前言：中文期刊網精心挑選了數據統計分析的目的范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
數據統計分析的目的范文1
所謂的數據統計分析，是以現代信息化技術和互聯網技術為基礎，對相關的數據進行收集匯總，然后根據需求對這些數據進行不同方式、不同范圍、不同深度的統計和分析，以從中獲取到有價值的信息。當前，全球各行業領域都開始認識到了數據統計分析的重要性，并將其應用到了社會生產、建設當中。
1數據統計分析在煤炭銷售中的重要性
煤炭銷售是煤炭企業實現價值、獲取利潤的一個主要途徑，同時涉及煤炭銷售的相關數據也非常之多，以往這些數據只是被簡單的用作反映煤炭銷售業績，為企業的核算等提供基礎信息等，對于未來的銷售工作沒有任何的參考、指導作用，之所以會出現這樣的情況，其一是受技術條件的限制，其二是受思想認識的限制。當前，在信息化技術和互聯網技術的支持下，可以對與煤炭銷售相關的數據進行大量的收集匯總，根據需求快速的對其進行統計分析，這不僅僅能夠簡單的反映出煤炭銷售業績、為核算提供基礎信息，更能以客觀數據為基礎，對銷售前景進行預測，發現銷售工作當中各環節可能存在的問題，為銷售工作提供決策參考，這就可以提高煤炭銷售工作的科學性、合理性，促進煤炭銷售業績的提升，增強煤炭企業的市場競爭力，為企業獲得更高的利潤，這對企業在現代市場當中的長遠、穩步發展來說具有非常重要的意義［1］。因此必須要樹立正確的思想認識，認清數據統計分析在煤炭銷售中的重要性，并加強研究、探討及應用。
2數據統計分析在煤炭銷售中的應用
2．1擴大數據來源
數據統計分析在煤炭銷售中的應用首先需要有大量的數據作為基礎，所以煤炭企業必須得要擴大數據的來源。在這里企業應當認識到，煤炭銷售數據統計分析不只是需要與銷售直接有關的數據，其他的一些間接性數據也應當被納入到煤炭銷售數據統計分析中來。因為在實際的銷售工作當中，可能多個部門都會對銷售情況造成影響，這些部門看似獨立，但實際上都與銷售工作存在間接的聯系，為此企業在煤炭銷售數據統計分析的過程當中，應當將這些部門的相關數據納入進來，對數據來源進行擴大，形成“大數據”效應，使數據更加的完整，更加具有系統性，這樣通過對數據的統計、分析，企業才能從中獲取到更加全面、更加準確的信息，以更好的指導煤炭市場銷售工作開展。另一方面，為了掌握市場的整體情況，還應當將外部相關的數據納入進來，內外結合進行數據統計分析，以進一步適應市場現狀。
2．2完善煤炭銷售數據統計分析體系
煤炭銷售數據統計分析體系直接關系著統計分析的質量和有效性，為此煤炭企業必須要對煤炭銷售數據統計分析體系進行完善。該體系應和煤炭企業的員工考核密切相關，以約束以激勵的雙重效果的體現為目的。在煤炭銷售統計結算中，煤炭企業的整體銷售情況應該基于銷量、煤炭結算收入與運費、煤炭質量等指標進行全面了解。煤炭銷量統計和煤炭結算清單關系密切，必須要保管好原始數據，不斷核實統計情況。在煤炭質量方面，不但要對商品煤、原煤的質量情況進行計算，還需要質量臺賬，包括各類型的客戶、各批次的、不同類的煤種，然后對各自的價格、收入以匯總的方式進行分析。在煤炭結算收入中，核算各自既要包括合同價格，還需要和財務部的數據進行對接，管理好臺賬，保證企業經濟效益。在煤炭結算運費中，臺賬的詳細必須包括車輛的使用、路運、存場，甚至還要綜合對比分析煤炭產量、各品質的銷售以及盈虧情況等等，并將相關的結論反饋給相關管理者，為銷售工作的精細化打下基礎。但是，煤炭銷售統計體現還需涉及到統計的全面性，比如員工考核之類的和銷售指標相關的也應體現在體現中。當煤炭銷售數據統計分析體系完善了，煤炭企業的員工積極性才會更高［2］。
2．3實現按需統計分析
煤炭銷售數據統計分析工作不應當是一個程式化的過程，而應當要具有動態性、針對性，要能夠針對當前的市場發展情況、發展需求進行按需統計，這樣才能為煤炭銷售工作提供最有價值的參考、指導。這要求煤炭企業應當做到以下幾點：第一，要考慮到宏觀的煤炭市場現狀，如國內外的市場需求、供需關系以及競爭情況等，要能夠從整體上認清、把握煤炭市場的變化、發展動態。當然，要想分析得出這類型的信息，必須要有真正的大數據支持，從各種途徑獲取各類與煤炭市場相關的數據，如行業報告、國家統計等等，這樣才能夠盡可能真實的了解到市場現狀；第二，由于企業的市場戰略規劃、安排，所有煤炭銷售工作在不同的時間段可能有著不同的要求和關鍵點，針對這樣的情況，企業的統計分析工作必須要根據要求和關鍵點有序的展開，盡量高效獲取對當前銷售工作有利的信息；第三，重點分析獲取敏感信息，在煤炭銷售工作當中，有一些數據信息是非常敏感的，也非常受企業的管理層重視，因為這些數據信息往往對企業的整體發展戰略規劃都有著影響，如某時間段的銷售平均數、同比增長速度、市場銷售趨勢預測等等，這些數據往往是相當重要的，所以必須要做到準確和及時、動態的更新［3］。
3結語
