相關(guān)鏈接: 北京安全網(wǎng) 北京質(zhì)量網(wǎng) 北京論文網(wǎng) 北京資訊網(wǎng)
論文導讀::身份乘客評價綜合得分。下文將采取主成分分析和因子分析法。主成分分析和因子分析原理[1]。
論文關(guān)鍵詞:京津高鐵,乘客評價,主成分分析,因子分析
一、基本研究目的
在調(diào)研過程中我們發(fā)現(xiàn),不同乘客對京津城際高鐵有不同的訴求,總體來說有:降低票價、改進購票方式、靈活班次、改善車上環(huán)境、實現(xiàn)轉(zhuǎn)乘、完善周邊設(shè)施;同時,京津城際鐵路還有著自身的優(yōu)點,如:速度快、班次多、環(huán)境舒適。同時,京津城際高速鐵路還具有方便短程出行和旅游的特殊競爭優(yōu)勢。
如此之多的影響因素綜合作用下,乘客究竟會做出何種選擇?為了進一步探究不同身份的乘客對京津城際鐵路的選擇傾向,并用盡可能簡單的變量判斷和解釋不同身份乘客的選擇,下文將采取主成分分析和因子分析法,利用SPSS16.0軟件,對不同身份的乘客的選擇進行判斷和預(yù)測。
二、主成分分析和因子分析原理[1]
。ㄒ唬┲鞒煞址治龅暮x:
主成分分析是用原來指標重新組合成一項新的互相無關(guān)的綜合指標來代替原指標,并根據(jù)實際需要從中選取幾個較少的綜合指標來代替原來指標,以達到簡化數(shù)據(jù)的目的。這些指標可以盡可能多的反應(yīng)原始數(shù)據(jù)的信息,這種統(tǒng)計方法就是主成分分析或主分量分析。
。ǘ、主成分分析的基本思想:
選取對原變量做線性組合后方差較大的幾個量(這些變量反映的信息是最完全的)交通論文,這些綜合指標稱為主成分,主成分之間不相關(guān),且方差遞減。
(三)、主成分分析的幾何意義:
p個變量組成p維空間,而n個樣品就是p維空間中的n個點,做線性變換,將構(gòu)成的坐標系旋轉(zhuǎn)產(chǎn)生新的坐標系,新坐標軸使之通過樣品的最大方差的方向。此時主成分問題就是尋找p維空間的橢球體的主軸問題。形象的說,以二維主成分為例,由橫縱坐標來代表,基于數(shù)據(jù)的二維正態(tài)分布假定,這些樣本數(shù)據(jù)在這個坐標上形成一個橢圓形的點陣。在極端情況下,橢圓的長軸上盡可能多的集中了變化的數(shù)據(jù),而短軸方向上數(shù)據(jù)變化極少。那么主成分就由二維降到一維了。對于多維的情況,變量就形成了一個P維空間的橢球體免費論文下載。那么找到多維橢球體的主軸和相應(yīng)能最大限度反應(yīng)信息的最長的幾個軸,就達到了主成分分析的目的。
。ㄋ模、主成分分析的數(shù)學模型:
將原始資料庫(
)做線性組合:
上述線性方程組應(yīng)滿足如下條件:
1)、,
2)、線性無關(guān),即兩輛協(xié)方差為零,這是為了使得第二個主成分中不再含有第一組成分已經(jīng)說明了的重復(fù)性息。
3)、方差依次遞減
如果指標數(shù)據(jù)的量綱不同,需要先對原始數(shù)據(jù)進行標準化處理。由于本文的所有樣品均為被調(diào)查者頻數(shù),故不需要進行標準化數(shù)據(jù)。
。ㄎ澹、因子分析的基本思想:
因子分析是通過對變量的相關(guān)系數(shù)矩陣內(nèi)部結(jié)構(gòu)的研究,找出能控制所有變量的少數(shù)幾個變量去描述多個變量之間的相關(guān)關(guān)系。這少數(shù)幾個變量就稱之為因子。根據(jù)相關(guān)性的大小把變量分組,使得同組內(nèi)的變量之間的相關(guān)性較高,不同組內(nèi)的相關(guān)性較低。
因子分析分為R型因子分析和Q型因子分析。R型因子分析是對變量進行分析從相關(guān)系數(shù)矩陣出發(fā),而Q型因子分析從相似系數(shù)矩陣出發(fā),對樣本進行分析。
。、因子分析的數(shù)學模型:
R型因子分析【2】
簡記為:
滿足下列條件:
1、
2、,即各因子不相關(guān)且同方差
,即各個特殊因子不相關(guān)且異方差。
其中F是表示因子列向量,是的共有向量交通論文,成為公公因子。
稱為因子載荷,是第i個變量在第j個因子上的負荷,他表示
在坐標軸
上的投影。
是不能被公公因子包含的量,成為特殊因子。
因子分析的目的就是通過模型以F代替X,由于
