发布时间：
硕士毕业论文写作可以先不用管论文排版，先把摘要、引言和结束语写出来，最后写正文，在写正文过程中一边写一边继续完善摘要和引言，最后写完再定一个合适的题目，这个叫逆向写作法，你可以百度下：普刊学术中心，很多毕业论文写作技巧和提纲，当然也有格式说明
面对论文写作时，我们经常在翻阅众多文献后依然难以敲定自己的论文题目，但殊不知“仿效”并“学习”他人的作法确是文章写作的开端。在思考新的创意或独创的观点时，模仿别人的思考方式，是一种最简单而基础的方法。
论文写作要素
论文一般由内容提要、关键词、前言、正文、结语、插图和参考文献几个部分组成。这是学术界约定俗成的结构，缺一不可。各个部分各司其职，各有各的要求。1.内容提要：我们生活在一个信息爆炸的时代，学术论文汗牛充栋，一个人终其一生往往无法阅读一个学科所有的论文了。读者只能根据自己的需要筛选了，在筛选论文时他们首先看内容提要，以便了解以下信息：1）作者要解决什么问题；2）为什么选这个题目；3）用什么方法（或用什么资料）；4）得到了什么结论；5）如果有争议，作者怎么看。读者在得到这些信息后，决定要不要看全文。所以研究者在撰写内容提要时，需要体现以上几项内容。篇幅不能太短，短了不能写足上述要素；当然也不能太长，长了就啰嗦。2. 关键词：在信息爆炸的时代，我国读者一般使用知网和JSTOR这样的电子数据库搜索论文时，往往输入关键词。所以，研究者在写关键词时需要斟酌，以便让读者找到自己的论文。可惜的是，很多人选择关键词往往很随意，选择了一些无关紧要的词。我们需要以己度人，了解读者喜欢用什么关键词检索。一般来说，关键词要能体现选题的重要方面。就本人所在的考古学科而言，关键词一般包括对象（如器物、遗址、遗迹）、时代（如青铜时代、商周时期、南北朝）、地域范围（长江下游、河西走廊、太行山）、领域（原始瓷、城市、盐业考古）、理论（世界体系、景观考古、经济人类学）和技术（锶同位素、DNA分析、岩相分析）。3. 前言：此部分为正文的前奏，其目的就是回顾研究文献，提出新问题和研究方案。这一部分的主要任务是介绍一个选题的研究史，点评前人的论著，既指出他们的成果，又剖析他们的不足。实际上，这就是把文献阅读部分的工作成果收入其中。在前人的遗留问题之中，挑选一个重要的，又可行的问题作为自己的选题。锁定了研究对象还不够，在此部分还要提出一个研究方案来。写前言时研究者需要注意若干事项。首先，研究者要意识到，前言的最终目的是提出新问题，而前面的文献回顾起铺垫作用。所以，虽然新问题在前言中最后出现，但是在写作时，是最先要搞清楚的。因此研究者不需要把读过的所有文献都纳入前言，只需要反映研究进展的论文就行。其次，研究者需要抱持客观公正的态度评论前人的工作。现在有些研究者为了避免得罪人，故意不提前人的研究工作；而有些研究者出于个人或派系恩怨，刻意抬高或贬低一些学者。这些都不是研究者应有的态度；一个研究者应该客观地肯定前人取得的成就，同时找到前人的不足。这样才能准确地锁定问题，推动一个选题向前迈进。4.正文：此部分要展现论证过程。选题不同论证过程也不同，需要分别对待。文史方面的选题可以分解成若干子问题，然后提供证据，形成子观点；最后由子观点构成大观点。科技考古方面的选题，则需要利用研究方法或技术手段，讨论辨析由此获得的数据，然后得到结论。在此部分，研究者需要注意两件事情。一是确保观点与证据链吻合，这就要求观点要有证据支撑，而证据要为观点服务。现在很多研究生不懂论证，喜欢堆砌证据，然后抛出一个或几个毫无关联的观点，其结果就是证据和观点两层皮。二是，公平对待不同意见。有些问题前人研究过，提出了一些观点。现在很多研究者要么无视，要么轻率地否定他们的观点。公正的做法是，分析这些观点，检验其逻辑、论证，看看是否有问题；如果有问题，就指出问题，如果没有问题，就要检验自己的论证，看看是否有问题。如果不能推翻前人的观点，就承认分歧。5.结语：结语的要害在于简要重复论文的主要部分，也就是新问题、研究方法、证据和结论。