统计指标与统计分析技术

冰球比赛中的技术统计与数据分析冰球是一项极富激情和紧张刺激的运动，对运动员的技术水平和身体素质要求极高。

在冰球比赛中，除了观众可以通过直观的视觉体验来感受比赛的激烈与精彩，科学的技术统计与数据分析也在背后默默发挥着重要作用。

本文将就冰球比赛中的技术统计与数据分析进行探讨。

一、技术统计的分类冰球比赛中的技术统计主要分为两大类：基本技术统计和高级技术统计。

基本技术统计包括得分、助攻、射门、射正率、扑救、抢断等基本动作的记录，主要用于判断运动员个人的表现。

高级技术统计则包括进攻时间、控球时间、带球次数、传球次数、犯规次数、拦截次数等数据指标，对于掌握全局并进行战术调整非常重要。

二、技术统计的意义技术统计是对比赛过程的定量化描述，能够客观反映出球队和运动员的优势与不足。

通过技术统计，我们可以了解到比赛中双方球队的攻防效率，判断运动员的个人能力以及调整战术。

同时，技术统计也能为球队制定训练计划和球员选材提供依据。

三、技术统计的指标分析1. 得分与助攻得分和助攻是冰球比赛中最重要的指标之一，能够直接反映球队进攻的效果。

得分可以显示球员的个人得分能力，助攻则表明球员的组织和传球能力。

通过对得分和助攻的统计，我们可以评估球队的进攻实力和球员的配合默契程度。

2. 射门与射正率射门和射正率是衡量球队进攻效果的指标。

射门次数多且射正率高意味着球队的进攻积极且有效。

通过对射门和射正率的统计，我们可以了解球队的进攻策略和球员的射门水平，进而针对性地进行调整和训练。

3. 扑救与抢断扑救和抢断是冰球比赛中的防守动作，对于球队的防守能力至关重要。

扑救次数的增加和抢断成功率的提高都意味着球队的防守能力增强。

通过对扑救和抢断的统计，我们可以分析球队在不同防守环节的表现，并制定相应的战术来提高防守效果。

4. 进攻时间与控球时间进攻时间和控球时间是比赛中反映球队掌握比赛权衡的指标。

进攻时间长且控球时间占优势意味着球队具有较好的控制力，能够主导比赛局面。

工作报告的数据统计和关键指标优化与分析方法在现代社会，数据统计和关键指标优化与分析方法在工作报告中的重要性日益凸显。

良好的数据统计和关键指标分析能够帮助我们了解工作的进展情况、发现问题并制定有效的解决方案。

本文将从以下十个方面分析工作报告的数据统计和关键指标优化与分析方法。

一、制定明确的目标和指标在进行工作报告的数据统计和关键指标分析之前，我们需要明确工作的目标和指标。

明确的目标和指标能够帮助我们更好地统计数据，并将数据分析与工作目标相结合，从而更好地优化关键指标。

二、选择合适的数据统计工具在进行数据统计时，我们需要选择适合的工具。

常见的数据统计工具有Excel、SPSS等。

选择合适的工具能够更加高效地进行数据统计，提高工作效率。

三、收集准确可靠的数据数据统计的结果将直接影响到后续的关键指标优化与分析。

因此，在数据统计过程中，我们要确保数据的准确性和可靠性，避免因为数据的不准确而导致错误的分析结果。

四、运用数据可视化技术数据可视化技术是一种直观、清晰地呈现数据的方法，能够帮助我们更好地理解数据并发现问题。

在工作报告中，通过制作图表、表格等可视化工具，能够更加生动地展示数据，使读者更容易理解和分析数据。

五、分析趋势和规律数据统计和关键指标优化与分析的目的是为了了解工作的趋势和规律。

在数据统计和关键指标分析过程中，我们应该注重对数据的趋势和规律进行深入分析，从而找出问题并制定相应的解决方案。

六、对比分析进行对比分析可以帮助我们更好地发现问题和优化指标。

通过与历史数据进行对比，我们可以了解工作的进展情况，并对工作中存在的问题进行分析。

同时，与竞争对手进行对比分析，可以找出自身的优势和劣势，并采取相应策略优化关键指标。

七、关注细节指标除了关注整体数据统计和关键指标之外，我们还应该注重细节指标的统计和分析。

细节指标是对整体工作进行拆解，方便我们更好地了解每个环节的情况，并找出问题。

八、将数据分析结果与工作实践相结合数据统计和关键指标优化与分析不是目的，而是为了更好地指导工作实践。

统计学中的指标和数据可视化统计学是一门研究数据收集、分析和解释的学科，它通过运用各种指标和数据可视化方法来帮助我们理解和解释复杂的数据。

