原文下載鏈接：http://tecdat.cn/?p=27587

最近我們被客戶要求撰寫(xiě)關(guān)于通勤出行的研究報(bào)告，包括一些圖形和統(tǒng)計(jì)輸出。

某交通工程專(zhuān)業(yè)博士生想要研究不同因素對(duì)通勤交通方式選擇的影響，對(duì)成都兩個(gè)大型小區(qū)（高端和普通）居民分別進(jìn)行了出行調(diào)查，各調(diào)查了300人

其中

Distance：居住地離上班地的距離（公里）

Pincome：個(gè)人年收入（萬(wàn)元）

Hincome：家庭年收入（萬(wàn)元）

Age：年齡

Gender：性別（0：女；1：男）

Car：家庭擁有汽車(chē)的數(shù)量

Education：教育水平（1：初中及以下；2：高中；3：專(zhuān)科；4：本科；5：研究生）

Job：工作類(lèi)型（1：公司職員；2：工廠工人；3：公務(wù)員；4：個(gè)體；5：事業(yè)單位；6：其他）

People：家里人口數(shù)量

Children：家里未成年人數(shù)量

Housing：房屋擁有類(lèi)型（0：租房；1：買(mǎi)房）

Area：房屋居住面積（平方米）

Mode：主要通勤出行方式（1：汽車(chē)；2：公共交通；3：電動(dòng)自行車(chē)；4：其他）

但是小區(qū)的編號(hào)忘記記錄下來(lái)。

任務(wù)：

1. 判斷每個(gè)變量時(shí)數(shù)值型變量還是分類(lèi)型變量，數(shù)組型的計(jì)算其均值和方差，分類(lèi)型的列出每類(lèi)的頻率。

數(shù)值型變量為：

Distance：居住地離上班地的距離（公里）

Pincome：個(gè)人年收入（萬(wàn)元）

Hincome：家庭年收入（萬(wàn)元）

Age：年齡

Car：家庭擁有汽車(chē)的數(shù)量

People：家里人口數(shù)量

Children：家里未成年人數(shù)量

Area：房屋居住面積（平方米）

點(diǎn)擊標(biāo)題查閱往期內(nèi)容

R語(yǔ)言隨機(jī)森林RandomForest、邏輯回歸Logisitc預(yù)測(cè)心臟病數(shù)據(jù)和可視化分析

左右滑動(dòng)查看更多

01

02

03

04

分類(lèi)型變量為：

Gender：性別（0：女；1：男）

Education：教育水平（1：初中及以下；2：高中；3：專(zhuān)科；4：本科；5：研究生）

Job：工作類(lèi)型（1：公司職員；2：工廠工人；3：公務(wù)員；4：個(gè)體；5：事業(yè)單位；6：其他）

Housing：房屋擁有類(lèi)型（0：租房；1：買(mǎi)房）

Mode：主要通勤出行方式（1：汽車(chē)；2：公共交通；3：電動(dòng)自行車(chē)；4：其他）

分類(lèi)型變量為：

Gender：性別（0：女；1：男）

Education：教育水平（1：初中及以下；2：高中；3：專(zhuān)科；4：本科；5：研究生）

Job：工作類(lèi)型（1：公司職員；2：工廠工人；3：公務(wù)員；4：個(gè)體；5：事業(yè)單位；6：其他）

Housing：房屋擁有類(lèi)型（0：租房；1：買(mǎi)房）

Mode：主要通勤出行方式（1：汽車(chē)；2：公共交通；3：電動(dòng)自行車(chē)；4：其他）

1. 判斷每個(gè)受訪者所在的小區(qū)。

根據(jù)居住地距離 ，我們使用kmean聚類(lèi)將樣本分成2個(gè)類(lèi)別，并保存結(jié)果到小區(qū)變量中。

結(jié)果如圖所示。

聚類(lèi)中心結(jié)果如下

每個(gè)樣本的聚類(lèi)信息：?

