項(xiàng)目一Excel數(shù)據(jù)分析實(shí)例數(shù)據(jù)分析基本概念隨著信息技術(shù)的高速發(fā)展和大數(shù)據(jù)時(shí)代的到來(lái)，數(shù)據(jù)已成為一種可以被反復(fù)利用的生產(chǎn)資料。數(shù)據(jù)的形式多樣，相應(yīng)的分析方法也各異。實(shí)際應(yīng)用中，常需要通過(guò)一系列合理的處理和分析，才能把數(shù)據(jù)中蘊(yùn)含的信息提取出來(lái)，進(jìn)而產(chǎn)生實(shí)際的應(yīng)用價(jià)值。項(xiàng)目一主要介紹各種常見(jiàn)的數(shù)據(jù)形式和分析方法、數(shù)據(jù)分析的一般流程，以及數(shù)據(jù)分析在電商、交通、文化傳媒、能源、金融等領(lǐng)域的一些典型應(yīng)用案例。概述學(xué)

習(xí)目

標(biāo)知識(shí)目標(biāo)01技能目標(biāo)02素質(zhì)目標(biāo)03熟悉數(shù)據(jù)分析的概念及分類(lèi)；了解數(shù)據(jù)分析的方法及流程，了解數(shù)據(jù)分析的應(yīng)用。理解數(shù)據(jù)分析的基本工具。具有數(shù)據(jù)分析思維，具有較好計(jì)算機(jī)素養(yǎng)，具有較高知識(shí)綜合運(yùn)用能力。學(xué)習(xí)導(dǎo)圖任務(wù)一

數(shù)據(jù)分析概念01任務(wù)描述大數(shù)據(jù)時(shí)代背景下，數(shù)據(jù)無(wú)處不在，同時(shí)又形式多樣。數(shù)據(jù)成為推動(dòng)社會(huì)前進(jìn)的動(dòng)力之一，合理的數(shù)據(jù)分析，能夠幫助人們提取出數(shù)據(jù)中蘊(yùn)含的有價(jià)值信息，輔助人們做出合理決策，還可以用于運(yùn)營(yíng)和指導(dǎo)決策。１.數(shù)據(jù)概念是指描述事物的符號(hào)記錄，是構(gòu)成信息和知識(shí)的原材料。實(shí)際應(yīng)用中數(shù)據(jù)的形式多種多樣，除了數(shù)字，還可以是具有一定意義的文字、圖像、聲音、影像等。隨著信息技術(shù)的高速發(fā)展和大數(shù)據(jù)時(shí)代的到來(lái)，數(shù)據(jù)不再是社會(huì)生產(chǎn)的“副產(chǎn)物”，而是已經(jīng)成為可以被二次乃至多次加工利用的生產(chǎn)資料。原始的數(shù)據(jù)通常是雜亂無(wú)章、毫無(wú)規(guī)律的。為了從數(shù)據(jù)（data）中挖掘出有價(jià)值的信息（information），進(jìn)而形成結(jié)論或知識(shí)（knowledge），并幫助人們?cè)谔囟ǖ膱?chǎng)景下做出合理的決策（智慧，wisdom），需要進(jìn)行相應(yīng)的數(shù)據(jù)分析。這四者的關(guān)系可以用DIKW金字塔結(jié)構(gòu)進(jìn)行表示。DIKW金字塔結(jié)構(gòu)２.數(shù)據(jù)分析是指采用適當(dāng)?shù)姆椒ê图夹g(shù)對(duì)收集得到的數(shù)據(jù)進(jìn)行探索和分析以提取有價(jià)值的信息并形成結(jié)論或知識(shí)的一系列過(guò)程。其目的是把隱藏在一大批看起來(lái)雜亂無(wú)章的數(shù)據(jù)中的信息萃取和提煉出來(lái)，以找出所研究對(duì)象的內(nèi)在特性或規(guī)律。在實(shí)踐中，數(shù)據(jù)分析可幫助人們定量地做出判斷，以便采取適當(dāng)?shù)臎Q策和行動(dòng)。數(shù)據(jù)分析類(lèi)型數(shù)據(jù)挖掘（datamining）關(guān)注數(shù)據(jù)建模與知識(shí)發(fā)現(xiàn)的過(guò)程。商務(wù)智能（businessintelligence）聚焦商業(yè)信息的提取與利用，通過(guò)將企業(yè)中現(xiàn)有的數(shù)據(jù)轉(zhuǎn)化為信息和知識(shí)，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營(yíng)決策，以實(shí)現(xiàn)商業(yè)價(jià)值。文本分析（textanalytics）關(guān)注非結(jié)構(gòu)化的文本數(shù)據(jù)，綜合應(yīng)用統(tǒng)計(jì)學(xué)、語(yǔ)言學(xué)和結(jié)構(gòu)化分析等技術(shù)對(duì)文本數(shù)據(jù)進(jìn)行分析。數(shù)據(jù)分析類(lèi)型數(shù)據(jù)挖掘（datamining）關(guān)注數(shù)據(jù)建模與知識(shí)發(fā)現(xiàn)的過(guò)程。商務(wù)智能（businessintelligence）聚焦商業(yè)信息的提取與利用，通過(guò)將企業(yè)中現(xiàn)有的數(shù)據(jù)轉(zhuǎn)化為信息和知識(shí)，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營(yíng)決策，以實(shí)現(xiàn)商業(yè)價(jià)值。文本分析（textanalytics）關(guān)注非結(jié)構(gòu)化的文本數(shù)據(jù)，綜合應(yīng)用統(tǒng)計(jì)學(xué)、語(yǔ)言學(xué)和結(jié)構(gòu)化分析等技術(shù)對(duì)文本數(shù)據(jù)進(jìn)行分析。數(shù)據(jù)分析的分類(lèi)數(shù)據(jù)分類(lèi)的定義

數(shù)據(jù)分類(lèi)就是把具有某種共同屬性或特征的數(shù)據(jù)歸并在一起，通過(guò)其類(lèi)別的屬性或特征來(lái)對(duì)數(shù)據(jù)進(jìn)行區(qū)別。數(shù)據(jù)分析的分類(lèi)1.1

數(shù)據(jù)分類(lèi)的原則

（1）穩(wěn)定性：依據(jù)分類(lèi)的目的，選擇分類(lèi)對(duì)象的最穩(wěn)定的本質(zhì)特性作為分類(lèi)的基礎(chǔ)和依據(jù)，以確保由此產(chǎn)生的分類(lèi)結(jié)果最穩(wěn)定（2）系統(tǒng)性：將選定的分類(lèi)對(duì)象的特征（或特性）按其內(nèi)在規(guī)律系統(tǒng)化進(jìn)行排列，形成一個(gè)邏輯層次清晰、結(jié)構(gòu)合理、類(lèi)目明確的分類(lèi)體系。

數(shù)據(jù)分析的分類(lèi)（3）可擴(kuò)充性：在類(lèi)目的設(shè)置或?qū)蛹?jí)的劃分上，留有適當(dāng)?shù)挠嗟兀员ＷC分類(lèi)對(duì)象增加時(shí)，不會(huì)打亂已經(jīng)建立的分類(lèi)體系。

（4）綜合實(shí)用性：從實(shí)際需求出發(fā)，綜合各種因素來(lái)確定具體的分類(lèi)原則，使得由此產(chǎn)生的分類(lèi)結(jié)果總體是最優(yōu)、符合需求、綜合實(shí)用和便于操作的。（5）兼容性：有相關(guān)的國(guó)家標(biāo)準(zhǔn)則應(yīng)執(zhí)行國(guó)家標(biāo)準(zhǔn)，若沒(méi)有相關(guān)的國(guó)家標(biāo)準(zhǔn)，則執(zhí)行相關(guān)的行業(yè)標(biāo)準(zhǔn)；若二者均不存在，則應(yīng)參照相關(guān)的國(guó)際標(biāo)準(zhǔn)。原始的數(shù)據(jù)通常是雜亂無(wú)章、毫無(wú)規(guī)律的。為了從數(shù)據(jù)（data）中挖掘出有價(jià)值的信息（information），進(jìn)而形成結(jié)論或知識(shí)（knowledge），并幫助人們?cè)谔囟ǖ膱?chǎng)景下做出合理的決策（智慧，wisdom），需要進(jìn)行相應(yīng)的數(shù)據(jù)分析。這四者的關(guān)系可以用DIKW金字塔結(jié)構(gòu)進(jìn)行表示。1.2數(shù)據(jù)分類(lèi)的方法（1）按照計(jì)量尺度分類(lèi)

數(shù)值型數(shù)據(jù)是指按定距或定比尺度計(jì)量形成的數(shù)據(jù)，例如身高、體重、人均收入等，一般用數(shù)字表示。分類(lèi)數(shù)據(jù)，按照事物的某種屬性對(duì)其進(jìn)行分類(lèi)或分組而得到的反映事物類(lèi)型的數(shù)據(jù)。一般用文字表示，例如人群按照性別可以分為男性和女性兩類(lèi)。

順序數(shù)據(jù)是指按定序尺度計(jì)量形成的數(shù)據(jù)，是一種有序類(lèi)別的非數(shù)值型數(shù)據(jù)，一般用文字表示。有序的、可比較的，例如成績(jī)?cè)u(píng)定中的優(yōu)、良、中、差。

分類(lèi)數(shù)據(jù)和順序數(shù)據(jù)通常需要通過(guò)數(shù)據(jù)預(yù)處理將其轉(zhuǎn)化為數(shù)字代碼表示（2）按照時(shí)間特征分類(lèi)

按照被描述對(duì)象與時(shí)間的關(guān)系，數(shù)據(jù)可以分為橫截面數(shù)據(jù)、時(shí)間序列和面板數(shù)據(jù)。

橫截面數(shù)據(jù)是指在同一時(shí)間（時(shí)期或時(shí)點(diǎn))截面上反映一個(gè)總體的一批或全部個(gè)體的特征變量的觀測(cè)值。

時(shí)間序列是指按照時(shí)間順序記錄的同一個(gè)（或一組)變量的一系列觀測(cè)值。

面板數(shù)據(jù)是將橫截面數(shù)據(jù)和時(shí)間序列綜合起來(lái)的一種數(shù)據(jù)類(lèi)型，也稱時(shí)間序列一橫截面數(shù)據(jù)，其具有時(shí)間序列和橫截面兩個(gè)維度。（3）按照收集方法分類(lèi)

按照收集方法的不同，數(shù)據(jù)可以分為觀測(cè)數(shù)據(jù)和實(shí)驗(yàn)數(shù)據(jù)。

觀測(cè)數(shù)據(jù)是指在自然的未被控制的條件下通過(guò)調(diào)查或觀測(cè)而收集得到的數(shù)據(jù)。例如，GDP、降雨量等有關(guān)社會(huì)經(jīng)濟(jì)或自然現(xiàn)象的統(tǒng)計(jì)數(shù)據(jù)基本上都是觀測(cè)數(shù)據(jù)。

實(shí)驗(yàn)數(shù)據(jù)是指通過(guò)在實(shí)驗(yàn)中控制實(shí)驗(yàn)對(duì)象及其所處的實(shí)驗(yàn)環(huán)境而收集得到的數(shù)據(jù)，例如醫(yī)藥實(shí)驗(yàn)數(shù)據(jù)、化學(xué)實(shí)驗(yàn)數(shù)據(jù)等。（4）按照數(shù)據(jù)來(lái)源分類(lèi)

按照來(lái)源的不同，數(shù)據(jù)可以分為直接數(shù)據(jù)和間接數(shù)據(jù)。直接數(shù)據(jù)也稱一手?jǐn)?shù)據(jù)，是指針對(duì)給定的問(wèn)題或目的，通過(guò)直接觀測(cè)、調(diào)查或?qū)嶒?yàn)得到的數(shù)據(jù)。間接數(shù)據(jù)通常是已經(jīng)存在并被收集好的數(shù)據(jù)，只需要對(duì)這些數(shù)據(jù)進(jìn)行重新加工和整理便可以得到人們需要的或是可以使用的數(shù)據(jù)。2

數(shù)據(jù)分析方法的分類(lèi)2.1以數(shù)理統(tǒng)計(jì)為基礎(chǔ)，可以分為描述性分析、探索性分析和推斷性分析三大類(lèi)。

描述性分析是借助各種描述指標(biāo)對(duì)數(shù)據(jù)進(jìn)行概要分析，以獲得反映客觀現(xiàn)象整體的各種定量特征，主要包括集中趨勢(shì)分析、離中趨勢(shì)分析和分布形狀分析。

探索性分析是一種數(shù)據(jù)驅(qū)動(dòng)的分析方法，完全從客觀數(shù)據(jù)出發(fā)，通過(guò)圖、表等可視化方式探索數(shù)據(jù)內(nèi)在的規(guī)律和模式。探索性分析能夠幫助人們檢查數(shù)據(jù)預(yù)處理的結(jié)果，理解數(shù)據(jù)，并提出合理的數(shù)據(jù)分布和模型假設(shè)。

推斷性分析是指根據(jù)帶有隨機(jī)性的（樣本）觀測(cè)數(shù)據(jù)，基于合理的（模型）假設(shè)，對(duì)未知事物（總體）做出推斷，主要包括參數(shù)估計(jì)、假設(shè)檢驗(yàn)、方差分析等。2.2根據(jù)分析目的的不同，數(shù)據(jù)分析分法可以分為回顧性分析和預(yù)測(cè)性分析

