课 程 实 验 报 告
题 目：课程代码：学生姓名：学 号：专 业：年 级：学 院：指导教师：
社会经济统计学课程实验 7300599 邹同明 312010110204404 财务管理 2010级 管理学院 杜德权
教务处制
实验一：EXCEL的数据整理与显示
一、实验结果与数据处理
1.3 假设日加工零件数大于等于130为优秀，请问优秀占多少比例？
优秀占18%的比例
二、讨论与结论
实验二：EXCEL的数据特征描述、抽样推断
一、实验结果与数据处理
COUNT（B4:B53）并回车，得到50个数据中的单位总量。50 SUM（B4:B53）并回车，得到50个数据中的标志总量。6128 MAX（B4:B53）并回车，得到50个数据中的最大值。139 MIN（B4:B53）并回车，得到50个数据中的最小值。107
AVERAGE（B4:B53）并回车，得到50个数据中的平均值。122.56 MEDIAN（B4:B53）并回车，得到50个数据中的中位数。123
GEOMEAN（B4:B53）并回车，得到50个数据中的几何平均数。122.2905 HARMEAN（B4:B53）并回车，得到50个数据中的调和平均数。122.0204 AVEDEV（B4:B53）并回车，得到50个数据中的变异统计的平均差。6.4176 STDEV（B4:B53）并回车，得到50个数据中的变异统计的标准差。8.199452 VAR（B4:B53）并回车，得到50个数据中的变异统计中的方差。67.23102 KURT（B4:B53）并回车，得到50个数据中的变异统计中的峰度。-0.46202 SKEW（B4:B53）并回车，得到50个数据中的变异统计中的偏度。0.041601
2、 抽样推断
在单元格中输入CONFIDENCE(α所在单元格，标准差所在单元格，样本容量单元格)，点得到极限误差，从而得到日价格零件数和优秀率的置信区间。 2.2737
单元格中键入“=（样本均值单元格-115）/(样本标准差单元格/SQRT（样本容量单元格）)”，得到t值；单元格中键入“=TINA(0.05,49)”得到α=0.05，自由度为49的临界值 t=6.699847
二、讨论与结论
实验三：时间序列分析
一、实验结果与数据处理 （1）
（2）
年/季度 第一年 504 447 345 354 374 359 365 437 353 295 454 457 第二年 574 469 366 327 412 353 381 460 344 311 453 486 第三年 585 455 352 341 388 332 392 429 361 291 395 491 第四年 542 438 341 427 358 355 376 441 382 377 398 473 第一季度 第二季度 第三季度 第四季度 396.625 413.75 408.625 414 369 379 368.625 380.625 360.5 366.375 358.25 374.625 373.375 384.875 374.25 380.75 381.125 393 381.875 385.5 370.5 379.25 373.375 391.25 373.625 383 368.625 396.75 387.25 395.25 376.75 403.5
（3） 413.25 380 358 363 383.75 378.5 362.5 384.75 3.75 434 393.5 3.5 368.25 401.5 384.5 374 392 398.5 433.25 384 353.25 363.25 385.25 378.5 368.25 369 384.5 437 391 370.25 379 382.5 388.5 394 399.5 407.5 1.041916 1.02981 0.993065 0.972213 1.006888 1.021592 0.970224 0.993544 1.0443 1.038259 0.994882 0.956804 1.021628 1.013843 0.976501 0.991777 1.060263 1.041709 0.986043 0.970608 1.008838 1.013726 0.9983 0.979429 1.055556 1.027258 0.988322 0.995404 0.992218 0.992971 0.993069 0.990087
各月平均指数/100 指数平均值
月份 1 2 3 4 5 6 7 8 9 10 11 12 合计 第一年 0.942956 0.9729 1.012483 1.170405 0.926205 0.796221 1.215122 1.180116 8.2109 第二年 1.375262 1.004821 0.7692 0.726263 0.99577 0.931398 1.039918 1.195193 0.875318 0.82004 1.182768 1.229602 12.14284 第三年 1.3829 0.954379 0.730101 0.755469 0.949526 0.9004 1.094208 1.146293 0.945336 0.779377 1.07155 1.303251 11.99496 第四年 1.331286 0.977406 0.741707 0.959551 4.00995 平均数 1.357126 0.978868 0.7461 0.813761 0.962751 0.934981 1.04887 1.17063 0.91562 0.798546 1.158 1.237656 12.12139 调整值 1.343535 0.969066 0.738628 0.805612 0.953109 0.925617 1.038366 1.1507 0.905 0.790549 1.1448 1.225262 12 做出折线图：
季节指数折线图21.71.41.10.80.50.2-0.11234567月份101112系列2
用各年的销售额除以对应的季节指数，得到下表： 月份 第一年 第二年 第三年 第四年 季节指数
1 2 3 4 5 6 7 8 9 10 11 12 377.3627 461.2691 467.0819 439.4177 392.3999 387.8492 351.5139 377.0794 3.4312 373.1584 396.5418 372.9815 427.2311 483.9714 495.513 405.9028 432.2694 381.3671 366.9228 396.9257 379.5024 393.3975 395.6684 396.99 435.4185 469.5245 476.55 423.2809 407.0887 358.6795 377.5163 370.17 398.2569 368.0986 345.0088 400.7307 403.4134 451.9818 461.6665 530.0321 375.6127 383.5278 362.1075 380.531 421.4242 476.8838 347.6292 386.0399 完善“用电量”和“季节指数”后，计算“用电量”/“季节指数”，可以得到：
