用因素分析最常用的方法有

Ⅰ 什麼是因素分析法

問題1：什麼是因素分析法？

問題2：因素分析法是什麼意思？

因素分析法是用來測定受多種因素影響的某種經濟現象總變動中各個因素的影響的方向和影響程度的一種統計分析方法。因素分析法既可以全面分析各因素對某一經濟指標的影響，又可以單獨分析某個因素對經濟指標的影響，在財務分析中應用頗為廣泛。

因素分析的前提條件是在具有乘積關系的指數體系中進行。

因素分析的主要作用

因素分析是從數量方面研究現象動態變動中受各種因素變動的影響程度。因素分析主要藉助於指數體系來分析社會經濟現象變動中各種因素變動發生作用的影響程度。

因素分析主要分析以下兩個問題。

1）利用綜合指數體系，分析社會經濟現象總體總量指標的變動受各種因素變動的影響程度。

2）利用綜合指數編制的方法原理，通過平均指標指數體系，分析社會經濟現象總體平均指標變動受各種因素變動影響程度。

常用的因素分析方法主要有以下幾種：

1.相關聯因素的剖析。

其特點不是藉助於數字模型，而是根據相關因素的性質，表明其數量變化對所研究現象變動的影響關系與制約關系，從本質上講屬於經驗方法

2.指數體系及其因素分析。

在經濟上有聯系，在數字上存在等式關系的三個或三個以上的指數，稱為指數體系。利用指數體系測定各影響因素對某種經濟現象總體變動的方向和程度所產生的影響就是因素分析，主要有以下幾種類型：

（1）對總量指標變動進行二因素分析

如工業總產值指數=產品產量指數 * 出廠價格指數

工業總產值增長量=由於產量變動而增加的產值 + 由於價格變動而增加的產值

銷售收入指數=銷售量指數 * 銷售價格指數

銷售收入增長量=由於銷售變動而增加銷售額 + 由於銷售價格變動而增加的銷售額

分析其中一個因素變動時，將另一因素固定下來，分別將二個因素進行分析。

（2）總量指標變動進行多因素分析

常常用根據指數原理派生出來的連鎖替代法，來解決多因素指數體系編制問題，其操作過程是：第一步將影響某一經濟指標的各個因素，按照它們之間的邏輯關系，並考慮計算的實際經濟意義，排列成合理的順序。即數量指標排列在先，質量指標排列在後，相鄰的兩個因素指標相乘或相除有實際的經濟意義（等於新的指標）。第二步分析某一個因素變動對總變動的方向程度所產生的影響時，假定只有該因素變動，而其餘因素都固定不變，一直分析到最後一個因素為止。

（3）平均指標的因素分析

在統計分組的情況下加權算術平均數的大小受兩個因素的制約，一個是各組標志值（或組平均數）的影響，一個是各組總體、單位數在總體中所佔比重的影響，也即總體結構的影響。其關系式如下：

平均指標指數=固定構成指數*結構影響指數

（各組標志值變動） （各組單位數變動）

運用上述指數體系，借鑒“將其中一個因素固定下來，只觀察另一個因素變動”的思想，分析這兩個因素對平均指標變動的影響。

指數因素分析法可廣泛運用於不同空間，包括不同國家、不同地區、不同單位之間的對比。運用於實際與計劃的對比，還可以擴展到相對指標的變動分析。

3.相加因素的分析方法

在社會經濟現象中，有一些現象的變動是由其總體內各個組成部分（或稱構成因素）變動影響的結果。如工業總產值的變動是由輕工業與重工業共同變動影響的結果。由此可見，相加因素是指現象變動是由各個組成因素變動的總和，其分析方法是採用比重法和差額法測定總體各個組成部分的變動。對現象總變動的影響程度或稱拉力度。

比重法是根據某因素在基數中所佔比重與該因素報告期與基期的相對離差確定某因素變動對現象總量變動的影響程度。

差額法是指某因素的報告期絕對量與基期絕對差的離差與基數對比，確定某因素變動對現象總量變動影響程度。

計算貢獻率是因素分析的重要內容，對此不能沿用日常生活中對“貢獻”的理解。貢獻率因素分析中存在特定的涵義，是指由於某一因素的影響使總變動增長的份額占總變動的比重。有時貢獻率還會出現負值，稱為負貢獻。

運用因素分析法的一般程序

1、確定需要分析的指標;

2、確定影響該指標的各因素及與該指標的關系;

3、計算確定各個因素影響的程度數額。

採用因素分析法時注意的問題

1、注意因素分解的關聯性;

2、因素替代的順序性;

3、順序替代的連環性，即計算每一個因素變動時，都是在前一次計算的基礎上進行，並採用連環比較的方法確定因素變化影響結果;

4、計算結果的假定性，連環替代法計算的各因素變動的影響數，會因替代計算的順序不同而有差別，即其計算結果只是在某種假定前提下的結果，為此，財務分析人員在具體運用此方法時，應注意力求使這種假定是合乎邏輯的假定，是具有實際經濟意義的假定，這樣，計算結果的假定性，就不會妨礙分析的有效性。

Ⅱ 因素分析法

因素分析法。又稱經驗分析法，是一種定性分析方法。

該方法主要指根據價值工程對象選擇應考慮的各種因素，憑借分析人員的知識和經驗集體研究確定選擇對象。該方法簡單易行，要求價值工程人員對產品熟悉，經驗豐富，在研究對象彼此相差較大或時間緊迫的情況下比較適用，缺點是無定量分析、主觀影響大。