回顧性分析是以現(xiàn)在為結(jié)果，回溯過(guò)去的分析方法。回顧性分析是醫(yī)學(xué)和心理學(xué)常用的數(shù)據(jù)分析方法。

預(yù)測(cè)性分析的本質(zhì)是根據(jù)事物的過(guò)去和現(xiàn)在預(yù)測(cè)未來(lái)，即根據(jù)已知預(yù)測(cè)未知，從而減少對(duì)未來(lái)事物認(rèn)識(shí)的不確定性，以指導(dǎo)我們的決策行動(dòng)，減少?zèng)Q策的盲目性。常用的預(yù)測(cè)性分析方法有回歸分析、分類(lèi)分析、時(shí)間序列預(yù)測(cè)等。2.3

根據(jù)數(shù)據(jù)類(lèi)型和特性的不同，數(shù)據(jù)分析方法可以分為：

數(shù)值型數(shù)據(jù)分析、分類(lèi)型數(shù)據(jù)分析、順序型數(shù)據(jù)分析；橫截面數(shù)據(jù)分析、時(shí)間序列分析、面板數(shù)據(jù)分析；文本分析、語(yǔ)音分析、圖像分析、視頻分析等。任務(wù)二數(shù)據(jù)分析步驟02任務(wù)描述

在實(shí)際應(yīng)用中，數(shù)據(jù)分析可以幫助人們做出正確的判斷和合理的決策，在產(chǎn)品研發(fā)、設(shè)計(jì)、推廣和售后的整個(gè)生命周期中，從市場(chǎng)調(diào)研到售后服務(wù)等各個(gè)環(huán)節(jié)都需要進(jìn)行數(shù)據(jù)分析，以實(shí)現(xiàn)對(duì)用戶群體和市場(chǎng)的全面刻畫(huà)。企業(yè)的管理者需要通過(guò)市場(chǎng)調(diào)查和相應(yīng)的數(shù)據(jù)分析來(lái)掌握市場(chǎng)動(dòng)向，從而制定合適的生產(chǎn)和銷(xiāo)售計(jì)劃。一個(gè)完整的數(shù)據(jù)分析過(guò)程包含多個(gè)不同的環(huán)節(jié)，每個(gè)環(huán)節(jié)的作用各不相同，但整體卻密不可分。一般而言，數(shù)據(jù)分析的基本流程主要包括以下步驟：?jiǎn)栴}定義與數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理、描述性與探索性分析、推斷性分析、基于模型與算法的分析、數(shù)據(jù)分析報(bào)告與應(yīng)用等，其中問(wèn)題定義與數(shù)據(jù)收集是前提，數(shù)據(jù)預(yù)處理和描述性與探索性分析是基礎(chǔ)，推斷性分析和基于模型與算法的分析是核心，數(shù)據(jù)分析報(bào)告與應(yīng)用是結(jié)果。一問(wèn)題定義與數(shù)據(jù)收集1.1

問(wèn)題定義

是確保數(shù)據(jù)分析過(guò)程有效性的一個(gè)基礎(chǔ)環(huán)節(jié)，主要包含兩部分內(nèi)容：確定目標(biāo)和劃定邊界。

數(shù)據(jù)分析師和實(shí)際決策者應(yīng)根據(jù)具體應(yīng)用和實(shí)際決策的需求，確定數(shù)據(jù)分析的目標(biāo)，這是數(shù)據(jù)分析流程順利進(jìn)行的先決條件。在定義問(wèn)題時(shí)需要做出取舍，通過(guò)邊界劃定確定需要考慮的主要相關(guān)因素，而忽略那些我們認(rèn)為（或假設(shè)）不重要的因素。其次要對(duì)問(wèn)題進(jìn)行明確的、可量化的描述，需要將非量化的描述詞匯轉(zhuǎn)化為具有確定標(biāo)準(zhǔn)的可量化指標(biāo)。1.2

數(shù)據(jù)收集的概述

數(shù)據(jù)可以從各種不同的來(lái)源進(jìn)行獲取?？梢詮闹付ǖ膬?nèi)部數(shù)據(jù)庫(kù)中進(jìn)行采集，采用爬蟲(chóng)技術(shù)從互聯(lián)網(wǎng)上進(jìn)行爬取，利用環(huán)境中的傳感器（如攝像機(jī)、GPS等）進(jìn)行收集，或通過(guò)訪談和問(wèn)卷調(diào)查進(jìn)行獲取等。1.3

問(wèn)題定義與數(shù)據(jù)收集的關(guān)系

通過(guò)問(wèn)題定義能夠指導(dǎo)人們進(jìn)行數(shù)據(jù)收集，采用實(shí)驗(yàn)與觀測(cè)等方法從物理世界中獲取問(wèn)題分析與求解所需的數(shù)據(jù)。同時(shí)，通過(guò)數(shù)據(jù)收集可以幫助人們理解業(yè)務(wù)、驗(yàn)證問(wèn)題定義的合理性，并幫助人們修正和完善問(wèn)題的定義。二

數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理是指綜合運(yùn)用數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)歸約、數(shù)據(jù)變換等多種處理方法，將各種原始數(shù)據(jù)加工成人們需要的標(biāo)準(zhǔn)的、干凈的數(shù)據(jù)的過(guò)程。

面對(duì)類(lèi)型不同、質(zhì)量各異的數(shù)據(jù)，數(shù)據(jù)分析師難以或是無(wú)法直接進(jìn)行數(shù)據(jù)分析，需要通過(guò)數(shù)據(jù)預(yù)處理檢測(cè)并糾正數(shù)據(jù)中損壞的或不準(zhǔn)確的數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行變換以達(dá)到適應(yīng)或匹配模型需求的目的。二

數(shù)據(jù)預(yù)處理2.1

數(shù)據(jù)清理2.1.1數(shù)據(jù)清理概念

數(shù)據(jù)清理是指對(duì)數(shù)據(jù)進(jìn)行重新審查和校驗(yàn)的過(guò)程，其目的是檢測(cè)并糾正損壞的或不準(zhǔn)確的數(shù)據(jù)，為后續(xù)的分析提供干凈的、一致的數(shù)據(jù)。數(shù)據(jù)清理主要包括缺失值處理、異常值處理、不一致性糾正等。2.1.2數(shù)據(jù)清理方法

數(shù)據(jù)缺失處理：通常會(huì)根據(jù)變量的分布特性和變量的重要性（信息量和預(yù)測(cè)能力）采用不同的處理方法。常用的缺失值處理方法包括變量刪除、樣本刪除、定值填充、統(tǒng)計(jì)量填充、插值法填充模型填充、啞變量填充等異常值處理：處理的目的是對(duì)異常數(shù)據(jù)進(jìn)行檢測(cè)并去除或修正。常用的異常值檢測(cè)方法有簡(jiǎn)單統(tǒng)計(jì)法（如箱形圖法）、基于距離的方法、基于密度的方法和基于聚類(lèi)的方法等。常用的異常值處理方法有簡(jiǎn)單刪除、對(duì)數(shù)變換、平均值替換、中位數(shù)替換等。2.1

數(shù)據(jù)清理2.1.1

數(shù)據(jù)清理概念

數(shù)據(jù)清理是指對(duì)數(shù)據(jù)進(jìn)行重新審查和校驗(yàn)的過(guò)程，其目的是檢測(cè)并糾正損壞的或不準(zhǔn)確的數(shù)據(jù)，為后續(xù)的分析提供干凈的、一致的數(shù)據(jù)。數(shù)據(jù)清理主要包括缺失值處理、異常值處理、不一致性糾正等。不一致性是指原始數(shù)據(jù)中包含矛盾的或不相容的數(shù)據(jù)或信息。

造成數(shù)據(jù)不一致性的主要原因有數(shù)據(jù)冗余、并發(fā)控制不當(dāng)、各種故障或錯(cuò)誤等。可以通過(guò)定義一致性約束來(lái)檢測(cè)數(shù)據(jù)中的不一致性，也可以根據(jù)每個(gè)變量的合理取值范圍和相互關(guān)系來(lái)檢查數(shù)據(jù)是否符合要求，進(jìn)而找出那些超出正常范圍、邏輯不合理或者相互矛盾的數(shù)據(jù)。邏輯不一致的數(shù)據(jù)可能以多種形式出現(xiàn)。針對(duì)不一致數(shù)據(jù)，可以根據(jù)關(guān)聯(lián)數(shù)據(jù)結(jié)合領(lǐng)域知識(shí)進(jìn)行糾正，也可以把不一致數(shù)據(jù)當(dāng)作缺失數(shù)據(jù)，并采用缺失值處理方法進(jìn)行處理。2.2數(shù)據(jù)集成2.2.1數(shù)據(jù)集成的概念

數(shù)據(jù)集成是指將不同來(lái)源的數(shù)據(jù)進(jìn)行合并，以得到一個(gè)完整的、一致的數(shù)據(jù)集。數(shù)據(jù)集成是后續(xù)數(shù)據(jù)分析和數(shù)據(jù)挖掘的基礎(chǔ)。2.2.2數(shù)據(jù)集成的方法

模式映射是指將來(lái)自不同數(shù)據(jù)源的表示相同含義的字段或?qū)傩杂成錇橥侄?。在?shù)據(jù)庫(kù)中，例如針對(duì)學(xué)生編號(hào)，有的數(shù)據(jù)庫(kù)用“學(xué)號(hào)”，而有的則用“學(xué)生ID”。實(shí)體對(duì)齊的目標(biāo)是把不同數(shù)據(jù)源中同一實(shí)體的不同記錄進(jìn)行匹配和對(duì)齊。當(dāng)存在統(tǒng)一的唯一標(biāo)識(shí)時(shí)，例如用戶身份證號(hào)，可以通過(guò)標(biāo)識(shí)匹配進(jìn)行實(shí)體對(duì)齊。2.3數(shù)據(jù)歸約2.3.1數(shù)據(jù)規(guī)約的概念

數(shù)據(jù)歸約是指在盡可能保留數(shù)據(jù)所包含的有用信息的前提下，最大限度地精簡(jiǎn)數(shù)據(jù)量。數(shù)據(jù)歸約主要包括特征歸約和樣本歸約，分別針對(duì)原始數(shù)據(jù)集中的屬性和記錄進(jìn)行歸約。2.3.2數(shù)據(jù)規(guī)約的方法

特征歸約，也稱維度歸約，是指從原有的特征集中刪除冗余的或不相關(guān)的特征，或是通過(guò)對(duì)特征進(jìn)行重組來(lái)減少特征的個(gè)數(shù)，進(jìn)而降低數(shù)據(jù)維度。樣本歸約是指從數(shù)據(jù)集中選出一個(gè)具有代表性的樣本子集。常用的樣本歸約方法包括隨機(jī)抽樣、分層抽樣、系統(tǒng)抽樣等。2.4數(shù)據(jù)變換2.4.1數(shù)據(jù)變換的概念

數(shù)據(jù)變換是指對(duì)數(shù)據(jù)進(jìn)行變形和轉(zhuǎn)換，使其適用于后續(xù)的數(shù)據(jù)分析和數(shù)據(jù)挖掘。數(shù)據(jù)變換主要包括數(shù)據(jù)規(guī)范化、數(shù)據(jù)離散化和類(lèi)別編碼。2.4.2數(shù)據(jù)變換的方法

數(shù)據(jù)規(guī)范化是指將數(shù)據(jù)平移并按比例進(jìn)行縮放，以使其落入一個(gè)特定的范圍或區(qū)域。通過(guò)數(shù)據(jù)規(guī)范化可以去除數(shù)據(jù)的量綱限制，以實(shí)現(xiàn)對(duì)不同量綱的特征或指標(biāo)進(jìn)行綜合比較和分析。常用的數(shù)據(jù)規(guī)范化方法包括最小一最大（min-max）歸一化和Z-score標(biāo)準(zhǔn)化，前者根據(jù)特征數(shù)據(jù)的極值將其歸一化到[0，1]范圍，后者則根據(jù)特征數(shù)據(jù)的均值和標(biāo)準(zhǔn)差將其分布標(biāo)準(zhǔn)化成均值為0和標(biāo)準(zhǔn)差為1的分布。數(shù)據(jù)離散化是指通過(guò)數(shù)據(jù)分段將數(shù)值型數(shù)據(jù)轉(zhuǎn)化為類(lèi)別型或順序型數(shù)據(jù)的過(guò)程。

其基本思想是通過(guò)對(duì)連續(xù)的數(shù)值區(qū)間進(jìn)行分段，以得到少量的子區(qū)間，并將每個(gè)子區(qū)間內(nèi)的數(shù)值映射到一個(gè)離散符號(hào)，進(jìn)而將連續(xù)數(shù)值型特征的取值離散化。例如，根據(jù)年齡將用戶分為兒童、少年、青年、中年和老年。

常用的數(shù)據(jù)離散化方法有等寬法、等頻法、聚類(lèi)法和有監(jiān)督學(xué)習(xí)法。有效的數(shù)據(jù)離散化不僅能夠降低后續(xù)分析算法的計(jì)算時(shí)間和空間開(kāi)銷(xiāo)，還能提高模型對(duì)樣本的區(qū)分能力和抗噪能力。類(lèi)別編碼是指通過(guò)編碼變換將離散的類(lèi)別型數(shù)據(jù)轉(zhuǎn)化為數(shù)值表示。常用的類(lèi)別編碼方法有虛擬變量(dummyvariable)編碼和獨(dú)熱(one-hot)編碼。

