第5章 電子商務(wù)數(shù)據(jù)分析方法

第5章電子商務(wù)數(shù)據(jù)分析方法5.1電子商務(wù)數(shù)據(jù)思維5.2電子商務(wù)數(shù)據(jù)基礎(chǔ)分析方法5.3電子商務(wù)數(shù)據(jù)描述性統(tǒng)計(jì)分析5.4電子商務(wù)數(shù)據(jù)相關(guān)分析與回歸分析5.5電子商務(wù)數(shù)據(jù)時(shí)間序列分析法【章節(jié)目標(biāo)及學(xué)習(xí)難點(diǎn)】章節(jié)目標(biāo)1.了解電子商務(wù)數(shù)據(jù)分析的常用思維2.掌握對(duì)比、公式、漏斗和矩陣基礎(chǔ)分析方法3.掌握描述性統(tǒng)計(jì)量?jī)?nèi)容4.掌握相關(guān)和回歸分析方法5.掌握長(zhǎng)期趨勢(shì)和季節(jié)變動(dòng)分析方法學(xué)習(xí)難點(diǎn)1.相關(guān)和回歸分析方法應(yīng)用2.長(zhǎng)期趨勢(shì)和季節(jié)變動(dòng)分析方法應(yīng)用【案例導(dǎo)入】懂?dāng)?shù)據(jù)還不夠，重要的是擁有數(shù)據(jù)思維我們?cè)?jīng)都看到過(guò)這樣的報(bào)道：“某市的人均住房面積是120平米”；“計(jì)算機(jī)行業(yè)人均年收入超過(guò)50萬(wàn)元”。看到這，不少人調(diào)侃自己“被平均、被幸福、又拖后腿”了。其實(shí)有時(shí)候我們最缺的不是數(shù)據(jù)，而是缺少正確分析數(shù)據(jù)，從數(shù)據(jù)中獲取洞察力的能力（我們將這種能力稱(chēng)為“數(shù)據(jù)思維”）。例如，需要對(duì)一款游戲的推廣投入進(jìn)行決策，前期分別對(duì)安卓、iOS、Pad等版本的已有的付費(fèi)數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)安卓用戶的付費(fèi)率要高于iOS用戶，往往都會(huì)直接得出結(jié)論：在公司開(kāi)發(fā)資源有限的情況下，應(yīng)該投入更多精力（或者提高優(yōu)先級(jí)）優(yōu)化安卓版本。但是這個(gè)決策執(zhí)行下去，公司可能在投入了很多安卓開(kāi)發(fā)工作后，極大可能無(wú)法有更多的收入回報(bào)，最終導(dǎo)致公司破產(chǎn)。反觀數(shù)據(jù)本身沒(méi)問(wèn)題，但是分析數(shù)據(jù)的邏輯出了問(wèn)題。在現(xiàn)實(shí)生活中，很多人習(xí)慣憑直覺(jué)去決斷，或者犯經(jīng)驗(yàn)主義錯(cuò)誤。要知道，數(shù)據(jù)獲取只是第一步，很多人不懂的是分析，是數(shù)據(jù)背后的思維?！景咐龑?dǎo)入】數(shù)據(jù)時(shí)代，思維為王，無(wú)論是做產(chǎn)品、運(yùn)營(yíng)，還是研發(fā)、系統(tǒng)架構(gòu)，乃至安全風(fēng)控，都會(huì)發(fā)現(xiàn)，數(shù)據(jù)思維是考驗(yàn)?zāi)隳芰Φ闹匾笜?biāo)。擁有數(shù)據(jù)思維的人，看到數(shù)據(jù)能夠找出問(wèn)題，找到規(guī)律，發(fā)現(xiàn)機(jī)會(huì)，不僅可以用來(lái)分析解決當(dāng)下問(wèn)題，也可以用來(lái)預(yù)測(cè)未來(lái)。數(shù)據(jù)思維并非一朝一夕就能學(xué)會(huì)的，也不是死記硬背理論就可以的，關(guān)鍵在于要結(jié)合實(shí)際案例場(chǎng)景去分析、應(yīng)用，并培養(yǎng)系統(tǒng)的分析方法。只有把數(shù)據(jù)分析的相關(guān)知識(shí)“串”起來(lái)，擴(kuò)大你的認(rèn)知邊界，挖掘隱藏在數(shù)據(jù)內(nèi)部的真相，才能發(fā)現(xiàn)謬誤，避開(kāi)陷阱，練就一雙看透本質(zhì)的眼睛，更精準(zhǔn)地決策，從而提升自身競(jìng)爭(zhēng)力。拓展思考1.數(shù)據(jù)分析中如何破解幸存者偏差問(wèn)題？2.數(shù)據(jù)思維的核心是什么？第1節(jié)電子商務(wù)數(shù)據(jù)思維5.1.1數(shù)據(jù)思維能力5.1.2數(shù)據(jù)思維方法電子商務(wù)數(shù)據(jù)思維，簡(jiǎn)單來(lái)說(shuō)，就是面對(duì)一些業(yè)務(wù)問(wèn)題的時(shí)候，能夠通過(guò)數(shù)據(jù)分析方法，給出建議，解決問(wèn)題。它的核心有兩個(gè)，第一個(gè)是數(shù)據(jù)敏感度，第二個(gè)是數(shù)據(jù)方法經(jīng)驗(yàn)。數(shù)據(jù)敏感度就是在看到一個(gè)業(yè)務(wù)問(wèn)題時(shí)，是否可以將其轉(zhuǎn)化為數(shù)據(jù)問(wèn)題，看到一個(gè)數(shù)字，是否可以看到數(shù)據(jù)背后的問(wèn)題。數(shù)據(jù)方法經(jīng)驗(yàn)就是利用數(shù)據(jù)建模的方法和數(shù)據(jù)分析的方法解決實(shí)際問(wèn)題。5.1.1數(shù)據(jù)思維能力5.1.1數(shù)據(jù)思維能力作為一名電子商務(wù)數(shù)據(jù)分析從業(yè)者，可以從以下幾個(gè)方面培養(yǎng)我們的數(shù)據(jù)思維能力。要時(shí)常關(guān)注數(shù)據(jù)，對(duì)數(shù)據(jù)敏感。思考數(shù)據(jù)背后的東西，把數(shù)據(jù)轉(zhuǎn)化成知識(shí)，讓數(shù)據(jù)產(chǎn)生真正的價(jià)值。5.1.1數(shù)據(jù)思維能力【案例分析】如何估算2022年第1季度京東一日訂單量？角度一：京東一日訂單量=（中國(guó)網(wǎng)民數(shù)量×使用京東的比例）÷用京東購(gòu)物的天數(shù)間隔。第49次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》統(tǒng)計(jì)顯示，截至2021年12月，我國(guó)網(wǎng)民規(guī)模達(dá)10.32億。據(jù)調(diào)查，京東2022年第1季度市場(chǎng)份額約為29.6%，則假設(shè)網(wǎng)民中正在使用京東的比例為29.6%，則約有3.055億人。若京東用戶平均每一個(gè)月用京東購(gòu)物一次，則京東一日訂單量=30550萬(wàn)÷30≈1018萬(wàn)。5.1.1數(shù)據(jù)思維能力角度二：京東一日訂單量=京東物流配送人員人數(shù)×每日可送達(dá)訂單數(shù)。京東訂單由京東物流負(fù)責(zé)配送，2022年京東共有30萬(wàn)物流配送人員。根據(jù)招聘信息，一位物流配送員每天工作10小時(shí)，每月休息4天。若配送一個(gè)訂單需要15分鐘，則一天可送約40單，由此，京東一日訂單量=30×40=1200萬(wàn)。結(jié)果分析：根據(jù)兩個(gè)角度的估算，京東一日訂單量約為1000萬(wàn)～1200萬(wàn)。仍有一些因素可能導(dǎo)致誤差，如京東用戶使用京東購(gòu)物的頻率尚未考證，可通過(guò)用戶調(diào)查使其更為準(zhǔn)確。5.1.2數(shù)據(jù)思維方法常見(jiàn)的數(shù)據(jù)思維方法有結(jié)構(gòu)化思維、對(duì)比思維、公式化思維、轉(zhuǎn)化思維和分類(lèi)思維。5.1.2數(shù)據(jù)思維方法1.結(jié)構(gòu)化思維結(jié)構(gòu)化思維是數(shù)據(jù)分析思維中的底層思維，它來(lái)自于麥肯錫的金字塔理論，通過(guò)找到核心論點(diǎn)（可能是假設(shè)，問(wèn)題，原因等），結(jié)構(gòu)拆解（自上而下將核心論點(diǎn)層層拆解成分論點(diǎn)，上下之間呈因果關(guān)系）其實(shí)就是邏輯樹(shù)模型和MECE模型的結(jié)合使用。5.1.2數(shù)據(jù)思維方法2.對(duì)比思維對(duì)比思維是數(shù)據(jù)分析中最常見(jiàn)的分析思維，沒(méi)有對(duì)比就沒(méi)有結(jié)果，只有數(shù)據(jù)之間有了對(duì)比，數(shù)據(jù)才會(huì)體現(xiàn)出它的價(jià)值。對(duì)比有兩種維度的對(duì)比，一種是橫向?qū)Ρ龋环N是縱向?qū)Ρ取＠鐧M向?qū)Ρ扔信c同級(jí)部門(mén)、單位、地區(qū)進(jìn)行對(duì)比、與目標(biāo)對(duì)比、行業(yè)內(nèi)對(duì)比等，縱向?qū)Ρ扔胁煌瑫r(shí)期、對(duì)比活動(dòng)效果對(duì)比等。5.1.2數(shù)據(jù)思維方法3.公式化思維公式化思維是利用量化分析方法把分析對(duì)象根據(jù)指標(biāo)公式逐步拆解，定位問(wèn)題。在做公式化分析時(shí)一定要明確兩個(gè)方向：指標(biāo)和維度。指標(biāo)是用來(lái)記錄關(guān)鍵流程的，衡量目標(biāo)的單位或方法，如DAU、留存率、轉(zhuǎn)化率等。維度是觀察指標(biāo)的角度，如時(shí)間、來(lái)源渠道等。利用指標(biāo)之間的公式關(guān)系進(jìn)行分析，就是在多個(gè)維度拆解，觀察對(duì)比維度細(xì)分下的指標(biāo)，實(shí)現(xiàn)將一個(gè)綜合指標(biāo)按照公式進(jìn)行細(xì)分，從而發(fā)現(xiàn)更多問(wèn)題。5.1.2數(shù)據(jù)思維方法4.轉(zhuǎn)化思維轉(zhuǎn)化思維是在我們?cè)诩?xì)分指標(biāo)后，想要了解這些指標(biāo)是從哪里來(lái)的，每一個(gè)步驟的轉(zhuǎn)化率怎么樣，哪一個(gè)步驟的轉(zhuǎn)化不好，需要改善這些通過(guò)轉(zhuǎn)化率都可以分析出來(lái)。應(yīng)用轉(zhuǎn)化的思想，可以有效的指導(dǎo)和優(yōu)化運(yùn)營(yíng)的各個(gè)環(huán)節(jié)。5.1.2數(shù)據(jù)思維方法5.分類(lèi)思維分類(lèi)思維就是把一些對(duì)象，按照某種規(guī)則，劃分為若干個(gè)類(lèi)別，然后分析各個(gè)類(lèi)別的特征，根據(jù)這些特征來(lái)安排工作，比如說(shuō)常見(jiàn)的RFM分析模型就是用來(lái)分類(lèi)的思想，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo)。除了給用戶分類(lèi)、產(chǎn)品分類(lèi)，還有非常復(fù)雜的分類(lèi)方法，例如聚類(lèi)算法等。第2節(jié)電子商務(wù)數(shù)據(jù)基礎(chǔ)分析方法5.2.1對(duì)比分析法5.2.2公式分析法5.2.3漏斗分析法5.2.4矩陣分析法5.2.1對(duì)比分析法對(duì)比分析指將兩個(gè)及以上的數(shù)據(jù)進(jìn)行比較，從數(shù)量上展示和說(shuō)明這幾個(gè)指標(biāo)的規(guī)模大小、速度快慢、關(guān)系親疏、水平高低等情況。在電子商務(wù)數(shù)據(jù)分析中，比如用于在時(shí)間維度上銷(xiāo)售額的同比和環(huán)比、增長(zhǎng)率，與競(jìng)爭(zhēng)對(duì)手的對(duì)比、類(lèi)別之間的對(duì)比、特征和屬性對(duì)比等。對(duì)比分析法可以發(fā)現(xiàn)數(shù)據(jù)變化規(guī)律，使用頻繁，經(jīng)常和其他方法搭配使用。0

