ondragstart="return false" onbeforecopy="return false" oncopy=document.selection.empty() onselect=document.selection.empty()>
     
土地估价相关知识精讲班第26讲讲义
2.5.3平均指标
2.5.3  平均指标
    平均指标(统计平均数),是说明各总体单位的某一数量特征在一定时间、地点条件下一般水平的综合指标。特点:一是对数量标志在各总体单位间的数量差异加以抽象化的结果;二是说明总体综合数量特征的一般水平。
    常用的统计平均指标主要有:算术平均数、几何平均数、中位数和众数。
1、算术平均数=标志总量/总体单位数(X=∑x/n)
    算术平均数有时又称均值,是将总体标志总量在各总体单位之间进行平均分配而得到的数值,它是应用最多、也是最重要的一种平均指标。
例:某学校20名教师月授课总时间为480小时,则人均授课时间为480/20=24小时。
①简单算术平均数
   对于未经分组的原始资料,算术平均数可以采用下述公式计算:
     
X =(x1+x2+x3+…+xn)/n
②加权算术平均数
   对于经过分组的统计资料,其计算方法略复杂一些。首先要用各组的标志值乘以同组的单位数,以求出各组的标志总量。然后加总求得总体标志总量,并用总体标志总量除以各组的单位数之和,以得到算术平均数。其计算公式为:
      
X =(X1F1+X2F2+…+XNFN)/(F1+F2+…+FN)
   式中:fi——i组的单位数;
   ∑fi——各组的单位数之和,即总体单位数,其他符号含义同前。
   如果计算算术平均数所用的是组距式分组资料,则还应先计算出各组的组中值,以代替各组的标志值xi。组中值的计算方法是:
   组中值=(本组上限值+本组下限值)/2
2、几何平均数
   几何平均数是将n个比率值连乘后开n次方根而得的数值,一般适用于计算各种动态相对数的平均值,对于各种动态相对指标如环比地价指数、环比物价指数等计算平均值时,一般不能采用算术平均法,而应采用几何平均法。如平均发展速度、平均地价指数和物价指数等。其计算公式如下:
     G=(x1x2……xn1/n
式中:Xi--各期的比率值。
3、中位数
    中位数又称位置平均数是指将数据按大小顺序排列后,居于数列中点位置的数值。中位数可以克服算术平均数的缺点,大致反映总体的一般水平。
   计算中位数的关键,在于确定它所在的位置。对于顺序排列后未经分组的数据资料,中位数的位置可按下列公式确定:
   中位数位置=(n+1)/2
   式中:n——数列中的数据个数。
   位置确定后,处于该位置的数值即为中位数。当n为偶数项时,(n+1)/2的计算结果为小数,表明中位数居于数列第n/2个和第(n+1)/2个之间,因此可以将处在这两个位置的数值相加后除以2,以作为中位数的数值。
4、众数
   众数与中位数一样,也是一种位置平均数。它是将各总体单位按某一标志排序后整理成分布数列,如果其中某一标志值出现的次数明显多于其他值,则该标志值即为众数值。
2.5.4 变异指标
1、变异指标的概念
    变异指标又称标志变动度指标,是用于反映同总体中各单位标志值差异程度的综合指标。
2、作用
    第一,变异指标可用以说明现象变动的均匀性与稳定性。如研究城镇居民居住水平时,可以用变异指标反映各类居民居住水平的差异程度。
    第二,变异指标可以衡量平均指标的代表性。变异指标一般与平均指标结合运用,平均指标用于描述标志值的集中趋势和一般水平;变异指标用于描述标志值的离中趋势和差异程度;两者从不同的侧面反映总体的数量特征。
3、常用变异指标及计算方法
(1)全距
    全距又称极差,是对标志值差异情况的一种简单测度,在量上等于某一标志在各总体单位间的最大值与最小值之差,它表明了该标志在总体中的数值变动范围。用公式表示即为:
    极差=最大标志值-最小标志值
(2)方差
    方差是用于测度标志变异程度的最重要指标之一。它是总体各单位标志值的算术平均数离差平方的平均数。
(3)标准差
    标准差是方差的正平方根,它表明标志值的平均离散程度。
(4)标准差系数
   标准差系数是标准差与平均值的比值。它可以消除不同平均水平对标准差的影响,从而使两个或两个以上不同水平平均值的代表性比较成为可能。
   标准差系数越小,说明该水平平均值的代表性越高。
 
