统计学分析方法有哪些：按数据类型选用

统计学分析方法有哪些，可分为描述统计、推断统计两大类别，你优先依据数据类型、样本量、变量数量来挑选，描述统计用于数据概况整理，包含均值、中位数、标准差、频数占比，适合原始数据初步整理，不做结论外推；推断统计用来检验假设、估算总体参数，参数检验有t检验、方差分析，适合满足正态分布、方差齐性的计量数据，非参数检验包含秩和检验、卡方检验，适合不满足正态、分类等级数据；相关性分析含皮尔逊相关、斯皮尔曼相关，回归分析有线性回归、逻辑回归，多变量分析包含主成分分析、聚类分析，该方法体系的适用边界是，样本存在明显抽样偏差、数据严重缺失超过30%时，上述分析结果参考价值较低。

统计学分析方法之描述统计

描述统计不做总体推断，只对收集到的样本数据做概括呈现，是所有统计分析的前置步骤。集中趋势指标包含均值、中位数、众数，均值适合对称分布的连续数值，中位数在存在极端异常值时稳定性更强，众数多用于分类数据。离散趋势指标选用极差、四分位距、标准差，四分位距不容易受异常值干扰。你可以搭配频数表、柱状图、箱线图完成可视化，快速发现数据分布形态，识别离群样本。

描述统计不能用来验证研究假设。

统计学分析方法之单变量推断检验

单变量推断检验用来对比组别差异，判断样本间差别是真实效应还是随机波动。t检验用于两组连续计量资料比较，分为独立样本t检验、配对t检验，独立样本t检验对比两组独立对象，配对t检验用于同一对象干预前后对比；方差分析即ANOVA，用于三组及以上连续数据的组间比较，事后检验如LSD、Tukey法，用来定位具体哪两组之间存在差异。卡方检验属于非参数方法，处理分类计数数据，检验不同类别间的频数分布差异。

统计学分析方法之相关与回归分析

相关分析判断变量之间关联强弱与方向，皮尔逊相关针对正态连续变量，衡量线性关联；斯皮尔曼相关属于秩相关，不要求正态分布，适合等级数据或非线性单调关系。回归分析可以构建变量预测模型，简单线性回归用单个自变量预测连续结局，多元线性回归纳入多个自变量，控制混杂因素；二元逻辑回归的结局是二分类变量，用来估算事件发生概率，广泛应用于风险因素筛查。你在做回归时需要检查多重共线性，自变量之间高度相关会大幅扭曲回归系数。

统计学分析方法之多变量降维分析

多变量降维分析用来处理变量数量多、变量间存在重叠信息的数据集。主成分分析PCA，把大量相关指标压缩成少数互不相关的主成分，保留数据内大部分信息，常用于指标简化、综合评分构建。系统聚类与K均值聚类，依据样本指标距离，自动把样本划分成不同组别，属于无监督分析，不需要预先设定分组标签。因子分析和主成分分析近似，侧重挖掘隐藏在观测指标背后的潜在因子，多用于问卷量表结构效度检验。

这类方法没有统一的显著性P值，结果解读更依赖业务逻辑，不能单纯依靠计算结果下结论。

统计学分析方法之其他常用方法

生存分析针对存在截尾数据的随访资料，截尾指观察结束时事件尚未发生，Kaplan-Meier法绘制生存曲线，Cox比例风险回归可以同时纳入多个变量，分析因素对生存时间的影响。时间序列分析处理按时间顺序采集的数据，包含移动平均、ARIMA模型，识别趋势、季节性波动，用于短期预测。样本量估算不属于数据分析，但属于统计设计环节，可在研究前期确定需要采集多少样本，减少统计检验效能不足的问题。

使用Cox回归需要验证比例风险假设，假设不成立，分析结果会出现明显偏差。

你选定统计学分析方法后，要先核查数据质量，清理异常值与缺失值，再检验方法对应的前提条件，最后运行分析并报告效应量与置信区间，仅报告P值不足以完整呈现统计结论。