1與同級(jí)部門(mén)、單位、地區(qū)進(jìn)行對(duì)比0

2與目標(biāo)對(duì)比0

3行業(yè)內(nèi)對(duì)比0

4不同時(shí)期對(duì)比0

5活動(dòng)效果對(duì)比橫比縱比5.2.1對(duì)比分析法在進(jìn)行對(duì)比分析時(shí)需要考慮到以下幾點(diǎn)因素：計(jì)算單位必須一致指標(biāo)的口徑范圍、計(jì)算方法及計(jì)量單位必須一致，也就是用同一種單位或標(biāo)準(zhǔn)去衡量。指標(biāo)類(lèi)型必須一致對(duì)比的指標(biāo)類(lèi)型必須是一致的。無(wú)論是相對(duì)數(shù)指標(biāo)、絕對(duì)數(shù)指標(biāo)、平均數(shù)指標(biāo)還是其他不同類(lèi)型的指標(biāo)，在進(jìn)行對(duì)比時(shí)，雙方必須要統(tǒng)一。對(duì)比對(duì)象必須具有可比性對(duì)比的對(duì)象要有可比性，例如不能拿雙十一銷(xiāo)售額與日常銷(xiāo)售額、全年銷(xiāo)量與日均銷(xiāo)量進(jìn)行對(duì)比。5.2.1對(duì)比分析法【案例分析】環(huán)比與同比（函數(shù)法）如圖所示為某網(wǎng)店2021年至2022年9月產(chǎn)品1的銷(xiāo)售數(shù)據(jù)，那么環(huán)比增幅和同比增幅各是多少呢？環(huán)比增幅=（本期數(shù)-上期數(shù)）/上期數(shù)*100%本期數(shù)=上期數(shù)*（1+環(huán)比增幅）例如：（2021年9月的數(shù)值-2021年8月的數(shù)值）/2021年8月的數(shù)值同比增幅=（本期數(shù)-同期數(shù)）/同期數(shù)*100%本期數(shù)=同期數(shù)*（1+同比增幅）例如：（2021年9月的數(shù)值-2020年9月的數(shù)值）/2020年9月的數(shù)值年份月份銷(xiāo)量20211870932965883941564101899511754761459577164988817984391396351013653911185736121467902022192819210156631413174159019517140861634347187328821147391922385.2.1對(duì)比分析法方法一：使用Excel公式法計(jì)算環(huán)比/同比數(shù)據(jù)第一步在Excel表格中添加“環(huán)比增幅”“同比增幅”列。第二步在D3單元格中輸入“=(C3-C2)/C2”計(jì)算公式。第三步選擇D3單元格，使用快速填充柄進(jìn)行公式快速填充。第四步在E14單元格中輸入“=(C14-C2)/C2”計(jì)算公式。第五步選擇E14單元格，使用快速填充柄進(jìn)行公式快速填充。5.2.1對(duì)比分析法方法二：使用Excel數(shù)據(jù)透視表法計(jì)算環(huán)比/同比數(shù)據(jù)第一步將數(shù)據(jù)源中的年份列取消“合并單元格”，每個(gè)月份均對(duì)應(yīng)年份。第二步選中年份、月份、產(chǎn)品三列數(shù)據(jù)，選擇【推薦的數(shù)據(jù)透視表】功能，單擊【空白數(shù)據(jù)透視表】。第三步在數(shù)據(jù)透視表字段操作框中，“行”為“年份”和“月份”，“值”為“產(chǎn)品”，計(jì)數(shù)項(xiàng)為求和。5.2.1對(duì)比分析法第四步選擇數(shù)據(jù)透視表中某個(gè)單元格數(shù)據(jù)，單擊鼠標(biāo)右鍵，依次選擇“值顯示方式”-“差異百分比”。第五步在“差異百分比”設(shè)置框中，“基本字段”為“月份”，“基本項(xiàng)”為“上一個(gè)”，單擊確定，即可計(jì)算環(huán)比增幅數(shù)據(jù)。第六步重復(fù)第四步操作，在“差異百分比”設(shè)置框中，“基本字段”為“年份”，“基本項(xiàng)”為“上一個(gè)”，單擊確定，即可計(jì)算同比增幅數(shù)據(jù)。5.2.2公式分析法公式分析法就是對(duì)某個(gè)指標(biāo)用公式層層分解該指標(biāo)的影響因素。比如需要分析某店鋪中的某產(chǎn)品的銷(xiāo)售額較低的原因，通過(guò)對(duì)銷(xiāo)售額的逐層拆解，逐步細(xì)化評(píng)估以及分析的粒度，分解結(jié)果如下：銷(xiāo)售額=銷(xiāo)售量×產(chǎn)品單價(jià)銷(xiāo)售量=渠道A銷(xiāo)售量+渠道B銷(xiāo)售量+渠道C銷(xiāo)售量+…渠道銷(xiāo)售量=點(diǎn)擊用戶數(shù)×下單率點(diǎn)擊用戶數(shù)=曝光量×點(diǎn)擊率5.2.2公式分析法通過(guò)上述指標(biāo)之間的公式關(guān)系，我們可以按照以下的層級(jí)進(jìn)行分析：找到產(chǎn)品銷(xiāo)售額的影響因素。分析是銷(xiāo)量過(guò)低還是價(jià)格設(shè)置不合理。找到銷(xiāo)售量的影響因素。分析對(duì)比各渠道銷(xiāo)售量，是哪些過(guò)低了。分析影響渠道銷(xiāo)售量的因素。分析是點(diǎn)擊用戶數(shù)低了，還是下單量過(guò)低。分析影響點(diǎn)擊的因素。分析是曝光量不夠需要拓寬投放渠道，還是點(diǎn)擊率太低需要優(yōu)化廣告創(chuàng)意。5.2.3漏斗分析法漏斗分析法是數(shù)據(jù)領(lǐng)域最常見(jiàn)的一種數(shù)據(jù)分析方法，它能夠科學(xué)地評(píng)估一種業(yè)務(wù)過(guò)程，從起點(diǎn)到終點(diǎn)，各個(gè)階段的轉(zhuǎn)化情況。通過(guò)可以量化的數(shù)據(jù)分析，幫助找到有問(wèn)題的業(yè)務(wù)環(huán)節(jié)，并進(jìn)行針對(duì)性的優(yōu)化。漏斗圖不僅可以顯示用戶從進(jìn)入到實(shí)現(xiàn)目標(biāo)的最終轉(zhuǎn)化率，還可以展示整個(gè)關(guān)鍵路徑中每一步的轉(zhuǎn)化率。通過(guò)對(duì)關(guān)鍵路徑（比如注冊(cè)流程、購(gòu)物流程等）轉(zhuǎn)化率的分析，來(lái)確定整個(gè)流程的設(shè)計(jì)是否合理，是否存在優(yōu)化的空間等，進(jìn)而提高最終目標(biāo)的轉(zhuǎn)化率。5.2.3漏斗分析法轉(zhuǎn)化率：對(duì)于電子商務(wù)網(wǎng)站來(lái)說(shuō)，轉(zhuǎn)化率就是從當(dāng)前一個(gè)頁(yè)面進(jìn)入到下一個(gè)頁(yè)面的人數(shù)比率。關(guān)鍵路徑分析：網(wǎng)站中的一些關(guān)鍵路徑（KeyPath），即用戶是為了某個(gè)目標(biāo)而進(jìn)入了一個(gè)相對(duì)標(biāo)準(zhǔn)的有序路徑，用戶的目標(biāo)就是為了到達(dá)“出口”，而不是隨意游蕩。如電子商務(wù)網(wǎng)站的注冊(cè)流程、購(gòu)物流程，應(yīng)用型網(wǎng)站的服務(wù)使用流程等可被視為關(guān)鍵路徑。5.2.3漏斗分析法【案例分析】針對(duì)電子商務(wù)網(wǎng)站的一般購(gòu)物流程，計(jì)算各個(gè)階段的轉(zhuǎn)化率并繪制漏斗模型。