统计方法对什么消费的分析与预测

① 举例说明统计学在生活中有哪些具体的用途

统计学在生活中的具体用途：

1、利用统计学进行居民消费模式的量化研究：消费与收入之间有着密切的关系。消费函数是可支配收入与总消费支出之间关系的数学描述。

研究中国居民消费与收入之间的关系，量测中国居民的消费水平，探讨影响居民消费的主要因素。研究者应考虑到影响消费的众多因素，利用统计数据，建立消费模型，并总结建立中国消费函数应注意的问题和经验。

2、利用统计学进行关于灾害损失统计指标与方法的研究：自然灾害是人类不能回避的一个现实问题，几乎每年都有不同的自然灾害，给人民生命财产造成极大损失。

总结研究自然灾害及其造成的损失具有重大的现实意义。统计指标的建立，数据的收集，规律的探讨这是总结和掌握灾害规律的重要过程。统计理论和方法在这一领域将会发挥重要作用。

3、利用统计学进行关于旅游经济、假日经济和休闲时间的统计研究：关于这个领域统计指标体系的建立问题的研究，旅游客流量、宾馆入住率、景点门票收入、餐饮业收入、航空、铁路等运输客流量的预测研究等。

随着人民生活水平的提高，生活质量及其休闲时间的规律研究对于制定有关政策，开发市场都具有重要的现实意义。这些都是统计科学应用的新课题。

4、统计学在产品质量控制中的应用：产品的质量关系到企业的生存。中国许多企业非常重视产品质量控制，从产品的设计到生产的全过程的质量管理已经有些经验。但是这方面仍有潜力可挖，特别是统计方法在质量管理中的运用与发达国家差距较大。

该课题研究应紧密结合某企业或某产品的生产过程，运用统计方法，实施产品设计、生产的全过程控制。这方面的研究可结合企业ISO9000认证进行。还可进一步探讨“6”质量标准在中国企业的推广应用。

5、统计学在教育、考试测量研究中的应用：通过对各种考试现有资料的分析处理，并进行适当的实验测试分析研究，寻找出各种考试的自身规律和特点，为更好地组织考试提供科学依据。

要列举出考试中各种因素，运用统计方法，分析研究这些因素对考试的影响，找出各主要影响因素，为更有效地控制这些因素提供方法和依据。这方面的研究是多变量的统计方法的应用。多元统计分析方法是这一领域地主要研究工具。

② 统计学是怎样一门学科描述统计和推断统计各有什么特点举出常用的三种统计分析方

描述统计是指对采集的数据进行登记、审核、整理、归类，在此基础上进一步计算出各种能反映总体数量特征的综合指标，并用图表的形式表示经过归纳分析而得到的各种有用的统计信息。
推断统计是在对样本数据进行描述的基础上，利用一定的方法根据样本数据去估计或检验总体的数量特征。推断统计是现代统计学的主要内容。
回归分析：确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法
方差分析：用于两个及两个以上样本均数差别的显着性检验，通过分析研究中不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。
相关分析：是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。相关分析与回归分析在实际应用中有密切关系。然而在回归分析中，所关心的是一个随机变量Y对另一个（或一组）随机变量X的依赖关系的函数形式。而在相关分析中 ，所讨论的变量的地位一样，分析侧重于随机变量之间的种种相关特征。
判别分析：是按照一定的判别准则，建立一个或多个判别函数，用研究对象的大量资料确定判别函数中的待定系数，并计算判别指标，在气候分类、农业区划、土地类型划分中有着广泛的应用。
聚类分析：通过数据建模简化数据的一种方法，聚类分析在电子商务中网站建设数据挖掘中也是很重要的一个方面，通过分组聚类出具有相似浏览行为的客户，并分析客户的共同特征，可以更好的帮助电子商务的用户了解自己的客户，向客户提供更合适的服务。
因子分析：基本目的就是用少数几个因子去描述许多指标或因素之间的联系，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子（之所以称其为因子，是因为它是不可观测的，即不是具体的变量），以较少的几个因子反映原资料的大部分信息。运用这种研究技术，可以方便地找出影响消费者购买、消费以及满意度的主要因素是哪些，以及它们的影响力（权重）运用这种研究技术，还可以为市场细分做前期分析。
描述统计是通过图表或数学方法，对数据资料进行整理、分析，并对数据的分布状态、数字特征和随机变量之间关系进行估计和描述的方法。描述统计分为集中趋势分析和离中趋势分析和相关分析三大部分。常见统计分析法：t检验，F检验 方差分析

