數據分析x2是什麼

1. x2/t什麼意思,數據分析

t是一個常量，表示某一時間間隔，數據分析x2/t意思是分析x在t時間間隔內的變化情況。

2. SPSSAU交叉分析中X2代表什麼

X2是卡方值的意思，其為中間過程值,以P值作為判斷是否有差鏈頃鄭異的棚頌標准即可。同時請點乎團擊右側"燈泡"這個按鈕，對應有詳細幫助說明SPSSAU【視頻、例子，疑惑和理論等】。

3. 統計學x2和p值計算過程是什麼

一、每一行的x2和p值使用選擇個案來計算

1、數據—加權個案

2、數據-選擇個案

3、If條件：變數>=1&變數<=2（因為卡方檢驗是2x2的行列變數檢驗，所以這里就只產生了兩個變數1和2，其他變數就暫時屏蔽了）

二、男總數182人，91人風症素，相減91人無風症素。女160人，76人風症素，相減84人無沖山風症素。如下圖輸入數據：性悔判握別1代表男，性別代表女。有無症素1代表有，0代碧慶表無。value就是相應的數據。

1、數據--加權個案，對value值加權。

2、分析--描述統計--交叉表，如下圖所示，選擇行和列,value值不用選。

3、統計量--選擇卡方--確定。

4、結果如下表，看第一行即可。卡方值，也就是x2值為0.213。sig.值，也就是p值為0.644。

5、因p=0.644>0.05，表明性別對風症素無顯著性影響。

P值即概率，反映某一事件發生的可能性大小。

統計學根據顯著性檢驗方法所得到的P 值，一般以P < 0.05 為有統計學差異， P<0.01 為有顯著統計學差異，P<0.001為有極其顯著的統計學差異。其含義是樣本間的差異由抽樣誤差所致的概率小於0.05 、0.01、0.001。實際上，P值不能賦予數據任何重要性，只能說明某事件發生的幾率。統計結果中顯示Pr > F，也可寫成Pr( >F)，P = P{ F0.05 > F}或P = P{ F0.01 > F}。

以上內容參考：網路-假設檢驗中的P值

4. 在數據分析里x_是指

x2檢驗亦稱卡方檢驗。統計學中假設檢驗的方式之一。
x是一個希臘字母，x2可讀音為卡方，所以譯為卡方檢驗。卡方檢驗主要用於定類或定序變數的假設檢驗，在社會統計中應用非常廣泛。
卡方檢驗的步驟一般為：（1）建立假設，確定顯著水平a與自由度df、查x2值表得到否定域的臨界值；（2）由樣本資料計算x2值；（3）將計算所得的x2值與臨界x2值（負值都取絕對值）作比較，若計算值大於臨界值，則否定Ⅱ0；反之，則承認Ⅱ0。計算卡方值的公式一般可表示為：x2=∑[（fo—fc）2/fc]式中：fo表示實際所得的次數，fc表示由假設而定的理論次數，∑為加總符號。x2檢驗對於定類與定類或定類與定序變數之間的相關檢驗應用較多。

5. 數據分析中常用分析思路-對比分析解析（二）

對比是識別事物的基本方法對比——橫向、縱向及多維度對比比值比率背後的邏輯指標的邏輯與管理指標對標的層次和維度標桿管理與榜樣的力量。

最常見的對比是大小的對比、數量的對比，例如銷售額的對比、人數的對比、時間長短的對比。使用不同的對比指標會得到不同的結論。

我們把對比標準的選擇叫作對比的視角，對比視角不同，就會得出不同的結論。例如將小強和小明對比，從身高的角度對比，就有了高矮的判斷，我們還可以從學習成績、年齡等其他的視角進行對比。在對比人的時候，我們可能會有更加綜合的維度，例如在對比客戶的時候，我們會綜合考慮各種因素；在對比各種變化的原因時，我們也有各種模型。對比隨時隨地都在發生，我們所要做的就是找到合適的對比視角，針對同樣的問題，發現不同的洞察。

對第一層級的變數做了對比之後，我們還可以形成綜合的變數。將第一層級的變數（直接描述事物的變數，如長度、數量、額度、寬度、高度等）加工之後得到的變數，稱作二級變數。在進行二級變數對比的時候，常用的有增速、效率、效益等指標。

