第十四章市场调查资料分析.doc

第十四章 市场调查资料分析
一、市场调查资料分析概述
（一)市场调查资料分析的意义
在市场调查的全过程中，市场调查资料分析是最关键的阶段。
市场调查资料分析的本质是对已整理的数据和资料进行深加工，从数据导向结论,从结论导向对策，使调研者从定量认识过渡到更高的定性认识，从感性认识上升到理性认识，从而有效地回答和解释原来定义的市场调研的问题，实现市场调研的目的和要求,满足管理决策的信息需求。
(二）市场调查资料分析的规则
1．从目的到研究
2．从局部到整体
3．从单项到多项
4．从表层到里层
5．从静态到动态
6．从结果到原因
7．从过程到规律
8．从规律到预测
9．从问题到对策
10．从单一方法到多种方法
（三)市场调查资料分析的内容
1．背景分析。
2．状态分析
3．因果分析
4．对策研究
需要指出的是，市场调查资料分析的深度和广度取决于调研的目的和要求，某些较为简单的市场调研项目只要求掌握市场的基本情况，调研者也可以只进行状态分析,因果性分析和对策研究可以不考虑。
（四)市场调查资料分析的方法
1．定性分析方法
定性分析方法是利用辨证思维、逻辑思维、创造性思维等思维方法对事物的本质的规定性进行判断和推理。
定性分析的主要方法如下。
（1)辨证思维法；
(2)逻辑思维法；
(3)创新思维法;
(4)经济理论分析法；
（5)结构分析法；
例如,根据对1000名被调查者的调查，受过大学教育程度的250人中32%拥有小汽车;低于大学教育程度的750人中，15％的拥有小汽车.因此，可得出结论:受过大学教育程度的人群中拥有小汽车的比率比低于大学教育程度人群中拥有小汽车的比率要高一倍多.
由此可见，结构分析法是从结构分析导出定性结论。
（6)比较判断法。
2．定量分析方法
定量分析法是指从事物的数量方面入手，运用一定的统计分析或数学分析方法进行数量对比研究，从而挖掘出事物的数量中所包含的事物本身的特征和规律性的分析方法,即从数据的对比研究中，得出分析研究的结论和启示。
统计分析方法可作如下分类。
（1）根据研究的目的不同，可分为描述性分析和解析性分析。
描述性分析。主要着重于调研现象的基本数量特征的描述和评价，即通过分析研究现象的规模、水平、结构、比率、速度、离散程度等数量表现来概括现象的本质特征。
解析性分析.又称推断性分析，主要着重于推断总体、解释数量关系、检验理论和挖掘数据中隐含的本质和规律性。
（2)根据涉及的变量多少不同，可分为单变量统计分析、双变量统计分析和多变量统计分析。
单变量统计分析.即通过对某一统计指标或变量的数据进行对比研究,用以揭示现象的规模、结构、水平、离散程度、比率、速度等，概括现象的本质特征和规律或者对总体的数量特征进行推断。
双变量统计分析。即通过对两个变量之间数量关系的分析研究，揭示两个变量之间的依存性、相关性、差异性，挖掘数据中隐含的本质和规律性。
多变量统计分析.即通过对三个或三个以上变量之间的数量关系的分析研究,揭示多个变量之间的依存性、相关性和差异性，挖掘数据中隐含的本质和规律性.
(3)根据涉及的数列性质不同，可分为品质数列分析、变量数列分析、时间数列分析、空间数列分析、相关数列分析、平衡数列分析。
（五)市场调查资料分析的程序（参见图1）.
划分构面
列示子项目
问题性质
数列类型
变量多少
分析需求
特征、趋势、关联、因果、结论、启示
编辑整理、
集中、综合
解释调研问题、
展示调研成果
计算、比较、建模、检验、推断、预测
定性分析法
单变量分析
双变量分析
多变量分析
数据列表
制图显示
明确调研问题
界定分析内容
提取数据
选定方法
对比研究
概括结论
综合集成
撰写报告

