辽宁省消费者购房意向调查问卷分析

专业领域/方向：会计硕士

适用课程：《管理统计学》

编写目的：本案例的编写旨在引导学员关注对统计数据如何整理与分析，并得出结论的过程。通过本案例的讲解与讨论，培养学生的统计思维和数据分析的能力；加深理解图表展示数据的规范要求、描述统计和推断统计方法的使用场合；掌握利用SPSS软件和Excel工具对于数据进行统计分析的方法；引导学员根据自身的研究方向，针对管理活动或会计实践活动中的问题，选择合适的统计分析方法，正确运用管理统计学的理论和知识解决实际问题。

知识点：统计数据整理与分析中涉及的概念和方法

关键词：消费者、购房意向、调查问卷、描述统计、数据分析

中文摘要：2016年2月，为了解辽宁省消费者购房意向，课题组对省内14个城市进行了实地和在线相结合的问卷调查。经统计分析，基本把握了辽宁省消费者整体及分城市的购房意向，找出了影响消费者购房意向的主要因素，了解了消费者对辽宁省房地产业发展的认识，并从消费者的角度给政府和房地产企业提出了促进辽宁省房地产业发展的建议。

英文摘要：In February 2016, in order to understand the intention of consumers to buy houses in Liaoning Province, the research team conducted a questionnaire survey in 14 cities in Liaoning Province, which was a combination of field and online. Through statistical analysis, this paper basically grasps the purchase intention of consumers in Liaoning Province as a whole and in different cities, finds out the main factors affecting the purchase intention of consumers, understands consumers' understanding of the development of the real estate industry in Liaoning Province, and puts forward suggestions for the government and real estate enterprises to promote the development of the real estate industry in Liaoning Province from the perspective of consumers.

辽宁省消费者购房意向调查问卷分析

“十三五”初年，房地产业再次成为全社会关注的焦点和热点。相对于一线城市和部分发达二线城市楼市的火爆，三四线城市整体房价的萎靡与去库存压力倍增。辽宁省的楼市库存如何？消费者的购房意向如何？等问题引起了我们的关注。沈阳建筑大学商学院（现管理学院）房地产研究所受辽宁省社科联的委托，对辽宁省14个城市采用实地和在线相结合方式进行了辽宁省消费者购房意向问卷调查，以期为辽宁省政府部门制定房地产业相关政策、为房地产企业了解市场需求提供客观依据。

一、背景介绍

房地产行业是国民经济的重要组成部分，在一个国家和地区国民经济中，房地产行业有着重要的地位和作用。近年来，我国房地产市场迅猛发展，建筑存量大幅增加，有效解决了部分市场需求，提升了城镇居民住房水平，推动了经济发展，为地方财政收入提供了巨大支撑，促进了城市化进程和城市发展，房地产市场相关制度建设也稳步推进。

2013年，“宏观稳、微观活”成为房地产政策的关键词，全国整体调控基调贯彻始终，不同城市政策导向出现分化。年初“国五条”及各地细则出台，继续坚持调控不动摇，“有保有压”方向明确。2013年下半年，新一届政府着力建立健全长效机制、维持宏观政策稳定，十八届三中全会将政府工作重心明确为全面深化改革，不动产登记、保障房建设等长效机制工作继续推进，而限购、限贷等调控政策更多交由地方政府决策。不同城市由于市场走势分化，政策取向各有不同。

自2014年起，我国房地产市场进入调整期，投资增速回落，销售出现负增长。2015年，面对国内宏观经济存在的持续下行压力，政府出台了一系列稳定经济增长的政策措施。其中，针对房地产市场也出台了一系列利好的政策，如降低首付款比例、下调金融机构存贷款利率、降低公积金贷款门槛、提供购房补贴等。在这些政策的刺激下，房地产市场出现积极变化，全国房地产景气指数虽有所回升，但整体保持低位运行。二季度起，房屋销售形势明显好转，但在房屋库存高企的大背景下，出于对市场中长期前景担忧的影响，投资增速持续保持回落，土地购置意向和新开工意愿仍然偏弱。2015年11月开始，从中央财经领导小组会议到中共中央政治局会议，再到中央经济工作会议，短短两个月内，“化解房地产库存”连续出现在中央三个高层会议中，这体现了中央对去库存的高度重视。特别是中央经济工作会议，针对去库存还给出了具体的实现路径。

随着中央经济工作会议将“去库存”作为2016年经济工作的一项重要任务，“去库存”将成为各级政府调控房地产市场的重要基调。预计稳定和促进房地产市场发展的政策仍将会在2016年陆续出台，房地产市场的整体政策环境将会更加宽松。随着这些措施的出台，预计2016年房地产市场的销售形势会继续回暖，“去库存”进程有所加快，这将有助于房地产市场早日实现出清，市场将重新寻求新的平衡。

在这样的大背景下，为了了解辽宁省房地产业发展现状与趋势，课题组承担了辽宁省社科联的《辽宁省房地产未来发展问题研究》重点课题，“辽宁消费者购房意向问卷调查”是课题的一个重要组成部分。

