统计方法的选择
一、两组或多组计量资料的比较
1.两组资料：
1)大样本资料或服从正态分布的小样本资料
(1)若方差齐性，则作成组t检验
(2)若方差不齐，则作t’检验或用成组的Wilcoxon秩和检验
2)小样本偏态分布资料，则用成组的Wilcoxon秩和检验2.多组资料：
1)若大样本资料或服从正态分布，并且方差齐性，则作
完全随机的方差分析。如果方差分析的统计检验为有统
计学意义，则进一步作统计分析：选择合适的方法
（如：LSD检验，Bonferroni检验等）进行两两比较。
2)如果小样本的偏态分布资料或方差不齐，则作
Kruskal Wallis的统计检验。如果Kruskal Wallis的统计检验为有统计学意义，则进一步作统计分析：选择合适
的方法（如：用成组的Wilcoxon秩和检验，但用Bonferroni方法校正P值等）进行两两比较。
二、分类资料的统计分析
1.单样本资料与总体比较
1)二分类资料：
(1)小样本时：用二项分布进行确切概率法检验；
(2)大样本时：用U检验。
2)多分类资料：用Pearson c2检验（又称拟合优度检验）。
2. 四格表资料
1)n>40并且所以理论数大于5，则用Pearson c2
2)n>40并且所以理论数大于1并且至少存在一个理论数<5，则用校正 c2或用Fisher’s 确切概率法检验
3)n￡40或存在理论数<1，则用Fisher’s 检验
3. 2×C表资料的统计分析
1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则行评分的CMH c2或成组的Wilcoxon秩和检验
2)列变量为效应指标并且为二分类，列变量为有序多分类变量，则用趋势c2检验
3)行变量和列变量均为无序分类变量
(1)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2
(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 确切概率法检验
4. R×C表资料的统计分析
1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则CMH c2或Kruskal Wallis的秩和检验
2)列变量为效应指标，并且为无序多分类变量，行变量
为有序多分类变量，作none zero correlation analysis 的CMH c2
3)列变量和行变量均为有序多分类变量，可以作Spearman相关分析
4)列变量和行变量均为无序多分类变量，
(1)n>40并且理论数小于5的格子数<行列表中格子总数
的25%，则用Pearson c2
(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 确切概率法检验
三、 Poisson分布资料
1.单样本资料与总体比较：
1)观察值较小时：用确切概率法进行检验。
2)观察值较大时：用正态近似的U检验。
2.两个样本比较：用正态近似的U检验。
配对设计或随机区组设计
四、两组或多组计量资料的比较
1.两组资料：
1)大样本资料或配对差值服从正态分布的小样本资料，
作配对t检验
2)小样本并且差值呈偏态分布资料，则用Wilcoxon的符
号配对秩检验
2.多组资料：
1)若大样本资料或残差服从正态分布，并且方差齐性，
则作随机区组的方差分析。如果方差分析的统计检验为
有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。2)如果小样本时，差值呈偏态分布资料或方差不齐，则
作Fredman的统计检验。如果Fredman的统计检验为有
统计学意义，则进一步作统计分析：选择合适的方法（如：用Wilcoxon的符号配对秩检验，但用Bonferroni 方法校正P值等）进行两两比较。
五、分类资料的统计分析
1.四格表资料
1)b+c>40，则用McNemar配对 c2检验或配对边际c2检
验
2)b+c￡40，则用二项分布确切概率法检验
2.C×C表资料：
1)配对比较：用McNemar配对 c2检验或配对边际c2检
验
2)一致性问题（Agreement）：用Kap检验
变量之间的关联性分析
六、两个变量之间的关联性分析
1.两个变量均为连续型变量
1)小样本并且两个变量服从双正态分布，则用Pearson 相关系数做统计分析
2)大样本或两个变量不服从双正态分布，则用Spearman相关系数进行统计分析
2.两个变量均为有序分类变量，可以用Spearman相关系数进行统计分析
3.一个变量为有序分类变量，另一个变量为连续型变量，可以用Spearman相关系数进行统计分析
七、回归分析
1.直线回归：如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变量无趋势变化，则直线回归（单个自变量的线性回归，称为简单回归），否则应作适当的变换，使其满足上述条件。
2.多重线性回归：应变量（Y）为连续型变量（即计量资料），自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量。如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变量无趋势变化，可以作多重线性回归。
1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素
2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以
校正这些混杂因素对结果的混杂作用
3.二分类的Logistic回归：应变量为二分类变量，自变量（X1，X2，…，Xp）可以为连续型变量、有序分类
变量或二分类变量。
1)非配对的情况：用非条件Logistic回归
(1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素
(2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
2)配对的情况：用条件Logistic回归
(1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素
(2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