结语不能太短，短了不能充分呈现论证过程；不宜太长，长了就有啰嗦之嫌。在这个部分不能出现新资料和新观点；任何新资料和新观点（想法）只能出现在正文中，结语只是归纳复述正文的重要内容。6.插图：插图样式多样，可以是照片、线图和表格，现在还可以是视频。它是重要的支撑资料，一方面可以说明研究对象，一方面可以提供物证。它们既可以展示比较抽象的理论、概念和研究对象，帮助读者理解它们，也可以展示物证和数据，支撑论文。它们既不能太多，也不能太少，关键是能够说明论文中关键概念、对象，或者呈现数据。在此部分，插图要与正文结合；也就是说正文的重要理论、概念和器物需要插图来说明，观点需要物证和数据来支撑；同时插图不能茫无目的，要为论文服务，否则就不要使用。插图需要添加文字，说明插图名称、图例、比例。当然，如果插图涉及知识产权，还要注明来源。7.注释：研究者在写作论文时，少不了引用以往的研究成果，或者观点，或者数据（资料），或者方法。为了尊重以往成果，研究者需要做注释，以避免剽窃之嫌。需要注意的是，这里所说的以往成果，既有他人的，也有作者自己的。我国不少学者往往在意他人成果，而忽略了自己的成果。做注释还有另外用途，就是方便读者查阅出处，检验论文是否严谨扎实。因为如果研究者在做注时，没有看过所引论文，或者一知半解，容易出错。实际上，注释是一个研究者的信誉晴雨表，如果在注释上不认真，读者会认为研究者是个马虎的人，靠不住的人。至于注释的格式，现在各个大学发布的学位论文规范都有说明。发表时，各个出版社和期刊也有自己的规定，这里就不赘述了。8.文献目录：现在学位论文一般要求在论文末尾放文献目录。但是文献目录一定要与脚注相一致，脚注里面出现的目录有，同时目录有的脚注也得有。
论文是一个非常复杂的工程。写作一篇论文需要遵循可阅读、可检验、可追溯和可检索四条原则。作者需要明白论文的结构，清楚各个要素即内容提要、关键词、前言、正文、结语、插图和参考文献的功能，写好每个要素。此外，论文还要注意术语的延续性、体悟读者的需要、避免抄袭、使用平实语言和发掘论文价值。
浅谈成分分析法与层次分析法论文
摘 要 ：传统句法分析法“成分分析法”，将句子的成分分为主、谓、宾、定、状、补。不得不说在语文教学方面，成分分析法的功劳是不能小觑的。但是，我们发现，汉语中有一些句法结构并不能用成分分析法有效的解决。于是，语言学家把美国结构主义描写学派的层次分析法引入到汉语句法分析中，取得了不菲的成绩。层次分析法解决了成分分析法无法解决的问题，但是，层次分析法自身也存在一些问题。本文将做较为详细的解释，在进行汉语结构分析的时候应该根据情况正确选择。
关键词： 成分分析法；层次分析法；优缺点；句法结构；歧义句
汉语中存在很多有趣的现象。譬如说，“咬死了猎人的狗”、“我没有考过”、“两个学校的领导”这一类的歧义句。再者，“台上坐着主席团”、“台上唱着戏”[1]这两个句子的成分和序列完全一样，均为“名1+动词+着+名2”但为什么“戏唱在台上”不符合正确的语法规范，而我们却可以说“主席团坐在台上”？进一步思考，我们会有一种明显的感觉，“台上坐着主席团”是静态的，“台上唱着戏”是动态的。那么，我们的这种直觉正确吗？再比如说，①“实习的学生”，②“实习的学校”均为偏正结构中的定中结构。定语都是“实习的”，但是我们会发现①中的“学生”在特定的语境中可以省略。比如说“我是实习的”。但是②中的“学校”在任何情况下都不可以省略，否则就会影响正常交流。“这是我实习的学校”绝不可以省略成“这是我实习的…”
为了更好地解决这些问题，我们必须找到一些行之有效的分析方法。以句法为出发点，解释说明各种的语言现象的`分析方法，我们一般称之为“句法分析法”与之相关的理论称之为“句法分析理论”研究一种句法结构或者说句式的特征，基本上有两种思路。一是，分析句式或句法结构的内部结构的构造特点。二是观察了解这一个句式和句法结构和其他的句式或句法结构之间的关系。我们所了解到的层次分析法和语义特征分析法属于前者。本文将主要探讨层次分析法和成分分析法。
