描述性分析
描述性统计分析
一、什么是描述统计分析（Descriptive Analysis）概念：使用几个关键数据来描述整体的情况描述性数据分析属于比较初级的数据分析，常见的分析方法包括对比分析法、平均分析法、交叉分析法等。
描述性统计分析要对调查总体所有变量的有关数据做统计性描述，主要包括数据的频数分析、数据的集中趋势分析、数据离散程度分析、数据的分布、以及一些基本的统计图形。
Excel里的分析工具库里的数据分析可以实现描述性统计分析的功能。
描述性统计分析即是对数据源最初的认知，包括数据的集中趋势、分散程度以及频数分布等，了解了这些后才能去做进一步的分析。
二、常用指标均值、中位数、众数体现了数据的集中趋势。
极差、方差、标准差体现了数据的离散程度。
偏度、峰度体现了数据的分布形状。
1、均值。
均值容易受极值的影响，当数据集中出现极值时，所得到的的均值结果将会出现较大的偏差。
2、中位数：数据按照从小到大的顺序排列时，最中间的数据即为中位数。
当数据个数为奇数时，中位数即最中间的数，如果有N个数，则中间数的位置为(N+1)/2；当数据个数为偶数时，中位数为中间两个数的平均值，中间位置的算法是(N+1)/2。
中位数不受极值影响，因此对极值缺乏敏感性。
3、众数：数据中出现次数最多的数字，即频数最大的数值。
众数可能不止一个，众数不能能用于数值型数据，还可用于非数值型数据，不受极值影响。
4、极差：=最大值-最小值，是描述数据分散程度的量，极差描述了数据的范围，但无法描述其分布状态。
且对异常值敏感，异常值的出现使得数据集的极差有很强的误导性。
5、四分位数：数据从小到大排列并分成四等份，处于三个分割点位置的数值，即为四分位数，四分位数分为上四分位数（数据从小到大排列排在第75%的数字，即最大的四分位数）、下四分位数（数据从小到大排列排在第25%位置的数字，即最小的四分位数）、中间的四分位数即为中位数。
四分位数可以很容易地识别异常值。
箱线图就是根据四分位数做的图。
描述性统计分析报告
描述性统计分析报告引言：统计数据是现代社会中不可或缺的一部分，它为我们提供了了解各种现象和现实情况的重要工具。
在本篇文章中，我们将进行一项关于某地区居民收入的描述性统计分析，通过对数据的分析和解释，将展示出居民收入的整体状况以及在不同人口群体之间的差异。
数据来源和样本：本次统计分析所用的数据来自于某地区政府统计部门的年度统计报告，并且涵盖了该地区所有居民的收入情况。
样本总数为1000，通过随机抽样方式选取了不同年龄、教育水平、职业和家庭收入水平的居民。
总体数据分析：1. 平均收入：通过对数据进行计算，我们得出该地区居民的平均收入为12000元。
2. 中位数：进行中位数的计算后，我们发现该地区居民的中位数收入为10000元。
3. 众数：进行众数的计算后，我们发现该地区居民的众数收入为8000元。
居民收入差异分析：1. 年龄差异：我们将居民按照年龄分组，并计算每个年龄组的平均收入。
结果显示，年龄在25岁到34岁之间的居民平均收入最高，为15000元，而年龄在55岁以上的居民平均收入最低，为8000元。
2. 教育水平差异：根据居民的教育水平进行分组，并计算每个组的平均收入。
结果显示，高中及以下文凭的居民平均收入最低，为8000元，而拥有本科及以上学历的居民平均收入最高，为15000元。
3. 职业差异：我们将居民按照职业进行分组，并计算每个职业的平均收入。
结果显示，专业人士和经理人员的平均收入最高，为20000元，而服务和销售行业的居民平均收入最低，为8000元。
4. 家庭收入差异：我们将居民按照家庭收入水平进行分组，并计算每个组的平均收入。
结果显示，家庭收入水平较高的居民平均收入较高，为16000元，而家庭收入水平较低的居民平均收入较低，为10000元。
结论：通过对该地区居民收入数据的描述性统计分析，我们可以得出以下结论：该地区居民的平均收入为12000元，中位数为10000元，众数为8000元。
同时，在不同人口群体之间存在明显的收入差异，包括年龄、教育水平、职业和家庭收入水平等方面。
描述性统计分析方法
18
第三节 统计指标计算
一、指标类型 集中趋势指标
反映分布的平均水平。如平均数、众数、 中位数等。 离中趋势指标
反映分布的离散程度。如标准差、极值、 等。
19
百分位数指标 四分位数、各个百分位数等。
10
步骤4：作出性别与考试成绩的交叉表
分析——描述统计——交叉表
11
三、多选题的统计整理问题
多选题又称多重应答，是在社会调查中常 见的一种数据记录类型。它本质上属于分类 数据，但由于其数据格式较为特殊，所以 SPSS中专门的模块来分析。
12
（一）多选题的记录格式
例1：确诊高血压后，您按医生的建议采取了 哪些非药物方法控制高血压？
A.调理饮食 B.做适宜运动 C.保持情绪稳定 D.其它措施
13
例2：请在下面列出的20个品牌中选择您认为 最信得过几个（最多列五个），并将代码按 照顺序排列。 候选品牌列表：1.长虹 2.海尔 3……….
