(完整版)统计专业实验-实验01和实验02-多元数据图和时序图

1、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2011-9-05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2008年重庆市各区县经济指标数据(数据来源：重庆统计年鉴2009),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 zt 0.6zt 1 0.3zt 2 at，其中 at NID(0, 0.5

2、);4. 模拟 100 期 MA模型 xtat0.65at 1 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？解：雷达图主要适用于观测数据较少的情形，可以方便的把各观测画到一张图里，便于对各 指标进行对比，能将各个对象之间的差异清晰表示出来，从而比较出各对象在这个指标上的高低 大小之分。但是当观测数较多时，雷达图就不太容易看出各观测之间的接近程度。而轮廓图主要 用于反映指标变化的规律和趋势，它能针对某一项指标，分析比较出各对象在这个指标上的变化 趋势。2 A

3、R(1)模型和普通一元线性回归模型有什么区别？解：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经发生过的现象，即当期的随机干扰与过去的序列值无关。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5个基本假定。实验运行程序、基本步骤及运行结果：1. 考察2008年重庆市各区县经济指标数据（数据来源：重庆统计年鉴2009）,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23各区县的数

4、据为例，选取以下七个指标，输出统计表如下：重庆市1小时经济圈经济综合实力统计表指标 区X地区生产 总值（万元）工业总产 值（万兀）建筑业总 产值（万元）农林牧渔 业总产值（万兀）全社会固 定资产投 资（万兀）高技术制 造业产值（万兀）金融机构 人民币存 款余额 （万兀）渝中区3262145224233115037511154095984.618613632大渡口区14243053125659274677.824050892655.6108674.51194549江北区21913112996247634915.6383682644086407507.44435414沙坪坝区27117754624

5、569901347.8619221883438207545.14604712九龙坡区431300566659671488939904862019468909730.26316994南岸区22580153899082680504508602676952930076.93539045北碚区15586222651587348467.71189691430254788929.91965074渝北区3018032605144015854622404483558091808511.14563380巴南区17556093512517789677.83453132052960184541.61841854万盛

6、区32363032961831568.362386245648.47042.5341841.8双桥区3000088246655262.64442187649.64900.9138755.9涪陵区25347583085849912682.23753131312830837813.52283852长寿区14381731553451507427.128244614865157343521600300江津区21924392354586512585.5567048145202292775.891848323合川区2034734881232293721.1470092152903873937.819037

7、79永川区19207291367237660208.23664491655937311747.91620226南川区1004876886644153283.5278459668590.3153688.1696202綦江县125208186226596693.6323621616758.56509.31062411潼南县863084237976449083.4319398477438.97550.6636960.2铜梁县1109987723329174139.7264593803884.550668.11023750大足县1018873691431174526.12957006317792826

8、2.8653359.7荣昌县11003171195655151161.631075863780949468931981璧山县11349281571879138061.9154992727131.855633.1910392452. 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）雷达图1 .选择数据区域A1: D24;2 单击图表向导按钮，选“雷达图”之“数据点雷达图”格式;3 单击“下一步”按钮，完成操作。（二）轮廓图1 .选择数据区域A1: D24;2 单击图表向导按钮，选“折线图”之“数据点折线图”格式;3 单击“下一步”按钮，完成操作。为使图表显示更清晰，只选取了地区生产总

9、值、工业总产值、建筑业总产值这三个经济指标,对这23个区县进行了分析比较，分别作出雷达图和轮廓图，如下：雷达图渝中区铜梁耳00 潼南县 綦江县 南川区 永川区合川J沙坪坝区九龙坡区南岸区北碚区渝北区P巴南区盛区*地区生产总值（万元）工业总产值（万 元）建筑业总产值（万元）5”地区生产总值（万 元）工业总产值（万元）建筑业总产值（万 元）0区县轮廓图（折线图）70000006000000 一 5000000 元 4000000 万 30000002000000 10000003. 模拟 100 期 AR(2)模型 z 0.6zt , 0.3zt 2 at，其中 at NID(O, 0.5);4.

