面对海量数据，你应该选择哪种数据分析方法.doc

《面对海量数据，你应该选择哪种数据分析方法.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、面对海量数据，你应该选择哪种数据分析方法？如题，您是如何开展的呢？您会选择什么样的数据分析方法呢？您是否看着数据感到迷茫，无所适从。看完此篇，相信您会得到帮助。两大层面决定您应该怎么开始。  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。这是关键，这是数据分析技术层面。 关于业务目的，目标，要解决的问题本篇暂放在一边，但业务问题是最基本的问题，这一点一定要交代清楚。本篇主要涉及数据分析的技术层面。 数据分析技术层面须把握三大

2、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：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。           ·将变量与分析方法关联  推荐阅读1：人大经济论坛帖子 【1】变量之间的关联性分析 1、两个变量均为连续型变量·

3、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

4、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   

5、   (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，…，X

6、p）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 

7、 推荐阅读2：本篇资料主要参考自《实用现代统计分析方法及SPSS应用》，最终编辑：数据小兵