经济效益评价多元统计

经济效益评价多元统计（共8篇）

经济效益评价多元统计 篇1

摘要：随着我国经济建设的迅速发展, 针对企业经济效益评价日益需求多元化, 如何科学利用多元化分析企业经济质量效益以及应用多元统计分析开展企业经济效益评估是本文重点研究对象。本文先从企业经济效益评价指标体系进行分析, 提出利用多元统计分析开展企业经济效益评价, 使企业经济效益评价体系更加完善和健全。

关键词：多元化统计分析,企业经济效益体系,应用

企业经济效益评价是政府加强经济宏观调控、改善企业经营管理和企业自我评价所建立的一个经济效益评价体系。它主要是反应企业在生产经营质量的一个宏观分析。而且企业经济效益受企业中的人力、物力、财力等内在因素以及市场条件、市场状况以及市场消费等外部因素共同的影响。本文根据企业经营活动进行全方位、多角度以及科学、合理、客观地进行分析和评价。

一、多元化统计分析介绍

多元化统计分析是一种综合分析处理方法, 它是数理统计学中的一个重要的分支学科。

它是直接将经济指标的数据通过数学或统计方法处理后获得权数的方法, 主要有变异系数法、熵值法、主成分分析法、因子分析法等。当总体的分布是多元概率分布时, 就可以利用多元化统计对其进行数理统计和分析。通过运用多元化统计分析对企业经济效益评价能够更加科学、客观的反映出企业经营活动的概率, 进而为企业的长期运营提出新的发展途径。

二、企业经济效益评价指标体系

企业经济效益活动指标体系是指在企业运营过程中由多个相互关联的经济活动所反映出的经济效益指标进而构成的有机整体。目前, 企业经济效益评价指标体系主要包括:销售利润率、总资产报酬率、资本收益率、资本保值增值率、资产负债率、流动比率 (或速动比率) 、应收账款周转率、存货周转率、社会贡献率、社会积累率等10 项指标。建立一套完整的经济效益评价指标体系其主要目的在于使企业的领导层对企业的经济效益进行正确的评估和分析从而获得更多的价值信息。如何正确评价和考量企业经济效益水平, 是我国经济界和学术界所进行的长期探索, 目前由于我国企业经济效益评价体系面临着重重困难和局限性, 致使经济指标不能正确分析和如期完成, 使得企业经济效益面临着严峻的挑战。至此, 为了全面提升企业经济效益, 本文通过多元化统计分析在企业经济效益中发挥的积极作用作出以下探讨。

三、多元化统计分析在企业经济效益评价中的应用

由于企业经济效益的方法多种多样, 为使企业经济效益能够有进一面的提升因此需要考虑的影响因素有很多, 为全面的反应出企业的经营状况需要我们设计出多方位的经济指标。

本文通过利用多元统计分析法中的因子分析法、主成分分析法以及聚类分析在企业经济效益评价中的应用, 使企业经济效益评价有着全方面、多方位的认识。

1. 因子分析法。因子分析法是根据研究对象的彼此相关程度分成变量分组, 进而使得同组之间内变量的相关系数保持较高, 而分组后的变量之间不再相关或者相关系数很低, 每组变量就代表着一个基础结构, 也就是公共因子。利用因子分析法的优势在于它能从大量的现象数据中, 抽出潜在的公共因子。通过对这些公共因子进行分析, 而得出全体数据所具有的结构, 惟以数据作为实态来表述研究目标的调查手段提供理论依据。例如:在对企业经济效益进行测度时, 由于多个指标之间可能会因为彼此之间存在联系而增加分析的复杂性, 这时我们可以利用因子分析法对指标集进行降维处理, 减少分析指标的数量, 从而对企业经济效益测度分析更加简单明了化。因子分析法在企业经济效益中广泛的应用, 已经逐渐的形成一种独特的多指标评价技术。

2. 主成分分析法。主成分分析法是一种数学变换的方法, 它和因子分析法有着明显的区别。主成分分析法的主要优势是①它能消除评价指标之间的相关影响;因为当主成分因子对原指标变量进行变换后, 便形成了彼此互不相关的主成分。②可以减少指标选择的工作量;与其他评价方法而言, 是很难消除评价指标之间的相互关联的, 因此造成选择指标时浪费很多的时间, 而通过主成分分析就易于选择;③在评级较多的指标时, 通过主成分分析中各主分析按大小顺序进行选择, 在分析问题时就可以利用前后差距较大的几个主成分进行分析, 进而减少了很多工作量。例如:在评价企业资产运营状况的时候, 由于要使用的各项财务指标很多, 因此就可以利用主成分分析列为企业生产运营指标、资金消耗指标和资源利用指标进而分析出企业运营状况和运行动态。

3. 聚类分析。所谓聚类分析就是数据聚集到不同的类或者分为一簇这样的过程, 它与分类明显的不同就是在于聚类划分的类是不可知的。它主要是通过元素之间有着相似度进行集合分成一簇, 然后继而进行合并, 直至元素合并到一类为止。在聚类分析在应用到企业经济效益评价中, 可以对存货周转率、资产周转率、流动比率等指标进行分类分析, 进而得出企业资产的经济效益结果。

结语

研究企业经济效益对国家、企业以及对社会的发展都有非常重要的意义和作用, 对企业而言, 提高企业经济效益是每个企业所追求发展的终极目标, 它是一切生产力的动力, 对企业的发展、经营和生存有着重大的意义。对于国家和社会而言, 提高企业经济效益, 不仅能推动我国的经济发展, 增强国家经济实力, 而且对我国社会主义的发展也有着不可忽视的作用。因此, 分析企业经济效益尤为重要。通过应用多元化经济分析, 对企业的生产经营状况作出更为确切的、明细的考量和评价, 从而使企业对经济的纵向发展和横向发展有着全面的认识, 寻找自身缺陷, 并及时采取补救措施, 使企业在市场经济中能够迅速脱颖而出并提高竞争实力。

参考文献

[1]贾鹏鹏.多元统计分析在企业经济效益评价中的应用[J].企业研究, 2014, 14:4.

[2]黄丽丽.我国工业企业经济效益水平分析[D].中南大学, 2012.

[3]王菊.多元统计方法在企业经济效益中的应用分析[J].现代商业, 2013, 09:176.

经济效益评价多元统计 篇2

【关键词】济南市;县域经济;多元统计分析

县域经济是我国最基出的区域经济,是功能完备的综合性经济体,是以农业和农村经济为主体,以工业化、城镇化、现代化为发展主题和方向。近年来,山东省县域经济发展水平有了较大提高,2006年,全省县域范围内达到18183.54亿元,按可比价格计算,比2005年上涨18.96%,占全省GDP总量的83.23%[1]。作为省会城市的济南市在山东省17地市的县域经济发展并没有处于优势地位,县域国内生产总值11216248万元,远远落后于青岛市和烟台市全省排名第七。本文将就济南市县域经济发展中存在的问题及如何实现更好更快的发展进行探讨性分析。

1.济南市县域经济发展现状分析

济南市辖区内1市三县六区,除了市区内的四个区农村人口较少以外,历城区、长清区、平阴县、济阳县、商河县及章丘市内均拥有较大数目的农村人口,本文主要是对济南市的以上两区三县一市进行县域经济研究。济南市拥有648.37万人口,其中县域人口数占到了393.5万人。近年来,济南市的城市经济发展较为理想,但是由于县域经济发展相对较弱,因此与东部沿海城市相比济南市的经济综合实力处于次要位置。济南市县域 GDP所占比重仅为 25.5%,县域地方财政收入所占比重为 31.7%;与之相比较,青岛市县域 GDP 所占比重为 48.5%,县域地方财政收入所占比重为45.2%。具体数据见表1:

