統計相關分析方法

A. 描述統計的相關分析

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。

B. 如何用spss進行相關分析方法

簡介
相關性是指兩個變數之間的變化趨勢的一致性,如果兩個變數變化趨勢一致,那麼就可以認為這兩個變數之間存在著一定的關系(但必須是有實際經濟意義的兩個變數才能說有一定的關系)。相關性分析也是常用的統計方法,用SPSS統計軟體操作起來也很簡單,具體方法步驟如下。
方法步驟
選取在理論上有一定關系的兩個變數,如用X,Y表示,數據輸入到SPSS中。
從總體上來看,X和Y的趨勢有一定的一致性。
為了解決相似性強弱用SPSS進行分析,從分析-相關-雙變數。
打開雙變數相關對話框,將X和Y選中導入到變數窗口。
然後相關系數選擇Pearson相關系數,也可以選擇其他兩個,這個只是統計方法稍有差異,一般不影響結論。
點擊確定在結果輸出窗口顯示相關性分析結果,可以看到X和Y的相關性系數為0.766,對應的顯著性為0.076,如果設置的顯著性水平位0.05,則未通過顯著性檢驗,即認為雖然兩個變數總體趨勢有一致性,但並不顯著。

C. 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。

D. 統計學中相關分析與回歸分析的聯系與區別

摘要 SPSSAU

E. 常用統計分析方法有哪些

1、對比分析法

對比分析法指通過指標的對比來反映事物數量上的變化，屬於統計分析中常用的方法。常見的對比有橫向對比和縱向對比。

橫向對比指的是不同事物在固定時間上的對比，例如，不同等級的用戶在同一時間購買商品的價格對比，不同商品在同一時間的銷量、利潤率等的對比。

縱向對比指的是同一事物在時間維度上的變化，例如，環比、同比和定基比，也就是本月銷售額與上月銷售額的對比，本年度1月份銷售額與上一年度1月份銷售額的對比，本年度每月銷售額分別與上一年度平均銷售額的對比等。利用對比分析法可以對數據規模大小、水平高低、速度快慢等做出有效的判斷和評價。

2、分組分析法

分組分析法是指根據數據的性質、特徵，按照一定的指標，將數據總體劃分為不同的部分，分析其內部結構和相互關系，從而了解事物的發展規律。

根據指標的性質，分組分析法分為屬性指標分組和數量指標分組。所謂屬性指標代表的是事物的性質、特徵等，如姓名、性別、文化程度等，這些指標無法進行運算；而數據指標代表的數據能夠進行運算，如人的年齡、工資收入等。分組分析法一般都和對比分析法結合使用。

3、預測分析法

預測分析法主要基於當前的數據，對未來的數據變化趨勢進行判斷和預測。預測分析一般分為兩種：一種是基於時間序列的預測，例如，依據以往的銷售業績，預測未來3個月的銷售額；另一種是回歸類預測，即根據指標之間相互影響的因果關系進行預測，例如，根據用戶網頁瀏覽行為，預測用戶可能購買的商品。

4、漏斗分析法

漏斗分析法也叫流程分析法，它的主要目的是專注於某個事件在重要環節上的轉化率，在互聯網行業的應用較普遍。比如，對於信用卡申請的流程，用戶從瀏覽卡片信息，到填寫信用卡資料、提交申請、銀行審核與批卡。

最後用戶激活並使用信用卡，中間有很多重要的環節，每個環節的用戶量都是越來越少的，從而形成一個漏斗。使用漏斗分析法，能使業務方關注各個環節的轉化率，並加以監控和管理，當某個環節的轉換率發生異常時，可以有針對性地優化流程，採取適當的措施來提升業務指標。

5、AB測試分析法

AB 測試分析法其實是一種對比分析法，但它側重於對比A、B兩組結構相似的樣本，並基於樣本指標值來分析各自的差異。

例如，對於某個App的同一功能，設計了不同的樣式風格和頁面布局，將兩種風格的頁面隨機分配給使用者，最後根據用戶在該頁面的瀏覽轉化率來評估不同樣式的優劣，了解用戶的喜好，從而進一步優化產品。

