daxiaoliyu
答主本科经济统计专业，学业不精，粗略思之，觉得统计学专业一般可以做如下分类：应用统计＝{工业统计，数据科学(统计+计算机)}，在如今的大数据背景下，可以认为应用统计＝统计+计算机。其实更加偏向于计算机，因为在数据科学领域，传统的统计理论用处不大，少数统计原理配以较强的计算机水平才是数据科学的本质。经济统计＝{国民经济核算，商务统计，金融统计}，大学本科一般可以认为经济统计＝金融统计，涉及到各种金融风险的度量，以及资产定价。统计学仍是辅助，金融课程更多。数理统计＝数学，数理统计旨在研究统计理论的数学基础，开发新的统计方法和准则。一般来说要以实变函数论、测度论等作为基础，需要较强的数学能力。生物统计＝真正意义上的统计学，传统的统计学就是来源于遗传学、农业等领域，假设检验、试验设计、线性模型在生物统计中的应用最为广泛，也最能体现统计学的本质。如果拿我目前一个刚毕业的应用统计专业硕士的情况来看，很惨(呜呜呜)。因为我目前是“无业游民”。从大方面看，我的专业前景蛮好的，可能是我们系师资力量不太够导致我成了最后的“关门弟子”。但是如果你能够考入很好的学校，相信你会看到广阔的世界。顺便说一下，之所以现在是无业游民，主要是因为春秋招时在准备博士考试和毕业论文的事情，错过了。博士成绩又出的特别晚，结果也不理想，所以最后沦落至此。相信你如果选择这个专业肯定会比我发展的好。 
通过数据进行分析的论文用数据是数学方法。数据分析方法：将数据按一定规律用列表方式表达出来，是记录和处理最常用的方法。表格的设计要求对应关系清楚，简单明了，有利于发现相关量之间的相关关系。此外还要求在标题栏中注明各个量的名称、符号、数量级和单位等：根据需要还可以列出除原始数据以外的计算栏目和统计栏目等。数据分析目的：数据分析的目的是把隐藏在一大批看来杂乱无章的数据中的信息集中和提炼出来，从而找出所研究对象的内在规律。在实际应用中，数据分析可帮助人们做出判断，以便采取适当行动。数据分析是有组织有目的地收集数据、分析数据，使之成为信息的过程。这一过程是质量管理体系的支持过程。在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程，以提升有效性。例如设计人员在开始一个新的设计以前，要通过广泛的设计调查，分析所得数据以判定设计方向，因此数据分析在工业设计中具有极其重要的地位。
论文常用数据分析方法 论文常用数据分析方法，对好的论文分析研究方法应该从哪些方面展开，如何表达才能显得自己对该论文真的有所理解，应该看哪些书呢？下面我整理了论文常用数据分析方法，一起了解看看吧! 论文常用数据分析方法1 论文常用数据分析方法分类总结 1、 基本描述统计 频数分析是用于分析定类数据的选择频数和百分比分布。 描述分析用于描述定量数据的集中趋势、波动程度和分布形状。如要计算数据的平均值、中位数等，可使用描述分析。 分类汇总用于交叉研究，展示两个或更多变量的交叉信息，可将不同组别下的`数据进行汇总统计。 2、 信度分析 信度分析的方法主要有以下三种：Cronbach α信度系数法、折半信度法、重测信度法。 Cronbach α信度系数法为最常使用的方法，即通过Cronbach α信度系数测量测验或量表的信度是否达标。 折半信度是将所有量表题项分为两半，计算两部分各自的信度以及相关系数，进而估计整个量表的信度的测量方法。可在信度分析中选择使用折半系数或是Cronbach α系数。 重测信度是指同一批样本，在不同时间点做了两次相同的问题，然后计算两次回答的相关系数，通过相关系数去研究信度水平。 3、 效度分析 效度有很多种，可分为四种类型：内容效度、结构效度、区分效度、聚合效度。具体区别如下表所示： 论文常用数据分析方法2 4、 差异关系研究 T检验可分析X为定类数据，Y为定量数据之间的关系情况，针对T检验，X只能为2个类别。 当组别多于2组，且数据类型为X为定类数据，Y为定量数据，可使用方差分析。 如果要分析定类数据和定类数据之间的关系情况，可使用交叉卡方分析。 如果研究定类数据与定量数据关系情况，且数据不正态或者方差不齐时，可使用非参数检验。 5、 影响关系研究 相关分析用于研究定量数据之间的关系情况，可以分析包括是否有关系，以及关系紧密程度等。分析时可以不区分XY，但分析数据均要为定量数据。 回归分析通常指的是线性回归分析，一般可在相关分析后进行，用于研究影响关系情况，其中X通常为定量数据（也可以是定类数据，需要设置成哑变量），Y一定为定量数据。 回归分析通常分析Y只有一个，如果想研究多个自变量与多个因变量的影响关系情况，可选择路径分析。
