統(tǒng)計(jì)學(xué)案例集

。統(tǒng)計(jì)學(xué)教學(xué)案例集統(tǒng)計(jì)學(xué)精品課建設(shè)小組2004年11月精選資料，歡迎下載?！景咐弧?全國電視觀眾抽樣調(diào)查抽樣方案一、調(diào)查目的、范圍和對(duì)象1.1 調(diào)查目的準(zhǔn)確獲取全國電視觀眾群體規(guī)模、構(gòu)成以及分布情況；獲取這些觀眾的收視習(xí)慣，對(duì)電視頻道和欄目的選擇傾向、收視人數(shù)、收視率與喜愛程度，為改進(jìn)電視頻道和欄目、開展電視觀眾行為研究提供新的依據(jù)。1.2 調(diào)查范圍全國31個(gè)省、自治區(qū)、直轄市(港澳臺(tái)除外)中所有電視信號(hào)覆蓋區(qū)域。1.3 調(diào)查對(duì)象全國城鄉(xiāng)家庭戶中的 13歲以上可視居民以及 4-12歲的兒童。包括有戶籍的正式住戶也包括所有臨時(shí)的或其他的住戶，只要已在本居（村）委會(huì)內(nèi)居住滿 6個(gè)月或預(yù)計(jì)居住6個(gè)月以上，都包括在內(nèi)。不包括住在軍營內(nèi)的現(xiàn)役軍人、集體戶及無固定住所的人口。二、抽樣方案設(shè)計(jì)的原則與特點(diǎn)2.1 設(shè)計(jì)原則抽樣設(shè)計(jì)按照科學(xué)、效率、便利的原則。首先，作為一項(xiàng)全國性抽樣調(diào)查，整體方案必須是嚴(yán)格的概率抽樣，要求樣本對(duì)全國及某些指定的城市或地區(qū)有代表性。其次,抽樣方案必須保證有較高的效率，即在相同樣本量的條件下，方案設(shè)計(jì)應(yīng)使調(diào)查精度盡可能高，也即目標(biāo)量估計(jì)的抽樣誤差盡可能小。第三，方案必須有較強(qiáng)的可操作性，不僅便于具體抽樣的實(shí)施，也要求便于后期的數(shù)據(jù)處理。2.2 需要考慮的具體問題、特殊要求及相應(yīng)的處理方法2.2.1 城鄉(xiāng)區(qū)分城市與農(nóng)村的電視觀眾的收視習(xí)慣與愛好有很大的區(qū)別。理所當(dāng)然地應(yīng)分別研究，精選資料，歡迎下載。以便于對(duì)比。最方便的處理是將他們作為兩個(gè)研究域進(jìn)行獨(dú)立抽樣，但代價(jià)是，這樣做的樣本點(diǎn)數(shù)量較大，調(diào)查的地域較為分散，相應(yīng)的費(fèi)用也就較高。另一種處理方式是在第一階抽樣中不考慮區(qū)分城鄉(xiāng)，統(tǒng)一抽取抽樣單元（例如區(qū)、縣） ，在其后的抽樣中再區(qū)分城、鄉(xiāng)。這樣做的優(yōu)點(diǎn)是樣本點(diǎn)相對(duì)集中，但數(shù)據(jù)處理較為復(fù)雜。綜合考慮各種因素，本方案采用第二種處理方式。在樣本區(qū)、縣中，以居委會(huì)的數(shù)據(jù)代表城市；以村委會(huì)的數(shù)據(jù)代表農(nóng)村。2.2.2 抽樣方案的類型與抽樣單元的確定全國性抽樣必須采用多階抽樣，而多階抽樣中設(shè)計(jì)的關(guān)鍵是各階抽樣單元的選擇，其中尤以第一階抽樣單元最為重要。本項(xiàng)調(diào)查除個(gè)別直轄市及城市外，不要求對(duì)省、自治區(qū)進(jìn)行推斷，從而可不考慮樣本對(duì)省的代表性。在這種情況下，選擇區(qū)、縣作為初級(jí)抽樣單元最為適宜。因?yàn)槿珖鴧^(qū)、縣的總數(shù)量很大，區(qū)、縣樣本量也會(huì)比較大，因而第一階的抽樣誤差比較小。另外對(duì)區(qū)、縣的分層也可分得更為精細(xì)。本抽樣方案采用分層五階抽樣。各階抽樣單元確定為：第一階抽樣：區(qū)（地級(jí)市以上城市的市轄區(qū)） 、縣（包括縣級(jí)市等）；第二階抽樣：街道、鄉(xiāng)、鎮(zhèn)；第三階抽樣：居委會(huì)、村委會(huì)；第四階抽樣：家庭戶；第五階抽樣：個(gè)人。為提高抽樣效率，減少抽樣誤差,在第一階抽樣中對(duì)區(qū)、縣采用按地域及類別分層。在每一層內(nèi)前三階抽樣均采用按與人口成正比的不等概率系統(tǒng)抽樣（PPS系統(tǒng)抽樣），而第四階抽樣采用等概率系統(tǒng)抽樣，即等距抽樣，第五階抽樣采用簡單隨機(jī)抽樣。2.2.3 自我代表層的設(shè)立根據(jù)要求，本次調(diào)查需要對(duì)北京、上海兩個(gè)直轄市以及廣州、成都、長沙與西安四個(gè)省會(huì)城市進(jìn)行獨(dú)立分析，因而在處理上將這些城市（包括下轄的所有區(qū)、縣）每個(gè)都作為單獨(dú)的一層處理。為方便起見，以下把這樣的層稱為自我代表層?？紤]到在這樣處理后，全國其他區(qū)縣在分層中的一些具體問題以及各地的特殊情況，將天津市也作為自我代表層處理。另外，鑒于西藏情況特殊，所屬區(qū)縣與其它?。ㄗ灾螀^(qū)）的差別很大，因此也將它作為自我代表層處理。這樣自我代表層共有 8個(gè)，包括以下城市與地區(qū)：精選資料，歡迎下載。北京市、天津市、上海市；廣州市、成都市、長沙市、西安市；西藏自治區(qū)。三、樣本區(qū)、縣的抽選方法3.1 全國區(qū)、縣的調(diào)查總體根據(jù)2001年的全國行政區(qū)劃資料，全國（港澳臺(tái)除外）共有 787個(gè)市轄區(qū)，此外有5個(gè)地級(jí)市（湖州、東莞、中山、三亞、嘉峪關(guān)）不設(shè)市轄區(qū)，若將它們每個(gè)都視同一個(gè)市轄區(qū)，則共有792個(gè)區(qū)；全國共有1674個(gè)縣（包括自治縣及旗、自治旗、特區(qū)與林區(qū)等）、400個(gè)縣級(jí)市,縣級(jí)行政單位的總數(shù)為2074個(gè)，這中間包括福建省的金門縣，不能進(jìn)行調(diào)查，因此除金門縣以外的所有2865個(gè)區(qū)、縣(792個(gè)區(qū)及2073個(gè)縣)構(gòu)成此次調(diào)查的調(diào)查總體。3.2區(qū)、縣分層為便于調(diào)查后的資料分類匯總及提高精度，應(yīng)將全國區(qū)、縣進(jìn)行分層。分層可以按多種標(biāo)識(shí)進(jìn)行，從理論而言，分層標(biāo)識(shí)應(yīng)選取與調(diào)查指標(biāo)相關(guān)程度較高的那些變量。在本次調(diào)查中也就是應(yīng)選取與觀眾收視行為、習(xí)慣與愛好等密切相關(guān)的變量。關(guān)于這方面已有一些相應(yīng)的研究結(jié)果,例如觀眾的年齡、性別、文化程度、職業(yè)、居住地的生活習(xí)慣與氣候等。不過注意到我們不可能按觀眾的個(gè)體來分類，只能按觀眾居住的區(qū)、縣來分類。而對(duì)于區(qū)、縣，許多表示人口特征（除人口總數(shù)）及經(jīng)濟(jì)文化發(fā)展指標(biāo)（除所在省的人文發(fā)展指數(shù)及縣的人均GPT）的資料都無法得到，經(jīng)過多方研究，我們對(duì)區(qū)縣的分層按以下兩種標(biāo)識(shí)進(jìn)行。地域我國幅員廣大，各地經(jīng)濟(jì)、社會(huì)、文化與氣候的地域差異極大，而所有這些因素都與電視觀眾的收視行為密切相關(guān)。我們首先將所有縣按所在?。ㄗ灾螀^(qū)、直轄市）的地理位置分成 3大層 13個(gè)子層，[各省括號(hào)內(nèi)的數(shù)字為它們的人文發(fā)展指數(shù) (HumanDevelopmentIndex，簡稱HDI)，在全國的排位，參見附表 ]。地域分層如表 1：精選資料，歡迎下載。表1全國區(qū)、縣的地域分層大層所含省、自治區(qū)、直轄市子層10：上海(1)、北京(2)、天津(3)（每個(gè)都作為自我代表層）第一大層子層11：遼寧(5)、山東(9)（東部地區(qū)）子層12：江蘇(7)、浙江(6)子層13：福建(8)、廣東(4)、海南（13）子層21：黑龍江(10)、吉林(12)第二大層子層22：河北(11)、河南(18)、山西(16)（中部地區(qū)）子層23：安徽(20)、江西(23)子層24：湖北(14)、湖南(17)子層31：內(nèi)蒙古(21)、新疆(15)、寧夏(26)子層32：陜西(25)、甘肅(28)、青海(29)第三大層子層33：重慶（22）、四川（24）（西部地區(qū)）子層34：廣西（19）、云南(27)、貴州(30)子層30：西藏（自我代表層）需要說明的是以上劃分的層，還考慮了其他一些因素，各省按聯(lián)合國制定的標(biāo)準(zhǔn)計(jì)算的人文發(fā)展指數(shù)僅是考慮因素之一。例如，按人文發(fā)展指數(shù)，廣西（第 19位）實(shí)際上可劃在第二大層（中部地區(qū)），但考慮到國家西部大開發(fā)的范圍將廣西劃入西部地區(qū)，我們的劃分與它一致，這樣便于資料的匯總發(fā)布。又如海南，根據(jù)人文發(fā)展指數(shù)（第 13位）放在第一大層稍為勉強(qiáng)，但是根據(jù)它的地理位置以及它以旅游為主業(yè)，就觀眾行為而言，與廣東、福建劃在一子層內(nèi)是合理的。區(qū)、縣類別同一大層的各市轄區(qū)與所隸屬的城市的規(guī)模、在城市中的地理位置（市區(qū)或郊區(qū)）和居民成分構(gòu)成（非農(nóng)業(yè)人口占總?cè)丝诘谋壤┯休^大差異，各縣也因經(jīng)濟(jì)文化發(fā)達(dá)程度有較大差異。我們將各大層中所有的區(qū)、縣除已劃為自我代表層的以外，（如下稱抽樣總體）分成以下5類，每類組成1個(gè)小層：一類區(qū)，二類區(qū)，縣級(jí)市，一類縣，二類縣。全國抽樣總體中所有區(qū)縣共分成11×5=55個(gè)小層。其中區(qū)的劃分標(biāo)準(zhǔn)為區(qū)中非農(nóng)業(yè)人口占總?cè)丝诘谋壤?，比例高于?biāo)準(zhǔn)的為一類區(qū)，比例低于標(biāo)準(zhǔn)的為二類區(qū)；縣的劃分標(biāo)準(zhǔn)為人均國內(nèi)生產(chǎn)總值，高的為一類縣，低的為二類縣。區(qū)縣劃分類別的標(biāo)準(zhǔn)在三精選資料，歡迎下載。大層中各不相同，具體標(biāo)準(zhǔn)如下：區(qū)類別的劃分標(biāo)準(zhǔn)：東部地區(qū)與中部地區(qū)：非農(nóng)人口在總?cè)丝谥械谋壤笥诨虻扔?80%為一類區(qū)，小于80%為二類區(qū)；西部地區(qū)：非農(nóng)人口在總?cè)丝谥械谋壤笥诨虻扔?70%為一類區(qū)，小于70%為二類區(qū)?？h類別的劃分標(biāo)準(zhǔn)：東部地區(qū)：人均 GDP在5000元以上為一類縣；5000元以下為二類縣。中部地區(qū)：人均GDP在4000元以上為一類縣；4000元以下為二類縣。西部地區(qū)：人均 GDP在3000元以上為一類縣；3000元以下為二類縣。3.3自我代表層的區(qū)、縣情況根據(jù)最新行政區(qū)劃，自我代表層中的 7個(gè)城市所轄的區(qū)、縣構(gòu)成情況如表 1。