集中分析的方法論述

1. 統計學中常用的數據分析方法有哪些

1、描述統計

描述統計是通過圖表或數學方法，對數據資料進行整理、分析，並對數據的分布狀態、數字特徵和隨機變數之間關系進行估計和描述的方法。描述統計分為集中趨勢分析、離中趨勢分析和相關分析三大部分。

2、假設檢驗

參數檢驗：參數檢驗是在已知總體分布的條件下(一般要求總體服從正態分布)對一些主要的參數(如均值、百分數、方差、相關系數等)進行的檢驗。

非參數檢驗則不考慮總體分布是否已知，常常也不是針對總體參數，而是針對總體的某些一股性假設(如總體分布的位罝是否相同，總體分布是否正態)進行檢驗。

3、信服分析

介紹：信度(Reliability)即可靠性，它是指採用同樣的方法對同一對象重復測量時所得結果的一致性程度。

信度指標多以相關系數表示，大致可分為三類：穩定系數(跨時間的一致性)，等值系數(跨形式的一致性)和內在一致性系數(跨項目的一致性)。信度分析的方法主要有以下四種：重測信度法、復本信度法、折半信度法、α信度系數法。

2. 統計學方法有哪些

一、描述統計

描述統計是通過圖表或數學方法，對數據資料進行整理、分析，並對數據的分布狀態、數字特徵和隨機變數之間關系進行估計和描述的方法。描述統計分為集中趨勢分析和離中趨勢分析和相關分析三大部分。

集中趨勢分析：集中趨勢分析主要靠平均數、中數、眾數等統計指標來表示數據的集中趨勢。例如被試的平均成績多少？是正偏分布還是負偏分布？

離中趨勢分析：離中趨勢分析主要靠全距、四分差、平均差、方差（協方差：用來度量兩個隨機變數關系的統計量）、標准差等統計指標來研究數據的離中趨勢。例如，我們想知道兩個教學班的語文成績中，哪個班級內的成績分布更分散，就可以用兩個班級的四分差或百分點來比較。

相關分析：相關分析探討數據之間是否具有統計學上的關聯性。這種關系既包括兩個數據之間的單一相關關系——如年齡與個人領域空間之間的關系，也包括多個數據之間的多重相關關系——如年齡、抑鬱症發生率、個人領域空間之間的關系；既包括A大B就大(小)，A小B就小(大)的直線相關關系，也可以是復雜相關關系（A=Y-B*X）；既可以是A、B變數同時增大這種正相關關系，也可以是A變數增大時B變數減小這種負相關，還包括兩變數共同變化的緊密程度——即相關系數。實際上，相關關系唯一不研究的數據關系，就是數據協同變化的內在根據——即因果關系。獲得相關系數有什麼用呢？簡而言之，有了相關系數，就可以根據回歸方程，進行A變數到B變數的估算，這就是所謂的回歸分析，因此，相關分析是一種完整的統計研究方法，它貫穿於提出假設，數據研究，數據分析，數據研究的始終。

例如，我們想知道對監獄情景進行什麼改造，可以降低囚徒的暴力傾向。我們就需要將不同的囚舍顏色基調、囚舍綠化程度、囚室人口密度、放風時間、探視時間進行排列組合，然後讓每個囚室一種實驗處理，然後用因素分析法找出與囚徒暴力傾向的相關系數最高的因素。假定這一因素為囚室人口密度，我們又要將被試隨機分入不同人口密度的十幾個囚室中生活，繼而得到人口密度和暴力傾向兩組變數（即我們討論過的A、B兩列變數）。然後，我們將人口密度排入X軸，將暴力傾向分排入Y軸，獲得了一個很有價值的圖表，當某典獄長想知道，某囚舍擴建到N人/間囚室，暴力傾向能降低多少。我們可以當前人口密度和改建後人口密度帶入相應的回歸方程，算出擴建前的預期暴力傾向和擴建後的預期暴力傾向，兩數據之差即典獄長想知道的結果。

推論統計：

推論統計是統計學乃至於心理統計學中較為年輕的一部分內容。它以統計結果為依據，來證明或推翻某個命題。具體來說,就是通過分析樣本與樣本分布的差異，來估算樣本與總體、同一樣本的前後測成績差異，樣本與樣本的成績差距、總體與總體的成績差距是否具有顯著性差異。例如，我們想研究教育背景是否會影響人的智力測驗成績。可以找100名24歲大學畢業生和100名24歲初中畢業生。採集他們的一些智力測驗成績。用推論統計方法進行數據處理，最後會得出類似這樣兒的結論：「研究發現，大學畢業生組的成績顯著高於初中畢業生組的成績，二者在0.01水平上具有顯著性差異，說明大學畢業生的一些智力測驗成績優於中學畢業生組。」

其中，如果用EXCEL 來求描述統計。其方法是：工具-載入宏-勾選"分析工具庫"，然後關閉Excel然後重新打開，工具菜單就會出現"數據分析"。描述統計是「數據分析」內一個子菜單，在做的時候，記得要把方格輸入正確。最好直接點選。

2、正態性檢驗：很多統計方法都要求數值服從或近似服從正態分布，所以之前需要進行正態性檢驗。常用方法：非參數檢驗的K-量檢驗、P-P圖、Q-Q圖、W檢驗、動差法。

二、假設檢驗

1、參數檢驗

參數檢驗是在已知總體分布的條件下（一股要求總體服從正態分布）對一些主要的參數(如均值、百分數、方差、相關系數等）進行的檢驗。

1）U驗 ：使用條件：當樣本含量n較大時，樣本值符合正態分布

2）T檢驗 使用條件：當樣本含量n較小時，樣本值符合正態分布

A 單樣本t檢驗：推斷該樣本來自的總體均數μ與已知的某一總體均數μ0 (常為理論值或標准值)有無差別；

B 配對樣本t檢驗：當總體均數未知時，且兩個樣本可以配對，同對中的兩者在可能會影響處理效果的各種條件方面扱為相似；

C 兩獨立樣本t檢驗：無法找到在各方面極為相似的兩樣本作配對比較時使用。

2、非參數檢驗

非參數檢驗則不考慮總體分布是否已知，常常也不是針對總體參數，而是針對總體的某些一股性假設（如總體分布的位罝是否相同，總體分布是否正態）進行檢驗。

適用情況：順序類型的數據資料，這類數據的分布形態一般是未知的。

A 雖然是連續數據，但總體分布形態未知或者非正態；

B 體分布雖然正態，數據也是連續類型，但樣本容量極小，如10以下；

主要方法包括：卡方檢驗、秩和檢驗、二項檢驗、遊程檢驗、K-量檢驗等。

三、信度分析

介紹：信度（Reliability）即可靠性，它是指採用同樣的方法對同一對象重復測量時所得結果的一致性程度。信度指標多以相關系數表示，大致可分為三類：穩定系數（跨時間的一致性），等值系數（跨形式的一致性）和內在一致性系數（跨項目的一致性）。信度分析的方法主要有以下四種：重測信度法、復本信度法、折半信度法、α信度系數法。

方法：（1）重測信度法編輯：這一方法是用同樣的問卷對同一組被調查者間隔一定時間重復施測，計算兩次施測結果的相關系數。顯然，重測信度屬於穩定系數。重測信度法特別適用於事實式問卷，如性別、出生年月等在兩次施測中不應有任何差異，大多數被調查者的興趣、愛好、習慣等在短時間內也不會有十分明顯的變化。如果沒有突發事件導致被調查者的態度、意見突變，這種方法也適用於態度、意見式問卷。由於重測信度法需要對同一樣本試測兩次，被調查者容易受到各種事件、活動和他人的影響，而且間隔時間長短也有一定限制，因此在實施中有一定困難。

（2）復本信度法編輯：讓同一組被調查者一次填答兩份問卷復本，計算兩個復本的相關系數。復本信度屬於等值系數。復本信度法要求兩個復本除表述方式不同外，在內容、格式、難度和對應題項的提問方向等方面要完全一致，而在實際調查中，很難使調查問卷達到這種要求，因此採用這種方法者較少。

（3）折半信度法編輯：折半信度法是將調查項目分為兩半，計算兩半得分的相關系數，進而估計整個量表的信度。折半信度屬於內在一致性系數，測量的是兩半題項得分間的一致性。這種方法一般不適用於事實式問卷（如年齡與性別無法相比），常用於態度、意見式問卷的信度分析。在問卷調查中，態度測量最常見的形式是5級李克特（Likert）量表（李克特量表(Likert scale)是屬評分加總式量表最常用的一種，屬同一構念的這些項目是用加總方式來計分，單獨或個別項目是無意義的。它是由美國社會心理學家李克特於1932年在原有的總加量表基礎上改進而成的。該量表由一組陳述組成，每一陳述有"非常同意"、"同意"、"不一定"、"不同意"、"非常不同意"五種回答，分別記為5、4、3、2、1，每個被調查者的態度總分就是他對各道題的回答所得分數的加總，這一總分可說明他的態度強弱或他在這一量表上的不同狀態。）。進行折半信度分析時，如果量表中含有反意題項，應先將反意題項的得分作逆向處理，以保證各題項得分方向的一致性，然後將全部題項按奇偶或前後分為盡可能相等的兩半，計算二者的相關系數（rhh，即半個量表的信度系數），最後用斯皮爾曼-布朗（Spearman-Brown）公式：求出整個量表的信度系數（ru）。

