第一章统计案例分析.ppt

第一章数据收集和描述案例1.1 金融危机形势下大学生就业状况调查方案设计一、学习目标1、了解数据收集的主要过程2、了解抽样方法的确定思路3、了解问卷设计的过程及注意的主要问题4、通过本案例的学习，熟悉数据收集的整体过程，了解 数据收集过程中要考虑的主要问题，重点体会抽样方法的确定和问卷设计的方法，达到能自主思考、自主设计调查方案、自主收集数据的目的。一、案例分析（一）调查方法的确定（二）样本量的确定（三）抽样方法的确定（四）问卷设计（一）调查方法的确定 抽样方法主要有：焦点小组访谈法、头脑风暴法、德尔菲法、面访调查、邮寄调查等。焦点小组访谈法：采用小型座谈会的形式，由一个经过训练的主持人以一种无结构、自然的形式与一个小组的具有代表性的消费者或客户交谈。从而获得对有关问题的深入了解。头脑风暴法：集中有关专家召开专题会议，主持者以明确的方式向所有参与者阐明问题，说明会议的规则，尽力创造在融洽轻松的会议气氛下，由专家们“自由”提出尽可能多的方案。德尔菲法：是依据系统的程序，采用匿名发表意见的方式，即团队成员之间不得互相讨论，不发生横向联系，只能与调查人员发生关系，以反复的填写问卷，以集结问卷填写人的共识及搜集各方意见，可用来构造团队沟通流程，应对复杂任务难题的管理技。面访调查：即调查者直接走访被调查者，当面听取被调查者的意见。邮寄调查：将事先设计好的调查表（亦称问卷，questionnaire）投寄给调查对象，要求填好后寄回。（一）调查方法的确定 由于本案例面向对象是大量同学，所以焦点小组访谈法、头脑风暴、德尔菲法都不合适，接下来对面访调查和邮寄调查的优劣作出比较。留置问卷调查：邮寄调查的一种，这种方法实际上介于邮寄调查和 面访调查之间，指调查员按照面访的方式找到被调查者，说明调查目的和填写要求之后，将问卷留在被调查者手中，由被调查者自主完成，之后由调查员取回填好的问卷。采用理由：综合邮寄调查保密性强的优点，同时结合了面访调查回收率高的优势，同时可以避免由于调查员自身素质的原因带来的偏差。（二）样本量的确定 样本量的大小取决于总体元素的多少，同时也与估计所要求的精度以及调查所需的人力、物力和财力有关。本案例抽样总体为2525名应届本科毕业生，根据人力、物力、财力认为样本为总体的10%-15%比较合适，最终确定为14%。约为350人，考虑其他原因可能是无效样本，确定为370。（三）抽样方法的确定 确定抽样方法主要考虑两个因素：样本的有效性和抽样的可操作性。根据本次调查对象的特点，本案例最终采用两阶段抽样：第一阶段为分层抽样，以寝室为抽样单位，按专业和性别分层，按照 比例抽出各层应该抽取的寝室，得到一系列的群体；第二阶段为随机抽样，在第一阶段抽到的寝室内随机抽取学生作为调查对象。（三）抽样方法的确定 理由：第一，大学生的就业状况会受到专业、性别等因素的影响，即总体中的个体之间存在显著性差异，所以第一阶段采取分层抽样的方法。第二，目的是抽取毕业生，但是考虑到抽样的可实施性，如果直接对毕业生进行分层抽样就会存在对毕业生和在校本科生的鉴别问题，所以将调查地点定在毕业生的寝室，以寝室为抽样单位采取分层抽样得到相应的群体。第三，第一阶段抽的寝室后，每个寝室有6名学生，总人数不多，而且不存在较大的差异性，所以第二阶段采取简单随机抽样。（四）问卷设计 问卷设计过程中主要考虑两个问题：问卷的内容和问卷的格式。问卷的内容1.大学生毕业去向及就业难易度的调查2.毕业生就业取向的调查3.