指数法分析

⑴ 指数点成交值的特殊分析方法

1）TAPI曲线向上攀升，而股价曲线也同步上升，则意味着股票行情是处于上涨的阶段，股价走势将维持向上攀升的态势，市场上人气比较活跃，投资者可积极进行个股的投资决策。
2）TAPI曲线继续下跌，而股价曲线也同步下跌，则意味着股票行情是处于下跌的阶段，股价走势将维持下跌的态势，市场上人气比较低落，此时，投资者应以持币观望为主。
3）TAPI曲线开始从高位向下回落，而股价曲线却还在缓慢向上扬升，则意味着股价走势可能出现“顶背离”现象，特别是股价已经经过了一轮比较长时间的上升行情以后。
4）TAPI曲线从底部开始向上攀升，而股价曲线却继续下跌，则意味着股价走势可能出现“底背离”现象，特别是股价已经经过了一轮比较长时间的下跌行情以后。 当TAPI指标在高位盘整或低位横盘时所出现的各种形态也是判断行情，决定买卖行动的一种分析方法。
1）当TAPI曲线在高位形成M头或三重顶等高位反转形态时，意味着股价的上升动能已经衰竭，股价有可能出现长期反转行情，投资者应及时地卖出股票。如果股价走势曲线也先后出现同样形态则更可确认，股价下跌的幅度和过程可参照M头或三重顶等顶部反转形态的研判。
2）当TAPI曲线在低位形成W低或三重低等低位反转形态时，意味着股价的下跌动能已经减弱，股价有可能构筑中长期底部，投资者可逢低分批建仓。如果股价走势曲线也先后出现同样形态则更可确认，股价的上涨幅度及过程可参照W底或三重底等底部反转形态的研判。
3）TAPI曲线顶部反转形态对行情判断的准确性要高于底部形态。 1）当TAPI曲线和TAPIMA曲线经过长时间的底部整理后，TAPI曲线开始向上运行，TAPI曲线也同时走平或小幅上升，说明股价上涨的动能开始增强，股价的长期向上运动趋势初步形成，投资者可以开始逢低吸纳股票。
2）当TAPI曲线开始向上突破TAPIMA曲线时，说明股价的上涨动能已经相当充分，股价的长期向上趋势已经形成，如果伴随较大的成交量配合则更可确认，投资者应坚决地全仓买入股票。
3）当TAPI曲线向上突破TAPIMA曲线并运行一段时间后，又开始向下回调并靠近或触及TAPIMA曲线，只要TAPI曲线没有有效跌破 TAPIMA曲线，都表明股价属于强势整理。一旦TAPI曲线再度返身向上时，表明股价的动能再次聚集，股价将进入强势拉升阶段，投资者可以及时买入股票或持股待涨。
4）当TAPI曲线和TAPIMA曲线再度同时向上延伸时，表明股价的强势依旧，投资者可一路持股待涨。
5）当TAPI曲线和TAPIMA曲线同时向上运行较长的一段时间后，由于TAPI曲线运行速度超过TAPIMA从而远离TAPIMA曲线时，一旦TAPI曲线掉头向下，说明股价上涨的短期动能消耗比较大，股价有短线回调的要求，投资者可持股观望或逢低吸纳。
6）当TAPI曲线从高位掉头向下运行时，表明股价上升动能已经衰竭而下降的动能开始积聚，股价的中期上升趋势已经结束，而中期下降趋势开始形成，投资者应及时地卖出股票。
7）当TAPI曲线从高位向下运行并向下突破TAPIMA曲线后，TAPIMA曲线也开始向下掉头运行时，表明股价的强势上涨行情已经结束，股价的长期下降趋势日益明显，投资者应坚决一路持币观望或逢高卖出剩余的股票。
8）当TAPI曲线在TAPIMA曲线下方一直向下运行时，说明股价的弱势特征极为明显，投资者唯一能采取的投资决策就是持币观望。
9）当TAPI曲线在TAPIMA曲线下方运行很长一段时间后，开始慢慢掉头向上时，说明股价的下跌动能暂时减缓，股价处于弱势整理格局，投资者还应继续观察，不要轻易采取行动。
10）当TAPI曲线在TAPIMA曲线下方开始向上突破TAPIMA曲线时，说明股价的反弹动能开始加强，股价将止跌反弹，此时，投资者可以少量买入股票做短线反弹行情但不可恋战，一旦行情再度向下，及时离场观望，直到股价长期下降行情开始形成。
11）当TAPI曲线和TAPIMA曲线始终交织在一起，在一个上下波动幅度不大的空间内横向运动时，预示着股价处于一个长期的横盘整理的格局中，投资者应以观望为主。

