1、第一章1.1 什么是统计学 统计学是收集，处理，分析，解释数据并从数据中得出结论的科学。 1.2 解释描述统计和推断统计 描述统计：研究数据收集，处理，汇总，图表描述，概括与分析等统计方法。 推断统计：研究如何利用样本数据来推断总体特征的统计方法。 1.3 统计学的类型和不同类型的特点 统计数据的分类：1、按计量层次分：分类数据（只能归于某一类别的非数字型数据，是对事物进行分类的结果，数据表现为类别，用文字来表述） 顺序数据（只能归于某一有序类别的非数字型数据。对事物类别顺序的测度，数据表现为类别，用文字来表述） 数值型数据（按数字尺度测量的观察值，其结果表现为具体的数值，对事物的精确测度）2
2、、按收集方法分：观测数据（是通过调查或观测而收集到的数据，这类数据是在没有对事物人为控制的条件下得到的，有关社会经济现象的统计数据几乎都是观测数据）实验数据（在实验中控制实验对象而收集到的数据。自然科学领域的数据大多为实验数据）3、按时间状况分： 截面数据（在相同或近似相同的时间点上收集到的数据，也叫静态数据。描述现象在某一时刻的变化情况） 时间序列数据（在不同时间上收集到的数据，描述现象随时间变化的情况，也叫动态数据）1.4 解释分类数据，顺序数据和数值型数据 答案见 1.3 1.5 统计学中的几个基本概念1、总体：是包含所研究的全部个体（数据）的集合，其中的每一个个体称为元素。分为有限总体
3、和无限总体。2、样本：从总体中抽取的一部分元素的集合，构成样本的元素的数目称为样本容量或样本量。3、参数：描述总体特征的概括性数字度量，是研究者想要了解的总体的某种特征值。4、统计量：用来描述样本特征的概括性数字度量，是根据样本数据计算出来的一些量，是样本的函数5、变量：说明现象某种特征的概念。1.6 变量的分类 变量可以分为分类变量，顺序变量，数值型变量。 变量也可以分为随机变量和非随机变量。经验变量和理论变量。 第二章2.1 什么是二手资料？使用二手资料应注意什么问题与研究内容有关，由别人调查和试验而来已经存在，并会被我们利用的资料为“二手资料”。使用时要进行评估，要考虑到资料的原始收集人
4、，收集目的，收集途径，收集时间使用时要注明数据来源。 2.2 比较概率抽样和非概率抽样的特点以及常用的抽样方法比较：概率抽样：遵循随机原则进行抽样，可以据以对总体参数进行估计；它的特点是更精确、技术含量高、调查成本高非概率抽样：遵循非随机原则，统计量的分布不稳定，无法进行参数估计；它的特点是操作简单，时效快，成本低，适合探索性的研究常用的抽样方法概率抽样方法：简单随机抽样、分层抽样、整群抽样、系统抽样、多阶段抽样非概率抽样方法：方便抽样、判断抽样、自愿抽样、滚雪球抽样、配额抽样2.3 除了自填式，面访式和电话式还有什么搜集数据的办法 观察式2.4 自填式，面访式和电话式各自的长处和弱点自填式优
5、点：1、调查组织者管理容易 2、成本低，可进行大规模调查 3、对被调查者，可选择方便时间答卷，减少回答敏感问题压力。缺点：1、回收率低 2、不适合结构复杂的问卷，调查内容有限 3、调查周期长 4 在数据搜集过程中遇见问题不能及时调整。 面访式优点：1、回答率高 2、数据质量高 3、在调查过程中遇见问题可以及时调整。缺点：1、成本比较高 2、搜集数据的方式对调查过程的质量控制有一定难度 3、对于敏感问题，被访者会有压力。 电话式优点：1、速度快 2、对调查员比较安全 3、对访问过程的控制比较容易。缺点：1、实施地区有限 2、调查时间不能过长 3、使用的问卷要简单 4 被访者不愿回答时，不易劝服。
6、 提纲第五点：抽样误差和非抽样误差的概念抽样误差：指由于抽样的随机性引起的样本结果与总体真值之间的误差非抽样误差：指除抽样误差以外的所有误差的总和2.6 如何控制调查中的回答误差 抽样误差是不可避免的，能够在调查过程中进行控制的只有非抽样误差。抽样误差可以计算，因此可以通过统计学专业知识根据允许误差来确定样本量，以控制抽样误差。费抽样误差控制的重要方面是调查过程的质量控制。包括：调查员的挑选，调查员的培训，督导员的调查专业水平，对调查过程进行控制的具体措施（包括对调查结果进行检验、评估，对现场调查人员进行奖惩制度等）第三章3.1 数据预处理内容 ：数据审核（完整性和准确性；适用性和时效性） ，