毕业生就业去向的调查4.影响大学生就业的因素调查5.大学生对国家就业政策的认知状况调查 （四）问卷设计问卷的格式1.要有卷头语和卷尾语。2.关于背景信息的调查（一般放在问卷的最后，本案例的背景部分比较简单且不敏感，所以放在开头）。3.问卷答题说明（要用统一字体，采用非问卷主体使用的字体）。4.主观题放在问卷的最后。5.问卷题目主干用词要准确，避免歧义。（选项设置需周全，若不能全部列出，要设置“其他”选项）案例1.2 北京奥运会奖牌的分布及构成分析 2008年北京奥运会，中国体育代表团取得了金牌第一，奖牌总数100枚的历史最好成绩，本届奥运会共设奖牌958枚，其中金牌302枚，银牌303枚，铜牌353枚，下表给出了金牌总数前三名国家所获得的奖牌分布情况。需要分析的问题是：1.选择适当的统计量对上述数据进行描述和分析2.选择适当的图形对上述数据进行展示和分析案例分析 选择何种统计量和图形描述一组数据，取决于分析的目的和所掌握的数据的特点，该组数据涉及到分类变量及分类数据，因此可以从以下几个方面进行分析：1、奖牌构成分析2、三个国家奖牌总数的分布及其分析3、每个国家男女奖牌数的分布及其比较4、三个国家奖牌总数的构成及其比较5、三个国家奖牌总数的相似性比较1、奖牌构成分析中国队各组别的奖牌数及其构成中国队各组别的奖牌数及其构成奖牌男子构成%女子构成%公开/混合组总计构成%金牌2457.142747.3705151.00银牌1023.811119.302121.00铜牌819.051933.3312828.00合计42100571001100100 在男子获得的42枚奖牌中，金牌占57.14%，银牌占23.81%，铜牌占19.05%。在女子获得的57枚奖牌中，金牌占47.37%，银牌占19.3%，铜牌占33.33%。在中国队获得的100枚奖牌中，金牌占51.00%，银牌占21.00%，铜牌占28.00%。同理可以对美国及俄罗斯进行相同的分析对分类数据的描述适用的统计量主要是频数、比例、比率等，根据分析的目的可以对每个国家的男子、女子、公开组/混合组分别计算百分比和比例等。同时可以对三个国家的金银牌的频数、比例进行分析。1、奖牌构成分析中国、美国和俄罗斯的奖牌数及其构成中国、美国和俄罗斯的奖牌数及其构成奖牌中国构成%美国构成%俄罗斯构成%金5151.003632.732331.94银2121.003834.552129.17铜2828.003632.732838.89合计100100110100721002、三个国家奖牌总数的分布及其分布 要描述每个国家得到奖牌数分布，可选择条形图。要比较三个国家获得的金牌、银牌和铜牌的分布情况，可以绘制复式条形图。三个国家奖牌总数的复式条形图。3、每个国家男女奖牌数的分布及其比较要描述各代表对男女获得的奖牌数的分布，可使用复式条形图。3、每个国家男女奖牌数的分布及其比较要描述各代表对男女获得的奖牌数的分布，可使用复式条形图。3、每个国家男女奖牌数的分布及其比较要描述各代表对男女获得的奖牌数的分布，可使用复式条形图。4、三个国家奖牌总数的构成及其比较 要反映每一个国家获得的奖牌的构成情况，可选择饼图。要比较三个国家获得的奖牌构成，可以绘制环形图。5、三个国家奖牌总数的相似性比较 要比较三个国家所获得的金牌、银牌、和铜牌数的分布情况是否相似，可绘制雷达图。案例1.3 分析运动员发挥的稳定性需要分析的问题是：1.选择适当的图形比较各运动员射击成绩的分布的特 征，并分析各运动员的决赛成绩是否存在离群点。