虛擬變量又稱啞變量，是用來(lái)反映類(lèi)別屬性的人工變量，通常為二值變量，取值為0或1。例如，針對(duì)類(lèi)別型變量“性別”，可以構(gòu)造一個(gè)虛擬變量“is_男性”進(jìn)行表示，相應(yīng)的“男性”取值為1，“女性”取值為0。

獨(dú)熱編碼又稱一位有效編碼，其基本思想是使用n位狀態(tài)寄存器對(duì)n個(gè)可能狀態(tài)進(jìn)行編碼，每個(gè)狀態(tài)都有獨(dú)立的寄存器位，并且在任意時(shí)刻其中只有一位有效。例如，針對(duì)類(lèi)別型變量“性別”，可以構(gòu)造一個(gè)二維的二進(jìn)制向量進(jìn)行表示，第一位表示“is_男性”第二位表示“is_女性”，相應(yīng)的“男性”取值為（1,0），而“女性”取值則為（0.1)。

若是類(lèi)別型變量的可能取值數(shù)量較多，則可根據(jù)頻數(shù)將出現(xiàn)次數(shù)較少的取值統(tǒng)一歸為一類(lèi)“rare”。這種稀疏化處理既有利于后續(xù)分析模型的快速收斂，又能提升模型的抗噪能力。三描述性分析3.1描述性分析概念

描述性分析是一種利用少量的綜合性描述指標(biāo)來(lái)概括大量原始數(shù)據(jù)的統(tǒng)計(jì)分析方法。描述性分析的目的是用簡(jiǎn)潔有效的方式描述復(fù)雜煩瑣的數(shù)據(jù)，以此來(lái)幫助用戶快速了解數(shù)據(jù)的整體情況和特征，例如最大值、最小值、中位數(shù)、均值和方差等。常用的描述性分析方法有集中趨勢(shì)分析、離中趨勢(shì)分析和分布形狀分析。3.2描述性分析方法集中趨勢(shì)是指變量觀測(cè)值向中心集中的趨勢(shì)，集中趨勢(shì)指標(biāo)分為兩大類(lèi)：數(shù)值平均數(shù)和位置平均數(shù)。離中趨勢(shì)是指一組數(shù)據(jù)中各觀測(cè)值以不同程度偏離其中心（平均數(shù)）的趨勢(shì)，常用的離中趨勢(shì)指標(biāo)有極差、平均差、方差、標(biāo)準(zhǔn)差、異眾比率、四分位差等。四

探索性分析4.1探索性分析概述

探索性分析是一種數(shù)據(jù)驅(qū)動(dòng)的分析方法，它不依賴于任何分布假設(shè)和復(fù)雜理論，完全從客觀數(shù)據(jù)出發(fā)，通過(guò)可視化方法探索數(shù)據(jù)內(nèi)在的規(guī)律和特性。4.2探索性分析的目標(biāo)

探索性分析主要有以下三個(gè)目標(biāo)：

檢驗(yàn)數(shù)據(jù)預(yù)處理結(jié)果理解數(shù)據(jù)的內(nèi)在規(guī)律確定有效的指標(biāo)及模型五

推斷性分析推斷性分析是指根據(jù)已知的（少量）樣本觀測(cè)數(shù)據(jù)對(duì)未知的（大量）總體特征做出科學(xué)判斷的分析方法，其推斷結(jié)果通常以概率形式表述。

推斷性分析的目標(biāo)是在只能獲取研究對(duì)象部分個(gè)體信息的情況下，推斷總體的特征或規(guī)律。五

推斷性分析六

基于模型與算法的分析對(duì)于一些簡(jiǎn)單的問(wèn)題，例如營(yíng)銷(xiāo)效果影響因素分析、商品受眾分析等，人工通過(guò)探索性分析、描述性分析或簡(jiǎn)單的推斷性分析就可以解決。

但對(duì)于一些復(fù)雜的問(wèn)題，例如垃圾郵件識(shí)別、信用風(fēng)險(xiǎn)預(yù)測(cè)、股票價(jià)格走勢(shì)預(yù)測(cè)等，難以或是無(wú)法通過(guò)人工完成，則需要采用基于模型與算法的分析方法進(jìn)行自動(dòng)學(xué)習(xí)和推理。七

數(shù)據(jù)分析報(bào)告數(shù)據(jù)分析報(bào)告是建立在前期數(shù)據(jù)分析的基礎(chǔ)上，給出明確的結(jié)論并提出合理的建議或解決方案的最終交付物。一份好的數(shù)據(jù)分析報(bào)告，應(yīng)該有一個(gè)好的組織框架，并且圖文并茂、層次清晰，能夠讓讀者一目了然。

一份完整的數(shù)據(jù)分析報(bào)告至少應(yīng)包含研究背景、問(wèn)題定義、數(shù)據(jù)說(shuō)明、分析方法、結(jié)果與結(jié)論、方案與建議等內(nèi)容。任務(wù)三數(shù)據(jù)分析軟件03任務(wù)描述

大數(shù)據(jù)時(shí)代背景下，數(shù)據(jù)無(wú)處不在，同時(shí)又形式多樣。數(shù)據(jù)成為推動(dòng)社會(huì)前進(jìn)的動(dòng)力之一，合理的數(shù)據(jù)分析，能夠幫助人們提取出數(shù)據(jù)中蘊(yùn)含的有價(jià)值信息，輔助人們做出合理決策，還可以用于運(yùn)營(yíng)和指導(dǎo)決策。一

數(shù)據(jù)分析軟件的背景1.1數(shù)據(jù)分析的廣泛應(yīng)用1.2數(shù)據(jù)分析軟件的必備性數(shù)據(jù)分析軟件是數(shù)學(xué)與計(jì)算機(jī)科學(xué)相結(jié)合的產(chǎn)物。為提高處理數(shù)據(jù)的準(zhǔn)確度和可行性，數(shù)據(jù)分析軟件成了大家必不可少的實(shí)用工具。雖然數(shù)據(jù)分析的工具千萬(wàn)種，但綜合起來(lái)萬(wàn)變不離其宗，主要是數(shù)據(jù)獲取、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)管理、數(shù)據(jù)計(jì)算、數(shù)據(jù)分析、數(shù)據(jù)展示等方面。二熱門(mén)數(shù)據(jù)分析軟件盤(pán)點(diǎn)2.1入門(mén)級(jí)Excel2.1.1MicrosoftExcel2.1.2WPSExcel2.2

R語(yǔ)言R語(yǔ)言用于統(tǒng)計(jì)分析、繪圖的語(yǔ)言和操作環(huán)境，是一個(gè)免費(fèi)、源代碼開(kāi)放的軟件，是用于統(tǒng)計(jì)計(jì)算和統(tǒng)計(jì)制圖的優(yōu)秀工具。2.2.1發(fā)展歷史R語(yǔ)言是誕生于1980年的S語(yǔ)言的一個(gè)分支，S語(yǔ)言是由AT&T貝爾實(shí)驗(yàn)室(AT&TBellLaboratories〉開(kāi)發(fā)的一種用來(lái)進(jìn)行數(shù)據(jù)探索、統(tǒng)計(jì)分析和作圖的解釋型語(yǔ)言。最初S語(yǔ)言的實(shí)現(xiàn)版本主要是S-PLUS。S-PLUS是一個(gè)商業(yè)軟件，它基于S語(yǔ)言，并由MathSoft公司的統(tǒng)計(jì)科學(xué)部進(jìn)一步完善。R語(yǔ)言可以看作貝爾實(shí)驗(yàn)室開(kāi)發(fā)的S語(yǔ)言的一種實(shí)現(xiàn)。兩者在程序語(yǔ)法上可以說(shuō)是幾乎一樣的，只是在函數(shù)方面有細(xì)微差別。通常用S語(yǔ)言編寫(xiě)的代碼都可以不作修改地在R環(huán)境下運(yùn)行。２.2.2

R語(yǔ)言的特點(diǎn)（1）R語(yǔ)言是自由軟件。這意味著它是完全免費(fèi)，開(kāi)放源代碼的。（2）R語(yǔ)言是一種可編程的語(yǔ)言。（3）所有R語(yǔ)言的函數(shù)和數(shù)據(jù)集是保存在程序包里面的。（4）R語(yǔ)言具有很強(qiáng)的互動(dòng)性。除了圖形輸出是在另外的窗口，它的輸入輸出窗口都是在同一個(gè)窗口進(jìn)行的。2.2.4功能

R語(yǔ)言的功能包括:數(shù)據(jù)存儲(chǔ)和處理;數(shù)組運(yùn)算（其向量、矩陣運(yùn)算方面尤其強(qiáng)大);統(tǒng)計(jì)分析﹔統(tǒng)計(jì)制圖;用戶用簡(jiǎn)便而強(qiáng)大的編程語(yǔ)言可操縱數(shù)據(jù)的輸入和輸出，可實(shí)現(xiàn)分支、循環(huán)，可自定義功能。2.3SPSSSPSS(StatisticalProductandServiceSolutions，統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案)，最初軟件全稱為“社會(huì)科學(xué)統(tǒng)計(jì)軟件包”(SolutionsStatisticalPackagefortheSocialSciences)，隨著SPSS產(chǎn)品服務(wù)領(lǐng)域的擴(kuò)大和服務(wù)深度的增加，SPSS公司已于2000年正式將英文全稱更改為“統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案”，這標(biāo)志著SPSS的戰(zhàn)略方向做出重大調(diào)整。SPSS為IBM公司推出的一系列用于統(tǒng)計(jì)學(xué)分析運(yùn)算、數(shù)據(jù)挖掘、預(yù)測(cè)分析和決策支持任務(wù)的軟件產(chǎn)品及相關(guān)服務(wù)的總稱，有Windows和MacOSX等版本。2.3.1發(fā)展歷史

SPSS是世界上最早的統(tǒng)計(jì)分析軟件，由美國(guó)斯坦福大學(xué)的三位研究生NormanH.Nie、C.Hadlai(Tex)Hull和DaleH.Bent于1968年開(kāi)發(fā)，并成立了SPSS公司，于1975年成立法人組織、在芝加哥組建了SPSS總部。2009年7月28日，IBM公司宣布用12億美元現(xiàn)金收購(gòu)統(tǒng)計(jì)分析軟件提供商SIRSS公司，將其更名為IBMSPSSStatistics。2.3.2軟件功能

SPSS是世界上最早采用圖形菜單驅(qū)動(dòng)界面的統(tǒng)計(jì)軟件，它最突出的特點(diǎn)就是操作界面極為友好，輸出結(jié)果美觀漂亮。它將幾乎所有的功能都以統(tǒng)一、規(guī)范的界面展現(xiàn)出來(lái)，用Windows的窗口方式展示各種管理和分析數(shù)據(jù)方法的功能，用對(duì)話框展示出各種功能選擇項(xiàng)。用戶只要掌握一定的Windows操作技能,精通統(tǒng)計(jì)分析原理，就可以使用該軟件為特定的科研工作服務(wù)。SPSS采用類(lèi)似Excel表格的方式輸入與管理數(shù)據(jù)，數(shù)據(jù)接口較為通用，能方便地從其他數(shù)據(jù)庫(kù)中讀入數(shù)據(jù)。其統(tǒng)計(jì)過(guò)程包括常用的、較為成熟的統(tǒng)計(jì)過(guò)程，完全可以滿足非統(tǒng)計(jì)專(zhuān)業(yè)人士的工作需要。SPSSforWindows是一個(gè)組合式軟件包，它集數(shù)據(jù)錄人、整理、分析功能于一身。

SPSS統(tǒng)計(jì)分析過(guò)程包括描述性統(tǒng)計(jì)、均值比較、一般線性模型、相關(guān)分析、回歸分析、對(duì)數(shù)線性模型、聚類(lèi)分析、數(shù)據(jù)簡(jiǎn)化、生存分析、時(shí)間序列分析、多重響應(yīng)等幾大類(lèi)，每類(lèi)中又分好幾個(gè)統(tǒng)計(jì)過(guò)程，比如回歸分析中又分線性回歸分析、曲線估計(jì)、Logistic回歸、Probit回歸、加權(quán)估計(jì)、兩階段最小二乘法、非線性回歸等多個(gè)統(tǒng)計(jì)過(guò)程，而且每個(gè)過(guò)程中又允許用戶選擇不同的方法及參數(shù)。