本文将介绍一些常见的统计学指标和数据可视化技术，并说明它们在实际应用中的重要性。

一、指标在统计学中，指标是用来量化和度量观察对象属性的工具。

指标能够提供定量的信息，并帮助我们对数据进行分析和比较。

以下是几个常见的统计学指标：1. 均值：均值是一组数据的平均数，用于表示数据集的集中趋势。

通过计算所有数据的总和并除以数据个数，可以得到均值。

2. 中位数：中位数是按照数据从小到大排序后处于中间位置的数，用于表示数据集的中间值。

中位数不受极端值的影响，更能反映数据的分布情况。

3. 方差：方差是衡量数据离散程度的指标，它度量每个数据点与均值的差距。

方差越大，说明数据的分散程度越大。

4. 标准差：标准差是方差的平方根，它衡量数据的散布情况。

标准差越大，表示数据的变异性越高。

5. 相关系数：相关系数是衡量两个变量之间关系强度和方向的指标。

它的取值范围在-1到1之间，正值表示正相关，负值表示负相关，接近0表示无关。

以上这些指标在统计学中被广泛应用，能够提供关于数据集特征的重要信息。

二、数据可视化数据可视化是将数据通过图表、图形等视觉方式呈现出来，使得数据更易于理解和分析。

以下是几种常见的数据可视化技术：1. 条形图：条形图是用来比较不同类别或组之间数据的一种图表。

通过绘制不同长度的矩形来表示各个类别的数值大小，可以直观地比较它们之间的差异。

2. 饼图：饼图是用来显示组成部分占整体的比例关系的一种图表。

通过绘制圆形的扇形来表示各个部分占整体的比例，使得人们能够更加清晰地了解各个部分之间的相对大小。

3. 折线图：折线图是用来表示数据随时间变化的趋势的一种图表。

通过连接各个数据点形成线条，可以观察到数据的变化规律和趋势。

4. 散点图：散点图是用来表示两个变量之间关系的一种图表。

通过将数据以点的形式绘制在坐标系上，可以直观地观察到两个变量之间的相关性。

统计分析的四种方法本页仅作为文档封面，使用时可以删除This document is for reference only-rar21year.March统计分析的四种方法一、指标对比分析法，又称比较分析法，是统计分析中最常用的方法。

是通过有关的指标对比来反映事物数量上差异和变化的方法。

有比较才能鉴别。

单独看一些指标，只能说明总体的某些数量特征，得不出什么结论性的认识；指标分析对比分析方法可分为静态比较和动态比较分析。

静态比较是同一时间条件下不同总体指标比较，也叫横向比较；动态比较是同一总体条件不同时期指标数值的比较，也叫纵向比较。

这两种方法既可单独使用，也可结合使用。

进行对比分析时，可以单独使用总量指标或相对指标或平均指标，也可将它们结合起来进行对比。

比较的结果可用相对数，如百分数、倍数、系数等，也可用相差的绝对数和相关的百分点（每1％为一个百分点）来表示，即将对比的指标相减。

二、分组分析法指标对比分析法是总体上的对比，但组成统计总体的各单位具有多种特征，这就使得在同一总体范围内的各单位之间产生了许多差别，统计分析不仅要对总体数量特征和数量关系进行分析，还要深入总体的内部进行分组分析。

分组分析法就是根据统计分析的目的要求，把所研究的总体按照一个或者几个标志划分为若干个部分，加以整理，进行观察、分析，以揭示其内在的联系和规律性。

统计分组法的关键问题在于正确选择分组标值和划分各组界限。

三、时间数列及动态分析法, 时间数列是将同一指标在时间上变化和发展的一系列数值，按时间先后顺序排列，就形成时间数列，又称动态数列。

时间数列可分为绝对数时间数列、相对数时间数列、平均数时间数列。

时间数列速度指标。

根据绝对数时间数列可以计算的速度指标：有发展速度、增长速度、平均发展速度、平均增长速度。

动态分析法。

在统计分析中，如果只有孤立的一个时期指标值，是很难作出判断的。

如果编制了时间数列，就可以进行动态分析，反映其发展水平和速度的变化规律。

医疗质量主要统计指标与分析1.诊断治疗指标（1）诊断质量诊断质量的高低，是反映医院医疗质量的一个重要方面。

一般说临床初诊与临床确诊符合率、临床诊断与尸检诊断符合率、手术前后诊断符合率、病员入院到确诊的平均时间等可以反映出诊断质量情况前三个方面指标是反映诊断是否正确，而后者则是反映诊断是否迅速的问题。

