常用數(shù)據(jù)分析方法有哪些

　　對于每個科研工作者而言，對實驗數(shù)據(jù)進行處理是在開始論文寫作之前十分常見的工作之一。但是，常見的數(shù)據(jù)分析方法有哪些呢?下面，小編為大家分享常用數(shù)據(jù)分析方法有哪些，希望對大家有所幫助!

　　列聯(lián)表分析

　　用于分析離散變量或定型變量之間是否存在相關(guān)。

　　對于二維表，可進行卡方檢驗，對于三維表，可作Mentel-Hanszel分層分析。

　　列聯(lián)表分析還包括配對計數(shù)資料的卡方檢驗、行列均為順序變量的相關(guān)檢驗。

　　相關(guān)分析

　　研究現(xiàn)象之間是否存在某種依存關(guān)系，對具體有依存關(guān)系的現(xiàn)象探討相關(guān)方向及相關(guān)程度。

　　1、單相關(guān)： 兩個因素之間的相關(guān)關(guān)系叫單相關(guān)，即研究時只涉及一個自變量和一個因變量;

　　2、復相關(guān) ：三個或三個以上因素的相關(guān)關(guān)系叫復相關(guān)，即研究時涉及兩個或兩個以上的自變量和因變量相關(guān);

　　3、偏相關(guān)：在某一現(xiàn)象與多種現(xiàn)象相關(guān)的場合，當假定其他變量不變時，其中兩個變量之間的相關(guān)關(guān)系稱為偏相關(guān)。

　　方差分析

　　使用條件：各樣本須是相互獨立的隨機樣本;各樣本來自正態(tài)分布總體;各總體方差相等。

　　分類

　　1、單因素方差分析：一項試驗只有一個影響因素，或者存在多個影響因素時，只分析一個因素與響應(yīng)變量的關(guān)系

　　2、多因素有交互方差分析：一頊實驗有多個影響因素，分析多個影響因素與響應(yīng)變量的關(guān)系，同時考慮多個影響因素之間的關(guān)系

　　3、多因素無交互方差分析：分析多個影響因素與響應(yīng)變量的關(guān)系，但是影響因素之間沒有影響關(guān)系或忽略影響關(guān)系

　　4、協(xié)方差分祈：傳統(tǒng)的方差分析存在明顯的弊端，無法控制分析中存在的某些隨機因素，使之影響了分祈結(jié)果的準確度。協(xié)方差分析主要是在排除了協(xié)變量的影響后再對修正后的主效應(yīng)進行方差分析，是將線性回歸與方差分析結(jié)合起來的一種分析方法。

　　描述統(tǒng)計

　　描述性統(tǒng)計是指運用制表和分類，圖形以及計筠概括性數(shù)據(jù)來描述數(shù)據(jù)的集中趨勢、離散趨勢、偏度、峰度。

　　1、缺失值填充：常用方法：剔除法、均值法、最小鄰居法、比率回歸法、決策樹法。

　　2、正態(tài)性檢驗：很多統(tǒng)計方法都要求數(shù)值服從或近似服從正態(tài)分布，所以之前需要進行正態(tài)性檢驗。常用方法：非參數(shù)檢驗的K-量檢驗、P-P圖、Q-Q圖、W檢驗、動差法。

　　假設(shè)檢驗

　　1、參數(shù)檢驗

　　參數(shù)檢驗是在已知總體分布的條件下(一股要求總體服從正態(tài)分布)對一些主要的參數(shù)(如均值、百分數(shù)、方差、相關(guān)系數(shù)等)進行的檢驗 。

　　1)U驗 使用條件：當樣本含量n較大時，樣本值符合正態(tài)分布

　　2)T檢驗 使用條件：當樣本含量n較小時，樣本值符合正態(tài)分布

　　A單樣本t檢驗：推斷該樣本來自的總體均數(shù)μ與已知的某一總體均數(shù)μ0 (常為理論值或標準值)有無差別;

　　B 配對樣本t檢驗：當總體均數(shù)未知時，且兩個樣本可以配對，同對中的兩者在可能會影響處理效果的各種條件方面扱為相似;

