1、描述性統計分析 數據結構
一、綜合指標分析: spa
總量指標(時期、時點);相對指標(計劃完成、結構、比例、比較);平均指標(動態、強度) 數學
二、統計分組 基礎
品質分組:定類數據和定序數據 變量
數量分組:對數值型數據 循環
三、分佈特徵描述(統計分佈的數值特徵分析) 方法
統計表、統計圖 im
2、相關回歸分析 統計
一元線性迴歸方程的理論模型爲: 數據
迴歸模型將問題中的變量y和x之間的關係分兩部分描述:
一部分是因爲x的變化引發y的線性變化部分;
另外一部分是由其餘一切隨機因素引發的
案例2 如下是浙江城鎮居民2005年收入與消費分組資料,試進行收入與消費的相關回歸分析?
迴歸分析:
(1)前提:必須是在相關基礎上進行
(2)肯定自變量,因變量
(3)肯定迴歸方程表達式(線性?非線性?一元?多元?)
(4)估計參數
(5)模型檢驗:擬合優度檢驗;F檢驗(總體模型是否顯著?);T檢驗(迴歸係數是否顯著?)
迴歸結果:
則支出依收入迴歸的方程爲:Yc=2528.678+0.596x
迴歸係數b=0.596說明收入每增長1元,消費支出會增長0.596元,反應邊際消費傾向。
同時,用迴歸方程還能夠進行預測,例:當家庭人都可支配收入達到20000元時,消費支出平均在14449元左右。
經過統計檢驗,判斷變量間關係是否具備顯著性:
擬合優度檢驗
顯著性檢驗:對迴歸方程線性關係顯著性檢驗;對迴歸係數顯著性檢驗
***多元線性迴歸模型***
一、一個因變量與兩個及兩個以上自變量之間的迴歸
3、動態分析方法(時間序列分析)
時間數列的類型:總量指標數列、相對數時間序列、平均數時間數列
時間數列的影響因素:長期趨勢、季節變更、循環變更、不規則變更
時間數列的統計分析:指標分析、趨勢分析、隨機時間數列分析
一、動態指標分析
平均指標:發展水平、平均發展遂平(序時平均數)、增加量(—邊際傾向、貢獻率)、平均增加量
速度指標:發展速度、平均發展速度、增加速度(逐期、累計—彈性係數)、平均增加速度
二、長期趨勢測定
相關係數
趨勢測定法:
季節變更的分析與預測:
現代時間數列分析模型
數學模型法:
4、多元統計分析
肯定多個隨機變量之間相互依賴關係以及內在統計規律性的一門統計學科。
主要方法:
主成分分析:把原有的多個指標轉化爲少數幾個表明性較好的綜合指標,這少數幾個指標可以反映原來指標大部分信息(85%以上),而且各個指標之間保持獨立,避免出現重疊信息。降維和簡化數據結構。
、因子分析、聚類分析、判別分析、對應分析、典型相關分析等
綜合評價