统计分析法

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇统计分析法范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

统计分析法范文第1篇

文章运用多元统计分析中的因子分析，根据试卷的量化指标难度、区分度、信度以及学生对教师的评价等数据指标建立多元统计模型，利用SAS统计分析软件进行建模分析。通过因子分析运行结果，进一步分析影响教学效果、教学评价、教学质量的因素，为提高教学质量提供参考。

关键词：

多元统计分析；因子分析；难度；区分度；信度；态度

试卷质量的统计分析是检验学生学习成果、提高教学效果、改进教学方式的重要途径。过去很多研究大多就试卷质量量化指标进行计算和分析，仅得到了一些关于试卷质量的数据。而本文以教育统计和测量为理论基础，计算出试卷质量的量化指标，运用多元统计分析知识，建立因子模型，根据因子分析的结果，简要分析教师的教学效果和学生的学习状况，对教学质量得出综合评价。

一、试卷量化的指标

试卷分析数量化是教育测量科学化的重要内容，衡量试卷质量的主要检验指标有难度、区分度、信度、效度四项指标，这些指标的概念和计算方法如下（本文所要分析的试卷中不含有选择、是非题）。

（一）可靠性分析可靠性是指考试结果的可信程度，用于考察试卷的总体质量。从教育测量学的角度来看，学生的考试成绩应来自正态分布或近似正态分布，否则该次考试的成绩就是不合理的。

（二）难度分析一般大规模标准化考试难度控制0.4~0.7之间，但学科结业考试一般控制在0.5~0.85之间为宜。

（三）区分度分析试题区分度是考量试题是否能将学识不同的学生区分开的指标。

（四）信度分析信度是评估分数与考生真实水平一致性的指标。通常大规模标准化考试要求信度在0.9以上，自编试卷的信度应大于0.4。

二、具体试卷指标计算

现有某学校某专业学生（58人）的五门课程，其中，前两门课程为同一位老师教授，后三门课程的授课教师均为互不相同的教师。另外，根据问卷调查，得到了学生对五门专业课授课教师的教学评价的平均值，满分为100分。在对学生的调查中发现，学生对教师的评价较低，则相应的学生的学习积极性不高，学习态度差；而对评价高的课程，学生的学习积极性高，学习态度良好。因此，将教学评价可以看作学生的学习态度（见表1）。

（一）可靠性检验由于样本容量n≤200，将采用SAS软件中的Shapiro-Wilks的W统计量来检验正态性。经检验，此次考察的五门课程均符合正态分布，数据可靠，可以进行数据统计分析。

（二）试卷量化分析的各项指标的计算按照上述所提供的试卷各项指标计算公式可得到结果如表1所示。

三、正交因子模型及因子分析

建立因子分析数学模型的目的不仅要找出公共因子以及对变量进行分组，更重要的是要知道每个公共因子的意义，以便对实际问题做出科学的分析。下面以表1作为数据源，编写程序，输出结果如表2、表3。由表2可看出，前两个因子的累计贡献率超过90%，故公因子的个数为2。由表3可以看到第一公因子中主要载荷为x2（区分度）、x4（态度）、x1（难度），这都是影响学生考试成绩的指标，且可看到学生的对老师态度起了很大的作用，可以称之分数因子；第二个公因子中，起主要作用的是x3（信度），可称之为稳定性因子。

