數據分析方法有哪些

常用數據分析方法有哪些

　　對于每個(gè)科研工作者而言，對實(shí)驗數據進(jìn)行處理是在開(kāi)始論文寫(xiě)作之前十分常見(jiàn)的工作之一。但是，常見(jiàn)的數據分析方法有哪些呢?下面，小編為大家分享常用數據分析方法有哪些，希望對大家有所幫助!

　　列聯(lián)表分析

　　用于分析離散變量或定型變量之間是否存在相關(guān)。

　　對于二維表，可進(jìn)行卡方檢驗，對于三維表，可作Mentel-Hanszel分層分析。

　　列聯(lián)表分析還包括配對計數資料的卡方檢驗、行列均為順序變量的相關(guān)檢驗。

　　相關(guān)分析

　　研究現象之間是否存在某種依存關(guān)系，對具體有依存關(guān)系的現象探討相關(guān)方向及相關(guān)程度。

　　1、單相關(guān)： 兩個(gè)因素之間的相關(guān)關(guān)系叫單相關(guān)，即研究時(shí)只涉及一個(gè)自變量和一個(gè)因變量;

　　2、復相關(guān) ：三個(gè)或三個(gè)以上因素的相關(guān)關(guān)系叫復相關(guān)，即研究時(shí)涉及兩個(gè)或兩個(gè)以上的自變量和因變量相關(guān);

　　3、偏相關(guān)：在某一現象與多種現象相關(guān)的場(chǎng)合，當假定其他變量不變時(shí)，其中兩個(gè)變量之間的相關(guān)關(guān)系稱(chēng)為偏相關(guān)。

　　方差分析

　　使用條件：各樣本須是相互獨立的隨機樣本;各樣本來(lái)自正態(tài)分布總體;各總體方差相等。

　　分類(lèi)

　　1、單因素方差分析：一項試驗只有一個(gè)影響因素，或者存在多個(gè)影響因素時(shí)，只分析一個(gè)因素與響應變量的關(guān)系

　　2、多因素有交互方差分析：一頊實(shí)驗有多個(gè)影響因素，分析多個(gè)影響因素與響應變量的關(guān)系，同時(shí)考慮多個(gè)影響因素之間的關(guān)系

　　3、多因素無(wú)交互方差分析：分析多個(gè)影響因素與響應變量的關(guān)系，但是影響因素之間沒(méi)有影響關(guān)系或忽略影響關(guān)系

　　4、協(xié)方差分祈：傳統的方差分析存在明顯的弊端，無(wú)法控制分析中存在的某些隨機因素，使之影響了分祈結果的準確度。協(xié)方差分析主要是在排除了協(xié)變量的影響后再對修正后的主效應進(jìn)行方差分析，是將線(xiàn)性回歸與方差分析結合起來(lái)的一種分析方法。

　　描述統計

　　描述性統計是指運用制表和分類(lèi)，圖形以及計筠概括性數據來(lái)描述數據的集中趨勢、離散趨勢、偏度、峰度。

　　1、缺失值填充：常用方法：剔除法、均值法、最小鄰居法、比率回歸法、決策樹(shù)法。

　　2、正態(tài)性檢驗：很多統計方法都要求數值服從或近似服從正態(tài)分布，所以之前需要進(jìn)行正態(tài)性檢驗。常用方法：非參數檢驗的K-量檢驗、P-P圖、Q-Q圖、W檢驗、動(dòng)差法。

　　假設檢驗

　　1、參數檢驗

　　參數檢驗是在已知總體分布的條件下(一股要求總體服從正態(tài)分布)對一些主要的參數(如均值、百分數、方差、相關(guān)系數等)進(jìn)行的檢驗 。

　　1)U驗 使用條件：當樣本含量n較大時(shí)，樣本值符合正態(tài)分布

　　2)T檢驗 使用條件：當樣本含量n較小時(shí)，樣本值符合正態(tài)分布

　　A單樣本t檢驗：推斷該樣本來(lái)自的總體均數μ與已知的某一總體均數μ0 (常為理論值或標準值)有無(wú)差別;