（4）α信度系數法編輯：Cronbach
α信度系數是目前最常用的信度系數，其公式為：

α=(k/(k-1))*(1-(∑Si^2)/ST^2)

其中，K為量表中題項的總數， Si^2為第i題得分的題內方差， ST^2為全部題項總得分的方差。從公式中可以看出，α系數評價的是量表中各題項得分間的一致性，屬於內在一致性系數。這種方法適用於態度、意見式問卷（量表）的信度分析。

總量表的信度系數最好在0.8以上，0.7-0.8之間可以接受；分量表的信度系數最好在0.7以上，0.6-0.7還可以接受。Cronbach 's alpha系數如果在0.6以下就要考慮重新編問卷。

檢査測量的可信度，例如調查問卷的真實性。

分類：

1、外在信度：不同時間測量時量表的一致性程度，常用方法重測信度

2、內在信度；每個量表是否測量到單一的概念，同時組成兩表的內在體項一致性如何，常用方法分半信度。

四、列聯表分析

列聯表是觀測數據按兩個或更多屬性（定性變數）分類時所列出的頻數表。

簡介：一般，若總體中的個體可按兩個屬性A、B分類，A有r個等級A1,A2,…，Ar，B有c個等級B1,B2,…，Bc,從總體中抽取大小為n的樣本，設其中有nij個個體的屬性屬於等級Ai和Bj，nij稱為頻數，將r×c個nij排列為一個r行c列的二維列聯表，簡稱r×c表。若所考慮的屬性多於兩個，也可按類似的方式作出列聯表，稱為多維列聯表。

列聯表又稱交互分類表，所謂交互分類，是指同時依據兩個變數的值，將所研究的個案分類。交互分類的目的是將兩變數分組，然後比較各組的分布狀況，以尋找變數間的關系。

用於分析離散變數或定型變數之間是否存在相關。

列聯表分析的基本問題是，判明所考察的各屬性之間有無關聯，即是否獨立。如在前例中，問題是：一個人是否色盲與其性別是否有關？在r×с表中，若以pi、pj和pij分別表示總體中的個體屬於等級Ai，屬於等級Bj和同時屬於Ai、Bj的概率（pi，pj稱邊緣概率，pij稱格概率）,「A、B兩屬性無關聯」的假設可以表述為H0：pij=pi·pj，(i=1，2，…，r；j=1,2,…，с)，未知參數pij、pi、pj的最大似然估計（見點估計）分別為行和及列和（統稱邊緣和）

為樣本大小。根據K.皮爾森(1904)的擬合優度檢驗或似然比檢驗（見假設檢驗）,當h0成立，且一切pi>0和pj>0時，統計量的漸近分布是自由度為(r－1)(с－1) 的Ⅹ分布，式中Eij=(ni·nj)/n稱為期望頻數。當n足夠大，且表中各格的Eij都不太小時，可以據此對h0作檢驗：若Ⅹ值足夠大，就拒絕假設h0，即認為A與B有關聯。在前面的色覺問題中，曾按此檢驗，判定出性別與色覺之間存在某種關聯。

需要注意：

若樣本大小n不很大,則上述基於漸近分布的方法就不適用。對此，在四格表情形，R.A.費希爾(1935)提出了一種適用於所有n的精確檢驗法。其思想是在固定各邊緣和的條件下，根據超幾何分布（見概率分布），可以計算觀測頻數出現任意一種特定排列的條件概率。把實際出現的觀測頻數排列，以及比它呈現更多關聯跡象的所有可能排列的條件概率都算出來並相加，若所得結果小於給定的顯著性水平，則判定所考慮的兩個屬性存在關聯，從而拒絕h0。

對於二維表，可進行卡方檢驗，對於三維表，可作Mentel-Hanszel分層分析。

列聯表分析還包括配對計數資料的卡方檢驗、行列均為順序變數的相關檢驗。

五、相關分析

研究現象之間是否存在某種依存關系，對具體有依存關系的現象探討相關方向及相關程度。

1、單相關： 兩個因素之間的相關關系叫單相關，即研究時只涉及一個自變數和一個因變數；

2、復相關 ：三個或三個以上因素的相關關系叫復相關，即研究時涉及兩個或兩個以上的自變數和因變數相關；

3、偏相關：在某一現象與多種現象相關的場合，當假定其他變數不變時，其中兩個變數之間的相關關系稱為偏相關。

六、方差分析

使用條件：各樣本須是相互獨立的隨機樣本；各樣本來自正態分布總體；各總體方差相等。

分類

1、單因素方差分析：一項試驗只有一個影響因素，或者存在多個影響因素時，只分析一個因素與響應變數的關系

2、多因素有交互方差分析：一頊實驗有多個影響因素，分析多個影響因素與響應變數的關系，同時考慮多個影響因素之間的關系

3、多因素無交互方差分析：分析多個影響因素與響應變數的關系，但是影響因素之間沒有影響關系或忽略影響關系

4、協方差分祈：傳統的方差分析存在明顯的弊端，無法控制分析中存在的某些隨機因素，使之影響了分祈結果的准確度。協方差分析主要是在排除了協變數的影響後再對修正後的主效應進行方差分析，是將線性回歸與方差分析結合起來的一種分析方法，

七、回歸分析

分類：

1、一元線性回歸分析：只有一個自變數X與因變數Y有關，X與Y都必須是連續型變數，因變數y或其殘差必須服從正態分布。

2、多元線性回歸分析

使用條件：分析多個自變數與因變數Y的關系，X與Y都必須是連續型變數，因變數y或其殘差必須服從正態分布 。

1）變呈篩選方式：選擇最優回歸方程的變里篩選法包括全橫型法（CP法）、逐步回歸法，向前引入法和向後剔除法

2）橫型診斷方法：

A 殘差檢驗： 觀測值與估計值的差值要艱從正態分布

B 強影響點判斷：尋找方式一般分為標准誤差法、Mahalanobis距離法

C 共線性診斷：

• 診斷方式：容忍度、方差擴大因子法(又稱膨脹系數VIF)、特徵根判定法、條件指針CI、方差比例

• 處理方法：增加樣本容量或選取另外的回歸如主成分回歸、嶺回歸等

3、Logistic回歸分析

線性回歸模型要求因變數是連續的正態分布變里，且自變數和因變數呈線性關系，而Logistic回歸模型對因變數的分布沒有要求，一般用於因變數是離散時的情況

分類：

Logistic回歸模型有條件與非條件之分，條件Logistic回歸模型和非條件Logistic回歸模型的區別在於參數的估計是否用到了條件概率。

4、其他回歸方法 非線性回歸、有序回歸、Probit回歸、加權回歸等

八、聚類分析

聚類與分類的不同在於，聚類所要求劃分的類是未知的。

聚類是將數據分類到不同的類或者簇這樣的一個過程，所以同一個簇中的對象有很大的相似性，而不同簇間的對象有很大的相異性。

從統計學的觀點看，聚類分析是通過數據建模簡化數據的一種方法。傳統的統計聚類分析方法包括系統聚類法、分解法、加入法、動態聚類法、有序樣品聚類、有重疊聚類和模糊聚類等。採用k-均值、k-中心點等演算法的聚類分析工具已被加入到許多著名的統計分析軟體包中，如SPSS、SAS等。

從機器學習的角度講，簇相當於隱藏模式。聚類是搜索簇的無監督學習過程。與分類不同，無監督學習不依賴預先定義的類或帶類標記的訓練實例，需要由聚類學習演算法自動確定標記，而分類學習的實例或數據對象有類別標記。聚類是觀察式學習，而不是示例式的學習。

聚類分析是一種探索性的分析，在分類的過程中，人們不必事先給出一個分類的標准，聚類分析能夠從樣本數據出發，自動進行分類。聚類分析所使用方法的不同，常常會得到不同的結論。不同研究者對於同一組數據進行聚類分析，所得到的聚類數未必一致。

從實際應用的角度看，聚類分析是數據挖掘的主要任務之一。而且聚類能夠作為一個獨立的工具獲得數據的分布狀況，觀察每一簇數據的特徵，集中對特定的聚簇集合作進一步地分析。聚類分析還可以作為其他演算法（如分類和定性歸納演算法）的預處理步驟。

定義：

依據研究對象（樣品或指標）的特徵，對其進行分類的方法，減少研究對象的數目。

各類事物缺乏可靠的歷史資料，無法確定共有多少類別，目的是將性質相近事物歸入一類。

各指標之間具有一定的相關關系。

聚類分析(cluster
analysis)是一組將研究對象分為相對同質的群組(clusters)的統計分析技術。聚類分析區別於分類分析(classification
analysis) ，後者是有監督的學習。