7、数据筛选和数据排序。3.2 分类数据和顺序数据的整理和图示方法各有哪些 分类数据的整理（基本过程）：1、列出各类别2、计算各类别的频数3、制作频数分布表4、用图形显示数据分类数据：制作频数分布表，用比例，百分比，比率等进行描述性分析。可用条形图，对比条形图，帕累托图和饼图进行图示分析。顺序数据：制作频数分布表，用比例，百分比，比率。累计频数和累计频率等进行描述性分析。可用条形图，帕累托图和饼图，累计频数分布图和环形图进行图示分析。提纲第五点：数值型数据的整理与展示图示：分组数据直方图和折线图未分组数据茎叶图和箱线图时间序列数据线图多变量数据两个变量间的关系：二维散点图 三个变量间的关系：气泡图
8、多变量数据：雷达图（蜘蛛图）3.3 数值型数据的分组方法和步骤 分组方法：单变量值分组和组距分组，组距分组又分为等距分组和异距分组。 分组步骤：1 确定组数 2 确定各组组距 3 根据各组频数整理成频数分布表 3.4 直方图和条形图的区别 1、条形图使用条形的长度表示各类别频数的多少，其宽度固定，直方图用面积表示各组频数，矩形的高度表示每一组的频数或百分比，宽度表示组距，2、直方图各矩形连续排列，条形图分开排列，3 条形图主要展示分类数据，直方图主要展示数值型数据。3.5 绘制线图应注意问题 时间在横轴，观测值绘在纵轴。图形长宽比例为 10：7，纵轴下端一般从 0 开始，数据与0 距离过大时，
9、采用折断符号将纵轴折断。3.6 饼图和环形图的不同 饼图只能显示一个样本或总体各部分所占比例，环形图可以同时绘制多个样本或总体的数据系列，其图形中间有个“空洞” ，每个样本或总体的数据系列为一个环。3.7 茎叶图比直方图的优势，他们各自的应用场合 直方图可观察一组数据的分布状况，但没有给出具体的数值。茎叶图既能给出数据的分布情况，又能给出每一个原始数据，即保留了原始数据的信息。在应用方面，直方图通常适用于大批量数据，茎叶图适用于小批量数据。3.9 制作统计表应注意的问题 1、合理安排统计表结构 2、标题内容应满足 3W（数据的时间、地点以及何种数据）要求3、数据计量单位相同时，可放在表的右上角
10、标明，不同时应放在每个变量后或单列出一列标明4、表中的上下两条横线一般用粗线，其他用细线5、通常情况下，统计表的左右两边不封口。表中的数据一般右对齐，有小数点时以小数点对其，而且小数点位数统一。对于没有数据的表格单元用“”表示提纲：数据透视表的应用 1、可以从复杂的数据中提取有用的信息2、可以对数据表的重要信息按使用者的习惯或分析要求进行汇总和作图3、形成一个符合需要的交叉表（列联表）4、在利用数据透视表时，数据源表中的首行必须有列标题第 4 章 数据的概括性度量 4.1 一组数据的分布特征可以从哪几个方面进行测度？ 三个方面：一、分布的集中趋势，反映各数据向其中心值靠拢或聚集的程度；二、分布
11、的离散程度，反映各数据远离其中心值的趋势；三、分布的形状，反映数据分布的偏态和峰态。4.2 怎样理解平均数在统计学中的地位？ 平均数：1、平均数也称为均值，是一组数据相加后除以数据的个数得到的结果2、是集中趋势的最主要测度值，它主要适用于数值型数据3、是一组数据的均衡点所在4、体现了数据数据的必然性特征5、易受极端值影响6、有简单平均数和加权平均数地位：平均数在统计学中具有重要地位，它是进行统计分析和统计推断的基础。从统计思想上看，平均数是一组数据的中心所在，是数据误差相互抵消后的必然结果4.3 简述四分位数的计算方法。 四分位数是一组数据排序后处于 25%和 75%位置上的值。根据未分组数据
