Chap5-從數(shù)據(jù)找關(guān)聯(lián)

金融數(shù)據(jù)統(tǒng)計(jì)分析項(xiàng)目五從數(shù)據(jù)找關(guān)聯(lián)（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)01背景：眾籌和數(shù)據(jù)關(guān)聯(lián)01知識(shí)：相關(guān)和回歸01實(shí)踐：數(shù)據(jù)關(guān)聯(lián)分析（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)學(xué)習(xí)目標(biāo)理解相關(guān)關(guān)系的概念理解回歸分析的意義掌握相關(guān)分析的方法掌握線性回歸分析的方法了解非線性回歸和多元回歸能夠利用Excel完成相關(guān)度、線性回歸方程的計(jì)算（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)知識(shí)背景眾籌和數(shù)據(jù)關(guān)聯(lián)

（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)眾籌的概念最早于2006年8月由美國學(xué)者克爾·薩利文提出眾籌融資模式的出現(xiàn)解決了中小企業(yè)融資難的問題眾籌成為中國互聯(lián)網(wǎng)金融發(fā)展中的主力軍目前，眾籌主要指融資者不需要通過傳統(tǒng)的財(cái)務(wù)投資人進(jìn)行融資，而是直接通過互聯(lián)網(wǎng)平臺(tái)，尋求更加廣泛的投資者和資金，每個(gè)投資者以適合自己的相對(duì)較少的額度對(duì)融資者提供資金支持，從而獲得預(yù)計(jì)產(chǎn)出的產(chǎn)品或股權(quán)回報(bào)。（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)眾籌模式的主體框架籌資人：要獲得一定資金支持的企業(yè)或者個(gè)人投資人：想要進(jìn)行項(xiàng)目投資的廣大用戶眾籌平臺(tái)：籌資人和投資人之間的橋梁和紐帶（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)眾籌的融資流程眾籌網(wǎng)站的融資流程通常分為以下六個(gè)步驟設(shè)計(jì)項(xiàng)目審核項(xiàng)目創(chuàng)建項(xiàng)目宣傳項(xiàng)目項(xiàng)目籌資項(xiàng)目執(zhí)行（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)國內(nèi)外典型眾籌融資平臺(tái)根據(jù)Massolution公司的研究報(bào)告，2007年全球不足100個(gè)眾籌融資平臺(tái),到2013年下半年則有2000多個(gè)，融資額也高達(dá)上百億美元美國的Kickstarter作為當(dāng)前規(guī)模最大的眾籌平臺(tái)，于2009年4月28日開始運(yùn)營。到目前為止，已有118000余個(gè)項(xiàng)目，總計(jì)募集資金達(dá)到1158萬美元眾籌在美國迅速發(fā)展一方面得益于在信息不對(duì)等的經(jīng)濟(jì)氛圍下，眾籌方式活躍了美國的資本市場(chǎng)，為中小企業(yè)的發(fā)展帶來的新的希望眾籌在美國的健康發(fā)展得益于美國法律監(jiān)管的規(guī)范（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)國內(nèi)外典型眾籌融資平臺(tái)眾籌平臺(tái)在中國的起步時(shí)間較晚，2011年7月上線的“點(diǎn)名時(shí)間”是中國最早成立的眾籌平臺(tái)，也是吸收項(xiàng)目最多的眾籌網(wǎng)站最成功的眾籌項(xiàng)目“大魚·海棠”（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)“大魚·海棠”項(xiàng)目“大魚·海棠——一部給少年帶來信仰的動(dòng)畫電影”2013年8月1日成功籌集到了1582650元，在預(yù)定時(shí)間內(nèi)超過了預(yù)定金額1200000元但在籌資成功后，該項(xiàng)目的諸多承諾未能向投資人兌現(xiàn)（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)眾籌項(xiàng)目成功的相關(guān)因素在Kickstarter平臺(tái)中，根據(jù)已經(jīng)融資的項(xiàng)目分析，籌資人的創(chuàng)意、投資者的夢(mèng)想是眾籌融資項(xiàng)目成功不可或缺的重要因素于國內(nèi)的眾籌項(xiàng)目，其產(chǎn)品價(jià