第1章数据分析课件.pptx

《第1章数据分析课件.pptx》由会员分享，可在线阅读，更多相关《第1章数据分析课件.pptx（52页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第第1111讲（第讲（第1414章）章）数据分析数据分析2v数据整理的程序一般如下：数据整理的程序一般如下：1.对原始原始资料料进行行审核、核、订正正2.编码3.数据的数据的录入入4.数据的清数据的清洁5.进行行统计预处理理6.制制订数据分析的初步方案数据分析的初步方案7.数学数学处理理上章与本章内容衔接3l在大量的调查工作结束后，就要对这些资料进行在大量的调查工作结束后，就要对这些资料进行统计归类、整理分析，即统计分析统计归类、整理分析，即统计分析l对调查资料进行整理统计l运用统计图进行描述性分析l进行分布分析和相对分析l集中量数分析与离中量数分析【本章的实质性工作】4Contents数据分

2、析的作用与要求1交叉列表分析2数据资料的概括技术3综合指标分析法4动态分析法55第一节数据分析的作用与要求一、数据分析的含义一、数据分析的含义v它是指对市场调研与预测过程中收集到的各种它是指对市场调研与预测过程中收集到的各种数据资料进行适当的处理数据资料进行适当的处理,使其显示一定的含义使其显示一定的含义,进而反映不同数据之间以及新数据与原数据之间进而反映不同数据之间以及新数据与原数据之间的联系的联系,并通过分析并通过分析,得出某些结论。得出某些结论。二、数据分析的作用二、数据分析的作用6l数据分析在数据收集之后进行，但应根据整个项数据分析在数据收集之后进行，但应根据整个项目的目的、特点预先设

3、计好数据分析技术，制订目的目的、特点预先设计好数据分析技术，制订数据分析计划。数据分析计划。l数据分析计划：数据分析计划：l确定所需变量l测量这些变量所用的方法l数据分析过程及所用的技术三、数据资料分析的要求三、数据资料分析的要求7Contents数据分析的作用与要求1交叉列表分析2数据资料的概括技术3综合指标分析法4动态分析法58统计描述v频数分布：在分组的基础上，把总体的所有单位频数分布：在分组的基础上，把总体的所有单位按组归并排列，形成总体中各个单位在各组间的按组归并排列，形成总体中各个单位在各组间的分布，称为频数分布。又称分布数列。分布，称为频数分布。又称分布数列。v两个要素：两个要素

4、：总体按其标志所分的组各组所分布的单位数9频数直方图10交叉列表分析v频数分布一次描述一个变量，而交叉表，或列联频数分布一次描述一个变量，而交叉表，或列联表（表（cross-tabulation）可同时描述两个或更多可同时描述两个或更多变量。变量。一、概念一、概念v交叉表交叉表(列联表列联表)分析法分析法是一种以表格的形式同时描述两个或多个变量的联合分布及其结果的统计分析方法，此表格反映了这些只有有限分类或取值的离散变量的联合分布。11性别和互联网使用频率12v某保某保险公司公司对影响保影响保户开开车事故率的因素事故率的因素进行行调研，并研，并对各种因素各种因素进行了交叉表分析。行了交叉表分析

5、。v交叉表法的起点是交叉表法的起点是单变量数据，然后依研究目的量数据，然后依研究目的将将这些数据分成两个或多个些数据分成两个或多个细目。目。表1 驾驶员的事故率类 别比率，%无事故61至少有一次事故39样本总数，人17800二、交叉列表分析中变量的选择和确定二、交叉列表分析中变量的选择和确定13v然后，在性然后，在性别基基础上分解上分解这个信息，判断是否在个信息，判断是否在男女男女驾车者之者之间有差有差别。这样就出就出现了二了二维交叉交叉表表2。表2 男女驾驶员的事故率类 别男，%女，%无事故5666至少有一次事故4434样本总数，人93208480二、交叉列表分析中变量的选择和确定二、交叉列

6、表分析中变量的选择和确定14v这个表的结果令男士懊恼，因为他们的事故率较女士驾车时涉及的事故率要高。但人们会提出这样的疑问而否定上述判断的正确性，即男士的事故多，是因为他们驾驶的路程较长。这样就引出第三个因素驾驶距离，于是出现了三维交叉表3。表表3 不同不同驾驶距离下的事故率距离下的事故率类 别男，%女，%驾驶距离1万公里 1万公里1万公里无事故51735073至少有一次事故49275027样本总数，人7170215024306050二、交叉列表分析中变量的选择和确定二、交叉列表分析中变量的选择和确定15v结果表明：男士果表明：男士驾驶者的高事故率是由于他者的高事故率是由于他们的的驾驶距离距离

