国考行测：资料分析？

国考公务员考试行测资料分析题：

分析材料

1）先分析材料内容

即文字、图形、表格材料中的关键信息。先不分析数据和时间之间的加减关系。

阅读材料时需跳读，抓住关键信息勾划，只读概念，不分析任何关系。

2）再分析材料中段内的关系

分析出材料中总分关系，时间的总分、概念的整体与部分，不用看数据之间的计算关系。

如果没有明显的整体与部分，可勾画这一段整体讲了什么样的概念，如资料中会出现利润收入等概念，大概总结一下。

3）分析段间关系

整体看段落之间是什么，需要整体思考材料的分布和设计，有时两个段落之间的联系不大，从概念上都讲了某种方面的数据类型，但也可能是同一个概念的不同类型的分类。

4）总结材料之间的关系

①文字与表格有什么样的关系、有什么样的共同类型的数据、又有什么样的不一样的地方。

②思考这些整体的数据类型会考查什么样的计算关系，是加减，还是乘除。

解题方法，如：

1）错位加减法

分子、分母同时扩大或缩小相同的倍数，分数的数值保持不变。

当题中各个选项形式相同、数量级相同，只需考虑结果的有效数字，计算结果一般不需要考虑小数点。

2）有效数字法

一个数从左边第一个不为0的数字数起一直到最后一位数字，称为有效数字。

即，把一个数字前面的0都去掉就是有效数字。

3）尾数法

通过题干结果的末一位从而得出答案。

①根据选项确定计算到末几位；

②以小数点后位数多的为准，不足的在后面补0；

③先加后减。

4）特征数字法

将百分数化成接近的分数，能约分的先约分、再计算，从而化简运算步骤。

行测资料分析中很大一部分计算都不需要我们精算，结合选项进行估算即可，什么样的选项适合什么样的估算方法，这愁坏了很多初学者，我们在估算时要综合性的去考虑问题，既要考虑数据特征还要考虑选项差距，多方面考虑，最终确定答案。中公教育认为，对于公职类考试的资料分析来说都是选择题，我们的估算是有一定的目的性，就是让估算结果尽可能地靠近某一个选项。
资料分析考查考生对于材料的理解分析能力和对数据的加工处理能力，在对数据的加工处理过程中就有人疑惑到底该选择哪种估算方法，有什么参考依据，今天中公教育专家就来分析数据差距分析的应用。
什么是数据差距分析，通俗点儿就是两个数之间的变化幅度(即增长率)。如果两个数字比较小，基本上可以通过心算，大概确定数据间的变化幅度。如214与256，相差42，两数间变化幅度42/214，约为20%。如果数据较大，精度要求更高呢这时，我们就可以借助数据差距分析来快速估算出数据之间的变化幅度。
数据差距分析共分三步走：
一、两数从高位向低位进行实际作差，将差值写在较小数字对应数位，直到差值大于首位数字。如： 4 2 5 6 与 4 3 6 2 的选项差距，就可以先从首位开始，4比4多0，则继续最差，再看第二位，43-42=1，不大于小数字(4256)的首位(4)继续最差，那么继续最差，436-425=11，该数字大于4，可以写成如下
1 1
4 2 5 6 与 4 3 6 2
二 、较小数字从左至右依次记为个位、十分位、百分位、千分位等，从而确定变化幅度的数量级。
三、估算增长率。因上述数字作差到第三位，两数之间变化幅度约为10/425，为方便计算将其有效数字记作11/43(四舍五入)，数量级为百分位，即百分之11/42，也就是2%-3%之间。
了解了数据间的差距分析，我们可以用它矫正估算结果，或者估算分子间、分母间增长率，进而可以比较分数的大小，还可以估算选项间的变化幅度，为选择适当的估算方法提供参考依据。
在目前的计算问题当中，比较常用的较为精确的两个比较方法分别是：有效数字法和错位加减法。有效数字法乘法分三种情况，分别是全进、全舍和一进一舍，全进和全舍可以准确判断出计算结果偏大还是偏小，进而可以对计算结果进行适当放缩，选出最合适的答案。那么当一进一舍的情况，计算出的结果介于某两个选项之间时，我们就可以利用数据差距分析来矫正结果，即判断结果的偏向。如：106×118，用有效数字法乘法取舍原理变为11×11=121，如果有两个选项数据分别为120和125，如何确定选哪个106取成11，扩大了约百分之4/11，即3X %，118取成11，缩小了约百分之8/12，即6X %，综合确定计算结果偏小3% 左右，故应选大于121的结果125，其实偏小了大约3%，即121×(1+3%)≈125。
错位加减法极限误差2%，只要在计算过程当中每一步都注意减少误差，误差可以控制在2% 以内，常见误差均为千分级误差。那么对于选项误差在5% 或5% ，遇到这类题我们就可以选择错位加减法来进行计算，选项间的差距就可以用数据差距分析来确定。