二、调查问卷的信度和效度分析

本次消费者购房意向调查共发放问卷1600份，回收问卷1507份，41份无效，有效问卷1466份，有效率为97.28%。本次问卷调查共设计了32个相关问题，涉及消费者个人基本信息（9个）、目前居住情况（5个）、购房意向（13个）和对辽宁省房地产业发展的认识（5个）四个方面内容。本案例是对涉及32个问题的1466份问卷数据，运用SPSS和Excel进行的统计分析。（因案例篇幅所限，对有关内容有所删减）。

（一）信度分析

表2-1 Reliability Statistics
Cronbach's Alpha	Cronbach's Alpha Based on Standardized Items	N of Items
.843	.783	60

信度分析使用最常用的Alpha信度系数，主要考虑量表的全部信度，即项目之间是否具有较高的内在一致性。本分析使用SPSS17.0，把问卷全部题目数据选中，得出相关维度的信度结果如下：

从表2-1的结果可看出，消费者问卷的信度系数为0.843，问卷信度良好。

（二）效度分析

效度分析采用结构效度的因子分析法，进行问卷全部题目数据进行分析，同样使用SPSS17.0得到的结果如下：

表2-2 KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.		.906
Bartlett's Test of Sphericity	Approx. Chi-Square	28218.199
	df	1770
	Sig.	.000

从表2-2计算可看出，消费者问卷的KMO值为0.906，远大于标准值0.7，Bartlett的球形度检验Sig.的值小于0.05，说明问卷的结构效度良好。

三、数据整理及描述性分析

（一）消费者基本信息分析

1.消费者来源、性别和户籍类型

对全部消费者调查问卷的基本情况进行汇总得到如下表3-1的数据。

表3-1消费者来源、性别和户籍类型情况分布表

城市	城镇			乡村			合计	比重（%）
	男	女	小计	男	女	小计
鞍山	38	38	76	13	10	23	99	6.75
本溪	18	25	43	8	6	14	57	3.89
朝阳	21	18	39	15	8	23	62	4.23
大连	55	58	113	8	12	20	133	9.07
丹东	25	31	56	7	10	17	73	4.98
抚顺	15	25	40	6	12	18	58	3.96
阜新	19	29	48	10	6	16	64	4.37
葫芦岛	19	33	52	5	9	14	66	4.50
锦州	22	16	38	4	7	11	49	3.34
辽阳	29	54	83	5	15	20	103	7.03
盘锦	26	29	55	8	17	25	80	5.46
沈阳	131	271	402	33	38	71	473	32.26
铁岭	25	40	65	6	11	17	82	5.59
营口	19	21	40	6	21	27	67	4.57
合计	462	688	1150	134	182	316	1466	100.00
比重（%）	31.51	46.93	78.44	9.14	12.42	21.56	100.00	——

从表3-1可看出，接受调查的1466名消费者分布于14个城市，其中沈阳占比最多，为32.3%；城镇多于乡村，城镇占78.44%，乡村占21.56%；女性多于男性，女性占59.35%，男性占40.65%。

2.消费者年龄构成

从图3-1消费者年龄构成来看，25岁以下和26~35岁的消费者最多且数量接近，占比超过30%，36~45岁的总占比24.7%，46岁以上的只占13.3%。

图3-1消费者年龄构成

3.家庭每月总收入分布

图3-2家庭总收入方面，3001元到6000元的家庭收入最多，占到了总体比例的40.59%。3000元以下和6001元到9000元的比例相当，大约为20.5%。辽宁省平均家庭每月收入6038.88元，标准差3945.94元，月收入差异较大。总体在95%的置信水平下家庭月平均收入的置信区间为5836.82～6240.94元之间，收入不高。

图3-2消费者家庭每月总收入构成

（二）消费者目前居住情况分析

1.目前的居住状态

从图3-3可看出，有51.09%消费者拥有一套房产自住，有31.51%的消费者没有房产，17.39%的消费者拥有二套及以上房产。

图3-3消费者的目前居住状态

2.现在的住房面积

从图3-4消费者住房面积按占比排序依次为：61~90m²的最多，占32.54%，91~120m²的占28.72%，60m²以下和121~150m²占比接近，分别为14.12%和13.78%，151m²以上的占比很少。经计算，消费者的平均住房面积为99.13平方米，标准差39.23平方米。总体在95%的置信水平下平均住房面积的置信区间为97.12~101.14平方米之间。

图3-4消费者现在的住房面积分布

（三）消费者购房意向分析

1.消费者购房需求情况分析

从消费者整体来看，调查的1466为消费者中有840人没有住房需求，占到调查样本量的57.3%，有住房需求的626人，占到调查样本量的42.7%。

从所在地区来看，消费者在被问及“是否有购房需求”时，14个城市消费者购房需求之间还是存在差异的。按购房需求将14个城市从高到低排序如图3-5所示：朝阳（53.23%）、葫芦岛（53.03%）和丹东（52.05%）有购房需求的消费者超过50%；营口（49.29%）、本溪（49.12%）、辽阳（48.54%）、抚顺（44.83%）、铁岭（43.90%）、大连（42.86%）和沈阳（42.71%）表示有购房需求的消费者在50%~40%之间；阜新（39.06%）、鞍山（33.33%）、盘锦（26.25%）和锦州（18.37%）表示有购房需求都低于40%。需求最低的锦州与最高的朝阳相差34.86个百分点。

