電子商務數(shù)據(jù)分析與應用（Excel版） 課件 項目三 電子商務數(shù)據(jù)分析方法

電子商務數(shù)據(jù)分析與應用第3章電子商務數(shù)據(jù)分析方法本章提綱

統(tǒng)計分析3.1

相關與回歸分析3.2

時間序列分析3.3

聚類分析3.4本章提綱

實訓一、統(tǒng)計分析計算實訓二、相關分析與回歸分析的應用實訓三、時間序列分析計算

實訓四、聚類分析計算 思維導圖思政園地案例1鴻星爾克低調捐助【思政教育元素：培養(yǎng)電商企業(yè)的社會責任】2021年河南暴雨肆虐，百姓苦不堪言。災情牽動了無數(shù)中國人的心，一方有難，八方支援，很快物資，捐款，救援隊涌向了河南，這其中就有鴻星爾克的身影。7月21日，鴻星爾克發(fā)布了一條捐獻5000萬元物資的微博引起熱議，并沖上熱搜。

引起關注的很大一部分原因是有熱心網(wǎng)友發(fā)現(xiàn)鴻星爾克在經(jīng)營狀況不佳，陷入持續(xù)虧損的情況下依然為災情獻出援手，有網(wǎng)友調侃道“感覺你都快倒閉了還捐了這么多”。鴻星爾克的行動讓網(wǎng)友們看到了企業(yè)的社會責任感，很快鴻星爾克的線上直播間涌入大批觀眾將商品搶購一空，線下的門店同樣也被瘋狂搶購，鴻星爾克也一躍成為“國貨之光”。思政園地案例2故宮文化跨界合作【思政教育元素：扎根傳統(tǒng)文化，增強文化自信】故宮，是中國歷史的見證者，中國文化的重要代表之一。故宮承載著歷史文明的厚重，是當之無愧的東方文化超級IP，作為中國最大的古代文化藝術博物館，故宮有著全國最多的藏品、最多的珍貴文物。故宮的文化產(chǎn)品富有歷史性、知識性、藝術性，但這也使得故宮的文化產(chǎn)品很難走進年輕人的世界，始終保持著一種距離感。近年來，伴隨著有趣的文創(chuàng)產(chǎn)品、豐富的文化活動、層出不窮的跨界合作，故宮給我們的印象變得更加的年輕鮮活，通過與各種品牌的聯(lián)名合作，故宮文化以一種意想不到的方式走進大家的生活，打破了人們對傳統(tǒng)文化死板的認知，賦予了傳統(tǒng)文化新的生命與活力，也讓更多的年輕人愿意了解傳統(tǒng)文化，從而愛上傳統(tǒng)文化。案例導入在研究人類遺傳問題時，為了研究父代與子代身高的關系，高爾頓搜集了1078對父親及其兒子的身高數(shù)據(jù)。他發(fā)現(xiàn)這些數(shù)據(jù)的散點圖大致呈直線狀態(tài)，也就是說，總的趨勢是父親的身高增加時，兒子的身高也傾向于增加。但是，高爾頓對試驗數(shù)據(jù)進行了深入的分析，發(fā)現(xiàn)了一個很有趣的現(xiàn)象：當父親高于平均身高時，他們的兒子身高比他更高的概率要小于比他更矮的概率；父親矮于平均身高時，他們的兒子身高比他更矮的概率要小于比他更高的概率。它反映了一個規(guī)律，即這兩種身高父親的兒子的身高，有向他們父輩的平均身高回歸的趨勢。對于這個一般結論的解釋是:大自然具有一種約束力，使人類身高的分布相對穩(wěn)定而不產(chǎn)生兩極分化，這就是所謂的回歸效應。這是統(tǒng)計學上最初出現(xiàn)“回歸”時的涵義，雖然是一種特殊情況，與線形關系擬合的一般規(guī)則無關，但“線形回歸”的術語卻因此沿用下來。你了解回歸嗎？線性回歸是數(shù)據(jù)分析的一種方法，試著說說他在數(shù)據(jù)分析上所發(fā)揮的作用。3.1統(tǒng)計分析3.1.1靜態(tài)分析指標3.1.2動態(tài)分析指標3.1.3統(tǒng)計指數(shù)3.1.4抽樣推斷3.1.1靜態(tài)分析指標

靜態(tài)分析指標是用來說明社會經(jīng)濟現(xiàn)象數(shù)量特征的。由于社會經(jīng)濟現(xiàn)象及其發(fā)展的復雜性，靜態(tài)分析指標呈現(xiàn)多樣性，可以將其歸納為四類：總量指標、相對指標、平均指標和變異指標。

