对因子分析的几次尝试与实践，有一些新的认识，写到空间里和大家">
> 因子分析心得
因子分析心得
篇一：关于SPSS因子分析的几点
关于SPSS因子分析的几点总结
关于SPSS因子分析的几点总结
关键词：因子分析、SPSS、总结、数据小兵
-----------------------------------------------------&
对因子分析的几次尝试与实践，有一些新的认识，写到空间里和大家共享。
【一】、因子分析与主成分分析的区别
关于这个问题，见诸各大论坛、博客，还有百度知道等栏目，这里引用期刊论文中的文字加以说明。
1、主成分分析：
是研究如何通过少数几个主成分来解释多变量的方差一协方差结构的分析方法，也就是求出少数几个主成分(变量)，使它们尽可能多地保留原始变量的信息，且彼此不相关。它是一种数学变换的方法，即把给定的一组变量通过线性变换，转换为一组不相关的变量(两两相关系数为0，或样本向量彼此相互垂直的随机变量)。在这种变换中，保持变量的总方差(方差之和)不变。同时具有最大方差，称为第一主成分；具有次大方差，称为第二主成分。
在主成分分析中，最终确定成分是原始变量的线性组合。每个主成分都是由原有p个变量线性组合得到。在诸多主成分Z i中，Z 1在方差中占的比重最大，说明它综合原有变量的能力最强，越往后主成分在方差中的比重也小，综合原信息的能力越弱。
2、因子分析：
因子分析是寻找潜在的起支配作用的因子模型的方法。因子分析是根据相关性大小把变量分组，使得同组内的变量之间相关性较高，但不同的组的变量相关性较低。每组变量代表一个基本结构，这个基本结构称为公共因子。对于所研究的问题就可试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量。通过因子分析得来的新变量是对每个原始变量进行内部剖析。因子分析不是对原始变量的重新组合，而是对原始变量进行分解，分解为公共因子和特殊因子两部分。具体地说，就是要找出某个问题中可直接测量的具有一定相关性的诸指标，如何受少数几个在专业中有意义、又不可直接测量到、且相对独立的因子支配的规律，从而可用各指标的测定来间接确定各因子的状态。
【二】、总结语
1、主成分分析在于对原始变量的线性变换，注意是转换、变换；而因子分析在于对原始变量的剖析，注意是剖析，是分解，分解为公共因子和特殊因子。
2、这两种分析法得出的新变量，也就是成分或者因子，并不是原始变量筛选或者提出后后剩余的变量。
3、因子分析只能解释部分变异（指公共因子），主成分分析能解释所有变异。
4、主成分分析，有几个变量就至少有几个成分，一般只提取能解释80%以上的成分；因子分析，有几个变量不一定有几个公共因子，因为这里的因子是公因子，潜在的存在与每一个变量中，需要从每一个变量中去分解，无法解释的部分是特殊因子。
【三】、因子分析可以提供的重要结果是什么？
1、因子，因子正确命名之后，易于理解和解释因变量。比如获利因子、偿债因子、成长因子等等；在科研论文中的表现形式为：**问题的因素分析。
2、每一个因子的权重，每一个变量的权重。它的贡献在于替代主观评分、拍脑袋制定各影响因素的权重。
3、因子得分变量，SPSS将因子得分作为单独的变量保存起来。可以用该变量进行深层次的分析，比如用于聚类分析。
4、因子综合得分，主要的应用在于综合评价研究对象，比如一个城市的综合水平，一支股票的综合状况等，用法一般为排序比较得分大小，或者分为不同档次进行均值比较。篇二：多元统计分析 因子分析(方法+步骤+分析 总结)
因子分析+聚类分析：
一． 对数据进行因子分析，
实验步骤：
1在SPSS窗口中选择：分析-降维-因子分析，在因子分析主界面将变量X1 移入变量框
2点击“描述”，在对话框中，统计量选择：原始分析结果，相关矩阵选择：系数，以描述相关系数，点击继续
3点击“抽取”，在对话框中，方法为主成份，分析选择：相关性矩阵，输出选择：未旋转的因子解和碎石图，抽取中选择基于特征值（特征值大于1）或者因子的固定数量（要提取的因子为2），点击继续
4点击“旋转”，在对话框中，方法为最大方差法，在输出中选择旋转解和载荷图（当因子数=2时），点击继续
5点击“得分”，在对话框中，选中“保存为变量”和“显示因子得分系数矩阵”，在方法中选择“回归”，点击继续
实验结果分析： 1.