2.指标体系的构建

由于经济发展的内容是广泛的,因此分析县域经济发展水平需要涉及到很多指标。为了全面、客观地反映济南市县域经济发展水平的现状及趋势,以便更好地分析出县域经济发展水平的差异,本文在查阅了大量相关文献资料的基础上,结合济南市的实际情况,最后根据资料的可获取性选定了以下12个指标构成多指标体系,作为本文分析研究的主要对象。X1:乡村从业人员数占总人口的比重、X2:第二产业增加值、X3:第一产业增加值、X4:年末金融机构各项贷款余额、X5:出口总额、 X6:医院、卫生院床位数、X7:城镇固定资产投资完成额X8:城市化水平、X9:城镇在岗职工年人均工资、X10:地方税收收入、 X11:农村居民人均纯收入、X12:规模以上工业企业总产值。

3.济南市县域经济发展水平的因子分析

本文分析研究所用数据来源于《山东省2007年县域经济年鉴》,分析工具采用SPSS11.0统计分析软件,分析方法采用多元统计分析中的因子分析法。因子分析是通过研究指标体系的内在结构关系,从而把多个指标体系组合为少数几个相互独立但能包括大部分信息的综合指标,它们之间有较好的客观性、不受主观因素的影响。通过因子分析,可以从反映县域经济特征的众多指标中,提取几个主要的公因子,每个公因子代表一种重要影响,抓住这些公因子,既可以分析出影响县域经济发展的不可观察的主要影响因素,而且可以简化数据结构,确定综合评价数学模型的权重,从而计算综合评价值。

对所选取的济南市6个区、县(市)县域经济的12项指标进行标准化处理,将处理后的数据输入SPSS11.0统计软件进行因子分析,经过Promax旋转,得出公因子载荷矩阵见下表2:

从表2可以看出,前3个主因子的特征值的累积贡献率已经达到96.549%,这说明这3个主因子几乎可以包括这12个指标的全部信息量的96.549%。由此,我们可以通过分析这3个主因子来达到获取几乎全部信息的目的。具体每个主因子的载荷见表3:

经过旋转后的因子载荷矩阵,可以看出每个主因子代表的实际意义很明显,结合经济学知识,以高载荷指标代表给每个主因子命名。第1主因子在指标X2、X4、X5、X9、X12具有较大的正系数,它主要反映了地区的工业经济发展水平;第2主因子在指标X3、X6、X11、上具有较大的正系数,它可以代表地区的农村经济发展水平;第3个主因子在指标X1上具有较小的负系数,而在X7、X8上具有较大的正系数,该因子可以看作是地区城市化水平的反映。

由于每个主因子对经济发展的贡献不同,所以我们用每个主因子的贡献率来代表每个子系统各自的权重大小,来组合出一个综合的评价指标。在建立各项评价指标相应的权重系数Wij的基础上,采用线性加权形势构建模型,最终计算出得分并进行排序。县域经济发展的综合评价模型如下:y=0.7172y1+0.2301y2+0.0527y3由评价模型,得到各个县的得分及发展水平由高到低进行排序,如表4所示:

从2006年山东省30个经济强县的排名来看,济南市只有章丘市和历城区位列其中。通过因子分析的结果也能够看出,历城区在济南市属于经济强县位列第一,章丘市紧排其后,济阳县和商河县排在了最后面,这也是与事实相一致的。历城区在主因子1上的得分最高,说明历城区的工业经济发展水平在济南市各区县中最高,这与历城区积极地接受济南市的辐射效应有着密切的关系。章丘市在主因子2的得分最高,这与章丘市农业水平提高及农业产业结构调整是分不开的。

4.加快济南市县域经济发展的意见与建议

4.1 农民工转移就业是发展县域经济的重点

政府目前要解决的突出问题是就业问题。金融危机形势下农民工的就业前景更加严峻,一方面,济南市近郊区政府及相关部门通过收集目前市区内紧缺岗位的信息资料,有针对性的对剩余农民工进行职业培训提高其素质,为在市区寻找就业岗位做好准备;另一方面,离济南市区较远的区县市,根据当地农民工的实际情况,鼓励农民工在县城创业,这不仅能缓解当前的就业压力,而且可以实现农民的城市梦想。这就要求各县市区政府及党委采取积极有效措施,来积极引导农民工自主创业。首先,通过建立有利于农民工创业的资金支持体系解决农民工创业的起步资金不足问题。其次,拓展农民工创业新空间,引导农民工把长期打工生活中学到的技能、积累的资金、磨炼的市场经济经验以及社会关系网络资源运用于自主创业之中。第三,整合科技、市场信息、政策法规、经营管理等方面的政府资源和社会资源,为农民工自主创业提供服务,并要采取多种形式,加大对农民工中的“能人”、有创业意愿者、具有潜在实力和能力者的创业培训。最后,建立完善有利于农民工自主创业的政策体系,对农民工创办的劳动密集型的企业给予一定的补贴、减税、缓还贷款、减利息等,同时在税收的品种方面再给予一定的支持和优惠,降低其创业准入门槛,帮助农民工渡过难关。

4.2 提高农民生活水平为目标,加快社会主义新农村建设步伐

提升和改造传统农业是县域经济发展的重要内容,农业产业化水平低是济南市落后县区落后的根本原因。农业增加值的大小与农业产业化程度尤其是农产品加工链条的长短成正比例关系,因此拓展和延伸农产品的加工链条是农村富余的关键。这就要求当地政府支持和保护农产品加工企业,有条件的县可以建立专门的农产品加工业园区,吸引更多的农产品加工业前来入住建厂,从而形成规模效益。相关的企业必须通过改组改造和加强管理来调整结构,通过与大企业及高校的联合提高企业技术装备水平和管理水平,通过合作供销等方式扩大产品销售渠道和销售市场,最终实现产供销一体化的农业产业化。

4.3 依托各地资源优势,扬长避短从而优化整体产业结构是关键

根据各个县域的地理位置、环境和资源优势因地制宜的发展特色经济,拉长延伸产业链条并最终实现产业结构的优化是县域经济发展的关键。因此,各区县应该抓住省、市为加快县域经济发展所创造的有利的制度及政策环境,全方位对接优惠政策,积极探索放大政策效应与发挥自身优势的最佳结合点。

首先,根据区位优势,进一步拉长优势产业的产业链条。历城区应借助其丰富的人文旅游资源优势和处于城区及近郊的地理位置优势,在成功成为省会济南市“后花园”的基础上,进一步做大做好旅游产业。同时历城区基础设施完善,投资环境优越,加上国家级济南高新技术开发区及多家大中专院校在此安家,应该提升产业等级,打造高效益、集约化的工业强区。长清区在大学科技园的带动下,大力发展学、研、产一体化,尽快发挥高校在长清区发展中的作用。章丘市素有“小泉城”之称,近几年以“百脉泉”、朱家峪、济南植物园等风景区为主导的旅游产业有了较好的发展。商河县距离济南市最远,在济南市辐射效应最不易达到的情况下,应该充分利用自身的自然资源优势,科学开发利用地热资源,进一步提升服务业水平。济阳县和平阴县应该充分借助优越的自然地理环境优势,大力发展特色农业,高起点调整种养结构,集中力量培植农产品加工龙头企业,发挥龙头带基地的作用。在东阿阿胶、仁凤西瓜等名牌产品的带动下开发更多的名牌产品,并以此为依托,形成具有地方特色的名、特、优产品基地,实现农产品的市场化和多次转化增值,从而提高农业综合经济效益和农民收入。

其次,根据各县市的地理位置特点,确定其整体产业结构。济南市所辖的章丘市、长青区、历城区属于城郊卫星型区,市城市乡村的紧密结合,既有城市特色,又有农村成分,市场化、商品化程度较高。因此该类区县的产业结构应该是农业以鲜活农副产品、养殖业、加工、物流业为主,辅之以花卉、花鸟类生产基地和观赏、休闲类农业、农村观光旅游等新兴产业;建立为济南市工业配套和直接服务于城乡人民生活需要的劳动密集型工业产业;直接面向城市和农村的销售业、饮食业和为城乡人民生产和生活服务的各种服务业[2]。济阳县、商河县及平阴县离济南市区较远,这些县的产业结构是以农业为主的,二三产业相对较为薄弱,而且缺少可供借助的外部资源优势。那么这些县的经济发展产业结构重点就应以延长产业链,发展农业产前、产中、产后生产服务产业为主,通过农业产业化逐渐提升整个第一产业的生产力和竞争力水平。