4.有序多分类有序的Logistic回归：应变量为有序多分类变量，自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量。
1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素
2)实验性研究：在保持主要研究因素变量（干预变量）
外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
5.无序多分类有序的Logistic回归：应变量为无序多分类变量，自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量。
1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素
2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
八、生存分析资：要求资料记录结局和结局发生的时间（如；死亡和死亡发生的时间）
1.用Kaplan-Meier方法估计生存曲线
2.大样本时，可以寿命表方法估计
3.单因素可以用Log－rank比较两条或多条生存曲线
4.多个因素时，可以作多重的Cox回归
1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素
2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
问卷调查的常用统计分析方法 问卷调查的方法用得很广泛，对于没有接触过spss的人第一步面临的就是问卷编码问题，有很多外专业的同学都在问这个问题，现在通过举例的方法详细讲解如下，以方便第一次接触SPSS 的同学也能做简单的分析。后面还有分析时的操作步骤，以及比较适用的深入统计分析方法的简单介绍。 调查分析问卷回收，在经过核实和清理后就要用SPSS做数据分析，首先的第一步就是把问题编码录入。 SPSS的问卷分析中一份问卷是一个案，首先要根据问卷问题的不同定义变量。定义变量值得注意的两点：一区分变量的度量，Measure的值，其中Scale是定量、Ordinal是定序、Nominal 是指定类；二注意定义不同的数据类型Type 各色各样的问卷题目的类型大致可以分为单选、多选、排序、开放题目四种类型，他们的变量的定义和处理的方法各有不同，我们详细举例介绍如下： 问卷调查的方法用得很广泛，对于没有接触过spss的人第一步面临的就是问卷编码问题，有很多外专业的同学都在问这个问题，现在通过举例的方法详细讲解如下，以方便第一次接触SPSS的同学也能做简单的分析。后面还有分析时的操作步骤，
以及比较适用的深入统计分析方法的简单介绍。自己写的，错误之处请指正， 调查分析问卷回收，在经过核实和清理后就要用SPSS做数据分析，首先的第一步就是把问题编码录入。 SPSS的问卷分析中一份问卷是一个案，首先要根据问卷问题的不同定义变量。定义变量值得注意的两点：一区分变量的度量，Measure的值，其中Scale是定量、Ordinal是定序、Nominal 是指定类；二注意定义不同的数据类型Type 各色各样的问卷题目的类型大致可以分为单选、多选、排序、开放题目四种类型，他们的变量的定义和处理的方法各有不同，我们详细举例介绍如下： 1 、单选题：答案只能有一个选项 例一当前贵组织机构是否设有面向组织的职业生涯规划系统？ A有 B 正在开创C没有D曾经有过但已中断 编码：只定义一个变量，Value值1、2、3、4分别代表A、
选择合适的统计学方法 1连续性资料 1.1 两组独立样本比较 1.1.1 资料符合正态分布,且两组方差齐性,直接采用t检验。 1.1.2 资料不符合正态分布，（1）可进行数据转换,如对数转换等,使之服从正态分布,然后对转换后的数据采用t检验；（2）采用非参数检验,如Wilcoxon检验。 1.1.3 资料方差不齐，（1）采用Satterthwate 的t’检验；（2）采用非参数检验,如Wilcoxon检验。 1.2 两组配对样本的比较 1.2.1 两组差值服从正态分布，采用配对t检验。 1.2.2 两组差值不服从正态分布，采用wilcoxon的符号配对秩和检验。 1.3 多组完全随机样本比较 1.3.1资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey 法，Scheffe法，SNK法等。 1.3.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Kruscal－Wallis法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用成组的Wilcoxon检验。 1.4 多组随机区组样本比较 1.4.1资料符合正态分布，且各组方差齐性，直接采用随机区组的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey 法，Scheffe法，SNK法等。 1.4.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Fridman检验法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用符号配对的Wilcoxon检验。 ****需要注意的问题： （1）一般来说，如果是大样本，比如各组例数大于50，可以不作正态性检验，直接采用t 检验或方差分析。因为统计学上有中心极限定理，假定大样本是服从正态分布的。 （2）当进行多组比较时，最容易犯的错误是仅比较其中的两组，而不顾其他组，这样作容易增大犯假阳性错误的概率。正确的做法应该是，先作总的各组间的比较，如果总的来说差别有统计学意义，然后才能作其中任意两组的比较，这些两两比较有特定的统计方法，如上面提到的LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。**绝不能对其中的两