③ 最近比较流行的统计预测方法有哪些

一、指标对比分析法指标对比分析法，又称比较分析法，是统计分析中最常用的方法
二、分组分析法指标对比分析法是总体上的对比
三、时间数列及动态分析法时间数列
四、指数分析法指数是指反映社会经济现象变动情况的相对数
五、平衡分析法平衡分析是研究社会经济现象数量变化对等关系的一种方法
六、综合评价分析社会经济分析
七、景气分析
八、预测分析宏观经济决策和微观经济决策

④ 预测的基本问题和几种常用的统计预测方法

分享到： 收藏推荐 一、预测的基本问题这里介绍什么是预测、预测的种类、预测的原则和程序、预测的作用和条件等。(一)预测的概念和种类 所谓预测就是对某一不确定的或未知的事件做出比较肯定的推断。也可以说,预测就是把某一事件发生的不确定性极小化,并做出关于该事件发生、发展变化的设想。在多数情况下,这种设想属于未来性质。所以,预测是根据已知预测未知,根据过去和现在预测未来;根据客观的资料与条件,结合主观的经验与教训,运用比较科学的方法,推断、寻求事物发生、发展、变化的规律。 预测可以用于社会现象和自然现象的各个方面。把预测用于经济、医疗卫生、军事等方面,就形成为经济预测、医疗卫生预测、军事预测等等。以大量统计资料为依据,运用统计和数学方法,对事件的未来情况从数量上进行预测时,吟作统计预测。目前,统计预测在各种专业预测中已得到广泛地运用,起着重要的作用。由于预测科学兴起于经济领域,在这方而的内容比较丰富,经验也积果得较多,下面仅就这一领域讨论有关问题,读者不难推广到共它方面。 1.什么是经济预测 经济预测就是对未来的不确定的经济事件或事件的经济方面做出预测。

⑤ 统计方法有哪些啊

统计方法有：描述统计方法和推断统计方法。

1、描述统计方法

描述统计方法是指通过图表的方式对数据进行处理显示，进而对数据进行定量的综合概括的统计方法。

2、推断统计方法

推断统计方法是指根据样本数据去推断总体数量测度的方法。

统计方法的作用：

统计方法作为一种为决策提供依据的工具，可以帮助企业进行数据分析，了解产品质量状态的分布情况，找出问题、缺陷及原因，有针对性地采取措施，提高产品和服务的质量。

原始数据不经过整理和分析，只是一堆“资料”，而有用的信息往往蕴藏在大量的数据之中，所以数据的应用是统计技术的前提，统计技术是整理和分析数据的工具。

统计方法可应用在设计阶段的市场预测、可行性分析、方案设计、初试样试制、小批量生产等；应用在生产阶段的工艺设计、过程控制、能力研究和质量改进；应用在销售阶段的营销策略研究、预期销售额的测算、顾客回报率的评价、安全性评价和风险分析等。

⑥ 常用统计分析方法有哪些

1、对比分析法

对比分析法指通过指标的对比来反映事物数量上的变化，属于统计分析中常用的方法。常见的对比有横向对比和纵向对比。

横向对比指的是不同事物在固定时间上的对比，例如，不同等级的用户在同一时间购买商品的价格对比，不同商品在同一时间的销量、利润率等的对比。

纵向对比指的是同一事物在时间维度上的变化，例如，环比、同比和定基比，也就是本月销售额与上月销售额的对比，本年度1月份销售额与上一年度1月份销售额的对比，本年度每月销售额分别与上一年度平均销售额的对比等。利用对比分析法可以对数据规模大小、水平高低、速度快慢等做出有效的判断和评价。