特征根和累计贡献率
由表中可以看出，因为成份1和2的特征值&1，被提取出来，而且由于第三个特征根相比下降比较快，我们也只选取两个公共因子，对1和2旋转后其累计贡献率为82.488%。
由碎石图，我们也可以看出1和2的特征值大于1，可以被提取出来，其余变量特征值过小，不予提取。
从旋转成份矩阵可以看出，经过旋转的载荷系数产生了明显的区别，横向找到最大的一个数，如上表中黄色部分画出，第一个公因子在v1,v3,v5上占有较大载荷，说明于这三个指标有较大的相关性，命名为；第二个公因子 在v2,v4,v6上有较大载荷，有较大相关性，归为一类，可命名为。
该表为成分转换矩阵，给出旋转所需的矩阵
可以用成份得分系数矩阵写出各个因子关于中心标准化后的变量的表达式。 F1=0.385x1-0.001x2+….. F2=…..
(分析的举例：第一个因子在 外貌
洞察力 推销能力 工作魄力 志向抱负 理解能力 潜能 等变量上有较大的系数，可以抽象为应聘者主客观工作能力因子
第二个因子在 简历格式
工作经验 适应力变量上有较大的系数，可抽象为应聘者对客观环境的适应力因子
第三个因子在兴趣爱好
诚信度 求职渴望度变量上有较大的系数，可抽象为应聘者的兴趣和诚信因子。
第四个因子在研究能力变量上系数较大，可抽象为应聘者的学习能力因子。 ）
进行聚类分析
实验步骤：(同之前聚类分析相同的步骤)
1． 在SPSS中选择分析-分类-系统聚类，在主界面中，将fac1-1,fac1-2导入变量框中，分群中选择个案，输出框中选择统计量和图
2． 点击“统计量”，选择“合并进程表”，在聚类成员框中选择单一方案，聚类数输入4，点击继续
3． 点击“绘制”，选择“树状图”，在冰柱及方向框中为默认值，点击继续 4． 点击“方法”，聚类方法选择“组间联接”，区间选择Euclidean距离，标准化中选择Z得分，点击继续
5． 点击“保存”，选择单一方案，聚类数设置为4
6． 点击“确定”，在数据视图中可以看到增加了一列“CLU4-1”
7． 在图形下拉菜单中选择“图表构建程序”，点击散点图，在右边4*2的样式选择框中选择第二个，将fac1-1拖入x轴。fac1-2拖入y轴，average linkage拖入“设置颜色”，点击确定
8． 双击输出的散点图，在选项中加入x轴及y轴参考线 实验结果分析：
（结合实际意义）第一类样本大多聚集在在公共因子1上为正，在公共因子2上为负的范围内，说明第一类样本在什么方面比较重要??第二三四类??篇三：SPSS学习总结心得
应用统计分析学习报告
本科的时候有概率统计和数理分析的基础，但是从来没有接触过应用统计分析的东西，SPSS也只是听说过，从来没有学过。一直以为这一块儿会比较难，这学期最初学的时候，因为没有认真看老师给的英文教材，课下也没有认真搜集相关资料，所以学起来有些吃力，总感觉听起来一头雾水。老师说最后的考核是通过提交学习报告，然后我从图书馆里借了些教材查了些资料，发现很多问题都弄清楚了。结合软件和书上的例子，实战一下，发现SPSS的功能相当强大。最后总结出这篇报告，以巩固所学。
SPSS，全称是Statistical Product and Service Solutions，即“统计产品与服务解决方案”软件，是IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，也是世界上公认的三大数据分析软件之一。SPSS具有统计分析功能强大、操作界面友好、与其他软件交互性好等特点，被广泛应用于经济管理、医疗卫生、自然科学等各个领域。具体到管理方面，SPSS也是一个进行数据分析和预测的强大工具。这门课中也会用到AMOS软件。
关于SPSS的书，很多都是首先介绍软件的。这个软件易于安装，我装的是19.0的，虽然20.0有一些改变和优化，但是主体都是一样的，而且都是可视化界面，用起来很方面且容易上手。所以，我学习的重点是卡方检验和T检验、方差分析、相关分析、回归分析、因子分析、结构方程模型等方法的适用范围、应用价值、计算方式、结果的解释和表述。