表2自我代表城市的轄區(qū)、縣構(gòu)成城市一類區(qū)二類區(qū)直轄市中的縣縣總計(jì)及其它縣級(jí)市北京市855-18天津市774-18上海市973-19廣州市552-12成都市524819長沙市23139西安市440513西藏自治區(qū)包括1個(gè)地級(jí)市（拉薩市，下轄一個(gè)城關(guān)區(qū)）、一個(gè)縣級(jí)市（日喀則市）及71個(gè)縣。3.4 抽樣總體區(qū)縣情況按3.2劃分標(biāo)準(zhǔn)，全國除自我代表層以外的抽樣總體各小層的區(qū)、縣數(shù)及人口在（抽樣總體）總?cè)丝谥械谋壤绫?3與表4所示。精選資料，歡迎下載。表3抽樣總體中各小層的區(qū)縣數(shù)地域子層一類區(qū)二類區(qū)縣級(jí)市一類縣二類縣合計(jì)東部地區(qū)114362471968239東部地區(qū)123047533137198東部地區(qū)132441515942217中部地區(qū)215626403632190中部地區(qū)22396756140148450中部地區(qū)232634193195205中部地區(qū)242044394269214西部地區(qū)31278349161221西部地區(qū)3211161551131224西部地區(qū)33542145585201西部地區(qū)3419273074175325合計(jì)3004143986299432684表4 抽樣總體各小層人口占總?cè)丝诘谋壤?%）地域子層一類區(qū)二類區(qū)縣級(jí)市一類縣二類縣合計(jì)東部地區(qū)111.35122.27663.17280.76723.629511.1972東部地區(qū)120.69921.64873.88321.41052.28099.9226東部地區(qū)130.50831.21873.44372.34971.71509.2354中部地區(qū)211.02000.50231.77091.10351.00375.4004中部地區(qū)220.92631.91282.78584.52916.359316.5133中部地區(qū)230.52721.18001.06821.16374.93858.8776中部地區(qū)240.61061.59282.54152.27573.251910.2726西部地區(qū)310.43430.22190.73191.22651.36923.9838西部地區(qū)320.29760.55130.42570.72333.05675.0546西部地區(qū)330.14542.11320.95811.87153.89618.9843西部地區(qū)340.36290.94781.32542.64995.272210.5582合計(jì)6.883114.166222.107220.070536.7730100.0000精選資料，歡迎下載。3.5區(qū)、縣的抽樣方法及樣本量抽樣總體中各層（指小層,下同）內(nèi)對(duì)區(qū)、縣的抽樣采用按人口的PPS系統(tǒng)抽樣，樣本量一般為2；少數(shù)人口較多的小層樣本量定為3。樣本量的具體分配見表5。樣本區(qū)、縣總量為121個(gè)。表5各小層的區(qū)縣樣本量的分配地域子層一類區(qū)二類區(qū)縣級(jí)市一類縣二類縣合計(jì)東部地區(qū)112332212東部地區(qū)122232211東部地區(qū)132232211中部地區(qū)212222210中部地區(qū)222233313中部地區(qū)232222311中部地區(qū)242222210西部地區(qū)312222210西部地區(qū)322222311西部地區(qū)332222311西部地區(qū)342222311合計(jì)2223262327121四、抽樣總體中樣本區(qū)、縣內(nèi)的抽樣方法4.1 樣本區(qū)內(nèi)的抽樣每個(gè)一類樣本區(qū)內(nèi)采用街道（鎮(zhèn)）、居委會(huì)、家庭戶及個(gè)人的 4階抽樣；每個(gè)二類樣本區(qū)內(nèi)采用街道（鄉(xiāng)、鎮(zhèn)）、居（村）委會(huì)、家庭戶及個(gè)人的 4階抽樣,樣本量皆為90。具體方法如下。4.1.1 對(duì)街道（鄉(xiāng)、鎮(zhèn)）的抽樣樣本區(qū)內(nèi)對(duì)街道（鄉(xiāng)、鎮(zhèn)）抽樣采用按人口的 PPS系統(tǒng)抽樣，每個(gè)樣本區(qū)抽 3個(gè)街道（鄉(xiāng)、鎮(zhèn)），其中一類區(qū)不抽鄉(xiāng)。精選資料，歡迎下載。4.1.2 對(duì)居委會(huì)的抽樣樣本街道、鎮(zhèn)（鄉(xiāng)）內(nèi)對(duì)居（村）委會(huì)的抽樣采用按人口的 PPS系統(tǒng)抽樣，每個(gè)樣本街道、鎮(zhèn)、鄉(xiāng)各抽 2個(gè)居（村）委會(huì)（其中一類區(qū)不抽村委會(huì)） 。為操作方便，這里的人口數(shù)也可用戶數(shù)。4.1.3 對(duì)家庭戶的抽樣樣本居（村）委會(huì)內(nèi)對(duì)家庭戶的抽樣采用隨機(jī)起點(diǎn)的等概率系統(tǒng)抽樣， 即等距抽樣。每個(gè)居（村）委會(huì)固定抽取 15戶。在抽樣時(shí)，必須首先清點(diǎn)居（村）委會(huì)管轄范圍內(nèi)的實(shí)際家庭戶數(shù),且規(guī)定排列的順序。4.1.4 樣本戶內(nèi)具體調(diào)查對(duì)象的確定對(duì)每個(gè)被抽中的樣本戶，在 13歲以上（含13歲）的成員中，完全隨機(jī)地確定一名為具體調(diào)查對(duì)象。為確保家庭成員中的每一個(gè)這樣的成員都有相等的概率被抽中，采用二維隨機(jī)表來確定。表6確定戶內(nèi)調(diào)查對(duì)象的二維隨機(jī)表序姓年齡123456789101112號(hào)性別名1111111111111221211221121233211322131234413223143241554123412354266315243514627714362525743884571263753199514382765281010359417286941111615104983276121272941161831054.2 樣本縣（縣級(jí)市）內(nèi)的抽樣每個(gè)樣本縣內(nèi)采用鄉(xiāng)（鎮(zhèn)）、村（居）委會(huì)、家庭戶及個(gè)人的 4階抽樣，樣本量為精選資料，歡迎下載。60。具體方法如下。4.2.1 對(duì)鄉(xiāng)、鎮(zhèn)的抽樣確定縣城所在的鎮(zhèn)（城關(guān)鎮(zhèn)）為必調(diào)查鎮(zhèn)，對(duì)其余鄉(xiāng)（鎮(zhèn)）采用按人口的 PPS系統(tǒng)抽樣，再抽2個(gè)鄉(xiāng)（鎮(zhèn)），每個(gè)樣本縣共調(diào)查 3個(gè)鄉(xiāng)（鎮(zhèn)）。4.2.2 對(duì)村（居）委會(huì)的抽樣在每個(gè)城關(guān)鎮(zhèn)中用按人口 PPS抽樣抽取2個(gè)樣本居（村）委會(huì)。對(duì)其它兩個(gè)樣本鄉(xiāng)、鎮(zhèn)內(nèi)，也用同樣的方法抽 2個(gè)村委會(huì)。為操作方便 ,這里的人口數(shù)也可用戶數(shù)。4.2.3 對(duì)家庭戶的抽樣樣本村（居）內(nèi)對(duì)家庭戶的抽樣與樣本居委會(huì)內(nèi)對(duì)家庭戶的抽樣完全相同，仍采用隨機(jī)起點(diǎn)的等概率系統(tǒng)抽樣，即等距抽樣。每個(gè)村（居）固定抽取 10戶。4.2.4 具體調(diào)查對(duì)象的確定在樣本戶中確定具體對(duì)象的方法與 4.1.4中情形完全相同，即用二維隨機(jī)表來確定。4.3 兒童樣本的確定在城鄉(xiāng)每個(gè)樣本戶中，除抽取一位 13歲以上的觀眾作為調(diào)查對(duì)象外，如果還有 4－12歲的兒童，則需要抽取 1位進(jìn)行兒童觀眾的調(diào)查。如果符合年齡的條件多于 1位，則仍按二維隨機(jī)表的方法確定。對(duì)于自我代表的 7個(gè)城市中，為保證兒童的樣本量，對(duì)每個(gè)樣本戶，調(diào)查所有滿足年齡的兒童。五、自我代表層中的抽樣方法5.1 自我代表城市的抽樣方法每個(gè)需要進(jìn)行推斷的城市皆作為自我代表層，在層內(nèi)也進(jìn)行分層抽樣，層的劃分標(biāo)準(zhǔn)與其它子層中的區(qū)、縣標(biāo)準(zhǔn)基本相同。只不過不再對(duì)縣分類，且將縣級(jí)市（僅長沙市有一個(gè)）也作為一般縣處理。這樣每個(gè)城市皆分為一類區(qū)、二類區(qū)及縣三層。考慮到上海市浦東新區(qū)的特殊性(既包括完全城市化的市區(qū),也包含相當(dāng)廣泛的農(nóng)村)，將該區(qū)作為自我代表層處理?？紤]到在一個(gè)城市范圍內(nèi)的調(diào)查，交通比較方便，故為提高效率，根據(jù)每個(gè)城市的精選資料，歡迎下載。實(shí)際情況，保證（或適當(dāng)增加）樣本區(qū)的數(shù)量，減少每個(gè)樣本區(qū)、縣內(nèi)的的樣本量。每個(gè)樣本區(qū)縣規(guī)定都抽 2個(gè)街道(鄉(xiāng)、鎮(zhèn))，每個(gè)樣本街道、鄉(xiāng)、鎮(zhèn)抽 2個(gè)居（村）委會(huì)。樣本區(qū)內(nèi)每個(gè)居（村）委會(huì)樣本量仍為本 15戶，樣本縣（縣級(jí)市）內(nèi)每個(gè)村（居）委會(huì)樣本量仍為10戶。如果有可能,對(duì)一類區(qū)也可不對(duì)區(qū)進(jìn)行抽樣，直接對(duì)街道進(jìn)行抽樣。根據(jù)每個(gè)必調(diào)查城市所屬的區(qū)縣數(shù)，確定樣本區(qū)、縣數(shù)如下表（表中的數(shù)字為樣本區(qū)、縣數(shù)，括號(hào)中的數(shù)字為每個(gè)區(qū)、縣的樣本戶數(shù)） ：表7自我代表城市的樣本量城市一類區(qū)二類區(qū)縣總樣本量北京市4(60)2(60)2(40)440天津市3(60)2(60)2(40)380上海市4(60)3(60)﹡2(40)500廣州市3(60)2(60)2(40)380成都市﹡3(60)2(60)2(40)380長沙市2(60)3(60)2(40)380西安市﹡4(45)2(60)2(40)380總計(jì)13209605602840﹡其中浦東新區(qū)在商業(yè)區(qū)抽一個(gè)街道 ,在農(nóng)業(yè)區(qū)抽一個(gè)鎮(zhèn)。﹡成都、西安兩市由于一類區(qū)數(shù)量較少，故對(duì)一類區(qū)進(jìn)行全數(shù)調(diào)查，其中西安市每個(gè)一類區(qū)中抽1個(gè)街道，每個(gè)街道抽 3個(gè)居委會(huì)。