统计相关分析方法

A. 描述统计的相关分析

相关分析探讨数据之间是否具有统计学上的关联性。这种关系既包括两个数据之间的单一相关关系——如年龄与个人领域空间之间的关系，也包括多个数据之间的多重相关关系——如年龄、抑郁症发生率、个人领域空间之间的关系；既包括A大B就大(小)，A小B就小(大)的直线相关关系，也可以是复杂相关关系（A=Y－B*X）；既可以是A、B变量同时增大这种正相关关系，也可以是A变量增大时B变量减小这种负相关，还包括两变量共同变化的紧密程度——即相关系数。实际上，相关关系唯一不研究的数据关系，就是数据协同变化的内在根据——即因果关系。获得相关系数有什么用呢？简而言之，有了相关系数，就可以根据回归方程，进行A变量到B变量的估算，这就是所谓的回归分析，因此，相关分析是一种完整的统计研究方法，它贯穿于提出假设，数据研究，数据分析，数据研究的始终。
例如，我们想知道对监狱情景进行什么改造，可以降低囚徒的暴力倾向。我们就需要将不同的囚舍颜色基调、囚舍绿化程度、囚室人口密度、放风时间、探视时间进行排列组合，然后让每个囚室一种实验处理，然后用因素分析法找出与囚徒暴力倾向的相关系数最高的因素。假定这一因素为囚室人口密度，我们又要将被试随机分入不同人口密度的十几个囚室中生活，继而得到人口密度和暴力倾向两组变量（即我们讨论过的A、B两列变量）。然后，我们将人口密度排入X轴，将暴力倾向分排入Y轴，获得了一个很有价值的图表，当某典狱长想知道，某囚舍扩建到N人/间囚室，暴力倾向能降低多少。我们可以当前人口密度和改建后人口密度带入相应的回归方程，算出扩建前的预期暴力倾向和扩建后的预期暴力倾向，两数据之差即典狱长想知道的结果。

B. 如何用spss进行相关分析方法

简介
相关性是指两个变量之间的变化趋势的一致性,如果两个变量变化趋势一致,那么就可以认为这两个变量之间存在着一定的关系(但必须是有实际经济意义的两个变量才能说有一定的关系)。相关性分析也是常用的统计方法,用SPSS统计软件操作起来也很简单,具体方法步骤如下。
方法步骤
选取在理论上有一定关系的两个变量,如用X,Y表示,数据输入到SPSS中。
从总体上来看,X和Y的趋势有一定的一致性。
为了解决相似性强弱用SPSS进行分析,从分析-相关-双变量。
打开双变量相关对话框,将X和Y选中导入到变量窗口。
然后相关系数选择Pearson相关系数,也可以选择其他两个,这个只是统计方法稍有差异,一般不影响结论。
点击确定在结果输出窗口显示相关性分析结果,可以看到X和Y的相关性系数为0.766,对应的显着性为0.076,如果设置的显着性水平位0.05,则未通过显着性检验,即认为虽然两个变量总体趋势有一致性,但并不显着。

C. 常用统计分析方法

数据分析师针对不同业务问题可以制作各种具体的数据模型去分析问题，运用各种分析方法去探索数据，这里介绍最常用的三种分析方法，希望可以对您的工作有一定的的帮助

文中可视化图表均使用DataFocus数据分析工具制作。

1.相关分析

相关分析显示变量如何与另一个变量相关。例如，它显示了计件工资是否会带来更高的生产率。

2.回归分析

回归分析是对一个变量值与另一个变量值之间差异的定量预测。回归模拟依赖变量和解释变量之间的关系，这些变量通常绘制在散点图上。您还可以使用回归线来显示这些关系是强还是弱。

另请注意，散点图上的异常值非常重要。例如，外围数据点可能代表公司最关键供应商或畅销产品的输入。但是，回归线的性质通常会让您忽略这些异常值。

3.假设检验

假设检验是基于某些假设并从样本到人口的数理统计中的统计分析方法。主要是为了解决问题的需要，对整体研究提出一些假设。通常，比较两个统计数据集，或者将通过采样获得的数据集与来自理想化模型的合成数据集进行比较。提出了两个数据集之间统计关系的假设，并将其用作理想化零假设的替代方案。建议两个数据集之间没有关系。

在掌握了数据分析的基本图形和分析方法之后，数据分析师认为有一点需要注意：“在没有确认如何表达你想要解决的问题之前，不要开始进行数据分析。”简而言之，如果您无法解释您试图用数据分析解决的业务问题，那么没有数据分析可以解决问题。