首先是T检验这一部分。由于参数检验的基础不牢固，这部分也是最初开始接触应用统计的东西，学起来很多东西拿不准，比如说原假设默认的是什么。结果出来后依然分不清楚是接受原假设还是拒绝原假设。不过现在弄懂了。这部分很有用的是T检验。T检验应用于当样本数较小时，且样本取自正态总体同时做两样本均数比较时，还要求两样本的总体方差相等时，已知一个总体均数u，可得到一个样本均数及该样本标准差，样本来自正态或近似正态总体。T检验分为单样本T检验、独立样本T检验、配对样本T检验。其中，单样本T 检验是样本均数与总体均数的比较的T检验，用于推断样本所代表的未知总体
均数μ与已知的总体均数uo有无差别；独立样本T检验主要用于检验两个样本是否来自具有相同均值的总体，即比较两个样本的均值是否相同，要求两个样本是相互独立的；配对样本T检验中，要正确理解“配对”的含义，主要用于检验两个有联系的正态总体的均值是否有显著差异，跟独立检验的区别就是样本是否是配对样本。这几个方法用软件操作起来都是相对简单的，关键是分清楚什么时候用这个什么时候用那个。
然后是方差分析。方差分析就是将索要处理的观测值作为一个整体，按照变异的不同来源把观测值总变异的平方和以及自由度分解为两个或多个部分，获得不同变异来源的均值与误差均方，通过比较不同变异来源的均方与误差均方，判断各样本所属总体方差是否相等。方差分析主要包括单因素方差分析、多因素方差分析和协方差分析等。这一部分在学习的过程中出现一些问题，就是用SPSS来操作的时候分不清观测变量和控制变量，如果反了的话会导致结果的不准确。其次，对Bonferroni、Tukey、Scheffe等方法的使用目的不清楚，现在基本掌握了多重比较方法选择：一般如果存在明确的对照组，要进行的是验证性研究，即计划好的某两个或几个组间（和对照组）的比较。宜用Bonferroni(LSD)法；若需要进行多个均数间的两两比较，且各组个案数相等，适宜用Tukey法；其他情况宜用Scheffe法。最后，对方差齐性检验、多重比较检验、趋势检验理解不够透彻，在方差检验中，Post Hoc键有LSD的选项：当方差分析F检验否定了原假设，即认为至少有两个总体的均值存在显著性差异时，须进一步确定是哪两个或哪几个均值显著地不同，则需要进行多重比较来检验。LSD即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验。
相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。相关分析研究现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。主要有双变量相关分析、偏相关、距离相关几个方法。双变量相关分析是相关分析中最常使用的分析过程，主要用于分析两个变量之间的线性相关分析，可以根据不同的数据类型和条件，选用Pearson积差相关、Spearman等级相关和Kendall的tau-b等级相关。当数据文件包括多个变量时，
直接对两个变量进行相关分析往往不能真实反映二者之间的关系，此时就需要用到偏相关分析，从中剔除其他变量的线性影响。距离相关分析是对观测变量之间差异度或相似程度进行的测量，其中距离需要弄清楚，距离分析是对观测量之间相似或不相似程度的一种测度，是计算一对观测量之间的广义距离。这些相似性或距离测度可以用于其他分析过程，例如因子分析、聚类分析或多维定标分析，有助于分析复杂的数据集。
接着是回归分析。相关分析研究的是现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。而回归分析则要分析现象之间相关的具体形式，确定其因果关系，并用数学模型来表现其具体关系。比如说，从相关分析中我们可以得知“质量”和“用户满意度”变量密切相关，但是这两个变量之间到底是哪个变量受哪个变量的影响，影响程度如何，则需要通过回归分析方法来确定。回归分析的目的在于了解两个或多个变量间是否相关、相关方向与强度，并建立数学模型以便观察特定变量来预测研究者感兴趣的变量。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。应用回归分析时应首先确定变量之间是否存在相关关系，如果变量之间不存在相关关系，对这些变量应用回归预测法就会得出错误的结果。正确应用回归分析预测时应注意：①用定性分析判断现象之间的依存关系；②避免回归预测的任意外推；③应用合适的数据资料；