2.计算相关的描述统计量，并进行分析。3.利用相关的统计量判断各运动员的决赛成绩是否存在离群点。案例分析 射击运动员的比赛成绩除受自身射击水平影响外，其发挥的稳定性是至关重要的，其稳定性可以用各次射击环数的差异以及比赛射击成绩的分布来反映，要综合评价一名运动员射击水平的好坏可以从以下几个方面入手：1、6名运动员射击成绩分布的比较2、6名运动员射击成绩的分析和比较3、6名运动员射击成绩的离群点分析1、6名运动员射击成绩分布的比较选择何种图形描述该组数据，取决于分析的目的和所掌握的数据的特点，这里涉及的数值型数据，如果要反映每名运动员射击成绩的分布，可考虑使用茎叶图，如果要比较6名运动员射击成绩的分布，则应考虑使用箱线图。（SPSS做的）图中用标出的点是每名运动员射击成绩超过其四分位1.5倍的点，被视为离群点，而用表示的点表示其成绩超过其四分位差3倍的点，被视为极值。如亚历山大彼得里夫利，在第19枪射出的9.1环属于离群点，而第2枪射出的8.4环属于极值。1、6名运动员射击成绩分布的比较6名运动员中，射击平均水平最好的（中位数最高的）是德国选手克里斯蒂安赖茨，而最差的是基思桑德森。从离散状况看，离散程度最小的是亚历山大彼得里夫利，表明该运动员发挥比较稳定，而最大的是罗曼邦达鲁克，表明该运动员发挥的最不稳定的。从分布的形状来看，亚历山大彼得里夫利、克里斯蒂安赖茨、罗曼邦达鲁克，射击成绩比较对称，而其他选手的分布存在一定的偏斜。2、6名运动员射击成绩的分析和比较从各运动员发挥的水平来看，平均成绩最高的是拉尔夫许曼，为10.025，最低的为基思桑德森仅为9.68，而中位数最高的为克里斯蒂安赖茨10.2，最低的是基思桑德森9.8环。从发挥稳定性来看，发挥最稳定的是亚历山大彼得里夫利，标准差为0.531，离散系数为0.053；列昂尼德叶基莫夫，标准差为0.053环，离散离线为0.054。而发挥最不稳定的是罗曼邦达鲁克，标准差为0.0862环，离散系数为0.089，而极差高达3.7环。从最后的决赛总成绩看，最好的是拉尔夫许曼，为200.5环，而最差的是基思桑德森，仅为193.6环。从各选手射击成绩的分布来看，偏态系数最小的是列昂尼德叶基莫夫，为-0.453，为轻微左偏，而其他5名选手的偏态系数均小于-1，有较严重的左偏，这说明运动员在最初的几枪中，成绩普遍较低，说明运动员最初射击时有一定的紧张情绪，而后面的射击成绩较好，说明运动员的紧张情绪已经消除逐步进入状态。3、6名运动员射击成绩的离群点分析 如果将平均数加减三倍的标准差之外的数据定为离群点，6名运动员的射击成绩中，只有亚历山大彼得里夫利的-3.032属于离群点，考虑到射击成绩的特点，可以将平均数加减2倍的标准差之外的数据定为离群点。从各运动员的标准分数来看，超过2的有：亚历山大彼得里夫利的-3.032，罗曼邦达鲁克的-2.942，克里斯蒂安赖茨的-2.932，基思桑德森的-2,818，拉尔夫许曼的-2.80482，列昂尼德叶基莫夫的-2.00171，均属于离群点，这表明，各运动员都有发挥失常的情况，这也体系了射击运动的特点。案例1.4 三个产业生产总值的描述性分析 地区生产总值反映了一个地区的经济发展水平，而生产总值中各产业的构成则反映了一个地区经济发展的格局。需要分析的问题是：分析三个产业生产总值之间的关系以及三个产业生产总值分布的特征。从以下两个方面进行案例分析：1、三个产业生产总值的相关性分析2、三个产业生产总值分布特征的分析1、三个产业生产总值的相关性分析 为比较三个产业两两之间的关系，可绘制三个产业生产总值之间的散点图矩阵。