增速是指在一定時間范圍內數量變化的比率。兩家公司、兩個產品、兩個市場、兩個客戶、兩個渠道，都可以對比增速。而對比的時間周期可以按照月份、季度或者年度來設定。2015年，美國的國內生產總值為17.4萬億美元，中國的國內生產總值為10.4萬億美元，美國全年經濟的增速是2.4%，中國全年經濟的增速是6.9%。這就是速度的比較，如下圖所示。我們很自然地會問，如果按照這個增速發展下去，中國國內生產總值趕超美國大概要等到哪一年？2027年！

效率是投入與產出之間的比值，是資源利用能力的評價指標。效率對比就是看誰能夠利用更少的投入產出更多的價值。對比兩家企業的效率，可以看出哪家企業更有發展潛力，更有競爭力。

常用的衡量人力資源效率的指標是人均產值（一定時期內平均每個人產出的價值）、元當產值（公司每發出一元工資所帶來的產值），如下圖所示。前者是把人數作為投入要素來評價的，而後者是把人員工資作為投入要素來評價的。如果一家公司的銷售額和利潤實現了快速且穩定的增長，但是在公司成長的過程中，物質要素的效率在提高，而勞動力要素的效率卻在下降，即人均產值在下降，那就意味著隨著公司的發展，新招聘的人員的平均水平在下降，而工資卻在不斷增長，每一元工資投入的產出在大幅度下降。

一些表面繁榮的公司，背後卻蘊藏著巨大的人力資源危機，公司的人力資源整體水平在下降，這樣的公司是很難持續發展的，特別是到了市場競爭越來越激烈時期，人力能力跟不上公司的發展。如果公司在發展的過程中看不到這個問題，將來就會成為非常關鍵的問題——公司在快速發展時，所有的問題都不是問題，但到了公司發展受阻時，一個小問題都會成為天大燃旅的問題。很多公司在危難時期面臨的問題都是在順境中衍生的。所以，對一些效率指標的跟蹤非常重要。

對於相對比較復雜的事物，某一個維度的分析往往只代表一個側面，不能代表事物的全貌。而清渣如果對比的維度太多，我們往往就不能得到一個明確的答復。

例如小明比小強高10厘米，但小強比小明帥；有的客戶購買力不強，但他能夠帶動朋友來購買公司的產品和服務。這就需要綜合考慮各個因素，也給數據分析工作帶來了新的挑戰——我們需要找到一個更加簡單的方法來評價事物。

所謂的指標，就是各種評價標准經過加權綜合之後得到的具有一定意義的評價體系。例如消費者物價指數就是衡量物價變化的指標。蔬菜價格在上漲，答段悄但大米的價格在下降，肉、禽、蛋、奶的價格也在下降，我們就不能說整體的物價在上漲。那麼如何評價物價的波動呢？可以用衡量物價的綜合指標——CPI（ConsumerPriceIndex，消費者物價指數）或工業價格指數PPI（ProcerPriceIndex，生產者物價指數）等指標來衡量物價的波動。

消費者物價指數（CPI）是綜合了大多數人的消費習慣，按照消費產品的比例加權計算消費者綜合的消費價格波動，不同時期的CPI組成也不同，不同國家也會根據消費者不同的消費習慣組合成不同的消費者物價指數。因為中國地域廣闊，消費者的消費習慣差異很大，所以CPI帶給大家的感覺也會不同。CPI的本質是用來衡量消費者所擁有的現金在特定時期生活消費購買力變化的指標。PPI則是指工業生產者綜合購買力的指標。

在企業管理中也會採用一些綜合的評價指標來進行對比。例如，最為典型的就是KPI（KeyPerformanceIndicator，關鍵業績指標），它是根據公司對某個崗位的要求，以及在各個維度上要求的重要程度的不同，設定不同的權重，從而形成的一個綜合評分指標。不同崗位在不同公司的KPI設定肯定會不同。為了能夠更好地讓業績指標為公司戰略服務，曾經有知名的咨詢公司提出一個通過綜合考慮4個方面要素而組合出來的KPI指標，叫作BSC（BalanceScoreCard，平衡記分卡），其考慮到每個崗位的財務指標、客戶指標、成長指標和流程指標。不同公司中不同崗位的BSC肯定不同，但基本涵蓋的是4大類指標的綜合加權平均值。

