用因素分析最常用的方法有

Ⅰ 什么是因素分析法

问题1：什么是因素分析法？

问题2：因素分析法是什么意思？

因素分析法是用来测定受多种因素影响的某种经济现象总变动中各个因素的影响的方向和影响程度的一种统计分析方法。因素分析法既可以全面分析各因素对某一经济指标的影响，又可以单独分析某个因素对经济指标的影响，在财务分析中应用颇为广泛。

因素分析的前提条件是在具有乘积关系的指数体系中进行。

因素分析的主要作用

因素分析是从数量方面研究现象动态变动中受各种因素变动的影响程度。因素分析主要借助于指数体系来分析社会经济现象变动中各种因素变动发生作用的影响程度。

因素分析主要分析以下两个问题。

1）利用综合指数体系，分析社会经济现象总体总量指标的变动受各种因素变动的影响程度。

2）利用综合指数编制的方法原理，通过平均指标指数体系，分析社会经济现象总体平均指标变动受各种因素变动影响程度。

常用的因素分析方法主要有以下几种：

1.相关联因素的剖析。

其特点不是借助于数字模型，而是根据相关因素的性质，表明其数量变化对所研究现象变动的影响关系与制约关系，从本质上讲属于经验方法

2.指数体系及其因素分析。

在经济上有联系，在数字上存在等式关系的三个或三个以上的指数，称为指数体系。利用指数体系测定各影响因素对某种经济现象总体变动的方向和程度所产生的影响就是因素分析，主要有以下几种类型：

（1）对总量指标变动进行二因素分析

如工业总产值指数=产品产量指数 * 出厂价格指数

工业总产值增长量=由于产量变动而增加的产值 + 由于价格变动而增加的产值

销售收入指数=销售量指数 * 销售价格指数

销售收入增长量=由于销售变动而增加销售额 + 由于销售价格变动而增加的销售额

分析其中一个因素变动时，将另一因素固定下来，分别将二个因素进行分析。

（2）总量指标变动进行多因素分析

常常用根据指数原理派生出来的连锁替代法，来解决多因素指数体系编制问题，其操作过程是：第一步将影响某一经济指标的各个因素，按照它们之间的逻辑关系，并考虑计算的实际经济意义，排列成合理的顺序。即数量指标排列在先，质量指标排列在后，相邻的两个因素指标相乘或相除有实际的经济意义（等于新的指标）。第二步分析某一个因素变动对总变动的方向程度所产生的影响时，假定只有该因素变动，而其余因素都固定不变，一直分析到最后一个因素为止。

（3）平均指标的因素分析

在统计分组的情况下加权算术平均数的大小受两个因素的制约，一个是各组标志值（或组平均数）的影响，一个是各组总体、单位数在总体中所占比重的影响，也即总体结构的影响。其关系式如下：

平均指标指数=固定构成指数*结构影响指数

（各组标志值变动） （各组单位数变动）

运用上述指数体系，借鉴“将其中一个因素固定下来，只观察另一个因素变动”的思想，分析这两个因素对平均指标变动的影响。

指数因素分析法可广泛运用于不同空间，包括不同国家、不同地区、不同单位之间的对比。运用于实际与计划的对比，还可以扩展到相对指标的变动分析。

3.相加因素的分析方法

在社会经济现象中，有一些现象的变动是由其总体内各个组成部分（或称构成因素）变动影响的结果。如工业总产值的变动是由轻工业与重工业共同变动影响的结果。由此可见，相加因素是指现象变动是由各个组成因素变动的总和，其分析方法是采用比重法和差额法测定总体各个组成部分的变动。对现象总变动的影响程度或称拉力度。

比重法是根据某因素在基数中所占比重与该因素报告期与基期的相对离差确定某因素变动对现象总量变动的影响程度。

差额法是指某因素的报告期绝对量与基期绝对差的离差与基数对比，确定某因素变动对现象总量变动影响程度。

计算贡献率是因素分析的重要内容，对此不能沿用日常生活中对“贡献”的理解。贡献率因素分析中存在特定的涵义，是指由于某一因素的影响使总变动增长的份额占总变动的比重。有时贡献率还会出现负值，称为负贡献。

运用因素分析法的一般程序

1、确定需要分析的指标;

2、确定影响该指标的各因素及与该指标的关系;

3、计算确定各个因素影响的程度数额。

采用因素分析法时注意的问题

1、注意因素分解的关联性;

2、因素替代的顺序性;

3、顺序替代的连环性，即计算每一个因素变动时，都是在前一次计算的基础上进行，并采用连环比较的方法确定因素变化影响结果;

4、计算结果的假定性，连环替代法计算的各因素变动的影响数，会因替代计算的顺序不同而有差别，即其计算结果只是在某种假定前提下的结果，为此，财务分析人员在具体运用此方法时，应注意力求使这种假定是合乎逻辑的假定，是具有实际经济意义的假定，这样，计算结果的假定性，就不会妨碍分析的有效性。

Ⅱ 因素分析法

因素分析法。又称经验分析法，是一种定性分析方法。

该方法主要指根据价值工程对象选择应考虑的各种因素，凭借分析人员的知识和经验集体研究确定选择对象。该方法简单易行，要求价值工程人员对产品熟悉，经验丰富，在研究对象彼此相差较大或时间紧迫的情况下比较适用，缺点是无定量分析、主观影响大。

