8.主成分分析
主成分分析（Principal Component Analysis，PCA），将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法 。 又称主分量分析 。 实际课题中，为了全面分析问题，往往提出很多与此有关的变量(或因素)，因为每个变量都在不同程度上反映这个课题的某些信息 。 主成分分析首先是由K.皮尔森对非随机变量引入的，尔后H.霍特林将此方法推广到随机向量的情形 。 信息的大小通常用离差平方和或方差来衡量 。 主成分分析作为基础的数学分析方法，其实际应用十分广泛，比如人口统计学、数量地理学、分子动力学模拟、数学建模、数理分析等学科中均有应用，是一种常用的多变量分析方法 。
9. 聚类分析
聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程 。 它是一种重要的人类行为 。 聚类分析的目标就是在相似的基础上收集数据来分类 。 聚类源于很多领域，包括数学，计算机科学，统计学，生物学和经济学 。 在不同的应用领域，很多聚类技术都得到了发展，这些技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中 。
10.非参数检验
非参数检验(Nonparametric tests)是统计分析方法的重要组成部分，它与参数检验共同构成统计推断的基本内容 。 参数检验是在总体分布形式已知的情况下，对总体分布的参数如均值、方差等进行推断的方法 。 但是，在数据分析过程中，由于种种原因，人们往往无法对总体分布形态作简单假定，此时参数检验的方法就不再适用了 。 非参数检验正是一类基于这种考虑，在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法 。 由于非参数检验方法在推断过程中不涉及有关总体分布的参数，因而得名为“非参数”检验 。
11.结构方程模型
结构方程模型(Structural·Equation·Modeling, SEM) 是社会科学研究中的一个非常好的方法 。 该方法在20世纪80年代就已经成熟，可惜国内了解的人并不多 。 在社会科学以及经济、市场、管理等研究领域，有时需处理多个原因、多个结果的关系，或者会碰到不可直接观测的变量(即潜变量)，这些都是传统的统计方法不能很好解决的问题 。 20世纪80年代以来，结构方程模型迅速发展，弥补了传统统计方法的不足，成为多元数据分析的重要工具 。
推荐阅读
- 小红书的养号方法 小红书怎么养号
- 小红书营销方法 小红书怎么营销
- 小红书平台赚钱方法 小红书平台怎么赚钱
- 小红书最受欢迎的笔记怎么写 小红书优质笔记条件有哪些
- 做了什么算劈腿 劈腿和出轨的区别
- PID控制中P、I、D参数的作用究竟是什么 pid图是什么
- 麦当劳为什么会成为全球最大的房地产投资商？ 麦当劳的经营方式是什么
- 介绍招聘文案的5种类型 招聘文案的类型有哪些？
- 介绍寻找设计灵感的10种方法 设计灵感该如何寻找？
- 推荐企业宣传片策划文案的5个技巧 企业宣传片策划文案的技巧有哪些？