⑵ 进行综合指标分析的方法主要有哪几种

综合指标分析方法主要有杜邦财务分析体系和沃尔比重评分法。

1、邦财务分析体系

利用几种主要的财务比率之间的关系来综合地分析企业的财务状况。具体来说，它是一种用来评价公司盈利能力和股东权益回报水平，从财务角度评价企业绩效的一种经典方法。以净资产收益率为核心，通过分析各分解指标的变动对净资产收益率的影响来揭示企业获利能力及其变动原因。

2、沃尔比重评分法

是指将选定的财务比率用线性关系结合起来，并分别给定各自的分数比重，然后通过与标准比率进行比较，确定各项指标的得分及总体指标的累计分数，从而对企业的信用水平作出评价的方法。沃尔比重评分法的公式为：实际分数=实际值÷标准值×权重。

(2)指数法分析扩展阅读：

杜邦分析方法在公司的运用

在国外很多公司已经采用经济增加值（EVA）或现金回报率（CFROE）作为公司业绩的衡量指标，有些外国公司也在广泛的采用平衡积分卡或类似于积分卡的业绩考核方法来进行公司业绩考核。

实际上，合理运用净资产回报率（ROE）进行企业管理在很多公司来说是一种非常便捷的手段，也能够帮助公司的管理人员很好发现公司运营过程中存在的问题，并寻求改进方法。在企业咨询实践过程中，就有意识地使用这种方法来帮助特别是私营企业进行财务管理，并取得了良好的效果。

⑶ 赫斯特指数的分析

在应用矩法研究洪水的时间系列时，频率曲线的统计参数之一变差系数表达式中为系列的算术平均值，为均方差，上式表示为均方的形式。其中，变差系数代表着特征值(洪水)对中心的相对变化(相对离差)的平均值，它反映了一段时间系列(n)内变量(洪水)的一般性相对变动程度，因此它受到统计时间系列的长短影响。这是水利行业比较熟悉的频率曲线中的参数。在混沌理论中，自相似分形和分数布朗运动的研究，对于数布朗运动的时间相关性进行了数值方面的分析，简称R/S分析。在水利行业中目前已有许多应用研究。我们利用变差系数计算中的均值、均方差计算，如果在均方差的统计范围内定义一个极差式子表示为统计时间系列内最大值与最小值之差，极差和均方差的比值随时间(n)基本单调上升(不完全上升)，并且和时间(n)有如下幂函数关系。按照时间系列增长，对得到的数组与n一一取对数，并绘制在双对数图上，图中直线部分的斜率就是的指数H，称为赫斯特指数。英国科学家赫斯特(赫斯特指数)对尼罗河进行长期的水文观测，采用的数据分析方法，称为变标度极差分析法(Rescaledrangeanalysis简称R/S分析法)。通过分析认为各年的流量存在着一定的时间相关性，如尼罗河流量的时间系列曲线的赫斯特指数指数是0.72，相应的分维分形数为1.28，具有正的长时间相关效应。用尼罗河流量时间系列的R/S分析得到的赫斯特指数指数，和随机时间系列的R/S分析得到的赫斯特指数指数显著不同。
人们作过试验，用计算机产生一个随机时间系列曲线，利用均匀随机数给出随机系列，计算它们的赫斯特指数指数，其值接近0.5。如果把尼罗河流量时间系列打乱，再进行R/S分析，得到的赫斯特指数指数值也接近0.5。说明没有时间相关性的随机时间系列曲线的赫斯特指数指数为0.5，R/S分析是分析时间系列曲线相关性的有效方法。也是得出时间系列曲线的分维D(D=2-H)的有效方法。赫斯特指数还对多种自然现象的时间系列曲线进行了R/S分析，如河湖水位H=0.72，降雨量H=0.70，泥浆沉积H=0.69，温度H=0.68，气压H=0.63，日斑指数H=0.75，树木年轮H=0.80。这些现象平均H=0.726。大多数河流的H为0.65到0.80之间，都具有正效应，表示未来的趋势与过去一致，H愈接近1，持续性愈强。当H<0.5时，序列具有负效应，表示未来的趋势与过去相反，H愈接近0，反持续性愈强。水文序列的所谓正效应，即干旱愈久，就可能出现持续的干旱；大洪水年过后仍然会有较大洪水。洪涝干旱与地区的气象、土壤、地质等自然地理条件有关，但赫斯特指数指数显示出洪涝干旱具有变化的长程效应。在我省频繁出现的洪旱灾情也具有这种特点，至于相关的规律性，尚需进一步深入研究。 R/S分析法计算简单，统计三个参数，均值，均方差，极差，用手工的方法确定赫斯特指数指数(关系线的斜率)。适宜有时间序列观测资料的年轻科技人员进行研究。

