数据分析常用统计方法表格速查版.docVIP

数据分析常用统计方法表格速查版

引言

在数据分析工作中，统计方法是挖掘数据价值、验证假设、支持决策的核心工具。为帮助*快速选择合适的统计方法并规范操作流程，本文整理了描述性统计、推断统计、相关性分析、回归分析四大类常用方法的速查内容，涵盖适用场景、操作步骤、模板公式及注意事项，助力提升分析效率与结果准确性。

一、方法适用场景与目标

1.描述性统计

核心目标：概括数据基本特征，呈现集中趋势、离散程度及分布形态，快速知晓数据全貌。

适用场景：

数据初步摸索阶段，需知晓变量均值、中位数、标准差等基础指标；

撰写分析报告时，需用简洁指标展示数据分布情况（如用户年龄分布、销售额波动情况）；

检查数据异常值或缺失值影响（如通过极差、标准差判断数据离散程度）。

2.推断统计

核心目标：通过样本数据推断总体特征，或检验变量间关系的显著性。

适用场景：

比较两组数据均值是否存在差异（如“新药组与安慰剂组疗效差异”“男性与女性用户满意度差异”）；

比较三组及以上数据均值差异（如“不同促销活动对销量的影响”“不同年龄段用户消费偏好差异”）；

检验分类变量间是否存在关联（如“性别与产品购买偏好是否相关”“地区与用户流失率是否相关”）。

3.相关性分析

核心目标：量化两个连续变量间的线性或非线性关联强度与方向。

适用场景：

摸索变量间潜在关系（如“广告投入与销售额的相关性”“用户活跃度与留存率的相关性”）；

为回归分析筛选自变量（需先确认变量间存在显著相关性）；

识别数据中的共线性问题（如自变量间高度相关可能影响回归模型稳定性）。

4.回归分析

核心目标：建立变量间的数学关系模型，用于预测或解释因变量变化。

适用场景：

预测连续变量（如“根据历史数据预测下季度销售额”“根据用户特征预测消费金额”）；

解释变量对因变量的影响程度（如“哪些因素显著影响用户购买决策”“价格变动对销量的影响系数”）；

分类问题（逻辑回归）：预测事件发生概率（如“用户是否流失”“客户是否续费”）。

二、操作流程与步骤

1.描述性统计操作步骤

步骤1：明确分析目标

确定需分析的变量（如“用户年龄”“订单金额”）及关注指标（集中趋势、离散程度、分布形态）。

步骤2：数据准备

检查数据完整性：剔除或填充缺失值（如用均值、中位数填充连续变量，众数填充分类变量）；

处理异常值：通过箱线图、Z-score等方法识别异常值，判断是否剔除或修正（如“极端高值可能是录入错误，需核实”）。

步骤3：选择统计指标

集中趋势：均值（适用于对称分布）、中位数（适用于偏态分布或有异常值）、众数（适用于分类变量）；

离散程度：极差（最大值-最小值）、方差/标准差（数据波动情况）、四分位距（IQR，Q3-Q1，衡量中间50%数据离散度）；

分布形态：偏度（衡量对称性，偏度=0为对称，0为右偏，0为左偏）、峰度（衡量集中程度，峰度=3为正态分布，3为尖峰，3为平峰）。

步骤4：计算与可视化

使用Excel（“数据分析”工具库）、Python（pandas.describe()）、R（summary()）计算指标；

绘制直方图（观察分布形态）、箱线图（观察中位数、四分位数及异常值）。

2.推断统计操作步骤（以独立样本t检验为例）

步骤1：明确研究假设

原假设（H?）：两组均值无差异（如“新药组与安慰剂组疗效均值相同”）；

备择假设（H?）：两组均值有差异（如“新药组疗效均值高于安慰剂组”）。

步骤2：数据类型与分布检验

变量类型：因变量为连续变量（如“疗效评分”），分组变量为二分类（如“组别：新药/安慰剂”）；

正态性检验：使用Shapiro-Wilk检验（样本量2000）或Kolmogorov-Smirnov检验（样本量≥2000），若p0.05，符合正态分布；

方差齐性检验：使用Levene检验，若p0.05，方差齐（方差齐时用t检验，不齐时用校正t检验）。

步骤3：计算统计量与p值

若满足正态且方差齐：计算t统计量（t=(均值1-均值2)/合并标准误），自由度=n1+n2-2；

若不满足方差齐：计算校正t统计量（Welcht检验），自由度校正公式略。

步骤4：结果解读

设定显著性水平α（通常取0.05），若pα，拒绝H?，认为两组均值差异显著；若p≥α，不拒绝H?，认为差异不显著。

3.相关性分析操作步骤（以Pearson相关分析为例）

步骤1：变量选择与数据类型

选择两个连续变量（如“学习时长”“考试成绩”）；

检查变量分布：Pearson相关要求数据双变量正态分布（可通过散点图初步判断）。

步骤2：计算相关系数

公式：r=Σ[(xi-均值x)(yi-均值y)]/√[Σ(xi-均值x)2Σ(yi-均值y)2]；

r取值范围[-1,1]，正数表示正相关，负数表示负值，绝对值越接近1相关性越强