图1 市场调查资料分析作业程序
1．明确调研问题
明确调研问题，有利于有针对性的展开市场调查资料的分析。
2．界定分析的内容
分析内容的界定决定市场调查资料分析的深度和广度。
3．提取数据
分析时应从数据库或数据汇编中提取已加工整序的数据，并再做一次审核,提取的数据应列表陈述，或辅之图形显示数据特征。
4．选择分析方法
5．对比研究
6．概括结论
7．综合集成
综合集成是指各种子项目和分析构面的对比研究和概括结论完成之后,应将全部分析表格、分析结论集中起来，再进行综合处理。主要包括分析过程的质量评审、分析图表的编辑整理、各个子项目分析结论的评价、调研问题的总结论（总观点)的归纳、概括等。
8．撰写分析报告
二、描述性分析
(一）品质数列描述性分析
品质数列又称属性数列，数列中的变量是一种属性变量,而不是数字变量,变量的取值表现为不同的类别选项。
对品质数列进行描述性分析主要集中在数列分布分析、集中趋势分析和离散程度分析三个方面.
1．品质数列分布分析
数列分布分析又称结构性分析，主要通过品质数列的频数分布或频率分布来显示总体或样本分布的类型和特征，反映总体或样本的结构与特点.
频数分布是指品质数列中不同的类型选项与被调查者回答的频数(次数)构成的分布数列，在此基础上，计算各组频数（fi）占总频数的比率(频率)可形成频率分布.
任何频率分布都应满足以下两个条件。
(1） ≤≤ ；(2) （ )=
[例1]表1是某地被调查的1200名城乡消费者对彩电售后服务的满意状态的评价。图2是城乡消费者对彩电售后服务评价的分布图.
表1 消费者对彩电售后服务的评价
满意状态
很满意
较满意
一般
不满意
很不满意
合计
X
1
2
3
4
5
1。城镇（人)
频率（％)
2.农村（人）
频率（%)
3。城乡合计
（频率％）
78
15.3
34
4.9
112
9.3
98
19.2
48
7.0
140
12.1
206
40.4
69
10.0
275
22。9
102
20。0
318
46。1
420
35.0
26
5。1
221
32。0
247
20。6
510
100.0
690
100.0
1200
100.0

图2 城乡消费者对彩电售后服务评价的分布图
2．集中趋势分析
品质数列的集中趋势分析在于揭示被调查者回答的集中程度，通常采用最大频数或最大频率对应的类别选项来衡量。
对于顺序量表和等级量表的品质数列，亦可用=1，2,3，……来代表选项的顺序或等级，代表各类别选项的频数，通过计算平均等级来反映被调查者回答的集中程度.
平均等级
3．离散程度分析
对于顺序量表和等级量表来说，亦可在计算平均等级的同时，计算等级标准差和等级标准差系数来衡量数列的离散程度。如等级标准差为

标准差系数为
(二）变量数列描述性分析
变量数列是由数字变量的不同取值及其相应的频数构成的分布数列。
变量数列的描述性分析主要有以下3个方面.
1．变量数列分布分析
主要是通过变量数列的频率分布来显示总体或样本分布的类型和特征,描述总体或样本的结构.
变量数列按变量的取值是否连续，可分为离散型变量数列和连续型变量数列，其频率分布都是由变量的不同取值和相应的频率构成的分布.但是，若用统计图来描述频率分布，离散型变量数列宜采用直线图和直方图，连续型变量宜采用直方图、折线图、平滑图.
不同形态的变量数列说明的问题不同,形成的内在原因也不同,应根据具体情况作具体分析。
［例2］ （见表2、图3）
表2 样本户现有住房面积分布
住房面积m2
户数(户）
频率(％）
累 计
户数(户)
频率(％）
1。 40以下
2。 40～60
3. 60～80
4. 80~100
5. 100～120
6. 120~140
7. 140～160
8。 160～180
9. 180以上
10
21
73
195
280
206
98
65
52
1.0
2。1
7.3
19.5
28.0
20.6
9。8
6.5
5.2
10
31
104
299
579
785
883
948
1000
1。0
3。1
10。4
29.9
57.9
78。5
88.3
94.8
100。0
合 计
1000
100。0
-
—

图3 样本户现有住房面积分布图
2．集中趋势测定
变量数列的集中趋势是指数据分布的中心值或一般水平。变量数列是以平均数为中心而波动的,故平均数反映了数列分布的集中趋势。
集中趋势测度主要是计算变量数列的平均数、中位数和众数。
(1) 平均数。
平均数是数列中全部数据的一般水平,主要有算术平均、几何平均。
算术平均数是变量数列中所有数据的总和除以数据的个数所得的商数。当数据未分组时，算术平均数为

