数据分析方法有哪些 _数据分析

【数据分析方法有哪些】一、描述性统计
描述性统计是一类统计方法的汇总，揭示来自了数据分布特性。它主要包括数据的频数分析、数据的集中趋势分析、数据离散程度分析、数据的分布以及一些基本的统计图形。
1足夫而围留建、缺失值填充：常用方法有剔除法、均值法、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扒败早正态分布，360问答所以在做数据分析之前需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q巴生金图、W检验、动差法景。
二、回归分析
回归分析是应用极其广泛的数据分析方法之一。它基于观测数据建立变量间适当的依赖关系，以分析数据内在规律。
1.一元线性分析
只有一个自变量细期深并再势自肥常季X与因变量Y有关，X与Y都必须是连续型变量，因变量Y或其残差必须服从正态分论换及乱挥八往布。
2.多元线性回归分析
使用条件：分析多个自变量X与因变量Y的关系，X与Y都必须是连续型变量，因变量Y或其残差必须服从正态分布。
3.Logistic回归分析
线性回归模型要求因变量是连续的正态分布变量，且自变量和因变量呈线性关系，而Logistic回归模型环扩突陈张击拉对因变量的枯液分布没有要求，一般用于因变量是离散时的情况。
4.其他回归方法：非线性回归、有序回归、Probit裂被究识促材类回归、加权回归等。
三、方著黑奏差倍差分析
使用条件：各样本须是相互独立的随机样本；各样本来自止信交正态分布总体；各总体方差相等。
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的关系。
2.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的关系，同时考虑多个影响因素之间的关系
3.多因素无交互方差分析：分析多个影响因素与响应变量的关系，但是假及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：传统的方差分析存在明显的弊端，无法控制分析中存在的某些随机因素，春雀降低了分析有哪价复放斯放华台群约结果的准确度。协方差分析主除够要是在排除了协变量的影响后再对修正后的主效应进行方差分析，是将线性回归与方差分析结合起来的一种分析方法。
四、假值推初固沉觉阳斤市族概设检验
1.参数检验
烧分道未机何拉叶封参数检验是在已知总体分布的条件下（一股要求总体服左陈从正态分布）对一些主要的参频左双器放息事衣随数(如均值、百分数、方差、相关系数等）进行的检验。
2.非参数检验
非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一般性展假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。
适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。
1）虽然是连续数据，但总体分布形态未知或者非正态；
2）总体分布虽然正态，数据也是连续类型，但样本容量极小，如10以下；
主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。

数据分析方法有哪些

猜你喜欢