統計方法對什麼消費的分析與預測

① 舉例說明統計學在生活中有哪些具體的用途

統計學在生活中的具體用途：

1、利用統計學進行居民消費模式的量化研究：消費與收入之間有著密切的關系。消費函數是可支配收入與總消費支出之間關系的數學描述。

研究中國居民消費與收入之間的關系，量測中國居民的消費水平，探討影響居民消費的主要因素。研究者應考慮到影響消費的眾多因素，利用統計數據，建立消費模型，並總結建立中國消費函數應注意的問題和經驗。

2、利用統計學進行關於災害損失統計指標與方法的研究：自然災害是人類不能迴避的一個現實問題，幾乎每年都有不同的自然災害，給人民生命財產造成極大損失。

總結研究自然災害及其造成的損失具有重大的現實意義。統計指標的建立，數據的收集，規律的探討這是總結和掌握災害規律的重要過程。統計理論和方法在這一領域將會發揮重要作用。

3、利用統計學進行關於旅遊經濟、假日經濟和休閑時間的統計研究：關於這個領域統計指標體系的建立問題的研究，旅遊客流量、賓館入住率、景點門票收入、餐飲業收入、航空、鐵路等運輸客流量的預測研究等。

隨著人民生活水平的提高，生活質量及其休閑時間的規律研究對於制定有關政策，開發市場都具有重要的現實意義。這些都是統計科學應用的新課題。

4、統計學在產品質量控制中的應用：產品的質量關繫到企業的生存。中國許多企業非常重視產品質量控制，從產品的設計到生產的全過程的質量管理已經有些經驗。但是這方面仍有潛力可挖，特別是統計方法在質量管理中的運用與發達國家差距較大。

該課題研究應緊密結合某企業或某產品的生產過程，運用統計方法，實施產品設計、生產的全過程式控制制。這方面的研究可結合企業ISO9000認證進行。還可進一步探討「6」質量標准在中國企業的推廣應用。

5、統計學在教育、考試測量研究中的應用：通過對各種考試現有資料的分析處理，並進行適當的實驗測試分析研究，尋找出各種考試的自身規律和特點，為更好地組織考試提供科學依據。

要列舉出考試中各種因素，運用統計方法，分析研究這些因素對考試的影響，找出各主要影響因素，為更有效地控制這些因素提供方法和依據。這方面的研究是多變數的統計方法的應用。多元統計分析方法是這一領域地主要研究工具。

② 統計學是怎樣一門學科描述統計和推斷統計各有什麼特點舉出常用的三種統計分析方

描述統計是指對採集的數據進行登記、審核、整理、歸類，在此基礎上進一步計算出各種能反映總體數量特徵的綜合指標，並用圖表的形式表示經過歸納分析而得到的各種有用的統計信息。
推斷統計是在對樣本數據進行描述的基礎上，利用一定的方法根據樣本數據去估計或檢驗總體的數量特徵。推斷統計是現代統計學的主要內容。
回歸分析：確定兩種或兩種以上變數間相互依賴的定量關系的一種統計分析方法
方差分析：用於兩個及兩個以上樣本均數差別的顯著性檢驗，通過分析研究中不同來源的變異對總變異的貢獻大小，從而確定可控因素對研究結果影響力的大小。
相關分析：是研究現象之間是否存在某種依存關系，並對具體有依存關系的現象探討其相關方向以及相關程度，是研究隨機變數之間的相關關系的一種統計方法。相關分析與回歸分析在實際應用中有密切關系。然而在回歸分析中，所關心的是一個隨機變數Y對另一個（或一組）隨機變數X的依賴關系的函數形式。而在相關分析中 ，所討論的變數的地位一樣，分析側重於隨機變數之間的種種相關特徵。
判別分析：是按照一定的判別准則，建立一個或多個判別函數，用研究對象的大量資料確定判別函數中的待定系數，並計算判別指標，在氣候分類、農業區劃、土地類型劃分中有著廣泛的應用。
聚類分析：通過數據建模簡化數據的一種方法，聚類分析在電子商務中網站建設數據挖掘中也是很重要的一個方面，通過分組聚類出具有相似瀏覽行為的客戶，並分析客戶的共同特徵，可以更好的幫助電子商務的用戶了解自己的客戶，向客戶提供更合適的服務。
因子分析：基本目的就是用少數幾個因子去描述許多指標或因素之間的聯系，即將相關比較密切的幾個變數歸在同一類中，每一類變數就成為一個因子（之所以稱其為因子，是因為它是不可觀測的，即不是具體的變數），以較少的幾個因子反映原資料的大部分信息。運用這種研究技術，可以方便地找出影響消費者購買、消費以及滿意度的主要因素是哪些，以及它們的影響力（權重）運用這種研究技術，還可以為市場細分做前期分析。
描述統計是通過圖表或數學方法，對數據資料進行整理、分析，並對數據的分布狀態、數字特徵和隨機變數之間關系進行估計和描述的方法。描述統計分為集中趨勢分析和離中趨勢分析和相關分析三大部分。常見統計分析法：t檢驗，F檢驗 方差分析