變數類型：定類變數、定量（離散和連續）變數

樣本個體或指標變數按其具有的特性進行分類，尋找合理的度量事物相似性的統計量。

1、性質分類：

Q型聚類分析：對樣本進行分類處理，又稱樣本聚類分祈使用距離系數作為統計量衡量相似度，如歐式距離、極端距離、絕對距離等

R型聚類分析：對指標進行分類處理，又稱指標聚類分析使用相似系數作為統計量衡量相似度，相關系數、列聯系數等

2、方法分類：

1）系統聚類法：適用於小樣本的樣本聚類或指標聚類，一般用系統聚類法來聚類指標，又稱分層聚類

2）逐步聚類法：適用於大樣本的樣本聚類

3）其他聚類法：兩步聚類、K均值聚類等

九、判別分析

1、判別分析：根據已掌握的一批分類明確的樣品建立判別函數，使產生錯判的事例最少，進而對給定的一個新樣品，判斷它來自哪個總體

2、與聚類分析區別

1）聚類分析可以對樣本逬行分類，也可以對指標進行分類；而判別分析只能對樣本

2）聚類分析事先不知道事物的類別，也不知道分幾類；而判別分析必須事先知道事物的類別，也知道分幾類

3）聚類分析不需要分類的歷史資料，而直接對樣本進行分類；而判別分析需要分類歷史資料去建立判別函數，然後才能對樣本進行分類

3、進行分類 ：

1）Fisher判別分析法 ：

以距離為判別准則來分類，即樣本與哪個類的距離最短就分到哪一類，適用於兩類判別；

以概率為判別准則來分類，即樣本屬於哪一類的概率最大就分到哪一類，適用於

適用於多類判別。

2）BAYES判別分析法 ：

BAYES判別分析法比FISHER判別分析法更加完善和先進，它不僅能解決多類判別分析，而且分析時考慮了數據的分布狀態，所以一般較多使用；

十、主成分分析

介紹：主成分分析（Principal
Component Analysis，PCA）， 是一種統計方法。通過正交變換將一組可能存在相關性的變數轉換為一組線性不相關的變數，轉換後的這組變數叫主成分。

在實際課題中，為了全面分析問題，往往提出很多與此有關的變數（或因素），因為每個變數都在不同程度上反映這個課題的某些信息。

主成分分析首先是由K.皮爾森（Karl Pearson）對非隨機變數引入的，爾後H.霍特林將此方法推廣到隨機向量的情形。信息的大小通常用離差平方和或方差來衡量。

將彼此梠關的一組指標變適轉化為彼此獨立的一組新的指標變數，並用其中較少的幾個新指標變數就能綜合反應原多個指標變數中所包含的主要信息。

原理：在用統計分析方法研究多變數的課題時，變數個數太多就會增加課題的復雜性。人們自然希望變數個數較少而得到的信息較多。在很多情形，變數之間是有一定的相關關系的，當兩個變數之間有一定相關關系時，可以解釋為這兩個變數反映此課題的信息有一定的重疊。主成分分析是對於原先提出的所有變數，將重復的變數（關系緊密的變數）刪去多餘，建立盡可能少的新變數，使得這些新變數是兩兩不相關的，而且這些新變數在反映課題的信息方面盡可能保持原有的信息。

設法將原來變數重新組合成一組新的互相無關的幾個綜合變數，同時根據實際需要從中可以取出幾個較少的綜合變數盡可能多地反映原來變數的信息的統計方法叫做主成分分析或稱主分量分析，也是數學上用來降維的一種方法。

缺點： 1、在主成分分析中，我們首先應保證所提取的前幾個主成分的累計貢獻率達到一個較高的水平（即變數降維後的信息量須保持在一個較高水平上），其次對這些被提取的主成分必須都能夠給出符合實際背景和意義的解釋（否則主成分將空有信息量而無實際含義）。

2、主成分的解釋其含義一般多少帶有點模糊性，不像原始變數的含義那麼清楚、確切，這是變數降維過程中不得不付出的代價。因此，提取的主成分個數m通常應明顯小於原始變數個數p（除非p本身較小），否則維數降低的「利」可能抵不過主成分含義不如原始變數清楚的「弊」。

十一、因子分析

一種旨在尋找隱藏在多變數數據中、無法直接觀察到卻影響或支配可測變數的潛在因子、並估計潛在因子對可測變數的影響程度以及潛在因子之間的相關性的一種多元統計分析方法

與主成分分析比較：

相同：都能夠起到治理多個原始變數內在結構關系的作用

不同：主成分分析重在綜合原始變適的信息.而因子分析重在解釋原始變數間的關系，是比主成分分析更深入的一種多元統計方法

用途：

1）減少分析變數個數

2）通過對變數間相關關系探測，將原始變數進行分類

十二、時間序列分析

動態數據處理的統計方法，研究隨機數據序列所遵從的統計規律，以用於解決實際問題；時間序列通常由4種要素組成：趨勢、季節變動、循環波動和不規則波動。

主要方法：移動平均濾波與指數平滑法、ARIMA橫型、量ARIMA橫型、ARIMAX模型、向呈自回歸橫型、ARCH族模型

時間序列是指同一變數按事件發生的先後順序排列起來的一組觀察值或記錄值。構成時間序列的要素有兩個：其一是時間，其二是與時間相對應的變數水平。實際數據的時間序列能夠展示研究對象在一定時期內的發展變化趨勢與規律，因而可以從時間序列中找出變數變化的特徵、趨勢以及發展規律，從而對變數的未來變化進行有效地預測。

時間序列的變動形態一般分為四種：長期趨勢變動，季節變動，循環變動，不規則變動。

時間序列預測法的應用：

系統描述：根據對系統進行觀測得到的時間序列數據，用曲線擬合方法對系統進行客觀的描述；

系統分析：當觀測值取自兩個以上變數時，可用一個時間序列中的變化去說明另一個時間序列中的變化，從而深入了解給定時間序列產生的機理；

預測未來：一般用ARMA模型擬合時間序列，預測該時間序列未來值；

決策和控制：根據時間序列模型可調整輸入變數使系統發展過程保持在目標值上，即預測到過程要偏離目標時便可進行必要的控制。

特點：

假定事物的過去趨勢會延伸到未來；

預測所依據的數據具有不規則性；

撇開了市場發展之間的因果關系。

①時間序列分析預測法是根據市場過去的變化趨勢預測未來的發展，它的前提是假定事物的過去會同樣延續到未來。事物的現實是歷史發展的結果，而事物的未來又是現實的延伸，事物的過去和未來是有聯系的。市場預測的時間序列分析法，正是根據客觀事物發展的這種連續規律性，運用過去的歷史數據，通過統計分析，進一步推測市場未來的發展趨勢。市場預測中，事物的過去會同樣延續到未來，其意思是說，市場未來不會發生突然跳躍式變化，而是漸進變化的。

時間序列分析預測法的哲學依據，是唯物辯證法中的基本觀點，即認為一切事物都是發展變化的，事物的發展變化在時間上具有連續性，市場現象也是這樣。市場現象過去和現在的發展變化規律和發展水平，會影響到市場現象未來的發展變化規律和規模水平；市場現象未來的變化規律和水平，是市場現象過去和現在變化規律和發展水平的結果。

需要指出，由於事物的發展不僅有連續性的特點，而且又是復雜多樣的。因此，在應用時間序列分析法進行市場預測時應注意市場現象未來發展變化規律和發展水平，不一定與其歷史和現在的發展變化規律完全一致。隨著市場現象的發展，它還會出現一些新的特點。因此，在時間序列分析預測中，決不能機械地按市場現象過去和現在的規律向外延伸。必須要研究分析市場現象變化的新特點，新表現，並且將這些新特點和新表現充分考慮在預測值內。這樣才能對市場現象做出既延續其歷史變化規律，又符合其現實表現的可靠的預測結果。

②時間序列分析預測法突出了時間因素在預測中的作用，暫不考慮外界具體因素的影響。時間序列在時間序列分析預測法處於核心位置，沒有時間序列，就沒有這一方法的存在。雖然，預測對象的發展變化是受很多因素影響的。但是，運用時間序列分析進行量的預測，實際上將所有的影響因素歸結到時間這一因素上，只承認所有影響因素的綜合作用，並在未來對預測對象仍然起作用，並未去分析探討預測對象和影響因素之間的因果關系。因此，為了求得能反映市場未來發展變化的精確預測值，在運用時間序列分析法進行預測時，必須將量的分析方法和質的分析方法結合起來，從質的方面充分研究各種因素與市場的關系，在充分分析研究影響市場變化的各種因素的基礎上確定預測值。

