畢業(yè)論文選題結(jié)束后，需要根據(jù)不同的研究主題以及研究目的確定相應(yīng)的分析方法。同類型的研究方法有很多種，今天梳理了畢業(yè)論文寫作的常用分析方法，分模塊進(jìn)行匯總整理，方便大家對(duì)照查找。

一、基本描述分析

基本描述統(tǒng)計(jì)分析包括頻數(shù)分析、描述分析、分類匯總；用于對(duì)收集的數(shù)據(jù)進(jìn)行基本的說(shuō)明：

• 頻數(shù)分析：針對(duì)定類數(shù)據(jù)進(jìn)行分析，一般使用頻數(shù)、百分比、餅圖等形式進(jìn)行描述。

• 描述分析：針對(duì)定量數(shù)據(jù)進(jìn)行分析，常見(jiàn)的指標(biāo)有平均值、標(biāo)準(zhǔn)差、最大值、最小值、中位數(shù)等；更深入的描述指標(biāo)包括百分位數(shù)、峰度、偏度、變異系數(shù)等。

• 分類匯總：用于研究不同分類時(shí)的匯總情況，輸出的指標(biāo)為匯總結(jié)果。比如不同區(qū)域分類項(xiàng)，銷售額（匯總項(xiàng)）的差異情況。
  
  

二、差異關(guān)系分析

差異關(guān)系分析指對(duì)兩個(gè)或多個(gè)事物之間的差異進(jìn)行研究和分析的過(guò)程。這種分析可以幫助我們了解不同事物之間的差異，以及這些差異如何影響它們各自的表現(xiàn)和性能。論文寫作中常用的差異關(guān)系分析方法有方差分析、t檢驗(yàn)、卡方檢驗(yàn)、非參數(shù)檢驗(yàn)。

1、方差分析

方差分析用于進(jìn)行X定類數(shù)據(jù)（2類及以上）與Y定量數(shù)據(jù)之間的差異關(guān)系研究；按照研究?jī)?nèi)容和數(shù)據(jù)類型等不同，可分為以下6類：

為方便大家理解，分別舉一個(gè)例子進(jìn)行說(shuō)明：

• 單因素方差：研究不同學(xué)歷（本科、研究生、博士）工資水平的差異。

• 雙因素方差：研究不同性別、不同學(xué)歷工資水平的差異。

• 多因素方差：研究不同性別、不同學(xué)歷、不同崗位工資水平的差異。

• 協(xié)方差分析：研究減肥方式對(duì)于減肥效果的影響，同時(shí)將年齡設(shè)為干擾項(xiàng)。

• 事后多重比較：例如在單因素方差分析中，具體對(duì)比本科與研究生、本科與博士、研究生與博士?jī)蓛芍g的工資差異。

• 重復(fù)測(cè)量方差：研究抑郁癥，共有12名患者，分別6名患者使用新藥或者舊藥；并且分別測(cè)試12名患者用藥后分別第1周，第4周和第8周時(shí)的抑郁程度。

2、t檢驗(yàn)

t檢驗(yàn)用于分析X定類數(shù)據(jù)（僅2類）與Y定量數(shù)據(jù)之間的差異情況，按照研究?jī)?nèi)容和數(shù)據(jù)類型等不同，可分為以下3類：

舉例說(shuō)明：

• 獨(dú)立樣本t檢驗(yàn)：分析班級(jí)不同性別（男女僅2類）數(shù)學(xué)成績(jī)的差異。

• 配對(duì)樣本t檢驗(yàn)：分析兩種方法測(cè)量同一批人的血壓結(jié)果是否有差異。

• 單樣本t檢驗(yàn)：分析某班數(shù)學(xué)成績(jī)與80分之間的差異。

3、卡方檢驗(yàn)

卡方檢驗(yàn)用于分析定類數(shù)據(jù)與定類數(shù)據(jù)之間的差異情況，按照研究?jī)?nèi)容和數(shù)據(jù)類型等不同，可分為以下5類：

