統(tǒng)計指標(biāo)與統(tǒng)計分析技術(shù)

1、企業(yè)經(jīng)濟統(tǒng)計指標(biāo)及統(tǒng)計分析技術(shù),企業(yè)經(jīng)濟指標(biāo)體系,一、統(tǒng)計指標(biāo)： 企業(yè)經(jīng)濟活動數(shù)量方面的科學(xué)范疇，也是企業(yè)經(jīng)濟統(tǒng)計認(rèn)識企業(yè)經(jīng)濟現(xiàn)象的主要手段。 二、指標(biāo)體系： 企業(yè)經(jīng)濟活動是許多因素相互作用、相互影響的復(fù)雜過程；需要設(shè)置相互關(guān)聯(lián)的一系列指標(biāo)，組成科學(xué)指標(biāo)體系,三、企業(yè)經(jīng)濟統(tǒng)計指標(biāo)體系框架,企業(yè)統(tǒng)計數(shù)據(jù),一、外部信息 1、間接 2、直接（調(diào)查） 二、內(nèi)部信息 1、會計核算資料 2、業(yè)務(wù)核算資料 3、統(tǒng)計核算資料（企業(yè)統(tǒng)計部門直接收集,三、管理與開發(fā) 通過原始記錄統(tǒng)計臺帳統(tǒng)計報表收集整理后需要科學(xué)管理與開發(fā) 管理：編碼、錄入，統(tǒng)計數(shù)據(jù)庫建設(shè)與共享 開發(fā)：描述統(tǒng)計與推斷統(tǒng)計 時間序列；回歸建模；多元

2、分析,企業(yè)工業(yè)產(chǎn)值指標(biāo),1、總產(chǎn)值：企業(yè)全部生產(chǎn)成果的價值指標(biāo)，由物質(zhì)轉(zhuǎn)移價值和勞動新創(chuàng)價值組成； 企業(yè)工業(yè)總產(chǎn)值=產(chǎn)品銷售收入+現(xiàn)價產(chǎn)成品期末期初差額+現(xiàn)價在產(chǎn)品期末期初差額+企業(yè)加工費用+全部產(chǎn)品應(yīng)繳增值稅,全部產(chǎn)品應(yīng)繳增值稅=會計賬面應(yīng)繳增值稅+（現(xiàn)價產(chǎn)成品期末期初差額+現(xiàn)價半成品期末期初差額） 應(yīng)繳增值調(diào)整系數(shù) 應(yīng)繳增值調(diào)整系數(shù),2、工業(yè)增加值 企業(yè)一定時期內(nèi)生產(chǎn)的以貨幣表現(xiàn)的工業(yè)最終產(chǎn)品總量。 （1）生產(chǎn)法： 企業(yè)工業(yè)增加值=企業(yè)工業(yè)總產(chǎn)出-企業(yè)工業(yè)中間投入 =企業(yè)工業(yè)總產(chǎn)出-（企業(yè)工業(yè)中間物質(zhì)投入+企業(yè)工業(yè)中間勞務(wù)投入,2）分配法： 企業(yè)工業(yè)增加值= 折舊+工資+福利基金+勞動及待

3、業(yè)保險+產(chǎn)品銷售稅金及附加+應(yīng)交增值稅+應(yīng)得產(chǎn)品銷售利潤+其它,某企業(yè)的產(chǎn)品產(chǎn)值，該廠銷售資料如下,統(tǒng)計分析技術(shù),一、因素分析法 企業(yè)資材消耗變動的因素分析,二、回歸分析,一元線性回歸分析,模型的假定 參數(shù)的最小二乘估計 假設(shè)檢驗 方差分析與相關(guān)性分析 預(yù)測 實證研究例子,模型的假定,在實際中，對于經(jīng)濟問題的研究，不僅要分析該問題的基本性質(zhì)，也需要對經(jīng)濟變量之間的數(shù)量關(guān)系進(jìn)行具體分析（回歸分析、相關(guān)分析、方差分析等）。 其中回歸分析是最常用的數(shù)量分析方法。但是，大多數(shù)情況下，用其它方法與回歸分析相結(jié)合進(jìn)行綜合性分析，會使分析更加系統(tǒng)全面。關(guān)于這一點請大家在在學(xué)習(xí)一元線性回歸分析時注意體會,一、