在當前的煤炭銷售工作當中，煤炭企業應當加強對數據統計分析的研究、探討及應用，從中獲取對煤炭銷售工作有價值的參考信息，指導煤炭銷售工作的開展，以提升煤炭銷售業績，保障企業的市場發展。
作者:汪紅霞 單位:西山煤電屯蘭選煤廠
參考文獻
［1］米子川，姜天英．煤炭大數據指數編制及經驗模態分解模型研究［J］．統計與信息論壇，2016（8）：71－77．
數據統計分析的目的范文2
關鍵詞： SPSS軟件 考試數據 統計分析 操作步驟
1. 引言
一份好的試卷須有好的測量指標來表明它的優良程度，試題有難度和區分度指標，試卷有效度和信度指標，這些是評價考試最主要的測量指標，但是僅有這些指標不足以反映一份試卷的實際測量效果，考試研究人員希望從考生的試卷統計分析中獲取更多的信息來評價一份試卷。在計算機未普及的年代，考試成績統計主要依靠人工閱卷，考試數據無法電子化存儲，對考試數據分析統計難以實現。隨著計算機的普及和信息化的推廣，各種分析數據的軟件應運而生，這些軟件中匯集了統計學和測量學的分析工具，使得應用電子信息技術分析統計考試成績數據成為可能，這些統計信息可以為教研部門、考試行政部門進行行政決策等提供非常重要的幫助。在眾多的統計分析軟件當中，SPSS是應用最多、影響最廣泛的分析工具之一。在本文中，我們以SPSS軟件為工具，對教育招生考試成績的數據進行統計分析，分析主要著重于考試數據的相關性、假設檢驗等幾個方面。
2. SPSS分析軟件簡介
“SPSS統計分析軟件”的英文名稱為“Statistical Package for the Social Science”，中文名稱為“社會科學統計軟件包”，它是世界著名的統計分析軟件之一，在自然科學、社會科學的各個領域均有非常廣泛的應用。SPSS是一個組合式軟件包，它集數據整理、分析于一身，主要功能包括數據管理、統計分析、圖表分析、輸出管理等，該軟件的統計分析過程包括描述性統計、均值比較、一般線性模型、相關分析、回歸分析、對數線性模型、聚類分析、數據簡化、生存分析、時間序列分析、多重響應等幾大類。
下面我們利用SPSS軟件對考試數據的相關性、檢驗假設進行統計分析，介紹使用SPSS進行統計分析的一般方法和步驟。
3. 相關性分析
教育考試中，考試結果的信度，試題的區分度，每個題目得分與試卷總分的關系，以及題目之間的關系，等等，都是考試研究的重要內容，最主要的研究方法就是數據的相關性分析。在眾多的教育考試數據的相關性分析方法中，Pearson相關系數法、Spearman相關系數法和Cronbach α信度系數法是比較常用的幾種方法。
Pearson相關系數法計算公式：
式中x為第i個考生第j題的得分，y為第i個考生第k題的得分，為第j題的平均分，為第k題的平均分，n為測試樣本量。該公式既可以計算兩個連續變量之間的相關性，又可以計算一個雙歧變量與一個連續變量之間的相關性。
Spearman相關系數法計算公式：
r=1-（2）
式中D為兩個變量的秩序之差，n為樣本容量。
Cronbach a信度系數法計算公式：
α= 1-（3）
式中n為試題數，s為第i題的標準差，s為總分的標準差。該公式實際上就是將考試中所有試題間相關系數的平均值（又稱內部一致性）作為α信度系數。
對于給定的一組考生成績數據，利用SPSS統計分析軟件可以非常容易地定量分析考生某學科試卷總分和該學科某道題的相關性，以及各個題目之間的相關性。我們以Pearson相關系數分析為例，利用SPSS軟件進行統計分析。
數據統計分析的對象是某省高考數學6道解答題的得分情況（不是整張試卷），數據源于該省的高考數據成績。研究的目的是測量6道解答題每兩個題目之間的相關性。
我們以SPSS 13.0版本的軟件為例，介紹利用SPSS進行數據統計分析的步驟（以Pearson相關系數法為例）：
（1）將考試數據導入SPSS軟件，在SPSS數據窗口中，順序點擊【Analyze】【Correlate】【Bivariate...】，系統彈出變量相關系數設置對話框。
（2）在該對話框中，將待計算的變量從左側的變量列表中導入到右側的“Variables”變量列表中，在本例中導入t1、t2、t3、t4、t5、t6共6個變量（t1―t6是6道解答題的變量名稱）。在“Correlation Coefficients”相關系數選項中，選取“Pearson”復選框。
（3）在該對話框的“Test of Significance”設置區域，可以點選“Two-tailed”選項或者“One-tailed”，我們采用系統默認值。
（4）對話框中的其它選項取軟件系統的默認值，點擊【OK】，開始相關系數計算，系統彈出新的窗體輸出運算的結果。本次輸出的情況如下：
上表的統計結果可用于題目之間相關性的分析。表中的大部分題目的相關系數都比較適中，但題目T4和題目T5之間的相關程度遠高于其它幾個題目，我們可以確信這兩者之間一定存在著比其他題目之間更緊密的關系，這是我們通過分析獲取的重要信息，該信息表明這兩個題目之間的相關性高于其他幾個題目之間的相關性，這在大規?？荚囍惺遣粦摮霈F的，需要在以后的命題考試中加以改進。
