能分析方法

① 分析法还能怎么分析

这种方法就是一种感觉，没什么大不了的

② 仪器分析的分析方法

发射光谱法：依据物质被激发发光而形成的光谱来分析其化学成分。使用不同的激发源而有不同名称的光谱法。如用高频电感耦合等离子体(ICP)作激发源，称高频电感耦合等离子体发射光谱法；如用激光作光源，称激光探针显微分析。
原子吸收光谱法：基于待测元素的特征光谱，被蒸气中待测元素的气态原子所吸收，而测量谱线强度减弱程度（吸收度）求出样品中待测元素含量。应用较广的有火焰原子吸收法和非火焰原子吸收法，后者的灵敏度较前者高4～5个数量级。
原子荧光分光光度法：通过测量待测元素的原子蒸气在辐射能激发下所产生的荧光发射强度来测定待测元素。
红外吸收光谱法：主要用于鉴定有机化合物的组成，确定化学基团及定量分析，已用于无机化合物。
紫外可见分光光度法：适用于低含量组分测定，还可以进行多组分混合物的分析。利用催化反应可大大提高该法的灵敏度。
荧光分光光度法：对某些元素具有较高的灵敏度和选择性。
红外傅里叶变换光谱法：光信号以干涉图形式输入计算机进行傅里叶变换的数学处理，具有信噪比大、灵敏度高等特点。
核磁共振波谱法：利用有机分子的质子共振鉴定有机化合物和多组分混合物的组分以及无机成分的分子结构分析。
电子自旋共振法：以磁场对离子、分子或原子所含未成对电子的作用所引起的磁能级分裂为基础的分析方法。
拉曼光谱法：可测定分子结构，使用可调激光器的曼光谱仪用于微量分析，也可用于无机物和单晶的结构分析。
射线荧光光谱法：具有谱线简单,基体影响小,选择性高,测定范围宽等优点。可对原子序数大于9的所有元素作无损分析。电子探针微区分析可分析原子序数大于4的所有元素，应用于微粒矿物岩石分析，金属材料中元素的分布，各种物相中元素的分配。
发射光谱法
电子能谱法：是测定电子结合能的一种方法，它是研究表面化学的有力工具,并可用于除H和He以外任何元素的定性分析。
俄歇电子能谱法：应用于分析无机及有机试样的组成，价态及结构，一般为无损分析。放射化学分析，有中子活化法、光子活化法、带电粒子活化分析法等。
穆斯堡尔谱法：所探测的对象是单个的原子核，可用于研究材料中的杂质原子和空位对材料性能的影响。质谱分析，具有高鉴别及检测能力，可以分析所有元素。火花源质谱适于测定痕量元素。离子探针微区分析，微区直径约1～5□m，深度约几十埃，可进行扫描分析，几乎可分析所有的元素。
极谱法：是利用阴极（或阳极）极化变化过程作为依据的一种方法。其特点是灵敏度高、试液用量少，可测定浓度极小的物质。
离子选择性电极法：是一种使用电位法来测量溶液中某一离子活度的指示电极，能快速、连续、无损地对溶液中的某些离子活度进行选择性地检测。
库仑分析法，其中有控制电位库仑分析法和恒电流库仑滴定法。
色谱法：是一种分离分析法，利用混合物中各组分在不同的两相中溶解、解析、吸附、脱附或其他亲和作用性能的差异，而互相分离。按流动相的物态，可分为气相色谱法和液相色谱法，按固定相使用形式，可分为柱色谱法、纸色谱法和薄层色谱法。

③ 有哪些商业智能数据分析方法

你好，商业智能中的数据分析工作主要通过OLAP来实现。原理是根据业务需求，建立人员分析数据的维度比如年月日等等。
而分析人员需要掌握的是数据分析的思路，比如我们要利用比较常用的FineBI做一个简单的分析，先确立哪些分析指标，需要哪些表，然后取出， OLAP会自动建立表间关联，只需要搭建图表结构即可实现数据查询和分析结构的展示，这也正是商业智能的“智能”所在。

