Documento de análisis estadístico 1 sobre análisis estadístico y toma de decisiones
Resumen: El análisis estadístico y la toma de decisiones están relacionados y son diferentes. Para participar en la toma de decisiones es necesario un buen análisis de las estadísticas. Para hacer un buen trabajo en análisis estadístico, es necesario resolver tres problemas: selección de temas, análisis y redacción de informes.
[Palabras clave] Toma de decisiones mediante el método de análisis estadístico
Todo el proceso del trabajo estadístico se divide en cuatro etapas, a saber, diseño estadístico, investigación estadística, disposición estadística y análisis estadístico. Entre ellos, el análisis estadístico es la etapa final del trabajo estadístico y la etapa que produce resultados estadísticos. Actualmente se defiende que las estadísticas deberían participar en la toma de decisiones. ¿Significa esto que al trabajo estadístico se le debe añadir una etapa de toma de decisiones? Si no, ¿qué tiene que ver el análisis estadístico con la toma de decisiones?
En un sentido estricto, el análisis estadístico y la toma de decisiones son diferentes. El análisis estadístico es un proceso basado en estadísticas y que utiliza métodos estadísticos para realizar análisis científicos e investigaciones integrales sobre las condiciones sociales y económicas para comprender su esencia y sus leyes. La toma de decisiones es el proceso de comparar, analizar y estudiar dos o más opciones posibles para lograr un objetivo predeterminado y así hacer una elección razonable y científica. Si se compara el análisis estadístico y la toma de decisiones con el tratamiento de un médico, el análisis estadístico es el diagnóstico de la enfermedad y la toma de decisiones es la prescripción. ¿diagnóstico? Entonces qué. ¿prescripción? Hay una diferencia.
A grandes rasgos, el análisis estadístico y la toma de decisiones son inseparables. Por un lado, el análisis estadístico se utiliza durante todo el proceso de toma de decisiones. Un proceso de toma de decisiones se puede dividir a grandes rasgos en los siguientes tres pasos: primero, diagnosticar el problema y determinar el objetivo de la toma de decisiones; segundo, explorar y formular varias alternativas posibles; tercero, seleccionar el plan más apropiado entre varias alternativas; Desde la perspectiva de estos tres pasos, aunque se requieren una variedad de métodos y medios, todos son inseparables del análisis estadístico. El primer paso es diagnosticar el problema mediante análisis estadístico y determinar el objetivo de la toma de decisiones con base en el análisis; el segundo paso es formular un plan alternativo. ¿Ideas para pasillos? Entonces qué. ¿Detalles de diseño? En esta fase, deberíamos realizar un análisis preliminar de los proyectos previstos en el corredor y enriquecer el contenido específico de cada uno de ellos. ¿filtrar? Entonces qué. ¿Cumpliendo? Todo debe pasar por un análisis estadístico; el tercer paso es elegir la mejor solución. Cada alternativa debe primero ser evaluada y justificada, lo que requiere un análisis estadístico. Por tanto, se puede decir que sin análisis estadístico no habrá toma de decisiones científicas. Por otro lado, las decisiones son, en cierto sentido, el resultado de un análisis estadístico. En general, los informes de análisis estadístico tienen como objetivo plantear preguntas, analizar problemas y señalar métodos para resolver problemas. De hecho, el plan de toma de decisiones también es una forma de resolver problemas y lograr los objetivos de la toma de decisiones, pero ¿es mejor que eso? Sugerencias de medidas futuras. Este método es más completo, detallado y científico. El propósito del diagnóstico de un médico es corregir las recetas y salvar vidas, no sólo diagnosticar sin receta. El análisis estadístico tiene como objetivo descubrir y resolver problemas y promover el desarrollo fluido de la economía social; no podemos simplemente hacer preguntas sin buscar soluciones; En este sentido, el análisis estadístico también incluye la predicción y la toma de decisiones. No se pueden hacer estadísticas por el simple hecho de ser estadísticas, ni se pueden analizar por el simple hecho de analizar. Las estadísticas deben participar en la toma de decisiones. Para tomar decisiones científicas es necesario realizar análisis estadísticos.