统计分析的八种方法 统计分析的八种方法一、指标对比分析法指标对比分析法，又称比较分析法，是统计分析中最常用的方法。是通过有关的指标对比来反映事物数量上差异和变化的方法。有比较才能鉴别。单独看一些指标，只能说明总体的某些数量特征，得不出什么结论性的认识；一经过比较，如与国外、外单位比，与历史数据比，与计划相比，就可以对规模大小、水平高低、速度快慢作出判断和评价。 指标分析对比分析方法可分为静态比较和动态比较分析。静态比较是同一时间条件下不同总体指标比较，如不同部门、不同地区、不同国家的比较，也叫横向比较；动态比较是同一总体条件不同时期指标数值的比较，也叫纵向比较。这两种方法既可单独使用，也可结合使用。进行对比分析时，可以单独使用总量指标或相对指标或平均指标，也可将它们结合起来进行对比。比较的结果可用相对数，如百分数、倍数、系数等，也可用相差的绝对数和相关的百分点（每1％为一个百分点）来表示，即将对比的指标相减。 二、分组分析法指标对比分析法是总体上的对比，但组成统计总体的各单位具有多种特征，这就使得在同一总体范围内的各单位之间产生了许多差别，统计分析不仅要对总体数量特征和数量关系进行分析，还要深入总体的内部进行分组分析。分组分析法就是根据统计分析的目的要求，把所研究的总体按照一个或者几个标志划分为若干个部分，加以整理，进行观察、分析，以揭示其内在的联系和规律性。 统计分组法的关键问题在于正确选择分组标值和划分各组界限。 三、时间数列及动态分析法时间数列。是将同一指标在时间上变化和发展的一系列数值，按时间先后顺序排列，就形成时间数列，又称动态数列。它能反映社会经济现象的发展变动情况，通过时间数列的编制和分析，可以找出动态变化规律，为预测未来的发展趋势提供依据。时间数列可分为绝对数时间数列、相对数时间数列、平均数时间数列。 时间数列速度指标。根据绝对数时间数列可以计算的速度指标：有发展速度、增长速度、平均发展速度、平均增长速度。 动态分析法。在统计分析中，如果只有孤立的一个时期指标值，是很难作出判断的。如果编制了时间数列，就可以进行动态分析，反映其发展水平和速度的变化规律。 进行动态分析，要注意数列中各个指标具有的可比性。总体范围、指标计算方法、计算价格和计量单位，都应该前后一致。时间间隔一般也要一致，但也可以根据研究目的，采取不同的间隔期，如按历史时期分。为了消除时间间隔期不同而产生的指标数值不可比，可采用年平均数和年平均发展速度来编制动态数列。此外在统计上，许多综合指标是采用价值形态来反映实物总量，如国内生产总值、工业总产值、社会商品零售总额等计算不同年份的发展速度时，必须消除价格变动因素的影响，才能正确的反映实物量的变化。
统计分析的四种方法文件管理序列号：[K8UY-K9IO69-O6M243-OL889-F88688]
统计分析的四种方法 一、指标对比分析法，又称比较分析法，是统计分析中最常用的方法。是通过有关的指标对比来反映事物数量上差异和变化的方法。有比较才能鉴别。单独看一些指标，只能说明总体的某些数量特征，得不出什么结论性的认识； 指标分析对比分析方法可分为静态比较和动态比较分析。静态比较是同一时间条件下不同总体指标比较，也叫横向比较；动态比较是同一总体条件不同时期指标数值的比较，也叫纵向比较。这两种方法既可单独使用，也可结合使用。进行对比分析时，可以单独使用总量指标或相对指标或平均指标，也可将它们结合起来进行对比。比较的结果可用相对数，如百分数、倍数、系数等，也可用相差的绝对数和相关的百分点（每1％为一个百分点）来表示，即将对比的指标相减。 二、分组分析法指标对比分析法是总体上的对比，但组成统计总体的各单位具有多种特征，这就使得在同一总体范围内的各单位之间产生了许多差别，统计分析不仅要对总体数量特征和数量关系进行分析，还要深入总体的内部进行分组分析。分组分析法就是根据统计分析的目的要求，把所研究的总体按照一个或者几个标志划分为若干个部分，加以整理，进行观察、分析，以揭示其内在的联系和规律性。 统计分组法的关键问题在于正确选择分组标值和划分各组界限。 三、时间数列及动态分析法, 时间数列是将同一指标在时间上变化和发展的一系列数值，按时间先后顺序排列，就形成时间数列，又称动态数
列。时间数列可分为绝对数时间数列、相对数时间数列、平均数时间数列。 时间数列速度指标。根据绝对数时间数列可以计算的速度指标：有发展速度、增长速度、平均发展速度、平均增长速度。 动态分析法。在统计分析中，如果只有孤立的一个时期指标值，是很难作出判断的。如果编制了时间数列，就可以进行动态分析，反映其发展水平和速度的变化规律。 进行动态分析，要注意数列中各个指标具有的可比性。总体范围、指标计算方法、计算价格和计量单位，都应该前后一致。时间间隔一般也要一致，但也可以根据研究目的，采取不同的间隔期，如按历史时期分。 四、指数分析法指数是指反映社会经济现象变动情况的相对数。有广义和狭义之分。根据指数所研究的范围不同可以有个体指数、类指数与总指数之分。 用指数进行因素分析。因素分析就是将研究对象分解为各个因素，把研究对象的总体看成是各因素变动共同的结果，通过对各个因素的分析，对研究对象总变动中各项因素的影响程度进行测定。因素分析按其所研究的对象的统计指标不同可分为对总量指标的变动的因素分析，对平均指标变动的因素分析。
16种常用的数据分析方法汇总 2015-11-10 分类：数据分析评论(0) 经常会有朋友问到一个朋友，数据分析常用的分析方法有哪些，我需要学习哪个等等之类的问题，今天数据分析精选给大家整理了十六种常用的数据分析方法，供大家参考学习。 一、描述统计 描述性统计是指运用制表和分类，图形以及计筠概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。 1、缺失值填充：常用方法：剔除法、均值法、最小邻居法、比率回归法、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、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。 1）U验使用条件：当样本含量n较大时，样本值符合正态分布 2）T检验使用条件：当样本含量n较小时，样本值符合正态分布 A 单样本t检验：推断该样本来自的总体均数μ与已知的某一总体均数μ0 (常为理论值或标准值)有无差别； B 配对样本t检验：当总体均数未知时，且两个样本可以配对，同对中的两者在 可能会影响处理效果的各种条件方面扱为相似； C 两独立样本t检验：无法找到在各方面极为相似的两样本作配对比较时使用。 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股性假设（如总体分布的位罝是否相同，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。 