首都经济贸易大学
硕士研究生入学考试复试《统计学综合》(学术型硕士)考试大纲
第一部分考试说明
一、考试范围
见考试内容
二、考试形式与试卷结构
(一)答卷方式:闭卷,笔试
(二)答题时间:120分钟
(三)满分:100分
三、题型及分值
考试题型主要有名词解释、简答题和计算分析题,本试题满分100分,具体分值分配如下:
1、名词解释,5小题,每题4分,共20分;
2、简答题,3小题,每题10分,共30分;
3、计算分析题,3小题,第1小题20分,第2、3小题每题15分,共50分。
四、
参考书目
1、马立平、张玉春,统计学原理,电子工业出版社,2018
2、茆诗松、吕晓玲,数理统计学(第2版),中国人民大学出版社,2016
第二部分考试内容
(一)统计学与统计数据
考试内容:统计学的研究方法;统计学的性质、研究对象;数据的计量尺度;数据的类型;变量及变量类型。
考试要求:了解统计学产生与发展的历程和统计学的研究方法;理解统计学的性质和研究对象;掌握统计数据的计量尺度和统计数据的类型;理解变量的概念及分类。
(二)数据的收集与数据质量
考试内容:统计数据的来源;总体和样本;普查;抽样调查;数据收集的方法;统计数据的误差。
考试要求:了解统计数据的两种来源,理解总体和样本的概念,理解统计调查的几种主要方式,掌握数据的误差,能够针对一定的问题编制调查问卷。
(三)数据的图表展示
考试内容:统计分组;定性数据的频数分布表;定性数据的统计图示;定量数据的频数分布表;定量数据的统计图示。
考试要求:了解定性数据的图表制作,了解定量数据的分组、不同图表的制作,理解不同图表的应用范围,掌握不同类型数据的图表的使用,能正确运用统计图表分析实际问题。
(四)数据的统计量描述
考试内容:集中趋势的测度;平均数;中位数;众数;算术平均数、中位数和众数的关系;数据离散程度的测度;极差;四分位差;方差与标准差;离散系数;标准得分。
考试要求:了解各统计量的概念,理解各概念间的关系,掌握各统计量的计算方法,能正确运用所学统计量分析实际问题。
(五)概率抽样和抽样分布
考试内容:概率抽样的概念;简单随机抽样;分层抽样;等距抽样;整群抽样;多阶段抽样;总体分布;样本分布;抽样分布;中心极限定理;样本均值的抽样分布;样本比例的抽样分布;
![](file:///C:/Users/ibm/AppData/Local/Temp/ksohtml5064/wps1.png)
分布;
![](file:///C:/Users/ibm/AppData/Local/Temp/ksohtml5064/wps2.png)
分布;
![](file:///C:/Users/ibm/AppData/Local/Temp/ksohtml5064/wps3.png)
分布。
考试要求:掌握各种概率抽样方法的概念及特点,理解抽样分布的概念,熟悉中心极限定理的主要内容,掌握几种主要的抽样分布的定义、能根据总体分布推导出给定某个统计量的概率分布,并依据其概率分布进行概率和分位点的计算。
(六)参数估计
考试内容:抽样推断及其基本概念;矩估计法;极大似然估计法,估计量的评选标准;区间估计的原理;一个总体均值的区间估计;一个总体比例的区间估计;两个总体均值之差的区间估计;样本容量的确定。
考试要求:理解抽样推断的基本概念,了解估计量、估计值的基本概念,掌握矩估计法和极大似然估计法的思想和方法,并运用该方法估计相关参数,理解无偏性、有效性和相合性的定义,并能够给出某参数的无偏估计量,理解置信区间、置信水平的概念,理解参数区间估计的基本思路,掌握不同参数的区间估计方法,掌握样本容量的确定方法,能运用参数估计方法分析实际问题,能正确运用统计软件进行参数估计。
(七)假设检验
考试内容:假设检验的基本概念;假设检验的基本步骤;假设检验的两类错误;假设检验结论的解读;一个总体均值的假设检验;一个总体比例的假设检验;两个总体均值之差的检验。
考试要求:了解假设检验的基本概念,理解假设检验的思想,了解假设检验的基本步骤,掌握不同参数的检验方法,能正确运用参数假设检验方法分析实际问题。能正确运用统计软件进行假设检验。
(八)方差分析
考试内容:方差分析的原理;方差分析的基本概念;方差分析的假定条件;单因子方差分析;多因子方差分析。