需要指出的是，時間序列預測法因突出時間序列暫不考慮外界因素影響，因而存在著預測誤差的缺陷，當遇到外界發生較大變化，往往會有較大偏差，時間序列預測法對於中短期預測的效果要比長期預測的效果好。因為客觀事物，尤其是經濟現象，在一個較長時間內發生外界因素變化的可能性加大，它們對市場經濟現象必定要產生重大影響。如果出現這種情況，進行預測時，只考慮時間因素不考慮外界因素對預測對象的影響，其預測結果就會與實際狀況嚴重不符。

3. 什麼是集中趨勢分析

集中趨勢在統計學中是指一組數據向某一中心值靠攏的程度，它反映了一組數據中心點的位置所在。

4. 數據分析的基本方法有哪些

數據分析的三個常用方法：
1. 數據趨勢分析
趨勢分析一般而言，適用於產品核心指標的長期跟蹤，比如，點擊率，GMV，活躍用戶數等。做出簡單的數據趨勢圖，並不算是趨勢分析，趨勢分析更多的是需要明確數據的變化，以及對變化原因進行分析。
趨勢分析，最好的產出是比值。在趨勢分析的時候需要明確幾個概念：環比，同比，定基比。環比是指，是本期統計數據與上期比較，例如2019年2月份與2019年1月份相比較，環比可以知道最近的變化趨勢，但是會有些季節性差異。為了消除季節差異，於是有了同比的概念，例如2019年2月份和2018年2月份進行比較。定基比更好理解，就是和某個基點進行比較，比如2018年1月作為基點，定基比則為2019年2月和2018年1月進行比較。
比如：2019年2月份某APP月活躍用戶數我2000萬，相比1月份，環比增加2%，相比去年2月份，同比增長20%。趨勢分析另一個核心目的則是對趨勢做出解釋，對於趨勢線中明顯的拐點，發生了什麼事情要給出合理的解釋，無論是外部原因還是內部原因。
2. 數據對比分析
數據的趨勢變化獨立的看，其實很多情況下並不能說明問題，比如如果一個企業盈利增長10%，我們並無法判斷這個企業的好壞，如果這個企業所處行業的其他企業普遍為負增長，則5%很多，如果行業其他企業增長平均為50%，則這是一個很差的數據。
對比分析，就是給孤立的數據一個合理的參考系，否則孤立的數據毫無意義。在此我向大家推薦一個大數據技術交流圈： 658558542 突破技術瓶頸，提升思維能力 。
一般而言，對比的數據是數據的基本面，比如行業的情況，全站的情況等。有的時候，在產品迭代測試的時候，為了增加說服力，會人為的設置對比的基準。也就是A/B test。
比較試驗最關鍵的是A/B兩組只保持單一變數，其他條件保持一致。比如測試首頁改版的效果，就需要保持A/B兩組用戶質量保持相同，上線時間保持相同，來源渠道相同等。只有這樣才能得到比較有說服力的數據。
3. 數據細分分析
在得到一些初步結論的時候，需要進一步地細拆，因為在一些綜合指標的使用過程中，會抹殺一些關鍵的數據細節，而指標本身的變化，也需要分析變化產生的原因。這里的細分一定要進行多維度的細拆。常見的拆分方法包括：
分時 ：不同時間短數據是否有變化。
分渠道 ：不同來源的流量或者產品是否有變化。
分用戶 ：新注冊用戶和老用戶相比是否有差異，高等級用戶和低等級用戶相比是否有差異。
分地區 ：不同地區的數據是否有變化。
組成拆分 ：比如搜索由搜索片語成，可以拆分不同搜索詞;店鋪流量由不用店鋪產生，可以分拆不同的店鋪。
細分分析是一個非常重要的手段，多問一些為什麼，才是得到結論的關鍵，而一步一步拆分，就是在不斷問為什麼的過程。

5. 社會調查集中趨勢分析是什麼意思能否舉個例子

集中趨勢分析是用各種起代表值作用的量度來反映變數數值趨向中心位置的一種資料分析方法。在正常狀態下，一些現象有趨向於中心位置的情況，這種趨向於集中的均衡形態，是自然界的一種平衡現象。所以，在對研究資料的分析中，如果能夠了解一種趨向於中心位置的數值，就可用它來代表此項資料的一般情況。而對這一中心值的測度即為集中量的測度。
如一項研究顯示了某地學齡前兒童平均每天看3.5時左右的電視。假如把這一數值用於集中趨勢的測度，它就可以代表該地任何一個學齡前兒童每天花費在電視上的時間。對現象進行集中趨勢測度的方法主要有眾數、中位數、幾何平均數、調合平均數和算術平均數等。

6. 4、簡述集中趨勢分析的作用與缺陷

一、趨勢線
1、所謂趨勢線，就是根據股價上下變動的趨勢所畫出的線路，畫趨勢線的目的，即依其脈絡尋找出恰當的賣點與買點。趨勢線可分為上升趨勢線，下降趨勢線與橫向整理趨勢線。
2、股價在上升行情時，除了在連接股價波動的低點畫一直線外，也應在連接股價波動的高點畫一直線，於是股價便在這兩條直線內上下波動，這就是上升趨勢軌道。股價在下跌行情時，除了連接股價波動的高點畫一直線外，也要在股價波動的低點畫一條直線，股價在這兩條直線內上下波動，這就是下跌趨勢軌道。股價在橫向整理時可形成橫向箱型趨勢線。
二、利用趨勢軌道決定買賣點
1、無論是在上升或下跌趨勢軌道中，當股價觸及上方的壓力線時，就是賣出的時機;當股價觸及下方的支撐線時，就是買進的時機。
2、若在上升趨勢軌道中，發現股價突破上方的壓力線時，證明新的上升趨勢線即將產生。
3、同理，若在下跌趨勢中，發現股價突破下方的支撐線時，可能新的下跌趨勢軌道即將產生。
4、股價在上升行情時，一波的波峰會比前一波峰高，一波的波谷會比前一波谷高;而在下跌行情時，一波的波峰比前一波峰低，一波的的波谷會比前一波谷低。
5、處於上升趨勢軌道中，若發現股價無法觸及上方的壓力線時，即表示漲勢趨弱了。
三、幾種趨勢分析
1、上升趨勢分析
股價上升趨勢線是指股價上升波段中, 股價底部之連接線而言, 這連接而成之上升趨勢線通常相當規則, 在上升趨勢線的股價波動上畫一條與上升趨勢線平行的線, 這條平行線又稱返回線。
【買賣點分析】
(1)在股價上升趨勢中，當股價下跌而觸及股價上升趨勢線時，便是絕佳的買點(買進信號)，投資者可酌量買進股票。
(2)當股價上升而觸及股價上升趨勢線之返回線時，便是股票絕佳之賣點(賣出信號)，投資者可將手中的持股賣掉。
(3)上升趨勢的波段分析認為：上升分三波段, 每一波段上升幅度皆同，投資者可以等幅測量，比如第一波由45元上升至60元，拉回50元，第二波由50元上升至65元，拉回55元，第三波可上升至65元左右。
【行情分析】
一個多頭行情主要由原始、次級或短期上升波動所組成，股價一波比一波高，每兩個底部低點即可連成一條上升趨勢線。一般而言，原始上升趨勢線較為平緩，歷經時間較長，而次級或短期上升趨勢線較為陡峭，其歷經時間有時甚短。
(1)原始上升趨勢線：一般多頭市場的原始上升趨勢線的建立往往歷經相當長時間(短則一二年長則四五年)的波動, 其上升仰角較小, 約為30°～45°。
(2)短期上升趨勢線：指多頭市場之各次級滾動，以各波之底部低點為基準點向上延伸，其經歷之時間較短，一般為數日或數周。其上升仰角較陡，約為45°～60°，有時甚至在60度角以上(尤其在多頭市場初期最易出現)。
(3)上升趨勢線之支撐與壓力：在股價上升趨勢中，遇到以往密集成交區或其他阻力位，在某個股價價位上，賣壓很大，足以阻止股價上升，或進行使上升走勢的股價反轉下跌，這種情況便是股逢壓力。
2、整理趨勢分析
矩形整理在股市亦稱為箱形整理。股價在某一價格區間上下移動，移動軌道由兩條平行於橫軸的平行線所界定，其形狀就像幾何圖形的矩形或長方形。
箱形整理形態通常出現在股價上升走勢或下跌走勢的初期或中期，若箱形出現在股價上升走勢或下跌走勢之末期，往往形成反轉形態，而非整理形態。
(1)箱形整理形態一般在股價上升波完成或下跌波完成之後出現。 (2)成交量配合箱形整理的完成，起初大量而逐步萎縮，一直到股價突破箱形整理為止。(3)股價最遲必須在三至四周內按預定的方向突破。
向上突破初期時箱形向上平移;向下跌破時箱形向下平移，暴漲暴跌的情況除外。若不符合上述特徵，箱形整理有可能失敗而成為箱形反轉。
3、下降趨勢分析
(1)下跌趨勢線之形成：一個空頭行情是由原始，次級或短期下跌波動所構成，股價一波比一波低，每兩個反彈之高點即可連成一條下跌趨勢線，一般而言，原始下跌趨勢線較為平緩，經歷時間較長，而次級或短期下跌趨勢線較為陡峭，其經歷時間有時甚短。
原始下跌趨勢線：一般空頭市場的原始下跌趨勢線經歷的時間較原始上升趨勢線為短，約為一至二年，其下降之角度較為平緩約為30°～45°。
趨勢理論的缺陷：
一、趨勢理論主要目標乃探討股市的基本趨勢(PrimaryTrend)。一旦基本趨勢確立，趨勢理論假設這種趨勢會一路持續，直到趨勢遇到外來因素破壞而改變為止。好像物理學里牛頓定律所說，所有物體移動時都會以直線發展，除非有額外因素力量加諸其上。但有一點要注意的是，趨勢理論只推斷股市的大勢所趨，卻不能推動大趨勢裡面的升幅或者跌幅將會達到哪個程度。
二、趨勢理論每次都要兩種指數互相確認，這樣做已經慢了半拍，走失了最好的進貨和出貨機會。
三、趨勢理論對選股沒有幫助。
四、趨勢理論注重長期趨勢，對中期趨勢，特別是在不知是牛還是熊的情況下，不能帶給投資者明確啟示。