从散点图矩阵可以看出，三个产业的生产总值之间都存在某种程度的线性关系。其中第二产业和第三产业，第二产业与第一产业之间存在较强的线性关系，为考察第二产业与第一产业和第三产业之间的关系，可以绘制重叠散点图。1、三个产业生产总值的相关性分析 为比较三个产业两两之间的关系，可绘制三个产业生产总值之间的散点图矩阵。从重叠散点图可以看出，第二产业与第一产业和第三产业的生产总值之间都有较强的线性关系。这说明第二产业的发展对第一产业和第三产业的发展有较强的拉动关系，其中第二产业对第三三产业的拉动尤为突出。1、三个产业生产总值的相关性分析为进一步分析三个产业之间的关系强度，需要计算相关系数。三个产业之间均存在显著的线性相关关系。2、三个产业生产总值分布特征的分析首先，绘制有关图形来观察三个产业生产总值分布的特征和形状。为比较三个产业生产总值的分布状况，可以绘制箱线图。从箱线图可以明显看出，第二产业和第三产业的箱线图存在多个离群点，而且分布具有明显的不对称性，均为严重的右偏，而第一产业的情况稍微好一点，右偏的程度不是很严重。2、三个产业生产总值分布特征的分析 为判断三个产业的生产总值是否服从正态分布，可分别绘制出三个产业生产总值的正态概率图。从正态概率图，可以看出第二产业和第三产业明显不服从正态分布，而第一产业与正态分布偏离不大。2、三个产业生产总值分布特征的分析 箱线图和正态概率图也为我们选择适当的描述统计量进行分析提供了依据，为深入分析三个产业生产总值的分布特征，需要用统计量进行描述。根据数据分布的形状来看，第二产业和第三产业生产总值偏态系数分布为1.67和1.59，表明这两个产业的生产总值属于严重的右偏分布，因此，对这两个产业生产总值水平的描述应该使用中位数。从各统计量可以看出，第二产业的平均生产总值为3730.53亿元，中位数为2488.29亿元，第三产业的平均生产总值为2924.73亿元，中位数为1917.47亿元。这表明由于这两个产业的生产总值存在极大值，使平均数明显偏高，而中位数则不受极值的影响，因此中位数能较好的代表第二产业和第三产业生产总值的水平。而第一产业的偏态系数为0.65，右偏的程度不是很严重，因此，可以考虑使用平均数来描述生产总值的水平，同时也可以使用中位数。2、三个产业生产总值分布特征的分析 箱线图和正态概率图也为我们选择适当的描述统计量进行分析提供了依据，为深入分析三个产业生产总值的分布特征，需要用统计量进行描述。从离散程度看，标准差和离散系数最大的是第二产业，标准差为3579.57亿元，离散系数为0.96；最小的为第一产业，标准差为959.8亿元，离散系数为0.75，这表明第二产业生产总值的离散程度最大，而第一产业最小，第三产业居中。案例1.5 基于行业的上市公司基本情况分析 国民经济中各个行业都有其自身的特点，反映在股市中，不同行业的上市规模、市场的流通性及其市场的收益率各个方面都存在显著的不同。需要分析的问题是：1、我国上市公司的行业分布状况2、不同行业上市的规模、市场行情、市场流动性和收益率情况的异同。从以下七个方面进行案例分析：1、我国上市公司的行业分布2、分行业上市公司的规模分析3、分行业上市公司的行情分析4、分行业上市公司的交易分析5、分行业上市公司的财务分析6、分行业上市公司财务指标的相关分析7、分行业上市公司的收益分析1、我国上市公司的行业分布为直观反映我国股票市场的行业构成情况，在次选择饼图作为展示的工具。