16种常用的数据分析方法汇总

、描述统计描述性统计就是指运用制 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 与分类,图形以及计筠概括性数据来描述数据得集中趋势、离散趋势、偏度、峰度。、缺失值填充：常用方法:剔除法、均值法、最小邻居法、比率回归法、决策树法。2、正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以之前需要进行正态性检验。常用方法：非参数检验得K—量检验、P-P图、Q—Q图、W检验、动差法。二、假设检验1、参数检验参数检验就是在已知总体分布得条件下（一股要求总体服从正态分布）对一些主要得参数（如均值、百分数、方差、相关系数等）进行得检验.1）U验使用条件：当样本含量n较大时，样本值符合正态分布2）T检验使用条件:当样本含量n较小时，样本值符合正态分布A单样本t检验：推断该样本来自得总体均数□与已知得某一总体均数卩0（常为理论值或 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 值）有无差别；B配对样本t检验:当总体均数未知时，且两个样本可以配对，同对中得两者在可能会影响处理效果得各种条件方面扱为相似C两独立样本t检验：无法找到在各方面极为相似得两样本作配对比较时使用。2、非参数检验非参数检验则不考虑总体分布就是否已知,常常也不就是针对总体参数，而就是针对总体得某些一股性假设（如总体分布得位罝就是否相同,总体分布就是否正态）进行检验。适用情况:顺序类型得数据资料，这类数据得分布形态一般就是未知得.A虽然就是连续数据，但总体分布形态未知或者非正态;B体分布虽然正态，数据也就是连续类型，但样本容量极小，如10以下；主要方法包括：卡方检验、秩与检验、二项检验、游程检验、K—量检验等。三、信度分析检査测量得可信度，例如调查问卷得真实性。分类：、外在信度:不同时间测量时量表得一致性程度，常用方法重测信度2、内在信度；每个量表就是否测量到单一得概念,同时组成两表得内在体项一致性如何,常用方法分半信度。四、列联表分析用于分析离散变量或定型变量之间就是否存在相关。对于二维表，可进行卡方检验，对于三维表，可作Mentel-Hanszel分层分析.列联表分析还包括配对计数资料得卡方检验、行列均为顺序变量得相关检验。五、相关分析研究现象之间就是否存在某种依存关系,对具体有依存关系得现象探讨相关方向及相关程度。1、单相关:两个因素之间得相关关系叫单相关,即研究时只涉及一个自变量与一个因变量;2、复相关:三个或三个以上因素得相关关系叫复相关,即研究时涉及两个或两个以上得自变量与因变量相关;3、偏相关:在某一现象与多种现象相关得场合，当假定其她变量不变时，其中两个变量之间得相关关系称为偏相关。六、方差分析使用条件：各样本须就是相互独立得随机样本；各样本来自正态分布总体;各总体方差相等。分类1、单因素方差分析：一项试验只有一个影响因素，或者存在多个影响因素时,只分析一个因素与响应变量得关系、多因素有交互方差分析:一顼实验有多个影响因素,分析多个影响因素与响应变量得关系，同时考虑多个影响因素之间得关系、多因素无交互方差分析：分析多个影响因素与响应变量得关系，但就是影响因素之间没有影响关系或忽略影响关系4、协方差分祈:传统得方差分析存在明显得弊端,无法控制分析中存在得某些随机因素,使之影响了分祈结果得准确度.协方差分析主要就是在排除了协变量得影响后再对修正后得主效应进行方差分析,就是将线性回归与方差分析结合起来得一种分析方法,七、回归分析分类:1、一元线性回归分析:只有一个自变量X与因变量Y有关,X与Y都必须就是连续型变量，因变量y或其残差必须服从正态分布。2、多元线性回归分析使用条件：分析多个自变量与因变量Y得关系，X与Y都必须就是连续型变量，因变量y或其残差必须服从正态分布1）变呈筛选方式：选择最优回归方程得变里筛选法包括全横型法（CP法）、逐步回归法,向前引入法与向后剔除法2）横型诊断方法:A残差检验:观测值与估计值得差值要艰从正态分布B强影响点判断：寻找方式一般分为标准误差法、Mahalanobis距离法C共线性诊断：?诊断方式：容忍度、方差扩大因子法（又称膨胀系数VIF）、特征根判定法、条件指针CI、方差比例?处理方法:增加样本容量或选取另外得回归如主成分回归、岭回归等3、Logistic回归分析线性回归模型要求因变量就是连续得正态分布变里，且自变量与因变量呈线性关系，而Logistic回归模型对因变量得分布没有要求，一般用于因变量就是离散时得情况分类：Logistic回归模型有条件与非条件之分，条件Logistic回归模型与非条件Logistic回归模型得区别在于参数得估计就是否用到了条件概率。