7. 綜合分析方法

綜合分析方法是以遙感填圖方法為主，同時結合地球物理、岩石同位素資料進行綜合分析，建立劃分填圖單元的一種方法。其應用的目的在於使填圖單元建立劃分的更加准確，地質信息提取的更加豐富，並從不同角度解決填圖問題。

（一）遙感填圖方法

影像單元法、影像岩石單元和單元-剖面法是貫穿遙感填圖全過程的方法技術。運用這些方法是從遙感技術角度解決1∶25 萬填圖的技術問題，使填圖成果精度符合相應的技術規范要求。其解決填圖問題的實質是通過研究、分析不同性質地質體的宏觀影像分區及微觀影像變化規律，進行地質體性質判定和填圖單位種類劃分及構造信息的提取與類型劃分。它們所能夠解決的地質問題或地質現象均屬於地球表面的直接顯示出的信息，即表層信息提取。但對於大量的隱伏地質信息的提取，受其方法技術自身限制難以全面實現，如隱伏斷裂和隱伏岩體及花崗岩類侵入體的時代等等。因此，結合其他技術方法的應用，從不同角度，取長補短，豐富地質填圖成果，使其更加符合地質作用規律。

（二）地球物理技術方法

該方法是遙感地質填圖綜合分析研究的首選技術方法。主要通過地球物理資料如航磁、重力處理數據的分析、解釋，並根據地質體的磁性特徵、密度特徵變化規律，著重解決隱伏斷裂、隱伏岩體和火山機構的圈定。解決遙感技術和物探技術在1∶25萬遙感地質填圖應用中解釋地質問題的層次和深度。現以內蒙古得爾布干覆蓋地區和新疆阿爾金裸露地區為例加以敘述。

1.內蒙古得爾布乾地區重磁場特徵分析

1）岩石磁性特徵分析

通過2000年6～9月，對阿龍山地區進行的岩石磁性測量工作，其中實地測量了岩石露頭27處，獲得磁化率數據327個；測量岩石標本712塊，獲得磁化率數據2872個。區內岩石（地層）的磁性特徵如下。

（1）變質岩類磁性特徵

區內出露的元古宇變質岩岩性為花崗岩片麻岩、黑雲斜長變粒岩、片岩及千枚岩、大理岩等。磁測定結果反映出元古宇地層的磁性普遍很弱，磁化率值變化范圍在（0～380）×10^-5SI，平均值僅為60×10^-5SI。

（2）蓋層磁性特徵

阿龍山地區的蓋層主要為一套中生界火山岩地層，該套地層的磁性特徵如下。

火山碎屑岩類一般為弱磁性或具有中等磁性。其中凝灰砂岩、層凝灰岩及含角礫凝灰岩的磁性普遍很弱，磁化率的平均值多在（30～65）×10^-5SI之間變化；熔結凝灰岩和英安質、粗安質及安山質凝灰岩的磁性多具有中等磁性，磁化率變化范圍在（11～1661）×10^-5SI之間，最大可達到3890×10^-5SI，平均磁化率值為570×10^-5SI。

中性—基性火山熔岩一般具有很強的磁性，其中粗安岩的磁化率在（15～3390）×10^-5SI之間，平均值為886×10^-5SI；英安岩的磁化率變化范圍在（0～4000）×10^-5SI之間，平均值在（590～3000）×10^-5SI之間；安山岩的磁化率值范圍在（1228～3360）×10^-5SI之間，平均值為3012×10^-5SI；玄武岩磁化率變化范圍在（394～10000）×10^-5SI之間，磁化率均值為2281×10^-5SI。

（3）侵入岩磁性特徵

區內花崗岩類的磁性差異較大，其中花崗岩的磁性可分為無磁性花崗岩、弱磁性花崗岩及中等磁性花崗岩。無磁性花崗岩磁化率平均值為40×10^-5SI；弱磁性花崗岩平均磁化率為230×10^-5SI；中等磁性花崗岩的磁化率變化在（11～1177）×10^-5SI之間，磁化率均值為695×10^-5SI。花崗斑岩類一般具有中等磁性，磁化率變化范圍一般在（19～1311）×10^-5SI之間，磁化率均值為545×10^-5SI。二長花崗岩和鉀長花崗岩的磁化率在（13～3000）×10^-5SI之間，磁化率均值為630×10^-5SI。因此，除了無磁性的花崗岩外，其他類型的花崗岩類引起的磁異常較難區分。

區內閃長岩類的磁性一般比花崗岩類強度大，其中花崗閃長岩、石英閃長岩的磁化率值范圍在（126～3500）×10^-5SI之間，平均值為950×10^-5SI；閃長玢岩的平均磁化率達1286×10^-5SI；閃長岩的磁化率值范圍在（614～6300）×10^-5SI之間，磁化率平均值可達1900×10^-5SI。

2）岩石密度特徵分析

阿龍山地區岩石及地層密度變化具有以下特徵：

（1）隨著地層的時代由新至老岩石的密度值逐漸增大；

（2）中生界侏羅系火山熔岩地層的岩石密度值比正常碎屑岩類的岩石密度值大；

（3）下古生界與元古宇的岩石密度值基本相同，中性、酸性侵入岩體的岩石密度則介於侏羅系火山熔岩地層與前中生界（包括下古生界和元古宇）之間，其密度差值約在±0.15 g/cm³左右。因此，該地區區域性密度界面是前中生界和中、酸性侵入岩構成的岩石界面，該區域性密度界面與上覆蓋層之間存在著0.2～0.7 g/cm³密度差；侏羅系火山熔岩與正常碎屑岩是區內的局部密度界面。其間存在0.5 g/cm³密度差（表2-4）。

表2-4 阿龍山及周邊地區岩石密度統計表

3）重磁場特徵及解釋

阿龍山地區的航磁資料測量比例尺大，飛行高度低，測量精度高，編繪出的ΔT磁場圖件包含的各類地質信息非常豐富。

根據已知地質資料與岩石物性資料對比分析結果，得出如下結論：

（1）阿龍山地區海西期花崗岩與下古生界和元古宇構成了該地區重要的區性岩石磁性界面及岩石密度界面。中元古界和下古生界磁性很弱，僅海西期花崗斑岩和二長花崗岩及花崗閃長岩、閃長岩具有中等與較強的磁性。

（2）阿龍山地區區域背景磁場的特徵及分布，主要反映區域磁性界面強弱變化與分布特點，降低的負磁場區為下古生界、元古宇及弱磁性的海西期花崗岩分布區；升高的正背景磁異常區則為具磁性的海西期中、酸性侵入岩分布區。

（3）航磁局部磁異常一般是花崗閃長岩、閃長岩和中、基性火山熔岩及淺成次火山岩，如安山玢岩、閃長玢岩、英安岩等引起。其中花崗閃長岩和閃長岩等引起的局部磁異常形態清晰並且強度較大，比較容易辨認。

（4）由於火山岩（主要是熔結凝灰岩和中、基性火山熔岩）和淺成次火山岩很不均勻，它們所引起的磁異常在形態和強度變化方面都較大，其分布特點一般呈帶狀、環狀及片狀分布。

（5）不同時代岩石、地層的密度變化具有十分明顯的規律性，構成該地區區域性密度界面的元古宇、下古生界及海西期侵入岩體與中生界地層之間存在著0.2～0.7 g/cm³密度差。因此，阿龍山地區布格重力圖中局部重力異常場的高、低變化應是主密度界面起伏變化或侏羅紀中、基性火山岩的客觀反映。

4）磁場特徵及分區

阿龍山地區的磁場特徵及變化十分復雜，為了便於對磁場和磁異常的分類及研究，依據該地區的區域背景磁場及磁異常的性質、形態、強度及梯度變化，以及它們之間的組合分布特點等，劃分為三類：