總量指標是反映社會經(jīng)濟現(xiàn)象在一定時間、地點和條件下的總體規(guī)?；蛩降慕y(tǒng)計指標。它的表現(xiàn)形式為絕對數(shù)，故又稱為統(tǒng)計絕對數(shù)。例如，某家淘寶店鋪的總營業(yè)額、員工總數(shù)、產(chǎn)品銷售總量等，都是反映現(xiàn)象的總量，均可視為總量指標。

兩個有聯(lián)系的統(tǒng)計指標的比率稱為相對指標。與總量指標伴隨有量綱單位不同，相對指標在絕大多數(shù)情況下采用無名數(shù)標識。無名數(shù)是一種抽象化的數(shù)值，多用倍數(shù)、系數(shù)、成數(shù)、百分數(shù)等表示。

平均指標是同類社會經(jīng)濟現(xiàn)象總體內各單位某一數(shù)量標志在一定時間、地點和條件下數(shù)量差異抽象化的代表性水平指標，其數(shù)據(jù)表現(xiàn)為平均數(shù)。平均指標可以反映現(xiàn)象總體的綜合特征，也可以反映各變量值分布的集中趨勢。平均指標按計算和確定的方法不同，可分為算術平均數(shù)、調和平均數(shù)、眾數(shù)和中位數(shù)等。

變異指標是綜合反映總體各單位標志值變異程度的指標。它顯示總體中變量數(shù)值分布的離散趨勢，是說明總體特征的另一種重要指標，與平均數(shù)的作用相輔相成。變異指標的計算包括：極差、四分位差、平均差、標準差和方差等。3.1.2動態(tài)分析指標

動態(tài)分析方法又稱時間數(shù)列分析，主要用來描述和探索現(xiàn)象隨時間發(fā)展變化數(shù)量規(guī)律性，也就是對處于不斷發(fā)展變化的社會經(jīng)濟現(xiàn)象從動態(tài)的角度進行分析。

動態(tài)數(shù)列是指將同類指標在不同時間上的數(shù)值按時間的先后順序排列起來形成的統(tǒng)計數(shù)列，又稱為時間數(shù)列，是一種常見的經(jīng)濟數(shù)據(jù)表現(xiàn)形成。

動態(tài)數(shù)列可主要分為三類：①絕對數(shù)動態(tài)數(shù)列：把一系列同類的總量指標按時間先后順序排列而形成的動態(tài)數(shù)列。②相對數(shù)動態(tài)數(shù)列：把一系列同類的相對指標數(shù)值按時間先后順序排列而形成的動態(tài)數(shù)列。③平均數(shù)動態(tài)數(shù)列：把一系列同類的平均指標數(shù)值按時間先后順序排列而形成的動態(tài)數(shù)列。3.1.3統(tǒng)計指數(shù)統(tǒng)計指數(shù)分析法是經(jīng)濟分析中廣泛應用的一種方法。最具代表性的就是關于物價指標的編制，即用現(xiàn)行價格與過去價格對比來反映價格的變化情況，后來過渡到綜合反映多種商品價格的變動情況。統(tǒng)計指數(shù)的作用：①綜合反映復雜社會經(jīng)濟總體在時間和空間方面的變動方向和變動程度。②分析和測定社會經(jīng)濟現(xiàn)象總體變動受各因素變動的影響。③研究平均指標指數(shù)變動及其受水平因素和結構因素變動的影響。統(tǒng)計指數(shù)按照不同的研究目的和要求，可以作如下各種分類：1.個體指數(shù)和總指數(shù)2.數(shù)量指標指數(shù)和質量指標指數(shù)3.動態(tài)指數(shù)和靜態(tài)指數(shù)4.定基指數(shù)和環(huán)比指數(shù)5.綜合指數(shù)和平均指數(shù)3.1.4抽樣推斷

抽樣推斷（SampleInference）是在抽樣調查的基礎上，利用樣本的實際資料計算樣本指標，并據(jù)以推算總體相應數(shù)量特征的一種統(tǒng)計分析方法。抽樣推斷的作用主要包括：1.在無法進行全面調查或進行全面調查有困難時，可以用抽樣調查來推斷總體；2.采用抽樣調查可以節(jié)省費用和時間，提高調查的時效性和經(jīng)濟效果；3.可用來對全面資料的檢驗和修正；4.可以用于工業(yè)生產(chǎn)過程的質量控制；5.可以對某種總體的假設進行檢驗來判斷這種假設是否正確，以決定行動的取舍抽樣推斷的內容1.全及總體和樣本總體2.總體參數(shù)和樣本統(tǒng)計量3.樣本容量和樣本個數(shù)4.重復抽樣和不重復抽樣3.2相關與回歸分析3.2.1相關分析3.2.2回歸分析3.2.1相關分析

