应用统计学论文
通信行业研发投入与营业收入的趋势统计
与研究分析
——以中兴通讯历年（2011-2018）年报为
例
Trends and research analysis of R&D investment and operating income in the communications industry
——Taking the annual report of ZTE Corporation (2011-2018) as an example
作者： 张 雨 18140515
2019.05
北京交通大学 应用统计
摘 要
近年来，国内通信企业一直在不断加大研发和销售投入，希望通过增加投资的方式，获取更高的市场份额，以及营业额，然而对于投入和产出之间是否存在正相关的关系，哪个方面的投入对产出的影响更大，通过对近年的数据进行统计分析，包括相关性分析，多元线性相关分析进行研究，从而得出研发和销售对企业营业额影响的结论。
关键词：通信企业；相关性；多元线性相关
北京交通大学 应用统计
ABSTRACT
In recent years, domestic communication companies have been increasing their R&D and sales investment, hoping to increase their market share and turnover through increased investment. However, whether there is a positive correlation between input and output, which The input of the aspect has a greater impact on the output. Through the statistical analysis of the data in recent years, including correlation analysis and multivariate linear correlation analysis, the conclusions of the impact of R&D and sales on the turnover of the company are obtained.
Key Words：Communication enterprise; correlation; multiple linear correlation
北京交通大学 应用统计
第一章 绪 论
1.1 研究背景与意义 1.1.1研究背景
今年来，公司的研究投入和销售投入逐年增长，在公司支出中所占的比重越来越大，中兴通讯作为一家以研发为企业导向的高科技公司，每年在研发的投入达到百亿级别。同时，销售的支出也在企业中的投入越来越多，并占据较高的份额，因此需要评估，研发投入和销售投入与企业营业额之间的关系。 1.1.2研究意义
在当今产品快速更新换代、市场竞争日益激烈的时代,创新已然成为时代发展的主旋律,也成为通信企业生存和发展的关键,然而这一切都需要企业的前期投入,即研发投入。通过获取的中兴通讯公司的年报,根据已有的理论基础,加之自己的分析、理解以及理论丰富与补充,运用新的统计分析方法,对存在于企业内部的研发投入、销售投入与企业营业额关系展开研究。经过对数据的处理分析,得出结论研发投入与销售投入对企业营业额有无直接影响。 1.2 文献综述
通过李卫东老师编写的统计学书籍，对统计学相关的原理，概念进行了学习。统计学是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。统计学用到了大量的数学及其它学科的专业知识，其应用范围几乎覆盖了社会科学和自然科学的各个领域。本论文通过对统计学工具的应用，针对公司的投入进行分析，以得出分析结论。
北京交通大学 应用统计
1.3研究思路 研究框架图如下: 得出结论 分析数据 统计分析理论与数据结合 统计分析通信企业相关内外研究综述 通信企业年报分析 收集资料，确定研究框架 图1 论文研究框架图
1.4研究内容
本文通过搜索中兴通讯2009-2018年每年的年报，对其中的财务资料进行数据筛选，筛选出研发投入，销售投入，以及总收入。通过对这三个数据的分析，得出三者之间相关联的关系。
第二章 通信企业年报数据统计分析理论
2.1样本
2.1.1年报数据收集
从中兴通讯公司年报中摘录需要的财务数据，从使用者的角度看，统计数
北京交通大学 应用统计
据资料的来源主要有两种渠道：
一种是通过直接的调查或实验获得的原始数据，这是统计数据的直接来源，一般称为原始或第一手统计数据。
另一种是别人调查的数据，并将这些数据进行加工和汇总后公布的数据，通常称为次级数据或第二手间接的统计数据。一切间接的统计数据都是从原始的、第一手数据过渡而来的。
搜集数据最基本的形式就是进行统计调查或进行实验活动，统计调查或进行实验就是统计数据的直接来源。