⑷ 单因子指数法的主成分分析方法

地理环境是多要素的复杂系统，在我们进行地理系统分析时，多变量问题是经常会遇到的。变量太多，无疑会增加分析问题的难度与复杂性，而且在许多实际问题中，多个变量之间是具有一定的相关关系的。因此，我们就会很自然地想到，能否在各个变量之间相关关系研究的基础上，用较少的新变量代替原来较多的变量，而且使这些较少的新变量尽可能多地保留原来较多的变量所反映的信息？事实上，这种想法是可以实现的，本节拟介绍的主成分分析方法就是综合处理这种问题的一种强有力的方法。
第一节 主成分分析方法的原理
主成分分析是把原来多个变量化为少数几个综合指标的一种统计分析方法，从数学角度来看，这是一种降维处理技术。假定有n个地理样本，每个样本共有p个变量描述，这样就构成了一个n×p阶的地理数据矩阵：
如何从这么多变量的数据中抓住地理事物的内在规律性呢？要解决这一问题，自然要在p维空间中加以考察，这是比较麻烦的。为了克服这一困难，就需要进行降维处理，即用较少的几个综合指标来代替原来较多的变量指标，而且使这些较少的综合指标既能尽量多地反映原来较多指标所反映的信息，同时它们之间又是彼此独立的。那么，这些综合指标（即新变量)应如何选取呢？显然，其最简单的形式就是取原来变量指标的线性组合，适当调整组合系数，使新的变量指标之间相互独立且代表性最好。
如果记原来的变量指标为x1，x2，…，xp，它们的综合指标——新变量指标为x1，x2，…，zm（m≤p)。则
在（2)式中，系数lij由下列原则来决定：
（1)zi与zj（i≠j；i，j=1，2，…，m)相互无关；
（2)z1是x1，x2，…，xp的一切线性组合中方差最大者；z2是与z1不相关的x1，x2，…，xp的所有线性组合中方差最大者；……；zm是与z1，z2，……zm-1都不相关的x1，x2，…，xp的所有线性组合中方差最大者。
这样决定的新变量指标z1，z2，…，zm分别称为原变量指标x1，x2，…，xp的第一，第二，…，第m主成分。其中，z1在总方差中占的比例最大，z2，z3，…，zm的方差依次递减。在实际问题的分析中，常挑选前几个最大的主成分，这样既减少了变量的数目，又抓住了主要矛盾，简化了变量之间的关系。
从以上分析可以看出，找主成分就是确定原来变量xj（j=1，2，…，p)在诸主成分zi（i=1，2，…，m)上的载荷lij（i=1，2，…，m；j=1，2，…，p)，从数学上容易知道，它们分别是x1，x2，…，xp的相关矩阵的m个较大的特征值所对应的特征向量。
第二节 主成分分析的解法
主成分分析的计算步骤
通过上述主成分分析的基本原理的介绍，我们可以把主成分分析计算步骤归纳如下：
（1)计算相关系数矩阵
在公式（3)中，rij（i，j=1，2，…，p)为原来变量xi与xj的相关系数，其计算公式为
因为R是实对称矩阵（即rij=rji)，所以只需计算其上三角元素或下三角元素即可。
（2)计算特征值与特征向量
首先解特征方程|λI-R|=0求出特征值λi（i=1，2，…，p)，并使其按大小顺序排列，即λ1≥λ2≥…，≥λp≥0；然后分别求出对应于特征值λi的特征向量ei（i=1，2，…，p)。
（3)计算主成分贡献率及累计贡献率
一般取累计贡献率达85-95%的特征值λ1，λ2，…，λm所对应的第一，第二，……，第m（m≤p)个主成分。
（4)计算主成分载荷
由此可以进一步计算主成分得分：
第三节 主成分分析应用实例
主成分分析实例
