《应用统计学》课件第四讲.ppt

1、第三章第三章 统计数据的整理统计数据的整理第一节 统计数据整理概述 一、统计数据整理一、统计数据整理 统计整理：依据统计研究的任务，对统计调查阶段搜集到的大量原始资料进行加工、汇总，使其系统化、条理化、科学化，以得出反映现象总体综合特征资料的工作过程。统计数据整理包括两层含义：一是对统计调查所收集的原始资料进行加工整理；二是对第二手资料的整理。二、统计整理的原则和程序二、统计整理的原则和程序 统计整理必须遵循的原则：统计整理必须遵循的原则：首先对所研究的社会经济现象进行深刻的政治经济分析，在此基础上运用最基本的、最能说明问题本质特征的统计分组和统计指标对统计资料进行加工整理。基本程序是：基本程

2、序是：（一）设计和制定统计整理方案 （二）对统计数据的审核 （三）分组和汇总 （四）统计数据的表现统计图表 （五）数据的积累和保管 三、统计资料的审核三、统计资料的审核 （一）审核资料的准确性。（二）审核资料的及时性。（三）审核资料的完整性。一、统计分组的意义和作用一、统计分组的意义和作用（一）意义（一）意义 1、定义：统计分组就是根据统计研究的目的和被研究现象的本质特征，将统计总体按照一定的标志划分为若干性质不同的部分或组。2、统计分组可以这样理解：一是对总体而言是“分”，即将总体区分为性质不同的若干部分；二是对总体单位而言是“合”，即将性质相同或相近的单位组合在一起。第二节第二节 统计分组

3、统计分组（二）统计分组的作用（二）统计分组的作用1、划分现象的类型2、揭示现象内部结构：2014年我国第一产业增加值占GDP的9.2%，第二产业占42.7%，第三产业占48.1%。我国三大产业就业构成我国三大产业就业构成就业类型1997年2002年2007年2012年就业人数（万人）比重（%）就业人数（万人）比重（%）就业人数（万人）比重（%）就业人数（万人）比重（%）第一产业第二产业第三产业34840165471843249.923.726.436640156822095850.021.428.630731201862440440.826.832.425773232412769033.630

4、.336.13、分析现象之间的依存关系 施肥量与小麦单产资料 单位：公斤施肥量施肥量010203040506070小麦亩小麦亩产产140210280350420490510500三、分组标志的选择三、分组标志的选择 正确选择分组标志须考虑：（一）根据研究问题的目的来选择分组标志（二）要选择最能反映被研究现象本质特征的标志作为分组标志（三）要结合现象所处的具体历史条件或经济条件来选择分组标志 四、统计分组的类型四、统计分组的类型 （一）按品质标志和数量标志分组（一）按品质标志和数量标志分组 按分组标志的性质可以分为品质标志和数量标志两类。1、按品质标志分组。2、按数量标志分组。（二）简单分组、复

5、合分组和分组体系（二）简单分组、复合分组和分组体系 第三节第三节 分配数列分配数列一、分配数列的概念一、分配数列的概念 （一）含义（一）含义 在统计分组的基础上，将总体的所有单位按组归类整理，并按一定顺序排列，形成总体中各个单位在各组间的分布。称为分配数列或次数分配。分配数列包括两个要素：一是总体按某标志所分的组；二是各组所占有的总体单位数。（二）分配数列的种类：品质分配数列和变量分配数列。1、品质数列：按品质标志分组形成的分配数列。表 某大学在校学生的性别分布情况性 别学生人数（人）学生人数比重%男 性女 性11696198485.514.5合 计13680100.02、变量数列：按数量标志

6、分组形成的分配数列。按数量标志分：单项式数列和组距式数列（1）单项数列：总体按单项式分组而成的变量数列。表 某车间工人看管机器台数分布 按工人看管机器分组工人数（人）工人比重（%）568101826241222.532.530.015.0合 计801000（2）组距数列：总体按组距式分组而形成的变量数列。表某企业职工月工资情况 按工资水平分组（元）工人数（人）比重（%）100150150200200250250以上18032040010018324010合 计1000100.0二、变量分配数列的编制二、变量分配数列的编制 将变量值的一个区间作为一组适合于连续变量适合于变量值较多的情况需要遵循“