四、结果分析

通过上述的试卷质量指标的计算，以及因子分析的结果，可以得到以下分析结果。第一，虽然学生对前两门课程的同一位任课教师的评价很低，但是该授课教师试卷质量符合要求，反映了教师的教学大纲完成情况正常，说明了课程考试从一定意义上有效的检验了学生的学习效果及教师课堂教学效果；其次，学生对教师的评价的主观性较强，这些评价数据也反映学生对待授课教师、该门课程的学习态度情况。接下来，通过因子分析来进一步判断学生的态度对考试结果的影响。第二，SAS软件统计分析课程试卷与时间序列统计分析课程试卷相比较，前者的试卷量化指标显然要比后者质量高，以此来看，前者的教学效果及教学质量要比后者强，同一位老师教授的同一批学生的不同课程，存在较为明显的差异。从SAS软件中利用成对组检验，也可以得出这样的结论，即两次考试存在显著性差异。另外需要说明的是，前者是第六学期考试科目，后者是第七学期的必修课，而全国硕士研究生入学考试就是在第七学期。可以看到，在出题者和答题者不变的情况下，前后两次考试存在显著性差异，除了试卷质量本身的差异性，另一个非常重要的原因应该是学生的学习态度。第三，学生的学习态度是否影响考试结果，在因子分析中这个问题得到了解答。按照因子分析的理论，影响考试成绩的因素可以综合为少数的几个，并且可以根据因子载荷矩阵来判断，哪个因素的影响较大。经因子分析后，影响成绩的指标综合为两个：分数因子和稳定性因子。其中可以看到学生态度的载荷为0.94309，表明态度是影响成绩非常重要的因素。通过上面的分析，大多数学生都忙于准备考研，没有认真的准备考试，因此，在第七学期的《时间序列分析》考试与上学期的考试存在显著性差异，其中一部分原因是由学生的学习态度造成的。综上所述，学生的学习态度对教学有非常重要的影响，而学生对教师的教学评价也存在一定的主观性，通过对试卷质量的分析，可以从中可以获得教学上的一些信息。目前国内各高校都在努力提高教学质量，也在努力尝试开发较为有效的教学评价方法，试卷质量的考察也可以作为教学评价的指标之一，可以使评价更加全面有效。

参考文献：

[1]戴忠恒.心理与教育测量(第二版)[M].华东师范大学出版社,1991.

[2]梁伟,赵泽茂.“高等数学”考试试卷的统计分析[J].河海大学常州分校学报,1998(04).

[3]伍跃东,彭绍勇.数理统计在试卷分析数量化中的应用[J].郴州医专学报,1999(01).

[4]马少仙.试卷质量统计分析方法[J].西北民族学院学报(自然科学版),2001(42).

[5]范元玮,吴昌泽,刘世祥.数学考试成绩统计分析的一点启示[J].北京建筑工程学院学报,2001(04).

[6]何晓群.多元统计分析[M].中国人民大学出版社,2004.

[7]高惠璇.实用统计方法与SAS系统[M].北京大学出版社,2001.

统计分析法范文第2篇

〔关键词〕竞争情报；统计分析；原因；甄别

DOI：10．3969／j．issn．1008－0821．2011．12．029

〔中图分类号〕G250.25 〔文献标识码〕A 〔文章编号〕1008－0821（2011）12－0104－03

Seeking the Reason that Affects Enterprise Competitive

Information Quality with Statistical Analysis MethodZhou Bing

（Liuzhou Research Institute of Scientific and Technical Information，Liuzhou 545006，China）

〔Abstract〕The competitive information quality of certain automobile enterprise is not high,so it could carry out statistical method,and seek the corresponding reason,including certain quantity data collect,analysis and treatment etc.Finally analysis showed,the main reasons of low ability of enterprise competitive information were lack of electric automobile knowledge,the non-standard organization management of intelligence agency.

〔Key words〕competitive information;statistical analysis;reason;examine

一段时期内，某汽车制造企业为了研发某型号电动汽车，开展了相应的竞争情报收集工作。但是，因情报质量问题而被判为利用价值不高的情报占多数，企业竞争情报系统工作效率不高，给企业造成了一定的资源浪费，影响了某型号电动汽车的研发进程。因此，尽快查找出影响竞争情报质量的主要原因，并制定出相应的对策，已成为当务之急。由于竞争情报工作的涉及面较广，影响竞争情报质量的因素也较多，用逐一排查的方法，查找影响竞争情报质量的主要原因，不仅难度较大，而且成本高。为查找出影响竞争情报质量的主要原因，拟采用统计分析法进行排查，不仅快速、准确，提高工作效率，而且结果具有代表性和科学性。

1 企业竞争情报质量的特征及工作内容

1.1 企业竞争情报质量的主要特征

企业竞争情报工作的主要特征，包括“针对性、可靠性、重要性、成本效益性、目标一致性和可理解性”等。

针对性是指竞争情报要与决策相关，具有改变决策的能力；可靠性是指竞争情报的期望值与实际相同，包括准确性、完整性、可验证性三方面内容；重要性是指竞争情报能帮助企业做出正确的判断，重要性与及时性密切相关，使企业能在恰当的时间范围内获得竞争情报；成本效益性是指只有当从竞争情报中取得的效益大于成本时，企业才会去利用竞争情报；目标一致性是指从企业的角度出发，竞争情报内容必须对实现其最终目标有利；可理解性是指竞争情报是指一般的企业而言，能领悟竞争情报内容的重要性，使竞争情报符合标准并具有很强的目标一致性，可得以利用。