數據分析師有一個關鍵的職能就是要設計「指標」來對比。設計指標與應用指標有著天壤之別，很多人在應用別人的指標的時候還會出錯，如果要真正設計指標，則需要對事物之間的邏輯關系有著深刻的理解。

例如，筆者服務過一家經營嬰幼兒食品的公司，其產品包括配方奶粉、米粉、水果泥和嬰幼兒安全營養補充零食。他們的業務與一個市場中人口的出生率、這個市場的整體購買力、消費者對嬰幼兒食用包裝食品的觀念有直接的關系，還與政府對這個市場中的食品安全管控力度有關系。分析了這么多關系之後，他們希望能夠構建一個指標反映一個市場對公司的吸引力，從而能夠讓公司根據這個市場吸引力指標來投資。

而市場的吸引力還與市場中的競爭強度有關系，如果在這個市場中競爭者眾多，前幾名的競爭者實力雄厚，後台資本實力強大，那麼這個市場的吸引力就小；如果這個市場幾乎是空白市場，那麼這個市場的吸引力就大。

考慮到以上因素，我們需要建立一個綜合指標來評價這個市場的吸引力，最好能夠直接得到一個分數進行直觀判斷，例如80分的市場比75分的市場有5分的吸引力差異，60分的市場是30分的市場的吸引力的兩倍。那麼如何設計這個指標呢？我們需要各種數據的加權計算。

在不考慮市場規模的情況下，我們可以先構建一個指標指數模型：

Y=aX1+bX2+cX3+dX4+eX5+fX6+…

其中：

Y：市場吸引力指標值。X1：嬰兒出生率（或者每年嬰兒出生的數量）。X2：市場購買力平價指標。X3：消費者對嬰幼兒包裝食品的態度。X4：企業信譽對消費者購買嬰幼兒產品的影響。X5：政府對嬰幼兒食品的管控力度。

a,b,c,d,e,f…是系數，代表影響的程度。

我們可以構建一個加法模型。加法模型代表各個要素之間並沒有相互的影響，各個要素獨立地對市場吸引力產生影響。

當然我們也可以構建成乘法模型：

Y=aX1×X2×X3×X4×X5×X6×…

此乘法模型假設各個要素之間是相互影響的。例如如果消費者的信心不足，則購買力會因此被大幅度縮小。

我們可以追蹤各種歷史數據，將不同階段的數據放到一起，形成多個數據組合方程式，通過近似求解的方法實現對模型的構建。最終得到一個計算市場吸引力指標的數學模型：

Y市場吸引力=f（X1,X2,X3,X4,X5,X6,…）這個數學模型可以用來指導公司未來的市場投資實踐，也可以在公司不斷拓展市場的過程中不斷地驗證這個數學模型，不斷完善各種假設、指數、系數、計算方法，最終形成適合公司自我發展過程中的擴張模型。

這是本書第一次提到數學模型的構建，這些內容需要讀者具有數學基礎。如果以上的內容讓你感到很難理解，那麼完全可以跳過這部分內容；如果你是從事數據分析專業的人士，那麼這部分內容對你來說應該不太難；如果你不是從事數據分析專業的人士，那麼只需要了解這些內容就足夠了，不需要深究，更不需要自己去構築完成一個數學模型；如果你是公司的高層管理者，那麼閱讀這部分內容可以讓你更好地了解一個數據模型產生的過程，從而能夠理解數據分析師每日的工作內容。

下面就以CPI來進行示範說明。CPI本質上是一個構築數學模型後形成的綜合數據指標。

假設一個居民每個月要吃掉5斤豬肉、3斤雞肉、2斤牛肉、1斤羊肉、0.5斤鴨肉，0.5斤鵝肉、5斤白面、5斤青瓜……經過大量的統計調研，我們得到全國人民的飲食結構是如上的構成要素。

我們調研所有的菜市場（其實是抽樣代表）中所有這些產品的價格，得到本月該居民的消費支出，假定為1000元；下個月他同樣購買這些產品來滿足自己的日常生活需要，但是各個產品的價格發生了變化，用當月新的產品價格重新計算了他的消費支出情況，得到的結果是1050元，那麼將該月的消費支出與上個月的消費支出進行對比，消費者價格上漲了（1050-1000）/1000=5%。如果把上個月的CPI認定為100元，則本月的CPI為105元，CPI上漲5%。這就是對CPI即消費價格指數的形象描述。當然，實際的CPI計算會比這個要復雜，因為我們監控的產品品種比我列舉的要多，獲取產品價格的渠道和監測點也要多得多。