对于某区域地貌-水文系统，其57个流域盆地的九项地理要素：x1为流域盆地总高度（m)x2为流域盆地山口的海拔高度（m)，x3为流域盆地周长（m)，x4为河道总长度（km)，x5为河
表2-14 某57个流域盆地地理要素数据
道总数，x6为平均分叉率，x7为河谷最大坡度（度)，x8为河源数及x9为流域盆地面积（km)的原始数据如表2-14所示。张超先生（1984)曾用这些地理要素的原始数据对该区域地貌-水文系统作了主成分分析。下面，我们将其作为主成分分析方法在地理学研究中的一个应用实例介绍给读者，以供参考。
表2-15相关系数矩阵
（1)首先将表2-14中的原始数据作标准化处理，由公式（4)计算得相关系数矩阵（见表2-15)。
（2)由相关系数矩阵计算特征值，以及各个主成分的贡献率与累计贡献率（见表2-16)。由表2-16可知，第一，第二，第三主成分的累计贡献率已高达86.5%，故只需求出第一，第二，第三主成分z1，z2，z3即可。
表2-16 特征值及主成分贡献率
（3)对于特征值λ1=5.043，λ2=1.746，λ3=0.997分别求出其特征向量e1，e2，e3，并计算各变量x1，x2，……，x9在各主成分上的载荷得到主成分载荷矩阵（见表2-17)。
表2-17 主成分载荷矩阵
从表2-17可以看出，第一主成分z1与x1，x3，x4，x5，x8，x9有较大的正相关，这是由于这六个地理要素与流域盆地的规模有关，因此第一主成分可以被认为是流域盆地规模的代表：第二主成分z2与x2有较大的正相关，与x7有较大的负相关，而这两个地理要素是与流域切割程度有关的，因此第二主成分可以被认为是流域侵蚀状况的代表；第三主成分z3与x6有较大的正相关，而地理要素x6是流域比较独立的特性——河系形态的表征，因此，第三主成成可以被认为是代表河系形态的主成分。
以上分析结果表明，根据主成分载荷，该区域地貌-水文系统的九项地理要素可以被归为三类，即流域盆地的规模，流域侵蚀状况和流域河系形态。如果选取其中相关系数绝对值最大者作为代表，则流域面积，流域盆地出口的海拔高度和分叉率可作为这三类地理要素的代表，利用这三个要素代替原来九个要素进行区域地貌-水文系统分析，可以使问题大大地简化。
二、内梅罗水质指数污染
表1 内梅罗水质指数污染等级划分标准 P <1 1～2 2～3 3～5 >5 水质等级 清洁 轻污染 污染 重污染 严重污染 表2 地表水环境质量标准（GB3838—2002） 单位：mg/L 序 号 项 目 V类标准值 1 水温(℃) — 2 PH值（无量纲） 6—9 3 溶解氧 ≥ 2 4 高锰酸盐指数 ≤ 15 5 化学需氧量 ≤ 40 6 五日生化需氧量 ≤ 10 7 氨氮 ≤ 2.0 8 总磷 ≤ 0.4 9 总氮 ≤ 2.0 10 铜 ≤ 1.0 11 锌 ≤ 2.0 12 氟化物 ≤ 1.5 13 硒 ≤ 0.02 14 砷 ≤ 0.1 15 汞 ≤ 0.001 16 镉 ≤ 0.01 17 铬（六价） ≤ 0.1 18 铅 ≤ 0.1 19 氰化物 ≤ 0.2 20 挥发酚 ≤ 0.1 21 石油类 ≤ 1.0 22 硫化物 ≤ 1.0 23 粪大肠菌群（个/L） ≤ 40000 表3 水质评价计算方法 单因子污染指数 Pi = Ci/ Si Ci——第i项污染物的监测值； Si——第i项污染物评价标准值； 溶解氧指数 Cf——对应温度T时的饱和溶解氧浓度；
Ci——溶解氧浓度监测值；
Si——溶解氧评价标准值； pH指数 pHi——pH监测值；
pHS,min——评价标准值的下限；