③ 最近比較流行的統計預測方法有哪些

一、指標對比分析法指標對比分析法，又稱比較分析法，是統計分析中最常用的方法
二、分組分析法指標對比分析法是總體上的對比
三、時間數列及動態分析法時間數列
四、指數分析法指數是指反映社會經濟現象變動情況的相對數
五、平衡分析法平衡分析是研究社會經濟現象數量變化對等關系的一種方法
六、綜合評價分析社會經濟分析
七、景氣分析
八、預測分析宏觀經濟決策和微觀經濟決策

④ 預測的基本問題和幾種常用的統計預測方法

分享到： 收藏推薦 一、預測的基本問題這里介紹什麼是預測、預測的種類、預測的原則和程序、預測的作用和條件等。(一)預測的概念和種類 所謂預測就是對某一不確定的或未知的事件做出比較肯定的推斷。也可以說,預測就是把某一事件發生的不確定性極小化,並做出關於該事件發生、發展變化的設想。在多數情況下,這種設想屬於未來性質。所以,預測是根據已知預測未知,根據過去和現在預測未來;根據客觀的資料與條件,結合主觀的經驗與教訓,運用比較科學的方法,推斷、尋求事物發生、發展、變化的規律。 預測可以用於社會現象和自然現象的各個方面。把預測用於經濟、醫療衛生、軍事等方面,就形成為經濟預測、醫療衛生預測、軍事預測等等。以大量統計資料為依據,運用統計和數學方法,對事件的未來情況從數量上進行預測時,吟作統計預測。目前,統計預測在各種專業預測中已得到廣泛地運用,起著重要的作用。由於預測科學興起於經濟領域,在這方而的內容比較豐富,經驗也積果得較多,下面僅就這一領域討論有關問題,讀者不難推廣到共它方面。 1.什麼是經濟預測 經濟預測就是對未來的不確定的經濟事件或事件的經濟方面做出預測。

⑤ 統計方法有哪些啊

統計方法有：描述統計方法和推斷統計方法。

1、描述統計方法

描述統計方法是指通過圖表的方式對數據進行處理顯示，進而對數據進行定量的綜合概括的統計方法。

2、推斷統計方法

推斷統計方法是指根據樣本數據去推斷總體數量測度的方法。

統計方法的作用：

統計方法作為一種為決策提供依據的工具，可以幫助企業進行數據分析，了解產品質量狀態的分布情況，找出問題、缺陷及原因，有針對性地採取措施，提高產品和服務的質量。

原始數據不經過整理和分析，只是一堆「資料」，而有用的信息往往蘊藏在大量的數據之中，所以數據的應用是統計技術的前提，統計技術是整理和分析數據的工具。

統計方法可應用在設計階段的市場預測、可行性分析、方案設計、初試樣試制、小批量生產等；應用在生產階段的工藝設計、過程式控制制、能力研究和質量改進；應用在銷售階段的營銷策略研究、預期銷售額的測算、顧客回報率的評價、安全性評價和風險分析等。

