在处理信息时，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠，例如，高校科研状况评价中的立项课题数与项目经费、经费支出等之间会存在较高的相关性；学生综合评价研究中的专业基础课成绩与专业课成绩、获奖学金次数等之间也会存在较高的相关性。而变量之间信息的高度重叠和高度相关会给统计方法的应用带来许多障碍。

为了解决这些问题，最简单和最直接的解决方案是削减变量的个数，但这必然又会导致信息丢失和信息不完整等问题的产生。为此，人们希望探索一种更为有效的解决方法，它既能大大减少参与数据建模的变量个数，同时也不会造成信息的大量丢失。主成分分析正式这样一种能够有效降低变量维数，并已得到广泛应用的分析方法。

主成分分析以最少的信息丢失为前提，将众多的原有变量综合成较少几个综合指标，通常综合指标（主成分）有以下几个特点：

↓主成分个数远远少于原有变量的个数

原有变量综合成少数几个因子之后，因子将可以替代原有变量参与数据建模，这将大大减少分析过程中的计算工作量。

↓主成分能够反映原有变量的绝大部分信息

因子并不是原有变量的简单取舍，而是原有变量重组后的结果，因此不会造成原有变量信息的大量丢失，并能够代表原有变量的绝大部分信息。

↓主成分之间应该互不相关

通过主成分分析得出的新的综合指标（主成分）之间互不相关，因子参与数据建模能够有效地解决变量信息重叠、多重共线性等给分析应用带来的诸多问题。

↓主成分具有命名解释性

总之，主成分分析法是研究如何以最少的信息丢失将众多原有变量浓缩成少数几个因子，如何使因子具有一定的命名解释性的多元统计分析方法。

主成分分析是数学上对数据降维的一种方法。其基本思想是设法将原来众多的具有一定相关性的指标X1，X2，…，XP （比如p 个指标），重新组合成一组较少个数的互不相关的综合指标Fm 来代替原来指标。那么综合指标应该如何去提取，使其既能最大程度的反映原变量Xp 所代表的信息，又能保证新指标之间保持相互无关（信息不重叠）。

设F1表示原变量的第一个线性组合所形成的主成分指标，即

F a X a X a X =+++,由数学知识可知，每一个主成分所提取的信息量可

用其方差来度量，其方差Var(F1)越大，表示F1包含的信息越多。常常希望第一主成分F1所含的信息量最大，因此在所有的线性组合中选取的F1应该是X1，X2，…，XP 的所有线性组合中方差最大的，故称F1为第一主成分。如果第一主成分不足以代表原来p 个指标的信息，再考虑选取第二个主成分指标F2，为有效地反映原信息，F1已有的信息就不需要再出现在F2中，即F2与F1要保持独立、不相关，用数学语言表达就是其协方差Cov(F1, F2)=0，所以F2是与F1不

《SPSS实验报告》由会员分享，可在线阅读，更多相关《SPSS实验报告（28页珍藏版）》请在人人文库网上搜索。

1、SPSS实验报告（同名21555）髭计台布与SPSS的点用学院（系）专业名称班级姓名学号实习地点起止时间 2015年5月至2015年7月实验内容:1统计数据的收集与预处理1.1 数据文件的编辑1.1.1 数据文件的合并数据文件的合并是把外部数据与当前数据合并成一个新的数据文件，SPSS 提供两种形式的合并：一是横向合并，指从外部数据文件中增加变量到当前数 据文件中；二是纵向合并，指从外部数据文件增加观测数据到当前文件中。横 向合并即增加变量，而增加变量有两种方式：一是从外部数据文件中获取变量 数据，加入当前数据文件中；二是按关键变量合并，要求两个数据文件有一个 共同的关键变量，而且两个数据文件

