商務(wù)數(shù)據(jù)分析的方法

本章提綱

統(tǒng)計分析3.1

商務(wù)數(shù)據(jù)分析的其他方法3.4

相關(guān)分析與回歸分析3.2

時間序列分析3.3學(xué)習(xí)目標(biāo)1.了解靜態(tài)指標(biāo)和動態(tài)指標(biāo)的含義2.掌握相關(guān)分析的計算過程3.重點(diǎn)掌握一元線性回歸的計算過程4.了解多元線性規(guī)劃和非線性回歸的計算過程5.重點(diǎn)掌握時間序列預(yù)測模型6.熟悉聚類、關(guān)聯(lián)規(guī)則、分類等數(shù)據(jù)分析方法重點(diǎn)難點(diǎn)知識章節(jié)重點(diǎn)1.熟悉各類統(tǒng)計分析的指標(biāo)和指數(shù)的計算過程2.掌握相關(guān)分析、回歸分析、時間序列分析等重點(diǎn)方法章節(jié)難點(diǎn)1.計算相關(guān)系數(shù)2.計算線性回歸模型的參數(shù)并建立回歸模型3.應(yīng)用時間序列模型進(jìn)行移動平均和指數(shù)平滑處理4.應(yīng)用聚類方法、關(guān)聯(lián)規(guī)則、分類方法等數(shù)據(jù)分析方法本章思維導(dǎo)圖知識導(dǎo)入電商平臺商品個性化推薦京東的商品個性化推薦起步于2012年，當(dāng)時的推薦產(chǎn)品是基于規(guī)則匹配做的。隨著業(yè)務(wù)的快速發(fā)展以及移動互聯(lián)網(wǎng)的到來，基于大數(shù)據(jù)分析對個性化推薦的業(yè)務(wù)需求愈發(fā)強(qiáng)烈。為此，京東團(tuán)隊于2015年再次升級推薦系統(tǒng)。2016年“6·18”期間，商品個性化推薦大放異彩，特別是團(tuán)隊開創(chuàng)的“智能賣場”，實現(xiàn)了活動會場的個性化推薦，大大提高了流量效率和用戶體驗，從而達(dá)到商家和用戶雙贏?？梢?，在電商網(wǎng)站進(jìn)行商品推薦，可以提高整個網(wǎng)站商品銷售的有效轉(zhuǎn)化率，增加商品銷量。通過用戶已經(jīng)瀏覽、收藏、購買的記錄，更精準(zhǔn)的理解用戶需求，對用戶進(jìn)行聚類、打標(biāo)簽，推薦用戶感興趣的商品，幫助用戶快速找到需要的商品，適時放大需求，售賣更加多樣化的商品。推薦系統(tǒng)一直在迭代優(yōu)化升級，未來將朝著“滿屏皆智能推薦”的方向發(fā)展。如何從海量的數(shù)據(jù)中找到有用的數(shù)據(jù)并對獲取的數(shù)據(jù)進(jìn)行有效分析呢？本章將介紹商務(wù)數(shù)據(jù)的分析方法。3.1統(tǒng)計分析3.1.1靜態(tài)分析指標(biāo)3.1.2動態(tài)分析指標(biāo)3.1.3統(tǒng)計指數(shù)3.1.4抽樣推斷3.1.1靜態(tài)分析指標(biāo)

數(shù)據(jù)分析必須借助各種指標(biāo)來實現(xiàn)，其中靜態(tài)分析指標(biāo)是用來說明社會經(jīng)濟(jì)現(xiàn)象數(shù)量特征的。由于社會經(jīng)濟(jì)現(xiàn)象及其發(fā)展過程的復(fù)雜性，靜態(tài)分析指標(biāo)呈現(xiàn)多樣性，可以將其歸納為4類，即總量指標(biāo)、相對指標(biāo)、平均指標(biāo)和變異指標(biāo)。3.1.1靜態(tài)分析指標(biāo)1.總量指標(biāo)

總量指標(biāo)是反映社會經(jīng)濟(jì)現(xiàn)象在一定時間、地點(diǎn)和條件下的總體規(guī)?；蛩降慕y(tǒng)計指標(biāo)。它的表現(xiàn)形式為絕對數(shù)，故又稱為統(tǒng)計絕對數(shù)?？偭恐笜?biāo)是對社會經(jīng)濟(jì)現(xiàn)象總體認(rèn)識的起點(diǎn)，是制定政策和計劃、實行科學(xué)管理的重要依據(jù)，是計算相對指標(biāo)和平均指標(biāo)的基礎(chǔ)。

局限性：只能反映現(xiàn)象在具體時間、地點(diǎn)、條件下的總規(guī)模、總水平，不能反映現(xiàn)象間的對比關(guān)系、現(xiàn)象的內(nèi)部結(jié)構(gòu)、現(xiàn)象的計劃完成情況，也不能反映現(xiàn)象的動態(tài)變動方向和變動程度等問題。3.1.1靜態(tài)分析指標(biāo)2.相對指標(biāo)

兩個有聯(lián)系的統(tǒng)計指標(biāo)的比率稱為相對指標(biāo)。與總量指標(biāo)伴隨有量綱單位不同，相對指標(biāo)在絕大多數(shù)情況下采用無名數(shù)標(biāo)識。無名數(shù)是一種抽象化的數(shù)值，多用倍數(shù)、系數(shù)、成數(shù)、百分?jǐn)?shù)等表示。

相對指標(biāo)能夠反映現(xiàn)象的發(fā)展速度、結(jié)構(gòu)、強(qiáng)度、普遍程度或比例關(guān)系。利用相對指標(biāo)可以使一些不能直接對比的指標(biāo)找到共同的比較基礎(chǔ)。3.1.1靜態(tài)分析指標(biāo)3.平均指標(biāo)（1）平均指標(biāo)的基礎(chǔ)知識

平均指標(biāo)是同類社會經(jīng)濟(jì)現(xiàn)象總體內(nèi)各單位某一數(shù)量標(biāo)志在一定時間、地點(diǎn)和條件下數(shù)量差異抽象化的代表性水平指標(biāo)，其數(shù)值表現(xiàn)為平均數(shù)。平均指標(biāo)可以反映現(xiàn)象總體的綜合特征，也可以反映各變量值分布的集中趨勢。平均指標(biāo)常用來進(jìn)行同類現(xiàn)象在不同空間、不同時間條件下的對比分析，從而反映現(xiàn)象在不同地區(qū)的差異，揭示現(xiàn)象在不同時間的發(fā)展趨勢。平均指標(biāo)按計算和確定的方法不同，分為算術(shù)平均數(shù)、調(diào)和平均數(shù)、眾數(shù)和中位數(shù)等。3.1.1靜態(tài)分析指標(biāo)（2）算數(shù)平均數(shù)、調(diào)和平均數(shù)、眾數(shù)和中位數(shù)的應(yīng)用例：某網(wǎng)店的11名員工，2021年1月的工資收入與當(dāng)月交易量如表3.1所示。3.1.1靜態(tài)分析指標(biāo)（2）算數(shù)平均數(shù)、調(diào)和平均數(shù)、眾數(shù)和中位數(shù)的應(yīng)用①算術(shù)平均數(shù)。例如，計算本月全部員工的月平均工資，11名員工的月工資總額為55200元，則月平均工資為5018元（55200/11）。②調(diào)和平均數(shù)。例如，計算編號為101-105號員工的本月平均交易量，公式為5/(1/50+1/32+1/46+1/48+1/36)=41.1，即這5名員工本月平均交易量為41.1單。③眾數(shù)。例如，計算該網(wǎng)店員工年齡的一般水平。經(jīng)過匯總可知，該網(wǎng)店11名員工中，22、24、28、30、35歲各1名，23歲2名，25歲4名，因此，25是該網(wǎng)店員工年齡的眾數(shù)。④中位數(shù)。例如，計算該網(wǎng)店員工年齡的中位數(shù)。首先將年齡數(shù)據(jù)從小到大排列，由于該組數(shù)據(jù)由11個數(shù)據(jù)組成，因此選擇排在第6位的員工年齡25作為中位數(shù)。若刪除101員工的年齡數(shù)據(jù)，使得年齡數(shù)據(jù)為10個數(shù)據(jù)組成，則中位數(shù)為排在第5和第6位的數(shù)據(jù)加和求平均(25+25)/2=25。3.1.1靜態(tài)分析指標(biāo)