利用因素分析法來分析問題：

第一步，找出影響該事物的因素，我們無法找出所有的影響因素，但是應該盡可能地找出所有重要和比較重要的因素。例如，乒乓球的旋轉是一項很重要的克敵制勝的技術，那麼影響乒乓球旋轉強度的因素有哪些呢？它包括揮拍速度，球的光滑度，球拍的摩擦力，球與拍接觸的時間，空氣的氣流，濕度等等。

第二步，在我們找出的這多種因素中，區分哪些是重要的，哪些是比較重要的，哪些是次要的。例如，影響乒乓球旋轉強度的多種因素中，重要的因素是揮拍速度，球拍的摩擦力，球與拍接觸的部位，次要的是空氣的氣流，濕度，其它的則介於二者之間。

第三步，在重要的和比較重要的因素中，判斷哪些是可以改變的，哪些是不可以改變的。例如，上例中，球的光滑度一般是無法改變的，而其它的因素都是可以改變的。

第四步，採取措施改變那些可以改變的重要和比較重要的因素。例如，我們可以增加揮拍速度，選用摩擦系數高的球拍，利用球拍的下半部分觸球，增加球與拍接觸的時間，調整球與拍接觸的角度等多種方法來加強球的旋轉。當我們改變幾個因素時就必須注意到它們之間的相互作用，協同作用要加以利用，拮抗作用應注意防止或調整。

Ⅲ 1財務分析的因素分析法可以分為

主要有以下幾種：

1.相關聯因素的剖析。

其特點不是藉助於數字模型，而是根據相關因素的性質，表明其數量變化對所研究現象變動的影響關系與制約關系，從本質上講屬於經驗方法

2.指數體系及其因素分析。

在經濟上有聯系，在數字上存在等式關系的三個或三個以上的指數，稱為指數體系。利用指數體系測定各影響因素對某種經濟現象總體變動的方向和程度所產生的影響就是因素分析，主要有以下幾種類型：

（1）對總量指標變動進行二因素分析

如工業總產值指數=產品產量指數 * 出廠價格指數

工業總產值增長量=由於產量變動而增加的產值 + 由於價格變動而增加的產值

銷售收入指數=銷售量指數 * 銷售價格指數

銷售收入增長量=由於銷售變動而增加銷售額 + 由於銷售價格變動而增加的銷售額

分析其中一個因素變動時，將另一因素固定下來，分別將二個因素進行分析。

（2）總量指標變動進行多因素分析

常常用根據指數原理派生出來的連鎖替代法，來解決多因素指數體系編制問題，其操作過程是：第一步將影響某一經濟指標的各個因素，按照它們之間的邏輯關系，並考慮計算的實際經濟意義，排列成合理的順序。即數量指標排列在先，質量指標排列在後，相鄰的兩個因素指標相乘或相除有實際的經濟意義（等於新的指標）。第二步分析某一個因素變動對總變動的方向程度所產生的影響時，假定只有該因素變動，而其餘因素都固定不變，一直分析到最後一個因素為止。

（3）平均指標的因素分析

在統計分組的情況下加權算術平均數的大小受兩個因素的制約，一個是各組標志值（或組平均數）的影響，一個是各組總體、單位數在總體中所佔比重的影響，也即總體結構的影響。其關系式如下：

平均指標指數=固定構成指數 * 結構影響指數

（各組標志值變動） （各組單位數變動）

運用上述指數體系，借鑒「將其中一個因素固定下來，只觀察另一個因素變動」的思想，分析這兩個因素對平均指標變動的影響。

指數因素分析法可廣泛運用於不同空間，包括不同國家、不同地區、不同單位之間的對比。運用於實際與計劃的對比，還可以擴展到相對指標的變動分析。

3.相加因素的分析方法

在社會經濟現象中，有一些現象的變動是由其總體內各個組成部分（或稱構成因素）變動影響的結果。如工業總產值的變動是由輕工業與重工業共同變動影響的結果。由此可見，相加因素是指現象變動是由各個組成因素變動的總和，其分析方法是採用比重法和差額法測定總體各個組成部分的變動。對現象總變動的影響程度或稱拉力度。

比重法是根據某因素在基數中所佔比重與該因素報告期與基期的相對離差確定某因素變動對現象總量變動的影響程度。

差額法是指某因素的報告期絕對量與基期絕對差的離差與基數對比，確定某因素變動對現象總量變動影響程度。

計算貢獻率是因素分析的重要內容，對此不能沿用日常生活中對「貢獻」的理解。貢獻率因素分析中存在特定的涵義，是指由於某一因素的影響使總變動增長的份額占總變動的比重。有時貢獻率還會出現負值，稱為負貢獻。

Ⅳ 研究影響因素應該用哪種數據分析方法

研究影響因素應該用單因素方差數據分析方法。

不同因素度學生成績的影響，但是看具體的問題似乎是比較不同培養方式（一種控制因素）對成績的影響，這種情況可以使用單因素方差分析來進行。

數據樣例的話，每一行為每個學生的信息，第一列是該學生所在班級，第二列為成績。具體操作是「分析」-「比較均值」-「單因素ANOVA」成績屬於因變數，班級屬於因子；方法上，可以在兩兩比較按鈕選擇「Bonferroni」；補充，如果有超過一個因素，樓主可以用多因素方差分析來進行。

因素

通過分析期貨商品的供求狀況及其影響因素，來解釋和預測期貨價格變化趨勢的方法。期貨交易是以現貨交易為基礎的。期貨價格與現貨價格之間有著十分緊密的聯系。商品供求狀況及影響其供求的眾多因素對現貨市場商品價格產生重要影響，因而也必然會對 期貨價格重要影響。