)值、預(yù)期收益、信任度、貨幣成本等成為重要因素（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)知識(shí)要點(diǎn)相關(guān)與回歸分析（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)相關(guān)分析相關(guān)關(guān)系是一種非確定性的關(guān)系它不等同于函數(shù)關(guān)系，也不等同于因果關(guān)系相關(guān)分析的目的在于分析現(xiàn)象間相關(guān)關(guān)系的形式和密切程度以及依存變動(dòng)的規(guī)律性（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)相關(guān)分析主要內(nèi)容確定變量之間有無相關(guān)關(guān)系，以及相關(guān)關(guān)系的表現(xiàn)形式在線性相關(guān)關(guān)系中該密切程度由相關(guān)系數(shù)表示相關(guān)系數(shù)的顯著性檢驗(yàn)（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)相關(guān)的種類直線相關(guān)

曲線相關(guān)（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)特征與相關(guān)指標(biāo)統(tǒng)計(jì)指標(biāo)反映的特征相關(guān)系數(shù)（相關(guān)系數(shù)的平方稱為判定系數(shù)）兩變量間線性相關(guān)關(guān)系非線性相關(guān)系數(shù)、非線性判定系數(shù)兩變量間曲線相關(guān)關(guān)系復(fù)相關(guān)系數(shù)、復(fù)判定系數(shù)多元線性相關(guān)關(guān)系（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)正相關(guān)和負(fù)相關(guān)當(dāng)自變量的數(shù)值增加，因變量的數(shù)值也基本隨之增加，即為正相關(guān)因變量的值隨著自變量值得增加而降低，則是負(fù)相關(guān)（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)相關(guān)的密切程度完全相關(guān)不完全相關(guān)無相關(guān)（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)相關(guān)系數(shù)的計(jì)算在統(tǒng)計(jì)學(xué)中，相關(guān)的意義是用來衡量?jī)蓚€(gè)變量相對(duì)于其相互獨(dú)立的距離對(duì)于不同的測(cè)量尺度，有多種相關(guān)系數(shù)可用，例如Pearson相關(guān)系數(shù)、凈相關(guān)、相關(guān)比、Gamma相關(guān)系數(shù)等最常用的是Pearson相關(guān)系數(shù)（Pearson'sr）（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)Pearson相關(guān)系數(shù)兩個(gè)變量之間的協(xié)方差和標(biāo)準(zhǔn)差的商樣本相關(guān)系數(shù)(樣本皮爾遜系數(shù))

（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)Pearson相關(guān)系數(shù)皮爾遜系數(shù)是對(duì)稱的皮爾遜相關(guān)系數(shù)的變化范圍為-1到1缺點(diǎn)：它接近于1的程度與樣本數(shù)相關(guān)（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)相關(guān)系數(shù)的應(yīng)用示例假設(shè)一種新產(chǎn)品上市。在上市之前，公司的物流部需把新產(chǎn)品合理分配到全國的10個(gè)倉庫，新品上市一個(gè)月后，要評(píng)估實(shí)際分配方案與之前考慮的其他分配方案哪個(gè)更好，希望通過這樣的評(píng)估，可以在下一次的新產(chǎn)品上市使用更準(zhǔn)確的產(chǎn)品分配方案，以避免由于分配而產(chǎn)生的積壓和斷貨地區(qū)地區(qū)銷量鋪貨量ABC廣州5032600051005200北京6532650066005800上海5500700054004800成都4530400043004200南京2300200022002500杭州3254300035003000哈爾濱8095900078008500沈陽7530800070007500昆明3841320035003200西安4500520048004000通過計(jì)算，得到三種方案與地區(qū)銷量之間的相關(guān)系數(shù)分別是0.963、0.991、0.978。