7、不重不漏”的原则可采用等距分组，也可采用不等距分组确定级数与组距确定级数与组距1、确定组数：组数的确定应以能够显示数据的分布特征和规律为目的。在实际分组时，组数一般为5K 15变量个数组数lg222.312、确定组距：组距(Class Width)是一个组的上限与下限之差，可根据全部数据的最大值和最小值及所分的组数来确定，即 组距组距(最大值最大值-最小值最小值)组数组数3、统计出各组的频数并整理成频数分布表 组限和组中值组限和组中值n1.下限下限(lower limit)：一个组的最小值n2.上限上限(upper limit)：一个组的最大值n3.组距组距(class width)：上限与下

8、限之差n4.组中值组中值(class midpoint)：下限与上限之间的中点值注：开口组的组中值注：开口组的组中值两种表示方法：两种表示方法：(1)按连续变量分组。由于相邻两组的上限与下限通常以同一个数值来表示，每一组的上限同时是下一组的下限，为了避免计算总体单位分配数值的混乱，一般原则是“计入下限组”原则。(2)按离散变量分组。则相邻两组的上限与下限通常是以两个确定的不同整数值来表示，故相邻两组的上下限可以不重合。频数分布表的编制(例题分析)等距分组表(上下组限重叠)等距分组表(上下组限间断)等距分组表(使用开口组)等距分组和异距分组等距分组和异距分组1、等距分组：各组组距相等2、异距分组

9、：各组组距不相等某地区人口分布状况人口按年龄分组人口数（万人）1岁以下16岁717岁1829岁3059岁60岁以上1.210.824.026.641.516.3合计120.4注：异距分组在以下场合运用：1、现象质的内在要求编制异距数列。2、有许多社会经济现象的分布存在明显的偏斜状况，这时变量不适合等距分组，必须采用异距分组。3、有些社会经济现象的标志变异范围较大，其变量若按一定比例关系变化发展的话，可按等比间隔分组编制异距数列。三、次数分布三、次数分布 向上累计：由变量值低的组向变量值高的组逐次累计。向下累计：由变量值高的组向变量值低的组逐次累计。次数分布的主要类型：次数分布的主要类型：钟形分

10、布、U形分布、J形分布 1、钟形分布：近似于正态分布。2、U形分布：U形分布的特征与钟形分布恰恰相反，靠近中间的变量值分布的次数少，靠近两端的变量值分布的次数多，形成“两头大、中间小”的分布特征。3、J形分布：正J形分布是次数随着变量值的增大而增多，绘成曲线图，犹如英文字母“J”字。反J形分布是次数随着变量值的增大而减少，绘成曲线图，犹如反写的英文字母“J”字。第四节第四节 数据显示数据显示一、统计表（一）统计表的四点作用：(1)能使大量的统计资料系统化、条理化，因而能更清晰地表述统计资料的内容。(2)利用统计表便于比较各项目(指标)之间的关系，也便于计算(如有些计算表比用公式更简易、明了)。

11、(3)采用统计表格表述统计资料比用叙述的方法表述统计资料显得紧凑、简明、醒目，使人一目了然。(4)利用统计表易于检查数字的完整性和正确性。（二）统计表的结构 1、从内容上看，统计表由主词和宾词两部分组成。2、从表的形式看，统计表包括以下三个部分：总标题、科目、数字资料5 数据显示统计表的结构20022003年城镇居民家庭抽样调查资料年城镇居民家庭抽样调查资料项目项目单位单位2002年年 2003年年 调查户数调查户数 平均每户家庭人口平均每户家庭人口 平均每户就业人口平均每户就业人口 平均每户就业面平均每户就业面 平均一名就业者负担人数平均一名就业者负担人数 平均每人全部年收入平均每人全部年收