SPSS也有專(zhuān)門(mén)的繪圖系統(tǒng),可以根據(jù)數(shù)據(jù)繪制各種圖形。2.4Python

2.4.1

發(fā)展歷程Python的創(chuàng)始人為荷蘭人吉多·范羅蘇姆（GuidovanRossum)。1989年圣誕節(jié)期間，吉多為了打發(fā)圣誕節(jié)的無(wú)趣，決心開(kāi)發(fā)一個(gè)新的腳本解釋程序，作為ABC語(yǔ)言的一種繼承。之所以選中Python(大蟒蛇）作為該編程語(yǔ)言的名字，是取自英國(guó)20世紀(jì)70年代首播的電視喜劇片《蒙提·派森的飛行馬戲團(tuán)》(MontyPython'sFlyingCircus)。Python已經(jīng)成為最受歡迎的程序設(shè)計(jì)語(yǔ)言之一。十分經(jīng)典的3個(gè)科學(xué)計(jì)算擴(kuò)展庫(kù):NumPy、SciPy和matplotlib，它們分別為Python提供了快速數(shù)組處理、數(shù)值運(yùn)算以及繪圖功能。2.4.4應(yīng)用系統(tǒng)編程圖形處理文本處理數(shù)據(jù)庫(kù)編程網(wǎng)絡(luò)編程Web編程多媒體應(yīng)用PYMO引擎黑客編程2.5EViewsEViews是EconometricsViews的縮寫(xiě)，通常稱為計(jì)量經(jīng)濟(jì)學(xué)軟件包，是專(zhuān)門(mén)為大型機(jī)構(gòu)開(kāi)發(fā)的、用以處理時(shí)間序列數(shù)據(jù)的時(shí)間序列軟件包。核心是設(shè)計(jì)模型、收集資料、估計(jì)模型、檢驗(yàn)?zāi)Ｐ汀?yīng)用模型（結(jié)構(gòu)分析、經(jīng)濟(jì)預(yù)測(cè)、政策評(píng)價(jià))。EViews的前身是1981年第1版的MicroTSP。雖然EViews是經(jīng)濟(jì)學(xué)家開(kāi)發(fā)的，而且主要用于經(jīng)濟(jì)學(xué)領(lǐng)域，但是從軟件包的設(shè)計(jì)來(lái)看，EViews的運(yùn)用領(lǐng)域并不局限于處理經(jīng)濟(jì)時(shí)間序列。即使是跨部門(mén)的大型項(xiàng)目，也可以采用Eviews進(jìn)行處理。EViews的應(yīng)用領(lǐng)域涵蓋應(yīng)用經(jīng)濟(jì)計(jì)量學(xué)、總體經(jīng)濟(jì)的研究和預(yù)測(cè)、銷(xiāo)售預(yù)測(cè)、財(cái)務(wù)分析、成本分析和預(yù)測(cè)、蒙地卡羅模擬、經(jīng)濟(jì)模型的估計(jì)和仿真、利率與外匯預(yù)測(cè)等。任務(wù)四數(shù)據(jù)分析應(yīng)用04任務(wù)描述

對(duì)數(shù)據(jù)進(jìn)行合理的分析，能夠幫助人們挖掘出其中蘊(yùn)含的有價(jià)值信息，進(jìn)而輔助決策者做出高效、合理的決策。數(shù)據(jù)分析已廣泛應(yīng)用于電商、交通、文化傳媒、能源、金融等各個(gè)領(lǐng)域。電商數(shù)據(jù)分析一亞馬遜京東淘寶電子商務(wù)平臺(tái)在與用戶的交互過(guò)程中會(huì)累積海量的用戶行為數(shù)據(jù)，包括點(diǎn)擊、瀏覽、購(gòu)買(mǎi)、評(píng)論等各種類(lèi)型的行為數(shù)據(jù)。通過(guò)分析這些數(shù)據(jù)，可以對(duì)用戶進(jìn)行畫(huà)像，進(jìn)而幫助用戶從大量候選商品中快速地挑選出其需要且喜愛(ài)的商品，即實(shí)現(xiàn)“千人千面”的個(gè)性化推薦。個(gè)性化推薦已經(jīng)成為各種電商平臺(tái)的一種“標(biāo)配”，例如亞馬遜、京東、淘寶等。二

交通數(shù)據(jù)分析通過(guò)數(shù)據(jù)分析可以將各種類(lèi)型的交通數(shù)據(jù)進(jìn)行有效整合，以挖掘出各種數(shù)據(jù)之間的聯(lián)系，為用戶、交管部門(mén)和相關(guān)運(yùn)輸企業(yè)提供更及時(shí)、準(zhǔn)確的交通信息或服務(wù)。

車(chē)輛傳感器數(shù)據(jù)具有廣泛的應(yīng)用價(jià)值，可用于車(chē)險(xiǎn)、自動(dòng)駕駛、交通管理等不同領(lǐng)域。目前，基于數(shù)據(jù)分析的交通管理優(yōu)化、車(chē)輛和出行者的智能化服務(wù)已經(jīng)在交通應(yīng)急、安全保障和日常出行等場(chǎng)景中得到了實(shí)際應(yīng)用。能夠提高交通效率、解決交通擁堵、確保交通安全、減少環(huán)境污染。三

文化傳媒數(shù)據(jù)分析合理的數(shù)據(jù)分析能夠幫助人們進(jìn)行影視制作、文化宣傳、文案制作等，進(jìn)而推動(dòng)文化傳媒行業(yè)的轉(zhuǎn)型升級(jí)。

該系統(tǒng)基于用戶的視頻點(diǎn)播行為相關(guān)數(shù)據(jù)，例如評(píng)分、播放、快進(jìn)、時(shí)間、地點(diǎn)、終端等，分析出用戶對(duì)影片的偏好，并為其提供個(gè)性化的推薦服務(wù)。四

能源數(shù)據(jù)分析合理的數(shù)據(jù)分析能夠幫助決策者優(yōu)化能源的生產(chǎn)、傳輸和利用等各個(gè)環(huán)節(jié)，進(jìn)而提高能源的生產(chǎn)和使用效率，同時(shí)也能降低對(duì)環(huán)境的污染。

為了提高電能的利用效率，德國(guó)政府利用數(shù)據(jù)分析構(gòu)建了一套智能電網(wǎng)。通過(guò)電網(wǎng)系統(tǒng)每隔5分鐘或10分鐘收集一次數(shù)據(jù)，并利用這些數(shù)據(jù)來(lái)預(yù)測(cè)客戶的用電習(xí)慣，從而推斷出在未來(lái)2~3個(gè)月時(shí)間里整個(gè)電網(wǎng)大概需要多少電量?；趯?duì)用電量的預(yù)測(cè)，可以更加高效地調(diào)整和優(yōu)化電力的生產(chǎn)調(diào)度，不僅可以降低用戶的用電成本，還能減少對(duì)能源的消耗和對(duì)環(huán)境的污染。五

金融數(shù)據(jù)分析合理的數(shù)據(jù)分析能夠輔助人們進(jìn)行金融投資決策，進(jìn)而獲得更高的投資收益。

量化投資就是一種基于數(shù)據(jù)分析和量化模型的投資方法。

數(shù)據(jù)分析還可以幫助金融機(jī)構(gòu)進(jìn)行風(fēng)險(xiǎn)管控和客戶關(guān)系管理。摩根大通銀行基于多方面的數(shù)據(jù)，利用決策樹(shù)等數(shù)據(jù)分析技術(shù)對(duì)貸款客戶進(jìn)行建模和分析，有效降低了不良貸款率，并提高了提前還款的客戶率，感觀看謝數(shù)據(jù)分析指標(biāo)與模型

項(xiàng)目二Excel數(shù)據(jù)分析實(shí)例學(xué)習(xí)目標(biāo)知識(shí)目標(biāo)01技能目標(biāo)02素質(zhì)目標(biāo)03學(xué)習(xí)統(tǒng)計(jì)指標(biāo)、管理學(xué)模型、統(tǒng)計(jì)學(xué)模型進(jìn)行數(shù)據(jù)分析的思路。掌握數(shù)據(jù)分析的SPSS使用并可以自行構(gòu)建店鋪經(jīng)營(yíng)情況的評(píng)價(jià)指標(biāo)體系。促進(jìn)對(duì)數(shù)據(jù)倫理、精確性和客觀性的認(rèn)識(shí)，強(qiáng)化對(duì)數(shù)據(jù)分析責(zé)任感的培養(yǎng)。學(xué)習(xí)導(dǎo)圖任務(wù)一統(tǒng)計(jì)指標(biāo)01任務(wù)目標(biāo)理解統(tǒng)計(jì)指數(shù)概念及其在社會(huì)經(jīng)濟(jì)分析中的應(yīng)用；掌握不同類(lèi)型的統(tǒng)計(jì)指數(shù)的計(jì)算方法；學(xué)會(huì)如何解讀和使用統(tǒng)計(jì)指數(shù)進(jìn)行定量分析。知識(shí)準(zhǔn)備1.熟悉基礎(chǔ)統(tǒng)計(jì)學(xué)基本概念。2.熟悉數(shù)據(jù)的分類(lèi)與類(lèi)型。一、數(shù)值平均數(shù)1.1

算數(shù)平均數(shù)算術(shù)平均數(shù)算術(shù)平均數(shù)(mean)也稱均值，記為，是反映集中趨勢(shì)最常用的指標(biāo)，它反映一些數(shù)據(jù)必然性的特點(diǎn)，包括簡(jiǎn)單算術(shù)平均數(shù)和加權(quán)算術(shù)平均數(shù)。算術(shù)平均數(shù)的基本計(jì)算是所有樣本數(shù)據(jù)之和除以樣本總數(shù)，并日假設(shè)各樣本具有統(tǒng)一權(quán)重。其計(jì)算公式為：1.1

算數(shù)平均數(shù)（1）簡(jiǎn)單算數(shù)平均數(shù)n個(gè)測(cè)量值x1，x2，?，xn，集合的算術(shù)平均是測(cè)量值的平均值。一般用表示樣本均值（即n個(gè)測(cè)量值樣本的平均值），而希臘字母表示總體均值?！纠?-1】以“2023版數(shù)據(jù)分析技術(shù)表.csv”為數(shù)據(jù)，其中2023年6月-11月的訪客數(shù)平均數(shù)為多少？解：在Excel中，我們可以使用“AVERAGE(B2:B184)”函數(shù)，得出平均數(shù)為3400.448。1.1

算數(shù)平均數(shù)（2）加權(quán)算術(shù)平均數(shù)如果得到的是經(jīng)過(guò)整理后的分組頻數(shù)分布數(shù)據(jù)，則應(yīng)使用加權(quán)算術(shù)平均數(shù)(weightedmean)來(lái)計(jì)算總體的均值。記，為第i組的組中值，為第i組的頻數(shù)，則加權(quán)算術(shù)平均數(shù)的計(jì)算公式為【例1-2】某家淘寶店鋪一個(gè)月賣(mài)出的產(chǎn)品業(yè)績(jī)?nèi)绫硭荆瑔?wèn)該店鋪這個(gè)月賣(mài)出產(chǎn)品的平均價(jià)格為？產(chǎn)品價(jià)格/元銷(xiāo)量/件上衣15825褲子18010裙子64121.2

調(diào)和平均數(shù)（調(diào)和平均數(shù)(harmonicmean)也稱倒數(shù)平均數(shù)，是總體各統(tǒng)計(jì)變量倒數(shù)的算術(shù)平均數(shù)的倒數(shù)。調(diào)和平均數(shù)是平均數(shù)的一種。調(diào)和平均數(shù)也有簡(jiǎn)單調(diào)和平均數(shù)和加權(quán)調(diào)和平均數(shù)兩種。（1）簡(jiǎn)單調(diào)和平均數(shù)簡(jiǎn)單調(diào)和平均數(shù)是簡(jiǎn)單算術(shù)平均數(shù)的變形。其計(jì)算公式為（2）加權(quán)調(diào)和平均數(shù)加權(quán)調(diào)和平均數(shù)是加權(quán)算術(shù)平均數(shù)的變形。它與加權(quán)算術(shù)平均數(shù)在實(shí)質(zhì)上是相同的，僅有形式上的區(qū)別，即表現(xiàn)為變量對(duì)稱的區(qū)別、權(quán)數(shù)對(duì)稱的區(qū)別和計(jì)算位置對(duì)稱的區(qū)別。其計(jì)算公式為在很多情況下，由于只掌握每組某個(gè)標(biāo)志的數(shù)值總和(m)而缺少總體單位數(shù)(f)的資料，不能直接計(jì)算加權(quán)算術(shù)平均數(shù)，而改為計(jì)算加權(quán)調(diào)和平均數(shù)?！纠?-3】某淘寶店鋪進(jìn)購(gòu)了3批布匹，每批單價(jià)和采購(gòu)金額資料如表所示，求平均采購(gòu)價(jià)格。

單價(jià)/（元/千克）采購(gòu)金額/元布匹12010000布匹23012000布匹35020000合計(jì)

420001.3幾何平均數(shù)幾何平均數(shù)(geometricmean)是指n個(gè)觀測(cè)值連乘積的n次方根。根據(jù)資料的條件不同，幾何平均數(shù)有加權(quán)和不加權(quán)之分。當(dāng)某一事物的發(fā)展符合乘法原理時(shí)，即一個(gè)變化是在前一個(gè)變化基礎(chǔ)上產(chǎn)生的，求其平均變化即可用此法。（1）簡(jiǎn)單幾何平均數(shù)簡(jiǎn)單幾何平均數(shù)公式為（2）加權(quán)幾何平均數(shù)

加權(quán)幾何平均數(shù)公式為例1-4】某店鋪?zhàn)罱?年的銷(xiāo)售額增長(zhǎng)率為1.5%、0.9%、0.7%、2.2%、1.7%，問(wèn)其年平均經(jīng)濟(jì)增長(zhǎng)率為多少？解：年平均增長(zhǎng)率為1.3幾何平均數(shù)（2）加權(quán)幾何平均數(shù)

加權(quán)幾何平均數(shù)公式為1.3幾何平均數(shù)【例1-4】某店鋪?zhàn)罱?年的銷(xiāo)售額增長(zhǎng)率為1.5%、0.9%、0.7%、2.2%、1.7%，問(wèn)其年平均經(jīng)濟(jì)增長(zhǎng)率為多少？解：年平均增長(zhǎng)率為二中位數(shù)中位數(shù)(median)是另外一種反映數(shù)據(jù)中心位置的指標(biāo)，其確定方法是將各變量值由小到大順序排列，位于中間位置的變量值就是中位數(shù)，通常記為M?！纠?-5】以“2023版數(shù)據(jù)分析技術(shù)表.csv”為數(shù)據(jù)，其中2023年6月第一周的訪客數(shù)分別為1995、1316、1939、1911、1862、1925、1862，那么它們的中位數(shù)為多少？解：2023年6月第一周店鋪的訪客數(shù)從小到大排序?yàn)?316、1862、1862、1911、1925、1939、1995中位數(shù)為1911。三