（1）獨立正磁異常及編號

HA-Ⅰ：該類磁異常的形態呈等軸狀或似等軸狀，有些異常具有一定的延伸及走向。異常形態規整，強度一般大於500 nT，面積一般大於2.0 km²。

HA-Ⅱ：該類磁異常的形態特徵與前述磁異常相同，但磁異常的強度比前者弱，異常的強度一般在200～500 nT之間。

推斷上述磁異常主要是由具磁性的中、酸性侵入岩體引起，對岩體范圍的圈定起參考作用。

（2）正背景磁場的分區及編號

a.HB類磁場區特徵及編號

該類磁異常的明顯特點是強度較大，一般在200～500 nT之間。依據磁異常的形態特徵、發育程度及組合分布特點，劃分出3個磁場小區：

HB-Ⅰ：小區內磁異常發育，磁異常的形態以似二度異常為主，即單個磁異常具有明顯的延伸及走向，並且沒有明顯的負值伴生。

HB-Ⅱ：小區內磁異常的形態及強度特徵與前述小區相類似，主要差別僅僅是局部磁異常的發育程度比前者差一些。

HB-Ⅲ：小區內磁異常的形態與強度變化比較復雜，既存在著等軸狀及似等軸狀異常，同時也發育有二度及似二度異常，並且局部磁異常存在著明顯的伴生負值。

b.HC類磁場區特徵及編號

該類磁場小區內磁異常形態特徵與HB類小區基本相同，它們之間的顯著差異主要反映在磁異常的強度方面，該類磁場小區內的磁異常強度變化在100～250 nT之間。

HC-Ⅰ：區內磁異常形態以二度和似二度異常為主，異常發育，強度在 100～250 nT之間。

HC-Ⅱ：小區內磁異常形態多以等軸狀和似等軸狀異常為主，並存在著明顯的伴生負值，異常強度一般在100～250 nT之間。

HC-Ⅲ：小區內局部異常較發育，但磁異常的強度比 HC-Ⅱ磁場小區磁異常弱，磁異常強度變化在50～100 nT之間。

HC-Ⅳ：小區內局部磁異常不發育，區內正磁場變化平緩單調，強度在50～100 nT左右。

該類磁場小區主要反映的是中、基性火山熔岩及次火山岩類的變化與分布特點，可對填圖單位組、段劃分對比起到參考作用。

（3）負背景磁場分區及編號

a.LA類磁場小區特徵及編號

該類磁場小區內局部磁異常發育程度及變化較大，負背景磁場變化平緩，磁場值在-50～-150 nT之間。

LA-Ⅰ：小區內的局部磁異常不發育，負背景磁變化平緩、單調，磁場強度在 0～-100 nT之間。

LA-Ⅱ：小區的負背景磁場強度變化在 0～-100 nT之間，局部磁異常較前磁場小區發育，但局部異常強度較弱，異常幅值變化在50～100 nT之間。

LA-Ⅲ：小區內背景磁場變化在-50～-150 nT之間，局部異常發育，異常的幅值變化一般在50～200 nT之間。

LA-Ⅳ：小區內背景磁場強度變化在-100～-150 nT之間，局部磁異常發育且強度較大，異常幅值變化一般在200～500 nT之間。

b.LB類磁場小區特徵及編號

與LA類磁場小區相比較，LB類磁場小區的主要特點是背景磁場強度明顯偏弱，背景磁場強度值一般在-200 nT以上。結合該類磁場區內局部異常發育程度及特徵，可分為如下次級小區。

LB-Ⅰ：小區內的背景磁場強度在-200～-250 nT之間，其變化特徵平緩、單調，區內局部異常不發育。

LB-Ⅱ：小區內背景磁場強度可達-300 nT以上，局部磁異常較發育，異常幅值變化在50～150 nT之間變化。

LB-Ⅲ：小區內背景磁場強度變化在-150～-250 nT之間。局部磁異常發育，其幅值變化在100～250 nT之間，並存在著明顯的伴生負值。

該類磁場小區主要反映的是火山碎屑岩類夾沉積岩分布特點。其中小區內不同強度的局部異常則反映了次火山岩的存在及發育狀況，可為填圖單位、岩石大類劃分提供參考作用。

5）斷裂構造及重、磁異常特徵

斷裂構造在重、磁場圖中反映出的標志特徵十分明顯，它們反映出的重、磁場標志特徵主要有：不同性質重、磁場區及不同特徵重、磁異常區之分界線；重、磁場線性梯度帶；線性重、磁異常帶或串珠狀線性重、磁異常帶；串珠狀線性重、磁異常帶和重、磁異常帶之錯動或扭動線等。

6）侏羅系地層厚度及分布特徵

通過前面岩石、礦物的磁性特徵分析可知，阿龍山地區的前中生界是該地區的區域性岩石密度界面，它與上覆侏羅系之間存在著0.2～0.7 g/cm³的密度差。因此，局部重力場的變化主要反映了區域性密度界面起伏及侏羅系地厚的厚度變化等信息，局部重力高一般是基岩隆起或凸起的反映，局部重力低則反映出基岩凹陷的分布特點。據此，通過對重力局部異常進行深度計算並結合已知地質資料，編制出阿龍山地區侏羅系地層厚度分布圖。由於使用的重力資料比例尺小、精度低，深度計算誤差可能在±20.0%左右。

阿龍山地區侏羅系的厚度變化及分布特點反映基岩起伏變化呈現出凹隆相間分布的構造格局，其宏觀走向呈北東向展布。即阿南-阿北林場凹陷，秀山-汗馬基站隆起，烏力依特林場-防火站凹陷。阿南-阿北林場凹陷的沉積中心位於阿北林場附近，侏羅系地層厚度可達1.5 km，向南有逐漸減薄的趨勢；烏力依特林場-防火站凹陷存在著兩個沉積中心，即烏力依特林場沉積中心和防火站沉積中心，沉積中心內侏羅系地層的厚度可達2.0 km，在兩沉積中心之間被一個次級基岩凸起隔開。此外，在約安里林場和源江林場等處，還分別存在著兩個侏羅系地層厚度達2.0 km和1.5 km的沉積中心。

7）火山機構群及分布特徵

阿龍山地區侏羅系火山岩地層分布廣、厚度大，說明該地區在中生代時期曾發生過強烈的岩漿噴溢活動，火山機構廣泛發育。我們知道，在岩漿噴溢過程中靠近火山口處不但堆積了巨厚的火山熔岩，而且也是次火山岩比較集中發育的地段，這就為利用航磁圈定火山機構提供了可靠的地質前提條件。岩石磁性測定結果證明，阿龍山地區的火山熔岩和次火山岩一般都具有較強的磁性，具備了利用航磁圈定火山機構的地球物理前提條件。航磁資料結合已知地質資料分析對比結果表明，火山機構在磁場上具有明顯的磁異常反映，一般中心噴發式的火山機構引起的磁異常形態呈等軸狀或似等軸狀，既有正磁異常也有（因近體磁化原因引起的）負磁異常；裂隙溢出式的火山機構引起的磁異常形態多呈二度磁異常及磁異常帶。磁異常的強度及大小主要與火山熔岩及次火山岩的磁性強弱及規模大小有關，一般中、基性火山熔岩及安山玢岩、輝長、輝綠玢岩、閃長玢岩等引起的磁異常強度較大，中、酸性火山熔岩及英安岩引起的磁異常相對較弱。上述與火山機構有關的磁異常在阿龍山地區一般呈帶狀或片狀群出現，為我們研究分析該地區火山機構群類型及分布提供了重要依據。

依據火山機構群表現出的磁場特徵在阿龍山工區共圈定出火山機構群22處。區內火山機構群的規模大小及分布具有以下特點：以內蒙古得爾布干斷裂為界其北側的火山機構群規模一般較小，並且具有明顯的延伸及走向，反映出火山機構明顯地受斷裂所控制。另外，各火山機構群內單個火山機構反映出的磁異常形態主要是以等軸狀或似等軸狀異常為主，說明得爾布干斷裂西北側的火山活動主要是以中心噴發式為主。分布在得爾布干斷裂東南側的火山機構群規模一般較大，其形態多為片狀，各火山機構群內單個火山機構的磁異常形態變化比較復雜，既存在著等軸狀及似等軸狀磁異常，也存在著具有一定延伸和走向的二度磁異常及磁異常帶，反映出得爾布干斷裂東南側火山活動形式既存在著中心噴發式，同時也存在著裂隙溢出式的岩漿活動，而且次火山岩比較發育。說明在得爾布干斷裂東南側火山機構非常發育，岩漿的噴、溢活動強烈。

重力資料反映，區內的火山機構群主要分布在重力高異常（或異常帶）與重力低異常（或異常帶）的轉換部位，上述部位恰是基底斷裂所通過的位置。

2.新疆阿爾金地區磁場特徵分析

由於阿爾金山地區只有1∶50 萬航磁資料，受其精度所限，對該地區的研究，設想從區域性航磁磁場分區、區域磁場和局部異常分析三個方面入手，解決沉積岩地層，沉積-火成岩地層、變質岩地層、花崗岩類侵入體的空間分布與宏觀影像岩石單元間的關系；解決構造輪廓及區域構造格架，以及隱伏岩體與單元的關系。具體分析內容及方法如下：