若有條件在每個(gè)區(qū)中直接抽 3個(gè)居委會(huì)最好。5.2 西藏自治區(qū)的抽樣方法西藏自治區(qū)的抽樣也采用分層抽樣法，其中拉薩市城關(guān)區(qū)抽 4個(gè)居委會(huì),日喀則市除城關(guān)鎮(zhèn)外,再抽兩個(gè)鄉(xiāng)鎮(zhèn),共6個(gè)居(村)委會(huì)。以上兩市均作為自我代表層，每層各抽取60戶；其余71個(gè)縣則采用按人口的PPS抽樣抽2個(gè)縣，每個(gè)縣調(diào)查40戶。西藏自治區(qū)總樣本量為200戶。六、總樣本量與抽樣誤差的估計(jì)精選資料，歡迎下載。6.1 總樣本量根據(jù)前述抽樣設(shè)計(jì)，本方案 13歲以上觀眾總的樣本量為：1）自我代表層共 2840＋200＝3040戶，其中區(qū)樣本為 2400戶，縣樣本為 640戶。2）抽樣總體分11個(gè)子層，55個(gè)小層，樣本區(qū)縣共121個(gè)，其中樣本區(qū)45個(gè)，樣本縣（縣級(jí)市）76個(gè)。每個(gè)樣本區(qū)抽90戶，故區(qū)樣本為4050戶；每個(gè)樣本縣抽60戶，縣樣本共4560戶，共計(jì)8610戶。3）全國總樣本量為 11650戶，其中區(qū)樣本為 6390戶，縣樣本為5260戶。6.2 抽樣誤差的估計(jì)本方案的設(shè)計(jì)效應(yīng)deff估計(jì)為2.0,相當(dāng)于簡單隨機(jī)抽樣的樣本量n0=5825,在95%置信度下比例型目標(biāo)量的絕對(duì)誤差限d，經(jīng)計(jì)算約為1.28%。七、目標(biāo)量的估計(jì)及其方差估計(jì)根據(jù)方案設(shè)計(jì)，（?。觾?nèi)樣本是近似自加權(quán)的，因此層目標(biāo)量的估計(jì)及其方差估計(jì)較為簡單。而地區(qū)（大層）與全國目標(biāo)量的估計(jì)則可用表 4中的人口比例為權(quán)加權(quán)并匯總自我代表層得出，相應(yīng)的方差估計(jì)也隨之可得。具體公式另給。參考文獻(xiàn)馮士雍，倪加勛，鄒國華，《抽樣調(diào)查理論與方法》，中國統(tǒng)計(jì)出版社，1998.中華人民共和國民政部編，中華人民共和國行政區(qū)劃簡冊(cè)，中國地圖出版社，2001。聯(lián)合國開發(fā)計(jì)劃署，中國人類發(fā)展報(bào)告---1999，中國財(cái)政經(jīng)濟(jì)出版社，1999胡鞍鋼,鄒平等，中國發(fā)展報(bào)告社會(huì)與發(fā)展—中國社會(huì)發(fā)展地區(qū)差距研究，浙江人民出版社，2000。[5]L. 基什（L.Kish）著，倪加勛等譯，抽樣調(diào)查，中國統(tǒng)計(jì)出版社， 1997。精選資料，歡迎下載。附表：1997年全國各省市人類發(fā)展指數(shù)(HDI)省、市平均預(yù)期教育指數(shù)國內(nèi)生產(chǎn)人類發(fā)展人類發(fā)展自治區(qū)壽命指數(shù)總值指數(shù)指數(shù)指數(shù)排位上海0.8320.8240.9750.8771北京0.7980.8400.9630.8672天津0.7890.8100.9570.8523廣東0.7920.7890.9490.8434遼寧0.7540.8010.9390.8315浙江0.7800.7350.9490.8216江蘇0.7730.7350.9450.8177福建0.7260.7370.9440.8028山東0.7600.7020.8490.7709黑龍江0.7000.7900.8090.76610河北0.7560.7590.6760.73011吉林0.7160.8040.6100.71012海南0.7500.7450.6320.70913湖北0.7040.7610.6550.70714新疆0.6270.7730.6560.68515山西0.7330.7820.5220.67916湖南0.6990.7760.5110.66217河南0.7530.7450.4870.66118廣西0.7290.7410.4780.64919安徽0.7410.7130.4820.64620內(nèi)蒙古0.6780.7400.5170.64521重慶0.6890.7270.4890.63522江西0.6850.7640.4550.63523四川0.6890.7230.4410.61724陜西0.7070.7410.4040.61725寧夏0.6990.6690.4400.60326云南0.6420.6650.4420.58327甘肅0.7040.6670.3390.57028青海0.5930.5450.4450.52829貴州0.6550.6590.2330.51630西藏0.5770.4350.3450.45231精選資料，歡迎下載?！景咐?請(qǐng)對(duì)下面的問卷客觀地評(píng)價(jià)汽油的銷售本次調(diào)查由國家汽油代理商組織，希望更多地了解消費(fèi)者購買汽油時(shí)的期望。所有信息都會(huì)被保密。表格填好后請(qǐng)返回給我們。1．姓名和地址2．年齡和性別3．婚姻狀況4．年齡狀況：21歲以下21—40歲40—60歲60歲以上5．大多數(shù)汽油是由您購買的還是您的妻子買的？6．去年您買了多少汽油？5000升以上 5000—10000升 10000—2000升 20000 升以上7．您的汽油油箱容積多大？8．在您選購汽油時(shí)，價(jià)格的重要程度如何？9．請(qǐng)您盡可能充分地陳述什么原因使得您購買一種品牌的汽油而不買另外一種？您喜歡那些免費(fèi)提供禮物的加油站,是不是?當(dāng)您用車執(zhí)行公務(wù)時(shí),您將獲贈(zèng)的禮物或贈(zèng)券留給自己,還是上交給您的雇主?您每年行駛的里程是長是短?謝謝您的合作。根據(jù)您對(duì)上述問題的回答，重新起草上面的調(diào)查問卷。精選資料，歡迎下載。【案例三】 某市造紙行業(yè)產(chǎn)品產(chǎn)量與結(jié)構(gòu)分析某市造紙業(yè)在“十五”期間的產(chǎn)品產(chǎn)量、原材料消耗量、專用設(shè)備技術(shù)狀況以及調(diào)查預(yù)測(cè)的2006年各類產(chǎn)品的需求量等資料如下：表1“十五”期間各類產(chǎn)品產(chǎn)量單位：萬噸產(chǎn)量預(yù)測(cè)的1996年需求量產(chǎn)品名稱2001年2005年印刷用紙6.510.513.39書寫用紙5.04.96.86技術(shù)配套用紙0.71.11.33包裝用紙5.98.210.12其他用紙1.12.03.33生活用紙7.51331.56紙板6.211.428.78其中：白紙板0.40.61.23箱紙板1.32.04.32掛面紙板0.050.51.20瓦楞紙板2.32.47.89合計(jì)26.739.766.59表2“十五”期間主要原材料消耗量單位：萬噸原材料消耗量原材料2001年2005年木漿5.56.7葦漿2.83.6蔗渣漿0.91.2竹漿0.40.5廢紙漿4.18.6麻、布、棉漿1.83.2禾草漿9.915.6其他漿0.71.0合計(jì)26.140.4精選資料，歡迎下載。表3專用設(shè)備技術(shù)狀況單位：臺(tái)專用設(shè)備合計(jì)國際水平國內(nèi)國內(nèi)國內(nèi)先進(jìn)水平一般水平落后水平磨木機(jī)5——31蒸球190——11674蒸鍋5—122造紙?jiān)O(shè)備170—343124要求：根據(jù)以上資料，對(duì)該市造紙行業(yè)的產(chǎn)品產(chǎn)量和結(jié)構(gòu)進(jìn)行分析。分析方法說明：（1）對(duì)產(chǎn)品產(chǎn)量與結(jié)構(gòu)進(jìn)行分析，首先需要利用數(shù)字資料描述產(chǎn)品產(chǎn)量及其結(jié)構(gòu)現(xiàn)狀以及發(fā)展趨勢(shì)，其次根據(jù)一定的研究目的分析產(chǎn)品結(jié)構(gòu)的合理性。（2）分析研究可以采用靜態(tài)分析與動(dòng)態(tài)分析相結(jié)合的辦法。靜態(tài)分析主要是研究產(chǎn)品結(jié)構(gòu)的現(xiàn)狀，分析當(dāng)前的產(chǎn)品結(jié)構(gòu)是否滿足社會(huì)需要，是否適應(yīng)現(xiàn)有的生產(chǎn)力發(fā)展水平，從中確定哪些是合理的，哪些是不合理的；同時(shí)通過動(dòng)態(tài)分析，反映產(chǎn)品結(jié)構(gòu)演變的歷史過程，預(yù)測(cè)產(chǎn)品結(jié)構(gòu)將沿著什么方向發(fā)展，這種發(fā)展是否適應(yīng)經(jīng)濟(jì)發(fā)展的客觀需要。在研究過程中，要結(jié)合本地區(qū)或本企業(yè)的實(shí)際情況，如原材料供應(yīng)、設(shè)備狀況、技術(shù)力量、企業(yè)管理水平等，進(jìn)行多因素的對(duì)比分析，找出調(diào)整產(chǎn)品結(jié)構(gòu)與提高產(chǎn)品產(chǎn)量的癥結(jié)所在，并提出切實(shí)可行的措施。精選資料，歡迎下載?！景咐摹?時(shí)間序列分析在經(jīng)濟(jì)預(yù)測(cè)中的應(yīng)用一、 案例簡介為了配合《統(tǒng)計(jì)學(xué)》課程時(shí)間序列分析部分的課堂教學(xué)，提高學(xué)生運(yùn)用統(tǒng)計(jì)方法分析解決實(shí)際問題的能力，我們組織了一次案例教學(xué)，其內(nèi)容是：對(duì)煙臺(tái)市的未來經(jīng)濟(jì)發(fā)展?fàn)顩r作一預(yù)測(cè)分析，數(shù)據(jù)取煙臺(tái)市1978—1998年國內(nèi)生產(chǎn)總值（GDP）的年度數(shù)據(jù)，并以此為依據(jù)建立預(yù)測(cè)模型，對(duì)1999年和2000年的國內(nèi)生產(chǎn)總值作出預(yù)測(cè)并檢驗(yàn)其預(yù)測(cè)效果。國內(nèi)生產(chǎn)總值是指一個(gè)國家或地區(qū)所有常住單位在一定時(shí)期內(nèi)生產(chǎn)活動(dòng)的最終成果，是反映國民經(jīng)濟(jì)活動(dòng)最重要的經(jīng)濟(jì)指標(biāo)之一，科學(xué)地預(yù)測(cè)該指標(biāo)，對(duì)制定經(jīng)濟(jì)發(fā)展目標(biāo)以及與之相配套的方針政策具有重要的理論與實(shí)際意義。在組織實(shí)施時(shí)，我們首先將數(shù)據(jù)資料印發(fā)給學(xué)生，并講清本案例的教學(xué)目的與要求，明確案例所涉及的教學(xué)內(nèi)容；然后給學(xué)生一段時(shí)間，由學(xué)生根據(jù)資料，運(yùn)用不同的方法進(jìn)行預(yù)測(cè)分析，并確定具體的討論日期；在課堂討論時(shí)讓學(xué)生自由發(fā)言，闡述自己的觀點(diǎn)；最后，由主持教師作點(diǎn)評(píng)發(fā)言，取得了良好的教學(xué)效果。