数据(MBA适用)解析.ppt

一、数据采集 比如，大学生可能喜欢不同颜色的手机， 如果要分析他们最喜欢什么颜色的手机？ 用什么分析方法？ 如果要分析不同性别、不同专业、甚至不同年龄的学生对颜色的喜好是否相同（或有什么不同）？则应使用交叉（列联表）分析 交叉（列联）表（此表为交叉频率表，也可以是交叉频数表，二者可互相转化） 虽然直观能够粗略看出一些显然的结论，但是要推断男生和女生的偏好差异是否显著（因为差异来自随机抽样差异（同性别内部）和性别差异），这属于两个定性变量之间是否有相关性的判断问题，需要进行统计检验（卡方检验） 步骤三：计算准则层优先级； 步骤5 ：方案层在目标层的优先级 在讲解应用回归分析进行预测的例子之前，首先介绍回归分析的基本术语： 回归分析将涉及一些基本术语： 1.自变量X与因变量Y，或解释变量X与被解释变量Y：由研究对象决定 2. 一元回归与多元回归：由X的个数决定 3. 线性回归与非线性回归：由X1来决定 步骤1:绘出散点图，据此写出线性回归方程的形式。在Excel 中录入数据后，画出散点图（“插入”选项下选择“散点图”即可）：Y=α+βX+ε，或　Y＾=α＾+β＾X 模型线性化的方法 回归模型估计的输出结果 显然，t 统计量的绝对值＞3或P显著性概率＜0.05，推断出：X价格对销售额Y有显著影响； F检验表明，整个回归方程对Y的变异的解释显著（即随机干扰对Y的变异的解释不显著），估计出的回归方程有效。 步骤3：进行统计检验 检验通过之后，才能认为估计出的该模型为恰当模型： 销售额Y^=17818.1-1.28·X(平均价格) 如果没有通过某项检验，则应重新估计方程。所以建立或估计模型是一个非常繁杂、反复调试的过程。有时调试后的恰当模型不止一个，那么我们遵循简约原则来确定最简单的一个即可。 注意：Ｙ在２０１０年数值的预测公式 举例：请大家评价下列每对图形中，哪个图形表达更符合要表达的目的？ * 北京工业大学经济管理学院 程兰芳 * 判断４：横轴中变量名字数太多怎么办？ 判断２：立体和平面图形相比，哪一个更容易解读？ 判断３：为呈现趋势，应选折线图还是柱形图？ 判断１：下列的饼图和条形图中，哪个更容易对比“囊肿羞涩”和“一事无成”的比例？ 判断５：哪一个图形传递信息更丰富？ * 北京工业大学经济管理学院 程兰芳 * 三、数据分析——建模方法１：回归分析 * * 北京工业大学经济管理学院 程兰芳 利用回归模型进行预测的一个例子 如果散点图呈现的内在规律不是直线的话，可通过适当变换后转化为线性规律。 回归分析步骤 步骤2:估计参数α，β，得出估计方程 * * 北京工业大学经济管理学院 程兰芳 设置模型的输入参数和输出参数 F检验看红色数值大小，Significance F0.05则显著 常用的有三个检验（用对应的统计量的观测值大小来推断）： 1. t 检验：检验斜率系数β=0？若β=0，说明某一个自变量X对Y是否有线性影响，否则，就有影响。输出结果就归结为看t Stat 的数或者P—value大小。 2. F 检验：整个回归方程对Y变异的解释能力是否显著，即方程是否有效。输出结果就归结为看方差分析的F值 或者Significance F 的大小。 3. R2 检验：是恰好用于衡量回归线对Y的波动的解释能力，本题为97.12%。所以F检验与R2检验的本质内容是相同的。 步骤4：利用可用的估计方程进行预测 * * 北京工业大学经济管理学院 程兰芳 现在，已知2010年—2015年电脑的平均价格以8%的速度递减，而2009年的电脑平均价格为 x=5600, 那么需要首先求出价格x的各年数据，据此才能利用回归模型预测电脑销售额Ｙ在２０１０年—２０１５各年的数值　　 主要介绍　时间序列的预测分析 * 北京工业大学经济管理学院 程兰芳 * 三、数据分析——建模方法２：预测分析 关于应用时间序列预测的例子 带有明显的季节因素,因此需要分解出来各个因子 * * 北京工业大学经济管理学院 程兰芳 * * 北京工业大学经济管理学院 程兰芳 * * 北京工业大学经济管理学院 程兰芳 * * 北京工业大学经济管理学院 程兰芳 对于只有明显趋势没有季节的,可用移动平均或指数平滑方法预测： 1. 移动平均原理 2. 指数平滑原理 分别举出一个例子（补充） * * 北京工业大学经济管理学院 程兰芳 三、数据呈现 分为图表呈现和报告呈现两种形式. 请看下面的一个总结框架图: * * 北京工业大学经济管理学院 程兰芳 * 北京工业大学经济管理学院 程兰芳 * 数据呈现 的整体框架图 关于图表呈现 * * 北京工业大学经济管理学院 程兰芳 了解图表类型——EXCEL 提供的7种基本图形：打开Ｅxcel，在“插入”菜单下即可看到 * *