数据研究分析.pptVIP

烟台南山学院商学院 第11章 数据分析 【教学目标】 了解单变量描述分析的基本思想和分类 掌握集中趋势的概括技术和展示方法 掌握离散趋势的概括技术和展示方法 理解相关分析原理与方法 理解聚类分析、判别分析、因子分析的原理与统计分析要点 开篇案例：中国互联网络发展状况分析报告 从2005年6月中国互联网络发展状况统计调查所展现的数据可以看出，2005年上半年的中国互联网络在整体上保持增长态势的同时，网民特征结构、上网途径、上网行为等各方面也出现了一些较为明显的变化。 在网上查找CNNIC最近一次互联网络发展状况的完整分析报告，概括说明报告中所使用的主要分析方法以及图表工具。 11.1 数据分析概述 描述性分析是将原始数据转换成一种易于理解和解释的形式。它主要通过有关统计量(关于样本或总体的)来描述数据特征、找出数据的基本规律。 有关统计量(样本/总体)是用来描述数据特征的概括性数字度量，它是根据样本/总体数据计算出来的一些量，是样本/总体的函数。 描述性分析主要包括： 单变量数据的分析 双变量和多变量数据的分析 数据的深度分析 11.2 单变量数据的分析 描绘样本数据，就是以一种简明且有意义的方式对结果进行研究和解释。 单变量数据分析的方法： 对数据进行重新排列； 对数据进行分类或分组； 数据概括； 数据分布状态分析。 数据分类/分组与频数分布 频数分布是单一统计变量的各个类别或每个值出现的次数和频率的一种分布状态。频数分布始于数据的分类/分组，重点是变量的各类别或每个值出现次数的统计，最终通过适当的图表工具展示该变量的频数分布。 频数分布统计，关键是要区分变量及数据类型： 对类别和顺序变量的数据主要是作分类统计， 对等距与等比变量的数值型数据则主要是作分组统计。 类别或顺序数据的频数分布 类别或顺序数据的频数分布 数值型数据分组与频数分布 频数趋势分析 数据集中趋势的概括 集中趋势是指数据分布趋向集中于一个分布的中心。集中趋势概括是指用一个数值来代表变量值的分布情况，根据这个数值可以估计每一个研究个案该变量的值。 概括数据分布集中趋势的统计量包括 众数 中位数 平均数 不同类型的数据适用不同的集中趋势度量，低层次数据的集中趋势度量同样适用于高层次数据，但是，高层次的概括却不适用于低层次数据。 集中趋势的概括-众数 集中趋势的概括-中位数 中位数(median)是一组数据按数值大小排序后，位置居于最中间的那个值。各变量值与中位数的离差绝对值之和最小。 中位数既适用于定量数据，也适用于顺序数据，而且中位数是描述顺序数据集中趋势的最好度量。 确定中位数应区分两种情况： 根据原始数据计算中位数 根据分组数据计算中位数 分组数据的中位数度量 四分位数度量 集中趋势的概括-平均数 平均数或均值(mean)是统计分析中最常用的集中趋势统计量。在SRS抽样中，均值就是算术平均值。对于复杂的抽样设计，样本均值的计算需要考虑最终样本权数。 平均数度量有许多优点： 易于计算与理解，且可用于计算其它统计量(如样本方差) 。 对于许多抽样设计来说，样本均值是总体均值的无偏估计。 样本均值度量也有不足之处： 均值不能用于概括类别或顺序数据的集中趋势。 均值会向极端值的方向靠近，受极端值影响很大。 平均数度量 根据原始数据计算平均数 在简单随机抽样中，样本均值就是变量的原始数据之和除以数值个数。设某变量的一组数据为：x1，x2 ，… ，xn ，则 根据分组数据计算平均数 设某变量的一组数据为：x1，x2 ，… ，xn 各组的组中值为：M1 ，M2 ，… ，Mk 相应的频数为：f1 ， f2 ，… ，fk 则分组数据平均数实际上是一种加权平均数： 众数、中位数和平均数的比较 数据离散趋势的概括 离散趋势是指数据分布偏离其分布中心的程度。离散趋势测量是指求出一个数值，以表示变量值分布的离散程度以及变量值之间的差异程度。 离散趋势测量与集中趋势测量之间，实际上是一种相互补充和相互说明的关系。 集中趋势测量求出的是一个最有代表性的值，这个值代表性高低取决于个案之间在变量取值上的差异程度(离散度)。差异越大，则说明集中趋势的统计量的代表性越差；反之，代表性就越好。同时进行集中和离散趋势测量，利于更全面、准确地认识事物的特征。 数据离散趋势的测量 数据的离散趋势分析所使用的统计量包括： 离异比率 四分位差 标准差与标准差系数 离散趋势测量例题 [例11.2] 某地区行业组织抽查5家企业月销售额和销售利润数据(单位：万元)，如表11-7第2行所示。试根据上述数据比较销售额和销售利润的离散程度。 根据5家企业的月销售额数据和月销售利润数据分别计算其平均数、标准差以及标准差系数，分别列于表11-7的第3-5行。 离异比率、四分位差与标准差