《第16章 SPSS在数据挖掘中的应用》由会员分享，可在线阅读，更多相关《第16章 SPSS在数据挖掘中的应用（24页珍藏版）》请在金锄头文库上搜索。
1、第16章 SPSS在数据挖掘中的应用,16.1 实例提出：168信息点播业务,数据16-1.sav是某月陕西主要地区各类业务的流量数据，数据16-2.sav是该月每天各类业务的流量数据。请利用这些资料分析以下问题： 问题一：请分析在168信息点播服务方面陕西各地区（西安、宝鸡、咸阳等）总流量的差别。 问题二：请指出该月点播业务最好三项栏目，并分析它们之间的流量有无显著性差异。 问题三：请预测该月点播业务最好栏目的长期发展趋势。,16.2 实例的SPSS软件操作详解,问题一操作详解 问题一要求分析在168信息点播服务方面陕西各地区 （西安、宝鸡、咸阳等）总流量的差别。由于各地区在股 票点播、指数
2、点播等业务上的流量数据差异较大，并没有 统一的大小顺序关系，因此可以采用聚类分析研究陕西各 地区的总流量差异。 第一步：打开数据文件及对话框 打开数据文件16-1sav，选择菜单栏中的【分析】【 分类】【系统聚类】命令，弹出【系统聚类分析】对话框 第二步：选择聚类分析变量 在左侧的候选变量列表框中选择西安、宝鸡等十个地区变量设定为聚类分析变量，将其添加至【变量】列表框中。同时点选【变量】单选钮，表示选择聚类对象为指标变量。,第三步：输出聚类数目 在主对话框中单击【统计量】按钮，弹出相应对话 框。点选【单一方案】单选钮，并在【聚类数】文本框 中键入数字“3”表示利用聚类分析将十个地区分为三类 。
3、其他选项保持系统默认，单击【继续】按钮返回主对 话框。 第四步：输出聚类图 在主对话框中单击【绘制】按钮，弹出【绘制】对 话框。勾选【树状图】复选框，表示输出样品的聚类树 形图。其他选项保持系统默认，单击【继续】按钮返回 主对话框。 第五步：聚类方法选择 在主对话框中单击【方法】按钮，弹出【方法】对 话框。在【转换值】选项组的【标准化】下拉菜单中选 择【Z得分】标准化方法。其他选项保持系统默认，单击 【继续】按钮返回主对话框。,第六步：单击【确定】按钮，完成操作。,问题二操作详解,第一步：计算各项业务的日平均流量 打开数据文件16-2.sav，选择菜单栏中的【分析】 【比较均值】【均值】命令，
4、弹出【均值】对话框。在左侧的候选变量列表框中选择“股票点播”、“指数点播”等业务。其他选项保持系统默认，单击【确定】按钮完成操作。 接着根据输出的业 务流量统计数据表16-2. sav，可以确定日平均 流量最大的三项业务“ 股票点播”“每日运程” 和“劲爆笑话”为点播 业务最大的业务。,第二步：业务流量的差异性研究 选择菜单栏中的【分析】 【非参数检验】【旧对话框】【K个相关样本】命令，弹出【多个关联样本检验】对话框。在候选变量列表框中同时选择“股票点播”、“每日运程”和“劲爆笑话”变量作为配对检验变量，将其同时 添加至【检验变量】列 表框中。在【检验类型 】选项组中勾选【Frie dman】
5、复选框作为配对 样本检验的方法。最后 单击主对话框中的【确 定】按钮，完成操作。,问题三操作详解,第一步：绘制序列图 打开数据文件16-2.sav，选择菜单栏中的【分析】 【预测】【序列图】命令，弹出【序列图】对话框。在左侧的候选变量列表框中选择“股票点播”进入右侧的【变量】列表框。其他选项保持系统默认，单击【确定】按钮完成操作。 根据序列图，观测 到股票点播数据虽然平 稳，但具有明显的周期 性波动特征，因此可以 利用ARMA模型来描述点 播数据的波动性。,第二步：时间序列ARMA模型 选择菜单栏中的【分析】 【预测】【创建模型】命令，弹出【时间序列建模器】对话框。在左侧的候选变量列表框中选择
6、“股票点播”进入右侧的【因变量】列表框，表示对其进行ARMA模型分析。选择【方法】下拉菜单中的【ARIMA】选项，表示进行ARMA模型估计。接着单击【条件】按钮，弹出ARIMA模型阶数设定窗口。 观察序列图发现点播数据以7天为周期进行波动，反复进行ARMA模型滞后阶数的尝试后，最终选择AR(7)模型来描述股票点播流量的波动性。于是在【时间序列建模器】窗口【自回归(p)】选项组的【非季节性】文本框中填入数字“7”。在【转换】选项组中点选【自然对数】单选钮，再单击【继续】按钮，返回主对话框。,单击【统计量】按钮，勾选其中的【参数估计】复选框，表示输出模型参数估计结果和模型预测值；同时取消勾选【拟合