利用因素分析法来分析问题：

第一步，找出影响该事物的因素，我们无法找出所有的影响因素，但是应该尽可能地找出所有重要和比较重要的因素。例如，乒乓球的旋转是一项很重要的克敌制胜的技术，那么影响乒乓球旋转强度的因素有哪些呢？它包括挥拍速度，球的光滑度，球拍的摩擦力，球与拍接触的时间，空气的气流，湿度等等。

第二步，在我们找出的这多种因素中，区分哪些是重要的，哪些是比较重要的，哪些是次要的。例如，影响乒乓球旋转强度的多种因素中，重要的因素是挥拍速度，球拍的摩擦力，球与拍接触的部位，次要的是空气的气流，湿度，其它的则介于二者之间。

第三步，在重要的和比较重要的因素中，判断哪些是可以改变的，哪些是不可以改变的。例如，上例中，球的光滑度一般是无法改变的，而其它的因素都是可以改变的。

第四步，采取措施改变那些可以改变的重要和比较重要的因素。例如，我们可以增加挥拍速度，选用摩擦系数高的球拍，利用球拍的下半部分触球，增加球与拍接触的时间，调整球与拍接触的角度等多种方法来加强球的旋转。当我们改变几个因素时就必须注意到它们之间的相互作用，协同作用要加以利用，拮抗作用应注意防止或调整。

Ⅲ 1财务分析的因素分析法可以分为

主要有以下几种：

1.相关联因素的剖析。

其特点不是借助于数字模型，而是根据相关因素的性质，表明其数量变化对所研究现象变动的影响关系与制约关系，从本质上讲属于经验方法

2.指数体系及其因素分析。

在经济上有联系，在数字上存在等式关系的三个或三个以上的指数，称为指数体系。利用指数体系测定各影响因素对某种经济现象总体变动的方向和程度所产生的影响就是因素分析，主要有以下几种类型：

（1）对总量指标变动进行二因素分析

如工业总产值指数=产品产量指数 * 出厂价格指数

工业总产值增长量=由于产量变动而增加的产值 + 由于价格变动而增加的产值

销售收入指数=销售量指数 * 销售价格指数

销售收入增长量=由于销售变动而增加销售额 + 由于销售价格变动而增加的销售额

分析其中一个因素变动时，将另一因素固定下来，分别将二个因素进行分析。

（2）总量指标变动进行多因素分析

常常用根据指数原理派生出来的连锁替代法，来解决多因素指数体系编制问题，其操作过程是：第一步将影响某一经济指标的各个因素，按照它们之间的逻辑关系，并考虑计算的实际经济意义，排列成合理的顺序。即数量指标排列在先，质量指标排列在后，相邻的两个因素指标相乘或相除有实际的经济意义（等于新的指标）。第二步分析某一个因素变动对总变动的方向程度所产生的影响时，假定只有该因素变动，而其余因素都固定不变，一直分析到最后一个因素为止。

（3）平均指标的因素分析

在统计分组的情况下加权算术平均数的大小受两个因素的制约，一个是各组标志值（或组平均数）的影响，一个是各组总体、单位数在总体中所占比重的影响，也即总体结构的影响。其关系式如下：

平均指标指数=固定构成指数 * 结构影响指数

（各组标志值变动） （各组单位数变动）

运用上述指数体系，借鉴“将其中一个因素固定下来，只观察另一个因素变动”的思想，分析这两个因素对平均指标变动的影响。

指数因素分析法可广泛运用于不同空间，包括不同国家、不同地区、不同单位之间的对比。运用于实际与计划的对比，还可以扩展到相对指标的变动分析。

3.相加因素的分析方法

在社会经济现象中，有一些现象的变动是由其总体内各个组成部分（或称构成因素）变动影响的结果。如工业总产值的变动是由轻工业与重工业共同变动影响的结果。由此可见，相加因素是指现象变动是由各个组成因素变动的总和，其分析方法是采用比重法和差额法测定总体各个组成部分的变动。对现象总变动的影响程度或称拉力度。

比重法是根据某因素在基数中所占比重与该因素报告期与基期的相对离差确定某因素变动对现象总量变动的影响程度。

差额法是指某因素的报告期绝对量与基期绝对差的离差与基数对比，确定某因素变动对现象总量变动影响程度。

计算贡献率是因素分析的重要内容，对此不能沿用日常生活中对“贡献”的理解。贡献率因素分析中存在特定的涵义，是指由于某一因素的影响使总变动增长的份额占总变动的比重。有时贡献率还会出现负值，称为负贡献。

Ⅳ 研究影响因素应该用哪种数据分析方法

研究影响因素应该用单因素方差数据分析方法。

不同因素度学生成绩的影响，但是看具体的问题似乎是比较不同培养方式（一种控制因素）对成绩的影响，这种情况可以使用单因素方差分析来进行。

数据样例的话，每一行为每个学生的信息，第一列是该学生所在班级，第二列为成绩。具体操作是“分析”-“比较均值”-“单因素ANOVA”成绩属于因变量，班级属于因子；方法上，可以在两两比较按钮选择“Bonferroni”；补充，如果有超过一个因素，楼主可以用多因素方差分析来进行。

因素

通过分析期货商品的供求状况及其影响因素，来解释和预测期货价格变化趋势的方法。期货交易是以现货交易为基础的。期货价格与现货价格之间有着十分紧密的联系。商品供求状况及影响其供求的众多因素对现货市场商品价格产生重要影响，因而也必然会对 期货价格重要影响。