⑥ 常用統計分析方法有哪些

1、對比分析法

對比分析法指通過指標的對比來反映事物數量上的變化，屬於統計分析中常用的方法。常見的對比有橫向對比和縱向對比。

橫向對比指的是不同事物在固定時間上的對比，例如，不同等級的用戶在同一時間購買商品的價格對比，不同商品在同一時間的銷量、利潤率等的對比。

縱向對比指的是同一事物在時間維度上的變化，例如，環比、同比和定基比，也就是本月銷售額與上月銷售額的對比，本年度1月份銷售額與上一年度1月份銷售額的對比，本年度每月銷售額分別與上一年度平均銷售額的對比等。利用對比分析法可以對數據規模大小、水平高低、速度快慢等做出有效的判斷和評價。

2、分組分析法

分組分析法是指根據數據的性質、特徵，按照一定的指標，將數據總體劃分為不同的部分，分析其內部結構和相互關系，從而了解事物的發展規律。

根據指標的性質，分組分析法分為屬性指標分組和數量指標分組。所謂屬性指標代表的是事物的性質、特徵等，如姓名、性別、文化程度等，這些指標無法進行運算；而數據指標代表的數據能夠進行運算，如人的年齡、工資收入等。分組分析法一般都和對比分析法結合使用。

3、預測分析法

預測分析法主要基於當前的數據，對未來的數據變化趨勢進行判斷和預測。預測分析一般分為兩種：一種是基於時間序列的預測，例如，依據以往的銷售業績，預測未來3個月的銷售額；另一種是回歸類預測，即根據指標之間相互影響的因果關系進行預測，例如，根據用戶網頁瀏覽行為，預測用戶可能購買的商品。

4、漏斗分析法

漏斗分析法也叫流程分析法，它的主要目的是專注於某個事件在重要環節上的轉化率，在互聯網行業的應用較普遍。比如，對於信用卡申請的流程，用戶從瀏覽卡片信息，到填寫信用卡資料、提交申請、銀行審核與批卡。

最後用戶激活並使用信用卡，中間有很多重要的環節，每個環節的用戶量都是越來越少的，從而形成一個漏斗。使用漏斗分析法，能使業務方關注各個環節的轉化率，並加以監控和管理，當某個環節的轉換率發生異常時，可以有針對性地優化流程，採取適當的措施來提升業務指標。

5、AB測試分析法

AB 測試分析法其實是一種對比分析法，但它側重於對比A、B兩組結構相似的樣本，並基於樣本指標值來分析各自的差異。

例如，對於某個App的同一功能，設計了不同的樣式風格和頁面布局，將兩種風格的頁面隨機分配給使用者，最後根據用戶在該頁面的瀏覽轉化率來評估不同樣式的優劣，了解用戶的喜好，從而進一步優化產品。

除此之外，要想做好數據分析，讀者還需掌握一定的數學基礎，例如，基本統計量的概念（均值、方差、眾數、中位數等），分散性和變異性的度量指標（極差、四分位數、四分位距、百分位數等），數據分布（幾何分布、二項分布等），以及概率論基礎、統計抽樣、置信區間和假設檢驗等內容，通過相關指標和概念的應用，讓數據分析結果更具專業性。

⑦ 常用統計分析方法

數據分析師針對不同業務問題可以製作各種具體的數據模型去分析問題，運用各種分析方法去探索數據，這里介紹最常用的三種分析方法，希望可以對您的工作有一定的的幫助

文中可視化圖表均使用DataFocus數據分析工具製作。

1.相關分析

相關分析顯示變數如何與另一個變數相關。例如，它顯示了計件工資是否會帶來更高的生產率。

2.回歸分析

回歸分析是對一個變數值與另一個變數值之間差異的定量預測。回歸模擬依賴變數和解釋變數之間的關系，這些變數通常繪制在散點圖上。您還可以使用回歸線來顯示這些關系是強還是弱。