4.變異指標(biāo)

變異指標(biāo)是綜合反映總體各單位標(biāo)志值變異程度的指標(biāo)。它顯示總體中變量數(shù)值分布的離散趨勢，是說明總體特征的另一個重要指標(biāo)，與平均數(shù)相輔相成。變異指標(biāo)包括極差、四分位差、平均差、標(biāo)準(zhǔn)差、方差等。

3.1.1靜態(tài)分析指標(biāo)

4.變異指標(biāo)

下面將對這些變異指標(biāo)進(jìn)行具體應(yīng)用，仍采用如表3.1所示的數(shù)據(jù)分析該網(wǎng)店員工的變異指標(biāo)。①極差（R）也稱為全距，是指總體各單位的兩個極端標(biāo)志值之差，上表中某旗艦店工資極差R=最大工資–最小工資=5500–4600=900（元）。②四分位差，它是上四分位數(shù)（Q3，即位于75%）與下四分位數(shù)（Q1，即位于25%）的差。計算公式為：Q=Q3-Q1。例如，上表中員工年齡分別為23,25,25,24,23,22,28,30,35,25,25，求其年齡的四分位差。將數(shù)據(jù)按從小到大的形式排列好，可算出Q1的位置為3，Q3的位置為9，可得Q=Q3-Q1=28-23=5，說明該團(tuán)隊中有50%的人年齡集中在23~28歲之間，最大差異為5歲。③平均差，是一種平均離差，是總體所有單位與其算術(shù)平均數(shù)的離差絕對值的算術(shù)平均數(shù)。如上表中員工年齡序列為23,25,25,24,23,22,28,30,35,25,25。其平均差為：∑|組內(nèi)每個數(shù)-該組數(shù)的算術(shù)平均數(shù)|/該組數(shù)的個數(shù)=30.5/11=2.77。

④標(biāo)準(zhǔn)差和方差，方差是各個數(shù)據(jù)與其算術(shù)平均值的離差二次方的平均值，通常以σ2表示，標(biāo)準(zhǔn)差又稱均方差，一般用σ表示。方差和標(biāo)準(zhǔn)差的計算也分為簡單平均法和加權(quán)平均法。如上表中員工年齡序列為23,25,25,24,23,22,28,30,35,25,25，求其方差和標(biāo)準(zhǔn)差，其方差=∑（組內(nèi)每個數(shù)–平均值）的平方/該組數(shù)的個數(shù)=12.99，其標(biāo)準(zhǔn)差為方差的開方=3.60。3.1.2動態(tài)分析指標(biāo)1.動態(tài)數(shù)列

動態(tài)數(shù)列是指將同類指標(biāo)在不同時間上的數(shù)值按時間的先后順序排列起來形成的統(tǒng)計數(shù)列，又稱時間數(shù)列，是一種常見的經(jīng)濟(jì)數(shù)據(jù)表現(xiàn)形式。

動態(tài)數(shù)列反映了現(xiàn)象發(fā)展變化的過程和結(jié)果，可以描述事物在過去時間的狀態(tài)，分析事物發(fā)展變化的規(guī)律性，以及根據(jù)事物的過去研究預(yù)測它們的將來。

時間數(shù)列形式上包括兩部分：一是被研究現(xiàn)象所屬的時間，可以是年份、季度、月份或其他任何時間形式；二是與現(xiàn)象所屬時間相對應(yīng)的指標(biāo)數(shù)值，可以是總量指標(biāo)、相對指標(biāo)和平均指標(biāo)。

3.1.2動態(tài)分析指標(biāo)2.動態(tài)數(shù)列分類

（1）絕對數(shù)動態(tài)數(shù)列把一系列同類的總量指標(biāo)按時間先后順序排列而形成的動態(tài)數(shù)列，稱為絕對數(shù)動態(tài)數(shù)列。按照絕對數(shù)所反映的社會經(jīng)濟(jì)現(xiàn)象的不同性質(zhì)，絕對數(shù)動態(tài)數(shù)列又可分為時期數(shù)列和時點(diǎn)數(shù)列兩種。時期數(shù)列是反映一段時間內(nèi)發(fā)展過程總量的絕對數(shù)數(shù)列；時點(diǎn)數(shù)列是反映一定時刻（瞬間）上的狀態(tài)總量的絕對數(shù)動態(tài)數(shù)列。例如，表3.2中所列某實體店2021年3月1日到3月5日的客戶到店人數(shù)就是時期數(shù)列；而相對應(yīng)，實體店每天早上開門營業(yè)時到店人數(shù)就是時點(diǎn)數(shù)列。