至于诊断是否全面，是指对一个病人全身的主要、次要疾病是否能够全面查出。

如果只检出次要疾病而遗漏了主要疾病，那就不是不全面的问题，而是诊断错误。

1)临床初诊与临床确诊符合率：它反映医院对病员入院时的初步诊断水平，也就是经治医师的诊断技术水平。

2）临床诊断与病理诊断符合率和临床诊断与尸检诊断符合率：它们是判定临床诊断有无错误最可靠的、最公正的依据。

因此，医院应尽可能提高尸检率，以促进诊断质量的提高。

3）手术前后诊断符合率：外科经手术治疗的病例，一般都能在手术后得到肯定的诊断，因此这一指标是判断外科诊断质量的重要依据。

为了分析对各类疾病的诊断质量，可以按病种计算手术前后诊断符合率。

4）患者入院到确诊的平均天数：是反映确诊是否及时的一种指标。

它不但可以显示经治医生和上级医生的工作情况，而且还可反映医技科室的配合工作情况。

此种指标不需对全部病人都做，而只对某几种主要病种进行统计分析即可。

（2）治疗质量的分析治疗质量的高低，主要表现在治疗是否有效、及时和彻底三个方面。

一般地说，反映治疗质量情况的指标有治愈率、死亡率、同一疾病反复住院率、抢救危重病员成功率等。

1）治愈率：治愈率的高低是反映治疗质量的重要方面。

但是只看医院总的治愈率高低，往往不易看出治疗质量的真实情况。

这是因为收容对象的情况不同（病种、病情、年龄、职业等），对治愈率的高低有很大影响。

因此，必须进一步进行主要疾病的治愈率分析，而这种治愈率就比总治愈率更容易显示治疗结果的真实情况，也易于进行医院之间的对比。

2)病死率：病死率的高低，可以从反面反映治疗质量情况。

统计指标的计算和解读统计指标是用来描述和度量某一现象或者某一特征的指标，它能够通过数据的分析和计算，提供对事物本质认识的深入了解。

在各个领域，统计指标的计算和解读都是重要的研究工作。

本文将探讨统计指标的计算方法和解读技巧，并举例说明其应用场景。

一. 统计指标的计算方法统计指标的计算方法根据所研究的现象和数据类型的不同，可以分为多种方法。

下面将介绍常见的统计指标计算方法：1. 平均数平均数是最常见的统计指标之一，用来表示一组数据的中心点。

计算方法为将所有数据相加，然后除以数据的个数。

平均数的计算方法简单直观，适用于各个领域的数据分析。

2. 中位数中位数是将一组数据按照大小排序后，位于中间位置的数值。

如果数据个数为奇数，则中位数为排序后的中间值；如果数据个数为偶数，则取中间两个数的平均值作为中位数。

中位数对于一组数据的分布特征更具有代表性，可以避免极端值对平均数的影响。

3. 方差与标准差方差用于度量一组数据的离散程度，计算方法为将每个数据与平均数的差的平方加起来，再除以数据的个数。

标准差是方差的平方根，用于表示数据的离散程度。

方差和标准差越大，数据的离散程度越高。

4. 百分位数百分位数是将一组数据按大小排序后，分为百分之几的位置所对应的数值。

常用的百分位数有四分位数、五分位数等。

百分位数可以帮助我们了解数据的分布情况，比如某个百分位数大于某个值，则说明有百分之几的数据小于该值。

二. 统计指标的解读技巧统计指标的计算只是第一步，更重要的是对这些指标进行正确的解读，从而得出对研究对象的准确认知。

下面介绍几种常用的统计指标解读技巧：1. 与历史数据对比将当前的统计指标与历史数据进行对比，可以了解当前状态的变化趋势。

如果指标比历史数据高出很多，说明当前状态相对较好；如果指标比历史数据低，说明当前状态相对较差。

通过与历史数据对比，可以判断出某一现象的发展趋势。

2. 与行业平均水平对比将当前的统计指标与行业平均水平进行对比，可以了解所研究对象在同行业中的竞争力。

MATLAB中的统计指标计算与分析技术1. 引言统计指标是用于描述和衡量数据集中分布特征的数值，对于数据分析和处理有着重要的作用。

而MATLAB作为一种强大的科学计算软件，提供了丰富的统计函数与工具，可以方便地进行统计指标的计算与分析。

本文将详细介绍MATLAB中常用的统计指标计算与分析技术，包括均值、中位数、方差、标准差等指标的计算方法，以及数据分布的可视化分析等内容。

2. 均值与中位数计算均值和中位数是常用的描述数据集中趋势的指标。

在MATLAB中，计算均值使用mean()函数，计算中位数使用median()函数。

这两个函数的使用方法非常简单，只需要输入数据集即可。

例如，对于一个包含100个数据点的数据集，可以使用以下代码计算均值和中位数：```matlabdata = randn(1, 100); % 生成一个包含100个随机数据点的数据集mean_value = mean(data); % 计算均值median_value = median(data); % 计算中位数```通过这样的计算，我们可以获得数据集的中心趋势信息，帮助我们进一步分析和理解数据。

3. 方差与标准差计算方差和标准差是度量数据集分散程度的重要指标。

方差表示数据点与均值之间的差异程度，标准差则是方差的平方根。

在MATLAB中，分别可以使用var()和std()函数来计算方差和标准差。

同样地，我们只需要输入数据集作为输入参数即可。

下面是一个例子：```matlabdata = randn(1, 100); % 生成一个包含100个随机数据点的数据集variance = var(data); % 计算方差standard_deviation = std(data); % 计算标准差```方差和标准差的计算结果可以用来描述数据集的分散情况，提供了对数据集变异程度的度量。