当数据已分组时,应根据各组的变量值或组中值()和频数()或频率（），用加权的方法求算术平均数,其计算公式为

例如,表2分组数据的算术平均数计算为
（30×10+50×21+70×73+90×195+110×280+130×206+150×98+170×65+190×52）/1000
≈117.2（）
（说明：第一组组中值取的是30，第九组组中值取的是190)
（2)众数。众数是变量数列中出现频数最多的变量值。众数在数列中出现的频率最高，有时利用众数来表示现象的集中趋势。
在单项数列中，众数(）就是出现频数最多或频率最高的那个变量值。
在组距数列中,频数最多的那个组称为众数组,其众数可采用下列公式计算

式中:表示众数组的下组限，表示众数组次数与下一组次数之差，表示众数组次数与上一组次数之差，表示众数组组距。以表2分组数据为例,其众数为

（3）中位数。中位数是变量数列中居于中间位置的变量值，又称二分位数.由于中位数位置居中,其数值不大不小，因而可用来代表数列的一般水平。中位数（）的确定方法有二种情形:
一是未分组数据，n个数值由小到大排列,n为奇数时,居中的数值即为中位数；n为偶数时，居中的两个数的平均数为中位数。
二是组距数列条件下求中位数，计算公式如下

式中：表示中位数所在组的下组限,N/2表示中位数所在位置，表示中位数所在组以下各组的累计次数，表示中位数所在组的次数,表示中位数所在组的组距。仍以表2分组数据为例,其中位数为

(4） 平均数、中位数、众数的关系。
从分布角度看，众数是一组数据分布的最高峰值，中位数是处于一组数据中间位置上的值，算术平均数则是全部数据的平均值。一般来说,三者之间的关系有下列几种情形。
对称分布: =
右偏分布： >〉
左偏分布: 〈〈
3．离散程度测定
离散程度是指变量数列中的变量值之间的差异程度、分散程度或离中程度,用以反映离散程度的指标称为标志变异指标.
常用的离散程度测度指标如下。
（1）全距。全距是数列中最大变量值与最小变量值之差，又称极差，表示全部数据的变动范围.全距（)越大，平均数的代表性越低；反之，则越强。
=最大变量值 - 最小变量值
=最高组上限 - 最低组下限
(2）平均差.平均差是变量数列中各变量值与算术平均数的离差绝对值的平均数，记作。
(未分组资料）
（分组资料）
平均差实际工作中很少采用。
（3)标准差.标准差是最常用的离散程度的测度指标。标准差是各变量值与算术平均数的离差平方的平均数(方差）的平方根.计算公式为
（未分组资料）
（分组资料)
(4）离散系数。又称标志变异系数，是衡量变量数列变量离散程度的相对指标。通常用标志变异指标与相应的算术平均数对比求得。最常用是标准差系数，记作，计算公式为

［例3］表3，是某调查机构对甲、乙两市居民家用空调拥有量的调查分组资料(样本量均为1000户).从表中的频率分布来看，两个样本均呈偏态分布,大部分家庭的空调拥有量为1~2台。为了更好地说明问题，可计算得到如下分析指标：
表3 甲、乙两市居民家庭空调拥有量分布
空调拥有量
(台，户）
甲市样本
乙市样本
户数（户)
频率（％)
户数（户）
频率（％)
0
1
2
3
4
5
57
218
435
156
80
54
5。7
21.8
43。5
15.6
8.0
5.4
-
228
486
165
76
45
-
22.8
48.6
16.5
7。6
4。5
合 计
1000
100.0
1000
100。0