舉例說(shuō)明：

• 卡方檢驗(yàn)：研究不同性別是否吸煙的差異情況。

• 配對(duì)卡方：研究?jī)煞N方法檢驗(yàn)結(jié)果（陽(yáng)性&陰性）是否有差異。

• 卡方擬合優(yōu)度：某研究收集的樣本男女比例是否為6:4。

• 分層卡方：研究是否吸煙與是否生病的關(guān)系時(shí)，將性別納入考慮范疇。

• Fisher卡方：在分析樣本量較少（比如小于40），也或者期望頻數(shù)出現(xiàn)小于5時(shí)，此時(shí)使用fisher卡方檢驗(yàn)較為適合。

4、非參數(shù)檢驗(yàn)

方差分析與t檢驗(yàn)均屬于參數(shù)檢驗(yàn)的范圍，通常需要數(shù)據(jù)滿足正態(tài)性和方差齊性才能夠使用，當(dāng)數(shù)據(jù)不滿足正態(tài)性或方差齊性時(shí)，研究定類數(shù)據(jù)與定量數(shù)據(jù)之間的差異性可以使用非參數(shù)檢驗(yàn)進(jìn)行分析。
常用的非參數(shù)檢驗(yàn)如下：

三、相關(guān)關(guān)系分析

相關(guān)分析用于分析變量之間的相關(guān)關(guān)系，相關(guān)分析具體可分為以下3種：

四、影響關(guān)系分析

影響關(guān)系分析是指對(duì)不同因素和變量之間的相互關(guān)系進(jìn)行分析和研究。這種分析可以幫助我們了解事物之間的相互作用和影響，從而更好地預(yù)測(cè)和控制事物的發(fā)展趨勢(shì)。

1、線性回歸分析

通常先有相關(guān)關(guān)系再有回歸影響關(guān)系，相關(guān)分析后再進(jìn)行回歸分析。根據(jù)因變量Y的數(shù)據(jù)類型不同，常用的回歸模型可分為線性回歸（Y為定量數(shù)據(jù)）和logistic回歸（Y為定類數(shù)據(jù)）兩大類。
下面介紹幾種常用的線性回歸模型：

2、logistic回歸分析

因變量Y為定類數(shù)據(jù)時(shí)，使用logistic回歸分析進(jìn)行影響關(guān)系分析：

五、模型研究方法

當(dāng)需要研究多個(gè)變量之間的關(guān)系情況時(shí)，通常可構(gòu)建統(tǒng)計(jì)模型用于分析及預(yù)測(cè)，分析方法說(shuō)明見(jiàn)下表：

六、信息濃縮方法

信息濃縮方法可以幫助人們在不損失太多信息的情況下，將數(shù)據(jù)和信息進(jìn)行簡(jiǎn)化和壓縮，從而提高處理效率。常用方法包括主成分分析和因子分析兩類。

• 主成分分析：是一種線性變換方法，它通過(guò)將原始變量轉(zhuǎn)換為新的變量（主成分），使得這些新的變量在保留原始變量最大方差的基礎(chǔ)上，彼此之間不相關(guān)。PCA的主要目標(biāo)是減少數(shù)據(jù)集的維度，同時(shí)保留最重要的信息。這種方法常用于高維數(shù)據(jù)的降維分析。

• 因子分析：通過(guò)尋找隱藏在數(shù)據(jù)中的潛在因素或模式，將眾多原始變量濃縮成少數(shù)幾個(gè)因子變量。與主成分分析不同，因子分析更注重于尋找變量之間的關(guān)系，而不是直接將它們轉(zhuǎn)換為主成分。因子分析試圖用少數(shù)幾個(gè)不可觀測(cè)的因子來(lái)解釋原始變量之間的關(guān)系，這些因子可以通過(guò)原始變量的方差和協(xié)方差來(lái)估計(jì)。

七、聚類分析方法

聚類分析是通過(guò)數(shù)據(jù)建模簡(jiǎn)化數(shù)據(jù)的一種方法，“物以類聚，人以群分”正是對(duì)聚類分析最好的詮釋。它用于將抽象對(duì)象的集合，分組為由類似的對(duì)象組成的多個(gè)類。這種分析的目標(biāo)是在相似的基礎(chǔ)上收集數(shù)據(jù)來(lái)分類。

聚類分析常分為以下4類：

八、權(quán)重研究方法

權(quán)重研究是用于分析各因素或指標(biāo)在綜合體系中的重要程度，最終構(gòu)建出指標(biāo)評(píng)價(jià)體系。評(píng)價(jià)體系構(gòu)建涉及的權(quán)重計(jì)算與優(yōu)劣評(píng)價(jià)方法主要有以下幾種：