10、 模拟 100 期 MA莫型 Xtat0.65at 1 0.24at 2，其中 at NID(0, 0.5)基本操作：1. 利用Excel，数据分析里的随机数产生器，按照服从正态分布atNID(0, 0.5)的要求，产生了100个随机数。2. 再按照AR模型zt 0.6zt 1 0.3zt 2 at，得到100期数据。3. 又利用SPSS软件，把Excel产生的数据复制粘贴到SPSS里，点击Analyze Time Series SequeneeCharts,得到如下AR模型的序列图。4.关于模拟100期MA莫型xtat 0.65at 10.24at 2的操作同上。最终结果如下:(1)产生的数

11、据：atZtatXt-0.150116-0.1501160.32811730.3281173-0.638842-0.728911-0.1677780.04549780.1221287-0.270183-0.072525-0.1028330.63823680.6948002-0.300433-0.3878410.59917511.0971102-0.077283-0.2899710.86656661.3163926-1.116769-1.239106-1.091794-0.631091-0.066771-0.811218-0.117091-0.890663-0.6646-0.9760250.54

12、751130.20244070.0782899-0.369725-0.54335-0.1546870.25151170.1428962-0.345102-0.4986460.65854240.8408145-0.845216-1.097998-0.3096480.1787676-0.923455-1.43266-0.373982-0.417203-0.488815-1.0190120.0731825-0.244221-0.386754-0.568362-0.115715-0.157902-1.058966-1.09428-0.104155-0.161806-0.283962-0.7700210

13、.78860010.6931275-0.202024-0.3357530.01884250.50643530.06742650.0969813-0.0729890.1285224-0.182746-0.0238320.91516090.87224-0.163495-0.206889-0.3153670.2619699-0.18512-0.3021040.63556850.65021840.67132080.552125-0.0076690.3297621-0.0426420.379264-0.0322090.1153428-0.093079-0.0311580.80507790.7823017

14、-0.256604-0.3890780.18131570.69688630.9861060.76200680.21852940.52960330.43283651.0067638-0.1175620.06799751.18782741.56328360.34166360.3176951-0.3274530.3084877-0.0343180.15954890.83072790.5468354-0.368038-0.308346-0.806199-0.570644-0.548766-0.7962280.2694742-0.2369630.1018503-0.3431770.45109570.48

15、01112-0.490669-0.556170.95945781.31861340.96978970.6752989-0.0422590.6048761-0.0636080.4489949-0.261898-0.294556-0.793816-0.6024120.3375692-0.020627-0.167657-0.698904-0.190662-0.1146710.47861590.17912270.37880570.316191-0.1914850.0793775-0.722093-0.497977-0.326932-0.33653-0.423619-0.817262-0.683192-

16、0.941654-0.760785-1.101750.1580577-0.364481-0.181439-0.59731-0.081855-0.143083-0.01624-0.04410.28562680.27035520.01405850.1667911-0.318687-0.152675-0.161358-0.048053-0.173089-0.3116851.09725081.01838150.1429692-0.046023-0.871241-0.245796-0.165514-0.114126-0.368238-0.8212310.10611070.032839-1.28879-1

17、.70779-1.236913-1.2076640.723835-0.05447-0.034432-0.812959-0.639882-0.1602270.1234298-0.19581-0.32679-0.4065851.05824711.13021270.37885680.1829738-0.762616-0.0451320.23335590.4651157-0.779316-1.0210370.43730440.6614816-1.152384-1.8419680.29787090.55522520.5861261-0.34996-0.685925-0.5512341.18718161.

18、2915914-0.557869-1.055177-0.1949880.71735060.3469972-0.120739-0.50042-0.3422380.16131820.40542810.2739966-0.098073-0.469919-0.190440.3294940.3874911-0.120474-0.356367-0.426033-0.1461030.0657678-0.090920.40464560.20680240.27889880.33125680.33011250.49088410.06935750.2953876-0.1037260.2079624-0.455481

19、-0.377625-0.774075-0.762270.9424230.62723160.5063885-0.0216550.24359910.73322560.38171720.52509160.03611940.2878853-0.1752430.19440680.41492060.3676841-0.345393-0.3676890.43100390.56524870.43133580.1647721-0.318266-0.0894220.17341390.370887911-0.461596-0.6848230.27813940.4943790.55559440.17152681.04

20、294491.2653548-0.600589-0.2922260.13668450.8813522-0.779446-1.00624-0.55333-0.2141780.3556625-0.1604140.2398161-0.0870440.31920310.5248269-0.614269-0.5911881.10284421.46586440.2827949-0.0589240.72187731.4439479-0.078251-0.0418590.6519521.07856140.14943570.16644310.05648020.27043260.17854120.25689410.0009754-0.1603330.06565190.21756820.22685070.0495209-0.135969-0.050446-0.0127570.0650552-0.673683-0.746307-0.527338-0.5031611.06041170.589885-0.887403-1.2088160.79884791.32643150.4141657-0.1601760.52441121.29816110.22211220.4886516-0.738999-0.2064080.30895310.6501968-0.558654-0.9131440.10673660.3