甲市样本
乙市样本
户普及率(％）
1～2台频率（％)
平均数(台/户)
众数(台/户)
中位数(台/户)
全距（台/户)
标准差(台/户）
（％）
94。3
64.3
2。146
2.0
2.0
5。0
1.18
55.0
100。0
71.4
2.224
2。0
2。0
4.0
1.03
46.3
由这些分析指标可得出如下凡点绪论：
①按户计算的空调普及率，乙市比甲市高，拥有1～2台空调的家庭的频率，乙市也比甲市高；
②甲、乙两市的样本平均数分别为2。146台/户和2。224台/户，乙市略高于甲市，众数和中位数均为2台/户,两个样本的分布均为右偏分布，即2台以下的频率大于2台以上的频率;
③甲市样本的全距、标准差、标准差系数均比乙市大，说明甲市样本空调拥有量分布的离散程度比乙市样本要大;
④甲市空调市场的潜力比乙市要大(普及率、户均拥有量均比乙市低）.
（三）时间数列描述性分析
时间数列描述性分析又称动态分析，其核心是处理和分析动态数据，用以揭示现象发展变化的水平、速度、趋势和规律.主要分析内容和方法如下.
1．水平分析
时间数列的水平分析通常可以计算动态平均数和平均增长量进行分析。
（1）动态平均数.是对一定时期内的各期发展水平求平均数,用以反映现象在一定时间内的一般发展水平。动态平均数的计算因数列的性质不同,有不同的计算方法。
在时期数列条件下，可将各期的指标数值相加求和再除以项数(),求得动态平均数（)为
=／
在时点数列条件下，因时点间隔不等而有不同的计算情形,最为常见的情形是间隔相等的时点数列(按月末、季末、年末统计的各种存量指标),动态平均数的计算公式为
=
=
=（为的个数)
在相对数或平均数列条件下，若求相对数或平均数的动态平均数,可先求分子数列的动态平均数（)，分母数列的动态平均数(），再对比求出相对数或平均数时间数列的动态平均数，基本计算公式为
=/
其中分子数列和分母数列的动态平均数的计算，应视其数列是时期数列还是时点数列而选择相应的计算方法。
（2）增长量。增长量是报告期水平与基期水平之差，用以说明报告期水平比基期水平增加或减少的水平。由于采用的基期不同，可分为逐期增长量和累积增长量两种。
逐期增长量 = 报告期水平 — 前期水平
即
累积增长量 = 报告期水平 - 固定基期水平
即
（3)平均增长量。平均增长量是一定时期平均每期增长水平，即
平均增长量=
=累积增长量/时期数
=逐期增长量之和/时期数
［例4］表4是某市2000-2005年(其中2005年数据为预计数)城镇居民人均消费支出与食品消费支出的水平分析，从表中可以看出，由于食品消费支出的逐期增长量慢于消费支出逐期增长量的增长变化，致使恩格尔系数呈现下降的趋势,这种变化趋势是符合恩格尔定律的.
表4 某市城镇居民人均消费支出与食品消费支出（单位：元/人）
年份
消费支出
食品消费支出
思格尔系数（％）
数额
增长量
数额
增长量
2000
2001
2002
2003
2004
2005
3638
3886
4098
4317
4575
4880

248
2l2
219
258
305
1936
1958
1987
1998
2010
2038
—
22
29
11
12
28
53.21
50.39
48.48
46。28
43。93
41.76
平均
41494232.3
348。5248。4
1904.71987.8
108。220.4
45.9147.34
[例5]某商场某年第一季度各月商品销售额、月初库存额、月商品周转次数如表5所示，要求计算第一季度月平均商品周转次数和季商品周转次数。
表5 某商场某年第一季度商品周转次数
项 目
1月
2月
3月
4月
a商品销售额（万元）
b月初库存额(万元)
平均商品库存额(万元)
c商品周转次数
460
240
250
1。84
663
260
255
2。60
540
250
265
2.16
—
280
—
-
表中，a数列为时期数列，b数列为间断相等的时点数列,因而必须根据它们的性质不同分别求其序平均数，再对比求第一季度月平均商品周转次数，即
=2.16（次）
或 =2。16（次）
月商品周转次数是月商品销售额除以月平均库存额，月平均商品周转次数则是月平均
商品销售额除以月平均商品库存额。若求第一季度商品周转次数,则
季商品周转次数=（季商品销售额）/（季平均商品库存额）
==6。48(次)
或 季商品周转次数=月平均商品周转次数×3
=2。16×3=6.48(次）
[例6］某饮料厂某年第二季度单位成本和工人实物劳动生产率资料如表6所示，要求计算第二季度平均单位成本和月平均工人实物生产率.
表6 某饮料厂某年第二季度生产情况
项 目
4月
5月
6月
总成本（万元）
总产量（万瓶)
单位成本(元/瓶）
平均工人数(人)
劳动生产率(万瓶/人）
15.2
76.0
0。20
13
5.846
18.32
94。0
0.195
15
6.267
23。94
126。0
0.190
18
7。00