4.4 充分发挥县级政府在资源配置和推动县域经济发展中的作用

县级政府通过发挥调节经济、管理经济职能,通过提供各种经济信息,实现县域范围内资源的有效配置和推动县域经济的健康发展。

在劳动力就业尤其是农村劳动力就业方面,县级政府应该尽力消除劳动力合理流动中制度性、结构性障碍,尽最大努力为劳动者创造就业机会。在维护市场经济秩序方面,县级政府通过行政的经济或法律手段履行调控经济职能,是县域经济持续协调发展,通过汇集和传播经济信息,为企业提供多方面服务和创造良好环境;通过税收调节来消除收入分配中的非公正性,实现效率基础上的公平;通过对社会公共产品的生产经营,充分发挥县级政府为社会提供公共服务的职能。各地政府必须科学的把握发展与资源、环境的关系,发展速度与发展质量的关系,经济发展与生态环境的关系,合理调整产业结构、加快产业的转移与聚集,使生产要素向优势产业集中,从而最大限度的发挥县级政府在资源配置及济南市县域经济发展中的作用。

参考文献

[1]2007年山东省统计年鉴[Z].

[2]秦庆武.山东省县域经济发展的对策研究[J].山东省2007县域经济年鉴.

本文系济南市2008年度哲学社会科学规划研究项目《基于多元统计分析方法的济南市县域经济发展研究》,批准号09CJA11。

经济效益评价多元统计 篇3

因子分析的思想是将多个实测变量转换为少数几个不相关的综合指标的多元统计分析方法。因子分析的基本思想是根据相关性大小将变量分组, 使得同组内的变量之间相关性较高, 不同组的变量相关性较低。通过因子分析, 有可能用较少的不相关的综合指标来描述原来观察的每一分量, 在尽可能少的信息损失情况下, 降低分析问题的复杂性。因子分析的实际应用方法:选取指标, 计算相关矩阵;选取公共因子, 计算因子载荷;进行因子旋转, 明确公共因子的含义;计算样本的因子得分, 进行评价。根据参考文献, 本文采用正交因子分析法。

聚类分析法是一门多元统计分类法, 其目的是把分类对象按一定规则分成若干类, 所分成的类是根据数据本身的特征确定的。聚类分析法根据变量 (或样品或指标) 的属性或特征的相似性, 用数学方法把他们逐步地划类, 最后得到一个能反映样品之间或指标之间亲疏关系的客观分类系统图, 称为谱系聚类图。聚类分析的步骤有:数据变换, 计算n个样品的两两间的距离, 先分为一类, 在剩下的n-1个样品计算距离, 按照不同距离最小的原则, 增加分类的个数, 减少所需要分类的样品的个数, 循环进行下去, 直到类的总个数为1时止。根据类之间的距离, 画出谱系聚类图。参考文献给出了SAS中的聚类分析的11种方法, 本文采用了类平均法 (ave) 与离差平方和法 (WARDS) 两种方法。

二、安徽地市民营经济多元统计分析

1.安徽地市民营经济评价指标的数据

本文重点考虑2004年安徽17个地市:合肥市、安庆市、滁州市、六安市、芜湖市、巢湖市、宿州市、马鞍山市、蚌埠市、阜阳市、宣城市、亳州市、淮南市、淮北市、铜陵市、黄山市、池州市。民营经济分析评价指标共10个:2004年GDP (x1) 、2004年GDP增加值 (x2) 、人均生产总值 (x3) 、批发零售 (x4) 、住宿餐饮 (x5) 、个体户数 (x6) 、个体从业人数 (x7) 、私营企业户数 (x8) 、私企从业人数 (x9) 、财政收入 (x10) 。具体数据见文献。

2.安徽地市的民营经济因子分析

(1) 地市的民营经济因子分析

在SAS中, 利用proc factor过程, 先给出10个变量特征值的累计贡献率, 见表1。本文由于指标较多, 选用了4个公共因子, 此时累计贡献率达0.9614, 已经满足要求。

(2) 因子分析的指标分析

根据表1, 确定4个主因子, 第一个因子反映了私营企业户数 (x8) 、私企从业人数 (x9) 。第二个因子反映了个体户数 (x6) 、个体从业人数 (x7) 。第三个因子反映了人均生产总值 (x3) 、批发零售 (x4) 、住宿餐饮 (x5) 、财政收入 (x10) 。第四个因子反映了2004年GDP (x1) 、2004年GDP增加值 (x2) 。

(3) 因子分析的评价

在4个公共因子中, 第一个因子的特征值贡献率最大 (达到了66.37%) , 说明它是民营经济发展水平的评价指标最主要的方面。用因子特征值贡献率为权重来计算民营经济发展水平的综合得分的综合指标。

利用上式可计算各个地市民营经济发展水平的综合得分, 并依据综合得分从高到低排列。

3.2004年安徽地市的民营经济聚类分析

运用SAS9.0软件, 分析安徽省17个地市的民营经济发展水平数据, 使用了类平均法 (ave) 和离差平方和法 (WARDS) 进行聚类分析, 来检验和比较聚类分析结果。

利用类平均法 (ave) 与离差平方和法 (WARDS) 进行聚类分析结果是一致的。根据2004年GDP的由高到低的排名, 可以粗略的分5类为:Ⅰ.{合肥市};Ⅱ.{安庆市, 滁州市, 六安市, 芜湖市, 巢湖市};Ⅲ.{宿州市, 马鞍山市, 蚌埠市, 阜阳市, 宣城市, 亳州市};Ⅳ.{淮南市};Ⅴ.{淮北市, 铜陵市, 黄山市, 池州市}。

4.安徽地市的民营经济聚类分析结果的判别分析检验

利用SAS判别分析的过程对系统聚类给出的5类数据结果进行检验, 见表2。所有的结果都判别正确, 说明本文的地市民营经济发展水平的聚类分析是合理的。

三、地市民营经济发展的结论

本文利用SAS软件, 采用了多元统计分析方法来分析安徽地市的民营经济发展水平。因子分析给出了评价指标的分类, 指标分为4个因子。第一个因子是私营因子, 反映私营企业户数、私企从业人数。第二个是个体因子, 反映个体户数、个体从业人数。第三个是私营经济行业因子, 反映人均生产总值、批发零售、住宿餐饮的GDP的经济总量、地市的财政收入。第四个是GDP因子, 反映安徽GDP、安徽GDP增加值。得到民营经济评价指标的依据。运用聚类分析, 根据数据本身的特征, 逐步划类。最后, 本文用判别分析的方法对系统聚类分析的结果进行检验, 所有的聚类结果都正确, 说明文中给出的结果是可靠、合理。

参考文献

[1]高蕙璇:实用统计方法与SAS系统.北京大学出版社, 2001年10月

[2]Haberman S, J.The Analysis of Frequency Data.University of Chikago Press, Chikago, 1974

[3]吴敏田野主编:安徽省统计局编.2004年、2005年安徽省统计.中国统计出版社

经济效益评价多元统计 篇4

本文以2012 年大学生数学建模竞赛A题为背景, 提出了合理的定量评级方案, 其中假设已知两组葡萄酒样本的信息, 每组都包含10 个评酒员对27 个红葡萄酒样本和28 个白葡萄酒样本的评分, 葡萄酒以及对应的酿酒葡萄理化指标和芳香物质也已经测定。

