现代统计分析方法分类

一  定性变量的统计分析

　　多项分布与X检验
　　 列联表分析

　　一致性检验

　　拟合优度检验

二、回归分析

　　概述：考察变量之间的数量变化规律，确定自变量和因变量之间的数学关系式，建立回归方程，对回归方程进行各种统计检验，并能进行预测。

三、均值分析

　　概述：均值分析过程计算指定变量的综合描述统计量，包括反映总体特征的分析和离散态势两部分。其中分析包括统计量均值、总和两项；离散态势包括统计量最小值、最大值、标准差、方差、极差和均值标准差六项。

 四、频率分析

　　概述：对数据按组进行归纳整理，形成变量取不同值的频数分析表，形成对数据的数量特征和观测量分布状况的总体认识。

五、描述分析

　　对数据进行分组统计分析，得出应变量的聚集态势、离散态势、异常值的各指标、比例表、茎叶图、盒状图。

  六、相关分析

　　相关分析是对客观事物数量依存关系分析的一种方法，它主要刻画两类变量间线性相关的密切程度，其两个变量x、y全是随机变量，且处于平等的地位。两变量之间的相关关系可以通过绘制散点图或计算相关系数来反映。本部分包括二元变量相关分析和偏相关分析。

七、方差分析

　　进行单变量方差分析，即检验两个及两个以上彼此独立的样本是否来自均值相同的总体。本过程要求分析变量为正态分布，否则应该选择卡方检验或多样本检验所包括的某些功能。

八、多样本检验

　　推断样本来自的多个独立总体的分布是否存在显著性差异。其方法是：推断多个独立总体的均值或中位数是否存在显著性差异。多样本检验提供了常用的两种检验方法:Kruskalwall H和中位数检验法。

九、一元线性回归

十、 多元线性回归

十一、  逐步回归

　　根据预先设定的选入和剔除的标准进行变量筛选。首先分别计算各自变量对y的贡献大小，按由大到小挑选贡献最大的一个先进入方程；随后重新计算各自变量对y的贡献,并考察已在方程中的变量是否由于新变量的引入而不再有统计意义。如果是，则将它剔除，并重新计算各自变量对y的贡献。如仍有变量低于入选标准，则继续考虑剔除，直到方程内没有变量可以剔除，方程外没有变量可引入为止。

十二、 聚类分析

　　 距离和相似系数
　　 系统聚类法

十三、模糊聚类分析

　　概述：聚类分析是一种研究事物分类的方法，其目的是把分类对象按一定的规则分为若干类，这些类不是事先给定的，而是根据数据的特征确定的。通俗的讲，聚类分析法是用来对资料做简化的工作及分类，也就是把相似的个体（观察量）归于一群。

十四、因子分析

　　因子分析是主成分分析的推广，它也是一种把多个变量化为少数几个综合变量的多元分析方法。