数据分析中常用的的三种分析方法

目的：对数据进行概括和描述，以便了解其中心趋势、分布和变异性。
方法：计算均值、中位数、众数、标准差、最小值和最大值等统计量。
优点：提供数据的基本特征，简化数据理解。
缺点：无法揭示数据中的关系或模式。
2. 相关分析
目的：研究两个或多个变量之间的关联程度。
方法：计算相关系数（例如，皮尔逊相关系数、斯皮尔曼等级相关系数），范围从 -1 到 1。
优点：识别变量之间的线性或非线性关系，并指示关系的强度。
缺点：无法确定因果关系或控制其他变量的影响。
3. 回归分析
目的：预测一个变量（因变量）基于其他变量（自变量）的值。
方法：拟合一条线或曲线（例如，线性回归、逻辑回归），表示因变量和自变量之间的关系。
优点：量化变量之间的关系，并预测因变量的值。
缺点：假设变量之间存在线性关系，并且可能受到其他因素的影响（例如，多重共线性）。
应用场景举例：
描述性统计分析：商店的销售数据，以了解平均销售额、标准差和数据的分布。
相关分析：客户满意度和产品质量之间的相关性，以确定质量对满意度的影响。
回归分析：预测房地产价格基于平方英尺、卧室数量和地段等变量，以帮助投资者做出明智的决策。