Spearman相關系數分析方法和上述分析方法類似，只需要在上述SPSS操作的第二個驟中選取“Pearson”復選框，程序就會按Pearson相關系數法進行統計分析，如果同時選中“Spearman”和“Pearson”復選框，程序將會同時計算按兩種分析方法統計分析的數據，并會以不同的圖表進行顯示，而Cronbach a信度系數法計算方法與上述方法略有不同，其操作步驟如下：
（1）在SPSS數據窗口中，順序點擊【Analyze】【Scale】【Reliability Analysis...】，系統彈出“Reliability Analysis”信度分析設置對話框。
（2）將待計算的變量從左列的變量列表中導入到右側的“items”變量中，在左下列的“model”選擇項的下拉列表中確保選中“Alpha”(信度系數)，點擊“Statistics”選擇項可以進行更為詳細的參數設置，我們采用系統的默認值即可。
（3）參數設置完畢之后，點擊【OK】，軟件開始相關系數計算并輸出運算結果。
4. 選擇題的選項分析
在目前的教育招生考試中選擇題是一種較常見的題型，考試研究人員關注較多的是對選擇題基本特征、測量功能及其優缺點的理論探討［1］［2］，對選擇題干擾項的設計及其施測后的實際效果關注甚少，事實上施測后對題目各選項的有效性作出判斷可為評價試題質量提供重要參考依據。我們利用統計中χ檢驗假設，對試卷中常見的選擇題選擇項進行統計分析。
教育考試的單項選擇項一般設置為4個，其中僅有1個選擇項是正確的。命題人員在設計選擇項時，應當也必然對每道題目所有的選擇項（正確選擇項和干擾選擇項）的考生作答情況作出預測，對考生作答的分布情況作出預估?？荚嚱Y束后，研究人員應該對實測的情況與命題教師預測的情況進行對比分析，以檢驗考試效果是否達到了預測的目標。這和χ擬合度檢驗的思想具有一致性，因此可以嘗試使用χ檢驗假設進行分析。
我們依據文獻［3］［4］的方法來介紹χ檢驗假設在考試數據分析中應用的基本原理，設變量E是命題者對某道試題的期望值，E=nP，n為樣本容量，P為期望的相對頻率，引入以下統計量：∑(O-E)/E，其中O為觀察頻數。
本文為全文原貌 未安裝PDF瀏覽器用戶請先下載安裝 原版全文
我們需要進行的假設檢驗是：零假設H：選項的實測分布與期望分布相同；非零假設H：選項的實測分布與期望分布不同。
檢驗假設的思想：擬合度檢驗的統計量在確定的某種顯著性水平下如果零假設是真，則檢驗統計量∑(O-E)/E呈近似χ分布，其自由度為研究變量的可能值減1；如果實測分布與期望的分布相當吻合，就不排除零假設，否則就排除零假設；最后對檢驗假設的結果進行解釋。
數據分析的目的是判斷考生實際的應答結果（實測數據）與命題期望的選擇概率（期望數據）是否一致。我們隨機抽取某省5542個高考考生的數學有效數據構成分析樣本，利用SPSS進行統計分析。
SPSS數據統計分析的步驟如下：
（1）將考試數據導入SPSS軟件，依次點擊【Analyze】【Nonparametric Tests】【Chi-Square...】，彈出“Chi-Square Tests”對話框。
（2）將變量列表中待分析的題目序號導入到“Test Variables List”（檢驗變量列表)中，本例中題目的序號為t7。
（3）將對選擇試題的每個選項的期望值依次輸入到“Expected Values”所屬的方框，具體操作方法是選中單選框“Values”，輸入具體的期望數值，點擊“Add”按鈕，依次重復上述的步驟直至所有的選項的期望值輸入完畢。
（4）點擊【OK】，輸出軟件運算結果。
我們需要進行的假設檢驗，H：選項的實測分布與期望分布相同；H：選項的實測分布與期望分布不同。
假設檢驗的顯著性水平為α=0.05，χ=∑(O-E)/E，自由度為df=4-1=3，查χ分布表或利用相關軟件可得P=0.0626，由于P＞α，因此不能拒絕零假設，即選項的實測分布與期望分布相同。因此，檢驗結果在0.05顯著性水平時，沒有足夠的證據拒絕零假設，即可認為本題選項的實測分布與期望分布相同，也就是說本題的實際測試效果與命題教師預測的效果是一致的，命題教師準確地估計了考生的實際水平，這是分析獲得的很重要的結論。
5. 結語
SPSS軟件在考試數據統計分析中應用廣泛，但大部分是集中在試題難度、均值、方差統計、考試數據的圖表顯示等幾個方面，本文從一個新的角度利用SPSS軟件對考試數據的相關性、檢驗假設等幾個方面進行了嘗試性統計分析，介紹了使用SPSS進行統計分析的一般方法和步驟。從上述分析來看，軟件操作步驟和統計分析過程十分簡單、快捷，對于測量學和統計學基礎不太好的數據分析統計人員來說，只要遵循一定的操作步驟，就可以進行分析。
參考文獻：
［1］王孝玲.教育測量（修訂版）［M］.上海：華東師范大學出版社，2006.