④ 关于组织效能分析，可以采用哪些方法，该如何进行

（一）从分析组织任务的分解程度入手
（二）从分析岗位职责、权限的对等性入手
（三）从分析集权、分权的有效性入手
（四）从分析组织结构的战略匹配性入手
（五）从分析管理层次和管理幅度入手
（六）从分析人岗匹配度入手

⑤ 任何分析方法都能实现自动分析吗

摘要 你好，任何分析方法都能实现自动分析这是没办法的，分类分析数据分析法 在数据分析中，如果将数据进行分类就能够更好的分析。分类分析是将一些未知类别的部分放进我们已经分好类别中的其中某一类；或者将对一些数据进行分析，把这些数据归纳到接近这一程度的类别，并按接近这一程度对观测对象给出合理的分类。这样才能够更好的进行分析数据的

⑥ 问卷调查所能用的统计方法有哪些

1. 调查的样本量太小，计算出的结论可靠性不高。

例如看到一些研究生的论文，只发了几十份问卷调查表，就根据统计到的百分比写下十分肯定的结论。其实，是有问题的。

例如：调查“你对××活动喜欢的程度”，调查了45人。调查结果：非常喜欢2人，喜欢5人，一般10人，不太喜欢13人，不喜欢15人。作者统计出：喜欢和非常喜欢的共7人占调查人数45人的15.5%，不太喜欢和不喜欢的共28人，占62.2%。并根据15.5%和62.2%来进一步写结论。

但是，他忽略了调查的样本计算出率以后，还应该计算率的标准误和置信区间。如本例喜欢率为15.5%。还应该计算率的标准误Sp。

_________ _________________

本例，喜欢率的标准误 Sp =√P(1-P)/n = √15.5(100-15.5)/45 = 5.39 %

按样本量n，查t值表上, n-1的t0.01和t0.05 的值，查得t0.05＝2.02 , t0.01＝2.69, 根据喜欢率15.5 %、标准误5.39 % 和t0.05的值,可计算出：

95% 置信区间：15.5±2.02×5.39＝4.6%～26.4%。(置信区间上下限的差值高达21.8%)。

95% 置信区间的含义是，如果用样本的喜欢率15.5%来估计总体的喜欢率时，有95%的可能是在4.6%～26.4%的区间之间。这样高达21.8%的区间意味着15.5%是不太可信的。

但是，如果扩大样本量到450人，4500人，而统计出的喜欢率也是15.5%。由于调查的样本量扩大了，标准误 Sp会缩小，计算出的95% 置信区间也就缩小为12.2%～18.8%和14.4%～16.6%。这时用样本率估计总体率时，上下限的差值很接近15.5%，才是可信的。

2. 调查数据的统计分析过于简单。

目前看到的调查数据统计分析大都比较简单。只是计算各个问卷指标的百分比，如上面举例的喜欢率15.5%等等。

要避免统计分析过于简单，首先，在做调查表设计时，就事先要考虑好调查数据的统计分析方法。例如同样是调查“你对××活动喜欢的程度”，除了要扩大调查样本量外，在调查表中增加调查性别和年龄。这样就可以采用一种较为复杂的方法——交叉分析。交叉分析是分析“年龄”、 “性别”和“对××活动喜欢程度”三个变量之间的关系。假设不分类统计时，喜欢率是15.5%。交叉分析后就会发现由于性别的不同，年龄段的不同喜欢率是不同的。

例如：2005年国民体质监测问卷调查中，对“睡眠时间”的统计分析，如果只是简单地计算某市成年男子2473人的问卷，只能统计出：睡眠6小时以下的人为13.4%，睡眠6～9小时的73.6%，睡眠9小时以上的13%。但是，如果增加年龄因素，分年龄段进行统计就可以看到，各年龄段的百分比是不同的（统计表略）。利用分年龄段的百分比还可以画出折线图（图略）。从图上更可以清楚的显示出：随着年龄增加，睡眠时间逐渐减少的趋势。

上述统计分析方法比较简单。但是，仅靠简单的统计方法来处理问卷调查数据是十分可惜的，因为大量的数据信息还没有充分利用。所以，设计问卷时，就应该注意到，让收集到的调查数据能做多因素统计分析（如：回归分析，因子分析等）。下面是我帮助或指导有关单位做过的统计分析实例：