Para hacer un buen trabajo en análisis estadístico es necesario resolver tres problemas: selección de temas, análisis y redacción de informes.
1. Tema de análisis estadístico
La llamada selección de tema tiene como objetivo determinar el contenido y alcance del análisis estadístico en fenómenos sociales y económicos complejos. La elección del tema para el análisis estadístico es muy importante. La selección exitosa del tema es el requisito previo para un análisis exitoso.
¿Cómo elegir un buen tema? Hay dos criterios para elegir un buen tema: el objeto de análisis es significativo y adecuado a las necesidades de los tomadores de decisiones y del público. La clave es captar los principios y políticas del partido y del país y los beneficios económicos de la empresa.
El tema del análisis estadístico es muy amplio. Los temas de análisis estadístico industrial incluyen: análisis de ejecución de planes, análisis estadístico del valor de producción neta industrial, análisis estadístico de ventas de productos industriales, análisis estadístico de suministro y consumo de materias primas industriales, análisis estadístico del consumo de energía industrial, análisis estadístico de equipos de producción industrial, análisis estadístico de mano de obra y salarios industriales. , Análisis estadístico de costos y ganancias, análisis estadístico de beneficios económicos integrales, etc.
Los temas de análisis estadístico de las empresas de circulación de productos básicos incluyen: análisis de oferta y demanda del mercado, análisis de participación de mercado, análisis del ciclo de vida económico de los principales productos básicos, análisis de precios de productos básicos en el mercado, análisis de ejecución de planes, análisis de ejecución de contratos de compra y venta, análisis de calidad de adquisición de productos básicos, productos básicos. análisis dinámico de ventas, análisis de composición de ventas de productos básicos, análisis de inventario de productos básicos, análisis de beneficios económicos empresariales, etc. Para el contenido anterior, dependiendo del tiempo, lugar y condiciones, puedes elegir en función de dos criterios.
El análisis estadístico se puede dividir en análisis temático y análisis integral. Dentro de un cierto alcance general, estudiar todos los aspectos del conjunto y sus interrelaciones, o estudiar el análisis estadístico de los aspectos principales del conjunto, es un análisis integral, estudiar solo un aspecto o parte del mismo es un análisis temático. Ambos tienen sus propias características y son necesarios, pero debería haber más análisis temáticos y menos análisis exhaustivos.
2. Métodos de análisis estadístico
La clave del análisis estadístico es el análisis. ¿Cómo realizar análisis estadístico? El análisis estadístico tiene dos características: una se basa en estadísticas y la otra en métodos estadísticos. Por lo tanto, después de seleccionar el tema para el análisis estadístico, es necesario recopilar y organizar datos numéricos relevantes y situaciones específicas de acuerdo con las necesidades del análisis, y utilizar métodos estadísticos de análisis de manera flexible sobre la base de poseer plenamente los materiales.
Existen muchos métodos de análisis estadístico. En los principios de la estadística, además del contenido de la investigación y clasificación estadística, los indicadores integrales, los índices estadísticos, las series de tiempo y la inferencia de muestreo son todos métodos de análisis estadístico. Desde una perspectiva metodológica, el análisis estadístico es la aplicación de principios estadísticos.
Los métodos estadísticos son compatibles con los procesos cognitivos humanos. La cognición humana se puede dividir en dos etapas: cognición perceptiva y cognición racional. Lo que se entiende en la etapa de comprensión perceptiva es el fenómeno de las cosas, que puede clasificarse mediante encuestas y estadísticas estadísticas. Lo que se entiende en la etapa cognitiva racional es la esencia y las leyes de las cosas, lo que requiere actividades de pensamiento como formar conceptos, emitir juicios y razonar. En consecuencia, se deben utilizar diferentes métodos de análisis estadístico.
