统计学知识点梳理

1、第一章 导论1.1.1什么是统计学 统计学是收集、处理、分析、解释数据并从数据中得出结论的科学。数据分析所用的方法分为描述统计方法和推断统计方法。1.2 统计数据的类型1.2.1分类数据、顺序数据、数值型数据 按照所采用的计算尺度不同， 可以将统计数据分为分类数据、 顺序数据、 数 值型数据。分类数据：只能归于某一类别的非数字型数据， 它是对事物进行分类的结果， 数据表现为类别，是用文字来表示。例如：支付方式、性别、企业类型等。顺序数据： 只能归于某一有序类别的非数字型数据。 例如：员工对改革措施的态度、产品等级、受教育程度等。数值型数据： 按数字尺度测量的观测值，其结果表现为具体的数值。 例

2、如：年龄、工资、产量等。统计数据大体上可分为品质数据（定性数据）和数量数据（定量数据、数值 型数据）。1.2.2观测数据和实验数据 按照统计数据的收集方法，可以分为观测数据和实验数据。观测数据：通过调查或观测而收集的数据。例如：降雨量、GDP、家庭收入等。实验数据： 在实验中控制实验对象而收集到的数据。例如：医药实验数据、 化学实验数据等。1.2.3截面数据和时间序列数据 按照被描述的现象与时间的关系，可分类截面数据和时间序列数据。 截面数据： 在相同或近似相同的时间点上收集的数据。例如： 2012 年我国各省市的 GDP。时间序列数据： 同一现象在不同的时间收集的数据。例如： 2000-20

3、12年湖 北省的 GDP。1.3.1总体和样本总体： 包含所研究的全部个体（数据）的集合。样本：从总体中抽取的一部分元素的集合1.3.2参数和统计量 参数：用来描述总体特征的概括性数字度量。 统计量： 用类描述样本特征的概括性数字度量。例如：某研究机构准备从某乡镇 5 万个家庭中抽取 1000 个家庭用于推断该乡镇 所有农村居民家庭的年人均纯收入。 这项研究的总体是 5 万个家庭；样本是 1000 个家庭；参数是 5 万个家庭的人均纯收入； 统计量是 1000 个家庭的人均纯收入。 第二章 数据的搜集2.1 数据的来源2.1.1数据的间接来源 间接来源的数据： 如果与研究内容有关的原信息已经存

4、在， 我们只是对这些 原信息重新加工、整理，使之成为我们进行统计分析可以使用的数据。 例如：统计公报、统计年鉴、某机构或某团体提供的数据、期刊、报纸和图书提 供的数据、会议交流的数据、互联网查阅的数据等。二手数据的优缺点： 优点：搜集方便，采集成本低，数据采集快，作用广泛等。缺点： 针对性不够。2.1.2数据的直接来源普查： 调查针对总体中的所有个体单位进行。普查数据的优缺点：优点： 调查范围广，被调查单位多，信息全面，完整。缺点： 调查费时，费力，费钱。2.2 调查数据2.2.1概率抽样和非概率抽样重复抽样： 从总体中抽取一个元素后， 把这个元素放回到总体中再抽取第二 个元素，直至抽取 n

5、个元素为止的抽样方法。简单随机抽样： 从含有 N 个元素的总体中，抽取 n 个元素作为样本，使得 总体中的每一个元素都有相同的概率被抽中的抽样方式。分层抽样： 在抽样时，将总体分成互不交叉的若干个层级，然后按一定的比例， 从各层次独立地随机抽取一定数量的个体， 将各层次取出的个体合在一起作为样 本。整群抽样：先将总体划分为若干群体， 然后以群作为抽样单位从中抽取部分 群，再对抽中的各个群中所包含的所有元素进行观察的抽样方式。方便抽样： 调查过程中由调查员依据方便原则，自行确定入样单位。滚雪球抽样： 调查时首先选择一组调查单位， 对其实施调查后， 再请他们提 供另外一些属于研究总体的调查对象，

6、调查人员根据所提供的线索， 进行此后的 调查的调查方式。2.4.1 抽样误差 样本量与抽样误差成反比。随着样本量的逐渐增大，抽样误差就越小。2.4.3 误差的控制 通过样本量的大小控制可以改变误差大小， 要求的抽样误差越小， 所需要的 样本量就越大。第三章数据的图表展示 3.2.1分类数据的整理与图示（3）饼图主要用于表示一个样本 （或总体） 中各组成部分的数据占全部数据的比例。 适合 于描述结构性问题。（4）环形图显示多个样本各部分所占的相应比例。 适合于比较研究两个或多个样本或总体的 结构性问题。3.3.1数据分组为解决数据分组不重的问题， 统计分组时习惯上规定 “上组限不在内” 即当相邻