4. 数据分布可视化除了计算常见的统计指标，MATLAB还提供了各种数据分布可视化的函数，例如直方图、箱线图等。

曲棍球比赛中的技术统计和数据分析曲棍球是一项激烈而受欢迎的运动，拥有众多的支持者和球迷。

在现代曲棍球比赛中，技术统计和数据分析成为了球队和教练员们取得竞争优势的重要工具。

本文将讨论曲棍球比赛中的技术统计和数据分析的重要性，以及如何利用这些数据来优化战术和培养球员。

一、技术统计的重要性曲棍球比赛中的技术统计为球队提供了关键的信息和见解。

通过记录比赛中的各种技术数据，教练和球员可以更好地了解球队的表现，寻找弱点和优势，并制定相应的战术。

以下是几个常见的技术统计指标：1. 射门数：射门数是球队取得进球机会的重要参考指标。

通过记录射门数，教练和球员可以评估球队的攻击效率和对手守门员的表现。

2. 射门命中率：射门命中率是球队衡量攻击能力的重要指标。

它显示了球队在射门时的准确度和进攻效率。

3. 抢断次数：抢断次数反映了球队的防守能力和积极性。

抢断可以打乱对手的进攻节奏，为己方球队争取球权。

4. 传球成功率：传球成功率衡量了球队的传球技术和团队配合。

高的传球成功率意味着球队更能控制比赛的节奏和球权。

二、数据分析的应用技术统计数据的分析对于球队的成功至关重要。

通过使用先进的数据分析工具和方法，教练和球队可以揭示隐藏在海量数据背后的有价值的见解，并相应地调整战术和训练计划。

1. 比赛中的优势与劣势：通过技术统计和数据分析，球队可以识别出比赛中的优势和劣势。

例如，如果数据显示对手在头球争顶中表现较弱，球队可以调整战术，增加高空传球和争顶战术的使用频率，以获取更多进攻机会。

2. 个人技术评估：通过技术统计和数据分析，教练可以评估球员的个人技术能力和表现。

例如，射门命中率、传球成功率和抢断次数等指标可以用来识别出球员的强项和待提升的技术方面，从而制定个性化的训练计划。

3. 对手分析：技术统计和数据分析也对于分析对手球队的表现和战术起到关键的作用。

通过评估对手的技术统计数据，球队可以揭示对手的防守和进攻策略，进而制定有针对性的战术。

报告中常用的统计指标和描述性统计方法统计学作为一门研究数量关系的科学，广泛应用于各个领域。

在进行统计分析时，我们常常需要使用各种统计指标和描述性统计方法，来帮助我们更好地理解和呈现数据的特征。

本文将针对报告中常用的统计指标和描述性统计方法展开详细论述，包括以下六个主题：一、平均数的计算与应用平均数是最常见的统计指标之一，它能够反映数据的集中趋势。

我们常用的平均数有算术平均数、加权平均数和几何平均数等。

在报告中，我们可以通过计算平均数，来描述一组数据的整体水平。

同时，平均数还可以用于比较不同组的数据，并进行定量分析。

二、离散程度的度量与解释离散程度是描述数据分散情况的统计指标，常用的离散程度指标有方差和标准差等。

方差反映了数据相对平均值的分散程度，而标准差是方差的平方根。

这些指标能够帮助我们了解数据的波动情况，并进行风险管理和预测。

三、分布形态的描述与判断数据的分布形态是指数据的分布特征，常见的分布形态有对称分布、偏态分布和峰态分布等。

在报告中，我们可以使用偏度和峰度等统计指标，来定量描述数据的分布形态，并判断数据是否符合正态分布。

这能够提供有关数据的进一步洞察，为后续分析提供参考。

四、相关性的分析与解释相关性分析可以帮助我们揭示数据之间的关联程度。

常见的相关性指标有皮尔逊相关系数、斯皮尔曼相关系数和判定系数等。

这些指标可以帮助我们判断变量之间的线性相关性，并进行因果关系的推断。

在报告中，相关性分析有助于我们发现变量之间的相互作用，进而指导决策和行动。

