统计学原理报告

姓名：邓明

班级：市场营销-留学生

学号：2022030045

第一次实验作业
（一）频率分析

1.
备注：1：青年
2：中年
3：老年
1.1．描述性统计分析

从图表中的描述性统计分析可以看出：

- 样本总数为 283。

- 平均值为 1.98，接近 2。

- 中位数为 2，与众数（1）有一定差距，表明数据可能存在一些偏斜。

- 标准偏差为 0.861，显示数据的离散程度适中。

- 偏度为 0.034，接近 0，意味着数据分布接近对称。

- 峰度为-1.652，表明数据分布比正态分布更平坦。

1.2.年龄分组次数分布表

根据年龄分组的统计分析：

- 青年（小于 40 岁）：样本数：107；占比：37.8%

- 中年（40-50 岁）：样本数：74；占比：26.1%

- 老年（50 岁以上）：样本数：102；占比：36.0%

1.3. 年龄分组的直方图分析

从直方图可以看出：

- 青年组的样本数最多，占总样本的 37.8%。
- 中年组的样本数最少，占总样本的 26.1%。

- 老年组的样本数接近青年组，占总样本的 36.0%

分析结果：青年和老年的比例相近，而中年的比例相对较少。尽管数据分布较
为对称，但整体呈现较为平坦的趋势。在进一步分析时，应该特别关注青年和
老年群体的特征，因为这两个群体在样本中占据了较大的比例。这些发现为后
续研究和分析奠定了基础，有助于理解不同年龄段在各项指标上的表现和差异。
2.收入分组：

备注：1：300 以下
2：300-800
3：800-1300
4：1300-1800
5：1800 以上
2.1.描述性统计分析
从上图的描述性统计分析表中可以看出：
- 总样本数为 282（有 1 个缺失）。
- 平均值为 1.9326，接近 2。
- 中位数为 2.00，与众数（2.00）一致，表示数据主要集中在 2。
- 标准偏差为 0.93131，表示数据的离散程度适中。
- 偏度为 1.146，表示数据分布偏向右侧。
- 峰度为 1.356，表示数据分布比正态分布更加陡峭。
2.2.收入分组次数分布表
根据收入分组的统计分析：
- 组 1（1.00）：样本数为 100，占 35.3%。
- 组 2（2.00）：样本数为 127，占 45.0%。
- 组 3（3.00）：样本数为 35，占 12.4%。
- 组 4（4.00）：样本数为 14，占 5.0%。
- 组 5（5.00）：样本数为 6，占 2.1%。
2.3.收入分组的直方图分析
从直方图中可以观察到：
- 样本主要集中在收入分组 1 和 2，分别占总样本的 35.3%和 45.0%，这两个组的
累积百分比达到了 80.5%。
- 收入分组 3、4 和 5 的样本数逐渐减少，分别占总样本的 12.4%、5.0%和
2.1%。

分析结果：
-收入分布特征：样本的收入主要集中在收入分组 1 和 2，分别占 35.3%和
45.0%，总共占到 80.5%。这表明样本中大多数人的收入处于较低的范围。
-数据偏斜情况:描述性统计中的偏度为 1.146，显示数据分布明显右偏，意味着
大多数样本收入较低，但有少数样本收入较高。峰度为 1.356，表明数据分布比
正态分布更陡峭，说明数据主要集中在低收入组。
-样本群体特征:从直方图可以看出，收入分布呈现右偏特征。大部分样本集中在
低收入组，而高收入组的样本较少。这表明研究对象中低收入群体占比较大，
高收入群体较少。
- 样本中大多数人的收入集中在较低范围，收入分组 1 和 2 占总样本的 80.5%。
- 数据分布有明显的右偏，少数样本收入较高。
- 数据集中度较高，主要集中在低收入组。