7、优度】复选框，其他选项保持系统默认。 单击【图表】选项，勾选其中的【残差自相关函数】和【残差部分自相关函数】复选框，表示绘制残差的自相关图和偏相关图。不仅如此，勾选【拟合值】复选框输出模型的拟合效果图。其他选项保持系统默认。 最后，单击【确定】按钮完成操作。,16.3 实例的SPSS输出结果详解,（1）聚类过程表 SPSS软件首先给出了进行系统聚类分析的过程表，它动态显示了所有地区的聚类过程。下表显示第二地区和第九个地区首先被合在一起，聚类系数等于2.356，它们将在第二步中与其他类再进行合并。其他结论可以依此类推。,（2）聚类分析结果表 下表显示了系统聚类法的聚类结果。可以看到聚类结果分为两
8、大类： 第类：西安； 第类：宝鸡、咸阳、铜川、汉中； 第类：榆林、延安、渭南、安康、商洛。 其中第类地区西安是168信息各类点播业务流量最大的地区，第类的五个地区在所有地区中是相对168信息点播业务流量最低，而第类地区的点播业务流量是介于第类和第类之间，保持中游水平。 分析地区间的点播量的差异部分是由于地区特征的差异引起的，例如人口数量、经济发展状况（收入水平、手机拥有量、物价水平等），同时也与地区业务的宣传力度有密切联系。分析清楚这些原因后公司就可以采取相应的措施扩大业务。,问题一输出结果详解,（3）树形图 上表已给出了相关聚类结果，最后用树形图直观反映整个聚类过程和结果。,问题二输出结果详
9、解,下表（部分）是利用【均值】功能计算的各项业务在当月的平均点播量。表中具体给出了均值、统计数目及标准差等基本统计量。比较均值大小可以看到，“股票点播”、“每日运程”和“劲爆笑话”为点播量最大的业务，说明这些业务深受消费者欢迎，公司应努力增加在这些业务方面的内容更新及促销。而相反的，“商讯点播”、“区号邮编”等业务的点播量太低，因此公司可以考虑停止这些服务功能以节约成本。,（2）秩统计表 下表是多配对样本非参数检验的秩统计表。可以看到，“股票点播”变量的平均秩最大，等于2.42，说明它的点播量最大，排名更靠后；相反的，“劲爆笑话”变量的平均秩最小，等于1.35，说明它的点播量最小，排名更靠前。
10、,（3）Friedman统计表 Friedman检验结果如下表所示，样本容量等于31，Chi-Square统计量等于19.935，自由度df等于2，近似相伴概率P值为0.000，远远小于显著性水平0.05。所以拒绝零假设，认为这三种业务的点播量存在显著差异。这说明虽然它们位居所有业务的前三位，但其点播量还是存在显著的差异。因此，公司需要分开对待它们各自的点播业务特点。,问题三输出结果详解,（1）时间序列折线图 下图绘制了“股票点播”业务在该月每日点播量的时间序列图。可以看到，股票点播量是平稳的，但具有显著的周期性， 在每个周末的点播 量明显低于周内的 点播量，这与股票 周末休市有密切联 系。于
11、是考虑利用 ARMA模型来刻画其 波动性。,（2）模型拟合优度检验表 下表给出了AR(7)模型的拟合优度值，可以看到拟合优度统计量R2等于0.880，说明模型的整体的拟合效果较好。Ljung-Box Q统计量是对点播序列的线性相关性进行检验。从检验结果看，LB检验概率P值大于显著性水平0.05，说明序列基本不存在自相关性,（3）模型参数估计值表 下表列出了AR(7)模型的参数估计值。可以看到除了 滞后7阶（Lag 7）的系数显著外，其他滞后项系数都没 有通过显著性检验，其t检验的概率P值都大于0.05。 假设“每日股票点播量”记为Xt，则最终拟合的模型为： Xt=8.268+0.916 Xt-1,（4）残差自相关和偏相关图 下图给出了不同阶数下拟合模型的残差的自相关和偏相关图。可以看到，两列相关系数都落在置信区间内，说明残差序列的各阶自相关函数值和偏相关函数值都显著等于0，符合白噪声的特征。这也进一步反映了AR(7)模型的合理性。,（5）模型拟合效果图 最后，下图显示了本实例提出的AR(7)模型预测值与实际值的拟合效果图。从图形来看，除了在初始几天的模型拟合值偏高外，其他时间的模拟拟合效果都较好，这样可以利用该模型进行后续日期的预测。,
