(完整版)统计专业实验-实验01-02-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 级统计班学生姓名：都文静学生学号： 2013101133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2016-03-12实验地点80608实验目的1. 用各种统计图形表示多兀数据，掌握各种多兀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莫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

2、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 zt 0.6zt 10.3zt 2 at，其中 at NID(0, 0.5);4. 模拟 100 期 MA模型 xtat 0.65at1 0.24at 2，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：雷达图主要适用于观测数据比较少的情况，能够很清晰地将所有数据在一张图中展现出 来，方便我们对各个指标进行比较，是我们能够很容易地分清各个对象之间的差异，从而分出各 对象的高低优劣。但

3、是，当观测数据较多时，雷达图就不太容易看辨析出各观测值之间的差别， 此时，轮廓图就较有优势，轮廓图可以反映指标变化的规律和趋势，能够针对某一指标进行其变 化趋势上的分析比较。2 AR(1)模型和普通一元线性回归模型有什么区别？答：AR(1)模型主要是反映时间序列变化所预测的模型，其随机干扰不会影响以前已发生过的现象，即当期的随机干扰与过去的时间序列值无关。而一元线性回归模型主要针对变量Y与X的显著线性关系，建立 Y关于X的线性回归方程模型。被解释变量总会受到解释变量的影响，该模 型反映了 X是如何影响Y的，而且建立一元线性回归模型有五个基本假定。11实验运行程序、基本步骤及运行结果：1. 考察

4、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。一、数据收集及处理以重庆市一小时经济圈的21个区县2014年的数据为例，选取以下 5个指标，输出统计表如下：2014年重庆市一小时经济圈各区县经济指标数据重庆市各区 县人均地区生 产总值（万 元）工业总产值（万元）农林牧渔业 总产值（万 元）全社会固定 资产投资（万元）对外经济贸 易进出口总 值（万元）渝中区13.36215670.400.003091402.001169188.15大渡口区4.521801326.9025636.561684218.0020

5、8515.4562江北区7.246853371.0018392.654683145.004246528.832沙坪坝区7.3117396179.6088721.324917008.0019215408.88九龙坡区7.8210708382.70131683.305618870.001484115.257南岸区7.2811603495.7071328.644882538.00899502.5983北碚区5.427358387.10205685.135361059.00647557.9634渝北区7.5131619844.10385108.559253002.0028944621.3巴南区5.28

6、5932722.90624756.246163146.00690414.7685长寿区5.226777290.10524718.854150005.00826401.6744江津区4.3410900187.001013934.785750370.00536661.3449合川区3.305281396.70859587.844371029.00279215.387永川区4.768234793.70659190.645779944.00249906.9876南川区3.121339710.50525097.931451046.00112868.3801綦江区3.353447678.30585321.

7、002983634.0019785.192万盛区3.051300561.90113490.001251778.0013748.9216大足区4.414357577.70538320.694167763.0064475.4249璧山区4.747463782.90286100.235454053.00187680.9668铜梁区4.324238943.10492154.614437209.0036992.00637潼南县3.582658650.90625168.212649678.0042151.23072荣昌县4.415900317.90584884.783741498.00343095.956

8、6武隆县3.44564514.60267875.951454595.0010042.88549涪陵区6.7211548098.30721202.185785957.00774748.15852. 用轮廓图、雷达图对主城各区数据进行表示。基本操作步骤：（一） 轮廓图1. 选择数据区域；2. 单击图表向导按钮，选“折线图”格式;3. 单击“下一步”按钮，完成操作。（二） 雷达图1. 选择数据区域；2. 单击图表向导按钮，选“雷达图”格式;3. 单击“下一步”按钮，完成操作。根据数据作出的折线图和雷达图如下:折线图35000000.0030000000.0025000000.0020000000.0

9、015000000.0010000000.005000000.000.00人均地区生产总值（万 元）工业总产值（万元）渝中区渡大区”区J区丄¥屮区卄区，区 口 、丁北叶坝亠坡=岸江、八坪亠龙南沙九渝北农林牧渔业总产值（万 元）全社会固定资产投资（万元）对外经济贸易进出口总值（万元）分析：由上图可以看出大渡口区在各项指标上的数值比较低，其经济综合实力较差，渝北区在大多 数指标上的数值较高，工业总产值、对外经济贸易进出口总值以及全社会固定资产投资在各区中最 高，且与其他区相比差距较大。可以看出其经济综合实力很高雷达图渝北区匕碚区渝中区40000000.0300000.00000.0大渡口