　　B 配對樣本t檢驗：當總體均數未知時(shí)，且兩個(gè)樣本可以配對，同對中的兩者在可能會(huì )影響處理效果的各種條件方面扱為相似;

　　C 兩獨立樣本t檢驗：無(wú)法找到在各方面極為相似的兩樣本作配對比較時(shí)使用。

　　2、非參數檢驗

　　非參數檢驗則不考慮總體分布是否已知，常常也不是針對總體參數，而是針對總體的某些一股性假設(如總體分布的位罝是否相同，總體分布是否正態(tài))進(jìn)行檢驗。

　　適用情況：順序類(lèi)型的數據資料，這類(lèi)數據的分布形態(tài)一般是未知的。

　　A 雖然是連續數據，但總體分布形態(tài)未知或者非正態(tài);

　　B 體分布雖然正態(tài)，數據也是連續類(lèi)型，但樣本容量極小，如10以下;

　　主要方法包括：卡方檢驗、秩和檢驗、二項檢驗、游程檢驗、K-量檢驗等。

　　信度分析

　　檢査測量的可信度，例如調查問(wèn)卷的真實(shí)性。

　　分類(lèi)：

　　1、外在信度：不同時(shí)間測量時(shí)量表的一致性程度，常用方法重測信度

　　2、內在信度;每個(gè)量表是否測量到單一的概念，同時(shí)組成兩表的內在體項一致性如何，常用方法分半信度。

　　回歸分析

　　分類(lèi)：

　　1、一元線(xiàn)性回歸分析：只有一個(gè)自變量X與因變量Y有關(guān)，X與Y都必須是連續型變量，因變量y或其殘差必須服從正態(tài)分布。

　　2、多元線(xiàn)性回歸分析

　　使用條件：分析多個(gè)自變量與因變量Y的關(guān)系，X與Y都必須是連續型變量，因變量y或其殘差必須服從正態(tài)分布 。

　　1)變呈篩選方式：選擇最優(yōu)回歸方程的變里篩選法包括全橫型法(CP法)、逐步回歸法，向前引入法和向后剔除法

　　2)橫型診斷方法：

　　A 殘差檢驗： 觀(guān)測值與估計值的差值要艱從正態(tài)分布

　　B 強影響點(diǎn)判斷：尋找方式一般分為標準誤差法、Mahalanobis距離法

　　C 共線(xiàn)性診斷：

　　·診斷方式：容忍度、方差擴大因子法(又稱(chēng)膨脹系數VIF)、特征根判定法、條件指針CI、方差比例

　　·處理方法：增加樣本容量或選取另外的回歸如主成分回歸、嶺回歸等

　　Logistic回歸分析

　　線(xiàn)性回歸模型要求因變量是連續的正態(tài)分布變里，且自變量和因變量呈線(xiàn)性關(guān)系，而Logistic回歸模型對因變量的分布沒(méi)有要求，一般用于因變量是離散時(shí)的情況

　　分類(lèi)：

　　Logistic回歸模型有條件與非條件之分，條件Logistic回歸模型和非條件Logistic回歸模型的區別在于參數的估計是否用到了條件概率。

　　4、其他回歸方法 非線(xiàn)性回歸、有序回歸、Probit回歸、加權回歸等

　　聚類(lèi)分析

　　樣本個(gè)體或指標變量按其具有的特性進(jìn)行分類(lèi)，尋找合理的度量事物相似性的統計量。

　　1、性質(zhì)分類(lèi)：

　　Q型聚類(lèi)分析：對樣本進(jìn)行分類(lèi)處理，又稱(chēng)樣本聚類(lèi)分祈 使用距離系數作為統計量衡量相似度，如歐式距離、極端距離、絕對距離等

　　R型聚類(lèi)分析：對指標進(jìn)行分類(lèi)處理，又稱(chēng)指標聚類(lèi)分析 使用相似系數作為統計量衡量相似度，相關(guān)系數、列聯(lián)系數等

　　2、方法分類(lèi)：

　　1)系統聚類(lèi)法： 適用于小樣本的樣本聚類(lèi)或指標聚類(lèi)，一般用系統聚類(lèi)法來(lái)聚類(lèi)指標，又稱(chēng)分層聚類(lèi)