九、一致性研究方法

一致性檢驗(yàn)的目的在于比較不同方法得到的結(jié)果是否具有一致性。檢驗(yàn)一致性的方法常用的有：Kappa檢驗(yàn)、ICC組內(nèi)相關(guān)系數(shù)、Kendall協(xié)調(diào)系數(shù)：

十、多選題分析

多選題分析是針對(duì)問(wèn)卷多選題&單選題進(jìn)行分析的方法，具體可分為四種類型包括：多選題、單選-多選、多選-單選、多選-多選。

十一、信度分析

信度分析用于測(cè)量樣本回答結(jié)果是否可靠，即樣本有沒(méi)有真實(shí)作答量表類題項(xiàng)。信度分析僅針對(duì)量表題進(jìn)行分析。

常用的信度指標(biāo)有克隆巴赫α信度系數(shù)、折半信度、McDonald's ω信度系數(shù)、theta信度系數(shù)、重測(cè)信度5類：

十二、效度分析

效度用于測(cè)量題項(xiàng)設(shè)計(jì)是否合理，即量表是否真正反映了我們希望測(cè)量的東西。效度用于反映實(shí)際測(cè)量結(jié)果與預(yù)想結(jié)果的符合程度，僅針對(duì)量表題進(jìn)行分析。

一般來(lái)講，有4種類型的效度內(nèi)容效度、結(jié)構(gòu)效度、區(qū)分效度、聚合效度，說(shuō)明如下：

有關(guān)量表信度和效度的更多內(nèi)容可參考往期文章：

量表信度與效度 | 測(cè)量方法及其評(píng)價(jià)指標(biāo)匯總整理

十三、中介/調(diào)節(jié)效應(yīng)

中介效應(yīng)和調(diào)節(jié)效應(yīng)雖然不是回歸模型，但它們通常是在回歸分析的基礎(chǔ)上進(jìn)行檢驗(yàn)的。中介效應(yīng)可以用來(lái)解釋一個(gè)變量如何通過(guò)中介變量影響另一個(gè)變量。調(diào)節(jié)效應(yīng)可以用來(lái)解釋一個(gè)變量如何通過(guò)調(diào)節(jié)另一個(gè)變量與第三個(gè)變量的關(guān)系來(lái)影響第三個(gè)變量。

有關(guān)調(diào)節(jié)效應(yīng)和中介效應(yīng)的更多內(nèi)容可參考往期文章：

論文寫作問(wèn)卷研究必備→調(diào)節(jié)作用&中介作用?

十四、機(jī)器學(xué)習(xí)

主要可用于分類任務(wù)或回歸任務(wù)。常用方法包括決策樹(shù)、隨機(jī)森林、KNN、樸素貝葉斯、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)，說(shuō)明如下：

有關(guān)機(jī)器學(xué)習(xí)的更多內(nèi)容可參考往期文章：六種機(jī)器學(xué)習(xí)算法大揭秘：從決策樹(shù)到神經(jīng)網(wǎng)絡(luò)，小白也能輕松掌握！

十五、Meta分析

Meta薈萃分析是一種綜合各種文獻(xiàn)結(jié)論，進(jìn)而匯總綜合評(píng)價(jià)的方法，通俗地看，Meta分析是將多篇類似研究的文獻(xiàn)進(jìn)行匯總，將多個(gè)文獻(xiàn)的研究結(jié)論進(jìn)行總結(jié)，并且通過(guò)一系列科學(xué)分析，從而得到科學(xué)結(jié)論的方法。

SPSSAU的Meta分析模塊，根據(jù)不同的數(shù)據(jù)類型，細(xì)分為以下8個(gè)算法：

有關(guān)Meta分析的更多內(nèi)容可參考往期文章：

初學(xué)Meta分析 | 基本流程與方法介紹

十六、可視化分析

統(tǒng)計(jì)圖是將數(shù)據(jù)以圖形化的方式展示出來(lái)的工具，他可以幫助人們更好的理解和分析數(shù)據(jù)。使用合適的統(tǒng)計(jì)圖可以直觀展示數(shù)據(jù)分布情況、比較數(shù)據(jù)差異、預(yù)測(cè)數(shù)據(jù)未來(lái)趨勢(shì)等。常用方法說(shuō)明如下：