四分位數(shù)四分位數(shù)是把變量值分成四部分的數(shù)值，它是一組變量值排序后處于25%和75%位置上的值。四分位數(shù)是通過(guò)3個(gè)點(diǎn)將全部變量值等分為4部分，其中每部分包含25%變量值個(gè)數(shù)，顯然，中間的四分位數(shù)就是中位數(shù)，因此，通常所說(shuō)的四分位數(shù)是指處在25%位置上的變量值(稱為下四分位數(shù))和處于75%位置上的變量值(稱為上四分位數(shù))。設(shè)下四分位數(shù)為Q，上四分位數(shù)為Q則四分位數(shù)的位置為【例1-6】以“2023版數(shù)據(jù)分析技術(shù)表.csv”為數(shù)據(jù)，其中2023年6月-11月的訪客數(shù)中位數(shù)為多少？解：在Excel中，我們可以使用“QUARTILE(B2:B184，1)”函數(shù)，得到下四分位數(shù)為1988，使用“QUARTILE(B2:B184,3)”函數(shù)，得到上四分位數(shù)為4431。圖1-2Excel計(jì)算下四分位數(shù)圖1-3Excel計(jì)算上四分位數(shù)四眾數(shù)眾數(shù)(mode)是指總體中出現(xiàn)次數(shù)最多的變量值，它能明確反映數(shù)據(jù)分布的集中精勢(shì)，通常用M0表示。眾數(shù)也是一種位置平均數(shù)，不受極端變量值的影響。但并非所有變量值集合都有眾數(shù)，也可能存在多個(gè)眾數(shù)?！纠?-7】以“2023版數(shù)據(jù)分析技術(shù)表.csv”為數(shù)據(jù)，其中2023年6月-11月的訪客數(shù)眾數(shù)為多少？解：在Excel中，我們可以使用“MODE(B2:B184)”函數(shù)，得出眾數(shù)為1953。圖1-4Excel計(jì)算眾數(shù)五

極差極差(range)也稱全距，是一組數(shù)據(jù)的最大值與最小值之差，通常記為R：其中，和分別為數(shù)據(jù)中的最大值和最小值。顯然，一組數(shù)據(jù)的差異越大，其極差也越大，它是數(shù)據(jù)離散或差異程度的最簡(jiǎn)單測(cè)度值【例1-8】以“2023版數(shù)據(jù)分析技術(shù)表.csv”為數(shù)據(jù)，其中2023年6月-11月的訪客數(shù)極差為多少？六四分位差四分位差(quartiledeviation)也稱中點(diǎn)分布，是一組數(shù)據(jù)75%位置上的四分位數(shù)和25%位置上的四分位數(shù)的差，也就是上四分位數(shù)和下四分位數(shù)的差，記為Q，其計(jì)算公式為四分位差反映了中間50%數(shù)據(jù)的離散程度，其數(shù)值越小，說(shuō)明中間的數(shù)據(jù)越集中；數(shù)值越大，說(shuō)明中間的數(shù)值越分散。四分位差測(cè)量的是中間50%數(shù)據(jù)的離散趨勢(shì)，沒(méi)有考慮比Q1小、比Qu大的數(shù)，所以不受極端值的影響。因此，四分位差的大小在一定程度上說(shuō)明了中位數(shù)對(duì)一組數(shù)據(jù)的代表程度?！纠?-9】以“2023版數(shù)據(jù)分析技術(shù)表.csv”為數(shù)據(jù)，其中2023年6月-11月的訪客數(shù)中位數(shù)為多少？解：在【例1-6】Excel分析中，我們已經(jīng)使用“QUARTILE”函數(shù)，得出下四分位數(shù)為1988，上四分位數(shù)為4431，所以四分位差為。七方差和標(biāo)準(zhǔn)差【例1-10】以“2023版數(shù)據(jù)分析技術(shù)表.csv”為數(shù)據(jù)，其中2023年6月-11月的訪客數(shù)方差和標(biāo)準(zhǔn)差分別為多少？解：在Excel中，我們可以使用“VAR(B2:B184)”與“STDEV(B2:B184)”函數(shù)，得出方差為2824621.96，標(biāo)準(zhǔn)差為1680.661。圖1-6Excel計(jì)算方差圖1-7Excel計(jì)算標(biāo)準(zhǔn)差八離散系數(shù)和異眾比率8.1

離散系數(shù)當(dāng)需要比較不同總體的離散程度時(shí)，因使用的度量單位不同(如體重和身高)，或它們的數(shù)量級(jí)相差很大(如大象和蜜蜂)，用絕對(duì)值表示的標(biāo)準(zhǔn)差就缺乏可比性。因此，在對(duì)比分析中，不宜直接使用標(biāo)準(zhǔn)差來(lái)比較不同水平數(shù)列之間的標(biāo)志離散程度，必須用反映標(biāo)志變異程度的相對(duì)指標(biāo)來(lái)比較，即離散系數(shù)。離散系數(shù)(coefficientofvariation)也稱變異系數(shù)或標(biāo)準(zhǔn)差系數(shù)，通常表示為，其計(jì)算公式為其中，為標(biāo)準(zhǔn)差，為算術(shù)平均數(shù)。【例1-11】以“2023版數(shù)據(jù)分析技術(shù)表.csv”為數(shù)據(jù)，其中2023年6月-11月的訪客數(shù)離散系數(shù)為多少？解：在Excel中，我們可以使用“STDEV(B2:B184)/AVERAGE(B2:B184)”函數(shù)，得出離散系數(shù)為0.494。圖1-6Excel計(jì)算方差圖1-8Excel計(jì)算離散系數(shù)8.2

異眾比率以上的變異指標(biāo)均只適用于定量數(shù)據(jù)，對(duì)于定性數(shù)據(jù)，可以計(jì)算異眾比率，來(lái)衡量集中趨勢(shì)值眾數(shù)的代表性。異眾比率是指非眾數(shù)值的次數(shù)之和在總次數(shù)中所占的比重，若用表示異眾比率，和分別表示眾數(shù)所在組的次數(shù)和總次數(shù)，則異眾比率的計(jì)算公式為九偏度偏度是對(duì)數(shù)據(jù)對(duì)稱性的測(cè)度，測(cè)量偏度的統(tǒng)計(jì)量是偏度系數(shù)計(jì)算公式如下：其中，是樣本標(biāo)準(zhǔn)差的三次方。如果數(shù)據(jù)是對(duì)稱分布的，則偏度系數(shù)為0；如果偏度系數(shù)明顯不等于0，則數(shù)據(jù)是非對(duì)稱分布的；如果偏度系數(shù)大于1或者小于-1，則被稱為高度偏態(tài)分布。十峰態(tài)峰度是對(duì)數(shù)據(jù)分布平峰或尖峰程度的測(cè)量，測(cè)度峰度的統(tǒng)計(jì)量是峰度系數(shù)，計(jì)算公式如下：峰度通常是與標(biāo)準(zhǔn)正態(tài)分布相比較的.任務(wù)二數(shù)據(jù)分析常用統(tǒng)計(jì)學(xué)模型02任務(wù)描述相關(guān)與回歸分析發(fā)展至今已有200多年的歷史，應(yīng)用范圍十分廣泛，尤其是在經(jīng)濟(jì)領(lǐng)域中得到了廣泛應(yīng)用?，F(xiàn)代經(jīng)濟(jì)學(xué)中影響最大的一門(mén)獨(dú)立科學(xué)是計(jì)量經(jīng)濟(jì)學(xué)，諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者薩繆爾森曾這樣評(píng)價(jià)計(jì)量經(jīng)濟(jì)學(xué)：二戰(zhàn)后的經(jīng)濟(jì)學(xué)是計(jì)量經(jīng)濟(jì)學(xué)的時(shí)代。本節(jié)我們將站在計(jì)量經(jīng)濟(jì)學(xué)的角度介紹數(shù)據(jù)分析常用的統(tǒng)計(jì)模型，為學(xué)生后期從事經(jīng)濟(jì)管理相關(guān)工作奠定基礎(chǔ)。任務(wù)目標(biāo)1.熟悉常見(jiàn)的數(shù)據(jù)分析統(tǒng)計(jì)學(xué)步驟。2.掌握數(shù)據(jù)的描述統(tǒng)計(jì)、聚類(lèi)統(tǒng)計(jì)、相關(guān)分析與回歸分析。知識(shí)準(zhǔn)備

1.具備平均值、方差、標(biāo)準(zhǔn)差等等相關(guān)統(tǒng)計(jì)專(zhuān)業(yè)知識(shí)。一相關(guān)分析3.1

相關(guān)關(guān)系類(lèi)型現(xiàn)象之間的相關(guān)關(guān)系錯(cuò)綜復(fù)雜，從不同的角度可以區(qū)分為不同類(lèi)型（1）按照相關(guān)關(guān)系涉及變量(或因素)的多少分為單相關(guān)、復(fù)相關(guān)和偏相關(guān)。單相關(guān)，又稱一元相關(guān)，是指兩個(gè)變量之間的相關(guān)關(guān)系。復(fù)相關(guān)，又稱多元相關(guān)，是指三個(gè)或三個(gè)以上變量之間的相關(guān)關(guān)系。偏相關(guān)，是指在一個(gè)變量與兩個(gè)或兩個(gè)以上的變量相關(guān)的條件下，當(dāng)假定其他變量不變時(shí)，其中兩個(gè)變量的相關(guān)關(guān)系。一相關(guān)分析3.1

相關(guān)關(guān)系類(lèi)型（2）按照相關(guān)形式不同分為線性相關(guān)和非線性相關(guān)線性相關(guān)，又稱直線相關(guān)，是指當(dāng)一個(gè)變量變動(dòng)時(shí)，另一變量隨之發(fā)生大致均等的變動(dòng)，從圖形上看，其觀察點(diǎn)的分布近似表現(xiàn)為一條直線。非線性相關(guān)是指一個(gè)變量變動(dòng)時(shí)，另一變量也隨之發(fā)生變動(dòng)，但這種變動(dòng)不是均等的，從圖形上看，其觀察點(diǎn)的分布近似表現(xiàn)為一條曲線。一相關(guān)分析3.1

相關(guān)關(guān)系類(lèi)型（3）按照相關(guān)現(xiàn)象變化的方向不同分為正相關(guān)和負(fù)相關(guān)正相關(guān)是指當(dāng)一個(gè)變量的值增加(減少)時(shí)，另一個(gè)變量的值也隨之增加(減少)，即相關(guān)的兩個(gè)變量發(fā)生同方向的變化。負(fù)相關(guān)是指當(dāng)一個(gè)變量的值增加(減少)時(shí)，另一個(gè)變量的值反而減少(增加)，即兩個(gè)變量發(fā)生反方向變化。一相關(guān)分析3.1

相關(guān)關(guān)系類(lèi)型（4）按相關(guān)程度分為完全相關(guān)、不相關(guān)、不完全相關(guān)完全相關(guān)是指當(dāng)一個(gè)變量的數(shù)量大小完全由另一個(gè)變量的數(shù)量變化所確定時(shí)，兩者之間即為完全相關(guān)。不相關(guān)，又稱零相關(guān)，當(dāng)變量之間彼此互不影響，其數(shù)量變化各自獨(dú)立時(shí)，則變量之間為不相關(guān)。如果兩個(gè)變量的關(guān)系介于完全相關(guān)和不相關(guān)之間，稱為不完全相關(guān)。3.2相關(guān)關(guān)系的測(cè)定要判斷現(xiàn)象之間有無(wú)相關(guān)關(guān)系，首先是定性分析，然后是定量分析（1）定性分析定性分析是依據(jù)研究者的理論知識(shí)、專(zhuān)業(yè)知識(shí)和實(shí)踐經(jīng)驗(yàn)，對(duì)客觀現(xiàn)象之間是否存在相關(guān)關(guān)系，以及有何種相關(guān)關(guān)系做出判斷。只有在定性分析的基礎(chǔ)上，才能進(jìn)一步從數(shù)量上判斷現(xiàn)象之間相關(guān)的方向、形態(tài)及大致的密切程度。定性分析是相關(guān)分析的重要前提。3.2相關(guān)關(guān)系的測(cè)定（2）定量分析：相關(guān)系數(shù)統(tǒng)計(jì)學(xué)家卡爾·皮爾遜設(shè)計(jì)了相關(guān)系數(shù)這一統(tǒng)計(jì)量。相關(guān)系數(shù)(correlationcoefficient)是用以反映變量之間相關(guān)關(guān)系密切程度的統(tǒng)計(jì)量依據(jù)相關(guān)現(xiàn)象之間的不同特征，其統(tǒng)計(jì)量的名稱有所不同。例如，將反映兩變量間線性相關(guān)關(guān)系的統(tǒng)計(jì)量稱為相關(guān)系數(shù)(相關(guān)系數(shù)的平方稱為判定系數(shù))；將反映兩變量間曲線相關(guān)關(guān)系的統(tǒng)計(jì)量稱為非線性相關(guān)系數(shù)、非線性判定系數(shù)，將反映多元線性相關(guān)關(guān)系的統(tǒng)計(jì)量稱為復(fù)相關(guān)系數(shù)、復(fù)判定系數(shù)等。本書(shū)只介紹兩變量間線性相關(guān)關(guān)系的相關(guān)系數(shù)。3.2相關(guān)關(guān)系的測(cè)定若相關(guān)系數(shù)是根據(jù)總體全部數(shù)據(jù)計(jì)算的，稱為總體相關(guān)系數(shù)，記為；若是根據(jù)樣本數(shù)據(jù)計(jì)算的，則稱為樣本相關(guān)系數(shù)，記為γ。樣本相關(guān)系數(shù)的計(jì)算公式為為了根據(jù)原始數(shù)據(jù)計(jì)算γ，可由式7-3推導(dǎo)出下面的簡(jiǎn)捷計(jì)算公式