Ⅳ 因素分析法的基本做法

因素分析法是指通過分析影響財務指標的各項因素並計算其對指標的影響程度,來說明本期實際數與計劃數或基期數相比較,財務指標變動或差異的主要原因的一種分析方法。因素分析法適用於多種因素構成的綜合性指標的分析,如成本、利潤、資產周轉等方面的指標。運用因素分析法的一般程序是：(1)確定需要分析的指標；(2)確定影響該指標的各因素及與該指標的關系；(3)計算確定各個因素影響的程度數額。
因素分析法的具體方法主要是差額分析法和連環替代法。如果各項因素與某項指標的關系為加或減的關系時,可採用差額分析法。
例如,企業利潤總額是由三個因素影響的,其表達式為：利潤總額=營業利潤+投資損益±營業外收支凈額,在分析去年和今年的利潤變化時可以分別算出今年利潤總額的變化,以及三個影響因素與去年比較時不同的變化,這樣就可以了解今年利潤增加或減少是主要由三個因素中的哪個因素引起的。
需要注意的是：因素分析法是作為基礎分析中的企業財務狀況分析的一部分而存在的,其前提是選出關注的指標、分解影響這些指標的因素和確定這些影響因素的變化率,而這三方面都需要基礎分析的其他方面(比如宏觀分析、行業分析、企業戰略分析等)作為依據。

Ⅵ 常用的分析方法有哪些

問題一：常見的數據分析方法有哪些 1、聚類分析（Cluster Analysis）
聚類分析指將物理或抽象對象的 *** 分組成為由類似的對象組成的多個類的分析過程。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。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。
2、因子分析（Factor Analysis）
因子分析是指研究從變數群中提取共性因子的統計技術。因子分析就是從大量的數據中尋找內在的聯系，減少決策的困難。
因子分析的方法約有10多種，如重心法、影像分析法，最大似然解、最小平方法、阿爾發抽因法、拉奧典型抽因法等等。這些方法本質上大都屬近似方法，是以相關系數矩陣為基礎的，所不同的是相關系數矩陣對角線上的值，採用不同的共同性□2估值。在社會學研究中，因子分析常採用以主成分分析為基礎的反覆法。
3、相關分析（Correlation Analysis）
相關分析（correlation *** ysis），相關分析是研究現象之間是否存在某種依存關系，並對具體有依存關系的現象探討其相關方向以及相關程度。相關關系是一種非確定性的關系，例如，以X和Y分別記一個人的身高和體重，或分別記每公頃施肥量與每公頃小麥產量，則X與Y顯然有關系，而又沒有確切到可由其中的一個去精確地決定另一個的程度，這就是相關關系。
4、對應分析（Correspondence Analysis）
對應分析(Correspondence *** ysis)也稱關聯分析、R-Q型因子分析，通過分析由定性變數構成的交互匯總表來揭示變數間的聯系。可以揭示同一變數的各個類別之間的差異，以及不同變數各個類別之間的對應關系。對應分析的基本思想是將一個聯列表的行和列中各元素的比例結構以點的形式在較低維的空間中表示出來。
5、回歸分析
研究一個隨機變數Y對另一個(X)或一組(X1，X2，…，Xk)變數的相依關系的統計分析方法。回歸分析（regression *** ysis)是確定兩種或兩種以上變數間相互依賴的定量關系的一種統計分析方法。運用十分廣泛，回歸分析按照涉及的自變數的多少，可分為一元回歸分析和多元回歸分析；按照自變數和因變數之間的關系類型，可分為線性回歸分析和非線性回歸分析。
6、方差分析(ANOVA/Analysis of Variance)
又稱「變異數分析」或「F檢驗」，是R.A.Fisher發明的，用於兩個及兩個以上樣本均數差別的顯著性檢驗。由於各種因素的影響，研究所得的數據呈現波動狀。造成波動的原因可分成兩類，一是不可控的隨機因素，另一是研究中施加的對結果形成影響的可控因素。方差分析是從觀測變數的方差入手，研究諸多控制變數中哪些變數是對觀測變數有顯著影響的變數。這個 還需要具體問題具體分析

