关于消费者信心指数统计分析报告.docx
《关于消费者信心指数统计分析报告.docx》由会员分享，可在线阅读，更多相关《关于消费者信心指数统计分析报告.docx（11页珍藏版）》请在冰豆网上搜索。
关于消费者信心指数统计分析报告
关于消费者信心指数统计分析报告
********************************
班级：
数学与应用数学101班
学号：
********
撰写日期：
2012年06月26日
一．原始数据介绍
2010.11—2012.01中消费者对消费情况的满意度以及信息指数（数据来源：
中华人民共和国国家统计局
日期
消费者
消费者
消费者
预期指数
满意指数
信心指数
2010.11
103.1
102.5
102.9
2010.12
100.6
100.1
100.4
2011.01
100
99.8
99.9
2011.02
99.6
99.5
99.6
2011.03
109.3
104.8
107.6
2011.04
107.5
105.1
106.6
2011.05
106.6
104.6
105.8
2011.06
111.4
103.2
108.1
2011.07
111.8
96.2
105.6
2011.08
110.4
97.9
105
2011.09
108.9
95.2
103.4
2011.1
106.3
91.8
100.5
2011.11
101.7
90
97
2011.12
105.3
93.2
100.5
2012.01
109.3
95.8
103.9
表一
数据说明：
1、消费者信心指数（ConsumerConfidenceIndex，CCI）是反映消费者信心强弱的指标，是综合反映并量化消费者对当前经济形势评价和对经济前景、收入水平、收入预期以及消费心理状态的主观感受，是预测经济走势和消费趋向的一个先行指标，是监测经济周期变化不可缺少的依据。
2、消费者信心指数数据系列取值范围为0-200，100为临界值，100以上为信心较足，100以下为信心不足。
3、2009年11月前的数据为用1996年=100作了标准化处理（1996年6月：
消费者预期指数为115.2，消费者满意指数为118.9，消费者信心指数为116.7）。
4、历史数据换算：
2009年11月以前的消费者信心系列指数（简称Bi），新的消费者者信心系列指数（简称Ai）=1996年6月的消费者信心系列指数*Bi/00；例：
A1（新的2009年11月消费者预期指数）=115.2（1996年6月的消费者预期指数）*89.4（B1,旧的消费者预期指数值）/100=103。
二．数据分析（定义X为消费者满意指数，Y为消费者信心指数）
1、频数分布。
基本的统计分析往往从频数分析开始。
通过频数分析能够了解变量的取值状况，对把握数据的分布特征非常有用。
此次分析利用了2010.11—2012.01中消费者对消费情况的满意度以及信息指数的统计数据表，在对满意指数和信心指数不同情况下的频数分析，从而了解消费者的满意度和信息指数的基本分布。
Statistics
x
y
N
Valid
15
15
Missing
1
1
表二
首先，对消费者的满意指数进行频数分析，结果如下：
x
Frequency
Percent
ValidPercent
CumulativePercent
Valid
90.0
1
6.3
6.7
6.7
91.8
1
6.3
6.7
13.3
93.2
1
6.3
6.7
20.0
95.2
1
6.3
6.7
26.7
95.8
1
6.3
6.7
33.3
96.2
1
6.3
6.7
40.0
97.9
1
6.3
6.7
46.7
99.5
1
6.3
6.7
53.3
99.8
1
6.3
6.7
60.0
100.1
1
6.3
6.7
66.7
102.5
1
6.3
6.7
73.3
103.2
1
6.3
6.7
80.0
104.6
1
6.3
6.7
86.7
104.8
1
6.3
6.7
93.3
105.1
1
6.3
6.7
100.0
Total
15
93.8
100.0
Missing
System
1
6.3
Total
16
100.0
表三
图1
表三及图1说明，消费者的满意指数差距不大，而且符合正态概率分布。
其次对原有数据中的信心指数进行频数分析，结果如下表：