1.2 企业竞争情报工作的主要内容

某汽车制造企业竞争情报工作的主要内容，包括“相关信息的收集、相关信息的甄别与整理”等内容。

相关信息的收集是开展竞争情报工作的基础，在遵循“针对性、可靠性、重要性、成本效益性、目标一致性和可理解性”等原则的基础上，通过企业内部、社会信息网、市场调查、参加相关会议、通过电视等新闻媒体和专业期刊文献系统，及时获取国内外最新的经济、科技、市场、管理等方面的信息。某汽车制造企业竞争情报的工作，主要依靠企业自身情报系统来完成，通过资料检索的方式，收集相关信息，检索的范围包括一切有关的公开资料如书籍、报纸、贸易刊物、会议记录、年度报表、广告等。

相关信息的甄别就是去伪存真、去粗取精之过程，主要从“可靠性、先进性、适用性”三方面去考虑。相关信息的整理就是通过计算机系统或手工方式，从“专业、时间、空间、事件”等角度，将分散的、杂乱的信息资料进行有序化处理，并将经过甄别、整理的信息归入信息库的相关门类中。

用统计分析法查找影响企业竞争情报质量的原因2 用统计分析法查找影响企业竞争情报质量的原因

用统计分析法查找影响企业竞争情报质量的原因过程，由“现状调查”、“原因分析”和“要因分析”等部分组成。

2.1 竞争情报质量问题的现状调查

为了对竞争情报存在的质量问题有个统一而客观的认识，拟运用统计分析法，在合理分层的基础上，找出影响质量的主要原因。为此，对该企业收集的电动汽车竞争情报，应先进行一定量的随机抽样调查，然后再作相应的分析。

根据竞争情报质量问题出现的一般情况，把主要的原因分为：“针对性不强、可靠性不强、应用成本高、重要性不强、目标一致性不强、可理解性不强和其他”等7大类。在有质量问题的竞争情报中随机抽取288个(条)作为样本，按其质量种类进行相应的分类，并统一计录其相应质量的条数(频数)，详见表1。

从表1可以看出，影响竞争情报质量的因素虽然很多，但起主要作用的仅是其中少数几项，符合“关键的少数和次要的多数”的关系。通常把累计百分数分为3类：0%～80%为A类，是主要因素；80%～90%为B类，是次要因素；90%～100%为C类，是一般因素。表1 存在质量问题的竞争情报条数据统计分析表

序号信 息条数

（频数）累计条数

（累计频数）频数

（％）累计频数

（％）1针对性不强15215252.7852.782可靠性不强7622826.3979.173应用成本高192476.6085.764重要性不强152625.2190.975目标一致性不强112733.8294.796可理解性不强62792.0896.887其 他92883.13100.008合 计288

根据竞争情报质量不高条数据统计分析表，可作出相应的分析：“针对性不强”，“可靠性不强”二因素造成质量不高累计百分数达79.17%，在0%～80%范围内，所以，属A类因素，即两者构成主要因素。其中，“针对性不强”因素造成质量不高累计百分数达52.78%，是造成质量问题最主要的因素。“应用成本高”、“重要性不强”加上A类因素，造成质量不高累计百分数达90.97%，虽然已超出80%～90%范围，但只超出0.97%，所以，仍属B类因素，即构成次要因素。

因此，“针对性不强”就是控制着竞争情报质量品位的主体所在，应当先重点分析此问题，其余问题将随后再分析。那么，产生“针对性不强”的最主要原因是什么？

2.2 竞争情报“针对性不强”的原因分析

针对竞争情报“针对性不强”的问题，根据竞争情报的内容，列出常见的一些原因，依次排列。最后，确定为“电控技术针对性不强、电机技术针对性不强、电源技术针对性不强、轮系设计针对性不强、仪表配套针对性不强、底盘设计针对性不强、空调技术针对性不强和其他”等8个原因。