2、的关键变量中还有一定数量相同值的观测 值。1.1.2 数据文件的拆分拆分并不是要把数据文件分成几个，而是根据实际情况，根据变量对数据 进行分组，为以后的分组统计提供便利。例2-2实验步骤：打开data2-2. sav f点击菜单栏的数据，拆分文件，弹出“分割文件”一按照产品类型拆分数据,选择“比较组”，激活“分组方式”栏。选中“产品”变量移入其中，单击 “确定”按钮结束。点击菜单“分析f描述性统计f描述”，弹出“描述性” 对话框，选择变量“金额”，“数量”进行分析，单击“选择”按钮设置要计算 的统计量，统计金额和数量的和，设置好后单击确定按钮，得到表1所示的统 计量：表1描述统计量产品N极小

4、洗数30.406衣量机金66892. 30额0002有2效的N(列表状态）从表1可以得出彩电、空调、热水器、微波炉、洗衣机的数量、金额的极 大值、极小值、和、均值标准差这四个描述性统计量是多少。1.1.3 数据的加权SPSS的观察量加权功能是在数据文件中选择一个变量，这个变量力的值是 相应的观测量出现的次数，这个变量叫做权变量，经过加权的数据文件叫做加 权文件。例2-3实验步骤：打开data2-3. sav-选择数据，加权个案一选择“加 权个案”，激活“频率变量”矩形框，把“工人数”变量移入框中。选择“分析”, 描述统计f

5、描述，进行产品数量总和的统计，统计结果如表2所示：可以看出 产品数量的极大值、极小值、和、均值、标准差这四个描述性统计量。表2描述统计量N极小 值极大 值和均值标准 差产品数量有效的N（列表状 态）31.2SPSS数据加工1.2.1变置的计算例2-4实验步骤：打开data2-4sav-选择“转换”，计算变量，弹出“计算 变量”窗口一在“目标变量”框中输入目标变量名“总分”一从左边的变量列 表窗口中选择用于计算的变量并加入“数学表达式”框中，并乘以相应的系数 即可。2 *data2-4.sav徒d-IBM SPSS Statistics文件化）洛殂

6、但）视困包激由9）转拉CD 分析（2）立由圆）困形实用程序&P SO（W） 用助8 褊 实脸准备讲解示范实脱指导教可方法诸E文字到平手段课堂管理总分52 变量计算后的结果7772 50图1是变量计算后的结果：根据计算公式：总分二实验准备*0. 15+讲解示范 *0.15+实验指导*0. 2+教学方法*0.15+语言文字*0. 05+教学手段*

7、0.1+课堂管理 *0.2.,可以得出教师的综合评价分。2图表的创建与编辑2.1使用图表构建程序创建使用图表构建程序创建图表，是SPSS现在推崇的主要操作方式，该方式使 用预览模式通过图库或基本元素设计图表，让用户所见所得，可以提高创建图 形的效率，减少一些不可预见的错误。例3-1实验步骤：打开data3-l. savf选 择菜单：“图形”，图表构建程序，弹出“图表构建程序”对话框一选择“库” 选项卡，点击“条（B）”中第二项“群集条形图”图标一把年份拖入“是否为X 轴”虚线框中作为条形图的X轴；把指标值“是否为Y轴”虚线框，作为条形 图的Y轴；把指标拖入“X轴上的分群：设置颜色”虚线框中，作

8、为复合分类变量f选择标题/脚注，点击标题1,设置标题“第一、二、三产业各年产值比较 图”一点击确定按钮。得到如图2：可以从图中得到信息：自1978年以来，这 三种产业的产值都在增加；每年第二产业的产值都是最高，第三产业次之，第 一产业的产值最少。2第一、二、三产业各年产值比较2. 2使用图形画板模板选择程序创建打开data3-l.sav选择菜单：图形，点击“图形画板模板选择程序”一在“基本”选项卡中，同时选中年份和指标值进行可视化表示，在摘要中选择“均3可视化输出图形结果3. 3使用旧对话框创建和前面两种创建图形方式相比，旧对话框方式缺少灵活性和直观性，但可 以对生成的图形进一步编辑。例3-2