首先，我们来看成分分析法。句子成分分析法又称“中心词分析法”，成分分析法是传统的句法分析方法。也是我们最早接触到的。早在小学的时候我们已经懂得基本的主谓宾。下面我们来实际运用一下成分分析法。
“勤劳的工人在最短时间里修好了一座简易的桥。”
按照成分分析法，句子中的主语是“工人”，谓语是“修”。而“工人”和“修”就是我们在分析时首先要找出来的全句的中心词。再来看，“修”是及物动词，后面可以接名词，比如说“修房子”所以，名词“桥”就是句子的另一个中心词，宾语。
从上面的例子中我们可以看出来成分分析法有自身的优点。采取成分分析法，容易把握出句子的整体脉络。用它来分析长单句，这种优势就更加明显了。比如说，
我国首次升空的“神州—3号”模拟载人飞船经过264个小时在太空运行之后按原先预定的时间安全、准确的返回原先计算好的我国西北部的某地区的地面。
按照成分分析法，这个句子的基本脉络就是“神州—3号”飞船返回地面。在处理这一类句中有很多修饰限定的成分的长单句时，利用成分分析法可以快速的找出句子的整体脉络。在语文教学中，具有很大的实践意义。
但是，在利用成分分析法进行句法分析的时候也会出现一些问题。下面我们一一的进行分析。
1、成分分析法不能有效的分析某些存在歧义的句子，不能挖掘出句子内在的规律。
上文中提到了“两个学校的领导”我们就以这个为例。
“今天，两个学校的领导都来了。”按照成分分析法，“领导”和“来”是全句的中心词，分别作为句子的主语和谓语。所以，这个句子的基本脉络就是“领导来了”但是，这个句子明显是一个歧义句。所以，采用成分分析法解释歧义句的时候就会出现问题。
“她的头发剪短了点儿。”我们再来看这句话，按照成分分析法，“头发”和“短”是句子的中心词，非别为主语和谓语。所以，句子的脉络就是“头发短”。但是，对这个句子进行内部的分析，我们会发现这个句子具有两方面的含义。
①减了之后，她的头发比之前短。（达到了理想中的效果）
②她的头发剪得太短了。（没有实现理想的效果）
2、分析出来的句子脉络不成立。
比如：她爱好古筝。（她爱好。）
陋习必须改掉。（陋习改掉。）
3、分析出来的句子脉络在语法上虽然成立，却和原句的意义不同了。
比如：老奶奶哭瞎了双眼。（老奶奶瞎。）
便利店方便了周围的居民。（便利店方便）
通过上面的分析，我们不难看出以下几点：
1、成分分析法分析的对象只能单句，对复杂句是无能无力的。
2、在分析过程中，我们首先找出句子的中心词，也就是作为句子主语和谓语的部分。
谓语和主语的关系是陈述和被陈述的关系。其次，在确定其他的成分，而且，其他的成分依附于中心词。
3、从理论上讲，能做句子成分的只能是词。
为什么成分分析法会存在这样的问题？主要原因就在于成分分析法的重点在于句式或句法结构的各个成分。并没有关注句式或句法结构中的层次性。那么，问题来了，什么是层次性？按照朱德熙先生在语法问
找个博士替你写
用stata做吧spss没有专门的主成分分析命令
这个不难，我擅长．
可以的。因子分析主要是用来降维当你的指标数量比较多、各自之间相关性又比较强的时候可以用这个。
各自的区别。可以用的方法：一、回归分析，在实际问题中，经常会遇到需要同时考虑几个变量的情况。二、方差分析，在实际工作中，影响一件事的因素有很多，人们希望通过实验来观察各种因素对实验结果的影响。方差分析是研究一种或多种因素的变化对实验结果的观测值是否有显著影响，从而找出较优的实验条件或生产条件的一种数理统计方法。三、判别分析，判别分析是用来进行分类的统计方法。四、聚类分析，聚类分析同样是用于分类的统计方法。五、主成分分析，主成分分析是对数据做降维处理的统计分析方法。
统计分析是运用统计 方法 与分析对象有关的知识，从定量与定性的结合上进行的研究活动。下文是我为大家整理的关于统计分析论文的 范文 ，欢迎大家阅读参考!