（1）構(gòu)建用戶訪問(wèn)的關(guān)鍵路徑5.2.3漏斗分析法（2）計(jì)算關(guān)鍵路徑的轉(zhuǎn)化率5.2.3漏斗分析法（3）繪制漏斗模型第N環(huán)節(jié)占位數(shù)據(jù)=（第1環(huán)節(jié)進(jìn)入人數(shù)-第N環(huán)節(jié)進(jìn)入人數(shù)）/2第N環(huán)節(jié)轉(zhuǎn)化率=第N環(huán)節(jié)進(jìn)入人數(shù)/第（N-1）環(huán)節(jié)進(jìn)入人數(shù)第N環(huán)節(jié)總體轉(zhuǎn)化率=第N環(huán)節(jié)進(jìn)入人數(shù)/第1環(huán)節(jié)進(jìn)入人數(shù)5.2.4矩陣分析法矩陣關(guān)聯(lián)分析法又叫矩陣分析法、象限圖分析法，是將事物（產(chǎn)品或服務(wù)）的兩個(gè)屬性（指標(biāo)）作為分析的依據(jù)，進(jìn)行分類(lèi)關(guān)聯(lián)分析，找到問(wèn)題解決方案的一種分析方法。矩陣分析法以屬性A為橫軸，以屬性B為縱軸，組成一個(gè)坐標(biāo)系，在兩個(gè)坐標(biāo)軸上分別按照某一標(biāo)準(zhǔn)（可以取平均數(shù)、經(jīng)驗(yàn)值等）進(jìn)行刻度劃分，這樣會(huì)構(gòu)成四個(gè)象限，將待分析的主體項(xiàng)目對(duì)應(yīng)投射進(jìn)四象限中，可以直觀的表現(xiàn)出兩屬性的關(guān)聯(lián)性，從而分析每一個(gè)項(xiàng)目在這兩個(gè)屬性上的表現(xiàn)。5.2.4矩陣分析法【案例分析】電商企業(yè)項(xiàng)目涉及用戶滿意度分析某電商企業(yè)對(duì)外10個(gè)項(xiàng)目的重要性和用戶滿意度進(jìn)行調(diào)查，選擇出哪些項(xiàng)目需要進(jìn)行用戶滿意度的提高。使用矩陣分析法進(jìn)行分析。項(xiàng)目滿意度重要性項(xiàng)目16.08.0項(xiàng)目28.02.0項(xiàng)目39.03.0項(xiàng)目44.04.0項(xiàng)目58.09.0項(xiàng)目61.03.0項(xiàng)目74.07.0項(xiàng)目82.08.0項(xiàng)目96.01.0項(xiàng)目103.06.05.2.4矩陣分析法1．插入散點(diǎn)圖使用AVERAGER函數(shù)計(jì)算重要性和滿意度的平均值，選中重要性和滿意度兩列數(shù)值，插入散點(diǎn)圖5.2.4矩陣分析法2.修改縱坐標(biāo)與橫坐標(biāo)的交叉點(diǎn)選中縱坐標(biāo)軸，單擊右鍵，選擇“設(shè)置坐標(biāo)軸格式”，“橫坐標(biāo)軸交叉”選擇“坐標(biāo)軸值”，輸入“5.5”，“標(biāo)簽位置”為“低”，用同樣的方法，將橫坐標(biāo)軸的“縱坐標(biāo)軸交叉”值設(shè)為“5.3”,“標(biāo)簽位置”為“低”5.2.4矩陣分析法3.美化圖表輸入坐標(biāo)軸的標(biāo)題，縱坐標(biāo)軸為“重要性”，橫坐標(biāo)軸為“滿意度”。修改標(biāo)題為“項(xiàng)目用戶滿意度優(yōu)先改進(jìn)矩陣”。去除網(wǎng)格線，添加數(shù)據(jù)標(biāo)簽5.2.4矩陣分析法通過(guò)以上的矩陣分析，可以得出如下結(jié)論：第一象限中的項(xiàng)目1和項(xiàng)目5是，其項(xiàng)目重要性和用戶滿意度均表現(xiàn)優(yōu)秀，繼續(xù)保持現(xiàn)有的資源投入和運(yùn)營(yíng)策略；第二象限中的項(xiàng)目7.項(xiàng)目8和項(xiàng)目10，對(duì)于企業(yè)來(lái)說(shuō)很重要，但是用戶滿意度很低，所以優(yōu)先改進(jìn)第二象限中的項(xiàng)目；第一象限：屬于重要性高、滿意度也高的象限。第二象限：屬于重要性高、滿意度低的象限。第四象限：屬于重要性低、滿意度高的象限。第三象限：屬于重要性低、滿意度也低的象限。高度關(guān)注優(yōu)先改進(jìn)維持優(yōu)勢(shì)無(wú)關(guān)緊要5.2.4矩陣分析法第三象限中的項(xiàng)目4和項(xiàng)目6，項(xiàng)目重要性和用戶滿意度均較低，符合預(yù)期，暫不做調(diào)整；第四象限中的項(xiàng)目2.項(xiàng)目3和項(xiàng)目9，對(duì)于企業(yè)來(lái)說(shuō)重要性不高，但是用戶滿意度很好，資源投入過(guò)大，所以需要將第四象限中項(xiàng)目資源適當(dāng)調(diào)整至第二象限中的項(xiàng)目中去，優(yōu)化資源配置，給企業(yè)創(chuàng)造更大的效益。第一象限：屬于重要性高、滿意度也高的象限。第二象限：屬于重要性高、滿意度低的象限。第四象限：屬于重要性低、滿意度高的象限。第三象限：屬于重要性低、滿意度也低的象限。高度關(guān)注優(yōu)先改進(jìn)維持優(yōu)勢(shì)無(wú)關(guān)緊要第3節(jié)電子商務(wù)數(shù)據(jù)描述性統(tǒng)計(jì)分析5.3.1集中趨勢(shì)統(tǒng)計(jì)分析5.3.2離散程度5.3.3分布形態(tài)描述性統(tǒng)計(jì)量是對(duì)數(shù)據(jù)特征進(jìn)行描述的統(tǒng)計(jì)量，是對(duì)數(shù)據(jù)的概括和簡(jiǎn)化。通過(guò)描述性統(tǒng)計(jì)可以對(duì)總體數(shù)據(jù)做出統(tǒng)計(jì)性描述，從而發(fā)現(xiàn)數(shù)據(jù)的分布規(guī)律，并挖掘出數(shù)據(jù)的內(nèi)在特征。描述性統(tǒng)計(jì)的內(nèi)容包含集中趨勢(shì)的統(tǒng)計(jì)分析、離散程度的統(tǒng)計(jì)分析和分布形態(tài)的統(tǒng)計(jì)分析。5.3電子商務(wù)數(shù)據(jù)描述性統(tǒng)計(jì)分析1描述變量集中趨勢(shì)的統(tǒng)計(jì)量2描述變量離散程度的統(tǒng)計(jì)量3描述變量分布情況的統(tǒng)計(jì)量集中趨勢(shì)反映了一組數(shù)據(jù)中心點(diǎn)所在的位置。統(tǒng)計(jì)分析集中趨勢(shì)不僅可以找到數(shù)據(jù)的中心值或一般水平的代表值，還可以發(fā)現(xiàn)數(shù)據(jù)向其中心值靠攏的傾向和程度。5.3.1集中趨勢(shì)統(tǒng)計(jì)分析5.3.1集中趨勢(shì)統(tǒng)計(jì)分析1.算術(shù)平均值算術(shù)平均值指的是一組數(shù)據(jù)相加后除以數(shù)據(jù)個(gè)數(shù)的結(jié)果，它可以反映出一組數(shù)據(jù)的平均水平。根據(jù)所計(jì)算的數(shù)據(jù)是否分組，算術(shù)平均值有簡(jiǎn)單算術(shù)平均值和加權(quán)算術(shù)平均值之分。5.3.1集中趨勢(shì)統(tǒng)計(jì)分析簡(jiǎn)單算術(shù)平均值是對(duì)未經(jīng)分組的數(shù)據(jù)計(jì)算平均數(shù)而采用的計(jì)算形式。假設(shè)一組數(shù)據(jù)有n個(gè)變量值，分別為x_1,x_2,…,x_n，則這組數(shù)據(jù)的簡(jiǎn)單算術(shù)平均值的計(jì)算公式如下所示。

算術(shù)平均值(AVERAGE)5.3.1集中趨勢(shì)統(tǒng)計(jì)分析加權(quán)算術(shù)平均值則是對(duì)已分組的數(shù)據(jù)計(jì)算平均數(shù)而采用的計(jì)算形式。若將一組數(shù)據(jù)分為k組，各組的簡(jiǎn)單算術(shù)平均值表示為x?_1,x?_2,…,x?_k，每組數(shù)據(jù)的個(gè)數(shù)為各組數(shù)據(jù)的權(quán)數(shù)，分別為f_1,f_2,…,f_k，則這組數(shù)據(jù)的加權(quán)算術(shù)平均值的計(jì)算公式如下所示。

