數(shù)據(jù)分析工具—2025年cma考試p1基礎(chǔ)知識(shí)點(diǎn)
追逐夢(mèng)想的努力終會(huì)讓你遇見(jiàn)內(nèi)心強(qiáng)大、安靜勇敢的自己。cma是美國(guó)注冊(cè)管理會(huì)計(jì)師，其考試科目包含P1財(cái)務(wù)規(guī)劃、績(jī)效與分析，P2戰(zhàn)略財(cái)務(wù)管理。下面整理了P1知識(shí)點(diǎn)，一起學(xué)習(xí)一下。
【所屬章節(jié)】
第六章 科技和分析
【知識(shí)點(diǎn)】
數(shù)據(jù)分析工具
一、分析模型的適用性
目前，市面上各類數(shù)據(jù)分析工具可以幫助財(cái)務(wù)人員在沒(méi)有專業(yè)人士的協(xié)助下，獨(dú)立完成數(shù)據(jù)的分析工作。
但在使用此類數(shù)據(jù)分析工具時(shí)，需要注意各類分析模型都有其基本的統(tǒng)計(jì)學(xué)假設(shè)，適用于不同類型的數(shù)據(jù)分析情況，使用時(shí)需要認(rèn)真考慮模型的適用性。
常見(jiàn)的統(tǒng)計(jì)分析中，經(jīng)常假定樣本數(shù)據(jù)是完全隨機(jī)且正態(tài)分布的，如果實(shí)際數(shù)據(jù)分析不符合該假設(shè)，那么得出的分析結(jié)論就不可靠。
二、數(shù)據(jù)分析的類型
根據(jù)分析目的和用途，可將數(shù)據(jù)分析分為4類：
1.描述性數(shù)據(jù)分析
·描述性數(shù)據(jù)分析用于呈現(xiàn)企業(yè)發(fā)生的事件和運(yùn)營(yíng)的狀況，通過(guò)各類歸納數(shù)據(jù)的統(tǒng)計(jì)計(jì)量方式理解信息的特點(diǎn)和變化趨勢(shì)。
2.診斷性數(shù)據(jù)分析
·診斷性數(shù)據(jù)分析關(guān)注事件發(fā)生的原因，比描述性數(shù)據(jù)分析更為深入。
·企業(yè)需要根據(jù)歷史數(shù)據(jù)找到數(shù)據(jù)之間的相關(guān)性和變化方式，并對(duì)此發(fā)表自身見(jiàn)解。
3.預(yù)測(cè)性數(shù)據(jù)分析
·預(yù)測(cè)性數(shù)據(jù)分析比描述性和診斷性更進(jìn)一步，需要在歷史數(shù)據(jù)的基礎(chǔ)上建立模型，預(yù)測(cè)未來(lái)可能發(fā)生的情況。
·企業(yè)可以使用數(shù)據(jù)挖掘、大數(shù)據(jù)、統(tǒng)計(jì)建模和人工智能等方法創(chuàng)建預(yù)測(cè)模型。
4.規(guī)范性數(shù)據(jù)分析
·規(guī)范性數(shù)據(jù)分析通常和預(yù)測(cè)性數(shù)據(jù)分析結(jié)合進(jìn)行，說(shuō)明在未來(lái)預(yù)測(cè)情況出現(xiàn)時(shí)，企業(yè)應(yīng)采取的行動(dòng)。
·規(guī)范性數(shù)據(jù)分析也經(jīng)常使用各類人工智能技術(shù)來(lái)評(píng)估不同概率下每種應(yīng)對(duì)方式的可能結(jié)果。
三、統(tǒng)計(jì)分析模型
1.集群分析模型
也稱聚類分析，是指將研究對(duì)象分為相對(duì)同質(zhì)的群組的統(tǒng)計(jì)模型。
用途：根據(jù)研究對(duì)象（樣品或指標(biāo)）的特征對(duì)其進(jìn)行分類，可減少研究對(duì)象的數(shù)量，更好地理解數(shù)據(jù)特點(diǎn)。例如，將客戶按照偏好進(jìn)行分類。
分類：集群分析包括硬集群和軟集群。
·硬集群即每一個(gè)數(shù)據(jù)點(diǎn)均可歸屬于單一的群組。
·軟集群即每個(gè)數(shù)據(jù)點(diǎn)可以根據(jù)發(fā)生概率分入相應(yīng)群組。
2.分類分析模型