7、较女士女士长，但并没有，但并没有证明男士和女士哪明男士和女士哪个个驾驶得更好或更得更好或更谨慎，慎，仅证明了明了驾车事故率只事故率只与与驾驶距离成正比，而与距离成正比，而与驾驶者的性者的性别无关。无关。二、交叉列表分析中变量的选择和确定二、交叉列表分析中变量的选择和确定16二、交叉列表分析中变量的选择和确定二、交叉列表分析中变量的选择和确定v强调：变量的确定在资料收集之前。v确定列表中确定列表中变量的量的内容内容和和数量数量，由，由调研研项目的特目的特征决定。征决定。在描述性调研中，研究者有较大的自主权来选择这些变量。在探索性研究中，研究者凭主观意识选择所有的用于交叉表的变量。17三、双变量交

8、叉列表分析法三、双变量交叉列表分析法v最基本的交叉列表分析法。最基本的交叉列表分析法。1.把双把双变量交叉列表中各量交叉列表中各项绝对数的表示数的表示转换成百成百分数分数,能更清楚地能更清楚地显示相关关系。示相关关系。2.行百分比与列百分比的行百分比与列百分比的选择取决于哪个取决于哪个变量是因量是因变量哪个量哪个变量是自量是自变量。一般的量。一般的规则是，在自是，在自变量的方向上，量的方向上，对因因变量量计算百分比。算百分比。18例v研究城研究城镇居民在某地的居住居民在某地的居住时间与其与其对当地百当地百货商商场的熟悉程度之的熟悉程度之间的关系，的关系，对“居住居住时间”和和“熟熟悉程度悉程度

9、”这两个两个变量量进行交叉列行交叉列联分析。分析。表4.居住时间与对百货商场的熟悉程度的交叉列联分析(频数)熟悉程度居住时间合计13年以下13年30年30年以上不熟悉熟悉455234535527134132合计97878226619例v那么，到底居住那么，到底居住时间与与对商商场的熟悉程度有没有的熟悉程度有没有关系呢关系呢?进一步一步计算出百分比，算出百分比，则可以看得更直可以看得更直观一些。一些。表5.居住时间与对百货商场的熟悉程度的交叉列联分析（%）熟悉程度居住时间13年以下13年30年30年以上不熟悉熟悉46.453.639.160.967.132.9合计100.0100.0100.02

10、0例v以表以表5为例，居住例，居住时间为自自变量，量，对商商场的熟悉程的熟悉程度度为因因变量，因而可以量，因而可以对各居住各居住时间分分别计算熟算熟悉程度的百分比。悉程度的百分比。v看来，同看来，同样住在住在该地区的人，居住地区的人，居住时间越越长，对购物物环境反而更不熟悉。境反而更不熟悉。v这个个结论是有一定道理的，在一个地方居住很是有一定道理的，在一个地方居住很长时间的人一般相的人一般相对来来说更没有更没有动力去熟悉力去熟悉该商商场。v如果我如果我们在因在因变量的方向上量的方向上对自自变量量计算百分比算百分比(如表如表6所示所示)，则显然没意然没意义。21例表6.居住时间与对百货商场的熟悉

11、程度的交叉列联分析(%)v对当地商当地商场不熟悉会影响居民在不熟悉会影响居民在该地的居住地的居住时间，这显然是不合理的。然是不合理的。v但由此可但由此可见需要需要检查第三因素的影响。第三因素的影响。熟悉程度居住时间行合计13年以下13年30年30年以上不熟悉熟悉33.639.425.440.141.020.5100.0100.022四、三变量交叉列表分析法四、三变量交叉列表分析法(一一)更精确显示原有联系更精确显示原有联系(二二)显示原有联系是虚假的显示原有联系是虚假的(三三)显示出原先被隐含的联系显示出原先被隐含的联系(四四)不改变原先反映出的联系不改变原先反映出的联系23提炼原来的关系2个

12、原始变量间没有关系原来的模式没有发生变化两个原始变量有一些联系三变量交叉列表2个变量间具有一些联系2个变量间没有联系引入第3个变量引入第3个变量两个原始变量24提炼原来的关系25Purchase of Fashion Clothing by Marital Status26原来的关系是虚假的27Ownership of Expensive Automobiles by Education Level and Income Levels28揭示隐藏的联系2829Desire to Travel Abroad by Age and Gender29Table 15.1130原来的关系没有变化31交

