12种统计方法的简练概括（含金量：4.3分）

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

一、自己评分

自己给它一个评分（个人评判5分制）：

数据完整性：4分；

数据真实度：4.5分；

数据实用性：4.5分；

综合评价：4.3分。

---

---

二、内容介绍

1、多元回归分析

应用于单方程模型，其因变量必须为测量性变量，其自变量可以为测量型变量或虚拟型变量。研究目的是通过自变量的变化来预测因变量的变化，多元回归用最小二乘法求解回归系数。

2、路径分析

如果变量之间有多层因果关系，就可以由多个内在联系得多元回归方程组成一套通径分析连立方程组，每个方程都通过多元回归求解系数，然后应用通径分析分解变量之间的直接作用和间接作用。

3、结构方程模型

如果一套连立方程组中含有潜在变量（即不可直接观测的变量），便不能再用最小二乘法求解，这是可以应用结构方程模型，它主要采用最大似然估计求解。

4、相关分析

在研究有两组各包含多个变量的变量组之间的关系时，可以采用典型相关分析。典型相关分析的所有变量必须为测量型变量或虚拟变量。

5、方差分析
多元方差分析研究两个以上的类别中在多项测量型数据指标上是否存在显著差异。

6、logistics回归分析
当因变量为二分类变量且自变量为测量型变量和虚拟变量时，不能采用多元回归，而应该采用logistics回归。

7、logit对数模型
logit模型是对数线形模型的一种特例。它与logistic回归的不同在于，它的自变量全部都是分类变量。

8、判别分析
鉴别分析主要应用于在已知一些案例的各种条件值及其结果类型的条件下，形成鉴别方程，并应用于其他条件值已知但结果类型未知的案例，预测他们的结果类型。这种方法可以视为因变量为多分类结果，自变量为测量型或虚拟变量的因果预测。它的主要应用目的是进行鉴别分类。

9、时间序列分析
在使用纵贯数据进行因果分析时，事件史分析是可以应用的分析技术。其中，离散时间模型实际上就是用logistic回归求解。而cox比例风险模型是连续变量模型，他分为两种，一种包括动态变量（即随时间变化的自变量），另一种不包括动态变量。事件史分析的数据处理是一项比较复杂的工作。

10、因子分析
至于因子分析、聚类分析和对应分析不是因果模型，他们分别用于分析变量、案例或类型（变量值）之间的结构不安席。将他们成为相依模型。因子分析经常服务于浓缩多个测量型变量，使之转换为较少数量的新变量（称为因子）后，仍然携带原变量的绝大部分信息。

11、聚类分析
用于分析各案例在多个测量性变量值上的近似型距离，将其按近似性原则进行案例排列。

12、对应分析
可以用来对不用非测量型变量的类别之间进行分析，以作图形式显示不同变量类别之间的近似程度。   

---

{:soso_e113:}{:soso_e113:}{:soso_e113:}【免费数据源】 文库相关贴提示链接：{:soso_e113:}{:soso_e113:}{:soso_e113:}{:soso_e113:}

一、[学习资料] 【独家发布】统计软件比较（含金量：4分）

二、[汉青研究院] 【数据建模】30个重要模型（含金量：4.7分）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享4 收藏27 回帖

关键词：统计方法 含金量 logistic回归 LOGISTICS logistic 统计 发布 含金量 数据源 因变量

很好的概括

newpic99 发表于 2013-2-5 17:27
很好的概括

谢谢

楼主可以再针对具体的某种方法去深度扩展哈

husteconyy 发表于 2013-2-5 18:34
楼主可以再针对具体的某种方法去深度扩展哈

谢谢，不过我也只是大三的“小朋友”。。  还写不出什么深刻的见解~  不过，我会努力的

我的素质低 发表于 2013-2-5 18:44
谢谢，不过我也只是大三的“小朋友”。。  还写不出什么深刻的见解~  不过，我会努力的

扩展跟踪的过程也是学习和提高的过程，到时候你就能打通任督二脉，融会贯通了

谢谢，学习了

学习了

谢谢啊 。