社会统计学实验报告.doc

实验一：EXCEL的数据整理与显示
一、实验结果与数据处理
第1题 组距式次数分布表
按日加工零件数分组（个）
工人数（人）
工人数比重（％）
100—110
4
8
110-120
13
26
120-130
24
48
130—140
9
18
合计
50
100
第2题 频数分布表
工人日加工零件数/件
频数/人
100—110
4
110—120
13
120-130
24
130—140
9
总数
50
第3题 优秀率(日生产零件数130个以上）：9/50=18%
二、讨论与结论
通过实验一的实验操作与学习，我掌握了excel软件的运用以及用直方图工具绘制频数分布直方图的方法。在实验操作过程中，我进行了如下操作内容：1、EXCEL软件的基本操作；2、编制组距式次数分布表；3、将次数分布表转变成分布柱形图；4、利用FREQUENCY函数进行频数统计;5、利用直方图工具绘制频数分布直方图。
实验二：EXCEL的数据特征描述、抽样推断
一、 实验结果与数据处理
(1)COUNT(B4:B53）并回车,得到50个数据中的单位总量为50
SUM(B4：B53）并回车，得到50个数据中的标志总量为6127
MAX（B4:B53）并回车,得到50个数据中的最大值为139
MIN（B4：B53）并回车，得到50个数据中的最小值为107
AVERAGE（B4：B53)并回车，得到50个数据中的平均值为122.54
MEDIAN（B4：B53）并回车，得到50个数据中的中位数为123
GEOMEAN（B4：B53）并回车，得到50个数据中的几何平均数为122.2679876
HARMEAN（B4:B53）并回车,得到50个数据中的调和平均数为121。9951108
AVEDEV（B4:B53）并回车，得到50个数据中的变异统计的平均差为6。4384
STDEV（B4：B53）并回车，得到50个数据中的变异统计的标准差为8.234348171
VAR（B4：B53）并回车，得到50个数据中的变异统计中的方差为67。8044898
KURT(B4：B53）并回车，得到50个数据中的变异统计中的峰度为—0.451931676
SKEW（B4：B53）并回车，得到50个数据中的变异统计中的偏度为0。026074
（2）由(1）得均值为122。54，即企业职工的平均日加工零件数为122.54
由题意得置信度为95%，即1—α=0.95，则显著性水平为α=0。05
则极限误差= CONFIDENCE（α所在单元格,标准差所在单元格，样本容量单元格）= CONFIDENCE（0。05，8。234348171,50）= 2.282402924，约等于2。28
所以日生产零件的置信区间为［122。54—2。28，122。54+2.28］，即［120.26，124.82］
（3）由题意得待检假设为H0:u〈=115，H1：u〉115
t值=（样本均值单元格-115）/(样本标准差单元格/SQRT（样本容量单元格））=（122.54—115）/（8.234348171/SQRT(50）)=6。474811387，约等于6.47
t（n—1) =TINV(0。05，49)=2。009575237，约等于2。01，即α=0.05,自由度为49的临界值
因为｜t｜=6。47〉t(n-1)=2。01，则拒绝H0而接受H1，即企业日生产零件数有显著提高
二、讨论与结论
通过实验二的实验操作与学习，我本着较熟练地掌握EXCEL在数据特征描述、抽样推断中的基本操作内容，利用EXCEL软件计算描述统计特征值的目的进行学习和操作。这一次实验操作让我掌握了以下方面：1、利用EXCEL的统计函数求解统计分布特征值；2、利用CONFIDENCE函数计算极限误差，从而得到相关的置信度 3、通过宏程序计算相关的t值,再利用TINV函数计算临界值,最后比较t值和临界值的大小来进行假设检验。
实验三：时间序列分析
一、实验结果与数据处理
月度
第一年
第二年
第三年
第四年
1
508
574
585
542
2
447
469
455
438
3
345
366
352
341
4
354
327
341
427
5
374
412
388
358
6
359
353
332
355
7
365
381
392
376
8
437
460
429
441
9
353
344
361
382
10
295
311
291
377
11
454
453
395
398
12
457
486
491
473
年/季度
时间标号
销售额
移动平均值
中心化后的移动平均值
比值
2000/1
1
993.1