Ⅳ 因素分析法的基本做法

因素分析法是指通过分析影响财务指标的各项因素并计算其对指标的影响程度,来说明本期实际数与计划数或基期数相比较,财务指标变动或差异的主要原因的一种分析方法。因素分析法适用于多种因素构成的综合性指标的分析,如成本、利润、资产周转等方面的指标。运用因素分析法的一般程序是：(1)确定需要分析的指标；(2)确定影响该指标的各因素及与该指标的关系；(3)计算确定各个因素影响的程度数额。
因素分析法的具体方法主要是差额分析法和连环替代法。如果各项因素与某项指标的关系为加或减的关系时,可采用差额分析法。
例如,企业利润总额是由三个因素影响的,其表达式为：利润总额=营业利润+投资损益±营业外收支净额,在分析去年和今年的利润变化时可以分别算出今年利润总额的变化,以及三个影响因素与去年比较时不同的变化,这样就可以了解今年利润增加或减少是主要由三个因素中的哪个因素引起的。
需要注意的是：因素分析法是作为基础分析中的企业财务状况分析的一部分而存在的,其前提是选出关注的指标、分解影响这些指标的因素和确定这些影响因素的变化率,而这三方面都需要基础分析的其他方面(比如宏观分析、行业分析、企业战略分析等)作为依据。

Ⅵ 常用的分析方法有哪些

问题一：常见的数据分析方法有哪些 1、聚类分析（Cluster Analysis）
聚类分析指将物理或抽象对象的 *** 分组成为由类似的对象组成的多个类的分析过程。聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。聚类分析所使用方法的不同，常常会得到不同的结论。不同研究者对于同一组数据进行聚类分析，所得到的聚类数未必一致。
2、因子分析（Factor Analysis）
因子分析是指研究从变量群中提取共性因子的统计技术。因子分析就是从大量的数据中寻找内在的联系，减少决策的困难。
因子分析的方法约有10多种，如重心法、影像分析法，最大似然解、最小平方法、阿尔发抽因法、拉奥典型抽因法等等。这些方法本质上大都属近似方法，是以相关系数矩阵为基础的，所不同的是相关系数矩阵对角线上的值，采用不同的共同性□2估值。在社会学研究中，因子分析常采用以主成分分析为基础的反复法。
3、相关分析（Correlation Analysis）
相关分析（correlation *** ysis），相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度。相关关系是一种非确定性的关系，例如，以X和Y分别记一个人的身高和体重，或分别记每公顷施肥量与每公顷小麦产量，则X与Y显然有关系，而又没有确切到可由其中的一个去精确地决定另一个的程度，这就是相关关系。
4、对应分析（Correspondence Analysis）
对应分析(Correspondence *** ysis)也称关联分析、R-Q型因子分析，通过分析由定性变量构成的交互汇总表来揭示变量间的联系。可以揭示同一变量的各个类别之间的差异，以及不同变量各个类别之间的对应关系。对应分析的基本思想是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。
5、回归分析
研究一个随机变量Y对另一个(X)或一组(X1，X2，…，Xk)变量的相依关系的统计分析方法。回归分析（regression *** ysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。
6、方差分析(ANOVA/Analysis of Variance)
又称“变异数分析”或“F检验”，是R.A.Fisher发明的，用于两个及两个以上样本均数差别的显着性检验。由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。方差分析是从观测变量的方差入手，研究诸多控制变量中哪些变量是对观测变量有显着影响的变量。这个 还需要具体问题具体分析

问题二：在解决实际问题时常用的分析方法有哪些 在实际工作中,通常采用的技术分析方法有对比分析法,因素分析法和相关分析法等三种.
1、对比分析法
对比分析法是根据实际成本指标与不同时期的指标进行对比,来揭示差异,分析差异产生原因的一种方法.在对比分析中,可采取实际指标与计划指标对比,本期实际与上期(或上年同期,历史最好水平)实际指标对比,本期实际指标与国内外同类型企业的先进指标对比等形式.通过对比分析,可一般地了解企业成本的升降情况及其发展趋势,查明原因,找出差距,提出进一步改进的措施.在采用对比分析时,应注意本期实际指标与对比指标的可比性,以使比较的结果更能说明问题,揭示的差异才能符合实际.若不可比,则可能使分析的结果不准确,甚至可能得出与实际情况完全不同的相反的结论.在采用对比分析法时,可采取绝对数对比,增减差额对比或相对数对比等多种形式.
比较分析法按比较内容（比什么）分为：
（1）比较会计要素的总量
（2）比较结构百分比
（3）比较财务比率
2、因素分析法
因素分析法是将某一综合性指标分解为各个相互关联的因素,通过测定这些因素对综合性指标差异额的影响程度的一种分析方法.在成本分析中采用因素分析法,就是将构成成本的各种因素进行分解,测定各个因素变动对成本计划完成情况的影响程度,并据此对企业的成本计划执行情况进行评价,并提出进一步的改进措施.
采用因素分析法的程序如下：
(1)将要分析的某项经济指标分解为若干个因素的乘积.在分解时应注意经济指标的组成因素应能够反映形成该项指标差异的内在构成原因,否则,计算的结果就不准确.如材料费用指标可分解为产品产量,单位消耗量与单价的乘积.但它不能分解为生产该产品的天数,每天用料量与产品产量的乘积.因为这种构成方式不能全面反映产品材料费用的构成情况.
(2)计算经济指标的实际数与基期数(如计划数,上期数等),从而形成了两个指标体系.这两个指标的差额,即实际指标减基期指标的差额,就是所要分析的对象.各因素变动对所要分析的经济指标完成情况影响合计数,应与该分析对象相等.
(3)确定各因素的替代顺序.在确定经济指标因素的组成时,其先后顺序就是分析时的替代顺序.在确定替代顺序时,应从各个因素相互依存的关系出发,使分析的结果有助于分清经济责任.替代的顺序一般是先替代数量指标,后替代质量指标；先替代实物量指标,后替代货币量指标；先替代主要指标,后替代次要指标.
(4)计算替代指标.其方法是以基期数为基础,用实际指标体系中的各个因素,逐步顺序地替换.每次用实际数替换基数指标中的一个因素,就可以计算出一个指标.每次替换后,实际数保留下来,有几个因素就替换几次,就可以得出几个指标.在替换时要注意替换顺序,应采取连环的方式,不能间断,否则,计算出来的各因素的影响程度之和,就不能与经济指标实际数与基期数的差异额(即分析对象)相等.
(5)计算各因素变动对经济指标的影响程度.其方法是将每次替代所得到的结果与这一因素替代前的结果进行比较,其差额就是这一因素变动对经济指标的影响程度.
(6)将各因素变动对经济指标影响程度的数额相加,应与该项经济指标实际数与基期数的差额(即分析对象)相等.
上述因素分析法的计算过程可用以下公式表示：
设某项经济指标N是由A,B,C三个因素组成的.在分析时,若是用实际指标与计划指标进行对比,则计划指标与实际指标的计算公式如下：
计划指标N0=A0×B0×C0
实际指标N1=A1×B1×C1
分析对象为N1-N0的差额.
采用因素分析法测定各因素变动对指标N的影响程度时,......>>

