统计学实验2.doc

南京信息工程大学 实验（实习）报告实验（实习）名称 实验（实习）日期 得分 指导教师 赵凌 系 专业 年级 班次 姓名 学号 实验二 用 Excel 进行时间数列分析实验目的与要求：理解Excel的时间数列处理功能；掌握移动平均法和线性回归法的Excel操作及应用。实验步骤： Excel 在“数据分析”宏中提供了三种时间数列分析方法，即常用的移动平均法、指数平滑法和回归法，利用这些宏程序可以计算出观察值的估计值、标准差、残差和拟合图。“指数平滑法”本章未作介绍，故这里也不作介绍。“回归法”在时间数列分析中称为“趋势方程拟合法”，对直线趋势方程也可以理解为是自变量为时间变量的一元线性回归方程。 一、移动平均以教材P159页表414的资料为例，在Excel 工作表中B2：B13区域中输入“某机器厂各月生产机器台数”资料，如图41所示。在Excel“工具栏”中选择“数据分析”，并点击“移动平均”过程，在移动平均宏菜单的“输入区域”中输入B2：B13，在“间隔”中输人“3”表示进行3项移动平均，选择“输出区域”为C2开始的工作表区域，并选择输出“图表输出”和“标准差”输出，点击确定，移动平均宏的计算结果如图4-2所示。图4-1 移动平均宏图4-2 移动分析结果在图42中，分别产生了3项移动平均的估计值C4：C13和估计的标准差D6：D13。正如图中C4单元格的表达式所示，C4中的表达式“=AVERAGE(B2：B4)”是对B2：B4单元计算算术平均数，而C6单元格中的表达式“=SQRT(SUMXMY2(B4:B6,C4:C6)/3)相当于标准差公式： 关于Excel 中“移动平均”的计算，需要说明两点：一是图42图列说明中的“预测值”，即移动平均值，由于移动平均法别以移动平均值作为趋势估计值，所以也常有将其称为“预测值”的。二是移动平均值的位置不是在被平均的N项数值的中间位置，而是直接排放在这N个时期的最后一期，这一点与通常意义上移动平均值应排放在N时期的中间时期有所不同。图42还绘制出实际观察值与3项移动平均估计值之间的拟合曲线，可以看出，移动平均值削弱了上下波动，如果这种波动不是季节波动而是不规则变动的话，显然，移动平均可以削弱不规则变动。对于该例进行4项移动平均的结果如图43所示，其拟合结果较3项移动平均有明显不同。也就是说，当数列有季节周期时，只要移动平均的项数和季节波动的周期长度一致，则移动平均值可以消除季节周期，并在一定程度上消除不规则变动，从而揭示出数列的长期趋势。图4-3 4项移动平均结果二、自变量为时间变量的一元线性回归(直线趋势方程拟合) 以第四章表4-19中资料为例，在Excel 工作表中分别建立年份、t和粮食产量三个序列，如图44所示。 按住鼠标左键拖曳光标覆盖C1：C10区域，点击 EXCEL“图表向导”，在“图表类型”中选择“折线图”中的第一类折线图； 在“数据源”中选择数据“系列”说明(如图4-4所示在“分类X(轴)标志”区域中输入“A2：A10”，然后点击“完成”生成草图；图44 时序图 在对生成的草图进行必要的修饰后，得到图4-5所示的时序图。用鼠标左键选择折线，然后按鼠标右键，选择“添加趋势线”操作，如图所示45A所示； 在“添加趋势线”操作中，选择“线性”趋势线(如图45B所 示)，然后点击“选项”，在“选项”菜单选择输出“显式公式”和“显示R平方值”两项，如图45C所示。然后按“确定”，得到如图46所示趋势线和直线趋势方程及R平方值。图4-5A 添加趋势线图4-5B 趋势线类型对于该例，如果需要预测2003年粮食产量情况，在A11单元格输入“2003”，在B11单元格输入“10”期，然后在图45A基础上，在趋势线选项操作(图45C)中选择“趋势预测”“前推”1个周期”，然后点击“确定”，即得到图47所示趋势预测线。图4-5C 趋势线类型 图46 时序图图47中X轴标志已经显示了2003”年，这一变化是通过修改图表“数据源”中“系列”的“分类