业务思维

永洪BI

数据透视

多元线性回归

描述性统计

666

多元线性回归

数据透视

比较常用的分析方法如下：描述性统计+线性回归+逻辑回归+判别分析+方差分析+聚类分析+时间序列分析

作为数据分析师，以下是一些常用的统计方法：

1. 描述统计：包括均值、中位数、标准差、方差等，用于描述数据的集中趋势和离散程度。

2. 相关分析：用于确定变量之间的关系，包括相关系数和散点图等。

3. 回归分析：用于建立变量之间的数学模型，包括线性回归、多元回归等。

4. 假设检验：用于验证统计推断的可靠性，包括t检验、方差分析、卡方检验等。

5. 时间序列分析：用于分析时间相关的数据，包括趋势分析、季节性分析、周期性分析等。

6. 聚类分析：用于将数据分成不同的群组，包括K均值聚类、层次聚类等。

7. 因子分析：用于确定多个变量之间的潜在关系，包括主成分分析、因子旋转等。

8. 非参数统计：用于处理非正态分布或缺乏参数假设的数据，包括Wilcoxon秩和检验、Mann-Whitney U检验等。

这些统计方法可以帮助数据分析师从数据中提取有用的信息，进行数据解读和决策支持。但需要根据具体情况选择合适的方法，并结合领域知识和业务需求进行分析。