14
1.多重二分法记录格式
一个多选题要根据它的选项设定对应的变 量。如例1有四个选项，对应这个多选题就 应该有4个变量。
分布指标 偏度系数、峰度系数。
其它 M统计量、极端值等。
20
二、数据类型及SPSS一般实现操作
基于未分组的原始数据资料 基于某种标志的分组数据资料
21
三、EXPLORE模块
Explore过程（探索性分析）主要用于对 资料的性质、分布特点等完全不清楚的情况 下。在常用描述性统计指标的基础上，又增 加了有关数据详细分布特征的文字及图形 等。
应答人数百分比（percent of cases） 即，选择该项的人占总人数的比重。应答
第四章描述性分析检验法详解
结实的 firm（中度），例如橄榄。
硬的 hard（高度），例如硬糖块。
第二十三页，共116页。
碎裂性 ：与粘聚性和粉碎产品所需力量有关的机械质地 特性。 可通过在门齿间（前门牙）或手指间的快速挤压 来评价。
与不同程度碎裂性相关的主要形容词有： 易碎的 crumbly（低度），例如玉米脆皮松饼蛋糕。 易裂的 crunchy（中度），例如苹果生胡萝卜 脆的 brittle（高度），例如松脆花生薄片糖、带白
（4）口感、质地 机械参数：硬、粘、韧、脆 几何参数：粒、片、条 脂肪/水分参数：油的、腻的、多汁、潮的、 湿的
第八页，共116页。
（5）皮肤感觉特征
A 机械参数，产品对应力的反应（稠度、易于扩散、滑溜、密度）
B 几何参数，例如，使用后产品中或皮肤上粒子的大小、形状 和定向（沙粒质的、泡沫状、片状的）
与不同程度弹性相关的主要形容词有： 可塑的 plastic （无弹性），例如人造奶油。 韧性的 malleable（中度），例如（有韧性的）棉花糖。
弹性的 elastic; spring; rubbery（高度），例如鱿鱼。
第二十八页，共116页。
粘附性 ：与移动附着在嘴里或粘附于物质上的材料
第三页，共116页。
描述分析试验可用于一个或多个样品，以便同时定 性和定量地表示一个或多个感官指标。
例如外观、嗅闻的气味特征、口中的风味特征（味觉、 嗅觉及口腔的冷、热、收敛等知觉和余味）、组织特性 和几何特性等。
第四页，共116页。
组织特性及质地特性，包括机械特性—硬度、凝聚度、
粘度、附着度和弹性五个基本特性及碎裂度、固体食物 咀嚼度、半固体食物胶密度三个从属特性 。
样本人口统计学描述性分析
样本人口统计学描述性分析描述性研究（descriptive study）又称描述流行病学（descriptive epidemiology），它是利用已有的资料或通过专门调查所得到的资料，按照不同人群、地区、时间特征进行分组，计算和比较疾病的频率指标，把疾病或健康状态的分布情况真实地描述出来，为进一步的流行病学研究提供基础资料。
从流行病学研究程序上讲，描述性研究是流行病学研究的起点，通过描述性研究可以发现人群或社区中存在的主要的健康、疾病问题及其危险因素，了解人群或社区中的疾病、行为危险因素及其他公共卫生问题的分布规律，提出初步的病因线索，并在此基础上进一步开展分析性研究和实验研究来验证病因假说，或者根据描述性研究中发现的人群或社区中的公共卫生问题开展干预研究。
描述性研究需要了解疾病的人群、地区和时间分布特征及流行强度，是最基础的流行病学研究方法，因此，本章将首先讨论疾病的分布（distribution of disease）及流行强度，然后介绍描述流行病学的研究方法，包括病例报告（case reports）、病例系列（case series）、生态学研究（ecological study）及现况研究（cross-sectional study）。
第一节疾病分布对疾病频率在不同人群、时间和地区发生情况的描述称为疾病分布。
收集和分析这三种特征分布的数据十分重要。
首先，研究者可以熟悉疾病分布数据和公共卫生问题的严重程度。
其次，可以提供人群中公共卫生问题的详尽描述，并将这些结果应用于交流与反馈。
第三，这种分析可以确定患某种疾病的高危人群。
疾病分布的信息为探索病因提供重要线索，这些线索可形成待检验的病因假设。
一、人群分布在描述疾病的人群分布时，根据人群不同的自然属性（如性别、年龄、民族）、后天属性（免疫或婚姻状况）、工作和行为特征（职业、休闲活动、药物/烟草/毒品使用）以及生活状况（社会经济状况、医疗保健水平）整理和分析数据。
描述性统计分析
描述性统计分析描述性统计分析是一种通过对数据进行收集、整理、汇总、展示和解释，来揭示数据特征、分布和趋势的方法。
它是统计学中最基础的分析方法之一，广泛应用于各个领域的数据研究与决策中。
本文将简要介绍描述性统计分析的基本概念、常用方法和应用场景。
一、描述性统计分析的基本概念描述性统计分析是通过对数据的常见统计指标进行计算和分析，来描述数据的集中趋势、离散程度和分布情况。
常见的统计指标包括：均值、中位数、众数、极差、标准差、方差等。
这些指标可以帮助我们更好地理解和概括数据的特征，从而进行合理的数据解读和决策。
二、描述性统计分析的常用方法1. 数据收集：首先需要确定所需数据的来源和采集方法，可以通过问卷调查、实地观察、抽样调查等方式来收集相关数据。
2. 数据整理和清洗：对收集到的数据进行整理和清洗，包括缺失值的处理、异常值的剔除，确保数据的准确和完整。
3. 数据汇总和展示：将数据进行汇总，并通过图表等形式进行可视化展示，以便更直观地观察数据的特征和趋势。