經(jīng)濟(jì)預(yù)測(cè)是研究客觀經(jīng)濟(jì)過程未來一定時(shí)期的發(fā)展變化趨勢(shì)，其目的在于通過對(duì)客觀經(jīng)濟(jì)現(xiàn)象歷史規(guī)律的探討和現(xiàn)狀的研究，求得對(duì)未來經(jīng)濟(jì)活動(dòng)的了解，以確定社會(huì)經(jīng)濟(jì)活動(dòng)的發(fā)展水平，為決策提供依據(jù)。時(shí)間序列分析預(yù)測(cè)法，首先將預(yù)測(cè)目標(biāo)的歷史數(shù)據(jù)按照時(shí)間的先后順序排列成時(shí)間序列，然后分析它隨時(shí)間的變化趨勢(shì)及自身的統(tǒng)計(jì)規(guī)律，外推得到預(yù)測(cè)目標(biāo)的未來取值。它與回歸分析預(yù)測(cè)法的最大區(qū)別在于：該方法可以根據(jù)單個(gè)變量的取值對(duì)其自身的變動(dòng)進(jìn)行預(yù)測(cè)，無須添加任何的輔助信息。本案例的最大特色在于：它匯集了統(tǒng)計(jì)學(xué)原理中的時(shí)間序列分析這一章節(jié)的所有知識(shí)點(diǎn)，通過本案例的教學(xué)，可以把不同的時(shí)間序列分析方法進(jìn)行綜合的比較，便于學(xué)生更好地掌握本章的內(nèi)容。二、 案例的目的與要求（一） 教學(xué)目的1．通過本案例的教學(xué)，使學(xué)生認(rèn)識(shí)到時(shí)間序列分析方法在實(shí)際工作中應(yīng)用的必要精選資料，歡迎下載。性和可能性；2．本案例將時(shí)間序列分析中的水平指標(biāo)、速度指標(biāo)、長期趨勢(shì)的測(cè)定等內(nèi)容有機(jī)的結(jié)合在一起，以鞏固學(xué)生所學(xué)的課本知識(shí)，深化學(xué)生對(duì)課本知識(shí)的理解；3．本案例是對(duì)煙臺(tái)市的國內(nèi)生產(chǎn)總值數(shù)據(jù)進(jìn)行預(yù)測(cè)，通過對(duì)實(shí)證結(jié)果的比較和分析，使學(xué)生認(rèn)識(shí)到對(duì)同一問題的解決，可以采取不同的方法，根據(jù)約束條件，從中選擇一種合適的預(yù)測(cè)方法；4．通過本案例的教學(xué)，讓學(xué)生掌握 EXCEL軟件在時(shí)間序列分析中的應(yīng)用，對(duì)統(tǒng)計(jì)、計(jì)量分析軟件SPSS或Eviews等有一個(gè)初步的了解；5．通過本案例的教學(xué)，有助于提高學(xué)生運(yùn)用所學(xué)知識(shí)和方法分析解決問題的能力、合作共事的能力和溝通交流的能力。（二） 教學(xué)要求1．學(xué)生必須具備相應(yīng)的時(shí)間序列分析的基本理論知識(shí)；2．學(xué)生必須熟悉相應(yīng)的預(yù)測(cè)方法和具備一定的數(shù)據(jù)處理能力；3．學(xué)生以主角身份積極地參與到案例分析中來， 主動(dòng)地分析和解決案例中的問題；4．在提出解決問題的方案之前，學(xué)生可以根據(jù)提供的樣本數(shù)據(jù)，自己選擇不同的統(tǒng)計(jì)分析方法，對(duì)這一案例進(jìn)行預(yù)測(cè)，比較不同預(yù)測(cè)方法的異同，提出若干可供選擇的方案；5．學(xué)生必須提交完整的分析報(bào)告。分析報(bào)告的內(nèi)容應(yīng)包括：選題的目的及意義、使用數(shù)據(jù)的特征及其說明、采用的預(yù)測(cè)方法及其優(yōu)劣、預(yù)測(cè)結(jié)果及其評(píng)價(jià)、有待于進(jìn)一步改進(jìn)的思路或需要進(jìn)一步研究的問題。三、 數(shù)據(jù)搜集與處理時(shí)間序列數(shù)據(jù)按照不同的分類標(biāo)準(zhǔn)可以劃分為不同的類型， 最常見的有：年度數(shù)據(jù)、季度數(shù)據(jù)、月度數(shù)據(jù)。本案例主要討論對(duì)年度數(shù)據(jù)如何進(jìn)行預(yù)測(cè)分析?？紤]到案例設(shè)計(jì)時(shí)的側(cè)重點(diǎn)，本案例只是對(duì)煙臺(tái)市國內(nèi)生產(chǎn)總值進(jìn)行預(yù)測(cè)，故數(shù)據(jù)的搜集與處理過程相對(duì)簡單。我們通過查閱《煙臺(tái)統(tǒng)計(jì)年鑒》、《煙臺(tái)五十年》等有關(guān)的資料獲得煙臺(tái)市 1949—2000年23年的國內(nèi)生產(chǎn)總值資料數(shù)據(jù)（原始數(shù)據(jù)詳見表 3）。該指標(biāo)是反映國民經(jīng)濟(jì)發(fā)展情況最重要的指標(biāo)之一，我們選擇該指標(biāo)進(jìn)行預(yù)測(cè)具有較強(qiáng)的實(shí)用價(jià)值。此外，預(yù)測(cè)的方法具有普遍的適用性，使用者也可以將其應(yīng)用于其它的研究領(lǐng)域。精選資料，歡迎下載。資料數(shù)據(jù)是預(yù)測(cè)的依據(jù)和基礎(chǔ)，一般是根據(jù)確定的預(yù)測(cè)目標(biāo)及影響因素搜集有關(guān)的資料和數(shù)據(jù)，并結(jié)合初步擬定的預(yù)測(cè)模型，對(duì)所搜集的數(shù)據(jù)進(jìn)行分析和處理，然后再選取適當(dāng)?shù)念A(yù)測(cè)模型。我們可以將整個(gè)數(shù)據(jù)處理過程概括如下，見圖 1。明確預(yù)測(cè)目的確定預(yù)測(cè)內(nèi)容收集和整理資料選擇預(yù)測(cè)方法計(jì)算預(yù)測(cè)結(jié)果N結(jié)果是否合理Y精度的約束 資金的約束 時(shí)間的約束推薦預(yù)測(cè)結(jié)果進(jìn)行綜合評(píng)價(jià)圖1 經(jīng)濟(jì)預(yù)測(cè)流程圖四、 建議使用的預(yù)測(cè)分析方法（一） 確定性時(shí)間序列分析法1． 指標(biāo)法：平均增長量法、平均發(fā)展速度法；2． 趨勢(shì)預(yù)測(cè)法：移動(dòng)平均法、指數(shù)平滑法、曲線擬合法。（二） 隨機(jī)性時(shí)間序列分析法1． ARIMA模型預(yù)測(cè)；2． 組合模型預(yù)測(cè)。精選資料，歡迎下載。五、 案例分析過程（一） 確定性時(shí)間序列分析法1．平均增長量法該方法是利用歷史資料計(jì)算出它的平均增長量，然后再假定在以后各期當(dāng)中，它仍按這樣一個(gè)平均增長量去增長，從而得出在未來一段時(shí)期內(nèi)的預(yù)測(cè)值。根據(jù)煙臺(tái)市的國內(nèi)生產(chǎn)總值1949年—1998年的觀察值，我們計(jì)算出GDP的平均增長量為150647.69萬元（水平法）和38437.81萬元（總和法），利用其對(duì)煙臺(tái)市1999年和2000年的GDP值進(jìn)行預(yù)測(cè)并與實(shí)際GDP值[1]比較，結(jié)果見表1。表1平均增長量法預(yù)測(cè)結(jié)果1999年2000年GDP預(yù)測(cè)值（萬元）預(yù)測(cè)相對(duì)誤差（%）GDP預(yù)測(cè)值（萬元）預(yù)測(cè)相對(duì)誤差（%）水平法7550647.75.697701295.412.44累計(jì)法7438437.87.107476875.615.00教師點(diǎn)評(píng)：①平均增長量法不僅得到了 GDP數(shù)據(jù)未來取值的預(yù)測(cè)值，而且還讓學(xué)生更加深刻地認(rèn)識(shí)到平均增長量在計(jì)算時(shí)水平法與總和法的區(qū)別所在， 圖1較明顯地反映出平均增長量計(jì)算水平法與累計(jì)的區(qū)別，即水平法僅考慮首尾年份的數(shù)值，而不考慮中間年份的數(shù)值變化，因而有a0(n1)an；②而總和法則考慮了整個(gè)樣本區(qū)間上的總體變n化情況，有(a0)(a02)(a0n)ai，從而圖2中A的面積和B的面積應(yīng)該相i1等。萬元800000070000006000000500000040000003000000200000010000000

A4952555861646770737679828588919497年份1919191919191919191919191919191919原始GDP水平法GDP總和法GDP1999年為8010000萬元，2000年為8700000萬元。圖2由平均增長量推算出的時(shí)間序列變化圖精選資料，歡迎下載。2．平均發(fā)展速度法該方法就是利用時(shí)間序列資料計(jì)算出它的平均發(fā)展速度， 然后再假定在以后各期當(dāng)中，它仍按這樣一個(gè)平均發(fā)展速度去變化， 從而得出時(shí)間序列的預(yù)測(cè)值。我們計(jì)算出GDP在1978年—1998年間的平均發(fā)展速度為118.277%（幾何法）和118.170%（方程法）[2]，利用其對(duì)煙臺(tái)市1999年和2000年的GDP進(jìn)行預(yù)測(cè)得到結(jié)果見表2。表2平均發(fā)展速度法預(yù)測(cè)結(jié)果1999年2000年GDP預(yù)測(cè)值（萬元）預(yù)測(cè)相對(duì)誤差（%）GDP預(yù)測(cè)值（萬元）預(yù)測(cè)相對(duì)誤差（%）幾何法8364664-4.479455081.6-7.49方程法8306352-3.749323713.9-6.00教師點(diǎn)評(píng)：①同平均增長量的計(jì)算一樣，平均發(fā)展速度的計(jì)算方法也有兩種，其中幾何法也只是考慮起始年份的取值，有ana0Xn，而方程法則要考慮到整個(gè)年份取值的變化，有a0Xa0X2a0Xnnai，方程法的內(nèi)插預(yù)測(cè)曲線與原始曲線所夾的面積Ai1和面積B也相等；②在方程式法計(jì)算中，計(jì)算平均增長速度可以采取試錯(cuò)法（讓學(xué)生嘗試著編寫小的循環(huán)程序求解）或插值法；③同平均增長量的計(jì)算一樣，平均發(fā)展速度的計(jì)算方法也有兩種，其中幾何法也只是考慮起始年份的取值，而方程法則要考慮到整個(gè)年份取值的變化；④由預(yù)測(cè)的結(jié)果可以看出，無論是平均增長量法還是平均發(fā)展速度法只適于作短期預(yù)測(cè)，否則預(yù)測(cè)相對(duì)誤差會(huì)顯著提高。在該問題中幾何法與方程法計(jì)算出的平均發(fā)展速度差別不大。精選資料，歡迎下載。萬元8000000.007000000.006000000.005000000.004000000.003000000.002000000.001000000.000.00

