《统计分析写作培训讲解》由会员分享，可在线阅读，更多相关《统计分析写作培训讲解（28页珍藏版）》请在金锄头文库上搜索。
1、统计分析写作培训简明讲义2014年10月目录1、统计分析基本方法（1）2、如何撰写分析报告（7）3、常用统计计算方法（13）4、文章数字使用规范（19）5、标点序号使用规范（23）第一部分 统计分析基本方法掌握几种常用的、比较简便的分析方法，以便在确定统计分析报告选题和掌握资料之后，能够依据这些常用的方法，迅速抓住事物的基本特征及本质。一、常规分析方法（一）分组分析法统计分组，是根据统计研究的目的，按照一定的标志将总体划分为若干不同的部分或组的一种统计方法。其目的是把总体中具有不同性质的单位区分开，把性质相同的单位合并在一起，保持各组内统计资料的一致性和组与组之间资料的差异性，以便进一步运用各
2、种统计方法研究现象的数量表现和数量关系。正确选择分组标志是进行统计分组的前提，在特定的研究目的下选择合适的分组标志对于达到统计研究的目的至关重要。因此，在确定统计分组指标时，应根据研究的目的选择那些最能反映现象本质特征、有实际意义的分组标志。通过分组应达到以下目的：第一，划分现象的类型；第二，反映现象的内部结构；第三，分析现象之间的依存关系。将若干个有密切联系的分组结合起来，从不同角度全面地反映总体内部构成。在经济品质的分组体系中，既有品质标志分组，也有数量标志分组，既有平行分组，也有复合分组。日常统计报表中提供了多种分组加工的可能，应当根据分析研究的目的具体确定。（二）对比分析法对比分析法也
3、称比较分析法，是把客观事物加以比较，以达到认识事物的本质和规律并做出正确的评价。对比分析法通常是把两个相互联系的指标数据进行比较，从数量上展示和说明研究对象规模的大小、水平的高低、速度的快慢，以及各种关系是否协调。按比较对象内容范围不同，可分为单项比较和综合比较（综合评价）。单项比较是指比较某种总体现象某一方面、某一局部，可以是单独一个统计指标，也可以反映某一方面、某一局部的若干指标，将不同的分组、总体进行对比分析。综合比较是指对总体或若干方面的全面评价比较。按比较时间状况不同，可分为横向对比和纵向对比。横向对比，是通过对国家间、地区间、行业间、经济类型间、隶属关系间、不同单位间同一时间有关指
4、标的对比分析，从中发现问题，找出差距。而纵向对比是通过对同一指标在不同时间状况的对比，以反映其动态发展变化情况。在进行对比分析时，选择合适的对比标准是十分关键的。对比标准选择的合适，才能做出客观的评价，选择不合适，评价可能得出错误的结论。另外，运用对比分析法时，一定要注意同质性事物的可比性，不得把不同质的事物放在一起对比。所谓同质性，就是对比事物的性质是否相同，指标的口径范围是否一致。（三）结构分析法结构分析法是指被研究总体内各部分与整体进行对比的分析方法。通过分析，可以说明国民经济的生产、流通、分配和使用各环节以及各部门的比例关系，揭示各部分之间的相互联系及其变化规律。结构相对指标的计算公式
5、为：结构相对指标总体某部分的数值总体总量100分析总体内各组成部分之间的相互关系，还可以计算比例相对指标，以反映总体中某一部分为另一部分的比率。其计算公式为：比例相对指标总体中某一部分数值总体中另一部分数值利用结构分析法可以对所有制结构及行业内部结构、企业规模类型结构等进行分析研究，为经济结构调整提供资料。结构分析法的优点是简单实用，但在实际经济分析时，考虑到我国经济体制目前正处在转轨时期，许多比例关系非常不稳定，因此分析比例结构时，不能就数字论数字，应联系多方面和多因素进行综合分析。（四）平均分析法平均分析法是运用计算平均数的方法来反映同质总体在具体条件下的一般水平。平均指标可用于同一现象在
6、不同地区、不同部门或单位间的对比，还可用于同一现象在不同时间的对比。平均分析法的主要作用有二：第一，利用平均指标对比同类现象在不同地区、不同行业，不同类型单位等之间的差异程度，比用总量指标对比更具有说服力。第二，利用平均指标对比某些经济现象在不同历史时期的变化，说明其发展趋势和规律。常用的平均指标有算术平均数、调和平均数、几何平均数、众数和中位数等，其中最为常用的是算术平均数。算术平均数是用总体各单位标志值总和除以总体单位个数后所得结果，是非常重要的基础性指标。平均数是综合指标，它的特点是将总体内各单位的数量差异抽象化，它只能代表总体的一般水平，掩盖了在平均数后各单位的差异。用平均数指标分析问
7、题时必须与测算标志的变动度相结合。而标志变动度是反映总体单位之间在某数量标志上的差异大小。二者相结合才能对客观事物认识更全面、更深刻，并找出差距，查明造成差异的原因，进而提出解决问题的办法。一般来说，标志变动度越小，平均数指标的代表性越大。测度标志变动度主要有以下几种方法：全距与全距系数、平均差与平均差系数、标准差与标准差系数。平均分析法要结合各种分组和指标对比来进行。比如分析不同地区的平均从业人数、固定资产量等；不同行业的平均营业收入、平均从业人数等。（五）强度分析法强度相对指标是两种有密切联系但性质不同的总量指标之比值，用以说明各种社会经济现象的强度、密度或普遍程度。计算公式：强度相对数某