4. 统计指标计算：通过计算均值、中位数、众数、标准差等统计指标，揭示数据的集中趋势和离散程度。
5. 数据解释和分析：根据计算得到的统计指标，对数据的特征和分布进行解释和分析，从中提取有价值的信息。
三、描述性统计分析的应用场景1. 社会科学研究：在社会学、心理学、教育学等领域的研究中，描述性统计分析可以用来描绘人群的特征和行为规律，为研究提供数据支持。
2. 经济与金融分析：在经济学和金融学研究中，通过对经济指标和市场数据进行描述性统计分析，可以了解经济形势和市场趋势，从而指导决策。
3. 市场调研与营销：在市场调研和营销策划中，通过对受众、消费者数据进行描述性统计分析，可以更好地了解目标市场和消费群体的需求和偏好。
4. 医学与健康研究：在医学和健康研究中，通过对患者数据和健康指标进行描述性统计分析，可以了解疾病的发病率、死亡率等情况，为医疗决策提供依据。
统计学描述性统计分析报告
统计学描述性统计分析报告引言描述性统计分析是统计学中最基础的分析方法之一，它旨在通过统计量来描述和总结数据的特征和分布情况。
描述性统计分析广泛应用于各个领域，帮助人们理解观察数据并得出合理的结论。
本报告将对某项调查数据进行描述性统计分析，以揭示数据的关键特征和变量之间的关系。
数据来源我们的研究数据来自一项关于消费者消费行为的调查。
该调查采集了1000份有效问卷，涵盖了消费者基本信息以及其购买偏好、消费习惯等方面的数据。
下文将对调查数据进行详细的描述性统计分析。
描述性统计分析结果基本信息统计分析我们首先对参与调查的消费者的基本信息进行统计分析。
调查数据显示，参与者的年龄分布范围在18岁至60岁之间，平均年龄为38岁；性别比例大致相等，男性占52%；另外，我们还统计了参与者的教育水平，其中高中及以下学历者占35%，大专及本科学历者占40%，研究生及以上学历者占25%。
这些统计结果可用表格展示如下：统计指标年龄性别教育水平平均值38岁- -最小值18岁- -最大值60岁- -比例- 52%男35%高中及以下，40%大专及本科，25%研究生及以上购买偏好统计分析在购买偏好方面，我们统计了参与者对不同产品类别的喜好程度。
调查结果显示，在电子产品方面，参与者对手机的兴趣最高，占比达45%，其次为电视（30%），电脑（20%）和音响（5%）。
在服装类别中，参与者对休闲服装的关注度最高，占比为40%，紧随其后的是正装（30%），运动装（20%）和内衣（10%）。
这些统计结果可用表格展示如下：产品类别感兴趣程度电子产品-手机45%电视30%电脑20%音响5%服装-休闲服装40%正装30%运动装20%内衣10%消费习惯统计分析除了购买偏好，我们还对参与者的消费习惯和行为进行了统计分析。
我们关注的指标包括每月购买产品的次数、每次购物的预算以及喜欢采购的渠道。
调查数据显示，参与者每月平均购买产品的次数为8次，每次购物的平均预算为￥500，最喜欢的采购渠道为线上购物（60%），其次是实体店（40%）。
描述性分析检验
2.强度—定量方面
强度表达了每个感官特性的程度大小,它 是通过按一定的尺度对样品评分来表述的。
描述分析中最常用的3种评分标度:
类项标度; 线型标度; 量值估计标度.
定量分析的有效性和可靠性取决于：
⑴选用的尺度范围应足够宽,能包括参数强 度的所有范围,同时应有足够的离散点,以便描 述样品间强度的微小差异；
⑵全面培训品评人员，熟悉掌握标尺的使 用；
⑶参照标尺的使用应一致，以保持试验结 果的一致性。
3.呈现次序—时间方面
除了考虑样品的属性(定性)和属性的强度 (定量)外，品评员通常还需要感知样品间某 些感官属性表现出来的顺序。
物理特性出现的次序通常和样品被处理的 方式有关；
然而，由于化学感觉（气味和风味），样 品的化学组成和某些物理属性（温度、体积、 浓度）可能会改变某些感官属性检测出来的 顺序。
二、定量描述性检验法
评价员对构成样品质量特征的各个指标的强度， 进行完整、准确的评价。
可在简单描述性检验中所确定的词汇中选择适当 的词汇，可单独或结合地用于鉴评气味、风味、 外观和质地。此方法对质量控制、质量分析、确 定产品之间差异的性质、新产品研制、产品品质 的改良等最为有效，并且可以提供与仪器检验数 据对比的感官参考数据。
(1)由评价员用任意的词汇，对样品的特性进行描述。 (2)提供指标评价表，评价员按评价表中所列出描述各种质量 特征的词汇进行评价。比如： 外观：色泽深、浅、有杂色、有光泽、苍白、饱满； 口感：黏稠、粗糙、细腻、油腻、润滑、酥、脆； 组织结构：致密、松散、厚重、不规则、蜂窝状、层状、疏 松等。 评价员完成评价后进行统计，根据每一描述性词汇使用的频 数，得出评价结果。
SPSS统计分析—描述性统计分析
Skewness
中位数 Median
方差
Variance
峰度
Kurtosis
众数
Mode
极小值
Minimum
和
Sum
极大值
Maximum
全距
Range
均值的标准 误差
S.E.mean
• 【Descriptive Statistics】子菜单
• ① Frequencies：产生变量值的频数分布表，并可计算常见 描述性统计量和绘制相对应的统计图。
• 执行【Analyze】/【Descriptive Statistics】/ 【Crosstabs】命令，弹出如图所示对话框
• 结果解读