將研究對(duì)象歸入不同的類別進(jìn)行統(tǒng)計(jì)分析的模型。
用途：此種模型多應(yīng)用于間斷式的可分類數(shù)據(jù)。例如，將潛在用戶按產(chǎn)品類別分類。
3.回歸分析模型
·根據(jù)統(tǒng)計(jì)算法分析數(shù)據(jù)樣本，預(yù)測(cè)發(fā)展方向。
·包括一元回歸分析和多元回歸分析。
參考2-3-1回歸分析。
通關(guān)秘鑰
分類分析模型和集群分析模型的不同點(diǎn)：
·分類分析模型需要預(yù)設(shè)類別，然后將數(shù)據(jù)歸入各類。
·集群分析模型不需預(yù)設(shè)類別，而是根據(jù)數(shù)據(jù)本身的特征決定集群類別。
四、回歸模型的應(yīng)用
1.一元回歸分析
一元回歸方程可以表示為以下公式：
y=mx+b+e
y—因變量；
x—自變量；
m—回歸方程的斜率；
b—方程在y軸的截距；
e—誤差項(xiàng)。
誤差項(xiàng)e的引入說(shuō)明分析者考慮到在預(yù)測(cè)過(guò)程中，客觀經(jīng)濟(jì)現(xiàn)象的錯(cuò)綜復(fù)雜和其他客觀因素的局限性可能帶來(lái)偶發(fā)因素，金額產(chǎn)生預(yù)測(cè)偏差。
回歸方程的評(píng)價(jià)：
優(yōu)點(diǎn) | 缺點(diǎn) |
·簡(jiǎn)單方便 ·得到唯一的計(jì)算估值，易于歸納結(jié)論 ·可計(jì)算相關(guān)系數(shù)和擬合優(yōu)度 | ·只按照有限的變量計(jì)算結(jié)果，缺少對(duì)風(fēng)險(xiǎn)和不確定性的考慮 ·假設(shè)條件過(guò)多，分析結(jié)果不夠準(zhǔn)確 ·假設(shè)數(shù)據(jù)呈線性關(guān)系，應(yīng)用范圍較窄 |
2.統(tǒng)計(jì)數(shù)據(jù)分析概述
抽樣原則：
·抽樣的樣本量越大，數(shù)據(jù)分析結(jié)論越準(zhǔn)確，成本也越高，因此企業(yè)需要在數(shù)據(jù)的可靠性和經(jīng)濟(jì)性中間找到平衡。
常見(jiàn)指標(biāo)：
（1）集中趨勢(shì)指標(biāo)
描述整體數(shù)據(jù)狀況：
指標(biāo) | 定義 | 解釋 |
平均值 | 一組數(shù)據(jù)中所有數(shù)據(jù)之和除以這組數(shù)據(jù)的個(gè)數(shù)的值 是數(shù)據(jù)集中趨勢(shì)的度量方式 | 需要根據(jù)樣本中的所有數(shù)據(jù)計(jì)算，易受數(shù)據(jù)組中極端數(shù)值的影響 |
中位數(shù) | 將數(shù)據(jù)按大小順序排列后，數(shù)列中居于中間位置的數(shù)據(jù) | 不易受極端數(shù)值的影響 例如，計(jì)算最常見(jiàn)的平均降雨量 |
眾數(shù) | 一種位置平均數(shù)，是總體中出現(xiàn)次數(shù)最多的變量值 | 例如，生產(chǎn)內(nèi)衣、鞋襪、帽子等產(chǎn)品最普遍被購(gòu)買的尺碼 |
百分 位數(shù) | 將一組數(shù)據(jù)從小到大排序后，數(shù)據(jù)對(duì)應(yīng)的累計(jì)百分位 | 例如，某位同學(xué)的考試分?jǐn)?shù)為48分，對(duì)應(yīng)第60百分位數(shù)，可得知大約60%的學(xué)生分?jǐn)?shù)比他低，約40%的學(xué)生分?jǐn)?shù)比他高 |
（2）離散程度指標(biāo)
描述數(shù)據(jù)在給定區(qū)間內(nèi)的分布和變化方式：
指標(biāo) | 定義 | 說(shuō)明 |
極差 （范圍誤差） | 數(shù)據(jù)最大值與最小值之間的差距 | 代表數(shù)值變動(dòng)的最大范圍，是測(cè)量變動(dòng)（離散）程度最簡(jiǎn)單的指標(biāo) |
四分位距 | 上四分位數(shù)和下四分位數(shù)的差值 | 比極差更能排除異常值的影響 |
