「干货」数据分析常用的10种统计学方法，附上重点应用场景
「干货」数据分析常用的10种统计学方法，附上重点应用场景
预计阅读时间：6min
阅读建议：本文为干货总结类文章，长期有用，建议先收藏再阅读。
解决痛点：最近收到一些同学的私信，咨询较多的一个问题是：“做数据分析需要学习哪些统计学知识？”因此想分享一些工作中应用较多的统计学方法。
00
序言
从起源角度来看，数据分析是「统计学」与「计算机」的交叉学科，统计知识应用其中；从工作角度来看，应用统计学知识，可以更为科学的度量数据对业务的价值。
因此，作为数据分析同学，掌握基础的统计学知识是非常有必要的。下面，小火龙为大家总结了「工作中常用的10种统计学方法」。
01
描述性统计「常用指数：5星」
描述性统计，通过概括性的数学方法及图表方式，描述业务数据及其分布现状，在工作中是最为常用的。
涵盖内容如下：
工作中主要应用场景如下：
【应用场景参考文章，可戳蓝字部分】
- 周报/月报：「如果完成一份高质量的数据周报/月报」
02
假设检验「常用指数：5星」
假设检验，用于判断样本与样本、样本与总体之间的差异，是由抽样误差所导致的，还是由于本身就存在差异。其中主要涵盖「参数检验」和「非参数检验」，两者的概念如下：
参数检验：假设数据服从某一分布（一般为正态分布），通过样本参数的估计量对总体参数进行检验。
非参数检验：不考虑总体分布形式，直接对数据的分布进行检验。
涵盖内容如下：
工作中主要应用场景如下：
【应用场景参考文章，可戳蓝字部分】
- 异动分析：「三种快速定位异常维度的方法」
- 因果分析：「AB实验最佳流程」
03
列联表分析「常用指数：3星」
列联表分析，用于判断离散型变量之间是否存在明显的相关性。例如：绩效的等级与性别是否存在相关性。
涵盖内容如下：
工作中主要应用场景如下：
04
相关分析「常用指数：4星」
相关分析，用于判断现象之间的某种关联关系以及关联程度，例如：正相关、负相关，在探索性分析中应用较为频繁。
涵盖内容如下：
工作中主要应用场景如下：
【应用场景参考文章，可戳蓝字部分】
- 用户增长：「我对用户增长的理解『新用户篇』」
05
方差分析「常用指数：2星」
方差分析（又称F检验），用于度量两个及两个以上样本均值差异的显著性检验。
涵盖内容如下：
06
回归分析「常用指数：5星」
回归分析，用于日常指标的拟合，以及对于未来趋势的预测，在工作中应用较为广泛。
涵盖内容如下：
工作中主要应用场景如下：
【应用场景参考文章，可戳蓝字部分】
07
聚类分析「常用指数：4星」
聚类分析，用于将用户/内容，在没有先验性指引的情况下，分门别类的进行划分。
涵盖内容如下：
工作中主要应用场景如下：
【应用场景参考文章，可戳蓝字部分】
- 聚类分析：「浅谈聚类分析在工作中的应用」
08
判别分析「常用指数：4星」
判别分析（分类问题），通过研究对象的特征判断所属的类别。与聚类分析的差异在于，聚类分析在分析前，不知道类别有几类以及是什么，而判别分析是在总体类别已知的情况下，对新样本判断所属群体。
涵盖内容如下：
工作中主要应用场景如下：
【应用场景参考文章，可戳蓝字部分】
- 用户增长：「我对用户增长的理解『流失预警篇』」
09
主成分分析「常用指数：2星」
主成分分析（Principal Component Analysis，PCA），是将一组可能的相关性变量，转化成为一组线性不相关的变量，转化后的这组变量叫做主成分。
主成分分析最大的作用在于「降维」，也可用于「探索变量之间的关系」。简单解释一下，在搭建模型过程中，往往会选择诸多变量作为特征，而这些变量之间也往往存在着相关性，这会引起「多重共线性问题」。因此，需要一种方式，将这些变量转化为相对独立且尽可能多的涵盖原始变量的信息，主成分则是其中的一种方式，将原始变量转化为几个相互无关的新变量。
扫盲 - 多重共线性问题
自变量（特征）之间由于存在相关关系，从而使得模型估计失真（结果不稳定，例如：随机森林特征贡献度，多次运行出来的结果差异较大）。
10
因子分析「常用指数：2星」
因子分析的作用同主成分分析一样，同样是为了「降维」。原理是在多自变量之间，寻找潜在的因子，相似变量归为一个因子，通过因子替代原有的自变量。
与主成分分析相同之处：起到清理原始自变量中内在关系的作用。
与主成分分析不同之处：主成分分析重在归总变量的信息，而因子分析重在解释变量的信息，主成分分析是因子分析的子集。
以上10种统计学方法在工作中较为常见，但方式不止于此，还包括：信度分析、生存分析、多重响应分析、距离分析等。有待你在工作中不断探索、发掘场景，并将知识应用其中。
以上就是本期的内容分享。