　　C 兩獨立樣本t檢驗：無法找到在各方面極為相似的兩樣本作配對比較時使用。

　　2、非參數(shù)檢驗

　　非參數(shù)檢驗則不考慮總體分布是否已知，常常也不是針對總體參數(shù)，而是針對總體的某些一股性假設(shè)(如總體分布的位罝是否相同，總體分布是否正態(tài))進行檢驗。

　　適用情況：順序類型的數(shù)據(jù)資料，這類數(shù)據(jù)的分布形態(tài)一般是未知的。

　　A 雖然是連續(xù)數(shù)據(jù)，但總體分布形態(tài)未知或者非正態(tài);

　　B 體分布雖然正態(tài)，數(shù)據(jù)也是連續(xù)類型，但樣本容量極小，如10以下;

　　主要方法包括：卡方檢驗、秩和檢驗、二項檢驗、游程檢驗、K-量檢驗等。

　　信度分析

　　檢査測量的可信度，例如調(diào)查問卷的真實性。

　　分類：

　　1、外在信度：不同時間測量時量表的一致性程度，常用方法重測信度

　　2、內(nèi)在信度;每個量表是否測量到單一的概念，同時組成兩表的內(nèi)在體項一致性如何，常用方法分半信度。

　　回歸分析

　　分類：

　　1、一元線性回歸分析：只有一個自變量X與因變量Y有關(guān)，X與Y都必須是連續(xù)型變量，因變量y或其殘差必須服從正態(tài)分布。

　　2、多元線性回歸分析

　　使用條件：分析多個自變量與因變量Y的關(guān)系，X與Y都必須是連續(xù)型變量，因變量y或其殘差必須服從正態(tài)分布 。

　　1)變呈篩選方式：選擇最優(yōu)回歸方程的變里篩選法包括全橫型法(CP法)、逐步回歸法，向前引入法和向后剔除法

　　2)橫型診斷方法：

　　A 殘差檢驗： 觀測值與估計值的差值要艱從正態(tài)分布

　　B 強影響點判斷：尋找方式一般分為標準誤差法、Mahalanobis距離法

　　C 共線性診斷：

　　·診斷方式：容忍度、方差擴大因子法(又稱膨脹系數(shù)VIF)、特征根判定法、條件指針CI、方差比例

　　·處理方法：增加樣本容量或選取另外的回歸如主成分回歸、嶺回歸等

　　Logistic回歸分析

　　線性回歸模型要求因變量是連續(xù)的正態(tài)分布變里，且自變量和因變量呈線性關(guān)系，而Logistic回歸模型對因變量的分布沒有要求，一般用于因變量是離散時的情況

　　分類：

　　Logistic回歸模型有條件與非條件之分，條件Logistic回歸模型和非條件Logistic回歸模型的區(qū)別在于參數(shù)的估計是否用到了條件概率。

　　4、其他回歸方法 非線性回歸、有序回歸、Probit回歸、加權(quán)回歸等

　　聚類分析

　　樣本個體或指標變量按其具有的特性進行分類，尋找合理的度量事物相似性的統(tǒng)計量。

　　1、性質(zhì)分類：

　　Q型聚類分析：對樣本進行分類處理，又稱樣本聚類分祈 使用距離系數(shù)作為統(tǒng)計量衡量相似度，如歐式距離、極端距離、絕對距離等

　　R型聚類分析：對指標進行分類處理，又稱指標聚類分析 使用相似系數(shù)作為統(tǒng)計量衡量相似度，相關(guān)系數(shù)、列聯(lián)系數(shù)等

