关的相关系数。
7.1.2 实例操作
[例7-1]某地区10名健康儿童头发和全血中的硒含量（1000ppm）如下，试作发硒与血硒的相关分析。
编号 发硒 血硒
1
2
3
4
5
6
7
8
9
10 74
66
88
69
91
73
66
96
58
73 13
10
13
11
16
9
7
14
5
10
7.1.2.1 数据准备
激活数据管理窗口，定义变量名：发硒为X，血硒为Y，按顺序输入相应数值，建立数据库（图7.1）。
2
图7.1 原始数据的输入
7.1.2.2 统计分析
激活Statistics菜单选Correlate中的Bivariate...命令项，弹出Bivariate Correlation对话框（图7.2）。在对话框左侧的变量列表中选x、y，点击钮使之进入Variables框；再在Correlation Coefficients框中选择相关系数的类型，共有三种：Pearson为通常所指的相关系数（r），Kendell’s tau-b为非参数资料的相关系数，Spearman为非正态分布资料的Pearson相关系数替代值，本例选用Pearson项；在Test of Significance框中可选相关系数的单侧（One-tailed）或双侧（Two-tailed）检验，本例选双侧检验。
描述性统计分析
作 者：清华大学中国企业研究中心 阅读次数：24704次 发布日期：2005-07-04
在数据分析的时候，一般首先要对数据进行描述性统计分析（Descriptive Analysis），以发现其内在的规律，再选择进一步分析的方法。描述性统计分析要对调查总体所有变量的有关数据做统计性描述，主要包括数据的频数分析、数据的集中趋势分析、数据离散程度分析、数据的分布、以及一些基本的统计图形。
（1）数据的频数分析：在数据的预处理部分，我们曾经提到利用频数分析和交叉频数分析来检验异常值。此外，频数分析也可以发现一些统计规律。比如说，收入低的被调查者用户满意度比收入高的被调查者高，或者女性的用户满意度比男性低等。不过这些规律只是表面的特征，在后面的分析中还要经过检验。
（2）数据的集中趋势分析：数据的集中趋势分析是用来反映数据的一般水平，常用的指标有平均值、中位数和众数等。各指标的具体意义如下：
平均值：是衡量数据的中心位置的重要指标，反映了一些数据必然性的特点，包括算术平均值、加权算术平均值、调和平均值和几何平均值。
中位数：是另外一种反映数据的中心位置的指标，其确定方法是将所有数据以由小到大的顺序排列，位于中央的数据值就是中位数。
众数：是指在数据中发生频率最高的数据值。
如果各个数据之间的差异程度较小，用平均值就有较好的代表性；而如果数据之间的差异程度较大，特别是有个别的极端值的情况，用中位数或众数有较好的代表性。
（3）数据的离散程度分析：数据的离散程度分析主要是用来反映数据之间的差异程度，常用的指标有方差和标准差。方差是标准差的平方，根据不同的数据类型有不同的计算方法。 （4）数据的分布：在统计分析中，通常要假设样本的分布属于正态分布，因此需要用偏度和峰度两个指标来检查样本是否符合正态分布。偏度衡量的是样本分布的偏斜方向和程度；而峰度衡量的是样本分布曲线的尖峰程度。一般情况下，如果样本的偏度接近于0，而峰度接近于3，就可以判断总体的分布接近于正态分布。
SPSS简单操作程序
一、t检验
（一）单样本t检验
1、正态性检验：Analyze｜Descriptive Statistics｜Explore｜Plots｜Normality plots with tests(以后同此)
2、Analyze｜Compare Means｜One-Sample T Test，从左侧选择要分析的变量移入右侧Test
Variable(s)中，在Test Value中键入总体均数，点击OK。
（二）配对样本t检验
首先“转换”，“计算变量”，计算差值“d”，对差值“d”进行正态性检验，方法同前。
Analyze｜Compare Means｜Paired-Samples T Test，将Current Selection栏下的两个变量移入Paired Variable 框中，点击OK。
（三）两样本（独立样本）t检验
Date｜Split File（按比较组拆分）｜正态性检验（同前）｜取消拆分
Analyze｜Compare Means｜Independent-Samples T Test，选择检验变量移入Test Variable(s)中，选择分组变量移入Grouping Variable|Define Groups(键入要对比的组)｜OK
二、方差分析
（一）完全随机设计（单因素）方差分析：正态性检验（同两样本t检验）
Analyze｜Compare Means｜One-Way ANOVA，将“因变量”移入Dependent List，将“因素变量”移入Factor框，点击Options对话框｜Descriptive，Homogeneity of variance test｜Continue｜OK，如需做两两比较，单击Post Hoc按钮｜LSD｜OK
(二)随机区组设计（配伍组）方差分析：正态性检验（同前）
Analyze｜General Linear Model｜Univarite…，将分析变量移入Dependent Variable，将分组变量、区组变量移入Fixed Factors｜Model｜Custom｜Build Terms｜Main Effect，将分组变量、区组变量调入Model下的矩形框｜Continue