图3-5各城市消费者购房需求构成图

2.消费者购房的主要目的分析

消费者购房的主要目的是多选题（从中选1-3项），有1462人对选项中作了回答，缺失值为4。从表3-2的结果分析可看出，有31.3%的消费者选择改善居住环境、换较大的房子居住，即改善性需求最多；接下来依次为：刚性居住需求(首次置业、结婚用房)占22.9%，为父母等购买养老住房占14.9%；而收取租金做长线投资（9.2%）、做短线投资(短线出售获利)（8.1%）和从异地到此定居7.9%三个目的的占比较接近；原来居住的房子面临拆迁和其他占比较少。

表3-2消费者购房的主要目的

购房主要目的	Responses		Percent of Cases
	N	Percent
A.刚性居住需求(首次置业、结婚用房)	618	22.9%	42.3%
B.为父母等购买养老住房	401	14.9%	27.4%
C.改善居住环境、换较大的房子居住	842	31.3%	57.6%
D.做短线投资(短线出售获利)	217	8.1%	14.8%
E.收取租金做长线投资	247	9.2%	16.9%
F.从异地到此定居	212	7.9%	14.5%
G.原来居住的房子面临拆迁	104	3.9%	7.1%
H.其他	52	1.9%	3.6%
Total	2693	100.0%	184.2%

3.消费者购房的考虑的因素分析

从表3-3的消费者购房的影响因素描述统计量来看，各因素的平均值在3.1~3.76分之间，标准差在1.4分左右。考虑前三位的依次是区位地段、价格和房屋质量；后三位的依次是商业配套、装修状况和节能环保，其余的因素处于中等考虑。

表3-3消费者购房时考虑的影响因素排序表

购房时考虑的因素	Mean	Std. Deviation	排序
区位地段	3.76	1.493	1
价格	3.70	1.433	2
房屋质量	3.70	1.500	3
户型结构	3.58	1.435	4
交通便利程度	3.54	1.454	5
物业服务	3.51	1.430	6
小区规划设计	3.44	1.373	7
是否学区	3.36	1.407	8
邻居素质	3.35	1.398	9
建筑类型	3.33	1.340	10
开发商实力	3.33	1.386	11
保值增值	3.33	1.400	12
社区配套	3.33	1.407	13
商业配套	3.31	1.359	14
装修状况	3.23	1.424	15
节能环保	3.21	1.419	16

图3-6消费者购房时考虑的影响因素的雷达图

4.省内各市消费者可接受的购房单价分析

由图3-7可以看出，在各个城市调查样本中，能接受的住宅单价范围以单价4001元/㎡~6000元/㎡居多，个别城市如：葫芦岛、铁岭和营口住宅单价在4000元/㎡以下居多，但营口10001~12000元/㎡的还占17.9%，说明营口人均收入差异较大。大连百姓可接受的住宅单价范围主要集中于4001~6000元/㎡，但6001~10000元/㎡也占到了34%的比例，沈阳百姓可接受的价格在4001~6000元/㎡和6001~8000元/㎡的比例分别为39.9%和26.8%。

图3-7不同城市消费者可接受单价结构图

从不同城市消费者可接受的均价排序图3-8可看出，辽宁省城市可接受的全省均价为5564.8元/㎡，大连最高，可接受的均价为6864元/㎡，而根据搜房网的数据大连新房2月均价为10084元/㎡；葫芦岛最低，只有4424.2元/㎡，两者相差2440.4元/㎡。大连、沈阳、营口、抚顺和锦州5个城市可接受均价都高于全省均价，其他9个城市可接受均价低于全省均价。

图3-8不同城市消费者可接受的均价排序图

（四）对房地产业发展的认识

本部分其中的一个问题是：消费者对一年内所在城市房价走势的判断。从被访者整体看，近3成判断稳步上涨，近4成判断保持稳定。

从图3-9看，辽宁省各城市消费者对一年内所在城市房价走势判断的分布形态是不同的。判断稳步上涨最多的有6个城市，按占比大小依次排序有：锦州、辽阳、本溪、大连、抚顺和阜新，其他8个城市判断保持稳定的占比最大。

图3-9消费者对一年内所在城市房价走势的判断比较图

四、变量间关系的推断统计分析

（一）基本信息对消费者购房需求的影响分析

1.消费者基本情况对购房需求的影响

通过对购房需求与消费者基本情况进行

χ²独立性检验，得到与购房需求相关的是所在地区（χ²=36.630，Asymp. Sig. (2-sided)=0.000；Cramer's V=0.158，Approx. Sig=0.000）和户籍类型（χ²=4.255，Asymp. Sig. (2-sided)=0.039；Cramer's V=0.054，Approx. Sig=0.039），且与所在地区的相关性更强。购房需求与性别、年龄、文化程度、职业、月家庭收入、出行方式和通勤时长等因素的相关性不显著（省略）。

购房需求在所在地区的差异性可从前面图3-5的分析中看出。

从户籍类型来看，消费者乡村户籍中有购房需求的占比（47.8%）高于城镇户籍中有购房需求的占比（41.3%），说明乡村消费者比城镇消费者购房意向更强一些。

图4-1不同户籍类型的消费者购房需求结构比较

2.消费者目前居住情况对购房需求的影响

通过对消费者购房需求与目前居住情况的χ²独立性检验表4-2可看出，消费者购房需求与目前居住情况各项目都有显著相关性。相关程度依次排序为住房来源、现住房面积、现住房户型、现住房状态和与家人居住情况。

