多变量分析的方法

❶ 多变量分析的统计分析

（multivariable statistical analysis）
例如对630名炊事员高血压病进行调查，检查项目中除血压外，尚有年龄、性别、体重、体胖等15个项目（变量）。如果用单变量统计分析法考察超重与血压的关系，一般是把数据做成表1的形式。从表1可见，超重组与不超重组相比，高血压患病率高出一倍以上。但如果把资料按体胖者与不体胖者划分成两组，再考察每组内的超重与高血压患病率的关系，就未能发现超重与高血压患病率有任何明显的联系。也就是说，单变量统计分析忽视了另外因素（如此例中的体胖及年龄等）的影响。对于有多个变量客观存在而又相互影响的资料，采用简单的单变量统计分析是不合理的。多变量统计分析就能把变量间的内在联系和相互影响考虑在内。
多变量统计的理论基础和工具是数学中的概率论和矩阵。但对于实际应用者而言，只要有合适的计算机和软件包以及掌握一些初步的多变量统计知识就可以使用它来解决实际问题。多变量统计的内容很多，但从实际应用角度看，主要包括回归分析、判别分析、因子分析、主成分分析、聚类分析、生存分析等六个大的分支。

❷ 统计学上分析多个变量对一个变量的影响，可以用什么方法

可以采用多元回归分析方法，即：在相关变量中将一个变量视为因变量，其他多个变量视为自变量，建立多个变量之间的非线性数学模型数量关系式，并利用样本数据进行分析的统计方法。

❸ 什么是多变量质量分析的一种方法

可以做因子分析.首先,先将A1到An用提取主成分分析的方法,形成一个因子,同理,对B项做同样处理.其次,再在因子的层面上对两个因子单变量方差分析（当然,如果存在多个自变量因子和多个因变量因子,可以用多变量方差分析）.最后,如果想考察两者的线性的数量关系,可以再做回归分析.
因子分析的步骤：菜单栏"分析"——逗降维地——逗因子分析地,在变量框里分别选入变量,记住将因子得分保存为新的变量.
方差分析的步骤：分析——一般线性模型——单变量,将因变量选入逗因变量"框内,将自变量选入地固定因子逗框内,点确定.
回归分析：分析——回归.选择线性或曲线模型.

❹ 多变量分析的介绍

多变量分析(multivariable analysis)为统计方法的一种，包含了许多的方法，最基本的为单变量，再延伸出来的多变量分析。统计资料中有多个变量（或称因素、指标）同时存在时的统计分析，是统计学的重要分支，是单变量统计的发展。统计学中的多变量统计分析起源于医学和心理学。1930年代它在理论上发展很快，但由于计算复杂，实际应用很少。1970年代以来由于计算机的蓬勃发展和普及，多变量统计分析已渗入到几乎所有的学科。到80年代后期，计算机软件包已很普遍，使用也方便，因此多变量分析方法也更为普及。

❺ 六西格玛设计:如何进行多变量分析

多变量分析是一种分析和发现设计失败原因的方法。通过对各种因素的分析，找出影响设计失败的主要因素，从而改进设计，使设计的新产品和服务达到规定的水平。
影响设计变更的因素很多，但影响变更的因素一般表现在三个方面:
1、位置性
某个地点或场所的变化影响新产品的变异。也就是说，在设计阶段就要充分考虑设计产品的适用范围。比如一辆设计好的军用坦克必须能在海上作战，而一般设计的坦克是无法满足这种特殊要求的。一架有人驾驶的飞机可以在太空中旅行，可以回收，这就需要对飞机的材料和系统进行细致严格的设计。
2.循环往复。
或者变化或故障周期性地发生。也就是说，这种变化是循环发生的。各组之间、各板块之间、各批次产品之间的变化具有一定的周期性。这一点在改变设计时要充分考虑:是什么因素导致了这种周期性？
3.时间性的。
这是一个与时间相关的变化或失败。小时变化、班次变化、日变化、周变化和年变化都是与时间相关的因素。
在设计中要充分考虑时间因素，分析导致设计失败的主要原因。

❻ 常用的多元分析方法

多元分析方法包括3类:

多元方差分析、多元回归分析和协方差分析，称为线性模型方法，用以研究确定的自变量与因变量之间的关系；判别函数分析和聚类分析,用以研究对事物的分类；主成分分析、典型相关和因素分析，研究如何用较少的综合因素代替为数较多的原始变量。