　　2、方法分類：

　　1)系統(tǒng)聚類法： 適用于小樣本的樣本聚類或指標聚類，一般用系統(tǒng)聚類法來聚類指標，又稱分層聚類

　　2)逐步聚類法 ：適用于大樣本的樣本聚類

　　3)其他聚類法 ：兩步聚類、K均值聚類等

　　判別分析

　　1、判別分析：根據(jù)已掌握的一批分類明確的樣品建立判別函數(shù)，使產(chǎn)生錯判的事例最少，進而對給定的一個新樣品，判斷它來自哪個總體

　　2、與聚類分析區(qū)別

　　1)聚類分析可以對樣本逬行分類，也可以對指標進行分類;而判別分析只能對樣本

　　2)聚類分析事先不知道事物的類別，也不知道分幾類;而判別分析必須事先知道事物的類別，也知道分幾類

　　3)聚類分析不需要分類的歷史資料，而直接對樣本進行分類;而判別分析需要分類歷史資料去建立判別函數(shù)，然后才能對樣本進行分類

　　3、進行分類 ：

　　1)Fisher判別分析法 ：

　　以距離為判別準則來分類，即樣本與哪個類的距離最短就分到哪一類， 適用于兩類判別;

　　以概率為判別準則來分類，即樣本屬于哪一類的概率最大就分到哪一類，適用于

　　適用于多類判別。

　　2)BAYES判別分析法 ：

　　BAYES判別分析法比FISHER判別分析法更加完善和先進，它不僅能解決多類判別分析，而且分析時考慮了數(shù)據(jù)的分布狀態(tài)，所以一般較多使用;

　　主成分分析

　　將彼此梠關(guān)的一組指標變適轉(zhuǎn)化為彼此獨立的一組新的指標變量，并用其中較少的幾個新指標變量就能綜合反應(yīng)原多個指標變量中所包含的主要信息 。

　　因子分析

　　一種旨在尋找隱藏在多變量數(shù)據(jù)中、無法直接觀察到卻影響或支配可測變量的潛在因子、并估計潛在因子對可測變量的影響程度以及潛在因子之間的相關(guān)性的一種多元統(tǒng)計分析方法

　　與主成分分析比較：

　　相同：都能夠起到済理多個原始變量內(nèi)在結(jié)構(gòu)關(guān)系的作用

　　不同：主成分分析重在綜合原始變適的信息.而因子分析重在解釋原始變量間的關(guān)系，是比主成分分析更深入的一種多元統(tǒng)計方法

　　用途：

　　1)減少分析變量個數(shù)

　　2)通過對變量間相關(guān)關(guān)系探測，將原始變量進行分類

　　時間序列分析

　　動態(tài)數(shù)據(jù)處理的統(tǒng)計方法，研究隨機數(shù)據(jù)序列所遵從的統(tǒng)計規(guī)律，以用于解決實際問題;時間序列通常由4種要素組成：趨勢、季節(jié)變動、循環(huán)波動和不規(guī)則波動。

　　主要方法：移動平均濾波與指數(shù)平滑法、ARIMA橫型、量ARIMA橫型、ARIMAX模型、向呈自回歸橫型、ARCH族模型

　　生存分析

　　用來研究生存時間的分布規(guī)律以及生存時間和相關(guān)因索之間關(guān)系的一種統(tǒng)計分析方法

　　1、包含內(nèi)容：

　　1)描述生存過程，即研究生存時間的分布規(guī)律

　　2)比較生存過程，即研究兩組或多組生存時間的分布規(guī)律，并進行比較

　　3)分析危險因素，即研究危險因素對生存過程的影響

　　4)建立數(shù)學模型，即將生存時間與相關(guān)危險因素的依存關(guān)系用一個數(shù)學式子表示出來。

　　2、方法：

　　1)統(tǒng)計描述：包括求生存時間的分位數(shù)、中數(shù)生存期、平均數(shù)、生存函數(shù)的估計、判斷生存時間的圖示法，不對所分析的數(shù)據(jù)作出任何統(tǒng)計推斷結(jié)論

　　2)非參數(shù)檢驗：檢驗分組變量各水平所對應(yīng)的生存曲線是否一致，對生存時間的分布沒有要求，并且檢驗危險因素對生存時間的影響。

　　A 乘積極限法(PL法)

　　B 壽命表法(LT法)

　　3)半?yún)��?shù)橫型回歸分析：在特定的假設(shè)之下，建立生存時間隨多個危險因素變化的回歸方程，這種方法的代表是Cox比例風險回歸分析法

　　4)參數(shù)模型回歸分析：已知生存時間服從特定的參數(shù)橫型時，擬合相應(yīng)的參數(shù)模型，更準確地分析確定變量之間的變化規(guī)律