2.6 时间数列分析
2.6   时间数列分析
2.6.1  时间数列
1、时间数列的概念
时间数列又称时间序列或动态数列,是反映总体现象的某一指标数按其发生的先后顺序排列而成的一组指标值。
时间数列是一种特殊的变量数列,它以时间作为排序的标志,以现象所属的时间和反映该现象的指标数值作为构成要素,在一定程度上反映了时间变异与指标变异之间的相互对应关系。
2、时间数列的作用
1)可以描述客观现象的发展状况和结果,时间数列中的各项顺序指标值,依次反映了客观现象在特定时间下的总量水平、相对水平或平均水平。
2)可以研究客观现象的发展趋势和发展速度。
3)对时间数列进行长期趋势测定,可以揭示客观现象发展变化的规律性。
4)利用时间数列资料可以预测客观现象未来的发展方向与变化幅度。
5)将两个或两个以上的时间数列进行对比,可以发现不同客观现象之间的动态联系及其变化趋势。
2.6.2  时间数列的种类
   时间数列按其使用的统计指标不同,可以分为绝对数时间数列、相对数时间数列和平均数时间数列。
    绝对数时间数列,是将某一总量指标按时间的先后顺序依次排列而成的一组指标值,它是最基本的时间数列。在绝对数时间数列中,按所用总量指标反映的时间状况不同,又可以分为时期数列和时点数列。
   相对数时间数列和平均数时间数列,则是将某一相对指标或平均指标按时间的先后顺序依次排列而成的一组指标值。它们是在绝对数时间数列的基础上派生而成的时间数列。
2.6.3  时间数列分析技术
1、时间数列的水平指标
1)发展水平:是指时间数列中的指标值。在时间数列分析中,为便于区别,通常称数列中的首项指标值为数列的最初水平;称数列中的末项指标值为最末水平;其余各项为中间水平。在进行发展水平比较时,称被对比的水平为报告期水平,作为对比基础的水平为基期水平。
2)平均发展水平
   平均发展水平又称序时平均数,是时间数列中各个发展水平的平均值。平均发展水平的计算方法,因时间数列的类型不同而异。
   时期数列计算平均发展水平比较简单,只要对各时期的标志值求和后,除以时期数即可求得。
3)增长量
    增长量是时间数列中两个不同时期发展水平之差,它反映客观现象在一定时间内增长的数量。其一般计算公式为:增长量=比较期水平-基期水平 。
4)平均增长量
    平均增长量,是时间数列中各逐期增长量的序时平均数。它反映客观现象在一定时间内平均每期增加的数量。
2、时间数列的速度指标
   在时间数列分析中,比较常用的速度指标有发展速度、增长速度、平均发展速度和平均增长速度。
1)发展速度:是两个不同时期的发展水平之比,是一种动态相对数,它表明现象的发展程度。
   由于采用的基期不同,发展速度又分环比发展速度和定基发展速度。
   环比发展速度是本期水平与前一期水平之比;定基发展速度则是本期水平与固定基期水平之比。在数量上,定基发展速度等于相应各期环比发展速度的连乘积。
2)增长速度
   增长速度,是增长量与基期水平之比,它反映客观现象增长的相对幅度。由于增长量是本期水平与基期水平之差,因此增长速度又可以根据发展速度来推算。
由于采用的基期不同,增长速度又分环比增长速度与定基增长速度,两种增长速度之间没有直接的换算关系。
3)平均发展速度与平均增长速度
   平均发展速度,是时间数列中各期环比发展速度的序时平均数。平均增长速度通常用于反映客观现象增减变化的一般幅度,其数值可以平均发展速度为基础计算,即:平均增长速度=平均发展速度-1。
 