1）岩石磁性特徵

區內基性、超基性侵入體具有很強的磁性，因此該類侵入體一般可以引起較強的磁異常。經過與已知地質資料分析對比，阿爾金山地區不同時代的基性或超基性岩體均有明顯的磁異常反映。如出露在研究區內的石棉礦（東經88°30′、北緯38°20′）超基性岩體、輝長岩體（東經87°10′、北緯38°05′；東經88°25′、北緯38°10′）都存在著明顯的局部磁異常與之對應。受基性、超基性岩體規模的限制，該類岩體所引起的磁異常規模及強度變化較大，其形態一般呈等軸狀或似軸狀，強度一般在150～200 nT，最大可達500 nT以上（茫崖鎮岩體）。

中、酸性侵入體引起的磁異常一般呈等軸狀或似等軸狀，異常的規模一般比基性、超基性岩體引起的磁異常規模大，強度一般在100～200 nT。

由火山岩引起的磁異常形態一般具有二度異常及線狀異常帶特徵，說明區內火山分布受斷裂控制。

2）磁場分區及地質解析

依據瓦石峽幅航磁ΔT磁場圖中區域磁場表現出的（正、負）外貌特徵及強度、梯度變化，以及次級疊加磁異常的形態特徵與發育程度，將該區劃分為如下4個次級磁場小區。

Ⅰ寬緩變化負磁場區；

Ⅱ寬緩變化正、負磁場區；

Ⅲ疊加局部磁異常的負磁場區；

Ⅳ條帶狀正、負變化磁場區。

岩石磁性資料結合地質資料分析結果表明，阿爾金山地區存在著兩個十分明顯的磁性界面。其中區內的太古宇—元古宇變質基底構成了該地區的區域性磁性界面，該磁性界面所引起的區域背景磁場具有較好的穩定性和連續性。區內另外一個磁性界面則是由不同時期的岩漿侵入體或火山岩等所構成的局部磁性界面，由於該磁性界面的穩定性與連續性都很差，因此它們所引起的磁（場）異常一般表現出很大的差異與離散性。上述局部磁性界面所產生的形態各異和強度多變的磁異常疊加分布在區域背景磁場中，這樣就使得磁場的形態及外貌特徵變得復雜起來。

阿爾金山地區太古宙中的強磁性變質岩主要是由正變質岩構成，其原岩主要為中、基性的岩漿岩類；太古宙副變質岩一般具有弱磁性或不具磁性。阿爾金山地區元古宇地層中也分布有具有磁性的變質岩系，但其磁性強度要比太古宇中的強磁性變質岩弱很多，說明以上兩類變質岩在原岩性質及物質成分上存在著較大差別，推斷具有中等磁性的元古宇變質岩類其原岩多為中、酸性岩漿岩，或者是在變質過程中混入了中、酸性岩漿岩成分。因此，阿爾金山（瓦石峽地區區域背景磁場特徵及分布主要是揭示出了該地區結晶基底的岩性，即基底岩相變化。升高的正磁場和強度很大的正背景磁異常分布區反映為強磁性正變質岩分布區；降低的負磁場區則為副變質岩（Ⅰ：寬緩變化負磁場區，Ⅲ：疊加局部磁異常的負磁場區）分布區；在降低的負磁場中所顯示出的升高磁場區（Ⅳ：條帶狀正、負變化磁場區）為中等磁性變質岩分布區。疊加在區域背景磁場中的局部磁異常或磁異常帶主要是不同時期的岩漿侵入體和火山岩的反映，它們的分布特點及發育程度揭示出了瓦石峽地區在斷裂及岩漿活動方面存在的差異。例如在Ⅰ、Ⅱ號磁場小區內的局部磁異常很不發育，說明瓦石峽幅西北部的岩漿活動特別是海西運動以來的岩漿活動對該地區的影響甚微；在Ⅲ磁場小區可以看到局部異常較發育，局部異常的形態一般為等軸狀或似等軸狀，磁異常的強度一般也比較弱。推斷該磁場小區內的局部異常主要為中、酸性侵入體引起，反映出Ⅲ號磁場小區的岩漿活動方式是以侵入活動為主；Ⅳ號磁場小區內的局部異常非常發育，並且異常的強度及形態變化也表現得十分復雜，揭示出該小區的岩漿活動比較強烈、頻繁，不同時期的岩漿成分及性質差異較大，並且岩漿活動方式也十分復雜，既存在著岩漿侵入活動，同時也存在著規模較大的岩漿噴溢活動。所以，瓦石峽研究區的磁場特徵及分布，深刻地揭示出了該地區的基底結構與岩相分布特徵，以及岩漿活動特點等情況。

3）基底斷裂及特徵

研究結果證明，斷裂在磁場上一般具有以下幾種標志特徵：

（1）不同性質（正、負）磁場區及不同形態磁異常區分界線；

（2）磁場線性梯度帶；

（3）線性正（或負）磁異常帶及串珠狀線性磁異常帶；

（4）磁場與磁異常帶的錯（或扭）動帶。

斷裂在磁場上所表現出的上述特徵標志對我們分析、判斷斷裂規模及性質具有十分重要的意義。其標志特徵表現為不同性質磁場區或不同形態磁異常區分界線的斷裂，不但對基底結構及岩相分布具有控製作用，而且反映斷裂兩側的岩漿活動也具有較大差異，說明斷裂的規模大並對區域地質發展及構造演化起到控製作用；反映為線性磁異常帶或串珠狀線性異常帶等磁場標志特徵的斷裂，則說明沿著斷裂有岩漿侵入體和火山岩分布，揭示出該類斷裂一般切割的深度大，對岩漿活動具有控製作用；表現出磁場或線性磁異常帶的錯動帶標志特徵的斷裂，則為我們提供了斷裂兩側曾發生過相對運動的有關信息。

總之，斷裂在磁場上所表現出的特徵標志是比較復雜的，它可以表現出一種磁場標志特徵，也可以同時反映出兩種或兩種以上的標志特徵。

3.遙感與航磁成果吻合性影響因素分析

遙感地質解譯與航磁解釋成果經常表現出諸多的不一致性，主要表現在同一地質體的形態、位態的不同。究其原因表現在以下幾個方面：

1）遙感和航磁資料的多解性

地質體在特定條件下會存在異物同（光）譜（或同譜異物）和位場等效效應現象，這是造成遙感及航磁解譯（釋）結果呈現出非惟一性，即多解性的原因。多解性現象的存在不但增大了資料解釋的工作量與難度，而且還可能會造成解釋結果中某些不確定因素同時增多。遙感和航磁成果中存在著的不確定因素往往會對兩者成果之間的對比分析造成困難，並對成果的吻合性產生明顯的影響，因此，遙感與航磁技術方法本身及成果中所存在的多解性問題，往往是引起兩者的解釋成果在吻合性（一致性）方面存在差別的主要影響因素之一。

2）成果解譯（釋）理論、方法方面存在的差異

遙感與航磁的成果解譯（釋）理論和方法方面存在的差別及其對成果吻合性影響包括兩個方面：

（1）研究及實踐結果證明，依據解譯（釋）理論及方法所獲得的遙感與航磁成果在沒有得到野外檢查驗證之前都是推斷性成果。因此，解譯（釋）成果本身與實際情況之間所存在的不確定性，將會影響到遙感與航磁成果的吻合性（一致性）。

（2）目前正在廣泛使用的遙感與航磁的成果解譯（釋）理論和方法是一套各自完全獨立的工作系統，兩者之間不存在任何的內在聯系。遙感技術具有直觀性和可視性等特點，有利於資料的對比分析，這樣就使得遙感解譯成果中的推斷性成分較少。相比之下，航磁資料解釋，特別是在對磁異常進行定量解釋過程中，必須給出磁化強度的大小、方向及磁性體的形狀等參數，而上述參數在一般情況下都是通過試驗及分析對比或是邏輯推理方法確定的，造成航磁成果中的推斷分析成分所佔的比重相對較大。因此，遙感與航磁的成果解譯（釋）方法之間存在的差異，是影響遙感與航磁成果吻合性的主要因素之一。