4、一元線性回歸模型,各種經(jīng)濟變量之間的關(guān)系大體可分為兩種類型：一類是函數(shù)關(guān)系；另一類是統(tǒng)計相關(guān)關(guān)系。 例如：家庭消費支出Y與家庭收入X之間的關(guān)系；支出Y還要受多種因素的影響（家庭人口、消費習(xí)慣、存款利率、商品價格等），收入只是主要影響因素之一。 變量Y與X1，X2，Xk統(tǒng)計相關(guān)關(guān)系可以表示成： 或者 這里的u是隨機影響,一元線性回歸模型,在各個給定的 值條件下因變量的期望值軌跡稱為回歸直線，相應(yīng)的方程為,隨機擾動項 是與總體值與條件期望之差，即,最簡單的相關(guān)形式是一元線性模型,總體模型,二、隨機擾動項的性質(zhì),擾動項 包含了豐富的內(nèi)容，產(chǎn)生的原因主要有以下幾個方面,1、忽略掉的影響因素造成的誤差

5、2、模型關(guān)系不準(zhǔn)確造成的誤差 3、變量觀測值的計量誤差 4、隨機誤差,注意：擾動項的存在是計量經(jīng)濟學(xué)的特點。計量經(jīng)濟學(xué)中的多種估計、檢驗、預(yù)測等分析方法，是針對不同性質(zhì)的擾動項引入的,經(jīng)典的一元線性回歸模型通常滿足五個假定條件,三、經(jīng)典假設(shè)條件,22 參數(shù)的最小二乘估計 一、參數(shù)的估計,從上面的散點圖可以看出，所有的樣本點大致都落在一條直線附近，說明家庭收入X與家庭消費支出Y之間有明顯的線性關(guān)系。一條直線與散點擬合在一起，但不重合。這說明兩變量間只存在相關(guān)關(guān)系。這條擬合的直線： 稱為一元線性經(jīng)驗回歸直線（方程,對于擬合直線，則稱下式是估計模型,稱作殘差，它是隨機誤差的估計值。有時也記作et,是

6、,的估計量,估計模型系數(shù)估計,1）用“殘差和最小”確定直線位置是一個途徑。但很快發(fā)現(xiàn)計算“殘差和”存在相互抵消的問題。 （2）用“殘差絕對值和最小”確定直線位置也是一個途徑。但絕對值的計算比較麻煩。 （3）最小二乘法的原則是以“殘差平方和最小”確定直線位置。用最小二乘法除了計算比較方便外，得到的估計量還具有優(yōu)良特性。（這種方法對異常值非常敏感,解方程得到,二、最小二乘估計量的特性,幾個結(jié)論,23 假設(shè)檢驗,t (T-2) 0 t (T-2,方差分析與相關(guān)性,檢驗回歸方程,預(yù)測,實證分析,案例：用回歸模型預(yù)測木材剩余物 伊春林區(qū)位于黑龍江省東北部。全區(qū)有森林面積2189732公頃，木材蓄積量為2

7、3246.02萬m3。森林覆蓋率為62.5%，是我國主要的木材工業(yè)基地之一。1999年伊春林區(qū)木材采伐量為532萬m3。按此速度44年之后，1999年的蓄積量將被采伐一空。所以目前亟待調(diào)整木材采伐規(guī)劃與方式，保護(hù)森林生態(tài)環(huán)境。為緩解森林資源危機，并解決部分職工就業(yè)問題，除了做好木材的深加工外，還要充分利用木材剩余物生產(chǎn)林業(yè)產(chǎn)品，如紙漿、紙袋、紙板等。因此預(yù)測林區(qū)的年木材剩余物是安排木材剩余物加工生產(chǎn)的一個關(guān)鍵環(huán)節(jié)。下面，利用簡單線性回歸模型預(yù)測林區(qū)每年的木材剩余物。顯然引起木材剩余物變化的關(guān)鍵因素是年木材采伐量,給出伊春林區(qū)16個林業(yè)局1999年木材剩余物和年木材采伐量數(shù)據(jù)如表,三、多元統(tǒng)計分

8、析,從一元到多元，認(rèn)識主題發(fā)生了變化 多元分析常用方示： 1、聚類分析；2、判別分析；3、主成分析； 4、因子分析；5、多維標(biāo)度分析；6、對應(yīng)分析；7、聯(lián)合分析 這里介紹因子分析與多維標(biāo)度分析,因子分析,一）什么是因子分析 因子分析(factor analysis)也是一種降維的技術(shù)。它通過研究眾多變量之間的內(nèi)部依賴關(guān)系，探求觀測數(shù)據(jù)中的基本結(jié)構(gòu)，并用少數(shù)幾個“抽象”的變量來表示其基本的數(shù)據(jù)結(jié)構(gòu)。這幾個抽象的變量被稱作“因子”，能反映原來眾多變量的主要信息。原始的變量是可觀測的顯在變量，而因子一般是不可觀測的潛在變量。因子分析就是一種通過顯在變量測評潛在變量，通過具體指標(biāo)測評抽象因子的統(tǒng)計分析