浅谈统计分析与决策
[摘要] 统计分析与决策二者有联系又有区别。统计要参与决策，必须搞好统计分析。搞好统计分析，需要解决选题、分析、撰写 报告 三个问题。
[关键词] 统计分析 分析方法 决策
统计工作的全过程分为四个阶段，即统计设计，统计调查，统计整理，统计分析。其中，统计分析是统计工作的最后一个阶段，是出统计成果的阶段。现在倡导统计要参与决策，这是不是说统计工作还要增加一个决策阶段呢?如果不是，那么，统计分析与决策是什么关系呢?
狭义的说，统计分析与决策是有区别的。统计分析是以统计数字为基础，以统计方法为手段，对社会经济情况进行科学的分析和综合研究，以认识其本质和规律的过程。而决策则是为了达到某一预定目标，运用逻辑方法和统计方法，对两种或两种以上可能采取的方案进行比较、分析、研究，以做出合理的、科学的抉择的行为过程。假若把统计分析与决策比作医生看病，统计分析就是对病情的诊断，决策就是开处方，“诊断”和“处方”是有区别的。
广义的讲，统计分析与决策是密不可分的。一方面，统计分析贯穿于决策过程之中。一个决策过程大体上可分为下列三个大步骤：第一，诊断问题所在，确定决策目标;第二，探索和拟定各种可能的备选方案;第三，从各种备选方案中选出最合适的方案。从这三大步骤看，尽管要用到多种方法和手段，但哪一步也离不开统计分析，第一步就是通过统计分析，诊断问题所在，并在分析的基础上确定决策目标;第二步拟定备选方案，要经过“轮廊设想”和“细部设计”这个阶段对轮廊设想的方案要做初步筛选，对每一方案要充实具体内容，“筛选”和“充实”都要经过统计分析;第三步选择最佳方案，首先要对各个备选方案进行评价、论证，这又需要统计分析。因此可以说，没有统计分析，也就没有科学决策。另一方面，从某种意义上讲，决策是统计分析的结果。一般来说，统计分析报告是提出问题、分析问题、指出解决问题的办法，其实，决策方案也就是解决问题实现决策目标的办法，只不过比“今后意见”“几条 措施 ”之类的办法更全面、更详细、更科学罢了。医生诊断是为了正确处方，治病救人，不能只诊断不处方。统计分析是为了发现问题，解决问题，推动社会经济的顺利发展;也不能只提出问题，而不寻找解决问题的办法。从这个意义上讲，统计分析也就包括预测和决策。我们不能为统计而统计，也不能为分析而分析。统计应该参与决策，为了决策科学化，必须搞好统计分析。
搞好统计分析，需要解决选题、分析、撰写报告三个问题。
一、统计分析选题
所谓选题，就是在复杂的社会经济现象中,确定统计分析的内容和范围。进行统计分析,选题很重要。成功的选题是成功的分析的前提。
怎样选好题呢?选好题标准有两条:―是分析对象有意义，二是适合决策层和群众需要。关键是抓住党和国家的方针政策和企业的经济效益。
统计分析课题是很广泛的。工业统计分析课题如：计划执行情况分析、工业净产值统计分析、工业产品销售统计分析、工业原材料供应和消耗统计分析、工业能源消耗统计分析、工业生产设备统计分析、工业劳动与工资统计分析、成本利润统计分析、综合经济效益统计分析等。商品流通企业统计分析课题如：市场供求状况分析、市场占有率分析、主要商品经济寿命周期分析、市场商品价格分析、计划执行情况分析、购销合同执行情况分析、商品购进质量分析、商品销售动态分析、商品销售构成分析、商品库存分析、企业经济效益分析等。对于以上内容，可根据不同的时间、地点、条件，按两条选题标准适当选择。
统计分析有专题分析与综合分析之分。在一定的总体范围内，研究总体的各个方面及其相互关系，或研究总体的主要方面的统计分析，属于综合分析;只研究其中某一方面，或某一部分的统计分析，属于专题分析。两者各有不同的特点，都是必要的，但专题分析宜多，综合分析宜少。
