统计专业实验

重庆工商大学数学与统计学院 《统计专业实验》课程 实验   实验课程：多元数据图示分析            及时序图分析        指导教师：  叶勇_____        专业班级： 12级统计三班                          学生姓名：    _ __                                学生学号：__                  实 验 报 告 实验项目 实验一 多元数据图示分析 实验二 时序图分析 实验日期 2015年3月31日 实验地点 81010 实验目的 1.用各种统计图形示多元数据，掌握各种多元统计图的制作方法和优缺点。 2.掌握随机时间序列的模拟方法，并能够由相应的AR、MA模型和随机干扰项模拟出随机时间序列的取值。 实验内容 1.考察2012年重庆市各区县经济指标数据（数据来源：重庆统计年鉴2013），建立适合分析一小时经济圈各区县经济综合实力的指标体系，并输出统计表。 2.用轮廓图、雷达图对主城各区经济指标数据进行表示。 3.模拟100期AR(2)模型，其中at～NID(0, 0.5)； 4.模拟100期MA模型，其中at～NID(0, 0.5) 5.对上述两模型的模拟数据用SPSS建立随机时间序列的序列图； 实验思考题解答： 1．雷达图和轮廓图用以进行多元数据分析各自有何优势？ 答： 雷达图主要适用于观测数据比较少的情况，能够很清晰地将所有数据在一张图中展现出来，方便我们对各个指标进行比较，是我们能够很容易地分清各个对象之间的差异，从而分出各对象的高低优劣。但是，当观测数据较多时，雷达图就不太容易看辨析出各观测值之间的差别，此时，轮廓图就较有优势，轮廓图可以反映指标变化的规律和趋势，能够针对某一指标进行其变化趋势上的分析比较。 2．AR(1)模型和普通一元线性回归模型有什么区别？ 答： AR(1)模型主要是反映时间序列变化的预测模型，AR(1)模型的随机干扰项不会影响以前已经发生过的现象，即当期的随机干扰与过去的序列值无关。而普通一元线性回归模型主要是针对变量Y与X的显著线性关系，是建立y关于x的线性回归模型。普通一元线性回归模型的被解释变量总会受到解释变量的影响，该模型反映了x是如何影响y的。而且建立一元线性回归模型有5个基本假定。 实验运行程序、基本步骤及运行结果： 1. 考察2012年重庆市各区县经济指标数据（数据来源：重庆统计年鉴2013），建立适合分析一小时经济圈各区县经济综合实力的指标体系，并输出统计表。 一、数据收集及处理 以重庆市一小时经济圈的23各区县的数据为例，选取以下八个指标，输出统计表如下： 重庆市1小时经济圈经济综合实力统计表 区    县 地区生产总值 （万元） 工业总 产值 （万元） 建筑业总产值 （万元） 全社会固定资产投资 （万元） 社会消费品 零售总额 （万元） 区县级一 般 预算收入 金融机构 人民币存款余额 （亿元） 高技术制造业总产值        (万元） 2.用轮廓图、雷达图对主城各区数据进行表示。 基本操作步骤： （一）雷达图 1．选择数据区域A1：E24； 2．单击图表向导按钮，选“雷达图”之“数据点雷达图”格式； 3．单击“下一步”按钮，完成操作。 （二）轮廓图 1．选择数据区域A1：E24； 2．单击图表向导按钮，选“折线图”之“数据点折线图”格式； 3．单击“下一步”按钮，完成操作。 为使图表显示更清晰，只选取了地区生产总值、工业总产值、建筑业总产值、全社会固定资产投资这三个经济指标，对这23个区县进行了分析比较，分别作出雷达图和轮廓图，如下： 3.模拟100期AR(2)模型，其中at～NID(0, 0.5)； 4.模拟100期MA模型，其中at～NID(0, 0.5) 基本操作步骤： 1.利用Excel，数据分析里的随机数产生器，按照服从正态分布at～NID(0, 0.5)的要求，产生了100个随机数。 2.再按照AR模型，得到100期数据。 3.又利用SPSS软件，把Excel产生的数据复制粘贴到SPSS里，点击Analyze―Time Series―Sequence Charts,得到如下AR模型的序列图。 4.关于模拟100期MA模型的操作同上。 最终结果如下： （1）产生的数据： at zt at xt -0.15012 -0.15012 0.328117 0.328117 -0.63884 -0.72891 -0.16778 0.045498 0.122129 -0.27018 -0.07253 0.035796 0.638237 0.6948 -0.30043 -0.26625 0.599175 1.09711 -0.07728 -0.24175 0.866567 1.316393 -1.11677 -1.33781 -1.09179 -0.63109 -0.06677 -0.99437 -0.11709 -0.89066 -0.6646 -1.63201 0.547511 0.202441 0.07829 -1.22116 -0.54335 -0.15469 0.251512 -0.93393 -0.3451 -0.49865 0.658542 -0.24159 -0.84522 -1.098 -0.30965 -0.69082 -0.92346 -1.43266 -0.37398 -0.881 -0.48881 -1.01901 0.073182 -0.66526 -0.38675 -0.56836 -0.11572 -0.75958 -1.05897 -1.09428 -0.10416 -0.75754 -0.28396 -0.77002 0.7886 0.113898 -0.20202 -0.33575 0.018842 -0.08893 0.067427 0.096981 -0.07299 -0.10346 -0.18275 -0.02383 0.915161 0.826567 -0.1635 -0.20689 -0.31537 0.197071 -0.18512 -0.3021 0.635569 0.962041 0.671321 0.552125 -0.00767 0.664954 -0.04264 0.379264 -0.03221 0.630901 -0.09308 -0.03116 0.805078 1.374753 -0.2566 -0.38908 0.181316 1.226321 