统计专业实验实验0102多元数据图和时序图1.docx
《统计专业实验实验0102多元数据图和时序图1.docx》由会员分享，可在线阅读，更多相关《统计专业实验实验0102多元数据图和时序图1.docx（14页珍藏版）》请在冰豆网上搜索。
统计专业实验实验0102多元数据图和时序图1
重庆工商大学数学与统计学院
《统计专业实验》课程
实验报告
实验课程：
统计专业实验______
指导教师：
_叶勇_____
专业班级：
_2013级经济统计一班_____
学生姓名：
____
学生学号：
_____
实验报告
实验项目
实验一多元数据图示分析
实验二时序图分析
实验日期
2016-3-7
实验地点
80608
实验目的
1.用各种统计图形表示多元数据，掌握各种多元统计图的制作方法和优缺点。
2.掌握随机时间序列的模拟方法，并能够由相应的AR、MA模型和随机干扰项模拟出随机时间序列的取值。
实验内容
1.考察2014年重庆市各区县经济指标数据（数据来源：
重庆统计年鉴2015），建立适合分析一小时经济圈各区县经济综合实力的指标体系，并输出统计表。
2.用轮廓图、雷达图对主城各区数据进行表示。
3.模拟100期AR
（2）模型
，其中at～NID（0,0.5）；
4.模拟100期MA模型
，其中at～NID（0,0.5）
5.对上述两模型的模拟数据用SPSS建立随机时间序列的序列图；
实验思考题解答：
1．雷达图和轮廓图用以进行多元数据分析各自有何优势？
答：
雷达图是财务分析报表的一种。
即将一个公司的各项财务分析所得的数字或比率，就其比较重要的项目集中划在一个圆形的固表上，来表现一个公司各项财务比率的情况，使用者能一目了然的了解公司各项财务指标的变动情形及其好坏趋向。
而在轮廓图中，类别数据沿水平轴均匀分布，所有值数据沿垂直轴均匀分布。
轮廓图用于显示随时间或有序类别而变化的趋势，非常适用于显示在相等时间间隔下数据的趋势，可能显示数据点以表示单个数据值，也可能不显示这些数据点。
在有很多数据点并且它们的显示顺序很重要时，轮廓图尤其有用。
2．AR
（1）模型和普通一元线性回归模型有什么区别？
AR
（1）模型反映的是一期记忆性的回归模型叫作一阶自回归。
普通一元线性回归模型表达式与一阶自回归模型,他们的主要区别在于：
第一，变量性质上的差异。
在线性回归中Yi是随机的，Xi是同期确定性的变量，而AR
（1）中的Yt和Y（t-1）都是随机变量；第二，残差项上的差异。
线性回归中要求自身相互独立，且与Xi也是独立的，但与Yi并不独立；而自回归AR
（1）中要求与解释变量、被解释变量及自身的各期望值都是独立的。
第三、反映现象间关系性质的不同。
一元线性回归是对两个变量的相关关系的反映，而AR
（1）是对随机变量自身相关性的反映。
第四、反映现象的时间特点不同。
线性回归是静态回归，而自回归是自身的动态回归。
实验运行程序、基本步骤及运行结果：
实验一
实验数据
一小时经济圈
地区生产总值
（万元）
年末总户数
（户籍统计）
（万户）
社会消费品
零售总额
（万元）
区县级一般
公共预算收入
工业总产值
（万元）
涪陵区
7574764
46.33
2005427
500744
11548098
渝中区
8687242
21.11
5787949
483058
215670
大渡口区
1489743
11.05
365038
157232
1801327
江北区
6044623
25.10
3840066
734018
6853371
沙坪坝区
8092134
29.37
2890677
600815
17396180
九龙坡区
9108240
36.11
4552794
581242
10708383
南岸区
6081368
25.59
3388370
803756
11603496
北碚区
4154060
25.52
1341843
246524
7358387
渝北区
11153849
47.63
5180623
500098
31619844
巴南区
5100846
36.54
2420247
289421
5932723
长寿区
4204068
37.10
909168
313126
6777290
江津区
5546593
62.06
2015538
474255
10900187
合川区
4404575
59.93
1971476
332359
5281397
永川区
5125385
39.51
2316658
388726
8234794
南川区
1731935
25.92
907361
183683
1339711
綦江区
2765191
37.38
916391
244321
3447678
万盛经开区
814659
9.97
280907
95720
1300562
大足区
3298433
32.47
897096
313839
4357578
璧山区
3343756
25.08
924064
422747
7463783
铜梁区
2810530
32.50
856091
207829
4238943
潼南县
2341631
32.26
674335
169035
2658651
荣昌县
3004235
31.01
855289
221366
5900318
（一）轮廓图