表4-2购房需求与目前居住状况的

χ²检验表

目前居住状况项目	Pearson Chi-Square Value	df	Asymp. Sig. (2-sided)	Cramer's V Value	Approx. Sig.
居住状态	35.711	2	.000	.156	.000
与家人居住情况	16.371	7	.022	.106	.022
现住房户型	39.133	5	.000	.163	.000
现住房面积	48.900	5	.000	.183	.000
住房来源	61.435	7	.000	.205	.000

从住房来源举例来看，有迫切购房需求的是现住租赁房（68.3%）的消费者，因为他们还没有自己的住房；其次为回迁房（58%）和单位福利房（53.8%）的消费者，这两种住房房屋年代久远或面积小，整体条件稍差，从而影响消费者的居住质量；再次为二手房（45.5%）和其他（44.4%）的消费者也对购房有较高的需求；对现居住商品房（37.4%）和经济适用房（36.6%）也有一定的需求；购房需求最低的是自建私有房（33.0%）的消费者，即大部分自建私有房更能满足自身需求。从住房来源看，购房需求以刚性居住需求为主。

通过分析（其他项目分析省略），消费者购房需求与目前居住情况密切相关，现住租赁房、回迁房和单位福利房的，住房面积小的，现居住户型为一室一厅的，没有房产的，“单亲和老人、孩子”的消费者成为住房的相对刚性需求者，其他消费者则大多为改善性需求者。消费者比较理想的住房面积为91~120m²，比较理想的户型为两室两厅。

（二）有购房意向的消费者购房所考虑的因素分析

1.购房类型的选择分析

从被调查的消费者来看，打算买新房的占71.3%，买二手房的占28.7%，即消费者更倾向购买新房。通过对有购房需求的消费者与购房类型的χ²独立性检验（χ²=20.473，Asymp. Sig. (2-sided)=0.000；Cramer's V=0.118，Approx. Sig=0.000）可看出，二者有显著相关性。有购房需求且购买新房的消费者占77.5%。

2.购房面积的选择分析

从表4-3可看出，被调查的消费者打算购买91~120m²的占36.8%，买61~90m²的占32.7%，买121~150m²的占14.1%，这三种面积累计占了73.6%，其他占比较少。消费者的购房需求与意向购房面积的χ²独立性检验有显著相关性。

表4-3消费者购房需求与意向购房面积的列联表

			意向购房面积（m2）						Total
			60以下	61~90	91~120	121~150	151~180	181以上
是否有购房需求	有	Count	42	208	234	83	33	26	626
		% within	6.7%	33.2%	37.4%	13.3%	5.3%	4.2%	100.0%
		% of Total	2.9%	14.2%	16.0%	5.7%	2.3%	1.8%	42.7%
	没有	Count	57	271	305	123	38	46	840
		% within	6.8%	32.3%	36.3%	14.6%	4.5%	5.5%	100.0%
		% of Total	3.9%	18.5%	20.8%	8.4%	2.6%	3.1%	57.3%
Total		Count	99	479	539	206	71	72	1466
		% within	6.8%	32.7%	36.8%	14.1%	4.8%	4.9%	100.0%
		% of Total	6.8%	32.7%	36.8%	14.1%	4.8%	4.9%	100.0%

五、消费者购房考虑因素的因子分析

为了对购房时考虑的影响因素找出其中的重要因素，对评价项目进行因子分析提取主成分。通过前面效度分析得的KMO值为0.963，远大于标准值0.7，Bartlett的球形度检验Sig的值小于0.05，说明可以进行因子分析。

表5-1因子解释原有变量总方差的情况

Component	Initial Eigenvalues			Extraction Sums of Squared Loadings			Rotation Sums of Squared Loadings
	Total	% of Variance	Cumulative %	Total	% of Variance	Cumulative %	Total	% of Variance	Cumulative %
1	9.280	58.000	58.000	9.280	58.000	58.000	5.593	34.959	34.959
2	1.051	6.571	64.571	1.051	6.571	64.571	4.738	29.612	64.571
3	.796	4.973	69.543
…
16	.181	1.132	100.000
Extraction Method: Principal Component Analysis.

图5-1碎石图

由表5-1可看出，根据特征值大于1的提取原则，从多个变量中可以提取出2个公因子，它们的方差贡献率分别为58.000%和6.571%，累计方差贡献率为64.571%。通过方差最大法进行因子正交旋转后，发现这两个因子的累积方差贡献率并没有改变，表明旋转后原有变量的共同度没有被影响，但是各个因子对原有变量解释的方差被重新分配了，各因子的方差贡献率发生了改变，这样使得因子更易于解释。透过结果来看，因子正交旋转之后，满足条件的前两个因子的方差贡献率差距有所减少。总体上，前两个因子对原有变量的贡献较大，而其他因子的特征根很小，对解释原有变量的贡献较小，因而提取2个因子是合适的。通过观察图5-1因子碎石图也可确定选取的因子个数为2。

表5-2消费者购房时考虑的影响因素旋转后的因子载荷矩阵

	Component
	购房辅助信息	购房基本信息
社区配套	.773
节能环保	.748
商业配套	.748
邻居素质	.742
开发商实力	.717
保值增值	.715
物业服务	.617
小区规划设计	.580
建筑类型（高层或多层）	.540
装修状况	.535
是否学区	.526
价格		.835
区位地段		.825
房屋质量		.818
户型结构（朝向、面积、楼层等）		.742
交通便利程度		.686
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.