9、实验步骤:打开data3-2. sav-选择“图形”, 旧对话框，线图中的多线线图一单击“定义”，在弹出的对话框中，指标值放入 “变量(V)中，“年份”放入“类别轴(X), “指标分类”放入“定义线的方 式(D)-确定，得到图4：4结果图形从图4可以得到如下信息：从1990年开始，特快专递、移动电话业务呈逐 年上升的趋势，特别是特快专递到年期间，业务增长迅猛。固定电 话业务在期间呈上升趋势，但年期间有下降趋势。3描述性统计分析描述集中趋势的统计量有均值、中位数、众数、总和、百分位数；描述离散程度的统计量有 样本方差、样本标准差、均值标准误差

10、、极差;描述总体分布形态的统计量有偏度、峰度。3.1 频率分析例4-1实验步骤：打开data4-l. sav选择菜单，“分析-描述性统计-频率 f在弹出的“频率”对话框中，把收入、教育放入“变量（V）”框中一点击统 计量，在百分位值中选择百分位数，在百分位数中添加30、60、90；集中趋势 中选择“众数”统计量，点击继续一点击图表，选中直方图，同时选中“在直 方图上显示正太曲线”，点击继续一确定得到以下图表：表3统计量众数 百分位数有效缺失. 004. 5. 00收入教育频率百分比有效 8552279.

12、9.854.66..619.339.093.7100.0表5变量..8100.0合计0.0频率分布表5变量“收入”的直方图rcci 一 一,， ， rrvr图6变量“教育”的直方表4变量“收入”的频率分布标表可以看出受访者家庭收入在“” 的人最多。从图5和图6,受访者教育程度同正态分布相比左偏，受访者家庭收 入的分布右偏，都不是明显的正态分布。4. 2描述性分析描述性分析主要是用于计算并输出变量的各类描述性统计量，和频率分析 相比，没有图形功能，也不能生成频率表，但它可以将原始数据标准化，以便 后

13、续分析时应用。例4-2实验步骤：打开data4-2. sav-依次点击分析、描述统 计、描述，打开“描述性”主对话框一把身高作为变量移入候选变量框中，在 “选项”子对话框中选择均值、标准差、最大值、最小值、峰度、偏度这几个 描述性性统计量f确定得到表6表6描述统计量N极 小 值极 大 值均值标准 差偏度峰度统统统标标计计计统计统计统计准统计准量量量量量量误量误体91318.23. 001.16.241.84.48重表6描述统计量N极 小 值极 大 值均值标准 差偏度峰度统统统标标计计计统计统计统计准统计准量量量量量量误量误体1.16.241.84.48

14、重 有 效 的 N（ 列 表 状 态）表6包括了身高的个数、极值、均值、标准差、偏度和峰度信息，输出的 统计量中，方差和标准差越小越好，说明该组数据趋于稳定。4参数估计与假设检验4.1单样本T检验单样本7检验利用来自某总体的样本数据，推断该总体的均值与指定的检 验值之间是否存在显著性差异，它是对总体均值的假设检验。例5-2的实验步骤：打开data5-l.sve-选择菜单“分析f比较均值f单样本T检验 ”,打 开“单样本？检验”对话框，将变量“weight”移入“检验变量”列表框，并 输入检验值500一打开“单样本7检验：选项”对话框，设置置信区间为95%（缺 省为95%）

双侧）均值 差值差分的95% 置信区间下限上限weig ht.00-3. 0表7给出了单样本7检验的描述性统计量，包括样本数（N）、均值、标准 差、均值的标准误。表8：当置