3.1.2動態(tài)分析指標(biāo)2.動態(tài)數(shù)列分類（2）相對數(shù)動態(tài)數(shù)列把一系列同類的相對指標(biāo)數(shù)值按時間先后順序排列而形成的動態(tài)數(shù)列，稱為相對數(shù)動態(tài)數(shù)列。它可以用來說明社會現(xiàn)象間相互聯(lián)系的發(fā)展變化情況。例如，表3.2中的支付轉(zhuǎn)化率就是相對數(shù)動態(tài)數(shù)列。（3）平均數(shù)動態(tài)數(shù)列把一系列同類的平均指標(biāo)數(shù)值按時間先后順序排列而形成的動態(tài)數(shù)列，稱為平均數(shù)動態(tài)數(shù)列。它可以用來說明社會現(xiàn)象在不同時期一般水平的發(fā)展變化情況。例如，表3.2中的平均客單價就是平均數(shù)動態(tài)數(shù)列。3.1.3統(tǒng)計指數(shù)統(tǒng)計指數(shù)分析法是經(jīng)濟(jì)分析中廣泛應(yīng)用的一種方法，是在統(tǒng)計物價水平的變動中產(chǎn)生和發(fā)展起來的，最早可追溯到1650年英國人沃漢（R.Voughan）所編制的物價指數(shù)。物價指數(shù)（Priceindex）最初只是反映一種商品價格的變動，即用現(xiàn)行價格與過去價格對比來反映價格的變動情況，后來過渡到綜合反映多種商品價格的變動情況。3.1.3統(tǒng)計指數(shù)統(tǒng)計指數(shù)按照不同的研究目的和要求，可以作如下分類：1.個體指數(shù)和總指數(shù)統(tǒng)計指數(shù)按所研究對象的范圍不同，可分為個體指數(shù)和總指數(shù)。2.數(shù)量指標(biāo)指數(shù)和質(zhì)量指標(biāo)指數(shù)統(tǒng)計指數(shù)按所表示的特征不同，可以分為數(shù)量指標(biāo)指數(shù)和質(zhì)量指標(biāo)指數(shù)3.動態(tài)指數(shù)和靜態(tài)指數(shù)統(tǒng)計指數(shù)按其本來的含義，都是指動態(tài)指數(shù)。但在實際運(yùn)用過程中，含義漸漸推廣到了靜態(tài)事物和空間對比，因而產(chǎn)生了靜態(tài)指數(shù)。所謂靜態(tài)指數(shù)是指在同一時間條件下不同單位，不同地區(qū)間同一事物數(shù)量進(jìn)行對比所形成的指數(shù)；或同一單位，同一地區(qū)計劃指標(biāo)與實際指標(biāo)進(jìn)行對比所形成的指數(shù)。3.1.3統(tǒng)計指數(shù)4.定基指數(shù)和環(huán)比指數(shù)統(tǒng)計指數(shù)按在指數(shù)數(shù)列中所采用的基期不同，可以分為定基指數(shù)和環(huán)比指數(shù)。5.綜合指數(shù)和平均指數(shù)按研究方法不同，指數(shù)可分為綜合指數(shù)和平均指數(shù)。3.1.4抽樣推斷抽樣推斷是在根據(jù)隨機(jī)原則從總體中抽取部分實際數(shù)據(jù)的基礎(chǔ)上，運(yùn)用數(shù)理統(tǒng)計方法，對總體某一現(xiàn)象的數(shù)量性做出具有一定可靠程度的估計判斷。統(tǒng)計分析的主要任務(wù)就是要反映現(xiàn)象總體的數(shù)量特征。在很多情況下，只需抽取總體的一部分單位作為樣本，通過分析樣本的實際資料，來估計和推斷總體的數(shù)量特征，以達(dá)到對現(xiàn)象總體的認(rèn)識。3.1.4抽樣推斷1.抽樣推斷的作用(1)在無法進(jìn)行全面調(diào)查或進(jìn)行全面調(diào)查有困難時，可以用抽樣調(diào)查來推斷總體；(2)采用抽樣調(diào)查可以節(jié)省費(fèi)用和時間，提高調(diào)查的時效性和經(jīng)濟(jì)效果；(3)可用來對全面資料的檢驗和修正；(4)可以用于工業(yè)生產(chǎn)過程的質(zhì)量控制；(5)可以對某種總體的假設(shè)進(jìn)行檢驗來判斷這種假設(shè)是否正確，以決定行動的取舍。3.1.4抽樣推斷2.抽樣推斷的基本概念（1）全及總體和樣本總體

全及總體是研究對象，而樣本總體則是觀察對象，兩者是有區(qū)別而又有聯(lián)系的不同范疇。（2）總體參數(shù)和樣本統(tǒng)計量

總體參數(shù)又稱為全及指標(biāo)，根據(jù)總體各個單位的標(biāo)志值或標(biāo)志屬性計算，反映總體某種屬性或特征的綜合指標(biāo)。

樣本統(tǒng)計量又稱樣本指標(biāo)，由樣本各單位標(biāo)志值計算出來反映樣本特征，用來估計全及指標(biāo)的綜合指標(biāo)（或抽樣指標(biāo)）。3.1.4抽樣推斷2.抽樣推斷的基本概念（3）樣本容量和樣本個數(shù)

樣本容量是指一個樣本所包含的單位數(shù)。

樣本個數(shù)又稱樣本可能數(shù)目，指從一個總體中可能抽取的樣本個數(shù)。（4）重復(fù)抽樣和不重復(fù)抽樣

重復(fù)抽樣是從總體單位中抽取一個單位進(jìn)行觀察、紀(jì)錄后，再放回總體中，然后再抽取下一個單位，這樣連續(xù)抽取樣本的方法。

不重復(fù)抽樣是從總體單位中抽取一個單位進(jìn)行觀察、紀(jì)錄后，不放回總體中，在余下的總體中抽取下一個單位，這樣連續(xù)抽取樣本的方法。3.1.4抽樣推斷3.抽樣推斷在商務(wù)數(shù)據(jù)分析中的應(yīng)用實例假設(shè)某實體店有4名銷售人員，每人的日銷售量分別為40、50、60、90件。先隨機(jī)抽取2人，分別采用重復(fù)抽樣和不重復(fù)抽樣的方式，計算樣本統(tǒng)計量。如表3.3所示，首先根據(jù)重復(fù)抽樣和不重復(fù)抽樣形成樣本。重復(fù)抽樣條件下，樣本平均數(shù)960/16=60件，樣本平均誤差(2800/16)1/2=13.22件。不重復(fù)抽樣條件下，樣本平均數(shù)720/12=60件，樣本平均誤差(1400/12)1/2=10.80件。3.2相關(guān)分析與回歸分析3.2.1相關(guān)分析

3.2.2回歸分析3.2.3相關(guān)分析與回歸分析的應(yīng)用3.2.1相關(guān)分析1.相關(guān)關(guān)系的概念相關(guān)關(guān)系是指變量之間存在密切的聯(lián)系，但又不是嚴(yán)格的確定的關(guān)系，即當(dāng)一個變量發(fā)生變化時，另外的變量也發(fā)生變化。但其變化值是不確定的，往往會出現(xiàn)幾個不同的數(shù)值與之對應(yīng)。也就是說，因變量的值不能由一個或幾個自變量的值唯一確定。例如，商品的需求量和商品的價格之間存在著非常密切的關(guān)系。對一般的商品而言，如果商品的價格提高了，那么商品的需求量就會下降；如果商品的價格下降了，那么商品的需求量就會提高；但是商品需求量的變化值是不確定的。因為商品的需求量不僅受價格因素的影響，還受消費(fèi)者收入、其他相關(guān)商品價格、消費(fèi)者對未來的預(yù)期及其他一些不可控因素的影響。在統(tǒng)計學(xué)上，把這種現(xiàn)象之間存在的相互依存，又不是嚴(yán)格確定的關(guān)系稱為相關(guān)關(guān)系。3.2.1相關(guān)分析2.相關(guān)關(guān)系的種類1）按相關(guān)的強(qiáng)度分類（1）完全相關(guān)。一個變量的變化趨勢完全由另一個變量所確定，則稱這兩個變量的關(guān)系為完全相關(guān)。（2）不完全相關(guān)。兩個變量之間的關(guān)系介于不相關(guān)和完全相關(guān)之間。（3）不相關(guān)。兩個變量之間的變化互相獨(dú)立，沒有關(guān)系。2）按相關(guān)的方向分類（1）正相關(guān)。兩個變量的變化趨勢相同，從散點(diǎn)圖可以看出各點(diǎn)散布的位置是從左下角到右上角的區(qū)域，即一個變量的值由小變大時，另一個變量的值也由小變大。（2）負(fù)相關(guān)。兩個變量的變化趨勢相反，從散點(diǎn)圖可以看出各點(diǎn)散布的位置是從左上角到右下角的區(qū)域，即一個變量的值由小變大時，另一個變量的值由大變小。3）按相關(guān)的形態(tài)分類（1）線性相關(guān)（直線相關(guān)）。具有相關(guān)關(guān)系的兩個變量，當(dāng)其中一個變量變動時，另一個變量也相應(yīng)地發(fā)生均等的變動。（2）非線性相關(guān)（曲線相關(guān)）。具有相關(guān)關(guān)系的兩個變量，當(dāng)其中一個變量變動時，另一個變量也相應(yīng)地發(fā)生不均等的變動。3.2.1相關(guān)分析4）按相關(guān)的變量數(shù)量分類（1）單相關(guān)。只反映一個自變量和一個因變量的相關(guān)關(guān)系。（2）復(fù)相關(guān)。反映兩個及兩個以上的自變量同一個因變量的相關(guān)關(guān)系。變量x和變量y的正相關(guān)、負(fù)相關(guān)、非線性相關(guān)和不相關(guān)關(guān)系，如圖所示。3.2.1相關(guān)分析3.相關(guān)系數(shù)相關(guān)系數(shù)（CorrelationCoefficient）是描述變量x與y之間線性關(guān)系密切程度的一個數(shù)量指標(biāo)，用R表示：

