1.5 金融统计分析的基本方法

1.5.1 描述性分析方法

描述性统计分析（descriptive analysis），是对调查总体所有变量的有关数据作统计性描述，主要包括数据的频数分析、数据的集中趋势分析、数据的离散程度分析、数据的分布以及绘制一些基本的统计图形。描述性统计分析的目的是发现其内在规律，再选择进一步分析的方法。

1.5.2 回归分析方法

回归分析（regression analysis），是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。在回归分析中，有一个因变量、一个或多个自变量，自变量和因变量常常被假设为定距的。运用最小二乘法可以拟合一个能够更好地描述数据关系的模型。

1.5.3 方差分析方法

金融统计分析的对象一般是比较复杂的系统，其中往往有许多因素相互制约又相互依存。方差分析（analysis of variance）的目的是通过数据分析找出对该事物有显著影响的因素，各因素之间的交互作用，以及显著影响因素的最佳水平等。用于两个以及两个以上样本均值差别的显著性检验，也称变异数分析或F检验。

1.5.4 主成分分析与因子分析方法

主成分分析（principle components analysis），是通过高精度转换将一个多变量数据系统转化为低维系统或一维系统，用于分析系统中最主要的变量，为构建模型奠定基础。

因子分析（factor analysis），是将多个实测变量转化为少数几个不相关的综合指标的多元统计方法，目的是定义数据举证的基本结构。它通过定义一套通用的基本维度（因子）来解决那些变量之间相关性的结构分析问题。

1.5.5 判别与类聚分析方法

判别分析（discriminant analysis），是在已知的分类下，遇到有新的样本时，利用已经选定的判别标准，判定如何将新样本放置于哪个族群中。它是一种预测导向型的统计方法，通常用于事后分析。

聚类分析（cluster analysis），是对金融经济统计指标分类的一种多元统计分析方法，它能够分析事物的内在特点和规律，并根据相似性原则对事物进行分组，是数据挖掘中常用的一种技术和探索性的方法。

除了上述主要的分析方法外，在金融统计分析过程中还要使用指数分析、时间序列分析及弹性分析等方法。 b27FbD30nsF1V2mGqSwT+3+fSxB7WHO0c519rfN9lUiGJzx69fW1TH1uLTulMl+f