问题三：常用的分析方法有哪些 目前系统安全分析法有20余种，其中常用的分析法是：
（1）安全检查表（safety check list）
（2）初步危险分析（PHA）
（3）故障类型、影响及致命度分析（FMECA）
（4）事件要分析（ETA）
（5）事故树分析（FTA）

问题四：常用的分析方法及模型有哪些？ 不细说了，直接网络搜索此书――《赢取竞争的100+N工具箱(mba原版1862页).pdf》 目录太长，涉及版权也不能再上图了
下载不到的评论留下邮箱

问题五：常用的药物分析方法有哪些 重量分析法
酸碱滴定法
沉淀滴定法
氧化还原滴定法
非水滴定法
药物仪器分析法
紫外分光光度法
质谱法
核磁共振波谱法
薄层色谱法
气相色谱法
高效液相色谱法
电泳法和PH值测定法
物理常数测定法

问题六：数据分析方法有哪些 一、描述性统计
描述性统计是一类统计方法的汇总，揭示了数据分布特性。它主要包括数据的频数分析、数据的集中趋势分析、数据离散程度分析、数据的分布以及一些基本的统计图形。
1、缺失值填充：常用方法有剔除法、均值法、决策树法。
2、正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以在做数据分析之前需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W检验、动差法。
二、回归分析
回归分析是应用极其广泛的数据分析方法之一。它基于观测数据建立变量间适当的依赖关系，以分析数据内在规律。
1. 一元线性分析
只有一个自变量X与因变量Y有关，X与Y都必须是连续型变量，因变量Y或其残差必须服从正态分布。
2. 多元线性回归分析
使用条件：分析多个自变量X与因变量Y的关系，X与Y都必须是连续型变量，因变量Y或其残差必须服从正态分布。
3.Logistic回归分析
线性回归模型要求因变量是连续的正态分布变量，且自变量和因变量呈线性关系，而Logistic回归模型对因变量的分布没有要求，一般用于因变量是离散时的情况。
4. 其他回归方法：非线性回归、有序回归、Probit回归、加权回归等。
三、方差分析
使用条件：各样本须是相互独立的随机样本；各样本来自正态分布总体；各总体方差相等。
1. 单因素方差分析：一项试验只有一个影响因素，或者存在多个影响因素时，只分析一个因素与响应变量的关系。
2. 多因素有交互方差分析：一顼实验有多个影响因素，分析多个影响因素与响应变量的关系，同时考虑多个影响因素之间的关系
3. 多因素无交互方差分析：分析多个影响因素与响应变量的关系，但是影响因素之间没有影响关系或忽略影响关系
4. 协方差分祈：传统的方差分析存在明显的弊端，无法控制分析中存在的某些随机因素，降低了分析结果的准确度。协方差分析主要是在排除了协变量的影响后再对修正后的主效应进行方差分析，是将线性回归与方差分析结合起来的一种分析方法。
四、假设检验
1. 参数检验
参数检验是在已知总体分布的条件下（一股要求总体服从正态分布）对一些主要的参数(如均值、百分数、方差、相关系数等）进行的检验 。
2. 非参数检验
非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一般性假设（如总体分布的位D是否相同，总体分布是否正态）进行检验。
适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。
1）虽然是连续数据，但总体分布形态未知或者非正态；
2）总体分布虽然正态，数据也是连续类型，但样本容量极小，如10以下；
主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。