A 虽然是连续数据，但总体分布形态未知或者非正态； B 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。 三、信度分析 检査测量的可信度，例如调查问卷的真实性。 分类： 1、外在信度：不同时间测量时量表的一致性程度，常用方法重测信度 2、内在信度；每个量表是否测量到单一的概念，同时组成两表的内在体项一致 性如何，常用方法分半信度。 四、列联表分析 用于分析离散变量或定型变量之间是否存在相关。 对于二维表，可进行卡方检验，对于三维表，可作Mentel-Hanszel分层分析。 列联表分析还包括配对计数资料的卡方检验、行列均为顺序变量的相关检验。 五、相关分析 研究现象之间是否存在某种依存关系，对具体有依存关系的现象探讨相关方向及相关程度。 1、单相关：两个因素之间的相关关系叫单相关，即研究时只涉及一个自变量和一个因变量； 2、复相关：三个或三个以上因素的相关关系叫复相关，即研究时涉及两个或两个以上的自变量和因变量相关；
统计方法的选择 一、两组或多组计量资料的比较 1.两组资料： 1)大样本资料或服从正态分布的小样本资料 (1)若方差齐性，则作成组t检验 (2)若方差不齐，则作t’检验或用成组的Wilcoxon秩和检验 2)小样本偏态分布资料，则用成组的Wilcoxon秩和检验2.多组资料： 1)若大样本资料或服从正态分布，并且方差齐性，则作 完全随机的方差分析。如果方差分析的统计检验为有统 计学意义，则进一步作统计分析：选择合适的方法 （如：LSD检验，Bonferroni检验等）进行两两比较。 2)如果小样本的偏态分布资料或方差不齐，则作 Kruskal Wallis的统计检验。如果Kruskal Wallis的统计检验为有统计学意义，则进一步作统计分析：选择合适 的方法（如：用成组的Wilcoxon秩和检验，但用Bonferroni方法校正P值等）进行两两比较。 二、分类资料的统计分析 1.单样本资料与总体比较 1)二分类资料： (1)小样本时：用二项分布进行确切概率法检验；
(2)大样本时：用U检验。 2)多分类资料：用Pearson c2检验（又称拟合优度检验）。 2. 四格表资料 1)n>40并且所以理论数大于5，则用Pearson c2 2)n>40并且所以理论数大于1并且至少存在一个理论数<5，则用校正 c2或用Fisher’s 确切概率法检验 3)n￡40或存在理论数<1，则用Fisher’s 检验 3. 2×C表资料的统计分析 1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则行评分的CMH c2或成组的Wilcoxon秩和检验 2)列变量为效应指标并且为二分类，列变量为有序多分类变量，则用趋势c2检验 3)行变量和列变量均为无序分类变量 (1)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2 (2)n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 确切概率法检验 4. R×C表资料的统计分析 1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则CMH c2或Kruskal Wallis的秩和检验
第一部分统计分析流程 一．资料分类： （1）定量（数量性状）资料 （2）定性（质量性状）资料 （3）等级资料 二．数据录入SPSS： (1) 建立变量名 (2) 录入数据： A. 定量资料的原始数据 B. 定性或等级资料的次数数据（也可是原始数据） 三．数据分布的检测 （1）定量资料：正态性或其它连续分布检测 （2）定性资料：一般可不做，若题目要求则进行离散分布检测 四．基本统计分析 （1）选择合适的统计指标对数据进行统计描述 （2）用SPSS进行基本统计分析，获取该统计指标 （3）用三线表或统计图进行归纳 五．进行统计推断，置信区间计算和其它分析（如相关分析）（1）选择合适的统计推断方法（注意方法的前提条件） （2）用SPSS进行统计推断分析，获得P值 （3）根据小概率事件不可能性原理进行统计推断 六．根据统计分析结果，结合专业知识，给出生物学解释。
第二部分 数据分布的检测 一． 定量资料总体分布：单样本K-S 检验 可检验：正态分布（Normal ），均匀分布（uniform ）,泊松分布（Poisson),指数分布（Exponential)]等 连续型数据 分布。 【1】 通过探索分析explore 中调用Normality plots with tests, 检测正态分布； 【2】 通过非参数检验调用单样本K-S 检验，检测各种分布。 二. 定性资料和等级资料分布：卡方检验 通过非参数检验调用卡方检验 离散变量总体 分布。 第三部分 统计指标的选择 一． 数量性状资料（包括计量和计数资料） 1．正态分布： (2) 大样本(n>30): （集中趋势）± S （样本间的变异） (3) 小样本（n ≤30）: （集中趋势）± （抽样误差） 2． 偏态分布： 中位数（median ，集中趋势） ，四分位间距（IQR ，变异程度） 二． 质量性状资料和等级资料（次数资料） 1．样本含量n 足够多时： 统计次数―>率或比 （相对值） 2．．样本含量n 少时： 统计次数―> 用绝对数表示 x x x S
