【正文】 名稱定義成為 B列各個公式計算結(jié)果的變量名。選定 A3:B4, A6:B8， A10:A11,A13:A15和 A17:B19單元格，選擇“插入”菜單的“名稱”子菜單的“指定”選項，用鼠標(biāo)點擊“最左列”選項 ,然后點擊“確定”按扭即可。 3. 輸入樣本數(shù)據(jù)，以及總體標(biāo)準(zhǔn)差、總體均值假設(shè)、置信水平數(shù)據(jù)。如圖附 16所示。 圖 附 16 。選定 C1:C11單元格，選擇“插入”菜單的“名稱”子菜單的“指定”選項，用鼠標(biāo)點擊“首行”選項 ,然后點擊“確定” 按扭，最后得到如圖附 16中所示的計算結(jié)果。 （ 三 ） 結(jié)果說明：如圖附 16所示 ， 該例子的檢驗結(jié)果不論是單側(cè)還是雙側(cè)均為拒絕 Ho假設(shè) 。 所以 ， 根據(jù)樣本的計算結(jié)果 ， 在 5%的顯著水平之下 ,拒絕總體均值為 35的假設(shè) 。 同時由單側(cè)顯著水平的計算結(jié)果還可以看出：在總體均值是 35的假設(shè)之下 ， 樣本均值小于等于 為 ,小概率事件居然發(fā)生 ， 所以 ， 同樣得出在 5%的顯著水平下 ， 拒絕總體均值為 35的假設(shè)的結(jié)論 。 六、單因素方差分析 （ 一 ） 簡介：單因素方差分析可用于檢驗兩個或兩個以上的總體均值相等的假設(shè)是否成立 。 此方法是對雙均值檢驗 （ 如 t檢驗 ） 的擴(kuò)充 。 該檢驗假定總體是服從正太分布的 ， 總體方差是相等的 ， 并且隨機(jī)樣本是獨立的 。 這種工具適用于完全隨機(jī)化試驗的結(jié)果分析 。 例子如圖附 17表中所示 ， 一產(chǎn)品制造商雇傭銷售人員向銷售商打電話 。 制造商想比較四種不同電話頻率計劃的效率 ， 他從銷售人員中隨機(jī)選出 32名 ， 將他們隨機(jī)分配到 4種計劃中 ，在一段時期內(nèi)記錄他們的銷售情況已經(jīng)在表中列出 ， 試問其中是否有一種計劃會帶來較高的銷售水平 。 圖 附 17 （二）操作步驟 1. 選擇“工具”菜單的“數(shù)據(jù)分析”子菜單，雙擊“方差分析 : 單因素方差分 析”選項，彈出單因素方差分析對話框。 18所示方式填寫對話框。然后單擊“確定”按扭即可。 圖 附 18 （ 三 ） 結(jié)果分析：按照如上的操作步驟即可得到圖附 19的計算結(jié)果 。 其中表格的第二部分則是方差分析的結(jié)果 。 SS列分別給出了四個分組的組間方差 、組內(nèi)方差以及總方差 ， DF列分別給出了對應(yīng)方差的自由度 ， MS列是平均值方差 ， 由 SS除于 DF得到 ， 它是總體方差的兩個估計值 。 F列是 F統(tǒng)計量的計算結(jié)果 ， 如果四個總體均值相等的假設(shè)成立的化 ， 它應(yīng)該服從 F分布 ， 即近似為 1，它是最終的計算結(jié)果 ， 通過將它與一定置信水平下的 F臨界值 F crit比較 ， 可以判斷均值相等的假設(shè)是否成立 ， 在本例中 ， ,所以不能拒絕四個總體均值相等的假設(shè) 。 Pvalue列 ， 是單尾概率值 ， 表明如果四個總體均值相等的假設(shè)成立的化 ， 得到如上樣本結(jié)果的概率是 % ,即得到以上樣本并不是小概率事件 ， 同樣也得到不能拒絕四個總體均值相等的假設(shè)的結(jié)論 。 