（3.1）

式中，R=1表示完全正線性相關(guān)，R=-1表示完全負(fù)線性相關(guān)，R=0表示不相關(guān)。查相關(guān)系數(shù)臨界值表，如果R>Rα(n2)，則線性相關(guān)關(guān)系顯著，通過檢驗，可以進(jìn)行預(yù)測；反之，則沒有通過檢驗。根據(jù)經(jīng)驗判斷，0.3≤|R|<0.5表示低度線性相關(guān)，0.5≤|R|<0.8表示中度線性相關(guān)或顯著相關(guān)，|R|≥0.8表示高度線性相關(guān)。3.2.2回歸分析回歸分析是指通過一個變量或一些變量的變化解釋另一變量的變化。按照自變量的個數(shù)劃分為一元回歸和多元回歸；按照回歸曲線的形態(tài)劃分，有線性（直線）回歸和非線性（曲線）回歸。實際分析時應(yīng)根據(jù)客觀現(xiàn)象的性質(zhì)、特點(diǎn)、研究目的和任務(wù)選取回歸分析的方法?；貧w分析的主要內(nèi)容和步驟如下：首先，依據(jù)經(jīng)濟(jì)學(xué)理論并且通過對問題的分析判斷，將變量分為自變量和因變量。一般情況下，自變量表示原因，因變量表示結(jié)果；其次，設(shè)法找出合適的數(shù)學(xué)方程式（回歸模型）描述變量間的關(guān)系；再次，估計模型的參數(shù)，得出樣本回歸方程。由于涉及的變量具有不確定性，接著還要對回歸模型進(jìn)行統(tǒng)計檢驗，計量經(jīng)濟(jì)學(xué)檢驗、預(yù)測檢驗；最后，當(dāng)所有檢驗都通過后即可應(yīng)用回歸模型。3.2.2回歸分析1.一元回歸分析一元線性回歸分析是處理兩個變量x（自變量）和y（因變量）之間關(guān)系的最簡單模型，研究是這兩個變量之間的線性相關(guān)關(guān)系。

（3.2）

式（3.2）稱為一元線性回歸模型(OneVariableLinearRegressionModel)，其中：u是一個隨機(jī)變量稱為隨機(jī)項；可通過最小二乘法求得a,b兩個常數(shù)，稱為回歸系數(shù)（參數(shù)）；i表示變量的第i個觀察值，共有n組樣本觀察值。3.2.2回歸分析2.多元回歸分析對多元線性回歸模型（MultivariateLinearRegressionModel）的基本假設(shè)是在對一元線性回歸模型的基本假設(shè)基礎(chǔ)之上，還要求所有自變量彼此線性無關(guān)，這樣隨機(jī)抽取n組樣本觀察值就可以進(jìn)行參數(shù)估計。

（3.3）3.2.2回歸分析3.非線性回歸分析在許多實際問題中，不少經(jīng)濟(jì)變量之間的關(guān)系為非線性的，可以通過變量代換把本來應(yīng)該用非線性回歸處理的問題近似轉(zhuǎn)化為線性回歸問題，再進(jìn)行分析預(yù)測，如表3.4所示。3.2.3相關(guān)分析與回歸分析的應(yīng)用

1.案例數(shù)據(jù)

某實體店通過線上線下多種渠道進(jìn)行推廣。該店店長認(rèn)為：店鋪的推廣費(fèi)用與實際到店量、利潤是正相關(guān)的。同時，推廣費(fèi)用、實際到店量與店鋪利潤的變化均存在一定關(guān)系。利用Excel對表3.5所示的數(shù)據(jù)進(jìn)行相關(guān)分析與回歸分析。3.2.3相關(guān)分析與回歸分析的應(yīng)用2.相關(guān)與回歸分析的操作Step1：在Excel的“數(shù)據(jù)—數(shù)據(jù)分析”模塊中找到相關(guān)系數(shù)，點(diǎn)擊確定，如圖3.3所示。如果未發(fā)現(xiàn)數(shù)據(jù)分析選項，則應(yīng)通過點(diǎn)擊“開發(fā)工具—Excel加載項—分析工具庫”，再單擊“確定”按鈕，加載“數(shù)據(jù)分析”模塊。圖3.3選擇“相關(guān)系數(shù)”功能3.2.3相關(guān)分析與回歸分析的應(yīng)用Step2：在打開的“相關(guān)系數(shù)”對話框中，單擊“輸入?yún)^(qū)域”的右側(cè)折疊按鈕，在工作表中選擇數(shù)據(jù)區(qū)域“$B$1:$C$13”，設(shè)置分組方式“逐列”，單擊輸出區(qū)域“$B$14”，勾選“標(biāo)志位于第一行”選項，最后單擊“確定”按鈕。上述操作過程，如圖3.4所示。圖3.4設(shè)置“相關(guān)系數(shù)”的相關(guān)參數(shù)3.2.3相關(guān)分析與回歸分析的應(yīng)用Step3：單擊“確定”按鈕后，可在本表格的$B$14區(qū)域得到如下結(jié)果，如圖3.5所示。表明推廣費(fèi)用和店鋪利潤之間存在正相關(guān)，相關(guān)系數(shù)為0.975，屬于高度相關(guān)關(guān)系。Step4：在確定兩個變量具有顯著的相關(guān)關(guān)系之后，進(jìn)行回歸分析的操作。選中B1:C13區(qū)域，單擊“插入”圖表選項中的“XY散點(diǎn)圖”，選擇散點(diǎn)圖中“帶平滑線的散點(diǎn)圖”選項，如圖3.6所示。3.2.3相關(guān)分析與回歸分析的應(yīng)用Step5：雙擊圖表，單擊橫坐標(biāo)軸，對圖3.6中所示的散點(diǎn)圖進(jìn)行優(yōu)化處理，將橫軸最小值設(shè)置為“3500”，則呈現(xiàn)如圖3.7所示的散點(diǎn)圖。Step6：單擊圖表右上角的加號，勾選“趨勢線（默認(rèn)為線性）”，單擊更多選項，勾選“顯示公式”和“顯示R平方值”選項，具體操作如圖3.8與3.9所示。3.2.3相關(guān)分析與回歸分析的應(yīng)用Step7：點(diǎn)擊選擇后，則出現(xiàn)如圖3.10所示的線性趨勢線結(jié)果，一元線性回歸公式為：y=0.0661x+377.99，R2=0.9508。Step8：對于一元線性回歸，還可以應(yīng)用數(shù)據(jù)分析的“回歸”功能。點(diǎn)擊“數(shù)據(jù)分析”的“回歸”，單擊“確定”按鈕，如圖3.11所示。3.2.3相關(guān)分析與回歸分析的應(yīng)用Step9：利潤為Y值，因此Y值輸入?yún)^(qū)域“$C$2:$C$13”；推廣費(fèi)用為X值，X值輸入?yún)^(qū)域為“$B$2:$B$13”，置度設(shè)置為95%，計算結(jié)果的輸出區(qū)域從“$B$14”開始。單擊“確定”。以上操作如圖3.12所示。Step10：單擊確定后，則出現(xiàn)如圖3.13所示的回歸分析結(jié)果，包括各參數(shù)值以及模型檢驗的結(jié)果。圖3.13中的陰影數(shù)據(jù)與趨勢線結(jié)果相同。3.2.3相關(guān)分析與回歸分析的應(yīng)用Step11：若要繼續(xù)分析推廣費(fèi)用、實際到店量與利潤之間的二元回歸分析，操作過程與上述步驟基本相同，僅需要在X值輸入?yún)^(qū)域為“$B$2:$C$13”，Y值輸入?yún)^(qū)域為“$D$2:$D$13”，如圖3.14所示。3.2.3相關(guān)分析與回歸分析的應(yīng)用Step12：單擊“確定”后，則會得到如圖3.15所示的結(jié)果，二元回歸模型的公式為：y=0.009x1+0.052x2+305.16，R2=0.981，F(xiàn)檢驗值為232.14。其中，推廣費(fèi)用為x1，實際到店量為x2，利潤為y。3.3時間序列分析3.3.1移動平均方法