1 两组评酒员的评价结果显著性分析

求出每种样品酒的10 个评分均值。将两组红、白葡萄酒评分均值分别放在一起, 相当于有两个评酒师分别对27 种红葡萄酒和28 种白葡萄酒进行评分, 对其评分均值进行正态检验, 得出它们的分布为非正态的, 再用Kendall协调系数W检验分析法, 对红、白葡萄酒进行一致性检验, 运用SPSS软件实现, 得出它们是否具有显著性差异。最后, 用方差分析和信度系数法, 求出可信度。

计算检验统计量

其中b为评判个数, k为样品酒个数, Rj为分配给第个样品酒的评分的合计

红葡萄酒:b=2, k=27;白葡萄酒:b=2, k=28

运用SPSS软件, 解得

确定P值, 推断结论

检验红葡萄酒, 近似计算出卡方值:

根据自由度v=k-1=26, 查卡方界值表, 得χ20.05 (26) =38.89。计算的卡方值小于界值χ20.05 (26) , 则P>0.05。在α=0.05水准上, 接受H0, 拒绝H1。

结论: 可以认为评酒师对红葡萄酒的评分不具有一致性, 即两组评价结果存在显著性差异。

检验白葡萄酒, 近似计算出卡方值:

根据v=k-1=27自由度, 查卡方界值表, 得χ20.05 (27) =40.11。计算的卡方值小于界值χ20.05 (27) , 则P>0.05。在α=0.05水准上, 接受H0, 拒绝H1。

结论: 可以认为评酒师对白葡萄酒的评分不具有一致性, 即两组评价结果存在显著性差异。

综上说述, 红、白葡萄酒的两组评价结果都存在显著性差异。再分别对第一组、第二组葡萄酒的评价进行可信度的分析, 采用方差分析和 α 信度系数法对其求解。

分别将第一组和第二组的葡萄酒的数据整合在一起, 运用SPSS软件进行方差分析, 求出每组55 种葡萄酒的评分标准差, 折线图如图1:

明显看出: 第二组的标准差普遍比第一组的标准差要小。说明第二组的评分值比较稳定, 偏离程度小, 即第二组的评分比第一组的评分更可信。

对第一组和第二组葡萄酒整合的数据, 直接运用SPSS软件进行可靠性分析。得出的具体 α 信度值, 如表1 所示:

由表1, 第一组的信度值为, 说明部分评分值需要调整; 第二组的信度值为, 说明评分值可以接受。认为第二组的评分比第一组的评分更可信。

2 基于理化指标和葡萄酒的质量的酿酒葡萄分级

将酿酒葡萄的一级指标分为物理指标和化学指标两大类, 对每一类进行主成分分析, 使得多指标转化为少数几个综合指标, 并且得到综合得分。对于葡萄酒的质量, 直接运用以上的结论, 即选用第二组的评分值, 计算出每种样品酒的得分和。然后, 再对这三个得分进行系统聚类, 从而得到酿酒葡萄的分级。

如何针对葡萄酒的理化指标进行聚类方法的选取, 这就需要提出一个标准作为衡量的依据, 但至今还没有一个合适的标准。本文所采取的方法是多用几种分类方法去作, 把结果中的共性取出来, 如果用几种方法的某些结果都一样, 则说明这样的聚类确实反映了事物的本质, 而将有争议的样品暂放一边或用其它办法如判别分析去归类。

对于酿酒葡萄的理化指标, 选取酿酒葡萄的一级指标值进行分析, 将酿酒葡萄的一级指标分为物理指标和化学指标两大类, 查阅相关资料得知, L为照度、A为红色到绿色、B为黄色到蓝色、C为彩度、H为色相。

其中有些指标下又包括很多分指标, 将这些分指标求均值, 作为一级指标的数值, 从而分别得出物理指标和化学指标的具体指标值。然后, 对每一类进行主成分分析, 使得多指标转化为少数几个综合指标, 并且得到综合得分, 运用SPSS软件实现。

2. 1 红酿酒葡萄物理指标的综合评分

令i =1, …, 27, j =1, …, 9, n =27 将葡萄对应的理化指标带入到计算式中。利用SPSS软件, 使得 αp= 0. 85, 可得3 个主成分分别为:

红酿酒葡萄物理指标的综合评分为

将红酿酒葡萄物理指标的指标值带入, 运用SPSS软件, 求得红酿酒葡萄物理指标的综合评分。

2.2红酿酒葡萄化学指标的综合评分

同样可得7个主成分分别为

故红酿酒葡萄物理指标的综合评分为

将红酿酒葡萄化学指标的指标值带入, 运用SPSS软件, 求得红酿酒葡萄化学指标的综合评分。

2. 3 白酿酒葡萄物理化学指标的综合评分

根据白酿酒葡萄的数据有: i = 1, …, 28, j = 1, …, 9, n =28。具体求解过程同红酿酒葡萄酒物理指标的综合评分, 评分值。

用红、白葡萄的物理指标综合评分值和化学综合评分值, 再利用第二组对红、白葡萄酒的评分值, 运用SPSS软件, 将三个评分值标准化, 再进行系统聚类、组间联接、平方Euclidean距离处理, 得到酿酒葡萄的分级, 如图2 所示:

由图可以得出红葡萄分为四级:

第一类为: 样品红葡萄5、样品红葡萄24、样品红葡萄17、样品红葡萄20、样品红葡萄23、样品红葡萄26;

第二类为: 样品红葡萄9;

第三类为: 样品红葡萄2、样品红葡萄22、样品红葡萄4、样品红葡萄14、样品红葡萄19、样品红葡萄27、样品红葡萄10、样品红葡萄25、样品红葡萄1、样品红葡萄12、样品红葡萄13、样品红葡萄16、样品红葡萄6、样品红葡萄8、样品红葡萄15、样品红葡萄18、样品红葡萄7、样品红葡萄11;

第四类为:样品红葡萄3、样品红葡萄21。

同样可得白葡萄分为四级:

第一类为: 样品白葡萄27、样品白葡萄9、样品白葡萄10、样品白葡萄17、样品白葡萄21、样品白葡萄5、样品白葡萄25、样品白葡萄22、样品白葡萄28、样品白葡萄3、样品白葡萄20、样品白葡萄19、样品白葡萄23、样品白葡萄27、样品白葡萄2、样品白葡萄14、样品白葡萄4、样品白葡萄26;

第二类为: 样品白葡萄18、样品白葡萄24、样品白葡萄6、样品白葡萄12、样品白葡萄7、样品白葡萄8、样品白葡萄11、样品白葡萄13;

第三类为: 样品白葡萄16;

第四类为: 样品白葡萄1、样品白葡萄15。

3 酿酒葡萄与葡萄酒的理化指标之间的联系分析

先对酿酒葡萄的一级指标值聚类, 将其指标分为几类, 再取葡萄酒的一级指标值, 采用灰色关联分析法, 运用Matlab软件, 求出酿酒葡萄与葡萄酒的理化指标的关联度系数, 从而得到酿酒葡萄与葡萄酒的理化指标之间的联系。

取灰色系统理论提出者邓聚龙提出的关联度如下:

设X0={x0 (k) , k=1, 2, …, n}为参考序列,

Xi={xi (k) , k=1, 2, …, n} (i=1, 2, …, m) 为比较序列,

则关联系数为:

关联度为:

对于酿酒葡萄与葡萄酒的理化指标之间的联系的分析, 先对酿酒葡萄的一级指标值标准化, 再进行系统聚类、组间联接、平方Euclidean距离处理, 将其酿酒葡萄的一级指标聚类得: 红酿酒葡萄聚为5 类, 白酿酒葡萄聚为3 类。

分别将5 类红酿酒葡萄、3 类白酿酒葡萄的一级指标值与红、白葡萄酒的一级指标值, 采用灰色关联分析法, 运用Matlab软件, 求出酿酒葡萄与葡萄酒的理化指标的关联度系数。

3.1红酿酒葡萄与红葡萄酒的的理化指标的关联度

由数据 (略) 可以看出:

第一类红葡萄指标中所有的理化指标与白藜芦醇的相关性很高, 说明该组指标主要影响了葡萄酒的白藜芦醇的含量。1992 年在商业葡萄酒中首次发现白藜芦醇。国外的大量研究证明, 白藜芦醇是葡萄酒 ( 尤其是红葡萄酒) 中最重要的功效成分。一般认为反式白藜芦醇是红酒能抗动脉粥样硬化症和冠心病的重要成分。因此, 葡萄酒中白藜芦醇含量的高低就决定了葡萄酒保健功效的强弱。这同时也说明, 酿酒葡萄的这些理化指标将对葡萄酒的健康功效产生重要影响。另外, 酿酒葡萄的理化指标均与葡萄酒的花色苷、单宁、L、a、b、c均有较高的相关性, 从而影响葡萄酒的风味及营养, 最终影响葡萄酒的质量。

第二类红葡萄的理化指标如花色苷、苹果酸、单宁、黄酮醇和葡萄总黄酮与葡萄酒中除花色苷理化指标的相关性非常高, 这说明, 花色苷等指标是酿酒葡萄能否酿造出高质量葡萄酒的依据, 因此在在挑选酿酒葡萄时需要对酿酒葡萄的这些指标进行监测和控制, 只有保证了这些指标的好坏才能够从源头控制葡萄酒的质量。另外, 酿酒葡萄的褐变度和果穗质量则与葡萄酒的花色苷具有较高相关性, 因此, 这两个指标和其他指标互补, 能够更好的通过监测酿酒葡萄的质量来对葡萄酒的质量进行规范。

第三类红葡萄指标中酒石酸与总酚的相关性, 酚类物质使葡萄酒具有颜色和特殊的味觉特征, 同样的柠檬酸与DPPH相关说明这些指标将对葡萄酒的味觉产生一定影响。

第四类红葡萄和葡萄酒的理化指标已与检测, 可信度较高。其中酿酒葡萄的蛋白质、总糖、还原糖、可溶性固形物与葡萄酒花色苷的相关性非常高; PH值、可滴定酸、固酸比、干物质含量、出汁率与葡萄酒中除花色苷外的其他指标具有非常高的相关性。这说明, 酿酒葡萄中蛋白质、糖、可溶性固化物是影响葡萄酒风味和酒度的重要因素。而PH值、可滴定酸、固酸比、干物质含量、出汁率会影响到葡萄酒的加工品质。因此, 控制好酿酒葡萄的这些指标有助于对葡萄酒的加工和鉴定进行更好的规范与监控。

第五类红葡萄的理化指标和葡萄酒的理化指标有很强的相关性, 说明葡萄的化学成分和物理属性的指标将对葡萄酒的酿造产影响, 具体会影响到葡萄酒的颜色, 味道, 抗氧化性能等其他方面, 从而会最终影响到葡萄酒的整体品质。

总结: 除了第一类和第三类与葡萄酒的理化指标影响不明显, 其他酿酒葡萄和葡萄酒的理化指标之间有着明显影响, 观测葡萄的外观质量等显而易见的指标和检测葡萄的各项化学指标对于酿造葡萄酒都有着非常重要的意义、另外第一类指标将影响葡萄酒的健康功效、第三类影响葡萄酒的味觉和色泽, 在选取葡萄时需加以注意。

3. 2 白酿酒葡萄与白葡萄酒的的理化指标的关联度

由数据可以看出, 白葡萄中某些理化指标均与葡萄酒的所有理化指标具有非常高的相关性。这些因素会有不同层度影响到葡萄酒的外观、风味、加工、贮运等方面。所以, 对这些酿酒葡萄因素的监控和观测将会对葡萄酒的品质产生重要影响。虽然, 白酿酒葡萄的理化指标被分为了3 类, 各类之间也有明确的区分, 但是白酿酒葡萄的理化指标对白葡萄酒的理化指标的影响是均匀的。白酿酒葡萄的理化指标如果与白葡萄酒的理化指标中的某一项的关联较大, 那么该理化指标和白葡萄酒的其他理化指标的关联也很大, 否则反之。从该表中还能看出氨基酸总量、褐变度、白藜芦醇、蛋白质等白酿酒葡萄的理化指标与白葡萄酒之间的理化指标之间的关联并不太大, 这说明白酿酒葡萄的有机物含量以及质量对于用其酿造出来的白葡萄酒的质量影响不大。因此, 在选择酿造白葡萄酒的葡萄时, 应当更多注意其外观以及特定有机物的含量成分多少。

4 酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响分析模型的思路如下:

对红葡萄酒的一级理化指标进行主成分分析, 然后经过KMO和BARTLETT检验, 如表2 所示:

由表中的数据可以得出, 检验满足合格的标准。

再与第二问的红葡萄的10 个理化指标整合, 得到13 个新的指标, 把13 个指标作为自变量, 评委的评分作为因变量, 进行多元线性回归分析, 运用SPSS软件, 得到方程:

由此方程的系数的正负和大小, 可知葡萄酒的理化成分和葡萄的理化成分与评分的正负相关和对评分影响程度大小, 其回归标准化残差的标准检验, 如图4 所示:

由图4 可以看出: 13 个变量与评分的拟和程度, 基本符合线性关系。

白葡萄酒的求解过程同上。

再考虑红酒芳香类指标对评分的影响。首先, 对某些含零达75%以上的指标进行剔除, 对剩下指标进行系统聚类, 聚为3 类, 分别对每一类指标求重心, 找到离重心最近的指标, 将3 组离重心最近的指标作为自变量, 评分作为因变量。通过SPSS软件, 可以得到回归系数, 得到方程:

通过此方程的系数正负和大小, 可知芳香类物质的指标与评分的正负相关和对评分影响程度大小。

图4 与图5 的比较, 可知图5 拟合程度明显优于图4 的拟合程度, 即芳香物质指标与评分的相关性明显优于理化指标与评分的相关性。因此, 可以得出结论, 用理化指标评判酒的质量并不比用芳香类指标评判酒的指标更合适, 所以, 不用能葡萄和葡萄酒的理化指标来评价葡萄酒的质量。白葡萄酒的芳香物质指标的分析同上, 结论与红葡萄酒的结论一致。

5 结语

经济效益评价多元统计 篇5

1 数据来源与模型假设

本文数据来自2014年安徽财经大学暑期数学建模第二次模拟比赛B题的附件, 在建模前已对数据中的错误数据做了必要和合理的修正。为了便于从研究角度出发, 特提出以下两条假设: (1) 除问题中所给出的三个销售区域、两个销售途径外, 不再考虑其他销售方式和销售区域; (2) 某一区域只考虑问题中所给出的六大商品类别, 其他商品不予考虑。

2 销售分布状况分析

2.1 基于灰色关联的食品销售额分析

2.1.1 研究思路

为了研究在总销售中哪一类别的食品的销售状况最好, 与总销售额增长的关系最为密切, 我们采用建立不同区域中不同途径下各类别食品销售额与总销售额的灰色关联分析。

2.1.2 数据的处理

2.1.3 问题求解

利用Mat lab求解得到

(1) 在总区域内, 不同种类食品销售额与总销售额之间的灰色关联分析[3]如下:r1=0.8160, r2=0.8976, r3=0.8612, r4=0.9144, r5=0.8683, r6=0.9561。

(2) 在区域一中, 不同种类食品销售额与总销售额之间的灰色关联度如下:r1=0.7161, r2=0.7396, r3=0.7505, r4=0.7835, r5=0.729, r6=0.7978。

(3) 在区域二中, 不同种类食品销售额与总销售额之间的关联度如下:r1=0.7097, r2=0.7569, r3=0.8352, r4=0.8702, r5=0.8337, r6=0.734。

(4) 在区域三中, 不同种类食品销售额与总销售额之间的关联度如下:r1=0.8222, r2=0.8984, r3=0.8641, r4=0.8784, r5=0.8581, r6=0.9515。

(5) 通过渠道一途径销售食品的销售额与总销售额之间的关联度如下:r1=0.8663, r2=0.8494, r3=0.7821, r4=0.9055, r5=0.8422, r6=0.9592。