B的相關(guān)系數(shù)是最大的，這樣就評(píng)估到B的分配方案比實(shí)際分配方案A更好，在下一次的新產(chǎn)品上市分配計(jì)劃中，就可以考慮用B這種分配方法來計(jì)算實(shí)際分配方案。（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)相關(guān)系數(shù)的顯著性檢驗(yàn)采用費(fèi)舍（R.A.Fisher）的t檢驗(yàn)法（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)相關(guān)系數(shù)的顯著性檢驗(yàn)示例驗(yàn)證企業(yè)月產(chǎn)量和單位成本之間的相關(guān)性序號(hào)月產(chǎn)量（千件）單位產(chǎn)本（元）12.19123.28634.18045.47156.37266.86377.65888.55099.742合計(jì)53.7613（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)回歸分析回歸分析目的在于了解兩個(gè)或多個(gè)變數(shù)間是否相關(guān)、相關(guān)方向與強(qiáng)度，并建立數(shù)學(xué)模型以便觀察特定變數(shù)與相關(guān)分析相比，回歸分析需要通過樣本數(shù)據(jù)建立數(shù)據(jù)模型，從而能夠幫助人們了解因變量隨著自變量變化的具體表現(xiàn)可以利用該模型通過自變量對(duì)因變量進(jìn)行預(yù)測(cè)（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)線性回歸分析線性回歸（Linearregression）是利用稱為線性回歸方程的最小二乘函數(shù)對(duì)一個(gè)或多個(gè)自變量和因變量之間關(guān)系進(jìn)行建模的一種回歸分析在線性回歸中只有一個(gè)自變量的情況稱為簡(jiǎn)單回歸，大于一個(gè)自變量情況的叫做多元回歸（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)簡(jiǎn)單線性回歸最簡(jiǎn)單但用途很廣的回歸模型根據(jù)樣本得到的簡(jiǎn)單線性回歸式（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)線性回歸方程的統(tǒng)計(jì)檢驗(yàn)擬合優(yōu)度指回歸直線對(duì)觀測(cè)值的擬合程度回歸方程的顯著性檢驗(yàn)檢驗(yàn)所有自變量作為一個(gè)整體與因變量之間是否有顯著的線性相關(guān)關(guān)系回歸系數(shù)的顯著性檢驗(yàn)檢驗(yàn)每個(gè)自變量對(duì)因變量是否是重要的（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)擬合優(yōu)度檢驗(yàn)（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)回歸方程的顯著性檢驗(yàn)顯著性檢驗(yàn)是通過F檢驗(yàn)進(jìn)行的（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)回歸系數(shù)的顯著性檢驗(yàn)回歸系數(shù)的顯著性檢驗(yàn)通過t統(tǒng)計(jì)量實(shí)現(xiàn)。（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)各種檢驗(yàn)之間的關(guān)系判斷一個(gè)回歸模型是否正確，首先要看模型是否具有合理的經(jīng)濟(jì)意義，其次才是統(tǒng)計(jì)檢驗(yàn)擬合優(yōu)度和F檢驗(yàn)都是對(duì)回歸方程的顯著性檢驗(yàn)對(duì)于一元線性回歸，F(xiàn)檢驗(yàn)和t檢驗(yàn)是一致的對(duì)于多元線性回歸，則不存在這樣的關(guān)系（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)利用線性回歸方程進(jìn)行預(yù)測(cè)在計(jì)算得到線性回歸方程的系數(shù)、并對(duì)該方程進(jìn)行了統(tǒng)計(jì)檢驗(yàn)后，可以利用該方程進(jìn)行預(yù)測(cè)預(yù)測(cè)分為點(diǎn)預(yù)測(cè)和區(qū)間預(yù)測(cè)（高職）Chap5_從數(shù)據(jù)找關(guān)聯(lián)如何縮小置信區(qū)間“如果給定解釋變量值，根據(jù)模型就可以得到被解釋變量的預(yù)測(cè)值為……值”。這種說法是不科