制造业本案例以沪深股市制造业上市公司为对象，系统介绍了静态数据总体的统计处理过程，包括分布描述、分类研究和相关因素分析。数据整理是统计分析的基础工作，在总体规模很大，数据量浩瀚、分布未知的情况下，如何对总体数据进行整理分类，描述总体分布及进一步分析总体各特征间的相互关系是对总体正确认识的关键。案例的背景分析与数据资料二、案例所依托的总体及其现状与研究目的（二）案例研究的目的与任务3.上市公司年报财务数据统计分析的对象本案例所引用资料取自《上海证券报》，包括了制造业560家上市公司。共选有8个财务指标：总资产、净利润、主营业务收入、股东权益、每股收益、每股净资产和股东权益比率。其中，前4个为反映资产、收益方面的总量指标，后4个为反映盈利能力、业绩水平的相对指标。4．数据的初步分析——制造业上市公司行业结构这是一个品质标志分组的分布数列。从该数列中可以知道上市公司的行业结构。1999年560个制造业上市公司中，制造业上市公司中传统产业占了较大比重。方案设计4．分别按品质标志和数量标志对总体进行分类，通过计算派生指标，以深入认识总体各指标在不同类别间的差异，包括总体结构、强度，比例关系等。5．分别对总体各指标进行相关分析，了解各指标间的依存关系，在相关关系成立的基础上进行回归分析，从而更深层次地认识总体的规律与特征。6．在上述研究分析的基础上给出关于对对象的定性认识结论。二、案例设计的工作过程2．制造业公司主要财务指标的分布从描述统计1看，560家公司的总资产呈高度偏态。总资产最大值和最小值相差近200倍。将6个总资产100亿和7个2亿元以下的数据作为极值舍去，计算得到描述统计2，此时的标准差和偏度系数都降低了，说明数据间的差异小了。但仍呈偏态，不能用斯特吉斯经验确定组数。不论何种分布，均值和方差是其分布的两个主要特征值。由总资产描述统计2表看出，均值14.5亿元，中位数9.5亿元，标准差15亿元，说明560家公司的总资产分布为右偏态。若以1个标准差为组距，则中位数以下部分的描述势必过于概括。所以考虑用1/2标准差，即7.5亿元为组距，由于100亿元以上只有6家，将105亿元以上并为一组，组数=15。分组后变量数列及直方图如表二和图一所示。从图表中可以知道，制造业中，总资产8866亿元，平均规模在15亿元左右。82%的上市公司总姿产在22.5亿元以下，100亿元以上的只有1%。在各行业中，总资产规模最大的是C8——通信电子行业20.3亿元，最低的是C2——木材家具业6.38亿元，另外，C4——石油化工、C5——橡胶塑料、C6——金属非金属的总资产规模在平均之上。（2）净利润分布数列和直方图净利润分组（万元）从整理后的净利润的资料我们注意到：第一，制造业中，1999年度46家公司亏损，亏损面8.2%，最多的亏损3.7亿元。第二，制造业1999年度净利润总额373.9亿元，受亏损公司的影响，560家公司总体平均利润只有6500万元。79%的上市公司净利润在70万~1.3亿元之间。第三，上海汽车、邯郸钢铁、上海石化、仪征化纤、首钢股份等大型国企全年利润均在7亿元以上；年净利润在4.5亿元以上的公司有16个，不足总数的3%，但它们的净利润占到制造业全行业的25.5%，充分体现了大型国企确实是国民经济的脊梁。（3）每股收益分布数列和直方图从描述统计指标看，舍弃一个最大值后，均值、中位数、众数比较接近，偏度系数也不很大。尝试按经验公式确定组数：组数=1+3.322×㏒560=10；组距=2/10=0.2，极值用开口组处理。见表2—4和图2—3。净资产收益率是评价净资产盈利能力的综合指标，他代表了总体的或行业的盈利水平。从统计资料看到：第一，1999年度，制造业的总体净资产收益率9%（这里采用了中位数，因为忽略极值厚中位数没有变化，但平均数却差了几倍，而净资产收益率极端值时有个别特殊原因所致）。第二，8%的公司亏损，与每股收益分析的结论一致；并且有两个公司净资产为负数，以资不抵债。第三，34%的公司净资产收益率在0.1%～8%之间；48%的公司在0.8%～16%之间。第四，8%的公司净资产在16%～32%的高水平上，从行业看，这些公司集中在生物制药、通信电子、汽车等高新技术产业，显示出发展最快、盈利水平最强的势头。3．制造业各行业主要财务指标的分布三、数据整理和分析的客观评价（二）几个有待进一步研究的问题1．频数分布的编制没有固定的模式,因此不是唯一的,采用不同的组距、组限,就有不同的分布数列.如何评价哪一个数列最恰当或者最确切反映总体分布特征是一个值得研究的问题。2．统计整理中的制造业行业分组所汇总的统计表,是按照全行业整理时的组距分组的.对不同行业来说,这种组距、组数的划分不一定是最恰当的.若要研究某一