(6) 通过渠道二途径销售食品的销售额与总销售额之间的关联度如下:r1=0.7393, r2=0.8795, r3=0.7856, r4=0.8476, r5=0.8210, r6=0.8565。

2.1.4 结果分析

(1) 整体来看熟食产品的销售额在总销售额中的比例最大, 剩下的依次在总销售额中所占比例依次减弱, 保鲜品的销售额对总销售额的影响最小; (2) 在区域一中, 六种不同类别的食品销售情况相差无几, 且比例都比较低, 其中r6=0.7978最大, 说明熟食产品的销售额和分销商的盈利关系最为密切; (3) 在区域二中, 保鲜品的销售额对总销售额的影响最小; (4) 在区域三中, 不同种类食品销售额在总销售额中的比例相对较高; (5) 通过渠道一中熟食产品的销售额在总销售额中所占比例最大, 即熟食产品的销售额和分销商的盈利关系最为密切; (6) 通过渠道二的销售的各类食品的销售额在总销售额所占比例变化不大。

2.2 影响销售额因素的方差分析

2.2.1 研究方法

我们将六大类商品的销售额看作是受到销售区域和销售途径的影响, 从而使用双因素方差分析[4]。影响销售额大小的因素为销售区域和销售途径, 分别设为、, 他们分别取、个不同的水平, 并分别记为, , (即区域一、区域二和区域三) , , (即途径一和途径二) 。

2.2.2 方差分析的求解与分析

利用Mat lab[5]求解。

其中每一行分别表示影响每种食品销售额因素的概率;每一列分别代表保鲜品、乳制品、杂货产品、冷冻开支、洗涤剂纸制品和熟食产品。

(1) 销售途径与销售区域对销售额的影响分析

对于保鲜品、乳制品、杂货产品、冷冻品和洗涤剂纸制品, 销售途径均对它们的销售额影响显著。然而对于熟食产品, 销售区域和销售途径对熟食产品的销售额影响均不显著。

(2) 销售途径与销售区域二者的交互作用对销售额的影响分析

对于保鲜品、乳制品、杂货产品、冷冻开支、洗涤剂纸制品, 其交互作用与销售途径作用大小几乎相同。对于熟食产品销售途径对其销售额的概率小于交互作用对其销售额的概率, 即p=0.2398<0.6045。

由方差分析模型找到影响六大类商品销售的主要因素, 其综合在同一张表中, 见表2所示。 (表中1表示明显受到某种销售方式的影响, 0表示未明显受到某种销售方式的影响) 。

2.3 主要商品类别的主成分分析

2.3.1 研究方法

我们为找出销售区域中和销售途径下的主要商品类别, 以销售额为研究对象, 根据在不同销售区域内和不同销售途径下, 利用主成分分析法[6]分别求出六大类商品各自的贡献率, 从而由贡献率的大小来判别销售区域和销售途径下的主要商品类别。

2.3.2 数据的处理

2.3.3 主成分分析的求解

利用Mat lab编程求相关系数矩阵的特征值。

2.3.4 结果分析

由因子分析模型得到影响销售区域和销售途径主要商品类别见表4所示。 (表中1表示受到某种商品的影响, 0表示未受到某种商品的影响) 。

由以上分析可以得到:以上三种不同销售区域内和两种不同销售方式下熟食产品的贡献率分别为98.91%、97.00%、99.58%、99.58%、99.59%, 且均满足第一主成分得分排序要满足两个条件:最大特征值对应的特征向量是正向量;贡献率>50%。故在三种不同销售区域内和两种不同销售途径下, 熟食产品均为主要种类食品, 即在以上三种不同销售区域内和两者不同销售方式下, 熟食产品的销售情况和分销商的盈利关系最为密切, 因此批发分销商获取更多市场份额应抓好熟食产品的销售。

3 结语

本文从一般统计性描述出发, 从整体到局部对该批发分销商销售状况进行了初步直观的分析;然后通过利用多元统计分析的方法, 通过灰色关联分析、方差分析和主成分分析在定量上对批发商的整体、各区域和各销售途径下销售情况做出了细致的分析, 从而对指导该批发商下一步制订采购和销售计划具有一定的指导意义。

摘要：本文针对批发分销商销售状况的评价, 依据所给的数据和条件, 综合运用多元统计分析法中的方差分析、主成分分析和灰色系统理论中的灰色关联分析的知识, 由整体到局部地讨论并研究了该批发商目前的经营状况、影响各类商品销售的主要因素、影响销售区域和销售途径的主要商品类别等相关问题。使用Excel和Matlab软件求解并得出相应结果, 综合运用定性与定量分析法分析问题, 最后对结果做了简要的评价。

关键词：批发分销,灰色关联分析,方差分析,主成分分析

参考文献

[1]梁文淇.谈批发商的现状与出路[EB/OL].http://www.doc88.com/p-137418167238.html, 2012-3-21.

[2]曾五一.统计学简明教程[M].北京:中国人民大学出版社, 2012.

[3]刘思峰.灰色系统理论及其应用[M].北京:科学出版社, 2010.

[4]茆诗松, 程依明, 濮晓龙.概率论与数理统计教程 (第二版) [M].北京:高等教育出版社, 2011.

[5]李柏年, 吴礼斌.MATLAB数据分析方法[M].北京:机械工业出版社, 2012.

经济效益评价多元统计 篇6

1可持续发展动态评价模型的构建方法

1. 1主要内容的分析

在对可持续发展进行评价时,要充分分析其组成系统和各个子系统的发展情况,把表现出的主要内容进行数据统计,以便可以清晰地分析出系统结构,并能直观地反映出可持续发展的发展趋势。对主要内容分析的过程要利用数学模型来完成,并通过多元统计的方法利用可持续发展的相关指数,来对具体的内容进行评价,多元统计的方法应用非常简便,评价的理论基础也非常成熟,所以,可以很好地应用在可持续发展评价样本的研究中[1]。

1. 2具体的评价方法

首先,选取一定发展时间内的评价样本X,假设样本A = { 1,2,3,4,5,…,n} 的方向规格化数据变量, 假设样本X = { 1,2,3,4,5,…,p} ,PCA经过线性变化之后,用综合的变量来代替原来的变量S = ( sij)p × p, 利用这种线性的变化曲线,来反映出可持续发展的动态变化。主要的计算公式为:

经过公式的计算,会得到一定的比率,最后求出综合的评价分数,也就是可持续发展的动态评价结果,这种计算方法的应用,使得评价的过程更加简便,很大程度上提高了评价的效率[2]。

1. 3全局内容的具体分析方法

PCA评价模型的使用,提高了可持续发展动态评价模型的应用效率,实现了发展能力的评价过程,在全局内容具体分析方法使用中,也是利用PCA模型来计算。先选取动态的数据信息K: { Xt< Rn × p,t = 1,2,3,4,5, …,T} ,其中K是某一段时间内的平面数据信息,并且信息具有相同的样本点位置和同方向的变量指标: x1, x2,x3,…,xp,从而利用PCA模型进行量化评价。

1. 4水质评价方法

随着工业等企业的不断发展,其造成的污染已经严重地破坏了当地的水质,在强调可持续发展的经济时代,要想提高地区环境保护的能力,就必须对水质情况进行评价,使当地政府充分认识到城市水资源的现状,从而制定合理有效的措施来减少对资源的污染。对水质评价的方法主要采取GPCA模型,这种模型可以实现大规模数据信息的计算和评价,所评价的结果也有很大的实用意义,在评价的过程中,GPCA模型会把水质相关信息进行分类处理,然后对各个水质子系统进行污染指数的计算,从而分析水质污染的程度[3]。

