统计分析方法——描述性统计.pptVIP

2003年9月 北京大学光华管理学院 胡健颖 市场调研 Marketing Research 主讲人：蔡清毅 厦门理工学院文化传播系 2007年5月 市场调研 描述性统计 ——频数分布：列联表和假设检验 1.数据的表现—统计数字和统计图表 假如你已经获得了所要的全部数据； 认识数据的第一步：你得到的是什么类型的数据？ 利用图和表来展示数据中的信息； 运用指标刻画数据的某些特征和程度； 使用EXCEL来完成对数据的描述。 数据变量的分类 按照取值类型：品质数据和数量数据； 按照测量水平：定类（Nominal）、定序（Ordinal）、定距（Interval）、定比（Ratio）等四类； 按照获取时间：截面数据、时间序列； 不同类型的数据应使用不同的统计方法； 问题：刚才的数据表中分别是什么类型？ 区分不同的测量水平 区分原则：定类数据没有大小之分；定序数据有大小之分，差值有意义；定距数据有大小之分，差值有意义，但其比值无意义；定比数据比值有意义。 定比定距数据可以向前化成定序或者定类数据，但是将损失一定信息；反之，不能将定序定类数据化成定距定比数据。 品质标志的描述方法（1） 频数分布、相对分布、百分比频数分布 品质标志描述方法（2） ————条形图、柱形图 某校学生对体育锻炼态度调查结果 品质标志的描述方法（3） ————饼图 某校学生对体育锻炼态度调查结果 对矿泉水市场的调查 北京市居民矿泉水最喜欢品牌 数量标志的描述方法（1） 频数分布 单项式分布 组距式分布：等组距、不等组距 有关概念：组数、 组限（上限、下限）、 开口组、闭口组、组距、 组中值 数量标志的描述方法（2） 数量标志的描述方法（3）————直方图 数量标志的描述方法（4） 对数据进行探索性分析：J.W.Tukey； 茎叶图（Stem-leaf） 描述两个变量的关系 研究两个变量之间的关系：两个变量的类型分别是什么？ 两个品质变量之间的关系； 一个品质变量和一个数量变量的关系； 两个数量变量之间的关系。 交叉分组列表（列联表） 表1 学生性别对体育锻炼的态度调查结果比较 图形展示两个变量的关系 描述两个数量型的变量 ————散点图 数据描述的数值方法 通过数据指标来概括数据中的信息； 如何刻画数据的集中程度，或集中位置； 如何刻画数据的变异程度； 如何刻画检验异常值； 如何刻画两个变量之间的关系； 探索性分析。 数据集中位置的度量 平均数（Mean） 中位数（Median） 众数（Mode） 四分位数（Quartiles） 百分位数（Percentiles） 调整（或截尾）平均数（Trimmed Mean） 一个例子 某城市一居室月租金（美元）的70个数据 平均月租金 月租金的中位数 中位数=（475+475）/2=475美元 月租金的众数 众数是450，450出现的最多，频数是7 理解百分数 P百分数是这样一个数，它使得至多有p%的数据项小于这个数，而且至多有（100-p）%的数据的数据大于这个数。 中位数和上下四分位数都是特殊的百分位数。 计算第P百分位数的步骤 以递增顺序排列原始数据（由小到大）； 计算 I=(p/100) n； 如果I不是整数，将I向上取整。大于I的毗邻整数指示第p百分位数的位置；如果I是整数，则第p百分位数是第I项与第I+1项的平均值。 月租金的第90百分位数 计算I=(90/100) 70=63。所以第90百分位数是 第63和64个数的平均值。 四分位数 第一个四分位数 =第25百分位数 第三个四分位数 =第75百分位数 截尾均值 去除 %的最大和最小值，计算剩余数的平均值。 月租金的5%的截尾值=487.19 考虑数据的类型 不同类型的数据应该采用不同类型的指标来刻画他们的集中位置。 对于定类数据你能够做什么？ 对于定序数据你能够做什么？ 对于定距数据和定比数据你能够做什么？ 数据变异程度的度量 全距（Range） 四分位间距（IQR） 方差（Variance） 标准差（Standard Deviation） 变异系数（Coefficient of Variance, CV） 月租金的全距和四分位间距 关于方差和标准差 总体方差 样本方差 总体标准差σ，样本标准差s。 样本的标准差系数= 月租金的标准差 方差 标准差 标准差系数 探索性的数据分析 五数概括 最