［2］雷新勇.大規模教育考試：命題與評價［M］.上海：華東師范大學出版社，2006.
［3］李偉明，馮伯麟，余仁勝.考試的統計分析方法［M］.北京：高等教育出版社，1990.
數據統計分析的目的范文3
關鍵詞：圖書館統計；缺陷；建議
中圖分類號：F23
文獻標識碼：A
文章編號：1672―3198（2014）21―0131―02
統計作為認識社會現象，挖掘現象背后的原因與規律的重要科學方法，已然滲透到當今社會的方方面面，并且與其他各學科相互交叉滲透，形成適用于各行業，獨具特色的統計方法，進而充分發揮其信息智能、咨詢職能以及監督職能。同樣，統計也是圖書館基本業務之一，是圖書館日常管理工作的重要組成部分，如何順利開展統計工作，分析所得數據，進而加強圖書館運營效率，同時提高圖書館業務統計工作的開展進行也應當是統計學與圖書情報、檔案管理學科的交叉研究方向之一。
1圖書館統計概況
依據圖書館各部門管理職能以及數據統計需要不同可將其大致分為采編系統數據統計、流通閱覽數據統計以及其他數據統計三類。具體細化如圖1，如將采編系統數據統計分為采購統計與編目統計，編目統計又分為工作量統計和分類統計等。
采編統計主要是針對于圖書館的文獻搜集工作，隨著圖書館規模的擴大，文獻種類日益豐富，采購經費額度不斷上調，給采編工作提供了很大壓力，對購買圖書類型、數量等方面進行決策無疑離不開對于歷史數據的分析，只有對館藏數量、經費下撥以及讀者借閱等數據進行系統分析，才能夠起到指導文獻購置，為讀者提供優質服務的目的。如通過驗收數目數據的分析了解各科室文獻道館情況，通過對各書目借閱人次數據分析，了解讀者需求等。同時，只有了解讀者需求與學科建設需要，結合各學科采購經費的下況，通過訂購統計、驗收統計、經費統計、館藏統計各方面數據相結合，綜合分析，才可以有計劃的增補所需文獻。此外，工作量統計對于圖書館日常行政管理意義很大，如可據此計算獎金報酬，或者反映館員工作狀態，也可據此確定招聘人員數量。而借閱率、文獻流通量、入館人次、館藏數量等統計數據對一方面反映圖書館管理情況，另一方面為其規劃日后發展有重大參考意義。
流通部門是圖書館與讀者直接接觸的窗口，是其服務于讀者的主體，流通統計反應圖書館服務質量、文獻建設情況、借閱率、拒絕率等，其運行情況標志著圖書館運行的整體情況。流通閱覽統計結果既是對過去工作的總結與表述，也是對未來工作的參考與指導，是進行讀者服務改善、優化書庫管理、計劃制定等方面的重要依據。如結合館藏文獻使用數據與文獻流通閱覽相關統計結果，分析讀者閱讀興趣與需求傾向以及圖書館對于讀者需要的滿足能力，從而針對讀者需求差異，優化資源配置，科學建設圖書館館藏資源，更好為讀者服務。
其他統計數據主要針對各項電子資源展開，隨著圖書館向著多載體、多信息、多渠道服務的方向發展，為了了解讀者對于這些日新月異的服務使用情況，數據統計必不可少。借助于此，可以對圖書館資源進行定向分析，獲得推薦方向，也在為讀者更好服務的同時制定圖書館未來的發展規劃，可謂是一舉多得。
在具體的圖書館統計工作中，我們可以構建如下的指標體系：
依據如上的指標體系，我們可以構建出圖書館統計的大致統計框架，并據此收集數據，從而量化反應圖書館現象，揭示其發展中的規律和狀態，同時也可以作為檢驗圖書館工作的評定標準，進而為指定工作決策奠定堅實的基礎。
2圖書館統計存在的問題
2.1統計工作不受重視
目前圖書館統計工作更多時候作為年終總結或是填寫上級部門的報表，很少能過對數據進行長期追蹤，這樣難以對于數據進行動態性分析，而許多統計工作的缺失也導致各項數據不全，這樣也很難進行綜合性分析，挖掘統計數據背后的意義，對于統計指標體系的建立與完善造成了難度。
2.2統計體系不健全
完整的統計體系應該由統計指標及統計數據、統計組織架構、統計規章制度三方面構成，而目前統計工作大多也并非由專人主持，而是多由辦公室人員兼任，而非具有專業背景的專業人員，本身缺乏統計知識，而其他的行政工作往往使之難以集中精力于統計工作，因而對于數據缺乏核對，也常常難以進行詳盡的分析。并且圖書館對于館員更多的強調對于學生的服務質量，而忽視對于館員統計數據處理方法的培訓，從而即使在統計資料完備的請況下也很難多層次、多方法的對數據進行處理分析，形成完整的統計分析報告。此外，圖書館規章中對于統計工作的開展以及統計資料的分析等方面確定的也不夠完善。