相關關系是指變量之間存在的一種不確定的數(shù)量依存關系，即一個變量的數(shù)值發(fā)生變化時，另一個變量的數(shù)值也相應地發(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。3.2.1相關分析相關關系的種類（1）按程度分類①完全相關：兩個變量之間的關系，一個變量的數(shù)量變化由另一個變量的數(shù)量變化所惟一確定，即函數(shù)關系。②不完全相關：兩個變量之間的關系介于不相關和完全相關之間。③不相關：如果兩個變量彼此的數(shù)量變化互相獨立，沒有關系。不相關完全相關不完全相關3.2.1相關分析相關關系的種類（2）按方向分類①正相關：兩個變量的變化趨勢相同，從散點圖可以看出各點散布的位置是從左下角到右上角的區(qū)域，即一個變量的值由小變大時，另一個變量的值也由小變大。②負相關：兩個變量的變化趨勢相反，從散點圖可以看出各點散布的位置是從左上角到右下角的區(qū)域，即一個變量的值由小變大時，另一個變量的值由大變小。正強相關正弱相關負強相關負弱相關3.2.1相關分析相關關系的種類（3）按形式分類①線性相關（直線相關）：當相關關系的一個變量變動時，另一個變量也相應地發(fā)生均等的變動。②非線性相關（曲線相關）：當相關關系的一個變量變動時，另一個變量也相應地發(fā)生不均等的變動。非線性相關線性相關3.2.1相關分析相關關系的種類（4）按變量數(shù)目分類①單相關：只反映一個自變量和一個因變量的相關關系。②復相關：反映兩個及兩個以上的自變量同一個因變量的相關關系。③偏相關：當研究因變量與兩個或多個自變量相關時，如果把其余的自變量看成不變（即當作常量），只研究因變量與其中一個自變量之間的相關關系，就稱為偏相關。3.2.1相關分析相關系數(shù)R

(SampleCorrelationCoefficient)是描述變量x與y之間線性關系密切程度的一個數(shù)量指標。其中，，，

，R=1是完全正相關，R=-1是完全負相關，R=0為不相關。查相關系數(shù)臨界值表,若R>Rα(n

2)，則線性相關關系顯著，通過檢驗，可以進行預測；反之，沒有通過檢驗。若不查表，通過經(jīng)驗判斷，則R的范圍在0.3-0.5是低度相關，R的范圍在0.5-0.8是顯著相關，R的范圍在0.8以上是高度相關。3.2.2回歸分析1.一元回歸分析一元線性回歸分析是處理兩個變量x（自變量）和y（因變量）之間關系的最簡單模型，研究是這兩個變量之間的線性相關關系。上式稱為一元線性回歸模型(OneVariableLinearRegressionModel)，其中：u是一個隨機變量稱為隨機項；可通過最小二乘法求得a,b兩個常數(shù)，稱為回歸系數(shù)（參數(shù)）；i表示變量的第i個觀察值，共有n組樣本觀察值。3.2.2回歸分析2.多元回歸分析對多元線性回歸模型（MultivariateLinearRegressionModel）的基本假設是在對一元線性回歸模型的基本假設基礎之上，還要求所有自變量彼此線性無關，這樣隨機抽取n組樣本觀察值就可以進行參數(shù)估計。3.2.2回歸分析3.非線性回歸分析在許多實際問題中，不少經(jīng)濟變量之間的關系為非線性的，可以通過變量代換把本來應該用非線性回歸處理的問題近似轉化為線性回歸問題，再進行分析預測。五種常見的非線性模型及線性變換的方式3.3時間序列分析3.3.1時間序列數(shù)據(jù)3.3.2移動平均方法3.3.3指數(shù)平滑方法3.3.4季節(jié)指數(shù)方法3.3.1時間序列數(shù)據(jù)時間序列類型數(shù)據(jù)就是按照時間先后順序排列各個觀測記錄的數(shù)據(jù)集。3.3.2移動平均方法