2、分组分析法

分组分析法是指根据数据的性质、特征，按照一定的指标，将数据总体划分为不同的部分，分析其内部结构和相互关系，从而了解事物的发展规律。

根据指标的性质，分组分析法分为属性指标分组和数量指标分组。所谓属性指标代表的是事物的性质、特征等，如姓名、性别、文化程度等，这些指标无法进行运算；而数据指标代表的数据能够进行运算，如人的年龄、工资收入等。分组分析法一般都和对比分析法结合使用。

3、预测分析法

预测分析法主要基于当前的数据，对未来的数据变化趋势进行判断和预测。预测分析一般分为两种：一种是基于时间序列的预测，例如，依据以往的销售业绩，预测未来3个月的销售额；另一种是回归类预测，即根据指标之间相互影响的因果关系进行预测，例如，根据用户网页浏览行为，预测用户可能购买的商品。

4、漏斗分析法

漏斗分析法也叫流程分析法，它的主要目的是专注于某个事件在重要环节上的转化率，在互联网行业的应用较普遍。比如，对于信用卡申请的流程，用户从浏览卡片信息，到填写信用卡资料、提交申请、银行审核与批卡。

最后用户激活并使用信用卡，中间有很多重要的环节，每个环节的用户量都是越来越少的，从而形成一个漏斗。使用漏斗分析法，能使业务方关注各个环节的转化率，并加以监控和管理，当某个环节的转换率发生异常时，可以有针对性地优化流程，采取适当的措施来提升业务指标。

5、AB测试分析法

AB 测试分析法其实是一种对比分析法，但它侧重于对比A、B两组结构相似的样本，并基于样本指标值来分析各自的差异。

例如，对于某个App的同一功能，设计了不同的样式风格和页面布局，将两种风格的页面随机分配给使用者，最后根据用户在该页面的浏览转化率来评估不同样式的优劣，了解用户的喜好，从而进一步优化产品。

除此之外，要想做好数据分析，读者还需掌握一定的数学基础，例如，基本统计量的概念（均值、方差、众数、中位数等），分散性和变异性的度量指标（极差、四分位数、四分位距、百分位数等），数据分布（几何分布、二项分布等），以及概率论基础、统计抽样、置信区间和假设检验等内容，通过相关指标和概念的应用，让数据分析结果更具专业性。

⑦ 常用统计分析方法

数据分析师针对不同业务问题可以制作各种具体的数据模型去分析问题，运用各种分析方法去探索数据，这里介绍最常用的三种分析方法，希望可以对您的工作有一定的的帮助

文中可视化图表均使用DataFocus数据分析工具制作。

1.相关分析

相关分析显示变量如何与另一个变量相关。例如，它显示了计件工资是否会带来更高的生产率。

2.回归分析

回归分析是对一个变量值与另一个变量值之间差异的定量预测。回归模拟依赖变量和解释变量之间的关系，这些变量通常绘制在散点图上。您还可以使用回归线来显示这些关系是强还是弱。

另请注意，散点图上的异常值非常重要。例如，外围数据点可能代表公司最关键供应商或畅销产品的输入。但是，回归线的性质通常会让您忽略这些异常值。

3.假设检验

假设检验是基于某些假设并从样本到人口的数理统计中的统计分析方法。主要是为了解决问题的需要，对整体研究提出一些假设。通常，比较两个统计数据集，或者将通过采样获得的数据集与来自理想化模型的合成数据集进行比较。提出了两个数据集之间统计关系的假设，并将其用作理想化零假设的替代方案。建议两个数据集之间没有关系。

在掌握了数据分析的基本图形和分析方法之后，数据分析师认为有一点需要注意：“在没有确认如何表达你想要解决的问题之前，不要开始进行数据分析。”简而言之，如果您无法解释您试图用数据分析解决的业务问题，那么没有数据分析可以解决问题。