3.3相關(guān)關(guān)系的顯著性檢驗(yàn)總體相關(guān)系數(shù)通常是未知的，而且由樣本相關(guān)系數(shù)γ作為的近似估計(jì)值。但因?yàn)棣檬怯蓸颖緮?shù)據(jù)計(jì)算出來(lái)的，受到隨機(jī)因素的影響，γ本身是一個(gè)隨機(jī)變量。我們能否據(jù)樣本相關(guān)系數(shù)直接來(lái)說(shuō)明總體的相關(guān)程度？答案是否定的，還需要考察樣本相關(guān)系數(shù)阿靠性，也就是進(jìn)行顯著性檢驗(yàn)。通常采用費(fèi)希爾提出的t分布檢驗(yàn)來(lái)對(duì)γ進(jìn)行顯著性驗(yàn)，該檢驗(yàn)既可以用于小樣本，也可以用于大樣本，檢驗(yàn)的具體步驟如下所述。3.3相關(guān)關(guān)系的顯著性檢驗(yàn)第1步：提出原假設(shè)和備擇假設(shè)，得第2步：計(jì)算檢驗(yàn)的統(tǒng)計(jì)量t的值，得第3步：做出決策。根據(jù)給定的顯著性水平α和自由度查書(shū)后附錄中的t布表，也可以由Excel中的【TINV】函數(shù)查出的臨界值。若，則拒原假設(shè)，說(shuō)明總體的兩個(gè)變量之間有顯著的線性關(guān)系；如果用P值檢驗(yàn)，則當(dāng)P<α?xí)r，則拒絕原假設(shè)，說(shuō)明總體的兩個(gè)變量之間有顯著的線性關(guān)系。二回歸分析與相關(guān)分析不同，進(jìn)行回歸分析時(shí)，首先需要確定出自變量和因變量。在回歸分析中，被預(yù)測(cè)或被解釋的變量，稱為因變量(dependentvariable)，用y表示；用來(lái)預(yù)測(cè)或用來(lái)解釋因變量的一個(gè)或多個(gè)變量，稱為自變量(independentvariable)，用x表示。若回歸分析只涉及一個(gè)自變量，稱為一元回歸，若因變量y與自變量x之間為線性關(guān)系時(shí)稱為一元線性回歸(simplelinearregression)。在回歸分析中，假定自變量x是可以控制的，而因變量y是隨機(jī)的。二回歸分析對(duì)于具有線性關(guān)系的兩個(gè)變量，可以用一個(gè)線性方程來(lái)描述它們之間的關(guān)系。描述因變量y如何依賴于自變量x和誤差項(xiàng)ε的方程，稱為回歸模型(rogresionmode)。對(duì)于只涉及一個(gè)自變量的一元線性回歸模型可表示為在一元線性回歸模型中，y是x的線性函數(shù)(部分)加上誤差項(xiàng)ε。反應(yīng)了由于x的變化而引起的y的線性變化；ε是被稱為誤差項(xiàng)的隨機(jī)量。它反映了除x和y之間的線性關(guān)系之外的隨機(jī)因素對(duì)y的影響，是不能由x和y之間的線性關(guān)系所解釋的變異性。式中的和為模型的兩個(gè)待定參數(shù)。將式稱為理論回歸模型，這一模型是建立在以下幾個(gè)主要假定基礎(chǔ)之上的。(1)兩變量之間具有線性關(guān)系(2)在重置抽樣過(guò)程中，自變量x的取值固定，即假定x不是隨機(jī)變量。二回歸分析在一元線性回歸模型中，y是x的線性函數(shù)(部分)加上誤差項(xiàng)ε。反應(yīng)了由于x的變化而引起的y的線性變化；ε是被稱為誤差項(xiàng)的隨機(jī)量。它反映了除x和y之間的線性關(guān)系之外的隨機(jī)因素對(duì)y的影響，是不能由x和y之間的線性關(guān)系所解釋的變異性。式中的和為模型的兩個(gè)待定參數(shù)。將

式稱為理論回歸模型，這一模型是建立在以下幾個(gè)主要假定基礎(chǔ)之上的。(1)兩變量之間具有線性關(guān)系(2)在重置抽樣過(guò)程中，自變量x的取值固定，即假定x不是隨機(jī)變量。二回歸分析根據(jù)回歸模型中的上述假定，ε的數(shù)學(xué)期望值等于0。因此，y的數(shù)學(xué)期望值，也就是說(shuō)，y的期望值是x的線性函數(shù)。描述因變量y的期望值如何依賴于自變量x的方程，稱為回歸方程(regressionequation)。一元線性回歸方程式為三聚類(lèi)分析3.1

聚類(lèi)分析概述聚類(lèi)分析是一種建立分類(lèi)的多元統(tǒng)計(jì)分析方法，它的目的是把分類(lèi)的對(duì)象按照*似性的大小分成若干類(lèi)。在應(yīng)用中，它可以在沒(méi)有先驗(yàn)知識(shí)的條件下進(jìn)行自動(dòng)分類(lèi)分類(lèi)會(huì)根據(jù)數(shù)據(jù)本身的特點(diǎn)完成，在分類(lèi)結(jié)束后，我們會(huì)得到相似的對(duì)象聚在同類(lèi)，而不相似的對(duì)象分散在不同的類(lèi)別的結(jié)果。三聚類(lèi)分析3.2

聚類(lèi)分析的基本原理在聚類(lèi)分析中，“相似性”極為重要，它是整個(gè)聚類(lèi)分析的基礎(chǔ)。如果沒(méi)有相似性的定義，樣本之間的差異就沒(méi)法比較，分類(lèi)也就不存在。在本節(jié)中，將介紹兩種刻畫(huà)相似性的指標(biāo)一一距離和相似系數(shù)。前者用來(lái)度量樣本之間的相似性，而后者則常用來(lái)衡量變量之間的相似性。3.2

聚類(lèi)分析的基本原理3.2.1距離為了方便說(shuō)明，假設(shè)我們考慮一個(gè)抽樣樣本，其變量有p個(gè)，而其樣本有n個(gè)，將得到的數(shù)據(jù)以數(shù)據(jù)表的形式展示，如表所示。為了定義個(gè)體之間的距離，可以將每個(gè)樣本的數(shù)據(jù)看成p維空間的一個(gè)點(diǎn)，兩個(gè)樣本就是兩個(gè)點(diǎn)，于是可以通過(guò)某種定義來(lái)決定兩個(gè)點(diǎn)之間的距離。距離越大說(shuō)明兩者的關(guān)系越疏遠(yuǎn)，分類(lèi)時(shí)應(yīng)該劃分為不同的類(lèi)別，而距離越小則說(shuō)明兩者之間的相似度越高，分類(lèi)時(shí)應(yīng)該劃分為同一類(lèi)。3.2.2相似系數(shù)一般來(lái)說(shuō)，相似系數(shù)的絕對(duì)值越大，相似性就越高，聚類(lèi)分析時(shí)將其劃分為一類(lèi)：反之，相似系數(shù)的絕對(duì)值越小，則相似性就越小，聚類(lèi)分析時(shí)將其劃分為不同的類(lèi)別。定義的相關(guān)系數(shù)一般滿足兩個(gè)條件：一是相似系數(shù)在-1到1之間變化；二是對(duì)稱性。3.2.2相似系數(shù)運(yùn)用：不同的定義方法得到的結(jié)果也將不一樣，常用的主要有如下兩種：(1)夾角余弦(cosine)，其數(shù)學(xué)表達(dá)式為：它是兩個(gè)變量的觀察值構(gòu)成的兩個(gè)向量之間夾角的余弦函數(shù)(2)相關(guān)系數(shù)(correlationcoefficient)，其數(shù)學(xué)表達(dá)式為：SPSS提供了豐富的相似性度量指標(biāo)，因此在開(kāi)始進(jìn)行聚類(lèi)分析的時(shí)候，可以采取多種相似性測(cè)度指標(biāo)，分別進(jìn)行聚類(lèi)分析，然后再根據(jù)結(jié)果確定最優(yōu)的方式。3.3.3K-Means聚類(lèi)常見(jiàn)的聚類(lèi)分析方法有層次聚類(lèi)和K-Means聚類(lèi)，雖然層次聚類(lèi)是聚類(lèi)分析中方法最多、理論最為完整的聚類(lèi)方法，其聚類(lèi)效果也比較好，可以清楚地了解聚類(lèi)的過(guò)程，但是它有一個(gè)很大的缺點(diǎn)，就是計(jì)算速度較得不適合大型數(shù)據(jù)的聚類(lèi)分析。因此需要用動(dòng)態(tài)聚類(lèi)方法來(lái)彌補(bǔ)這一缺陷，而SPSS提供的動(dòng)態(tài)聚類(lèi)方法只有K-Means聚類(lèi)一種，因此本章以K-Means聚類(lèi)為主要介紹動(dòng)態(tài)類(lèi)的思想。3.3.3K-Means聚類(lèi)K-Means聚類(lèi)方法操作步驟如下：（1）選定分類(lèi)的數(shù)目，并指定每類(lèi)的中心（2）計(jì)算樣本到聚核的距離并進(jìn)行分類(lèi)（3）重新計(jì)算新的分類(lèi)聚核（4）判斷聚類(lèi)是否已滿足終止聚類(lèi)分析的條件四時(shí)間序列分析4.1