加權(quán)算術(shù)平均值(SUMPRODUCT)5.3.1集中趨勢(shì)統(tǒng)計(jì)分析2.中位數(shù)中位數(shù)指將一組數(shù)據(jù)按從小到大或從大到小的順序排列后，處于中間位置上的數(shù)據(jù)。當(dāng)一組數(shù)據(jù)中含有異?；驑O端的數(shù)據(jù)時(shí)，通過(guò)算術(shù)平均值這個(gè)指標(biāo)就有可能得到代表性不高甚至錯(cuò)誤的結(jié)果，此時(shí)則可以使用中位數(shù)作為該組數(shù)據(jù)的代表值。需要注意的是，當(dāng)該組數(shù)據(jù)的個(gè)數(shù)k為奇數(shù)時(shí)，中位數(shù)就是位于（n+1）/2位置上的數(shù)值，如當(dāng)n=13時(shí)，中位數(shù)就是第7位對(duì)應(yīng)的數(shù)值；當(dāng)該組數(shù)據(jù)的個(gè)數(shù)n為偶數(shù)時(shí)，中位數(shù)就是位于（n+1）/2前后相鄰的兩個(gè)自然數(shù)位置對(duì)應(yīng)數(shù)值的算術(shù)平均值，如當(dāng)n=14時(shí)，中位數(shù)就是第7位和第8位數(shù)值的算術(shù)平均值。中位數(shù)（MEDIAN）5.3.1集中趨勢(shì)統(tǒng)計(jì)分析3.眾數(shù)眾數(shù)指一組數(shù)據(jù)中出現(xiàn)頻率最高的數(shù)值，這個(gè)指標(biāo)對(duì)定類(lèi)數(shù)據(jù)、定序數(shù)據(jù)、定距數(shù)據(jù)和定比數(shù)據(jù)都適用，能表示由它們組成的一組數(shù)據(jù)的集中趨勢(shì)。如果總體包含的數(shù)據(jù)足夠多，且數(shù)據(jù)具有明顯的集中趨勢(shì)時(shí)，就可以使用眾數(shù)反映該組數(shù)據(jù)的集中趨勢(shì)。需要注意的是，如果在一組數(shù)據(jù)中，只有一個(gè)數(shù)值出現(xiàn)的次數(shù)最多，就稱(chēng)這個(gè)數(shù)值為該組數(shù)據(jù)的眾數(shù)；如果有兩個(gè)或多個(gè)數(shù)值的出現(xiàn)次數(shù)并列最多，則稱(chēng)這兩個(gè)或多個(gè)數(shù)值都是該組數(shù)據(jù)的眾數(shù)；如果所有數(shù)值出現(xiàn)的次數(shù)都相同，則稱(chēng)該組數(shù)據(jù)沒(méi)有眾數(shù)。眾數(shù)（MODE）5.3.2離散程度在統(tǒng)計(jì)學(xué)中，離散程度指反映總體中各個(gè)個(gè)體的變量值之間差異程度，也稱(chēng)為離中趨勢(shì)。描述一組數(shù)據(jù)離散程度的指標(biāo)有很多，常用的包括極差、四分位差、方差、標(biāo)準(zhǔn)差、變異系數(shù)等，使用這些指標(biāo)，并結(jié)合集中趨勢(shì)的描述，就可以更好地發(fā)現(xiàn)數(shù)據(jù)的特性。一般而言，在同類(lèi)離散指標(biāo)的比較中：離散指標(biāo)的數(shù)值越小，說(shuō)明該組數(shù)據(jù)的波動(dòng)（變異）程度越??；離散指標(biāo)的數(shù)值越大，則說(shuō)明該組數(shù)據(jù)的波動(dòng)（變異）程度越大。5.3.2離散程度1.極差極差又稱(chēng)為范圍誤差或全距，通常以R表示，反映的是一組數(shù)據(jù)中最大值與最小值之間的差距，其計(jì)算公式如下所示。

一組數(shù)據(jù)的極差越大，該組數(shù)據(jù)的離散程度越大；極差越小離散程度則越小。在Excel中可以利用MAX函數(shù)和MIN函數(shù)來(lái)計(jì)算極差5.3.2離散程度2.四分位差如果將一組數(shù)據(jù)按從小到大或從大到小的順序排列后等分為4份，則處于該組數(shù)據(jù)25%位上的數(shù)據(jù)稱(chēng)為上四分位數(shù)Q_U，處于50%位置上的數(shù)據(jù)稱(chēng)為中位數(shù)，處于75%位置上的數(shù)據(jù)稱(chēng)為上四分位數(shù)Q_U。四分位差Q_D則指的是上四分位數(shù)Q_U與下四分位數(shù)Q_L之差，即Q_D=Q_U-Q_L5.3.2離散程度四分位差越大，表示數(shù)據(jù)離散程度越大；四分位差越小，表示數(shù)據(jù)離散程度越小。四分位差不受極值的影響，適用于順序數(shù)據(jù)和數(shù)值型數(shù)據(jù)。在Excel中可以借助QUARTILEINC函數(shù)來(lái)計(jì)算四分位差5.3.2離散程度3.平均差平均差也是一種表示各個(gè)變量值之間差異程度的指標(biāo)，指的是各個(gè)變量值與其算數(shù)平均值的離差絕對(duì)值的算術(shù)平均值，可以用“A.D”或“M.D”表示。其中，離差就是偏差，是某個(gè)變量值與整個(gè)數(shù)據(jù)的算術(shù)平均值之差。假設(shè)一組數(shù)據(jù)有n個(gè)變量值，分別為x_1,x_2,…，x_n,其算術(shù)平均值為x?，則平均差的計(jì)算公式如下所示

5.3.2離散程度4.方差與標(biāo)準(zhǔn)差平均差通過(guò)絕對(duì)值的方法消除離差的正負(fù)號(hào)，從而保證離差之和不為0。在數(shù)學(xué)上，還有一種方法比使用絕對(duì)值來(lái)處理該問(wèn)題更為合理，即對(duì)離差進(jìn)行平方計(jì)算，這就是方差，考慮到方差是經(jīng)過(guò)平方處理的，其單位與數(shù)據(jù)單位就不會(huì)相同，因此為了更好地比較和分析數(shù)據(jù)，可以對(duì)方差開(kāi)平方根，這就是標(biāo)準(zhǔn)差。5.3.2離散程度（1）總體的方差和標(biāo)準(zhǔn)差假設(shè)一組數(shù)據(jù)有N個(gè)變量值，分別為x_1,x_2,…，x_n，σ^2為總體方差，μ為總體均值，則總體方差的計(jì)算公式如下所示?？傮w標(biāo)準(zhǔn)差的計(jì)算公式則為：

5.3.2離散程度（2）樣本的方差和標(biāo)準(zhǔn)差實(shí)際工作中，如果總體參數(shù)無(wú)法得到，則可以使用樣本統(tǒng)計(jì)量代替總體參數(shù)。假設(shè)樣本量為n，樣本量的均值為x?，此時(shí)樣本方差s^2的計(jì)算公式如下。樣本標(biāo)準(zhǔn)差s的計(jì)算公式則為：

5.3.2離散程度在Excel中，如果采集到的是總體的所有數(shù)據(jù)，則可以使用STDEV.P函數(shù)計(jì)算總體標(biāo)準(zhǔn)差,將結(jié)果進(jìn)行平方處理則能得到總體方差的數(shù)據(jù)；如果采集到的總體的部分樣本數(shù)據(jù)，則可以使用STDEV.S函數(shù)計(jì)算樣本標(biāo)準(zhǔn)差，將結(jié)果進(jìn)行平方處理得到樣本方差的數(shù)據(jù)。5.3.2離散程度5.變異系數(shù)無(wú)論極差、平均差或標(biāo)準(zhǔn)差，這些指標(biāo)實(shí)際上都是以絕對(duì)值形式反映數(shù)據(jù)的離散指標(biāo)，其計(jì)量單位與算術(shù)平均值的計(jì)量單位相同。變異系數(shù)是用絕對(duì)值形式的離散指標(biāo)與平均值相除的結(jié)果，是用比率的形式反映離散程度大小的一種指標(biāo)，通常用標(biāo)準(zhǔn)差除以算術(shù)平均值的百分?jǐn)?shù)來(lái)表示?？傮w的變異系數(shù)計(jì)算公式如下所示。樣本的變異系數(shù)計(jì)算公式如下所示。