月份 值 1 7 2 8 3 9 4 10 5 11 6 12 403.4134 451.9818 461.6665 530.0321 375.6127 383.5278 362.1075 380.531 421.4242 476.8838 347.6292 386.0399
点击“数据分析”→“回归”，Y值输入区域为季节分离后的时间序列，X值输入区域为时间标号，输出结果为： SUMMARY OUTPUT 回归统计 Multiple R R Square Adjusted R Square 标准误差 观测值 方差分析 0.363886 0.132413 0.045654 53.25378 12 df SS 回归分析 4328.31 11 28359.残差 10 65 32687.总计 11 96 t Coefficien标准误Sta ts 差 t 13.32.775755Intercept 450.8314 44 16 -1.X Variable 4.45332351 -5.50163 05 4
最终得出：
MS F 4328.31.520.24491611 6222 8 2835.965 P-value Lower 95% Significance F Upper 95% 下限 95.0% 上限 95.0% 8.01377.8031523.85E-08 8 962 377.803178 523.859618 0.24-15.42424.42094917 1 531 -15.424209 4.42095314
第五年各月预测值 月份 预测值 1 404.3023 2 452.9778 3 462.6838 4 531.2001 5 376.4404 6 384.3729 7 362.9054 8 381.3695 9 422.3528 10 477.9346 11 348.3952 12 386.06 第五年各月用电量预测值60050040030020010001234567月份101112
预测值系列2实验四：时间序列分析
一、实验结果与数据处理
输入／移去的变量b 模型 1 输入的变量 财政收入a 移去的变量 方法 . 输入 a. 已输入所有请求的变量。
输入／移去的变量b 模型 1 输入的变量 财政收入a 移去的变量 方法 . 输入 a. 已输入所有请求的变量。 b. 因变量: 国内生产总值 模型汇总b 模型 1 R .981a R 方 .963 调整 R 方 标准 估计的误差 .960 9840.8 a. 预测变量: (常量), 财政收入。 b. 因变量: 国内生产总值 Anovab 模型 1 回归 残差 总计 平方和 3.492E10 1.356E9 3.628E10 df 1 14 15 均方 3.492E10 9.684E7 F 360.631 Sig. .000a a. 预测变量: (常量), 财政收入。 b. 因变量: 国内生产总值 系数a 非标准化系数 模型 1 (常量) 财政收入 a. 因变量: 国内生产总值 B 18547.588 5.477 标准 误差 4234.350 .288 标准系数 试用版 t 4.380 .981 18.990 Sig. .001 .000 残差统计量a 预测值 残差 标准 预测值 标准 残差 极小值 34632.98 -15965.1 -1.023 -1.622 极大值 191878. 13046.399 2.236 1.326 均值 83994.73 .000 .000 .000 标准 偏差 48251.351 9506.969 1.000 .966 N 16 16 16 16 a. 因变量: 国内生产总值
模型摘要:
模型拟合 拟合统计量 平稳的 R 方 R 方 RMSE MAPE MaxAPE MAE MaxAE 正态化的 BIC
模型拟合 百分位 拟合统计量 平稳的 R 方 R 方 RMSE MAPE MaxAPE MAE MaxAE 正态化的 BIC 5 1.957E-15 .995 3274.261 3.248 6.262 2682.826 7130.199 16.376 模型拟合 百分位 拟合统计量 平稳的 R 方 R 方 RMSE MAPE MaxAPE MAE
90 1.957E-15 .995 3274.261 3.248 6.262 2682.826 95 1.957E-15 .995 3274.261 3.248 6.262 2682.826 10 1.957E-15 .995 3274.261 3.248 6.262 2682.826 7130.199 16.376 25 1.957E-15 .995 3274.261 3.248 6.262 2682.826 7130.199 16.376 50 1.957E-15 .995 3274.261 3.248 6.262 2682.826 7130.199 16.376 75 1.957E-15 .995 3274.261 3.248 6.262 2682.826 7130.199 16.376 均值 1.957E-15 .995 3274.261 3.248 6.262 2682.826 7130.199 16.376 SE . . . . . . . . 最小值 1.957E-15 .995 3274.261 3.248 6.262 2682.826 7130.199 16.376 最大值 1.957E-15 .995 3274.261 3.248 6.262 2682.826 7130.199 16.376
MaxAE 正态化的 BIC
7130.199 16.376 7130.199 16.376 模型统计量 模型 国内生产总值-模型_1 预测变量数 0 模型拟合统计量 平稳的 R 方 1.957E-15 统计量 Ljung-Box Q(18) DF . 0 Sig. . 离群值数 0
二、讨论与结论
从上面的回归分析结果表明：国民生产总值与财政收入的关系极为密切，相关系数
0.981；同时方差分析表明，其显著性水平为0.0001。 根据回归系数表6-5，可写出回归方程如下： =18547.588+5.477x 其中x代表财政收入；
代表国内生产总值。
=9841
预测值的回归误差可用剩余均方估计：
