描述性统计分析方法

统计分析

本次问卷调查主要是广大的游客为主要的对象,采用的是网上发放问卷的形式，主要借助的是问卷星网站这个平台。此次问卷总计发放了420份，回收问卷388份,回收率达到92.38%,回收问卷有效率为92.38%，在问卷星的设计中提交前提是完成问卷，因此回收问卷都为有效问卷。本部分将根据对有效问卷的统计,对所得数据进行相关的数据分析。

描述性统计分析

描述性统计(DescriPtivestatistics)是对统计结构和总体情况所进行的描述,本部分将对游客基本信息进行描述性统计分析。

游客基本信息描述性统计分析

游客的基本信息主要包括,第一部分关于游客的人口统计学信息,包括

游客的性别、年龄、受教育程度、职业、收入等;第二部分是关于游客在姨奶奶中的旅游次数的一个简单的统计。表____反映了这一系列的基本信息。从性别上看,男女比例基本持平,其中女性游客稍占多数51.5%，男性游客占48.5%，女性游客的平均人数比男性游客稍微多一些;从

年龄上看,主要集中在18~25岁这个年龄段上,占到了游客总数的91.2%,这说明了青少年时目前旅游人群的主要构成部分，这一方面和现当代的生活水平，价值观、消费观有密切的联系。从学历上看,游客的学历主要集中在高中、本科及以上这三块,分别占到这次调查样本数的11.9%、78.9%、6.2%。充分证明对待旅游的看法和学历的高低是一个正相关的关系。从职业上看,学生占到了最多的一个比例

64.9%，比其他的职业人群高出很多，公司职员在其中也占到了13.4%，在这一点上有力的证明了在影响旅游愿景的因素中，时间是一个相当大的权重，个体其实在经济实力这一权重来看是比较具有优势的一个群体，但是在这次调查中仅占了2.6%，从这一方面也可以得出时间是一个较大权重的结论;从收入状况上看,主要集中在1400~3000和3000~5000这两个段的人群，分别达到67%和19.6%，这印证了旅游公共服务的不断健全和旅游的逐步平民化。最后我们简单的一个统计是关于一个平均一年的旅游次数，统计显示主要是集中在一年一次至两次和一年三至五次这种情况上，以一至两次的情况居多，达到了49.5%，说明旅游个体的旅游频率其实是不高的，也说明了旅游公共服务是很有必要的。有利于推动旅游的平民化和全名旅游的进一步发展。

一、什么是描述统计分析（Descriptive Analysis）概念：使用几个关键数据来描述整体的情况描述性数据分析属于比较初级的数据分析，常见的分析方法包括对比分析法、平均分析法、交叉分析法等。描述性统计分析要对调查总体所有变量的有关数据做统计性描述，主要包括数据的频数分析、数据的集中趋势分析、数据离散程度分析、数据的分布、以及一些基本的统计图形。Excel里的分析工具库里的数据分析可以实现描述性统计分析的功能。