为了在这8个原因中，找出最主要原因，对存在“针对性不强”问题的152条竞争情报进行全样调查，按其原因种类进行相应的分类，并统一计录其相应质量不高的条数(频数)，并填制到有自动运算功能的统计表中（详见表2）。表2 存在“针对性不强”问题的竞争情报条数据统计分析表

序号针对性不强的技术条数

（频数）累计条数

（累计频数）频数

（％）累计频数

（％）1电控技术针对性不强787851.3251.322电机技术针对性不强2410215.7967.113电源技术针对性不强1912112.5079.614轮系设计针对性不强91305.9285.535仪表配套针对性不强61363.9589.476底盘设计针对性不强81445.2694.747空调技术针对性不强51493.2998.038其 他31521.97100.009合 计152

就此，可作出相应的分析：“电控技术针对性不强”，“电机技术针对性不强”，“电源技术针对性不强”三因素造成“针对性不强”累计百分数达79.61%，在0%～80%范围内，所以，属A类因素，即构成主要因素。其中，“电控技术针对性不强”因素造成“针对性不强”累计百分数达51.32%，应是最主要的因素。“轮系设计技术针对性不强”、“仪表配套技术针对性不强”加上A类因素，造成“针对性不强”累计百分数达89.47%，在80%～90%范围内，所以，属B类因素，即构成次要因素。

通过以上统计分析，已能确认“针对性不强”就是造成竞争情报质量不高的主要原因，而“电控技术针对性不强”又是造成“针对性不强”的最主要的原因，但还不能确认造成“电控技术针对性不强”的最主要的原因。

2.3 竞争情报“针对性不强”的要因分析

根据某汽车制造企业竞争情报工作的主要内容，把“电控技术针对性不强”的待验证的原因，初步确定为“情报检索能力、情报甄别能力、情报整理能力”等3个原因。

为了在这3个原因中，找出最主要的原因，在对存在“电控技术针对性不强”问题的78条竞争情报进行全样分析。用电脑分别查找存在“电控技术针对性不强”问题的78条竞争情的来源，有62条均来源于国内外最权威、最新专业期刊和行业技术快报，符合竞争情报检索的一般规律，且分类整理得当，但其课题的内容、技术水平多处于概念性探讨阶段，这表明企业情报系统在情报检索能力和情报整理能力方面尚可，但情报甄别能力不足。

2.4 企业竞争情报“甄别能力不足”的要因分析

要确保企业竞争情报有针对性，企业在收集情报的过程中，必须要有明确的目的和目标。

从某汽车制造企业竞争情报的实际工作来看，企业竞争情报“甄别能力不足”主要表现为：相关人员甄别情报的随意性较大，没有从“可靠性、先进性、适用性”三方面去考虑问题，相关信息的整理也没有从“专业、时间、空间、事件“等角度去整理信息。

就其原因，一是情报人员电动汽车电控技术专业知识缺乏，未能主动发现有价值的情报，往往是通过字面的描述来揣摩其技术的相关度；二是情报机构组织管理不规范，没有汇总分析环节，导致情报的甄别工作未能实现去伪存真、去粗取精之目的。

3 企业竞争情报质量不高的原因综述

为找出某汽车制造企业竞争情报质量不高的主要原因，随机抽取了288条质量不高情报。统计分析表明，因“针对性不强”的原因而造成质量不高数达152条，累计百分数达52.78%，所以，这是造成情报质量不高的主要因素。针对此主要因素，经再次统计分析表明，因“电控技术针对性不强”原因而造成质量不高数达78条，累计百分数达51.32%。所以，“电控技术针对性不强”是造成“针对性不强”最主要的因素。最后，通过要因分析，确认了“甄别能力不足”，是造成“电控技术针对性不强”重要的原因。

最后分析表明，情报人员电动汽车电控技术专业知识缺乏、情报机构组织管理不规范，是造成企业竞争情报“甄别能力不足”的主要原因。

4 一点启示

企业竞争情报工作的核心要素是人，无论是信息的收集、甄别与整理、研究与分析，还是竞争情报的利用，其主体都是人。所以，充分调动竞争情报活动中人的主观能动性和创造性，是提高企业竞争情报质量的关键。因此，应建立以人为核心的知识学习和信息共享机制，着重提高、改善情报研究人员的相关专业知识水平与结构，通过制度化的组织规程，为竞争情报工作人员提供了知识交流的机会和平台，以提高企业竞争情报的甄别能力。