5.3.3分布形態(tài)集中趨勢(shì)和離散程度都是分析數(shù)據(jù)的分布特征。對(duì)于任意兩組數(shù)據(jù)而言，即使它們的集中趨勢(shì)和離散程度特征都相同，但表現(xiàn)出來(lái)的分布特征也有可能不同，原因在于決定數(shù)據(jù)分布的特征除了集中趨勢(shì)和離散程度外，還有分布形態(tài)。數(shù)據(jù)的分布形態(tài)并沒(méi)有確切的定義，但作為數(shù)據(jù)描述的第3個(gè)維度，它是最為形象的描述方式，可以用各種統(tǒng)計(jì)圖形將數(shù)據(jù)的分布形態(tài)形象地展現(xiàn)在圖形上，使分析者對(duì)數(shù)據(jù)的各種分布特征一目了然。5.3.3分布形態(tài)在統(tǒng)計(jì)分析中，通常要假設(shè)樣本的分布屬于正態(tài)分布，因此需要用偏度和峰度兩個(gè)指標(biāo)來(lái)檢查樣本是否符合正態(tài)分布。5.3.3分布形態(tài)描述變量分布情況的統(tǒng)計(jì)量偏度：衡量的是樣本分布的偏斜方向和程度峰度：衡量的事樣本分布曲線的尖峰程度某變量所有取值的最小值描述變量分布的對(duì)稱(chēng)程度和方向。偏度為0表示對(duì)稱(chēng),大于0表示右偏,小于0表示左偏偏度（SKEW）描述變量分布的陡峭程度。峰度為0表示陡峭程度和正態(tài)分布相同，大于0表示比正態(tài)分布陡峭，小于0表示比正態(tài)分布平緩。峰度（KURT）12如果樣本的偏度接近于0，峰度接近于0，就可以判斷總體的分布接近于正態(tài)分布5.3電子商務(wù)數(shù)據(jù)描述性統(tǒng)計(jì)分析【案例分析】店鋪UV值的描述性統(tǒng)計(jì)如圖所示為某網(wǎng)2021年11月的UV值，對(duì)其進(jìn)行描述性統(tǒng)計(jì)數(shù)據(jù)。日期獨(dú)立訪客數(shù)UV2021/11/132002021/11/231272021/11/335002021/11/439002021/11/548002021/11/645602021/11/742302021/11/855002021/11/956802021/11/1087502021/11/11109232021/11/1296982021/11/1385002021/11/1478562021/11/1570902021/11/1678002021/11/1768602021/11/1869502021/11/1971202021/11/2068605.3電子商務(wù)數(shù)據(jù)描述性統(tǒng)計(jì)分析1.數(shù)據(jù)分析功能加載Excel加載【數(shù)據(jù)分析】功能：【文件】-【選項(xiàng)】-【加載項(xiàng)】-【管理】-【轉(zhuǎn)到】-【分析工具庫(kù)】-【確定】5.3電子商務(wù)數(shù)據(jù)描述性統(tǒng)計(jì)分析2.數(shù)據(jù)分析-描述性統(tǒng)計(jì)單擊【數(shù)據(jù)】-【數(shù)據(jù)分析】-【描述性統(tǒng)計(jì)】，進(jìn)入“描述統(tǒng)計(jì)”設(shè)置框，“輸入?yún)^(qū)域”為“$B$1:$B$21”,“分組方式”為“逐列”，“標(biāo)志位于第一行”勾選，輸出選項(xiàng)中，“輸出區(qū)域”可選擇“$K$2”,“匯總統(tǒng)計(jì)”、“平均數(shù)置信度”、“第K大值”和“第K小值”均勾選，單擊【確定】，結(jié)果顯示如圖所示。第4節(jié)電子商務(wù)數(shù)據(jù)相關(guān)分析與回歸分析5.4.1相關(guān)關(guān)系的分類(lèi)5.4.2相關(guān)關(guān)系的測(cè)定5.4.3一元回歸分析5.4.4相關(guān)與回歸分析應(yīng)用5.4.1相關(guān)關(guān)系的分類(lèi)相關(guān)關(guān)系是指變量之間存在的一種不確定的數(shù)量依存關(guān)系，即一個(gè)變量的數(shù)值發(fā)生變化時(shí)，另一個(gè)變量的數(shù)值也相應(yīng)地發(fā)生變化，但變化的數(shù)值不是確定的，而是在一定的范圍內(nèi)。5.4.1相關(guān)關(guān)系的分類(lèi)（1）按程度分類(lèi)①完全相關(guān)：兩個(gè)變量之間的關(guān)系，一個(gè)變量的數(shù)量變化由另一個(gè)變量的數(shù)量變化所惟一確定，即函數(shù)關(guān)系。②不完全相關(guān)：兩個(gè)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)：如果兩個(gè)變量彼此的數(shù)量變化互相獨(dú)立，沒(méi)有關(guān)系。5.4.1相關(guān)關(guān)系的分類(lèi)（2）按方向分類(lèi)①正相關(guān)：兩個(gè)變量的變化趨勢(shì)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(gè)變量的值由小變大時(shí)，另一個(gè)變量的值也由小變大。②負(fù)相關(guān)：兩個(gè)變量的變化趨勢(shì)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(gè)變量的值由小變大時(shí)，另一個(gè)變量的值由大變小。5.4.1相關(guān)關(guān)系的分類(lèi)（3）按形式分類(lèi)①線性相關(guān)（直線相關(guān)）：當(dāng)相關(guān)關(guān)系的一個(gè)變量變動(dòng)時(shí)，另一個(gè)變量也相應(yīng)地發(fā)生均等的變動(dòng)。②非線性相關(guān)（曲線相關(guān)）：當(dāng)相關(guān)關(guān)系的一個(gè)變量變動(dòng)時(shí)，另一個(gè)變量也相應(yīng)地發(fā)生不均等的變動(dòng)。5.4.2相關(guān)關(guān)系的測(cè)定測(cè)定變量之間的相關(guān)關(guān)系有多種方法，在進(jìn)行具體相關(guān)關(guān)系的判斷時(shí)，一般是先做定性分析，之后再做定量分析。1.相關(guān)表與相關(guān)圖相關(guān)表和相關(guān)圖都可反映兩個(gè)變量之間的相互關(guān)系及其相關(guān)方向。5.4.2相關(guān)關(guān)系的測(cè)定相關(guān)表指將一個(gè)變量按大小順序排序?qū)⒘硗庾兞繉?duì)應(yīng)排列而成的表格，通過(guò)相關(guān)表中變量的數(shù)值變化可以大致判斷出變量之間的相關(guān)關(guān)系。相關(guān)圖又稱(chēng)為散點(diǎn)圖，它是用直角坐標(biāo)系的x軸代表自變量，用y軸代表因變量，將兩個(gè)變量間相對(duì)應(yīng)的變量值用坐標(biāo)點(diǎn)的形式描繪出來(lái)，用以表明相關(guān)點(diǎn)分布狀況的圖形。5.4.2相關(guān)關(guān)系的測(cè)定2.相關(guān)系數(shù)相關(guān)系數(shù)r用來(lái)反映變量之間的線性關(guān)系的密切程度，因此又稱(chēng)為線性相關(guān)系數(shù)，又因其是由英國(guó)統(tǒng)計(jì)學(xué)家皮爾遜(Pearson)提出，故也稱(chēng)為Pearson積矩相關(guān)系數(shù)。根據(jù)相關(guān)表中的變量數(shù)據(jù)，相關(guān)系數(shù)r可以使用積差法進(jìn)行計(jì)算。

5.4.2相關(guān)關(guān)系的測(cè)定為了根據(jù)原始數(shù)據(jù)計(jì)算r，可由上述式推導(dǎo)出下面的簡(jiǎn)化計(jì)算公式，也稱(chēng)為簡(jiǎn)捷法，該方法較為常用。

取值范圍含義|r|=1-1表示變量間完全負(fù)相關(guān)關(guān)系，1表示變量間完全正相關(guān)關(guān)系r=0變量間不存在線性相關(guān)關(guān)系，但可能存在非線性關(guān)系-1≤r<0變量間存在負(fù)相關(guān)關(guān)關(guān)系0<r≤1變量間存在正相關(guān)關(guān)系|r|>0.8表示變量間存在高度相關(guān)關(guān)系0.5<|r|≤0.8表示變量間存在中度相關(guān)關(guān)系0.3<|r|≤0.5表示變量間存在低度相關(guān)關(guān)系|r|≤0.3表示變量間不存在線性相關(guān)關(guān)系5.4.2相關(guān)關(guān)系的測(cè)定【案例分析】某平臺(tái)6家電商企業(yè)的年廣告費(fèi)和年利潤(rùn)相關(guān)系數(shù)分析某平臺(tái)6家電商企業(yè)的年廣告費(fèi)和年利潤(rùn)資料如表5-2所示，求年利潤(rùn)和年廣告費(fèi)之間的相關(guān)系數(shù)，并分析相關(guān)的密切程度和方向。因?yàn)閞=0.98，所以年利潤(rùn)和年廣告費(fèi)之間呈高度正相關(guān)關(guān)系。年廣告費(fèi)x（萬(wàn)元）0.811.21.522.5年利潤(rùn)y（萬(wàn)元）566.58910

5.4.2相關(guān)關(guān)系的測(cè)定某平臺(tái)6家電商企業(yè)的月成本和月利潤(rùn)資料如下表5-3所示，其月成本和月利潤(rùn)之間的相關(guān)系數(shù)，并分析相關(guān)的密切程度和方向。因?yàn)閞≈-0.98，所以月成本和月利潤(rùn)之間呈高度負(fù)相關(guān)關(guān)系。月成本x（萬(wàn)元）23.245.567月利潤(rùn)y（萬(wàn)元）108.564.543

5.4.2相關(guān)關(guān)系的測(cè)定3.協(xié)方差協(xié)方差是兩個(gè)數(shù)據(jù)集中每對(duì)數(shù)據(jù)點(diǎn)的偏差乘積的平均值，同樣可以用來(lái)描述兩個(gè)變量之間的相關(guān)關(guān)系。對(duì)于隨機(jī)變量X、Y，x_i和y_i分別為n次獨(dú)立觀測(cè)值，計(jì)算協(xié)方差cov(X，Y)，公式如下：其中，

5.4.2相關(guān)關(guān)系的測(cè)定協(xié)方差具有如下性質(zhì)：①若cov(X，Y)絕對(duì)值越大，表明兩個(gè)變量之間的相關(guān)程度越強(qiáng)。②若cov(X，Y)>0，表明兩個(gè)變量之間存在正相關(guān)關(guān)系；若cov(X，Y)<0，表明兩個(gè)變量之間存在負(fù)相關(guān)關(guān)系。③若cov(X，Y)=0，表明兩個(gè)變量之間無(wú)線性相關(guān)關(guān)系。一元回歸分析一元線性回歸分析是處理兩個(gè)變量x（自變量）和y（因變量）之間關(guān)系的最簡(jiǎn)單模型，研究是這兩個(gè)變量之間的線性相關(guān)關(guān)系。u是一個(gè)隨機(jī)變量稱(chēng)為隨機(jī)項(xiàng)a,b兩個(gè)常數(shù)，稱(chēng)為回歸系數(shù)（參數(shù)）i表示變量的第i個(gè)觀察值，共有n組樣本觀察值5.4.3一元回歸分析5.4.3一元回歸分析1.一元線性回歸方程的參數(shù)估計(jì)建立回歸方程實(shí)際上指利用樣本觀測(cè)直(x，y)，i=1,2,...,n，估計(jì)未知參數(shù)a、b的值，其中a是回歸方程的常數(shù)項(xiàng)，b是方程的回歸系數(shù)。

5.4.3一元回歸分析【案例分析】某平臺(tái)6家電商企業(yè)費(fèi)用相關(guān)的線性回歸方程1.年利潤(rùn)和年廣告費(fèi)的線性回歸方程某平臺(tái)6家電商企業(yè)的年廣告費(fèi)和年利潤(rùn)資料如表5-1所示，求年利潤(rùn)和年廣告費(fèi)的線性回歸方程。解：設(shè)yc=a+bx，求得：故年利潤(rùn)和年廣告費(fèi)的線性回歸方程為yc=3.05+2.91x年廣告費(fèi)x（萬(wàn)元）0.811.21.522.5年利潤(rùn)y（萬(wàn)元）566.58910

