第二讲-数据统计与图形绘制.pptVIP

办公软件高级应用 经济管理学院 蒋贵凰 jiangguihuang@ncut.edu.cn * * 学习目标： 时间序列分析 描述性统计和相关性分析 图形绘制 案例应用训练 第二讲 数据统计与图形绘制 实验3 企业调查数据分析 办公软件高级应用——EXCEL部分 * * 一、时间序列分析 时间序列就是一个变量在一定时间段内不同时间点上观测值的集合 。 这些观测值是按时间顺序排列的，时间点之间的间隔是相等的。可以是年、季度、月、周、日或其它时间段。 常见的时间序列有：按年、季度、月、周、日统计的商品销量、销售额或库存量，按年统计的一个省市或国家的国民生产总值、人口出生率等。 * * 一、时间序列分析 时间序列预测方法 定性分析方法 定量分析方法 ?外推法：找出时间序列观测值中的变化规律与趋势，然后通过对这些规律或趋势的外推来确定未来的预测值 。 移动平均法和指数平滑法 趋势预测法 季节指数法 ?因果法：寻找时间序列因变量观测值与自变量观测值之间的函数依赖关系，然后利用这种函数关系和自变量的预计值来确定因变量的预测值。 * * 无趋势 线性趋势 非线性趋势 季节成分 * * 时间序列的预测步骤 第一步，确定时间序列的类型,即分析时间序列的组成成分 第二步，选择合适的方法建立预测模型 如果时间序列没有趋势和季节成分，可选择移动平均或指数平滑法 如果时间序列含有趋势成分，可选择趋势预测法 如果时间序列含有季节成分可选择季节指数法 第三步，评价模型准确性 第四步，按要求进行预测 一、时间序列分析 在excel中建立移动平均模型 在excel中建立指数平滑预测模型 在excel中建立线性趋势预测模型 在excel中建立非线性趋势预测模型 * * * * 移动平均预测模型 适用于围绕一个稳定水平上下波动的时间序列 利用平均使各个时间点上的观测值中的随机因素互相抵消掉，以获得关于稳定水平的预测 将包括当前时刻在内的N个时间点上的观测值的平均值作为对于下一时刻的预测值（N应选择得使MSE极小化） * * 指数平滑预测模型 改进移动平均预测模型，将计算平均值时对于不同时期观测值的权数设置得不同：近期的权数较大，远期的权数较小 平滑系数 在指数平滑中，平滑常数α的选择十分重要。从理论上说，α取值在0-1之间随意数值均可以，其选择的原则是使预测值与实际值之间的均方误差（MSE）和平均绝对百分误差（MAPE）最小。但在实际预测时，还必须考虑时序数据本身的特征。通常，有以下几条准则可供参考。 1 如果时间序列具有不规则的起伏变化，但长期趋势接近一个稳定常数，α值一般较小(取0.05 –0.02之间) 2 如果时间序列具有迅速明显的变化倾向，则α应该取较大值（取0.3—0.5） 3 如果时间序列变化缓慢，亦应选较小的值（一般在0.1—0.4之间） 根据实际预测经验，适应指数平滑预测的时序，通常可在0.05,0.1,0.2,0.3之间选择一个较为理想的值。 * * 线性趋势预测模型 * * 非线性趋势预测模型 * * 二、描述性统计和相关性分析 * * 1、描述性统计分析 2、广告语效果分析 * * 2、广告语效果分析 * * 3、相关性分析 * * 家庭收入水平与孩子受教育水平 肺活量与体重之间的关系 家庭支出与家庭收入之间的关系 商品销售额与广告费支出之间的关系 3、相关性分析 * * 　 　 相关分析 回归分析 区别 目的 测度变量之间是否存在相关关系，以及相关关系的密切程度 研究变量之间数量伴随关系的规律，并通过一定的数学表达式描述这种规律 分析手段 相关系数 回归函数的数学表达式 变量地位与数量 相关分析各变量之间地位相同，都是随机变量 回归分析的自变量和因变量地位并不相同，因变量随自变量的变化而变化，即只有因变量是随机变量。因变量只能有一个，自变量数量没有限制 侧重点 相关分析主要侧重变量之间相关的密切程度和变化方向 回归分析主要侧重建立模型对因变量进行预测和估计 联系 以变量之间的相关关系为基础，相关程度越高的变量回归分析结果越可靠 3、相关性分析 * * 　 年龄 收入 学历 广告语 看后印象 年龄 1 收入 0.574145 1 学历 0.279437 0.602916 1 广告语 0.055887 0.193749 0.453673 1 看后印象 0.246649 -0.17199 -0.27579 -0.27234 1 三、图形绘制 * * 1.堆积柱形图 二、图形绘制 * * 2.百分比堆积柱形图 二、图形绘制 * * 3. 数据点折线图 二、图形绘制 * * 4. 三维饼图 二、图形绘制 * * 5. 复合饼图 二、图形绘制 *