3.3.2指數(shù)平滑方法3.3.3時間序列分析的應(yīng)用3.3.1移動平均方法1.一次移動平均法一次移動平均法是在算術(shù)平均法的基礎(chǔ)上加以改進(jìn)，其基本思想是每次取一定數(shù)量周期的數(shù)據(jù)進(jìn)行平均，再按時間順序逐次推進(jìn)。每推進(jìn)一個周期，舍去前一個周期的數(shù)據(jù)，增加一個新周期的數(shù)據(jù)，再進(jìn)行平均。一次移動平均法一般只應(yīng)用于一個時期后的預(yù)測（預(yù)測第t+1期）。一般情況下，N越大，修勻的程度越強(qiáng)，波動也越??；N越小，對變化趨勢反應(yīng)越靈敏，但修勻的程度越差。在實際預(yù)測中，可以利用試算法，即選擇幾個N值進(jìn)行計算，比較它們的預(yù)測誤差，從中選擇預(yù)測誤差較小的N值。

3.3.1移動平均方法2.二次移動平均法當(dāng)時間序列具有線性增長的發(fā)展趨勢時，用一次移動平均法預(yù)測會出現(xiàn)滯后偏差，表現(xiàn)為對線性增長的時間序列的預(yù)測值偏低。這時，可通過二次移動平均法來計算。二次移動平均法是將一次移動平均再進(jìn)行一次移動平均，然后建立線性趨勢模型。二次移動平均法的線性趨勢預(yù)測模型：

3.3.2指數(shù)平滑方法指數(shù)平滑方法是用過去時間數(shù)列值的加權(quán)平均數(shù)作為預(yù)測值，它是加權(quán)移動平均法的一種特殊情形。根據(jù)平滑次數(shù)不同，指數(shù)平滑法分為：一次指數(shù)平滑法、二次指數(shù)平滑法和高次指數(shù)平滑法。它們的基本思想都是：預(yù)測值是以前觀測值的加權(quán)和，對不同的數(shù)據(jù)給予不同的權(quán)，新數(shù)據(jù)給較大的權(quán)，舊數(shù)據(jù)給較小的權(quán)。

3.3.2指數(shù)平滑方法1.一次指數(shù)平滑法

3.3.2指數(shù)平滑方法2.二次指數(shù)平滑法當(dāng)時間序列沒有明顯的變動趨勢時，使用第t期一次指數(shù)平滑法就能直接預(yù)測第t+1期的值。但當(dāng)時間序列的變動呈現(xiàn)直線趨勢時，用一次指數(shù)平滑法來預(yù)測存在著明顯的滯后偏差。修正的方法是在一次指數(shù)平滑的基礎(chǔ)上再進(jìn)行一次指數(shù)平滑，利用滯后偏差的規(guī)律找出曲線的發(fā)展方向和發(fā)展趨勢，然后建立直線趨勢預(yù)測模型，即二次指數(shù)平滑法。

3.3.3時間序列分析的應(yīng)用已知某實體店鋪2017~2020年季度零售額數(shù)據(jù)，請對如表3.6所示的時間序列數(shù)據(jù)進(jìn)行分析。

3.3.3時間序列分析的應(yīng)用Step1：選中“B1:C17”區(qū)域，單擊“插入”圖表選項中的“折線圖”選項，如圖3.16所示?？傻玫饺鐖D3.17所示的時間序列數(shù)據(jù)的折線圖。Step2：對銷售額時間序列數(shù)據(jù)進(jìn)行一次移動平均操作。點(diǎn)擊“數(shù)據(jù)分析”的“移動平均”，單擊“確定”按鈕，如圖3.18所示。3.3.3時間序列分析的應(yīng)用Step3：輸入?yún)^(qū)域為“$C$1:$C$17”；間隔N=3，輸出區(qū)域設(shè)置為“$D$2”，勾選“圖表輸出”，單擊“確定”。以上操作參見過程如圖3.19所示。Step4：單擊如圖3.19所示的“確定”按鈕后，則出現(xiàn)如圖3.20所示的一次移動平均結(jié)果，以及原值與移動平均值的對比圖。3.4商務(wù)數(shù)據(jù)分析的其他方法3.4.1聚類分析法3.4.2