例1：2005年国民体质监测的调查问卷内容中，包括了各人的文化程度，职业，工作、生活和体育锻炼等方面的许多问题。为了分析这些调查内容和各人的体质有什么关系，找出哪些因素对体质的好坏特别有关？在进行统计分析时，就需要把体质监测的指标和问卷调查的内容联系起来进行统计。

在成年组调查问卷内容中可进行计算的12个问题是：受教育程度，职业，平均每周工作时间，平均每天睡眠时间，睡眠质量，平均每天步行时间，平均每天坐姿活动时间，吸烟状况，运动感受，平均每周锻炼次数，平均每次锻炼时间，坚持锻炼时间。把这些作为X1, X2, ……X12，再把每个人体质监测中的体质总分作为Y，就可以进行逐步回归分析计算。

某省成年男甲组4242人的数据用逐步回归分析计算结果是：从12个指标中依次选出了X 1 (受教育程度)，X12 (坚持锻炼时间)， X10(平均每周锻炼次数)，X7(平均每天坐姿活动时间) 4个指标。得到回归方程：

Y = 21.85+ 1.02 X 1 -0.20 X7+ 0.34 X10 + 0.28 X12 F=101.92 (P<0.01)

复相关系数 R= 0.296

根据回归方程的系数就可以知道：受教育程度高，平均每周锻炼次数多，坚持锻炼时间长，平均每天坐姿活动时间少的人体质总分就高。反之就低。而这个结论只做一般的调查表百分比统计，是得不到的。

例2：某市开展《超重与肥胖人群运动与营养综合干预实验研究》12周后，对参加者进行了问卷调查，内容有：每天进餐情况（分为：五分饱，八分饱，十分饱），每周快走次数（分为：3次以下，3次，4次，5次及以上），每次快走时间（分为：30分钟以内，30～60分钟，60～90分钟，90分钟以上），每次快走距离（分为：3公里以下，3～4公里，5公里及以上）等。

如果仅统计各个问卷内容的百分比，只能计算出如：每次快走时间30分钟以内的29人占22.1%，30～60分钟的47人占35.9%，60～90分钟的19人占14.5%，90分钟以上的36人占27.5% 等等，这样的统计结果并不能说明什么问题。更无法分析出哪些是对减肥有效果的因素。

但是，把问卷调查的内容与参加12周实验后各人体重下降值联系起来统计，情况就不同了。如可以分别计算出：每周快走次数、每次快走时间等指标与体重下降值的相关系数。当计算出以上指标都和体重下降值呈中度或低度相关时，还可以进一步用回归分析的方法计算出标准回归系数或偏回归平方和来分析各指标对体重下降的作用大小。

本例有131人参加实验，为了用数学表达式来描述：饮食、运动量和降体重的关系。把调查表内容转换成数字后，选择了X1（每天进餐情况）、X2（每周快走次数）、X3（每次快走距离）与Y（体重下降值）计算出三元回归方程：

Y= 1.26－1.30 X1 +0.59 X2 +1.70 X3 F =13.855 (P<0.01)

复相关系数 R = 0.4966

从回归方程可以看到，在吃八分饱的情况下，增加每周快走次数和每次快走距离，降体重的效果更好。

可见，当采用了多元回归分析方法后，可以充分利用调查表里的信息从而获得比简单的统计百分比更多的研究结果。

例3：某市对学生体质下降原因进行调研时，设计的调查表内容包括：学生、家长、学校等方面30多项指标。为了分析调查的各指标对学生身体素质影响的主次关系，从调查表中选出可进行因子分析计算的26个指标进行了R型因子分析计算。

R型因子分析通过计算，可找出控制着所有指标的几个主要因素。计算后，原来的许多指标重新组合成较少的几个新的综合指标──公因子。这些公因子相互独立而且反映了原来指标的绝大部分信息。通过R型因子分析的结果，可以看出哪些指标是同一类的，每一个指标以哪一公因子为主，其他公因子所占比例如何，从而分析该指标的特点。还可根据贡献率较大的几个公因子中所包括的指标，来分析出各指标的主次关系。