5 结束语

要提高企业竞争情报的质量，应确保竞争情报有针对性，必须提高人员与机构的情报的甄别能力。把统计分析方法与竞争情报工作技术结合起来，是提高查找质量问题效率的有效途径。在数据分析处理方法上，采用统计分析法是科学合理的，且效果较好。然而，在具体应用过程中，应根据各企业的实际情况，灵活地采取相应的分析方法，才能取得更好的效果。统计分析相应的结果，不仅能为企业竞争情报工作方式的改进提供直接的依据，以提高竞争情报的质量和工作效率，还可为统筹全厂相关技术管理工作，提供可借鉴的依据。

参考文献

［1］郑荣，靖继鹏.企业竞争情报能力的影响因素分析［J］.情报科学，2007，(8):1262-1266．

统计分析法范文第3篇

关键词：统计分析 对应分析 应用

一、前言

统计分析方法可以通过软件进行操作，spss是一种较为常见的软件，能够提供各种统计分析方法。

二、统计分析内容的分类

人类对客观事物的认识是多种多样的，这些认识可以是企业生产的规模，可以是企业生产机器的稳定性，可以是一个地区的教学质量，可以是市场经济的规律，也可以是一个时期的经济形势或环境等等。撇开这些形形的形式内容，人们对客观事物的认识从目的来看可分为表面认识和本质认识两种。本文将这种从形式内容中抽象出来的对客观事物的认识称之为统计分析内容。表面认识就是对客观事物表面特征的认识；本质认识是从客观事物表面特征出发，最终得到超越客观事物表面特征的本质特征的认识。同样，与统计分析内容相对应的统计分析（方法）就可分为表面分析和本质分析两种。在统计分析方法的使用上，形式内容的认识与统计分析方法的关联不大，反而是在统计分析内容认识（对客观事物表面认识和本质认识）上，分析方法的使用差别较大，因此本文主要从统计分析方法的角度对统计分析内容加以细分。

1、表面认识

表面认识是一种以认识具体客观事物表面特征为目的的认识。对具体客观事物表面特征的认识，从定量和定性两个角度出发，还可以分为事物描述认识和事物评价认识两种。

（1）事物描述认识。事物描述认识是指只对具体客观事物作纯粹的描述，而不加任何主观意见的认识，如集中趋势描述。从认识内容的复杂性来看，事物描述认识又可分为简单描述认识和综合描述认识。简单描述认识是对具体客观事物的一种现象（变量）特征的认识，如认识一群企业的规模。综合描述认识则是结合具体客观事物的很多现象（变量）对具体客观事物的特征加以认识，如认识事物在两个定类变量中交互分布等。综合描述不是简单描述的组合，而是简单描述的提升。

（2）事物评价认识。事物评价认识是指对具体客观事物的某种特征给出人为意见或判断的认识。评价分析通常给出定性结果，如判断两种产品某种性能的差异是否存在。按评价内容来分，评价分析主要包括事物成绩评价分析和事物间差异评价分析两种。事物成绩评价按评价所依赖的现象多寡还可分为简单评价和综合评价。

2、本质认识

本质认识是一种以认识普遍客观事物本质为目的的认识。本质认识仍以特定样本事物的数据为依据，但认识的结果已经远远超出样本事物的范围。撇开具体事物后，人类对事物本质的认识，则主要体现为对普遍事物的现象（变量）自身规律的认识和对普遍事物的现象（变量）间关系规律的认识。这两种认识还可以给他们一个更简单的名字，就是单现象本质认识和多现象关系认识，这也可以看作是本质认识按现象复杂性的划分。

三、对应分析的基本思想

对两个定性变量进行相关的分析时，因定性变量的数据是离散的，所以将两个变量的多种状态数据转换为列联表的形式进行处理。经数据转换形成的列联表是一个nxp的矩阵（第一个变量为n种状态，第二个变量为p种状态），对应分析也就是围绕着这个矩阵进行的。考虑将这个矩阵的行、列分别做降维处理，减少变量的状态，因子分析则是较好的降维方法。