問題二：在解決實際問題時常用的分析方法有哪些 在實際工作中,通常採用的技術分析方法有對比分析法,因素分析法和相關分析法等三種.
1、對比分析法
對比分析法是根據實際成本指標與不同時期的指標進行對比,來揭示差異,分析差異產生原因的一種方法.在對比分析中,可採取實際指標與計劃指標對比,本期實際與上期(或上年同期,歷史最好水平)實際指標對比,本期實際指標與國內外同類型企業的先進指標對比等形式.通過對比分析,可一般地了解企業成本的升降情況及其發展趨勢,查明原因,找出差距,提出進一步改進的措施.在採用對比分析時,應注意本期實際指標與對比指標的可比性,以使比較的結果更能說明問題,揭示的差異才能符合實際.若不可比,則可能使分析的結果不準確,甚至可能得出與實際情況完全不同的相反的結論.在採用對比分析法時,可採取絕對數對比,增減差額對比或相對數對比等多種形式.
比較分析法按比較內容（比什麼）分為：
（1）比較會計要素的總量
（2）比較結構百分比
（3）比較財務比率
2、因素分析法
因素分析法是將某一綜合性指標分解為各個相互關聯的因素,通過測定這些因素對綜合性指標差異額的影響程度的一種分析方法.在成本分析中採用因素分析法,就是將構成成本的各種因素進行分解,測定各個因素變動對成本計劃完成情況的影響程度,並據此對企業的成本計劃執行情況進行評價,並提出進一步的改進措施.
採用因素分析法的程序如下：
(1)將要分析的某項經濟指標分解為若干個因素的乘積.在分解時應注意經濟指標的組成因素應能夠反映形成該項指標差異的內在構成原因,否則,計算的結果就不準確.如材料費用指標可分解為產品產量,單位消耗量與單價的乘積.但它不能分解為生產該產品的天數,每天用料量與產品產量的乘積.因為這種構成方式不能全面反映產品材料費用的構成情況.
(2)計算經濟指標的實際數與基期數(如計劃數,上期數等),從而形成了兩個指標體系.這兩個指標的差額,即實際指標減基期指標的差額,就是所要分析的對象.各因素變動對所要分析的經濟指標完成情況影響合計數,應與該分析對象相等.
(3)確定各因素的替代順序.在確定經濟指標因素的組成時,其先後順序就是分析時的替代順序.在確定替代順序時,應從各個因素相互依存的關系出發,使分析的結果有助於分清經濟責任.替代的順序一般是先替代數量指標,後替代質量指標；先替代實物量指標,後替代貨幣量指標；先替代主要指標,後替代次要指標.
(4)計算替代指標.其方法是以基期數為基礎,用實際指標體系中的各個因素,逐步順序地替換.每次用實際數替換基數指標中的一個因素,就可以計算出一個指標.每次替換後,實際數保留下來,有幾個因素就替換幾次,就可以得出幾個指標.在替換時要注意替換順序,應採取連環的方式,不能間斷,否則,計算出來的各因素的影響程度之和,就不能與經濟指標實際數與基期數的差異額(即分析對象)相等.
(5)計算各因素變動對經濟指標的影響程度.其方法是將每次替代所得到的結果與這一因素替代前的結果進行比較,其差額就是這一因素變動對經濟指標的影響程度.
(6)將各因素變動對經濟指標影響程度的數額相加,應與該項經濟指標實際數與基期數的差額(即分析對象)相等.
上述因素分析法的計算過程可用以下公式表示：
設某項經濟指標N是由A,B,C三個因素組成的.在分析時,若是用實際指標與計劃指標進行對比,則計劃指標與實際指標的計算公式如下：
計劃指標N0=A0×B0×C0
實際指標N1=A1×B1×C1
分析對象為N1-N0的差額.
採用因素分析法測定各因素變動對指標N的影響程度時,......>>

問題三：常用的分析方法有哪些 目前系統安全分析法有20餘種，其中常用的分析法是：
（1）安全檢查表（safety check list）
（2）初步危險分析（PHA）
（3）故障類型、影響及致命度分析（FMECA）
（4）事件要分析（ETA）
（5）事故樹分析（FTA）

問題四：常用的分析方法及模型有哪些？ 不細說了，直接網路搜索此書――《贏取競爭的100+N工具箱(mba原版1862頁).pdf》 目錄太長，涉及版權也不能再上圖了
下載不到的評論留下郵箱

問題五：常用的葯物分析方法有哪些 重量分析法
酸鹼滴定法
沉澱滴定法
氧化還原滴定法
非水滴定法
葯物儀器分析法
紫外分光光度法
質譜法
核磁共振波譜法
薄層色譜法
氣相色譜法
高效液相色譜法
電泳法和PH值測定法
物理常數測定法

問題六：數據分析方法有哪些 一、描述性統計
描述性統計是一類統計方法的匯總，揭示了數據分布特性。它主要包括數據的頻數分析、數據的集中趨勢分析、數據離散程度分析、數據的分布以及一些基本的統計圖形。
1、缺失值填充：常用方法有剔除法、均值法、決策樹法。
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，所以在做數據分析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、回歸分析
回歸分析是應用極其廣泛的數據分析方法之一。它基於觀測數據建立變數間適當的依賴關系，以分析數據內在規律。
1. 一元線性分析
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X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。
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數，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。
4. 其他回歸方法：非線性回歸、有序回歸、Probit回歸、加權回歸等。
三、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。
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，降低了分析結果的准確度。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。
四、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 。
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般性假設（如總體分布的位D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。
1）雖然是連續數據，但總體分布形態未知或者非正態；
2）總體分布雖然正態，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。