问题七：常用的数据分析方法有哪些？ 10分 一、掌握基础、更新知识。
基本技术怎么强调都不过分。这里的术更多是（计算机、统计知识）， 多年做数据分析、数据挖掘的经历来看、以及业界朋友的交流来看，这点大家深有感触的。
数据库查询―SQL
数据分析师在计算机的层面的技能要求较低，主要是会SQL，因为这里解决一个数据提取的问题。有机会可以去逛逛一些专业的数据论坛，学习一些SQL技巧、新的函数，对你工作效率的提高是很有帮助的。
统计知识与数据挖掘
你要掌握基础的、成熟的数据建模方法、数据挖掘方法。例如：多元统计：回归分析、因子分析、离散等，数据挖掘中的：决策树、聚类、关联规则、神经网络等。但是还是应该关注一些博客、论坛中大家对于最新方法的介绍，或者是对老方法的新运用，不断更新自己知识，才能跟上时代，也许你工作中根本不会用到，但是未来呢？
行业知识
如果数据不结合具体的行业、业务知识，数据就是一堆数字，不代表任何东西。是冷冰冰，是不会产生任何价值的，数据驱动营销、提高科学决策一切都是空的。
一名数据分析师，一定要对所在行业知识、业务知识有深入的了解。例如：看到某个数据，你首先必须要知道，这个数据的统计口径是什么？是如何取出来的？这个数据在这个行业， 在相应的业务是在哪个环节是产生的？数值的代表业务发生了什么（背景是什么）？对于A部门来说，本月新会员有10万，10万好还是不好呢？先问问上面的这个问题：
对于A部门，
1、新会员的统计口径是什么。第一次在使用A部门的产品的会员？还是在站在公司角度上说，第一次在公司发展业务接触的会员？
2、是如何统计出来的。A：时间；是通过创建时间，还是业务完成时间。B：业务场景。是只要与业务发接触，例如下了单，还是要业务完成后，到成功支付。
3、这个数据是在哪个环节统计出来。在注册环节，在下单环节，在成功支付环节。
4、这个数据代表着什么。10万高吗？与历史相同比较？是否做了营销活动？这个行业处理行业生命同期哪个阶段？
在前面二点，更多要求你能按业务逻辑，来进行数据的提取（更多是写SQL代码从数据库取出数据）。后面二点，更重要是对业务了解，更行业知识了解，你才能进行相应的数据解读，才能让数据产生真正的价值，不是吗？
对于新进入数据行业或者刚进入数据行业的朋友来说：
行业知识都重要，也许你看到很多的数据行业的同仁，在微博或者写文章说，数据分析思想、行业知识、业务知识很重要。我非常同意。因为作为数据分析师，在发表任何观点的时候，都不要忘记你居于的背景是什么？
但大家一定不要忘记了一些基本的技术，不要把基础去忘记了，如果一名数据分析师不会写SQL，那麻烦就大了。哈哈。。你只有把数据先取对了，才能正确的分析，否则一切都是错误了，甚至会导致致命的结论。新同学，还是好好花时间把基础技能学好。因为基础技能你可以在短期内快速提高，但是在行业、业务知识的是一点一滴的积累起来的，有时候是急不来的，这更需要花时间慢慢去沉淀下来。
不要过于追求很高级、高深的统计方法，我提倡有空还是要多去学习基本的统计学知识，从而提高工作效率，达到事半功倍。以我经验来说，我负责任告诉新进的同学，永远不要忘记基本知识、基本技能的学习。
二、要有三心。
1、细心。
2、耐心。
3、静心。
数据分析师其实是一个细活，特别是在前文提到的例子中的前面二点。而且在数据分析过程中，是一个不断循环迭代的过程，所以一定在耐心，不怕麻烦，能静下心来不断去修改自己的分析思路。
三、形成自己结构化的思维。
数据分析师一定要严谨。而严谨一定要很强的结构化思维，如何提高结构化思维，也许只需要工作队中不断的实践。但是我推荐你用mindman......>>

问题八：常用的多元分析方法？ 包括3类:①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；②判别函数分析和聚类分析,用以研究对事物的分类；③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。
多元方差分析
是把总变异按照其来源（或实验设计）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。例如，在分析2×2析因设计资料时，总变异可分为分属两个因素的两个组间变异、两因素间的交互作用及误差（即组内变异）等四部分,然后对组间变异和交互作用的显着性进行F检验。
多元方差分析的优点
是可以在一次研究中同时检验具有多个水平的多个因素各自对因变量的影响以及各因素间的交互作用。其应用的限制条件是，各个因素每一水平的样本必须是独立的随机样本，其重复观测的数据服从正态分布，且各总体方差相等。
多元回归分析
用以评估和分析一个因变量与多个自变量之间线性函数关系的统计方法。一个因变量y与自变量x1、x2、…xm有线性回归关系是指： 其中α、β1…βm是待估参数，ε是表示误差的随机变量。通过实验可获得x1、x2…xm的若干组数据以及对应的y值，利用这些数据和最小二乘法就能对方程中的参数作出估计，记为╋、琛常它们称为偏回归系数。
多元回归分析的优点
是可以定量地描述某一现象和某些因素间的线性函数关系。将各变量的已知值代入回归方程便可求得因变量的估计值（预测值），从而可以有效地预测某种现象的发生和发展。它既可以用于连续变量，也可用于二分变量（0，1回归）。多元回归的应用有严格的限制。首先要用方差分析法检验自变量y与m个自变量之间的线性回归关系有无显着性，其次，如果y与m个自变量总的来说有线性关系，也并不意味着所有自变量都与因变量有线性关系，还需对每个自变量的偏回归系数进行t检验,以剔除在方程中不起作用的自变量。也可以用逐步回归的方法建立回归方程，逐步选取自变量，从而保证引入方程的自变量都是重要的。
协方差分析
把线性回归与方差分析结合起来检验多个修正均数间有无差别的统计方法。例如，一个实验包含两个多元自变量，一个是离散变量(具有多个水平)，一个是连续变量，实验目的是分析离散变量的各个水平的优劣，此变量是方差变量；而连续变量是由于无法加以控制而进入实验的，称为协变量。在运用协方差分析时，可先求出该连续变量与因变量的线性回归函数，然后根据这个函数扣除该变量的影响，即求出该连续变量取等值情况时因变量的修正均数，最后用方差分析检验各修正均数间的差异显着性，即检验离散变量对因变量的影响。
协方差分析兼具方差分析和回归分析的优点
可以在考虑连续变量影响的条件下检验离散变量对因变量的影响，有助于排除非实验因素的干扰作用。其限制条件是，理论上要求各组资料（样本）都来自方差相同的正态总体,各组的总体直线回归系数相等且都不为0。因此应用协方差分析前应先进行方差齐性检验和回归系数的假设检验，若符合或经变换后符合上述条件，方可作协方差分析。
判别函数分析
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。 判别分析不仅用于连续变量，而且借助于数量化理论亦可用于定性资料。它有助于客观地确定归类标准。然而，判别分析仅可用于类别已确定的情况。当类别本身未定时，预用聚类分析先分出类别，然后再进行判别分析。
聚类分析
解决分类问题的一种统计方法。若给定n个观测对象，每个观......>>