（二）描述分析
3：家月收入
以下是根据家庭类型对“家月收入”的分析说明：
3.1. 夫妻家庭
-样本大小: 4
-最小值: 500
-最大值: 1600
-平均值: 825.00
-标准差: 525.198
-偏度: 1.817（标准误差 1.014）
-峰度: 3.293（标准误差 2.619）
分析结果：
-集中趋势: 平均值为 825 元，表明夫妻家庭的月收入较低。
-离散趋势: 标准差较高（525.198），说明收入差异较大。
-分布形态: 偏度为 1.817，说明分布右偏（长尾在右侧）；峰度为 3.293，说明
分布比正态分布更尖。
3.2. 核心家庭
-样本大小: 175
-最小值: 317
-最大值: 5400
-平均值: 1101.26
-标准差: 559.073
-偏度: 4.099（标准误差 0.184）
-峰度: 26.693（标准误差 0.365）
分析结果：
-集中趋势: 平均值为 1101.26 元，接近于总体的假设值。
-离散趋势: 标准差为 559.073，说明收入分布较为分散。
-分布形态: 偏度为 4.099，强烈右偏；峰度为 26.693，极其尖峰，表明存在极端
高收入值。
3.3. 主干家庭
-样本大小: 31
-最小值: 345
-最大值: 4000
-平均值: 1421.61
-标准差: 788.054
-偏度: 1.381（标准误差 0.421）
-峰度: 2.687（标准误差 0.821）
分析：
-集中趋势: 平均值为 1421.61 元，较其他家庭类型更高。
-离散趋势: 标准差为 788.054，说明收入差异显著。
-分布形态: 偏度为 1.381，右偏；峰度为 2.687，分布较尖。
3.4. 单亲家庭
-样本大小: 13
-最小值: 336
-最大值: 900
-平均值: 584.31
-标准差: 183.960
-偏度: 0.243（标准误差 0.616）
-峰度: -1.068（标准误差 1.191）
分析结果：
-集中趋势: 平均值为 584.31 元，表明单亲家庭收入较低。
-离散趋势: 标准差为 183.960，收入差异相对较小。
-分布形态: 偏度为 0.243，接近对称；峰度为-1.068，分布较平坦。
3.5. 空巢家庭
-样本大小: 43
-最小值: 350
-最大值: 2300
-平均值: 879.95
-标准差: 406.587
-偏度: 1.523（标准误差 0.361）
-峰度: 3.147（标准误差 0.709）
分析结果：
-集中趋势: 平均值为 879.95 元，收入水平较低。
-离散趋势: 标准差为 406.587，说明收入差异较大。
-分布形态: 偏度为 1.523，右偏；峰度为 3.147，分布较尖。
3.6. 单身家庭
-样本大小: 2
-最小值: 380
-最大值: 700
-平均值: 540.00
-标准差: 226.274（只有两个样本，解释意义有限）
-偏度: -
-峰度: -
分析：
-集中趋势: 平均值为 540 元。
-离散趋势: 标准差为 226.274。
-分布形态: 样本量太小，无法得出偏度和峰度。
3.7. 其他家庭
-样本大小: 15
-最小值: 491
-最大值: 2400
-平均值: 1116.07
-标准差: 518.384
-偏度: 1.197（标准误差 0.580）
-峰度: 1.511（标准误差 1.121）
分析结果：
-集中趋势: 平均值为 1116.07 元。
-离散趋势: 标准差为 518.384，收入差异较大。
-分布形态: 偏度为 1.197，右偏；峰度为 1.511，分布比正态分布稍尖。
总结
通过分析不同家庭类型的家月收入数据，可以看出各类家庭在收入水平和分布
形态上的差异：
• 收入水平: 主干家庭的平均收入最高（1421.61 元），单身家庭和单亲
家庭的收入最低。
• 收入差异: 夫妻家庭和核心家庭的收入差异较大，标准差较高。
• 分布形态: 大多数家庭类型的收入分布右偏（偏度大于 0），尤其是核
心家庭，偏度和峰度都较高，说明存在极端高收入值。