用方差最大正交旋转法对因子进行旋转，通过表5-2旋转后的因子载荷矩阵可看出，第一公因子在社区配套、节能环保、商业配套、邻居素质、开发商实力、保值增值、物业服务、小区规划设计、建筑类型（高层或多层）、装修状况、是否学区上有较大载荷，根据实际意义可命名为购房附加信息因子。第二公因子在价格、区位地段、房屋质量、户型结构（朝向、面积、楼层等）、交通便利程度上有较大载荷，根据实际意义可命名为购房基本信息因子。与旋转前相比，因子含义较清晰。通过绘制两因子的协方差矩阵表看出两因子没有线性相关性，实现了因子分析的目标。

六、案例分析结论与建议

1.分析结论

（1）整体来看，辽宁省14个城市购房意向存在差异，一半城市需求尚好，一半城市略显不足；消费者购房意向乡村略高于城镇；有购房意向且在一年内购房的不多；且三分之一的消费者认为所在城市库存严重，故短期内辽宁省各市房地产去库存有一定的压力。

（2）辽宁消费者购房以改善性住房需求为主,刚性需求为辅，但养老地产需求不容忽视；消费者购房面积和户型的选择与消费者购房目的有显著相关性。

（3）消费者购房较关注房地产企业的品牌形象和专业开发能力；侧重区位地段、价格、房屋质量等房屋基本因素；作为消费者购房重点关注的价格因素与其家庭月收入显著相关。

（4）“二孩政策”对目前有购房意向者有显著影响；现行去库存政策中的“降低公积金贷款购房首付比例”最有效。

2.对政府调控和房地产企业的建议（简化）

（1）对政府调控的建议

根据辽宁省各城市消费者的购房意向，因城施策去库存。政策鼓励购买养老住房，引领“以房养老”的理念。完善购房落户政策，加大对农民工等弱势群体购房的政策支持力度。改善公积金贷款制度，提高住房公积金的使用效率。

（2）对房地产企业的建议

以消费者需求为导向，搞好房地产开发与供给。转变经营模式，调整营销策略，提高综合服务水平。

七、参考资料

1.张泓铭.“对中国房地产（商品住房）十年调控的评价”问卷答案统计.[J]中国房地产,2013.8

2.中国指数研究院,中国房地产指数系统.未来五年（2016-2020）中国房地产市场趋势展望,[研究报告],2015.12

3.林建永,薛艳杰,于辉.房地产业及其调控:微观经济学分析[J]理论探索,2008年第2期(总第170期)

4.王蒙.当前紧缩货币政策对房地产行业的影响——基于生产函数视角[J]

商业文化，2011.6

八、讨论题目

1.如何对调查问卷进行信度与效度分析？

2.分析本案例中用到了哪些图表？图表绘制有哪些规范性要求？

3.本案例中用到了哪些描述性统计量？这些统计量如何计算？并说明其特点和应用场合。

4.分析本案例中用到的分类变量推断方法是什么？它的计算方法和注意事项有哪些？

5.你对因子分析方法如何认识？本案例中它如何应用的？

辽宁消费者购房意向调查问卷分析

案例说明书

一、本案例要解决的关键问题

本案例要实现的教学目标在于：引导学生系统了解统计数据整理和分析的方法及分析后得出结论的过程。通过本案例的讲解与讨论，培养学生的统计思维和数据分析的能力；加深理解对数据进行图表展示的规范化要求，掌握描述统计和推断统计方法的应用场合；掌握利用SPSS和Excel软件进行数据整理和分析的方法；引导学员根据自身的研究方向，正确运用管理统计学的理论，选择合适的统计分析方法解决实际问题。

二、案例讨论的准备工作

为了更好地实现教学目的，解决的关键问题，学员应该具备下列相关知识背景：

（一）理论背景

具备数据整理和分析理论和方法的统计学相关知识。对数据的计量层次和数据的类型充分理解后，对问卷数据的变量类型进一步认识，从而做出统计方法的合理选择。

（二）行业背景

房地产行业的特点和发展历程，国家对房地产行业的调控政策系统梳理，特别是案例节点的背景资料，对从消费者角度购房应考虑的因素等。

（三）技术背景

熟悉电脑操作，具备熟练操作SPSS和Excel软件进行数据整理和分析的能力，并能对软件的结果加以必要的修改完善，使其符合规范要求。

三、案例分析要点

（一）需要学员识别的关键问题

本案例为问卷调查数据，以定性数据为主，重点侧重定性数据的整理和分析是需解决的关键问题。即如何对定性数据进行图表展示，分类变量的描述统计和推断统计方法；应充分利用SPSS和Excel软件进行定性数据的整理和分析等。

（二）解决问题的可供选择的方法及其评价

1、为何对定性数据进行统计分析

当你获得了问卷调查的数据，这些数据的质量如何？如何对其进行分析?当你获得了问卷数据，如何知道全省消费者的购房意向?要回答这些问题，首先需要弄清楚你要用这些数据做什么?你关心这些数据的哪些特征?一堆杂乱的数据看不出它有什么特征，也很难用它说明问题。当你把这些数据用图形展示出来或计算出它们的平均数，就可能有令人惊喜的发现。本案例介绍的用图表和统计量看数据会告诉你怎样对数据做初步的描述性分析。