12、入 可支配收入可支配收入 平均每人消费性支出平均每人消费性支出户户人人人人%人人元元元元元元453173.041.5851.971.928177.407702.806029.88480283.011.5852.491.919061.228472.206510.94资料来源：中国统计年鉴2004，中国统计出版社，2004，第359页。注：本表为城市和县城的城镇居民家庭抽样调查资料。（三）统计表的种类：简单表、分组表和复合表 （四）宾词指标的设计注：两种设计方式：一种是简单设计另一种复合设计（五）编制统计表的规范要求1、在设计统计表时，要先结合研究的目的，对表中准备列入哪些资料、如何分组、设置哪些

13、指标等问题作通盘考虑。2、统计表的总标题，应能确切反映表的内容，文字要简练、醒目还要注明资料所属的时间、地点。3、主词和宾词的安排要合理。4、统计表各栏通常要加以编号，并说明其相互关系。主词各栏常用甲、乙、丙文字编次；宾词各栏常用（1）、（2）、（3）数字编号。5、统计表中的数字应注明计量单位。6、统计表的数字应填写整齐，对准位数，小数点后保留数要统一。7、统计表的格式一般采用长方体（横式和纵式）。上下两端的横线用粗线或双线，左右两端不划端线，即开口式。遇有性质不同的资料，为了显示区别可在表中用粗线隔开。8、统计表的资料来源及说明和注解写在表下方。二、统计图二、统计图（一）曲线图时间序列数据线

14、图(line plot)1.表示时间序列数据趋势的图形2.时间一般绘在横轴，数据绘在纵轴3.图形的长宽比例大致为10:73.一般情况下，纵轴数据下端应从“0”开始，以便于比较。数据与“0”之间的间距过大时，可以采取折断的符号将纵轴折断时间序列数据线图(例题分析)19912003年城乡居民家庭人均收入年城乡居民家庭人均收入年份年份城镇居民城镇居民(元元)农村居民农村居民(元元)19911992199319941995199619971998199920002001200220031700.62026.62577.43496.24283.04838.95160.35425.15854.06280.

15、06859.07702.88472.2 708.6 784.0 921.61221.01577.71926.12091.12162.02210.32253.42366.42475.62622.2时间序列数据线图(例题分析)两个变量间的关系两个变量间的关系二维散点图二维散点图(2D Scatterplots)1.展示两个变量之间的关系2.用横轴代表变量x，纵轴代表变量y，每组数据(xi,yi)在坐标系中用一个点表示，n组数据在坐标系中形成的n个点称为散点，由坐标及其散点形成的二维数据图温度温度/0C降雨量降雨量/mm产量产量/kg/hm262522508403450105845001368575

16、014110580016987500211208250两个变量间的关系二维散点图(2D Scatterplots)三个变量间的关系三个变量间的关系气泡图气泡图(bubble chart)1.显示三个变量之间的关系2.图中数据点的大小依赖于第三个变量1.也称为蜘蛛图(spider chart)2.显示多个变量的图示方法3.在显示或对比各变量的数值总和时十分有用3.假定各变量的取值具有相同的正负号，总的绝对值与图形所围成的区域成正比4.可用于研究多个样本之间的相似程度多变量数据雷达图(radar chart)n 设有n组样本S1，S2，,Sn，每个样本测得P个变量X1，X2，,XP，要绘制这P个变量的雷达图，其具体做法是多变量数据雷达图(雷达图的制作)多变量数据雷达图(例题分析)2003年城乡居民家庭平均每人生活消费支出构成年城乡居民家庭平均每人生活消费支出构成(%)项项 目目城镇居民城镇居民农村居民农村居民 食品食品 衣着衣着 家庭设备用品及服务家庭设备用品及服务 医疗保健医疗保健 交通通讯交通通讯 娱乐教育文化服务娱乐教育文化服务 居住居住 杂项商品与服务杂项商品与服务37.129.796.307.3111.0814.3510.743.30 45.595.674.205.968.3612.1315.872.21多变量数据雷达图(例题分析)