统计调查是指根据统计研究预定的目的、要求和任务，运用科学的方法，有计划、有组织地向客观实际搜集资料的过程。通过统计调查得到的数据，一般称为观测数据。
实验法是直接获得统计数据的又一重要来源。通过实验法得到的数据就是实验数据。
数据的间接来源有：公开出版的统计数据。主要来自官方的统计部门和政府、组织、学校、科研机构。尚未公开发表的统计数据。如各企业的经营报表数据、专业调查咨询机构为公开发布的调查结果数据。
本次的数据从公开的公司年报中获取。
按照香港財務報告準則編製的本集團近五年主要財務資料
單位：百萬元人民幣
截至12月31日止年度 業績項目 2018年 2017年 2016年 （已重述） 收入 銷售成本 毛利
其他收入和收益 研發成本 銷售及分銷成本 管理費用 信用減值損失 金融資產處置損益 其他費用
85,513.2 (58,638.3) 26,874.9 4,247.8 (10,905.6) (9,084.5) (4,106.2) (3,654.9) 382.6 (8,978.3)
108,815.3 (76,116.5) 32,698.8 6,950.9 (12,962.2) (12,260.0) (3,237.7)
— — (3,184.9)
101,233.2 (71,312.5) 29,920.7 6,116.0 (11,689.2) (12,622.4) (2,731.0)
— — (8,651.0)
2015年 （已重述） 100,186.4 (70,968.3) 29,218.1 4,262.2 (11,168.2) (11,941.0) (2,514.1)
— — (2,347.7)
2014年 （已重述） 81,471.3 (57,634.0) 23,837.3 3,438.2 (8,010.5) (10,391.6) (2,138.1)
— — (1,582.3)
北京交通大学 应用统计
運營盈利 財務費用
應佔共同控制公司及 聯營公司溢利及虧損
(5,224.2) (1,328.7)
8,004.9 (1,157.8)
343.1 (1,156.1)
5,509.3 (1,269.1)
5,153.0 (1,561.7)
(797.3)
(128.2) 6,718.9 (1,332.6) 5,386.3
382.6
(316.8)
(417.0)
(501.3)
(6,983.7)
4,568.2
45.2 (767.8) (640.1) (1,407.9)
(448.2)
(501.3)
(2,357.4)
63.3 4,303.5 (563.2) 3,740.3
(115.8)
(416.6)
3,207.9
(53.0) 3,538.3 (810.6) 2,727.7
(94.1)
—
2,633.6
稅前利潤╱（虧損） 稅項
本年利潤╱（虧損） 歸屬於： 少數股東權益 歸屬於： 永續票據持有者 歸屬於：
母公司普通股股東
(7,350.2) 400.9 (6,949.3)
2.1.2数据的审核与筛选
将中兴通讯2009-2018年报中，需要统计的数据进行筛选，包括公司收入， 公司销售成本，公司研发成本，进行汇总记录。数据审核是指是指在进行数据整理之前对原始数据的审查和核对。对于通过调查取得的原始数据，主要从完整性和准确性两个方面去审核。通过各种渠道将统计数据搜集上来之后，首先应对这些数据进行加工整理，使之系统化、条理化，以符合分析的需要。数据整理通常包括数据的预处理、分类或分组、汇总等几个方面的内容，它是统计分析之前的必要步骤。 数据的预处理是数据分组整理的先前步骤，内容包括数据审核与数据筛选、数据排序等。
在对统计数据进行整理时，首先需要进行数据审核，以保证数据的质量，为进一步整理与分析打下基础。从不同渠道取得的统计数据，在审核的内容与方法上都有所不同。
对审核过程中发现的错误，应尽可能予以纠正，在调查结束后，当对数据中发现的错误不能予以纠正，或者有些数据不符合调查的要求而又无法弥补时，就需要对数据进行筛选。
北京交通大学 应用统计
数据排序是按一定顺序将数据排列，以便于研究者通过浏览数据发现一些明显的特征趋势或解决问题的线索，除此之外，排序还有助于对数据检查纠错，以及为重新归类分组等提供依据。在某些场合，排序本身就是分析的目的之一。对于通过直接调查取得的原始数据应主要从完整性和准确性两个方面去审核。完整性审核主要是检查应调查的单位或个体是否有遗漏，所有的调查项目或指标是否填写齐全等。准确性审核主要包括两个方面，一是检查数据资料是否真实地反映了客观实际情况，内容是否符合实际；二是检查数据是否有错误，计算是否正确等。审核数据准确性的方法主要有逻辑检查 数据的审核和计算检查 。
单位（百万） 收入 销售成本 研发成本 2009 69,906.70 -48,241.80 -7,092.00 2010 60,272.60 -41,667.80 -5,781.60 2011 44,293.40 -29,911.50 -3,994.10 2012 84,219.40 -65,545.50 -8,829.20 2013 75,233.70 -54,775.10 -7,383.90