平均单位成本= （元/瓶）
月平均劳动生产率=(万瓶/人)
季劳动生产率=19.304(万瓶/人)
=6.345×3=19。304(万瓶/人）
2．速度分析
速度分析就是分析现象在一定时期内发展变化的程度和快慢。反映现象发展变化速度的指标主要有发展速度、增长速度、平均发展速度和平均增长速度。
（1)发展速度。即报告期水平与基期水平之比，用以说明报告期水平为基期水平的多少倍或百分之几。由于采用的基期不同,可分为定基发展速度和环比发展速度两种.
定基发展速度:
环比发展速度：
(2)增长速度.即报告期增长量与基期水平之比。说明报告期水平比基期水平增长了百分之几或多少倍。由于采用的基期不同，也分为以下两种。
定基增长速度 = 定基发展速度 - 1
环比增长速度 = 环比发展速度 - 1
（3)平均发展速度和平均增长速度.为了分析现象在较长时期内发展变化的一般速度，需要计算平均速度指标。平均速度指标分为平均发展速度和平均增长速度两种。平均增长速度一般不能直接计算，需先求平均发展速度,再求平均增长速度，即
平均增长速度 = 平均发展速度 - 1
计算平均发展速度通常采用几何平均法，即平均发展速度等于个环比发展速度的连乘积的次方根,用表示为
=
=
=
其中，代表平均发展速度,代表各期环比发展速度，代表总发展速度，代表最初发展水平,代表最末发展水平，代表环比发展速度的项数，为连乘的符号.
3．长期趋势分析
长期趋势分析在于认识和掌握现象在较长时期内发展变化的总趋势和规律，以便解释和描述现象的长期发展，预测未来的变化。
长期趋势分析的方法有以下两类。
（1）图示分析法.是以时间数列的各期数据作为纵轴()，时间(年、月)作为横轴（），绘制直方图、散点图或动态曲线图，以显示现象在较长时期内发展变化的总趋势，并识别长期趋势的类型.
（2）趋势方程法。即用趋势方程(数学方程)来描述时间数列中现象长期发展变化的趋势，并据此进行外推预测.
例如，由表4的数据，可求得如下趋势方程。
人均消费支出： =3444。9454×1.0591
(=0.9993 =15。76 1999年=O）
人均食品消费支出: =1913。8+24。0929-0。67862
(=0。9907 =4.56 1999年=O）
以上两个趋势方程的相关系数(）都接近于1，说明趋势方程描述的长期趋势是较为严格的,人均消费支出呈指数曲线增长的趋势，而人均食品消费支出呈二次曲线增长的趋势。若到2006年仍保持这种发展趋势，则人均消费支出可达到5149。22元/人，人均食品消费支出可达到2049.20元/人，思格尔系数为39.80％。
4．季节变动分析
季节变动是指每年都重复出现的周期性变动。季节变动一般以1年12个月或4个季度作为变动周期。
反映季节变动的指标通常有平均季节比重和季节指数。
(1)平均季节比重法.平均季节比重法是将历年同季(月）的数值之和与各年数值之和相比，直接求得平均季节比重，计算公式为
平均季节比重 = 每年同季（月）数值之和/各年度数值之和×100%
各季（月）的季节比重之和为100％，一般地季节比重大的为旺季，季节比重小的为淡季,季节比重除了能反映季节变化的数量规律外,亦可用于预测推算，预测公式为
季（月）预测值=年度预测值×季(月）节比重
年度预测值=某几个季（月)的实际值之和/相应的季节比重之和
[例7］表7是某地2001～2004年分季的消费品零售额。从平均季节比重来看，第一季度和第四季度为旺季，第二季度平淡，第三季度最淡。近三年消费品零售额大体呈直线变化趋势，用平均增长量可预测2005年消费品零售额为392。5亿元，用表中的平均季节比重可求得各季度的预测值分别为99。62,95.85，91。41和105.62亿元.
表7　某地消费品零售额季节变动分析(单元:亿元）
年份
一季度
二季度
三季度
四季度
全年
2001
2002
2003
2004
70。6
80.3
89。4
92.8
68。8
77.5
85。6
88。6
66。6
74。9
78。6
85.5
78.6
85。5
90。4
98。6
284。6
318.2
344
365。5
合计
季节比重(%）
333。1
25。38
320。6
24。42
305.6
23.29
353.1
26。91
1312。3
100.00
季平均数
季节指数％
83.75
101.53
80.125
97。69
76.400
93。15
88。275
107.63
82。019
400。00
例如，假设2005年上半年该地消费品零售额为197.82亿元，根据表中一、二季度的季节比重之和49.8％,可预计2005年消费品零售额可达到397.23亿元，第三、四季度的零售额则分别为92。51亿元,106.89亿元。
（2)平均季节比率法.平均季节比率又称季节指数，它是以历年同季(月)平均数与全时期季（月)总平均数相比，用求得的比较相对数来反映季节变动的数量规律。计算公式为
季(月）季节指数 = 各年同季（月)平均数/全时期季（月)平均数×100%
各季（月)季节指数之和,季度资料为400％,月度资料为1200％。一般地，季节指数大于100％为旺季，小于100％为淡季。季节指数与季节比重之间具有转换关系,即（见表7）
季节指数/4(或12） = 季节比重
根据季节指数也可以用年度预测数求季（月)预测数，也可以由年内某几个月的实际数，预计全年可能达到的总水平。预测公式为
季（月）预测数 = 年度预测数/4（或12） ×季（月）的季节指数
年度预测数 = 某几个季(月）的实际数之和/相应的季节指数之和×4（或12）
例如，根据例7的数据，预计2005年的消费品零售额可达到
197.82/（101.53％+97.69％）×4=397。19(亿元)
（四）空间数列描述性分析
空间数列描述性分析在于描述统计指标的数量表现在地区间的分布状况和数量特征，揭示地区间的差异，划分不同的地区类别.
1．地区分布分析
通常以计算各地区的统计总量指标数值所占的比重来反映现象的空间分布，揭示不同地区在总体中所起作用的大小，以及地位的高低。
2．地区分类分析
地区分类分析，即根据不同地区的指标的大小进行分类处理，用以揭示地区类型，揭示重点地区与非重点地区的差异.
3．地区差异分析
地区差异分析，即计算全部地区的平均指标或相对指标的总平均数、标准差、标准差系数，反映地区间的差异大小及其变化。亦可用比较相对指标来描述地区之间的差异程度。
[例8］表8是某省某年10个地市GDP的地区分布。从表中的分析指标可以看出如下状况。
(1）GDP总量中A市占28.16%，在全省中处于重要的地位。A，B,C，D，H 5个地市的GDP总量占77。26%,其他5个地市只占22.74%，A，B，C，D，H 5个地市是全省经济发展的重点地区。
(2）人均GDP高于全省的地市有A，C,F 3个地市，并且排名分别居1，2,3名，其他7个地市的人均GDP均低于全省的平均水平，全省各地市人均GDP的标准差为2757.8元/人，标准差系数38。09%，表明地区之间的差异悬殊。
表8 某省10个地市GDP的地区分布
地 区
GDP（亿元)
人均GDP(元/人)
人均GDP
排序
数值
比重（%)
数值
比重（%）
A
B
C
D
E
F
G
H
I
J
1167.4
616。3
497.6
434.1
243。7
160。3
197.1
487.5
118.0
223.2
28。16
14。87
12。00
10。47
5。88
3。87
4。75
11。76
2.86
5.38
14908
6438
8329
6568
5062
8054
6353
5178
5983
5523
205。92
88.93
115。05
90.72
69。92
111。25
87。75
71。52
82。64
76。29
1
5
2
4
10
3
6
9
7
8
合 计
4145.2
100。00
7239。6
100。00
—
标准差

