计量型数据怎么统计分析
计量型数据统计可以通过统计方法进行分析。计量型数据统计分析的方法可以通过均值、极差、标准差及过程能力指数等统计量的案例讲解，由浅入深得阐述数据分析的三种常用方法，通过统计方法将数字转化为有价值的准确结论。我们一般采用“均值”作为中心趋势统计量。用“均值”作为中心趋势统计量。将数据转化为反映事物变化或特征的信息，则必须采取数据处理、加工。
市场调查统计分析方法有哪些
1、问卷调查、用户AB测试、焦点访谈、田野调研、用户访谈、用户日志、入户观察、网上有奖调查；
2、做人物角色分析：设置用户场景、用户角色进行模拟分析；
3、情况推测分析；
4、调研的维度主要从战略层、范围层、结构层、框架层、视觉层来展开，不同的产品从不同的层次来确定调研的维度。
统计分析方法
1、描述统计。描述性统计是指运用制表和分类，图形以及计筠概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。
（1）缺失值填充：常用方法：剔除法、均值法、最小邻居法、比率回归法、决策树法。
（2）正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以之前需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W检验、动差法。
2、假设检验
（1）参数检验。参数检验是在已知总体分布的条件下（一股要求总体服从正态分布）对一些主要的参数(如均值、百分数、方差、相关系数等）进行的检验 。U验 使用条件：当样本含量n较大时，样本值符合正态分布。T检验 使用条件：当样本含量n较小时，样本值符合正态分布。单样本t检验：推断该样本来自的总体均数μ与已知的某一总体均数μ0 (常为理论值或标准值)有无差别；配对样本t检验：当总体均数未知时，且两个样本可以配对，同对中的两者在可能会影响处理效果的各种条件方面扱为相似；两独立样本t检验：无法找到在各方面极为相似的两样本作配对比较时使用。
（2）非参数检验。非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一股性假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。虽然是连续数据，但总体分布形态未知或者非正态；体分布虽然正态，数据也是连续类型，但样本容量极小，如10以下；
主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。
3、信度分析
检査测量的可信度，例如调查问卷的真实性。分类：
（1）外在信度：不同时间测量时量表的一致性程度，常用方法重测信度
（2）内在信度；每个量表是否测量到单一的概念，同时组成两表的内在体项一致性如何，常用方法分半信度。
4、列联表分析。用于分析离散变量或定型变量之间是否存在相关。
对于二维表，可进行卡方检验，对于三维表，可作Mentel-Hanszel分层分析。列联表分析还包括配对计数资料的卡方检验、行列均为顺序变量的相关检验。
5、相关分析
研究现象之间是否存在某种依存关系，对具体有依存关系的现象探讨相关方向及相关程度。
（1）单相关： 两个因素之间的相关关系叫单相关，即研究时只涉及一个自变量和一个因变量；
（2）复相关 ：三个或三个以上因素的相关关系叫复相关，即研究时涉及两个或两个以上的自变量和因变量相关；
（3）偏相关：在某一现象与多种现象相关的场合，当假定其他变量不变时，其中两个变量之间的相关关系称为偏相关。
6、方差分析
使用条件：各样本须是相互独立的随机样本；各样本来自正态分布总体；各总体方差相等。
（1）单因素方差分析：一项试验只有一个影响因素，或者存在多个影响因素时，只分析一个因素与响应变量的关系
（2）多因素有交互方差分析：一顼实验有多个影响因素，分析多个影响因素与响应变量的关系，同时考虑多个影响因素之间的关系
（3）多因素无交互方差分析：分析多个影响因素与响应变量的关系，但是影响因素之间没有影响关系或忽略影响关系
（4）协方差分祈：传统的方差分析存在明显的弊端，无法控制分析中存在的某些随机因素，使之影响了分祈结果的准确度。协方差分析主要是在排除了协变量的影响后再对修正后的主效应进行方差分析，是将线性回归与方差分析结合起来的一种分析方法，
统计分析的三大主要内容
1、收集数据：收集数据是进行统计分析的前提和基础。收集数据的途径众多，可通过实验、观察、测量、调查等获得直接资料，也可通过文献检索、阅读等来获得间接资料。
2、整理数据：整理数据就是按一定的标准对收集到的数据进行归类汇总的过程。由于收集到的数据大多是无序的、零散的、不系统的，在进入统计运算之前，需要按照研究的目的和要求对数据进行核实，剔除其中不真实的部分，再分组汇总或列表，从而使原始资料简单化、形象化、系统化，并能初步反映数据的分布特征。
3、分析数据：分析数据指在整理数据的基础上，通过统计运算，得出结论的过程，它是统计分析的核心和关键。