2.3圖書館員對于統計數據處理分析方法不成熟
完整的統計工作由統計調查、統計整理和統計分析三個環節組成，首先需要數據全面與準確，才能夠對于數據進行分析和研究，進而挖掘其存在的問題和背后的規律。而目前我國多數圖書館統計也僅僅是停留于統計數據搜集，統計結果多是日常數據匯總相加減，多以表格形式展現，而統計分析與數據挖掘等方面則表現較少，即使數據搜集完備，在利用方面仍有較大的發揮空間，如何能夠通過統計分析來發現解決圖書館存在的問題，以促進其發展才是統計的基本目的。因而數據處理分析方法的欠缺使得統計價值難以體現。
3提高圖書館統計業務的幾點建議
3.1設定統計部門，招聘統計人才，將統計業務作為圖書館的工作目標考核
在圖書館設定專門的統計部門，招聘專門的統計人才，建立完善的統計組織架構，督促檢查指導日常統計工作。同時，建議主管部門將準確提供準確統計數據以及詳盡的統計報告作為圖書館的一項工作指標，以提高對統計工作的重視程度。在此背景下，圖書館領導將統計工作列為重點，且統計人員具有完備的統計知識與專業背景，更有利于借助專業的統計分析方法，利用統計分析軟件，開展統計工作，從而對所得統計數據達到最大程度的使用，充分挖掘數據背后的實際意義，撰寫完善詳盡的統計報告，以期使圖書館建設得更好。
3.2完善統計指標體系，落實到崗
針對圖書館工作中各種現象和過程，確定完整的統計指標體系，以求準確反映各部門績效以及圖書使用情況，指標選擇應準確恰當，突出核心指標，降低管理難度。特別地，反映藏書結構的文獻收藏量指標、按讀者不同類別反映對圖書館需求傾向的讀者量指標以及反映文獻流通種類、數量以及讀著借閱情況的借閱量指標應尤其得到重視。此外，將每個統計指標規范落實到各個崗位及個人，明確權責，避免推諉，使得統計工作更易開展。
數據統計分析的目的范文4
[關鍵詞] 高速卷煙接嘴膠粘度SPSS軟件
高速卷煙接嘴膠的粘度指標直接反映了接嘴膠分子重量和分子重量分布,是用來表示流體運動時分子間摩擦阻力的指標[1],間接反映了接嘴膠的結合力和質量情況。粘度對卷煙加工過程的影響較大,若粘度過大,則膠體的流動性差,易堵塞膠孔,影響加工效率和產品質量;粘度過小,則會出現溢膠現象,影響膠層厚度及初粘力[2]。測定和統計分析接嘴膠粘度數據的目的是為了控制接嘴膠的來料質量,保證每批來料質量穩定能夠滿足卷煙生產的正常要求[3]。
SPSS(Statistics Package for Social Science)是著名的統計分析軟件,它的基本功能涵蓋數據管理、統計分析、圖表分析、輸出管理等,十分適用于在自然科學、社會科學等多個領域進行數據統計分析[4]。
為了更快速和更客觀地評價高速卷煙接嘴膠的粘度質量檢驗結果,本文借助SPSS(12.0版本)強大的數據分析功能,對高速卷煙接嘴膠的不同批次間的粘度差異和不同存儲時間的粘度穩定性進行了統計分析,以了解接嘴膠的質量變化情況。
1材料與方法
1.1 材料和儀器
1.1.1 材料:永安福維高速卷煙接嘴膠。
1.1.2 儀器:粘度計(BrookfieldDV-II+VISCOMETER)、600mL燒杯;恒溫水浴鍋(江蘇金壇江南儀器廠)。
1.2 測定方法和條件
1.2.1 粘度測定方法:采用行業標準方法GB/T2794-1995《膠粘劑粘度的測定》。
1.2.2 測量條件:選擇3號轉子,轉速5轉/分鐘,帶保護腳。
1.3 實驗方案
1.3.1 不同生產批次抽檢
對同廠家12個批次的膠水進行抽樣,每批樣品隨機抽取500mL,密封保存,分別測量他們的粘度,用統計語言描述12個批次的檢測結果。
1.3.2 不同存儲時間抽檢
對同廠家同一個批次的膠粘劑隨機抽取5瓶,每瓶500mL,密封保存。每隔3周測量1次粘度,共測4次。
2結果與討論
2.1 不同生產批次粘度差異的統計分析
粘度的測量值與測量條件密切相關,測量條件包括粘度計的型號、轉子/轉速、測量容器、有無保護腳、樣品溫度等, 每種測量條件的變動都將直接影響粘度的測量數據。
