如何選擇數據分析方法

數據分析技術層面須把握三大關鍵：變量、數據分析方法、變量和方法的關聯

認識數據分析方法：對數據進行統計分析時，選擇正確的分析方法是非常重要的。選擇統計分析方法時，必須考慮許多因素，主要有：

（1）統計分析的目的，

（2）所用變量的特徵，

（3）對變量所作的假定，

（4）數據的收集方法（即抽樣過程）。

選擇統計分析方法時一般考慮前兩個因素就足夠了。

小樣本並且兩個變量服從雙正態分佈，則用pearson相關係數做統計分析

大樣本或兩個變量不服從雙正態分佈，則用spearman相關係數進行統計分析

2、兩個變量均為有序分類變量，可以用spearman相關係數進行統計分析

3、一個變量為有序分類變量，另一個變量為連續型變量，可以用spearman相關係數進行統計分析

【2】迴歸分析

1、直線迴歸：

如果迴歸分析中的殘差服從正態分佈（大樣本時無需正態性），殘差與自變量無趨勢變化，則直線迴歸（單個自變量的線性迴歸，稱為簡單迴歸），否則應作適當的變換，使其滿足上述條件。

2、多重線性迴歸：

應變量（y）為連續型變量（即計量資料），自變量（x1，x2，…，xp）可以為連續型變量、有序分類變量或二分類變量。如果迴歸分析中的殘差服從正態分佈（大樣本時無需正態性），殘差與自變量無趨勢變化，可以作多重線性迴歸。

觀察性研究：可以用逐步線性迴歸尋找（擬）主要的影響因素

實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，以校正這些混雜因素對結果的混雜作用

3、二分類的logistic迴歸：

應變量為二分類變量，自變量（x1，x2，…，xp）可以為連續型變量、有序分類變量或二分類變量。

非配對的情況：用非條件logistic迴歸

(1)觀察性研究：可以用逐步線性迴歸尋找（擬）主要的影響因素

(2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，以校正這些混雜因素對結果的混雜作用

配對的情況：用條件logistic迴歸

(1)觀察性研究：可以用逐步線性迴歸尋找（擬）主要的`影響因素

(2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，以校正這些混雜因素對結果的混雜作用

4、有序多分類有序的logistic迴歸：

應變量為有序多分類變量，自變量（x1，x2，…，xp）可以為連續型變量、有序分類變量或二分類變量。

觀察性研究：可以用逐步線性迴歸尋找（擬）主要的影響因素

實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，以校正這些混雜因素對結果的混雜作用

5、無序多分類有序的logistic迴歸：

應變量為無序多分類變量，自變量（x1，x2，…，xp）可以為連續型變量、有序分類變量或二分類變量。

觀察性研究：可以用逐步線性迴歸尋找（擬）主要的影響因素

實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，以校正這些混雜因素對結果的混雜作用

如何選擇數據分析方法 [篇2]

把握兩個關鍵

1、抓住業務問題不放鬆。您費大力氣收集數據的動機是什麼？你想解決什麼問題？這是核心，是方向，這是業務把握層面。

2、全面理解數據。哪些變量，什麼類型？適合或者可以用什麼統計方法，這是數據分析技術層面。須把握三大關鍵：變量、數據分析方法、變量和方法的關聯。

認識變量認識數據分析方法

選擇合適的數據分析方法是非常重要的。選擇數據分析（統計分析）方法時，必須考慮許多因素，主要有：

1、數據分析的目的，

2、所用變量的特徵，

3、對變量所作的假定，

4、數據的收集方法。選擇統計分析方法時一般考慮前兩個因素就足夠了。

將變量與分析方法關聯、對應起來