　　2)逐步聚類(lèi)法 ：適用于大樣本的樣本聚類(lèi)

　　3)其他聚類(lèi)法 ：兩步聚類(lèi)、K均值聚類(lèi)等

　　判別分析

　　1、判別分析：根據已掌握的一批分類(lèi)明確的樣品建立判別函數，使產(chǎn)生錯判的事例最少，進(jìn)而對給定的一個(gè)新樣品，判斷它來(lái)自哪個(gè)總體

　　2、與聚類(lèi)分析區別

　　1)聚類(lèi)分析可以對樣本逬行分類(lèi)，也可以對指標進(jìn)行分類(lèi);而判別分析只能對樣本

　　2)聚類(lèi)分析事先不知道事物的類(lèi)別，也不知道分幾類(lèi);而判別分析必須事先知道事物的類(lèi)別，也知道分幾類(lèi)

　　3)聚類(lèi)分析不需要分類(lèi)的歷史資料，而直接對樣本進(jìn)行分類(lèi);而判別分析需要分類(lèi)歷史資料去建立判別函數，然后才能對樣本進(jìn)行分類(lèi)

　　3、進(jìn)行分類(lèi) ：

　　1)Fisher判別分析法 ：

　　以距離為判別準則來(lái)分類(lèi)，即樣本與哪個(gè)類(lèi)的距離最短就分到哪一類(lèi)， 適用于兩類(lèi)判別;

　　以概率為判別準則來(lái)分類(lèi)，即樣本屬于哪一類(lèi)的概率最大就分到哪一類(lèi)，適用于

　　適用于多類(lèi)判別。

　　2)BAYES判別分析法 ：

　　BAYES判別分析法比FISHER判別分析法更加完善和先進(jìn)，它不僅能解決多類(lèi)判別分析，而且分析時(shí)考慮了數據的分布狀態(tài)，所以一般較多使用;

　　主成分分析

　　將彼此梠關(guān)的一組指標變適轉化為彼此獨立的一組新的指標變量，并用其中較少的幾個(gè)新指標變量就能綜合反應原多個(gè)指標變量中所包含的主要信息 。

　　因子分析

　　一種旨在尋找隱藏在多變量數據中、無(wú)法直接觀(guān)察到卻影響或支配可測變量的潛在因子、并估計潛在因子對可測變量的影響程度以及潛在因子之間的相關(guān)性的一種多元統計分析方法

　　與主成分分析比較：

　　相同：都能夠起到済理多個(gè)原始變量?jì)仍诮Y構關(guān)系的作用

　　不同：主成分分析重在綜合原始變適的信息.而因子分析重在解釋原始變量間的關(guān)系，是比主成分分析更深入的一種多元統計方法

　　用途：

　　1)減少分析變量個(gè)數

　　2)通過(guò)對變量間相關(guān)關(guān)系探測，將原始變量進(jìn)行分類(lèi)

　　時(shí)間序列分析

　　動(dòng)態(tài)數據處理的統計方法，研究隨機數據序列所遵從的統計規律，以用于解決實(shí)際問(wèn)題;時(shí)間序列通常由4種要素組成：趨勢、季節變動(dòng)、循環(huán)波動(dòng)和不規則波動(dòng)。

　　主要方法：移動(dòng)平均濾波與指數平滑法、ARIMA橫型、量ARIMA橫型、ARIMAX模型、向呈自回歸橫型、ARCH族模型

　　生存分析

　　用來(lái)研究生存時(shí)間的分布規律以及生存時(shí)間和相關(guān)因索之間關(guān)系的一種統計分析方法

　　1、包含內容：

　　1)描述生存過(guò)程，即研究生存時(shí)間的分布規律

　　2)比較生存過(guò)程，即研究?jì)山M或多組生存時(shí)間的分布規律，并進(jìn)行比較

　　3)分析危險因素，即研究危險因素對生存過(guò)程的影響

　　4)建立數學(xué)模型，即將生存時(shí)間與相關(guān)危險因素的依存關(guān)系用一個(gè)數學(xué)式子表示出來(lái)。

　　2、方法：

　　1)統計描述：包括求生存時(shí)間的分位數、中數生存期、平均數、生存函數的估計、判斷生存時(shí)間的圖示法，不對所分析的數據作出任何統計推斷結論

　　2)非參數檢驗：檢驗分組變量各水平所對應的生存曲線(xiàn)是否一致，對生存時(shí)間的分布沒(méi)有要求，并且檢驗危險因素對生存時(shí)間的影響。