問題七：常用的數據分析方法有哪些？ 10分 一、掌握基礎、更新知識。
基本技術怎麼強調都不過分。這里的術更多是（計算機、統計知識）， 多年做數據分析、數據挖掘的經歷來看、以及業界朋友的交流來看，這點大家深有感觸的。
資料庫查詢―SQL
數據分析師在計算機的層面的技能要求較低，主要是會SQL，因為這里解決一個數據提取的問題。有機會可以去逛逛一些專業的數據論壇，學習一些SQL技巧、新的函數，對你工作效率的提高是很有幫助的。
統計知識與數據挖掘
你要掌握基礎的、成熟的數據建模方法、數據挖掘方法。例如：多元統計：回歸分析、因子分析、離散等，數據挖掘中的：決策樹、聚類、關聯規則、神經網路等。但是還是應該關注一些博客、論壇中大家對於最新方法的介紹，或者是對老方法的新運用，不斷更新自己知識，才能跟上時代，也許你工作中根本不會用到，但是未來呢？
行業知識
如果數據不結合具體的行業、業務知識，數據就是一堆數字，不代表任何東西。是冷冰冰，是不會產生任何價值的，數據驅動營銷、提高科學決策一切都是空的。
一名數據分析師，一定要對所在行業知識、業務知識有深入的了解。例如：看到某個數據，你首先必須要知道，這個數據的統計口徑是什麼？是如何取出來的？這個數據在這個行業， 在相應的業務是在哪個環節是產生的？數值的代表業務發生了什麼（背景是什麼）？對於A部門來說，本月新會員有10萬，10萬好還是不好呢？先問問上面的這個問題：
對於A部門，
1、新會員的統計口徑是什麼。第一次在使用A部門的產品的會員？還是在站在公司角度上說，第一次在公司發展業務接觸的會員？
2、是如何統計出來的。A：時間；是通過創建時間，還是業務完成時間。B：業務場景。是只要與業務發接觸，例如下了單，還是要業務完成後，到成功支付。
3、這個數據是在哪個環節統計出來。在注冊環節，在下單環節，在成功支付環節。
4、這個數據代表著什麼。10萬高嗎？與歷史相同比較？是否做了營銷活動？這個行業處理行業生命同期哪個階段？
在前面二點，更多要求你能按業務邏輯，來進行數據的提取（更多是寫SQL代碼從資料庫取出數據）。後面二點，更重要是對業務了解，更行業知識了解，你才能進行相應的數據解讀，才能讓數據產生真正的價值，不是嗎？
對於新進入數據行業或者剛進入數據行業的朋友來說：
行業知識都重要，也許你看到很多的數據行業的同仁，在微博或者寫文章說，數據分析思想、行業知識、業務知識很重要。我非常同意。因為作為數據分析師，在發表任何觀點的時候，都不要忘記你居於的背景是什麼？
但大家一定不要忘記了一些基本的技術，不要把基礎去忘記了，如果一名數據分析師不會寫SQL，那麻煩就大了。哈哈。。你只有把數據先取對了，才能正確的分析，否則一切都是錯誤了，甚至會導致致命的結論。新同學，還是好好花時間把基礎技能學好。因為基礎技能你可以在短期內快速提高，但是在行業、業務知識的是一點一滴的積累起來的，有時候是急不來的，這更需要花時間慢慢去沉澱下來。
不要過於追求很高級、高深的統計方法，我提倡有空還是要多去學習基本的統計學知識，從而提高工作效率，達到事半功倍。以我經驗來說，我負責任告訴新進的同學，永遠不要忘記基本知識、基本技能的學習。
二、要有三心。
1、細心。
2、耐心。
3、靜心。
數據分析師其實是一個細活，特別是在前文提到的例子中的前面二點。而且在數據分析過程中，是一個不斷循環迭代的過程，所以一定在耐心，不怕麻煩，能靜下心來不斷去修改自己的分析思路。
三、形成自己結構化的思維。
數據分析師一定要嚴謹。而嚴謹一定要很強的結構化思維，如何提高結構化思維，也許只需要工作隊中不斷的實踐。但是我推薦你用mindman......>>

問題八：常用的多元分析方法？ 包括3類:①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；②判別函數分析和聚類分析,用以研究對事物的分類；③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。
多元方差分析
是把總變異按照其來源（或實驗設計）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。例如，在分析2×2析因設計資料時，總變異可分為分屬兩個因素的兩個組間變異、兩因素間的交互作用及誤差（即組內變異）等四部分,然後對組間變異和交互作用的顯著性進行F檢驗。
多元方差分析的優點
是可以在一次研究中同時檢驗具有多個水平的多個因素各自對因變數的影響以及各因素間的交互作用。其應用的限制條件是，各個因素每一水平的樣本必須是獨立的隨機樣本，其重復觀測的數據服從正態分布，且各總體方差相等。
多元回歸分析
用以評估和分析一個因變數與多個自變數之間線性函數關系的統計方法。一個因變數y與自變數x1、x2、…xm有線性回歸關系是指： 其中α、β1…βm是待估參數，ε是表示誤差的隨機變數。通過實驗可獲得x1、x2…xm的若干組數據以及對應的y值，利用這些數據和最小二乘法就能對方程中的參數作出估計，記為╋、琛常它們稱為偏回歸系數。
多元回歸分析的優點
是可以定量地描述某一現象和某些因素間的線性函數關系。將各變數的已知值代入回歸方程便可求得因變數的估計值（預測值），從而可以有效地預測某種現象的發生和發展。它既可以用於連續變數，也可用於二分變數（0，1回歸）。多元回歸的應用有嚴格的限制。首先要用方差分析法檢驗自變數y與m個自變數之間的線性回歸關系有無顯著性，其次，如果y與m個自變數總的來說有線性關系，也並不意味著所有自變數都與因變數有線性關系，還需對每個自變數的偏回歸系數進行t檢驗,以剔除在方程中不起作用的自變數。也可以用逐步回歸的方法建立回歸方程，逐步選取自變數，從而保證引入方程的自變數都是重要的。
協方差分析
把線性回歸與方差分析結合起來檢驗多個修正均數間有無差別的統計方法。例如，一個實驗包含兩個多元自變數，一個是離散變數(具有多個水平)，一個是連續變數，實驗目的是分析離散變數的各個水平的優劣，此變數是方差變數；而連續變數是由於無法加以控制而進入實驗的，稱為協變數。在運用協方差分析時，可先求出該連續變數與因變數的線性回歸函數，然後根據這個函數扣除該變數的影響，即求出該連續變數取等值情況時因變數的修正均數，最後用方差分析檢驗各修正均數間的差異顯著性，即檢驗離散變數對因變數的影響。
協方差分析兼具方差分析和回歸分析的優點
可以在考慮連續變數影響的條件下檢驗離散變數對因變數的影響，有助於排除非實驗因素的干擾作用。其限制條件是，理論上要求各組資料（樣本）都來自方差相同的正態總體,各組的總體直線回歸系數相等且都不為0。因此應用協方差分析前應先進行方差齊性檢驗和回歸系數的假設檢驗，若符合或經變換後符合上述條件，方可作協方差分析。
判別函數分析
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。 判別分析不僅用於連續變數，而且藉助於數量化理論亦可用於定性資料。它有助於客觀地確定歸類標准。然而，判別分析僅可用於類別已確定的情況。當類別本身未定時，預用聚類分析先分出類別，然後再進行判別分析。
聚類分析
解決分類問題的一種統計方法。若給定n個觀測對象，每個觀......>>