2
2
971。2

3
3
2264.1
1542。925
1627.9875
1.390735
4
4
1943.3
1713.05
1833。0875
1。060124
2001/1
5
1673.6
1953。125
2161。0875
0。774425
2
6
1931。5
2369。05
2511。0875
0.769189
3
7
3927.8
2653.125
2736.725
1.435219
4
8
3079。6
2820.325
2897.9625
1。062678
2002/2
9
2342.4
2975.6
2953。0625
0.79321
2
10
2552。6
2930.525
3104。675
0。822179
3
11
3747。5
3278。825
3392.825
1.104537
4
12
4472.8
3506.825
3718.4
1.202883
2003/1
13
3254。4
3929。975
4205。425
0。773858
2
14
4245。2
4480。875
4718。4125
0。899709
3
15
5951.1
4955.95
5037。175
1。181436
4
16
6373。1
5118。4
5225。9875
1.219502
2004/1
17
3904.2
5333。575
5496.2625
0.710337
2
18
5105.9
5658.95
5941。125
0.859416
3
19
7252。6
6223.3
6420。675
1.12957
4
20
8630.5
6618。05
6729.475
1.282492
2005/1
21
5483.2
6840.9
7031。3375
0。779823
2
22
5997。3
7221.775
7233。0375
0。829154
3
23
8776.1
7244。3
7199。35
1.219013
4
24
8720.6
7154.4
7161.1125
1。217772
2006/1
25
5123。6
7167.825
7269。8375
0。704775
2
26
6051
7371。85
7324。425
0。82614
3
27
9592.2
7277
7254。35
1.322269
4
28
8341。2
7231。7
7328.5125
1.138185
2007/1
29
4942.4
7425。325
7338.8125
0。67346
2
30
6825。5
7252.3
7300。0375
0。934995
3
31
8900.1
7347。775
7356。2125
1。209875
4
32
8723。1
7364。65
7293。7
1。195977
2008/1
33
5009.9
7222。75
7112.3375
0.704396
2
34
6257.9
7001。925
6894.7375
0。907634
3
35
8016。8
6787。55
6918.725
1.158711
4
36
7865。6
7049。9
6995。125
1.12444
2009/1
37
6059。3
6940.35
6908.1
0。87713
2
38
5819。7
6875.85
6908.675
0。842376
3
39
7758.8
6941。5

4
40
8128。2

各季节指数计算表

年/季
1
2
3
4
合计
2000

1。39073549
1。06012397
2。450859
2001
0.774425
0。769189
1。4352191
1。06267766
4。04151
2002
0。79321
0。822179
1。10453678
1.20288296
3.92281
2003
0。773858
0.899709
1.18143602
1。21950158
4.074505
2004
0。710337
0。859416
1.12956971
1.28249232
3。981816
2005
0。779823
0.829154
1。21901283
1.21777168
4.045761
2006
0.704775
0。82614
1.32226871
1。13818459
3。991368
2007
0.67346
0.934995
1。20987533
1.19597735
4.014308
2008
0.704396
0。907634
1。1587106
1。12444024
3.895181
2009
0。87713
0.842376

1.719505
∑
6.791414
7。690793
11.1513646
10。5040523
36。13762
平均
0.754602
0。854533
1。23904051
1。16711693
4.015292
季节指数
0.751728
0.851278
1。2343217
1。16267203
4
季节
指数