　　A 乘積極限法(PL法)

　　B 壽命表法(LT法)

　　3)半參數橫型回歸分析：在特定的假設之下，建立生存時(shí)間隨多個(gè)危險因素變化的回歸方程，這種方法的代表是Cox比例風(fēng)險回歸分析法

　　4)參數模型回歸分析：已知生存時(shí)間服從特定的參數橫型時(shí)，擬合相應的參數模型，更準確地分析確定變量之間的變化規律

　　典型相關(guān)分析

　　相關(guān)分析一般分析兩個(gè)變里之間的關(guān)系，而典型相關(guān)分析是分析兩組變里(如3個(gè)學(xué)術(shù)能力指標與5個(gè)在校成績(jì)表現指標)之間相關(guān)性的一種統計分析方法。

　　典型相關(guān)分析的基本思想和主成分分析的基本思想相似，它將一組變量與另一組變量之間單變量的多重線(xiàn)性相關(guān)性研究轉化為對少數幾對綜合變量之間的簡(jiǎn)單線(xiàn)性相關(guān)性的研究，并且這少數幾對變量所包含的線(xiàn)性相關(guān)性的信息幾乎覆蓋了原變量組所包含的全部相應信息。

　　R0C分析

　　R0C曲線(xiàn)是根據一系列不同的二分類(lèi)方式(分界值或決定閾).以真陽(yáng)性率(靈敏度)為縱坐標，假陽(yáng)性率(1-特異度)為橫坐標繪制的曲線(xiàn)用途：

　　1、R0C曲線(xiàn)能很容易地査出任意界限值時(shí)的對疾病的識別能力用途 ;

　　2、選擇最佳的診斷界限值。R0C曲線(xiàn)越靠近左上角，試驗的準確性就越高;

　　3、兩種或兩種以上不同診斷試驗對疾病識別能力的比較，一股用R0C曲線(xiàn)下面積反映診斷系統的準確性。

　　其他分析方法

　　多重響應分析、距離分祈、項目分祈、對應分祈、決策樹(shù)分析、神經(jīng)網(wǎng)絡(luò )、系統方程、蒙特卡洛模擬等。

　　怎樣選擇數據分析方法

　　一、質(zhì)量改進(jìn)統計方法選擇的基本導向

　　從工業(yè)革命的傳統過(guò)程考察，大量的統計方法和技術(shù)伴隨機器工業(yè)和科學(xué)實(shí)驗的進(jìn)步發(fā)展起來(lái)。像美國貝爾實(shí)驗室的工程師休哈特提出的統計質(zhì)量控制方法、道奇和羅米格首創(chuàng )的計數標準型抽樣檢驗方法、費歇爾的正交實(shí)驗設計、皮爾遜的相關(guān)分析和費希爾的回歸分析等，都是在工農業(yè)生產(chǎn)和科學(xué)實(shí)驗的數據基礎上發(fā)展起來(lái)的，也有一些方法來(lái)源于醫學(xué)和生物統計學(xué)的研究和物理化學(xué)實(shí)驗的數據分析活動(dòng)中，比如卡方檢驗、蒙特卡洛隨機模擬等。這些方法不是來(lái)自單純的演繹邏輯意義上的推導過(guò)程，而是從工農業(yè)生產(chǎn)和科學(xué)實(shí)驗的實(shí)踐中發(fā)展起來(lái)的，雖然受制于獲取數據和手工計算能力的約束，但方法論的創(chuàng )新還是極大地推動(dòng)了質(zhì)量統計技術(shù)的進(jìn)步和實(shí)際應用的發(fā)展。