按相似方法可進(jìn)行無重復(fù)雙因素方差分析 ， 有重復(fù)雙因素方差分析 。 圖 附 19 七、線性回歸分析 （一）簡介：線性回歸分析通過使用“最小二乘法”對樣本數(shù)據(jù)進(jìn)行直線擬合，用于分析單個因變量是如何受一個或幾個自變量影響的。例子如圖附 20所示，表中是我國 1987年至 1997年的布匹人均產(chǎn)量和人均紗產(chǎn)量，試用線性回歸分析的方法分析兩組數(shù)據(jù)之間的關(guān)系。 圖 附 20 （二）操作步驟 1． 選擇 “ 工具 ” 菜單的 “ 數(shù)據(jù)分析 ” 子菜單 ， 雙擊 “ 回歸 ” 選項 ， 彈出回歸分析對話框 。 對話框主要選項的含義如下： Y 值輸入?yún)^(qū)域 ， 在此輸入因變量數(shù)據(jù)區(qū)域 ， 該區(qū)域必須由單列數(shù)據(jù)組成； X 值輸入?yún)^(qū)域 ， 在此輸入對自變量數(shù)據(jù)區(qū)域 ， 自變量的個數(shù)最多為 16；置信度 ， 如果需要在匯總輸出表中包含附加的置信度信息 ， 則選中此復(fù)選框 ， 然后在右側(cè)的編輯框中 ， 輸入所要使用的置信度 ， 95%為默認(rèn)值；常數(shù)為零 ， 如果要強(qiáng)制回歸線通過原點 ， 則選中此復(fù)選框；輸出區(qū)域 ， 在此輸入輸出表左上角單元格的地址 ， 用于控制計算結(jié)果的輸出位置 。 匯總輸出表至少需要有七列的寬度 ， 包含的內(nèi)容有 anova表 、 系數(shù) 、 y 估計值的標(biāo)準(zhǔn)誤差 、 r2 值 、 觀察值個數(shù) ， 以及系數(shù)的標(biāo)準(zhǔn)誤差；新工作表 ， 單擊此選項 ， 可在當(dāng)前工作簿中插入新工作表 ， 并由新工作表的 A1 單元格開始顯示計算結(jié)果 ， 如果需要給新工作表命名 ， 則在右側(cè)的編輯框中鍵入名稱；新工作簿 ， 單擊此選項 ， 可創(chuàng)建一新工作簿 ， 并在新工作簿中的新工作表中顯示計算結(jié)果；殘差 ， 如果需要以殘差輸出表的形式查看殘差 ， 則選中此復(fù)選框；標(biāo)準(zhǔn)殘差 ， 如果需要在殘差輸出表中包含標(biāo)準(zhǔn)殘差 ， 則選中此復(fù)選框；殘差圖 ，如果需要生成一張圖表 ， 繪制每個自變量及其殘差 ， 則選中此復(fù)選框；線形擬合圖 ， 如果需要為預(yù)測值和觀察值生成一個圖表 ， 則選中此復(fù)選框；正態(tài)概率圖 ， 如果需要繪制正態(tài)概率圖 ， 則選中此復(fù)選框 。 2． 按如下方式填寫對話框： X值輸入?yún)^(qū)域為 $B$1:$B$12, Y值輸入?yún)^(qū)域為 $C$1:$C$12, 并選擇 “ 標(biāo)志 ” 和 “ 線性擬合圖 ” 兩個復(fù)選框 ， 然后單擊 “ 確定 ” 按扭即可 。 （ 三 ） 結(jié)果分析 按照如上的操作步驟即可得到圖附 21下表的計算結(jié)果 。 結(jié)果可以分為四個部分 ， 第一部分是回歸統(tǒng)計的結(jié)果包括多元相關(guān)系數(shù) 、 可決系數(shù) R 調(diào)整之后的相關(guān)系數(shù) 、 回歸標(biāo)準(zhǔn)差以及樣本個數(shù) 。 第二部分是方差分析的結(jié)果包括可解釋的離差 、 殘差 、 總離差和它們的自由度以及由此計算出的 F統(tǒng)計量和相應(yīng)的顯著水平 。 