第四章第四節　行業分析的方法

一、歷史資料研究法

歷史資料研究法是通過對已存在的資料的深入研究，尋找事實和一般規律，然后根據這些信息去描述、分析和解釋過去的過程;同時揭示當前的狀況，并依照這種一般規律對未來進行預測。

優點：省時、省力、節省費用;

缺點：只能被動地根據現有資料進行分析，不能主動地提出問題并解決問題。

二、調查研究法

調查研究法是通過問卷調查、訪查、訪談獲得信息，并依此進行研究的方法，是描述一個難以直接觀察的群體的最佳方法。

優點是可以獲得最新的資料和信息，并且研究者可以主動提出問題并獲得解釋。

缺點是這種方法的成功與否取決于研究者和訪問者的技巧和經驗。

調查方式：(1)問卷調查或電話訪問;(2)實地調研;(3)深度訪談。

三、歸納與演繹法

歸納法是從個別出發以達到一般性，從一系列特定的觀察中發現一種模式，這種模式在一定程度上代表所有給定事件的秩序。

演繹法是從一般到個別，從邏輯或者理論上預期的模式到觀察檢驗預期的模式是否確實存在。演繹法是先推論后觀察，歸納法則是從觀察開始。

四、比較研究法

比較研究法又可以分為橫向比較和縱向比較兩種方法。

橫向比較一般是取某一時點的狀態或者某一固定時段的指標，在這個橫截面上對研究對象及其比較對象進行比較研究。

縱向比較主要是利用行業的歷史數據，分析過去的增長情況，并據此預測行業的未來發展趨勢。

五、數理統計法

(一)相關分析

1.相關關系

相關關系是指指標變量之間的不確定的依存關系。

相關關系包括因果關系或兩個指標變量同受第三個指標變量影響而發生的共變關系。

相關關系按研究指標變量多少可分為：一元相關、多元相關。

按指標變量之間依存關系可分為：線性相關、非線性相關。

按指標變量變化的方向可分為：正相關、負相關。

按指標間的緊密程度可分為：完全相關、不相關、不完全相關。

2.相關系數及顯著性檢驗

英國統計學家KarlPearson提出一個測定兩指標變量線性相關的計算公式，通常稱為“積矩相關系數”。

(二)一元線性回歸

1.回歸模型。只有存在相關關系的指標變量才能進行回歸分析，且相關程度越高，回歸測定的結果越可靠。因此，相關系數也是判定回歸效果的一個重要依據。

2.判定系數。判定系數r2表明指標變量之間的依存程度。r2越大，表明依存度越大。

3.顯著性檢驗。一元線性回歸模型的顯著性檢驗包括回歸系數b的顯著性檢驗和模型整體的F檢驗。

4.應用。

(三)時間數列

1.數列形態分類

時間數列又稱“時間序列”，是指社會經濟指標的數值按照時間順序排列而形成的一種數列。按照指標變量的性質和數列形態不同，時間數列可分為隨機性時間數列和非隨機性時間數列。其中，非隨機性時間數列又有平穩性時間數列、趨勢性時間數列和季節性時問數列三種。

2.自相關系數與數列的識別

對時間數列的識別通常可以憑理論知識和經驗以及直觀的統計圖來判斷。此外，更為精確的是用時間數列的自相關系數來判斷。所謂自相關，是指時間數列前后各期數值之間的相關關系，對這種相關關系程度的測定便是自相關系數。

3.時間數列的預測方法

時間數列分析的一個重要任務是根據現象發展變化的規律進行外推預測。最常見的時間數列預測方法有趨勢外推法、移動平均法與指數平滑法等。

更多精彩資訊請關注查字典資訊網，我們將持續為您更新最新資訊!