一、兩個變數之間的關聯性分析
1.兩個變數均為連續型變數
1)小樣本並且兩個變數服從雙正態分佈，則用pearson相關係數做統計分析
2)大樣本或兩個變數不服從雙正態分佈，則用spearman相關係數進行統計分析
2.兩個變數均為有序分類變數，可以用spearman相關係數進行統計分析
3.乙個變數為有序分類變數，另乙個變數為連續型變數，可以用spearman相關係數進行統計分析
二、回歸分析
1.直線回歸：如果回歸分析中的殘差服從正態分佈（大樣本時無需正態性），殘差與自變數無趨勢變化，則直線回歸（單個自變數的線性回歸，稱為簡單回歸），否則應作適當的變換，使其滿足上述條件。
2.多重線性回歸：應變數（y）為連續型變數（即計量資料），自變數（x1，x2，…，xp）可以為連續型變數、有序分類變數或二分類變數。如果回歸分析中的殘差服從正態分佈（大樣本時無需正態性），殘差與自變數無趨勢變化，可以作多重線性回歸。
1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素
2)實驗性研究：在保持主要研究因素變數（干預變數）外，可以適當地引入一些其它可能的混雜因素變數，以校正這些混雜因素對結果的混雜作用
3.二分類的logistic回歸：應變數為二分類變數，自變數（x1，x2，…，xp）可以為連續型變數、有序分類變數或二分類變數。
1)非配對的情況：用非條件logistic回歸
(1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素
(2)實驗性研究：在保持主要研究因素變數（干預變數）外，可以適當地引入一些其它可能的混雜因素變數，以校正這些混雜因素對結果的混雜作用
2)配對的情況：用條件logistic回歸
(1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素
(2)實驗性研究：在保持主要研究因素變數（干預變數）外，可以適當地引入一些其它可能的混雜因素變數，以校正這些混雜因素對結果的混雜作用
4.有序多分類有序的logistic回歸：應變數為有序多分類變數，自變數（x1，x2，…，xp）可以為連續型變數、有序分類變數或二分類變數。
1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素
2)實驗性研究：在保持主要研究因素變數（干預變數）外，可以適當地引入一些其它可能的混雜因素變數，以校正這些混雜因素對結果的混雜作用
5.無序多分類有序的logistic回歸：應變數為無序多分類變數，自變數（x1，x2，…，xp）可以為連續型變數、有序分類變數或二分類變數。
1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素
2)實驗性研究：在保持主要研究因素變數（干預變數）外，可以適當地引入一些其它可能的混雜因素變數，以校正這些混雜因素對結果的混雜作用。
如何根據變數型別選擇資料分析方法？
引自 itongji.cn 面對大量資料，你將如何開展資料分析 您會選擇什麼樣的資料分析 方法呢？您是否看著資料感到迷茫，無所適從。認真讀完這篇文章，或許你將有所收穫。1 抓住業務問題不放鬆。您費大力氣收集資料的動機是什麼？你想解決什麼問題？這是核心，是方向，這是業務把握層面。2 全面理解資料。哪些...
如何根據變數型別選擇資料分析方法
如何根據變數型別選擇資料分析方法 面對大量資料，資料分析師將如何開展資料分析？您會選擇什麼樣的資料分析方法呢？您是否看著資料感到迷茫，無所適從。認真讀完這篇文章，或許你將有所收穫。把握兩個關鍵 1 抓住業務問題不放鬆。您費大力氣收集資料的動機是什麼？你想解決什麼問題？這是核心，是方向，這是業務把握層...
資料分析統計
select count 0 sum oi.aunt 10 to char oi.cre date,yyyy mm dd hh24 d count to char oi.crea date,yyyy mm dd hh24 c from eall.orer ite oi where oi.cratda...