在因子分析中根据研究对象的不同可以分为r型因子分析和q型因子分析，即对指标作因子分析和对样品作因子分析。由于r型因子分析和q型因子分析是反映一个整体的不同侧面，因此可能他们之间存在内在的联系。对应分析就是将两者结合起来进行统计分析，从r型因子分出发，直接获得q型因子分析的结果，将指标和样品分析的结果同时反映到相同坐标轴的一张二维图形上，对问题进行较为直观的分析。

四、分析内容与spss分析方法的关系

统计分析内容和spss分析方法的关系，表现为目的与手段的关系。相同的分析内容可以使用不同的分析方法，不同的分析内容，可以使用相同的分析手段。用同一种分析方法完成的分析，其分析内容属表面分析还是本质分析取决于你的认识目的。如独立样本t检验分析方法，可以用来分析一个班（校）中男女成绩差异是否显著，也可以用来分析性别变量对成绩变量

的影响是否显著。前者属表面分析，后者属本质分析。因为前者着眼的是一个班（校）的学生的成绩特征，后者着眼的是性别和成绩两种现象的关系。正因为本质认识着眼的是普遍现象的特征，因此要求样本量应足够大，显著性水平应足够高。对于表面认识，因为它认识的是样本特征，因此样本量大小与认识目的无关，显著性水平要求也可低些。

从二维图中可以看到，消费结构中的8个项目和17个地区分为4类。1.医疗保健、衣着类：辽宁、吉林、黑龙江、甘肃、青海、宁夏、新疆；2.食品、居住类：安徽、江西、湖北、重庆、四川、贵州；3.交通和通信、杂项商品和服务、教育文件娱乐服务类：北京、湖南；4.家庭设备用品及服务类：上海、广州。从这4类中大体可以得出以下结论，我国目前的消费结构和地域有较大的关联。当然以上结论较为直白，要想得出更理想的结论，还需对数据运用其他方法进行挖掘。不过，以上结论大体上得出了较为满意的探索性结果，也由此可看到对应分析在统计数据分析应用中的魅力。

六、统计分析中运用对应分析应注意问题

事实上，虽然对应分析有不少的优点，但在一些方面尚有缺憾，在运用时也需注意以下几点问题。

1、对应分析不能用于相关关系的假设检验。它虽然可能揭示变量间的联系，但它不能说明两个变量之间存在的联系是否显著。因而，在运用前要xz一检验两变量的相关性。

2、在对应分析中所做图形为了直观通常是二维的，这种做法是一种降维的方法，将原始的高维数据按一定规则投影到二维图形上，投影后的分类大多数情况与原始数据大体一致，但也可能与原始高维数据的分类有较大的差异情况存在。

3、对极端值敏感。在分析过程中，极端值（野点子）对对应分析的结果影响较大。在进行分析之前，要将列联表中的数据审视，避免极端值的存在。比如，列联表数据应正值，若有为零的数据，可视情况将相邻的两个状态合并。

七、结束语

综上所述，在统计分析当中，通过合理方法的应用能够大大简便运算过程，提高数据的准确性，为生产生活提供指导。

参考文献：

统计分析法范文第4篇

随着我国现代企业制度的发展及资本市场的建立，我国的现代企业制度需要对财务管理工作进行大量的数据统计与分析，因此，统计方法就被广泛的应用到企业的财务分析工作。在企业的财务分析中统计方法的应用为企业带来了广阔的前景。企业可以运用数理统计知识进行财务统计.借助各种各样的统计方法对大量的财务信息进行分析处理，为企业的未来进行预测分析，从而运用科学的财务分析提高财务信息在企业经营决策中的价值。

1. 统计方法的作用

统计技术就是通过对数据信息的有效收集和整理，进行产品质量的相关分析，统计方法就是运用数理统计推断的原理，以样本数据推测出总体的分析结果，通过测量、描述进行产品特性的分析，建立本文由收集整理与产品相关的数学模型，利用数据模型对对产品的整个过程进行监督和控制，对产品现状进行监测，对提前预防产品质量的变化，同时也对产品质量方面的缺陷进行改进。在企业中，统计方法是企业的进行决策的一种工具，帮助企业进行数据分析，对企业产品的原始数据进行整理和分析，统计方法在市场预测、可行性分析、方案设计、批量生产等相关工作中都会有所应用，为企业的经济效益的发展带来了具大的作用[1]。