3）地質體的復雜性

地表所保留的地質體是長期、復雜地質作用的結果。它們對遙感與航磁成果吻合性的影響及其產生的原因主要與技術方法本身的特點有關。研究及分析結果表明，對於復雜的地質及構造現象，不同的技術方法一般只能夠揭示出它們的某一個側面。例如，對一條深大斷裂，遙感資料可以依據斷裂顯示的地形、地貌特徵、色調和影紋等的差異，可以很直觀地揭示出該斷裂在地表的位置及延伸方向。而航磁則是依據斷裂磁場特點（多反映為線性磁異常帶或串珠狀線性磁異常帶）來判斷出斷裂的延深及展布。由於受斷裂控制的磁性體（一般為岩漿岩類）的分布情況比較復雜，它們的宏觀展布方向雖然與斷裂的走向一致，但它們並不一定在斷裂之中，而是往往沿著斷裂帶及其兩側排列分布，說明航磁資料中還包含有反映斷裂的深部信息的成分。從而造成遙感資料反映出的斷裂和航磁資料圈定出的斷裂在平面位置上存在著一定的偏離現象。因此，宏觀地質體的復雜性也是影響遙感與航磁成果吻合性的重要因素之一。

（三）同位素測年資料

同位素測年資料是確定地質體形成時代或年齡的依據。它可通過收集前人資料獲取，也可通過同位素樣品採集分析獲取。無論採用哪種方式收集，均有利於花崗岩類侵入體填圖單元年齡和斷裂形成年齡的判定。測年方法比較多，有U/Pb法、Rb/Sr法、K/Ar法、⁴⁰Ar/³⁹Ar法、¹⁴C法、電子自旋共振（ESR）法等。

鈾-鉛法根據²³⁸U/²⁰⁶Pb和²³⁵U/²⁰⁷Pb衰變進行測年，其樣品一般採用晶質鈾礦或瀝青鈾礦、鋯石、獨居石等。

銣-鍶法根據⁸⁷Rb/⁸⁷Sr的β衰變進行測年。這種方法可廣泛地利用全岩進行測定，除富含銣的礦物外，還可以利用鉀長石、雲母類礦物和銣含量為10^-2%～10^-3%的酸性岩。

鉀-氬法和氬-氬法測年可以採用的礦物較多。包括鉀長石類、雲母類、角閃石類、輝石類和海綠石等。

¹⁴C法利用炭質粘土岩類和植物等樣品進行測年。

在使用上述不同方法測年數據時，應注意數據適用性。

總之，遙感地質解譯與航磁地質解釋資料的綜合分析利用是遙感地質填圖成果的豐富、補充與相互驗證，由於這兩種方法技術揭示地質體層次不同，即遙感以表層地質現象為主，航磁以深部地質結構為主，所以在解釋結果利用過程中應視具體情況具體分析。一般情況下，對第四紀覆蓋區的隱伏斷裂解譯及利用局部異常圈定隱伏侵入岩體，航磁解釋優於遙感解譯結果，圖面地質內容應以航磁解譯結果為主體。但對於填圖單元解譯劃分，裸露區斷裂解譯，應以遙感技術為主體，充分發揮其直觀、宏觀技術特性。而航磁ΔT異常分區分析與遙感宏觀影像單元分區具有相應的結合性，可通過磁場分區強度判定岩類范圍。對同位測年數據主要與影像岩石單元結合，採用定位對比或直接使用以確保單元建立劃分合理，序列歸並准確。

8. 常用統計分析方法

數據分析師針對不同業務問題可以製作各種具體的數據模型去分析問題，運用各種分析方法去探索數據，這里介紹最常用的三種分析方法，希望可以對您的工作有一定的的幫助

文中可視化圖表均使用DataFocus數據分析工具製作。

1.相關分析

相關分析顯示變數如何與另一個變數相關。例如，它顯示了計件工資是否會帶來更高的生產率。

2.回歸分析

回歸分析是對一個變數值與另一個變數值之間差異的定量預測。回歸模擬依賴變數和解釋變數之間的關系，這些變數通常繪制在散點圖上。您還可以使用回歸線來顯示這些關系是強還是弱。

另請注意，散點圖上的異常值非常重要。例如，外圍數據點可能代表公司最關鍵供應商或暢銷產品的輸入。但是，回歸線的性質通常會讓您忽略這些異常值。

3.假設檢驗

假設檢驗是基於某些假設並從樣本到人口的數理統計中的統計分析方法。主要是為了解決問題的需要，對整體研究提出一些假設。通常，比較兩個統計數據集，或者將通過采樣獲得的數據集與來自理想化模型的合成數據集進行比較。提出了兩個數據集之間統計關系的假設，並將其用作理想化零假設的替代方案。建議兩個數據集之間沒有關系。

在掌握了數據分析的基本圖形和分析方法之後，數據分析師認為有一點需要注意：「在沒有確認如何表達你想要解決的問題之前，不要開始進行數據分析。」簡而言之，如果您無法解釋您試圖用數據分析解決的業務問題，那麼沒有數據分析可以解決問題。

9. 如何分析股票籌碼集中度

你好，股票籌碼集中度可以這么看：
1、通過上市公司的報表，如果上市公司股本結構簡單，只有國家股和流通股，則前10名持股者中大多是持有流通股，有兩種判斷方法：一將前10名中所持的流通股累加起來，看掌握了多少，這種情況適合分析機構的介入程度。二是推測10名以後的情況，有人認為假如最後一名持股量不低於

0.5%則可判斷該股籌碼集中度較為集中，但莊家有時亦可做假，他保留前若干名股東的籌碼，如此以來，就難以看出變化，但有一點可以肯定，假如第10名持股占流通股低於0.2%，則後面更低，則可判斷集中度低。
2、通過公開信息制度，股市每天都公布當日漲跌幅超過7%的個股的成交信息，主要是前五個成交金額最大的營業部或席位的名稱和成交金額數，如果某股出現放量上漲，則公布的大都是集中購買者。如果放量下跌，則公布大都是集中拋售者。這些資料可在電腦里查到，或於報上見到。假如這些營業部席位的成交金額也佔到總成交金額的40%，即可判斷有庄進出。
3、通過盤口和盤面來看，盤面是指K線圖和成交量柱狀圖，盤口是指即時行情成交窗口，主力建倉有兩種：低吸建倉和拉高建倉。低吸建倉每日成交量低，盤面上看不出，但可從盤口的外盤大於內盤看出，拉高建倉導致放量上漲，可從盤面上看出，莊家出貨時，股價往口萎靡不振，或形態剛好就又跌下來，一般是下跌時都有量，可明顯看出。
4、如果某隻股票在一兩周內突然放量上行，累計換手率超過100%，則大多是莊家拉高建倉，對新股來說，如果上市首日換手率超過70%或第一周成交量超過100%，則一般都有新莊入駐。
5、如果某隻股票長時間低位徘徊(一般來說時間可長達4-5個月)，成交量不斷放大，或間斷性放量，而且底部被不斷抬高，則可判斷莊家已逐步將籌碼在低位收集。應注意的是，徘徊的時間越長越好，這說明莊家將來可贏利的籌碼越多，其志在長遠。
風險揭示：本信息不構成任何投資建議，投資者不應以該等信息取代其獨立判斷或僅根據該等信息作出決策，不構成任何買賣操作，不保證任何收益。如自行操作，請注意倉位控制和風險控制。

10. 教育學中歸納分析的主要方法有哪些

錯誤句型歸納分析
反意疑問句
歸納分析、語法真題重點歸納.分析.
修辭法歸納分析
（一）教育研究資料的整理——1.含義：
資料整理
是指運用科學的方法，將調查所得的原始資料按調查目的進行審核、匯總與初步加工，使之系統化和條理化，並以集中、簡明的方式反映調查對象總體情況的過程；2.意義：是對調查資料的全面檢查；是進一步分析研究資料的基礎；是保存資料的客觀要求；3.資料整理的步驟：①審核，確保資料的質量，真實性,准確性和完整性；②分類；是整理的核心工作；確定
分組標志
，進行整理和統計；③匯總，把分散的資料集中起來；（二）教育研究資料的定量分析——1.概念：主要採用
數學方法
（主要是
數理統計分析
），對獲得的資料和研究結果進行統計、分析和處理，以揭示所研究事物和現象的數量關系，掌握數量特徵和數量變化，進而確定事物和現象的本質及其發展規律；2.定量分析的方法：①數據描述。主要用於特徵分析，通過一些概括性量數來反映數據的全貌和特徵；分為
集中量數
（如平均數、
中位數
和
眾數
）、
差異量數
（
平均差
、方差和
標准差
）、地位量數（百分等級分數、
標准分數
、T分數）、
相關系數
；②數據推斷。主要是用抽樣的方式對樣本進行研究，並從
樣本統計量
對事物的總體做出統計的推論和估計；分為
參數估計
（
點估計和區間估計
）和
統計檢驗
；（三）教育研究資料的
定性分析
——1.概念：是對資料的質的
規定
性做整體分析，主要採用邏輯方法，同時還要求對分析結果的信度、效度和客觀度等可靠性指標進行檢驗和評價，以便對研究對象有整體性、發展性和綜合性的把握；2.過程：①按照研究課題的性質確定定性分析的目標及分析材料的范圍；②對資料進行初步的檢驗分析；③選擇適當的
定性分析方法
，確定分析的維度；④對資料進行歸類分析；⑤對定性分析結果進行信度、效度和客觀度的評價；3.定性分析的主要方法：因果分析、歸納分析、比較分析、系統分析；