统计学解决什么问题

统计学解决什么问题？

作者:豫章教育

统计是一门解决不确定问题的方法和策略，凡是确定性的问题，拿统计去解释完全是庸人自扰，凡是不可能事件，统计学上连给出一个零都不成。一个命题：所有的男人都是人，这是一个确定性的问题，自然不属于统计学研究的范畴；所有的男人都是女人，这是一个伪命题，也自然用不上心理学去解决，而只有当问题是一些人是男人，一些人是女人的时候，统计学才能发挥作用，提供给你决策的信息。比如说抽样中显示男女的比例为1.3：1，这就要引起警惕了，男女之间数量的差异太大了，就没法发挥应有的作用。

统计学所用到的技术或思路完全和科学研究一致。或者说统计学正是随着科学研究的进展而诞生的，科学的研究需要统计学给出一个较为准确的判断思路。科学研究的主要目的是为了描述、解释、控制和预测人与万事万物发展变化的规律，但任何一个事物的发展变化，除了必然性之外，必然隐藏着一些偶然性。而统计学就是要说明这种偶然性足够的小，以至于不可能发生。

基于描述的需要，统计学有了所谓的描述统计：常见的就如下这些：频数分析：主要用于数据清洗，调查结果的Q&A，各种统计量、基本报告数据源等。数据探查：探索性分析主要从统计的角度查看统计量来评估数据分布，主要用于异常值侦测、正态分布检验、数据分段、分位点测算等。交叉表分析：交互分析是市场研究的主要工作，大部分市场研究分析到此为止。主要用于分析报告和分析数据

源，各种图表等，宝洁公司要求的很多分析就是完成各种交叉表，制作各种报表，当然其中也有卡方检验和T检验，寻找差异；一般我们采用列百分比进行图表分析，记住：如果交叉表单元格数据比较小需要合并或者不要用百分数来说，直接说值就可以了。

我们的科学研究往往不止步于此，简单的描述只会给出经验的结论，却不一定反映了事物的本质，而且无法探明事物间的关系，于是就有了实验研究和关系研究。这样就产生了一下的技术。T检验：假设检验方法，主要用来比较两个总体均值的差异是否显著；方差分析：超过两个总体的均值检验，也经常用于实验设计后的检验问题；相关分析：线性相关性，只有变量呈现相关我们才能进行影响关系的研究，但记住相关主要是线性相关，不相关并不代表没有关系。

随着研究的深入，变量之间的关系愈加复杂，引入变量的增加，就需要增加多元的统计技术，这样就产生了一下的技术。• 回归分析技术：是监督类分析方法，最重要的认识多变量分析的基础方法，只有掌握了回归我们才能进入多变量分析，其它很多方法都是变种。主要用在影响研究、满意度研究等，当然市场研究基本上是解释性回归分析，也就是不注重预测而关注解释自变量对因变量的影响。主要把握R平方、逐步回归、标准化回归系数（当作权重或重要性）等；回归也是预处理技术，缺省值处理等；主成分分析和因子分析：是非监督类分析方法的代表，是主要认识多变量分析的基础方法，只有掌握了因子分析我们才能进入多因素相互关系的研究；主要用在消费者行为态度等研究、价值观态度语句的分析、市场细分之前的因子聚

类等，问卷的信度和效度检验等，因子分析也可算是数据的预处理技术。主成分分析与因子分析是两种方法，要能够区分。主成分分析可以消减变量，权重等，主成分还可以用作构建综合排名！

• 判别分析技术：判别分析是最好的构建Biplot二元判别图的好方法，主要用于分类和判别图，也是图示化技术的一种；对应分析技术：市场研究非常有用的研究技术，主要分析定类变量，构建二元图，也是图示化技术的一种；Logistics回归技术：分类技术，主要针对因变量是0-1情况下的判别，该技术是我们认识非线性关系的重要基础，很多情况下，我们需要作出是与否的判断，基础模型就是它了，像客户离网分析、客户价值分析、客户信用等都用这个模型；

聚类分析技术：主要用在市场细分方面，但聚类分析本质上不是统计分析，是数据处理技术，从事市场细分的人要好好把握，特别是注重聚类分析的细节，可以进行变量和样本的聚类；记住：样本聚类有可能数据排列不同聚类结果不同，要进行聚类后的稳定性测试，一般也要采用方差最大旋转，有时候斜交更适合聚类细分；当然，聚类后的细分市场识别是头痛问题，用到上面的几种技术，也很繁琐！我现在进行市场细分基本上都用数据挖掘软件工具了！现在比较好用的是Two-Step两阶段聚类；

MDS多维尺度分析技术：这个技术目前不太用了，但它是认识多变量分析技术，尤其是测量与分析技术好的视角。比如，相似性和差异性测量、语异差异法等，洞察潜在消费者心理和潜在分类维度等。

其它：GLM通用线性模型、Logit回归、Probit分析、可靠性分

析等

总之，学习统计一定要结合具体学科和研究的的需要，这样才是真正学懂了统计学。