12、计算四分位数时，首先对数据进行排序，然后确定四分位数所在的位置，该位置上的数值就是四分位数。4.4 对于比率数据的平均为什么采用几何平均？ 几何平均数是指 n 个变量值乘积的 n 次方根，用 G 表示，计算公式为 n1ii321 x*xxG比率数据属于相对数，它不能如绝对数那样对其进行累加，而只能对其进行连乘，因此对于比率数据，在对其计算平均数的时候，我们不能像计算一般的平均数那样计算，而要用几何平均数的计算公式计算。4.5 简述众数、中位数和平均数的特点和应用场合。众数是一组数据分布的峰值，不受极端值的影响，缺点是具有不唯一性。众数只有在数据量较多时才有意义，数据量较少时不宜使用。主要适合作
13、为分类数据的集中趋势测度值。 中位数是一组数据中间位置上的代表值，不受极端值的影响。当数据的分布偏斜程度较大时，使用中位数也许是个好的选择。主要适合作为顺序数据的集中趋势测度值。 平均数是针对数值型数据计算的，而且利用了全部数据信息，在实际应用中最广泛。当数据呈对称分布或近似对称分布时，三个代表值相等或相近，此时应选择平均数作为集中趋势的代表值。但平均数易受极端值的影响，对于偏态分布的数据，平均数的代表性较差，此时应考虑中位数或众数。 4.6 简述异众比率、四分位差、方差或标准差的适用场合 异众比率主要用于衡量众数对一组数据的代表程度，主要适合测度分类数据的离散程度；四分位差主要用于来测量顺序
14、数据的离散程度；方差或标准差主要用来测量数值型数据的离散程度。4.7 标准分数有哪些用途？ 标准分数给出了一组数据中各数值的相对位置。在对多个具有不同量纲的变量进行处理时，常需要对各变量进行标准化处理。它还可以用来判断一组数据是否有离群数据。4.9 测度数据分布形状的统计量有哪些？ 对分布形状的测度有偏态和峰态，测度偏态的统计量是偏态系数，测度峰态的统计量是峰态系数。1、数据集中趋势度量的各统计量的计算、特点和应用场合； 众数：M 0 = 一个一个数啊 中位数： （n 为数据个数21中 位 数 位 置， （n 为奇数）xaMe= ， （n 为偶数）12nx 设下四分位数为 QL，上四分位数为
15、QU，根据四分位数的定义有：QL 位置= QU 位置=4n3 平均数其中 n 为样本量xnxni121简 单 平 均 数设原始数据被分为 k 组，组中nfMffMxkiik 121加 权 平 均 数值为 M1，M 2Mk ，各组变量出现的频数为 f1,f2fk几何平均数 n1iin321 x*xxG2、数据离散程度的度量的各统计量的计算、特点和应用场合；分类数据：异众比率 其中 为变量值的总频数； 为众数组的频数imiffV1r if mf（ 比率越大，非众数组的频数占总频数的比重越大，众数的代表性越差；反之顺序数据：四分位差 =上四分位数与下四分数之差 （数值越小，说明中间的数据越集中；反之
16、数值型数据：极差 R=max（xi）-min（xi） （一组数据最大值-最小值方差 ： 1s22nxnii未 分 组 数 据 122nfxMsikii分 组 数 据标注差： 方 差离散系数： （即一组数据的标准差与其相应的平均数之比）xsv（离散系数大，说明数据的离散程度也大；反之3、度量数据分布的偏态、峰态系数的计算及应用场合； 偏态系数（SK）：偏态是对数据分布对称性的测度；SK=0，则数据分布是对称的；SK1 或 SK-1，高度偏态分布；0.5SK1 或-1SK -0.5 ，中等偏态分布；越接近 0 偏态程度越低当 SK 为正值时，表示正离差值越大，可判断为正偏或右偏；负值时，表示负离差
17、值越大，可判断为负偏或左偏 峰态系数（K）：它是对数据分布平峰或尖峰程度的测度K0，尖峰分布，数据分布更集中；K0，扁平分布，数据分布越分散第九章 分类数据分析1、分类数据：是对事物进行分类的结果，其特征是，调查结果虽然用数值表示，但不同数值描述了调查对象的不同特征。分类数据的结果是频数，X 2 检验是对分类数据的频数进行分析的统计方法2、X 2 统计量：X 2 可以用于测定两个分类变量之间的相关程度， f0 表示观察值频数，f e 表示期望值频数。(f0-fe)2X2=E-fe3、X 2 统计量特征：X 2=0 ，X 2 统计量分布与自由度有关， X2 统计量描述了观察值与期望值的接近程度：