公务员考试行测资料分析题应考建议：

复习方法

1）学会精确查找数据

通过关键字和关键词来锁定数据，避免找数据出现失误。

2）熟记公式

如比重，倍数，平均数等。

3）掌握简单的计算方法，提升答题效率

如有效数字、错位加减等估算方法，节省时间，提高计算的准确性。

4）坚持练题，熟练运用解题技巧，提升应试能力。

解题技巧，如：

1）错位加减法

分子、分母同时扩大或缩小相同的倍数，分数的数值保持不变。

当题中各个选项形式相同、数量级相同，只需考虑结果的有效数字，计算结果一般不需要考虑小数点。

2）尾数法

通过题干结果的末一位从而得出答案。

①根据选项确定计算到末几位；

②以小数点后位数多的为准，不足的在后面补0；

③先加后减。

3）分子分母比较法

通过分别比较两个分数的分子、分母来判断两个分数大小的方法。

近几天你是否被世界杯刷屏，话说他，荷兰人，45岁，因喝醉酒买了德国7-1巴西，200欧元，6500赔率，创世界杯单场最高金额1300000 欧元，折合1100W人民币。

理工男的直觉告诉明明同学是这样的，他肯定学过数据分析，对德国和巴西历史进球和比赛结果加上每个球队球员的表现进行建模，得出一个预测模型，然后把本届每个国家球员素质，心里以及他们的社交什么的因素带入模型，然后就预测出本届的比分7-1（好了，我编不下去了）。由此可见数据分析的重要性。 在研究生博士生阶段，你的数据分析做的好，那么你的paper发的是杠杠的 。今天明明同学就给大家分享研究生阶段你必须了解的一些数据分析方法。

方差分析是最常用的一种分析方法，用于两个及两个以上样本均数差别的显著性检验。

1、各样本是相互独立的随机样本

2、各样本均来自正态分布总体

3、各样本的总体方差相等，即具有方差齐性

方差分析分为 单因素 和 多因素 方差分析，多因素方差分析又有 含交互作用 和 无交互作用 的两种。

单因素方差分析是检验同一因数下不同水平之间的显著性。例如光照时间对苗木生长是否有影响，那么因素就是光照时间，水平可以有光照2h、4h、6h、8h等。检验目的是4种不同的光照时间对苗木的生长是否有差异。

双因素方差分析是检验多因素多水平下的显著性。其中不含交互作用是指某一因素对其他因素没有影响，即其他因素固定，某一因素不同水平之间均数的差别。交互作用是指某因素的单独效应，随另一因素水平而变化，且不能用随机误差解释。

1、样本是否正态分布检验

2、样本方差齐性检验

3、提出原假设：H0——无差异；H1——有显著差异，（交互作用的假设H03和H13）

4、选择检验统计量：方差分析采用的检验统计量是F统计量，即F值检验

5、计算检验统计量的观测值和概率P值

6、给定显著性水平，并作出决策

7、如果有显著差异，需要进行多重比较

关于方差分析的方法在微信公共号"毕业零距离"里种介绍了三种方法即：

《如何用EXCEL做方差分析》、《如何用SPSS做方差分析》、《如何用R语言做方差分析》。有不懂的随时私信明明同学。

回归分析（regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系，例如不同的施肥量对苗木高生长的关系、中国人的消费习惯对美国经济的影响等。其又分为线性回归分析和非线性回归分析。

和方差分析一样，数据必须满足独立、正态、方差齐性。

（1）确定Y与X间的定量关系表达式，这种表达式称为回归方程；

（2）对求得的回归方程的可信度进行检验；

（3）判断自变量X对因变量Y有无影响；

（4）利用所求得的回归方程进行预测和控制。

1、Linear Regression线性回归，2、Logistic Regression逻辑回归，3、Polynomial Regression多项式回归，4、Stepwise Regression逐步回归等常见回归模型。

1、制作散点图，判断变量关系（简单线性、非线性等）；

2、求相关系数及线性验证；

3、求回归系数，建立回归方程；

4、回归方程检验；

5、参数的区间估计；

6、预测；

关于回归分析的做法，我们以后会推出相应的教程，加大家如何使用EXCEL、SPSS、和R语言做回归分析。

判别分析又称“分辨法”，是在分类确定的条件下，根据某一研究对象的各种特征值判别其类型归属问题的一种多变量统计分析方法。

解决的问题是在一些已知研究对象已经用某种方法分成若干类的情况下，确定新的样品属于已知类别中的哪一类。他用途广泛，如动植物分类、医学疾病诊断、社区种类划分等。

1、每一个判别变量都不能是其他判别变量的线性组合

2、各个判别变量之间具有多元正态分布，即控制N-1个变量为固定值时，第N个变量满足正态分布

3、满足②条件时，使用参数法计算判别函数，否则使用非参数法计算判别函数。

Fisher判别（属于确定性判别）包括距离判别、线性判别、非线性判别和典型判别。

Bayes判别（属于概率性判别）
关于判别分析的做法，我们以后会推出相应的教程。

是把分类对象按照一定规则分成若干类，这些类不是事先设定的，而是根据数据的特征确定的。在同一类中这些对象在某种意义上趋向于彼此相似，而在不同类中对象趋向于彼此不相似。