D. 统计学中相关分析与回归分析的联系与区别

摘要 SPSSAU

E. 常用统计分析方法有哪些

1、对比分析法

对比分析法指通过指标的对比来反映事物数量上的变化，属于统计分析中常用的方法。常见的对比有横向对比和纵向对比。

横向对比指的是不同事物在固定时间上的对比，例如，不同等级的用户在同一时间购买商品的价格对比，不同商品在同一时间的销量、利润率等的对比。

纵向对比指的是同一事物在时间维度上的变化，例如，环比、同比和定基比，也就是本月销售额与上月销售额的对比，本年度1月份销售额与上一年度1月份销售额的对比，本年度每月销售额分别与上一年度平均销售额的对比等。利用对比分析法可以对数据规模大小、水平高低、速度快慢等做出有效的判断和评价。

2、分组分析法

分组分析法是指根据数据的性质、特征，按照一定的指标，将数据总体划分为不同的部分，分析其内部结构和相互关系，从而了解事物的发展规律。

根据指标的性质，分组分析法分为属性指标分组和数量指标分组。所谓属性指标代表的是事物的性质、特征等，如姓名、性别、文化程度等，这些指标无法进行运算；而数据指标代表的数据能够进行运算，如人的年龄、工资收入等。分组分析法一般都和对比分析法结合使用。

3、预测分析法

预测分析法主要基于当前的数据，对未来的数据变化趋势进行判断和预测。预测分析一般分为两种：一种是基于时间序列的预测，例如，依据以往的销售业绩，预测未来3个月的销售额；另一种是回归类预测，即根据指标之间相互影响的因果关系进行预测，例如，根据用户网页浏览行为，预测用户可能购买的商品。

4、漏斗分析法

漏斗分析法也叫流程分析法，它的主要目的是专注于某个事件在重要环节上的转化率，在互联网行业的应用较普遍。比如，对于信用卡申请的流程，用户从浏览卡片信息，到填写信用卡资料、提交申请、银行审核与批卡。

最后用户激活并使用信用卡，中间有很多重要的环节，每个环节的用户量都是越来越少的，从而形成一个漏斗。使用漏斗分析法，能使业务方关注各个环节的转化率，并加以监控和管理，当某个环节的转换率发生异常时，可以有针对性地优化流程，采取适当的措施来提升业务指标。

5、AB测试分析法

AB 测试分析法其实是一种对比分析法，但它侧重于对比A、B两组结构相似的样本，并基于样本指标值来分析各自的差异。

例如，对于某个App的同一功能，设计了不同的样式风格和页面布局，将两种风格的页面随机分配给使用者，最后根据用户在该页面的浏览转化率来评估不同样式的优劣，了解用户的喜好，从而进一步优化产品。

除此之外，要想做好数据分析，读者还需掌握一定的数学基础，例如，基本统计量的概念（均值、方差、众数、中位数等），分散性和变异性的度量指标（极差、四分位数、四分位距、百分位数等），数据分布（几何分布、二项分布等），以及概率论基础、统计抽样、置信区间和假设检验等内容，通过相关指标和概念的应用，让数据分析结果更具专业性。

F. 医学文献中数据相关性分析用什么统计方法

两个变量之间的相关关系可以通过计算变量间的相关系数，来衡量它们之间相关关系的强弱，不用类型的变量，SPSS应用不同的相关系数来判定。两个定距或定比变量，用Pearson相关系数；两个定序或定类变量，用Spearman等级相关系数和Kendall等级相关系数

G. 统计学上的分析方法有哪些

统计分析方法从根本上说有两大类，一是逻辑思维方法，二是数量关系分析方法。在统计分析中二者密不可分，应结合运用。
逻辑思维方法是指辩证唯物主义认识论的方法。统计分析必须以马克思主义哲学作为世界观和方法论的指导。唯物辩证法对于事物的认识要从简单到复杂，从特殊到一般，从偶然到必然，从现象到本质。坚持辨证的观点、发展的观点，从事物的发展变化中观察问题，从事物的相互依存、相互制约中来分析问题，对统计分析具有重要的指导意义。
数量关系分析方法是运用统计学中论述的方法对社会经济现象的数量表现，包括社会经济现象的规模、水平、速度、结构比例、事物之间的联系进行分析的方法。如对比分析法、平均和变异分析法、综合评价分析法、结构分析法、平衡分析法、动态分析法、因素分析法、相关分析法等。

H. 统计学的分析方法有哪些

统计的分析方法主要是归纳，虽然借助了许多的数学工具，而且统计的确也离不开数学，但统计与数学的本质区别在于统计的思想是从数据入手，归纳总结，提取数据中的信息，并据以对数据所代表的未知总体进行推断，以一定的准确率或置信度给出推断结果。这是传统统计学的基本思想，这一点在参数估计和假设检验中体现的很充分。
SPSS软件很普及了，买一张盗版光盘就可以自己安装，13.0的功能就不错了。