第三部分是回歸方程的截距和斜率的估計值以及它們的估計標(biāo)準(zhǔn)誤差 、 t統(tǒng)計量大小雙邊拖尾概率值 、 以及估計值的上下界 。 根據(jù)這部分的結(jié)果可知回歸方程為Y=*。 第四部分是樣本散點圖 ， 其中藍(lán)色的點是樣本 的真實散點圖，紅色的點是根據(jù)回歸方程進(jìn)行樣本歷史模擬的散點。如果覺得散點圖不夠清晰可以用鼠標(biāo)拖動圖形的邊界達(dá)到控制圖形大小的目的。用相同的方法可以進(jìn)行多元線性方程的參數(shù)估計，還可以在自變量中引入虛擬變量以增加方程的擬合程度。對于非線性的方程的參數(shù)估計，可以在進(jìn)行樣本數(shù)據(jù)的線性化處理之后，再按以上步驟進(jìn)行參數(shù)估計。 圖 附 21 八、相關(guān)系數(shù)分析 （ 一 ） 簡介：使用 “ 相關(guān)系數(shù) ” 分析工具來確定兩個區(qū)域中數(shù)據(jù)的變化是否相關(guān) ， 即 ， 一個集合的較大數(shù)據(jù)是否與另一個集合的較大數(shù)據(jù)相對應(yīng) （ 正相關(guān) ） ；或者一個集合的較小數(shù)據(jù)是否與另一個集合的較小數(shù)據(jù)相對應(yīng) （ 負(fù)相關(guān) ） ；還是兩個集合中的數(shù)據(jù)互不相關(guān)（ 相關(guān)性為零 ） 。 （ 二 ） 操作步驟：采用圖附 3表中的數(shù)據(jù) ， 可按如下步驟計算變量 x,y,z之間的相關(guān)系數(shù) 。 1． 用鼠標(biāo)點擊表中待分析數(shù)據(jù)的任一單元格 。 2． 選擇 “ 工具 ” 菜單的 “ 數(shù)據(jù)分析 ” 子菜單 ， 用鼠標(biāo)雙擊數(shù)據(jù)分析工具中的 “ 相關(guān)系數(shù) ” 選項 。 3 ．填寫完“相關(guān)系數(shù)”對話框，單擊“確定”按扭即可得到各個變量的相關(guān)系數(shù)矩陣，結(jié)果如圖附 22所示。 （三）結(jié)果說明：以上下三角矩陣計算出三個變量 x,y,z兩兩之間的相關(guān)系數(shù)，如變量 x,y之間的相關(guān)系數(shù)為： ,所以可以判斷 x,y之間存在著較高的正線性相關(guān)關(guān)系。 圖 附 22 九、季節(jié)變動時間序列的分解分析 （一）簡介：分解分析法是時間序列分析和預(yù)測過程中常用的統(tǒng)計方法。該方法假設(shè)時間序列是趨勢變動 (T)、循環(huán)變動 (C)、隨機(jī)變動 (I)綜合影響的結(jié)果，分解過程首先從原始序列中消除隨機(jī)變動，然后在此基礎(chǔ)上，分別識別出循環(huán)變動和趨勢變動的變化模式。假設(shè)的合理性、方法的科學(xué)性和操作的簡易性使分解分析法在經(jīng)濟(jì)預(yù)測中得到了較為廣泛的應(yīng)用。下面結(jié)合具體例子介紹在 Excel中如何實現(xiàn)時間序列的分解分析。如圖附 23所示，表中 A1至 B13單元格是 1996至 1998年各季度某海濱城市旅游人口數(shù) (千人 ),試預(yù)測 1999年各季度旅游人口數(shù)。 （二）操作步驟： 1．計算一次移動平均，消除隨機(jī)波動。在 C3單元格填入公式“ =AVERAGE(B2:B5)”，然后用“填充柄”將公式復(fù)制到 C4:C11單元格。 