　　目前，在質(zhì)量改進(jìn)活動(dòng)中使用統計方法已經(jīng)相當普及，許多改進(jìn)項目甚至開(kāi)始獨立設計統計模型方法及相應的檢驗工具，統計學(xué)作為質(zhì)量改進(jìn)的基礎方法論得到了廣泛的發(fā)展和應用。促進(jìn)這些方法走向實(shí)踐的主要原因是什么？

　�。ㄒ唬�數據導向。

　　所謂數據導向，即“有什么數據，選擇什么方法”，從質(zhì)量過(guò)程生成的統計數據出發(fā)，選擇和設計相應的統計方法，有時(shí)也根據這些數據設計一些QC課題或者其他質(zhì)量改進(jìn)項目。這種導向的特點(diǎn)是有什么數據，就做什么改進(jìn)，而不是從質(zhì)量現狀或質(zhì)量改進(jìn)的關(guān)鍵技術(shù)、關(guān)鍵環(huán)節、成本、安全及交貨期等出發(fā)。例如，國內某著(zhù)名乳品企業(yè)采用先進(jìn)的乳制品生產(chǎn)、消毒、存儲和包裝設備，每日自動(dòng)產(chǎn)生大量的過(guò)程統計數據和質(zhì)量檢驗數據，加上營(yíng)銷(xiāo)部門(mén)提供的銷(xiāo)售數據和電子商務(wù)網(wǎng)站形成的客戶(hù)訂購、投訴和評價(jià)數據，構成了復雜的數據系統，實(shí)際上已經(jīng)成為企業(yè)大數據系統的雛形。但是，該企業(yè)始終沒(méi)有設計出適應企業(yè)自身需求的數據分析系統，也無(wú)法使這些數據在系統的質(zhì)量改進(jìn)和控制中起到積極的作用，浪費了大量的數據資源和改進(jìn)管理的機會(huì )。

　�。ǘ�）模型導向。

　　模型導向是指為實(shí)證某個(gè)新設計或新發(fā)現的統計模型而進(jìn)行的質(zhì)量改進(jìn)過(guò)程，這些統計模型的成功應用有些可以獲得良好的改進(jìn)效果，有些則無(wú)法適應真正的改進(jìn)目標。從改革開(kāi)放30多年中質(zhì)量管理技術(shù)的進(jìn)步過(guò)程來(lái)看，我們一直在追趕發(fā)達國家的管理手段和技術(shù)方法，從20世紀80年代的全面質(zhì)量管理、90年代的質(zhì)量標準化管理到2000年代后的六西格瑪管理和卓越績(jì)效管理，似乎都體現了方法論上的盲目性，只顧追趕別人的腳步，不知道是否適合自身的發(fā)展。

　　從微觀(guān)角度審視，一些企業(yè)的質(zhì)量管理技術(shù)人員，在質(zhì)量方法的選擇上追求模型的“高大上”，簡(jiǎn)單參考和引進(jìn)國外的先進(jìn)數學(xué)模型，用眼花繚亂的數學(xué)公式代替了扎扎實(shí)實(shí)的現場(chǎng)調查和改進(jìn)過(guò)程，把質(zhì)量管理活動(dòng)變成了新統計模型的實(shí)驗室。

　�。ㄈ�）工具導向。

　　統計軟件是質(zhì)量統計的重要工具，從SPC的應用過(guò)程可以看到，休哈特博士設計的均值極差控制圖就是典型的工具導向的一個(gè)應用。由于當時(shí)的計算能力和工具不足，因此在作業(yè)現場(chǎng)計算方差比較困難，所以休哈特博士采用了計算更為簡(jiǎn)易的極差來(lái)替代方差，用以表征質(zhì)量過(guò)程的波動(dòng)性。

　　專(zhuān)業(yè)的統計軟件是質(zhì)量改進(jìn)方法的重要推動(dòng)力量，一些世界知名廠(chǎng)商也陸續推出面向質(zhì)量管理的專(zhuān)用模塊和程序，這些軟件包括SAS、SPSS、STATISTICA