　　典型相關(guān)分析

　　相關(guān)分析一般分析兩個變里之間的關(guān)系，而典型相關(guān)分析是分析兩組變里(如3個學術(shù)能力指標與5個在校成績表現(xiàn)指標)之間相關(guān)性的一種統(tǒng)計分析方法。

　　典型相關(guān)分析的基本思想和主成分分析的基本思想相似，它將一組變量與另一組變量之間單變量的多重線性相關(guān)性研究轉(zhuǎn)化為對少數(shù)幾對綜合變量之間的簡單線性相關(guān)性的研究，并且這少數(shù)幾對變量所包含的線性相關(guān)性的信息幾乎覆蓋了原變量組所包含的全部相應(yīng)信息。

　　R0C分析

　　R0C曲線是根據(jù)一系列不同的二分類方式(分界值或決定閾).以真陽性率(靈敏度)為縱坐標，假陽性率(1-特異度)為橫坐標繪制的曲線用途：

　　1、R0C曲線能很容易地査出任意界限值時的對疾病的識別能力用途 ;

　　2、選擇最佳的診斷界限值。R0C曲線越靠近左上角，試驗的準確性就越高;

　　3、兩種或兩種以上不同診斷試驗對疾病識別能力的比較，一股用R0C曲線下面積反映診斷系統(tǒng)的準確性。

　　其他分析方法

　　多重響應(yīng)分析、距離分祈、項目分祈、對應(yīng)分祈、決策樹分析、神經(jīng)網(wǎng)絡(luò)、系統(tǒng)方程、蒙特卡洛模擬等。

　　怎樣選擇數(shù)據(jù)分析方法

　　一、質(zhì)量改進統(tǒng)計方法選擇的基本導向

　　從工業(yè)革命的傳統(tǒng)過程考察，大量的統(tǒng)計方法和技術(shù)伴隨機器工業(yè)和科學實驗的進步發(fā)展起來。像美國貝爾實驗室的工程師休哈特提出的統(tǒng)計質(zhì)量控制方法、道奇和羅米格首創(chuàng)的計數(shù)標準型抽樣檢驗方法、費歇爾的正交實驗設(shè)計、皮爾遜的相關(guān)分析和費希爾的回歸分析等，都是在工農(nóng)業(yè)生產(chǎn)和科學實驗的數(shù)據(jù)基礎(chǔ)上發(fā)展起來的，也有一些方法來源于醫(yī)學和生物統(tǒng)計學的研究和物理化學實驗的數(shù)據(jù)分析活動中，比如卡方檢驗、蒙特卡洛隨機模擬等。這些方法不是來自單純的演繹邏輯意義上的推導過程，而是從工農(nóng)業(yè)生產(chǎn)和科學實驗的實踐中發(fā)展起來的，雖然受制于獲取數(shù)據(jù)和手工計算能力的約束，但方法論的創(chuàng)新還是極大地推動了質(zhì)量統(tǒng)計技術(shù)的進步和實際應(yīng)用的發(fā)展。

　　目前，在質(zhì)量改進活動中使用統(tǒng)計方法已經(jīng)相當普及，許多改進項目甚至開始獨立設(shè)計統(tǒng)計模型方法及相應(yīng)的檢驗工具，統(tǒng)計學作為質(zhì)量改進的基礎(chǔ)方法論得到了廣泛的發(fā)展和應(yīng)用。促進這些方法走向?qū)嵺`的主要原因是什么？

　　（一）數(shù)據(jù)導向。

　　所謂數(shù)據(jù)導向，即“有什么數(shù)據(jù)，選擇什么方法”，從質(zhì)量過程生成的統(tǒng)計數(shù)據(jù)出發(fā)，選擇和設(shè)計相應(yīng)的統(tǒng)計方法，有時也根據(jù)這些數(shù)據(jù)設(shè)計一些QC課題或者其他質(zhì)量改進項目。這種導向的特點是有什么數(shù)據(jù)，就做什么改進，而不是從質(zhì)量現(xiàn)狀或質(zhì)量改進的關(guān)鍵技術(shù)、關(guān)鍵環(huán)節(jié)、成本、安全及交貨期等出發(fā)。例如，國內(nèi)某著名乳品企業(yè)采用先進的乳制品生產(chǎn)、消毒、存儲和包裝設(shè)備，每日自動產(chǎn)生大量的過程統(tǒng)計數(shù)據(jù)和質(zhì)量檢驗數(shù)據(jù)，加上營銷部門提供的銷售數(shù)據(jù)和電子商務(wù)網(wǎng)站形成的客戶訂購、投訴和評價數(shù)據(jù)，構(gòu)成了復雜的數(shù)據(jù)系統(tǒng)，實際上已經(jīng)成為企業(yè)大數(shù)據(jù)系統(tǒng)的雛形。但是，該企業(yè)始終沒有設(shè)計出適應(yīng)企業(yè)自身需求的數(shù)據(jù)分析系統(tǒng)，也無法使這些數(shù)據(jù)在系統(tǒng)的質(zhì)量改進和控制中起到積極的作用，浪費了大量的數(shù)據(jù)資源和改進管理的機會。

　�。ǘ�）模型導向。

　　模型導向是指為實證某個新設(shè)計或新發(fā)現(xiàn)的統(tǒng)計模型而進行的質(zhì)量改進過程，這些統(tǒng)計模型的成功應(yīng)用有些可以獲得良好的改進效果，有些則無法適應(yīng)真正的改進目標。從改革開放30多年中質(zhì)量管理技術(shù)的進步過程來看，我們一直在追趕發(fā)達國家的管理手段和技術(shù)方法，從20世紀80年代的全面質(zhì)量管理、90年代的質(zhì)量標準化管理到2000年代后的六西格瑪管理和卓越績效管理，似乎都體現(xiàn)了方法論上的盲目性，只顧追趕別人的腳步，不知道是否適合自身的發(fā)展。

　　從微觀角度審視，一些企業(yè)的質(zhì)量管理技術(shù)人員，在質(zhì)量方法的選擇上追求模型的“高大上”，簡單參考和引進國外的先進數(shù)學模型，用眼花繚亂的數(shù)學公式代替了扎扎實實的現(xiàn)場調(diào)查和改進過程，把質(zhì)量管理活動變成了新統(tǒng)計模型的實驗室。

　�。ㄈ�）工具導向。

　　統(tǒng)計軟件是質(zhì)量統(tǒng)計的重要工具，從SPC的應(yīng)用過程可以看到，休哈特博士設(shè)計的均值極差控制圖就是典型的工具導向的一個應(yīng)用。由于當時的計算能力和工具不足，因此在作業(yè)現(xiàn)場計算方差比較困難，所以休哈特博士采用了計算更為簡易的極差來替代方差，用以表征質(zhì)量過程的波動性。

　　專業(yè)的統(tǒng)計軟件是質(zhì)量改進方法的重要推動力量，一些世界知名廠商也陸續(xù)推出面向質(zhì)量管理的專用模塊和程序，這些軟件包括SAS、SPSS、STATISTICA

　　、Minitab、Matlab等。進入新世紀以來，大數(shù)據(jù)逐漸成為統(tǒng)計軟件工具必須面對的重要對象，數(shù)據(jù)挖掘（Data Mining）和商業(yè)智能（Business Intelligence）等方法成為統(tǒng)計軟件的主流方法，同時這些方法也被大量應(yīng)用到質(zhì)量管理活動中。于是，以統(tǒng)計軟件工具為導向的一大批質(zhì)量管理成果開始出現(xiàn)在各種場合，比如六西格瑪黑帶項目、可靠性項目、多變量統(tǒng)計過程控制（MSPC）、實驗設(shè)計（Design of Experiment）等。

　　與模型導向一樣，工具導向的質(zhì)量改進也是被動的，無法真正面向質(zhì)量生產(chǎn)的過程，即便是成功的數(shù)據(jù)分析也只能是統(tǒng)計模型和軟件的新例證，而不能成為質(zhì)量改進的新成果。

　�。ㄋ模┌咐龑�向。

　　案例導向的質(zhì)量改進過程，來自商學院工商管理碩士（MBA）案例教學實踐中，來自企業(yè)、院校和研究所的MBA似乎更喜歡來自成功案例方法的質(zhì)量改進過程。但商業(yè)模式和管理經(jīng)驗并不總是可重復和可再現(xiàn)的，質(zhì)量改進也是如此，商業(yè)案例只是對成功管理活動的總結(jié)和提煉，而不是輸出管理規(guī)則和盈利模式。因此，基于成功的商學院案例或者六西格瑪成功案例實施的質(zhì)量改進方法進程中，有很大一部分是無法完成改進目標和任務(wù)的。

　�。ㄎ澹┤蝿�(wù)導向。

　　所謂的任務(wù)導向是目前很多企業(yè)采用的一種中規(guī)中矩的質(zhì)量統(tǒng)計方法，就是根據(jù)企業(yè)生產(chǎn)計劃和調(diào)度要求，提出某項生產(chǎn)或管理任務(wù)，從完成任務(wù)的目的考慮，采用常規(guī)的統(tǒng)計方法或者技術(shù)來完成任務(wù)，甘特圖的使用就是任務(wù)導向的一個典型例子。

　　企業(yè)在進行績效考核的時候，一般多采用多變量線性模型進行綜合評價，用來合成多項指標的考核分值，這類統(tǒng)計方法已經(jīng)成為主流的績效評價方法，從卓越績效模式的評價到中小企業(yè)的員工績效考核，大多采用此法，這就是任務(wù)導向的方法選擇。這些方法是無法進行真正的質(zhì)量改進的，只是一種較優(yōu)的質(zhì)量統(tǒng)計方法選擇。

　　（六）問題導向。

　　質(zhì)量統(tǒng)計方法的基本功能是描述、解釋和探索，是基于過程或結(jié)果的統(tǒng)計數(shù)據(jù)而進行的有目的的質(zhì)量改進活動，用以解決企業(yè)經(jīng)營管理過程中出現(xiàn)的各種問題。因此，問題導向的質(zhì)量統(tǒng)計方法主要是指以質(zhì)量管理活動中出現(xiàn)的問題為核心改進目標，從問題的現(xiàn)狀調(diào)查、研判、因果關(guān)系判別以及對策、實驗和檢驗等基本目標出發(fā)，量身定制或者重新創(chuàng)建新的數(shù)據(jù)管理或質(zhì)量改進統(tǒng)計方法，做到因地制宜、對癥下藥，達到追本溯源、藥到病除的效果，這才是真正的應(yīng)用統(tǒng)計價值所在，也是質(zhì)量統(tǒng)計方法追求的科學、合理和高效的真正動力。

　　現(xiàn)實中，一些QC項目和六西格瑪項目，就是為了做項目而刻意尋找項目，而不是面向企業(yè)生產(chǎn)經(jīng)營和管理實踐活動本身，他們根據(jù)比較好的一些質(zhì)量特性，逆向設(shè)計統(tǒng)計方法，模擬和推斷出可能的數(shù)據(jù)改進方法和計算模型，從而達到項目要求或評獎要求，實際上放棄了統(tǒng)計方法對于質(zhì)量改進的真正貢獻，也放棄了科學改進的真正目的，違背了質(zhì)量改進的最初目的和終極價值。

　　二、問題導向的質(zhì)量改進統(tǒng)計方法選擇

　　問題導向的質(zhì)量改進過程中，要一切從問題的現(xiàn)狀出發(fā)，擬定合理目標，設(shè)計跟進數(shù)據(jù)集，選擇合適的統(tǒng)計方法，帶著問題逐步深入才能得到滿意的改進效果。

　　問題導向的質(zhì)量改進一般應(yīng)遵循三個基本原則，一是厘定問題，單一目標；二是自頂向下，逐步求精；三是優(yōu)選方法，單入單出。在這個原則下，質(zhì)量改進的過程可以分為以下步驟：