在1.2.2固定測量條件下,分別測得同一廠家12個批次的高速卷煙接嘴膠粘度數據為:7660,7950,7600,8710,7550,6710,8050,7470,6950,7110,7080,6740,7330(mPa.s)。
利用SPSS統計軟件中數據描述功能處理上述12個粘度數據,其統計分析結果見表1。
表1 12個批次高速卷煙接嘴膠粘度統計結果
從表1可以看出,對粘度進行快速統計分析后,不僅可以得到反映12個批次高速卷煙接嘴膠粘度數值的中心趨勢和相應信息,如高速卷煙接嘴膠粘度平均值、標準差、中位數、粘度均值的95%置信度區間,還得到了12個批次粘度測定值的峰度和偏度數據。峰度表明了粘度測定值正態分布的陡緩程度,峰度為1.54大于0,表示粘度測定數據的正態分布曲線較陡峭,為尖頂峰; 偏度則表明了粘度測定數據分布的對稱性,偏度為1.106大于0,表示正偏差數值較大,右邊有一條長拖尾。
2.2 同一批次不同存儲時間粘度變化的統計分析
表2是存儲不同時間后的粘度測量值,僅從表2數據較難判斷出高速卷煙接嘴膠在存儲過程中的粘度是否有變化,以及變化數值是否在可接受的程度。
表2不同存儲時間的高速卷煙接嘴膠粘度測量值
(單位:mPa.s)
利用SPSS統計軟件中的單因素方差分析則可以清楚地看出同一批次的高速卷煙接嘴膠在存儲過程中是否發生了變化,存儲多長時間發生了變化,從而了解接嘴膠質量放置的穩定性情況。
本文選擇的單因素方差分析方法是LSD(最小顯著差法)和S-N-K(顯著性檢驗法),利用這兩種方法既可進行顯著性檢驗也可進行多重比較分析。
2.2.1 粘度變化的顯著性檢驗分析
利用單因素方差分析方法進行顯著性檢驗可以判斷同一批次的高速卷煙接嘴膠在存儲過程中是否發生了變化。
顯著性檢驗是一種統計推斷的方法,當接嘴膠粘度測量均值服從方差相同的正態分布時,粘度測量均值的方差計算可轉換成同一水平下同一批次不同存儲時間接嘴膠粘度測量均值是否有顯著差異的計算[1]。
進行粘度單因素方差統計分析前,首先要檢驗粘度測量值總體方差是否相等。通過計算得到:同一批次不同存儲時間4組數據粘度的相伴概率為0.15,大于顯著性水平0.05,因此,其零假設是粘度各個測量值總體方差是相等的,可以滿足粘度方差檢驗的前提條件。
然后利用SPSS統計軟件計算得到表3(ANOVA表),從表3看出粘度方差檢驗統計量F值為4.64,相伴概率為0.016。相伴概率小于顯著性水平0.05,因此拒絕零假設,認為粘度各個測量均值總體方差是有顯著差異的。
通過粘度顯著性檢驗表明:同一批次不同存儲時間的4組接嘴膠粘度數據統計分析中,至少有一個組粘度數值和其他組有明顯差別,或者可能4組接嘴膠粘度數值之間都存在顯著的區別,也就是說高速卷煙接嘴膠在存儲過程中粘度發生了變化。
2.2.2粘度變化的多重比較分析
當用顯著性檢驗出高速卷煙接嘴膠在存儲過程中粘度發生了變化后,還可再用單因素方差分析進行多重比較,找出高速接嘴膠在存儲過程中是究竟哪一個組粘度數值和其他組有明顯差異,或4組接嘴膠粘度數值之間究竟存在多大的差異。
分別用LSD法和S-N-K法進行多重比較,對同一批次不同存儲時間接嘴膠粘度測定數值進行計算,統計結果見表4和表5。
從表4可清楚看出,同一批次不同存儲時間接嘴膠粘度測定數值的變化趨勢如下:同一批次第一組接嘴膠粘度數值和第二組檢測數值沒有顯著性差異,但和第三組、第四組的檢測數值有顯著性差異,而第二組和第三組、第四組的接嘴膠粘度檢測數值之間不存在著顯著性差異。
通過LSD法和S-N-K兩種方法比較發現:同一批次不同存儲時間高速接嘴膠粘度的變化趨勢基本相同,因此得到結論:高速接嘴膠存儲時間在3周左右,粘度的變化不大;存儲時間在6～9周期間,粘度明顯加大,說明其質量穩定性發生了較大的變化;存儲時間超過9周后粘度數值變化值較小。
參考文獻:
[1] 程時遠,李勝彪,黃世強. 膠粘劑[M]. 北京:化學工業出版社,2001.
[2] 孫歷. 卷煙搭口膠應用探討[J]. 上海煙業,2000,(3):6-8.