　　、Minitab、Matlab等。進(jìn)入新世紀以來(lái)，大數據逐漸成為統計軟件工具必須面對的重要對象，數據挖掘（Data Mining）和商業(yè)智能（Business Intelligence）等方法成為統計軟件的主流方法，同時(shí)這些方法也被大量應用到質(zhì)量管理活動(dòng)中。于是，以統計軟件工具為導向的一大批質(zhì)量管理成果開(kāi)始出現在各種場(chǎng)合，比如六西格瑪黑帶項目、可靠性項目、多變量統計過(guò)程控制（MSPC）、實(shí)驗設計（Design of Experiment）等。

　　與模型導向一樣，工具導向的質(zhì)量改進(jìn)也是被動(dòng)的，無(wú)法真正面向質(zhì)量生產(chǎn)的過(guò)程，即便是成功的數據分析也只能是統計模型和軟件的新例證，而不能成為質(zhì)量改進(jìn)的新成果。

　�。ㄋ模┌咐龑�向。

　　案例導向的質(zhì)量改進(jìn)過(guò)程，來(lái)自商學(xué)院工商管理碩士（MBA）案例教學(xué)實(shí)踐中，來(lái)自企業(yè)、院校和研究所的MBA似乎更喜歡來(lái)自成功案例方法的質(zhì)量改進(jìn)過(guò)程。但商業(yè)模式和管理經(jīng)驗并不總是可重復和可再現的，質(zhì)量改進(jìn)也是如此，商業(yè)案例只是對成功管理活動(dòng)的總結和提煉，而不是輸出管理規則和盈利模式。因此，基于成功的商學(xué)院案例或者六西格瑪成功案例實(shí)施的質(zhì)量改進(jìn)方法進(jìn)程中，有很大一部分是無(wú)法完成改進(jìn)目標和任務(wù)的。

　�。ㄎ澹┤蝿�(wù)導向。

　　所謂的任務(wù)導向是目前很多企業(yè)采用的一種中規中矩的質(zhì)量統計方法，就是根據企業(yè)生產(chǎn)計劃和調度要求，提出某項生產(chǎn)或管理任務(wù)，從完成任務(wù)的目的考慮，采用常規的統計方法或者技術(shù)來(lái)完成任務(wù)，甘特圖的使用就是任務(wù)導向的一個(gè)典型例子。

　　企業(yè)在進(jìn)行績(jì)效考核的時(shí)候，一般多采用多變量線(xiàn)性模型進(jìn)行綜合評價(jià)，用來(lái)合成多項指標的考核分值，這類(lèi)統計方法已經(jīng)成為主流的績(jì)效評價(jià)方法，從卓越績(jì)效模式的評價(jià)到中小企業(yè)的員工績(jì)效考核，大多采用此法，這就是任務(wù)導向的方法選擇。這些方法是無(wú)法進(jìn)行真正的質(zhì)量改進(jìn)的，只是一種較優(yōu)的質(zhì)量統計方法選擇。

　�。�六）問(wèn)題導向。

　　質(zhì)量統計方法的基本功能是描述、解釋和探索，是基于過(guò)程或結果的統計數據而進(jìn)行的有目的的質(zhì)量改進(jìn)活動(dòng)，用以解決企業(yè)經(jīng)營(yíng)管理過(guò)程中出現的各種問(wèn)題。因此，問(wèn)題導向的質(zhì)量統計方法主要是指以質(zhì)量管理活動(dòng)中出現的問(wèn)題為核心改進(jìn)目標，從問(wèn)題的現狀調查、研判、因果關(guān)系判別以及對策、實(shí)驗和檢驗等基本目標出發(fā)，量身定制或者重新創(chuàng )建新的數據管理或質(zhì)量改進(jìn)統計方法，做到因地制宜、對癥下藥，達到追本溯源、藥到病除的效果，這才是真正的應用統計價(jià)值所在，也是質(zhì)量統計方法追求的科學(xué)、合理和高效的真正動(dòng)力。

　　現實(shí)中，一些QC項目和六西格瑪項目，就是為了做項目而刻意尋找項目，而不是面向企業(yè)生產(chǎn)經(jīng)營(yíng)和管理實(shí)踐活動(dòng)本身，他們根據比較好的一些質(zhì)量特性，逆向設計統計方法，模擬和推斷出可能的數據改進(jìn)方法和計算模型，從而達到項目要求或評獎要求，實(shí)際上放棄了統計方法對于質(zhì)量改進(jìn)的真正貢獻，也放棄了科學(xué)改進(jìn)的真正目的，違背了質(zhì)量改進(jìn)的最初目的和終極價(jià)值。