1. 分析不同小區(qū)居民的平均出行距離、平均家庭收入、年齡分布、性別分布、家庭人口數(shù)和受教育程度有什么區(qū)別嗎？

從均值比較的結(jié)果來(lái)來(lái)看，第1個(gè)類(lèi)別的工作里小區(qū)工作距離較短，第三個(gè)類(lèi)別年齡較小，第一個(gè)小區(qū)家庭人口較大，教育水平第四個(gè)小區(qū)較低。

然后對(duì)不同聚類(lèi)類(lèi)別的數(shù)據(jù)進(jìn)行獨(dú)立樣本t檢驗(yàn)。

由上表中的結(jié)果：distance的sig>0.05，可知：distance無(wú)顯著區(qū)別。

1. 對(duì)每個(gè)小區(qū)分別建模（邏輯回歸和決策樹(shù)），看哪個(gè)模型對(duì)出行方式選擇的擬合更好（比較模型在檢驗(yàn)樣本里的表現(xiàn)，而不是訓(xùn)練樣本），并分析各個(gè)變量如何影響通勤交通方式的選擇。

首先對(duì)1區(qū)的樣本進(jìn)行決策樹(shù)模型

可以看到距離 收入、家庭人口數(shù)和性別對(duì)出行方式有較大的影響，男性出行以電動(dòng)車(chē)為主，女性也有一部分以公交出行為主，從家庭人口數(shù)來(lái)看，大于2人的家庭出行以公交車(chē)為主。

然后使用邏輯回歸進(jìn)行預(yù)測(cè)

由結(jié)果來(lái)看整個(gè)邏輯回歸的表達(dá)式是顯著的；由“似然比檢驗(yàn)”表格可知所有變量的顯著性水平均小于0.05，可知自變量對(duì)于因變量mode都是顯著的；而在參數(shù)估計(jì)中可得，自變量的顯著性水平較低，即這些變量和mode是有關(guān)系的。

對(duì)2區(qū)出行數(shù)據(jù)進(jìn)行決策樹(shù)模型分析

從結(jié)果來(lái)看，決策樹(shù)分類(lèi)模型可以看到區(qū)2的出行方式主要受到距離的影響。若距離較大，則出行方式以汽車(chē)和電瓶車(chē)為主，若距離較小，則以公交車(chē)為主。

對(duì)區(qū)2的出行數(shù)據(jù)進(jìn)行邏輯回歸

由結(jié)果來(lái)看整個(gè)邏輯回歸的表達(dá)式是顯著的；由“似然比檢驗(yàn)”表格可知所有變量的顯著性水平均小于0.05，可知自變量對(duì)于因變量mode都是顯著的；而在參數(shù)估計(jì)中可得，自變量的顯著性水平較低，即這些變量和mode是有關(guān)系的。

點(diǎn)擊文末?“閱讀原文”

獲取全文完整資料。

本文選自《SPSS用K均值聚類(lèi)KMEANS、決策樹(shù)、邏輯回歸和T檢驗(yàn)研究不同因素對(duì)通勤出行交通方式選擇的影響調(diào)查數(shù)據(jù)分析》。

