R语言数据分析案例43-酒店数据统计分析（可视化、假设检验等）

statistican_ABin

于 2024-07-17 08:45:00 发布

阅读量357

点赞数 8

分类专栏： R语言数据分析案例文章标签：数据分析数据挖掘

本文链接：https://blog.csdn.net/m0_62638421/article/details/140404648

版权

R语言数据分析案例专栏收录该内容

43 篇文章 5 订阅

订阅专栏

1.调查背景和意义

随着旅游业和酒店行业的蓬勃发展，市场上的酒店数量和类型不断增加，消费者在选择酒店时面临着越来越多的选择。然而，在众多选择中，酒店价格是一个关键的考虑因素，因为它直接影响消费者的决策。酒店的价格不仅仅是一个数字，它受到多个因素的综合影响，例如酒店的位置、设施的完善程度、服务质量、房间类型以及酒店的整体评价等。这些因素相互交织，共同决定了酒店的定价策略。

2.调查问题描述

本次调查的主要问题是：不同酒店属性如何影响其价格？

3.数据收集过程

这是一个关于北京多家酒店的数据集，包含了酒店名称、地区、地址、卫生评分、服务评分、设施评分、位置评分、评价数、装修时间、房间类型、房价、经度、纬度、公司、出行住宿、校园生活等信息。。。。

4.统计方法的选择

为了深入分析酒店属性对价格的影响，我们选择了描述统计和假设检验相结合的统计方法。

4.1描述统计

描述统计主要用于概述数据的基本特征，包括酒店的位置、设施评分、卫生评分、服务评分、房间类型和价格的分布情况。

4.2假设检验

假设检验主要用于分析不同酒店属性对价格的影响。我们采用单因素方差分析（ANOVA）的方法，比较不同属性对价格的影响。具体步骤如下：。。。

5. 统计结果的分析

5.1 描述统计结果

数据和代码

报告代码和数据

数据基本情况如下：

hoteldata <- read.csv("data.csv")
head(hoteldata,5)

# 查看数据集的结构
str(hoteldata)

接下来查看数据具体结构

通过对这些数据的分析，我们可以得到数据主要包括字符串型和数值型数据。例如酒店名称，数据集中包含了 556 家酒店的名称，这些酒店分布在北京市的不同地区。地区，酒店分布在海淀区、东城区、朝阳区等多个地区。卫生评分，卫生评分的平均值为 4.7，说明大部分酒店的卫生状况较好等等。

接下来查看数据集的描述性统计量：

该数据集包含了 556 家酒店的信息，包括酒店名称、地区、地址、卫生评分、服务评分、设施评分、位置评分、评价数、装修时间、房间类型、房价、经度、纬度、公司、出行住宿和校园生活等变量。。。

接下来对特征值进行可视化，首先绘制房价的直方图：

# 绘制房价的直方图
hist(hoteldata$房价, main = "房价分布", xlab = "房价", ylab = "频数", col = "lightblue")

从上面呈现的直方图中可以清晰地看出，房价的分布主要集中在 2000 元左右，这一价格区间的频数最高。随着房价的逐渐升高，其对应的频数呈现出逐渐降低的趋势，表明较高房价的酒店数量相对较少。

boxplot(hoteldata$卫生评分, hoteldata$服务评分, hoteldata$设施评分, hoteldata$位置评分, main = "评分分布", xlab = "评分类型", ylab = "评分", col = c("red", "green", "blue", "yellow"))

这个评分箱线图主要用于展示卫生评分、服务评分、设施评分和位置评分的情况。从图中可以看出，卫生评分最高，约为 4.6 左右，其次是服务评分，最后是设施评分。总体而言，这些评分都相对较高

接下来绘制不同地区酒店数量的柱状图：

barplot(table(hoteldata$地区), main = "不同地区酒店数量", xlab = "地区", ylab = "酒店数量", col = "red", border = "white")

从上面同地区酒店数量的柱状图可以看出，其中朝阳区的酒店分布是最多的，接近200，其次是其他城区，最后是海淀区的酒店数据。

接下来分析不同公司附近酒店数量的柱状图：

barplot(table(hoteldata$房间类型), main = "不同房间类型酒店数量", xlab = "房间类型", ylab = "酒店数量", col = c("purple", "orange"))

接下来分析不同公司附近酒店数量的柱状图：

从图中可以清晰地看到，大部分酒店周边都分布着众多的公司。这种布局无疑为人们的需求提供了极大的便利。对于商务旅行者来说，选择位于公司附近的酒店可以大大减少通勤时间和成本，提高工作效率。他们可以更加便捷地前往公司进行商务活动，与客户会面或参加会议。。。。

接下来进行相关系数热力图

# 计算数值型变量之间的相关性
cor_matrix <- cor(numeric_vars)
# 绘制热力图
heatmap(cor_matrix, main = "数值型变量热力图", xlab = "变量", ylab = "变量")

从热力图中可以看到，各数值型变量之间的相关性通过颜色深浅表示。颜色越深（接近红色）表示相关性越强，颜色越浅（接近黄色）表示相关性较弱。图中显示，服务评分、卫生评分、设施评分、位置评分和房价之间存在较强的正相关关系，。。

5.2 假设检验分析

接下来进行单因素方差分析（ANOVA）和t检验

看一下地区与房价的关系：

# 单因素方差分析
anova_location <- aov(房价 ~ 地区, data = data)
summary(anova_location)

从单因素方差分析（ANOVA）结果来看，地区对房价的影响是显著的。具体结果显示，F值为6.714，对应的p值为0.000187，这远小于0.001，表明不同地区的房价存在显著差异。因此，可以拒绝零假设，接受备择假设，即不同地区的房价存在显著差异

箱线图可视化

library(ggplot2)
# 箱线图
ggplot(data, aes(x = as.factor(地区), y = 房价)) + 
  geom_boxplot() +
  labs(title = "不同地区下的房价分布", x = "地区", y = "房价 (人民币)") +
  theme(plot.title = element_text(hjust = 0.5))