　　二、問(wèn)題導向的質(zhì)量改進(jìn)統計方法選擇

　　問(wèn)題導向的質(zhì)量改進(jìn)過(guò)程中，要一切從問(wèn)題的現狀出發(fā)，擬定合理目標，設計跟進(jìn)數據集，選擇合適的統計方法，帶著(zhù)問(wèn)題逐步深入才能得到滿(mǎn)意的改進(jìn)效果。

　　問(wèn)題導向的質(zhì)量改進(jìn)一般應遵循三個(gè)基本原則，一是厘定問(wèn)題，單一目標；二是自頂向下，逐步求精；三是優(yōu)選方法，單入單出。在這個(gè)原則下，質(zhì)量改進(jìn)的過(guò)程可以分為以下步驟：

　�。ㄒ唬┨岢鰡�(wèn)題。

　　和一般的改進(jìn)過(guò)程一樣，面向問(wèn)題的改進(jìn)過(guò)程主要是對于質(zhì)量問(wèn)題的定義和選擇，這些問(wèn)題不是上級決定的，也不是財務(wù)目標中挑出來(lái)的，而應該來(lái)自質(zhì)量經(jīng)營(yíng)和管理的實(shí)踐中出現的質(zhì)量問(wèn)題和可能造成不良的機會(huì )。因此質(zhì)量改進(jìn)的動(dòng)因本身就具有補償性質(zhì)量的能力，如果不出現問(wèn)題，質(zhì)量管理的重點(diǎn)則應放在質(zhì)量保證能力建設和預防性質(zhì)量的提升方面。

　�。ǘ�）描述問(wèn)題并抽象成統計模型。

　　精確定義質(zhì)量生產(chǎn)和使用過(guò)程中出現的問(wèn)題，并力圖把這個(gè)問(wèn)題抽象成為統計模型。比如對于推土機首次故障時(shí)間的確認，就可以根據統計建模的經(jīng)驗和方法，考慮通過(guò)構建指數模型來(lái)計算一批推土機銷(xiāo)售以后首次故障時(shí)間的期望均值，并以此通過(guò)假設檢驗來(lái)設定首次故障時(shí)間，并最終實(shí)現質(zhì)量的全面提升。

　�。ㄈ�）獲得過(guò)程和結果的數據。

　　統計模型方法依賴(lài)大量數據和檢驗，因此模型方法所需要的數據必須和問(wèn)題產(chǎn)生的過(guò)程保持一致，也就是說(shuō)，必須回到問(wèn)題發(fā)生的現場(chǎng)去收集整理數據并獲得數據口徑、背景和計算方法的要求。這些數據可以客觀(guān)地描述、解釋和探索質(zhì)量過(guò)程中的細節，可以由此回溯和推斷問(wèn)題出現的可能性、因果性以及相關(guān)性，真正地做到“讓數據說(shuō)話(huà)”、“讓模型作證”和“讓結果指向”。

　�。ㄋ模┓治鼋�模和驗證。

　　根據得到的數據和所選的統計方法創(chuàng )建統計模型，對問(wèn)題進(jìn)行深入的分析和解剖，得到解決問(wèn)題的基本方向和思路，并設計出解決問(wèn)題的路徑和方法，對這些方法進(jìn)行實(shí)地實(shí)驗和驗證，力求得出解決問(wèn)題的全局性對策。

　�。ㄎ澹┓椒ㄟx擇的導向性。

　　有些問(wèn)題的出現和解決，似乎有定數，比如因果圖就經(jīng)常被用來(lái)解決質(zhì)量改進(jìn)中的可能性關(guān)聯(lián)問(wèn)題。有些研究者更愿意采用復雜的數理統計模型來(lái)完成該改進(jìn)任務(wù)，但我們的建議是選擇最適合的方法，而不是最先進(jìn)或者最豪華的方法。面向問(wèn)題是質(zhì)量改進(jìn)的第一動(dòng)力，因此統計方法的選擇只有依照這個(gè)原則來(lái)進(jìn)行，才有可能真正起到質(zhì)量改進(jìn)的作用，也從而實(shí)現質(zhì)量提升的最終目標。

