搜索
1数据模型课程作业（1）简述定量分析与定性分析的关系，并列举工作中定量分析的例子。答：定量分析的本质是对社会现象的数量特征、数量关系与数量变化所进行的分析，它最大的功能在于揭示和描述社会现象的相互作用和发展趋势。定性分析的本质是对研究对象的“质”的方面所进行的分析，它是对获得的各种事物的材料运用归纳和演绎、分析与综合以及抽象与概括等方法进行思维加工，进而去粗取精、去伪存真、由此及彼、由表及里，最终认识事物本质、揭示事物的内在规律。要想正确地认识定量分析与定性分析的关系，就要准确全面地认识定量分析与定性分析的整体统一性。定性分析是定量分析的基础，主要是由定性分析的主要任务决定的，定性分析作为分析事物“质”的一种思维方式，它的主要任务是确定物质的组成。只有确定物质的组成之后，才能选择适当的分析方法进行定量分析，指从质的方面分析事物。要在各种纷繁复杂的研究的现象中准确的把握事物的本质，就要求我们要运用辩证唯物主义和历史唯物主义的科学观点来对研究材料进行分析，才能从众多的现象中揭示出其内在的规律，揭示出其最本质存在的东西。只有进行了这样全面科学的分析之后，才能准确地描述一个事物，才能正确地揭示出事物间的相互关系。这种分析方法对于人们准确的认识和判别事物的本质属性具有很大的参考和评估使用价值。综上所述，可以清楚地看出，定性分析与定量分析的本质关系应该是整体统一性的关系。定性是定量的前提，而定量分析使事物的定性更加科学、更加准确，促使定性分析得出广泛而深入的结论，是定性分析的升华。工作中定量分析的例子：公司运营管理中，企业利润与费用比例的关系的研究；人力资源管理中，企业生产率指标(企业利润/员工人数)与人力资本结构及技术人员比例等指标的关系研究；销售管理中，销售业绩指标与广告费用的确认分析等。（2）利用EXCEL计算GDP平减指数（1990-2008年）。解：数据如下：国内生产总值(亿元)现价GDP(1978=100)(1990=100)不变价GDP（1990=100）GDP平减指数(1990=100)19783645.20100.0035.5199018667.80281.71100.018667.80100.00199121781.50307.57109.220381.26106.87199226923.50351.37124.723283.69115.63199335333.90400.43142.126535.10133.16199448197.90452.81160.730006.07160.63199560793.70502.28178.333284.23182.65199671176.60552.55196.136615.49194.39199778973.00603.92214.440019.64197.342数据来自中国社会科学院金融所网站()算法说明：1990年的现价GDP=18667.8,1990年的指数为281.7/281.7*100%,1996年的指数为552.55,则以1990=100,1996年的价格指数为552.55/281.7*100%=196.1,则1996年不变价(真实)的GDP为18667.8*196.1%=36607.56,则1996年平减指数为71176.60/36607.56*100%=194.39,如此计算,可以得到1990=100的GDP平减指数,其计算结果如上表:（3）规划问题：某农户计划用12公顷耕地生产玉米，大豆和地瓜，可投入48个劳动日，资金360元。生产玉米1公顷，需6个劳动日，资金36元，可获净收入200元；生产1公顷大豆，需6个劳动日，资金24元，可获净收入150元；生产1公顷地瓜需2个劳动日，资金18元，可获净收入1200元，问怎样安排才能使总的净收入最高。设种玉米，大豆和地瓜的数量分别为x1、x2和x3公顷，根据问题建立线性规划问题模型。解：根据题意可列如下关系式总净收入关系式Y=200X1+150X2+1200X3约束条件(1)X1+X2+X3≦12约束条件(2)6X1+6X2+2X3≦48约束条件(3)36X1+24X2+18X3≦360约束条件(3)X1≧0，X2≧0，X3≧0运用Lindo6.1软件分析过程如下1.程序199884402.30651.23231.243154.52195.58199989677.10700.85248.846442.82193.09200099214.60759.95269.850358.55197.022001109655.20823.02292.254538.47201.062002120332.70897.77318.759491.69202.272003135822.80987.78350.665455.96207.502004159878.301087.39386.072057.22221.882005184937.401210.40429.780208.39230.572006216314.401363.80484.190373.60239.362007265810.301557.00552.7103176.19257.632008314045.401707.00605.9113116.09277.632009340902.801864.30661.8123539.74275.952010401202.002058.90730.9136435.10294.0632.运行结果4（4）影响总票房因素分析?（第三讲DATA1movies）解：由Data1movies数据及因素的分析，定义变量如下。