系统聚类法、快速聚类法、模糊聚类法。

系统聚类

常用的有如下六种：

1、最短距离法；2、最长距离法；3、类平均法；4、重心法；5、中间距离法；6、离差平方和法

快速聚类常见的有K-means聚类。

所有聚类的基本原则都是：

希望族（类）内的相似度尽可能高，族（类）间的相似度尽可能低（相异度尽可能高）。

主成分分析，是考察多个变量间相关性一种多元统计方法，研究如何通过少数几个主成分来揭示多个变量间的内部结构，即从原始变量中导出少数几个主成分，使它们尽可能多地保留原始变量的信息，且彼此间互不相关。

1、将原始数据标准化，以消除变量之间在数量级和量纲上的不同。

2、求标准化的相关矩阵。

3、求相关矩阵的特征值和特征向量。

4、计算方差贡献率和累计方差贡献率，每个主成分的贡献率代表了原始数据总信息量的百分比。

5、确定主成分。

6、用原指标的线性组合来计算各个主成分的得分。

7、综合得分，然后进行得分排序。

在R语言和SPSS中很容易实现主成分分析。

有任何问题可以随时私信明明同学，帮助你解决数据分析的难处。

（1）基期、现期，增长量有正负，增长率（增幅、增速等）
（2）倍数：增长n倍=是基期（n+1）倍
（3）同比（历史同期比较）环比（现在统计周期与上一个统计周期比较）
（4）比重=部分占总体的比重，百分数
成（十分之一），番数（2的n次方），1个百分点=1%
（5）百分点：只做百分率的加减，低加高减（增幅收窄、放宽···）；降幅，先去降幅的负号，高加低减，再加上负号
（6）常识
1顺差（出口-进口>0)逆差
2GDP（第1+2+3产业）
3恩格尔系数（食品支出/个人消费总支出），越高越穷
4基尼系数（衡量国家或地区的居民收入差距），0~1之间，越大贫富悬殊越大

文字型材料：1多段型（结构类似），时间、关键词（其中、主语）、结构，不看数据；2孤立段落：时间、关键词、标点（句号、分号），分段

图表形材料：标题、横纵坐标、单位（尤其是单位不一致）、图例

1在增长率不是很大的情况下，我们可以用现期量权重近似代替基期量权重
2大小居中，偏向权重大的一方，即偏向基期（现期近似）大；类似十字相乘，增速差与基期（现期）成反比

年均增长量：（X-J）/n
年均增长率：r<10%,n较小：r=（X-J）/J/n
1年均增长量：Δ=（X-J）/n；2第一年的增长量Δ1=2Δ/(1+X/J);3年均增长率r=Δ1/J
n=末年-首年（十一五加1,eg十三五规划2016~2020，间隔n是5年）

Δ=X-J=J r=X r/(1+r)
计算：截位直除，百化分
大小比较：J大r大——Δ大；r之间差距<20%，近似比较Xr的大小；r之间差距很大，直接算

J=X/（1+r）

基期比重：A/B{(1+b)/(1+a)}
判断与1的大小，{(1+r2)/(1+r1)}~~1+r2-r1（当r较小不是倍数的情况
比重变化：

类似比重
倍数：增长x倍，是x+1倍
基期倍数：A/B {(1+b)/(1+a)}
平均(人均，平均每···）A是总量，B是数量
基期平均数（A/B)：A/B {(1+b)/(1+a)}
平均数增长率：r={（a-b)/(1+b)}
两期平均数差值Δ:（A/B) r=A/B {(a-b)/(1+a)}<|a-b|

估算灵魂：保留三位有效数字是上限
小数点不重要

选项差距大（首位均不同，选项之间误差10%以上-a-b-a-a+b-b），保留2位；其他保留三位
一步除法：只估算分母（除数），多是3位分母
多步除法：分子分母同时截位，往往选项差距较大，相同数量级放在一起直接大胆约
eg：169~170

基期的比重：[X1/(1+r1)]/[X2/(1+r2)]={x1/x2}{(1+r2)/(1+r1)}=现期的比值乘上一个系数（判断与1的大小，{(1+r2)/(1+r1)}~~1+r2-r1（当r较小不是倍数的情况）

eg：19776 658~20 65=130

画直角-25%，再取中点125%，依次类推

1/6=167% 1/7=143% 1/8=125% 1/9=111%
求增长量Δ=Xr/(1+r)=X/(n+1)n是百化分的分母

分子变大分母变小，变大
分子分母同大看变化速度，分子变化大，小于符号，分数大；分母变化大，分数小
首位直除比较，a/b，b乘以k与a大小比较，

---