5.4.3一元回歸分析2.月成本和月利潤(rùn)的線性回歸方程某平臺(tái)6家電商企業(yè)的月成本和月利潤(rùn)資料如表5-2所示，求月成本和月利潤(rùn)的線性回歸方程。解：設(shè)yc=a+bx，求得：故月成本和月利潤(rùn)的線性回歸方程為yc=12.62-1.43x月成本x（萬(wàn)元）23.245.567月利潤(rùn)y（萬(wàn)元）108.564.543

5.4.3一元回歸分析2.一元線性回歸模型的檢驗(yàn)回歸模型的檢驗(yàn)包括3個(gè)步驟：第一是經(jīng)濟(jì)意義檢驗(yàn)，即如果模型中各變量之間的關(guān)系明顯與現(xiàn)實(shí)不符，則需要仔細(xì)對(duì)該模型建立的眾多細(xì)節(jié)進(jìn)行分析；第二是統(tǒng)計(jì)檢驗(yàn)，即檢驗(yàn)?zāi)Ｐ椭懈髯兞恳约澳Ｐ驼w是否具有顯著性，常用的檢驗(yàn)包括t檢驗(yàn)、F檢驗(yàn)、擬合優(yōu)度檢驗(yàn)、估計(jì)標(biāo)準(zhǔn)誤差檢驗(yàn)等；第三是計(jì)量檢驗(yàn)，即檢驗(yàn)?zāi)Ｐ褪欠衽c一些經(jīng)典的回歸假設(shè)相悖，常用的檢驗(yàn)有多重共線性檢驗(yàn)、自相關(guān)檢驗(yàn)、異方差檢驗(yàn)等。5.4.3一元回歸分析（1）擬合優(yōu)度檢驗(yàn)擬合優(yōu)度指回歸直線與各觀測(cè)點(diǎn)的接近程度，而擬合優(yōu)度檢驗(yàn)就是檢驗(yàn)回歸模型對(duì)樣本觀測(cè)值的擬合程度。

SST代表總離差平方和，用于反映因變量的n個(gè)樣本點(diǎn)因變量觀察值與其均值的總離差；SSE代表殘差平方和，用于反映除x以外的其他因素對(duì)y取值的影響；SSR代表回歸平方和，用于反映自變量x的變化對(duì)因變量y取值變化的影響。SST=SSE+SSR，在給定的樣本中，當(dāng)SST不變時(shí)，SSR在SST中所占的比重越大，則實(shí)際樣本點(diǎn)離樣本回歸線就越近，即表明回歸方式的擬合優(yōu)度效果較好。在線性相關(guān)分析中，擬合優(yōu)度系數(shù)（R2）=相關(guān)系數(shù)（r）的平方，即R2=r2。5.4.3一元回歸分析（2）估計(jì)標(biāo)準(zhǔn)誤差估計(jì)標(biāo)準(zhǔn)誤差指因變量各實(shí)際值與其估計(jì)值之間的平均差異程度，用于反映實(shí)際觀察直在回歸直線周?chē)姆稚顩r，即回歸估計(jì)值對(duì)各實(shí)際觀察值代表性的強(qiáng)弱。其值越小，回歸方程的代表性越強(qiáng)，用回歸方程估計(jì)或預(yù)測(cè)的結(jié)果越準(zhǔn)確。估計(jì)標(biāo)準(zhǔn)誤差用S_e表示，其計(jì)算公式為：

5.4.3一元回歸分析【案例分析】某平臺(tái)10家電商企業(yè)月?tīng)I(yíng)業(yè)支出和月?tīng)I(yíng)業(yè)收入的線性回歸方程某平臺(tái)10家電商企業(yè)的月?tīng)I(yíng)業(yè)收入和月?tīng)I(yíng)業(yè)支出數(shù)據(jù)如表5-4所示，求10家企業(yè)月?tīng)I(yíng)業(yè)支出與月?tīng)I(yíng)業(yè)收入的線性回歸方程，并求出回歸方程的擬合優(yōu)度系數(shù)，以及估計(jì)標(biāo)準(zhǔn)誤差。月?tīng)I(yíng)業(yè)收入x（萬(wàn)元）20303340151326383543月?tīng)I(yíng)業(yè)支出y（萬(wàn)元）79811548109105.4.3一元回歸分析解：設(shè)yc=a+bx，求得：故月?tīng)I(yíng)業(yè)支出關(guān)于月?tīng)I(yíng)業(yè)收入的線性回歸方程為yc=2.17+0.2x。將各家電商企業(yè)的月?tīng)I(yíng)業(yè)收入x代入上述回歸模型中，可求得月?tīng)I(yíng)業(yè)支出估計(jì)值

月?tīng)I(yíng)業(yè)收入x203033401513263835436.178.178.7710.176.174.777.379.779.1710.775.4.3一元回歸分析由于R^2=0.9，表明該回歸方程擬合效果較好。該回歸模型的估計(jì)標(biāo)準(zhǔn)誤差為0.73，其值較小，故反映出模型擬合效果較好。