问题九：常用的数学分析方法有哪些 你问的是什么层次？
1、数学分析方法的基本内容是数学化、模型化和计算机化。从数学角度看，数学中发现了许多有实用价值的手段，如线性规划、整数规划、动态规划、对策论、排队论、存货模型、调度模型、概率统计等等，对定量化的分析与决断起到了重大的推动作用；从模型化角度看，每一种数学手段都包括了解决决策问题的具体数学模型，人们可以借助于模型找出自己所需了解的问题的答案；从计算机化的角度看，人们可以借用电子计算机这个快速逻辑计算工具，缩短解决问题的时间，增强预测的精确性。这“三化”是互相联系的，它们的结合使决策的技术和方法发生了重大变化。
2、另一个层次：待定系数法，换元法，数学归纳法。

问题十：常见的调查方法有哪些 （一）、按调查对象的范围分,可分为全面调查和非全面调查.
（二）、按调查的连续性来分,可分为一次性调查和经常性调查.
（三）、按调查的组织方式不同,可分为统计报表和专门调查.
（四）、按调查的方法不同,可分为直接观察法、报告法和询问法.

Ⅶ 请介绍一下因素分析法

基本因素分析法是从商品的实际供求和需求对商品价格的影响这一角度来进行分析的方法。它注重国家的有关政治、经济、金融政策、法律、法规的实施及商品的生产量、消费量、进口量和出口量等因素对商品供求状况直接或间接的影响程度。这种分析法较注重中长线分析，较适合于掌握现货行情的大现货商和消息灵通的投资者使用。

Ⅷ 16种常用的数据分析方法-因子分析

因子分析法是指从研究指标相关矩阵内部的依赖关系出发，把一些信息重叠、具有错综复杂关系的变量归结为少数几个不相关的综合因子的一种多元统计分析方法。 

是一种旨在寻找隐藏在多变量数据中、无法直接观察到却影响或支配可测变量的潜在因子、并估计潜在因子对可测变量的影响程度以及潜在因子之间的相关性的一种多元统计分析方法

基本思想

根据相关性大小把变量分组，使得同组内的变量之间相关性较高，但不同组的变量不相关或相关性较低，每组变量代表一个基本结构一即公共因子。

为什么做因子分析

举例说明：在实际门店问题中，往往我们会选择潜力最大的门店作为领航店，以此为样板，实现业绩和利润的突破及未来新店的标杆。选择领航店过程中我们要注重很多因素，比如：

↘所在小区的房价

↘总面积

↘户主年龄分布

↘小区户数

↘门店面积

↘2公里范围内竞争门店数量等

收集到所有的这些数据虽然能够全面、精准的确定领航店的入选标准，但实际建模时这些变量未必能够发挥出预期的作用。主要体现两方面：计算量的问题；变量间的相关性问题。

这时，最简单直接的方案就是削减变量个数，确定主要变量，因子分析以最少的信息丢失为前提，将众多的原有变量综合成少数的综合指标。

因子分析特点

因子个数远小于变量个数；

能够反应原变量的绝大数信息；

因子之间的线性关系不显着；

因子具有命名解释性

因子分析步骤

1.原有变量是否能够进行因子分析；

2.提取因子；

3.因子的命名解释；

4.计算因子得分；五、综合评价

因子与主成分分析的区别

相同：都能够起到处理多个原始变量内在结构关系的作用

不同：主成分分析重在综合原始变适的信息.而因子分析重在解释原始变量间的关系，是比主成分分析更深入的一种多元统计方法

因子分析可以看做是优化后的主成分分析，两种方法有很多共通的地方，但应用方面各有侧重。

因子分析应用场景

因子分析方法主要用于三种场景，分别是：

l 信息浓缩 ：将多个分析项浓缩成几个关键概括性指标。比如将多个问卷题浓缩成几个指标。如果偏重信息浓缩且关注指标与分析项对应关系，使用因子分析更为适合。

l 权重计算 ：利用方差解释率值计算各概括性指标的权重。在信息浓缩的基础上，可进一步计算每个主成分/因子的权重，构建指标权重体系。

l 综合竞争力 ：利用成分得分和方差解释率这两项指标，计算得到综合得分，用于综合竞争力对比（综合得分值越高意味着竞争力越强）。此类应用常见于经济、管理类研究，比如上市公司的竞争实力对比。