-
—
-
-
2527。8
38.09
—
-
-
—

(3)按照各地市人均GDP的高低，可划分为4类，第一类，人均GDP在1万元以上，A市;第二类，人均GDP在0。8～1。0万元之间，有C，F两个地市;第三类,人均GDP在0.6～0.8万元之间，有B，D，G 3个地市;第四类,人均GDP在0。6万元以下,有E，H,I，J 4个地市。
空间数列分析，常与动态分析相结合，以便更好地反映现象的地区分布，地区差异的发展变化。
（五)相关数列描述性分析
相关数列描述性分析是对两个确有联系而性质不同的统计指标或变量构成的时间数列或空间数列进行对比分析,用以揭示现象的强度、密度、普遍程度、依存关系及其变化.
分析的主要方法如下。
1．强度分析法
强度分析法是通过计算两个有联系现象的变量值的比值(），来分析现象间的相互联系的数量关系、变化过程和趋势。所计算的比值是说明现象间的依存性的比例关系,而不是结构性比例关系。
2．边际分析法
边际分析法是通过计算两个变量的增减量的比值，来分析现象间的相互联系的数量关系及其变化。它说明自变量每增加一个单位引起因变量能增加多少个单位。计算公式为
边际＝＝ （)
3．弹性分析法
弹性分析法是通过计算两个变量的增减率的比值，来考察两个有联系现象间的数量关系和变化特征。弹性系数是因变量的增减率与自变量的增减率之比，说明自变量每变化百分之一,因变量能相应变化百分之几.计算公式为
弹性= (）
4．简单相关分析法
简单相关分析法是通过计算两个变量的相关系数来衡量它们之间联系的紧密程度。相关系数的取值介于-1与1之间，越接近于—1或1，两个变量之间的关系越密切。相关系数计算公式为