關(guān)聯(lián)規(guī)則分析法3.4.1聚類分析法1.聚類分析法基礎(chǔ)知識聚類分析是將數(shù)據(jù)分組為由類似的對象組成的多個類的分析方法。聚類分析包括以下五種方法：基于劃分的方法、基于層次的方法、基于密度的方法、基于網(wǎng)格的方法和基于模型的方法。常用的是k-means算法，它是一種基于劃分的聚類方法。k-means算法接受輸入量k，然后將n個數(shù)據(jù)對象劃分為k個聚類，以便使獲得的聚類滿足同一聚類中數(shù)據(jù)對象的相似度較高，而不同聚類中數(shù)據(jù)對象的相似度較低。聚類相似度是利用各聚類中數(shù)據(jù)對象的均值獲得一個“中心對象”（引力中心）來進(jìn)行計算的。k-means算法的工作過程如下：從n個數(shù)據(jù)對象中任意選擇k個數(shù)據(jù)對象作為初始聚類中心；根據(jù)其他數(shù)據(jù)對象與聚類中心的相似度（距離），分別將它們分配給與其最相似的聚類中心代表的聚類；計算每個新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復(fù)這一過程直到標(biāo)準(zhǔn)測度函數(shù)開始收斂為止。3.4.1聚類分析法2．聚類分析法在商務(wù)數(shù)據(jù)分析中的應(yīng)用聚類分析法針對目標(biāo)群體進(jìn)行多指標(biāo)的群體劃分，在商務(wù)數(shù)據(jù)分析中應(yīng)用十分廣泛。例如，消費(fèi)人群的時空分布特征劃分、關(guān)鍵意見領(lǐng)袖識別等。類似這種目標(biāo)群體的分類是精細(xì)化經(jīng)營、個性化運(yùn)營的基礎(chǔ)和核心。常見的商業(yè)應(yīng)用場景如下。（1）目標(biāo)用戶的群體分類。通過對特定運(yùn)營目的和商業(yè)目的所挑選出的指標(biāo)變量進(jìn)行聚類分析，把目標(biāo)群體劃分成幾個具有明顯特征區(qū)別的細(xì)分群體，從而在運(yùn)營活動中為這些細(xì)分群體采取精細(xì)化、個性化的運(yùn)營和服務(wù)，最終提升運(yùn)營效率和商業(yè)效果。（2）不同產(chǎn)品的價值組合。企業(yè)可以按照不同的商業(yè)目的，使用特定的指標(biāo)對眾多的產(chǎn)品種類進(jìn)行聚類分析，將企業(yè)的產(chǎn)品體系進(jìn)一步細(xì)分成具有不同目的、不同價值的多維度的產(chǎn)品組合，并在此基礎(chǔ)上分別制訂相應(yīng)的開發(fā)計劃、運(yùn)營計劃和服務(wù)規(guī)劃。（3）探測發(fā)現(xiàn)離群點(diǎn)或異常值。離群點(diǎn)指相對于整體數(shù)據(jù)對象而言的少數(shù)數(shù)據(jù)對象，這些對象的行為特征與整體的數(shù)據(jù)行為特征不一致，發(fā)現(xiàn)這些特殊的異常情況，對商業(yè)價值分析具有重要的創(chuàng)新意義。3.4.2關(guān)聯(lián)規(guī)則分析法1．關(guān)聯(lián)規(guī)則分析法基礎(chǔ)知識關(guān)聯(lián)規(guī)則分析指在大量數(shù)據(jù)中，迅速找出各事物之間潛在的、有價值的關(guān)聯(lián)，經(jīng)過推理得出關(guān)鍵的結(jié)論，從而為商業(yè)數(shù)據(jù)分析提供依據(jù)。為了分析關(guān)聯(lián)規(guī)則，需要掌握項集、候選項集、支持度、可信度、強(qiáng)項集、非頻繁項集和關(guān)聯(lián)規(guī)則等概念和計算方法。3.4.2關(guān)聯(lián)規(guī)則分析法1．關(guān)聯(lián)規(guī)則算法的相關(guān)概念（1）項集和候選項集。項集；TR是事物的集合，

，并且TR是一個{0,1}屬性的集合。集合稱為k項集。假設(shè)DB包含m個屬性（A,B,…,M）；1項集1_Item={{A},{B},…,{M}}，共有m個候選項集；2項集2_Item={{A,B},{A,C},…,{A,M},{B,C},…,{B,M},{C,D},…,{L,M}}，共有

個項集；依次類推，m項集m_Item={A,B,C,…,M}，有1個候選項集。（2）支持度。支持度support可簡寫為sup，其指某條規(guī)則的前件或后件對應(yīng)的支持?jǐn)?shù)與記錄總數(shù)的百分比。假設(shè)A的支持度是sup(A)，；AB的支持度

，其中，

表示A和B同時出現(xiàn)在一條記錄中，n是DB中的總記錄數(shù)。（3）可信度。可信度confidence可簡寫為conf，規(guī)則AB具有可信度conf(AB)表示DB中包含A的事物同時包含B的百分比?？尚哦仁?/p>

的支持度sup()與前件A的支持度sup(A)的比值：conf(AB)=sup()/sup(A)。3.4.2關(guān)聯(lián)規(guī)則分析法1．關(guān)聯(lián)規(guī)則算法的相關(guān)概念（4）強(qiáng)項集和非頻繁項集。如果某k項候選項集的支持度大于或等于設(shè)定的最小支持度閾值，則稱該k項候選項集為k項強(qiáng)項集（Largek-itemset）或k項頻繁項集（Frequentk-itemset）。（5）關(guān)聯(lián)規(guī)則。在最小可信度的條件下，若強(qiáng)項集的可信度滿足最小可信度，稱此k項強(qiáng)項集為關(guān)聯(lián)規(guī)則。例如，若{A,B}為2項強(qiáng)項集，同時conf(AB)大于或等于最小可信度，即sup()≥min_sup且conf(AB)≥min_conf，則稱A