描述性统计分析即是对数据源最初的认知，包括数据的集中趋势、分散程度以及频数分布等，了解了这些后才能去做进一步的分析。二、常用指标均值、中位数、众数体现了数据的集中趋势。极差、方差、标准差体现了数据的离散程度。偏度、峰度体现了数据的分布形状。1、均值。均值容易受极值的影响，当数据集中出现极值时，所得到的的均值结果将会出现较大的偏差。2、中位数：数据按照从小到大的顺序排列时，最中间的数据即为中位数。当数据个数为奇数时，中位数即最中间的数，如果有N个数，则中间数的位置为(N+1)/2；当数据个数为偶数时，中位数为中间两个数的平均值，中间位置的算法是(N+1)/2。中位数不受极值影响，因此对极值缺乏敏感性。3、众数：数据中出现次数最多的数字，即频数最大的数值。众数可能不止一个，众数不能能用于数值型数据，还可用于非数值型数据，不受极值影响。4、极差：=最大值-最小值，是描述数据分散程度的量，极差描述了数据的范围，但无法描述其分布状态。且对异常值敏感，异常值的出现使得数据集的极差有很强的误导性。5、四分位数：数据从小到大排列并分成四等份，处于三个分割点位置的数值，即为四分位数，四分位数分为上四分位数（数据从小到大排列排在第75%的数字，即最大的四分位数）、下四分位数（数据从小到大排列排在第25%位置的数字，即最小的四分位数）、中间的四分位数即为中位数。四分位数可以很容易地识别异常值。箱线图就是根据四分位数做的图。四分位数的计算：下四分位数的位置：1、计算n/42、如果结果为整数，则下四分位数位于n/4这个位置和下一个位置的中间，取这两个位置上数值的平均值3、如果结果不为整数，则向上取整，所得结果为下四分位数的位置上四分位数的位置：1、计算3n/4,2、如果结果为整数，则上四分位数位于3n/4这个位置和下一个位置的中间，取这两个位置上数值的平均值3、如果结果不为整数，则向上取整，所得结果为上四分位数的位置eg、3 3 6 7 7 10 10 11 13 30n=11, 11/4=2.75，不为整，向上取整3，则下四分位数是第3个数，即6；3*11/4=8.25，也不为整，向上取整9，则上四分位是第9个数，即11箱线图可以用来比较不同组别的数据。箱线图除了上下四分位数，还有上界（除异常点以外的最大值）、下界（除异常点以外的最小值）6、方差和标准差。方差是每个数据值与全体数据的平均数差的平方的平均数。标准差是方差开方。方差与标准差表示数据集波动的大小，方差小，表示数据集比较集中，波动性小，方差大，表示数据集比较分散，波动性大。由于标准差只能用于统一体系内的数据比较，如果要对不同体系的数据比较，就要引入标准分的概念。7、标准分z：对数据进行标准化处理，又叫Z标准化，经过Z标准化处理后的数据符合正态分布（即均值为0，标准差为1）。标准分是对不同数据集的数据进行比较的量，可用来表示数据值在所在数据集内的相对排名 。标准分的意义是每个数值距离平均值有多少个标准差。有数据集x1,x2,x3，其平均值为μ，标准差为σ，则其标准分z为：8、峰度：描述正态分布中曲线峰顶尖哨程度的指标。峰度系数>0，则两侧极端数据较少，比正太分布更高更瘦，呈尖哨峰分布；峰度系数<0，则两侧极端数据较多，比正太分布更矮更胖，呈平阔峰分布。9、偏度：以正态分布为标准描述数据对称性的指标。偏度系数=0，则分布对称；偏度系数>0，则频数分布的高峰向左偏移，长尾向右延伸，呈正偏态分布；偏度系数<0，则频数分布的高峰向右偏移，长尾向左延伸，呈负偏态分布。还有一些其他的量，不仅在描述性统计分析中常见，在数据报告中也很常见，如10、绝对数11、相对数：倍数、成数、百分数12、百分比13、百分点：1个百分点=1%，是指变动的幅度14、频数：绝对数，是一组数据中个别数据重复出现的次数15、频率：相对数，次数与总次数的比。16、比例：相对数，总体中各部分占全部的比，如：男生的比例是30:5017、比率：相对数，不同类别的比，如男女比率俄日3:218、倍数：相对数，一个数除以另一个数所得的商，如A/B=C，那么A是B的C倍。19、番数：相对数，指原来数量的2的N次方，如翻一番，意思是原来数量的2倍，翻两番意思是4倍20、同比：相对数，指历史同时期进行比较，如去年12月与今年12月相比是同比21、环比：相对数，指与前一个统计期进行比较，如今年5月与今年4月相比是环比

描述性统计分析

【导言】

在科学研究、市场调查、社会调查以及政策制定等各个领域中，描述性统计分析是一种重要的分析方法。它主要通过对数据的整理、总结和分析，来描述数据的特征、分布和关系等。本文将简要介绍描述性统计分析的概念和应用领域，并探讨其在实际问题中的意义和方法。

