1.有因變量，則建立有監督模型

有監督模型具有兩大通用目的：1）分析哪些自變量對因變量存在顯著影響作用，
2）通過選擇對因變量存在影響的自變量，建立預測因變量取值的預測模型。

1）因變量為連續變量（建立的模型稱為回歸預測模型），自變量為連續變量時，可選擇回歸分析，方差分析；自變量為分類變量或分類+連續變量，可選擇帶虛擬變量的回歸分析、聯合分析、方差分析。
2）因變量為分類變量（建立的模型稱為分類預測模型），當自變量為連續變量（或連續+分類變量）時，可選用判別分析、Logistic、probit回歸等；當自變量全部為分類變量時，可選用對數線性回歸。

2.無因變量，則建立無監督模型
無監督模型具有兩大通用目的：1）對人進行分類；
2）對變量/指標類進行分類
3）分析變量與變量之間的測量關系

1）自變量為連續變量時，選擇因子分析（對變量/指標分類）、聚類分析（對人分類、對變量/指標分類）
2）自變量為分類變量時，對應分析（對人分類）、多維尺度分析（對人分類）

3.其他分析
1）當模型中需要加入潛在變量（通過多個客觀指標測量的抽象概念）、或需要考慮多個變量之間的因果關系時，可選擇結構方程模型、路徑模型、協方差分析。
2）綜合評價：通過多個指標對多個評價對象進行排名，可選擇層次分析法、因子分析等。

相關系數：
1.不同變量類型的相關系數
1）兩個變量都為連續變量，則可用pearson相關系數
2）兩個變量都為定序變量，則可用GMMA等相關系數
3）兩個變量都為定類變量，則可用LAMMDA等相關系數
4）一個變量為定類變量，一個變量為連續變量，可通過ETA系數來測量相關性

2.相關系數是衡量兩個變量之間變化趨勢的相似性。
3.三種重要相關系數
1）pearson相關系數：參數檢驗，針對兩個都是連續變量的數據進行相關性判斷
2）Spearman相關系數：非參數檢驗法，針對兩個都是定序變量
3）Kendal`s ?tau-b 相關系數：非參數檢驗，針對兩個都是定序變量

4.相關分析的假設檢驗
原假設：兩個變量來自總體中不存在顯著相關性
研究假設：兩個變量來自總體中存在顯著相關性
顯著性檢驗目的：是用來判斷兩個變量在總體中是否存在相關性
相關系數的目的：是計算兩個變量在樣本數據中的相關性強弱
操作：分析-相關-雙變量

5.偏相關分析
注意：計算相關性的變量為連續變量，加入控制的變量同樣也是連續變量

總結

以上是生活随笔為你收集整理的多变量分析方法与相关分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。