2可持续发展动态评价模型的应用

2. 1环境保护能力的评价

通过动态模型的PCA评价可以发现模型评价的实用性,所以,这种评价的方法可以应用到环境子系统的评价中,通过对我国各地环境保护能力进行调查,分析可持续发展的指标体系。对环境保护能力的评价内容主要包括当地的环境污染程度、区域环境治理的情况、保护的力度等,考察每个子系统的表现形式和特征,最后根据具体的状态要素进行评价。得出评价结果之后要与国内优秀的可持续发展地区进行比较,从而发现当地在环境保护方面还存在的缺点和不足,有利于当地政府更快地制定环境保护的措施和方法,提高环境保护的能力。在评价的过程中通过各个因素之间的比较和计算,可以准确地得出指标层的指标数据,所以,要在得到数据的初期就进行比较,这样可以节约评价的时间,提高评价的效率[4]。

2. 2多元统计方法的实际应用

通过考察发现,近年来我国可持续发展的动态评价方法都是基于多元统计,多元统计方法在评价的过程中,会通过数据规格化来整理每个可持续发展子系统的数据信息,既保存了原本信息的真实性,又能通过统计更好地体现出与标准数据的差别。评价系统会把这种差别保留下来,方便人们的统计评价,多元统计方法的应用实现了数据的完整保存和评价结果的真实性,所以,可持续发展动态评价的过程要合理地利用多元统计,使其可以明确地计算出地区环境应用的情况以及保护环境的能力。

3可持续发展动态评价模型研究的意义

各地企业的发展在带来了丰厚的经济利益的同时,也对当地的生态环境造成了很大的污染,人们生活中接触到的生态环境现状越来越差,所以,地区政府要充分地认识到环境保护的重要性,通过可持续发展动态评价模型的研究来不断探索提高环境保护能力的措施和方法。可持续发展动态评价模型的研究可以通过多元统计的方法来对当地实际的环境保护情况进行评价,且评价的结果真实可靠, 可以充分地体现出环境的发展现状。通过评价可以使人们明确可持续发展的重要性,也加强了人们保护环境的意识,提高了对资源的利用效率[5]。所以,各地要加强可持续发展动态评价的工作,把评价环节落实到每一个环境变化的细节中,通过具体的评价结果,来提高人们保护环境的能力。

4结论

经济效益评价多元统计 篇7

在现实的经济分析之中会出现很多的情况, 要求在分析的过程之中不仅仅是在各个环节部分的经济分析把握, 还有就是在宏观把控之中对于经济分析的整体把握。在现实的经济分析方式之中, 大致的会分为两种情况, 第一种就是将各个变量拆分开来进行逐个的分析, 在此分析的过程之中可以很好的进行各个变量的细致分类与分析。还有一种情况就是将变量总和在一起进行分析, 这样可以更加全面的整合数据分析, 整体性把握变量之间的关系与变量的发展规律, 这种方式就是所谓的多元统计分析方法。将这种数据统计分析带入到决策之中去, 提高决策的精准性。

二、多元统计分析的主要方法

多元化统计在经济不断发展的今天逐步的运用起来, 在经济的多元化统计之中分为主成分分析、聚类分析等等, 在具体的实际统计过程之中主要是包括两种分析方式, 传统的单变量分析和现代的多变量分析。在这种分析之中进行宏观的数据分析研究, 提高数据分析的效率, 促进经济平稳发展。

(一) 主成分分析的特点及其运用

主成分分析区分与别的分析方式的特点就在于主要是靠着数据的具体分析, 不关注外部环境的因素, 减少了在数据分析的过程之中所受到的外在环境因素的影响。在数据分析过程之中一般都是直接去选取变量分析, 所以在分析的过程之中的精准度要靠着所取得的变量的基数大小来决定的。因为这样的一种分析数据的方式, 所以在数据的分析之中就要尽可能的选取变量基数较小的, 选取的数据基数越小其分析的结果就会越准确也会更加地贴近现实的实际情况[1]。

在运用的过程之中主要是对于各种基数的运用分析, 然后进行相应的数据处理, 输入样本观测值制成表格然后同一单位为万元, 之后开始逐步的计算标准化的数据矩阵不断的进行变量简化。主成分方法的运用在很大程度之上减少了人们在主观意识之中存在的误差, 也减少了数据的反复运算, 大大的缩减了在数据分析统计之中的效率降低了数据运算分析中的误差。

(二) 聚类分析法的特点及其运用

聚类分析的主要方法首先是选取一系列的数据变量, 进行变量统计之后将与其变量相关的各种因素结合在一起进行组合排列进行相关的评定到评定完成之后再将这些变量组合成矩阵, 将相似的变量组合在一起, 减少变量的数量从而利于再次整合。在这样的不断的整合之中最终会形成一个统一的变量, 最后就可以进行聚类汇总图的绘制, 在这一个图中就可以清晰的发现各个变量之间的相类似的形状特性, 变量数据就会一目了然。最后在结合图中的变量数据与现实的实际情况相结合得出具体的数据分析结果。

在聚类分析方法的运用之中, 一般的会分为动态聚类法、聚类预报法、最优分割法、系统聚类法、图表聚类法和模糊聚类法等等方法, 在现实生活之中这些方法的运用还是较为广泛的, 一些企业会在年终报表汇报整理的时候进行聚类式的分析方法还有就是在天气预报之中对于全国各地天气数据的分析也会运用聚类式的数据分析法进行整合得出最终的结论数据。所以聚类分析方式在现实生活之中的运用还是极为广泛的, 所得出的结论也更加的贴合与实际生活更加的具有实用性。

三、在宏观经济分析中的运用

在经济不断发展的今天, 在数据的整理分析过程之中存在着太多的不确定性, 在这样的一种不可预测的数据变动的情况之下, 多元统计分析方法可以利用已知的变量数据来进行排列分析, 得出具体的宏观数据这种数据分析方式更加的具有确定性, 也更加地贴近实际生活。但是在多元统计分析的过程之中会根据所要分析研究的对象的不同, 具体运用不同的分析方式。通过聚类分析得出与变量想对应的因素然后进行矩阵排列最后形成统一变量, 在矩阵数据的分析之中得出具体的更为贴近生活的分析结果。在主成分分析结果之中会将各个变量整合在一起进行整体分析[2]。从上述分析可以看出两种分析方式, 聚类分析方式更加的注重变量数据的相互联系, 注重经济的整体发展。而主成分分析方式则是更注重把握变量的准确性与直观性, 每一种分析方式都有着自身的优势, 要根据所分析的对象不同进行不同分析方式的选择, 从而得出最为精准贴近实际生活的数据分析结论。

四、结束语

在经济的不断发展的现如今, 多元化统计分析方式正在不断的渗透到数据分析的各个环节与各个部分之中。在宏观经济调控的今天, 多元化统计分析在部分与整体上进行双重的把握, 在上述分析之中也可以看到在多元化统计分析方法中大量的运用了变量统计方式, 更加客观的分析了数据, 减少了在主观分析之中所存在的误差。减少了运算过程之中的反复运算, 提高了数据分析之中的运算效率与减小运算误差, 也让运算的结果更加地贴近实际情况提升了数据分析的实际意义。在宏观经济的分析调控之中只有更好的进行数据分析才能使得调控更加的贴合实际情况与实际需求。

摘要：在经济不断发展的今天, 要确保经济的平稳健康的发展就要制定出相应的分析经济数据的方法方式。所以在今天就提出了多元统计的经济分析方式, 所谓的多元统计分析方法就是从经典统计学之中发展起来的一个分支, 是一种综合的分析方式, 它能够在多个对象和多个指标互相关联的情况下分析它们的统计规律。主要是研究客观事物中多个变量之间互相依赖的统计规律性, 这种分析方式在经济之中的运用, 可以促使经济决策部门的正确决策规定, 所现在笔者就着多元统计分析方法在宏观经济分析中的运用进行分析, 提出一些自己的观点。

关键词：多元统计分析,宏观经济分析,运用

参考文献

[1]朱小梅.多元统计分析方法在宏观经济分析中的应用[J].赤峰学院学报 (自然科学版) , 2013, 20:5-6.