16、信水平为95%,显著性水平为0.05,从上表中可 以看出，双尾检测概率产值为0. 650,大于0.05,故原假设成立，也就是说， 抽样袋装食盐的质量与500克无显著性差异，有理由相信生产线工作状态正常。 4. 2独立样本T检验单样本T检验是检验样本均值和总体均值是否有显著性差异，而两独立样 本T检验的目的是利用来自某两个总体的独立样本，推断两个总体的均值是否 存在显著差异。例5-3实验步骤：打开data5-2. sav-选择菜单“选择一比较 均值一独立样本7检验”，打开“独立样本7检验”对话框，将“产量”作为 要进行7检验的变量，将“品种”字段作为分组变量，定义分组变量的两个分 组分别为“a”

17、和“b” 一打开“独立样本7检验：选项”对话框，具体选项内 容及设置与单样本T检验相同一确定得到表9和表10：表9组统计量玉米 品种N均值标准差均值的标 准误单 位品种 A881. 250 011.68积 产 量品种 B875. 750 010. 436表10独立样本检验方差 方程 的 Leven e检验均值方程的t检验FSigtdfSig

18、 准误单 位能涝 才 木 鸳品;A种81..250.604.1：一6.2 .27297根据表10 “方差方程的Levene检验”中的sig.为0.752,远大于设定的 显著性水平0.05,故本例两组数据方差相等。在方差相等的情况下，独立样本 T检验的结果应该看上表中的“假设方差相等“ 一行，第5列为相应的双尾检测 概率（Sig.（双侧）为0.332,在显著性水平为0.05的情况下，T统计量的概 率P值大于0.05,故不应拒绝零假设,，即认为两样本的均值是相等的，在本例 中，不能认为两种玉米品种的产量有显著性

19、差异。5方差分析5.1单因素方差分析单因素方差分析检验由单一因素影响的一个（或几个相互独立的）因变量, 由因素各水平分组的均值之间的差异，是否具有统计意义，或者说它们是否来 源来同一总体。例6-1实验步骤：、方差相等的齐性检验：选择菜单“分析 一均值比较一单因素AN0VA”，打开“单因素方差分析”对话框分把猪重作为因 变量，饲料品种作为控制变量一点击选项，弹出选项对话框，选择“方差同质 性检验”一确定得到表和表。多重比较分析、：单击“两两比较（H）按钮， 弹出两两比较对话框，选择LSD最小显著性差异一确定得到表表11方差齐性检验猪重Levene统计量df1df2显著性.方差

20、齐性检验的H。假设是:方差相等。从表11可看出相伴根据Sig. =0. 995 a （0. 05）说明应该接受Ho假设（即方差相等）。故下面就用方差相等的检验方 法。表12AN0VA猪重平方和df均方F显著 性组246. 233157. 467.000间组652.内总数表12是几种饲料方差分析的结果，组间平方和为2,自由度（df）

21、.05,因此 认为各组的方差具有齐性。表15是检验控制变量与协变量是否具有交互作用， 从其中可看出group与entrance的交互作用项Sig. =0. 7840. 05,因此认为它 们之间没有交互作用。可以看出入学成绩的影响是不显著的，而教学方法的影 响是显著的。6相关分析6.1两变量相关分析二元变量的相关分析是指通过计算变量间两两相关的相关系数，对两个或 两个以上变量之间两两相关的程度进行分析。例7-1实验步骤：选择菜单“分 析一相关一双变量”，打开“双变量相关”对话框一将“father”和“son”移 入变量框中，选择双侧检验，相关系数选择person一在选项对话框中选择 均值和标准差

22、、叉积偏差和协方差一确定，得到表17：表17相关性父亲身高儿子身高父亲身高Pearson相关性1.703*显著性（双侧）.011平方与叉积的和协方差儿子身高Pearson相关性显著性（双侧）平方与叉积的和协方差84. .703*.0. 33. 3. 53812*.在0.05水平（双侧）上显著相关-从表17中可看出，相关系数为0. 7030,说明呈正相关，而相伴概率值 Sig.=0. 0050. 05,因此应拒绝零假设（依:两变量之间不具相关性），即说明 儿子身高是受父亲身高显著性正影响的。6. 2偏相关分析