5.4.4相關(guān)與回歸分析應(yīng)用【案例分析】某電商企業(yè)廣告費(fèi)用與銷(xiāo)售額之間的相關(guān)系數(shù)及回歸分析某電商企業(yè)為研究廣告費(fèi)用與銷(xiāo)售額之間的關(guān)系，抽取其2022年12個(gè)月的廣告費(fèi)用和銷(xiāo)售額數(shù)據(jù)，單位為萬(wàn)元，如下表所示，試計(jì)算廣告費(fèi)用與銷(xiāo)售額之間的相關(guān)系數(shù)并對(duì)二者進(jìn)行回歸分析(顯著性水平為0.05)。廣告費(fèi)用42807614265132561264811644102銷(xiāo)售額1321661521861481761421801561681481705.4.4相關(guān)與回歸分析應(yīng)用1.利用函數(shù)確定相關(guān)關(guān)系（1）計(jì)算相關(guān)系數(shù)在單元格C2中輸前入“相關(guān)系數(shù)”，在D2中輸入“=CORREL(A2:A13，B2:B13)”，得到結(jié)果約為0.9224。利用“PEARSON”函數(shù)（=PEARSON(A2:A13，B2:B13)），通過(guò)同樣的操作步驟將會(huì)得到一樣的結(jié)果。（2）計(jì)算協(xié)方差在單元格C3中輸入“協(xié)方差”，在D3中輸入“=COVARIANCE.S(A2:A13，B2:B13)”，單擊Enter鍵，即可得到廣告費(fèi)用與銷(xiāo)售額之間的協(xié)方差為556.0909，如圖所示。5.4.4相關(guān)與回歸分析應(yīng)用2.利用趨勢(shì)線輸出回歸方程（1）插入散點(diǎn)圖選中單元格區(qū)域A2:B13，插入散點(diǎn)圖，單擊其右側(cè)的“圖表元素”按鈕，勾選“趨勢(shì)線”復(fù)選框，單擊其右側(cè)三角形按鈕，選擇“更多選項(xiàng)”，在“設(shè)置趨勢(shì)線格式”窗格中選中“顯示公式”、“顯示R平方值”復(fù)選框，得到添加趨勢(shì)線后的散點(diǎn)圖，如下圖所示。（2）美化圖表添加標(biāo)題為“廣告費(fèi)用和銷(xiāo)售額趨勢(shì)線關(guān)系圖”，橫坐標(biāo)軸標(biāo)題為“廣告費(fèi)用（萬(wàn)元）”、縱坐標(biāo)軸標(biāo)題為“銷(xiāo)售額（萬(wàn)元）”，如下圖所示。5.4.4相關(guān)與回歸分析應(yīng)用3.利用回歸分析工具進(jìn)行回歸分析（1）選擇回歸分析工具切換至【數(shù)據(jù)】選項(xiàng)卡，依次單擊【數(shù)據(jù)分析】-【回歸】選項(xiàng)，然后單擊【確定】按鈕，進(jìn)入回歸參數(shù)設(shè)置。（2）回歸參數(shù)設(shè)置在“回歸”設(shè)置框中，將“Y值輸入?yún)^(qū)域”設(shè)置為單元格區(qū)域B1：B13，將“X值輸入?yún)^(qū)域”設(shè)置為單元格區(qū)域A1：A13，勾選“標(biāo)志”復(fù)選框，在“輸出”選項(xiàng)下選中“新工作表組”單選按鈕以將輸出結(jié)果顯示在一個(gè)新的工作表上。再勾選“殘差”、“正態(tài)分布”選項(xiàng)組的全部復(fù)選框，如下圖所示，最后單擊【確定】按鈕，得到回歸結(jié)果5.4.4相關(guān)與回歸分析應(yīng)用4.結(jié)果分析通過(guò)以上操作，對(duì)其分析結(jié)果如下：①用函數(shù)計(jì)算的相關(guān)系數(shù)值為0.9224，廣告費(fèi)用與銷(xiāo)售額之間的關(guān)系高度正相關(guān)。②用函數(shù)計(jì)算的協(xié)方差為556.0909，表明廣告費(fèi)用與銷(xiāo)售額之間的關(guān)系為正相關(guān)。協(xié)方差的絕對(duì)值越大，表明變量之間的相關(guān)程度越強(qiáng)，但從該實(shí)例的計(jì)算結(jié)果中只能看出變量間的相關(guān)方向，無(wú)法判斷相關(guān)程度。③通過(guò)散點(diǎn)圖可以較為直觀地體現(xiàn)了變量間的相關(guān)關(guān)系，還可以通過(guò)趨勢(shì)線形態(tài)判斷相關(guān)關(guān)系和相關(guān)方向，通過(guò)R值得出相關(guān)程度，直接得到回歸方程，操作較為方便。④利用回歸分析工具法獲得的回歸方程y_c=124.476+0.4181x與散點(diǎn)圖法的回歸方程一致，還可以輸出相關(guān)的回歸圖形。⑤該回歸方程的擬合優(yōu)度和顯著性檢驗(yàn)結(jié)果?？蓻Q系數(shù)RSquare為0.850744802，說(shuō)明該回歸方程擬合效果較好，表明該公司銷(xiāo)售額的增長(zhǎng)中，約有85.074%是由廣告投入的增加而造成的。在該回歸方程中P=1.9×10^(-5)，小于顯著性水平0.05，說(shuō)明拒絕原假設(shè)，即該回歸系數(shù)顯著，廣告投入對(duì)銷(xiāo)售額有明顯影響。SignificanceF=1.9484219×10^(-5)<0.05，說(shuō)明拒絕原假設(shè)，即該回歸方程顯著。第5節(jié)電子商務(wù)數(shù)據(jù)時(shí)間序列分析法5.5.1時(shí)間序列的分類(lèi)5.5.2長(zhǎng)期趨勢(shì)分析5.5.3季節(jié)變動(dòng)分析把反映某種社會(huì)經(jīng)濟(jì)現(xiàn)象的同一指標(biāo)在不同時(shí)間上的指標(biāo)數(shù)值，按照時(shí)間先后順序排列而形成的數(shù)列，稱(chēng)為時(shí)間數(shù)列。由于時(shí)間序列反映現(xiàn)象的動(dòng)態(tài)變化，故又稱(chēng)動(dòng)態(tài)數(shù)列。2016-2022年某電商企業(yè)淘寶銷(xiāo)售收入兩個(gè)基本要素：現(xiàn)象所屬的時(shí)間，可以表現(xiàn)為年、季、月或日等時(shí)間單位反映客觀現(xiàn)象的統(tǒng)計(jì)指標(biāo)數(shù)值5.5.1時(shí)間序列的分類(lèi)年份2016201720182019202020212022銷(xiāo)售收入/萬(wàn)元1191201231251401451505.5.1時(shí)間序列的分類(lèi)1.絕對(duì)數(shù)時(shí)間序列絕對(duì)數(shù)時(shí)間序列又稱(chēng)總量指標(biāo)時(shí)間序列，是將反映某種社會(huì)經(jīng)濟(jì)現(xiàn)象的一系列總量指標(biāo)按時(shí)間先后順序排列而形成的一種數(shù)列。它能反映社會(huì)經(jīng)濟(jì)現(xiàn)象總量在各個(gè)時(shí)期所達(dá)到的絕對(duì)水平及發(fā)展變化過(guò)程。該序列按其指標(biāo)本身的性質(zhì)不同，又分為時(shí)期數(shù)列和時(shí)點(diǎn)數(shù)列。5.5.1時(shí)間序列的分類(lèi)（1）時(shí)期序列時(shí)期序列是由時(shí)期總量指標(biāo)依時(shí)間順序編制而成的數(shù)列，在時(shí)期數(shù)列中每個(gè)指標(biāo)值都反映某社會(huì)經(jīng)濟(jì)現(xiàn)象在一定時(shí)期內(nèi)發(fā)展過(guò)程的總量，如下表就是一個(gè)時(shí)期序列。年份2016201720182019202020212022銷(xiāo)售收入/萬(wàn)元1191201231251401451505.5.1時(shí)間序列的分類(lèi)（2）時(shí)點(diǎn)序列時(shí)點(diǎn)序列是由時(shí)點(diǎn)總量指標(biāo)依時(shí)間順序編制而成的數(shù)列，在時(shí)點(diǎn)數(shù)列中每個(gè)指標(biāo)值反映社會(huì)經(jīng)濟(jì)現(xiàn)象在某一時(shí)點(diǎn)(時(shí)刻)上所達(dá)到的水平，如下表就是一個(gè)時(shí)點(diǎn)數(shù)列。年份201720182019202020212022年底人數(shù)/人97098984871008531010991017881021005.5.1時(shí)間序列的分類(lèi)2.相對(duì)數(shù)時(shí)間序列相對(duì)數(shù)時(shí)間序列指一系列相對(duì)指標(biāo)按照時(shí)間先后順序排列所形成的時(shí)間序列，用來(lái)反映現(xiàn)象數(shù)量對(duì)比關(guān)系的發(fā)展變化過(guò)程。相對(duì)指標(biāo)是由兩個(gè)有聯(lián)系的總量指標(biāo)對(duì)比而得到的，由于總量指標(biāo)時(shí)間序列有時(shí)期數(shù)列和時(shí)點(diǎn)數(shù)列之分，因此，兩個(gè)總量指標(biāo)時(shí)間序列對(duì)比形成的相對(duì)數(shù)時(shí)間序列可分為:由兩個(gè)時(shí)期數(shù)列對(duì)比而形成的相對(duì)數(shù)時(shí)間序列；由兩個(gè)時(shí)點(diǎn)數(shù)列對(duì)比而形成的相對(duì)數(shù)時(shí)間序列；由一個(gè)時(shí)期數(shù)列和一個(gè)時(shí)點(diǎn)數(shù)列對(duì)比而形成的相對(duì)數(shù)時(shí)間序列。在相對(duì)數(shù)時(shí)間序列中，每個(gè)指標(biāo)都是相對(duì)數(shù)，因?yàn)楦鱾€(gè)指標(biāo)值是不能直接相加的。5.5.1時(shí)間序列的分類(lèi)3.平均數(shù)時(shí)間序列平均數(shù)時(shí)間序列是由一系列同類(lèi)平均指標(biāo)按照時(shí)間的先后順序排列而形成的時(shí)間序列，它反映現(xiàn)象平均水平的發(fā)展趨勢(shì)。在平均數(shù)時(shí)間序列中各個(gè)指標(biāo)數(shù)值是不能相加的。5.5.2長(zhǎng)期趨勢(shì)分析-移動(dòng)平均法一次移動(dòng)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)平均，按時(shí)間順序逐次推進(jìn)。每推進(jìn)一個(gè)周期，舍去前一個(gè)周期的數(shù)據(jù)，增加一個(gè)新周期的數(shù)據(jù)，再進(jìn)行平均。一次移動(dòng)平均法一般只應(yīng)用于一個(gè)時(shí)期后的預(yù)測(cè)（即預(yù)測(cè)第t+1期）。設(shè)觀測(cè)的時(shí)間序列為y1,y2,…,yn

,則N（1<N<n）期的一次移動(dòng)平均的計(jì)算公式為第t期一次移動(dòng)平均值選定的數(shù)據(jù)個(gè)數(shù)一般情況下，N越大，修勻的程度越強(qiáng)，波動(dòng)也越?。籒越小，對(duì)變化趨勢(shì)反應(yīng)越靈敏，但修勻的程度越差。5.5.2長(zhǎng)期趨勢(shì)分析-移動(dòng)平均法應(yīng)用移動(dòng)平均法分析長(zhǎng)期趨勢(shì)時(shí)，應(yīng)注意下列幾個(gè)問(wèn)題：①用移動(dòng)平均法對(duì)原時(shí)間序列平滑，平滑程度的大小與平均的項(xiàng)數(shù)多少有關(guān)。k取值越大，則平滑作用越強(qiáng)。②移動(dòng)平均法移動(dòng)項(xiàng)數(shù)應(yīng)根據(jù)時(shí)間序列的特點(diǎn)來(lái)定。原時(shí)間數(shù)列如果有較明顯的周期性波動(dòng)，則移動(dòng)平均的項(xiàng)數(shù)要以周期的長(zhǎng)度為準(zhǔn)，這樣所得的移動(dòng)平均數(shù)既能消除隨機(jī)變動(dòng)的影響，又能消除周期性變動(dòng)的影響。③移動(dòng)平均項(xiàng)數(shù)k為奇數(shù)，只需一次移動(dòng)就可以得出對(duì)正原數(shù)列的各時(shí)期的趨勢(shì)值。移動(dòng)平均數(shù)k為偶數(shù)，需進(jìn)行兩次移動(dòng)，即在第一次移動(dòng)后形成的移動(dòng)平均數(shù)的基礎(chǔ)上，再對(duì)相鄰的兩個(gè)移動(dòng)平均數(shù)依次移動(dòng)進(jìn)行簡(jiǎn)單相加被2除，作為第二次移動(dòng)平均，才能得出對(duì)正原時(shí)間數(shù)列各時(shí)期的趨勢(shì)值，即移正平均。④移動(dòng)平均后形成的派生數(shù)列的項(xiàng)數(shù)要比原時(shí)間數(shù)列的項(xiàng)數(shù)少。按奇數(shù)項(xiàng)移動(dòng)時(shí)，新數(shù)列首尾各減少(N-1)/2項(xiàng)數(shù)值；按偶數(shù)項(xiàng)移動(dòng)時(shí)，首尾各減少N/2。移動(dòng)平均法使數(shù)列首尾各丟失部分信息量，而且移動(dòng)平均時(shí)間越長(zhǎng)，丟失項(xiàng)數(shù)越多。因此移動(dòng)平均時(shí)間不宜過(guò)長(zhǎng)。5.5.2長(zhǎng)期趨勢(shì)分析-移動(dòng)平均法【案例分析】電商企業(yè)銷(xiāo)售額的項(xiàng)數(shù)移動(dòng)平均月份銷(xiāo)售額2項(xiàng)移動(dòng)平均數(shù)3項(xiàng)移動(dòng)平均數(shù)1月75.00

2月80.0077.5077.673月78.0079.0078.004月76.0077.0077.005月77.0076.5078.006月81.0079.0077.337月74.0077.5074.338月68.0071.0072.339月75.0071.5075.0010月82.0078.5080.0011月83.0082.5081.3312月79.0081.00

第一個(gè)平均數(shù)=對(duì)應(yīng)第一項(xiàng)和第二項(xiàng)中間的原值，以此類(lèi)推。第二個(gè)平均數(shù)=2項(xiàng)移動(dòng)平均：某電商企業(yè)2022年12個(gè)月的銷(xiāo)售額如表5-9所示，單元為萬(wàn)元，分別進(jìn)行項(xiàng)數(shù)為2和3的移動(dòng)平均。5.5.2長(zhǎng)期趨勢(shì)分析-移動(dòng)平均法3項(xiàng)移動(dòng)平均月份銷(xiāo)售額2項(xiàng)移動(dòng)平均數(shù)3項(xiàng)移動(dòng)平均數(shù)1月75.00