Los métodos descriptivos de índice integral se utilizan generalmente para formar conceptos, a saber, índice total, índice relativo e índice promedio, para explicar la escala, el nivel, la velocidad, la estructura interna y la relación proporcional del fenómeno. El razonamiento crítico consiste en juzgar la esencia de las cosas, analizar las razones de los cambios en las cosas y descubrir las leyes de su desarrollo. Esto generalmente se hace mediante análisis de grupo, análisis dinámico, análisis factorial, análisis de regresión de correlación, análisis de equilibrio, etc.
Dominar varios métodos de análisis estadístico en principios estadísticos y utilizarlos con flexibilidad. ¿Cómo usarlo de manera flexible? Hay un problema técnico aquí. La técnica es una combinación inteligente de análisis cualitativo y cuantitativo.
El llamado análisis cualitativo se refiere al análisis de la esencia de las cosas y de los factores que inciden en su desarrollo y cambios. El análisis cuantitativo consiste en analizar la escala, el nivel, la velocidad, la estructura y la proporción de las cosas, así como la dirección y el grado de influencia de varios factores en los cambios generales de las cosas. La inteligente combinación de análisis cualitativo y análisis cuantitativo tiene dos significados: uno es que los dos no pueden descuidarse y el otro es que los dos son inseparables.
Sin análisis cualitativo, el análisis cuantitativo no tiene dirección. Sin análisis cuantitativo, el análisis cualitativo es inexacto. El propósito de la combinación es explorar la conexión interna de las cosas en la unidad dialéctica de calidad y cantidad.
Fundamentalmente hablando, el análisis estadístico consiste en completar el salto del conocimiento perceptivo al conocimiento racional, y del fenómeno a la esencia. Sólo completando este salto podremos tener un análisis estadístico de alta calidad. La calidad de algunos análisis estadísticos no es alta y, a menudo, no logran completar este salto y permanecen en la superficie.
3. Redacción de informes de análisis estadístico
Los informes de análisis estadístico son el producto final de la estadística. Si la precisión estadística es la vida de las estadísticas, entonces la calidad de los informes de análisis estadístico está relacionada con el desempeño de las funciones estadísticas. Los requisitos para informes de análisis estadísticos de alta calidad se pueden resumir en cinco palabras, a saber: ¿Preciso, rápido, nuevo, profundo y animado? .
Exactitud: Significa reflejar la realidad objetiva de manera realista. Asegúrese de que los números sean precisos, la situación sea precisa y los argumentos sean precisos.
Rápido: proporcione informes de análisis oportunos antes de que los responsables de la toma de decisiones tomen decisiones.
Nuevo: significa innovación continua. Se requiere explorar constantemente nuevos campos, estudiar nuevos temas y reflexionar sobre nuevas situaciones y nuevos problemas.
Profundidad: Es mejorar la profundidad del análisis sobre la base de la plena posesión de los materiales, de modo que la comprensión no solo pueda reflejar los fenómenos, sino también revelar la esencia y las leyes de las cosas, utilizar puntos de vista para guiar los materiales. , utilizar materiales para explicar puntos de vista y lograr la unidad de materiales y perspectivas.
Vivaz: se refiere a que la escritura sea vivaz y flexible en su forma. Los materiales deben ser diversos, vívidos y concretos, el lenguaje debe ser fácil de entender y el texto debe ser conciso.
Los informes de análisis estadístico se elaboran sobre la base del análisis estadístico. Sin un buen análisis es imposible redactar un buen informe. Después de la etapa de análisis, se aclaran los hechos, se determina la naturaleza, se exploran las reglas y se extraen conclusiones. Sobre esta base, se puede escribir un informe de análisis estadístico. Pero un buen análisis no significa que el informe esté bien redactado. Hay otra cuestión de las habilidades de escritura, que es exponer con precisión los hechos, aclarar minuciosamente la esencia, revelar profundamente las reglas y hacer sugerencias apropiadas.