23、偏相关分析的任务就是在研究两个变量之间的线性相关关系时控制可能对 其产生影响的变量，这种相关系数称为偏相关系数。例7-3实验步骤：选择菜 单“分析-相关-双变量”，打开“偏相关”对话框分把“hgrow”和“temp” 作为分析变量，“rain”、“hsun”、“humi”设为控制变量f确定，得到表18：表18相关性控制变量生长 量月平 均气 温月降雨量& 月平均日照时 数&月平均 湿度生长相关性1.000.977量显著性*.000（双侧）df07月平相关性.均气温显著性.000（双侧）df70从表18可以看出，月降雨量、月平均日照时数和月平均湿度为控制变量， 生长量与月平均气温

24、关系密切，偏相关系数为0. 977,双尾检测的相伴概率为 0. 000 （表示趋近于。的正数），明显小于显著性水平0.05。故应拒绝原假设, 说明中山柏的生长量与气温间存在显著的相关性。7回归分析7.1 一元线性回归分析线性回归假设因变量与自变量之间为线性关系，用一定的线性回归模型来 拟合因变量和自变量的数据，并通过确定模型参数来得到回归方程。根据自变 量的多少，线性回归可有不同的划分。当自变量只有一个时，称为一元线性回 归，当自变量有多个时，称为多元线性回归。例8-1实验步骤：作散点图，观察两个变量的相关性：依次选择菜单“图 形一旧对话框一散点/点状f简单分布”，并将“国内生产总值”作为x轴，“财 政收入”作为y轴，得到图。选择菜单“分析一回归一线性”，打开“线性回 归”对话框，将变量“财政收入”作为因变量，“国内生产总值”作为自变量。 打开“统计量”对话框，选上“估计”和“模型拟合度单击“绘制（T）” 按钮，打开“线性回归：图”对话框，选用DEPENDENT作为y轴，*ZPRED为x轴作

　　我国在规划中明确地提出，到末全国单位gdp综合能耗下降20%，这是一个政治任务，也是一个约束性指标，能源统计工作的重要性开始显现。同时，经济社会的日益向前发展，也急需加强能源统计工作。作为一名与能源统计渊源较深的统计人，深感能源统计工作之重要。现结合县级实际，从一个能源统计业务人员角度，谈谈当前能源统计工作现状及存在的问题，并对改进县级能源统计工作提出几点建议，以求抛砖引玉。

　　一、能源统计历程及现状

　　1、能源统计工作历程

　　我国的能源统计工作大体经历了三个阶段。

　　（1）80年代至90年代初：80年代初期，在当时计划经济体制下，国家统计指标体系中设置了能源统计指标，并建立了能源统计机构，隶属于物资统计。至90年代初期，初步形成了相对完善的统计机构和统计指标体系。

　　（2）90年代中期：随着我国能源供应形势的逐步好转和几次大的统计制度改革与调整，相继撤销了能源统计机构，能源统计作为工业统计的一部分，归属于工业统计管理。

　　（3）XX年以来：随着我国经济的快速增长，对能源统计逐步进行了恢复性的调整、完善和加强。党的xx届五中全会明确提出把节约能源作为基本国策，要求到XX年，单位gdp能耗比“十五”期末降低20%左右，能源统计工作的重要性开始显现。特别是XX年以来，在省辖市以上统计部门逐渐建立了专门的能源统计机构，配备了专业统计人员，县以下能源专业统计机构也正在逐步建立。

　　2、现行能源统计报表制度

　　现行能源统计报表制度是在工业能源统计制度基础上逐步建立起来的。目前，县级统计部门只负责规模以上工业企业的能源统计工作，统计范围仅包括规模以上工业企业、有能源加工转换活动的规模以上工业企业、规模以上年综合能源消费量1万吨标准煤及以上的工业企业等。统计内容为能源产品的生产、购进、消费和库存等情况；设置的报表周期为年报和季报，主要表种有：工业企业能源购进、消费和库存表、工业企业能源购进、消费和库存附表、主要能耗工业企业单位产品能源消耗情况表和工业企业水消费表。