⑧ 对国内生产总值和消费水平之间的关系进行统计分析，用什么方法

3.3对百货商品销量连续40天如下：
单位：万元

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：根据上述数据适当分组，频数分布表的编制，并绘制直方图。

1，确定组数：

，取k = 6

2，确定从小组：

组从=（最大值 - 最小值）÷组数= （49 - 25）÷6 = 4，取5

3，分组频率表

销售收入（百万元）频率频率％累积频率累积频率％

<= 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的自动装弹袋食品生产线总和，每袋重约50g，但由于某些原因，每袋的重量是不完全50克。这里是100袋食物的随机样本，测得的体重数据如下：

单位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）建立数据的频率表。

（2）画出频率分布直方图。

（3）中的特征数据分布的描述。

溶液：（1）根据上述数据适当地组合，频数分布表的编制，并计算累积频率和累积频率。

1，确定组数：

，取k = 6或7

2，确定从小组：

组从=（最大 - 最小）÷数量组=（61-40）÷6 = 3.5，取3或4,5

组从=（最大 - 最小）组数÷=（61-40）÷7 = 3，

3从三组分组

频率表，上限小于

频率百分比累积频率累积百分比

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

总计100 100.0

柱状图：在4

组，上限为小于或等于

频率百分比累积频率累积百分比 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

总计100 100.0

直方图：

组从5最大为小于或等于

频率百分比累积频率累积百分比

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

总计100 100.0

直方图：

分布：左侧钟。

25网民4.2随机样本得到他们的青睐如下：

单位：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）计算模式，中位数：

1，排序形成单因素和分值累积频率分布频率分布：

网民青睐

频数百分比累积频数累计百分比

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

合计25 100.0

从可见频率，模态，莫有两个：19,23;从累积频率看，我的中位数= 23。

（2）根据四分位数定义的公式进行计算。

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都只有一个，所以Q3也可以等于25 +0.75×2 = 26.5。

（3）计算出的平均值和标准偏差;

均值= 24.00，标准差= 6.652

（4）计算偏度和峰度。

偏度= 1.080;峰度= 0.773

（5）对网民的年龄分布综合分析：

分布，均值= 24，SD = 6.652，分布为右偏。一看形式分配需要进行分组。

下一个分组直方图：

分组概率密度曲线情况：

分组：

1，确定组数： ，取k = 6

2，确定从小组：从组= - 组=（41-15）÷6 = 4.3，取5

3，分组频率表（最大最小）÷数量

互联网用户的年龄（离散化）

频数百分比累积频数累计百分比

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

分组的均值和方差：

平均23.3000

标准偏差7.02377

方差49.333

偏度1.163

。直方图的峰度1.302

分组：

4.6抽取一个地区120家企业，利润是根据以下结果进行分组：

受获利金额分组（元）数量企业的（）

200300

300400

400500

500600

600超过19

42 BR /> 18

共有120

要求：

（1）计算出的120企业利润的金额均值和标准差。

（2）计算企业利润额120位数，众数，中位数

四方解决方案：值N适用120

缺数0

平均426.6667

标准。偏差116.48445

偏度0.208

标准。的偏度0.221

峰度-0.625 标准错误。的/> 7.11生产包装食品用全自动打包机袋，标准体重l00g的峰度0.438

<br错误。从日现在由一批产品50包重复检查随机抽样产生的，每包的重量测量（单位：g）如下：

每包重量（g）包装数量 9698

98100

100102

102104

104106 2

3

7 BR /> 4共50

已知重量的正态分布食品包装要求：

（1）确定种类的食物，以95％的置信区间的平均重量。

解决方案：一个大样本，总体方差未知，与z统计

样本平均值= 101.4，样本标准差s = 1.829

置信区间：
>

= 0.95，== 1.96

==（100.89,101.91）

（2）如果要求不合格食品重量小于l00g确定95％的合格率的批次的食品置信区间。

解决方法：大样本的估计，总体方差未知，与z统计

采样率=（50-5）/ 50 = 0.9 置信范围：占国内

= 0.95，== 1.96

==（0.8168,0.9832）

11.6以下是七个方面，2000年，人均生产总值（GDP）和人均消费统计数据水平：人均消费水平

人均GDP（元）（元）

上海，辽宁，江西

贵州，河南，陕西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为自变量，人均消费水平为因变量，绘制散点图，并描述了两种形式之间的关系。