对3699名中学生的调查数据作R型因子分析计算后，从贡献率最大的5个公因子所包括的调查指标看，归入第1公因子的7个指标，都和参加体育活动有关，因此把第一公因子命名为体育活动因子，归入第2公因子的2个指标，是反映学生家长文化水平的学历，归入第3公因子的2个指标，是反映学生是否关心自己体质、健康的指标，归入第4公因子的2个指标，是反映学校是否关心和组织学生体育活动的指标，归入第5公因子的2个指标，是反映学生家长对体育运动的态度的指标。

从而可以分析出，对学生体质影响最大的第一因素是学生参加体育活动的情况，第二因素是家长的文化水平高低，第三因素是学生自己是否关心自己的体质、健康情况。第四因素是学校是否关心和组织学生参加体育活动，第五因素是家长是否喜爱体育活动是否支持学生参加体育活动。

因子分析的优点在于用一个或少数几个综合指标概括原始数据中尽量多的信息，它能够实现对问题的高度概括，并揭示出一般的特征和规律。本例通过因子分析的统计方法，从学生填在26个调查问卷中的信息，分析出了对学生体质影响的几个主要因素。

⑦ 什么是量能及量能分析

成交量是行情发生变化的本质因素。 大盘的起伏、股价的变动更是与量能的变化息息相关，在牛市行情中，缩量有时候有利于大盘积聚新的上升动能。成交量也是一种能量，过度的消耗必将导致能量衰竭， 成交量体现了资金运动的方向，也是行情发生变化的本质因素。 股市中资金的运动是行情变化的根本，任何政策、消息、及上市公司基本面情况都将在成交量方面得到体现，大盘的起伏、股价的变动更是与量能的变化息息相关，因此，可以说对股市量能的分析是准确研判行情的根本方法。 成交量的四种形态 股市中的量能分析需要把握四类因素，量能的四种因素是指：放量、缩量、天量、地量。 地量。地量一般是在牛市行情的启动初期出现，意味着大盘即将结束调整行情，转入升市。值得注意的是：对地量的分析不能仅仅看成交量的多少，必须结合市场趋势、技术分析、市场热点这三个方面进行综合分析。 放量。放量是支持一轮强势行情的基础，一般情况下，上涨过程中放量，并在涨升途中的暂时性调整中缩量，是种良好的放量状况，可以推动股指的持续走高。但是，也有例外的时候，例如某些主力介入较深的个股，一般是在行情启动初期放量，而在该股以后的上涨过程中却一直保持缩量，这类个股大多会产生长久的强势行情。 缩量。在牛市行情中，投资者大多喜欢放量上涨，而不希望大盘出现缩量，事实上，缩量有时候有利于大盘积聚新的上升动能。因为，成交量也是一种能量，过度的消耗必将导致能量衰竭，从而使行情过早的结束。而且，成交量的减少，并不意味着股市一定就会下跌。在强势行情中，当增量资金充分建仓后，处于市场热点的上市公司流通筹码会被大面积锁定，这时即使成交量减少，也不会影响行情的发展。 天量。在牛市行情中，放量本来事件好事，但成交量必须是温和放大，如果量能突然急速放大，那么无论行情处于哪个阶段，投资者都需要立即清仓退出。因为牛市中成交量过分放大，说明投资大众一致看好后市而纷纷买入，反而容易使大盘快速见顶。 股市上的量价配合建议 量价关系是成交量分析中重要组成部分，学会看量价关系的变化是看盘的一项重要本领和基本功。量价关系有八种基本形态，主要包括： 量增价平 这是趋势转好的信号 量增价升 这是适宜买入的信号 量平价升 这是适宜持续买入的时候 量减价升 这是继续持有信号 量减价平 这是值得警戒的信号 量减价跌 这是卖出信号 量平价跌 这是适宜继续卖出的时候 量增价跌 这时适宜观望的信号 从量价关系的角度选股的时候要注意以下要点： 1、从价格方面分析，当股价处于相对低位或大底部区域的个股，其上涨空间较大；或者股价虽在强势向上，但并未出现连续收阳线的组合形态的个股，显示主力资金仍然在吸筹阶段。 2、从量能变化上分析，连续多日成交呈持续温和放大特点，股价目前处于突破之时，成交量出现快速放大的态势。