2.7 相关分析和回归分析
2.7  相关分析和回归分析
2.7.1相关关系
1、含义
     所谓相关关系,是指现象之间客观存在的、但在数量上不能一一对应的依存关系。相关关系无法予以精确描述,只能借助数学表达式近似说明现象间存在的平均或一般数量联系。
    相关关系与函数关系的区别:现象间依存关系在数量上能够确定的为函数关系,否则为相关关系。
相关关系与函数关系之间的联系表现在:A、由于各种观察或测定误差的存在,理论上认定的函数关系,在实践中往往以相关关系的形式表现出来;B、在研究相关关系时,又常常要用函数关系的形式来表现它,以便找到相关关系的一般数量表现形式。
2、相关关系的种类
    为便于研究,一般将拟分析的相关现象或因素数量化,并用变量来表示。
1)按涉及变量的多少,分为单相关和复相关。其中,单相关按相关关系的表现形态不同,分为直线相关与曲线相关。  
2)按相关关系变化的方向不同,分为正相关与负相关。
3)按关系的密切程度不同,分显著相关与不显著相关。
2.7.2  回归分析
   如果两个或两个以上的现象之间具有比较密切的相关关系,且其中某一现象的变化主要因另一现象的变换所引起,则可以借助一定的数学模型对这种相关关系进行定量模拟,以便在此基础上进行估计、推断和预测。在统计分析中,通常将这一过程称为回归分析。
1、类型
1)一元回归与多元回归
    根据参与分析的变量多少,分为一元回归分析和多元回归分析两种。一元回归分析用于描述两个变量间的一般数量关系,其中一为因变量(又称被解释变量),另一为自变量(又称解释变量);多元回归分析用于描述两个以上变量间的一般数量关系,其中一为因变量,其余均为自变量。
2)线性回归与非线性回归
   根据自变量的表现形式不同,又可以分为线性回归与非线性回归。线性回归是指因变量与各回归参数之间为线性关系。非线性回归是指因变量与各回归参数之间为非线性关系。
   在地价分析中,较为常用的是一元线性回归、一元非线性回归和多元线性回归。
2、线性回归分析
1)线性回归分析基本程序如下:
第一,确定需估计推断的现象,即确定因变量或被解释变量;
第二,确定影响待估计现象的主要因素,即确定自变量或解释变量;
第三,判定自变量与各因变量之间关系;
第四,设定回归模型;
第五,求解回归参数;
第六,对回归模型进行检验;
第七,根据相对最优原则确定回归模型。
第八,根据所选定的回归模型进行估计与推断。
2)一元线性回归分析的应用
    一元线性回归分析用于研究两个变量之间的一般数量关系。它是根据两个变量的成对数据建立直线回归方程,并根据自变量的变动,推断因变量的发展趋势和水平。一元线性回归分析的应用条件,是两个变量间确实存在比较显著的直线相关关系,并且其中一个变量是另一变量的主要影响因素。
3、可线性化的一元非线性回归分析
   两种现象之间的相关关系是复杂多样的,很多在二维图上呈非直线性式。一元非线性回归方程的配合方式为,首先确定回归方程的类型与形式,然后通过变量变换将非线性模型转化为线性模型,并用最小二乘法求出该线性模型的待定参数,在此基础上,再将原变量代回,以得到所求的非线性回归方程。
4、多元线性回归分析
   多元线性回归分析,用于研究一个自变量与两个或两个以上因变量之间的一般数量关系。它是一元线性回归分析的延伸与推广,其基本原理大致相同,但是计算的工作量则要大得多,因此一般都借助统计软件包完成。
5、线性回归方程的可靠性分析
    对所建回归方程及其参数估计值进行可靠性检验,一般从经济意义、统计意义和计量经济三个方面进行,其中,经济意义检验是最重要的。如果不合格,即使统计意义和计量经济检验结果很理想,也必须推翻重做。
1)经济意义检验:检验的目的在于了解因素影响系数的估计值是否满足理论评价准则的要求,检验的内容通常包括估计值的符号和值域两个方面。
2)统计意义检验:是从统计学的角度,通过对各解释变量影响作用的显著性和模型的拟合效果进行检验,来间接说明估计值的可靠性。
3)计量经济检验:目的在于考察测算模型是否满足所要求的基本假定,从而对统计检验的有效性作出评价。