2月80.0077.5077.673月78.0079.0078.004月76.0077.0077.005月77.0076.5078.006月81.0079.0077.337月74.0077.5074.338月68.0071.0072.339月75.0071.5075.0010月82.0078.5080.0011月83.0082.5081.3312月79.0081.00

第一個(gè)平均數(shù)=對(duì)應(yīng)第二項(xiàng)原值，以此類(lèi)推。第二個(gè)平均數(shù)=3項(xiàng)移動(dòng)平均：5.5.2長(zhǎng)期趨勢(shì)分析-移動(dòng)平均法當(dāng)序列具有線性增長(zhǎng)的發(fā)展趨勢(shì)時(shí)，用一次移動(dòng)平均預(yù)測(cè)會(huì)出現(xiàn)滯后偏差，表現(xiàn)為對(duì)于線性增長(zhǎng)的時(shí)間序列預(yù)測(cè)值偏低。這時(shí)，可進(jìn)行二次移動(dòng)平均計(jì)算，二次移動(dòng)平均就是將一次移動(dòng)平均再進(jìn)行一次移動(dòng)平均來(lái)建立線性趨勢(shì)模型。二次移動(dòng)平均法的線性趨勢(shì)預(yù)測(cè)模型：

5.5.2長(zhǎng)期趨勢(shì)分析-指數(shù)平滑法

-1t某一期的指數(shù)平滑值=加權(quán)系數(shù)*本期實(shí)際值+（1-加權(quán)系數(shù)）*上一期指數(shù)平滑值1-α：Excel中阻尼系數(shù)5.5.2長(zhǎng)期趨勢(shì)分析-指數(shù)平滑法（2）二次指數(shù)平滑當(dāng)時(shí)間序列沒(méi)有明顯的變動(dòng)趨勢(shì)時(shí)，使用第t期一次指數(shù)平滑法就能直接預(yù)測(cè)第t+1期的值。但當(dāng)時(shí)間序列的變動(dòng)呈現(xiàn)直線趨勢(shì)時(shí)，用一次指數(shù)平滑法來(lái)預(yù)測(cè)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(shì)，然后建立直線趨勢(shì)預(yù)測(cè)模型型，即二次指數(shù)平滑法。S0取值：樣本<10，則取前3期平均值10<=樣本<=20，取前2期平均值20<樣本<=100，取第1期值5.5.2長(zhǎng)期趨勢(shì)分析-指數(shù)平滑法【案例分析】某電商企業(yè)2022年1月至11月的銷(xiāo)量如下表所示，假設(shè)根據(jù)企業(yè)以往的歷史數(shù)據(jù)確定加權(quán)系數(shù)為0.9，試對(duì)2022年12個(gè)月的銷(xiāo)售量進(jìn)行預(yù)測(cè)。月份1234567891011銷(xiāo)量（件）523150015021510050784983520153905218510252355.5.2長(zhǎng)期趨勢(shì)分析-指數(shù)平滑法1.觀察數(shù)據(jù)趨勢(shì)對(duì)銷(xiāo)量插入折線圖，可看出企業(yè)銷(xiāo)量呈水平波動(dòng)，無(wú)明顯上升或下降趨勢(shì)，所以使用一次指數(shù)平滑即可完成預(yù)測(cè)，如圖所示。2.計(jì)算預(yù)測(cè)值在單元格C2中輸入“=AVERAGE(B2:B3)”，單擊Enter鍵，在單元格C3中輸入“=0.9×B2+(1-0.9)×C2”，單擊Enter鍵，并向下進(jìn)行快速填充，即得出2022年12月的預(yù)測(cè)銷(xiāo)量大約為5223件，如圖所示。5.5.3季節(jié)變動(dòng)分析測(cè)定季節(jié)變動(dòng)的方法有很多，從長(zhǎng)期趨勢(shì)的影響來(lái)看，有兩種方法：一是不考慮長(zhǎng)期趨勢(shì)的影響，直接根據(jù)原始的動(dòng)態(tài)數(shù)列來(lái)計(jì)算，常用的方法是按月平均法；二是根據(jù)剔除長(zhǎng)期趨勢(shì)影響后的數(shù)列資料來(lái)計(jì)算，常用的方法是移動(dòng)平均趨勢(shì)剔法。不管使用哪種方法來(lái)計(jì)算季節(jié)變動(dòng)，都須用3年或更多年份的資料作為基本數(shù)據(jù)進(jìn)行計(jì)算分析，這樣才能較好地消除偶然因素的影響，使季節(jié)變動(dòng)的規(guī)律性更切合實(shí)際。5.5.3季節(jié)變動(dòng)分析-按月平均法1.按月平均法按月平均法，指時(shí)間序列不含長(zhǎng)期趨勢(shì)，即不受長(zhǎng)期趨勢(shì)因素的影響，僅受季節(jié)變動(dòng)因素的影響，從而對(duì)呈現(xiàn)的周期性季節(jié)變動(dòng)規(guī)律進(jìn)行預(yù)測(cè)的方法。步驟如下：①分別計(jì)算各年同月（季）的平均數(shù)。②計(jì)算各年所有月（季）的總平均數(shù)。③將各年同月（季）的平均數(shù)與各年所有月（季）的總平均數(shù)相比，即求得用百分?jǐn)?shù)表示的各月（季）的季節(jié)比率，又稱(chēng)季節(jié)指數(shù)。其計(jì)算公式為：季節(jié)指數(shù)=各年同月（季）平均數(shù)/各年所有月（季）總平均數(shù)。如果某月（季）的季節(jié)指數(shù)大于100%，則該月（季）為旺季；如果小于100%，則為淡季；如果等于100%，則月（季）不受季節(jié)變動(dòng)的影響。④計(jì)算預(yù)測(cè)年度的月平均值，則預(yù)測(cè)數(shù)值為：預(yù)測(cè)值=預(yù)測(cè)年度的月平均值×季節(jié)指數(shù)5.5.3季節(jié)變動(dòng)分析-按月平均法【案例分析】電商企業(yè)A2023年月銷(xiāo)售量分析預(yù)測(cè)電商企業(yè)A從2020年至2022年每月的銷(xiāo)售量（件）數(shù)據(jù)，如下表5-11所示，2023年擬定總銷(xiāo)量（件）為85000，則預(yù)測(cè)每月的銷(xiāo)售量。時(shí)間銷(xiāo)量時(shí)間銷(xiāo)量時(shí)間銷(xiāo)量2020年1月54052021年1月57692022年1月52312020年2月53152021年2月48262022年2月50012020年3月55442021年3月57372022年3月60992020年4月62512021年4月63572022年4月68582020年5月75402021年5月75422022年5月78022020年6月80672021年6月86792022年6月86752020年7月86852021年7月91132022年7月93062020年8月86852021年8月94652022年8月90242020年9月69532021年9月66092022年9月66252020年10月63912021年10月66902022年10月71822020年11月52972021年11月52372022年11月53792020年12月57072021年12月58822022年12月56935.5.3季節(jié)變動(dòng)分析-按月平均法第一步：觀察數(shù)據(jù)的趨勢(shì)和季節(jié)性將各年月度數(shù)據(jù)按照列進(jìn)行顯示，并選擇全部數(shù)據(jù)，插入折線圖，得出以下趨勢(shì)圖，如圖所示，通過(guò)趨勢(shì)圖可知該數(shù)據(jù)無(wú)趨勢(shì)性，但是含有季節(jié)性。結(jié)論：數(shù)據(jù)無(wú)趨勢(shì)性，含有季節(jié)性5.5.3季節(jié)變動(dòng)分析-按月平均法2.計(jì)算季節(jié)性銷(xiāo)售指數(shù)增加年份、月份、預(yù)測(cè)值等項(xiàng)進(jìn)行數(shù)據(jù)計(jì)算：年份=YEAR(A2)；月份=MONTH(A2)；所有年度的月平均銷(xiāo)量=AVERAGE(D2:D37)；季節(jié)性消費(fèi)指數(shù)=I3/$L$2；各年同月平均銷(xiāo)量=AVERAGEIF($C$2:$C$37,H3,$D$2:$D$37)。按照上述各項(xiàng)順序在單元格中進(jìn)行計(jì)算，并向下進(jìn)行快速填充計(jì)算所有的數(shù)值，數(shù)值保留2位小數(shù)，如圖所示。5.5.3季節(jié)變動(dòng)分析-按月平均法3.計(jì)算預(yù)測(cè)年度月預(yù)測(cè)值預(yù)測(cè)年度2023月平均值：根據(jù)2023的擬定總銷(xiāo)量為85000，則月度平均為85000/12=7083。2020年預(yù)測(cè)值=AVERAGE($D$2:$D$13)×VLOOKUP(C2,$H$3:$J$14,3,0)；2021年預(yù)測(cè)值=AVERAGE($D$14:$D$25)×VLOOKUP(C14,$H$3:$J$14,3,0)；2022年預(yù)測(cè)值=AVERAGE($D$26:$D$37)×VLOOKUP(C26,$H$3:$J$14,3,0)；2023年預(yù)測(cè)值=(85000/12)×VLOOKUP(C38,$H$3:$J$14,3,0)。5.5.3季節(jié)變動(dòng)分析-按月平均法按照上述各項(xiàng)順序在單元格中進(jìn)行計(jì)算，并向下進(jìn)行快速填充計(jì)算所有的數(shù)值，注意年度的間隔，數(shù)值為整數(shù)，如圖所示。5.5.3季節(jié)變動(dòng)分析-按月平均法4.結(jié)果驗(yàn)證計(jì)算2020年、2021年、2022年預(yù)測(cè)數(shù)據(jù)的誤差=預(yù)測(cè)銷(xiāo)售量-實(shí)際銷(xiāo)售量。誤差標(biāo)準(zhǔn)差=STDEV.P(F2:F37)=268.49；擬合優(yōu)度=RSQ(D2:D37,E2:E37)=0.96258627。根據(jù)以上驗(yàn)證，誤差標(biāo)準(zhǔn)差為268.49，擬合優(yōu)度為0.96，說(shuō)明預(yù)測(cè)的結(jié)果數(shù)據(jù)可以接受，即2023年各月的銷(xiāo)售量預(yù)測(cè)數(shù)據(jù)為表所示。月份123456