单位（百万） 收入 销售成本 研发成本 2014 81,471.30 -57,759.00 -9,008.50 2015 100,186.40 -71,093.30 -12,200.50 2016 101,233.20 -71,609.40 -12,762.10 2017 108,815.30 -76,116.50 -12,962.20 2018 85,513.20 -58,638.30 -10,905.60 针对三行数据进行统计分析如下：
69906.7平均82359.83标准误差6847.297中位数84219.4众数#N/A标准差20541.89方差4.22E+08峰度0.029033偏度-0.65554区域64521.9最小值44293.4最大值108815.3求和741238.5观测数9置信度(95.0%15789.948241.8平均58568.49标准误差5007.569中位数58638.3众数#N/A标准差15022.71方差2.26E+08峰度0.198164偏度-0.87651区域46205最小值29911.5最大值76116.5求和527116.4观测数9置信度(95.0%11547.487092平均9314.189标准误差1059.983中位数9008.5众数#N/A标准差3179.95方差10112083峰度-0.99578偏度-0.42174区域8968.1最小值3994.1最大值12962.2求和83827.7观测数9置信度(95.0%2444.326
北京交通大学 应用统计
2.2Excel进行数据的整理与展示 2.2.1数据的频数分布和条形图
针对获取的数据，做直观的条形图分析。
年报金额统计 150,000.00 100,000.00 50,000.00 0.00 2009年 2010年 2011年 2012年 2013年 2014年 2015年 2016年 2017年 2018年 -50,000.00 -100,000.00 收入 销售成本 研发成本
年报金额统计 150,000.00 100,000.00 50,000.00 0.00 0 -50,000.00 -100,000.00 收入 销售成本 研发成本 2 4 6 8 10 12
北京交通大学 应用统计
第三章 分析研发投入、销售投入对营业额的影响
3.1相关性分析
相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两
个变量因素的相关密切程度。相关性的元素之间需要存在一定的联系或者概率才可以进行相关性分析。例如，人的身高和体重之间；空气中的相对湿度与降雨量之间的相关关系都是相关分析研究的问题。相关分析与回归分析之间的区别：回归分析侧重于研究随机变量间的依赖关系，以便用一个变量去预测另一个变量;相关分析侧重于发现随机变量间的种种相关特性。
通过Excel对数据进行相关性分析结果如下：
2009年收入销售成本69,906.7048,241.802010年60,272.6041,667.802011年44,293.4029,911.502012年84,219.4065,545.502013年75,233.7054,775.102014年57,759.002015年71,093.302016年71,609.402017年76,116.502018年85,513.2058,638.3081,471.30100,186.40101,233.20108,815.30收入收入销售成本2009年收入研发成本69,906.707,092.00销售成本1 2014年9,008.5010.9880532013年75,233.707,383.902010年60,272.605,781.602011年44,293.403,994.102012年84,219.408,829.202015年12,200.502016年12,762.102017年12,962.202018年85,513.2010,905.6081,471.30100,186.40101,233.20108,815.30 收入收入研发成本10.979742
研发成本1
北京交通大学 应用统计
根据相关分析的结果，研发投入和销售投入与营业额之间为显著相关的关系。 3.2多元线性回归分析
在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，
一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。因此多元线性回归比一元线性回归的实用意义更大。
通过Excel对数据进行多元线性回归分析分析结果如下：