五、显著性检验的原理与应用显著性检验是统计推断的重要工具，用于判断样本数据与总体之间是否存在显著差异。

在报告中，我们可以借助显著性检验的方法，来分析样本的统计显著性，并进行结论的推断。

常用的显著性检验方法有 t 检验、方差分析和卡方检验等，它们可以帮助我们进行统计推论和决策。

六、回归分析的原理与应用回归分析是用于建立变量之间关系的统计方法。

常见的回归分析方法有线性回归、多项式回归和逻辑回归等。

统计分析（研究）报告常用指标和方法目录1 常用统计指标 (1)1.1 国民经济核算指标 (1)1.1.1 国内生产总值 (1)1.1.2 人均GDP (1)1.1.3 第一产业增加值 (2)1.1.4 第二产业增加值 (2)1.1.5 第三产业增加值 (3)1.1.6 最终消费支出 (3)1.1.7 资本形成总额 (4)1.1.8 货物和服务净出口 (5)1.1.9 民营经济增加值 (6)1.2 人口统计指标 (7)1.2.1 年末总人口 (7)1.2.2 人口出生率 (7)1.2.3 人口死亡率 (8)1.2.4 人口自然增长率 (8)1.2.5 城镇人口 (8)1.2.6 城镇化率 (9)1.3 人口统计指标 (9)1.3.1 就业人员 (9)1.3.2 城镇登记失业率 (9)1.3.3 平均工资 (10)1.4 固定资产投资和房地产开发统计指标 (11)1.4.1 固定资产投资 (11)1.4.2 工业技术改造投资 (11)1.4.3 城市基础设施投资 (11)I1.4.4 民间固定资产投资 (12)1.4.5 房地产开发投资 (12)1.5 金融统计指标 (12)1.6 物价统计指标 (13)1.6.1 CPI (13)1.6.2 PPI (13)1.7 人民生活统计指标 (15)1.7.1 居民可支配收入 (15)1.7.2 居民消费支出 (15)1.8 农村社会经济统计指标 (16)1.8.1 农林牧渔业总产值 (16)1.8.2 粮食产量 (17)1.8.3 蔬菜产量 (17)1.8.4 农作物播种面积 (18)1.8.5 农业产业化经营率 (18)1.9 工业统计指标 (19)1.9.1 工业增加值 (19)1.9.2 工业企业利润总额 (20)1.9.3 工业亏损企业亏损额 (20)1.9.4 规模以下工业 (20)1.9.5 高新技术产业增加值 (21)1.9.6 战略性新兴产业 (21)1.10 建筑业统计指标 (21)1.10.1 建筑业总产值 (21)1.10.2 建筑业企业 (22)1.11 交通统计指标 (22)1.11.1 公路货运量和公路货物周转量 (22)1.11.2 水路货运量和水路货物周转量 (22)1.11.3 港口货物吞吐量 (22)1.12 服务业统计指标 (23)II1.12.1 规模以上服务业 (23)1.12.2 规模以下服务业 (23)1.13 能源、资源和环境统计指标 (23)1.13.1 能源消费总量 (23)1.13.2 单位GDP能耗 (24)1.13.3 万元工业增加值用水量 (24)1.13.4 主要污染物 (24)1.13.5 森林覆盖率 (25)1.14 国内贸易统计指标 (25)1.14.1 社会消费品零售总额 (25)1.14.2 限额以上企业（单位）消费品零售额 (26)1.15 对外经济统计指标 (26)1.15.1 进出口总额 (26)1.15.2 实际利用外资 (27)1.16 科技文化统计指标 (27)1.16.1 科技活动人员 (27)1.16.2 研究与试验发展（R&D）经费支出 (28)1.16.3 R&D经费占GDP比重 (28)1.16.4 每万人口发明专利拥有量 (29)1.16.5 文化及相关产业增加值 (29)2 常用经济指标 (31)2.1 