另請注意，散點圖上的異常值非常重要。例如，外圍數據點可能代表公司最關鍵供應商或暢銷產品的輸入。但是，回歸線的性質通常會讓您忽略這些異常值。

3.假設檢驗

假設檢驗是基於某些假設並從樣本到人口的數理統計中的統計分析方法。主要是為了解決問題的需要，對整體研究提出一些假設。通常，比較兩個統計數據集，或者將通過采樣獲得的數據集與來自理想化模型的合成數據集進行比較。提出了兩個數據集之間統計關系的假設，並將其用作理想化零假設的替代方案。建議兩個數據集之間沒有關系。

在掌握了數據分析的基本圖形和分析方法之後，數據分析師認為有一點需要注意：「在沒有確認如何表達你想要解決的問題之前，不要開始進行數據分析。」簡而言之，如果您無法解釋您試圖用數據分析解決的業務問題，那麼沒有數據分析可以解決問題。

⑧ 對國內生產總值和消費水平之間的關系進行統計分析，用什麼方法

3.3對百貨商品銷量連續40天如下：
單位：萬元

41 25 29 47 38 34 30 38 43 40

46 36 45 37 37 36 45 43 33 44 BR /> 35 28 46 34 30 37 44 26 38 44

42 36 37 37 49 39 42 32 36 35

要求：根據上述數據適當分組，頻數分布表的編制，並繪制直方圖。

1，確定組數：

，取k = 6

2，確定從小組：

組從=（最大值 - 最小值）÷組數= （49 - 25）÷6 = 4，取5

3，分組頻率表

銷售收入（百萬元）頻率頻率％累積頻率累積頻率％

<= 25 1 2.5 1 2.5 BR /> 5月26日至30日12.5 6 15.0

31 - 35 6 15.0 12 30.0

36 - 40 14 35.0 26 65.0

41 - 45 10 25.0 36 90.0

46 + 4 10.0 40 100.0

的/> 3.6 40 100.0

<br的自動裝彈袋食品生產線總和，每袋重約50g，但由於某些原因，每袋的重量是不完全50克。這里是100袋食物的隨機樣本，測得的體重數據如下：

單位g

57 46 49 54 55 58 49 61 51 49

51 60 52 54 51 55 60 56 47 47

53 51 48 53 50 52 40 45 57 53

52 51 46 48 47 53 47 53 44 47

50 52 53 47 45 48 54 52 48 46

49 52 59 53 50 43 53 46 57 49

49 44 57 52 42 49 43 47 46 48

51 59 45 45 46 52 55 47 49 50

54 47 48 44 57 47 53 58 52 48 55 53 57 49 56 56 57 53 41 48

要求：

（1）建立數據的頻率表。

（2）畫出頻率分布直方圖。

（3）中的特徵數據分布的描述。

溶液：（1）根據上述數據適當地組合，頻數分布表的編制，並計算累積頻率和累積頻率。

1，確定組數：

，取k = 6或7

2，確定從小組：

組從=（最大 - 最小）÷數量組=（61-40）÷6 = 3.5，取3或4,5

組從=（最大 - 最小）組數÷=（61-40）÷7 = 3，

3從三組分組