數據統計分析的目的范文5
銀行統計分析主要是利用各種統計分析的工具以及方式方法對所有的銀行經營管理和監督有一定的影響數據進行深入分析和研究，從而尋找出內在的業務規律，為銀行的經營和管理提供相關的一些決策和依據。
目前銀行的數據分析系統越來越完善，國內很多銀行已經建立了相應的數據倉庫系統、對公信貸流系統以及操作性數據存儲系統，這些系統的建立標志著銀行集中式數據分析系統的完善，為銀行研究、業務系統的分析以及經營提供相應的數據基礎和決策。在銀行數據統計的工作中不僅應該執行《中華人民共和國商業銀行法》、《中華人民共和國保守國家秘密法》、《中華人民共和國統計法》以及金融統計管理規定等相關的規定，而且還應該執行各個銀行內部制定先關的規定和制度，從而促進銀行業務健康的發展。
一、渠道數據-交易數據
(1）自助業務數據分析系統是電子渠道數據倉庫系統的子系統，自助業務數據分析主要具有兩種功能：一是利用數據倉庫進行優化電子渠道業務的管理控制，如設備的成本管理、服務質量管理、產品質量管理以及人力資源管理等，二是提供輔助的決策信息，并為市場提供營銷服務，如通過數據分析可以準確找到目標客戶。從而可以降低營銷成本，促進營銷效率的提高，并且還可以為產品的開發以及市場營銷提供一些準確的信息。
(2）在銀行決策時，將會面臨著很多的風險因素，如果銀行在調整分支結構的網絡范圍以及網絡大小時，銀行決策就會因為一些沒有依賴于電子銀行客戶而產生的業務風險，銀行為發展電子銀行以及網上銀行業務而出現的投資方向的風險?？蛻舻钠靡约案偁帉Q定著銀行哪種銀行渠道具有主導作用，但是無論結果如何，銀行都應該適應電子銀行的發展作出相應的決策，并且還應對銀行業務的分支結構進行預測，業務人員將通過增加客戶以及相應的業務機構進行擴展，或者通過提供全國性進行銀行產品以及電子商務的能力進行擴展新的客戶，從而達到營銷的目的。
二、客戶數據
客戶數據的分析主要是滿足決策層能夠隨時掌握客戶的資金變化的規律以及資金運用的規律，可以先行一步采用一些措施，從而可以掌握主動權，促進銀行業務的擴大和發展，然后進行分析客戶的總體結構以及客戶的貢獻度，從而可以進行決定工作的重點內容和目標，客戶數據的分析還可以進行考核客戶經理的工作業績，從而為營銷提供相關的決策。數據主要是以客戶為單位，分幣種進行存儲和管理，并且在進行查詢某些客戶的數據時，應該列出這位客戶賬號下的所用資料，對于一些多處開戶的客戶，可以采用企業名稱和業的代碼或者建立起相關聯的關系進行查詢分析，從而可以為銀行經營提供相關的決策。
三、產品數據
(1）目前銀行對業務的各項數據統計分析不僅僅是數據本身的研究和統計，而是數據背后的業務發展思考以及對銀行未來發展前景的展望。銀行業務只有通過對銀行業務的各項數據進行分析和綜合應用將會推動銀行業務發展，推動市場以及社會的發展。在進行銀行業務分析時，首先應該實現對個體客戶以及群體客戶的綜合貢獻度進行全面的分析，這樣不僅可以加深對客戶的需要了解，并且還可以為個性化的綜合營銷策略打下基礎。
(2）產品的模擬定價，并制定差價定價方案，利用銀行中間業務管理系統的模擬定價的功能，能夠實現科學合理為客戶進行量身定做產品的使用方案，并且還可以為客戶提供更多的選擇，比如在某個工商銀行中，銀行產品根據客戶以及工商銀行的一些制度和規定，按照ISMS系統為客戶指定的現金服務方案如下：
方案一：只提供兩個店鋪的現金清點以及兌換零鈔，全年共收費12萬元。
方案二：遵義商行將兩個店鋪的現金業務打包給銀行，全年共收費39.4萬元。在銀行數據統計中，根據客戶以及產品的貢獻度，實施客戶差別的定價方案，并建立綜合打包定價模型，不僅可以實現定價精細化的管理，而且對銀行發展具有重要的作用。
參考文獻
[1] 袁蜀．我國商業銀行操作風險管理研究[D]．西南財經大學，2006．
[2] ．商業銀行中間業務數據統計分析系統的設計與實現[D]．廈門大學，2008．
數據統計分析的目的范文6
一百多年前，基于實效的醫療（EBM，Evidence-Based Medicine），也稱為循證醫學，極大地改變了醫學界。之前的個人經驗摸索，師傅帶徒弟，獨門秘籍，一下子被統計分析所取代。這種起源于流行病學的統計技術，進而迅速應用到經濟和經營領域，對政府、機構和工商企業的科學決策，起到了革命性的推動作用。
那么，數據和統計分析究竟有什么價值呢？做出最佳判斷的思考方式。統計分析的結果，只是指導你做出最佳決策并堅定行動，但它并不代表決策的結果。葉敦明認為：執行的過程，會出現一些事情，不符合事前的統計分析，這需要隨機應變與果斷決策。當然，這些“意外”的數據，也會進入下一輪“收集數據、進行分析”環節，從而得出更好或更適用的新答案。
數據統計的基本邏輯：假設和驗證，這與商業決策完全一致。大膽假設，考驗你的創想力，對一個行業或產業，有沒有自己獨特的觀察與領會，進而差異化的選擇。小心求證，則是在可能的選擇方案中，找到最可行的那一個。