1、列联表 2、卡方检验结果
3、条图
相对比描述——Ratio
• 在实际问题中，研究者有时除了希望了解变量自身的统计特 征，还希望得到两个变量相对比之间的统计描述。
适用范围：更适用于对分类变量以及不服从正态分布的连 续性变量进行描述。
• 学生身高频数表：已知有某地120名12岁男童身高数据，编 制其传统的简易频数表。
执行【Analyze】/【Descriptive Statistics】/ 【Frequencies】命令，弹出如下所示对话框
• 结果解读 1、频数表
每个格子中的理论频数T是在假定两组的发癌率相等（均等于两组 合计的发癌率）的情况下计算出来的，如第一行第一列的理论频数 为71*91/113=57.18，故卡方值越大，说明实际频数与理论频数的 差别越明显，两组发癌率不同的可能性越大。
2、卡方检验方法的适用条件
• 吸烟习惯与患病率的关系
调查339名50岁以上吸烟习惯与患慢性气管炎病的关系，如 上表所示。试问吸烟者与不吸烟者慢性气管炎患病率是否有 所不同。 ◆ 数据的预处理：WEIGHT CASE
5. 感官评定方法-描述性分析
描述性分析定义应用描述性分析发展史 基本原理评价员表现描述性分析方法定义描述性检验是食品感官领域中测定食品质量特征的主要方法，也是最复杂、应用最广泛的方法。
要求经过训练的评价员对食品的各个感官属性进行定性描述和定量检测。
1）检测（区分）；2）产品的感官属性描述（定性）；3）以上感官属性的强度值（定量）；由5-20名经培训的评价员完成感官评定和描述性分析感官评定喜好度检验分析型检验差别检验描述性检验风味剖面喜好度检验质构剖面自由选择剖面蛛网图分析定量描述性分析（QDA）描述性分析应用描述性分析方法主要是用来获得食品、饮料等的外观、气味、风味和质构的细节特征描述、个人护理用品的质感、织布的手感等等，即各类产品的感官特征。
定义目标产品的感官特性和为新产品开发提供理想产品特性的依据追踪产品的感官特性在货架期内的变化将产品的感官属性与仪器分析的理化特性结合分析•颜色•质构•风味在进行消费者测试之前，结合产品的感官属性，来设计问卷及更有效地理解消费者测试数据；描述性分析发展史第一个正式地、系统地描述性分析过程被称为：风味剖面分析1949年，由Cairncross和Sjostrom建立的在风味剖面分析之前，一些不系统地、不正式地描述性分析方法包括：•早期的化学家常使用他们的嗅觉去定义一些化学物质的感官特性•专业闻香师等长期建立和使用描述词。
红酒、茶、咖啡等其他传统行业的专家长期使用描述性语言去定义他们的产品而普通消费者，每天都在使用不正式的描述性分析描述性分析中的里程碑：●定量描述性分析（QDA）1974年H. Stone, J.Sidel等人建立1970s US和UK的酿酒●啤酒风味轮的建立1970s US和UK的酿酒科学家专家决定红酒品质好坏到描述性分析1960s-1970s，加州大学戴维斯分校，M.Amerine戴维斯分校&加州红酒行业A.Noble描述性分析基本原理描述性分析方法的基本原理或组成：•描述性语言 = 定性方面•强度标尺 = 定量方面大部分描述性分析方法的基本步骤：•筛选评价员及基础培训•建立属性术语•建立属性的定义及参照样•形成评分表（属性的顺序、评价过程和标度）•培训评价员（小组培训、个人培训）•考核评价员•产品描述性分析（产品的实际评价）建立属性术语描述性术语：产品中可识别的感官属性，也被称为：感官特征、描述性词汇、描述词、属性、描述性专业术语等描述性术语初建来源：•词汇库•文献•评价员自己形成术语建立：•实验人员向评价员提供一系列有代表性的产品（从待评价的产品中挑选）•评价员对这些产品进行描述(主要集中在能区分样品的属性上）术语建立方法：•筛选频率较高的属性（外观、气味、风味、基本味及质构），保留频次 > 30% •合并有充分定义的属性；更换或删除较难理解的属性•确定初步描述词描述性术语确定的规则：•客观的•独有的（无重复）•易理解的•可被译成其他语言•其参照样易准备风味或香气轮的建立：•威士忌行业（UK）•酿造行业（UK和US）•红酒行业（US）强度评分标尺：•有些方法让评价员按照自己的方式使用标尺，只要能区分产品及与其他评价员保持一致即可）；•其他方法校准评价员使用标尺的方式完全一样，即需大量培训，对于指定样品给出相同的分值概念一致化：评价员对于属性术语的理解是一致的：•认真定义术语及其评价方式•针对大部分属性，准备参照样/标样定义及评价方式：•弹性：样品第一次压缩后能够再恢复的程度；对于粽子，可用手指压缩一次能够回复的程度；•粘性：米粒对嘴唇的黏附程度；•咀嚼性：样品在吞咽前所需咀嚼的次数；•残留固形物含量：吞咽后口腔残留的松散的颗粒物含量。
描述性统计分析法主要功能
描述性统计分析法主要功能
描述性统计分析法主要功能，是指运用制表和分类，图形以及计算概
括性数据来描述数据特征的各项活动。
描述性统计分析法主要功能分析要
对调查总体所有变量的有关数据进行统计性描述，主要包括数据的频数分析、、离散程度分析、分布以及一些基本的统计图形。
①数据的频数分析。
在数据的预处理部分，利用频数分析和交叉频数分析可以检验异常值。
②
数据的集中趋势分析。
用来反映数据的一般水平，常用的指标有平均值、
中位数和众数等。
③数据的离散程度分析。
主要是用来反映数据之间的差
异程度，常用的指标有方差和标准差。