我国上市公司中有一半以上的公司属于制造业，制造业、房地产、批发和零售贸易、信息技术这四个行业占到了我国上市公司总数的80%。而建筑业，金融保险业、传播与文化产业所占的比例比较小，传播与文化产业所占的比例仅为0.5。2、分行业上市公司的规模分析 不同行业上市公司的平均总市值反映了不同行业上市公司的规模，在总值中，一部分是流通的，一部分是非流通的。流通市值反映了上市公司的流通规模。流通市值占总市值的比例反映了公司资本的流动性。堆积柱形能够直观的反映不同类别之间多个指标之间的差异，在此选择堆积柱形图。金融、保险业和采掘业的平均总市值和平均流通市值都比较大，尤其是金融、保险业，其平均总市值在2500亿元以上，平均流通市值也在500亿元以上。相比较而言，其他行业的总市值和流通市值都比较小。2、分行业上市公司的规模分析 利用百分比堆积柱形图可以反映不同类别中，某一数值在总数值中所占的比例，利用所占百分比得到百分比柱形图。采掘业、金融业、交通运输仓储业和建筑业的流通市值比较低，而农、林、牧、渔业和信息技术产业的流通市值比例较高。3、分行业上市公司的行情分析 股票的价格和市盈率反映了股票的行情，其中市盈率与价格有直接的关系，因此，可尝试选择在同一图表中直观的反映不同行业上市公司的股价和市盈情况。采掘业和金融业、保险业两个行业的平均股价要明显高于其他行业。对平均市盈率而言，农林牧渔业等的平均市盈率要明显高于其他行业，特别的，电力、煤气及水的生产和供应业的市盈率要远远低于其他各个行业。4、分行业上市公司的交易分析 某上市公司的流通市值占市场的权重，反映了该上市公司对市场的相对重要性，该公司股票的换手率反映了该公司股票的市场上的活跃程度。为了反映不同行业上市对市场的相对重要性和交易的活跃程度，可选择横向的条形图。制造业、金融、保险业和房地产三个行业的流通市值占市场的权重比较大，在整个股票市场中起着举足轻重的作用，但是从平均换手率来看，这三个行业的股票的活跃度不高。相反，流通市值占市场权重比较小的行业，如农林牧渔业、建筑业、传播与文化产业等的平均换手率较高。5、分行业上市公司的财务分析 上市公司的财务状况，可以由以下指标体现：偿债能力得分，盈利能力得分、运营能力得分、现金流量得分、财务能力得分、市盈率得分、市净率得分。利用雷达图可以直观地从多个维度比较不同指标之间的差异性。石油和天然气开采行业的上市公司在市盈率、运营能力两个方面的得分相对高于其他行业；建筑业在财务能力、成长性和盈利能力三个方面的得分优于其他行业；在偿债能力方面，信息传播服务业的得分比较高；而在现金流量方面，卫生、保健、护理服务业有明显优势。6、分行业上市公司财务指标的相关分析 在上面的雷达图分析中，由于所比较的维度和行业比较多，所以雷达图看起来不是特别的直观，又由于在众多的财务指标中，各个财务指标之间往往是彼此相关的，所以考虑对众财务指标做相关分析，以期用较少的指标来反映上市公司的财务状况。盈利能力与财务指标之间有相对较强的相关性，故可以用盈利能力这个财务指标粗略的比较各个行业上市公司的财务指标。7、分行业上市公司的收益分析 对于普通的投资者而言，关心的首先是投资的收益情况。上市公司的平均每股收益和平均净利润反映了该公司股票的收益情况。为了直观的比较不同行业上市公司的收益情况，此处采用这两个指标，做条形图。金融、保险业、采掘业和传播与文化产业三个产业平均每股收益和净利润都明显高于其他行业。建筑业、信息技术和农林牧渔三个行业较低。