因子分析案例

现在有 12 个地区的 5 个经济指标调查数据（总人口、学校校龄、总雇员、专业服务、中等房价），为对这 12 个地区进行综合评价，请确定出这 12 个地区的综合评价指标。（ 综合竞争力应用场景 ）

同一指标在不同地区是不同的，用单一某一个指标难以对12个地区进行准确的评价，单一指标只能反映地区的某一方面。所以，有必要确定综合评价指标，便于对比。因子分析方法就可以应用在这个案例中。

5 个指标即为我们分析的对象，我们希望从这5个可观测指标中寻找出潜在的因素，用这些具有综合信息的因素对各地区进行评价。

下图spss因子分析的操作界面主要包括5方面的选项，变量区只能选择数值型变量，分类型变量不能进入该模型。

spss软件为了消除不同变量间量纲和数量级对结果的影响，在该过程中默认自动进行标准化处理，因此不需要对这些变量提前进行标准化处理。

 

描述统计选项卡

希望看到各变量的描述统计信息，要对比因子提取前后的方差变化，选定“单变量描述性”和“原始分析结果”；

现在是基于相关矩阵提取因子，所以，选定相关矩阵的“系数和显着性水平“，

另外，比较重要的还有 KMO 和球形检验，通过KMO值，我们可以初步判断该数据集是否适合采用因子分析方法，kmo结果有时并不会出现，这主要与变量个数和样本量大小有关。

 

 

抽取选项卡:在该选项卡中设置如何提取因子

提取因子的方法有很多，最常用的就是主成分法。

因为参与分析的变量测度单位不同，所以选择“相关矩阵”，如果参与分析的变量测度单位相同，则考虑选用协方差矩阵。

经常用到碎石图对于判断因子的个数很有帮助，一般都会选择该项。关于特征值，一般spss默认只提取特征值大于1的因子。收敛次数比较重要，可以从首次结果反馈的信息进行调整。

 

 

因子旋转选项卡

因子分析要求对因子给予命名和解释，是否对因子旋转取决于因子的解释。

旋转就是坐标变换，使得因子系数向1 和 0 靠近，对公因子的命名和解释更加容易。旋转方法一般采用”最大方差法“即可，输出旋转后的因子矩阵和载荷图，对于结果的解释非常有帮助。

如果不经旋转因子已经很好解释，那么没有必要旋转，否则，应该旋转。

 

 

保存因子得分

要计算因子得分就要先写出因子的表达式。因子是不能直接观察到的，是潜在的。但是可以通过可观测到的变量获得。

因子分析模型是原始变量为因子的线性组合，现在我们可以根据回归的方法将模型倒过来，用原始变量也就是参与分析的变量来表示因子。从而得到因子得分。因子得分作为变量保存，对于以后深入分析很有用处。

 

结果解读：验证数据是否适合做因子分析

参考kmo结果，一般认为大于0.5，即可接受。同时还可以参考相关系数，一般认为分析变量的相关系数多数大于 0.3，则适合做因子分析；

KMO=0.575 检验来看，不是特别适合因子分析，基本可以通过。

 

 

结果解读：因子方差表

提取因子后因子方差的值均很高，表明提取的因子能很好的描述这 5 个指标。

方差分解表表明，默认提取的前两个因子能够解释 5 个指标的 93.4%。碎石图表明，从第三个因子开始，特征值差异很小。综上，提取前两个因子。

 

 

 

 

结果解读：因子矩阵

旋转因子矩阵可以看出，经旋转后，因子便于命名和解释。

因子 1主要解释的是中等房价、专业服务项目、中等校平均校龄，可以命名为社会福利因子；

因子 2 主要解释的是其余两个指标，总人口和总雇员。可以命名为人口因子。

因子分析要求最后得到的因子之间相互独立，没有相关性，而因子转换矩阵显示，两个因子相关性较低。可见，对因子进行旋转是完全有必要的。

 

结果解读：因子系数

因子得分就是根据这个系数和标准化后的分析变量得到的。在数据视图中可以看到因子得分变量。

结论

经过因子分析实现了目的，找到了两个综合评价指标，人口因子和福利因子。

从原来的 5 个指标挖掘出 2 个潜在的综合因子。可以对12 个地区给出客观评价。

 

 

 

可以根据因子1或因子2得分，对这12个地区进行从大到小排序，得分高者被认为在这个维度上有较好表现。

Ⅸ 常用的相关分析方法有哪三种

相关分析的主要方法有比较分析法、比率分析法、因素分析法。

---

比较分析法：

比较分析法，是通过对比两期或连续数期财务报告中的相同指标，确定其增减变动的方向、数额和幅度，来说明企业财务状况或经营成果变动趋势的一种方法。采用这种方法，可以分析引起变化的主要原因、变动的性质，并预测企业未来的发展趋势。

Ⅹ 危险因素分析方法

问题一：【高分】请教某一疾病危险因素分析的统计学方法。急！！！ spss11.5具体处理过程如下：Analyze――General Linear model--Repeated measures
Within-subject factor name框：改为x2
Number of levels框：键入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