頻率表，上限小於

頻率百分比累積頻率累積百分比

有效40.00 - 42.00 3 3.0 3 3.0

43.00 - 45.00 9 9.0 12 12.0

46.00 - 48.00 24 24.0 36 36.0

49.00 - 51.00 19 19.0 55 55.0

52.00 - 54.00 24 24.0 79 79.0

55.00 - 57.00 14 14.0 93 93.0

58.00 + 7 7.0 100 100.0

總計100 100.0

柱狀圖：在4

組，上限為小於或等於

頻率百分比累積頻率累積百分比 BR />有效<= 40.00 1 1.0 1 1.0

41.00 - 44.00 7 7.0 8 8.0

45.00 - 48.00 28 28.0 36 36.0

49.00 - 52.00 28 28.0 64 64.0

53.00 - 56.00 22 22.0 86 86.0

57.00 - 60.00 13 13.0 99 99.0

61.00 + 1 1.0 100 100.0

總計100 100.0

直方圖：

組從5最大為小於或等於

頻率百分比累積頻率累積百分比

有效<= 45.00 12 12.0 12.0 12.0

46.00 - 50.00 37 37.0 49.0 49.0

51.00 - 55.00 34 34.0 83.0 83.0

56.00 - 60.00 16 16.0 99.0 99.0

61.00 + 1 1.0 100.0 100.0

總計100 100.0

直方圖：

分布：左側鍾。

25網民4.2隨機樣本得到他們的青睞如下：

單位：生日

19 15 29 25 24

23 21 38 22 18

30 20 19 19 16

23 27 22 34 24

41 20 31 17 23

要求;

（1）計算模式，中位數：

1，排序形成單因素和分值累積頻率分布頻率分布：

網民青睞

頻數百分比累積頻數累計百分比

有效期15 1 4.0 1 4.0

16 1 4.0 2 8.0

17 1 4.0 3 12.0

18 1 4.0 4 16.0

19 3 12.0 7 28.0

20 2 8.0 9 36.0

21 1 4.0 10 40.0 /> 22 2 8.0 12 48.0

<br 23 3 12.0 15 60.0

24 2 8.0 17 68.0

25 1 4.0 18 72.0

27 1 4.0 19 76.0

29 1 4.0 20 80.0

30 1 4.0 21 84.0

31 1 4.0 22 88.0

34 1 4.0 23 92.0

38 1 4.0 24 96.0

41 1 4.0 25 100.0

合計25 100.0

從可見頻率，模態，莫有兩個：19,23;從累積頻率看，我的中位數= 23。

（2）根據四分位數定義的公式進行計算。

Q1位置= 25/4 = 6.25，所以Q1 = 19，Q3位置= 3×25/4 = 18.75，因此Q3 = 27，或者像25和27都只有一個，所以Q3也可以等於25 +0.75×2 = 26.5。

（3）計算出的平均值和標准偏差;