pHS,max ——评价标准值的上限； 污染物超标倍数 Ci ——第i项污染物的监测值；
C0 ——第i项污染物评价标准值； 内梅罗指数 Pmax ——单因子污染指数的最高值；
Pi ——第i项污染物的污染指数；
n ——参与评价污染物的项数； 常用的客观赋权法之一:熵值法
熵是信息论中测度一个系统不确定性的量。信息量越大，不确定性就越小，熵也越小，反之，信息量越小，不确定性就越大，熵也越大。熵值法主要是依据各指标值所包含的信息量的大小，利用指标的熵值来确定指标权重的。熵值法的一般步骤为：
(1)、对决策矩阵作标准化处理，得到标准化矩阵，并进行归一化处理得：
(2)、计算第个指标的熵值：。其中。
(3)、计算第个指标的差异系数。对于第个指标，指标值的差异越大，对方案评价的作用越大，熵值越小，反之，差异越小，对方案评价的作用越小，熵值就越大。因此，定义差异系数为：。
(4)、确定指标权重。第个指标的权重为：。
效益型和成本型指标的标准化方法
对于效益型（正向）指标和成本型（逆向）指标，由于这两者是最常见并且使用最广泛的指标，所以，对这两种指标标准化处理的方法也最多，一般的处理方法有：
1. 极差变换法
该方法即在决策矩阵中，对于效益型指标，令
=
对于成本型指标，令
=
则得到的矩阵称为极差变换标准化矩阵。其优点为经过极差变换后，均有，且各指标下最好结果的属性值，最坏结果的属性值。该方法的缺点是变换前后的各指标值不成比例。
2. 线性比例变换法
即在决策矩阵中，对于效益型指标，令
=
对成本型指标，令
=
或
=
则矩阵称为线性比例标准化矩阵。该方法的优点是这些变换方式是线性的，且变化前后的属性值成比例。但对任一指标来说，变换后的和不一定同时出现。
3. 向量归一化法
即在决策矩阵中，对于效益型指标，令
对于成本型指标，令
则矩阵称为向量归一标准化矩阵。显然，矩阵的列向量的模等于1，即。该方法使，且变换前后正逆方向不变，缺点是它是非线性变换，变换后各指标的最大值和最小值不相同。
4. 标准样本变换法
在中，令
其中，样本均值，样本均方差，则得出矩阵，称为标准样本变换矩阵。经过标准样本变换之后，标准化矩阵的样本均值为，方差为。
5. 等效系数法
对成本型指标，令
=
该方法的优点是变换前后的指标值成比例，缺点是各指标下方案的最好与最差指标值标准化后不完全相同。
另外，关于效益型指标的标准化处理还有：
=
关于成本型指标的标准化处理还有：
=
固定型指标的标准化方法
对于固定型指标，若设为给定的固定值，则标准化处理的方法主要有以下几种，即令
或
或
或
(4.15)式的特点是各最优属性值标准化后的值均为1，而各最差属性的值标准化后的值不统一，即不一定都为0。
若设和分别是人为规定的最优方案和最劣方案，在该情形下，还给出了效益型、成本型和固定型指标的新的标准化方法。
对效益型和成本型，有：
对固定型指标则有：
区间型指标的标准化方法
对区间型的指标，其指标标准化处理的方法主要有以下几式：
设，令
或令
显然，还可以简化为：
或令
或令
其中，是指给定的某个固定区间，即属性值越接近该区间越好。
偏离型指标的标准化方法
对越来越偏离某值越好的偏离性指标，一般有如下标准化公式：
或令
（对都有）
或令
偏离型指标是与固定型指标相对立的一种指标类型，它的公式使用可以用固定型指标的公式改造，但在使用时要注意其公式的适用范围。
偏离区间型指标的标准化方法
对偏离区间型指标，有如下标准化的方法：
令
或令
或令
其中，是某个固定区间，属性值越偏离该区间越好。偏离区间型指标是与区间型指标相对立的一种指标类型。