BA1949195119531955195719591961196319651967196919711973197519771979198119831985198719891991199319951997年份原始GDP幾何法GDP方程法GDP圖3 由平均發(fā)展速度推算出的時(shí)間序列變化圖3．移動(dòng)平均法移動(dòng)平均法是根據(jù)時(shí)間序列資料， 采取逐項(xiàng)移動(dòng)平均的辦法，計(jì)算一定項(xiàng)數(shù)的序時(shí)平均數(shù)，以反映長期趨勢(shì)的方法。移動(dòng)平均法主要有簡單移動(dòng)平均法， 加權(quán)移動(dòng)平均法，趨勢(shì)移動(dòng)平均法等。這里主要介紹簡單移動(dòng)平均法。記Mtytyt1ytN1,tN為t期移動(dòng)平均數(shù)；N為移動(dòng)平均項(xiàng)數(shù)。由于移動(dòng)N平均可以平滑數(shù)據(jù)，消除周期變動(dòng)和不規(guī)則變動(dòng)的影響，使長期趨勢(shì)顯示出來，可以利用其進(jìn)行外推預(yù)測(cè)。預(yù)測(cè)公式為：測(cè)值。

y?t1 Mt，即以第t期移動(dòng)平均數(shù)作為第 t＋1期的預(yù)表3移動(dòng)平均預(yù)測(cè)結(jié)果年份序號(hào)t原始GDP三期移動(dòng)平均值（T=3）五期移動(dòng)平均值（T=5）194918263————1950125639————1951229327————195233499324409.67——195343672529986.33——195454079633681.6728989.40195564175237504.6733496.00195674820439757.6736718.60195784660843584.0040494.00195895175945521.3342817.00精選資料，歡迎下載。1959105869948857.0045823.801960115934852355.3349404.401961125227556602.0052923.601962135340856774.0053737.801963146201255010.3355097.801964156540755898.3357148.401965167601460275.6758490.001966178838867811.0061823.201967189175876603.0069045.801968198222985386.6776715.801969209206387458.3380759.2019702110560388683.3386090.4019712212258493298.3392008.20197223131998106750.0098847.40197324141524120061.67106895.40197425145245132035.33118754.40197526177917139589.00129390.80197627191185154895.33143853.60197728218721171449.00157573.80197829257782195941.00174918.40197930276146222562.67198170.00198031304923250883.00224350.20198132311590279617.00249751.40198233340400297553.00273832.40198334407773318971.00298168.20198435470404353254.33328166.40198536572569406192.33367018.00198637660180483582.00420547.20198738847263567717.67490265.201988391150970693337.33591637.801989401258556886137.67740277.2019904114852821085596.33897907.6019914217216371298269.331080450.2019924322960461488491.671292741.6019934432542351834321.671582498.2019944542786002423972.672003151.2019954653940003276293.672607160.0019964761524004308945.003388903.6019974867500005275000.004275056.2019984974000006098800.005165847.0019995080066006767466.675995000.00精選資料，歡迎下載。萬元80000007000000600000050000004000000300000020000001000000091357913579135791357913579年份11111111111111111111111111原始GDP 三期移動(dòng)平均值 五期移動(dòng)平均值圖4 煙臺(tái)市GDP的移動(dòng)平均預(yù)測(cè)曲線由圖4，我們可以得出這樣的結(jié)論：移動(dòng)平均法對(duì)原始序列產(chǎn)生了一個(gè)修勻作用，并且移動(dòng)平均所使用的間隔期越長，即 N越大，修勻的程度也越大，但對(duì)原始數(shù)據(jù)的反應(yīng)越不靈敏；反之，則反是。為此，我們需要依據(jù)誤差分析選擇間隔時(shí)期N，見表4。表4煙臺(tái)市GDP移動(dòng)平均預(yù)測(cè)法的誤差分析單位N=3N=5平均誤差（ME）萬元295708.35431300.80平均絕對(duì)百分誤差（MAPE）%28.3340.611999年的預(yù)測(cè)相對(duì)誤差%20.5827.36由表4中的分析知，在N=3時(shí)產(chǎn)生的誤差較小，因此，選定N=3進(jìn)行預(yù)測(cè)，得到1999年煙臺(tái)市GDP的預(yù)測(cè)值為6767466.7萬元。教師點(diǎn)評(píng)：①簡單移動(dòng)平均法只適合作近期預(yù)測(cè)，且如果目標(biāo)的發(fā)展趨勢(shì)存在其它較大的變化，采用簡單移動(dòng)平均法就會(huì)產(chǎn)生較大的預(yù)測(cè)偏差和滯后；②移動(dòng)平均法會(huì)損失一部分?jǐn)?shù)據(jù)，因而需要的數(shù)據(jù)量較大；③移動(dòng)平均法對(duì)所平均的 N個(gè)數(shù)據(jù)等權(quán)看待，而對(duì)t N期以前的數(shù)據(jù)則完全不考慮，這往往不符合實(shí)際。4． 指數(shù)平滑法指數(shù)平滑法 可以改變 移動(dòng)平均法 的后兩個(gè) 缺點(diǎn)，指數(shù) 平滑的計(jì) 算公式為：精選資料，歡迎下載。St(1) ayt (1 a)St(1)1，其中：a為權(quán)數(shù)，St(1)為一階指數(shù)平滑值。二階指數(shù)平滑就是在一階指數(shù)平滑的基礎(chǔ)上再進(jìn)行一次指數(shù)平滑，高階的依此類推。由于指數(shù)平滑存在著滯后現(xiàn)象，因此，無論一次指數(shù)平滑或二次、三次指數(shù)平滑值 [3]（數(shù)據(jù)略），都不宜直接作為預(yù)測(cè)值。但可以利用它來修勻時(shí)間序列， 以獲得時(shí)間序列的變化趨勢(shì)，從而建立預(yù)測(cè)模型。由相應(yīng)的指數(shù)平滑數(shù)值，可以建立如下的指數(shù)平滑二次曲線趨勢(shì)預(yù)測(cè)模型。at3St(1)3St(2)其中abt2(1a)2[(6a2(1)ct2(1a)2[St

?atbtlctl2GDPtlSt(3)5a)St(1)2(54a)St(2)(43a)St(3)]，2St(2)St(3)](1)、 (2)、 (3)為當(dāng)前時(shí)間點(diǎn)處的一次、二次、三次指數(shù)平滑值， l為預(yù)測(cè)時(shí)段長。為St St St了預(yù)測(cè)煙臺(tái)市GDP的1999年和2000年值，可以取t=49，l分別取1和2。由指數(shù)平滑數(shù)值可計(jì)算出：a49=7583559.18，b21=936865.62，c21=294704.17，故得二次曲線指數(shù)平滑預(yù)測(cè)模型為：?7583559.18936865.62l294704.17l2（1）GDP49l分別令l=1、l=2得預(yù)測(cè)結(jié)果見表5。表5指數(shù)平滑預(yù)測(cè)結(jié)果年份1999年2000年預(yù)測(cè)值（萬元）8815128.9910636107.17預(yù)測(cè)相對(duì)誤差（%）-10.10-20.92教師點(diǎn)評(píng)：（1）在作指數(shù)平滑時(shí)，涉及到初始值和權(quán)數(shù) a的選取問題，不同的取值導(dǎo)致結(jié)果各不相同；（2）由于指數(shù)平滑法也存在著嚴(yán)重的滯后現(xiàn)象，所以直接用平滑值去預(yù)測(cè)未來值會(huì)帶來較大的誤差，當(dāng)建立指數(shù)平滑模型進(jìn)行預(yù)測(cè)時(shí)，就會(huì)大大地減少預(yù)測(cè)誤差。5． 曲線擬合法曲線擬合法亦稱趨勢(shì)擬合法或時(shí)間回歸法，該方法根據(jù)時(shí)間序列隨時(shí)間變化趨勢(shì)，[3]在具體計(jì)算時(shí)，取 a 0.3，S0(1) S0(2) S0(3) GDP1949 18263。精選資料，歡迎下載。運(yùn)用LS擬合一條曲線，而后利用該曲線隨時(shí)間變化規(guī)律對(duì)時(shí)間序列的未來取值進(jìn)行預(yù)測(cè)。我們根據(jù)煙臺(tái)市 GDP（1978—1998）資料擬合出如下曲線：GDP=29669.339+12267.158×T-4330.927×T2+473.564×T3-18.571×T4+0.244×T5R2=0.9905。這里T為趨勢(shì)項(xiàng)（1978年取值為0，以后每隔一年遞增1），各估計(jì)參數(shù)均通過了顯著性檢驗(yàn)。GDP的實(shí)際值、擬合值和擬合殘差如圖5所示，圖5表明曲線較好地?cái)M合了數(shù)據(jù)的動(dòng)態(tài)變化規(guī)律，擬合程度達(dá)到了99.05%。現(xiàn)在我們就用它來對(duì)GDP的未來取值進(jìn)行預(yù)測(cè)，結(jié)果見表 6。1000000080000006000000800000 4000000200000040000000-400000-800000ResidualActualFitted50556065707580859095圖5曲線擬合圖表6曲線擬合預(yù)測(cè)結(jié)果年份1999年2000年預(yù)測(cè)值（萬元）937209510957270預(yù)測(cè)相對(duì)誤差（%）-17.05-24.57教師點(diǎn)評(píng)：①擬合的曲線類型的選取。