我们常用的数据分析方法有哪些？——本文，将为大家逐一讲解
而这些方法，具体怎么使用？——我们将在接下来的文章，逐一为大家介绍
先来给大家介绍下，本节将会概述的分析方法，共11种方法，分别为：1.描述分析法
2.对比分析法
3.平均分析法
4.分组分析法
5.结构分析法
6.回归分析法
7.交叉分析法
8.相关分析法
9.预测分析法
10.量化分析法
11.象限分析法
以下，是概述讲解：
1
描述分析法
是最基础的分析方法之一，主要通过分析频数、集中趋势、离散程度和分布形态等，并加以图表进行呈现
以下是所涵盖的细分分析：
频数分析：
频数：个数、次数
百分比：频数/总频数
集中趋势：
平均值：总和/总计
中位数：处于中间位置的数值
众数：出现次数最多的数值
离散程度：
最大值：最大的数值
最小值：最小的数值
四分位数：将数值从小到大排序，依据等距划分为四份，处于三个分割点的数值
方差：各数值与算术平均数之差平方和的均值
标准差：方差开平方
分布形态：
偏度：倾斜方向和程度
正态分布：随机变量X服从数学期望为μ、方差为σ^2的分布
正偏态：众数>中位数>算术平均数
负偏态：算术平均数>中位数>众数
峰度：平均值所处的峰值高低，反映峰度尖度
2
平均分析法
也是最基础的分析方法之一，是利用特征数据的平均指标，反映事物发展水平的分析方法
其中，平均指标有“数值平均数”和“位置平均数”；
数值平均数有：算术平均数、加权平均数和简单几何平均数
位置平均数有：中位数和众数
以下是平均指标具体计算方法：
数值平均数：
算术平均数 = 总和/计数
加权平均数 = 数值*权数之和/单位数之和
简单几何平均数 = N个数值相乘的N次方根
位置平均数：
中位数：先对数据进行排序，若数据为奇数项，则为中间位置的数值；若数据为偶数项，则为中间两数值的算术平均数
众数：为出现次数最多的数值；有时，会出现多个众数
3
对比分析法
亦称对比法、比较分析法，是指将数据与不同基数进行横向、纵向对比，了解数据差异，掌握事物发展趋势、变化规律等的分析方法
横向对比：为平级事物间的对比，如目标、部门、单位、地区、行业等的对比
纵向对比：为不同时期、阶段间的对比，如同比、环比、阶段前后对比
请注意，对比之前，需确保各数据间具有可比性，即：
统计基数是否相同
统计口径是否一致
指标类型是否相同
计量单位是否相同
......
4
分组分析法
是指依据数据的属性、特征，将数据划分为不同类型、组别，进行分析的分析方法
一般地，可分为两种分组分析法，为“按属性指标分组”和“按数量指标分组”
（1）按属性指标分组：
有两种细分分组方式，为“按自然属性分组”和“按社会属性分组”
按自然属性分组：
主要依据自然属性进行分组，如性别、血型等
按社会属性分组：
主要依据社会属性进行分组，如学历、地区、机型等
（2）按数量指标分组：
主要依据数据是否离散、数据量大小和变化幅度等进行分组，可分为“单项式分组”和“组距式分组”
单项式分组：
一般针对离散型，且数量不多、变动小的数据
依据不同的指标值，将数据划分为不同的组，如年份、职级等
组距式分组：
一般针对数据量大、变化幅度较大的数据
依据组距，将数据划分为不同的组，如消费能力、薪资水平等
5
结构分析法
是指对数据进行分类后，对比各项在整体中的占比，进而判断结构特征、变化趋势的分析方法
主要为“静态”和“动态”分析：
静态分析：
为短期分析，指某时期、时段，结构特征、变化趋势的分析，如，产业结构季度分析
动态分析：
为长期分析，指不同时期，结构特征、变化趋势的分析，如，为期5-10年的产业结构分析
6
回归分析法
亦称线性回归分析法，是利用线性回归模型，判断因变量与自变量，是否成线性相关关系的分析方法
一般来说，若数据点平均分布在一条直线附近，则因变量与自变量成线性相关关系
若没有平均分布在一条直线附近，则因变量与自变量不成线性相关关系
如何判断是否成线性相关关系：
散点图：数据点是否平均分布在一条直线附近？
残差：是否服从正态分布？
显著性检验：P值是否处于0-0.05之间？
几元回归：
若线性回归分析中，只有一个自变量，则为一元线性回归
若有两个及以上的自变量，则为多元线性回归
7
交叉分析法
亦称相关交叉分析法，属于相关分析
是分析两个及以上的变量之间，是否存在相关性及强弱程度，进而制定，或调整策略、方案等的分析方法
请注意，在进行交叉分析时，需要分两种情况进行讨论：
第1种情况：
若两者本应存在线性相关关系，则先进行线性回归分析，再进行交叉分析
第2种情况：
若两者不应存在线性相关关系，则直接进行交叉分析
同时，可利用Excel、Python、SPSS等工具进行分析
8
相关分析法
回归分析及交叉分析，都属于相关分析
这里，我们再赘述一遍，在进行相关分析时，需要分两种情况进行讨论：
若两变量本应存在线性相关关系，则先进行回归分析，再进行交叉分析
若两变量不应存在线性相关关系，则直接进行交叉分析
接着，我们可以依据相关性大小、正负等，判断是否相关及程度等
9
预测分析法
是依据现有数据，对未来进行估算，推断未来发展趋势的分析方法
一般来说，可调用多种方法进行预测，如：
依据线性回归建模结果，构造逻辑回归公式进行预测
同时，可利用时间序列模型进行预测
再者，可利用Market Sizing进行估算
10
量化分析法
是指将非数值化的数据，转化为可比较的数据，再进行分析，为各类业务、生活等场景提供策略支持的分析过程
主要涉及两个因素：维度和权重
11
象限分析法
简称象限法，亦称矩阵关联分析法，是主要依据事物的重要属性，将数据划分到不同象限，针对不同象限，采取不同的策略应对的分析方法
其中，重要属性有：重要程度、紧急程度、转化、金钱、频率、间隔等
而常见的象限法应用有：RFM用户分群、工作主次梳理等
以上是11种常用的数据分析方法概述，接下来，我们将逐一、详细地为大家介绍这些分析方法的应用，我们下期见