除此之外，要想做好數據分析，讀者還需掌握一定的數學基礎，例如，基本統計量的概念（均值、方差、眾數、中位數等），分散性和變異性的度量指標（極差、四分位數、四分位距、百分位數等），數據分布（幾何分布、二項分布等），以及概率論基礎、統計抽樣、置信區間和假設檢驗等內容，通過相關指標和概念的應用，讓數據分析結果更具專業性。

F. 醫學文獻中數據相關性分析用什麼統計方法

兩個變數之間的相關關系可以通過計算變數間的相關系數，來衡量它們之間相關關系的強弱，不用類型的變數，SPSS應用不同的相關系數來判定。兩個定距或定比變數，用Pearson相關系數；兩個定序或定類變數，用Spearman等級相關系數和Kendall等級相關系數

G. 統計學上的分析方法有哪些

統計分析方法從根本上說有兩大類，一是邏輯思維方法，二是數量關系分析方法。在統計分析中二者密不可分，應結合運用。
邏輯思維方法是指辯證唯物主義認識論的方法。統計分析必須以馬克思主義哲學作為世界觀和方法論的指導。唯物辯證法對於事物的認識要從簡單到復雜，從特殊到一般，從偶然到必然，從現象到本質。堅持辨證的觀點、發展的觀點，從事物的發展變化中觀察問題，從事物的相互依存、相互制約中來分析問題，對統計分析具有重要的指導意義。
數量關系分析方法是運用統計學中論述的方法對社會經濟現象的數量表現，包括社會經濟現象的規模、水平、速度、結構比例、事物之間的聯系進行分析的方法。如對比分析法、平均和變異分析法、綜合評價分析法、結構分析法、平衡分析法、動態分析法、因素分析法、相關分析法等。

H. 統計學的分析方法有哪些

統計的分析方法主要是歸納，雖然藉助了許多的數學工具，而且統計的確也離不開數學，但統計與數學的本質區別在於統計的思想是從數據入手，歸納總結，提取數據中的信息，並據以對數據所代表的未知總體進行推斷，以一定的准確率或置信度給出推斷結果。這是傳統統計學的基本思想，這一點在參數估計和假設檢驗中體現的很充分。
SPSS軟體很普及了，買一張盜版光碟就可以自己安裝，13.0的功能就不錯了。

I. spss統計分析，相關性分析。

不同類型變數（一般分為定類，定序，連續三種）之間的相關分析方式會有差異。具體兩兩組合用什麼方式，給你個鏈接地址哈，正好在整理相關資料，就不貼出來了。

如果只是做兩兩變數之間的相關的話，除了當兩個變數都是連續性變數時調用SPSS里的分析－－相關分析－－雙變數 之外，其他的相關分析都在分析－－描述統計－－交叉表－－統計量里選擇。

如果你要控制一些變數對兩變數之間相關性的干擾的話，也在相關分析里，選擇「偏相關」就可以了。

http://www.360doc.com/content/07/0303/23/20341_383429.shtml

J. 統計分析法

隨著地質勘查、采礦工業的發展以及計算機的廣泛應用，礦產資源/儲量估算方法有了很大發展，特別是近些年來發展速度更快，一些現代礦產資源/儲量估算統計分析方法相繼出現，如相關分析法、距離乘方反比法、統計學分析法、克里格法和SD法等。

(一)相關分析法

伴生元素多在多金屬礦床中富集，常和主要元素之間有成因和地球化學的聯系，故可採用統計相關分析法，找出它們與主元素之間的相關關系進而計算伴生元素的平均品位和儲量。統計相關分析法可分為單相關分析法和復相關分析法兩類。現簡介單相關分析法(或二元線性相關分析)。

本法適用於一種伴生元素與一種主要元素有相關關系的情形，其計算過程如下:

1)首先計算礦體中伴生元素與主要元素之間的相關系數，公式如下:

固體礦產勘查技術

固體礦產勘查技術

式中: R 為伴生元素與主要元素間的相關系數; x、y 分別為組合分析樣品中伴生元素和主要元素的品位; 為分別為礦體中伴生元素和主要元素之平均品位; σ_x、σ_y為分別為伴生元素和主要元素的均方差; n 為組合樣品的個數。