（三）探索分析

4.
家月收入探索分析
在这次分析中，我们以性别为分类变量，对家月收入进行了详细探索，利用了
茎叶图和箱型图来描述两类变量的集中趋势和离散趋势。以下是分析结果和结
论。
数据概述
从数据表可以看到，共有 143 名男性和 140 名女性的家月收入数据，均无缺失。
集中趋势分析
男性
平均值: 1114.41
中位数: 1000.00
众数: 1000
5% Trimmed Mean: 1072.60
中位数和平均值非常接近，表明数据较为对称。
女性
平均值: 1067.48
中位数: 1000.00
众数: 1000
5% Trimmed Mean: 1028.72
中位数和平均值也很接近，同样表明数据分布较为对称。
离散趋势分析
男性
标准差: 692.69
方差: 479823.16
四分位距（IQR）: 770.00
范围: 5400 (最大值 5600，最小值 200)
标准误: 57.926
女性
标准差: 430.87
方差: 185651.07
四分位距（IQR）: 595.00
范围: 2689 (最大值 3000，最小值 311)
标准误: 36.415
可以看出，男性家月收入的标准差和方差明显高于女性，这表明男性的家月收
入分布较女性更为分散。
茎叶图分析
茎叶图显示了男性和女性家月收入的具体分布情况：
男性的茎叶图显示了收入的分布较为均匀，但在低收入和高收入部分存在较多
极端值（离群点）。
女性的茎叶图显示收入主要集中在中低收入段，极端高收入者较少。
箱型图分析
箱型图进一步验证了茎叶图的观察：
男性的箱型图中，收入的中位数和两个四分位数的间距显示收入较为分散。多
个高于 3000 的异常值（离群点）说明有少部分男性收入特别高。
女性的箱型图中，中位数和四分位距较为集中，显示女性收入集中在较低的范
围内，但同样存在少量高收入的异常值。
结论
集中趋势:
男性和女性的家月收入中位数均为 1000 元，平均收入也较为接近（男性
1114.41 元，女性 1067.48 元）。
离散趋势:
男性的家月收入比女性更为分散，标准差和方差明显高于女性，说明男性的收
入差距较大。
茎叶图和箱型图均表明，男性中存在更多的极端高收入者。
总体而言，虽然男性和女性的平均收入和中位数较为接近，但男性收入的波动
性和极端值更多，显示了较大的收入差异。女性的收入则较为集中，分布更为
稳定。

第二次实验作业
第一题：
分析结果：
参数估计
单样本统计
样本数量 (N): 283
平均值 (Mean): 1071.89
标准偏差 (Std. Deviation): 578.770
标准误差 (Std. Error Mean): 34.404
这部分统计信息显示，我们对 283 个家庭的月收入进行了抽样，得到了样本平
均值为 1071.89，标准偏差为 578.770，标准误差为 34.404。

假设检验
单样本 t 检验
检验值 (Test Value): 1100
t 值 (t): -0.817
自由度 (df): 282
显著性 (Sig. (2-tailed)): 0.415
平均值差值 (Mean Difference): -28.106
95%置信区间 (95% Confidence Interval of the Difference): [-95.83, 39.62]
假设
原假设 (H0): 家庭月收入的平均值等于 1100。
备择假设 (H1): 家庭月收入的平均值不等于 1100。
检验结果
t 值 (t): -0.817
自由度 (df): 282
显著性 (Sig. (2-tailed)): 0.415
在 5%的显著性水平下（α = 0.05），我们需要比较 p 值与 α 值。
p 值 (Sig. (2-tailed)): 0.415
由于 p 值 0.415 大于显著性水平 0.05，我们不能拒绝原假设。
置信区间
95%置信区间: [-95.83, 39.62]
置信区间包括 0，这意味着检验值 1100 与样本平均值 1071.89 之间的差异在统
计上不显著。
结论
基于以上分析，在 5%的显著性水平下，我们没有足够的证据拒绝原假设，即我
们可以接受原假设，认为家庭月收入的平均值等于 1100。换句话说，样本数据
显示的家庭月收入平均值 1071.89 与检验值 1100 之间的差异不显著。