時(shí)間序列的預(yù)測(cè)程序一個(gè)時(shí)間序列可能只含有一種成分，也可能同時(shí)含有幾種成分。含有不同成分的時(shí)間序列所用的預(yù)測(cè)方法是不同的。因此，在對(duì)時(shí)間序列進(jìn)行預(yù)測(cè)時(shí)，通常包括以下四個(gè)步驟。(1)確定時(shí)間序列所向含的成分，即確定時(shí)間序列的類(lèi)型。(2)找出適合此類(lèi)時(shí)間序列的預(yù)測(cè)方法。(3)對(duì)可能的預(yù)測(cè)方法進(jìn)行評(píng)估，以確定最佳預(yù)測(cè)方案。(4)利用最佳預(yù)測(cè)方案進(jìn)行預(yù)測(cè)4.2平穩(wěn)序列的預(yù)測(cè)（1）移動(dòng)平均法通過(guò)對(duì)時(shí)間序列逐期遞移求得平均數(shù)作為預(yù)測(cè)值的一種預(yù)測(cè)方法，稱為移動(dòng)平均法movingaverage)。移動(dòng)平均是將最近的k期數(shù)據(jù)加以平均，作為下一期的預(yù)測(cè)值。設(shè)移動(dòng)間隔為k（1<k<t），則t期的移動(dòng)平均值為4.2平穩(wěn)序列的預(yù)測(cè)（2）簡(jiǎn)單指數(shù)平滑法一次指數(shù)平滑法也稱簡(jiǎn)單指數(shù)平滑(singleexponentialsmoothing)，因?yàn)樗挥幸粋€(gè)平滑系數(shù)，根據(jù)指數(shù)平滑法的基本思想，簡(jiǎn)單指數(shù)平滑的計(jì)算公式為式中：為（t+1）期的預(yù)測(cè)值；為t期的預(yù)測(cè)值；為t期的實(shí)際觀察值；α為平滑數(shù)（0<a<1）。可以看到，各期指數(shù)平滑值均是在上一期平滑值基礎(chǔ)上遞推得到的，具有遞推性質(zhì)也可將其寫(xiě)為五主成分分析5.1主成分分析概述在實(shí)際研究工作中，經(jīng)常遇到多指標(biāo)或多因素(多變量)測(cè)定或調(diào)查研究的問(wèn)題比如，豬的體型性狀有體重、體長(zhǎng)、體高、胸圍、腹圍等10多個(gè)指標(biāo)，影響小麥產(chǎn)量的有抽穗期、株高、單株穗數(shù)、主穗長(zhǎng)、主穗粒數(shù)等指標(biāo)。這些不同指標(biāo)或因素之間往往存在一定的相關(guān)性，為了能夠正確整理這些錯(cuò)綜復(fù)雜的關(guān)系，可用多元統(tǒng)計(jì)的方法來(lái)處理這類(lèi)數(shù)據(jù)，以便簡(jiǎn)化數(shù)據(jù)結(jié)構(gòu)。主成分分析就是研究如何用少數(shù)幾個(gè)綜合指標(biāo)或因素來(lái)代表眾多指標(biāo)或因素，綜合后的新指標(biāo)稱為原來(lái)指標(biāo)的主成分或主分量，這些主成分既彼此不相關(guān)，又能綜合反映原來(lái)多個(gè)指標(biāo)的大部分信息，是原來(lái)多個(gè)指標(biāo)的線性組合這是一種“降維”的思想。自Hotelling于1933年首先提出該方法以來(lái)，在社會(huì)科學(xué)、醫(yī)學(xué)、農(nóng)業(yè)等領(lǐng)域已得到較廣泛的研究和應(yīng)用。5.2主成分分析的基本步驟（1）計(jì)算相關(guān)系數(shù)（r）及相關(guān)矩陣（R）；（2）應(yīng)用Jacbi法，根據(jù)相關(guān)矩陣（R）得到特征矩陣，解得m個(gè)特征值及與其對(duì)應(yīng)的特征向量；（3）計(jì)算主成分的貢獻(xiàn)率及前p個(gè)主成分的累計(jì)貢獻(xiàn)率；（4）如果的累計(jì)貢獻(xiàn)率已達(dá)到85%以上，則表示前p個(gè)主成分已能反映原有變量的絕大部分信息。任務(wù)三數(shù)據(jù)分析常用管理學(xué)模型03任務(wù)描述對(duì)于經(jīng)濟(jì)管理類(lèi)相關(guān)專(zhuān)業(yè)而言，管理學(xué)是一切的基礎(chǔ)，本章節(jié)通過(guò)管理學(xué)模型，以定性分析為主進(jìn)行數(shù)據(jù)的分析。任務(wù)目標(biāo)1.知道常見(jiàn)的數(shù)據(jù)分析管理學(xué)模型有哪些。2.熟練掌握SWOT分析模型的分析步驟。知識(shí)準(zhǔn)備1.具備管理學(xué)基礎(chǔ)的相關(guān)專(zhuān)業(yè)知識(shí)。一SWOT分析模型SWOT（Strengths、Weaknesses、Opportunities、Threats）分析是一種用于評(píng)估組織內(nèi)部和外部環(huán)境的管理工具。在大數(shù)據(jù)分析中，SWOT分析模型可以幫助企業(yè)識(shí)別內(nèi)外部因素對(duì)業(yè)務(wù)的影響。通過(guò)對(duì)大數(shù)據(jù)的分析，企業(yè)可以了解到自身的優(yōu)勢(shì)、劣勢(shì)，以及外部市場(chǎng)的機(jī)會(huì)和威脅。這樣可以幫助企業(yè)了解自身的競(jìng)爭(zhēng)優(yōu)勢(shì)，進(jìn)而制定相應(yīng)的業(yè)務(wù)戰(zhàn)略。1.1概念含義1.1.1產(chǎn)生與發(fā)展SWOT分析法即強(qiáng)弱機(jī)危綜合分析法，也稱態(tài)勢(shì)分析法，又稱道斯矩陣。1965，倫德（Learned）就提出過(guò)SWOT分析中涉及到的內(nèi)部?jī)?yōu)勢(shì)和弱點(diǎn)、外部機(jī)會(huì)和威脅這些變化因素，但只是孤立地對(duì)它們加以分析。美國(guó)舊金山大學(xué)國(guó)際管理和行為科學(xué)教授海因茨·韋里克（HeinzWeihrich）在20世紀(jì)80年代初發(fā)展了SWOT分析提出TOWS分析法。SWOT四個(gè)英文字母分別代表：Strength--優(yōu)勢(shì)、Weakness--劣勢(shì)、Opportunity--機(jī)會(huì)、Threats--威脅。優(yōu)勢(shì)和劣勢(shì)是內(nèi)在要素，機(jī)會(huì)與威脅則是外在要素。1.1概念含義從整體上看，SWOT可以分為兩部分：第一部分為SW，主要用來(lái)分析內(nèi)部條件；第二部分為OT，主要用來(lái)分析外部條件。1.1.2優(yōu)勢(shì)與劣勢(shì)分析（SW）

優(yōu)勢(shì)（strength），是組織機(jī)構(gòu)的內(nèi)部因素，是指一個(gè)企業(yè)超越其競(jìng)爭(zhēng)對(duì)手的能力，或者指公司所特有的能提高公司競(jìng)爭(zhēng)力的東西。

競(jìng)爭(zhēng)優(yōu)勢(shì)可以是以下幾個(gè)方面：（1）技術(shù)技能優(yōu)勢(shì)（2）有形資產(chǎn)優(yōu)勢(shì)（3）無(wú)形資產(chǎn)優(yōu)勢(shì)

（4）人力資源優(yōu)勢(shì)（5）組織體系優(yōu)勢(shì)

（6）競(jìng)爭(zhēng)能力優(yōu)勢(shì)1.1.2優(yōu)勢(shì)與劣勢(shì)分析（SW）

劣勢(shì)（weakness），也是組織機(jī)構(gòu)的內(nèi)部因素，指某種公司缺少或做的不好的東西，或指某種會(huì)使公司處于劣勢(shì)的條件?？赡軐?dǎo)致內(nèi)部劣勢(shì)的因素有：（1）缺乏具有競(jìng)爭(zhēng)意義的技能技術(shù)；（2）缺乏有競(jìng)爭(zhēng)力的有形資產(chǎn)、無(wú)形資產(chǎn)、人力資源、組織資產(chǎn)；（3）關(guān)鍵領(lǐng)域里的競(jìng)爭(zhēng)能力正在喪失。1.1.3機(jī)會(huì)與威脅分析（OT）

機(jī)會(huì)（opportunity），是組織機(jī)構(gòu)的外部因素，市場(chǎng)機(jī)會(huì)是影響公司戰(zhàn)略的重大因素。潛在的發(fā)展機(jī)會(huì)可能是：（1）客戶群的擴(kuò)大趨勢(shì)或產(chǎn)品細(xì)分市場(chǎng)；（2）技能技術(shù)向新產(chǎn)品新業(yè)務(wù)轉(zhuǎn)移，為更大客戶群服務(wù)；（3）前向或后向整合；（4）市場(chǎng)進(jìn)入壁壘降低；（5）獲得購(gòu)并競(jìng)爭(zhēng)對(duì)手的能力；（6）市場(chǎng)需求增長(zhǎng)強(qiáng)勁，可快速擴(kuò)張；（7）出現(xiàn)向其他地理區(qū)域擴(kuò)張，擴(kuò)大市場(chǎng)份額的機(jī)會(huì)。1.2

分析步驟WOT分析程序常與企業(yè)策略規(guī)劃程序相結(jié)合，其步驟如下：步驟一：進(jìn)行企業(yè)環(huán)境描述。步驟二：確認(rèn)影響企業(yè)的所有外部因素。步驟三：預(yù)測(cè)與評(píng)估未來(lái)外部因素之變化。步驟四：檢視企業(yè)內(nèi)部之強(qiáng)勢(shì)與弱勢(shì)。步驟五：根據(jù)企業(yè)資源組合情況，確認(rèn)企業(yè)的關(guān)鍵能力和關(guān)鍵限制。步驟六：利用SWOT分析構(gòu)造研擬可行策略。步驟七：將結(jié)果在SWOT分析圖上定位。步驟八：進(jìn)行策略選擇，制定行動(dòng)計(jì)劃1.3工具特點(diǎn)（1）系統(tǒng)性特征（2）主要優(yōu)勢(shì)SWOT作為企業(yè)戰(zhàn)略規(guī)劃中常用的方法，其主要優(yōu)勢(shì)在于：能夠系統(tǒng)全面地分析影響企業(yè)戰(zhàn)略的各種因素。制定戰(zhàn)略時(shí)企業(yè)決策者應(yīng)系統(tǒng)全面地考慮到企業(yè)內(nèi)部?jī)?yōu)勢(shì)、劣勢(shì)與外部機(jī)會(huì)、威脅這些變化因素。SWOT用系統(tǒng)的思想將這些似乎獨(dú)立的因素相互匹配而進(jìn)行綜合分析，從大方向上避免了遺漏上述某類(lèi)信息或孤立地對(duì)它們加以分析所可能產(chǎn)生的錯(cuò)誤，有利于對(duì)企業(yè)所處環(huán)境進(jìn)行全面、系統(tǒng)和準(zhǔn)確的分析。（3）局限性和很多其他的戰(zhàn)略模型一樣，帶有時(shí)代的局限性。以前的企業(yè)可能比較關(guān)注成本、質(zhì)量，現(xiàn)在的企業(yè)可能更強(qiáng)調(diào)組織流程。SWOT沒(méi)有考慮到企業(yè)改變現(xiàn)狀的主動(dòng)性，企業(yè)是可以通過(guò)尋找新的資源來(lái)創(chuàng)造企業(yè)所需要的優(yōu)勢(shì)，從而達(dá)到過(guò)去無(wú)法達(dá)成的戰(zhàn)略目標(biāo)。二五力模型2.1概念含義波特五力模型是由哈佛大學(xué)教授邁克爾·波特提出的戰(zhàn)略分析工具，用于評(píng)估一個(gè)行業(yè)的競(jìng)爭(zhēng)力和吸引力。該模型通過(guò)分析五種力量，幫助企業(yè)理解行業(yè)競(jìng)爭(zhēng)的本質(zhì)，從而制定更具競(jìng)爭(zhēng)力的戰(zhàn)略。五種力包括：（1）競(jìng)爭(zhēng)對(duì)手的威脅（競(jìng)爭(zhēng)者）：衡量同一行業(yè)內(nèi)其他公司對(duì)企業(yè)的競(jìng)爭(zhēng)威脅程度。（2）顧客的議價(jià)能力：衡量顧客對(duì)產(chǎn)品或服務(wù)的需求程度以及他們對(duì)價(jià)格的敏感程度。（3）供應(yīng)商的議價(jià)能力：衡量供應(yīng)商對(duì)企業(yè)所需資源的控制程度以及他們對(duì)價(jià)格的影響力。（4）替代品的威脅：衡量替代品或服務(wù)對(duì)企業(yè)產(chǎn)品或服務(wù)的替代程度。新進(jìn)入者的威脅（市場(chǎng)進(jìn)入壁壘）：衡量新公司或產(chǎn)品進(jìn)入行業(yè)的難易程度。2.2分析步驟步驟1：競(jìng)爭(zhēng)對(duì)手的威脅（競(jìng)爭(zhēng)者）分析，主要包括市場(chǎng)份額分析與競(jìng)爭(zhēng)者戰(zhàn)略分析。步驟2：顧客的議價(jià)能力分析包括市場(chǎng)調(diào)研與產(chǎn)品差異化。步驟3：供應(yīng)商的議價(jià)能力分析，主要包括供應(yīng)鏈分析與多元化供應(yīng)商。步驟4：替代品的威脅分析，主要包括替代品分析與品牌建設(shè)。步驟5：新進(jìn)入者的威脅（市場(chǎng)進(jìn)入壁壘）分析包括市場(chǎng)進(jìn)入壁壘分析與品牌建設(shè)和專(zhuān)利。三杜邦分析杜邦分析法，又稱杜邦財(cái)務(wù)分析體系，簡(jiǎn)稱杜邦體系，因美國(guó)杜邦公司成功應(yīng)用而得名。它是利用各主要財(cái)務(wù)比率之間的內(nèi)在聯(lián)系，對(duì)公司財(cái)務(wù)狀況和經(jīng)營(yíng)成果進(jìn)行綜合評(píng)價(jià)的系統(tǒng)方法。杜邦體系的核心是凈資產(chǎn)收益率，以總資產(chǎn)凈利率和權(quán)益乘數(shù)為分解因素，重點(diǎn)揭示公司獲利能力及杠桿水平對(duì)權(quán)益凈利率的影響，以及各相關(guān)指標(biāo)之間的關(guān)系。3.1核心比率凈資產(chǎn)收益率（ROE）是杜邦體系的核心比率，具有很高的可比性和綜合性，可以用于不同公司之間的比較。公司為了提高凈資產(chǎn)收益率，可以從如下三個(gè)分解指標(biāo)入手：3.1核心比率無(wú)論提高哪一個(gè)比率，凈資產(chǎn)收益率都會(huì)提高。其中，營(yíng)業(yè)凈利率是對(duì)利潤(rùn)表的一種概括，表示企業(yè)的經(jīng)營(yíng)成果；總資產(chǎn)周轉(zhuǎn)次數(shù)則把利潤(rùn)表和資產(chǎn)負(fù)債率聯(lián)系起來(lái)，使凈資產(chǎn)收益率可以綜合分析評(píng)價(jià)整個(gè)企業(yè)的經(jīng)營(yíng)成果和財(cái)務(wù)狀況；權(quán)益乘數(shù)是對(duì)資產(chǎn)負(fù)債表的一種概括表述，反映企業(yè)最基本的財(cái)務(wù)狀況。換句話說(shuō)，公司可以通過(guò)提升盈利能力、周轉(zhuǎn)效率以及合理配置杠桿來(lái)達(dá)到股東投資回報(bào)率最大化的目的。3.2基本框架杜邦分析法是一個(gè)多層次的財(cái)務(wù)比率分解體系，各項(xiàng)財(cái)務(wù)比率可以在每個(gè)層次與本公司歷史或同業(yè)財(cái)務(wù)比率進(jìn)行比較，然后逐級(jí)向下分解，覆蓋公司經(jīng)營(yíng)活動(dòng)的每個(gè)環(huán)節(jié)，以實(shí)現(xiàn)系統(tǒng)、全面評(píng)價(jià)公司經(jīng)營(yíng)成果和財(cái)務(wù)狀況的目標(biāo)。這個(gè)模型能夠給出很好的啟示，公司在管理過(guò)程中，可以依據(jù)這種層層分解的方法來(lái)對(duì)各部分進(jìn)行分析，找到解決問(wèn)題的思路。四波士頓矩陣波士頓矩陣也叫做成長(zhǎng)共享矩陣，是戰(zhàn)略管理歷史上兩大最有用的工具之一。四波士頓矩陣（1）現(xiàn)金牛業(yè)務(wù)