2. 统计方法的应用领域

（1）统计方法在财务会计领域的应用。在证券市场中，统计方法的应用比较多，证券公司的财务信息有着大量的数据信息，这些是统计的主要数据来源，其研究与分析的内容都是围绕着会计信息与证券市场的关系展开的，会计信息的变动会带来证券价格的变动，改变证券市场的效率和状况。

（2）统计方法在财务管理会计领域的应用。在企业的内部，财务管理会计作为企业的的决策性工作，对企业的经营管理工作都会进行参与，统计方法在财务预测、控制分析和评价等方面的应用丰富了财务管理会计的实用性。对统计方法的应用，企业能够掌握经营决策的信息，包括企业的盈利能力、负债比例等方面。

3. 统计方法的归类

（1）统计方法之比较分析法。在统计工作中，比较分析方法以实际指标与计划指标对比、同一指标纵向对比、同一指标横向对比的形式进行统计工作。实际指标与计划指标对比能够分析出企业的实际指标完成情况及未达到计划指标的原因，分析二者产生差异；同一指标纵向对比有助于企业对财务状况和经营成果的变化的掌握；同一指标横向对比有助于对本企业与同行业的差距分析。

（2）统计方法之比率分析法。比率分析法在财务分析中的应用比较广泛，比率分析方法是从企业中的财务现象到财务本质的分析，分析的结果比较深刻，具有科学性和可比性，比率分析方法计算简便，利于企业对结果的判断。

（3）统计方法之趋势分析法。在统计工作中，趋势分析法以项目金额进行比较分析、百分比进行比较分析的形式进行分析工作。项目金额进行比较分析能够说明企业财务报表中的同一项目在不同时期的增减变化情况；百分比进行比较分析有助于对企业的耗费水平和盈利水平进行分析。

（4）统计方法之因素分析法。因素分析的方法包括连环替代法和差额分析法。连环替代法需要按照原因素的依存关系，排列成一定的顺序并依次替代，分析出不同的结果；连环替代法需要在假定性的条件下在前一次计算的基础上进行，采用的是连环比较的方法，从而确定因素变化的影响结果。

4. 企业财务分析中统计方法的应用

（1）企业在财务分析中应用统计分析将静态评价变成动态评价。企业的财务报表反映的是某一个特定时段内企业成果的数据，这是一个静态的数据，而财务分析是以财务报表为基础的，是对过去状况的评价，这也是静态的过程，企业要利用统计分析技术将企业财务分析数据变成动态的数据分析过程，从而预测出企业的未来发展方向。

（2）在企业的财务分析工作中，通过整合统计数据，来拓展财务分析的功能。企业中的财务报表是主要反映企业的货币资金和资产价值等形态的数据，财务分析以财务报表为依据进行评价分析，企业可以将企业的工作人员状况、市场及客户情况、企业的生产流程过程等作为财务分析功能拓展的方向，将这部分统计数据进行整体的分析，从而改善企业的经营状况。

（3）企业可以利用统计分析来检查财务分析结果存在的异常。企业可以利用计算机软件系统对财务指标数据进行审核，将现有数据与过去的数据进行比对，分析出存在的异常情况，为企业的未来发展进行预测。

统计分析法范文第5篇

【关键词】多元统计分析方法；股票投资状况；综合评价研究

一、前言

对于我国的经济发展状况，可以从股票市场的发展中得到体现，在短短十几年的时间里，就实现了资本主义国家百年的发展成果。由此也能够体现出我国经济迅猛的发展态势。而在近几年当中，随着股票市场的不断发展，也逐渐暴露出了很多问题，对于经济市场、股票市场的发展，产生了很大的威胁。因此，基于多元统计分析方法，对股票投资状况进行综合评价，更加充分的理解和认识其中存在的问题，从而更好的存进股票投资市场的发展。