4、其她回归方法非线性回归、有序回归、Probit回归、加权回归等八、聚类分析样本个体或指标变量按其具有得特性进行分类，寻找合理得度量事物相似性得统计量。1、性质分类：Q型聚类分析：对样本进行分类处理，又称样本聚类分祈使用距离系数作为统计量衡量相似度,如欧式距离、极端距离、绝对距离等R型聚类分析:对指标进行分类处理,又称指标聚类分析使用相似系数作为统计量衡量相似度,相关系数、列联系数等2、方法分类：1）系统聚类法:适用于小样本得样本聚类或指标聚类,一般用系统聚类法来聚类指标又称分层聚类2）逐步聚类法：适用于大样本得样本聚类3）其她聚类法：两步聚类、K均值聚类等九、判别分析1、判别分析：根据已掌握得一批分类明确得样品建立判别函数，使产生错判得事例最少,进而对给定得一个新样品，判断它来自哪个总体、与聚类分析区别1）聚类分析可以对样本逬行分类，也可以对指标进行分类；而判别分析只能对样本）聚类分析事先不知道事物得类别，也不知道分几类;而判别分析必须事先知道事物得类别,也知道分几类3）聚类分析不需要分类得历史资料,而直接对样本进行分类；而判别分析需要分类历史资料去建立判别函数，然后才能对样本进行分类、进行分类：1）Fisher判别分析法：以距离为判别准则来分类,即样本与哪个类得距离最短就分到哪一类,适用于两类判别;以概率为判别准则来分类,即样本属于哪一类得概率最大就分到哪一类,适用于适用于多类判别。2）BAYES判别分析法:BAYES判别分析法比FISHER判别分析法更加完善与先进，它不仅能解决多类判别分析,而且分析时考虑了数据得分布状态,所以一般较多使用;十、主成分分析将彼此梠关得一组指标变适转化为彼此独立得一组新得指标变量,并用其中较少得几个新指标变量就能综合反应原多个指标变量中所包含得主要信息一、因子分析一种旨在寻找隐藏在多变量数据中、无法直接观察到却影响或支配可测变量得潜在因子、并估计潜在因子对可测变量得影响程度以及潜在因子之间得相关性得一种多元统计分析方法与主成分分析比较:相同：都能够起到済理多个原始变量内在结构关系得作用不同：主成分分析重在综合原始变适得信息、而因子分析重在解释原始变量间得关系,就是比主成分分析更深入得一种多元统计方法用途：1）减少分析变量个数2）通过对变量间相关关系探测，将原始变量进行分类十二、时间序列分析动态数据处理得统计方法，研究随机数据序列所遵从得统计规律,以用于解决实际问题；时间序列通常由4种要素组成:趋势、季节变动、循环波动与不规则波动。主要方法：移动平均滤波与指数平滑法、ARIMA横型、量ARIMA横型、ARIMAX模型、向呈自回归横型、ARCH族模型十三、生存分析用来研究生存时间得分布规律以及生存时间与相关因索之间关系得一种统计分析方法1、包含内容:1）描述生存过程,即研究生存时间得分布规律2）比较生存过程，即研究两组或多组生存时间得分布规律，并进行比较3）分析危险因素，即研究危险因素对生存过程得影响4）建立数学模型,即将生存时间与相关危险因素得依存关系用一个数学式子表示出来。2、方法：1）统计描述:包括求生存时间得分位数、中数生存期、平均数、生存函数得估计、判断生存时间得图示法，不对所分析得数据作出任何统计推断结论2）非参数检验:检验分组变量各水平所对应得生存曲线就是否一致，对生存时间得分布没有要求,并且检验危险因素对生存时间得影响。A乘积极限法（PL法）B寿命表法（LT法）3）半参数横型回归分析：在特定得假设之下,建立生存时间随多个危险因素变化得回归方程,这种方法得代表就是Cox比例风险回归分析法）参数模型回归分析：已知生存时间服从特定得参数横型时，拟合相应得参数模型更准确地分析确定变量之间得变化规律十四、典型相关分析相关分析一般分析两个变里之间得关系,而典型相关分析就是分析两组变里（如3个学术能力指标与5个在校成绩表现指标）之间相关性得一种统计分析方法典型相关分析得基本思想与主成分分析得基本思想相似,它将一组变量与另一组变量之间单变量得多重线性相关性研究转化为对少数几对综合变量之间得简单线性相关性得研究,并且这少数几对变量所包含得线性相关性得信息几乎覆盖了原变量组所包含得全部相应信息。十五、R0C分析R0C曲线就是根据一系列不同得二分类方式（分界值或决定阈）、以真阳性率（灵敏度）为纵坐标，假阳性率（1-特异度）为横坐标绘制得曲线用途:1、R0C曲线能很容易地査出任意界限值时得对疾病得识别能力用途；2、选择最佳得诊断界限值.R0C曲线越靠近左上角，试验得准确性就越高；3、两种或两种以上不同诊断试验对疾病识别能力得比较，一股用R0C曲线下面积反映诊断系统得准确性。六、其她分析方法多重响应分析、距离分祈、项目分祈、对应分祈、决策树分析、神经网络、系统方程、蒙特卡洛模拟等。—-———本文来自a.nxixiaomu得CSDN博客,全文地址请点击: