如何選擇數據分析方法如何選擇數據分析方法數據分析技術層面須把握三大關鍵：變量、數據分析方法、變量和方法的關聯認識數據分析方法：對數據進行統計分析時，選擇正確的分析方法是非常重要的。選擇統計分析方法時，必須考慮許多因素，主要有：（1）統計分析的目的，（2）所用變量的特征，（3）對變量所作的假定，（4）數據的收集方法（即抽樣過程）。選擇統計分析方法時一般考慮前兩個因素就足夠了。小樣本并且兩個變量服從雙正態分布，則用pearson相關系數做統計分析大樣本或兩個變量不服從雙正態分布，則用spearman相關系數進行統計分析2、兩個變量均為有序分類變量，可以用spearman相關系數進行統計分析3、一個變量為有序分類變量，另一個變量為連續型變量，可以用spearman相關系數進行統計分析【2】回歸分析1、直線回歸：如果回歸分析中的殘差服從正態分布（大樣本時無需正態性），殘差與自變量無趨勢變化，則直線回歸（單個自變量的線性回歸，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：應變量（y）為連續型變量（即計量資料），自變量（xl,x2,…，xp）可以為連續型變量、有序分類變量或二分類變量。如果回歸分析中的殘差服從正態分布（大樣本時無需正態性），殘差與自變量無趨勢變化，可以作多重線性回歸。實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，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：應變量為二分類變量，自變量（x1，x2，…，xp）可以為連續型變量、有序分類變量或二分類變量。非配對的情況：用非條件logistic回歸⑴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量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，以校正這些混雜因素對結果的混雜作用配對的情況：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量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，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：應變量為有序多分類變量，自變量（xl,X2,…，xp）可以為連續型變量、有序分類變量或二分類變量。觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，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：應變量為無序多分類變量，自變量（x1,x2,…，xp）可以為連續型變量、有序分類變量或二分類變量。觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，以校正這些混雜因素對結果的混雜作用如何選擇數據分析方法[篇2]把握兩個關鍵2、全面理解數據。哪些變量，什么類型？適合或者可以用什么統計方法，這是數據分析技術層面。須把握三大關鍵：變量、數據分析方法、變量和方法的關聯。認識變量認識數據分析方法選擇合適的數據分析方法是非常重要的。選擇數據分析（統計分析）方法時，必須考慮許多因素，主要有：1、 數據分析的目