多元方差是把总变异按照其来源分为多个部分，从而检验各个因素对因变量的影响以及各因素间交互作用的统计方法。

判别函数是判定个体所属类别的统计方法。其基本原理是：根据两个或多个已知类别的样本观测资料确定一个或几个线性判别函数和判别指标，然后用该判别函数依据判别指标来判定另一个个体属于哪一类。

(6)多变量分析的方法扩展阅读

多元分析方法的历史：

首先涉足多元分析方法是F.高尔顿，他于1889年把双变量的正态分布方法运用于传统的统计学，创立了相关系数和线性回归。

其后的几十年中，斯皮尔曼提出因素分析法，费希尔提出方差分析和判别分析，威尔克斯发展了多元方差分析，霍特林确定了主成分分析和典型相关。到20世纪前半叶，多元分析理论大多已经确立。

60年代以后，随着计算机科学的发展，多元分析方法在心理学以及其他许多学科的研究中得到了越来越广泛的应用。

❼ 多变量分析的基本简介

多变量分析为统计方法的一种，包含了许多的方法，最基本的为单变量，再延伸出来的多变量分析。统计资料中有多个变量（或称因素、指标）同时存在时的统计分析，是统计学的重要分支，是单变量统计的发展。统计学中的多变量统计分析起源于医学和心理学。

❽ 除了主成分分析法还有什么确定多变量权重的方法

权重计算的确定方法在综合评价中重中之重，不同的方法对应的计算原理并不相同。在实际分析过程中，应结合数据特征及专业知识选择适合的权重计算。

• 第一类为AHP层次法和优序图法；此类方法利用数字的相对大小信息进行权重计算；此类方法为主观赋值法，通常需要由专家打分或通过问卷调研的方式，得到各指标重要性的打分情况，得分越高，指标权重越大。

此类方法适合于多种领域。比如想构建一个员工绩效评价体系，指标包括工作态度、学习能力、工作能力、团队协作。通过专家打分计算权重，得到每个指标的权重，并代入员工数据，即可得到每个员工的综合得分情况。

• 第二类为熵值法（熵权法）；此类方法利用数据熵值信息即信息量大小进行权重计算。此类方法适用于数据之间有波动，同时会将数据波动作为一种信息的方法。

比如收集各地区的某年份的经济指标数据，包括产品销售率（X1）、资金利润率（X2）、成本费用利润率（X3）、劳动生产率（X4）、流动资金周转次数（X5），用熵值法计算出各指标权重，再对各地区经济效益进行比较。

• 第三类为CRITIC、独立性权重和信息量权重；此类方法主要是利用数据的波动性或者数据之间的相关关系情况进行权重计算。

比如研究利用某省医院2011年共计5个科室的数据指标（共计6个指标数据）进行CRITIC权重计算，最终可得到出院人数、入出院诊断符合率、治疗有效率、平均床位使用率、病床周转次数、出院者平均住院日这6个指标的权重。如果希望针对各个科室进行计算综合得分，那么可以直接将权重与自身的数据进行相乘累加即可，分值越高代表该科室评价越高。

• 第四类为因子分析和主成分法；此类方法利用了数据的信息浓缩原理，利用方差解释率进行权重计算。

比如对30个地区的经济发展情况的8项指标作主成分分析，主成分分析法可以将8个指标浓缩为几个综合指标（主成分），用这些指标（主成分）反映原来指标的信息，同时利用方差解释率得出各个主成分的权重。

❾ 多个自变量，多个因变量，用因变量做的量表，自变量为一个问答题，用什么分析方法，求教，感激不尽

可以做因子分析。

先将A1到An用提取主成分分析的方法，形成一个因子，同理，对B项做同样处理。其次，再在因子的层面上对两个因子单变量方差分析。最后，如果想考察两者的线性的数量关系，可以再做回归分析。多因变量的模型：VAR模型、结构方程模型还有联立方程模型等等，VAR最简单。

广义解释

任何一个系统（或模型）都是由各种变量构成的，当我们分析这些系统（或模型）时，可以选择研究其中一些变量对另一些变量的影响，那么我们选择的这些变量就称为自变量，而被影响的量就被称为因变量。

例如：我们可以分析人体这个系统中，呼吸对于维持生命的影响，那么呼吸就是自变量，而生命维持的状态被认为是因变量。系统和模型可以是一个二元函数这么简单，也可以是整个社会这样庞杂。