I. spss统计分析，相关性分析。

不同类型变量（一般分为定类，定序，连续三种）之间的相关分析方式会有差异。具体两两组合用什么方式，给你个链接地址哈，正好在整理相关资料，就不贴出来了。

如果只是做两两变量之间的相关的话，除了当两个变量都是连续性变量时调用SPSS里的分析－－相关分析－－双变量 之外，其他的相关分析都在分析－－描述统计－－交叉表－－统计量里选择。

如果你要控制一些变量对两变量之间相关性的干扰的话，也在相关分析里，选择“偏相关”就可以了。

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

J. 统计分析法

随着地质勘查、采矿工业的发展以及计算机的广泛应用，矿产资源/储量估算方法有了很大发展，特别是近些年来发展速度更快，一些现代矿产资源/储量估算统计分析方法相继出现，如相关分析法、距离乘方反比法、统计学分析法、克里格法和SD法等。

(一)相关分析法

伴生元素多在多金属矿床中富集，常和主要元素之间有成因和地球化学的联系，故可采用统计相关分析法，找出它们与主元素之间的相关关系进而计算伴生元素的平均品位和储量。统计相关分析法可分为单相关分析法和复相关分析法两类。现简介单相关分析法(或二元线性相关分析)。

本法适用于一种伴生元素与一种主要元素有相关关系的情形，其计算过程如下:

1)首先计算矿体中伴生元素与主要元素之间的相关系数，公式如下:

固体矿产勘查技术

固体矿产勘查技术

式中: R 为伴生元素与主要元素间的相关系数; x、y 分别为组合分析样品中伴生元素和主要元素的品位; 为分别为矿体中伴生元素和主要元素之平均品位; σ_x、σ_y为分别为伴生元素和主要元素的均方差; n 为组合样品的个数。

相关系数 R 值反映伴生元素与主要元素间的相关程度 ( 即伴生元素含量随主元素含量变化而变化的密切程度) ，其值介于 ［－ 1，1］。若 R = 0，说明两者无相关关系; 若R = ± 1，说明两者完全相关，成正比或反比关系。

2) 其次计算每一块段的伴生元素平均品位。当经显着性检验证明两者具有明显相关关系时可用直线回归方程计算:

固体矿产勘查技术

为使块段平均品位计算得更精确，常用联合回归方程同时计算:

固体矿产勘查技术

以上两式中，X、Y 分别为所计算块段伴生元素和主要元素之平均品位，其他符号意义同前。

用直线回归方程和用联合回归方程所计算出的结果如有差值，是因为 x 和 y 之间不是完全相关，差值越大，相关关系越小 ( 即 R 越小) 。这种差值说明伴生元素和主要元素之间有一部分不相关。

最后计算各块段伴生元素储量 P: 用块段的矿石量 ( Q) 乘以块段伴生元素平均品位( X) ，即 P = QX，各块段伴生元素储量之和即为全矿体伴生元素储量。

( 二) 距离乘方反比法

距离乘方反比是指空间某点的元素含量与其周围空间上的元素含量相关的程度取决于它们之间的距离; 并且，距离越大，相关程度越低。并把这一特点表示为距离乘方的倒数。乘方方次的选择与具体矿床中不同空间点上元素含量相关的程度有关，如果只在近距离上相关，则乘方的方次高; 如果在很长的距离上相关，则乘方的方次低。

距离乘方反比法带有传统计算储量方法的特点。距离乘法反比法中关于空间某点或某区域内品位平均值由相邻空间点或相邻区域内的品位决定是一个新思路。这种思路已经把矿床中不同空间点上元素含量看作是一种具有空间相关特点的变量，或看作是一种区域化变量，已与地质统计学的大思路一致。因此，应把距离乘方反比法看作是传统方法与地质统计学方法之间的过渡方法，不但有实用上的意义，还有认识上承前启后的作用。

( 三) 克里格法

克里格法是由南非采矿工程师克里格 ( D. G. Krige) 于 20 世纪 50 年代在研究金矿时首次提出，故得此名。60 年代马特龙 ( G. Mathero) 在克里格等人工作的的基础上，创立了地质统计学的基本理论和方法，并将应用地质统计学进行矿产资源/储量计算的方法称为克里格法。它是一种无偏的、误差最小的、最优化的现代矿产资源/储量估算方法。在矿产资源/储量估算中，它把矿床地质参数 ( 如品位) 看作区域化变量，以较严谨的数学方法———变异函数为主要工具来处理地质参数的空间结构关系，在充分考虑样品形状、大小及与待估块段相互位置和品位变量空间结构基础上，根据一个块段内外若干样品数据，给每个样品赋予一定的权，利用加权平均来对该块段品位作出最优估计，并且可得到一个相应的估计误差。