2 ． 中心化移動平均數(shù)。在 D4單元格輸入公式“ =AVERAGE(C3:C4)” ，再用“填充柄”將公式復(fù)制到 D5:D11單元格。 3． 計算季節(jié)指數(shù)。在 E4單元格輸入公式“ =B4/D4” ，然后用“填充柄”將公式復(fù)制到 E5:E11單元格。 4. 計算平均季節(jié)指數(shù)。在 F4單元格中輸入公式“ =AVERAGE(E4,E8)” ，然后用“填充柄”將公式復(fù)制到 F5:F7單元格。 圖 附 23 5. 計算調(diào)整后的季節(jié)指數(shù) 。 為了讓季節(jié)指數(shù)的總平均為 1， 必須對季節(jié)指數(shù)加以調(diào)整 。 先在 G4單元格中輸入公式 “ =F4/AVERAGE($F$4:$F$7)” ， 再用 “ 填充柄 ” 將公式復(fù)制到 G5:G7單元格 。 此時 ， G4:G7就是最終計算出的四個標(biāo)準(zhǔn)化之后季節(jié)指數(shù) ， 的季節(jié)指數(shù) ， 它反映的是原始時間序列中的循環(huán)變動 。 然后 ， 根據(jù) G4:G7單元格數(shù)值 ， 將四個季節(jié)指數(shù)分別填充到 G2:G13的其它對應(yīng)季節(jié)的空白單元格內(nèi) ， 供下一步計算使用 。 6. 消除旅游人數(shù)序列中的季節(jié)變動 。 在 H2單元格中輸入公式 “ =B2/G2” ， 然后將公式復(fù)制到 H3:H13單元格 。 此時 ， H列就是消除季節(jié)變動之后的旅游人數(shù)時間序列 。 圖 附 24 7. 對消除季節(jié)變動的旅游人數(shù)進(jìn)行回歸分析。在 I列填入時間序號 1至 15。選擇“工具”菜單的“數(shù)據(jù)分析”子菜單，雙擊“回歸”選 項，彈出回歸分析對話框。按圖附 24所示的方式填寫對話框。然后單擊“確定”按扭，即可得到剔除了季節(jié)波動的時間序列的線性趨勢模型。線性模型估計結(jié)果如圖附 25所示，其中 B35單元格是線性趨勢模型的截距， B36單元格是斜率。 圖 附 25 8. 預(yù)測 。 在 G14:G17單元格中分別填入剛才計算出的四個調(diào)整后的季節(jié)指數(shù) ，在 B14 單 元 格 中 輸 入 公 式 “ =($B$35+I14*$B$36)*G14” ， 其中“ ($B$35+I14*$B$36)”只是趨勢變動的預(yù)測結(jié)果 ， 乘以 G14（ 季節(jié)指數(shù) ） 后 ，則反映的是趨勢變動和季節(jié)循環(huán)變動疊加之后的預(yù)測結(jié)果 。 然后利將此公式復(fù)制到 B15:B17單元格 ， B14:B17單元格中就是 1999年各個季度旅游人數(shù)的預(yù)測值 ， 如圖附 26所示 。 圖 附 26 （ 三 ） 結(jié)果分析：以上步驟完成了整個季節(jié)時間序列的分析和預(yù)測過程 。 使用了分解分析的方法 ， 能將時間數(shù)列的各個影響因數(shù)都分解出來 ， 由這種方法得到的預(yù)測模型和預(yù)測結(jié)果都比直接對時間序列使用回歸分析要更為可靠合理 。 讀者可以參考以上分析步驟 ， 用類似的方法在 Excel中進(jìn)行月份時間序列 、 雙循環(huán)變動時間序列等的分解分析和預(yù)測 。