商务数据分析与应用1 商务数据分析基础 数据分析的方法-常见的16中数据分析方法②.pptxVIP

江苏经贸职业技术学院商务数据分析与应用目录1商务数据分析基础2数据分析的关键要素解析3移动端店铺数据分析与应用Contents目录4微博数据分析与应用5微信公众号数据分析与应用商务数据分析基础常见的16种数据分析方法②描述统计假设检验信度分析列联表分析相关分析方差分析回归分析聚类分析常见的16种数据分析方法 数据分析：判别分析宏观分析主成分分析因子分析时间序列分析生存分析典型相关分析ROC分析其他分析方法判别分析常见的16种数据分析方法 判别分析 在分类确定的条件下，根据某一研究对象的各种特征值判别其类型归属问题的一种多变量统计分析方法。 基本原理是按照一定的判别准则，建立一个或多个判别函数，用研究对象的大量资料确定判别函数中的待定系数，并计算判别指标。据此确定某一样本属于何类。判别分析常见的16种数据分析方法 与聚类分析的区别：① 聚类分析可以对样本逬行分类，也可以对指标进行分类；而判别分析只能对样本② 聚类分析事先不知道事物的类别，也不知道分几类；而判别分析必须事先知道事物的类别，也知道分几类③ 聚类分析不需要分类的历史资料，而直接对样本进行分类；而判别分析需要分类历史资料去建立判别函数，然后才能对样本进行分类。判别分析常见的16种数据分析方法 70%Fisher判别分析法以距离为判别准则来分类，即样本与哪个类的距离最短就分到哪一类， 适用于两类判别；或者以概率为判别准则来分类，即样本属于哪一类的概率最大就分到哪一类，适用于多类判别。BAYES判别分析法40%BAYES判别分析法比FISHER判别分析法更加完善和先进，它不仅能解决多类判别分析，而且分析时考虑了数据的分布状态，所以一般较多使用。主成分分析常见的16种数据分析方法 主成分分析 也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标（即主成分），其中每个主成分都能够反映原始变量的大部分信息，且所含信息互不重复。问题简单化科学有效影响因素主成分分析常见的16种数据分析方法 NMFSVD特征值分解因子分析常见的16种数据分析方法 与主成分分析比较：相同点在于：都能够起到清理多个原始变量内在结构关系的作用。不同的地方在于：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。因子分析常见的16种数据分析方法 因子分析 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。时间序列分析常见的16种数据分析方法 时间序列分析 动态数据处理的统计方法，研究随机数据序列所遵从的统计规律，以用于解决实际问题；时间序列通常由4种要素组成：趋势、季节变动、循环波动和不规则波动时间序列分析ARCH族模型移动平均滤波与指数平滑法ARIMA横型量ARIMA横型ARIMAX模型向呈自回归横型常见的16种数据分析方法 根据对系统进行观测得到的时间序列数据，用曲线拟合方法对系统进行客观的描述。当观测值取自两个以上变量时，可用一个时间序列中的变化去说明另一个时间序列中的变化，从而深入了解给定时间序列产生的机理。生存分析常见的16种数据分析方法 描述生存过程即研究生存时间的分布规律内容一比较生存过程研究两组或多组生存时间的分布规律，并进行比较内容二分析危险因素研究危险因素对生存过程的影响内容三建立数学模型内容四将生存时间与相关危险因素的依存关系用一个数学式子表示出来生存分析常见的16种数据分析方法 统计描述半参数横型回归分析包括求生存时间的分位数、中数生存期、平均数、生存函数的估计、判断生存时间的图示法，不对所分析的数据作出任何统计推断结论在特定的假设之下，建立生存时间随多个危险因素变化的回归方程。非参数检验参数模型回归分析检验分组变量各水平所对应的生存曲线是否一致，对生存时间的分布没有要求，并且检验危险因素对生存时间的影响。已知生存时间服从特定的参数横型时，拟合相应的参数模型，更准确地分析确定变量之间的变化规律。典型相关分析常见的16种数据分析方法 相关分析一般分析两个变量之间的关系，而典型相关分析是分析两组变量之间相关性的一种统计分析方法ROC曲线常见的16种数据分析方法 1-特异度灵敏度 相关分析一般分析两个变量之间的关系，而典型相关分析是分析两组变量之间相关性的一种统计分析方法1-特异度ROC曲线灵敏度常见的16种数据分析方法 作用一査出任意界限值时的对疾病的识别能力作用二选择最佳的诊断界限值作用三两种或两种以上不同诊断试验对疾病识别能力的比较，面积反映诊断系统的准确性其他分析方法常见的16种数据分析方法 蒙特卡洛模拟神经网络项目分析对应分析距离分析系统方程多重响应分析决策树分析描述统计假设检验信度分析列联