总体指标 (31)2.1.1 失业率 (31)2.1.2 价格指数 (31)2.1.3 景气指标 (35)2.2 主要供给指标 (37)2.2.1 农业增加值 (37)2.2.2 工业增加值 (37)2.2.3 建筑业增加值 (37)2.2.4 第三产业增加值 (38)III2.2.5 交通运输仓储业增加值 (38)2.2.6 邮电通信业增加值 (39)2.2.7 农产品产量 (39)2.2.8 工业品产量 (40)2.2.9 能源消费总量 (42)2.2.10 工业产品产销率 (43)2.2.11 工业经济效益综合指数 (44)2.3 主要需求指标 (46)2.3.1 社会消费品零售总额 (46)2.3.2 固定资产投资总额 (50)2.3.3 存货 (52)2.3.4 进出口额 (53)2.3.5 利用外资 (54)2.4 财政政策指标 (55)2.4.1 财政政策 (55)2.4.2 财政收入 (56)2.4.3 财政支出 (56)2.4.4 财政赤字 (57)2.4.5 债务收入与支出 (58)2.4.6 债务余额 (59)2.5 货币政策指标 (59)2.5.1 货币政策 (59)2.5.2货币供应量 (61)2.5.3 利率 (62)2.5.4 各项存贷款 (63)2.5.5 居民储蓄存款 (65)2.6 国际收支指标 (65)2.6.1 国际收支平衡表 (65)2.6.2 外债 (67)2.6.3 国际储备 (70)IV2.7 金融市场指标 (73)2.7.1 股票价格指数 (73)2.7.2 债券 (75)2.7.3 期货 (76)2.7.4 保险 (77)2.8 财务指标 (78)2.8.1 短期偿债能力指标 (78)2.8.2 长期偿债能力指标 (79)2.8.3 营运能力指标 (80)2.8.4 盈利能力指标 (80)2.8.5.发展能力指标 (81)2.9 其他经济指数 (81)2.9.1 企业家信心指数 (81)2.9.2 行业景气指数 (82)2.9.3 企业景气指数 (83)2.9.4 行业集中度 (84)2.9.5 就业弹性系数 (85)2.9.6 资本系数 (86)2.9.7 全球贸易景气指数 (87)2.9.8 区位商 (87)2.9.9 工业生产指数 (88)3 常用模型及方法 (89)3.1 SWOT分析模型 (89)3.1.1 含义 (89)3.1.2 类型组合 (89)3.2 PEST分析模型 (90)3.2.1 含义 (90)3.2.2 分析内容 (91)3.3 波特钻石模型 (92)V2.3.2 分析内容 (93)3.4 因子分析法 (94)3.4.1 含义 (94)3.4.2 分析步骤 (94)3.5 5W2H模型 (95)3.6 逻辑树分析法 (95)3.6.1 含义 (95)3.6.2 逻辑树分析法三原则 (96)3.7 4P营销理论模型 (96)3.8 外部因素评价矩阵（EFE矩阵） (97)3.8.1 含义 (97)3.8.2 评价步骤 (97)3.9 内部因素评价矩阵（IFE矩阵） (99)3.9.1 含义 (99)3.9.2 评价步骤 (99)3.10 SCP分析模型 (100)3.11 雷达图分析法 (101)3.11.1 含义 (101)3.11.2 指标类型 (101)3.12 鱼骨图分析法 (105)3.12.1 含义 (105)3.12.2 鱼骨图使用步骤 (105)3.12.3 案例分析 (106)3.13 麦肯锡七步分析法 (107)VI1 常用统计指标1.1 国民经济核算指标1.1.1 国内生产总值含义：国内生产总值（GDP）是指一个国家或地区所有常住单位在一定时期内生产活动的最终成果，是反映经济运行总体状况最重要的指标，是三次产业增加值之和。