8、一总体总量另一有联系的总体总量日常统计资料中结合一些其他指标如人口、土地面积等，可以产生很多强度指标。这些强度相对指标分析的内容通常涉及与人民日常生活息息相关的一些情况。比如：不同地区的每万人耕地面积、粮食产量等。强度分析若与对比分析结合起来，反映的问题就更加深入。比如通过对比分析不同地区的强度指标的结果，可以找出差距、寻求原因，提出改进目标等。（六）动态分析法动态分析就是从数量方面研究社会经济现象的发展变化，并预见其未来发展变动趋势。首先，通过动态分析可以认识客观现象在发展过程中的一些基本特征，如平均发展水平、发展速度、增长量以及在内部结构上发生的一些变化等等；其次，与静态分析法相比，动态分
9、析法用动态的眼光来观察经济现象的发生和发展过程，因而能较快发现经济运行中存在的问题苗头，并提出相应的对策建议；第三，在把握事物发展规律的基础上，动态分析法还可以对其未来的状态进行推测，从而为决策提供科学依据。（七）弹性分析法在进行统计分析时，经常需要对比分析经济中相关部门或变量，这些部门或变量在国民经济发展过程中具有密切的联系。利用弹性系数可对两个或两个以上相关经济变量之间的关系进行分析。弹性系数就是一个经济变量的增长率与另一个相关经济变量的增长率之间的比值，如一个经济变量增长1个百分点带动另一个相关经济变量增长的百分点数。弹性系数可分名义弹性系数和实际弹性系数，名义弹性系数为两个变量现价增长
10、率之比，实际弹性系数为两个变量不变价增长率之比。例如，就业弹性系数、能源消费弹性系数、运输弹性系数分别用来反映经济增长与就业增长、能源消费增长、运输量增长之间的数量关系。（八）因素分析法因素分析法是依据分析指标与其影响因素的关系，从数量上确定各因素对分析指标影响方向和影响程度的一种方法。因素分析法既可以全面分析各因素对某一经济指标的影响，又可以单独分析某个因素对经济指标的影响。因素分析法一般有连锁因素分析法和并列因素分析法。连锁因素分析法是把影响某综合指标的若干因素，用乘积形式表示出来，以此计算出各因素的影响程度和影响的绝对额；并列因素分析法是把影响某综合指标分解为若干因素和的形式。（九）贡献
11、率分析法贡献率是分析经济效益的一个指标。它是指有效或有用成果数量与资源消耗及占用量之比，即产出量与投入量之比，或所得量与所费量之比。计算公式： 贡献率（%）=贡献量（产出量，所得量）/投入量（消耗量，占用量）100%贡献率也用于分析经济增长中各因素作用大小的程度。计算方法是：贡献率（%）=某因素贡献量（增量或增长程度）/总贡献量（总增量或增长程度）100%上式实际上是指某因素的增长量（程度）占总增长量（程度）的比重。贡献率指标比较抽象，在使用时，应说明具体含义，但也不能任意使用，要符合常规，做到标准化、规范化、通俗化。另外，在计算各产业贡献率时应剔除价格变动因素，分子、分母均用可比价格的增量计
12、算。二、回归分析方法在社会经济领域，现象之间存在一定的联系，一种现象的变化往往依存于其他现象的变化。现象之间的相互联系大致可以区分为两种不同的类型：一是确定性的函数关系。在这种关系中，对于某一变量的每一个值，都有一个另一个变量的确定值与之对应；二是统计关系。这种关系反映的是尽管两个变量之间有密切的关系，但是它们之间的关系是一种非确定性关系。由于经济问题的复杂性，许多因素因为我们的认识及其他客观原因的限制，并没有包含在这种关系中。或者由于变量测量误差以及其他偶然因素的影响，使得变量的取值带有一定的随机性，因而当一个或一些变量取定值后，不能找到另一个变量的确定值与之对应。回归分析就是研究一个变量Y
13、（称为因变量或被解释变量）与若干个变量X1，X2，X3（称为自变量或解释变量）之间的统计关系。（一）回归模型的设定线性回归模型在实际中使用最多。其基本形式是yt=b0+b1c1t+b2c2t+.+bkckt+et （1）其中，b0,b1,b2,.bk是K+1个未知参数，称为回归系数；gt称为被解释变量（因变量），c1t,c2t,.ckt是K个可以精确测量或控制的一般变量，称为自变量或解释变量；et是随机误差项。把常数项b0看作是样本观测值始终取1的虚变量的系数，则上述多元线性回归模型可表示为矩阵的形式：Y=Xb+e （2）回归分析的目的就是利用样本数据估计式（2）中的回归系数b。为了估计这些系
14、数，还需要对式（2）进行一些基本假定：第一，解释变量是确定性变量而不是随机变量，而且解释变量之间不存在高度相关。第二，随机误差项具有0均值、同方差，且是不相关的。第三，随机误差项服从正态分布。（二）回归方程的估计及检验回归方程的估计。回归分析的主要任务就是估计式（2）中的回归系数。如果模型满足上述的假设，我们可以用最小二乘法对模型的参数进行估计。一般来说。这个预测值与实际值不会完全吻合。这两者之间的差称为残差。残差对我们判断回归模型是否有效起着很重要的作用。回归方程的显著性检验。在对实际经济问题的分析中，我们事先并不能断定被解释变量与解释变量之间确有线性关系。当我们用最小二乘法估计出了回归方程后，还需要对回归方程对样本数据的拟合程度进行评价，即对回归方程进行显著性检验。在统计上常用的方法有拟合优度检验和F检验。回归系数的显著性检验。在多元线性回归中，回归方程显著（即拟合得较好）并不意味着每个解释变量的影响都显著，因此就应从回归方程中剔除那些次要的、影响不显著的变量，重新建立回归方程。这时，就需要对回归系数进行显著性检验。（三）回归模型的有效性在利用最小二乘法对回