18、自由度越小，分布越向左边倾斜，随着自由度的增加，X 2 分布的偏斜程度趋于缓解，逐渐显露对称性，随着自由度的迹象增大，X 2 分布将趋近于对称的正太分布。利用 X2 统计量可以对分类数据进行拟合优度检验和独立性检验。4、拟合优度检验：利用 X2 统计量进行统计显著性检验的重要内容之一。依据总体分布状况，计算出分类变量中各类别的期望频数，与分布的观察频数进行对比，判断期望频数与观察频数是否有显著差异，从而达到对分类变量进行分析的目的。例题：发生船难，共有 2208 人，其中男性 1738 人，女性 470 人，事后，幸存者共有 718 人，其中男性 374 人，女性 344 人，以 a=0.1
19、的显著性水平检验存活状况与性别是否有关H0：观察频数与期望频数一致H1：观察频数与期望频数不一致男性：观察频数 374，期望频数 565女性：观察频数 344，期望频数 153自由度计算公式：df=R-1 R 为分类变量类型的个数，这里分类变量是男女，R=2 ， df=2-1=1,X20.1(1)=2.706,括号中的数字是自由度，因为 X2 远大于 X20.1，所以拒绝 H0，接受H1，说明存活状况与性别显著相关。5、列联分析：拟合优度检验是对一个分类变量的检验，对于两个分类变量的分析，称为独立性检验，分析过程可以通过列联表的方式呈现，所以有人把这种分析称为列联分析6、列联表：由两个以上的变
20、量进行交叉分类的频数分布表（N*N 列联表，不包括合计一栏）7、独立性检验：就是分析列联表中行变量和列变量是否相互独立H0：XX 和 XX 之间是独立的（不存在依赖关系）H1： XX 和 XX 之间不独立（存在依赖关系）X2 的自由度=（R-1)(C-1) R 是行合计，C 是列合计8、列联表中的相关测量应用场合：1、 相关系数：描述 2*2 列联表数据相关程度最常用的一种相关系数2、列联相关系数：主要用于大于 2*2 的列联表的情况3、V 相关系数：对于同一个数据，以上三个相关系数求出的结果不同 思考题：1、简述列联表的构造和列联表的分布。（1）构造：（2）分布：一、观察值的分布（条件分布）
21、二、百分比分布三、期望频数的分布2、简述 系数、c 系数、V 系数的各自特点（1） 系数： A、主要用于 2*2 列联表B、2*2 列联表中，数值位于 01 之间C、数值越大表明相关程度越强D、行数列数大于 2 后，系数值会随行列数变大，且无上限（2）c 系数：A 、主要用于 2*2 列联表B、数值位于 01 之间C、数值越大表明相关程度越强D、相关系数的最大值与行列数的多少有关，且随着 R 和 C 的增大而增大E、当列联表中的两个变量相互独立时，系数 C=0，但它不可能大于 1（3）V 系数：A、适用于所有列联表B、数值位于 01 之间C、数值越大表明相关程度越强3、构造下列维数的列联表，并
22、给出 X2 检验的自由度。A、2 行 5 列 B、4 行 6 列 C、3 行 4 列第十二章1、解释多元回归模型、多元回归方程、估计的多元回归方程的含义多元回归模型是对统计关系进行定量描述的一种数学模型。多元回归方程是对变量之间统计关系进行定量描述的一种数学表达式。指具有相关的随机变量和固定变量之间关系的方程。主要有回归直线方程。当几个变量有多重共线性时，多元回归分析得出的回归方程，靠手算精确值计算量太大，所以只能得出估计值2、多元线性回归模型中有哪些基本的假定。在多元线性回归模型中，对误差项 同样有三个基本的假定：误差项 是一个期望值为 0 的随机变量，即 E（）=0。这意味着对于给定X1，
23、X2Xk 的值，y 的期望值为 E（y）=0+1X1+2X2+kXk 。对于自变量 X1，X2 ，.Xk 的所有值， 的方差 2 都相同。误差项 是一个服从正态分布的随机变量，且相互独立，即 N（0，2） 。独立性意味着自变量 X1，X2Xk 的一组特定值所对应的 与 X1，X2Xk 任意一组其他值所对应的 不相关。正态性意味着对于给定的 X1，X2.Xk 的值，因变量 y 也是一个服从正态分布的随机变量。根据回归模型的假定有：E（ y）=0+1X1+2X2+kXk简单版： 误差项 是一个期望值为 0 的随机变量，即 E()=0 对于自变量 x1，x2，xp 的所有值， 的方差2 都相同 误差