克里格法与传统方法相比具有明显的优点。它能最科学、最大限度地利用勘查工程所提供的一切信息，使所估算的矿石品位和矿石储量精确得多，它可分别估算矿床中所有最小开采块段的品位和储量，且在估值的同时还给出了估计精度，而且是无偏的，估计方差最小的 ( 最优) 估计，为储量的评价和利用提供了依据。

克里格法的应用也是有条件的。地质变量的二重性是克里格法估算储量的最重要的条件，如果矿床参数是纯随机的或非常规则的，这时就不宜或不必用克里格法。另克里格法的计算量十分庞大，需以计算机的应用为前提。克里格法虽可最大限度地利用勘查工程所提供的信息，但在勘查资料如工程数或取样点过少，运用此法信息量就不足，估计的可靠性就低。

( 四) SD 法

20 世纪 80 年代，我国科技人员创立 SD 储量估算法，简称 SD 法。

SD 法具有动态审定一体化计算储量之功能，不仅灵活多用，而且计算结果精确可靠。所估算储量的实际精度要比其他一些方法高，且能做出成功的精度预测，在技术上有突破，只需勘探范围内取样的原始数据，便可准确计算任意形态、大小的块段储量，可同时在多种不同工业指标条件下，自动圈定矿体、计算各类资源/储量。具有一套适用的 SD法软件系统，使计算过程全部实现计算机化，从而实现了矿产储量计算的科学化和自动化。以上特点充分显示了 SD 法的优越法。

SD 法适用性广，主要适用于内生、外生金属矿和一般非金属矿，不适于某些特殊非金属矿 ( 如石棉、云母、冰洲石等) ; 适于以勘探线为主的矿区，勘探线平行与否均可，断面是垂直、水平不限，但要求最少有两条勘探线，每条线上至少有两个工程，预测精度时则要加倍。与克里格法相比 SD 法对工程数并不苛求，一般只要有数十个至百余个钻孔就能取得较好效果，当工程数较多时，其效果更好，而且计算量不会增加很多，这一条件显然要比克里格法优越。可见，从详查到生产勘探以至矿山开采各个阶段，SD 法均适用。

( 五) iExploration-EM 在资源储量估算与矿体三维建模中的应用

1. 特点

1) 该系统是基于地理信息软件平台 MAPGIS，综合了传统矿产资源储量估算方法、地质统计学的克里格法与 3D 建模技术，研究开发的具有自主知识产权、面向全国危机矿山接替资源以及其他固体矿产勘查项目的资源储量估算系统。

2) 该系统实现了从矿产资源勘查野外数据采集、数据管理、矿体圈定、地质建模、品位和资源储量估算全过程的数字化，实现了相关图表的生成自动化。

3) 系统实现的断面法和地质块段法，综合考虑了我国矿产资源储量估算的实际情况，与手工方法相比，减少了误差，提高了工作效率。

4) 在地质统计学资源储量估算方法方面，系统实现了普通克里格、泛克里格、指示克里格等方法。流程清晰、界面简洁、易于使用。

5) 系统实现的 3D 可视化矿体模型，建模功能全面、操作快捷。生成的模型充分展示了矿体空间形态和地质构造特征。

6) 系统已在全国多个试点矿区完成了资源储量试算工作。通过对比，结果可靠。

综上所述，“资源储量估算与矿体三维建模系统”功能全面，可以作为全国危机矿山接替资源找矿项目及其他固体矿产勘查项目资源储量估算的软件工具。

2. 应用

1) 启动 程序和 环 境配 置。 首 次 启 动 时， 对 系统 使 用的 字 库 ( CLIB ) 、 符 号 库( SLIB) 、工作目录进行配置。工作数据的盘符指向创建的 MEMAPPING 目录，系统路径指向 MeMapGIS MeBasedata。

2) 进入系统。在 MEMAPGIS 系统下，对某矿区的工程数据和分析结果进行编录和处理后可直接进入系统，选择工作矿区进入; 也可通国际分幅形式选择矿区进入或通过自定义任意比例尺接图表选择矿区，或进入最近矿区。

3) 数据组织模式及矿区平面图显示。工程数据组织，刷新矿区平面图，选择矿区平面图。

4) 数据检查及数据处理。检查勘探线基本信息、测量点信息、工程基本信息、样品及分层信息等; 对取样分析表、成图颜色、折算及剖面元素进行预处理。

5) 勘探线剖面生成及分析。设定工业指标，生成勘探剖面及虚拟勘探线处理，单工程矿体圈定，剖面分析。

6) 资源 / 储量估算。地质 块 段 法、剖面 法、等 高 线 法，等 值线 法、地质统 计 学 法( 克里格法、距离反比法等) ，三维可视图效果。

7) 估算结果输出。估算图、表及报告生成和输出。