問題九：常用的數學分析方法有哪些 你問的是什麼層次？
1、數學分析方法的基本內容是數學化、模型化和計算機化。從數學角度看，數學中發現了許多有實用價值的手段，如線性規劃、整數規劃、動態規劃、對策論、排隊論、存貨模型、調度模型、概率統計等等，對定量化的分析與決斷起到了重大的推動作用；從模型化角度看，每一種數學手段都包括了解決決策問題的具體數學模型，人們可以藉助於模型找出自己所需了解的問題的答案；從計算機化的角度看，人們可以借用電子計算機這個快速邏輯計算工具，縮短解決問題的時間，增強預測的精確性。這「三化」是互相聯系的，它們的結合使決策的技術和方法發生了重大變化。
2、另一個層次：待定系數法，換元法，數學歸納法。

問題十：常見的調查方法有哪些 （一）、按調查對象的范圍分,可分為全面調查和非全面調查.
（二）、按調查的連續性來分,可分為一次性調查和經常性調查.
（三）、按調查的組織方式不同,可分為統計報表和專門調查.
（四）、按調查的方法不同,可分為直接觀察法、報告法和詢問法.

Ⅶ 請介紹一下因素分析法

基本因素分析法是從商品的實際供求和需求對商品價格的影響這一角度來進行分析的方法。它注重國家的有關政治、經濟、金融政策、法律、法規的實施及商品的生產量、消費量、進口量和出口量等因素對商品供求狀況直接或間接的影響程度。這種分析法較注重中長線分析，較適合於掌握現貨行情的大現貨商和消息靈通的投資者使用。

Ⅷ 16種常用的數據分析方法-因子分析

因子分析法是指從研究指標相關矩陣內部的依賴關系出發，把一些信息重疊、具有錯綜復雜關系的變數歸結為少數幾個不相關的綜合因子的一種多元統計分析方法。 

是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

基本思想

根據相關性大小把變數分組，使得同組內的變數之間相關性較高，但不同組的變數不相關或相關性較低，每組變數代表一個基本結構一即公共因子。

為什麼做因子分析

舉例說明：在實際門店問題中，往往我們會選擇潛力最大的門店作為領航店，以此為樣板，實現業績和利潤的突破及未來新店的標桿。選擇領航店過程中我們要注重很多因素，比如：

↘所在小區的房價

↘總面積

↘戶主年齡分布

↘小區戶數

↘門店面積

↘2公里范圍內競爭門店數量等

收集到所有的這些數據雖然能夠全面、精準的確定領航店的入選標准，但實際建模時這些變數未必能夠發揮出預期的作用。主要體現兩方面：計算量的問題；變數間的相關性問題。

這時，最簡單直接的方案就是削減變數個數，確定主要變數，因子分析以最少的信息丟失為前提，將眾多的原有變數綜合成少數的綜合指標。

因子分析特點

因子個數遠小於變數個數；

能夠反應原變數的絕大數信息；

因子之間的線性關系不顯著；

因子具有命名解釋性

因子分析步驟

1.原有變數是否能夠進行因子分析；

2.提取因子；

3.因子的命名解釋；

4.計算因子得分；五、綜合評價

因子與主成分分析的區別

相同：都能夠起到處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

因子分析可以看做是優化後的主成分分析，兩種方法有很多共通的地方，但應用方面各有側重。

因子分析應用場景

因子分析方法主要用於三種場景，分別是：

l 信息濃縮 ：將多個分析項濃縮成幾個關鍵概括性指標。比如將多個問卷題濃縮成幾個指標。如果偏重信息濃縮且關注指標與分析項對應關系，使用因子分析更為適合。

l 權重計算 ：利用方差解釋率值計算各概括性指標的權重。在信息濃縮的基礎上，可進一步計算每個主成分/因子的權重，構建指標權重體系。

l 綜合競爭力 ：利用成分得分和方差解釋率這兩項指標，計算得到綜合得分，用於綜合競爭力對比（綜合得分值越高意味著競爭力越強）。此類應用常見於經濟、管理類研究，比如上市公司的競爭實力對比。

因子分析案例

現在有 12 個地區的 5 個經濟指標調查數據（總人口、學校校齡、總雇員、專業服務、中等房價），為對這 12 個地區進行綜合評價，請確定出這 12 個地區的綜合評價指標。（ 綜合競爭力應用場景 ）

同一指標在不同地區是不同的，用單一某一個指標難以對12個地區進行准確的評價，單一指標只能反映地區的某一方面。所以，有必要確定綜合評價指標，便於對比。因子分析方法就可以應用在這個案例中。