二、统计分析方法
统计分析的关键是分析，怎样进行统计分析呢?统计分析有两个特点:一是以统计数字为基础,二是以统计方法为手段。因此,统计分析在选题之后,就要根据分析的需要,搜集整理有关数字资料及具体情况,在充分占有材料的基础上,灵活运用统计方法进行分析。
统计分析方法很多。统计学原理中除了有关统计调查、统计整理的内容外,综合指标、统计指数、时间数列、抽样推断等内容全部是统计分析方法。从方法角度上讲，统计分析就是统计学原理的运用。
统计方法与人们的认识过程是相适应的。人们的认识分感性认识和理性认识两个阶段。感性认识阶段所认识的是事物的现象，可采用统计调查和统计整理。理性认识阶段所认识的是事物的本质和规律，这个阶段要经过形成概念、进行判断和推理等思维活动。与此相适应，要分别采用不同的统计分析方法。
形成概念一般用描述性的综合指标法，即总量指标、相对指标和平均指标，以说明现象的规模大小、水平高低、速度快慢、内部结构以及比例关系等。判断推理就是要判断事物的性质，分析事物变化的原因，找出事物发展的规律。这一般要用分组分析法、动态分析法、因素分析法、相关回归分析法、平衡分析法等。
对统计学原理中的各种统计分析方法要熟练地掌握，灵活地运用。怎样灵活运用呢?这里有个技巧问题。技巧就是定性分析与定量分析巧妙结合。
所谓定性分析是指对事物的性质和影响事物发展变化的因素进行分析。定量分析就是分析事物的规模、水平、速度、结构、比例，以及各个因素对事物总体变化的影响方向和影响程度。定性分析与定量分析巧妙结合有两层含义，一是二者不可偏废，二是二者密不可分，
没有定性分析,定量分析就没有方向。没有定量分析,定性分析就不准确。结合的目的是在质与量的辩证统一中探寻事物的内在联系。
从根本上讲，统计分析就是完成从感性认识到理性认识，从现象到本质的飞跃。完成了这―飞跃，才是高质量的统计分析。有些统计分析质量不高，往往就是没有完成这一飞跃，仍然停留在表面现象上。
三、统计分析报告的撰写
统计分析报告是统计的最终产品。如果说统计数字的准确性是统计的生命，那么，统计分析报告的质量则关系到统计作用的发挥。对高质量的统计分析报告的要求，可以概括为五个字，就是“准、快、新、深、活”。
准:就是实事求是地反映客观实际。做到数字准确，情况准确，论点准确。
快:就是在决策层决策之前，不失时机地及时提供分析报告。
新:就是不断创新。要求不断开拓新领域，钻研新课题，反映新情况和新问题。
深:就是要在充分占有材料的基础上，提高分析的深度，使认识不只停留在反映现象上，而要揭示事物的本质和规律，并且用观点统帅材料，用材料说明观点，做到材料和观点的统一。
活:就是文字生动活泼，形式灵活多样。资料要多样化和生动具体，要有群众语言，要通俗易懂，文字要精精炼。
统计分析报告是在统计分析的基础上撰写出来的。没有好的分析，不可能写出好的报告。经过分析阶段，弄清了事实，判明了性质，探索出规律，得出了结论，在此基础上就可以撰写统计分析报告。但分析得好，并不等于报告写得好，这里还有个撰写的技巧问题，那就是准确地表述事实，透彻地阐明本质，深刻地揭示规律，恰当地提出建议。
1.准确地表述事实
每一篇统计分析报告，都需要表述所分析的现象，即说明“是什么”。准确地表述事实，才能给读者一个明确的概念。为此，须注意如下几点:(1)数字要真实;(2)运用数字要适当，不要堆砌数字，搞数字文字化;(3)语言要素准确。
2.透彻地阐明本质
现象只说明事物的各个片面，本质才说明事物的整体。撰写统计分析报告，必须深刻地揭示事物的本质，它是统计认识事物的正确程度和深度的反映。如果不能深刻地阐明事物的本质，那只能是现象罗列，没有多大价值。