　　除工业以外的其他产业，如：第一产业和第三产业还没有完整的能源统计报表制度，只能根据有关部门的数据进行推算和估算。第二产业中的规模以下工业企业也还没有建立能源统计制度，有关能源资料是根据经济普查或其他方面的资料进行推算的。

　　二、县级能源统计存在的问题

　　1、政府重视不够，机构设置不到位

　　节约能源，提高能源利用效率是一项庞大的系统工程，需要全社会的共同参与。同样，能源统计工作也不是哪一个部门可以独立完成的，需要全社会的通力配合。然而现在的状况基本是国家、省、市高度重视，到县级则变为任务的简单分解，没能从思想根源上重视起来，没有形成全社会同心协力、力促节能降耗的氛围。尤其是对欠发达地区，往往还在考核工业用电量指标，无疑就造成了各级政府对节能减排、能源统计工作的忽视。“节能降耗”的重大责任，最后简单地落到了专业人员身上。可现有的能源机构设置已不能满足节能减排工作的要求。

　　当前，县级统计部门承担着较为繁重的统计任务，除了常规统计任务外，又增加了全面小康监测、服务业、能源等统计任务，统计部门的力量与任务不相适应的矛盾越来越突出。特别是县级及县以下统计部门，基本没有能源统计职能科室，大多没有专职的能源统计人员，能源统计力量极为薄弱，矛盾更加突出。本人所在的县统计局已多次向县政府的编制部门打报告，要求增设能源统计科，增加能源统计编制，可在短时间内依然未获批复。

　　2、县级能源统计方法制度未建立或不健全

　　当前，县级统计部门对能源统计工作未能建立全面的统计报表制度，仅有规模以上工业报送季度报表，一产、三产、规模以下工业单位均没有报表制度，尤其是对煤、电、油的生产和运输企业未能建立健全报表制度，无法掌握全县的煤电油运等全面情况。仅靠编制能源平衡表来编报数据，其数据来源，除了规模以上工业能提供一套基层数据外，其他数据都是推算、估算、测算数据，可靠性得不到保证。目前，县级能源平衡表编制工作由于部门能源统计资料难以收集等因素而未能达到预期效果，全社会能源平衡表的数据质量还有待进一步提高。

　　3、能源统计的“双基”工作薄弱

　　一是企业基础资料不够健全。调查发现，大多规模以上工业企业还能提供一些较为完整的能源资料，但一产、三产、建筑业等其他行业的能源统计基础工作尤为薄弱，几乎没有能源方面的统计资料。如石油、煤炭等经销部门和商业企业，经过改革、改组、转制后，规范完整的统计机构已被削减，能源消耗统计几近瘫痪。二是能源管理不严，管理渠道多头。在一些能源消费相对较少的企业，如电力消费由财务部门管理，油料消耗由运输部门管理，其他能源品种具体由相关的使用部门管理，整个企业没有完整的能源消耗数据，统计人员只在填报能源年报或能源季报时搜集指标数据，不能为企业的生产经营提供单位产值能耗和单位产品产量能耗等参考资料。三是能源统计人员不固定、不专业。目前普遍存在基层单位能源统计人员不固定、不专业的情况，操作技能比较欠缺，还有其他部门人员兼职的现象，“双基”工作亟待加强。力量配备与工作任务明显不协调，使能源统计工作无力深入开展。四是基层单位工作量大，资料精度不高。能源消耗统计的基础在企业，企业工作人员少，工作量大，不能专心从事某一项工作，对于各种报表也是疲于应付，加之对能源统计的重视程度不高，缺少专门的能源统计核算机构，能源消耗资料采集困难，统计数据填写随意性大，精度不高。

