多元标准决策方法.docxVIP

公共政策学 课程作业 题目：多元标准决策方法 班级：行政管理02班 姓名：郑志林 学号旅游决策的多元因素分析 通过分析北京、天津、河北、山西、辽宁、吉林、上海、江苏、浙江等多个地区的基本设施建设投资、消费价格指数、公共交通人数、AAAA级旅游景点数、住宿、餐饮业服务人数、接待入境旅游人数、旅游外汇收入、园林、绿地面积等8个因素对各地区旅游业发展的影响程度，来对各地乃至全国的的旅游产业发展提供有益的参考。 随着社会的发展,旅游业已成为全球经济发展中势头最强劲和规模最大的产业之一,日益凸显它在国民经济中的重要地位。作为新兴消费热点行业之一的旅游行业,在我国将迎来巨大的发展机遇,很多省区和重要城市都把旅游业作为支柱行业和重点行业来发展,由此,旅游业的分析与决策也显得至关重要。 统计学作为一门对数据分析、研究的学科，其分析方法已逐渐渗透到社会的各个行业,如经济、金融、医学、保险、旅游等。随着我国的改革开放与繁荣发展,各地区旅游人数逐年增多，如何办好并加快发展旅游业是我们面临的一个课题。 本文利用2006年《中国统计年鉴》中天津、河北、山西、辽宁、吉林、上海、江苏、浙江、安徽、福建等11个地区的基本设施建设投资、消费价格指数、公共交通人数、AAAA级旅游景点数、住宿、餐饮业服务人数、接待入境旅游人数、旅游外汇收入、园林、绿地面积等数据资料,结合专业统计方法对之进行了统计分析，并对统计结果做出了合理解释，从中得出了一些有益结论，这对于管理者做出科学、合理的决策具有重要的指导意义。 一、数据来源 通过查阅2006年《中国旅游统计年鉴》,得到2005年了北京、天津等11个地区的基本设施建设投资(万元)、消费价格指数、公共交通人数(万人次)、AAAA级旅游景点数(个)、住宿、餐饮业服务人数(万人次)、接待入境旅游人数(万人次)、旅游外汇收入(百万美元)、园林、绿地面积(公顷)等8项指标（见表1）。 表1中 X1代表基本设施建设投资(万元), X2 代表消费价格指数, X3 代表公共交通人数(万人次), X4 代表AAAA级旅游景点数(个), X5代表住宿、餐饮业服务人数(万人次), X6代表接待入境旅游人数(万人次), X7 代表旅游外汇收入(百万美元), X8 代表园林、绿地面积(公顷). 表1： 地区 X1 X2 X3 X4 X5 X6 X7 X8 北京 844269.0 99.70 525606.0 83 20.40 311.62 3619.00 3619.00 天津 732323.0 99.90 90191.00 83 2.20 67.46 509.00 15740.70 河北 735846.0 101.10 99412.00 95 5.00 57.39 209.00 44847.60 山西 505365.0 100.30 71205.00 92 3.90 25.40 116.00 19316.90 辽宁 1268402 100.10 321555.0 49 3.90 111.11 738.00 74583.30 吉林 504908.0 101.10 105139.0 59 3.90 30.68 120.00 26863.60 上海 3692060 99.40 337496.0 87 4.60 379.93 3556.00 28704.30 江苏 1537082 100.30 284117.0 48 7.80 262.15 2260.00 189069.8 浙江 924118.0 100.90 226740.0 70 9.30 232.92 1716.00 56871.70 安徽 641160.0 100.60 139661.0 52 2.50 41.06 186.00 41896.10 福建 489241.0 100.60 149465.0 30 4.70 72.36 1305.00 27153.40 二、主成分分析原理及其数学模型 主成分分析的目的在于利用P个原始变量(X1, X2,……, Xp)构造少数几个新的综合变量,使得新变量为原始变量的线性组合,新变量互不相关,新变量包含P个原始变量的绝大部分信息。这样定义X1，X2，……Xp为原变量指标,Z1，Z2……Zm（m＜p）为新的综合变量指标,每一个新的综合变量指标是P个原始变量的线性组合: 三、利用主成分对数据进行分析 1.首先原始数据标准化 2. 利用SPSS12.0 软件[3]运行此过程结果见表 3. 计算各变量的相关矩阵 计算得到 将这8个变量的标准化值导入做主成分分析[4],根据输出的特征值及方差贡献率,按照85 ％的信息量选取主成分,可以选出3个主成分（见表3）,分别表示为Z1,Z2,Z3； 各主成分载荷矩阵见下表4： 从主成分