相關系數 R 值反映伴生元素與主要元素間的相關程度 ( 即伴生元素含量隨主元素含量變化而變化的密切程度) ，其值介於 ［－ 1，1］。若 R = 0，說明兩者無相關關系; 若R = ± 1，說明兩者完全相關，成正比或反比關系。

2) 其次計算每一塊段的伴生元素平均品位。當經顯著性檢驗證明兩者具有明顯相關關系時可用直線回歸方程計算:

固體礦產勘查技術

為使塊段平均品位計算得更精確，常用聯合回歸方程同時計算:

固體礦產勘查技術

以上兩式中，X、Y 分別為所計算塊段伴生元素和主要元素之平均品位，其他符號意義同前。

用直線回歸方程和用聯合回歸方程所計算出的結果如有差值，是因為 x 和 y 之間不是完全相關，差值越大，相關關系越小 ( 即 R 越小) 。這種差值說明伴生元素和主要元素之間有一部分不相關。

最後計算各塊段伴生元素儲量 P: 用塊段的礦石量 ( Q) 乘以塊段伴生元素平均品位( X) ，即 P = QX，各塊段伴生元素儲量之和即為全礦體伴生元素儲量。

( 二) 距離乘方反比法

距離乘方反比是指空間某點的元素含量與其周圍空間上的元素含量相關的程度取決於它們之間的距離; 並且，距離越大，相關程度越低。並把這一特點表示為距離乘方的倒數。乘方方次的選擇與具體礦床中不同空間點上元素含量相關的程度有關，如果只在近距離上相關，則乘方的方次高; 如果在很長的距離上相關，則乘方的方次低。

距離乘方反比法帶有傳統計算儲量方法的特點。距離乘法反比法中關於空間某點或某區域內品位平均值由相鄰空間點或相鄰區域內的品位決定是一個新思路。這種思路已經把礦床中不同空間點上元素含量看作是一種具有空間相關特點的變數，或看作是一種區域化變數，已與地質統計學的大思路一致。因此，應把距離乘方反比法看作是傳統方法與地質統計學方法之間的過渡方法，不但有實用上的意義，還有認識上承前啟後的作用。

( 三) 克里格法

克里格法是由南非采礦工程師克里格 ( D. G. Krige) 於 20 世紀 50 年代在研究金礦時首次提出，故得此名。60 年代馬特龍 ( G. Mathero) 在克里格等人工作的的基礎上，創立了地質統計學的基本理論和方法，並將應用地質統計學進行礦產資源/儲量計算的方法稱為克里格法。它是一種無偏的、誤差最小的、最優化的現代礦產資源/儲量估算方法。在礦產資源/儲量估算中，它把礦床地質參數 ( 如品位) 看作區域化變數，以較嚴謹的數學方法———變異函數為主要工具來處理地質參數的空間結構關系，在充分考慮樣品形狀、大小及與待估塊段相互位置和品位變數空間結構基礎上，根據一個塊段內外若干樣品數據，給每個樣品賦予一定的權，利用加權平均來對該塊段品位作出最優估計，並且可得到一個相應的估計誤差。

克里格法與傳統方法相比具有明顯的優點。它能最科學、最大限度地利用勘查工程所提供的一切信息，使所估算的礦石品位和礦石儲量精確得多，它可分別估算礦床中所有最小開采塊段的品位和儲量，且在估值的同時還給出了估計精度，而且是無偏的，估計方差最小的 ( 最優) 估計，為儲量的評價和利用提供了依據。

克里格法的應用也是有條件的。地質變數的二重性是克里格法估算儲量的最重要的條件，如果礦床參數是純隨機的或非常規則的，這時就不宜或不必用克里格法。另克里格法的計算量十分龐大，需以計算機的應用為前提。克里格法雖可最大限度地利用勘查工程所提供的信息，但在勘查資料如工程數或取樣點過少，運用此法信息量就不足，估計的可靠性就低。