质量管理常用的七种统计方法 日本质量管理专家石川馨博士将全面质量管理中应用的统计方法分为初级、中级、高级三类，本节将要介绍的七种统计分析方法是他的这种分类中的初级统计分析方法。 日本规格协会10年一度对日本企业推行全面质量管理的基本情况作抽样统计调查，根据1979年的统计资料，在企业制造现场应用的各种统计方法中，应用初级统计分析方法的占98%。 由此可见，掌握好这七种方法，在质量管理中非常之必要；同时，在我国企业的制造现场，如何继续广泛地推行这七种质量管理工具（即初级的统计分析方法），仍然是开展全面质量管理的重要工作。 一、排列图 排列图法又叫帕累特图法，也有的称之为ABC分析图法或主项目图法。它是寻找影响产品质量主要因素，以便对症下药，有的放矢进行质量改善，从而提高质量，以达到取得较好的经济效益的目的。故称排列法。由于这种方法最初是由意大利经济学家帕累特（Pareto）用来分析社会财富分布状况的，他发现少数人占有社会的大量财富，而多数人却仅有少量财富，即发现了“关键的少数和次要的多数”的关系。因此这一方法称为帕累特图法。后来美国质量管理专家朱兰（J．Ｍ．Juran）博士将此原理应用于质量管理，作为在改善质量活动中寻找影响产品质量主要因素的一种方法．在应用这种方法寻找影响产品质量的主要因素时，通常是将影响质量的因素分为Ａ、Ｂ、Ｃ三类，A类为主要因素，B类为次要因素，C 类为一般因素。根据所作出的排列图进行分析得到哪些因素属于A类，哪些属于B类，哪些属于C类，因而这种方法又把它叫做ABC分析图法。由于根据排列图我们可以一目了然地看出哪些是影响产品质量的关键项目，故有的亦把它叫主项目图法。 所谓排列图，它是由一个横坐标、两个纵坐标、几个直方形和一条曲线所构成的图。其一般形式如图1所示，其横坐标表示影响质量的各个因素（即项目），按影响程度的大小从左到右排列；两个纵坐标中，左边的那个表示频数（件数、金额等），右边的那个表示频率（以百分比表示）；直方形表示影响因素，有直方形的高度表示该因素影响的大小；曲线表示各影响因素大小的累计百分数，这条曲线称为帕累特曲线。 二、因果分析图法 因果分析图法是一种系统地分析和寻找影响质量问题原因的简便而有效的图示方法。因其最初是由日本质量管理专家石川馨于1953年在日本川琦制铁公司提出使用的，故又称为石川图法。由于因果图形似树枝或鱼刺，故也有称之为树枝图法或鱼刺图法。另外，还有的
二、数据搜集方法 A、为什么要搜集数据：数据是统计分析的基础 B、什么是数据搜集：根据统计研究的目的和要求，有组织、有计划地向调查对象搜集原始 资料和次级资料。
C 、 数据来源 （一）原始数据的搜集方法 1、全面调查 （1）定期统计报表制度：严格的报告制度 指按照国家统一规定的各项要求，自下而上地定期向国家和主管部门报送基本统计资料的一种报告制度 优点：能保证统计资料的全面性和连续性 能保证统计资料的统一性和及时性 能满足各级部门对统计资料的需要 缺点：统计报表过多会增加基层负担 有可能由于虚报瞒报而影响统计资料质量 （2）普查：指国家为详尽了解某项重要的国情国力而专门组织的一次性全面调查 由于需要大量的人力、物力和财力，不宜经常进行 最近的一次普查：2004年第一次全国经济普查 我国人口普查：1953年 1964年 1982年 1990年 2000年 2010年 2、 随机抽样调查：根据随机原则推算总体特征，又称概率抽样 抽样调查是一种非全面调查，抽样推断的理论基础是概率论。 特点： （1）按随机原则选样，即样本单位的抽取不受主观因素及其他系统性因素的影响，每个总体单位都有均等的被抽中机会 间接来源
（2）能够保证样本对总体的代表性，即样本单位和总体具有相同的概率分布 （3）调查目的是从数量上推算总体数量特征和数量表现，它可以到全面调查的作用 （4）抽样误差可以事先计算并控制 优点： （1）能用较少的人力、物力和时间达到全面调查的目的 （2）调查资料的准确性较高、受人为干扰的可能性较小 方式： （1）简单随机抽样，每个个体被抽中的机会相等；选择一个受试对象对其他元素没有影响；使用随机数表，抽签等方式。 可以应用Excel中的随机函数rand()根据样本框安排随机样本 *样本框：抽样过程中抽取样本的所有抽样单位的名单。如，从全体学生中，直接抽取200名学生作为样本，那么，全体学生的名单（花名册）就是这次抽样的样本框。 例：在编号为1-100的学生中随机抽取 随机编号=int(rand()*100))+1 学会查看Excel的帮助文件 （2）等距抽样，又称机械抽样或系统抽样，常用于电话调查。 例如：从一个学生人数为200人的总体中抽取容量为20的样本，将学生的学号排序，假定随机选取学号起点4，然后从总体中选取样点的学号为第4，第14，第24，… （3）类型抽样，又称分层抽样，把总体某种分类标准分为若干群组，这些群组满足互斥性、完备性、和相似性要求，然后在组中按照同样的比例随机选取样本。 特点：代表性高，抽样误差低。 例如：调查对象按收入分为高、中、低三个层次，然后从每个阶层中或随机抽取 （4）整群抽样，又称聚类抽样。先对总体分类，然后用简单随机抽样选类，最后对选中的类作普查或简单随机抽样调查。较为有效。 例如：按照家庭、宿舍楼或街区来抽取调查对象，对抽到的家庭、宿舍楼或街区再作全面或随机调查。 3、非概率抽样：不按照概率均等的原则，而是根据人们的主观经验或其它条件来抽取样本。缺点： （1）由于调查者的主观决策影响抽样的整个过程，因而不能保证样本是否重现了总体的分布结构，样本的代表性往往较小，用这样的样本推论总体是极不可靠的。
常用统计分析方法 排列图 因果图 散布图 直方图 控制图 控制图的重要性 控制图原理 控制图种类及选用 统计质量控制是质量控制的基本方法，执行全面质量管理的基本手段，也是CAQ系统的基础，这里简要介绍制造企业应用最广的统计质量控制方法。 常用统计分析方法与控制图 获得有效的质量数据之后,就可以利用各种统计分析方法和控制图对质量数据进行加工处理,从 中提取出有价值的信息成分。 常用统计分析方法 此处介绍的方法是生产现场经常使用,易于掌握的统计方法,包括排列图、因果图、散布图、直方图等。 排列图 排列图是找出影响产品质量主要因素的图表工具.它是由意大利经济学家巴洛特（Pareto)提出的.巴洛特发现人类经济领域中"少数人占有社会上的大部分财富,而绝大多数人处于贫困状况"的现象是一种相当普遍的社会现象,即所谓"关键的少数与次要的多数"原理.朱兰(美国质量管理学家)把这个原理应用到质量管理中来,成为在质量管理中发现主要质量问题和确定质量改进方向的有力工具. 1.排列图的画法
排列图制作可分为5步: (1)确定分析的对象 排列图一般用来分析产品或零件的废品件数、吨数、损失金额、消耗工时及不合格项数等. (2)确定问题分类的项目 可按废品项目、缺陷项目、零件项目、不同操作者等进行分类。 (3)收集与整理数据 列表汇总每个项目发生的数量，即频数fi、项目按发生的数量大小，由大到小排列。最后一项是无法进一步细分或明确划分的项目统一称为“其它”。 (4)计算频数fi、频率Pi和累计频率Fi 首先统计频数fi，然后按(1)、(2)式分别计算频率Pi和累计频率Fi (1) 式中，f为各项目发生频数之和。 (2) (5)画排列图