　�。ㄒ唬┨岢鰡栴}。

　　和一般的改進過程一樣，面向問題的改進過程主要是對于質(zhì)量問題的定義和選擇，這些問題不是上級決定的，也不是財務(wù)目標中挑出來的，而應(yīng)該來自質(zhì)量經(jīng)營和管理的實踐中出現(xiàn)的質(zhì)量問題和可能造成不良的機會。因此質(zhì)量改進的動因本身就具有補償性質(zhì)量的能力，如果不出現(xiàn)問題，質(zhì)量管理的重點則應(yīng)放在質(zhì)量保證能力建設(shè)和預防性質(zhì)量的提升方面。

　�。ǘ�）描述問題并抽象成統(tǒng)計模型。

　　精確定義質(zhì)量生產(chǎn)和使用過程中出現(xiàn)的問題，并力圖把這個問題抽象成為統(tǒng)計模型。比如對于推土機首次故障時間的確認，就可以根據(jù)統(tǒng)計建模的經(jīng)驗和方法，考慮通過構(gòu)建指數(shù)模型來計算一批推土機銷售以后首次故障時間的期望均值，并以此通過假設(shè)檢驗來設(shè)定首次故障時間，并最終實現(xiàn)質(zhì)量的全面提升。

　�。ㄈ�）獲得過程和結(jié)果的數(shù)據(jù)。

　　統(tǒng)計模型方法依賴大量數(shù)據(jù)和檢驗，因此模型方法所需要的數(shù)據(jù)必須和問題產(chǎn)生的過程保持一致，也就是說，必須回到問題發(fā)生的現(xiàn)場去收集整理數(shù)據(jù)并獲得數(shù)據(jù)口徑、背景和計算方法的要求。這些數(shù)據(jù)可以客觀地描述、解釋和探索質(zhì)量過程中的細節(jié)，可以由此回溯和推斷問題出現(xiàn)的可能性、因果性以及相關(guān)性，真正地做到“讓數(shù)據(jù)說話”、“讓模型作證”和“讓結(jié)果指向”。

　　（四）分析建模和驗證。

　　根據(jù)得到的數(shù)據(jù)和所選的統(tǒng)計方法創(chuàng)建統(tǒng)計模型，對問題進行深入的分析和解剖，得到解決問題的基本方向和思路，并設(shè)計出解決問題的路徑和方法，對這些方法進行實地實驗和驗證，力求得出解決問題的全局性對策。

　　（五）方法選擇的導向性。

　　有些問題的出現(xiàn)和解決，似乎有定數(shù)，比如因果圖就經(jīng)常被用來解決質(zhì)量改進中的可能性關(guān)聯(lián)問題。有些研究者更愿意采用復雜的數(shù)理統(tǒng)計模型來完成該改進任務(wù)，但我們的建議是選擇最適合的方法，而不是最先進或者最豪華的方法。面向問題是質(zhì)量改進的第一動力，因此統(tǒng)計方法的選擇只有依照這個原則來進行，才有可能真正起到質(zhì)量改進的作用，也從而實現(xiàn)質(zhì)量提升的最終目標。

　　三、統(tǒng)計數(shù)據(jù)的來源和統(tǒng)計方法的適應(yīng)性

　�。ㄒ唬�數(shù)據(jù)來源。

　　傳統(tǒng)的企業(yè)統(tǒng)計數(shù)據(jù)來源于三個方面，即企業(yè)統(tǒng)計臺賬、生產(chǎn)記錄和檢驗記錄，這些數(shù)據(jù)是工業(yè)生產(chǎn)過程的人工記錄，需要對質(zhì)量生產(chǎn)過程進行人工干預才可以獲得，有些數(shù)據(jù)因此產(chǎn)生了較大的誤差和偏移，以至于很多統(tǒng)計方法無法接近真實過程。

　　目前，我國已進入工業(yè)化后期，國際先進的制造技術(shù)和設(shè)備被大量引進，其中包括具備強大數(shù)據(jù)生產(chǎn)能力的數(shù)控設(shè)備、網(wǎng)控設(shè)備和電子自動檢測裝置等，這些先進的電子設(shè)備可以大量測定、檢驗和記錄數(shù)據(jù)，生成連續(xù)性、大規(guī)模和高精度的同步數(shù)據(jù)集，此即企業(yè)大數(shù)據(jù)的雛形。在一些先進的制造企業(yè)，技術(shù)人員已經(jīng)可以直接從設(shè)備上導出大量的數(shù)據(jù)用以完成SPC、MSA、DOE等經(jīng)典統(tǒng)計模型的擬合和研判，可以實現(xiàn)真正的大數(shù)據(jù)同步質(zhì)量分析、檢驗和預警目標。

　　因此，當前企業(yè)主要的數(shù)據(jù)來源有四個方面，一是企業(yè)管理數(shù)據(jù)，包括企業(yè)管理統(tǒng)計臺賬、績效考據(jù)數(shù)據(jù)、經(jīng)營管理數(shù)據(jù)、投資和財務(wù)數(shù)據(jù)、營銷數(shù)據(jù)等；二是企業(yè)生產(chǎn)過程數(shù)據(jù)，包括來自電子設(shè)備和網(wǎng)絡(luò)設(shè)備中自動記錄和篩選的數(shù)據(jù)；三是質(zhì)量檢驗和驗收的數(shù)據(jù)；四是來自供應(yīng)鏈和客戶調(diào)查的數(shù)據(jù)。這些數(shù)據(jù)大部分是連續(xù)生產(chǎn)的，主要是定量數(shù)據(jù)，也包含一些定性數(shù)據(jù)，這些數(shù)據(jù)構(gòu)成企業(yè)經(jīng)營管理活動的新資源。

　�。ǘ�）統(tǒng)計方法選擇的基本原則。

　　問題導向的統(tǒng)計方法選擇一般以數(shù)據(jù)為基礎(chǔ)，有的方法要求的數(shù)據(jù)量比較少，因而容易在實踐中使用，比如SPC、DOE等，而有的統(tǒng)計方法則要求更多的數(shù)據(jù)量和數(shù)據(jù)質(zhì)量，比如時間序列和可靠性統(tǒng)計分析方法等。因此，選擇統(tǒng)計方法時，應(yīng)考慮所需要的數(shù)據(jù)在多個方面的特征和要求。

　　一是數(shù)據(jù)的易得性，要能夠很容易和低成本地采集數(shù)據(jù)，對于網(wǎng)控設(shè)備來說，還應(yīng)考慮網(wǎng)絡(luò)聯(lián)通問題；二是數(shù)據(jù)的統(tǒng)計口徑、測量設(shè)備和測定方法要保持一致，這樣的數(shù)據(jù)才具備基本的分析基礎(chǔ)和分析能力；三是大數(shù)據(jù)的連續(xù)性采集能力，一些現(xiàn)場數(shù)據(jù)的采集必須滿足連續(xù)性的要求，才可以輔助實施和分析，采用管理學意義上的價值，比如統(tǒng)計過程控制和抽樣檢驗的數(shù)據(jù)等；四是保持數(shù)據(jù)采集的可重復性、可復現(xiàn)性和可控制性，大量統(tǒng)計數(shù)據(jù)的誤差只有通過較為嚴格的方差分析和參數(shù)檢驗、分布模擬可能付諸建模分析和質(zhì)量改進，因此要保證數(shù)據(jù)的采集技術(shù)不會帶來較大的誤差影響。

【數(shù)據(jù)分析方法有哪些】相關(guān)文章：

常用數(shù)據(jù)的分析方法有哪些01-22

銷售數(shù)據(jù)的分析方法07-25

數(shù)據(jù)整理分析方法10-22

配件庫存分析數(shù)據(jù)的方法09-17

醫(yī)學數(shù)據(jù)分析方法10-24

傳統(tǒng)數(shù)據(jù)分析方法09-20

庫存數(shù)據(jù)分析方法06-07

多維數(shù)據(jù)分析方法09-20

數(shù)據(jù)分析常用方法(熱)07-25