考试要求:理解方差分析的基本原理,了解方差分析的基本概念,熟悉方差分析的假定条件,掌握单因子方差分析中基本假定的检验思路和多重比较,并能正确运用统计软件进行单因子方差分析,理解多因子方差分析中主效应和交互效应概念,能运用统计软件进行多因子方差分析,并解决实际问题。
(九)相关分析与回归分析
考试内容:相关关系;相关关系的描述;相关程度的测定;线性回归模型;模型参数估计;回归系数的含义;回归方程的评价与检验;利用回归方程进行预测。
考试要求:了解相关关系的含义,通过散点图能判断变量间的相关关系类型,理解各种相关系数的含义及适用场合,熟悉线性回归模型的表达形式,掌握最小二乘法估计模型参数的基本思路,理解回归系数的含义,掌握回归方程的评价和检验方法,能正确运用相关与回归分析方法解决实际问题。能够掌握基本统计软件的相关与回归分析操作方法。
(十)主成分与因子分析
考试内容:主成分分析的降维思路;主成分的一般模型;因子分析的目的;因子旋转;因子得分;因子分析的SPSS实现与输出结果解读。
考试要求:理解主成分分析和因子分析的降维思想和适用条件,了解主成分的一般模型,了解KMO测度和巴特利特球体检验方法,了解公因子的提取方法,熟悉总方差贡献率的计算方法,能结合因子载荷矩阵解释公因子的含义,能正确运用主成分和因子分析方法解决实际问题。能够掌握基本统计软件的主成分和因子分析操作方法。
(十一)列联分析与对应分析
考试内容:列联表的分布;卡方分布和卡方检验,列联表中的相关测量,卡方分布的期望值准则。
考试要求:理解列联分析的适用场合,掌握列联分析的操作方法,能正确运用列联分析方法解决实际问题。
(十二)聚类分析与判别分析
考试内容:聚类分析的基本思想;相近程度的测量;系统聚类法;聚类分析在SPSS软件中的实现
考试要求:了解聚类分析的基本思想,熟悉聚类的两种类型:R型聚类和Q型聚类;理解测量相近程度的几种度量方法:明氏距离、马氏距离、相似系数的含义及计算方法;理解系统聚类法的基本思路,理解系统聚类的主要方法。掌握运用SPSS软件进行分层聚类法和快速聚类法的操作,并运用聚类分析方法解决实际问题。
(十三)时间序列分析与预测
考试内容:时间序列及其基本种类;时间序列的动态分析指标;时间数列的构成要素;长期趋势、季节变动、循环变动、随机变动;长期趋势的测定;长期趋势模型的建立;季节指数的计算。
考试要求:了解时间序列的概念及其构成要素,理解时间序列的各种动态分析指标,掌握时间序列的长期趋势分析方法和季节指数的计算。
了解各种距离的设计,理解列联分析的适用场合,掌握列联分析和聚类分析的操作方法,能正确运用列联分析和聚类分析的方法分析实际问题。
考试内容:列联表的分布;卡方分布和卡方检验,列联表中的相关测量,卡方分布的期望值准则。
考试要求:理解列联分析的适用场合,掌握列联分析的操作方法,能正确运用列联分析方法解决实际问题。
理解列联分析的适用场合,掌握列联分析和聚类分析的操作方法,能正确运用列联分析和聚类分析的方法分析实际问题。
第三部分题型示例
名词解释:拟合优度
简答题:假设检验中的两类错误分别指什么?它们之间有何关系?
计算分析题:某城市对5个地区每天发生交通事故的次数进行调查,抽取的样本数据如表1所示,方差分析结果如表2和表3:
表1五个地区每天发生的交通事故次数
东部 |
北部 |
中部 |
南部 |
西部 |
15 |
12 |
10 |
14 |
13 |
17 |
10 |
14 |
9 |
12 |
14 |
13 |
13 |
7 |
9 |
11 |
17 |
15 |
10 |
14 |
— |
14 |
12 |
8 |
10 |
— |
— |
— |
7 |
9 |
表2方差齐性检验结果
Levene Statistic |
df1 |
df2 |
Sig. |
.096 |
4 |
21 |
.983 |
表3方差分析结果
|
Sum of Squares |
df |
Mean Square |
F |
Sig. |
Between Groups |
82.637 |
4 |
|
|
.020 |
Within Groups |
|
21 |
|
__ |
__ |
Total |
200.654 |
25 |
__ |
__ |
__ |
要求:
(1)写出方差分析的原假设和备择假设;
(2)完成方差分析表(见表3);
(3)以α=0.01的显著水平检验各地区平均每天交通事故次数是否相等。