【一、描述性统计分析的概念】

描述性统计分析是一种通过对数据的整理、总结和分析，来描述数据的特征、分布和关系等的方法。它不仅可以帮助我们更好地理解数据，还可以从中发现问题和规律，为后续的分析和决策提供依据。描述性统计分析主要包括数据的中心趋势度量、数据的离散程度度量和数据的分布特征等内容。

【二、描述性统计分析的应用领域】

描述性统计分析在各个领域中都有广泛的应用，以下是几个常见的应用领域：

1. 科学研究：在科学研究中，描述性统计分析可以帮助研究人员对实验数据进行整理和总结，发现数据中的规律和趋势，从而对研究对象进行深入的理解和解释。

2. 市场调查：在市场调查中，描述性统计分析可以帮助市场研究人员对市场数据进行整理和总结，了解产品的市场需求、消费者的购买行为和市场竞争情况，为市场营销活动提供科学依据。

3. 社会调查：在社会调查中，描述性统计分析可以帮助调查人员对社会问题的数据进行整理和总结，了解社会现象的普遍性和差异性，为制定社会政策提供参考依据。

4. 教育评估：在教育评估中，描述性统计分析可以帮助教育管理者对学生成绩、教学效果等数据进行整理和总结，洞察学生的学习状况和教育的质量问题，为教育改革提供参考依据。

【三、描述性统计分析的意义】 描述性统计分析的意义主要体现在以下几个方面：

1. 描述数据特征：通过描述性统计分析，我们可以对数据的中心趋势、离散程度等特征进行客观的量化和描述，从而更好地理解数据。

2. 发现问题和规律：通过描述性统计分析，我们可以发现数据中的异常值、缺失值等问题，从而及时采取措施进行修复；同时，还可以发现数据中的规律和趋势，为后续的分析和决策提供依据。

统计学分析方法有哪些

统计学分析方法是统计学在实际应用中使用的各种技术和方法。它们被广泛应用于各个领域，如社会科学、自然科学、商业、医学等。下面我将介绍一些常见的统计学分析方法。

1. 描述统计分析方法：描述统计方法用于对数据进行总结和描述。常见的描述统计方法包括：频率分布、中心趋势测度（例如平均值、中位数、众数）、散布测度（例如范围、标准差、方差）、分位数、相关性分析等。这些方法主要用于了解数据的基本特征和分布情况。

2. 探索性数据分析方法：探索性数据分析是一种用来探索数据的方法，常常用于发现数据中的特殊模式和异常值。它包括：直方图和箱线图、散点图和气泡图、层次聚类和主成分分析等。通过这些方法，我们可以进行数据的可视化分析，从而更好地理解数据。

3. 推断统计分析方法：推断统计是从样本数据推断总体特征的方法。常见的推断统计方法包括：参数估计、假设检验和置信区间。参数估计用于估计总体的未知参数，假设检验用于对总体参数进行推断，置信区间用于对总体参数进行区间估计。这些方法在实际应用中经常被用来进行统计推断。

4. 回归分析方法：回归分析是一种用于研究变量之间关系的方法。它可以用于预测变量、解释变量之间的关系，并进行因果推断。常见的回归分析方法包括：简单线性回归、多元线性回归、逻辑回归和生存分析等。

5. 方差分析方法：方差分析是一种用于比较多个总体均值的方法，它可以用于分析因素对变量的影响。常见的方差分析方法包括：单因素方差分析、多因素方差分析、协方差分析等。

6. 时间序列分析方法：时间序列分析是一种用于分析时间序列数据的方法。它可以用于预测未来的趋势、周期性和季节性，并进行时间序列模型的建立。常见的时间序列分析方法包括：移动平均法、指数平滑法、季节调整法和ARIMA模型等。

7. 聚类分析方法：聚类分析是一种将样本按其特征分成若干类别的方法。它可以用于数据的分类和群体的划分。常见的聚类分析方法包括：层次聚类和K均值聚类等。