5 個指標即為我們分析的對象，我們希望從這5個可觀測指標中尋找出潛在的因素，用這些具有綜合信息的因素對各地區進行評價。

下圖spss因子分析的操作界面主要包括5方面的選項，變數區只能選擇數值型變數，分類型變數不能進入該模型。

spss軟體為了消除不同變數間量綱和數量級對結果的影響，在該過程中默認自動進行標准化處理，因此不需要對這些變數提前進行標准化處理。

 

描述統計選項卡

希望看到各變數的描述統計信息，要對比因子提取前後的方差變化，選定「單變數描述性」和「原始分析結果」；

現在是基於相關矩陣提取因子，所以，選定相關矩陣的「系數和顯著性水平「，

另外，比較重要的還有 KMO 和球形檢驗，通過KMO值，我們可以初步判斷該數據集是否適合採用因子分析方法，kmo結果有時並不會出現，這主要與變數個數和樣本量大小有關。

 

 

抽取選項卡:在該選項卡中設置如何提取因子

提取因子的方法有很多，最常用的就是主成分法。

因為參與分析的變數測度單位不同，所以選擇「相關矩陣」，如果參與分析的變數測度單位相同，則考慮選用協方差矩陣。

經常用到碎石圖對於判斷因子的個數很有幫助，一般都會選擇該項。關於特徵值，一般spss默認只提取特徵值大於1的因子。收斂次數比較重要，可以從首次結果反饋的信息進行調整。

 

 

因子旋轉選項卡

因子分析要求對因子給予命名和解釋，是否對因子旋轉取決於因子的解釋。

旋轉就是坐標變換，使得因子系數向1 和 0 靠近，對公因子的命名和解釋更加容易。旋轉方法一般採用」最大方差法「即可，輸出旋轉後的因子矩陣和載荷圖，對於結果的解釋非常有幫助。

如果不經旋轉因子已經很好解釋，那麼沒有必要旋轉，否則，應該旋轉。

 

 

保存因子得分

要計算因子得分就要先寫出因子的表達式。因子是不能直接觀察到的，是潛在的。但是可以通過可觀測到的變數獲得。

因子分析模型是原始變數為因子的線性組合，現在我們可以根據回歸的方法將模型倒過來，用原始變數也就是參與分析的變數來表示因子。從而得到因子得分。因子得分作為變數保存，對於以後深入分析很有用處。

 

結果解讀：驗證數據是否適合做因子分析

參考kmo結果，一般認為大於0.5，即可接受。同時還可以參考相關系數，一般認為分析變數的相關系數多數大於 0.3，則適合做因子分析；

KMO=0.575 檢驗來看，不是特別適合因子分析，基本可以通過。

 

 

結果解讀：因子方差表

提取因子後因子方差的值均很高，表明提取的因子能很好的描述這 5 個指標。

方差分解表表明，默認提取的前兩個因子能夠解釋 5 個指標的 93.4%。碎石圖表明，從第三個因子開始，特徵值差異很小。綜上，提取前兩個因子。

 

 

 

 

結果解讀：因子矩陣

旋轉因子矩陣可以看出，經旋轉後，因子便於命名和解釋。

因子 1主要解釋的是中等房價、專業服務項目、中等校平均校齡，可以命名為社會福利因子；

因子 2 主要解釋的是其餘兩個指標，總人口和總雇員。可以命名為人口因子。

因子分析要求最後得到的因子之間相互獨立，沒有相關性，而因子轉換矩陣顯示，兩個因子相關性較低。可見，對因子進行旋轉是完全有必要的。

 

結果解讀：因子系數

因子得分就是根據這個系數和標准化後的分析變數得到的。在數據視圖中可以看到因子得分變數。

結論

經過因子分析實現了目的，找到了兩個綜合評價指標，人口因子和福利因子。

從原來的 5 個指標挖掘出 2 個潛在的綜合因子。可以對12 個地區給出客觀評價。

 

 

 

可以根據因子1或因子2得分，對這12個地區進行從大到小排序，得分高者被認為在這個維度上有較好表現。

Ⅸ 常用的相關分析方法有哪三種

相關分析的主要方法有比較分析法、比率分析法、因素分析法。

---

比較分析法：

比較分析法，是通過對比兩期或連續數期財務報告中的相同指標，確定其增減變動的方向、數額和幅度，來說明企業財務狀況或經營成果變動趨勢的一種方法。採用這種方法，可以分析引起變化的主要原因、變動的性質，並預測企業未來的發展趨勢。

Ⅹ 危險因素分析方法

問題一：【高分】請教某一疾病危險因素分析的統計學方法。急！！！ spss11.5具體處理過程如下：Analyze――General Linear model--Repeated measures
Within-subject factor name框：改為x2
Number of levels框：鍵入3: add
Define
Within-subject variables(trial)框：x21~x23
Between subjects factor:x1
Model: custom
Within-subject Model框：x2
Between subjects Model框：x1
continue

問題二：因素分析法和風險因素分析法的區別 因素分析法（Factor Analysis Approach），又稱指數因素分析法，是利用統計指數體系分析現象總變動中各個因素影響程度的一種統計分析方法，包括連環替代法、差額分析法、指標分解法、定基替代法。 因素分析法是現代統計學中一種重要而實用的方法，它是多元統計分析的一個分支。使用這種方法能夠使研究者把一組反映事物性質、狀態、特點等的變數簡化為少數幾個能夠反映出事物內在聯系的、固有的、決定事物本質特徵的因素。因素分析法的最大功用，就是運用數學方法對可觀測的事物在發展中所表現出的外部特徵和聯系進行由表及裡、由此及彼、去粗取精、去偽存真的處理，從而得出客觀事物普遍本質的概括。其次，使用因素分析法可以使復雜的研究課題大為簡化，並保持其基本的信息量。
風險因素分析法是指對可能導致風險發生的因素進行評價分析，從而確定風險發生概率大小的風險評估方法。其一般思路是：調查風險源→識別風險轉化條件→確定轉化條件是否具備→估計風險發生的後果→風險評價。
因素是決定事物成敗的原因或條件，不僅僅包括風險，風險僅僅是其中一個方面。

