多元统计分析实验报告.doc

多元统计分析课程实验 数据分析报告 08统计2班 辛岩 第PAGE \* MERGEFORMAT9页 多元统计分析课程实验 数据分析报告 08统计2班 辛岩 《应用多元统计分析》 课 程 实 验 报 告 项目名称： 数据分析 学生姓名： 辛岩 学生学号： 3108010664 指导教师： 邓志民 完成日期： 2011年4月28日 一、引言 数据说明 1999年财政部、国家经贸委、人事部和国家计委联合发布了《国有资本金绩效平价规则》。其中，竞争性工商业指标体系包括下面八大基本指标：净资产收益率、总资产报酬率、资产负债率、总资产周转率、流动资产周转率、已获利息倍数、销售增长率和资本累计率。所以我们借助这一指标体系对我国上市公司的运营情况进行分析，数据来自35家上市公司2000年年报数据，这35家上市公司分别来自电力、煤气及水的生产和供应业，房地产业，信息技术业。 二、数据分析 1.散点图分析 散点图可以很直观的看出两个变量之间的关系，所以为了大致了解这8个指标体系之间存在的关系，可以对35家公司的8个指标体系的数据做散点图，如图1所示。 图1 8个指标体系间的散点图 从图1中可以明显的看出净资产收益率与总资产收益率之间有近似的线性关系，而且也是显而易见，净资产收益率增加了则总资产收益率必然会增加。而其他的变量之间则基本看不出来有什么关系。 2.箱线图分析 箱线图是利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法，它也可以粗略地看出数据是否具有对称性，分布的分散程度等信息。还可以直观明了地识别出数据中的异常值。对数据做箱线图，如图2所示。 图2 8个指标体系的箱线图 从图中我们可以看到总资产周转率和流动资产周转率两个指标的箱线图由于过小而无法看清楚，是因为这两个指标的取值过小而引起的，我们可以将这两个取值相对较小的指标单独做一次箱线图，如图3所示。 图3 总资产周转率和流动资产周转率箱线图 从图2、图3我们就可以看出： 净资产收益率的数据还算比较集中，但是分布不是很均匀，还有1个温和的异常值； 总资产收益率的数据相对比较集中，有2个温和的异常值； 资产负债率的数据分布不是太集中，而且数据分布的也不均匀，可以看到中位数偏小，但没有异常值； 总资产周转率的数据不是很集中，分布也不均匀，有2个温和的异常值和1个极端异常值； 流动资产周转率的数据不是很集中，分布也不均匀，有2个温和的异常值； 已获利息倍数的数据分布不均匀，中位数偏小，有2个温和异常值； 销售增长率的数据分布相对来说比较均匀，且没有异常值； 资本积累率的数据分布很不均匀，中位数偏小，有2个温和的异常值和1个极端异常值。 3.正态性检验 用SPSS对这8个指标进行正态性检验，得到数据表1。 Tests of Normality Kolmogorov-Smirnova Shapiro-Wilk Statistic df Sig. Statistic df Sig. 净资产收益率% .152 35 .039 .944 35 .077 总资产报酬率% .137 35 .095 .942 35 .064 资产负债率% .144 35 .065 .939 35 .052 总资产周转率 .235 35 .000 .683 35 .000 流动资产周转率 .159 35 .026 .850 35 .000 已获利息倍数 .172 35 .011 .880 35 .001 销售增长率% .116 35 .200* .982 35 .836 资本积累率% .252 35 .000 .695 35 .000 a. Lilliefors Significance Correction *. This is a lower bound of the true significance. 表1 正态性检验 我们可以看到表中给出了两种检验方法的数据，一种是Kolmogorov Smirnov检验方法，另一种是Shapiro-Wilk检验方法。SPSS规定：当样本量时，结果以Shapiro-Wilk检验为准，当样本量时，结果以Kolmogorov Smirnov检验为准，因为这里的样本量，所以结果以Shapiro-Wilk检验为准。 在的条件下，总资产周转率、流动资产周转率、已获利息倍数、资本累计率这4个指标的p值（Sig值）小于。也就是我们可以以的把握说净资产收益率、总资产报酬率、资产报酬率、销售增长率这4个指标的数据服从正态分布，而总资产周转率、流动资产周转率、已获利息倍数、资本累计率这4个指标的数据不服从正态分布。 我们也可以从指标数据的直方图中很直观的看出来是否服从正态分布，在这就以销售增长率、资本积累率这两个指标的直方图为