数据分析的统计方法选择小结 完全随机分组设计的资料 一、两组或多组计量资料的比较 1.两组资料： 1)大样本资料或服从正态分布的小样本资料 (1)若方差齐性，则作成组t检验 (2)若方差不齐，则作t’检验或用成组的Wilcoxon秩和检验 2)小样本偏态分布资料，则用成组的Wilcoxon秩和检验 2.多组资料： 1)若大样本资料或服从正态分布，并且方差齐性，则作完全随机的方差分析。如果方差 分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD 检验，Bonferroni检验等）进行两两比较。 2)如果小样本的偏态分布资料或方差不齐，则作Kruskal Wallis的统计检验。如果Kruskal Wallis的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用成组的Wilcoxon秩和检验，但用Bonferroni方法校正P值等）进行两两比较。 二、分类资料的统计分析 1.单样本资料与总体比较 1)二分类资料： (1)小样本时：用二项分布进行确切概率法检验； (2)大样本时：用U检验。 2)多分类资料：用Pearson χ2检验（又称拟合优度检验）。 2. 四格表资料 1)n>40并且所以理论数大于5，则用Pearson χ2 2)n>40并且所以理论数大于1并且至少存在一个理论数<5，则用校正χ2或用Fisher’s 确切概率法检验 3)n≤40或存在理论数<1，则用Fisher’s 检验 3. 2×C表资料的统计分析 1)列变量为效应指标，并且为有序多分类变量，行变量为二分类变量，则行评分的CMH χ2或成组的Wilcoxon秩和检验 2)列变量为效应指标并且为二分类，行变量为有序多分类变量，则用趋势χ2检验 3)行变量和列变量均为无序分类变量 (1)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson χ2 (2)n≤40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 确切概 率法检验 4. R×C表资料的统计分析 1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则CMH χ2或Kruskal Wallis的秩和检验 2)列变量为效应指标，并且为无序多分类变量，行变量为有序多分类变量，作none zero correlation analysis的CMH χ2 3)列变量和行变量均为有序多分类变量，可以作Spearman相关分析 4)列变量和行变量均为无序多分类变量，
第2课时选择合适的统计图
分析，生成新知。（17分钟） 例题中的三组数据 分别是从哪个角度进行 统计的？各有什么特 点？ 引导学生根据统计 表名称及统计内容进行 分析。 2.引导选择。 例题中的三组数据 分别选用哪种统计图表 示更合适？ 3.引导总结。 如何正确选择合适 的统计图表示数据？ 4.引导尝试运用。 完成教材第99页“做 一做”。 数据1：统计了数量的多少，关注 总量的变化。 数据2：统计了部分量占总量的百 分比，关注各部分量占总量的百分比。 2.小组合作选择合适的统计图，说 清选择的根据。 3.全班交流、总结。 明确要根据统计数据的特点和统计 需要选择统计图。 4.独立完成教材第99页“做一做”， 并汇报。 （1） “一班有学生35人，男生占2/5， 女生占3/5”，用（C）统计图来表示男、 女生占学生总数百分比最为合适。 A.条形 B.折线 C.扇形 （2）表示某地气温及其变化，用（B） 统计图表示更合适。 A.条形 B.折线 C.扇形 （3）选择哪种统计图表示下面数据 最合适？ ①表示参加各种小组的生人数情 况，选（A）。 ②表示各大洲陆地面积占地球陆地 总面积的百分数选（C） ③表示我国几座名山主峰的海拔， 选（A） ④表示学校各年级的人数，选（A） ⑤表示某超市各种商品的销售额， 选（B） ⑥表示一昼夜气温的变化情况，选 （B）。 A.条形统计图 B.折线统计图 C.扇形统 计图 三、拓展提高。（15分钟） 1.引导学生完成教 材第102页第6题。 （1）引导学生完成 第（1）问中的计算。 （2）引导学生交流 感想并完成统计图。 2.引导学生完成教 材第103页第7题。 1.独立解决问题。 （1）2006年末，移动电话用户比 固定电话用户多（46106－36779）÷ 36779≈25.4%…… （2）交流感想，完成统计图。 2.合作解决问题。 （1）1.46÷27.1%≈5.39（亿人） （2）1.46亿＝14600万 3.下面是两个水果店1~4月的销售 情况（单位：kg），为比较两个水果店销 售量的稳定性，你认为选择（折线）统 计图较合适。 略
数据分析的统计方法选择小结 目录 数据分析的统计方法选择小结 (1) 目录 (1) ●资料1 (2) 完全随机分组设计的资料 (2) 配对设计或随机区组设计 (3) 变量之间的关联性分析 (4) ●资料2 (5) 1.连续性资料 (5) 1.1两组独立样本比较 (5) 1.2两组配对样本的比较 (5) 1.3多组完全随机样本比较 (6) 1.4多组随机区组样本比较 (6) 2．分类资料 (6) 2.1四格表资料 (6) 2.2 2×C表或R×2表资料的统计分析 (7) 2.3 R×C表资料的统计分析 (7) 2.4 配对分类资料的统计分析 (7) ●资料3 (8) 一、两个变量之间的关联性分析 (8) 二、回归分析 (9) ●资料4 (9) 一．统计方法抉择的条件 (9) 1．分析目的 (10) 2．资料类型 (10) 3．设计方法 (11) 4．分布特征及数理统计条件 (12) 二．数据资料的描述 (12) 1．数值变量资料的描述 (13) 2．分类变量资料的描述 (13) 三．数据资料的比较 (14) 1．假设检验的基本步骤 (14) 2．假设检验结论的两类错误 (14) 3．假设检验的注意事项 (15) 4．常用假设检验方法 (16) 四．变量间的相关分析 (17) 1．数值变量（计量资料）的关系分析 (17) 2．无序分类变量（计数资料）的相关分析 (18) 3．有序分类变量（等级资料）等级相关 (18)