有選擇，才有決策，而選擇，也有自己的支撐技術：數理知識和計算機技術。技術的進步，推動了驗證的正確率，可假設的創想力與洞察力，卻無法用技術來替代。假設，屬于商業智能，與一個國家的人才綜合素質密不可分。這里面，閱讀能力與統計分析，最為重要，它們構成了通才的最堅實根基。
閱讀能力，每個人的必備能力，它決定了你的理解、分析和反思水平。職場人士，容易沉浸在自己的天地里，慢慢忽略了大環境的變化，對其他關聯學科也關心不多。這就造成了決策的近視癥（憑經驗和直覺），以及自負癥（覺得自己什么都看懂了、看透了）。這么說吧，統計思維，也是當今社會人的必不可少的能力，對于炒股、買房或買車這樣的民生大事，以及企業戰略制定、政府重大決策，都能派上大用場。
統計分析離不開數據，數據越多，分析的結果越準確?？墒?，大數據靠積累或購買，時間、管理水平和資金要求高，一般人玩不起。而從現有數據（企業的，社會的，行業的）進行挖掘，也能解決大多數預測或判斷的大問題。
第一招，通過數據深度挖掘，展開有意義的假設，找到有價值的信息。用假設之長，克服數據量之短，再用扎實的驗證功夫，迅速檢驗和判斷假設的正確性。很多預測未來的大決策，比如戰略兼并、海外擴張，或者是高鐵大建設。
第二招，在非數據領域開辟戰場，比如文本挖掘，利用語素分析，找出當下或未來的關鍵詞，輔助決策的制定。像時裝、奢侈品等行業，會從推特（twitter）、臉書（facebook），或者新浪微博、微信等社交媒體，挖掘到核心詞匯、關聯以及內在的含義，進而預測下一波時尚風潮的走向與表現。
第三招，利用企業內外部的非結構化數據，去形成構造化的表，然后呢，找到表與表之間的聯系，進行有效的判斷。圖、表格、文檔，都是非結構化數據，一個企業的營銷部門，很多時間里，都在與之打交道，要么從中找到規律性，要么進行結構化再造，便于統計分析。
統計分析時，若是現有的數據不夠用，或者無法信服地得出驗證，那就需要進行相關的調查，有全面調查與抽樣調查這兩個方式。要在準確率、成本以及判斷依據足夠程度上，找到適合一件事情、一個項目、一個重大決策的平衡。一句話，少花錢，辦對事。
隨機抽樣，正是抽樣調查中最常用的一種。先找到為了正確的判斷所必需的最少數據，控制誤差，明確因果關系。有幾個注意事項。首先，抽樣對象的典型性或代表性要夠強；其次，設定一個誤差上限，一旦超過，就必須重新抽樣；最后，打破人先見為主和慣性思維，避免盲目的、強行的因果聯系。
寶潔公司，在推廣一個新產品之前，傾向于使用對照測試。此時，提出A和B兩個不同的方案，選擇兩個相近的市場（市場空間、消費人群、競爭格局等），進行比較分析。勝出的方案，再用于下一輪的幾個市場的測試，若證明可行，最后才會全面推向市場。小心行得萬年船，大公司的競爭優勢，有時候在于事前準備工作的精細，以及決策的科學性。
有兩個現象，值得我們警醒：臨時抓數據，或拼命湊齊數據。數據的現抓先用，產生的誤差會很大，不知不覺把你對到錯誤的方向上。用數據統計指導決策時，必須始終關注誤差，堅信不正確的分析不如沒有分析（靠直覺或經驗）。葉敦明建議：可使用卡方檢驗，觀察值與理論推斷值之間的偏差。若為零，表示理論值完全符合，可以用于指導今后的實際決策。偏差值越大，則越不相符，這樣的統計數據，小心使用。
拼命湊齊數據，才敢于決策，這又會走入決策死胡同。不求數據大而全，只求數據正確、溝通，最關鍵的是，要與預期利益相關聯。一些公司的IT或市場管理部門，喜歡高大上的軟硬件，拿出厚重而博大的數據分析。高層決策者往往覺得兩難，投入太大，而又難以利用，為了統計分析而統計分析的做法，不符合務實決策者的商業思維。
說到這，你可能明白了這么一個理：統計分析的結果，要服務于商業實踐。那么，如何將統計分析與具體決策或行動聯系起來呢？正如《看穿一切數字的統計學》作者西內啟所言，你要問自己以下三個問題。
第一，做出何種改變能夠增加利益？未來產出的不確定性，需要我們拿起統計分析的武器，提供富有建設性的決策建議，幫助我們更好或更快地實現預期利益。也就是說，統計分析屬于投資行為，不是一個簡單的技術投入或成本。
第二，是否能夠做出這種改變？有些正確而又美好的改變，實在有心無力，強行去做，只會空耗組織的資源和心力。都頭來，想跑的沒跑起來，該走的卻寸步未行。知道理想與現實之間的距離，在不美好的現實中，依然保持激情和勇氣，去一步步行出美好，這才是有謀略的、有智慧的勇敢者。
第三，如果能夠做出這種改變，那么帶來的利益是否大于所消耗的成本？這個賬，肯定要算清楚的。統計分析，不為裝點門面，不為駁倒對方，只是一筆合算的投入罷了。有點像我們買汽車保險，花一筆小錢，防止自己賠大錢。一些大型企業，在重大決策出臺前，都會花錢請人做調查和統計分析，來校正自己決策。