在進(jìn)行曲線擬合時(shí)，我們可以選取多項(xiàng)式曲線、指數(shù)曲線、對(duì)數(shù)曲線和增長曲線等，這里只是擬合了其中的多項(xiàng)式曲線，對(duì)于其它類型曲線留給學(xué)生課后討論；②多項(xiàng)式曲線階數(shù)的選取。在多項(xiàng)式曲線擬合之前，首先要根據(jù)時(shí)間序列的變化規(guī)律確定擬合幾次曲線， 然后在具體選擇階數(shù)時(shí)要根據(jù)可決系數(shù)R2來確定，同時(shí)還要考慮到建模的節(jié)約性原則，在 R2沒有顯著增加時(shí)，停止增加曲線的階數(shù)；③模型參數(shù)估計(jì)方法的選取。在估計(jì)模型參數(shù)時(shí)，既可以將非線性模型線性化，也可直接在Eviews3.0軟件中作NLS估計(jì)，文中的結(jié)果便是直接估計(jì)得出。精選資料，歡迎下載。（二） 隨機(jī)性時(shí)間序列分析方法在實(shí)際問題中，由于一些反映社會(huì)經(jīng)濟(jì)現(xiàn)象的時(shí)間序列可以看成是隨機(jī)過程在現(xiàn)實(shí)中的一次樣本實(shí)現(xiàn)，并且我們所遇到的經(jīng)濟(jì)時(shí)序大多是非平穩(wěn)的（直觀上看，它們帶有明顯的趨勢(shì)性或周期性），所以可以將其視為均值非平穩(wěn)的時(shí)序，用下面的模型來描述：xt t yt （2）其中， t表示序列 xt中隨時(shí)間變化的均值，是確定性趨勢(shì)部分，可以用一定的函數(shù)形式來擬合；yt為xt中剔除隨時(shí)間變化均值 t后余下的部分，可以認(rèn)為是零均值的平穩(wěn)過程，因而可以用平穩(wěn)的 ARMA模型來描述。在具體處理時(shí)，有兩種方法可供選擇。其一：不考慮 t的具體形式，通過一定的數(shù)學(xué)手段（差分運(yùn)算、對(duì)數(shù)運(yùn)算與差分運(yùn)算結(jié)合）將其剔除，對(duì)余下的部分?jǐn)M合 ARMA模型，最后經(jīng)過反運(yùn)算由 yt的結(jié)果得出xt的結(jié)果，實(shí)際上即是建立ARIMA模型；其二：考慮到t的具體形式，用一定的函數(shù)擬合t得?t，直到余差序列ytxt?t平穩(wěn)，再對(duì)yt擬????合ARMA模型得yt，最后綜合兩部分可得xttyt，實(shí)際上即是建立組合模型。在本案例中GDP是一個(gè)非平穩(wěn)的序列。由GDP的時(shí)序圖（見圖1和圖2）可以看出它帶有明顯的增長趨勢(shì)，初步將其識(shí)別為非平穩(wěn)的，單位根檢驗(yàn)結(jié)果（見表 7）也證實(shí)了這一點(diǎn)。表7單位根檢驗(yàn)結(jié)果變量ADF檢驗(yàn)值檢驗(yàn)類型臨界值結(jié)論D.W.值（c,t,k）GDP－0.9319(c,t,1)－3.5045不平穩(wěn)1.5293GDP－1.8229(c,0,1)－1.6495*平穩(wěn)1.9345y－8.7682(c,0,1)－2.9228平穩(wěn)1.9411注：1．檢驗(yàn)類型中的c和t表示帶有常數(shù)項(xiàng)和趨勢(shì)項(xiàng)，k表示所采用的滯后階數(shù)；2．表中的臨界值是由Mackinnon給出的數(shù)據(jù)計(jì)算出的在5%顯著性水平下的臨界值，帶*號(hào)的為在10%的水平下顯著。1． ARIMA模型預(yù)測(cè)第一步：模型識(shí)別。由于 GDP水平序列是非平穩(wěn)的，而一階差分序列是平穩(wěn)的。故我們對(duì)其一階差分序列進(jìn)行識(shí)別， 根據(jù)樣本自相關(guān)和偏自相關(guān)函數(shù)圖初步將其識(shí)別為自回歸（AR）類模型。精選資料，歡迎下載。第二步：模型定階。由于時(shí)間序列的自相關(guān)呈現(xiàn)拖尾性而偏自相關(guān)函數(shù)呈現(xiàn)出 1階截尾，則可將模型初步定為 1階自回歸模型，然后再根據(jù) AIC準(zhǔn)則確定的最優(yōu)階仍為 1階，從而可以對(duì) GDP擬合ARIMA（1,1,0）模型。圖6 自相關(guān)、偏自相關(guān)函數(shù)圖第三步：模型估計(jì)。在Eviews3.0中，我們采用OLS法對(duì)模型的參數(shù)進(jìn)行估計(jì)，結(jié)果如下：[4]D(GDP,1)=515358.5+[AR(1)=0.964310](8.6387)R2=0.8762 F=325.467 AIC=25.9892其中D(GDP,1)為GDP的1階差分序列，AR（1）為D(GDP,1)的1階自回歸項(xiàng)。第四步：診斷檢驗(yàn)。我們發(fā)現(xiàn)模型擬合后的殘差序列為白噪聲序列，從而認(rèn)為該模型是適應(yīng)的，模型的擬合效果見圖 7。[4]軟件中的這種做法避免了先對(duì)差分序列建立ARMA模型，然后再求和得到GDP序列的預(yù)測(cè)，它將這兩個(gè)過程一次性完成。精選資料，歡迎下載。12000008000004000004000000200000-4000000-200000-400000ResidualActualFitted556065707580859095圖7ARIMA模型擬合圖至此，我們已經(jīng)建立了時(shí)間序列 GDP的ARIMA（1,1,0）模型，接下來的工作就是利用該模型對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)。在 Eviews軟件中forcast 菜單下使用dynamic方法，結(jié)果見表8。表8ARIMA模型預(yù)測(cè)結(jié)果年份1999年2000年預(yù)測(cè)值（萬元）80451958685755預(yù)測(cè)相對(duì)誤差（%）-0.481.252． 組合模型預(yù)測(cè)首先，建立組合模型，其過程如下：（1）擬合確定性趨勢(shì)部分t。由的時(shí)間序列圖，發(fā)現(xiàn)它具有指數(shù)上升的趨勢(shì)。GDP為此，我們可以將確定性趨勢(shì)部分?jǐn)M合成指數(shù)增長模型：?t809.59314e0.187996T[5]，T為趨勢(shì)項(xiàng)（取值同曲線擬合預(yù)測(cè)法）。（2）對(duì)剩余序列yt[6]用Box－Jenkins法擬合適應(yīng)的ARMA模型，模型為：yt1.6691yt11.1804yt2t，模型是我們選擇的最優(yōu)模型，建立的方法和過程同ARIMA模型的建立。[5]參數(shù)估計(jì)時(shí)，使用了NLS，其初始值可由1978年的GDP數(shù)據(jù)初步確定；t的取值同曲線擬合法。[6]yt的單位根檢驗(yàn)結(jié)果（見表7）表明它是一個(gè)平穩(wěn)序列。精選資料，歡迎下載。（3）建立組合模型。我們以已估計(jì)出來的指數(shù)增長模型的參數(shù)和 ARMA模型的參數(shù)作為初始值，用非線性最小二乘法對(duì)組合模型的參數(shù)進(jìn)行整體估計(jì)，得到最終的組合模型。最終的估計(jì)的估計(jì)結(jié)果為：表9組合模型的估計(jì)結(jié)果估計(jì)方程GDP=×EXP(×T)+1×(GDP(－1)－×EXP(×(T－1)))+2×(GDP(－2)－×EXP(×(T－2)))變量12R2FD.W.605.17850.19381.6923－1.1986(－0.9987278.13322.2440對(duì)應(yīng)值(30.8869)(20.5398)(3.5301)10.8913)注：括號(hào)中的值為系數(shù)估計(jì)對(duì)應(yīng)的 t－統(tǒng)計(jì)量JB=1.9716 Q(4)=7.1601 Q(8)=14.209 ARCH(1)=0.559WHITE=0.7508 RESET(1)=1.37模型可以寫成：GDPttyt（3）其中，t185939.2e0.187463t，yt1.664028yt-11.151417yt-2t我們對(duì)模型進(jìn)行了一系列的統(tǒng)計(jì)檢驗(yàn)。 t－統(tǒng)計(jì)量表明模型中各參數(shù)均是顯著的；F檢驗(yàn)表明模型從總體上的顯著的；J－B檢驗(yàn)表明殘差的分布是正態(tài)分布；D.W.檢驗(yàn)表明殘差沒有一階自相關(guān)，Q檢驗(yàn)表明殘差沒有高階自相關(guān)；ARCH檢驗(yàn)表明不存在異方差現(xiàn)象；RESET檢驗(yàn)表明模型的設(shè)置是正確的。因而該模型是適應(yīng)的。由圖5可以看出模型具有較高的擬合程度，擬合優(yōu)度R2達(dá)到了0.9981，它較真實(shí)地刻畫了GDP序列的動(dòng)態(tài)變化規(guī)律。故可以利用模型（ 2）對(duì)煙臺(tái)市GDP數(shù)據(jù)的未來取值進(jìn)行預(yù)測(cè)。800000060000004000000200000200000010000000-100000-200000-300000ResidualActualFitted556065707580859095圖8 組合模型擬合圖精選資料，歡迎下載。利用該組合模型進(jìn)行預(yù)測(cè)，其結(jié)果見表 10。表10組合模型預(yù)測(cè)結(jié)果年份1999年2000年預(yù)測(cè)值（萬元）85265409529310預(yù)測(cè)相對(duì)誤差（%）-6.49-8.34教師點(diǎn)評(píng)：①隨機(jī)性時(shí)間序列分析是從系統(tǒng)的觀點(diǎn)出發(fā)，既考慮到時(shí)間序列的確定性趨勢(shì)，又考慮到它的隨機(jī)波動(dòng)性，在描述現(xiàn)實(shí)經(jīng)濟(jì)現(xiàn)象時(shí)，往往能得到令人滿意的效果；②組合模型的經(jīng)濟(jì)含義較 ARIMA模型為強(qiáng)；③案例中所討論的組合模型實(shí)質(zhì)為：回歸模型＋時(shí)間序列模型。（三） 綜合點(diǎn)評(píng)我們對(duì)煙臺(tái)市的 GDP數(shù)據(jù)進(jìn)行了多種預(yù)測(cè)方法的嘗試，得出了預(yù)測(cè)結(jié)果，并計(jì)算出預(yù)測(cè)的相對(duì)誤差。其中最大的誤差值達(dá)到－ 17.68%，是由平均發(fā)展速度法所得出的；最小的只有－0.518%，是由ARIMA模型預(yù)測(cè)法所得到。總的看來，隨機(jī)性時(shí)間序列分析的預(yù)測(cè)誤差較確定性時(shí)間序列分析的為小； 而時(shí)間序列模型法的預(yù)測(cè)誤差又較指標(biāo)法的為小。