●资料1 完全随机分组设计的资料 一、两组或多组计量资料的比较 1.两组资料： 1)大样本资料或服从正态分布的小样本资料 (1)若方差齐性，则作成组t检验 (2)若方差不齐，则作t’检验或用成组的Wilcoxon秩和检验 2)小样本偏态分布资料，则用成组的Wilcoxon秩和检验 2.多组资料： 1)若大样本资料或服从正态分布，并且方差齐性，则作完全随机的方差分析。如 果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。 2)如果小样本的偏态分布资料或方差不齐，则作Kruskal Wallis的统计检验。 如果Kruskal Wallis的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用成组的Wilcoxon秩和检验，但用Bonferroni方法校正P值等）进行两两比较。 二、分类资料的统计分析 1.单样本资料与总体比较 1)二分类资料： (1)小样本时：用二项分布进行确切概率法检验； (2)大样本时：用U检验。 2)多分类资料：用Pearson χ2检验（又称拟合优度检验）。 2. 四格表资料 1)n>40并且所以理论数大于5，则用Pearson χ2 2)n>40并且所以理论数大于1并且至少存在一个理论数<5，则用校正χ2或用 Fisher’s 确切概率法检验 3)n≤40或存在理论数<1，则用Fisher’s 检验 3. 2×C表资料的统计分析 1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则行评分的 CMH χ2或成组的Wilcoxon秩和检验 2)列变量为效应指标并且为二分类，列变量为有序多分类变量，则用趋势χ2检验 3)行变量和列变量均为无序分类变量 (1)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson χ2 (2)n≤40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 确
01如何选择合适的统计学方法？ 1连续性资料 1.1 两组独立样本比较 1.1.1 资料符合正态分布,且两组方差齐性,直接采用t检验。 1.1.2 资料不符合正态分布，（1）可进行数据转换,如对数转换等,使之服从正态分布,然后对转换后的数据采用t检验；（2）采用非参数检验,如Wilcoxon检验。 1.1.3 资料方差不齐，（1）采用Satterthwate 的t’检验；（2）采用非参数检验,如Wilcoxon检验。 1.2 两组配对样本的比较 1.2.1 两组差值服从正态分布，采用配对t检验。 1.2.2 两组差值不服从正态分布，采用wilcoxon的符号配对秩和检验。 1.3 多组完全随机样本比较 1.3.1资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey 法，Scheffe法，SNK法等。 1.3.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Kruscal－Wallis法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用成组的Wilcoxon检验。 1.4 多组随机区组样本比较 1.4.1资料符合正态分布，且各组方差齐性，直接采用随机区组的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey 法，Scheffe法，SNK法等。 1.4.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Fridman检验法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用符号配对的Wilcoxon检验。 ****需要注意的问题： （1）一般来说，如果是大样本，比如各组例数大于50，可以不作正态性检验，直接采用t 检验或方差分析。因为统计学上有中心极限定理，假定大样本是服从正态分布的。 （2）当进行多组比较时，最容易犯的错误是仅比较其中的两组，而不顾其他组，这样作容易增大犯假阳性错误的概率。正确的做法应该是，先作总的各组间的比较，如果总的来说差别有统计学意义，然后才能作其中任意两组的比较，这些两两比较有特定的统计方法，如上面提到的LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。**绝不能对其中的两组直接采用t检验，这样即使得出结果也未必正确** （3）关于常用的设计方法：多组资料尽管最终分析都是采用方差分析，但不同设计会有差
2016考研数学：数据分析的统计方法选 择 一部分考生在概率论第一轮复习结束后，针对教材，对大纲要求的知识点认认真真地学习了一遍，并将课后题也全部都做了。在这个时候将一道题目放在他的面前，会出现这样一种情况：这个题目是考察哪个知识点或哪几个知识点的综合，做这类题目要用到哪几个公式，这些公式的应用条件是什么，这些全部都很清楚;可是做题还是感觉无从下手，这是什么原因呢? 出现这种情况主要是因为对题目要用到的公式理解的还不够深刻，公式中的各个量到底代表什么，每个量有什么特点，这些量在不同的题目中可能会出现哪些表现形式，没有太好的把握，不能做到正确的应用这些公式。这一类型的题目做的太少了。 解决这个问题需要做一定量的针对训练，在训练中借鉴别人总结的解题方法，并在此基础上得到自己的解题心得及注意事项，改正错误解题步骤，每做一道题目有一道题目的收获。每一次专项训练做多少题目合适因题型而异，有些公式及知识只要少量的题目训练就可以掌握(离散型随机变量的考察多是这种情况);而对于一些相对来说较复杂的公式，就需要我们通过大量的题目训练来掌握(连续性随机变量的考察多是这种情况)。在针对题型的专项训练中，我们要处理各种各样的不同情况，在不断的总结这类题目的解题方法和解题技巧的同时，我们对于公式就有了更深一层次的理解和把握，从而可以不断提高做这类题目的正确率。 考研路上并不是一帆风顺的，在遇到困难时，积极地寻找解决方法，找到适合自己的解决办法，不断的进步，不断的提高，最后一定能走到胜利的终点! 一、两组或多组计量资料的比较 1.两组资料： 1)大样本资料或服从正态分布的小样本资料 (1)若方差齐性，则作成组t检验 (2)若方差不齐，则作t’检验或用成组的Wilcoxon秩和检验 2)小样本偏态分布资料，则用成组的Wilcoxon秩和检验 2.多组资料： 1)若大样本资料或服从正态分布，并且方差齐性，则作完全随机的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法(如：LSD检验，Bonferroni检验等)进行两两比较。 2)如果小样本的偏态分布资料或方差不齐，则作KruskalWallis的统计检验。如果KruskalWallis的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法(如：用成组的Wilcoxon秩和检验，但用Bonferroni方法校正P值等)进行两两比较。 二、分类资料的统计分析 1.单样本资料与总体比较 1)二分类资料： (1)小样本时：用二项分布进行确切概率法检验; (2)大样本时：用U检验。 2)多分类资料：用Pearsonc2检验(又称拟合优度检验)。