故達到了簡化模型的目的【3】。
二、調(diào)研數(shù)據(jù)收集
根據(jù)連續(xù)五次的跟蹤調(diào)研數(shù)據(jù),發(fā)現(xiàn)有超過90%的乘客認為京津高鐵對旅游的促進作用非常大,因此選取京津城際高鐵的“短途旅游優(yōu)勢”為變量之一,并采取科學的方法定量描述這一指標;選取乘客出行乘坐列車最關(guān)注的幾個問題為其它城際高鐵服務(wù)質(zhì)量的評價指標,包括:速度、班次,乘車環(huán)境;同時,通過調(diào)研收集的數(shù)據(jù)分析,選取價格、購票方式、班次的靈活性、靈活轉(zhuǎn)乘以及周邊配套設(shè)施等指標,對乘客的態(tài)度進行評價。調(diào)研數(shù)據(jù)顯示,乘客的身份有:公務(wù)員、學生、企業(yè)人員、工人、農(nóng)民、科研教育人員等。將數(shù)據(jù)計算、整合,為分析做好準備。
三、進行主成分分析和因子分析,得出結(jié)論
定義矩陣: 其中
代表不同的職業(yè)的乘客,
代表不同的出行時間。將數(shù)據(jù)輸入SPSS16.0如下:
對城際高鐵所體現(xiàn)出來的短期旅游優(yōu)勢的定性數(shù)據(jù)進行分析,化為可以和其他乘客訴求和高鐵自身優(yōu)點同時進行運算的指標。
通過AnalyzeData Reduction Factor進行主成分分析,得到方差貢獻率表。表示各個主成分在方差中所占比例的大小,是主成分貢獻大小的標志,也是主成分得以存在的判別基礎(chǔ)。
Total Variance Explained |
||||||
Component |
Initial Eigenvalues |
Extraction Sums of Squared Loadings |
||||
Total |
% of Variance |
Cumulative % |
Total |
% of Variance |
Cumulative % |
|
1 |
2.794 |
69.852 |
69.852 |
2.794 |
69.852 |
69.852 |
2 |
1.180 |
29.509 |
99.361 |
1.180 |
29.509 |
99.361 |
3 |
.025 |
.623 |
99.984 |
|||
4 |
.001 |
.016 |
100.000 |
其中的Initial Eigenvalues是四個指標的主軸長度,是樣品相關(guān)系數(shù)矩陣的特征值。前兩個主成分的積累已達總方差的99%以上,之后的主成分解釋作用微乎其微。
由于在操作的時候選擇的提取主成分的判定準則是特征值大于1,方差貢獻率達到80%以上,即:
故累計的方差貢獻率還可以通過碎石圖判斷出來:
。ㄆ渲锌v軸表示方差貢獻率)
通過載荷矩陣的輸出結(jié)果,可以看出前兩個主成分表示為各個原變量的線性組合的系數(shù),也是主成分和相應(yīng)原變量的相關(guān)系數(shù),相關(guān)系數(shù)越大交通論文,表示主成分對原變量的代表性越強免費論文下載。
Component Matrixa |
||
Component |
||
1 |
2 |
|
工作日 |
.708 |
.699 |
周末 |
.933 |
.347 |
短期假期 |
.938 |
-.344 |
長期假期 |
.736 |
-.673 |
即:
以載荷陣的系數(shù)除以主成分特征值對應(yīng)的平方根即可得到三個主成分中的每個指標對應(yīng)的系數(shù),寫出主成分的表達式:
以相應(yīng)的方差貢獻率在兩個主成分中的總方差貢獻率中的比重為權(quán),得到的結(jié)果作為所需的高鐵短程旅游優(yōu)勢的新變量【4】:
寫出新變量的表達式:
帶入相應(yīng)的的數(shù)據(jù)即可得到新指標的值:
企業(yè)人員 |
193.225 |
學生 |
112.214 |
工人 |
34.413 |
科研教育人員 |
42.831 |
公務(wù)員 |
38.839 |
農(nóng)民 |
29.814 |
于是,與其他高鐵的優(yōu)勢和乘客的訴求合并在一起,得到新的數(shù)據(jù)矩陣:
由于此時量綱已經(jīng)不再完全一致,所以要首先對變量進行標準化處理,再接著進行因子分析。