（2）计算两个变量之间的线性相关系数，说明两个变量之间关系的强度。

（3）用最小二乘法计算出的估计回归方程，并解释回归系数的实际意义。

（4）计算判定系数并解释其意义。

（5）检验线性回归方程为显着关系（α= 0.05）。

（6）如果一个地区的人均GDP为5000元，人均消费水平的预测。当

（7）人均国内生产总值的需求是每95％的置信区间和预测区间的人均消费水平5000元。

解决方案：（1）

有可能是一个线性关系__

。

（2）相关系数：<br人均国内生产总值（元）人均消费水平（元）

人均GDP（元）1.998 Pearson相关系数之间p>相关（**）人均

显着（双面）0.000

以北7 7

消费水平（元）Pearson相关0.998（**）1

显着（双面）0.000 BR />以北7 7

**。在.01水平显着相关（双侧）上。

有很强的线性关系。

（3）的回归方程为：

系数标准化系数T显着

乙SE Beta版

1（常量）734.693 139.540非标准化系数（一）

模型5.265 0.003

人均GDP（元）0.309 0.008 0.998 36.492 0.000

一个因变量：人均消费水平（元）

回归系数是指：不提高1元，人均GDP，人均消费0.309亿美元。

（4）

模型摘要模型居民方调整的R平方估计的标准差

1 0.998（一）0.996 0.996 247.303

一。预测变量：（常量），人均国内生产总值（人民币）。

人均消费人均GDP的影响达到99.6％。

（5）F检验：

方差分析（二）

平方的总和型号DF平均平方和F显着

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

合计81,750,763.714 6

一个预测变量：（常量），人均国内生产总值（人民币）。

b因变量：人均消费水平（元）测试

回归系数：t检验

系数（一）

非标准化系数模型显着标准化系数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

一个因变量：人均消费水平（元）
>（6）

一个地区的人均GDP是人均5000元消费水平预测2278.10657元。

（7）

人均GDP为每95％信心区间[1990.74915,2565.46399]，预测区间[1580.46315,2975.74999]人均消费水平5000元。

13.4下表显示了中国的财政1981年和2000年的文化，教育，科技，卫生支出数据表明量

年度支出（万元）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）渲染时间序列图描述的趋势。

（2）选择合适的趋势线拟合数据，并根据趋势线预测开支在2001年。

详细的解答：

（1）趋势如下：

（2）可以从趋势中可以看出，中国的金融文化，教育，科技，卫生支出的数额列示表明指数增长的趋势，所以选择的指数曲线。线性变换后，运用Excel输出的回归结果如下：

复R 0.998423

R平方0.996849

调整的R平方0.996674

标准观测误差0.022125

DF SS MS F显着性F

回归1 2.787616 2.787616 5694.885 5.68E-24

残差18 0.008811 0.000489 BR />共19 2.796427

系数标准误差t统计P值低95％95％上限

截2.163699 0.010278 210.5269 5.55E-32 2.142106 2.185291

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

，，，。因此，指数曲线方程：。

2001年的预测是：13.10 19952000年北京月平均气温数据如下（单位:)：

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

类型的时间序列的12 -0.4 0.9 -1.5 0.1 -0.6 -0.6

（1）年的时间序列绘制折地图，判断。

（2）用多元回归模型来预测季节平均气温为每月2001。

详细的解答：

（1）年的时间序列折叠示意图如下：

折叠的时间序列可以从每年的图中可以看出，北京的月平均气温具有明显的季节变化。由于越线图的走势表明，该序列不存在。

（2）季节性的多元回归模型：

月份设置。季节性的多元回归模型：

虚拟变量为：

，，......，。

Excel的输出由回归结果如下：

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

季节性的多元回归方程为：

2001年的预测值在一月份的平均气温为如下：？？

年/月时间假人预测

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