均值= 24.00，標准差= 6.652

（4）計算偏度和峰度。

偏度= 1.080;峰度= 0.773

（5）對網民的年齡分布綜合分析：

分布，均值= 24，SD = 6.652，分布為右偏。一看形式分配需要進行分組。

下一個分組直方圖：

分組概率密度曲線情況：

分組：

1，確定組數： ，取k = 6

2，確定從小組：從組= - 組=（41-15）÷6 = 4.3，取5

3，分組頻率表（最大最小）÷數量

互聯網用戶的年齡（離散化）

頻數百分比累積頻數累計百分比

有效<= 15 1 4.0 1 4.0

8月16日至20日32.0 9 36.0

21 - 25 9 36.0 18 72.0

三月26日至30日12.0 21 84.0

31 - 35 2 8.0 23 92.0

36 - 40 1 4.0 24 96.0

41±1 4.0 25 100.0
>共25 100.0

分組的均值和方差：

平均23.3000

標准偏差7.02377

方差49.333

偏度1.163

。直方圖的峰度1.302

分組：

4.6抽取一個地區120家企業，利潤是根據以下結果進行分組：

受獲利金額分組（元）數量企業的（）

200300

300400

400500

500600

600超過19

42 BR /> 18

共有120

要求：

（1）計算出的120企業利潤的金額均值和標准差。

（2）計算企業利潤額120位數，眾數，中位數

四方解決方案：值N適用120

缺數0

平均426.6667

標准。偏差116.48445

偏度0.208

標准。的偏度0.221

峰度-0.625 標准錯誤。的/> 7.11生產包裝食品用全自動打包機袋，標准體重l00g的峰度0.438

<br錯誤。從日現在由一批產品50包重復檢查隨機抽樣產生的，每包的重量測量（單位：g）如下：

每包重量（g）包裝數量 9698

98100

100102

102104

104106 2

3

7 BR /> 4共50

已知重量的正態分布食品包裝要求：

（1）確定種類的食物，以95％的置信區間的平均重量。

解決方案：一個大樣本，總體方差未知，與z統計

樣本平均值= 101.4，樣本標准差s = 1.829

置信區間：
>

= 0.95，== 1.96

==（100.89,101.91）

（2）如果要求不合格食品重量小於l00g確定95％的合格率的批次的食品置信區間。

解決方法：大樣本的估計，總體方差未知，與z統計

采樣率=（50-5）/ 50 = 0.9 置信范圍：占國內

= 0.95，== 1.96

==（0.8168,0.9832）

11.6以下是七個方面，2000年，人均生產總值（GDP）和人均消費統計數據水平：人均消費水平

人均GDP（元）（元）

上海，遼寧，江西

貴州，河南，陝西22 460

11 226

34 547

4 851

5 444

2 662

4 549 7 326

4 490

11 546

2 396

2 208

1 608

2 035

要求：

（1）人均GDP為自變數，人均消費水平為因變數，繪制散點圖，並描述了兩種形式之間的關系。

（2）計算兩個變數之間的線性相關系數，說明兩個變數之間關系的強度。

（3）用最小二乘法計算出的估計回歸方程，並解釋回歸系數的實際意義。

（4）計算判定系數並解釋其意義。

（5）檢驗線性回歸方程為顯著關系（α= 0.05）。

（6）如果一個地區的人均GDP為5000元，人均消費水平的預測。當

（7）人均國內生產總值的需求是每95％的置信區間和預測區間的人均消費水平5000元。

解決方案：（1）

有可能是一個線性關系__

。

（2）相關系數：<br人均國內生產總值（元）人均消費水平（元）

人均GDP（元）1.998 Pearson相關系數之間p>相關（**）人均

顯著（雙面）0.000

以北7 7

消費水平（元）Pearson相關0.998（**）1

顯著（雙面）0.000 BR />以北7 7

**。在.01水平顯著相關（雙側）上。

有很強的線性關系。

（3）的回歸方程為：

系數標准化系數T顯著

乙SE Beta版

1（常量）734.693 139.540非標准化系數（一）

模型5.265 0.003

人均GDP（元）0.309 0.008 0.998 36.492 0.000

一個因變數：人均消費水平（元）

回歸系數是指：不提高1元，人均GDP，人均消費0.309億美元。

（4）

模型摘要模型居民方調整的R平方估計的標准差

1 0.998（一）0.996 0.996 247.303

一。預測變數：（常量），人均國內生產總值（人民幣）。

人均消費人均GDP的影響達到99.6％。

（5）F檢驗：

方差分析（二）

平方的總和型號DF平均平方和F顯著

1返回81,444,968.680 1 81,444,968.680 1,331.692 .000（一）
殘差305,795.034 5 61,159.007

合計81,750,763.714 6

一個預測變數：（常量），人均國內生產總值（人民幣）。

b因變數：人均消費水平（元）測試

回歸系數：t檢驗

系數（一）

非標准化系數模型顯著標准化系數T
>β 1（常量）734.693 139.540 5.265 0.003