⑧ SWOT分析方法…

转载以下资料供参考
SWOT分析方法或步骤
强势--弱势--机会--威胁
从竞争角度看，对成本措施的抉择分析，不仅来自于对企业内部因素的分析判断，还来自于对竞争态势的分析判断。成本的强势--弱势--机会--威胁(SWOT)分析的核心思想是通过对企业外部环境与内部条件的分析，明确企业可利用的机会和可能面临的风险，并将这些机会和风险与企业的优势和缺点结合起来，形成企业成本控制的不同战略措施。
SWOT分析基本步骤为:
(1)分析企业的内部优势、弱点既可以相对企业目标而言的，也可以相对竞争对手而言的。
(2)分析企业面临的外部机会与威胁，可能来自于与竞争无关的外环境因素的变化，也可能来自于竞争对手力量与因素变化，或二者兼有，但关键性的外部机会与威胁应予以确认。
(3)将外部机会和威胁与企业内部优势和弱点进行匹配，形成可行的战略。
SWOT分析有四种不同类型的组合:
优势--机会(SO)组合、弱点--机会(WO)组合、优势--威胁(ST)组合和弱点--威胁(WT)组合。
优势--机会(SO)战略是一种发展企业内部优势与利用外部机会的战略，是一种理想的战略模式。当企业具有特定方面的优势，而外部环境又为发挥这种优势提供有利机会时，可以采取该战略。例如良好的产品市场前景、供应商规模扩大和竞争对手有财务危机等外部条件，配以企业市场份额提高等内在优势可成为企业收购竞争对手、扩大生产规模的有利条件。
弱点--机会(WO)战略是利用外部机会来弥补内部弱点，使企业改劣势而获取优势的战略。存在外部机会，但由于企业存在一些内部弱点而妨碍其利用机会，可采取措施先克服这些弱点。例如，若企业弱点是原材料供应不足和生产能力不够，从成本角度看，前者会导致开工不足、生产能力闲置、单位成本上升，而加班加点会导致一些附加费用。在产品市场前景看好的前提下，企业可利用供应商扩大规模、新技术设备降价、竞争对手财务危机等机会，实现纵向整合战略，重构企业价值链，以保证原材料供应，同时可考虑购置生产线来克服生产能力不足及设备老化等缺点。通过克服这些弱点，企业可能进一步利用各种外部机会，降低成本，取得成本优势，最终赢得竞争优势。
优势--威胁(ST)战略是指企业利用自身优势，回避或减轻外部威胁所造成的影响。如竞争对手利用新技术大幅度降低成本，给企业很大成本压力;同时材料供应紧张，其价格可能上涨;消费者要求大幅度提高产品质量;企业还要支付高额环保成本;等等，这些都会导致企业成本状况进一步恶化，使之在竞争中处于非常不利的地位，但若企业拥有充足的现金、熟练的技术工人和较强的产品开发能力，便可利用这些优势开发新工艺，简化生产工艺过程，提高原材料利用率，从而降低材料消耗和生产成本。另外，开发新技术产品也是企业可选择的战略。新技术、新材料和新工艺的开发与应用是最具潜力的成本降低措施，同时它可提高产品质量，从而回避外部威胁影响。
弱点--威胁(WT)战略是一种旨在减少内部弱点，回避外部环境威胁的防御性技术。当企业存在内忧外患时，往往面临生存危机，降低成本也许成为改变劣势的主要措施。当企业成本状况恶化，原材料供应不足，生产能力不够，无法实现规模效益，且设备老化，使企业在成本方面难以有大作为，这时将迫使企业采取目标聚集战略或差异化战略，以回避成本方面的劣势，并回避成本原因带来的威胁。SWOT分析运用于企业成本战略分析可发挥企业优势，利用机会克服弱点，回避风险，获取或维护成本优势，将企业成本控制战略建立在对内外部因素分析及对竞争势态的判断等基础上。而若要充分认识企业的优势、机会、弱点及正在面临或即将面临的风险;价值链分析和标杆分析等均等为其提供方法与途径。