總之，在案例中解決問題的方案不是唯一的，但存在一個(gè)比較優(yōu)良的解決方案，學(xué)生們應(yīng)該根據(jù)限制條件在各種方案的優(yōu)缺點(diǎn)比較中找出比較優(yōu)良的方案。六、 需要討論和解決的問題（一） 課堂上需要討論的內(nèi)容學(xué)生可以分成小組，根據(jù)學(xué)生所學(xué)知識(shí)，對(duì)本案例進(jìn)行分析，提交分析報(bào)告，在課堂上由老師組織討論和交流。討論的具體內(nèi)容包括：1．試述時(shí)間序列分析的基本思想；2．在移動(dòng)平均分析中，移動(dòng)項(xiàng)數(shù) N如何選擇；3．指數(shù)平滑中，平滑系數(shù)的選擇十分重要， 值既代表模型對(duì)時(shí)間序列變化的反應(yīng)速度，又決定預(yù)測(cè)中修勻隨機(jī)誤差的能力，應(yīng)如何進(jìn)行平滑系數(shù)的選擇；4．在進(jìn)行隨機(jī)性時(shí)間序列分析時(shí)，模型檢驗(yàn)結(jié)果的含義及如何進(jìn)行模型的選優(yōu)；5．讓學(xué)生分析和比較各種不同預(yù)測(cè)方法的特點(diǎn)、適用條件和在計(jì)算過程中應(yīng)該注意的問題等，并對(duì)預(yù)測(cè)效果作出評(píng)價(jià)；6．指出各種預(yù)測(cè)方法的不足，提出改進(jìn)措施；精選資料，歡迎下載。7．資料搜集與數(shù)據(jù)處理與數(shù)據(jù)處理應(yīng)注意的問題（1） 對(duì)所得的資料、數(shù)據(jù)如何進(jìn)行初步診別；（2） 在進(jìn)行多指標(biāo)的時(shí)間序列分析時(shí)，要注意數(shù)據(jù)之間的可比性。包括：時(shí)間、空間、指標(biāo)的內(nèi)容和計(jì)算方法等；（3） 對(duì)于無數(shù)量標(biāo)志的因素，如何采用適當(dāng)?shù)姆椒ㄊ怪當(dāng)?shù)量化；（4） 關(guān)于異常數(shù)據(jù)的處理；對(duì)于不真實(shí)的數(shù)據(jù)，或即使是真實(shí)數(shù)據(jù)，但不能反映預(yù)測(cè)變量正常變化情況的異常數(shù)據(jù)，應(yīng)進(jìn)行分析、處理。注意在數(shù)據(jù)不多的情況下，若將異常數(shù)據(jù)剔除掉，則會(huì)使數(shù)據(jù)更少，不利于建立合適的預(yù)測(cè)模型。因此，可以在分析產(chǎn)生異常數(shù)據(jù)原因的基礎(chǔ)上，根據(jù)歷史數(shù)據(jù)變化發(fā)展的趨勢(shì)， 對(duì)數(shù)據(jù)進(jìn)行適當(dāng)?shù)奶幚韀7]。（二）需要進(jìn)一步討論的內(nèi)容[8]1．認(rèn)識(shí)回歸分析和時(shí)間序列分析的異同線性回歸模型和時(shí)間序列模型是兩類常用的預(yù)測(cè)模型。兩者相比，各有千秋[9]。前者可含、也可不含解釋變量的滯后項(xiàng)，而后者有自回歸模型AR(p)、滑動(dòng)平均模型MA(q)、自回歸滑動(dòng)平均模型ARMA(p,q)；前者可以是年度、季度、月度模型，但不能揭示出被解釋變量的非線性特征，而后者是季度或月度模型，能揭示出被解釋變量的非線性特征；前者的解釋變量涵義明確，政策分析性強(qiáng)，而后者的解釋變量是被解釋變量的滯后項(xiàng)或平滑項(xiàng)，政策分析性弱；前者的估計(jì)簡單，直接使用最小二乘法，但對(duì)含解釋變量的滯后項(xiàng)的回歸模型，則需要識(shí)別它的階數(shù)，而后者均需先估計(jì)它的階數(shù)后，使用最小二乘法，利用前者進(jìn)行預(yù)測(cè)時(shí)需要知道解釋變量的值，這又是一個(gè)預(yù)測(cè)問題，而利用后者進(jìn)行預(yù)測(cè)時(shí)不存在這個(gè)問題。2．了解組合模型的構(gòu)造原理本案例把回歸模型和時(shí)間序列模型結(jié)合起來構(gòu)成組合模型， 研制出一種回歸與時(shí)間序列加法模型，提高了擬合程度和預(yù)測(cè)能力。除此之外，我們還可以構(gòu)造其它的組合預(yù)測(cè)，只要我們采用某種恰當(dāng)?shù)姆椒?，把不同模型的?jì)算結(jié)果綜合起來，相互取長補(bǔ)短，就能達(dá)到提高預(yù)測(cè)精度和增加預(yù)測(cè)結(jié)果可靠性的效果[10]。如果預(yù)測(cè)方法采用的時(shí)間序列分析法，則可將異常數(shù)據(jù)的前后兩期數(shù)據(jù)取算術(shù)平均值或幾何平均值作為異常數(shù)據(jù)的修正值。在具體選擇時(shí)，若歷史數(shù)據(jù)的變化呈線性趨勢(shì)時(shí)，則宜采用算術(shù)平均值作為修正值。若歷史數(shù)據(jù)的變化呈曲線趨勢(shì)時(shí)，則宜用幾何平均值作為修正值。任課教師可以根據(jù)學(xué)生學(xué)習(xí)情況的不同，有針對(duì)性地組織該部分內(nèi)容的討論。[9]詳見參考文獻(xiàn) 11。[10]詳見參考文獻(xiàn) 12。精選資料，歡迎下載。3．掌握模型建立過程中，有關(guān)技術(shù)性問題在預(yù)測(cè)過程中，建立預(yù)測(cè)模型會(huì)遇到一些技術(shù)性的問題 （如：方程式法平均發(fā)展速度指標(biāo)的計(jì)算問題，非線性模型的線性化問題， NLS估計(jì)的初始值選擇問題， ARIMA模型理論估計(jì)與軟件中的做法區(qū)別問題等） ，這些問題的解決，對(duì)學(xué)生獨(dú)立思考問題的能力也是一個(gè)有益的訓(xùn)練。4．各種預(yù)測(cè)方法的特點(diǎn)不同的預(yù)測(cè)方法有各自的特點(diǎn)：（1）預(yù)測(cè)的時(shí)間范圍不同，有的適宜作短期預(yù)測(cè)，有的可以作中、長期預(yù)測(cè)；（2）條件不同，有的方法計(jì)算復(fù)雜，需要時(shí)間序列資料苛刻，有的則比較簡單，對(duì)資料要求也不高；（3）適用場(chǎng)合不同，有的對(duì)任何時(shí)間序列資料均可，有的只適合于平穩(wěn)發(fā)展的時(shí)間序列，有的對(duì)時(shí)間序列的具體變化形態(tài)還有要求；（4）預(yù)測(cè)精度不同，有的具有較高的精度，有的只是作一種趨勢(shì)性的判定，建模者可以根據(jù)n?2；②平均絕對(duì)誤差：MAE1n?yi；一些指標(biāo)（如：①平方和誤差：SSE(yiyi)ni1yii11n?yi)2；④平均絕對(duì)百分比誤差[11]：③均方根誤差：RMSE(yini11ny?yi100；⑤均方百分比誤差：1nyiy?2；⑥Theil不等系數(shù)MAPEiyiMSPE(i)ni1ni1yi1n?yi)2[12]ni(yi[13]：TheilIC1）進(jìn)行適當(dāng)?shù)倪x取。1n1n?22yini1yini1附一：參考文獻(xiàn)1． 王振龍：《時(shí)間序列分析》，中國統(tǒng)計(jì)出版社， 2000、2；2． 易丹輝：《統(tǒng)計(jì)預(yù)測(cè)——方法與應(yīng)用》 ，中國統(tǒng)計(jì)出版社， 2001、4；3． 王慶石、盧興普：《統(tǒng)計(jì)學(xué)案例教材》，東北財(cái)經(jīng)大學(xué)出版社， 1999、12；4． 江之源：《經(jīng)濟(jì)預(yù)測(cè)方法與模型》 ，西南財(cái)經(jīng)大學(xué)出版社， 1999、9；一般認(rèn)為如果MAPE的值低于10，則認(rèn)為預(yù)測(cè)精度較高。[12]根據(jù)均方誤差的分解，還可以定義三個(gè)與希爾不等系數(shù)相關(guān)的指標(biāo)。偏差率 BP反映了預(yù)測(cè)值均值和實(shí)際值均值間的差異；方差率 VP反映了它們標(biāo)準(zhǔn)差的差異；協(xié)變率 CP反映了剩余的誤差。值得說明的是： CP=1-BP-VP，當(dāng)預(yù)測(cè)是比較理想時(shí)，均方誤差大多數(shù)集中在協(xié)變率上，而其余兩項(xiàng)都很小。①、②和③屬于絕對(duì)指標(biāo)，其它屬于相對(duì)指標(biāo)建議使用。精選資料，歡迎下載。5． 暴奉賢、陳宏立：《經(jīng)濟(jì)預(yù)測(cè)與決策方法》 ，暨南大學(xué)出版社， 1991、12；6． 龐皓、楊作廩：《統(tǒng)計(jì)學(xué)》，西南財(cái)經(jīng)大學(xué)出版社， 2001、2；7． Pindyck,Rubinfeld 著，錢小軍譯：《計(jì)量經(jīng)濟(jì)模型與經(jīng)濟(jì)預(yù)測(cè)》 ，機(jī)械工業(yè)出版社， 1999、11；8． 楊海山、蘇永明：《統(tǒng)計(jì)學(xué)》，中國物資出版社， 1999、2；9． 王艷明、許啟發(fā)：時(shí)間序列分析在經(jīng)濟(jì)預(yù)測(cè)中的應(yīng)用， 《統(tǒng)計(jì)與預(yù)測(cè)》，2001、6；10．楊海山：統(tǒng)計(jì)數(shù)據(jù)質(zhì)量評(píng)估的組合模型， 《統(tǒng)計(jì)與決策》，2001、7；11．葛新權(quán)：線性回歸與時(shí)間序列加法預(yù)測(cè)模型， 《預(yù)測(cè)》2000年第1期。12．周偉、王建軍：陜西省國民經(jīng)濟(jì)發(fā)展的組合預(yù)測(cè)研究， 《系統(tǒng)工程理論與實(shí)踐》 1998年第6期。附二：分析軟件1．辦公自動(dòng)化軟件： EXCEL、ACCESS等2．統(tǒng)計(jì)軟件：SPSS、SAS等3．計(jì)量經(jīng)濟(jì)軟件： TSP、EVIEWS等精選資料，歡迎下載。