阐明事物的本质，也就是阐明事物的基本性质。事物的性质是由事物内部矛盾的主要方面决定的。例如，某企业利润增加，是靠涨价，还是靠降低成本?经过分析，认识到利润增加主要是靠降低成本，这是矛盾的主要方面，这就反映出事物的性质。因此，在报告中就应阐明降低成本在提高经济效益中的重要作用。再如某企业，本质问题是钢材浪费严重，在报告中就应揭示浪费的若干方面和严重程度。
3.深刻地揭示规律
规律是事物内部固有的、本质的、必然联系。成本高低与产量多少有联系，经过推理，这种联系是事物内部固有的、本质的必然联系，反映了事物发展变化的规律性，而且存在一定的回归关系。而回归方程反映这种关系，所以在统计分析报告中，要利用回归方程揭示这种必然联系及其回归关系。
4.恰当地提出建议
认识世界的目的是为了改造世界。经过统计分析,透过现象认识到事物的本质和规律,还必须提出解决问题的建议,如“今后意见”、“几点建议”、“决策方案”等等。怎样才算恰当地建议呢?恰当的建议要符合三个条件:(1)符合分析目的;(2)合乎客观规律;(3)切实可行。
以上四点,一般可以作为分析报告的结构和顺序,但不能千篇一律。
统计分析报告是统计分析结果的反映。既要注意提高写作水平，更要努力锻炼分析问题和解决问题的能力。
试谈统计分析方法应用
【摘要】统计分析方法应用于各个领域，解决了很多工业、农业、经济、医学等领域的实际问题，本文分析多元统计分析方法的主要应用和构建多元统计方法检验体系的必要性，针对性的提出了需要引起注意的共性问题，具有很强的现实意义。
【关键词】统计分析方法;应用;检验体系;共性问题;现实意义前言
随着信息技术的普及和广泛应用，它推动了社会、经济和科学技术的发展，多元统计分析方法的难题得到了攻破，各个领域广泛采用，推动了各行各业经济的快速发展。
二、多元统计分析方法的主要应用
统计方法是科学研究的一种重要工具，其应用颇为广泛。在工业，农业，经济，生物和医学等领域的实际问题中，常常需要处理多个变量的观测数据，因此对多个变量进行综合处理的多元统计分析方法显得尤为重要。随着电子计算机技术的普及，以及社会，经济和科学技术的发展，过去被认为具有数学难度的多元统计分析方法，已越来越广泛地应用于实际。
聚类分析
它是研究分类问题的一种多元统计方法，聚类分析的基本思想是首先将每个样本当作一类，然后根据样本之间的相似程度并类计算新类与 其它 类之间距离，再选择近似者并类每合并一次减少一类，继续这一过程直到所有样本都合并成为一类为止。所以聚类分析依赖于对观测间的接近程度或相似程度的理解，定义不同的距离量度和相似性量度就可以产生不同的聚类结果。企业制定 市场营销 战略时要弄清在同一市场中哪些企业是直接竞争者，哪些是间接竞争者是非常关键的一个环节。要解决这个问题，企业首先可以通过 市场调查 ，获取自己和所有主要竟争者，从而寻找企业在市场中的机会。
判别分析
判别分析是已知研究对象分成若干类型，并取得各种类型的一批已知样品的观测数据、在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分析，企业在市场预测中往往根据以往所调查的种种指标，用判别分析方法判断下季度产品是畅销平销或滞销。一般情况下判别分析经常与聚类分析联合起来使用。
主成分分析
主成分分析就是设法将原来指标重新组合成一组新的互相无关的几个综合指标，来代替原来指标，同时根据实际需要从中可取几个较少的综台指标，尽可能多反映原来指标的信息，在市场研究中常常利用主成分析方法分析顾客的偏好和当前市场的产品与顾客之间的差别，从而提供给生产企业新产品开发方向的信息。
因子分析