接下来是因子分析。因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。因子分析的主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的，但又无法直接
测量到的隐性变量。从显性的变量中得到因子的方法有两类。一类是探索性因子分析，另一类是验证性因子分析。探索性因子分析不事先假定因子与测度项之间的关系，而让数据“自己说话”。而验证性因子分析假定因子与测度项的关系是部分知道的，即哪个测度项对应于哪个因子，虽然我们尚且不知道具体的系数。这一部分不能用SPSS来操作，要用AMOS，用起来也很方便。
最后一部分学习的是结构方程模型。结构方程模型是一种融合了因素分析和路径分析的多元统计技术。它的强势在于对多变量间交互关系的定量研究。在近三十年内，其大量应用于社会科学及行为科学的领域里，并在近几年开始逐渐应用于市场研究中。结构方程模型是对顾客满意度的研究采用的模型方法之一。其目的在于探索事物间的因果关系，并将这种关系用因果模型、路径图等形式加以表述。结构方程模型与传统的回归分析不同，结构方程分析能同时处理多个因变量，并可比较及评价不同的理论模型。与传统的探索性因子分析不同，在结构方程模型中，我们可以提出一个特定的因子结构，并检验它是否吻合数据。通过结构方程多组分析，我们可以了解不同组别内各变量的关系是否保持不变，各因子的均值是否有显著差异。
这门课要学习完了，整个学习的过程是充满曲折和挑战的，我见证了自己从一无所知到困惑迷茫再到略懂再到会用的过程。甚至学完之后有些问题还没有彻底搞清楚，自己接下来还会不断的探索的。SPSS是个很神奇的工具，结合AMOS和EXCEL更是如虎添翼，相信学习了SPSS在以后的论文和数据分析中很有用。这门课给我的感觉是看起来很难，但是实际学起来就好很多，因为当我结合具体实例和软件的时候，很多抽象的问题就豁然开朗了。但是想给老师一个建议，这门课需要很强的统计和概率论的基础，要不然就会很难听懂或者听得半懂。然后这门课的很多方法的相关资料都是用在医疗卫生、自然科学领域的，在管理中的应用的资料不怎么多。老师希望我们上课的时候结合在管理中的应用来学习，但是资料有限，希望老师在这个方面多给学生一些引导。篇四：多元统计分析学习心得总结
多元统计分析学习总结
多元统计分析方法现在已经广泛的应用社会科学和自然科学的许多领域中。
通过对多元统计一个学期的学习，基本掌握了一些可以运用在学习、生活跟中的方法比如多元统计分析中最常见的九种方法：回归分析、时间序列分析、方差分析、判别分析、逻辑回归、联列表与相合性分析、因子分析、聚类分析和联合分析，基本掌握了运用Spss软件来分析数据从而找到分析问题中存在的疑问。
当然了通过短短的一个学期的学习学习很多的方法并且把所有的方法尽然掌握不切实际，但是在生活中运用最多的基本上掌握的很熟练，而且在上机操作的过程中有老师的指点迷津也让自己很快的能够把握问题的实质，如何分析所得到的结果，如何与实际生活中所遇到的问题进行比对，然后得到的结果是不是跟实际有很大的出入等。
每次的上机操作的都会有一份相应的报告要提交，大多数情况下都是在老师帮助与指导下完成，自己独立完成的部分相对较少，虽然如此但是收获还是很多，在老师指导下完成一边，自己然后再把整个过程再重复一遍这样就能把所学的温习一遍，不至于跟老师走一遍就完事儿，最后什么都没有掌握，遇到问题也不会分析的局面，所以通过自己的不断练习与操作能够不断熟悉掌握多元统计的。篇五：SPSS试验五(因子分析报告)
一、实验目的：
运用因子分析方法分析数据。
二、实验内容：
1. SPSS操作 2. 因子分析
下表资料为25名健康人的7项生化检验结果，7项生化检验指标依次命名为X1至X7，请对该资料进行因子分析。
三、实验步骤：
1．确定数据类型，建立数据文件。
3.点击“分析”菜单Analyze，选择Data Reduction（降维）中的的Facto（因子分析）命令项，弹出如下图对话框。在对话框左侧的变量列表中选变量X1至X7，使之进入Variables变量框。