點(diǎn)擊標(biāo)題查閱往期內(nèi)容

數(shù)據(jù)分享|R語(yǔ)言主成分PCA、因子分析、聚類(lèi)對(duì)地區(qū)經(jīng)濟(jì)研究分析重慶市經(jīng)濟(jì)指標(biāo)
數(shù)據(jù)分享|R語(yǔ)言用主成分PCA、?邏輯回歸、決策樹(shù)、隨機(jī)森林分析心臟病數(shù)據(jù)并高維可視化
R語(yǔ)言邏輯回歸logistic模型分析泰坦尼克titanic數(shù)據(jù)集預(yù)測(cè)生還情況R語(yǔ)言是否對(duì)二分連續(xù)變量執(zhí)行邏輯回歸
R語(yǔ)言用lme4多層次（混合效應(yīng)）廣義線性模型（GLM），邏輯回歸分析教育留級(jí)調(diào)查數(shù)據(jù)
R語(yǔ)言隨機(jī)森林RandomForest、邏輯回歸Logisitc預(yù)測(cè)心臟病數(shù)據(jù)和可視化分析
R語(yǔ)言基于Bagging分類(lèi)的邏輯回歸(Logistic Regression)、決策樹(shù)、森林分析心臟病患者
R語(yǔ)言邏輯回歸（Logistic回歸）模型分類(lèi)預(yù)測(cè)病人冠心病風(fēng)險(xiǎn)
R語(yǔ)言用局部加權(quán)回歸(Lowess)對(duì)logistic邏輯回歸診斷和殘差分析R語(yǔ)言用主成分PCA、?邏輯回歸、決策樹(shù)、隨機(jī)森林分析心臟病數(shù)據(jù)并高維可視化
R語(yǔ)言用線性模型進(jìn)行臭氧預(yù)測(cè)：加權(quán)泊松回歸，普通最小二乘，加權(quán)負(fù)二項(xiàng)式模型，多重插補(bǔ)缺失值R語(yǔ)言Bootstrap的嶺回歸和自適應(yīng)LASSO回歸可視化
R語(yǔ)言中回歸和分類(lèi)模型選擇的性能指標(biāo)
R語(yǔ)言多元時(shí)間序列滾動(dòng)預(yù)測(cè)：ARIMA、回歸、ARIMAX模型分析
R語(yǔ)言用lme4多層次（混合效應(yīng)）廣義線性模型（GLM），邏輯回歸分析教育留級(jí)調(diào)查數(shù)據(jù)
R語(yǔ)言計(jì)量經(jīng)濟(jì)學(xué)：虛擬變量(啞變量)在線性回歸模型中的應(yīng)用
R語(yǔ)言 線性混合效應(yīng)模型實(shí)戰(zhàn)案例
R語(yǔ)言混合效應(yīng)邏輯回歸（mixed effects logistic）模型分析肺癌數(shù)據(jù)
R語(yǔ)言如何用潛類(lèi)別混合效應(yīng)模型（LCMM）分析抑郁癥狀
R語(yǔ)言基于copula的貝葉斯分層混合模型的診斷準(zhǔn)確性研究
R語(yǔ)言建立和可視化混合效應(yīng)模型mixed effect model
R語(yǔ)言LME4混合效應(yīng)模型研究教師的受歡迎程度
R語(yǔ)言 線性混合效應(yīng)模型實(shí)戰(zhàn)案例
R語(yǔ)言用Rshiny探索lme4廣義線性混合模型（GLMM）和線性混合模型（LMM）
R語(yǔ)言基于copula的貝葉斯分層混合模型的診斷準(zhǔn)確性研究
R語(yǔ)言如何解決線性混合模型中畸形擬合(Singular fit)的問(wèn)題
基于R語(yǔ)言的lmer混合線性回歸模型
R語(yǔ)言用WinBUGS 軟件對(duì)學(xué)術(shù)能力測(cè)驗(yàn)建立層次（分層）貝葉斯模型
R語(yǔ)言分層線性模型案例
R語(yǔ)言用WinBUGS 軟件對(duì)學(xué)術(shù)能力測(cè)驗(yàn)（SAT）建立分層模型
使用SAS，Stata，HLM，R，SPSS和Mplus的分層線性模型HLM
R語(yǔ)言用WinBUGS 軟件對(duì)學(xué)術(shù)能力測(cè)驗(yàn)建立層次（分層）貝葉斯模型
SPSS中的多層（等級(jí)）線性模型Multilevel linear models研究整容手術(shù)數(shù)據(jù)
用SPSS估計(jì)HLM多層（層次）線性模型模型R語(yǔ)言高維數(shù)據(jù)的主成分pca、 t-SNE算法降維與可視化分析案例報(bào)告
R語(yǔ)言懲罰logistic邏輯回歸（LASSO,嶺回歸）高維變量選擇的分類(lèi)模型案例
R語(yǔ)言有RStan的多維驗(yàn)證性因子分析（CFA）
主成分分析(PCA)原理及R語(yǔ)言實(shí)現(xiàn)及分析實(shí)例
R語(yǔ)言無(wú)監(jiān)督學(xué)習(xí)：PCA主成分分析可視化
R語(yǔ)言使用Metropolis- Hasting抽樣算法進(jìn)行邏輯回歸
R語(yǔ)言多元Logistic邏輯回歸 應(yīng)用案例
R語(yǔ)言自適應(yīng)LASSO 多項(xiàng)式回歸、二元邏輯回歸和嶺回歸應(yīng)用分析
R語(yǔ)言用邏輯回歸、決策樹(shù)和隨機(jī)森林對(duì)信貸數(shù)據(jù)集進(jìn)行分類(lèi)預(yù)測(cè)
R語(yǔ)言基于樹(shù)的方法：決策樹(shù)，隨機(jī)森林，Bagging，增強(qiáng)樹(shù)
spss modeler用決策樹(shù)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)ST的股票
R語(yǔ)言中自編基尼系數(shù)的CART回歸決策樹(shù)的實(shí)現(xiàn)
python在Scikit-learn中用決策樹(shù)和隨機(jī)森林預(yù)測(cè)NBA獲勝者
matlab使用分位數(shù)隨機(jī)森林（QRF）回歸樹(shù)檢測(cè)異常值
基于隨機(jī)森林、svm、CNN機(jī)器學(xué)習(xí)的風(fēng)控欺詐識(shí)別模型
R語(yǔ)言懲罰logistic邏輯回歸（LASSO,嶺回歸）高維變量選擇的分類(lèi)模型案例
R語(yǔ)言用標(biāo)準(zhǔn)最小二乘OLS，廣義相加模型GAM?，樣條函數(shù)進(jìn)行邏輯回歸LOGISTIC分