0.986106 0.762007 0.218529 1.345579 0.432836 1.006764 -0.11756 1.051381 1.187827 1.563284 0.341664 1.348 -0.32745 0.308488 -0.03432 1.094214 0.830728 0.546835 -0.36804 0.666721 -0.8062 -0.57064 -0.54877 0.147213 0.269474 -0.23696 0.10185 0.357552 0.451096 0.480111 -0.49067 -0.22293 0.959458 1.318613 0.96979 0.910698 -0.04226 0.604876 -0.06361 0.474843 -0.2619 -0.29456 -0.79382 -0.2666 0.337569 -0.02063 -0.16766 -0.22699 -0.19066 -0.11467 0.478616 0.267091 0.378806 0.316191 -0.19149 -0.07235 -0.72209 -0.49798 -0.32693 -0.30986 -0.42362 -0.81726 -0.68319 -0.90196 -0.76079 -1.10175 0.158058 -0.50259 -0.18144 -0.59731 -0.08185 -0.62501 -0.01624 -0.0441 0.285627 -0.24125 0.014059 0.166791 -0.31869 -0.6255 -0.16136 -0.04805 -0.17309 -0.63756 1.097251 1.018382 0.142969 -0.42157 -0.87124 -0.2458 -0.16551 -0.59255 -0.36824 -0.82123 0.106111 -0.38022 -1.28879 -1.70779 -1.23691 -1.62627 0.723835 -0.05447 -0.03443 -1.18276 -0.63988 -0.16023 0.12343 -1.03567 -0.32679 -0.40659 1.058247 0.1012 0.378857 0.182974 -0.76262 -0.9454 0.233356 0.465116 -0.77932 -1.36954 0.437304 0.661482 -1.15238 -2.26948 0.297871 0.555225 0.586126 -1.21772 -0.68592 -0.55123 1.187182 -0.14901 -0.55787 -1.05518 -0.19499 -0.5841 0.346997 -0.12074 -0.50042 -0.91585 0.161318 0.405428 0.273997 -0.46149 -0.46992 -0.19044 0.329494 -0.19028 -0.12047 -0.35637 -0.42603 -0.66047 0.065768 -0.09092 0.404646 -0.07033 0.278899 0.331257 0.330112 0.125887 0.069357 0.295388 -0.10373 -0.03878 -0.45548 -0.37763 -0.77408 -0.76907 0.942423 0.627232 0.506388 -0.00281 0.243599 0.733226 0.381717 0.195313 0.036119 0.287885 -0.17524 -0.04896 0.414921 0.367684 -0.34539 -0.33034 0.431004 0.565249 0.431336 0.20486 -0.31827 -0.08942 0.173414 0.22729 -0.4616 -0.68482 0.278139 0.475045 0.555594 0.171527 1.042945 1.406274 -0.60059 -0.29223 0.136685 1.164773 -0.77945 -1.00624 -0.55333 0.541278 0.355662 -0.16041 0.239816 0.871193 0.319203 0.524827 -0.61427 0.081913 1.102844 1.465864 0.282795 0.545124 0.721877 1.443948 -0.07825 0.295739 0.651952 1.078561 0.149436 0.472496 0.05648 0.270433 0.178541 0.556641 0.000975 -0.16033 0.065652 0.540867 0.226851 0.049521 -0.13597 0.349188 -0.01276 0.065055 -0.67368 -0.3169 -0.52734 -0.50316 1.060412 0.93823 -0.8874 -1.20882 0.798848 1.332641 0.414166 -0.16018 0.524411 1.615803 0.222112 0.488652 -0.739 0.631107 0.308953 0.650197 -0.55865 0.239359 0.106737 0.350259 0.266339 0.573387 -0.51347 -0.49837 0.036771 0.466919 0.619098 0.214998 -0.00449 0.436617 -0.15561 0.122903 0.080614 0.476476 -0.41996 -0.41072 -0.94085 -0.52635 -0.41056 -0.69387 -0.12836 -0.35614 -0.2145 -0.5076 -0.46897 -0.82678 -0.22668 -0.32308 -0.49878 -1.12166 2）对上述两模型的模拟数据用Excel建立随机时间序列的序列图，如下。 AR模型的时序图： MA模型的时序图： 3）对上述两模型的模拟数据用SPSS建立随机时间序列的序列图，如下。 AR模型的时序图： MA模型的时序图：