一次移動平均法是在算術平均法的基礎上加以改進，其基本思想是每次取一定數(shù)量周期的數(shù)據(jù)平均，按時間順序逐次推進。每推進一個周期，舍去前一個周期的數(shù)據(jù)，增加一個新周期的數(shù)據(jù)，再進行平均。一次移動平均法一般只應用于一個時期后的預測（即預測第t+1期）。一次移動平均數(shù)Mt(1)代表第t期一次移動平均值，N代表計算移動平均值時所選定的數(shù)據(jù)個數(shù)。一般情況下，N越大，修勻的程度越強，波動也越小；N越小，對變化趨勢反應越靈敏，但修勻的程度越差。實際預測中可以利用試算法，即選擇幾個N值進行計算，比較它們的預測誤差，從中選擇使誤差較小的N值。3.3.2移動平均方法當序列具有線性增長的發(fā)展趨勢時，用一次移動平均預測會出現(xiàn)滯后偏差，表現(xiàn)為對于線性增長的時間序列預測值偏低。這時，可進行二次移動平均計算，二次移動平均就是將一次移動平均再進行一次移動平均來建立線性趨勢模型。二次移動平均法的線性趨勢預測模型：其中，截距為：，斜率為：，

為預測超前期。Mt(1)為一次移動平均數(shù)，Mt(2)代表第t期二次移動平均值二次移動平均數(shù)，計算公式為，N代表計算移動平均值時所選定的數(shù)據(jù)個數(shù)。3.3.3指數(shù)平滑方法

一次指數(shù)平滑設時間序列為，則一次指數(shù)平滑公式為：

為第t周期的一次指數(shù)平滑值；為加權系數(shù)，。3.3.3指數(shù)平滑方法二次指數(shù)平滑法設一次指數(shù)平滑為，則二次指數(shù)平滑的計算公式為：若時間序列y1,y2,

,yt從某時期開始具有直線趨勢，且認為未來時期亦按此直線趨勢變化，則與趨勢移動平均類似，可用如下的直線趨勢模型來預測：

t為當前時期數(shù)；T為由當前時期數(shù)t到預測期的時期數(shù)；為第t+T期的預測值；為截距，為斜率，其計算公式為：3.3.4季節(jié)指數(shù)方法1.季節(jié)指數(shù)水平法季節(jié)指數(shù)預測法是指變量在一年內以季（月）的循環(huán)為周期特征，通過計算變量的季節(jié)指數(shù)達到預測目的的一種方法。季節(jié)指數(shù)法的預測過程：首先分析判斷時間序列觀察數(shù)據(jù)是否呈季節(jié)性波動。通?？蓪?-5年的資料按月或按季展開，繪制歷史曲線圖，以觀察其在一年內有無周期性波動來做出判斷；然后將各種因素結合起來考慮，即考慮它是否還受長期趨勢變動的影響，是否受隨機波動的影響等。3.3.4季節(jié)指數(shù)方法季節(jié)指數(shù)水平法的計算步驟：①收集三年以上各年中各月或季數(shù)據(jù)Yt，形成時間序列。②計算各年同季或同月的平均值：，為各年各月或各季觀察值，n為年數(shù)。③計算所有年度所有季或月的平均值：，n為一年季數(shù)或月數(shù)。④計算各季或各月的季節(jié)比率（即季節(jié)指數(shù)）：⑤計算預測期趨勢值。趨勢值是不考慮季節(jié)變動影響的市場預測趨勢估計值。其計算方法有多種，可以采用以觀察年的年均值除以一年的月數(shù)或季數(shù)。⑥建立季節(jié)指數(shù)水平預測模型，進行預測。即：3.3.4季節(jié)指數(shù)方法2.季節(jié)指數(shù)趨勢法長期趨勢的季節(jié)指數(shù)法是指在時間序列觀察值既有季節(jié)周期變化，又有長期趨勢變化的情況下，首先建立趨勢預測模型，再在此基礎上求得季節(jié)指數(shù)，最后建立數(shù)學模型進行預測的一種方法。3.3.4季節(jié)指數(shù)方法季節(jié)指數(shù)趨勢法的計算步驟：①以一年的季數(shù)4或一年的月數(shù)12為N，對觀察值的時間序列進行N項移動平均。由于N為偶數(shù)，應再對相鄰兩期移動的平均值再平均后對正，形成新序列Mt，以此為長期趨勢。②將各期觀察值除去同期移動均值得到季節(jié)比率，以消除趨勢。③將各年同季或同月的季節(jié)比率平均，季節(jié)平均比率可消除不規(guī)則變動。i表示季別或月份別。④計算時間序列線性趨勢預測值，模型為：，可以采用多種方法，這里可以采用移動平均法：；⑤求季節(jié)指數(shù)趨勢預測值3.4聚類分析3.4.1聚類分析的定義3.4.2k-means聚類方法3.4.1聚類分析的定義