7、 两组的上下限重叠时， 恰好等于某一组上限的变量值不算在本组内， 而计算在下 一组。（aF ， 拒绝Ho；若F30时，根据使用者偏好 选择 z 统计量还是 t 统计量。一个总体参数检验的检验统计量的确定归纳为图 8-7 ，见教材 p195。8.4.1关于检测结果的解释通常统计学家建议我们在叙述中采用“不能拒绝Ho”而不采用“接受Ho”这种说法。8.4.2单侧检验中假设的建立在实际应用中， 我们通常把希望验证的命题放在备择假设， 通过备择假设来 确定原假设，即把原有的、传统的观点或结论放在原假设上。 我们需要注意的是：如果没有拒绝原假设，并不意味着原假设是真实的、真理， 也并不意味着备择假设就是

8、错的，只是暂时没有充分的证据证明原假设不成立 （如同无罪假设）；接受备择假设则一定意味着原假设是错误的。关于何谓“原有的、传统的”，原假设，即原有理论、看法、状况、历史经 验、以及被大多数人认可的事情， 在没有充分证据的情况下， 被假定为正确的事 情。关于何谓“新的、可能的”备择假设，即检验者感兴趣的那些新事物、可能的、 猜测质疑的问题，希望用事实推翻原假设以得出新观点。第十章方差分析10.1.1方差分析及其有关术语 方差分析是比较多个总体的均值是否相等的统计方法， 本质上主要是研究一 个或多个分类自变量与一个数值型变量之间的关系 （即分类自变量对数值型因变 量的影响）。10.1.2方差分析的

9、基本思想和原理2. 误差分解组内误差：来自水平内部的数据误差， 反映了一个样本内部数据的离散程度。 组内误差只含有随机误差。（见教材 P238）组间误差： 来自不同水平之间的数据误差，是随机误差和系统误差的总和， 反映了不同样本之间数据的离散程度。在方差分析中，数据的误差是用平方和来表示的。总平方和（ SST）： 反映全部数据误差大小的平方和。教材 P239 误差平方和（ SSE）： 反映组内误差大小的平方和。教材 P239 因素平方和（ SSA）： 反映组间误差大小的平方和。教材 P239 SST=SSE+SSA10.1.3方差分析中的基本假定（1）每个总体应服从于正态分布。（2）各总体的方

10、差必须相同。（3）观测值是独立的。10.2.2分析步骤1. 提出假设2. 构造检验的统计量 为构造检验的统计量，在方差分析中， 需要计算三个误差平方和 。SSE:每个组的各样本数据与其组均值的误差平方和，反映了每个样本各观 测值的离散程度（随机误差的大小）。对随机误差大小的度量，反映了除自变量 对因变量的影响之外， 其他因素对因变量的总影响， 也即残差变量。 残差变量所 引起的误差成为残差效应。SSA:各组均值与总均值的误差平方和，反映各样本均值之间的差异程度。 对随机误差和系统误差大小的测度， 反映了自变量对因变量的影响， 称为自变量 效应或因子效应。SST:全部观测值与总均值的误差平方和。

11、对全部数据总误差程度的度量， 反映了自变量和残差变量的共同影响，等于自变量效应与残差效应之和。总平方和（SST）=组间平方和（SSA）+组内平方和（SSE） 为了消除观测值多少对误差平方和大小的影响， 需要将其平均， 也就是用各 平方和除以它们所对应的自由度。 计算结果成为均方或方差。 三个平方和所对应的自由度分别为:SST的自由度为n-1,其中n为全部观测值的个数。SSA的自由度为k-1，其中k为因素水平的个数。SSE的自由度为n-k。SSA的均方也称为组间均方或组间方差，记为MSA，其计算公式：MSA=SSA/(k-1) SSE的均方也称为组内均方或组内方差，记为MSE，其计算公式：MSE

12、=SSE/(n-k) 将上述MSA与MSE进行对比(MSA/MSE )，即得到所需要的检验统计量 F。3. 统计决策如果FFa,则拒绝原假设，表明各水平的均值有显着差异，也即所检验的 因素(行业)对观测值有显着影响。如果Fv Fa,则不能拒绝原假设，没有证据表明各水平的均值有显着差异， 也即不能认为所检验的因素(行业)对观测值有显着影响。在进行决策时， 除了使用以上方法进行判断之外， 还可以直接利用方差分析 表中的P值与显着性水平a的值进行比较。如果 PVa时，则拒绝原假设；如果 Pa时，贝U不能拒绝原假设。4. 方差分析表教材P246、P247,表10-4、表10-5,熟练掌握表中各字母及数