13、叉列联表分析的优缺点v易于理解，便于解释，操作简单却可以解释比较易于理解，便于解释，操作简单却可以解释比较复杂的现象，因而在市场调查中应用非常广泛。复杂的现象，因而在市场调查中应用非常广泛。v优点优点:交叉表的分析结果很容易直观地被理解;明了的解释加强了调研结果与经理行为的联系;一系列交叉表比多变量分析更有助于理解复杂的问题;交叉表可减弱空格问题，这在多元离散变量分析中更突出;交叉表将复杂的数据简单化。32v局限性：局限性：如果需要考虑多个变量，样本容量就应相当大;很难确保对所有的相关变量进行了分析，如果变量选择不适当，就会得出错误的结论。即使变量选择的正确，研究者也许会因使用不当而无法找到真

14、正的关系。v应用：应用：只能用于有数据基础的变量分析，它描述的是变量间的关系，但不一定是因果关系。33Contents数据分析的作用与要求1交叉列表分析2数据资料的概括技术3综合指标分析法4动态分析法534数据资料的概括技术v描述性描述性统计分析：分析：1.数据的分布分析又称数据的分布分析又称结构性分析，主要通构性分析，主要通过数据数据的的频数分布或数分布或频率分布来率分布来显示示总体或体或样本分布的本分布的类型和特征，反映型和特征，反映总体或体或样本的本的结构与特点。构与特点。常见分布曲线的类型有：钟形分布（又分正态分布、右偏分布、左偏分布）U形分布J形分布（分正J形分布和反J形分布）多峰分

15、布351.钟形分布形分布数据的分布分析362.J形分布形分布（一）数据的分布分析373.U形分布形分布（一）数据的分布分析384.多峰分布多峰分布（一）数据的分布分析39统计量2.对数据分布的特征，用量化数据分布的特征，用量化值进行行测度和描述：度和描述：一是分布的集中趋势，反映各统计数据向其中心值靠拢或聚集的程度；二是分布的离中趋势，反映各数据远离其中心值的程度。40集中趋势指标(Measures of Location)v均值均值 meanv众数众数 modev中位数中位数medianX=Xi/nSi=1n41差异性指标 (Measures of Variability）v全距全距 ran

16、ge Range=Xlargest Xsmallest.v平均差平均差v四分位差四分位差 interquartile range42v方差方差 variancev标准差标准差 standard deviationv变异系数变异系数 coefficient of variation s x =(X i -X)2n -1 S i=1n 差异性指标 (Measures of Variability）43形状指标 (Measures of Shape)vSkewness（偏度）偏度）.vKurtosis（峰度）峰度）44Skewness of a DistributionSkewed Distribu

17、tionSymmetric DistributionMean Median Mode(a)Mean Median Mode(b)45Contents数据分析的作用与要求1交叉列表分析2数据资料的概括技术3综合指标分析法4动态分析法5461.总量指量指标和相和相对指指标v总量指量指标是反映社会是反映社会经济现象象总体体规模或水平的模或水平的指指标，又称，又称为绝对数。数。v相相对指指标是两个有是两个有联系的系的总量指量指标对比比计算的比算的比率，又称率，又称为相相对数。数。综合分析指标47v 根据相比根据相比较的的总量指量指标之之间的关系不同，相的关系不同，相对指指标可以划分可以划分为若干种若干

18、种类型：型：（1）结构相构相对指指标：（2）比例相）比例相对指指标：1.总量指标和相对指标48（3）强度相度相对指指标：（4）比）比较相相对指指标：（5）动态相相对指指标：相对指标492.描述描述总量指量指标和相和相对指指标的一些常用的一些常用术语 （1）静）静态比比较与与动态比比较 （2）基期与）基期与报告期告期报告期又称为计算期，即被研究的时期。作为比较基础的时期称为“基期”。（3）时期和期和时点点常用术语501.发展水平展水平发展水平就是动态数列中的每一项具体指标数值。其数值可以表现为绝对数、相对数或平均数。增长量增长量 =报告期水平报告期水平 基期水平基期水平2.发展速度展速度3.增增

19、长速度速度动态分析指标环比发展速度=定基发展速度=发展速度151利用excel进行数据分析vExcel函数（函数（统计）v透透视表表v数据分析数据分析(描述性描述性统计分析分析)【思考题思考题】1.调查资料的处理包括哪些步骤?2.调查资料的审核包括哪些内容？3.如何对问卷中封闭式问题进行编码？4.如何对问卷中开放式问题进行编码？5.数据自动清理包括哪些内容？6.对于缺失数据处理的方法有哪些？7.数据集中趋势的指标有哪些？各有何其特色？8.数据离散趋势的指标有哪些？各有何其特色？9.什么是交叉列表？如何正确的选择和确定交叉列表中的变量？10.什么是两变量交叉列表？11.什么是三变量交叉列表？12.怎样对两变量交叉列表中的两变量相关关系进行判断？