1. Exponer con precisión los hechos
Todo informe de análisis estadístico necesita expresar el fenómeno analizado, es decir, ¿explicarlo? ¿Qué es esto? . Exponer los hechos con precisión le da al lector una idea clara. Por lo tanto, debemos prestar atención a los siguientes puntos: (1) los números deben ser verdaderos; (2) usar los números apropiadamente, no apilarlos para que los números sean literales (3) los elementos del lenguaje deben ser precisos;
2. Clarificar a fondo la esencia
El fenómeno sólo expresa cosas unilaterales, y la esencia sólo expresa la totalidad. Escribir informes de análisis estadístico debe revelar profundamente la esencia de las cosas, que es un reflejo de la precisión y profundidad de la comprensión estadística de las cosas. Si no puede aclarar profundamente la esencia de las cosas, sólo puede ser una lista de fenómenos, lo cual tiene poco valor.
Descubrir la esencia de las cosas es descubrir las propiedades básicas de las cosas. La naturaleza de las cosas está determinada por los aspectos principales de las contradicciones internas. Por ejemplo, ¿deberían las empresas aumentar sus beneficios aumentando los precios o reduciendo los costos? A través del análisis, nos damos cuenta de que el aumento de las ganancias depende principalmente de la reducción de costos. Este es el aspecto principal de la contradicción y refleja la naturaleza de las cosas. Por lo tanto, el informe debería ilustrar el importante papel de la reducción de costos en la mejora de la eficiencia económica. Otro ejemplo es una empresa cuyo problema esencial es un grave desperdicio de acero. El informe debe revelar varios aspectos y la gravedad del desperdicio.
3. Revelar profundamente las leyes
Las leyes son conexiones inherentes, esenciales e inevitables dentro de las cosas. Existe una relación entre costo y producción. Después del razonamiento, esta relación es inherente y esencial a las cosas, refleja la regularidad del desarrollo y cambio de las cosas y tiene una cierta relación de regresión. La ecuación de regresión refleja esta relación, por lo que en el informe de análisis estadístico, la ecuación de regresión debe usarse para revelar esta relación inevitable y su relación de regresión.
Hacer sugerencias apropiadas
El propósito de comprender el mundo es transformarlo. Después del análisis estadístico, podemos comprender la naturaleza y las leyes de las cosas a través de los fenómenos y también hacer sugerencias para resolver problemas, como por ejemplo. ¿Opiniones futuras? ,? Algunas sugerencias. ,?Plan de toma de decisiones? Espera un momento. ¿Cuál sería el consejo apropiado? Las sugerencias apropiadas deben cumplir tres condiciones: (1) cumplir con el propósito del análisis; (2) cumplir con leyes objetivas (3) ser factibles;
Los cuatro puntos anteriores generalmente se pueden utilizar como estructura y secuencia del informe de análisis, pero no pueden ser iguales.
El informe del análisis estadístico es un reflejo de los resultados del análisis estadístico. No sólo debemos centrarnos en mejorar las habilidades de escritura, sino también ejercitar la capacidad de análisis y resolución de problemas.
La segunda parte del Análisis estadístico trata sobre la aplicación de métodos de análisis estadístico.
La aplicación de métodos de análisis estadístico en diversos campos ha resuelto muchos problemas prácticos en la industria, la agricultura, la economía y la medicina. y otros campos. Este artículo analiza las principales aplicaciones de los métodos de análisis estadístico multivariado y la necesidad de construir un sistema de prueba de métodos estadísticos multivariados, y plantea cuestiones que requieren atención, lo cual tiene una gran importancia práctica.
Palabras clave método de análisis estadístico; aplicación; sistema de inspección; prefacio con significado práctico
Con la popularización y aplicación generalizada de la tecnología de la información, social y con el desarrollo de la economía y la ciencia. Y la tecnología, los problemas de los métodos de análisis estadístico multivariado se han resuelto y se utilizan ampliamente en diversos campos, promoviendo el rápido desarrollo de todos los ámbitos de la vida.
2. Principales aplicaciones de los métodos de análisis estadístico multivariado
Los métodos estadísticos son herramientas importantes en la investigación científica y se utilizan ampliamente. En problemas prácticos como la industria, la agricultura, la economía, la biología y la medicina, a menudo es necesario procesar datos de observación de múltiples variables. Por lo tanto, los métodos de análisis estadístico multivariado que manejan de manera integral múltiples variables son particularmente importantes. Con la popularización de la tecnología informática y el desarrollo de la sociedad, la economía y la ciencia y la tecnología, los métodos de análisis estadístico multivariado que en el pasado se consideraban difíciles en matemáticas se han utilizado cada vez más en la práctica.
