多變數分析的方法

❶ 多變數分析的統計分析

（multivariable statistical analysis）
例如對630名炊事員高血壓病進行調查，檢查項目中除血壓外，尚有年齡、性別、體重、體胖等15個項目（變數）。如果用單變數統計分析法考察超重與血壓的關系，一般是把數據做成表1的形式。從表1可見，超重組與不超重組相比，高血壓患病率高出一倍以上。但如果把資料按體胖者與不體胖者劃分成兩組，再考察每組內的超重與高血壓患病率的關系，就未能發現超重與高血壓患病率有任何明顯的聯系。也就是說，單變數統計分析忽視了另外因素（如此例中的體胖及年齡等）的影響。對於有多個變數客觀存在而又相互影響的資料，採用簡單的單變數統計分析是不合理的。多變數統計分析就能把變數間的內在聯系和相互影響考慮在內。
多變數統計的理論基礎和工具是數學中的概率論和矩陣。但對於實際應用者而言，只要有合適的計算機和軟體包以及掌握一些初步的多變數統計知識就可以使用它來解決實際問題。多變數統計的內容很多，但從實際應用角度看，主要包括回歸分析、判別分析、因子分析、主成分分析、聚類分析、生存分析等六個大的分支。

❷ 統計學上分析多個變數對一個變數的影響，可以用什麼方法

可以採用多元回歸分析方法，即：在相關變數中將一個變數視為因變數，其他多個變數視為自變數，建立多個變數之間的非線性數學模型數量關系式，並利用樣本數據進行分析的統計方法。

❸ 什麼是多變數質量分析的一種方法

可以做因子分析.首先,先將A1到An用提取主成分分析的方法,形成一個因子,同理,對B項做同樣處理.其次,再在因子的層面上對兩個因子單變數方差分析（當然,如果存在多個自變數因子和多個因變數因子,可以用多變數方差分析）.最後,如果想考察兩者的線性的數量關系,可以再做回歸分析.
因子分析的步驟：菜單欄"分析"——逗降維地——逗因子分析地,在變數框里分別選入變數,記住將因子得分保存為新的變數.
方差分析的步驟：分析——一般線性模型——單變數,將因變數選入逗因變數"框內,將自變數選入地固定因子逗框內,點確定.
回歸分析：分析——回歸.選擇線性或曲線模型.

❹ 多變數分析的介紹

多變數分析(multivariable analysis)為統計方法的一種，包含了許多的方法，最基本的為單變數，再延伸出來的多變數分析。統計資料中有多個變數（或稱因素、指標）同時存在時的統計分析，是統計學的重要分支，是單變數統計的發展。統計學中的多變數統計分析起源於醫學和心理學。1930年代它在理論上發展很快，但由於計算復雜，實際應用很少。1970年代以來由於計算機的蓬勃發展和普及，多變數統計分析已滲入到幾乎所有的學科。到80年代後期，計算機軟體包已很普遍，使用也方便，因此多變數分析方法也更為普及。

❺ 六西格瑪設計:如何進行多變數分析

多變數分析是一種分析和發現設計失敗原因的方法。通過對各種因素的分析，找出影響設計失敗的主要因素，從而改進設計，使設計的新產品和服務達到規定的水平。
影響設計變更的因素很多，但影響變更的因素一般表現在三個方面:
1、位置性
某個地點或場所的變化影響新產品的變異。也就是說，在設計階段就要充分考慮設計產品的適用范圍。比如一輛設計好的軍用坦克必須能在海上作戰，而一般設計的坦克是無法滿足這種特殊要求的。一架有人駕駛的飛機可以在太空中旅行，可以回收，這就需要對飛機的材料和系統進行細致嚴格的設計。
2.循環往復。
或者變化或故障周期性地發生。也就是說，這種變化是循環發生的。各組之間、各板塊之間、各批次產品之間的變化具有一定的周期性。這一點在改變設計時要充分考慮:是什麼因素導致了這種周期性？
3.時間性的。
這是一個與時間相關的變化或失敗。小時變化、班次變化、日變化、周變化和年變化都是與時間相關的因素。
在設計中要充分考慮時間因素，分析導致設計失敗的主要原因。

❻ 常用的多元分析方法

多元分析方法包括3類:

多元方差分析、多元回歸分析和協方差分析，稱為線性模型方法，用以研究確定的自變數與因變數之間的關系；判別函數分析和聚類分析,用以研究對事物的分類；主成分分析、典型相關和因素分析，研究如何用較少的綜合因素代替為數較多的原始變數。