24、项 是一个服从正态分布的随机变量，即 N(0,2) ，且相互独立3、解释多重判定系数和调整的多重判定系数的含义和作用。（1）多重判定系数：是多元回归中的回归平方和占总平方和的比例，它是度量多元回归方程拟合程度的一个统计量，反应了在因变量 y 的变差中被估计的回 归方程所解释的比例。（2）调 整 的 多 重 判 定 系 数：用样本容量 n 和自变量的个数 k 去调整 R2 得到，这使得 Ra 2 的值永远小于 R2 且 Ra 2 的值不会由于模型中自变量个数的增加而越来越接近作用：避免增加自变量而高估多重判定系数（R2） 。4、解释多重共线性的含义 当回归模型中两个或两个以上的自变量彼此相关时，
25、称回归模型中存在多重共线性。5、 多重共线性对回归分析有哪些影响？1、变量之间高度相关时，可能会使回归的结果混乱，甚至会把分析引入歧途。2、多重共线性可能对参数估计值的正负号产生影响，特别是 i 的正负号有可能同预期的正负号相反。6、多重共线性的判别方法主要有哪些？其中最简单的方法是计算模型中各对自变量之间的相关系数，并对各相关系数进行显著性检验。如果有一个或多个相关系数是显著的，就表示模型中所使用的自变量之间相关，因而存在多重共线性问题。具体来说，如果出现下列情况，暗示存在多重共线性：（1）模型中各对自变量之间显著相关。 （2）当模型的线性关系检验（F 检验）显著时，几乎所有回归系数 i 的
26、 t 检验却不显著。（3）回归系数的正负号与预期的相反。 （4）容忍度与方差扩大因子（VIF） 。容忍度越小，多重共线性越严重，当小于 0.1 时，存在严重多重共线性。VIF 越大，多重共线性越严重，一般认为 VIF 大于 10 时，存在严重多重共线性。 7、多重共线性的处理方法有哪些？（1）将一个或多个相关的自变量从模型中剔除，使保留的自变量尽可能不相关。（2）如果要在模型中保留所有的自变量，那就应该：避免根据 t 统计量对单个参数 进行检验。对因变量 y 的推断（估计或预测）限定在自变量样本值的范围内。提纲：2、估计的多元线性回归方程及参数的最小二乘估计；参数的最小二乘估计：回归方程中的
27、， ， ， 仍然是根据最小二乘法012k求得，也就是使残差平方和 Q = 最小。由此可以2.10kiiyy得到求解 ， ， ， 的标准方程为：012k3、多重判定系数、估计标准误差等概念；估计标准误差：是对误差项 的方差 的一个估计值，用于衡量多元回归方程的拟合优2度计算公式：是根据自变量 x1，x2，xk 来预测因变量 y 时的平均预测误差4、多元线性回归方程的拟合优度 F 检验；5、多元线性回归方程参系数的显著性 t 检验；6、多重共线性的概念、判别及其处理方法；概念：所谓多重共线性（Multicollinearity ）是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而
28、使模型估计失真或难以估计准确。一般来说，由于经济数据的限制使得模型设计不当，导致设计矩阵中解释变量间存在普遍的相关关系。处理方法：（1）排除引起共线性的变量找出引起多重共线性的解释变量，将它排除出去，以逐步回归法得到最广泛的应用。（2）差分法时间序列数据、线性模型：将原模型变换为差分模型。（3）减小参数估计量的方差：岭回归法（Ridge Regression） 。第 13 章 时间序列分析和预测1、时间序列组成要素及其分解；时间序列的构成要素：趋势（线性趋势，非线性趋势） ，季节性，周期性，随机性趋势：呈现出某种持续向上或持续下降的状态或规律季节性：也称季节变动，时间序列在一年内重复出现的周期
29、性波动周期性：也称循环波动，围绕长期趋势的一种波浪形或振荡式变动随机性：也称不规则波动，除去趋势、周期性和季节性之后的偶然性波动2、时间序列的图形描述、增长率分析等描述性分析；图形描述：P325-327增长率分析：P327-3293、增长率的计算和分析方法；环比增长率：报告期增长率与前一期水平之比减 1：定基增长率：报告期水平与某一固定时期水平之比减 1：平均增长率：序列中各逐期环比值的几何平均数减 1：4、时间序列预测的程序；第一步：确定时间序列所包含的成分，也就是确定时间序列的类型。第二步：找出适合此类时间序列的预测方法。 第三步：对可能的预测方法进行评估，以确定最佳预测方案。 第四步：利