MARKETING RESEARCH 常见统计分析方法浅析 摘要：本文对实际生活中经常见到的几种统计分析方法进行研究，比如判别分析，聚类分析，主成分分析等，阐述了各种常见的统计分析方法的基本思想，介绍了各种常见的统计分析方法在实际生活中的具体应用，并且对各种常见的统计分析方法的优缺点进行了分析，最后对这些常见的统计分析方法加以归纳。 关键词：常见统计分析方法；浅析 统计分析是统计学最重要的应用之一，无论是数据收集，还是数据处理，其最终的目的都是要进行统计分析，以便得出结论，供信息的使用者在做决策或预测时参考，那么我们对不同的统计分析方法进行研究、比较，就显得异常重要，因为不同的统计分析方法适用的情况不一样，对于同一种情况使用不同的统计分析方法进行分析可能得出不同的结果，即使得出的结果是一样的，但是各种结果的准确性也可能有很大差异，基于此，本文对各种常见的统计分析方法进行了研究。 1.回归分析 （1）基本含义 回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种常用的统计分析方法，回归分析的基本思想是：①从一组实测数据出发确定自变量和因变量之间的定量关系式，即建立数学模型，然后估计其中的未知参数。②对这些关系式的可信度进行检验。③在多个自变量共同影响一个因变量的关系中，判断哪些自变量的影响是显著的，哪些自变量的影响是不显著的，将影响显著的自变量选入模型中，将影响不显著的自变量剔除，常用两阶段最小二乘法、三阶段最小二乘法等方法。④利用最终求得的关系式对某一生产过程进行预测或控制。 （2）应用介绍 一般来说，回归分析是通过规定自变量和因变量来确定变量之间的因果关系，建立回归模型，并根据实测数据来求解模型的各个参数，然后根据拟合优度值R2来评价回归模型是否能够很好地拟合实测数据，如果能够很好地拟合，则可以作进一步预测。 （3）优劣分析 回归分析的优点在于方法简单，易于操作，在统计软件包中使用各种回归方法计算十分方便。回归分析的缺点在于当自变量和因变量之间是非线性关系时，用回归分析进行拟合的效果往往并不好甚至很差。 2.判别分析 （1）基本含义 判别分析是在已知历史上用某些方法已把研究对象分成若干组的情况下，根据研究对象的各种特征值来判别其归属问题的一种多变量统计分析方法。判别分析的基本思想是，首先根据已知所属组的样本给出判别函数，然后在依次判别每一新样品因归属哪一组。常用的判别方法有距离判别、贝叶斯判别和费希尔判别等。 （2）应用介绍 判别分析在经济学、人口学、医学、气象学、市场预测、环境科学、考古学中有着广泛的应用，一般根据事先确定的因变量找出相应处理的区别特性。在判别分析中，因变量为类别数据，自变量通常为可度量数据。通过判别分析，可以建立能够最大限度地区分因变量类别的函数，考查自变量的组间差异是否显著，判断那些自变量对组间差异贡献最大，评估分类的程度，根据自变量的值对样本进行归类。 （3）优劣分析 判别分析的优点在于通过判别分析能够将自变量很好地进行分类，判别分析的缺点在于计算复杂，程序繁琐。 3.聚类分析 （1）基本含义 聚类分析的目的是把分类对象按照一定的规则分成若干类，这些类不是事先给定的，而是根据数据的特征确定的，对 ◇李坤 理论与方法 36
统计分析的四种方法 一、指标对比分析法，又称比较分析法，是统计分析中最常用的方法。是通过有关的指标对比来反映事物数量上差异和变化的方法。有比较才能鉴别。单独看一些指标，只能说明总体的某些数量特征，得不出什么结论性的认识； 指标分析对比分析方法可分为静态比较和动态比较分析。静态比较是同一时间条件下不同总体指标比较，也叫横向比较；动态比较是同一总体条件不同时期指标数值的比较，也叫纵向比较。这两种方法既可单独使用，也可结合使用。进行对比分析时，可以单独使用总量指标或相对指标或平均指标，也可将它们结合起来进行对比。比较的结果可用相对数，如百分数、倍数、系数等，也可用相差的绝对数和相关的百分点（每1％为一个百分点）来表示，即将对比的指标相减。 二、分组分析法指标对比分析法是总体上的对比，但组成统计总体的各单位具有多种特征，这就使得在同一总体范围内的各单位之间产生了许多差别，统计分析不仅要对总体数量特征和数量关系进行分析，还要深入总体的内部进行分组分析。分组分析法就是根据统计分析的目的要求，把所研究的总体按照一个或者几个标志划分为若干个部分，加以整理，进行观察、分析，以揭示其内在的联系和规律性。 统计分组法的关键问题在于正确选择分组标值和划分各组界限。 三、时间数列及动态分析法, 时间数列是将同一指标在时间上变化和发展的一系列数值，按时间先后顺序排列，就形成时间数列，又称动态数列。时间数列可分为绝对数时间数列、相对数时间数列、平均数时间数列。 时间数列速度指标。根据绝对数时间数列可以计算的速度指标：有发展速度、增长速度、平均发展速度、平均增长速度。 动态分析法。在统计分析中，如果只有孤立的一个时期指标值，是很难作出判断的。如果编制了时间数列，就可以进行动态分析，反映其发展水平和速度的变化规律。 进行动态分析，要注意数列中各个指标具有的可比性。总体范围、指标计算方法、计算价格和计量单位，都应该前后一致。时间间隔一般也要一致，但也可以根据研究目的，采取不同的间隔期，如按历史时期分。 四、指数分析法指数是指反映社会经济现象变动情况的相对数。有广义和狭义之分。根据指数所研究的范围不同可以有个体指数、类指数与总指数之分。 用指数进行因素分析。因素分析就是将研究对象分解为各个因素，把研究对象的总体看成是各因素变动共同的结果，通过对各个因素的分析，对研究对象总变动中各项因素的影响程度进行测定。因素分析按其所研究的对象的统计指标不同可分为对总量指标的变动的因素分析，对平均指标变动的因素分析。