問題三：危險有害因素分析的辨識方法 （1）直觀經驗法：適用於有可供參考先例、有以往經驗可以借鑒的系統。a、對照、經驗法：是對照有關標准、法規、檢查表或依靠分析人員的觀察分析能力，藉助於經驗判斷能力對評價對象的危險、有害因素進行分析的方法。b、類比法：是利用相同或相似工程或作業條件的經驗和勞動安全衛生的統計資料來類推、分析評價對象的危險、有害因素。C、案例法：收集整理國內外相同或相似工程發生事故的原因和後果；相類似的工藝條件、設備發生事故的原因和後果對評價對象的危險、有害因素進行分析的方法。（2）系統安全分析法：常用於復雜、沒有事故經驗的新開發系統。常有事件樹、事故樹等。（註：本文來源：「百分百考試網」）

問題四：因素分析法和風險因素分析法的區別 英文「economy」的詞源
英文中economy源自古希臘語οικονομα(家政術)。οικο為家庭的意思，νομο是方法或者習慣的意思。因此，其本來含義是指治理家庭財物的方法，到了近代擴大為治理國家的范圍，為了區別於之前的用法也被稱為「政治經濟學」（Political Economy）。
這個名稱後來被馬歇爾改回經濟學（Economics）。到了現代，如果單稱經濟學的話，是在政治經濟學或者更廣的層面來考慮經濟，因此一般在指經濟學的時候經濟學與政治經濟學是同義的。

問題五：怎麼證明相關分析的因素是獨立的危險因素 可以考慮這個自變數是否和其他自變數產生交互效應，如果沒有交互效應，說明這個自變數的影響是獨立的。其次分析這個自變數對因變數的影響是否顯著，是危險因素還是保護因素。（南心網 SPSS數據統計分析）

問題六：如何用spss軟體做危險因素的單因素和多因素分析，能舉個例子嗎？謝謝 多元線性回歸分析和logistic回歸分析都可以的。另外一般線性模型也是可以的。卡方檢驗中的危險度分析均可以的。

問題七：如何用spss進行危險因素分析 分析――一般線性模型――單因素（其實是結局變數為1的意思）可以分析多個因素的影響。

問題八：怎樣去進行危險因素的調查 5分 什麼危險因素，如果是疾病的話：首先描述疾病的三間分布，分析篩選可能的危險因素。接著用病例對照或隊列研究的方法調查分析危險因素。其中的危險因素調查要設計的盡量詳細、客觀、具體，比如吸煙，要調查從什麼時候開始吸煙，什麼煙，每天幾支，何時戒煙，有無過濾嘴，吸煙的時間，吸煙的方式，有沒有吸到肺等。

問題九：如何進行危險源辨識 危險源概念：可能導致傷害或疾病、財產損失、工作環境破壞或這些情況組合的根源或狀態。
危險源是指一個系統中具有潛在能量和物質釋放危險的、可造成人員傷害、財產損失或環境破壞的、在一定的觸發因素作用下可轉化為事故的部位、區域、場所、空間、崗位、設備及其位置。它的實質是具有潛在危險的源點或部位，是爆發事故的源頭，是能量、危險物質集中的核心，是能量從那裡傳出來或爆發的地方。危險源存在於確定的系統中，不同的系統范圍，危險源的區域也不同。例如，從全國范圍來說，對於危險行業（如石油、化工等）具體的一個企業（如煉油廠）就是一個危險源。而從一個企業系統來說，可能是某個車間、倉庫就是危險源，一個車間系統可能是某台設備是危險源；因此，分析危險源應按系統的不同層次來進行。一般來說，危險源可能存在事故隱患，也可能不存在事故隱患，對於存在事故隱患的危險源一定要及時加以整改，否則隨時都可能導致事故。
實際中，對事故隱患的控制管理總是與一定的危險源聯系在一起，因為沒有危險的隱患也就談不上要去控制它；而對危險源的控制，實際就是消除其存在的事故隱患或防止其出現事故隱患。所以，在實際中有時不加區別也使用這兩個概念。
根據上述對危險源的定義，危險源應由三個要素構成：潛在危險性、存在條件和觸發因素。危險源的潛在危險性是指一旦觸發事故，可能帶來的危害程度或損失大小，或者說危險源可能釋放的能量強度或危險物質量的大小。危險源的存在條件是指危險源所處的物理、化學狀態和約束條件狀態。例如，物質的壓力、溫度、化學穩定性，盛裝壓力容器的堅固性，周圍環境障礙物等情況。觸發因素雖然不屬於危險源的固有屬性，但它是危險源轉化為事故的外因，而且每一類型的危險源都有相應的敏感觸發因素。如易燃、易爆物質，熱能是其敏感的觸發因素，又如壓力容器，壓力升高是其敏感觸發因素。因此，一定的危險源總是與相應的觸發因素相關聯。在觸發因素的作用下，危險源轉化為危險狀態，繼而轉化為事故。
危險源辨識：識別危險源的存在並確定其特性的過程。