10、区人均地区生产总值(万 元)工业总产值(万元)10000江北区沙坪坝区农林牧渔业总产值(万 元)全社会固定资产投资(万元)对外经济贸易进出口总 值(万元)南岸区九龙坡区分析：渝北区的各项指标在雷达图的外围，处于较高的地位3. 模拟 100 期 AR(2)模型 z 0.6zt 1 0.3zt 2 at，其中 at NID(0, 0.5);4. 模拟 100 期 MA莫型 xtat 0.65at 10.24at 2，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；基本操作：1. 利用Excel中数据分析里的随机数产生器，按照正态分布atNID(0,

11、 0.5)的要求，产生100个随机数；2. 再根据AR(2)模型zt 0.6zt 1 0.3zt 2 at，得到100期数据；3. 利用SPSS软件，把Excel产生的数据复制粘贴到SPSS里，点击Analyze-Time Series-SequeneeChats，得到AR(2)模型zt 0.6zt 1 0.3zt 2 at的时间序列图；4. 模拟100期MA莫型xtat 0.65at 1 0.24at 2的操作同上。产生的随机AR模型和MA模型随机数如下：100个随机数根据AR模型生成 的100期数据根据MA莫型生成 的100期数据000.0132934020.0132934020.0132

12、93402-0.176301-0.180289021-0.1676602890.3287340180.3896003590.5331800140.042258534-0.162142271-3.9752883650.1464388790.3310017298.0635233530.3402641370.3216875941.4496542350.0171962710.0029803573.752901051-0.314340696-0.1153410957.8631761650.3301596510.4347796220.538548704-0.731220098-1.01887241-8.0

13、60793022-0.1569321740.2605296467.29160638-0.203934292-0.595586698-17.85522255-0.608373512-0.641352528-4.507302975-0.134065772-0.073914293-5.4239315550.007516405-0.31728797-14.680590620.1014984720.018804087-3.1111943880.3672363390.3412966410.6136040720.061526180.0122543612.7361931250.7541575540.95604

14、15049.607821710.4503499440.2610183862.4171806670.6650623160.98245186619.05757108-0.171748979-0.10105770811.06894018-0.0602926780.39026940615.78956608-0.208640358-0.293601943-4.369806106-0.457105216-0.430688715-2.0397457090.4989078660.510855216-4.8055791240.309739789-0.1141957-10.336495280.179397830.

15、38582061312.35451748-0.744864792-0.6128402676.805498742-0.552554411-0.2214562763.2688313920.9071118260.625959274-17.328803550.178418986-0.425247208-12.493264190.5239473921.01468879222.410603550.4269134020.3767805775.0495348770.3940169790.58031139413.2462481-0.977947821-0.8400048739.524084874-0.42956

16、34430.1002310918.391177971-0.465594212-0.923493872-24.215558140.3627428670.244683065-10.249415990.6104642130.222284825-10.328014010.5664321630.600938629.669062706-0.2956358-0.09928692214.72368621-0.295453901010675475-0.271377303-0.360122613-7.5586815460.2426088490.146749699-7.024680031-

17、0.405867695-0.641476731-6.7612272120.9186533131.1859789316.4774516770.7784160520.259299441-8.365283975-0.634796606-0.31712943421.91885335-0.1423711640.51511744918.126996280.212946247-0.125220367-15.114713560.107128244-0.042178328-3.1713646250.1409375730.2365668485.3212808670.0740720910.0960677652.73

18、6759371.0629628381.1253037544.493611442-0.173129138-0.4475747352.295526883-0.1502360190.53948042525.248338150.9587392920.899932616-3.294013425-0.134422748-0.512186148-3.1169066690.2449780820.86054848223.16734631-0.394016979-0.548164053-3.4609271890.1918141380.4570060815.815177076-0.747661488-1.04161

19、5917-10.07938980.5089498250.8483367544.626509167-0.212652935-0.813934776-17.82571127-0.564909897-0.19574412111.51166148-0.336033281-0.294152073-5.806895161.4973920771.259256123-12.27886708-0.819827619-1.470665211-7.9113215180.1414952071.28587873935.5460171-0.037922518-0.572267652-19.621813490.260932

20、8930.3572067733.6321682160.4504647680.349431389-0.2900692950.6264917830.6479120887.181683316-0.215335376-0.1330040511.003038710.1282069210.56870260315.024041720.3019920310.134328729-4.782722499-0.99042154-1.0040949972.282839375-0.380541110.0977805716.2234936420.021483402-0.45860719-23.995985290.9702

21、898750.735520189-8.148732547-0.854129212-1.1323261330.2921608480.1923490341.03076172322.92412205-0.030676119-0.600858357-20.40475033-0.271732006-0.1471197494.3247053440.3794684740.442582405-0.5333841950.068083068-0.208796678-6.2068305620.7686685420.9759247069.9201659220.7970720620.607321342.930700248-1.085654731-0.86357522417.88048712-0.2055980990.59834155818.218455810.475600928-0.114112481-25.7137