2、用图表描述数据的方法

将问卷调查得到的数据汇总在一张表格里面，用它来看一组数据的分布状况，这就是频数分布表。当然，你也可以把数据画成图，通过图形来看数据的分布。本案例侧重点是用图表展示定性数据的方法。定性数据包括类别数据和顺序数据，它们的图表展示方法基本相同，可以用频数分布表和图形来描述。

（1）编制频数分布表

将各个类别列出来并给出各类别的数据个数，就得到一张频数分布表。也可以将一个变量放在行的位置，另一个变量放在列的位置，这种由两个变量交叉分类的频数分布表称为列联表，也称交叉表。通过频数分布表可以看出不同类型数据的分布状况，一组数据的分布包含了很多有用的信息。

（2）绘制图形看数据

将频数分布绘制图形来看数据的分布会更直观和形象。定性数据的常用图示方法主要有条形图(或称柱形图)、饼图、环形图等。条形图(或称柱形图)是用宽度相同的条形来表示数据多少的图形，用于观察不同类别频数的多少或分布状况。绘制时，各类别可以放在纵轴（即为柱形图），也可以放在横轴（即为条形图）。条形图根据需要可以绘制成单式条形图、复式条形图和帕累托图。复式条形图便于多类别的比较；帕累托图是按各类别出现的频数多少排序后绘制的条形图，通过对条形的排序，容易看出哪类频数出现的多，哪类出现的少。饼图主要用于表示一个样本 （或总体）中各组成部分的数据占全部数据的比例，对于研究结构性问题十分有用。环形图则可以同时绘制多个样本的数据系列，每一个样本的数据系列为一个环。因此环形图可显示多个样本各部分所占的相应比例，从而有利于进行比较研究。

定性数据的图示方法基本上都适用于定量数据。此外，定量数据还有一些特定的图示方法，它们并不适用于定性数据。定量数据的图示方法主要有：观察数据分布的直方图、茎叶图、箱线图、垂线图、误差图等；观察各变量之间关系的主要是散点图；比较多个样本在多个变量上的相似性的有雷达图、轮廓图等。制作定量数据的频数分布表和图形本案例涉及不多，不再赘述。

3.用统计量描述数据方法

利用图表可以对数据分布的形状和特征有一个大致的了解。但要更详细分析数据的特征，还需要用相应的统计量进行描述。数据分布的特征可以从三个方面进行描述：一是数据的水平，反映数据的集中程度；二是数据的差异，反映各数据的离散程度；三是分布的形状，反映数据分布的偏态和峰态。应熟练掌握各描述统计量的计算方法、特点及其应用场合，定性数据应关注前两个方面特征。

（1）数据的水平度量

数据的水平是指其取值的大小。描述数据水平的统计量主要有平均数、中位数和众数等。平均数也称为均值，它是一组数据相加后除以数据的个数得到的结果。中位数是一组数据排序后处于中间位置上的变量值。众数是一组数据中出现频数最多的变量值。一般来说，只有在变量为离散变量或定性变量且数据量较多的情况下，众数才有意义。

（2）数据的差异度量

仅仅知道平均数是远远不够的，还必须考虑数据之间的差距有多大。数据之间的差距用统计语言来说就是数据的离散程度，把集中程度和离散程度结合在一起进行分析，会发现更多的信息。数据的离散程度越大，各描述统计量对该组数据的代表性就越差；离散程度越小，其代表性就越好。描述数据离散程度的统计量有异众比率(描述众数的离散程度)、四分位差(描述中位数的离散程度)、方差和标准差(描述平均数的离散程度)。此外，还有极差、平均差以及测度相对离散程度的离散系数等。

4.类别变量的推断方法

在分析问卷问题时，大都是类别变量，如性别、职业、消费者的购房意向等。类别变量的取值是各个类别，对这些类别通常是对其频数进行观察和分析。类别变量的推断就是根据各类别的频数利用χ²分布进行分析，因此也称为χ²检验，内容包括χ²拟合优度检验和χ²独立性检验等。

（1）一个类别变量的χ²拟合优度检验

当只研究一个类别变量时，可利用χ²检验来判断各类别的观察频数与某一期望频数是否一致。如不同地区的购房需求是否有显著差异等，这就是χ²拟合优度检验。该检验是利用χ²统计量来判断某个类别变量各类别的观察频数分布与某一理论频数或期望分布是否一致，它也可用于判断各类别的观察频数分布是否符合某一理论分布，如泊松分布或正态分布等。

（2）两个类别变量的χ²独立性检验

对于两个类别变量的推断，主要是判断两个变量是否独立，这就是χ²独立性检验。如果研究的是两个类别变量，每个变量有多个类别，通常将两个变量多个类别的频数用交叉表的形式表示出来，这种由两个或两个以上类别变量交叉分类的频数分布表称为列联表。χ²独立性检验就是对列联表中的两个类别变量进行分析，通常是判断两个变量是否独立。两个变量不独立，这意味着它们之间存在一定的相关。这时，可以进一步测度它们之间的关联程度，使用的统计量主要有φ系数、Cramer’s V系数和列联系数等。