问题二：因素分析法和风险因素分析法的区别 因素分析法（Factor Analysis Approach），又称指数因素分析法，是利用统计指数体系分析现象总变动中各个因素影响程度的一种统计分析方法，包括连环替代法、差额分析法、指标分解法、定基替代法。 因素分析法是现代统计学中一种重要而实用的方法，它是多元统计分析的一个分支。使用这种方法能够使研究者把一组反映事物性质、状态、特点等的变量简化为少数几个能够反映出事物内在联系的、固有的、决定事物本质特征的因素。因素分析法的最大功用，就是运用数学方法对可观测的事物在发展中所表现出的外部特征和联系进行由表及里、由此及彼、去粗取精、去伪存真的处理，从而得出客观事物普遍本质的概括。其次，使用因素分析法可以使复杂的研究课题大为简化，并保持其基本的信息量。
风险因素分析法是指对可能导致风险发生的因素进行评价分析，从而确定风险发生概率大小的风险评估方法。其一般思路是：调查风险源→识别风险转化条件→确定转化条件是否具备→估计风险发生的后果→风险评价。
因素是决定事物成败的原因或条件，不仅仅包括风险，风险仅仅是其中一个方面。

问题三：危险有害因素分析的辨识方法 （1）直观经验法：适用于有可供参考先例、有以往经验可以借鉴的系统。a、对照、经验法：是对照有关标准、法规、检查表或依靠分析人员的观察分析能力，借助于经验判断能力对评价对象的危险、有害因素进行分析的方法。b、类比法：是利用相同或相似工程或作业条件的经验和劳动安全卫生的统计资料来类推、分析评价对象的危险、有害因素。C、案例法：收集整理国内外相同或相似工程发生事故的原因和后果；相类似的工艺条件、设备发生事故的原因和后果对评价对象的危险、有害因素进行分析的方法。（2）系统安全分析法：常用于复杂、没有事故经验的新开发系统。常有事件树、事故树等。（注：本文来源：“百分百考试网”）

问题四：因素分析法和风险因素分析法的区别 英文“economy”的词源
英文中economy源自古希腊语οικονομα(家政术)。οικο为家庭的意思，νομο是方法或者习惯的意思。因此，其本来含义是指治理家庭财物的方法，到了近代扩大为治理国家的范围，为了区别于之前的用法也被称为“政治经济学”（Political Economy）。
这个名称后来被马歇尔改回经济学（Economics）。到了现代，如果单称经济学的话，是在政治经济学或者更广的层面来考虑经济，因此一般在指经济学的时候经济学与政治经济学是同义的。

问题五：怎么证明相关分析的因素是独立的危险因素 可以考虑这个自变量是否和其他自变量产生交互效应，如果没有交互效应，说明这个自变量的影响是独立的。其次分析这个自变量对因变量的影响是否显着，是危险因素还是保护因素。（南心网 SPSS数据统计分析）

问题六：如何用spss软件做危险因素的单因素和多因素分析，能举个例子吗？谢谢 多元线性回归分析和logistic回归分析都可以的。另外一般线性模型也是可以的。卡方检验中的危险度分析均可以的。

问题七：如何用spss进行危险因素分析 分析――一般线性模型――单因素（其实是结局变量为1的意思）可以分析多个因素的影响。

问题八：怎样去进行危险因素的调查 5分 什么危险因素，如果是疾病的话：首先描述疾病的三间分布，分析筛选可能的危险因素。接着用病例对照或队列研究的方法调查分析危险因素。其中的危险因素调查要设计的尽量详细、客观、具体，比如吸烟，要调查从什么时候开始吸烟，什么烟，每天几支，何时戒烟，有无过滤嘴，吸烟的时间，吸烟的方式，有没有吸到肺等。

问题九：如何进行危险源辨识 危险源概念：可能导致伤害或疾病、财产损失、工作环境破坏或这些情况组合的根源或状态。
危险源是指一个系统中具有潜在能量和物质释放危险的、可造成人员伤害、财产损失或环境破坏的、在一定的触发因素作用下可转化为事故的部位、区域、场所、空间、岗位、设备及其位置。它的实质是具有潜在危险的源点或部位，是爆发事故的源头，是能量、危险物质集中的核心，是能量从那里传出来或爆发的地方。危险源存在于确定的系统中，不同的系统范围，危险源的区域也不同。例如，从全国范围来说，对于危险行业（如石油、化工等）具体的一个企业（如炼油厂）就是一个危险源。而从一个企业系统来说，可能是某个车间、仓库就是危险源，一个车间系统可能是某台设备是危险源；因此，分析危险源应按系统的不同层次来进行。一般来说，危险源可能存在事故隐患，也可能不存在事故隐患，对于存在事故隐患的危险源一定要及时加以整改，否则随时都可能导致事故。
实际中，对事故隐患的控制管理总是与一定的危险源联系在一起，因为没有危险的隐患也就谈不上要去控制它；而对危险源的控制，实际就是消除其存在的事故隐患或防止其出现事故隐患。所以，在实际中有时不加区别也使用这两个概念。
根据上述对危险源的定义，危险源应由三个要素构成：潜在危险性、存在条件和触发因素。危险源的潜在危险性是指一旦触发事故，可能带来的危害程度或损失大小，或者说危险源可能释放的能量强度或危险物质量的大小。危险源的存在条件是指危险源所处的物理、化学状态和约束条件状态。例如，物质的压力、温度、化学稳定性，盛装压力容器的坚固性，周围环境障碍物等情况。触发因素虽然不属于危险源的固有属性，但它是危险源转化为事故的外因，而且每一类型的危险源都有相应的敏感触发因素。如易燃、易爆物质，热能是其敏感的触发因素，又如压力容器，压力升高是其敏感触发因素。因此，一定的危险源总是与相应的触发因素相关联。在触发因素的作用下，危险源转化为危险状态，继而转化为事故。
危险源辨识：识别危险源的存在并确定其特性的过程。