第二题：

答：

分析结果：
参数估计
组统计
男性
样本数量 (N): 143
平均值 (Mean): 1114.41
标准偏差 (Std. Deviation): 692.693
标准误差 (Std. Error Mean): 57.926
女性
样本数量 (N): 140
平均值 (Mean): 1028.47
标准偏差 (Std. Deviation): 430.872
标准误差 (Std. Error Mean): 36.415
从这些统计数据可以看出，男性样本的平均家月收入为 1114.41，标准偏差为
692.693，标准误差为 57.926；女性样本的平均家月收入为 1028.47，标准偏差
为 430.872，标准误差为 36.415。
假设检验
独立样本 t 检验
Levene 方差齐性检验
F 值: 3.414
显著性 (Sig.): 0.066
由于显著性值 0.066 大于 0.05，我们不能拒绝方差相等的假设，即可以假定两
组数据的方差相等。
t 检验
假定等方差
t 值: 1.250
自由度 (df): 281
显著性 (Sig. (2-tailed)): 0.212
平均值差值 (Mean Difference): 85.934
标准误差差值 (Std. Error Difference): 68.744
95%置信区间 (Confidence Interval of the Difference): [-49.384, 221.253]
不假定等方差
t 值: 1.256
自由度 (df): 238.381
显著性 (Sig. (2-tailed)): 0.210
平均值差值 (Mean Difference): 85.934
标准误差差值 (Std. Error Difference): 68.421
95%置信区间 (Confidence Interval of the Difference): [-48.854, 220.722]
假设
原假设 (H0): 男性和女性的家月收入平均值相等。
备择假设 (H1): 男性和女性的家月收入平均值不相等。
检验结果
在假定等方差的情况下：
t 值 (t): 1.250
显著性 (Sig. (2-tailed)): 0.212
在不假定等方差的情况下：
t 值 (t): 1.256
显著性 (Sig. (2-tailed)): 0.210
在两种情况下，显著性值均大于 0.05，这意味着我们没有足够的证据拒绝原假
设。
置信区间
假定等方差的 95%置信区间: [-49.384, 221.253]
不假定等方差的 95%置信区间: [-48.854, 220.722]
置信区间包括 0，这意味着男性和女性家月收入的平均值差异在统计上不显著。
结论
基于以上分析，我们在 5%的显著性水平下，没有足够的证据表明男性和女性的
家月收入平均值存在显著差异。换句话说，样本数据显示的男性和女性家月收
入的平均值之间的差异不显著。

第三次实验作业

从出口序列图看出，彩电的出口量在 1999 年之前稳定波动，1999 年后呈线性增长同时

伴随小浮动波动。出口额则基本没有变化。
分析说明：
一、 总体趋势分析
出口量和出口额的长期趋势（参考出口序列图）：
-出口量：从图表可以看出，出口量在 1999 年前波动较小，但自 1999 年起呈现出明显
的线性增长趋势。特别是在 2001 年和 2002 年，增长速度显著加快。
-出口额：与出口量相比，出口额在整个时间段内相对稳定，没有明显的线性增长或下
降趋势。这表明虽然出口量增加，但单位产品的价格或总价值变化不大。
二、季节性因素分析
季节性因素（季节因子表格）：
表格列出了每个月的季节性因素（百分比），反映了每个月的出口量和出口额相对于
全年平均水平的变化。
-出口量的季节性因素：
最高在 12 月（151.4%），最低在 2 月（76.1%）。
这表明每年年底出口量显著增加，而年初较低。
-出口额的季节性因素：
最高在 12 月（150.0%），最低在 2 月（76.0%）。
类似出口量，出口额在年底显著增加，而年初较低。
三、季节性分解图分析
1. 季节性分解结果（季节因子折线图）：
图中展示了季节性分解的结果，每年的季节性波动非常明显且具有周期性特征。
周期性特征：
每年的第 12 个月季节性因素达到峰值，第 2 个月达到谷值。这种波动可能与消费市场
的节假日（如圣诞节、新年）和春节假期有关。
幅度变化：
随着年份的推移，季节性波动的幅度逐渐加大，这与出口量的总体增长趋势相吻合。
四、具体数据分析
月度分析：
12 月：出口量和出口额都达到全年最高点（151.4%和 150.0%）。可能由于节假日需求
高峰，企业需要在这一时期增加生产和库存。
2 月：出口量和出口额都达到全年最低点（76.1%和 76.0%）。这可能与春节假期有关，
生产和物流活动减少。
五、对策和建议
生产和库存管理：

高峰期准备：在 12 月之前，企业应提前增加生产和库存，以满足高峰期的需求，避免
库存不足。
低谷期调整：在 2 月期间，企业可以安排设备维护、员工培训或休假，以平衡生产负
荷，降低运营成本。
市场推广策略：

高峰期促销：在 12 月，企业应加强市场推广和销售活动，充分利用需求高峰，提升销
售额。
低谷期刺激：在 2 月，可以通过促销活动或推出新产品，刺激市场需求，避免销量过
低。
资源配置优化：
人力资源管理：合理安排员工的工作时间和休假计划，确保在高峰期有足够的人力资
源支持生产和销售。
物流和供应链管理：在高峰期之前，确保供应链的稳定和高效，避免因物流问题导致
的生产和交付延误。
结论
通过上述分析，可以看出产品的出口量和出口额具有明显的季节性波动特征，企业
可以根据这些特征制定更加科学的生产计划和市场策略，以应对市场需求的变化，提
升企业的竞争力和市场表现。