30、用最佳预测方案进行预测。 5、平稳序列的含义及预测方法；含义：基本上不存在趋势的序列，各观察值基本上在某个固定的水平上波动或虽有波动，但并不存在某种规律，而其波动可以看成是随机的 预测方法：简单平均法、移动平均法、指数平滑法 P335-3386、含有线性趋势、非线性趋势的趋势型序列的预测；线性趋势方程 P341：线性模型法（a 和 b 的求解方程）根据最小二乘法得到求解 a 和 b 的标准方程为：预测误差可用估计标准误差来衡量 （m 为未知常数个数）非线性趋势包括 指数曲线、多阶曲线 P343-345指数曲线：k 阶曲线函数形式 7、季节型序列的预测；P3478、含有线性趋势和季节成分的复合型
31、序列的分解预测；第一步：确定并分离季节成分，计算季节指数，以确定时间序列中的季节成分。然后将季节性因素从时间序列中分离出去，以便观察和分析时间序列的其他特征。 第二步：对消除了季节成分的时间序列建立适当预测模型，并进行预测。 第三步：计算出最后的预测值。用预测值乘以相应的季节指数，得到最终的预测值 9、应用 Excel 对时间序列进行描述性分析及对不同成分时间序列进行预测。P330-334第十四章1.什么是指数，它的性质、分类及编制中的问题指数，或称统计数，是分析社会经济现象数量变化的一种重要统计方法指数是测定多项内容数量综合变动的相对数。第一要点：指数的实质是测定多项内容第二要点：其表现形式
32、为动态相对数 P363指数分类： 按照考察对象的范围不同：还在于计算方法的不同个体指数：考察总体中个别现象或个别项目数量变动的相对数总指数：综合反映多种项目数量变动的相对数 按照反映指标的性质不同：指标指数：反映数量指标变动程度的不同，常采用实物计量单位质量指标指数：反映品质指标变动程度的相对数，常采用货币计量单位 按照计算形式不同：简单指数：把计入指数的各个项目的重要性视为相同加权指数：对计入指数的各个项目依据重要程度赋予不同的权数，再进行计 算。有综合形式，平均形式。由综合形式编制的加权指数可称为 加权综合指数，由平均形式编制的加权指数可称为加权平均指数指数编制中的问题：选择项目，确定权数
33、，指标计算方法2、什么是同度量因素，它在编制加权综合指数中有什么作用也称媒介因素，起着权数的作用3、拉式指数与帕氏指数各有什么特点拉氏指数在计算综合指数时将权数作为同度量因素固定在基期帕氏指数在计算综合指数时将权数作为同度量因素固定在报告期4、加权平均指数与加权综合指数有何区别与联系区别：本质上的有区别，主要表现在全面资料还是样本资料，全面资料采用加权综合指数联系：形式上是相同的加权综合指数（即拉式和帕式）：加权指数：P 368拉氏指数：将作为权数的同度量因素固定在基期拉式数量指标指数： 拉式质量指标指数： Iq 表示数量指标指数： Ip 表示质量指标指数；P 0P1 分别表示基期和报告期的质
34、量指标值，q 0 和 q1 分别表示基期和报告期的数量指标帕氏指数：将权数的同度量因素固定在报告期帕氏数量指标指数 帕氏质量指标指数5、什么是指数体系，它有什么作用指数体系是指，一个总量可以分解为若干个构成因素，其数量关系可以用指标体系的形式表现出来总量指数及其若干个因素构成的数量关系式称为指数体系。作用：(1)指数体系是进行因素分析的根据。(2)利用各指数之间的联系进行指数间的相互推算。(3)用综合指数法编制总指数时，指数体系也是确定同度量因素 时期的根据之一。销售额=销售量*销售价格总产值=产量*产品价格总成本=产量*单位产品成本销售利润=销售量*销售价格*销售利润率总量指数及其若干个因素构成的数量关系式称为指数体系。销售额指数=销售量指数*销售价格指数总产值指数=产量指数*产品价格指数总成本指数=产量指数*单位产品成本指数销售利润指数=销售量指数*销售价格指数*销售利润率指数