经济效益评价多元统计 篇8

一、多元统计分析方法的主要内容

随着社会科学技术水平的发展, 统计学在应用数学知识的基础上, 逐渐与计算机技术相融合, 利用计算机快速、有效的应用能力, 将统计学所涉及的领域扩大到社会生活的方方面面, 影响社会经济水平的发展。多元统计分析作为一种综合的分析方法, 拥有多种统计分析的方式。其中主要包括了判别分析、聚类分析、主成分分析、对应分析、因子分析等统计分析的方式。

判别分析, 是多元统计分析中的主要分析方式。将多个不同的样本构造成为一个特别的函数, 根据与样本相关联的量变的变化, 判别分析出想要知道的未知函数属于哪一个所提供的样本。这种通过判断的方式寻找问题答案的分析过程就是判别分析。判别分析在社会中应用广泛, 它涉及了医学、气象、图像识别等多种领域, 用判别数据的方式促进社会的发展。

主成分分析, 是一种归纳、整理、避免重复的分析方式。为了简化复杂的数据, 将多个可变量综合整理为一个整体, 应用新组合的无关变量群体替换原有的相关变量的群体, 经过层层组合, 将多个可变量因素归纳成为少数的主成分群体, 通过少数群体所凸显的主要问题分析事物发展的主要矛盾, 解决因多个相关变量互相干扰所带来的困扰。主成分分析适合解决综合性问题, 将多个可变量数据组合成为一个综合的变量, 逐层递减, 逐渐减少可变量的数据, 最终实现解决复杂问题的愿望。

聚类分析, 是一种较为直观的分析方式, 根据它的名字我们就可以了解到, 这是一种将同类属性的可变量因素综合在一起的统计分析方式, 将相同类别、相同性质, 可以互相关联的因素, 合理的归纳在一起, 这就是相互整合的聚类分析。聚类分析作为多元统计分析方式中的一种, 应用图表合理的展示所要分析的数据, 相比较经典统计学而言, 聚类分析更为直观、具体。

二、多元统计分析在宏观经济中的应用实例

(一) 判别分析在宏观经济中的应用

判别分析, 作为一种判断式的分析方式, 在宏观经济中应用广泛。在医学领域、气象预报中, 判别分析是一种主要的数据统计分析方式。

1、判别分析在医学领域的应用案例

判别分析对于医学领域的发展具有重要的促进作用, 下面将针对呼吸内科的应用案例, 对判别分析的实际应用进行合理的解释。

如果一个人的肺部产生阴影, 那么可能产生的原因是肺癌、肺结核、乙肝、或者是肺气肿。在不知道具体患有什么病症的前提下, 通过应用判别分析的分析方式, 将多种可能含有的症状综合整理成为一个函数, 然后通过患病者的患病状况, 研究患病者是否含有咳嗽、咳血、发烧、体重减轻等症状, 将患病者的患病状况视为一种可变的因变量, 通过对因变量的统计分析, 研究患病者患有哪一种肺部的疾病。通过这种判别式的数据统计分析方式, 可以合理的分析出患病者属于哪一类的病症结果, 通过对于因变量的分析, 将患者想要了解的未知问题对应的寻找已知的答案, 为医护人员以及病症患者提供有效的解决方案。这种判别分析的方式, 可以提高医护人员解决病症患者医疗问题的速度, 为医疗事业提供及时有效的解决方案, 使真正患有疾病的人员可以在最佳的治疗时间进行医治, 以延长患者的生命, 再次用宝贵的生命为社会的发展作出自己的贡献, 使仅仅患有肺气肿的人员, 可以以最快的时间排除自己可能患有癌症或传染性疾病的可能性, 为患者以及患者家人带来一份安心。判别分析对于医疗事业的影响深远, 在社会发展的过程中, 通过判别分析可以提高医疗诊断的效率, 用最快的时间诊断出患者的病情, 为医疗患者提供最佳的治疗时间, 促进中国医疗事业的发展。

2、判别分析在气象预报领域的应用案例

在气象事业中, 可以通过提供多种可知的样本, 例如阴天、雨天、晴天、多云、雾霾天等多种可能出现的天气样本, 将多种天气汇集成的样本制作成为一个总体的函数, 根据气象台所侦察到的多种数据进行合理有效的分析, 对应的放置在已经知道的样本中, 选择最适合的样本作为想要了解的未知函数, 在判别分析的判定下, 我们可以将所有的天气状态进行整理, 根据气象观测中显示的风力情况, 云层厚度等所有可变因素, 预判未来几天的天气情况, 为未来生活的出行条件提供便利的因素。判别分析对于日常生活的影响十分的深远, 它在方便人们生活的同时, 改善了人们的生活状态, 提高了人们的生活质量。

(二) 聚类分析在宏观经济中的应用

聚类分析在宏观经济中的应用范围也是十分的广泛的, 在社会生活的多种领域中都存在聚类分析的统计分析方式。聚类分析, 在宏观经济中的应用直接影响了中国社会的发展, 它不仅对中国经济的变化有着重要的影响, 对于中国灾害的预报, 聚类分析也同样产生重要的作用, 在预报洪水、地震、暴雨等自然灾害中, 聚类分析的效果要比其他的统计分析效果好很多。作为多元统计分析方式中的一种统计方式, 相对于其他的统计数据分析而言, 聚类分析可以通过图表的展示, 更为直观、明朗的呈现数据的变化过程。

1、聚类分析对于城市居民生活状态的分析应用案例

对于我国各个省份的城市居民生活水平状况, 可以根据聚类分析的方式进行整理、归纳、分析。通过聚类分析的方式, 可以首先将中国各个省份的城市居民生活状态绘制成为一个图标, 将省份的名称以及城市居民的住房建筑物投资、人均收入水平、人均消费水平、城市就业人数等多种与城市居民经济水平相关联的可变量数据显示在图标中。可变量数据经过整理后, 再次简化数据, 将数据进行标准化的处理, 使数据的图表呈现方式更加直观。经过合理整理后, 用聚类分析的统计分析方式, 将相关联的样本进行分类, 将中国各个省份分成不同的类别。通过聚类分析的方式, 可以直观、清楚的将中国城市居民的生活水平以图表的方式呈现出来, 方便国家在宏观经济中对城市居民的生活水平进行宏观调控, 使中国城市居民的生活可以得以改善、提高。

宏观经济, 是国民经济的整体发展水平及经济运营状态, 国家对于宏观经济的掌控及其调整, 直接影响着中国人民的生活水平。多元统计分析作为一种统计、分析数据的方式, 可以根据过去原有的陈旧数据, 进行归纳、整理、分析, 从现有的数据中, 分析未来数据的变化过程, 通过对于数据的掌握情况, 可以改善社会中多种领域范围的发展状况。随着社会的不断发展, 由经典统计分析分支出来的多元统计分析方式也在不断的改善、提高。经过时间与实践的探索, 多元统计分析衍生出主成分分析方式、聚类分析方式、判别分析方式、对应分析方式等多种分析方式, 这些统计分析方式涉及了社会各个领域的发展变化, 在宏观经济的应用中影响着社会中医学、科技、农业、电子科技等行业的发展状况, 对社会的总体发展起到了至关重要的作用。通过精确的数据分析, 多元统计分析方式满足社会发展中的多种发展需求, 促进社会国民经济总体水平的提升。

摘要：多元统计分析作为经典统计学发展中的重要分支, 对社会宏观经济管理具有重要的作用, 影响国民经济总体及其经济活动的状态。本文主要通过阐述多元经济分析方法的主要内容, 探讨多元统计分析方法在宏观经济中的应用状况。

关键词：多元统计分析,宏观经济,应用探讨

参考文献

[1]朱小梅.多元统计分析方法在宏观经济分析中的应用[J].赤峰学院学报 (自然科学版) , 2013, (20) :5-6

[2]刘君一.多元统计分析方法在宏观经济分析中的运用[J].时代金融 (中旬) , 2015, (7) :168