下表是因子旋轉(zhuǎn)后的載荷陣,可以明顯的看出兩個公共因子將指標分為兩類
列表表示出兩類公共因子:
第一類因子: |
乘客訴求因子 |
價格訴求 |
購票方式訴求 |
||
靈活班次訴求 |
||
車上環(huán)境訴求 |
||
轉(zhuǎn)乘訴求 |
||
周邊設(shè)施訴求 |
||
第二類因子: |
高鐵優(yōu)勢因子 |
速度快 |
短途旅游優(yōu)勢 |
||
班次多 |
||
環(huán)境舒適 |
按照得出的公因子以相應(yīng)的方差貢獻率占總方差貢獻率的比重為權(quán)計算出綜合得分:
得出綜合得分結(jié)果:
身份 |
乘客評價綜合得分 |
企業(yè)人員 |
0.99736 |
學生 |
0.44813 |
工人 |
0.39012 |
科研教育人員 |
-0.42735 |
公務(wù)員 |
-0.59344 |
農(nóng)民 |
-0.81482 |
四、結(jié)果分析
1、各種身份乘客對京津城際高鐵的滿意度差異顯著
從上表可以看出:綜合得分0為平均水平,得分最高的企業(yè)人員比得分最低的農(nóng)民高出1.81218分;除了企業(yè)人員,學生,工人得分為正值,高于平均水平外,其余得分為負值,說明科研教育人員,公務(wù)員,以及農(nóng)民對城際鐵路的服務(wù)評價比其他職業(yè)的乘客低。即使是最低的正值與最高的負值之間的差距也達到了0.817,說明這不同身份和收入群體的乘客的滿意度存在很大的差距和斷層。這也驗證了高鐵的主要乘客為中高收入人群這一調(diào)研結(jié)果。
2、各種身份乘客需求重點不同
各種身份乘客由于對城際高鐵的需求期待重點不同,導致他們對城際高鐵的評價差異很大。從調(diào)查的數(shù)據(jù)顯示,企業(yè)人員對城際高鐵的速度優(yōu)勢以及高鐵帶來的短程旅游優(yōu)勢非?粗兀ㄟ@兩項企業(yè)人員的指標值都比其他身份的乘客高出10至20個百分點),由于這兩個方面的高評價使得企業(yè)人員最后的綜合得分最高;學生乘客群體也相當看重城際高鐵的速度優(yōu)勢,同時由于學生群對購票方式、班次靈活性、零距離轉(zhuǎn)乘、周邊環(huán)境設(shè)施的訴求較低,學生在對城際鐵路評價的綜合得分中排在第二位;對城際高鐵舒適度滿意程度最高的是工人,比其他職業(yè)的乘客高出了大約10個百分點,因此工人在城際高鐵的評價中綜合得分也較高;科研教育人員認為城際高鐵環(huán)境舒適度,列車速度都很高,但他們在城際高鐵售票方式的靈活性以及火車站與城市交通的零距離轉(zhuǎn)乘方面訴求比其他身份的乘客同類訴求高出4到5個百分點,這表明,科研教育人員認為城際鐵路如今售票方式不夠靈活交通論文,不能提高他們的工作效率,且火車站與市內(nèi)交通的無縫對接,比如地鐵的不夠完善,也大大降低了科研教育人員對城際高鐵的滿意度;同樣,公務(wù)員對城際鐵路班次靈活性和零距離轉(zhuǎn)乘的訴求很高,而對城鐵的其他優(yōu)勢滿意度表現(xiàn)一般。兩方面綜合作用下,使得公務(wù)員對城際高鐵綜合評價較低。
3、對城際高鐵發(fā)展的政策建議
目前京津城際高鐵主要面對的消費群體是中高收入人群,因此應(yīng)盡可能增加這類乘客的滿意程度。公務(wù)員和科研教育人員是城際高鐵主要客戶群的組成部分,而他們對城鐵車站與市內(nèi)公交轉(zhuǎn)乘、班次靈活性和購票方式靈活性的滿意程度較低,導致最后的綜合評價不高。在調(diào)研中我們發(fā)現(xiàn),有很多乘客提出應(yīng)該加開往返濱海、塘沽的車次;有些常常乘坐城際高鐵列車的乘客提出發(fā)售月票的建議。對這些建議與訴求的重視與改進,可以提高城際高鐵可持續(xù)發(fā)展的潛力。同時,天津市應(yīng)該加快市內(nèi)交通線的完善建設(shè),與城際高鐵的發(fā)展互相配合,以增加乘客滿意度。
參考文獻:
[1]于秀林,任雪松.多元統(tǒng)計分析[M]. 北京:中國統(tǒng)計出版社,1999(5):154-198
[2]張堯庭.多元統(tǒng)計分析引論.[M]科學出版社.2003
[3]張小蒂.應(yīng)用回歸分析.[M]浙江大學出版社.1991
[4]王文波.數(shù)學建模及其基礎(chǔ)知識詳解.[M]武漢大學出版社.2006
下一篇:污泥干化新工藝略談