⑸ 什么是扩散指数分析法

扩散指数法是根据一批领先经济指标的升降变化，计算出上升指标的扩散指数，以扩内散指数为依据来判断未来容的经济景气情况的预测方法。其优点在于利用一组经济指标进行综合考察，避免仅依靠个别领先指标作出判断预测的弊端。其首要条件是选择建立一套能够全面、及时、准确地反映监测预警对象发展变化整体状态的指标体系。其核心内容是对指标体系中各类指标进行三大类(先行、一致、滞后指标)的划分，计算各类指标的扩散指数。

扩散指数法是一种以经济指标为中心进行景气观测的方法。景气变动是指经济的循环性变动从某个领域波及或渗透到其他领域，从一种产业渗透到另一种产业，或从某地区波及到其他地区，代表国民经济整体动向的一种极其复杂的现象。但现其内容，景气变动与备经济活动之间存在着相对稳定的时间性的对应关系。因此，从各经济领域选择出相对于景气变动比较敏感的有代表性的景气指标，根据这些指标的复合变动，便可以宏观掌握景气整体的动向及景气波及或渗透情况。

⑹ 指数调整法的指数调整法应用分析

指数调整法系按照账面原值乘以建筑调价系数去估算房屋现行造价的一种方法。它一般适用于群体建筑的评估，也可用于单体建筑的评估，但评估的可靠性较差。运用该方法进行房屋估价计算有两个关键因素，即账面原值和采用的调整系数，只有在账面原值正确，采用的调整系数准确的前提下，这样计算的结果才能准确可靠。在一个群体的房屋建筑评估中，由于很多项目账面值缺乏可靠性，有的调整系数不准确，应避免使用此法。
在不得已的情况必须采用指数调整法进行房屋估价时，应认真审核账面原值及造价调整指数的正确性，只有在两个因素相关关系符合评估要求的情况下才能使用此法进行房屋造价计算。 建筑调价系数系由造价调整系数、前期和其它费用调整系数以及资金成本综合调整系数等部分组成，前者系指在房屋建筑建造过程中所耗费的建造成本在不同建造时期的比例关系；后者系指在房屋建筑建造过程中建造成本以外所耗费的费用成本在不同建造时期的比例关系以及在不同建造时期资金成本综合率的比例关系，还有其它方面的调整比例关系暂未考虑。在重置价值评估计算过程中，重置价值的调价系数应由建筑综合调价系数来表达，建筑综合调价系数可以近似地按下列公式计算。
C：建筑综合调价系数;
C1：评估基准日时的造价调整系数;
Cq1：评估基准日时的前期和其它费用系数;
Cz1：评估基准日时的资金成本综合率;
Cq2：原前期和其它费用系数;
Cz2：原资金成本综合率;
Jc：建筑重置价值或建筑单方重置价值;
Jz：建筑账面成本价值或建筑账面单方成本价值。 在房屋建筑评估中，仅用一个造价调整系数去进行造价计算是不科学的。例如，北京市某办公楼，砖混结构，6 层，层高3.0m，砖条形基础365mm厚砖外墙，240厚砖内墙，钢窗，包板木门，包门套，水磨石地面，外墙水刷石，内墙喷大白浆，每层设有普通卫生间，水暖电配套齐全，建筑面积3058平方米，竣工造价570409元，1985年12月竣工使用，评估基准日为2002年12月，现求评估基准日时的单方重置价值。经测定评估基准日和房屋建造时的造价调整系数为531%，建造时期的前期和其它费用率为 5.65%，计划经济时期的资金成本率应为0;评估基准日时的前期和其它费用率为7.86%，资金成本率为一年期5.49%的一半，即2.745%。则
当时的单方成本价=570409/3058=186.53元/m2，
建筑综合调价系数=531%×(1+7.68%)×(1+2.745%)/(1+5.64%)×(1+0%)
=531% ×107.68%×102.745%/105.64%×100.00
= 556.11%
评估基准日时的单方重置价值=186.53×556.11%
=998.25元/m2
重置价值=1037.31×3058
=3172093.98元 在使用造价指数进行房屋造价评估时，应注意造价指数的类别，要选择相应类别的造价指数去调整，一般情况，造价指数按结构类型划分可分为钢筋混凝土框架、钢筋混凝土排架、砖混、砖木等结构以及其它结构造价调整系数，构筑物可按其相应结构类型调整系数套用或按其它结构调整系数套用。还要指出，国家有关部门公布的物价指数及环比指数、清产核资采用的固定资产调整指数不能使用。因为这些指数综合范围太广，概念含糊，没有针对性; 还有按建筑物用途划分的造价系数例如仓库、医院、办公楼、住宅、锅炉房、车间等用途的造价系数也不能使用。因为房屋造价与结构构造有关，而与用途无关。另外，建筑造价和建筑重置价值的含义应区别开来，建筑造价增长了，重置价值不一定增长，因为当前期和其它费用率或资金成本率大幅度减少时，建筑重置价值有可能还要降低。