　　三、統計數據的來(lái)源和統計方法的適應性

　�。ㄒ唬�數據來(lái)源。

　　傳統的企業(yè)統計數據來(lái)源于三個(gè)方面，即企業(yè)統計臺賬、生產(chǎn)記錄和檢驗記錄，這些數據是工業(yè)生產(chǎn)過(guò)程的人工記錄，需要對質(zhì)量生產(chǎn)過(guò)程進(jìn)行人工干預才可以獲得，有些數據因此產(chǎn)生了較大的誤差和偏移，以至于很多統計方法無(wú)法接近真實(shí)過(guò)程。

　　目前，我國已進(jìn)入工業(yè)化后期，國際先進(jìn)的制造技術(shù)和設備被大量引進(jìn)，其中包括具備強大數據生產(chǎn)能力的數控設備、網(wǎng)控設備和電子自動(dòng)檢測裝置等，這些先進(jìn)的電子設備可以大量測定、檢驗和記錄數據，生成連續性、大規模和高精度的同步數據集，此即企業(yè)大數據的雛形。在一些先進(jìn)的制造企業(yè)，技術(shù)人員已經(jīng)可以直接從設備上導出大量的數據用以完成SPC、MSA、DOE等經(jīng)典統計模型的擬合和研判，可以實(shí)現真正的大數據同步質(zhì)量分析、檢驗和預警目標。

　　因此，當前企業(yè)主要的數據來(lái)源有四個(gè)方面，一是企業(yè)管理數據，包括企業(yè)管理統計臺賬、績(jì)效考據數據、經(jīng)營(yíng)管理數據、投資和財務(wù)數據、營(yíng)銷(xiāo)數據等；二是企業(yè)生產(chǎn)過(guò)程數據，包括來(lái)自電子設備和網(wǎng)絡(luò )設備中自動(dòng)記錄和篩選的數據；三是質(zhì)量檢驗和驗收的數據；四是來(lái)自供應鏈和客戶(hù)調查的數據。這些數據大部分是連續生產(chǎn)的，主要是定量數據，也包含一些定性數據，這些數據構成企業(yè)經(jīng)營(yíng)管理活動(dòng)的新資源。

　�。ǘ�）統計方法選擇的基本原則。

　　問(wèn)題導向的統計方法選擇一般以數據為基礎，有的方法要求的數據量比較少，因而容易在實(shí)踐中使用，比如SPC、DOE等，而有的統計方法則要求更多的數據量和數據質(zhì)量，比如時(shí)間序列和可靠性統計分析方法等。因此，選擇統計方法時(shí)，應考慮所需要的數據在多個(gè)方面的特征和要求。

　　一是數據的易得性，要能夠很容易和低成本地采集數據，對于網(wǎng)控設備來(lái)說(shuō)，還應考慮網(wǎng)絡(luò )聯(lián)通問(wèn)題；二是數據的統計口徑、測量設備和測定方法要保持一致，這樣的數據才具備基本的分析基礎和分析能力；三是大數據的連續性采集能力，一些現場(chǎng)數據的采集必須滿(mǎn)足連續性的要求，才可以輔助實(shí)施和分析，采用管理學(xué)意義上的價(jià)值，比如統計過(guò)程控制和抽樣檢驗的數據等；四是保持數據采集的可重復性、可復現性和可控制性，大量統計數據的誤差只有通過(guò)較為嚴格的方差分析和參數檢驗、分布模擬可能付諸建模分析和質(zhì)量改進(jìn)，因此要保證數據的采集技術(shù)不會(huì )帶來(lái)較大的誤差影響。

【數據分析方法有哪些】相關(guān)文章：

常用數據的分析方法有哪些01-22

銷(xiāo)售數據的分析方法07-25

數據整理分析方法10-22

配件庫存分析數據的方法09-17

醫學(xué)數據分析方法10-24

傳統數據分析方法09-20

庫存數據分析方法06-07

多維數據分析方法09-20

數據分析常用方法(熱)07-25