第四次实验作业
(一)相关分析
结果分析：
1.1 散点矩阵图分析

-散点矩阵图观察：散点矩阵图向我们展示了各个变量之间的关系。通过观
察这些散点的分布，我们可以初步判断它们之间的相关性和趋势。

-变量之间的关系：当前工资与初始工资：呈现出明显的线性关系，表明两

者之间存在较高的正相关性。

-当前工资与工作经验（月）：散点分布比较分散，相关性不强。

-当前工资与受教育年限（年）：虽然散点较为分散，但呈现出一定。

-相关趋势。

当前工资与年龄：显示出一定的负相关性，随着年龄增加，当前工资有下降

趋势。

当前工资与工作时间：相关性不强，散点分布比较分散。

-相关性矩阵分析

当前工资的相关性分析：

初始工资：高度正相关，初始工资越高，当前工资也越高。

工作经验（月）：负相关但相关性较弱，工作经验越多，当前工资略有

降的趋势。

受教育年限（年）：中等正相关，受教育年限越长，当前工资越高。

年龄：负相关但相关性较弱，年龄越大，当前工资略有下降的趋势。

工作时间：相关性不显著，工作时间对当前工资影响不大。

-其他变量的相关性分析：

初始工资与受教育年限：中等正相关，初始工资高的人，受教育年限也相对

较长。

工作经验（月）与受教育年限：负相关但相关性较弱，工作经验越多，受教

育年限相对较少。

年龄与受教育年限：负相关但相关性较弱，年龄越大，受教育年限相对较少。

年龄与工作经验（月）：高度正相关，年龄越大，工作经验越丰富。

-结论：

当前工资的决定因素：初始工资和受教育年限是主要决定因素，二者越高，
当前工资也越高。年龄和工作经验对当前工资的影响较弱，而工作时间对其

影响不大。

教育和工作经验的平衡：受教育年限长的人初始工资和当前工资较高，但工

作经验可能相对较少；而年龄大的人工作经验丰富，但受教育年限相对较短，

导致当前工资较低。
分析结果：

R 值： 0.901，显示自变量与因变量之间存在着强烈的线性关系。

R 平方： 0.812，表示模型能够解释 82.1%的因变量的变异。

调整后的 R 平方： 0.810，表明即使经过调整，模型仍然具有很好的解释能

力。

标准估算误差： $7,444.353，这表明预测的当前工资与实际工资之间的平

均差异。

方差分析（ANOVA）归模型的 F 值： 404.327，显著性水平为 0.000。这说明

整体回归模型是显著的，自变量对因变量的解释能力较强。

系数表：系数表提供了各自变量的回归系数及其显著性：

常量：

B 值： -12189.036

t 值： -3.239

显著性： 0.001

解释： 常量项在模型中是显著的。

初始工资：

B 值： 1.771

t 值： 30.229

显著性： 0.000

解释： 初始工资对当前工资有着显著的正向影响，且影响程度非常大。
工作经验（月）：

B 值： -8.557

t 值： -1.540

显著性： 0.124

解释： 工作经验对当前工资的影响并不显著。

受教育年限（年）：

B 值： 631.806

t 值： -3.793

显著性： 0.000

解释： 受教育年限对当前工资有着显著的正向影响。

年龄：

B 值： -100.504

t 值： -2.033

显著性： 0.042

解释： 年龄对当前工资有着显著的负向影响。

工作时间：

B 值： 166.606

t 值： 4.843

显著性： 0.000

解释： 工作时间对当前工资有着显著的正向影响。

详细分析说明

模型拟合优度： 模型的 R 值为 0.901，R 平方为 0.812，调整后的 R 平方为

0.810，表明模型具有很好的解释能力。

方差分析（ANOVA）： 回归模型整体显著，说明自变量对因变量的解释能力

较强。

自变量对因变量的影响：

初始工资和受教育年限对当前工资的影响显著且呈正向关系。
年龄对当前工资呈负向影响，工作经验对当前工资的影响不显著。

结论

回归分析显示，初始工资、受教育年限、年龄和工作时间对当前工资具有显

著影响。其中，初始工资和受教育年限对当前工资的正向影响较大，而年龄

对当前工资有负向影响。模型整体拟合优度较高，能够很好地解释因变量的

变异。