Análisis de conglomerados
Es un método estadístico multivariante para estudiar problemas de clasificación. La idea básica del análisis de conglomerados es tratar primero cada muestra como una clase, luego calcular la distancia entre la nueva clase y otras clases en función de la similitud entre las muestras y luego seleccionar un aproximador cada vez que se fusiona una clase. se reduce una clase y el proceso continúa hasta que todas las muestras se fusionan en una clase.
Por lo tanto, el análisis de conglomerados se basa en la comprensión de la proximidad o similitud entre observaciones, y se pueden producir diferentes resultados de agrupamiento definiendo diferentes medidas de distancia y medidas de similitud. Al formular estrategias de marketing, es muy importante que las empresas determinen qué empresas son competidoras directas y cuáles indirectas en el mismo mercado. Para resolver este problema, las empresas pueden primero conocerse a sí mismas y a todos sus principales competidores a través de una investigación de mercado, a fin de encontrar oportunidades para la empresa en el mercado.
Análisis discriminante
El análisis discriminante consiste en dividir objetos de investigación conocidos en varios tipos y obtener un lote de datos de observación de muestras conocidas de varios tipos. Sobre esta base, se establece un discriminante de acuerdo con ciertos criterios y luego se realiza un análisis discriminante en tipos de muestras desconocidos. En las previsiones de mercado, las empresas suelen utilizar análisis discriminantes para determinar si un producto será un éxito de ventas o un vendedor lento en el próximo trimestre basándose en varios indicadores de encuestas anteriores. En general, el análisis discriminante suele combinarse con el análisis de conglomerados.
Análisis de componentes principales
El análisis de componentes principales intenta recombinar los indicadores originales en un nuevo conjunto de indicadores integrales no relacionados para reemplazar los indicadores originales. Al mismo tiempo, de acuerdo con las necesidades reales, se pueden extraer varios indicadores menos completos para reflejar la información de los indicadores originales tanto como sea posible. En la investigación de mercado, el análisis de componentes principales se utiliza a menudo para analizar las preferencias de los clientes y las diferencias entre productos y clientes en el mercado actual, proporcionando así a los fabricantes información sobre la dirección del desarrollo de nuevos productos.
Análisis factorial
El análisis factorial es la promoción y aplicación del análisis de componentes principales. Sintetiza variables aleatorias complejas en una pequeña cantidad de variables aleatorias para describir, y la correlación entre múltiples variables reproduce la relación entre los indicadores y factores originales. También se puede considerar el análisis factorial como una clasificación de indicadores basándose en la estructura interna de los datos originales. Por ejemplo, el análisis factorial se realiza sobre N indicadores, como el número de establecimientos comerciales, la población, los servicios de instituciones financieras y los ingresos en el área de encuesta Y. Si sigue el método de análisis general, es necesario procesar N indicadores y darles pesos diferentes. De esta manera, no solo aumenta la carga de trabajo, sino que también la correlación entre los indicadores secos es muy alta, lo que provocará sesgos en los resultados del análisis. Se proporcionan muchos indicadores altamente correlacionados para calcular el puntaje de fortaleza integral promedio de cada encuesta. área para determinar qué tipo de puntos de venta construir en una determinada área de estudio.
3. La necesidad de construir un sistema de prueba de métodos de análisis estadístico multivariado
(1) Construir un sistema de prueba de métodos de análisis estadístico multivariado para mejorar la calidad del análisis estadístico multivariado.