④数据的分布。
在统计分析中，通
常要假设样本所属总体的分布属于正态分布，因此需要用偏度和峰度两个
指标来检查样本数据是否符合正态分布。
⑤绘制统计图。
用图形的形式来
表达数据，比用文字表达更清晰、更简明。
在SPSS软件里，可以很容易
地绘制各个变量的统计图形，包括条形图、饼图和折线图等。
[1]。
实验二：描述性分析实验报告
数据分析及优化设计实验指导书（实验报告）实验名称描述性分析实验实验目的1、熟练掌握利用MATLAB软件计算均值、方差、协方差、相关系数、标准差与变异系数、偏度与峰度、中位数、分位数、三均值、四分位极差与极差。
2、熟练掌握jbtest与kstest关于一维数据的正态性检验。
3、掌握统计作图方法。
4、掌握多维数据的数字特征与相关矩阵的处理方法。
实验题答案实验一：1998年到2020年，我国汽车产量相关统计数据如表所示，解决以下问题：1）计算各项指标的平均值、标准差、变异系数、三均值、偏度与峰度；对数据进行读取，并计算各个指标的平均值、标准差、变异系数、三均值、偏度与峰度，代码如下：1.A=xlsread('第二章数据 experiment2_1.xlsx');=["生产产量(万吨)","金属切削机床产量(万台)","汽车产量(万辆)"]3.M=mean(A); %计算各指标（即各列）的均值4.SD=std(A); %计算各指标标准差5.V=SD./abs(M); %计算各指标变异系数6.SM=[0.25,0.5,0.25]*prctile(A,[25;50;75]); %计算各指标（即各列）的三均值7.pd=skewness(A,0); %计算每列数据的偏度8.fd=kurtosis(A,0)-3; %计算每列数据的峰度9.OUT=["数据名称",NAME;"平均值",M;"标准差",SD;"变异系数",V;"三均值",SM;"偏度",pd;"峰度",fd]在编辑器中输入代码，并保存为.m文件，在命令行窗口中输出各个计算结果如下图所示：2）各项指标是否服从正态分布？若服从正态分布，计算概率为1%时的生铁产量、金属切削机床产量及汽车产量；若不服从正态分布，利用Box-Cox 变换将数据进行变换，对变换后的数据进行相应的分析；对各项指标进行JB检验、KS检验和改进KS检验（即Lilliefors检验），并结合QQ图进行分析判断各项对应指标是否服从正态分布，Matlab中代码如下：1.%%-------------------------------绘图-------------------------------%%2.a1=A(:,[1]); %生铁产量（万吨）3.a2=A(:,[2]); %金属切削机床产量（万台）4.a3=A(:,[3]); %汽车产量（万辆）5.subplot(1,3,1),qqplot(a1),title('生铁产量');6.subplot(1,3,2),qqplot(a2),title('金属切削机床产量');7.subplot(1,3,3),qqplot(a3),title('汽车产量');8.h1=jbtest(X); %JB检验9.h2=kstest(X); %KS检验10.h3=lillietest(X); %改进KS检验11.H=[h1;h2;h3];各列指标检验结果如下：可以看出，生铁产量、金属切削机床产量、汽车产量三项指标都满足h1=0，h2=1，h3=0，表示JB检验和Lilliefors检验支持生铁产量、金属切削机床产量、汽车产量三项指标都服从正态分布，KS检验不支持生铁产量、金属切削机床产量、汽车产量三项指标服从正态分布。
描述性统计分析
描述性统计分析统计学是研究现象的数量关系及其变异程度，以便加以利用，这种方法广泛应用于社会学、心理学、医学、环境科学等诸多领域。
其中，描述性统计分析是一个重要的分析工具，它是指对数据进行整理、概括和分析以便更好地理解数据的分布、形态和特征的方法。
下面，我们将对描述性统计分析做一介绍。
一、描述性统计分析的概念描述性统计分析是指通过图表和数字，对数据进行总结、描述、概括和分析的方法。
在描述性统计分析中，我们对数据进行可视化处理，将数据用图表的形式呈现，可以更直观地理解数据的分布、形态和特征。
同时，在描述性统计分析中，我们还可以计算出各种统计指标，如平均数、中位数、众数、方差、标准差等，以便更深入地分析数据的特征和分布情况。
二、描述性统计分析的过程在进行描述性统计分析时，一般分为以下几个步骤：1、整理数据首先，我们需要整理数据，将数据分类、排序、分组等，以便更好地进行统计和分析。
2、计算频数和频率计算频数和频率可以帮助我们了解数据的分布情况，对数据进行表格或图表化处理也可以更加直观地看出数据的分布情况。
3、计算中心趋势计算中心趋势是指通过数据的平均数、中位数、众数等指标来衡量数据中心的集中程度，这可以帮助我们了解数据的集中趋势和整体情况。
4、计算离散程度计算离散程度是指通过数据的范围、方差、标准差等指标来测量数据的分散程度，这可以帮助我们了解数据的分散程度和变异情况。
5、绘制图表数据可视化处理是描述性统计分析的重要组成部分，通过绘制直方图、折线图、散点图等图表，可以更加直观地了解数据的分布情况。
三、描述性统计分析的应用描述性统计分析在各行各业中都有着广泛的应用。
在企业中，描述性统计分析可以帮助企业了解市场的需求和客户的反馈，从而更好地制定营销策略和产品决策。
