SPSS中异常值检验的几种方法介绍(2)

大家不要忘了，SPSS时间序列预测模块还包含模型应用，也就是可以把预测模型转存为XML模型文件，以后预测的时候就可以不用原始数据了！

我记得早期SPSS公司推出时间序列预测模型软件DecisionTime & What-if，非常好用，而且还可以进行更为细致的分析，甚至结果输出都是自动报告！

当然，我找机会用PASW Modeler 13操作一次上述时间序列预测建模过程，也就是数据挖掘工具中的时间序列预测方法，会更方便、更简单、更好部署！

备注：PASW Modeler 13就是SPSS公司的Clementine 13.0版本！

博易智讯的马博士说：SPSS公司已经把SPSS软件改名叫PASW Statistics，Clementine叫PASW Modeler。

自变量的选择问题，在预测未来半年的销售收入中，ARIMA模型可以把其它预测变量纳入考虑，但如何确定未来这些预测变量的值呢？

SPSS软件的应用

主要方法可以考虑：1）选择最末期数据；2）选择近三期数据的平均；3）选择近三期的移动平均 这里我们选近三期移动平均作为预测自变量数值。

请问沈浩老师，以上这一段话怎么操作啊？在哪里选择这3种方法来确定未来的自变量的值啊？我试过手工输入未来的自变量值，可以做出预测，但是我想模型应该可以自动生成这些未来自变量的值，我找了很久都没有找着，请赐教！非常感谢！

另外， 有一个问题我一直没有想得很明白，想请教一下。多元回归分析做的预测和时间序列分析做的预测，使用条件和最大的区别是什么啊？如果数据是按时间走的，是不是就不适合用多元回归分析做预测呢？ 如果您能回复，我将感到万分荣幸。

SPSS软件里面自变量取值一般是0-1；真实的干扰需要采用Clementine软件就有这个自动添加方式了，抱歉我没有说清楚！

2）时间序列数据，自变量是相关的，当然不适合简单的线性回归分析！

如何设计KPI指标——关键绩效指标

标签： 商业智能 研究方法 分类： Dashboard仪表盘

2010-07-18 23:15

KPI：关键绩效指标，

今年来企业一直关注这个问题，甚至有些公司，比如电信行业员工整天都围绕着KPI指标，什么是KPI呢？关键绩效指标即以定量的指标衡量经营活动的量化结果，一般由客观计算公式得出，并侧重考察当期绩效，最终成果以及对经营成果有直接控制力的工作；关键绩效指标设定的原则应该依据“平衡计分卡”进行设定，根据企业整体绩效目标及战略，层层分解，平衡考虑制定企业各层级的关键绩效指标。

关键绩效指标已经成为商业智能领域的重要体系和方法论，如何从技术上实现KPI指标设计，以及如何采用信息化手段能够呈现绩效指标，并实施管理和监控，成为构建商业智能系统和经营分析系统的关键内容；

SPSS软件的应用

设计关键绩效指标的关键因素主要包括：

一致性： 保持与战略和目标一致； 所属性： 应归属个人或各团队拥有，并对其结果负责； 预测性： KPI是衡量企业价值的推动者，期望绩效的领先绩效指标； 行动性： KPI具有及时行动数据，用户可及时采取干预，提供绩效； 数量少： 让用户集中在几个重要价值的指标任务上； 简单性： 不要涉及复杂的指数，导致用户难直接施加影响； 平衡性： KPI之间保持平衡并相互支持，不仅仅对局部优化流程； 触发变化：能触发一系列变化，尤其是高管进行监控； 标准化： 基于标准化定义、规则和计算方法，实现数据和仪表盘整合； 背景驱动：KPI将绩效置于一定背景下，通过对象和阶段进行衡量； 激励性： 薪酬与KPI关联，在稳定期可提升影响力； 相关性： 进行定期评估及时更新；

设计关键绩效指标的SMART原则是：

根据经验，在设计关键业绩指标的时候必须遵循SMART原则，这五个字母分别代表一个具体的含义：

SPSS软件的应用

S:业绩考核指标必须是具体和明确的，指标设计应当细化到具体内容，符合企业和

团队主导业绩目标，保证明确的导向性。

M:业绩考核指标应当是容易衡量的，工作业绩成果应体现为可以量化的指标。 A:业绩考核指标应当是可以达到的，在保证一定挑战性的基础上，指标应当是员工

在现有资源下经过努力可以实现的目标。

R:指业绩考核指标应当具有相关性，必须和企业的战略目标、部门的职能及岗位职

责紧密联系。

T:业绩考核指标应当是有明确的时间要求，关注工作完成的效率。

有关样本量代表性问题的解释

大部分从事调查研究的朋友，都会碰到“多大样本量”才用代表性问题，其实这个问题不光研究人员会困惑，企业也非常困惑。那到底应该如何选择样本量呢？其实今天沈老师不是要回答这个问题，而是帮助你：如何解释这样一个样本量是恰当或合适的，既满足统计要求，也能考虑费用和可操作性！

1. 样本量的确定是费用与精度的函数，取决于研究的精度和费用，特别是实践中费用

考虑的更多！

2. 抽样调查，特别是随机抽样，样本有代表性，往往比普查更有效率，甚至精度更高，

这里我们主要计算和讨论抽样误差，非抽样误差是人为因素，考质量控制；

3. 样本量的确定有赖于随机抽样，或者说主要是针对随机抽样，需要统计推断下的计

算样本量，如果是非概率抽样，理论上没有计算和控制样本量的问题；

4. 如果研究只要40-50个样本，感觉上应该是非概率抽样（依赖被访者选择方式）

5. 即使是非概率抽样，我们很多时候也采用概率和统计分析及推断思想来进行数据分

析和下结论！只是这种方法没有完善的理论支持，或者说有可能因为研究者的主观判断失误造成偏差；

6. 无论是概率抽样还是非概率抽样，样本量越大当然效果越好，结论越稳定（理论上

说）

7. 40-50个样本在统计上属于小样本，t-检验，如果样本大于60或理想120以上，

t分布就是正态分布了，所以40个样本在统计上是最小推断总体的样本，换句话说

SPSS软件的应用

40-50个样本是介于小样本和正态分布大样本的临界样本量；如果不严格的话40个样本就可以比较总体之间的统计差异了；

8. 所以，一般来讲，针对一个研究对象和人群，要进行比较最少40个样本，比如男

女差异，应该各拥有40人（80人），或者说你们进行配额样本的时候要保证统计比较的类别至少有40个样本；

9. 那么40个样本有代表性吗？ 当然越多越好，越有代表性

10. 但如果调查对象非常一致，没有差异，只要问一个人就行了，所以要考虑研究对象

的差异性，如果差异大，当然样本量要大，如果没有差异，同质性较高样本量就少；

11. 总体的大小对样本量的选择没有影响，调查研究一般必须在研究前明确总体是谁，

大总体没有影响（上万人），中等总体有点影响（5000人），小总体有很大影响（千百个人）；总体是你要推断的人群；

12. 再者要考虑研究对象在总体中拥有的比例（比如要找艾滋病人），如果比例非常低

的话，需要大样本才能找到；但往往商业研究就采用非概率抽样了，比如滚雪球抽样，专家判断抽样，配额抽样等；

13. 另外，选择40个人，如果是经过我们主观判断的，有一种说法：叫条件概率，也

就是我们越了解研究目的和对象，我们就越能够做出正确判断 …… 此处隐藏：2595字，全部文档内容请下载后查看。喜欢就下载吧 ……