現(xiàn)金牛類(lèi)業(yè)務(wù)是指在成熟市場(chǎng)中(市場(chǎng)增長(zhǎng)率低)擁有相對(duì)高的市場(chǎng)份額的業(yè)務(wù)單元。（2）明星類(lèi)業(yè)務(wù)

明星類(lèi)業(yè)務(wù)是指當(dāng)在高速增長(zhǎng)的市場(chǎng)中具有相對(duì)強(qiáng)勢(shì)的地位的業(yè)務(wù)。（3）瘦狗類(lèi)業(yè)務(wù)

瘦狗類(lèi)業(yè)務(wù)就像這個(gè)名字所暗示的，融合了兩個(gè)維度上最差的情況，盡管亨德森最開(kāi)始稱其為寵物類(lèi)業(yè)務(wù)。這類(lèi)業(yè)務(wù)在低增長(zhǎng)或者無(wú)增長(zhǎng)的市場(chǎng)細(xì)分中占據(jù)一個(gè)很差的位置，盡管它們不消耗太多的現(xiàn)金，但是它們也不再產(chǎn)生大量現(xiàn)金而且不太可能有利可圖。（4）問(wèn)題類(lèi)業(yè)務(wù)

問(wèn)題類(lèi)業(yè)務(wù)有時(shí)也叫做問(wèn)題兒童，問(wèn)題類(lèi)業(yè)務(wù)是公司處理的最復(fù)雜的業(yè)務(wù)單元它們?cè)谝粋€(gè)很有吸引力、增長(zhǎng)率的市場(chǎng)經(jīng)營(yíng)，但是卻只有很少的市場(chǎng)份額。四波士頓矩陣結(jié)論：本章是幾個(gè)常用的管理學(xué)模型，在大數(shù)據(jù)分析中的應(yīng)用。隨著大數(shù)據(jù)技術(shù)的不斷發(fā)展，管理學(xué)模型在大數(shù)據(jù)分析中的應(yīng)用會(huì)變得越來(lái)越重要。企業(yè)可以通過(guò)合理運(yùn)用管理學(xué)模型，從海量的數(shù)據(jù)中獲取有價(jià)值的信息，進(jìn)而做出明智的決策，提高競(jìng)爭(zhēng)力。任務(wù)四數(shù)據(jù)分析模型實(shí)現(xiàn)案例04任務(wù)描述SPSS對(duì)于數(shù)據(jù)的分析一般都是從基本的描述性統(tǒng)計(jì)分析開(kāi)始。通過(guò)描述性統(tǒng)計(jì)分析，使用者可以對(duì)數(shù)據(jù)的基本特征有所了解，然后進(jìn)一步判斷數(shù)據(jù)的總體分布形態(tài)。基本的描述性統(tǒng)計(jì)分析是為后續(xù)的數(shù)據(jù)處理打下基礎(chǔ)，從而產(chǎn)生指導(dǎo)和參考。任務(wù)目標(biāo)1.熟悉SPSS的數(shù)據(jù)操作界面。2.掌握數(shù)據(jù)的描述性分析、相關(guān)分析與回歸分析SPSS操作。知識(shí)準(zhǔn)備1.理解數(shù)據(jù)的計(jì)量統(tǒng)計(jì)分析方法原理。一

描述性分析描述性分析是通過(guò)計(jì)算得出一系列描述性統(tǒng)計(jì)量指標(biāo)數(shù)據(jù)的過(guò)程。描述統(tǒng)計(jì)量主要包括均值、極差、標(biāo)準(zhǔn)差、方差、最大值和最小值等。1.1描述性分析的SPSS實(shí)現(xiàn)(1)打開(kāi)整理好的數(shù)據(jù)，選擇菜單[分析/描述統(tǒng)計(jì)/描述]，可得到圖4.1。(2)在變量窗口選取需要進(jìn)行描述性分析的變量，此處任意選取變量演示(3)點(diǎn)擊[選項(xiàng)(O)]按鈕，可得到圖4.2其中，根據(jù)需要在各選項(xiàng)前打鉤。顯示順序包括：變量列表、字母順序、按平均值的升序排序、按平均值的降序排序。(4)點(diǎn)擊[樣式(L)]，通常選取默認(rèn)狀態(tài)。(5)點(diǎn)擊[Bootstrap]，根據(jù)選擇樣本數(shù)量和要求，可選取是否Bootstrap抽樣。一

描述性分析一

描述性分析1.2描述性分析實(shí)例“2023版數(shù)據(jù)分析技術(shù)表.csv”為某淘寶店鋪2023年6月-11月的銷(xiāo)售情況，根據(jù)該數(shù)據(jù)對(duì)該店鋪的銷(xiāo)售情況進(jìn)行描述性統(tǒng)計(jì)分析，了解店鋪當(dāng)前經(jīng)營(yíng)狀況。1.2.1操作步驟

(1)打開(kāi)數(shù)據(jù)文件，選擇菜單[分析/描述統(tǒng)計(jì)/描述]，可得到如圖4.3所示的“描述性”對(duì)話框。1.2.1操作步驟

(2)打開(kāi)對(duì)話框之后，需要選擇進(jìn)行描述性統(tǒng)計(jì)分析的變量。在窗口左側(cè)的變量列表中選擇“訪客數(shù)”、“商品瀏覽量”、“支付金額”、“直通車(chē)消耗”、“淘客傭金”添加到右側(cè)的變量列表中，結(jié)果如圖4.4所示。1.2.1操作步驟

(3)設(shè)置是否對(duì)該數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化(即將源數(shù)據(jù)序列的每個(gè)值減去該序列的均值，再除以標(biāo)準(zhǔn)差)，這時(shí)會(huì)產(chǎn)生一個(gè)相對(duì)應(yīng)的新變量，變量名為相應(yīng)原變量名加綴Z，表示一個(gè)新的“商品瀏覽量”。若需要標(biāo)準(zhǔn)化的話則可在左下側(cè)“將標(biāo)準(zhǔn)化得分另存為變量”前面的方框里打勾，若不需要標(biāo)準(zhǔn)化則不需要打勾。(4)設(shè)置輸出的描述性統(tǒng)計(jì)量。點(diǎn)擊右側(cè)的[選項(xiàng)(O)]，根據(jù)需要設(shè)置輸出的統(tǒng)計(jì)量，如圖4.5所示。設(shè)置完成后，單擊[繼續(xù)]按鈕返回。

(5)描述性統(tǒng)計(jì)一般采用默認(rèn)樣式，此處不需要進(jìn)行Bootstrap操作，故點(diǎn)擊[確定]按鈕即可得到結(jié)果1.2.2結(jié)果解讀進(jìn)行描述性統(tǒng)計(jì)分析的操作過(guò)程比較簡(jiǎn)單，輸出結(jié)果也只有一個(gè)描述性統(tǒng)計(jì)表如圖4.6所示。

1.2.2結(jié)果解讀根據(jù)描述性統(tǒng)計(jì)結(jié)果，樣本個(gè)數(shù)為182個(gè)。其中以“訪客數(shù)”為舉例，“訪客數(shù)”的極差為7662，最大值為8775，最小值為1113。同時(shí)，我們還可從表中得到標(biāo)準(zhǔn)差、方差、偏度和峰度。(注：若使用SPSS版本不同則會(huì)顯示“標(biāo)準(zhǔn)錯(cuò)誤”而不是“標(biāo)準(zhǔn)誤差”，“標(biāo)準(zhǔn)錯(cuò)誤”其實(shí)就是“標(biāo)準(zhǔn)誤差”，這是不同版本的SPSS的統(tǒng)計(jì)名詞翻譯問(wèn)題)二相關(guān)分析2.1相關(guān)分析的SPSS實(shí)現(xiàn)相關(guān)分析可以通過(guò)SPSS軟件中的[分析/相關(guān)]命令來(lái)實(shí)現(xiàn)。該模塊給出相關(guān)分析的三個(gè)過(guò)程：雙變量分析、偏相關(guān)分析、距離分析。本節(jié)選擇雙變量分析過(guò)程來(lái)講解，具體操作步驟如下.2.1相關(guān)分析的SPSS實(shí)現(xiàn)第1步，選擇菜單[分析/相關(guān)/兩變量]，即可彈出如圖4.7所示的窗口2.1相關(guān)分析的SPSS實(shí)現(xiàn)第2步，選擇變量。在圖4.7中，將參加計(jì)算相關(guān)系數(shù)的變量選到[變量(V)]框。第3步，在[相關(guān)系數(shù)]框中選擇計(jì)算哪種相關(guān)系數(shù)第4步，在[顯著性檢驗(yàn)]框中選擇輸出相關(guān)系數(shù)檢驗(yàn)的雙側(cè)概率，值還是單側(cè)概率力值。第5步，選中[標(biāo)記顯著性相關(guān)(F)]，則會(huì)在輸出結(jié)果中標(biāo)記出有顯著意義的相關(guān)系數(shù)。如果相關(guān)系數(shù)的右上角有“*”，則代表顯著性水平為0.05；如果相關(guān)系數(shù)右上角有“**”，則代表顯著性水平為0.01。最后一步，點(diǎn)擊[選項(xiàng)(O)]按鈕，就會(huì)出現(xiàn)如圖4.8所示的窗口。在該窗口中可以選擇統(tǒng)計(jì)量的計(jì)算和缺失值的處理方式。2.1相關(guān)分析的SPSS實(shí)現(xiàn)其中，Statistics]框中選中[叉積偏差和協(xié)方差(C)]表示輸出各變量的離方差平方和、樣本方差、兩變量的叉積偏差和協(xié)方差；[缺失值]框中[按對(duì)排除個(gè)案(P)]選項(xiàng)表示在計(jì)算某個(gè)統(tǒng)計(jì)量時(shí)，在該對(duì)變量中排除有缺省值的觀測(cè)，為系統(tǒng)默認(rèn)選項(xiàng)；：[缺失值]框中[按列表排除個(gè)案(L)]選項(xiàng)表示對(duì)任何分析，剔除所有含缺失值的觀測(cè)個(gè)案所有設(shè)置結(jié)束后，單擊[確定]按鈕，就可開(kāi)始進(jìn)行相關(guān)分析。2.2相關(guān)分析實(shí)例下面以一個(gè)實(shí)例講解簡(jiǎn)單相關(guān)分析的應(yīng)用及其結(jié)果的解讀。以數(shù)據(jù)文件“2023版數(shù)據(jù)分析技術(shù)表.csv”為例，我們想研究“支付金額”是否與“訪客數(shù)”與“直通車(chē)消耗”有關(guān)。2.2.1操作步驟(1)首先打開(kāi)數(shù)據(jù)文件“2023版數(shù)據(jù)分析技術(shù)表.csv”(2)選擇菜單[分析/相關(guān)/雙變量](3)將變量“支付金額”、“訪客數(shù)”和“直通車(chē)消耗”選入[變量(V)]框中。(4)單擊[選項(xiàng)(O)]按鈕，彈出如圖4.8所示的窗口，選擇[平均值和標(biāo)準(zhǔn)差(M)]復(fù)選框和[叉積偏差和協(xié)方差(C)]復(fù)選框，然后單擊[繼續(xù)]按鈕。(5)單擊[確定]按鈕執(zhí)行上述操作，開(kāi)始相關(guān)分析。2.2相關(guān)分析實(shí)例2.2.2結(jié)果解讀Spearman相關(guān)系數(shù)矩陣相關(guān)性2.2相關(guān)分析實(shí)例2.2.2結(jié)果解讀圖4.9和圖4.10分別是Pearson相關(guān)系數(shù)矩陣和Spearman相關(guān)系數(shù)矩陣。由圖4.9可知，“支付金額”與“訪客數(shù)”的簡(jiǎn)單相關(guān)系數(shù)為0.697，與“直通車(chē)消耗”的簡(jiǎn)單相關(guān)系數(shù)為0.400。它們的相關(guān)系數(shù)檢驗(yàn)的概率p值均<0.001，近似為0。因此，當(dāng)顯著性水平a為0.05或0.01時(shí)，都應(yīng)拒絕相關(guān)系數(shù)檢驗(yàn)的零假設(shè)，認(rèn)為兩總體存在線性關(guān)系。由圖4.10也可以得出相同的結(jié)論，盡管相關(guān)系數(shù)大小有差異。可見(jiàn)，無(wú)論是Pearson相關(guān)系數(shù)檢驗(yàn)還是Spearman相關(guān)系數(shù)檢驗(yàn)，都表明一個(gè)共同的結(jié)果，即在本淘寶店鋪中，訪客數(shù)越多，店鋪的支付金額越大；同時(shí)，直通車(chē)消耗越多，店鋪的支付金額越大。在實(shí)證研究中，通常考察各變量之間的相關(guān)性時(shí)，應(yīng)同時(shí)列示Pearson相關(guān)系數(shù)矩陣和Spearman相關(guān)系數(shù)矩陣。三回歸分析3.1回歸分析的SPSS實(shí)現(xiàn)三回歸分析3.1回歸分析的SPSS實(shí)現(xiàn)（4）在[方法(M)]列表框中可以選擇自變量的進(jìn)入方式。一共有以下五種方法：①輸入，表示所選變量