二、多元统计分析方法的基本概述

在经典统计学当中，多元统计是一个重要的发展分支，作为一种分析方法来说，多元统计分析具有很强的综合性。应用该方法，能够在相互关联的多个指标、对象之间，对其统计规律进行分析，在数理统计学当中，也是一个非常重要的分支学科。在多元统计分析方法中，包括了很多不同的统计方法，例如多重回归分析、多元方差分析、判别分析、典型相关分析、聚类分析、因子分析、对应分析、主成分分析等方法。在实际应用中，多元统计分析方法主要是在一个客观事物当中，研究多个不同变量之间相互依赖的统计性规律。基于费希尔等统计学专家的研究，得到了十分良好的进展。随着计算机技术的发展和应用，也随之出现了很多统计软件，因而在医学、生物、气象、地质、图形处理、经济分析等诸多领域当中，多元统计分析方法都得到了广泛的应用。而随着应用领域的不断拓宽，多元统计方法的理论也得到了进一步的发展，因而为人们的实际应用提供了更大的便利。

三、多元统计分析方法在股票投资状况综合评价中的应用

1.因子分析法的应用

因子分析法指的是将共性因子从变量群当中进行提取，从而进行相应的统计。这种方法最早是由英国心理学家斯皮尔曼所提出。在多个变量当中，可以利用因子分析法，对隐藏的具有代表性的因子进行找出，并且在一个因子当中，对本质相同的变量进行纳入，从而使变量的数目得以减少，此外，对于变量之间关系的假设，也能够进行有效的检验。在股票投资方面，因子分析法主要是用于对股票投资组合模型进行确定。在分析当中，利用不同的变量来替代对股票价格产生影响的因素，从而对股价因子模型进行建立。通过确定各个因子的不相关性，对股票进行分类，然后基于对股票发展潜力的研究，对最为适当的股票投资模型进行确定。

2.聚类分析法的应用

在聚类分析法当中，主要是对研究对象的特征进行分析，从而进行分类和数目的减少，是统计分析技术中的集中。在股票投资状况的综合评价当中，聚类分析法能够对股票投资的特种特点加以利用。由于在股票投资当中，具有很多动态变化因素。因此，对于这些因素应当进行恰当的分析，从而寻找有效的方法，来规范治理这种动态情况，从而更加精确和准确的进行投资分析。在实际应用中，由于股票价格会受到很多因素的影响，因而具有不稳定性和波动性的特点，进而也引发了股票投资不理想的情况。而应用聚类分析法，能够对这种不确定性进行有效的弥补。作为一种专业的投资分析方法，聚类分析法能够对与股票市场相关联的企业、行业等进行深层次的分析，从而对具有潜力的股票进行正确的预测。此外，在实际应用中，聚类分析法的实用性和直观性更强，因而具有很广泛的适用范围。

3.主成分分析法的应用

主成分分析法是多元统计分析方法中一种对数据集进行简化和分析的方法，该方法在20世纪初由皮尔逊所发明，在数理模型的建立、以及数据分析当中，能够发挥良好的作用。在实际应用中，通过分解协方差矩阵的特征，对数据的特征矢量和权值进行获取。在实际应用中，主成分分析具有十分广泛的应用，通过研究各种分类数据，对自变量各组之间的差异进行分析和总结，从而对组件差异中不同自变量的完全贡献进行判断，最终利用这些数据，样本归类自变量的转变方法。在股票投资状况的综合评价当中，对于各种对股票市场产生影响因素来说，相互之间往往存在着较大的关联和影响，同时影响因素也非常复杂。利用主成分分析法，能够将这些因素之间的影响进行降低。通过对各种因素和数据的总结分析，得出不同因素的影响程度，从而对指标选择的工作量进行降低。此外，相比于传统的构造回归模型方法，利用主成分分析法，能够更有效的节约时间，同时提高分析的精确度，为股票投资提供更加良好的依据和参考。

四、结论

随着我国经济的快速发展，作为一种重要的经济形式，股票市场也得到了极大的进步。而由于股票市场的发展时间较短，各方面都还不够成熟，因此在股票投资中难免会出现一些问题。对此，应用多元统计分析方法，能够对股票投资状况进行综合评价，从而为更加理性、科学地进行股票投资提供依据。

参考文献：

[1]李银，黄惠娟，梁瑞时. 基于多元统计分析的股票最优投资模型[J]. 韶关学院学报，2014，12：10-14.

[2]韩燕，崔鑫，郭艳. 中国上市公司股票投资的动机研究[J]. 管理科学，2015，04：120-131.