在金融领域，描述性统计分析可以帮助银行和保险公司进行风险评估，更好地控制风险。
在医学领域，描述性统计分析可以帮助医生了解疾病的发病情况和流行病学特征，从而更好地制定治疗方案和预防措施。
第4章 数据预处理和描述性分析(含SPSS)
（2）配对删除法，是只在需要用缺失或遗漏值
进行分析时，才被删除，其他信息仍然被使用的方
法。
配对删除法相对于表列删除法，观测样本数量不
会因删除而减少过多，同时信息利用较为充分。但
同时也带来以下方面的问题：一是不一致性；二是
1、探究分析的作用 （1）考察数据的奇异性。过大或过小的数据均有 可能是异常值、影响点或是错误输入的数据。对于 这样的数据第一要找出，第二要分析原因，第三要 决定是否对这些数据进行处理。 （2）检查数据分布特征。许多分析方法对数据的 分布有一定要求，例如要求样本来自正态分布总体， 从实验或实际测量得到的数据是否符合正态分布的 规律，决定了它们是否可以选用只对正态分布数据 适用的分析方法。 （3）考查方差齐性。另外对若干组数据均值差异 性的分析需要根据其方差是否相等，选择进行检验 的计算公式。
（4）方差齐性检验 在进行均值多组间比较时，要求各组的方差相同，
所以要进行方差齐性检验，例如常用的方差分析就
要求分组样本的数据来自方差相同的正态总体。另
外，在进行独立样本T检验之前也要事先进行方差
齐性检验。具体内容请见第六章。
3、探索分析过程在SPSS中的实现 （1）建立或打开了数据文件后，按从“Analyze” → “Descriptive Statistics”→“Explore”，进入 Explore对话框。见图4-1所示。
②M-estimators复选项，要求输入集中趋势最大 似然比的稳健估计。
③Outliers复选项，要求输出5个最大值与最小值， 在输出窗口中它们被标明为极端值。
描述性统计分析范文
描述性统计分析范文描述性统计分析指的是对数据进行统计和分析的过程，目的是从数据中获取有关变量的相关信息，例如中心趋势、离散程度和分布形状等。
它可以帮助我们了解数据的基本特征，为后续分析和决策提供依据。
描述性统计分析主要包括测量数据集的中心趋势、测量数据集的离散程度、测量数据集的分布形状等内容。
首先，测量数据集的中心趋势是描述数据集集中程度的一种方式。
常见的测量数据集中心趋势的统计量包括平均数、中位数和众数等。
平均数是将所有数据求和后再除以数据的个数得到的结果，它可以准确地反映数据的集中情况。
中位数是将数据按照大小排列后位于中间的数值，它能够有效地抵抗极端值的影响。
众数是数据中出现次数最多的数值，它可以描述数据的分布特征。
其次，测量数据集的离散程度是描述数据分散程度的一种方式。
常见的测量数据集离散程度的统计量包括方差、标准差和范围等。
方差是各数据与平均数的差的平方和的平均值，它可以反映数据的离散程度。
标准差是方差的平方根，它具有和数据单位相同的度量单位，可以直观地评估数据的离散程度。
范围是数据最大值和最小值的差，它描述了数据的取值范围。
此外，还可以通过测量数据集的分布形状来描述数据的分布特征。
常见的测量数据集分布形状的统计量包括偏度和峰度等。
偏度用于描述数据分布的对称性，其值大于零表示数据分布偏右，小于零表示数据分布偏左，等于零表示数据分布对称。
峰度用于描述数据分布的尖锐程度，其值大于零表示数据分布尖锐，小于零表示数据分布平坦，等于零表示数据分布正常。
在进行描述性统计分析时，一般会使用图表和统计指标相结合的方式来呈现数据的基本特征。
常见的图表包括柱状图、折线图、饼图、箱线图和散点图等，它们可以直观地展示数据的分布情况和变化趋势。
统计指标则提供了对数据进行定量分析的基础，可以从多个角度对数据进行全面的描述。
总而言之，描述性统计分析是对数据进行统计和分析的过程，通过测量数据集的中心趋势、离散程度和分布形状等统计指标，可以全面地描述和分析数据的基本特征。
descriptive analytics例子
descriptive analytics例子在数据分析中，描述性分析（Descriptive Analytics）是一种利用已有数据来描述和总结数据特征的方法。
通过进行描述性分析，我们可以从数据中获取关键信息，了解数据的分布、趋势和统计量等方面的特征，从而为后续的决策和预测提供依据。
下面是一个描述性分析的实际例子。
假设我们是一家电商公司，我们想要了解我们的最佳销售产品是哪些，并对其进行详细的描述。
我们可以通过描述性分析来回答这个问题。
首先，我们从我们的销售数据中提取出所需的信息，包括产品名称、销售数量和销售额。
然后，我们可以计算每个产品的销售总数量和总销售额，并按降序排列。
通过这个描述性分析，我们可以得出以下结论：1. 最佳销售产品：根据销售数量和销售额，我们可以确定最佳销售产品是产品A。
2. 销售数量：产品A的销售数量最高，达到1000个。
其次是产品B，销售数量为800个，产品C和产品D的销售数量分别为600个和500个。
3. 销售额：产品A的销售额最高，达到100,000美元。
其次是产品B，销售额为80,000美元，产品C和产品D的销售额分别为60,000美元和50,000美元。
4. 市场份额：根据销售数量和销售额，我们可以计算每个产品的市场份额。
根据市场份额，产品A占据最大份额，为30％，其次是产品B占据25％，产品C和产品D分别占据20％和15％。