5．简单回归分析
简单回归分析是用一元线性回归方程来描述因变量与自变量的数量关系，用自变量的变化来解释和预测因变量的变化。一元线性回归方程为

其中、为方程的回归系数，为截距(常数项）,为斜率(平均边际），是误差项。
、参数用统计学中的最小二乘法进行估计，用估计标准误差来测度。求解、参数的标准方程组为

估计标准误差为 ==
表9 某市某年居民家庭人均生活费收支分析
月人均消费
（)元
月人均收入
（)元
消费倾向
（%)
消费边际
消费的
收入弹性
360
424
530
550
690
796
901
1088
368
435
548
630
762
905
1038
1276
97。83
94。47
96。72
87。30
90.55
87。96
86.80
85.27
-
0.9552
0.9381
0。2439
1。0607
0.7413
0.7895
0。7857

0。9765
0。9623
0。2522
1.2149
0.8186
0.8976
0.9052
［例9]表9是某市城镇居民家庭人均月消费收支的抽样数据分析。从表中的分析指标可看出。①收入越高的家庭消费倾向越低，即储蓄倾向越高；反之,则相反。②消费边际具有递减的趋势，即随着收入的增加，消费边际递减，储蓄边际递增。③从总体上看，消费支出的收入弹性小于1。④居民人均收入决定人均消费的一元线性回归方程为
=73.9243+0.7963
（ =0.9986 =14。46 )
此方程表明，居民收入每增加1元，消费支出可增加0.7963元（平均消费边际)。相关系数0。9986，表明消费支出与收入的关系非常密切，所估计的回归方程具有较强的解释能力。
（六)平衡数列描述性分析
平均数列描述性分析，是利用收支平衡关系编制的平衡表进行平衡状态分析、平衡结构分析、平衡比例关系分析等,用以揭示现象之间的相互联系的数量关系及其发展变化的协调性。
1．平衡状态分析
平衡状态分析，即把平衡表中的收支项目联系起来，根据实物指标数据的大小或价值指标的增长率来判断平衡状态是收大于支，还是收小于支,或收支均衡。
2．平均结构分析
平均结构分析，即把平衡表中的收支结构联系起来，判断收支结构是否协调。
3．平衡比例关系分析
平衡比例关系分析，即根据平衡表提供的数据,计算某些重要的比率来分析问题和说明问题。
[例10］表10为某啤酒厂某年啤酒产销存分析。从全部产品来看,生产量大于销售量，产品销售率只有95。2％,导致年末存货比年初增加1倍多。从产销结构来看，生产结构与销售结构相比存在着不相适应的地方，如干啤、散装啤酒的生产量过大，导致产品销售率较低，存货成倍增加。因此该厂啤酒产大于销的状态主要是由这两类啤酒产大于销所引起的。
表10 某啤酒厂啤酒产销存分析
(表a)按啤酒种类分类
产品类别
年初存量
生产量
销售量
产销率
(％)
年末存量
数量
比重（％)
数量
比重（%）
扎啤
冰啤
干啤
1
5
6
35
128
66
15.28
55。90
28。82
32
128
58
14。68
58。72
26.60
91.4
100.0
87.88
4
5
14
总 计
12
229
100。0
218
100。0
95。2
23
(表a）按包装形式分类
产品类别
年初存量
生产量
销售量
产销率
（％）
年末存量
数量
比重（%)
数量
比重（%）
瓶装
罐装
散装
2
3
7
138
78
13
60。26
34。06
5。68
136
76
6
62。39
34。86
2.75
98。60
97.4
46.15
4
5
14
总 计
12
229
100。0
218
100。0
95。2
23