四分位數(shù)：所有數(shù)值由小到大排列并分成四等份，處于三個(gè)分割點(diǎn)位置的數(shù)值。
指標(biāo) | 定義 | 說(shuō)明 |
方差 | 度量樣本隨機(jī)變量和其總體樣本均值之間的偏離程度，是所有差異的平方和 | 方差大代表高變異度 方差小代表低變異度 |
標(biāo)準(zhǔn)差 | 方差的開方結(jié)果 | 實(shí)踐中應(yīng)用更廣 例如，應(yīng)用于投資領(lǐng)域，衡量回報(bào)穩(wěn)定性和風(fēng)險(xiǎn)度 |
置信區(qū)間 | 由樣本統(tǒng)計(jì)量所構(gòu)造的總體參數(shù)的估計(jì)區(qū)間 | 是對(duì)統(tǒng)計(jì)中誤差的重要衡量指標(biāo)。 如95%置信區(qū)間就是總體參數(shù)在這個(gè)范圍的可能性是95% |
正態(tài)分布中的標(biāo)準(zhǔn)差帶來(lái)的置信區(qū)間
指標(biāo) | 定義 | 解釋 |
相關(guān)系數(shù) （r） | 衡量?jī)蓚€(gè)變量（如x，y）之間線性相關(guān)度的指標(biāo) | r的取值范圍在[-1，+1]之間 越接近-1，代表兩個(gè)變量的負(fù)相關(guān)程度越高 越接近+1，代表兩個(gè)變量的正相關(guān)程度越高 |
擬合優(yōu)度 （ | 也稱為決定系數(shù)，是相關(guān)系數(shù)的平方 衡量回歸直線和最終觀察結(jié)論之間的擬合程度 |
取值越大代表回歸模型與實(shí)際數(shù)據(jù)的擬合程度越高 |
的取值范圍在[0，+1]之間3.敏感度分析
定義：
·敏感度分析是指改變統(tǒng)計(jì)計(jì)算的某種基本假設(shè)，進(jìn)而觀察模型運(yùn)算的結(jié)果是否有所改變。
·如果模型的最終結(jié)論沒(méi)有因基礎(chǔ)假設(shè)或基礎(chǔ)數(shù)據(jù)的改變而變化，那么這個(gè)統(tǒng)計(jì)模型的可靠度較高。
用途：
·敏感度分析可以用于分析回歸模型的可靠程度。
注意事項(xiàng)：
在進(jìn)行敏感性分析時(shí)，原來(lái)的其他基本假設(shè)和數(shù)據(jù)要保持不變，因此在實(shí)際應(yīng)用模型結(jié)論或?qū)Ρ确治鰰r(shí)，也需考慮這些假設(shè)因素是否有效。
五、探索性數(shù)據(jù)分析
1.概述
出現(xiàn)背景：
在大數(shù)據(jù)時(shí)代，人們面臨大量混亂、無(wú)結(jié)構(gòu)的數(shù)據(jù)，如何更好地收集、抽取有用的數(shù)據(jù)量、找到數(shù)據(jù)中的異常狀況、測(cè)試原本數(shù)據(jù)模型的基礎(chǔ)假設(shè)，獲得對(duì)數(shù)據(jù)更深的理解，成為人們的迫切需求。
定義：
探索性數(shù)據(jù)分析（Exploratory Data Analysis，簡(jiǎn)稱EDA）是一種單純的數(shù)據(jù)分析技術(shù)。
這種分析被認(rèn)為是一種對(duì)數(shù)據(jù)進(jìn)行分析的完整思路，注重概括性描述，不受數(shù)據(jù)模型和科研假設(shè)的限制，目的在于從描述中發(fā)現(xiàn)樣本數(shù)據(jù)集中的極端值和異常值，驗(yàn)證數(shù)據(jù)的理論假設(shè)和可用模型，更深入的理解數(shù)據(jù)。探索性數(shù)據(jù)分析是大數(shù)據(jù)分析中不可或缺的一環(huán)。
2.與傳統(tǒng)數(shù)據(jù)分析的區(qū)別
·傳統(tǒng)數(shù)據(jù)分析中，對(duì)抽樣和分析思路均需提前設(shè)計(jì)，然后再將數(shù)據(jù)代入假設(shè)模型進(jìn)行分析。
·EDA讓人們對(duì)數(shù)據(jù)有了新的理解，是數(shù)據(jù)分析的前端，為數(shù)據(jù)的傳統(tǒng)分析打下基礎(chǔ)。