聚類（Clustering）是將數(shù)據(jù)劃分成群組的過程，研究如何在沒有訓練的條件下把對象化分為若干類。通過確定數(shù)據(jù)之間在預先制定的屬性上的相似性來完成聚類任務，這樣最相似的數(shù)據(jù)就聚集成簇（Cluster）。聚類與分類不同，聚類的類別取決于數(shù)據(jù)本身，而分類的類別是由數(shù)據(jù)分析人員預先定義好的。使用聚類算法的用戶不但需要深刻地了解所用的特殊技術，而且還要知道數(shù)據(jù)收集過程的細節(jié)及擁有應用領域的專家知識。3.4.2k-means聚類方法k-means算法接受輸入量k，然后將n個數(shù)據(jù)對象劃分為k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高，而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。3.4.2k-means聚類方法k-means算法的工作過程說明如下：首先從n個數(shù)據(jù)對象任意選擇k個對象作為初始聚類中心；而對于所剩下其它對象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的聚類中心所代表的聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復這一過程直到標準測度函數(shù)開始收斂為止。一般都采用誤差平方和作為標準測度函數(shù)，即準則函數(shù)E。設待聚類的數(shù)據(jù)集為X={x1,x2,...,xn}，將其劃分為k個簇Ci，均值分別為zi，即zi為簇Ci的中心(i=1,2,…,k)。E是所有對象的平方誤差的總和，x

X是空間中的點，d(x,zi)為點x與zi間的距離，可以利用明氏、歐氏、馬氏或者蘭氏距離求得。樣本點分類和聚類中心的調整是迭代交替進行的兩個過程。實訓一、統(tǒng)計分析計算

1.總量指標和平均數(shù)的計算如表所示，2022年10月的店鋪總交易量399單可視為總量指標。實訓一、統(tǒng)計分析計算（1）算術平均數(shù)。例如，計算本月全部員工的月平均工資，則11名員工的月工資總額為55

100元，月平均工資為5009元（55

100/11）。（2）調和平均數(shù)。例如，計算編號為1001～1005號員工的本月平均交易量，公式為5/(1/30+1/45+1/29+1/43+1/30)=34.1，即這5名員工的本月平均交易量為34.1單。（3）眾數(shù)。例如，計算該網(wǎng)店員工年齡的一般水平。經(jīng)過匯總可知，在該網(wǎng)店11名員工中，25、26、32、33、34歲各1名，23歲2名，28歲4名，因此，28是該網(wǎng)店員工年齡的眾數(shù)。（4）中位數(shù)。例如，計算該網(wǎng)店員工年齡的中位數(shù)。首先將年齡數(shù)據(jù)從小到大排列，由于該組數(shù)據(jù)由11個數(shù)據(jù)組成，因此選擇排在第6位的員工年齡28作為中位數(shù)。實訓一、統(tǒng)計分析計算如圖所示，該店鋪與同行業(yè)其他店鋪相比，其物流服務評分高于同行業(yè)平均分53.82%。如圖所示，該天貓店鋪的描述相符平均分為4.9、服務態(tài)度平均分為4.9、物流服務平均分為4.9。實訓一、統(tǒng)計分析計算3．變異指標變異指標是綜合反映總體各單位標志值變異程度的指標。它顯示了總體中變量數(shù)值分布的離散趨勢，是說明總體特征的另一種重要指標，與平均數(shù)的作用相輔相成。變異指標按計算的方法不同分為極差、四分位差、平均差、標準差和方差等。仍采用如表3.2所示的表格數(shù)據(jù)分析該網(wǎng)店員工的工資收入變異指標。（1）極差。工資極差=最大工資額-最小工資額=5500-4800=700元。（2）四分位差。四分位差是上四分位數(shù)（Q3，位于75%）與下四分位數(shù)（Q1，位于25%）的差。首先將11名員工的工資收入從小到大排列，Q1的位置是3，對應4800元；Q3的位置是9，對應5200元，因此四分位差為5200-4800=400元，表明該網(wǎng)店有50%的員工的月工資收入在4800元～5200元，最大差異為400元。（3）平均差。月工資收入的平均差=∑|每位員工的工資收入-月平均工資|/員工總數(shù)=1745.5/11=158.64元。（4）標準差和方差。方差是各數(shù)據(jù)與其算術平均數(shù)的離差二次方的平均值，而方差的平方根即標準差。因此，本例題中，月工資收入的方差為42