13、值的代表意 义、利用临界值或 P 值进行统计决策。练习题：10.7 ( P263)，熟练应用。第十一章一元线性回归11.1.1 变量间的关系函数关系： 因变量随着自变量一起变化， 并完全依赖于自变量。 一一对应的 确定关系。例如：销售额与销售量相关关系： 非完全确定关系、一个变量的取值不能由另一个变量唯一确定。 (比如：家庭储蓄与家庭收入、父母身高与子女身高、教育程度与个人收入、产 量与施肥量)。11.1.2 相关关系的描述与测度 相关分析就是对两个变量之间线性关系的描述与度量。它要解决的问题包括：( 1)变量之间 是否存在关系( YES/NO)( 2)存在 什么样 的关系( What)( 3

14、)关系 强度如何？( 4)样本能否 代表总体关系相关系数相关系数： 根据统计数据计算的度量两个变量之间线性关系强度的统计量。 相关系数的性质：1. r的取值范围是-1,1若Ovr 1,正线性相关；若-1 rv0,负线性相关；r=+1，完全正线性相关；r=-1，完全负线性相关；r =1, y的取值完全意外与x，二者为函数关系；r=0，无线性相关2. r具有对称性。rxy ryx3. r的数值大小与x和y的原点及尺度无关。4. r仅仅是x与y之间线性关系的度量，不能用于描述非线性关系。这意味着，当r=0时，只能表示两变量之间不存在线性相关关系，但并不表示变量之间没有任何关系，可能存在曲线相关关系。

15、5. r是两变量之间线性关系的度量，但是不一定意味着x与y 定有因果关系。了解相关系数的性质有助于对其实际意义的解释。根据实际计算出的r取值一般 在-1与1之间；r取值越接近于 1,则说明两变量之间的线性相关越强；r取值 越接近于0,则说明两变量之间的线性关系越弱。经验法则：r 0.8时，可视为高度相关0.5 r v0.8时，可视为中度相关0.3 |r v0.5时，可视为低度相关r| v0.3时，可视为不相关11.2 一元线性回归回归分析主要解决以下几个方面的问题：(1)从一组样本数据出发，确定变量之间的 数学关系式。(2) 对这些关系式的可信程度进行各种 统计检验，并从影响某一特定变量的诸

16、多变量中找出哪些变量的影响是显着，哪些是不显着的。(3) 利用所求的关系式，根据一个或几个变量的取值来估计或预测另一个特定 变量的取值，并给出这种估计或预测的可靠程度。11.2.1 一元线性回归模型3. 估计的回归方程11.2.2参数的最小二乘估计最小二乘估计的思想原理最小二乘法估计的基本出发点是：应使每个样本点(Xj,yj与回归线上的对应点(Xj,E(yJ)在垂直方向上的利差平方和最小。最小二乘法是利用样本数据，通 过使应变量的观测值 y 与应变量的估计值 y? 之间的离差平方和达到最小的方法 求得 ?0 和 ?1的值。11.2.3回归直线的拟合优度1.判定系数判定系数是对估计的回归方程拟合

17、优度的度量。SST分解为两部分：SSR 和 SSE。SST=SSR+SSE回归直线拟合的好坏取决于 SSR及SSE的大小，或者取决于SSR （回归平 方和）占SST （总平方和）的比例（SSR/SST）的大小。SSR/SST越大，各观测 点越靠近直线，回归直线拟合越好。SSR/SST被称为判定系数。公式见P261 判定系数R2测度了回归直线对观测数据的拟合程度。若所有观测点都落在直线上，那么估计的回归方程将给出一个完全的拟合。在这种情况下，SSE=O, SSR=SST，则R2=1。若y得变化与x完全无关，x完全无助于解释y的变差，那么估计的回归方 程的拟合最差。在这种情况下，SSE=1，SSR

18、=O,则R2=0。因此，R2的取值范围是0，1。R2越接近于1,表明SSR占SST的比例越 大，回归直线与各观测点越接近，用 x的变化来解释y值变差的部分也就越多， 回归直线的拟合程度就越好；反之亦然。相关系数（r）与判定系数（R2）的关系：r2=R2根据这个结论， 不仅可以由相关系数直接计算判定系数， 而且可以进一步理 解相关系数的意义。1. 相关系数与回归系数的正负号相同。2. 相关系数一定程度上说明回归直线的拟合优度。|r|1，表明回归直线对观测数据的拟合优度就越高。判定系数的实际意义：在因变量变差中， 有多少是由自变量与因变量之间的线性关系来解释， 或在 因变量变差中有多少是由自变量所决定的。1 1 .2.4显着性检验1.线性关系的检验线性关系检验是检验自变量x和因变量y之间的线性关系是否显着，或者说。 它们之间能否用一个线性模型y= 3）+ Bix+ &来表示。将回归均方（MSR）同残差均方（MSE）加以比较，应用F检验来分析二者之间 的差别是否显着。方差分析表中关于线性关系显着性检验的结果解释：在方差分析表中给出了线性关系显着性检验的全部结果（教材P279）。方差分析表中给出了用于检验的显着性 F,即SignificanceF,它是用于检验的P值。如果Sig.Fv，则拒绝原假设，表明自变量x与因变量y之