附三：時(shí)間序列預(yù)測(cè)方法的特點(diǎn)附表各種預(yù)測(cè)方法及其特點(diǎn)方法時(shí)間范圍適用情況應(yīng)做工作定性預(yù)測(cè)法短、中、長期對(duì)缺乏歷史統(tǒng)計(jì)資料或趨勢(shì)面臨轉(zhuǎn)折需做大量的調(diào)查研究工作的事件進(jìn)行預(yù)測(cè)當(dāng)被預(yù)測(cè)項(xiàng)目的有關(guān)變量用時(shí)間表示只需要因變量的歷史資料，趨勢(shì)外推法中期到長期但用趨勢(shì)圖作試探時(shí)很費(fèi)時(shí)，用非線性回歸時(shí)間分解分析法短期適用于一次性的短期預(yù)測(cè)或在使用其只需要序列的歷史資料它預(yù)測(cè)方法前消除季節(jié)變動(dòng)的因素移動(dòng)平均法短期不帶季節(jié)變動(dòng)的反復(fù)預(yù)測(cè)只需要因變量的歷史資料，但初次選擇權(quán)數(shù)時(shí)很費(fèi)勁只需因變量的歷史資料，是指數(shù)平滑法短期具有或不具有季節(jié)變動(dòng)的反復(fù)預(yù)測(cè)一切反復(fù)預(yù)測(cè)中最簡單的方法，但建立模型所費(fèi)的時(shí)間與自適應(yīng)過濾不相上下博克斯—詹金斯法短期適用于任何序列的發(fā)展形態(tài)的一種高計(jì)算過程復(fù)雜、繁瑣級(jí)預(yù)測(cè)方法景氣預(yù)測(cè)法短、中期適用于時(shí)間序列趨勢(shì)延續(xù)及轉(zhuǎn)折預(yù)測(cè)收集大量歷史資料和數(shù)據(jù)并需進(jìn)行大量計(jì)算灰色預(yù)測(cè)法短、中期適用于時(shí)間序列的發(fā)展呈指數(shù)型趨勢(shì)收集對(duì)象的歷史數(shù)據(jù)狀態(tài)空間模型和卡短、中期適用于各類時(shí)間序列的預(yù)測(cè)收集對(duì)象的歷史數(shù)據(jù)并建爾漫濾波立狀態(tài)空間模型精選資料，歡迎下載?！景咐濉?企業(yè)產(chǎn)品質(zhì)量指數(shù)的編制某針織廠主要產(chǎn)品的質(zhì)量參數(shù)、部頒質(zhì)量標(biāo)準(zhǔn)、產(chǎn)品產(chǎn)量及產(chǎn)品平均出廠價(jià)格資料如表1所示。表1 產(chǎn)品質(zhì)量有關(guān)資料質(zhì) 量水平 產(chǎn)量 平均出產(chǎn)品名稱 主要質(zhì)量參數(shù) 參數(shù)屬性 2002年 2004年 質(zhì)量標(biāo)準(zhǔn) (萬米） 廠價(jià)格（元）干重區(qū)間強(qiáng)力（直）區(qū)間強(qiáng)力（橫）區(qū)間絨布密度（直）區(qū)間密度（橫）區(qū)間縮水率（直）逆縮水率（橫）逆干重區(qū)間強(qiáng)力（直）正強(qiáng)力（橫）正單面布密度（直）區(qū)間密度（橫）區(qū)間縮水率（直）逆縮水率（橫）逆干重區(qū)間外衣布強(qiáng)力正幅寬區(qū)間干重區(qū)間滌蓋布強(qiáng)力正幅寬區(qū)間

263.5261.84259-273260.86264.20225-264225.20226.80186-21564.1264.8259-621176.8953.5054.5053-562.673.9685.252.806122.40126.03120-126210.24202.95225.50145.10143.9014787.6091.5787-92351.12.2175.2075.5872-762.603.505.51.961.896.5153147.3139-1505255545505.862.39153150148-180246249.18232-250466.50466.5045028.502180要求：根據(jù)以上資料，編制該廠工業(yè)產(chǎn)品質(zhì)量指數(shù)，并對(duì)產(chǎn)品質(zhì)量狀況進(jìn)行分析評(píng)價(jià)。精選資料，歡迎下載。方法說明產(chǎn)品質(zhì)量指數(shù)的編制步驟及基本方法如下：一、 計(jì)算產(chǎn)品主要質(zhì)量參數(shù)的質(zhì)量系數(shù)由于產(chǎn)品質(zhì)量參數(shù)有正指標(biāo)、逆指標(biāo)和區(qū)間值指標(biāo)等不同類型，因而質(zhì)量系數(shù)也有幾種不同的計(jì)算方法。設(shè)K為產(chǎn)品質(zhì)量系數(shù)，K1為產(chǎn)品某一質(zhì)量參數(shù)報(bào)告期實(shí)際值，K0為產(chǎn)品某一質(zhì)量參數(shù)基期實(shí)際值或標(biāo)準(zhǔn)值。1．正指標(biāo)質(zhì)量系數(shù)的計(jì)算公式為：K=K 1/K02．逆指標(biāo)質(zhì)量系數(shù)的計(jì)算公式為：K= （1/K1）/（1/K0）=K0/K13．區(qū)間值指標(biāo)又分為以下幾種情況：（1） 報(bào)告期和基期參數(shù)值均在質(zhì)量規(guī)定的區(qū)間范圍內(nèi)，動(dòng)態(tài)質(zhì)量系數(shù)按 1計(jì)算；報(bào)告期參數(shù)值在區(qū)間范圍內(nèi)，靜態(tài)質(zhì)量系數(shù)按 1計(jì)算。（2） 報(bào)告期和基期參數(shù)值至少有一個(gè)超出區(qū)間上限， 按逆指標(biāo)方法計(jì)算動(dòng)態(tài)質(zhì)量系數(shù)；報(bào)告期參數(shù)值超出區(qū)間上限，按逆指標(biāo)方法計(jì)算靜態(tài)質(zhì)量系數(shù)，用區(qū)間上限值與報(bào)告期實(shí)際值相比。（3） 報(bào)告期和基期參數(shù)值至少有一個(gè)超出區(qū)間下限， 按正指標(biāo)方法計(jì)算動(dòng)態(tài)質(zhì)量系數(shù)；報(bào)告期參數(shù)值超出區(qū)間下限，按正指標(biāo)方法計(jì)算靜態(tài)質(zhì)量系數(shù)，用報(bào)告期實(shí)際值與區(qū)間下限值相比。（4） 報(bào)告期和基期參數(shù)值一個(gè)超出區(qū)間上限， 一個(gè)超出區(qū)間下限時(shí)，先求出兩個(gè)參數(shù)值與區(qū)間中點(diǎn)的差的絕對(duì)值，然后對(duì)比求出動(dòng)態(tài)質(zhì)量系數(shù)。二、 計(jì)算產(chǎn)品綜合質(zhì)量系數(shù)1．企業(yè)某種產(chǎn)品的綜合質(zhì)量系數(shù)的計(jì)算公式為： K=K/n式中，K為某種產(chǎn)品綜合質(zhì)量系數(shù)， n為該產(chǎn)品質(zhì)量參數(shù)的個(gè)數(shù)。2．工業(yè)部門、地區(qū)等綜合單位計(jì)算產(chǎn)品綜合質(zhì)量系數(shù)時(shí)采用下列公式：綜合單位某產(chǎn)品綜合質(zhì)量系數(shù)精選資料，歡迎下載。（企業(yè)某產(chǎn)品綜合質(zhì)量系數(shù)×企業(yè)該產(chǎn)品產(chǎn)量）/企業(yè)產(chǎn)品產(chǎn)量KQ/Q三、 計(jì)算工業(yè)產(chǎn)品綜合質(zhì)量指數(shù)工業(yè)產(chǎn)品綜合質(zhì)量指數(shù)的計(jì)算公式為：I k=KW/W式中，Ik為工業(yè)產(chǎn)品綜合質(zhì)量指數(shù)； W為各產(chǎn)品綜合質(zhì)量系數(shù)的權(quán)數(shù)，本例是采用產(chǎn)品總價(jià)值指標(biāo)計(jì)算的權(quán)數(shù)。精選資料，歡迎下載?！景咐?大眾鞋廠布鞋市場(chǎng)營銷決策一、背景資料大眾鞋廠是一家有 30年歷史的老廠，主要以硫化布鞋為主導(dǎo)產(chǎn)品， 過去經(jīng)濟(jì)效益一直較好。但從2001年開始，產(chǎn)品出現(xiàn)積壓，經(jīng)營出現(xiàn)虧損。廠領(lǐng)導(dǎo)覺得問題非常嚴(yán)重，如果不能想辦法扭虧增盈，廠子就面臨關(guān)門的結(jié)局。因此，他們找到某管理咨詢公司，請(qǐng)他們幫助診斷虧損原因，提出扭虧增盈的對(duì)策。下面是企業(yè)的有關(guān)統(tǒng)計(jì)資料：表1近兩年生產(chǎn)、銷售及利潤情況表指標(biāo)單位2000年2001年增減絕對(duì)額增減%產(chǎn)量萬雙10671-35-33銷售量萬雙10274-28-27.5平均銷售價(jià)格元/雙4.414.730.327.3銷售收入萬元450350-100-22.3單位成本元/雙4.345.080.7417.1總成本萬元443376-67-15.1稅金萬元54-1-20%利潤萬元2-30-32-表2主要成本費(fèi)用指標(biāo)指標(biāo)單位00年01年增減絕對(duì)額增減%單位生產(chǎn)成本元/雙3.724.110.3910.5生產(chǎn)成本萬元380304-76-25.8銷售費(fèi)用萬元1310-3-33.3管理費(fèi)用萬元4651510.9財(cái)務(wù)費(fèi)用萬元411714.3總成本萬元443376-67-15.1精選資料，歡迎下載。表32001年價(jià)格調(diào)整對(duì)銷量影響情況表月份3月4月5-7月8-11月出廠價(jià)格（元/雙）4.494.715.156.7去年銷量（萬雙）13112820前年銷量（萬雙）11102950注:價(jià)格提高的主要原因是同期原材料價(jià)格上漲導(dǎo)致單位成本上升， 銷售量下降對(duì)單位成本上升也有一定影響。咨詢公司進(jìn)廠后實(shí)施的《鞋類市場(chǎng)需求調(diào)查問卷》、《鞋類市場(chǎng)需求調(diào)查表》和《鞋類市場(chǎng)需求調(diào)查匯總表》如下：居民鞋類市場(chǎng)需求調(diào)查問卷尊敬的顧客：您好！為了促進(jìn)有關(guān)企業(yè)改進(jìn)生產(chǎn)，更好地滿足消費(fèi)者需求，我們特組織這次關(guān)于鞋類市場(chǎng)的調(diào)查活動(dòng)，請(qǐng)給予大力支持。1、請(qǐng)問您在去年是否穿過表中所列的幾種鞋子？（穿過請(qǐng)?jiān)诒碇械?1欄打√）2、您是否經(jīng)常穿該種鞋？（請(qǐng)將序號(hào)填在表中第 2欄）：①經(jīng)常穿，②有時(shí)穿， ③很少穿。3、您對(duì)這種鞋是否滿意，若滿意，令您滿意的原因是什么？（請(qǐng)將序號(hào)填在表中第 3欄）：①質(zhì)量好，②價(jià)格合理， ③式樣新穎，④花色多樣，⑤輕便舒適，⑥其它 （請(qǐng)注明）若不滿意，不滿意的原因是什么？ （請(qǐng)將序號(hào)填在表中第 4欄）：①質(zhì)量差，②價(jià)格偏高， ③式樣不好，④花色單一，⑤穿著不舒適，⑥其它（請(qǐng)注明）4、請(qǐng)將您近兩年購買的鞋子的數(shù)量和價(jià)格以及今年的需要量分別填在表中第 5、6、7、8、9欄。5、請(qǐng)問您最喜愛的品牌是什么？請(qǐng)將品牌名稱填在表中第 10欄，若沒有牌子，請(qǐng)注明“無”。謝謝合作！企業(yè)管理咨詢公司精選資料，歡迎下載。表1鞋類市場(chǎng)需求調(diào)查表職業(yè)性別年齡居?。ǔ腔蜞l(xiāng)）是否是否經(jīng)不滿意購買數(shù)量價(jià)格（元）今年最喜愛種類穿過常穿滿意的前年去年前年去年需要的品牌的原因(1)(2)原因(3)（5）（6）（7）（8）量(9)(10)(4)布 市外產(chǎn)大眾鞋廠市內(nèi)其它鞋 自產(chǎn)解放鞋網(wǎng)球鞋運(yùn)動(dòng)鞋健美鞋皮鞋旅游