【摘要】：随机选取101组港口对之间，自2019年5月6日（星期一）起连续七周的航班量进行相关性分析和独立样本t检验。表5-1-2周班数量与月份数量的相关性检验结果表5-1-3独立样本t检验摘要表其中，表5-1-2显示月合计变量与每周变量的皮尔逊相关系数在0.914～0.946，呈高度相关，其中相关系数最高的变量是第六周和第三周，分别为0.946和0.944。
对于班轮公司来说，在进行航班安排时会保证每周的航班基本相同，因此可用一周为计时单位；然而在不定期船市场，其航班往往根据货运需求进行安排，因此，需要收集较长周期的数据，如月度数据或季度数据，统计数据的工作量较大。
通过分析周班数据与月班数据之间的相关关系，可以得出以周班数据进行网络结构分析时的准确性。随机选取101组港口对之间，自2019年5月6日（星期一）起连续七周的航班量进行相关性分析和独立样本t检验。如表5-1-2、表5-1-3所示。
表5-1-2 周班数量与月份数量的相关性检验结果
(www.xing528.com)
表5-1-3 独立样本t检验摘要表
其中，表5-1-2显示月合计变量与每周变量的皮尔逊相关系数在0.914～0.946，呈高度相关，其中相关系数最高的变量是第六周和第三周，分别为0.946和0.944。
表5-1-3独立样本t检验中每周变量与月平均变量的方差不存在显著区别，且t检验显示P值（表中的sig）介于0.064～0.37，均远大于0.05，故可以认为每周变量与月平均变量的区别不显著，其中与月平均变量相比t值最小的是第七周和第六周，t值分别为0.064和0.097，综合相关系数和t检验可以认为：采用一周的数据代替一月的数据在统计上是可行的，且大幅度减少了数据采集工作。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