4.点击D(来自: 博 威范 文网:因子分析)escriptives钮，弹出 Factor Analyze :Descriptives对话框，在对话框选中Univariate descriptive项要求输出各变量的均数与标准差，在相关系数栏内选Coefficients项要求计算相关系数矩阵，并选Kmo and bartlett’s test of sphericity检验项，要求对相关系数矩阵进行kmo和bartlett统计学检验。点击Continue按钮返回因子分析对话框。
5.点击Extraction选项，弹出Factor Analyze : Extraction对话框，选
（主成份）方法，并勾选Unrotated factor
solutionScree plot显示没有旋转的因子载荷、公共因子和特征值，并显示碎石图，在Extract中设置Eivgenvalues over的值为1，之后点击Continue钮返回之前对话框。
6.点击Rotation按钮，进行矩阵旋转设置。选择None，不旋转矩阵。选择Loading plot用于显示前3个因子的三维因子载荷图；对于两因子求解，输出二维图。选择完毕后，单击continue。
7.选择Scores按钮，进行因子得分选项设置。点击Save as variables，将因子得分保存为新变量。在Method中选中Regression，用回归的方法计算因子得分，同时勾选Display factor score coefficient matrix，计算因子得分系数矩阵，选择完毕后，单击continue按钮。
8. 单击Continue按钮，回到上一级菜单，单击“OK”按钮，输出因子分析结果。
四、实验结果
相关热词搜索：文章责编：gaoxiaoliang&　看了本文的网友还看了
?&&( 15:05:00)?&&( 16:08:00)?&&( 10:27:00)?&&( 16:54:00)?&&( 16:42:00)?&&( 16:37:00)?&&&&&&&&
? ? 　 ? ? 　 ? ? 　 ? ? 　 ? ?
? ? 　 ? ? 　 ?
? 　 ? ? 　　 ? ? 　 ? ? 　 ? ? 　 ? ?
? ? 　 ? ?
| 　　　 |
| 　　　 |
| 　　　 |
| 　　　 |
| 　　　 |
精选推荐专题 |
| 　　　　　　 |
实用工具 |
| 大全 | 大全　　　　 |
版权声明：如果网所转载内容不慎侵犯了您的权益，请与我们联系，我们将会及时处理。如转载本内容，请注明出处。
Copyright & 2004-
　网　All Rights Reserved　
中国科学院研究生院权威支持(北京)　电 话：010-　传 真：010-基于因子分析法的品牌定位测评模型构建及实证研究—硕士毕业论文下载
很抱谦，您的浏览器并不支持 IFrame，请与管理员联系，也可。
基于因子分析法的品牌定位测评模型构建及实证研究
硕士博士毕业论文站内搜索
全站论文库
硕士博士论文库
普通期刊论文库
分类：→经济论文→→→
基于因子分析法的品牌定位测评模型构建及实证研究
[硕士毕业论文]论文目录&中文摘要第1-6
页 英文摘要第6-10
页 1 绪论第10-22
页 　　· 问题的提出及研究意义第10-12
页 　　　　· 问题的提出第10-11
页 　　　　· 研究的意义第11-12
页 　　· 国内外研究现状第12-17
页 　　　　· 国外研究现状分析第12-15
页 　　　　· 国内研究现状分析第15-17
页 　　· 本文的研究内容及主要研究工作第17-22
页 　　　　· 本文的研究内容第17-19
页 　　　　· 本文研究所做的主要工作第19-22
页 2 品牌定位测评体系构建第22-30
页 　　· 品牌定位的理论分析第22-25
页 　　　　· 定位理论的产生及发展第22-24
页 　　　　· 品牌定位理论的内涵第24-25
页 　　· 品牌定位测评指标体系构建第25-28
页 　　　　· 测评指标体系建立的原则第25-26
页 　　　　· 品牌定位测评指标及其结构第26-28
页 　　· 本章小结第28-30
页 3 品牌定位测评的因子分析法第30-38
页 　　· 因子分析的作用第30-31
页 　　· 品牌定位测评指标的因子分析法检验第31-36
页 　　　　· 因子分析法的基本原理第31-32
页 　　　　· 因子分析法的数学处理算法第32-34
页 　　　　· 品牌定位测评指标的检验第34-36
页 　　· 本章小结第36-38