通过这个例子，我们可以看到如何利用描述性分析来对销售数据进行分析和总结。
描述性分析为我们提供了有关产品销售情况的详细信息，帮助我们了解我们的最佳销售产品和市场份额分布。
基于这些信息，我们可以采取相应的措施来提高产品的销售和市场份额。
这展示了描述性分析在业务决策中的重要性。
描述性分析法的概念
描述性分析法的概念
描述性分析法的概念如下：
描述性分析是社会调查统计分析的第一个步骤，对调查所得的大量数据资料进行初步的整理和归纳，以找出这些资料的内在规律，集中趋势和分散趋势。
主要借助各种数据所表示的统计量，如均数、百分比等，进行单因素分析。
大多数的市场营销调研都属于描述分析法。
例如，市场潜力和市场占有率，产品的消费群结构，竞争企业的状况的描述。
在描述分析法中，可以发现其中的关联因素，但是，此时我们并不能说明两个变量哪个是因、哪个是果。
与探索性调研相比，描述分析法的目的更加明确，研究的问题更加具体。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（1）根据以上的数据进行适当的分组，编制频数 分布表，并绘制频数分布的直方图； （2）计算适当的统计指标对该百货公司这40天的 销售情况进行描述说明。
2016/8/5
三峡大学
经济与管理学院
多重反应下的频次分析
基本功能：对每一项目对应多个反应（如多项 选择）的数据进行频次分析。 菜单位置：【分析】—【多重响应】—【定义变 量集】—【频率】 例：你主要的新闻渠道包括哪些？（可多选） 1报纸 2 电视 3杂志 4 广播 5互联网 6 朋友/家人 步骤：第一步：录入，把每个选项视为一个变量，变 量的数目与选项的数目相等。最好把每个多选项统 一编码，以便于分析数据。
如：1班分数的均值和标准差分别为78.53和 9.43，而2班的均值和标准差分别为70.19和7.00。 试问1班的90分是不是比2班的82分成绩更好？ (Z1=1.22, Z2=1.69)
2016/8/5
x x z s
三峡大学
经济与管理学院
例：30名学生的考试成绩：SPSS练习21 1．打开【分析】—【描述统计】—【描述】
2016/8/5
卡方检验结果存在显著差异， 有必要对每对假设分别进行 检验。Φ和v值是衡量两个 变量关系强度的常用指标。 一般适用于2*2、2*3、3*2 交互列表，值在（-1，1） 之间，越小关系强度越低， 其中0.1表示低，0.30表示 一般，0.5表示高。
三峡大学
经济与管理学院
例：某公司调研关于不同地区对地板的喜好数据：
2016/8/5
三峡大学
经济与管理学院
打开【分析】—【描述统计】—【探索】 例：男女各15名学生的考试成绩，试分析成绩与性 别是否有关系。 见SPSS练习21
2016/8/5
描述 SEX 三 峡 大 学 统计量 成绩 男 均值 71.80 经济与管理学院 均值的 95% 置信区间 下65.04 限 上78.56 限 5% 修整均值 72.11 中值 71.00 方差 148.88 6 标准差 12.202 极小值 51 极大值 87 范围 36 四分位距 20 偏度 -.196 峰度 -1.244 女 均值 78.00 均值的 95% 置信区间 下72.99 限 上83.01 限 5% 修整均值 78.00 中值 77.00 方差 81.857 标准差 9.047 极小值 64 极大值 92 范围 28 四分位距 17 2016/8/5 偏度 .310 峰度 -1.082 标准误 3.151
三峡大学
经济与管理学院
你认为下列哪一种读物更适合在 周末阅读？
性别 男 计数 性别 中的 % 女 计数 性别 中的 % 计数 性别 中的 %
日报的周末版 379
杂志 313
周报 208
合计 900
42.1%
78 39.8% 457 41.7%
34.8%
86 43.9% 399 36.4%
23.1%
2016/8/5
三峡大学
经济与管理学院
若要做等距分组进行频数描述如何操作？ 如分成：60以下 60—70 70—80 80—90 90以上
2016/8/5
三峡大学
经济与管理学院
练习：
某百货公司连续40天的商品销售额如下 （单位：万元）
41 46 35 42 25 36 28 36 29 45 46 37 47 37 34 37 38 37 30 49 34 36 37 39 30 45 44 42 38 43 26 32 43 33 38 36 40 44 44 35
2 2 1
.027 .026 .463
似然比
线性和线性组合 有效案例中的 N
φ 按标量 Cramer 标定 的V
有效案例中的 N
近似 值 值 Sig. .081 .027 .081 1096 .027
a. 0 单元格(.0%) 的期望计数少于 5。最小 期望计数为 42.92。
卡方检验结果：零假设为比例 相同，显著性水平（sig)小于 0.05，意味着零假设不成立， 因此不同性别的网民对周末读 物的选择性有显著差异。
描述统计量
标准 N 全距 极小值 极大值 和 均值 方差 偏度 峰度 差 统计 统计 标准 统计 统计 统计 统计 量 统计量 统计量 统计量 统计量 量 误 量 量 量 标准误 量 标准误 成绩 30 41 51 92 2.E3 74.90 2.01 11.01 121.3 .427 -.599 .833 1 5 34 .283 有效的 N 30 （列表状 2016/8/5 态）