B為關(guān)聯(lián)規(guī)則。3.4.2關(guān)聯(lián)規(guī)則分析法2．關(guān)聯(lián)規(guī)則算法的步驟R.Agrawal等人在1993年設(shè)計了一個Apriori算法，這是一種最有影響力的挖掘布爾關(guān)聯(lián)規(guī)則頻繁項集的算法，其核心是基于兩階段的頻繁項集思想的遞推算法。該關(guān)聯(lián)規(guī)則屬于五種分析方法中的單維、單層、布爾關(guān)聯(lián)規(guī)則。該算法將關(guān)聯(lián)規(guī)則挖掘分解為以下兩個子問題。（1）找出存在于事務(wù)數(shù)據(jù)庫中的所有頻繁項集，即那些支持度大于用戶給定支持度閾值的項集。（2）在找出的頻繁項集的基礎(chǔ)上產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則，即產(chǎn)生那些支持度和可信度分別大于或等于用戶給定的支持度和可信度閾值的關(guān)聯(lián)規(guī)則。在上述兩個步驟中，第二步相對容易些，它只需要在已經(jīng)找出的頻繁項集的基礎(chǔ)上列出所有可能的關(guān)聯(lián)規(guī)則即可。因此，第一步是挖掘關(guān)聯(lián)規(guī)則的關(guān)鍵步驟，挖掘關(guān)聯(lián)規(guī)則的總體性能由第一步?jīng)Q定。3.4.2關(guān)聯(lián)規(guī)則分析法3.關(guān)聯(lián)規(guī)則分析法在商務(wù)數(shù)據(jù)分析中的應(yīng)用從大量的數(shù)據(jù)中挖掘關(guān)聯(lián)規(guī)則，在市場定位、決策分析和商業(yè)管理等領(lǐng)域具有重要作用。例如，超市利用前端收款機(jī)收集并存儲了大量的銷售數(shù)據(jù)，這些數(shù)據(jù)構(gòu)成一條條購買事務(wù)記錄，每條記錄存儲了事務(wù)處理時間、顧客購買的物品、物品的數(shù)量及交易金額等。根據(jù)這些數(shù)據(jù)分析哪些商品能被顧客同時購買，哪些顧客購買行為相近，從而制定出針對商品和顧客管理的一系列營銷策略。關(guān)聯(lián)規(guī)則分析在商業(yè)數(shù)據(jù)分析中的主要應(yīng)用包括以下幾個方面。（1）交叉營銷。尋找產(chǎn)品銷售之間的相關(guān)性，基于這些關(guān)聯(lián)的產(chǎn)品推算交叉銷售的可能性。（2）目標(biāo)市場。研究具有共同特征的細(xì)分客戶，他們可能是特定產(chǎn)品或服務(wù)的潛在群體。（3）客戶定位和需求分析。針對不同的客戶群體制定最優(yōu)產(chǎn)品搭配銷售方案，并分析預(yù)測哪些因素能夠吸引新的客戶。（4）客戶流失與預(yù)警分析。基于關(guān)聯(lián)規(guī)則建立描述性或預(yù)測性模型，分析導(dǎo)致客戶流失的關(guān)聯(lián)原因，提出規(guī)避辦法。本章知識小結(jié)本章學(xué)習(xí)與商務(wù)數(shù)據(jù)分析相關(guān)的模型方法，包括：靜態(tài)分析指標(biāo)、動態(tài)分析方法、統(tǒng)計指數(shù)、抽樣推斷、相關(guān)與回歸分析、時間序列分析等內(nèi)容。這些統(tǒng)計指標(biāo)、相關(guān)分析與時間序列分析方法對于進(jìn)行商務(wù)數(shù)據(jù)分析都非常重要，應(yīng)掌握利用Excel工具進(jìn)行熟練操作。另外，聚類分析、關(guān)聯(lián)規(guī)則模型、分類分析等多種數(shù)據(jù)挖掘方法對發(fā)現(xiàn)商務(wù)數(shù)據(jù)中的潛在規(guī)則和有價值的模式均有重要的應(yīng)用價值。本章內(nèi)容結(jié)束！

4．1三相異步電動機(jī)的基本結(jié)構(gòu)和工作原理4.1.1三相異步電動機(jī)的基本結(jié)構(gòu)1.定子（1）定子鐵心定子鐵心作為電動機(jī)磁通的通路，對鐵心材料既要有良好的導(dǎo)磁性能，剩磁小，又要盡量降低渦流損耗，一般用0.5mm厚表面有絕緣層的硅鋼片疊壓而成。定子鐵心內(nèi)圓沖有沖均勻分布的槽，用于嵌放三相定子繞組。4．1三相異步電動機(jī)的基本結(jié)構(gòu)和工作原理4.1.1三相異步電動機(jī)的基本結(jié)構(gòu)1.定子（2）定子繞組三相繞組是用絕緣銅線或鋁線繞制成三相對稱的繞組按一定的規(guī)則連接嵌放在定子槽中。小型異步電動機(jī)定子繞組一般采用高強(qiáng)度漆包圓銅線繞制，大中型異步電動機(jī)則用漆包扁銅線或玻璃絲包扁銅線繞制。三相定子繞組之間及繞組與定子鐵心之間均墊有絕緣材料。常用的薄膜類絕緣材料有聚酯薄膜青殼紙、聚酯薄膜、聚酯薄膜玻璃漆布箔及聚四氟乙烯薄膜。4．1三相異步電動機(jī)的基本結(jié)構(gòu)和工作原理4.1.1三相異步電動機(jī)的基本結(jié)構(gòu)1.定子（a）星形聯(lián)結(jié)（b)三角形聯(lián)結(jié)三相繞組的聯(lián)結(jié)4．1三相異步電動機(jī)的基本結(jié)構(gòu)和工作原理4.1.1三相異步電動機(jī)的基本結(jié)構(gòu)1.定子（3）機(jī)座機(jī)座的作用是固定定子繞組和定子鐵心，并通過兩側(cè)的端蓋和軸承來支撐電動機(jī)轉(zhuǎn)子，同時構(gòu)成電動機(jī)的電磁通路并發(fā)散電動機(jī)運(yùn)行中產(chǎn)生的熱量。機(jī)座通常為鑄鐵件，大型異步電動機(jī)機(jī)座一般用鋼板焊成，而某些微型電動機(jī)的基座則采用鑄鋁件以減輕電動機(jī)的重量。封閉式電動機(jī)的基座外面有散熱筋以增加散熱面積，防護(hù)式電動機(jī)的機(jī)座兩端端蓋開有通風(fēng)孔，使電動機(jī)內(nèi)外的空氣可以直接對流，以利于散熱。（4）端蓋端蓋對內(nèi)部起保護(hù)作用，并借助滾動軸承將電動機(jī)轉(zhuǎn)子和機(jī)座聯(lián)成一個整體。端蓋一般為鑄鋼件，微型電動機(jī)則為鑄鋁件。4．1三相異步電動機(jī)的基本結(jié)構(gòu)和工作原理4.1.1三相異步電動機(jī)的基本結(jié)構(gòu)2．轉(zhuǎn)子（1）轉(zhuǎn)子鐵心作為電動機(jī)磁路的一部分，并放置轉(zhuǎn)子繞組。轉(zhuǎn)子鐵心一般用0.5mm厚的硅鋼片疊壓而成，硅鋼片外圓沖有均勻分布的孔，用來安置轉(zhuǎn)子繞組。一般小型異步電動機(jī)的轉(zhuǎn)子鐵心直接壓裝在轉(zhuǎn)軸上，而大中型異步電動的轉(zhuǎn)子鐵心則借助于轉(zhuǎn)子支架壓在轉(zhuǎn)軸上。為了改善電動機(jī)的啟動和運(yùn)行性能，減少諧波，籠型異步電動機(jī)轉(zhuǎn)子鐵心一般都采用斜槽結(jié)構(gòu)4．1三相異步電動機(jī)的基本結(jié)構(gòu)和工作原理4.1.1三相異步電動機(jī)的基本結(jié)構(gòu)2．轉(zhuǎn)子（2）轉(zhuǎn)子繞組轉(zhuǎn)子繞組用來切割定子旋轉(zhuǎn)磁場，產(chǎn)生感應(yīng)電動勢和電流，并在旋轉(zhuǎn)磁場的作用下受力而使轉(zhuǎn)子旋轉(zhuǎn)，按繞組不同，異步電動機(jī)分為籠型轉(zhuǎn)子和繞線式轉(zhuǎn)子兩類。4．1三相異步電動機(jī)的基本結(jié)構(gòu)和工作原理4.1.1三相異步電動機(jī)的基本結(jié)構(gòu)2．轉(zhuǎn)子①籠型轉(zhuǎn)子。根據(jù)導(dǎo)體材料不同，籠型轉(zhuǎn)子分為銅條轉(zhuǎn)子和鑄鋁轉(zhuǎn)子。銅條轉(zhuǎn)子即在轉(zhuǎn)子鐵心槽內(nèi)放置沒有絕緣的銅條，銅條的兩端用短路環(huán)焊接起來，形成一個籠型的形狀;中小型異步電動機(jī)的籠型轉(zhuǎn)子，一般為鑄鋁式轉(zhuǎn)子，采用離心鑄鋁法，將熔化了的鋁澆鑄在轉(zhuǎn)子鐵心槽內(nèi)成為一個完整體，兩端的短路環(huán)和冷卻風(fēng)扇葉子也一并鑄成.4．1三相異步電動機(jī)的基本結(jié)構(gòu)和工作原理4.1.1三相異步電動機(jī)的基本結(jié)構(gòu)2．轉(zhuǎn)子（a）銅條轉(zhuǎn)子（b）鑄鋁轉(zhuǎn)子籠型轉(zhuǎn)子4．1三相異步電動機(jī)的基本結(jié)構(gòu)和工作原理4.1.1三相異步電動機(jī)的基本結(jié)構(gòu)2．轉(zhuǎn)子②繞線轉(zhuǎn)子。繞線型轉(zhuǎn)子繞組和定子繞組一樣，也是一個用絕緣導(dǎo)線繞成的三相對稱繞組，被嵌放在轉(zhuǎn)子鐵心槽中，接成星形。繞組的三個出線端分別接到轉(zhuǎn)軸端部的三個彼此絕緣的銅制滑環(huán)上。通過滑環(huán)與支持在端蓋上的電刷構(gòu)成滑動接觸，轉(zhuǎn)子繞組的三個出線端引到機(jī)座上的接線盒內(nèi)，以便與外部變阻器連接，故繞線式轉(zhuǎn)子又稱滑環(huán)式轉(zhuǎn)子.4．1三相異步電動機(jī)的基本結(jié)構(gòu)和工作原理4.1.1三相異步電動機(jī)的基本結(jié)構(gòu)2．轉(zhuǎn)子繞線型轉(zhuǎn)子與外部變阻器的連接圖【例4-6】現(xiàn)有一臺異步電動機(jī)銘牌數(shù)據(jù)如下：PN=10kW，nN=1460r/min，UN=380/220V，星－三角聯(lián)結(jié)，ηN=0.868，cosφ1N=0.88，Ist/IN=6.5，Tst/TN=1.5，試求：（1）額定電流和額定轉(zhuǎn)矩；（2）電源電壓為380V時，電動機(jī)的接法及直接啟動的啟動電流和啟動轉(zhuǎn)矩；（3）電源電壓為220V時，電動機(jī)的接法及直接啟動的啟動電流和啟動轉(zhuǎn)矩；（4）要求采用星—三角啟動，其啟動電流和啟動轉(zhuǎn)矩。此時能否帶60%和25%PN負(fù)載轉(zhuǎn)矩。【例4-6】解：（1）