页 4 品牌定位测评模型构建第38-52
页 　　· 品牌定位测评模型结构第38-40
页 　　　　· 品牌定位测评思想第38-39
页 　　　　· 品牌定位测评模型结构第39-40
页 　　· 品牌定位差异性测评分析第40-45
页 　　　　· 品牌定位因子差异性测评第40-42
页 　　　　· 品牌定位属性差异性测评第42-45
页 　　· 品牌定位偏好性测评分析第45-48
页 　　　　· 品牌属性偏好显性测评第46
页 　　　　· 品牌属性偏好隐性测评第46-47
页 　　　　· 品牌定位偏好性综合测评第47-48
页 　　· 品牌定位竞争力测评分析第48-51
页 　　· 本章小结第51-52
页 5 我国空调品牌定位测评实证研究第52-84
页 　　· 我国空调品牌现状分析第52-53
页 　　· 调研问卷设计及数据收集第53-60
页 　　　　· 研究样本选择第53-54
页 　　　　· 调研问卷设计第54-56
页 　　　　· 数据收集及统计第56-60
页 　　· 空调品牌定位测评研究第60-81
页 　　　　· 空调品牌定位测评指标体系检验及建立第60-69
页 　　　　· 空调品牌定位差异性测评第69-75
页 　　　　· 空调品牌定位偏好性测评第75-79
页 　　　　· 空调品牌定位竞争力测评第79-81
页 　　· 空调品牌定位测评结果与启示第81-82
页 　　· 本章小结第82-84
页 6 结论第84-86
页 致谢第86-88
页 参考文献第88-92
页 附录 A第92-94
页 附录 B第94-100
页 独创性声明第100
页 学位论文版权使用授权书第100页
本篇论文共<font color='#FF页，
更多相关论文
栏 目 导 航
版权申明：由硕士博士毕业论文网提供目录，本站并未收录论文原文，如果你是作者，需要删除这篇论文目录，。
||||||||||
Copyright(C) All Rights Reserved您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
基于多个城市因子分析模型的北京市交通拥堵治理策略研究.pdf87页
本文档一共被下载：
次 ,您可免费全文在线阅读后下载本文档
文档加载中...广告还剩秒
需要金币：190 &&
你可能关注的文档：
··········
··········
学位论文版权使用授权书
本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特
授权北京交通夫学町以将学位论文的全部或部分内容编入有关数据库进行检索，
井采片j影印、缩印或扫描等复制手段I!|存、汇编以供查阅和借阅。同意学校向国
家有关部rJ戚机构送变论文的复印什和磁盘。
保密的学位论文在解密后适Hj本授权说明
学位论文作者签私 蚀幽易 导师签名： 亡。枷
签字日期：；口廖年7月j-¨ 签字日期：p，年7月r日
中罔分类口：XXXX 学校代码：XXXX
北京交通大学尿父嬗 芋
硕士学位论文
基于多个城市因子分析模型的北京市交通拥堵治理策略研究
BeringTrafficCongestionManagementStrategyAnalyzationon
Multi?CitiesFactorAnalysis
作者姓名：殷继旺
导师姓名：土红梅
学位类别：管理学硕士
学科专业：技术经济及管理
职 称：副教授
学位级别：硕士
研究方向：项目评价
北京交通大学
本论文的『作是征我的导师王红梅副教授的悉心指导下完成的，王红梅副教
授严l壤的治学志度和科学的工作方法给了我极大的帮助和影响。在此衷心感谢两
年米王红梅老师对我的关心和指导。
王红梅副教授悉心指导我们完成了实验室的科研l：作，在学习j二和生活[‘都
给予了我很人的关心和帮助，在此向王红梅老师表示衷心的谢意。同时，王红梅
副教授对J硪的科研J二作和论文部提出r许多的宝贵意见，在此表示衷心的感谢。
征蜜验室工作歧撰写论文鞘闻，硬玲玉，孟影等同学对我论文中的因子分析
模型方法研宄ii作给予了热情帮助，在此向他们表达我的感撒之情。
另外也感谢我的父母家人，感谢他们对我在学习、研究L的支持和帮助，感
谢譬,Ik同学在两年的学习过程巾对我各方
正在加载中，请稍后...