1.因子分析学术论文中常用的数据分析方法中因子分析是指研究从变量群中提取共性因子的统计技术。因子分析就是从大量的数据中寻找内在的联系,减少决策的困难。因子分析常见的作用(1)在回归分析中,解决共线性问题:如果回归分析中存在共线性问题,那么可以对有共线性问题的多个变量提取出一个有代表性的公因子,利用提取出的这个公因子替代原有的有共线性问题的多个变量,参与建模,可解决回归分析中的共线性问题。(2)变量精简:一般来说,纳入模型的变量越少越好,如果存在很多变量,我们可以先使用因子分析的方法,通过提取公因子的方式对变量进行精简,这样纳入模型的变量信息不仅没有大幅度衰减,还降低了模型的复杂程度。(3)问卷中的效度分析:对于问卷中的量表题,希望通过因子分析来进行问卷结构的发现,检验问卷的结构效度,将量表题目根据因子分析分成不同的评分维度。3.回归分析学术论文中常用的数据分析方法中研究一个随机变量Y对另一个(X)或一组(X1,X2,„,Xk)变量的相依关系的统计分析方法。回归分析(regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。回归分析分类(1)一元线性回归分析只有一个自变量X与因变量Y有关,X与Y都必须是连续型变量,因变量y或其残差必须服从正态分布。(2)多元线性回归分析多元线性回归分析的使用条件:分析多个自变量与因变量Y的关系,X与Y都必须是连续型变量,因变量y或其残差必须服从正态分布 。(3)Logistic回归分析线性回归模型要求因变量是连续的正态分布变里,且自变量和因变量呈线性关系,而Logistic回归模型对因变量的分布没有要求,一般用于因变量是离散时的情况。(4)其他回归方法非线性回归、有序回归、Probit回归、加权回归等。由于回归分析的类型较多,在选择回归方法时,要根据数据的维数以及数据的其它基本特征来选择具体的回归类型,这对于接下来的数据分析是非常重要的。4.方差分析用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响,研究所得的数据呈现波动状。造成波动的原因可分成两类,一是不可控的随机因素,另一是研究中施加的对结果形成影响的可控因素。方差分析是从观测变量的方差入手,研究诸多控制变量中哪些变量是对观测变量有显著影响的变量。