收入 销售成本 研发成本 2009年 69,906.70 48,241.80 7,092.00 2010年 60,272.60 41,667.80 5,781.60 2011年 44,293.40 29,911.50 3,994.10 2012年 84,219.40 65,545.50 8,829.20 2013年 75,233.70 54,775.10 7,383.90 2014年 81,471.30 57,759.00 9,008.50 2015年 100,186.40 71,093.30 12,200.50
北京交通大学 应用统计
2016年 101,233.20 71,609.40 12,762.10 2017年 108,815.30 76,116.50 12,962.20 2018年 85,513.20 58,638.30 10,905.60
SUMMARY OUTPUT回归统计Multiple R0.997053R Square0.994115Adjusted R 0.992434标准误差1719.109观测值10方差分析df回归分析残差总计SSMSFSignificance F23.49E+091.75E+09591.24271.56E-08720687340295533493.52E+09t Stat3.832296.3801014.609897P-valueLower 95%Upper 95%下限 95.0%上限 95.0%0.0064394037.93417049.344037.93417049.340.0003740.5016191.0924020.5016191.0924020.0024551.3239364.112561.3239364.11256Coefficients标准误差Intercept10543.642751.263X Variable 0.7970110.124921X Variable 2.7182480.589655RESIDUAL OUTPUT观测值12345678910预测 Y68270.6759469.1345240.3786784.0574271.2481065.5100369.7102307.6106443.886923.1残差1636.026803.4657-946.971-2564.65962.4608405.7954-183.33-1074.442371.537-1409.9标准残差1.0790940.529952-0.62461-1.691590.6348220.267655-0.12092-0.708681.564224-0.92995PROBABILITY OUTPUT百分比排位Y544293.41560272.62569906.73575233.74581471.35584219.46585513.275100186.485101233.295108815.3 2
逐行说明如下：
北京交通大学 应用统计
Multiple对应的数据是相关系数(correlation coefficient)，R Square对应的数值为测定系数(determination coefficient)，或称拟合优度(goodness of fit)，它是相关系数的平方。Adjusted对应的是校正测定系数(adjusted determination coefficient)。方差分析部分包括自由度、误差平方和、均方差、F值、P值等
X Variable 1 Residual Plot 4000 2000 残差 0 -2000 0.00 -4000 20,000.00 40,000.00 60,000.00 80,000.00 X Variable 1 X Variable 1 Line Fit Plot 150,000.00 Y 100,000.00 50,000.00 0.00 0.00 20,000.00 40,000.00 60,000.00 80,000.00 X Variable 1 Y 预测 Y
X Variable 2 Line Fit Plot 150,000.00 Y 100,000.00 50,000.00 0.00 0.00 5,000.00 10,000.00 15,000.00 X Variable 2 Y 预测 Y
北京交通大学 应用统计
X Variable 2 Residual Plot 4000 残差 2000 0 -2000 0.00 -4000 5,000.00 10,000.00 15,000.00 X Variable 2
Normal Probability Plot 150000 Y 100000 50000 0 0 20 40 60 80 100 Sample Percentile 第六章 结论与展望
6.1 结论
综上所述，研发投入和销售投入在企业营业额方面有着重要的作用，研发的大量投入，促进了企业在产品方面的大量产出，同时，获得较好的技术优势，更高的市场份额。从而促进企业营业额的大幅增长。销售方面的投入，也对营业额的增长有显著的影响作用，在市场格局的突破等方面，带来营业额的增长。
可见，通信公司为了提高自己的营业额，可以从公司的研发投入与销售投入两方面着手，科技强国，全面提高企业的收入能力。
因篇幅问题不能全部显示，请点此查看更多更全内容