1．在excel表中输入数据，点击插入图表—折线图，选“列”点击确定得到如下轮廓图
由图可知，大渡口区在各个指标上处于比较低的地位，综合经济实力较差。
渝北区的工业总产值和地区生产总值最高，其它指标也较高，则其综合经济实力最高。
（二）雷达图
实验二
（一）打开excel文档，工具中的数据分析—随机数生成器—选择随机数变量1，随机数个数100，正态，at～NID（0, 0.5）。
点击确定。
得到数据及AR模型和MA模型如下
t
zt
at
0
0
0
0
1
-0.15012
-0.15012
2
-0.72891
-0.63884
3
-0.27018
0.122129
4
0.6948
0.638237
5
1.09711
0.599175
6
1.316393
0.866567
7
-0.63109
-1.09179
8
-0.89066
-0.11709
9
0.202441
0.547511
10
-0.15469
-0.54335
11
-0.49865
-0.3451
12
-1.098
-0.84522
13
-1.43266
-0.92346
14
-1.01901
-0.48881
15
-0.56836
-0.38675
16
-1.09428
-1.05897
17
-0.77002
-0.28396
18
-0.33575
-0.20202
19
0.096981
0.067427
20
-0.02383
-0.18275
21
-0.20689
-0.1635
22
-0.3021
-0.18512
23
0.552125
0.671321
24
0.379264
-0.04264
25
-0.03116
-0.09308
26
-0.38908
-0.2566
27
0.762007
0.986106
28
1.006764
0.432836
29
1.563284
1.187827
30
0.308488
-0.32745
31
0.546835
0.830728
32
-0.57064
-0.8062
33
-0.23696
0.269474
34
0.480111
0.451096
35
1.318613
0.959458
36
0.604876
-0.04226
37
-0.29456
-0.2619
38
-0.02063
0.337569
39
-0.11467
-0.19066
40
0.316191
0.378806
41
-0.49798
-0.72209
42
-0.81726
-0.42362
43
-1.10175
-0.76079
44
-0.59731
-0.18144
45
-0.0441
-0.01624
46
0.166791
0.014059
47
-0.04805
-0.16136
48
1.018382
1.097251
49
-0.2458
-0.87124
50
-0.82123
-0.36824
51
-1.70779
-1.28879
52
-0.05447
0.723835
53
-0.16023
-0.63988
54
-0.40659
-0.32679
55
0.182974
0.378857
56
0.465116
0.233356
57
0.661482
0.437304
58
0.555225
0.297871
59
-0.55123
-0.68592
60
-1.05518
-0.55787
61
-0.12074
0.346997
62
0.405428
0.161318
63
-0.19044
-0.46992
64
-0.35637
-0.12047
65
-0.09092
0.065768
66
0.331257
0.278899
67
0.295388
0.069357
68
-0.37763
-0.45548
69
0.627232
0.942423
70
0.733226
0.243599
71
0.287885
0.036119
72
0.367684
0.414921
73
0.565249
0.431004
74
-0.08942
-0.31827
75
-0.68482
-0.4616
76
0.171527
0.555594
77
-0.29223
-0.60059
78
-1.00624
-0.77945
79
-0.16041
0.355662
80
0.524827
0.319203
81
1.465864
1.102844
82
1.443948
0.721877
83
1.078561
0.651952
84
0.270433
0.05648
85
-0.16033
0.000975
86
0.049521
0.226851
87
0.065055
-0.01276
88
-0.50316
-0.52734
89
-1.20882
-0.8874
90
-0.16018
0.414166
91
0.488652
0.222112
92
0.650197
0.308953
93
0.350259
0.106737
94
-0.49837
-0.51347
95
0.214998
0.619098
96
0.122903
-0.15561
97
-0.41072
-0.41996
