一、描述性统计分析
1、综合指标分析：
总量指标（时期、时点）；相对指标（计划完成、结构、比例、比较）；平均指标（动态、强度）
2、统计分组
品质分组：定类数据和定序数据
数量分组：对数值型数据
3、分布特征描述（统计分布的数值特征分析）
统计表、统计图
二、相关回归分析
一元线性回归方程的理论模型为：
回归模型将问题中的变量y和x之间的关系分两部分描述：
一部分是由于x的变化引起y的线性变化部分；
另一部分是由其他一切随机因素引起的
案例2 以下是浙江城镇居民2005年收入与消费分组资料，试进行收入与消费的相关回归分析？
回归分析：
（1）前提：必须是在相关基础上进行
（2）确定自变量，因变量
（3）确定回归方程表达式（线性？非线性？一元？多元？）
（4）估计参数
（5）模型检验：拟合优度检验；F检验（整体模型是否显著？）；T检验（回归系数是否显著？）
回归结果：
则支出依收入回归的方程为：Yc=2528.678+0.596x
回归系数b=0.596说明收入每增加1元，消费支出会增加0.596元，反应边际消费倾向。
同时，用回归方程还可以进行预测，例：当家庭人均可支配收入达到20000元时，消费支出平均在14449元左右。
通过统计检验，判断变量间关系是否具有显著性：
拟合优度检验
显著性检验：对回归方程线性关系显著性检验；对回归系数显著性检验
***多元线性回归模型***
1、一个因变量与两个及两个以上自变量之间的回归
三、动态分析方法（时间序列分析）
时间数列的类型：总量指标数列、相对数时间序列、平均数时间数列
时间数列的影响因素：长期趋势、季节变动、循环变动、不规则变动
时间数列的统计分析：指标分析、趋势分析、随机时间数列分析
1、动态指标分析
平均指标：发展水平、平均发展遂平（序时平均数）、增长量（—边际倾向、贡献率）、平均增长量
速度指标：发展速度、平均发展速度、增长速度（逐期、累计—弹性系数）、平均增长速度
2、长期趋势测定
相关系数
趋势测定法：
季节变动的分析与预测：
现代时间数列分析模型
数学模型法：
多元统计分析
确定多个随机变量之间相互依赖关系以及内在统计规律性的一门统计学科。
主要方法：
主成分分析：把原有的多个指标转化为少数几个代表性较好的综合指标，这少数几个指标能够反映原来指标大部分信息（85%以上），并且各个指标之间保持独立，避免出现重叠信息。降维和简化数据结构。
、因子分析、聚类分析、判别分析、对应分析、典型相关分析等
综合评价