人均GDP（元）0.309 0.008 0.998 36.492 0.000

一個因變數：人均消費水平（元）
>（6）

一個地區的人均GDP是人均5000元消費水平預測2278.10657元。

（7）

人均GDP為每95％信心區間[1990.74915,2565.46399]，預測區間[1580.46315,2975.74999]人均消費水平5000元。

13.4下表顯示了中國的財政1981年和2000年的文化，教育，科技，衛生支出數據表明量

年度支出（萬元）年支出（元）
> 1981 171.36 1991 708.00

1982 196.96 1992 792.96

1983 223.54 1993 957.77

1984 263.17 1994 1278 0.18

1985 316.70 1995 1467 .06

1986 379.93 1996 1704。 25

1987 402.75 1997 1903 0.59

1988 486.10 1998 2154 0.38

1989 553.33 1999 2408 .06

1990 617.29 2000 2736 0.88

（1）渲染時間序列圖描述的趨勢。

（2）選擇合適的趨勢線擬合數據，並根據趨勢線預測開支在2001年。

詳細的解答：

（1）趨勢如下：

（2）可以從趨勢中可以看出，中國的金融文化，教育，科技，衛生支出的數額列示表明指數增長的趨勢，所以選擇的指數曲線。線性變換後，運用Excel輸出的回歸結果如下：

復R 0.998423

R平方0.996849

調整的R平方0.996674

標准觀測誤差0.022125

DF SS MS F顯著性F

回歸1 2.787616 2.787616 5694.885 5.68E-24

殘差18 0.008811 0.000489 BR />共19 2.796427

系數標准誤差t統計P值低95％95％上限

截2.163699 0.010278 210.5269 5.55E-32 2.142106 2.185291

X變數1 0.064745 0.000858 75.46446 5.68E-24 0.062942 0.066547

，，，。因此，指數曲線方程：。

2001年的預測是：13.10 19952000年北京月平均氣溫數據如下（單位:)：

月/年份1995 1996 1997 1998 1999 2000

1 -0.7 -2.2 -3.8 - 3.9 -1.6 -6.4

2 2.1 -0.4 1.3 2.4 2.2 -1.5

3 7.7 6.2 8.7 7.6 4.8 8.1

4 14.7 14.3 14.5 15.0 14.4 14.6

5 19.8 21.6 20.0 19.9 19.5 20.4

6 24.3 25.4 24.6 23.6 25.4 26.7

7 25.9 25.5 28.2 26.5 28.1 29.6

8 25.4 23.9 26.6 25.1 25.6 25.7

9 19.0 20.7 18.6 22.2 20.9 21.8

10 14.5 12.8 14.0 14.8 13.0 12.6 11 7.7 4.2 5.4 4.0 5.9 3.0

類型的時間序列的12 -0.4 0.9 -1.5 0.1 -0.6 -0.6

（1）年的時間序列繪制折地圖，判斷。

（2）用多元回歸模型來預測季節平均氣溫為每月2001。

詳細的解答：

（1）年的時間序列折疊示意圖如下：

折疊的時間序列可以從每年的圖中可以看出，北京的月平均氣溫具有明顯的季節變化。由於越線圖的走勢表明，該序列不存在。

（2）季節性的多元回歸模型：

月份設置。季節性的多元回歸模型：

虛擬變數為：

，，......，。

Excel的輸出由回歸結果如下：

B0 -0.2233

B1 -0.0030

M1 -2.7832

M2 1.3365

M3 7.5062

M4 14.9092

M5 20.5289

M6 25.3319

M7 27.6349

M8 25.7213

M9 20.8743

M10 13.9606 M11 5.3803

季節性的多元回歸方程為：

2001年的預測值在一月份的平均氣溫為如下：？？

年/月時間假人預測

M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11

1 73 1 0 0 0 0 0 0 0 0 0 0 -3.2

2 74 0 1 0 0 0 0 0 0 0 0 0 0.9 3 75 0 0 1 0 0 0 0 0 0 0 0 7.1

4 76 0 0 0 1 0 0 0 0 0 0 0 14.5

5 77 0 0 0 0 1 0 0 0 0 0 0 20.1

6 78 0 0 0 0 0 1 0 0 0 0 0 24.9

7 79 0 0 0 0 0 0 1 0 0 0 0 27.2

8 80 0 0 0 0 0 0 0 1 0 0 0 25.3

9 81 0 0 0 0 0 0 0 0 1 0 0 20.4

10 82 0 0 0 0 0 0 0 0 0 1 0 13.5
> 11 83 0 0 0 0 0 0 0 0 0 0 1 4.9
12 84 0 0 0 0 0 0 0 0 0 0 0 -0.5