98
-0.69387
-0.41056
99
-0.5076
-0.2145
100
-0.32308
-0.22668
上图为随机生成的100个数据模拟的AR模型的时序图（运用SPSS软件）
t
xt
at
0
0
0
0
1
0.328117
0.328117
2
0.045498
-0.16778
3
-0.10283
-0.07253
4
-0.38784
-0.30043
5
-0.28997
-0.07728
6
-1.23911
-1.11677
7
-0.81122
-0.06677
8
-0.97602
-0.6646
9
-0.36972
0.07829
10
0.142896
0.251512
11
0.840815
0.658542
12
0.178768
-0.30965
13
-0.4172
-0.37398
14
-0.24422
0.073182
15
-0.1579
-0.11572
16
-0.16181
-0.10416
17
0.693128
0.7886
18
0.506435
0.018842
19
0.128522
-0.07299
20
0.87224
0.915161
21
0.26197
-0.31537
22
0.650218
0.635569
23
0.329762
-0.00767
24
0.115343
-0.03221
25
0.782302
0.805078
26
0.696886
0.181316
27
0.529603
0.218529
28
0.067997
-0.11756
29
0.317695
0.341664
30
0.159549
-0.03432
31
-0.30835
-0.36804
32
-0.79623
-0.54877
33
-0.34318
0.10185
34
-0.55617
-0.49067
35
0.675299
0.96979
36
0.448995
-0.06361
37
-0.60241
-0.79382
38
-0.6989
-0.16766
39
0.179123
0.478616
40
0.079378
-0.19149
41
-0.33653
-0.32693
42
-0.94165
-0.68319
43
-0.36448
0.158058
44
-0.14308
-0.08185
45
0.270355
0.285627
46
-0.15267
-0.31869
47
-0.31168
-0.17309
48
-0.04602
0.142969
49
-0.11413
-0.16551
50
0.032839
0.106111
51
-1.20766
-1.23691
52
-0.81296
-0.03443
53
-0.19581
0.12343
54
1.130213
1.058247
55
-0.04513
-0.76262
56
-1.02104
-0.77932
57
-1.84197
-1.15238
58
-0.34996
0.586126
59
1.291591
1.187182
60
0.717351
-0.19499
61
-0.34224
-0.50042
62
-0.09807
0.273997
63
0.387491
0.329494
64
-0.1461
-0.42603
65
0.206802
0.404646
66
0.490884
0.330112
67
0.207962
-0.10373
68
-0.76227
-0.77408
69
-0.02165
0.506388
70
0.525092
0.381717
71
0.194407
-0.17524
72
-0.36769
-0.34539
73
0.164772
0.431336
74
0.370888
0.173414
75
0.494379
0.278139
76
1.265355
1.042945
77
0.881352
0.136685
78
-0.21418
-0.55333
79
-0.08704
0.239816
80
-0.59119
-0.61427
81
-0.05892
0.282795
82
-0.04186
-0.07825
83
0.166443
0.149436
84
0.256894
0.178541
85
0.217568
0.065652
86
-0.05045
-0.13597
87
-0.74631
-0.67368
88
0.589885
1.060412
89
1.326431
0.798848
90
1.298161
0.524411
91
-0.20641
-0.739
92
-0.91314
-0.55865
93
-0.27415
0.266339
94
0.075815
0.036771
95
0.083329
-0.00449
96
0.086518
0.080614
97
-0.88953
-0.94085
98
-0.72057
-0.12836
99
-0.77821
-0.46897
100
-0.83442
-0.49878
上图为随机生成的100个数据的MR模型的时序图（注：
运用的是spss软件）
升级会员 