Los métodos de análisis estadístico multivariado se han utilizado cada vez más ampliamente. Sin embargo, hay muchos casos en los que los métodos de análisis se aplican a ciegas en las aplicaciones y solo se preocupan por la aplicación de métodos modelo. Muchos libros de texto solo se centran en presentar las ideas, principios y pasos de análisis de los métodos de análisis estadístico multivariado, y rara vez describen las pruebas estadísticas de los resultados de la aplicación de los métodos de análisis estadístico multivariado. Esto afecta directamente el efecto de la aplicación y la confiabilidad de los métodos de análisis estadístico multivariado. Por lo tanto, este artículo pretende discutir las pruebas estadísticas de métodos de análisis estadístico multivariado. El propósito de construir el sistema de examen del método de análisis estadístico multivariado es enriquecer y mejorar aún más el sistema de contenido de los métodos de análisis estadístico multivariado. En la práctica, la aplicación del método de análisis estadístico multivariado es más razonable y estandarizada; Promover la mejora de la calidad de la aplicación de los métodos de análisis estadístico multivariado y la aplicación más amplia de los métodos de análisis estadístico multivariado.
(2) Teorías básicas del análisis estadístico multivariado y sistemas de prueba estadística
La distribución de muestra de la población de distribución normal multivariada, a saber, distribución de Wicht, distribución de Hotelling, distribución S de Wilcox y distribución multivariada. prueba de hipótesis de vector medio de población normal, incluida una prueba de hipótesis de vector medio de población normal, dos pruebas de hipótesis de vector medio de población normal y múltiples pruebas de hipótesis de vector medio de población normal multivariadas. La prueba de hipótesis incluye una prueba de hipótesis de matriz de covarianza de población normal y covarianza múltiple; Pruebas de hipótesis de igualdad matricial.
(3) Acerca del sistema de inspección estadística
Los sistemas de inspección estadística anteriores se combinan orgánicamente para formar el marco básico del sistema de inspección del método de análisis estadístico multivariado. Construya un sistema de evaluación de métodos de análisis estadístico multivariado, coopere con métodos de análisis estadístico multivariado, aproveche al máximo el valor de aplicación de los métodos de análisis estadístico multivariado y mejore la calidad de la aplicación. Recomendamos que se realicen las pruebas estadísticas correspondientes de acuerdo con el marco anterior al realizar la solicitud. seguro. El sistema de inspección estadística mencionado es todavía un marco preliminar. Con la mejora gradual de la teoría de los métodos de análisis estadístico multivariado, es necesario mejorar continuamente el sistema de prueba mencionado anteriormente, y más colegas deben prestar atención a estos problemas y continuar estudiándolos.
Por otro lado, en aplicaciones prácticas, incluso si un método se prueba estadísticamente de acuerdo con el contenido anterior, todavía habrá muchas deficiencias en la aplicación debido a las fallas o limitaciones de varios métodos. Debería llamar la atención. Sin embargo, los resultados del análisis factorial siguen siendo subjetivos. En particular, la interpretación del significado profesional y práctico de los principales factores de las masas aún conserva un tono artístico y no existe un enfoque unificado, por lo que a menudo no resulta satisfactoria. En definitiva, cuando lo aplicamos, tenemos la aplicabilidad del análisis factorial, el método de estimación de factores comunes y el número de factores comunes a elegir. Una serie de cuestiones, como la interpretación del significado práctico de los factores comunes, deberían atraer suficiente atención. El sistema de inspección se clasifica de la siguiente manera:
A. Sistema de inspección estadística del análisis de componentes principales
B. Prueba estadística de grieta de volumen del análisis factorial
C. Sistema de prueba estadística de análisis de conglomerados
D. Análisis discriminante y prueba estadística de grietas corporales
E. Sistema de prueba estadística para análisis de correspondencia
F. análisis de correlación típico
4. Varias * * * cuestiones a las que se debe prestar atención cuando se utilizan métodos de análisis estadístico multivariado.
1. La distribución general de las variables de datos originales.
Diversos métodos tienen diferentes requisitos para la distribución general de las variables originales. Algunos métodos no tienen requisitos especiales sobre la distribución general de las variables de datos originales, como el análisis de componentes principales, el análisis de conglomerados, el análisis de correspondencia, etc. Algunos métodos tienen diferentes requisitos para la distribución de variables originales en diferentes situaciones. Por ejemplo, en el análisis factorial, los métodos de estimación de factores comunes son diferentes y los requisitos para la distribución variable original también son diferentes. Cuando se utiliza el método de estimación de máxima verosimilitud para estimar la variable principal, se supone que la variable original obedece a la distribución normal multivariada. Así que presta atención a la aplicación. Por ejemplo, el análisis de correlación canónica requiere que las variables originales sigan una distribución normal, pero estrictamente hablando, si la forma de distribución de las variables, como una alta asimetría, no reducirá otras variables.