5.SPSS和Excel软件进行数据整理和分析的方法

（1）用Excel绘制定性数据图表和计算统计量

首先将定性数据用数字代码来表示，然后将各代码输入到Excel工作表中,并根据分析目的按正确的步骤进行操作。频数分布图表的绘制可使用插入中的【数据透视图表】或用【数据分析】工具中的【直方图】功能实现。单独图表可以用插入中的【图表】功能绘制。

用【数据透视图表】生成定性数据的频数分布表：第1步：选择 【插入】→【数据透视表和数据透视图】。第2步：在 【表/区域】中确定数据源区域，在操作前将光标放在任意数据单元格内，系统会自动选定数据源区域。第3步：择数据透视表的输出位置，然后选择 【确定】。第4步：在弹出的表格结构中，依次将一个类别变量拖至 “行”的位置，将另一个类别变量拖至“列”的位置，行列可以互换，再将要计数的变量拖至 【值字段】位置，即可生成相应的频数分布表。

用Excel计算描述统计量可以使用【数据分析】工具中的【描述统计】命令。对于【数据分析】工具中未给出的一些描述统计量,可利用Excel中的【统计函数】求得。

（2）用SPSS绘制定性数据图表和计算统计量

用SPSS生成频数分布表。第1步：选择【分析】→【描述统计—频率】。第2步，将“类别变量”选入 【变量】；选中【显示频率表格】。第3步：若需要描述统计量或图形，点击【统计量】或【图表】，并选择相应的选项。点击【确定】。生成交叉频数分布表“列联表”：第1步：选择【分析】→【描述统计—交叉表】。第2步：将一个类别变量选入【行】，将另一个类别变量选入【列】，行列可以互换。第3步：若需要对列联表进行描述性分析，点击【单元格】，在【百分比】下选中需要的统计量。如【行】【列】【总计】等。若需要图形，点击【显示复式条形图】。点击【确定】。

（三）推荐解决问题的方案

1.如何对调查问卷进行信度与效度分析？

（1）信度分析

信度指的是可靠度、一致性或者稳定性。比如，在对同一对象进行测量，多次测量结果都很接近，大家会认为这个结果是可信的，真实的，也就是信度高。如果每次测量的结果都有很大的差异，则说明信度较低。同样在问卷研究中，也通过信度分析来测量样本回答结果是否真实可靠，检验信度越高，就是表示结果越可信。信度可分为内在信度和外在信度两类。内在信度是指衡量研究问卷中的多个题目是否测量了同一概念或者内容，即题目之间是否具有内在一致性。这也就是大多数量表问卷所做的信度分析。外在信度通常指不同时间测量时，是否测量结果具有一致性。衡量信度的方法有很多种，其中，常用的内在信度系数包括：克隆巴赫α系数和折半系数；常用的外在信度是重测信度。

α信度系数，基本上所有问卷信度分析均会使用此类分析，本案例也使用此系数。通过SPSS软件计算出α信度系数值，并且用其进行信度水平判断。一般来讲：如果α系数高于0.8，则说明信度高；如果介于0.7~0.8之间，则说明信度较好;如果介于0.6~0.7，则说明信度可接受；如果小于0.6，说明信度不佳。

SPSS分析步骤：分析——度量——可靠性分析，然后选入所要分析的项目，例如，你要分析整个量表，就选入所有项目；若是一个维度，就只选一个维度下的项目。

（2）效度分析

效度分析，简单来说就是问卷设计的有效性、准确程度。当我们在为研究主题设计问卷时，都会希望问题实际测量到的是我们希望测量的，这样研究的数据才能准确的说明问题。效度又可分为内容效度、结构效度和效标效度。

内容效度，指问卷题项对相关概念测量的合理性情况，通常是以文字来说明问卷的有效性。如通过参考文献，或者权威来源说明问卷的权威性和有效性。还有就是通过对问卷前测并结合结果进行题项的修正等工作来充分说明问卷的有效性。（内容效度并非统计软件进行的统计方法，对于问卷研究来讲，基本上均需要进行内容效度说明。）

结构效度，指测量题项与测量维度之间的对应关系。测量方法有两种，一种是探索性因子分析，另外一种是验证性因子分析。其中，探索性因子分析是当前使用最为广泛的结构效度测量方法。使用探索性因子分析进行效度验证时，应该以量表为准，对变量或者量表分别进行分析。本案例采用此法。

效标效度，如果以前有一份权威且标准的量表数据，现在依旧使用该量表进行研究，并且收集回来一份数据。以前权威标准数据作为标准，当前数据与前一份数据之间进行相关分析，如果说相关系数值较高，则说明效标效度良好。

效度测量KMO值的判断：如果此值高于0.8，则说明效度高；如果此值介于0.7~0.8之间，则说明效度较好；如果此值介于0.6~0.7，则说明效度可接受；如果此值小于0.6，说明效度不佳。

SPSS分析步骤：分析——降维——因子分析，然后将所有的变量都选到因子分析变量中，在描述选项卡下勾选原始数据分析，KMO和Bartlett球形度检验，抽取方法选择主成分分析方法,其他默认即可。

