Статистические методы
Статистические методы анализа данных применяются практически во всех областях деятельности человека. Одни методы являются универсальными, другие специфичными для конкретной отрасли или сферы деятельности. Ниже дается обзор основных статистическим методов, а на соответствующих страницах возможные направления их применения. Вам не нужно оплачивать рабочее место дорогостоящего аналитика, владеющего всеми методами. Центр Статистического Анализа оказывает услуги услуги по аутсорсингу в области анализа и обработки первичных данных опросов, маркетинговых исследований, построению статистических моделей.
Ковариационный анализ
Ковариационный анализ (covariance analysis) – совокупность методов математической статистики изучения взаимосвязи между количественной зависимой переменной и набором категориальных и одновременно набором количественных предикторов. Независимые количественные предикторы в модели ковариационного анализа называют ковариатами, а категориальные независимые переменные – факторами.
Компонентный анализ
Компонентный анализ (components analysis) – многомерный статистический метод снижения размерности, применяемый для изучения взаимосвязей между значениями количественных переменных. Задача компонентного анализа состоит в преобразовании исходной системы взаимосвязанных переменных в новую систему некоррелированных обобщенных показателей или ортогональных показателей. Новые некоррелированные показатели называются компонентами.
Корреляционный анализ
Корреляционный анализ (correlation analysis) – статистический метод изучения взаимосвязи между двумя и более случайными величинами. В качестве случайных величин в эмпирических исследованиях выступают значения переменных, измеряемые свойства исследуемых объектов наблюдения. Суть корреляционного анализа заключается в расчете коэффициентов корреляции. Коэффициенты корреляции могут принимать, как правило, положительные и отрицательные значения. Знак коэффициента корреляции позволяет интерпретировать направление связи, а абсолютное значение – силу связи.
Логистическая регрессия
Логистическая регрессия или логит-регрессия (logit model) – это статистическая модель, используемая для предсказания вероятности возникновения интересующего события с помощью логистической функции.
Линейный регрессионный анализ
Регрессионный анализ (regression analysis) – это метод изучения статистической взаимосвязи между одной зависимой количественной зависимой переменной от одной или нескольких независимых количественных переменных. Зависимая переменная в регрессионном анализе называется результирующей, а переменные факторы – предикторами или объясняющими переменными.
Логлинейный анализ
Логлинейный анализ (log liner analysis) – статистический метод моделирования распределения частот в таблице сопряженности. Для оценки наличия взаимосвязи между двумя категориальными переменными строится двумерная таблица сопряженности. В этом случае наличие связи можно проверить на основе, например, критерия хи-квадрат. Многомерные таблицы сопряженности – это таблицы сопряженности с числом категориальных переменных большим двух. Визуальный анализ таких многомерных таблиц сопряженности для оценки взаимосвязи между категориальными переменными весьма затруднителен. Поэтому один из используемых методов для решения этой задачи – логлинейный анализ.