9、方法,在研究區(qū)域社會經(jīng)濟發(fā)展中，描述社會與經(jīng)濟現(xiàn)象的指標(biāo)很多，過多的指標(biāo)容易導(dǎo)致分析過程復(fù)雜化。一個合適的做法就是從這些關(guān)系錯綜復(fù)雜的社會經(jīng)濟指標(biāo)中提取少數(shù)幾個主要因子，每一個主要因子都能反映相互依賴的社會經(jīng)濟指標(biāo)間共同作用，抓住這些主要因素就可以幫助我們對復(fù)雜的社會經(jīng)濟發(fā)展問題進(jìn)行深入分析、合理解釋和正確評價,因子分析的數(shù)學(xué)模型,通過因子旋轉(zhuǎn)的方法，使每個變量僅在一個公共因子上有較大的載荷，而在其余的公共因子上的載荷比較小，至多達(dá)到中等大小。這時對于每個公共因子而言（即載荷矩陣的每一列），它在部分變量上的載荷較大，在其它變量上的載荷較小，使同一列上的載荷盡可能地向靠近1和靠近0兩極分離,這時

10、就突出了每個公共因子和其載荷較大的那些變量的聯(lián)系，矛盾的主要方面的顯現(xiàn)出來了，該公共因子的含義也就能通過這些載荷較大變量作出合理的說明,因子提取的步驟是： 1、判別有待分析的數(shù)據(jù)是否適宜因子分析 數(shù)據(jù)背后的變量獨立性越強，越不適宜進(jìn)行因子分析。探索原始變量相關(guān)性的方法主要有Bartletts球形檢驗及KMO檢驗，分別是： （1）Bartletts球形檢驗。該檢驗?zāi)康氖菣z驗相關(guān)系數(shù)矩陣是否為單位矩陣。當(dāng)檢驗統(tǒng)計量的伴隨概率小于給定的顯著性水平時，認(rèn)為相關(guān)系數(shù)矩陣不為單位陣，可以進(jìn)行因子分析；否則，伴隨概率大于時，不宜進(jìn)行因子分析,2）KMO檢驗。KMO（Kaiser-Meyer-Olkin）檢驗

11、用于分析變量間的偏相關(guān)性，其取值在01之間。通常認(rèn)為KMO的值越接近1越好，說明所有變量的偏相關(guān)系數(shù)遠(yuǎn)小于簡單相關(guān)系數(shù)，此時數(shù)據(jù)宜于進(jìn)行因子分析；當(dāng)KMO小于0.6時，一般認(rèn)為數(shù)據(jù)不宜進(jìn)行因子分析,2、提取因子。首先是要確定提取因子數(shù)，可以依據(jù)以往的知識事先確定，也可以根據(jù)特征值大于一個標(biāo)準(zhǔn)（通常取1）條件確定，或者根據(jù)解釋方差比例大小等多種方法確定因子數(shù)。其次是根據(jù)因子可解釋情況進(jìn)行必要的因子旋轉(zhuǎn)。 3、解釋因子的具體含義。 4、計算因子得分并應(yīng)用。根據(jù)實際需要綜合因子總分，利用總分進(jìn)行排序或進(jìn)行綜合評價，并進(jìn)行深層次的影響因素分析,因子分析的應(yīng)用,多維標(biāo)度法,在實際中我們會經(jīng)常遇到這些的問

12、題:給你一組城市，你總能從地圖上測出任何一對城市之間的距離。但若給你若干城市的距離，你能否確定這些城市之間的相對位置呢,假定通過調(diào)查了解了10種飲料產(chǎn)品在消費者心中的相似程度，你能否確定這些產(chǎn)品在消費者心理空間中的相對位置呢？在實際中我們常常會遇到類似這樣的問題,多維標(biāo)度法（Multidimensional Scaling）就是解決這類問題的一種方法，它是一種在低維空間展示“距離”數(shù)據(jù)結(jié)構(gòu)的多元數(shù)據(jù)分析技術(shù)，簡稱MDS,多維標(biāo)度法解決的問題是：當(dāng)個對象（object）中各對對象之間的相似性（或距離）給定時，確定這些對象在低維空間中的表示（感知圖Perceptual Mapping），并使其盡可能與原先的相似性（或距離）“大體匹配”，使得由降維所引起的任何變形達(dá)到最小,多維標(biāo)度法內(nèi)容豐富、方法較多。 按相似性（距離）數(shù)據(jù)測量尺度的不同MDS可分為：度量MDS和非度量MDS。當(dāng)原始數(shù)值為間隔尺度和比率尺度時稱為度量MDS(metric MDS)，當(dāng)原始數(shù)據(jù)的等級順序（即有序尺度）時稱為非度量MDS(nonmetric MDS,用以測度偏離完美匹配程度的量度STRESS，稱之為應(yīng)力。定義為 與之間差異越大，STRE