　　4、能源统计人员业务水平不高，素质不强

　　当前，县级统计部门及基层企业大多没有专职能源机构和统计人员，且企业统计人员流动性大，专业人才更是少之又少；同时，在现有能源消耗统计人员中，大都为“半路出家”，专业素质参差不齐，业务水平极需加强。加之上级业务部门在能源统计知识及业务上培训较少，兼职的统计人员平时工作又较为繁忙，以致对能源统计知识不熟悉、不全面，在报表中出现差错。这将严重影响能源统计工作的开展和能源统计数据质量的提高。

　　1、充实能源统计力量，加强能源队伍建设

　　县政府及相关部门要高度重视，给予支持，充实和强化能源统计队伍建设，要给机构、给编制、给人员。要加大节约能源的宣传力度，积极组建专业化的能源消耗统计机构和网络。健全部门能源统计制度，疏通能源统计渠道，发改、经贸、交通、建设、电力、石油、统计等部门要同心同德，密切配合，配备业务精湛的专职统计人员，各尽其职，切实做好能源生产、消费、流转、销售等多环节的统计工作。基层能耗单位是能源数据的源头，是实施gdp能耗公报制度的基础和关键环节，各能耗单位要有专门人员负责能源统计工作，为圆满完成能源统计工作打好坚实的基础。以适应日益繁重的能源统计工作。

　　2、完善能源统计方法，构建能源统计体系

　　建立全社会能源消耗统计体系是获得全社会能源消耗量和三次产业以及国民经济主要大类行业能源消耗量的基础，是编制地区能源平衡表的先决条件，是掌握地区能源降耗指标的关键。一要完善能源统计报表制度，建立符合本地情况的数据采集体系。在现有面向规模以上工业企业统计的基础上，将能源统计范围扩大到全社会，加大对一产、建筑业和三产的能耗统计，采用全面调查、抽样调查、重点调查、典型调查等多种统计方法分类调查，科学搜集有效的能耗资料。二要逐步建立部门能源统计制度，以重点部门统计为骨干，将部门统计延伸至相关企业。交通运输仓储邮政业、建筑业、批零贸易业、住宿餐饮业和社会服务业在能耗普查的基础上，采取抽样调查和典型调查相结合的方式进行。三要在条件成熟的基础上，建立能源数据质量评估体系，总体把握能源统计数据质量。

　　3、规范能源统计基础，破解能源“弱基”难题

　　政府统计是“节能降耗”目标实现的统计者和检验者，企业是节能降耗的主体，也是能否完成目标的关键。一要成立县级统计部门能源统计机构并配备专职的统计人员，增强能源统计工作力量。二要规范企业原始资料，统一台账格式，严格上报制度，力争数出有据，来源可靠。三要落实企业能源统计机构和人员。企业要安排专人负责能源统计工作，按时上报各种各类能源调查表，确保企业的能耗数据有据可查。

　　4、强化能源业务培训，提高能源统计水平

　　能源统计是一项专业性很强的工作，从事能源统计工作的人员，既要有专业的统计知识，也要有能源消耗与计量等方面的相关知识。市场经济下能源的生产、销售、消费、流转等环节非常复杂，要及时、详尽地反映能源利用状况必须加强对能源统计人员的业务培训，只有不断提高能源统计人员业务水平，才能满足对能源统计工作新要求。目前，县级及县以下企业统计人员业务素质都较低，水平急需提高。要通过培训学习、交流经验、参观学习等多种形式，提高统计人员的责任心和业务水平。同时要培训计算机网络知识，配备先进的统计设备。只有不断提高能源统计人员业务水平，熟练掌握核算方法，并结合实际创造性地开展工作，才能有效保证能源核算数据质量。