设TotalGross为被解释变量，OpenGross、Numberoftheaters和WeeksinTop60为解释变量，建立如下模型。Y=C(1)+C(2)X1+C(3)X2+C(4)X3将数据导入Eviews软件进行回归分析，运行结果如下去掉T值不显著的X2进行第二次线性回归分析，运行结果如下5结论：运用Eviews软件对TotalGross与OpenGross、Numberoftheaters和WeeksinTop60进行二次回归分析，得出TotalGross(Y)与OpenGross(X1)和WeeksinTop60(X3)有显著的线性关系：最后回归结果为Y=-5.208479+3.057712X1+1.103709X3t(-1.96)(32.67)(3.99)R-squared0.939692AdjustedR-squared0.938449F-statistic755.7088(5)回归分析:作为交通安全研究的一部分，美国交通部采集了每1000个驾驶执照发生死亡事故的车祸次数和有驾驶执照的司机中21岁以下者所占比例的数据，样本由42个城市组成，在一年期间采集的数据如下。利用回归分析去研究发生死亡事故的车祸次数和司机中21岁以下者所占比例之间的关系，并对你的研究结果进行讨论。（第五讲DATA5safety）解：首先由数据及题目要求，定义变量如下Y发生死亡事故的车祸次数X1司机中21岁以下者所占比例利用求相关系数的方式来判断两个或两个以上变量之间相关关系的方向、形态以及相关关系的密切程度。相关系数r为0.83938750.7，说明车祸发生次数与21岁以下年轻人所占比例有高度的线性相关关系。XYXYX2Y2n=42,Sxy=4848.041,SxSy=5775.689,r=Sxy/SxSy=0.8393875132.96238.5061698.773444120.7088.4961440.50126480.8857.08640.783225121.65219.8241442.729104112.09123.0011214.372281172.62744.6592896.901129183.8368.9432414.668980.3682.944640.135424131.14214.8461691.304164680.6455.16640.41602591.0289.252811.056784162.80144.8162567.845601121.40516.861441.97402591.43312.897812.053489100.0390.391000.00152190.3383.042810.114244111.84920.3391213.418801122.24626.9521445.044516142.85539.971968.151025142.35232.9281965.531904111.29414.2341211.674436174.169.728916.8182.1917.52644.7961163.62357.96825613.126129152.62339.3452256.88012990.8357.515810.69722580.826.56640.6724142.8940.461968.352181.26710.136641.605289153.22448.3622510.394176101.01410.141001.028196100.4934.931000.243049141.44320.2021962.082249183.61465.05232413.060996101.92619.261003.709476141.64323.0021962.699449162.94347.0882568.661249121.91322.9561443.659569152.81442.212257.918596132.63434.2421696.93795690.9268.334810.857476173.25655.35228910.601536∑∑∑∑∑51580.7411105.4686717202.24465设Y为被解释变量，X为解释变量，在不考虑其他因素情况下，建立如下线性模型。Y=C(1)+C(2)X1将数据导入Eviews软件进行回归分析，运行结果如下7结论运用Eviews软件对发生死亡事故的车祸次数与司机中21岁以下者所占比例进行回归分析，得出发生死亡事故的车祸次数(Y)与司机中21岁以下者所占比例进行回归分析(X1)有显著的线性关系：最后回归结果为Y=-1.597414+0.287053X1T(-4.297919)(9.767112)R-squared0.704571AdjustedR-squared0.697186F-statistic95.39648结果讨论：参考“可决系数”的含义及与相关系数的关系，可知本题目的“可决系数”为r2=0.7046,表明在线性回归模型中，每千个驾照发生车祸次数y的总变差中，由解释变量21岁以下者占比例x的解释部分占70.46%，那么另外29.54%由什么解释呢？这显然正是因为前面做的假设，即在不考虑其他因素的情况下进行的回归分析。其他因素是多方面的，比如道路设施不完善，天气恶劣，酒后驾车，等等，涉及因素甚多。另外对于在假设了不考虑其他情况下的分析中，得到的解释结果仅有70.46%，也说明数据采集的过程可能存在一下情况：(1).数据采集中是否关注了男女比例问题。如果在21岁以下的驾驶员存在男女驾驶技术不同的差异，而采集时又没有关注男女比例，则会造成偏差。(2).不同城市间是否存在对于21岁以下者驾驶员培训程度不同，如果存在不同，则42个城市选取，有可能造成偏差。