2.分析本案例中用到了哪些图表？图表绘制有哪些规范性要求？

本案例中用到了频数分布表、列联表、排序分析表等。本案例用到了单式条形图、复式条形图、结构条形图、帕累托图、饼图等。

统计图表是展示数据的有效方式。统计表把杂乱的数据有条理地组织在一张简明的表格内，统计图把数据形象地展示出来。显然，看统计图表要比看那些枯燥的数字更有趣，也更容易理解。合理使用统计图表是做好统计分析的最基本技能。使用图表的目的是让人更容易看懂和理解数据。一张精心设计的图表可以有效地把数据呈现出来。使用计算机可以很容易地绘制出漂亮的图表，但需要注意的是，初学者往往会在图形的修饰上花费太多的时间和精力，而不注意对数据的表达。这样做得不偿失，也未必合理，或许会画蛇添足。精心设计的图表可以准确表达数据所要传递的信息。设计图表时，应绘制得尽可能简洁，以能够清晰地显示数据、合理地表达统计目的为依据。一张好的图形应具有以下基本特征：显示数据；让读者把注意力集中在图形的内容上，而不是制作图形的程序上；避免歪曲；强调数据之间的比较；服务于一个明确的目的；有对图形的统计描述和文字说明。

在绘制图形时，应避免一切不必要的修饰。过于花哨的修饰往往会使人注重图形本身，而掩盖了图形所要表达的信息。图形体现的视觉效果应与数据所体现的事物特征相一致，否则有可能歪曲数据，给人留下错误的印象。此外，图表应有编号和标题。编号一般使用阿拉伯数字，如表1、表2等。图表的标题应明示出表中数据所属的时间 、地点和内容，即通常所说的3W准则。表的标题通常放在表的上方，图的标题可放在图的上方，也可放在图的下方。

3.本案例中用到了哪些描述性统计量？这些统计量如何计算？并说明其特点和应用场合。

本案例中用到的描述性统计量主要有：水平的度量有平均数、中位数、众数，差异的度量主要有极差和标准差。

（1）水平的度量值

平均数：设一组样本数据为x₁,x₂,…,x_n,样本量(样本数据的个数)为n,样本平均数用 计算公式为：

中位数的值在(n+1)/2位置上。若n为奇数,则中位数就是(n+1)/2位置上的值;若n为偶数,则中位数就是(n+1)/2位置两侧值的平均数。

众数是一组数据分布的峰值,如果数据的分布没有明显的峰值,众数就不存在;如果有两个或多个峰值,也可以有两个或多个众数。

平均数、中位数和众数为概括一组数据的三个主要统计量，要理解它们并不困难，但要合理使用则需要了解它们的不同特点和应用场合。平均数易被多数人理解和接受，在实际中用得也较多，但主要缺点是易受极端值的影响，对于偏态分布的数据，平均数的代表性较差。中位数和众数提供的信息不像平均数那样多，但它们也有优点，比如不受极端值的影响，具有统计上的稳健性。当数据为偏态分布，特别是当偏斜程度较大时，可以考虑选择中位数或众数，这时它们的代表性要比平均数好。

（2）差异的度量值

极差是一组数据中的最大值与最小值之差。显然它太容易受极端值影响,很难全面反映一组数据的离散程度。

将每个值与平均数比较,先计算出每个值与平均数的差值,然后再进行平均。由于与平均数的差值之和等于0,因此应消去差值的正负号。通过取平方消去差值的正负号,再根据差值平方和求平均,这一结果称为方差。将方差开平方得到的结果称为标准差。方差(或标准差)能较好地反映出数据的离散程度,是实际中应用最广泛的反映数据离散程度的统计量。

4.分析本案例中用到的分类变量推断方法是什么？它的计算方法和注意事项有哪些？

分类变量推断方法用到的是对列联表进行χ²独立性性检。

计算方法：对列联表中的两个类别变量进行分析,通常是判断两个变量是否独立。该检验的原假设是:两个变量独立(无关),如果原假设被拒绝,则表明两个变量不独立,或者说两个变量相关。独立性检验的χ²统计量：

式中,f_o为观测频数;f_e为期望频数。该统计量服从自由度为(r-1)(c-1)的χ2分布,r为行数,c为列数。

注意事项：在应用卡方检验时,要求样本量足够大,特别是每个单元格的期望频数不能太小,否则应用检验可能会得出错误的结论。从统计量的公式可以看出,期望频数f_e在公式的分母上,如果某个单元格的期望频数过小,χ²统计量的值就会变大,从而导致拒绝原假设。因此,应用χ²检验时对单元格的期望频数有以下要求。第一,如果仅有两个单元格,单元格的最小期望频数不应小于5,否则不能进行χ²检验。第二,单元格在两个以上时,期望频数小于5的单元格不能超过单元格总数的20%,否则不能进行χ²检验。如果出现期望频数小于5的单元格超过20%的情况,可以采取合并类别的办法来解决这一问题。

四、教学组织方式

（一）课时分配

1、课后自行阅读材料：4小时

2、小组计算分析并提交分析报告提纲：约2小时

3、课下小组代表发言分享，进一步讨论：1小时

4、课下讨论总结：约0.5小时

（二）谈论方式

本案例可以采用小组完成并分享讨论。

（三）课堂讨论总结

课堂讨论总结的关键是：归纳发言者的主要观点，重申其重点及亮点，提醒学生对焦点问题或有争议的观点进行进一步思考，进行扩展探究和深入分析。