( 四) SD 法

20 世紀 80 年代，我國科技人員創立 SD 儲量估演算法，簡稱 SD 法。

SD 法具有動態審定一體化計算儲量之功能，不僅靈活多用，而且計算結果精確可靠。所估算儲量的實際精度要比其他一些方法高，且能做出成功的精度預測，在技術上有突破，只需勘探范圍內取樣的原始數據，便可准確計算任意形態、大小的塊段儲量，可同時在多種不同工業指標條件下，自動圈定礦體、計算各類資源/儲量。具有一套適用的 SD法軟體系統，使計算過程全部實現計算機化，從而實現了礦產儲量計算的科學化和自動化。以上特點充分顯示了 SD 法的優越法。

SD 法適用性廣，主要適用於內生、外生金屬礦和一般非金屬礦，不適於某些特殊非金屬礦 ( 如石棉、雲母、冰洲石等) ; 適於以勘探線為主的礦區，勘探線平行與否均可，斷面是垂直、水平不限，但要求最少有兩條勘探線，每條線上至少有兩個工程，預測精度時則要加倍。與克里格法相比 SD 法對工程數並不苛求，一般只要有數十個至百餘個鑽孔就能取得較好效果，當工程數較多時，其效果更好，而且計算量不會增加很多，這一條件顯然要比克里格法優越。可見，從詳查到生產勘探以至礦山開采各個階段，SD 法均適用。

( 五) iExploration-EM 在資源儲量估算與礦體三維建模中的應用

1. 特點

1) 該系統是基於地理信息軟體平台 MAPGIS，綜合了傳統礦產資源儲量估算方法、地質統計學的克里格法與 3D 建模技術，研究開發的具有自主知識產權、面向全國危機礦山接替資源以及其他固體礦產勘查項目的資源儲量估算系統。

2) 該系統實現了從礦產資源勘查野外數據採集、數據管理、礦體圈定、地質建模、品位和資源儲量估算全過程的數字化，實現了相關圖表的生成自動化。

3) 系統實現的斷面法和地質塊段法，綜合考慮了我國礦產資源儲量估算的實際情況，與手工方法相比，減少了誤差，提高了工作效率。

4) 在地質統計學資源儲量估算方法方面，系統實現了普通克里格、泛克里格、指示克里格等方法。流程清晰、界面簡潔、易於使用。

5) 系統實現的 3D 可視化礦體模型，建模功能全面、操作快捷。生成的模型充分展示了礦體空間形態和地質構造特徵。

6) 系統已在全國多個試點礦區完成了資源儲量試算工作。通過對比，結果可靠。

綜上所述，「資源儲量估算與礦體三維建模系統」功能全面，可以作為全國危機礦山接替資源找礦項目及其他固體礦產勘查項目資源儲量估算的軟體工具。

2. 應用

1) 啟動 程序和 環 境配 置。 首 次 啟 動 時， 對 系統 使 用的 字 庫 ( CLIB ) 、 符 號 庫( SLIB) 、工作目錄進行配置。工作數據的盤符指向創建的 MEMAPPING 目錄，系統路徑指向 MeMapGIS MeBasedata。

2) 進入系統。在 MEMAPGIS 系統下，對某礦區的工程數據和分析結果進行編錄和處理後可直接進入系統，選擇工作礦區進入; 也可通國際分幅形式選擇礦區進入或通過自定義任意比例尺接圖表選擇礦區，或進入最近礦區。

3) 數據組織模式及礦區平面圖顯示。工程數據組織，刷新礦區平面圖，選擇礦區平面圖。

4) 數據檢查及數據處理。檢查勘探線基本信息、測量點信息、工程基本信息、樣品及分層信息等; 對取樣分析表、成圖顏色、折算及剖面元素進行預處理。

5) 勘探線剖面生成及分析。設定工業指標，生成勘探剖面及虛擬勘探線處理，單工程礦體圈定，剖面分析。

6) 資源 / 儲量估算。地質 塊 段 法、剖面 法、等 高 線 法，等 值線 法、地質統 計 學 法( 克里格法、距離反比法等) ，三維可視圖效果。

7) 估算結果輸出。估算圖、表及報告生成和輸出。