　　（一）结论与建议摘要（不需要图表，只是文叙述）

　　（2）企业规模结构

　　（3）样本地域或城市分布结构

　　注意：该条目需要针对被调研对象的基本统计资料进行简单分析获取，既有图又有表，只是不需要进行分析即可。

　　（三）主要发现与结论

　　1.可以分章节阐述如第一章、第二章等；

　　2.每章的结构为：

　　（1）名词（解释）：只是问卷中涉及到不容易理解或有必要进行解析的名次或术语时才可以设置该部分

　　（2）针对问卷问题进行的分析

　　（3）结论分析和阐述

　　3.根据主体问卷的问题设计，分类别描述，如被调研企业的物流设施拥有情况、被调研对象物流服务情况等

　　4.一般以表或图或表加图加以引导，通过必要的、简洁的分析阐明你的主要发现是什么

　　5.注意：一定要尊重数据和事实，不用修饰词和进行臆想式的描述和引申发挥

　　1.不完善问卷进行再次调研，落实空项。问卷第一轮回收后要分组按照统一的规则进行认真排查，分拣有效问卷、基本有效问卷和无效问卷，对于无效问卷应该予以剔除，但要做好登记工作，对于基本有效问卷则要分析缺项或不规范的地方进行二次调研或数据确认，二次调研一般可以采用电话调研的方式进行；

　　2.有的要对已经确定的有效问卷进行编号入档

　　即按照一定的规则把每一份问卷都装入一个独立的档案袋里，并在每个档案袋的封面上写上编号。编号规则根据需要，如样本地区（a-z）、样本业务类型（1、2、3、4、----）、样本所有制性质（甲乙丙丁）、样本规模（abcdefg）等表示。（注意要分别界定不同母符号的具体含义）（号码：f3丙g）

　　二、将所用样本数据登记到excel表格中

　　要求队员分组，每组两名，一唱、一录，还要有抽检和复核。

　　3.选项是指问卷中所有问题项目以及每个问题下的每个选项，样本是所有被调研的企业名称

　　单选问题最好把问卷中的（1）（2）（3）（4）等换成1、2、3、4等；多选问题也分别把选项填入表格中即可；开放性问题精炼样本内容填写.

　　当有数据录入软件系统时，可以采用正式的编码方式

　　即问卷设计时就将调查表中的文信息转化成计算机可以识别的数符号，也就是给每个问题答案分配一个代号，通常是一个数，并将其对应值印在问卷上，一般放在最右边或放在某处的括号里等，如：

　　对于封闭性问题的“其他”选项和开放性问题的各种不同答案事先一般无法预测被调查对象会选择什么，则一般采用后编码方式。

　　编码还可以通过通用软件进行查错和纠错。如：

　　性别答案为男=1，女=2，如果答案中出现3、4等编码就是错误；还有可以进行逻辑检查，如年龄1-13岁=1，14-25=2，26-40=3，婚姻情况已婚=1，未婚=2，假如年龄选择编码是1，而婚姻选择是1则就是逻辑错误。

　　5.本部分也可以用手工登录（用一张大纸制作成表格，认真登录，但当数据量非常大、人手有限时就比较困难了）

　　三、基本数据分析类型

　　用来描述样本数据矩阵，揭示典型的被访问者回答的一般意义和实际。一般方法是均值、众数、频数和频率分布、标准差或极差等。

　　在样本数据的基础上推导出关于母体总体特征的结论和一般意义。方法一般是估计总体值。

　　研究两组数据是否存在差异，如企业规模对于物流设施拥有水平的差异，如估计一个样本中两组均值的差异。一般运用t检验法和方差分析法。

　　审视两个变量间是否有相关或怎样相关的，如物流企业拥有设施的水平与服务质量有关系吗。一般方法是相关性和交叉法。

　　对未来市场走向给出模型或趋势界定。

　　（一）先统计分析样本结构情况（什么是样本结构？样本结构一般通用指标是什么？）

　　1.描述性分析技巧

　　（1）频数分布与统计图表

　　第一：简单结构：频数与百分率 企业所有制性质

　　频率、比重、累计比重

　　名词（解析或说明）

　　关于本问题的基本内容

　　附：关于本问题的基本内容