IN=

星形聯(lián)結(jié)時，UN=380V故相應(yīng)額定電流：三角形聯(lián)結(jié)時，UN=220V，則相應(yīng)額定電流：不管星形聯(lián)結(jié)還是三角形聯(lián)結(jié)，定子繞組相電壓相同（等于其額定相電壓），則

TN=9550PN/nN=9550×10/1460=65.4N·m【例4-6】（2）電源電壓為380V時，電動機(jī)正常運(yùn)行應(yīng)為星形聯(lián)結(jié)，直接啟動時：

IstΥ=6.5INΥ=6.5×19.9A=129.35A

TstΥ=1.5TN=1.5×65.4N·m=98.1N·m

（3）電源電壓為220V時，電動機(jī)正常運(yùn)行應(yīng)為三角形聯(lián)結(jié)，直接啟動時：

IstD=6.5IND=6.5×34.4A=224A

TND=1.5TN=1.5×65.4N·m=98.1N·m【例4-6】（4）星—三角啟動只適用于正常運(yùn)行為三角形的電動機(jī)，故正常運(yùn)行應(yīng)在三角形，相應(yīng)電源電壓為220V。啟動時為星形聯(lián)結(jié)，定子繞組相電壓等于其額定相電壓的1/，即127V。所以

IstΥ=×IstD=1/3×224A=74.6A

TstΥ=×TstD=1/3×98.1N·m=32.7N·m60%TN負(fù)載下啟動時的反抗轉(zhuǎn)矩

TL=0.6TN=0.6×65.4N·m=39.2N·mTL>Tst，故不能啟動。25%TN負(fù)載下啟動時的反抗轉(zhuǎn)矩TL=0.25TN=0.25×65.4N·m=16.4N·mTL<Tst，故能啟動。4．4三相異步電動機(jī)的調(diào)速

【案例】機(jī)械設(shè)備常有多種速度輸出的要求，如立軸圓臺磨床工作臺的旋轉(zhuǎn)需要高低速進(jìn)行磨削加工；玻璃生產(chǎn)線中，成品玻璃的傳輸根據(jù)玻璃厚度的不同采用不同的速度以提高生產(chǎn)效率。采用異步電動機(jī)配機(jī)械變速系統(tǒng)有時可以滿足調(diào)速需求（如車床主軸的旋轉(zhuǎn)變速），但傳動系統(tǒng)結(jié)構(gòu)復(fù)雜，體積大，實際中常采用多速電動機(jī)進(jìn)行大范圍的調(diào)速，或者采用變頻調(diào)速。4．4三相異步電動機(jī)的調(diào)速

【案例】

n=n1(1?s)=(1?s)由異步電動機(jī)的轉(zhuǎn)差率公式可得可知：要調(diào)節(jié)異步電動機(jī)的轉(zhuǎn)速有以下三種方法：

（1）改變定子繞組的磁極對數(shù)P—變極調(diào)速。（2）改變供電電網(wǎng)的頻率fl—變頻調(diào)速。（3）改變電動機(jī)的轉(zhuǎn)差率s。4.4.1變極調(diào)速變極調(diào)速電機(jī)繞組展開示意圖采用改變定子繞組極數(shù)的方法來調(diào)速的異步電動機(jī)稱為多速異步電動機(jī)4.4.1變極調(diào)速Δ／YY聯(lián)結(jié)雙速異步電動機(jī)定子繞組接線圖三相變極多速異步電動機(jī)有雙速、三速、四速等多種，定子繞組常用的接線方法除Δ／YY外，也有部分采用Y／YY接線方法4.4.1變極調(diào)速應(yīng)用：Δ／YY聯(lián)結(jié)的雙速電動機(jī)，變極調(diào)速前后電動機(jī)的輸出功率基本上不變，故適用于近恒功率情況下的調(diào)速，較多用于金屬切削機(jī)床上。Y／YY聯(lián)結(jié)的雙速電動機(jī)，變極調(diào)速前后的輸出轉(zhuǎn)矩基本不變，故適用于負(fù)載轉(zhuǎn)矩基本恒定的恒轉(zhuǎn)矩調(diào)速，例如起重機(jī)、運(yùn)輸帶等機(jī)械。變極調(diào)速只用于籠型異步電動機(jī)中。

4.4.2變頻調(diào)速為了使電動機(jī)能保持較好的運(yùn)行性能，要求在調(diào)節(jié)f1的同時，改變定子電壓U1，以維持不變，或者保持電動機(jī)的過載能力不變球根花卉的主要特點(diǎn)球根花卉是指植株地下部分大量