多元方差是把總變異按照其來源分為多個部分，從而檢驗各個因素對因變數的影響以及各因素間交互作用的統計方法。

判別函數是判定個體所屬類別的統計方法。其基本原理是：根據兩個或多個已知類別的樣本觀測資料確定一個或幾個線性判別函數和判別指標，然後用該判別函數依據判別指標來判定另一個個體屬於哪一類。

(6)多變數分析的方法擴展閱讀

多元分析方法的歷史：

首先涉足多元分析方法是F.高爾頓，他於1889年把雙變數的正態分布方法運用於傳統的統計學，創立了相關系數和線性回歸。

其後的幾十年中，斯皮爾曼提出因素分析法，費希爾提出方差分析和判別分析，威爾克斯發展了多元方差分析，霍特林確定了主成分分析和典型相關。到20世紀前半葉，多元分析理論大多已經確立。

60年代以後，隨著計算機科學的發展，多元分析方法在心理學以及其他許多學科的研究中得到了越來越廣泛的應用。

❼ 多變數分析的基本簡介

多變數分析為統計方法的一種，包含了許多的方法，最基本的為單變數，再延伸出來的多變數分析。統計資料中有多個變數（或稱因素、指標）同時存在時的統計分析，是統計學的重要分支，是單變數統計的發展。統計學中的多變數統計分析起源於醫學和心理學。

❽ 除了主成分分析法還有什麼確定多變數權重的方法

權重計算的確定方法在綜合評價中重中之重，不同的方法對應的計算原理並不相同。在實際分析過程中，應結合數據特徵及專業知識選擇適合的權重計算。

• 第一類為AHP層次法和優序圖法；此類方法利用數字的相對大小信息進行權重計算；此類方法為主觀賦值法，通常需要由專家打分或通過問卷調研的方式，得到各指標重要性的打分情況，得分越高，指標權重越大。

此類方法適合於多種領域。比如想構建一個員工績效評價體系，指標包括工作態度、學習能力、工作能力、團隊協作。通過專家打分計算權重，得到每個指標的權重，並代入員工數據，即可得到每個員工的綜合得分情況。

• 第二類為熵值法（熵權法）；此類方法利用數據熵值信息即信息量大小進行權重計算。此類方法適用於數據之間有波動，同時會將數據波動作為一種信息的方法。

比如收集各地區的某年份的經濟指標數據，包括產品銷售率（X1）、資金利潤率（X2）、成本費用利潤率（X3）、勞動生產率（X4）、流動資金周轉次數（X5），用熵值法計算出各指標權重，再對各地區經濟效益進行比較。

• 第三類為CRITIC、獨立性權重和信息量權重；此類方法主要是利用數據的波動性或者數據之間的相關關系情況進行權重計算。

比如研究利用某省醫院2011年共計5個科室的數據指標（共計6個指標數據）進行CRITIC權重計算，最終可得到出院人數、入出院診斷符合率、治療有效率、平均床位使用率、病床周轉次數、出院者平均住院日這6個指標的權重。如果希望針對各個科室進行計算綜合得分，那麼可以直接將權重與自身的數據進行相乘累加即可，分值越高代表該科室評價越高。

• 第四類為因子分析和主成分法；此類方法利用了數據的信息濃縮原理，利用方差解釋率進行權重計算。

比如對30個地區的經濟發展情況的8項指標作主成分分析，主成分分析法可以將8個指標濃縮為幾個綜合指標（主成分），用這些指標（主成分）反映原來指標的信息，同時利用方差解釋率得出各個主成分的權重。

❾ 多個自變數，多個因變數，用因變數做的量表，自變數為一個問答題，用什麼分析方法，求教，感激不盡

可以做因子分析。

先將A1到An用提取主成分分析的方法，形成一個因子，同理，對B項做同樣處理。其次，再在因子的層面上對兩個因子單變數方差分析。最後，如果想考察兩者的線性的數量關系，可以再做回歸分析。多因變數的模型：VAR模型、結構方程模型還有聯立方程模型等等，VAR最簡單。

廣義解釋

任何一個系統（或模型）都是由各種變數構成的，當我們分析這些系統（或模型）時，可以選擇研究其中一些變數對另一些變數的影響，那麼我們選擇的這些變數就稱為自變數，而被影響的量就被稱為因變數。

例如：我們可以分析人體這個系統中，呼吸對於維持生命的影響，那麼呼吸就是自變數，而生命維持的狀態被認為是因變數。系統和模型可以是一個二元函數這么簡單，也可以是整個社會這樣龐雜。