信息分析方法

信息分析方法

常用的信息分析方法分为两大类：定性分析与定量分析。

（一）定性分析

定性分析即通过专家知识、经验，对事物现状的分析以及未来发展趋势的预测。常用的定性分析法有头脑风暴法、德尔菲调查法、主观概率法、相互影响矩阵分析等。定性分析法发展至今，经过不断完善，已广泛运用于各类信息分析之中。定性分析最大的优点是，能充分运用专家的知识、经验，从而对一些无法收集数据的分析预测活动进行评判。定性分析方法也是一种科学的方法。首先专家的知识、经验是一种隐性知识，是专家在长期大量的实践中形成的经验总结，是建立在客观科学基础之上的认识，如某行业领域资深专家对行业发展趋势的判断，这是他对行业发展全面客观的认识基础上作出的推断，这种推断具有一定的合理性。其次，某个专家的认识由于受到自身学术行业背景、主观判断等限制，其看法具有片面性，但综合该领域的专家认识，就能比较全面合理的作出定性的判断，从这个角度这种方法也是合理的。最后，定性分析由于受到主观因素影响，而且只能提供定性的结论，因此针对具体的微观的需要作出量化决策的问题，就需要通过定量分析。值得一提的是，定量分析由于客观具体，用数据和科学模型说话，在某些方面更具有说服力，但是由于应用时受到诸多条件限制，有时候得出的模型和结论未必合理，切不可盲目迷信复杂的模型。定性分析与定量分析需要相互结合使用，才能做出准确科学的结论。

（二）定量分析

定量分析基本上就是统计的内容了，相关分析、回归分析、主成分与因子分析、独立性检验（卡方检验）、分类与聚类等。

数理统计最主要的几个分布函数：正态分布和t分布、F分布、卡方分布，因为回归分析里参数检验涉及到t检验和F检验问题，要知道它们到底用来做什么，有什么特性。这里简单介绍几个一直让我混淆的概念。

（1）相关分析与回归分析

两个事物之间可能存在一定的关联，如子女身高与父母身高，一般来说父母个子高子女身高也高，但两者没有必然的因果关系，那么这两者之间有关系，但不是因果关系，这就是相关分析，相关可以是线性相关也可以是非线性相关。而回归分析如，广告支出增加，销量增加，那么广告和销量之间是存在某种因果关系，可以分析广告支出对销量增加的影响，这就是回归分析。

（2）回归分析与方差分析

前面讲到回归分析，当自变量和因变量都是数值变量，即分析某个自变量的变化对因变量的影响程度就是回归分析。而方差分析也是分析自变量对因变量的影响程度，但自变量是定性变量，如分析农作物产量（因变量）与土壤种类、肥料种类、栽培方法之间是否有影响，这就是方差分析了。方差分析结论就是，这个定性变量对因变量到底有没有影响。

（3）线性回归、logistic曲线与probit曲线

线性回归就是构建一个模型方程，同回归分析，自变量和因变量都是定量变量，并且对其取值没有要求。logistic曲线与probit曲线自变量和因变量也都是定量变量，但是因变量的取值是0或1（这里讲的是二元定性选择回归）。