⑺ 你好，请问什么是多因素指数分析法

宏观经济中在总量变动的多因素问题中，常常用根据指数原理派生出来的连锁替内代法，来解容决多因素指数体系编制问题，其操作过程是：第一步将影响某一经济指标的各个因素，按照它们之间的逻辑关系，并考虑计算的实际经济意义，排列成合理的顺序。即数量指标排列在先，质量指标排列在后，相邻的两个因素指标相乘或相除有实际的经济意义（等于新的指标）。第二步分析某一个因素变动对总变动的方向程度所产生的影响时，假定只有该因素变动，而其余因素都固定不变，一直分析到最后一个因素为止。从数学上来说，这个是一个多维问题矩阵，线形规划后的分析，各个因素的运算也有其内在的意义。

⑻ spss回归分析之指数平滑法

SPSS软件在发展过程中，将一些功能淘汰掉，例如SPSS Trends 16中，Exponential Smoothing, Autoregression, ARIMA的对话框形式都已经取消；而采用了更灵活的Create Models; Apply Models; Seasonal Decomposition; Spectral Analysis的对话框。
在Analyze->Create Models，中间的method的选第二个，就是exponential smoothing，你可以在criteria中设置model type->simple即可。

现在不能设置alpha值了，只能设置对因变量是否进行转换。
Simple. This model is appropriate for series in which there is no trend or seasonality. Its only
smoothing parameter is level. Simple exponential smoothing is most similar to an ARIMA
model with zero orders of autoregression, one order of differencing, one order of moving
average, and no constant.
以上回答你满意么？

⑼ 景气指数的分析方法

研究景气循环的分析方法有三种：古典循环法，主要是观察经济时间序列绝对量本身的版波动，一般权观察时间序列的长期趋势及循环要素（TC）的波动；增长循环波动也称离差循环方法，一般观察经济时间序列相对量的波动，将时间序列的长期趋势T和循环要素C分离，把循环要素C的变动看作是景气变动，即增长周期波动是循环要素C的波动；增长率循环，观察经济时间序列的增长率（与上年同月或同季比的变化率），分析其波动的规律性；同前两种方法一样，也要对时间序列进行季节调整，对增长率序列的长期趋势及循环要素（TC）的波动进行分析。在实际研究过程中，我们采用的是增长率循环方法对景气循环进行研究，因此我们要对经过季节调整以后的时间序列数据求其增长率序列，也就是对序列求其上年同月比。合成指数CI的计算过程相当繁杂，就其过程可简单描述为以下5个步骤：求单个指标的变化率；求多个指标对称变化率的合成；求初始合成指数；趋势调整；求最终合成指数。