卡方检验
Pearson 卡方 似然比 有效案例中的 415 N a. 0 单元格(.0%) 的期望计数少于 5。最小期望计 数为 21.14。 值 6.489a 6.527 df 渐进 Sig. (双侧) 2 .039 2 .038
对称度量 按标量标 φ 定 Cramer 的 V 有效案例中的 N 近似值 Sig. 值 .125 .039 .125 415 .039
2016/8/5
三峡大学
经济与管理学院
菜单位置：【分析】—【描述统计】—【交叉】
例：在网民媒体习惯调查中，有一个问题“您认为哪一种读 物更适合在周末阅读？”有三个选项：日报的周末版、杂志、 周报。研究者想知道不同性别网民的选择是否一致？
2016/8/5
三峡大学
经济与管理学院
进行行和列变量相互独立的假 设检验，有多种检验法。
用来描述相关性 当用自变量预测因变量时，此 系数反映这种预测降低错误的比 率。(1表示自变量可以完全预测 因变量，0表示完全不能） 表示用一个变量来预测其他变 量时降低错误的比率
适用于定序变量： 用于检验相关性（“1”高度相关，“0”无相 关） 进行一个二值因素变量和一个二值响应变量的独 立性检验。 用于检验两个评估方法对同一对象的评估是否具 有一致系。 检验某事件发生和某因子之间的关系（“1”完 2016/8/50”一致性与偶然预期相同，至少大于 全一致，“ 0.7）
2016/8/5
81 38 25 144
46 33 7 86
49 39 20 108
67 26 12 105
243 13多重反应下的交互分析
对每一项目对应多个反应（如多项选择）的数据进行频 次分析。 菜单：【分析】—【多重响应】—【定义变量集】—【交叉】
2016/8/5
地板 材料 地板
其他 合计
地区
1 69 78 147 2 126 99 225 3 16 27 43
合计
211 204 415
这些数据是否提供证据说明该城市不同地区居民 对地板喜好比例不同？
2016/8/5
三峡大学
经济与管理学院
2016/8/5
三峡大学
经济与管理学院
商品 地板 其他 合计
商品* 地区 交叉制表 1 计数 地区 中的 % 计数 地区 中的 % 计数 地区 中的 % 69 46.9% 78 53.1% 147 100.0% 地区 2 126 56.0% 99 44.0% 225 100.0% 3 16 37.2% 27 62.8% 43 100.0% 合计 211 50.8% 204 49.2% 415 100.0%
2016/8/5
三峡大学
经济与管理学院
第二步:【多重响应】—【定义变量集】
2016/8/5
三峡大学
经济与管理学院
第三步：【多重响应】—【定义变量集】—【频率】
$a1 频率 响应 N 获取新闻 报纸 主要渠道a 电视 杂志 广播 互联网 朋友/家人/同事 总计 a. 组 802 794 243 171 1031 145 3186 个案百分 百分比 比 25.2% 72.3% 24.9% 7.6% 5.4% 32.4% 4.6% 100.0% 71.5% 21.9% 15.4% 92.9% 13.1% 287.0%
.580 1.121 2.336
.580 1.121
三峡大学
经济与管理学院
第四节 交互分析（crosstabs)
• 基本功能：适用于两个或两个以上变量交叉分类 形成列联表，对变量的关联性进行分析。数量变 量和类别变量都可以进行。 • 常用于检验两类假设，即变量间的独立性假设与 比例一致性假设。 • 独立性假设检验同意群样本在两个变量上的反应， 以判断在总体范围内两变量之间的关系。 • 比例一致性假设检验，首先从两个总体范围内抽 取两个样本（同一总体抽取2个样本），然后根据 两个样本反应推论两个总体是否相同。
三峡大学
经济与管理学院
系统以ZCJ为变量名将原始数据转换成标准z 分值，存放在原数据库中,亦即变量的标准化过 程。
2016/8/5
三峡大学
经济与管理学院
第三节 Explore过程（探索分析）
调用此过程可对变量进行更为深入详尽的描 述性统计分析，故称之为探索性统计。 它在一般描述性统计指标的基础上，增加有 关数据其他特征的文字与图形描述，显得更加细 致与全面，有助于用户思考对数据进行进一步分 析的方案。
结论：不同地区对地板喜欢程度有显著差异性
2016/8/5
三峡大学
经济与管理学院
练习：某市商业系统为提高商业企业的服务质量，对 本市的四个大商场进行调查，征求顾客意见，共收回 有效问卷443分，每张问卷对某一商场按照优、中、 差进行服务质量评价，试分析四个商场的服务质量评 价是否一样？ 商场 合计 A B C D 优 中 差 合计
2016/8/5
三峡大学
经济与管理学院
2016/8/5
度量变量 选择直方 图
名义和序 号变量一 般选择条 形图或饼 图
三峡大学
经济与管理学院
Bootstrap法又称为自助法，是以现 有样本为基础的模拟抽样判断法， 可用于研究某统计量的分布特征， 特别适用于那些难以用常规方法处 理的参数区间估计，假设检验等问 题。其提出是基于参数估计准确性 考察的目的，目前已发展到几乎统 计学所有领域。提供了一条确保所 建模型的稳定性和可靠性的有效途 径，它通过对原始样本进行有放回 的重置抽样，进而估计某个估计量 的抽样分布。