644.64，標準差為206.51元。實訓一、統(tǒng)計分析計算4．動態(tài)數(shù)列動態(tài)數(shù)列主要分為以下3類。（1）絕對數(shù)動態(tài)數(shù)列：某網(wǎng)店2022年10月1日—2022年10月5日的訪客數(shù)量形成絕對數(shù)動態(tài)數(shù)列。（2）相對數(shù)動態(tài)數(shù)列：某網(wǎng)店2022年10月1日—2022年10月5日的支付轉化率形成相對數(shù)動態(tài)數(shù)列。（3）平均數(shù)動態(tài)數(shù)列：某網(wǎng)店2022年10月1日—2022年10月5日的平均客單價形成平均數(shù)動態(tài)數(shù)列。實訓一、統(tǒng)計分析計算5．抽樣推斷在電子商務數(shù)據(jù)分析中的應用假設某網(wǎng)店有4名物流人員，每人的日出庫量分別為40、50、70、80件。先隨機抽取2

人，分別采用重復抽樣和不重復抽樣的方式，計算樣本統(tǒng)計量。首先根據(jù)重復抽樣和不重復抽樣形成樣本，如下表所示。在重復抽樣的條件下，樣本平均數(shù)的平均數(shù)為960/16=60件，樣本平均誤差為(2000/16)1/2=11.18件。在不重復抽樣的條件下，樣本平均數(shù)的平均數(shù)為720/12=60件，樣本平均誤差為(1000/12)1/2=9.13件。實訓一、統(tǒng)計分析計算實訓二、

相關分析與回歸分析的應用

某網(wǎng)點通過付費流量的推廣，某網(wǎng)店的運營總監(jiān)認為：店鋪的付費流量投入與用戶訪問量、網(wǎng)店利潤是正相關的。同時，流量、訪問量與網(wǎng)店利潤的變化均存在一定聯(lián)系。利用Excel對下表所示的數(shù)據(jù)進行相關分析與回歸分析。實訓二、

相關分析與回歸分析的應用1.相關分析的操作①選擇“相關系數(shù)”功能②設置“相關系數(shù)”的相關參數(shù)③相關系數(shù)的結果實訓二、

相關分析與回歸分析的應用2.回歸分析的操作（1）利用Excel圖表進行回歸分析①繪制散點圖②設置散點圖的橫坐標實訓二、

相關分析與回歸分析的應用2.回歸分析的操作（1）利用Excel圖表進行回歸分析③添加線性趨勢線的選項④添加趨勢線的效果圖實訓二、

相關分析與回歸分析的應用2.回歸分析的操作（2）應用數(shù)據(jù)分析的“回歸”功能①回歸分析功能②一元回歸分析的選項實訓二、

相關分析與回歸分析的應用2.回歸分析的操作（2）應用數(shù)據(jù)分析的“回歸”功能③一元回歸分析的結果實訓二、

相關分析與回歸分析的應用2.回歸分析的操作（2）應用數(shù)據(jù)分析的“回歸”功能④二元回歸模型的參數(shù)設置⑤二元回歸的結果實訓三、時間序列分析計算某天貓店鋪2016-2019年季度零售額已知某天貓店鋪2016-2019年季度零售額數(shù)據(jù)，對下表所示的時間序列數(shù)據(jù)進行分析。實訓三、時間序列分析計算1.時間序列數(shù)據(jù)的折線圖①折線圖選項②銷售額時間序列數(shù)據(jù)的折線圖實訓三、時間序列分析計算2.時間序列數(shù)據(jù)的一次移動平均①移動平均功能選項②移動平均的操作選項③一次移動平均的計算結果實訓三、時間序列分析計算3.時間序列數(shù)據(jù)的季節(jié)指數(shù)趨勢法模型

采用季節(jié)指數(shù)趨勢法進行計算，計算過程如下實訓四、

聚類分析算法實例設有數(shù)據(jù)樣本集合為X={1,5,10,9,26,32,16,21,14}，將X聚為3類，即k=3。隨機選擇前三個數(shù)值為初始的聚類中心，即z1=1，z2=5，z3=10。（采用歐氏距離進行計算。）第一次迭代：按照三個聚類中心將樣本集合分為三個簇{1}，{5}，{10,9,26,32,16,21,14}。對于