常用數據的分析方法有哪些

在我們生活中，越來越多的數據出現。出現數據了怎麼辦?當然是要分析啊!下面，小編為大家分享常用數據的分析方法，希望對大家有所幫助!

　　列聯表分析

用於分析離散變量或定型變量之間是否存在相關。

對於二維表，可進行卡方檢驗，對於三維表，可作Mentel-Hanszel分層分析。

列聯表分析還包括配對計數資料的卡方檢驗、行列均為順序變量的相關檢驗。

　　相關分析

研究現象之間是否存在某種依存關係，對具體有依存關係的現象探討相關方向及相關程度。

1、單相關： 兩個因素之間的相關關係叫單相關，即研究時只涉及一個自變量和一個因變量;

2、複相關 ：三個或三個以上因素的相關關係叫複相關，即研究時涉及兩個或兩個以上的自變量和因變量相關;

3、偏相關：在某一現象與多種現象相關的場合，當假定其他變量不變時，其中兩個變量之間的相關關係稱為偏相關。

　　方差分析

使用條件：各樣本須是相互獨立的隨機樣本;各樣本來自正態分佈總體;各總體方差相等。

分類

1、單因素方差分析：一項試驗只有一個影響因素，或者存在多個影響因素時，只分析一個因素與響應變量的關係

2、多因素有交互方差分析：一頊實驗有多個影響因素，分析多個影響因素與響應變量的關係，同時考慮多個影響因素之間的關係

3、多因素無交互方差分析：分析多個影響因素與響應變量的關係，但是影響因素之間沒有影響關係或忽略影響關係

4、協方差分祈：傳統的方差分析存在明顯的弊端，無法控制分析中存在的某些隨機因素，使之影響了分祈結果的準確度。協方差分析主要是在排除了協變量的影響後再對修正後的主效應進行方差分析，是將線性迴歸與方差分析結合起來的一種分析方法。

　　描述統計

描述性統計是指運用製表和分類，圖形以及計筠概括性數據來描述數據的集中趨勢、離散趨勢、偏度、峯度。

1、缺失值填充：常用方法：剔除法、均值法、最小鄰居法、比率迴歸法、決策樹法。

2、正態性檢驗：很多統計方法都要求數值服從或近似服從正態分佈，所以之前需要進行正態性檢驗。常用方法：非參數檢驗的K-量檢驗、P-P圖、Q-Q圖、W檢驗、動差法。

　　假設檢驗

1、參數檢驗

參數檢驗是在已知總體分佈的條件下(一股要求總體服從正態分佈)對一些主要的參數(如均值、百分數、方差、相關係數等)進行的檢驗 。

1)U驗 使用條件：當樣本含量n較大時，樣本值符合正態分佈

2)T檢驗 使用條件：當樣本含量n較小時，樣本值符合正態分佈

A單樣本t檢驗：推斷該樣本來自的總體均數μ與已知的某一總體均數μ0 (常為理論值或標準值)有無差別;

B 配對樣本t檢驗：當總體均數未知時，且兩個樣本可以配對，同對中的兩者在可能會影響處理效果的各種條件方面?Q為相似;

C 兩獨立樣本t檢驗：無法找到在各方面極為相似的兩樣本作配對比較時使用。

2、非參數檢驗

非參數檢驗則不考慮總體分佈是否已知，常常也不是針對總體參數，而是針對總體的某些一股性假設(如總體分佈的位?是否相同，總體分佈是否正態)進行檢驗。

適用情況：順序類型的數據資料，這類數據的分佈形態一般是未知的。

A 雖然是連續數據，但總體分佈形態未知或者非正態;

B 體分佈雖然正態，數據也是連續類型，但樣本容量極小，如10以下;

主要方法包括：卡方檢驗、秩和檢驗、二項檢驗、遊程檢驗、K-量檢驗等。

　　信度分析

檢?瞬飭康目尚哦齲??緄韃槲示淼惱媸敵浴?/p>

分類：

1、外在信度：不同時間測量時量表的一致性程度，常用方法重測信度

2、內在信度;每個量表是否測量到單一的概念，同時組成兩表的內在體項一致性如何，常用方法分半信度。

　　迴歸分析

分類：

1、一元線性迴歸分析：只有一個自變量X與因變量Y有關，X與Y都必須是連續型變量，因變量y或其殘差必須服從正態分佈。

2、多元線性迴歸分析

使用條件：分析多個自變量與因變量Y的關係，X與Y都必須是連續型變量，因變量y或其殘差必須服從正態分佈 。

1)變呈篩選方式：選擇最優迴歸方程的變裏篩選法包括全橫型法(CP法)、逐步迴歸法，向前引入法和向後剔除法

2)橫型診斷方法：

A 殘差檢驗： 觀測值與估計值的差值要艱從正態分佈

B 強影響點判斷：尋找方式一般分為標準誤差法、Mahalanobis距離法

C 共線性診斷：

·診斷方式：容忍度、方差擴大因子法(又稱膨脹係數VIF)、特徵根判定法、條件指針CI、方差比例

·處理方法：增加樣本容量或選取另外的迴歸如主成分迴歸、嶺迴歸等

3、Logistic迴歸分析

線性迴歸模型要求因變量是連續的正態分佈變裏，且自變量和因變量呈線性關係，而Logistic迴歸模型對因變量的分佈沒有要求，一般用於因變量是離散時的情況

分類：

Logistic迴歸模型有條件與非條件之分，條件Logistic迴歸模型和非條件Logistic迴歸模型的區別在於參數的估計是否用到了條件概率。

4、其他迴歸方法 非線性迴歸、有序迴歸、Probit迴歸、加權迴歸等

　　聚類分析

樣本個體或指標變量按其具有的特性進行分類，尋找合理的度量事物相似性的統計量。

1、性質分類：

Q型聚類分析：對樣本進行分類處理，又稱樣本聚類分祈 使用距離係數作為統計量衡量相似度，如歐式距離、極端距離、絕對距離等

R型聚類分析：對指標進行分類處理，又稱指標聚類分析 使用相似係數作為統計量衡量相似度，相關係數、列聯繫數等

2、方法分類：

1)系統聚類法： 適用於小樣本的樣本聚類或指標聚類，一般用系統聚類法來聚類指標，又稱分層聚類

2)逐步聚類法 ：適用於大樣本的樣本聚類

3)其他聚類法 ：兩步聚類、K均值聚類等

　　判別分析

1、判別分析：根據已掌握的一批分類明確的樣品建立判別函數，使產生錯判的事例最少，進而對給定的一個新樣品，判斷它來自哪個總體。