指數在整個經濟領域中有著重要的地位，有的指數直接代表了經濟的風向標，甚至左右著經濟的發展。代表一個經濟體、一個經濟實體或者公司的指標有信譽評級指標，價格指標有CPI和PPI，短期經濟發展興衰指標有PMI（采購經理人指數）……

我們對數據進行對比分析的時候，除簡單地直接對比數據外，還需要構建一些可以重復使用或者在某個部門、某個業務領域、某個情景下進行評測的指標。這些指標背後可以是多個數據的綜合分析結果，也可以是某個業務指標的合集。數據分析師要根據業務需求做出各種指標的模型，並形成長期的觀測數據集，從而驗證這種指標的合理性，只有通過長時期實踐檢驗的指標才可以成為公司持續使用的對比指標。一個綜合指標企業使用越久，就越完善，並且可以體現出公司管理的特色。

當企業的管理指標逐步豐富之後，你會發覺企業的管理文化和管理體系都在發生著潛移默化的改變。之前管理者的職責是根據生產經營狀況做出決策並確保決策的執行，在執行的過程中形成事前、事中和事後的反饋，並不斷調整決策的執行過程。

當數據承擔起更多的這種分析和決策的過程時，管理者的職責逐漸從「思考型」向「指揮型」過渡，並且對管理者的聰明程度、經驗能力的要求反而變弱了。同樣能力的管理者所能夠管理的人員數量在逐步發生變化，管理幅度在增加，一些復雜的管理工作逐步由數據和數據指標在發揮作用，一些分析和判斷性的工作由智能的系統來完成，企業組織逐步轉向扁平化、社群化。

全文摘自《企業經營數據分析-思路、方法、應用與工具》趙興峰著

上期內容：

數據分析中常用分析思路-對比分析解析（一）、

①對比是識別事物的基本方法

②對比——橫向、縱向及多維度對比

下期內容預告：

數據分析中常用分析思路-對比分析解析（三）

①對標的層次和維度

②標桿管理與榜樣的力量

6. 統計學x2和p值計算過程是怎麼樣的

計算過程如下：

為理解P值的計算過程，用Z表示檢驗的統計量，ZC表示根據樣本數據計算得到的檢驗統計量值。

左側檢驗 H0:μ≥μ0 vs H1:μ<μ0

P值是當μ=μ0時，檢驗統計量小於或等於根據實際觀測樣本數據計算得到的檢驗統計量值的概率，即p值 = P(Z≤ZC|μ=μ0)

右側檢驗 H0:μ≤μ0 vs H1:μ>μ0

P值是當μ=μ0時，檢驗統計量大於或等於根據實際觀測樣本數據計算得到的檢驗統計量值的概率，即p值 = P(Z≥ZC|μ=μ0)

雙側檢驗 H0:μ=μ0 vs H1:μ≠μ0

P值是當μ=μ0時，檢驗統計量大於或等於根據實際觀測樣本數據計算得到的檢驗統計量值的概率，即p值 = 2P(Z≥|ZC||μ=μ0)

X^2計算如下：

統計學的英文statistics最早源於現代拉丁文Statisticum Collegium（國會）、義大利文Statista（國民或政治家）以及德文Statistik，最早是由Gottfried Achenwall於1749年使用，代表對國家的資料進行分析的學問，也就是「研究國家的科學」。

十九世紀，統計學在廣泛的數據以及資料中探究其意義，並且由John Sinclair引進到英語世界。

統計學是一門很古老的科學，一般認為其學理研究始於古希臘的亞里士多德時代，迄今氏李已有兩千三百多年的歷史。

它起源於研究社會經濟問題，在兩千多年的發展過程中，攜核碰統計學至少經歷了「城邦政情」、「政治算數」和「統計分析科學」三個發展階段。

所謂「數理統計」辯談並非獨立於統計學的新學科，確切地說，它是統計學在第三個發展階段所形成的所有收集和分析數據的新方法的一個綜合性名詞。概率論是數理統計方法的理論基礎，但是它不屬於統計學的范疇，而是屬於數學的范疇。