探索性數(shù)據(jù)分析流程圖
3.分析方法
探索性數(shù)據(jù)分析多用大數(shù)據(jù)分析、可視化工具。
例如，下圖即為使用圖表作為可視化工具展示的數(shù)據(jù)點(diǎn)的合集范例，便于使用者理解數(shù)據(jù)構(gòu)成和趨勢(shì)。
六、模擬分析（simulation）
蒙特卡羅模擬
·蒙特卡羅模擬是一種典型的模擬模型，又稱隨機(jī)抽樣或統(tǒng)計(jì)試驗(yàn)方法。
·以概率和統(tǒng)計(jì)理論為基礎(chǔ)，使用隨機(jī)數(shù)來(lái)進(jìn)行計(jì)算。
數(shù)據(jù)分析的注意事項(xiàng)
·數(shù)據(jù)分析的準(zhǔn)確與否在很大程度上取決于輸入系統(tǒng)的數(shù)據(jù)質(zhì)量。
·統(tǒng)計(jì)學(xué)中常有“垃圾進(jìn)、垃圾出”的說(shuō)法，就是指數(shù)據(jù)分析中不能一味重視模型本身，而更需要關(guān)注數(shù)據(jù)的質(zhì)量。
七、時(shí)序分析
1.數(shù)據(jù)分類
2.時(shí)序分析組成
時(shí)序分析以時(shí)間的發(fā)展作為分析的自變量，找到時(shí)間軸上數(shù)據(jù)的發(fā)展方向和趨勢(shì)，進(jìn)而預(yù)測(cè)未來(lái)情況。
組成要素：
組成說(shuō)明：
要素 | 解釋 | 舉例 |
發(fā)展趨勢(shì) | 數(shù)據(jù)整體呈現(xiàn)上升趨勢(shì)還是下降趨勢(shì) | 直線變化、指數(shù)變化、S型變化 |
季節(jié)性變動(dòng) | 季節(jié)性變動(dòng)導(dǎo)致數(shù)據(jù)在整體趨勢(shì)的基礎(chǔ)上發(fā)生的上下波動(dòng)，變化周期為一年 | 雪糕的銷售量整體呈上升趨勢(shì)，但夏天比冬天銷量更多 |
周期性變動(dòng) | 類似季節(jié)性變動(dòng)，但是變動(dòng)周期長(zhǎng)于一年 | 經(jīng)濟(jì)周期（上漲、衰退） |
隨機(jī)變量 | 通常無(wú)法預(yù)測(cè)，受偶然事件的影響 | 自然災(zāi)害的影響 |
時(shí)序分析要素示意圖：
下圖中的虛線展示某類產(chǎn)品銷售額發(fā)展趨勢(shì)情況，折線展示銷售額每年的季節(jié)性變動(dòng)情況。
3.時(shí)序分析評(píng)價(jià)
優(yōu)點(diǎn)：
·根據(jù)過(guò)去的變化趨勢(shì)利用統(tǒng)計(jì)學(xué)方式預(yù)測(cè)未來(lái)，通常符合事物發(fā)展的規(guī)律；
·在考慮發(fā)展趨勢(shì)的同時(shí)，注重季節(jié)性和周期性變化對(duì)具體時(shí)間點(diǎn)的影響，更加準(zhǔn)確；
·承認(rèn)隨機(jī)變量可能對(duì)最終結(jié)果造成的影響。
缺點(diǎn)：
·時(shí)序分析僅使用時(shí)間作為分析變量，未考慮其他因素的影響；
·僅按照歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，未考慮市場(chǎng)變化的可能性。
注：以上內(nèi)容來(lái)自東奧Jenny Liu老師基礎(chǔ)班講義
以上就是整理好的cma考試知識(shí)點(diǎn)，東奧會(huì)計(jì)在線整理發(fā)布，僅供學(xué)習(xí)使用，禁止任何形式的轉(zhuǎn)載。想要隨時(shí)了解更多關(guān)于cma考試等相關(guān)信息，請(qǐng)關(guān)注東奧會(huì)計(jì)在線CMA頻道！
（本文為東奧會(huì)計(jì)在線原創(chuàng)文章，僅供考生學(xué)習(xí)使用，禁止任何形式的轉(zhuǎn)載）
津公網(wǎng)安備12010202000755號(hào)