y
Frequency
Percent
ValidPercent
CumulativePercent
Valid
97.0
1
6.3
6.7
6.7
99.6
1
6.3
6.7
13.3
99.9
1
6.3
6.7
20.0
100.4
1
6.3
6.7
26.7
100.5
2
12.5
13.3
40.0
102.9
1
6.3
6.7
46.7
103.4
1
6.3
6.7
53.3
103.9
1
6.3
6.7
60.0
105.0
1
6.3
6.7
66.7
105.6
1
6.3
6.7
73.3
105.8
1
6.3
6.7
80.0
106.6
1
6.3
6.7
86.7
107.6
1
6.3
6.7
93.3
108.1
1
6.3
6.7
100.0
Total
15
93.8
100.0
Missing
System
1
6.3
Total
16
100.0
表四
图2
表四及图2说明，消费者的信心指数差距不大，符合正态概率分布。
2、相关分析。
相关分析是分析客观事物之间关系的数量分析法，明确客观事物之间有怎样的关系对理解和运用相关分析是极其重要的。
函数关系是指两事物之间的一种一一对应的关系，即当一个变量X取一定值时，另一个变量函数Y可以根据确定的函数取一定的值。
另一种普遍存在的关系是统计关系。
统计关系是指两事物之间的一种非一一对应的关系，即当一个变量X取一定值时，另一个变量Y无法根据确定的函数取一定的值。
统计关系可分为线性关系和非线性关系。
事物之间的函数关系比较容易分析和测度，而事物之间的统计关系却不像函数关系那样直接，但确实普遍存在，并且有的关系强有的关系弱，程度各有差异。
如何测度事物之间的统计关系的强弱是人们关注的问题。
相关分析正是一种简单易行的测度事物之间统计关系的有效工具。
1）、打开两个变量相关对话框，将Ｘ，Ｙ选入变量列表框。
相关系数采用pearson相关系数，显著性检验采用双侧检验。
图3
2）、选项中，勾选平均值与标准差，产品交叉离差与协方差两个统计量，并排除因变量与自变量均有缺失值的观测。
图4
3）、输出结果
DescriptiveStatistics
Mean
Std.Deviation
N
x
98.647
4.8737
15
y
103.120
3.3373
15
表五
均值标准差和个数的描述性统计量
图5
从图5可以看到，pearson相关系数是0.666，并且在百分之一显著性水平上相关。
3、回归分析.回归分析是处理因变量y和解释变量x关系的多元统计方法。
由于x和y之间是非确定关系，故对于固定解释变量的值，可以观察到一组因变量的值与之对应。
以每一个解释变量x的给定值为条件，就形成了因变量y的条件分布。
因此，可以计算以x为条件的y相应取值的条件概率。
这样就可以通过一定的概率分布来描述解释变量x与因变量y之间的关系。
1）、打开线性回归对话框，将Ｘ，Ｙ分别选入自变量和因变量列表框。
图6
2）统计中，勾选估计和模型拟合。
图7
3）绘图中，将dependnt和*zpred分别选入Ｙ和Ｘ列表框中，勾选正态概率图和产生所有的偏差图。
图8
4）、输出结果
散点图：
图9
从散点图中初步可以断定，满意指数和信心指数呈线性关系，该数据基本适合建立线性回归模型。
图9
ModelSummary（b）
Model
R
RSquare
AdjustedRSquare
Std.ErroroftheEstimate
1
.666（a）
.443
.400
2.5841
aPredictors:
（Constant）,x
bDependentVariable:
y
表六
图10
图11
对以上结果进行分析：
（1）从图11可知：
回归方程为：
y=58.146+0.456x（x是满意指数，y是因变量信心指数）。
（2）检验
1）拟合效果检验
根据表六可知，样本决定系数R²=0.443，
即拟合效果好，线性成立。
2）回归方程检验
根据图10可知，Sig=0.007>0.005,所以回归方程不太显著
3）系数
根据图11可知，Sig=0.001<0.005，所以通过。
综上所述，该回归方程基本成立。
图12
从图12中可以看出，点基本落在拟合直线附近，表明数据基本符合回归方程，所以满意指数与信心指数满足线性关系。
升级会员 