1
0.751728
2
0。851278
3
1.234322
4
1.162672
年/季度
时间标号
销售额(Y)
季节指数（S)
季节分离后的时间序列（Y/S）
回归后的趋势(T)
最终预测值
预测误差
2000/1
1
993。1
0.751728
1321.09
2207.098
1659。137
-666。037
2
2
971.2
0.851278
1140.873
2370.805
2018.214
—1047.01
3
3
2264.1
1.234322
1834。287
2534.511
3128.402
—864。302
4
4
1943.3
1.162672
1671。409
2698。218
3137。142
-1193。84
2001/1
5
1673.6
0.751728
2226。338
2861。924
2151.388
-477.788
2
6
1931.5
0.851278
2268.941
3025。63
2575.653
-644.153
3
7
3927.8
1.234322
3182.153
3189。337
3936.668
—8.86761
4
8
3079.6
1.162672
2648。726
3353。043
3898.49
—818.89
2002/2
9
2342。4
0。751728
3116.022
3516.75
2643.638
—301。238
2
10
2552.6
0。851278
2998.55
3680.456
3133。092
-580。492
3
11
3747.5
1。234322
3036。08
3844。162
4744.933
-997。433
4
12
4472。8
1。162672
3847.001
4007.869
4659.837
-187.037
2003/1
13
3254。4
0。751728
4329。227
4171。575
3135.889
118。5112
2
14
4245。2
0.851278
4986。855
4335。282
3690.53
554.6698
3
15
5951.1
1.234322
4821.353
4498.988
5553.198
397。9015
4
16
6373.1
1。162672
5481.425
4662.694
5421.184
951.9156
2004/1
17
3904。2
0.751728
5193.636
4826.401
3628.139
276.0607
2
18
5105。9
0。851278
5997.923
4990.107
4247。969
857.9311
3
19
7252。6
1.234322
5875。778
5153。814
6361.464
891。1361
4
20
8630。5
1.162672
7422.988
5317。52
6182.532
2447。968
2005/1
21
5483.2
0.751728
7294.13
5481.226
4120.39
1362。81
2
22
5997。3
0.851278
7045.054
5644。933
4805.408
1191.892
3
23
8776.1
1.234322
7110。059
5808.639
7169。729
1606.371
4
24
8720.6
1.162672
7500。481
5972。346
6943.879
1776.721
2006/1
25
5123。6
0。751728
6815。766
6136.052
4612。64
510。9595
2
26
6051
0.851278
7108.136
6299。758
5362。846
688.1537
3
27
9592.2
1。234322
7771。232
6463。465
7977。995
1614.205
4
28
8341.2
1。162672
7174。164
6627.171
7705。227
635.9734
2007/1
29
4942。4
0.751728
6574.721
6790.878
5104.891
—162.491
2
30
6825.5
0。851278
8017。944
6954。584
5920。285
905。2151
3
31
8900。1
1。234322
7210。519
7118.29
8786.26
113.8397
4
32
8723.1
1。162672
7502。632
7281。997
8466。574
256。526
2008/1
33
5009.9
0。751728
6664.514
7445。703
5597。142
—587.242
2
34
6257.9
0。851278
7351。182
7609.41
6477.724
—219.824
3
35
8016.8
1。234322
6494。903
7773。116
9594。526
-1577.73
4
36
7865.6
1。162672
6765。106
7936.822
9227。921
-1362.32
2009/1
37
6059。3
0。751728
8060.498
8100.529
6089.392
-30.0922
2
38
5819.7
0.851278
6836。426
8264.235
7035.162
—1215.46
3
39
7758.8
1。234322
6285。882
8427。942
10402。79
—2643。99
4
40
8128。2
1.162672
6990。965
8591。648
9989.269
—1861。07
2010/1
41

0.751728

8755。354
6581。643

2
42

0.851278

8919.061
7592.601

3
43

1.234322

9082。767
11211.06

4
44

1.162672

9246.474
10750.62

SUMMARY OUTPUT

回归统计
Multiple R
0。882769
R Square
0.779281
Adjusted R Square
0。773473
标准误差
1031.834
观测值
40
方差分析

df
SS
MS
F
Significance F
回归分析
1
142842941
142842941
134。165
4。93466E—14
残差
38
40457896。1
1064681。48

总计
39
183300837

Coefficients
标准误差
t Stat
P—value
Lower 95％
Upper 95%
Intercept
2043。4
332。510265
6。14535002
3。5974E-07
1370。26013
2716.5238
X Variable 1
163。71
14.1333868
11.5829596
4.9347E—14
135.0949031
192。31799
二、讨论与结论
1、季节指数是以其平均数等于100％为条件构成的,应注意当季节比率的平均值不等于1，需要进行调整,即将每个季度比率的平均值除以它们的总平均值，从而使季节比率的平均值等于1。
2、将实际销售量除以相应的季节指数后得到季节分离后的序列从季节分离后的序列可以看出销售量具有明显的线性趋势。
3、这个实验主要是一些计算问题，所以我们要有足够的耐心才能完成.
实验四：时间序列分析
一、实验结果与数据处理
某地区1996～2011年国内生产总值和财政收入资料 单位:亿元
年份
国内生产总值
财政收入
1996
18667.82
2937.1
1997
21781.5
3149.48
1998
26923.48
3483。37
1999
35333。92
4348。95
2000
48197.86
5218.1
2001
60793.73
6242。2
2002
71176。59
7407。99
2003
78973。04
8651。14
2004
84402。28
9875。95
2005
89677。05
11444.08
2006
99214。55
13395。23
2007
109655.2
16386.04
2008
120332.7
18903.64
2009
135822.8
21715.25
2010
159878.3
26396.47
2011
183084.8
31649。29
根据回归分析的结果，得到一元线性回归方程为：
= 2043.39+163。70*x
二、讨论与结论
这次实验比较麻烦，处理的步骤很多，有一些操作还不是那么熟练。我们知道， 一元回归分析在数学关系式中只描述了一个变量与另一个变量之间的数量变化关系,则称其为一元回归分析，其回归模型为，y 称为因变量，x称为自变量, 称为随机误差，a，b称为待估计的回归参数,下标i表示第i个观测值。
最后的结论是我们可以用一元线性回归分析模型来预测未来几年的国内生产总值和财政收入情况。