常用的统计分析方法

分析方法

频率分析

主要用于查看数据基本分布特征，数据清晰，各种统计量、基本报告数据源等

数据探索

探索性分析主要是从统计的角度查看统计量来评估数据分布，主要用于异常值侦测、正态分布检验、数据分段、分位点测算等

交叉表分析

交叉分析、是市场研究的主要工作，大部分研究分析均使用，主要用于分析报告和分析数据源，各种图表等，当然其中也有卡方检验和T检验，寻找差异

表(Table)分析

类似于Excel的数据透视表，连续数据和离散数据均可使用，也可以用作卡方检验和T检验

卡方检验

它属于非参数检验的范畴，主要是比较两个以及两个以上样本率（构成比）以及两个分类变量的关联性分析。其根本思想就是在于比较理论频数和实际频数的吻合程度或拟合优度问题

T检验

假设检验方法，主要用于比较两个总体均值的差异是否显著

方差分析

超过两个总体的均值检验，也经常用于实验设计后的检验问题

相关分析

线性相关性，只有变量呈现相关我们呢才能进行影响关系的研究，但是记住主要是线性相关，不相关不代表没有关系

变量处理

相关性分析

研究不同变量间是否有关系，以及关系密切程度的一种常用的统计方法

适用场景

发现数据间的关系，发现市场上决定性的或显著的属性，例如对于选择不同品牌的重要和有显著区别的属性

回归分析

回归分析是确定两种或者两种以上变量间相互依赖的定量关系的一种统计分析方法。相关分析研究的是现象之间是否相关，一般不区别自变量或者因变量，而回归分析要分析现象之间相关的具体形式，确定其因果关系，并且用数据模型来表现其具体关系。应用于满意度研究、消费者研究、市场预测以及一些专业技术研究等方面。在实际应用中，回归分析根据变量的数目划分为二元变量回归和多元变量回归，回归的形式包括线性回归和非线性回归等。

• 通常，线性回归是常用的一种方法，二元线性回归的方程表示为：Y = C + bx + e
• 多元线性回归方程与线性回归相似，但是有更多的独立变量，其线性方程表示为：Y = c + b1x1 + b2x2 + b3x3 +…+ e
  
  

聚类分析

是指把具有某种类似相似特征的物体或者事物归为一类的方法和技巧。目的在于辨别在某些特性上相似的事物，并且按照这些特性将样本划分为若干类（群），使得在同一类内的事物具有高度的同质性，而不同类的事物则有高度的异质性。

聚类分析主要用于

• 进行市场细分
• 定量用户画像
• 流失用户分群
• 为市场测试确定相匹配的城市
• 在市场结构分析中识别竞争者
• 对产品进行分类
• 确定分层抽样的层次

因子分析

其基本目的就是用少数几个因子去描述许多指标或因素之间的联系（即抽象和降维）。常用其他技术联合使用，应用于满意度研究，市场细分研究中

• 目前因子分析包括探索性因子分析（Exploratory Factor Ana-lysis, EFA）和验证性因子分析（Confirmatory Factor Analysis， CFA）
• 在实际应用中，通过因子得分可以得出不同因子的重要性指标，而管理者则根据这些指标的重要性决策需要首先解决的市场问题或者产品问题

判别分析

这种分析方法能够依据样本某种特性，以判别样本所属类型。与聚类分析不同的是，判别分析是在已知研究对象可用某种方法分成若干类的前提下，建立判别函数，用以判定未知对象属性已知分类中的哪一类

• 在市场研究中，判别分析主要用于对一个企业进行市场细分，以选择目标市场，有针对性地进行广告、促销等活动。
• 判别分析的普通公式为：Z = b1 * X1 + b2 * X2 + b3 *X3 + …+bn * Xn其中，Z为判别值；b为判断系数，x为自变量

对应分析

这是一种多元统计分析技术，主要分析定性数据Category Data方法，也是强有力的数据图示技术，也是强有力的市场研究分析技术。

• 对应分析的基本思想是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示
• 它最大特点是能把众多的样品和众多的变量同时作到同一张图解上，将样品的大类及其属性在图上直观而且又明了的表示出来，具有直观性
• 对应分析应用在市场细分，产品定位等场景
• 对应分析可以分为简单对应分析和多重对应分析
• 当研究设计的分类变量类别比较多的时候，可以得到更加精确，更加全面的分类变量间关联的结果

路径分析

路径分析是探索和分析事物内部复杂的因果关系的一种统计方法。多元回归分析将所有自变量置于相同的位置，其假设过于简单，不能揭示事物之间的复杂因果关系，例如自变量和因变量之间相互影响关系的情况

结构方程

结构方程模型是一种建立、估计和检验因果关系模型的方法。模型中既包含有可观测的因变量，也可能包含无法直接观测的潜在变量，能够同时处理多个因变量。结构方程模型可以代替多重回归、通径分析、因子分析、协方差分析等方法，清晰分析单项指标对总体的作用和单项指标间的相互关系

• 使用Amos或者LISRAL来完成，可以用来分析复杂的变量关系

应用场景

• 用户满意度模型指标的建立
• 产品使用驱动力研究
• 流失用户影响因素分析
  

应用场景总结

分析路线指导图

标签：分析,统计分析,变量,研究,回归,常用,检验,因子分析,方法
来源： https://blog.csdn.net/Kobe123brant/article/details/111773446