如何选择数据分析方法

数据分析技术层面须把握三大关键：变量、数据分析方法、变量和方法的关联

认识数据分析方法：对数据进行统计分析时，选择正确的分析方法是非常重要的。选择统计分析方法时，必须考虑许多因素，主要有：

（1）统计分析的目的，

（2）所用变量的特征，

（3）对变量所作的假定，

（4）数据的收集方法（即抽样过程）。

选择统计分析方法时一般考虑前两个因素就足够了。

小样本并且两个变量服从双正态分布，则用pearson相关系数做统计分析

大样本或两个变量不服从双正态分布，则用spearman相关系数进行统计分析

2、两个变量均为有序分类变量，可以用spearman相关系数进行统计分析

3、一个变量为有序分类变量，另一个变量为连续型变量，可以用spearman相关系数进行统计分析

【2】回归分析

1、直线回归：

如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变量无趋势变化，则直线回归（单个自变量的线性回归，称为简单回归），否则应作适当的变换，使其满足上述条件。

2、多重线性回归：

应变量（y）为连续型变量（即计量资料），自变量（x1，x2，…，xp）可以为连续型变量、有序分类变量或二分类变量。如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变量无趋势变化，可以作多重线性回归。

观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素

实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用

3、二分类的logistic回归：

应变量为二分类变量，自变量（x1，x2，…，xp）可以为连续型变量、有序分类变量或二分类变量。

非配对的情况：用非条件logistic回归

(1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素

(2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用

配对的情况：用条件logistic回归

(1)观察性研究：可以用逐步线性回归寻找（拟）主要的`影响因素

(2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用

4、有序多分类有序的logistic回归：

应变量为有序多分类变量，自变量（x1，x2，…，xp）可以为连续型变量、有序分类变量或二分类变量。

观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素

实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用

5、无序多分类有序的logistic回归：

应变量为无序多分类变量，自变量（x1，x2，…，xp）可以为连续型变量、有序分类变量或二分类变量。

观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素

实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用

如何选择数据分析方法 [篇2]

把握两个关键

1、抓住业务问题不放松。您费大力气收集数据的动机是什么？你想解决什么问题？这是核心，是方向，这是业务把握层面。

2、全面理解数据。哪些变量，什么类型？适合或者可以用什么统计方法，这是数据分析技术层面。须把握三大关键：变量、数据分析方法、变量和方法的关联。

认识变量认识数据分析方法

选择合适的数据分析方法是非常重要的。选择数据分析（统计分析）方法时，必须考虑许多因素，主要有：

1、数据分析的目的，

2、所用变量的特征，

3、对变量所作的假定，

4、数据的收集方法。选择统计分析方法时一般考虑前两个因素就足够了。

将变量与分析方法关联、对应起来