Problema con el tamaño de la muestra.
Actualmente no existe una conclusión unificada sobre el tamaño de muestra n adecuado para el análisis estadístico multivariado. Algunas personas piensan que el tamaño de la muestra debería ser de 10 a 20 veces el número de variables, algunas personas piensan que el tamaño de la muestra debería ser mayor que 100, algunas personas piensan que el tamaño de la muestra en la prueba de Bartlett debería ser mayor que 150 y algunas la gente piensa que no es necesario exigir demasiado tamaño de muestra. Por ejemplo, en el análisis de componentes principales y el análisis factorial, cuando la correlación entre las variables originales es pequeña, es difícil obtener resultados satisfactorios incluso si se amplía el tamaño de la muestra.
Correlaciones y relaciones no lineales entre variables originales.
Entre los métodos de análisis estadístico multivariado, algunos requieren correlación de las variables originales. Otros no requieren correlación de las variables originales. Por ejemplo, en el análisis de conglomerados, cuando se realiza un análisis de conglomerados de sistemas tipo Q, también se requiere la correlación entre las variables de datos originales. Por ejemplo, al elegir la distancia euclidiana, la distancia de Mintz o la distancia de Langer, se requiere que las variables originales no estén correlacionadas. El uso de las distancias anteriores sólo podrá elegirse después del procesamiento pertinente de los datos originales. Si las variables originales están correlacionadas, la distancia de Mahalanobis es más apropiada. Además, las relaciones no lineales entre las variables originales también son cuestiones que requieren atención. Como análisis de componentes principales, análisis factorial y análisis de correlación canónica. Cuando se calcula en función de la matriz de correlación, la matriz de correlación aquí es en realidad la correlación momento-producto de Pearson. Sin embargo, si la relación entre variables no es lineal sino no sexual, entonces el análisis y las conclusiones perderán el debido significado.
Problemas de procesamiento de datos.
El análisis estadístico multivariante implica muchas variables, y diferentes variables a menudo tienen diferentes dimensiones y diferentes niveles de cuantificación. Al analizar, no tiene sentido combinar linealmente variables de diferentes dimensiones cuando se analizan variables de diferentes magnitudes. resultará. ¿Comer en grande y comer en pequeño? Es decir, se ignorará la influencia de las variables de magnitud, afectando así la racionalidad de los resultados del análisis. por lo tanto. Para eliminar la influencia de la dimensionalidad y la magnitud, al realizar un análisis estadístico multivariado, se deben procesar los datos originales. El método más común es realizar primero una transformación estandarizada y luego realizar el análisis correspondiente.
Conclusión del verbo (abreviatura de verbo)
En la aplicación de métodos de análisis estadístico, intervienen muchas variables y deben procesarse de acuerdo con las cantidades originales para sacar las conclusiones del análisis correspondientes. . Sobre la base de la base teórica de los métodos de análisis estadístico multivariado, se analizan el sistema de prueba y el sistema de análisis relevantes, lo que tiene importancia como guía teórica práctica.
Referencia
[1] Análisis estadístico multivariado residual[M]. Beijing, China Statistics Press, 1999: 223?224.
[2] Gao Huixuan.
Aplicación del análisis estadístico multivariado [M]. Beijing, Peking University Press, 2005: 343?
[3] Guo Zhigang. Métodos de análisis de ciencias sociales: aplicación de software SPSS [M]. Prensa de la Universidad China Renmin, 1999.
[4]Fu Deyin. Pruebas estadísticas en el análisis de componentes principales [J]. Educación estadística, 2007 (9): 4.
& gt& gt& gt ¿Más emoción en la página siguiente? ¿Puntuación y análisis unificados de ensayos?