因子分析是主成分分析的推广和应用。它是将错综复杂的随机变量综合为数量较少的随机变量去描述，多个变量之间的相关关系以再现原始指标与因子之间的相互关系。也可以认为因子分析是将指标按原始数据的内在结构分类。例如:对Y个调查区的商业网点数、人口数、金融机构服务数、收入情况等N个指标进行因子分析，如果按照一般的分析方法，我们就需要处理N个指标，并给它们以不同的权重。这样不仅工作量变大而且由干指标之间存在比较高的相关性，会给分析结果带来偏差另外给具有较高相关性的众多指标，从而计算出各个调查区平均综合实力得分以便决定在某个调查区拟建何种类型的销售点。
三、构建多元统计分析方法检验体系的必要性
(一)构建多元统计分析方法检验体系，提高多元统计分析应用质量
多元统计分析方法已经越来越为人们广泛应用，但应用中盲目套用分析方法的情况很多，只关心模型方法的应用。许多教科书也只侧重介绍多元统计分析方法的思想、原理和分析步骤，对多元统计分析方法应用结果的统计检验叙述不多。这就直接影响了多元统计分析方法的应用效果和可信性。因此，本文拟对多元统计分析方法的统计检验问题进行探讨。构建多元统计分析方法检验体系的目的在于进一步丰富和完善多元统计分析方法的内容体系;实践上，使多元统计分析方法的应用更加合理、规范。推动多元统计分析方法应用质量的提高，推动多元统计分析方法获得更广泛的应用。
(二)多元统计分析统计检验体系的基础理论
多元正态分布总体的样本分布，即维希特分布，霍特林分布，威尔克斯分布,多元正态总体均值向量假设检验，包括一个正态总体均值向量假设检验，两个正态总体均值向量假设检验，多个正态总体均值向量假设检验;多元正态总体协方差阵假设检验，包括一个正态总体协方差阵假设检验，多个协差阵相等假设检验。
(三)关于统计检验体系
将上述统计检验体系有机结合在一起，就构成了多元统计分析方法检验体系的基本框架。多元统计分析方法检验体系的构建,用多元统计分析方法，充分发挥多元统计分析方法的应用价值，提高应用质量，我们建议，在应用时，应该按照上述框架进行相应的统计检验。当然。上述统计检验体系还是一个初步的框架，随着多元统计分析方法理论的逐步完善，上述检验体系也需要不断完善，也需要更多的同行关注此类问题并不断加以研究。另一方面，在实际应用中，即便是某种方法根据上述内容都进行了统计检验，由于各种方法自身存在的缺陷或局限性，也还会存在许多应用中考虑不周之处。应该引起注意。但是，因子分析结果还是具有较大主观性。特别是对公共主因子在专业方面实际意义的解释上，仍然保留着一种艺术气息，并没有统一做法，因此很多情况下也是不能令人满意的。总之，我们在应用时，对因子分析的适用性、公因子的估计方法、公因子选取的数目。公因子的实际意义的解释等一系列问题都要引起足够注意。检验体系有如下几个分类：
a.主成分分析统计检验体系
b.因子分析统计检验体裂引
c.系统聚类分析统计检验体系
d.判别分析统计检验体裂
e.对应分析统计检验体系
f.典型相关分析统计检验体系
四、多元统计分析方法应用中需要注意的几个共性问题
1.关于原始数据变量的总体分布问题。
对原始变量的总体分布各种方法各有不同的要求。有的方法对原始数据变量总体分布没有特殊的要求，如主成分分析、聚类分析、对应分析。有的方法在不同情况下，对原始变量分布有不同的要求，如因子分析中，公共因子的估计方法不同，对原始变量分布要求不同，采用极大似然估计方法估计主因子时，是假定原始变量是服从多元正态分布的，因此，应用时要引起重视，如典型相关分析要求原始变量服从正态分布，但在严格意义上，如果变量的分布形式比如高度偏态不会降低其他变量的相关关系，典型相关分析是可以包含这种非正态变量的。
样本容量问题。
进行多元统计分析时，样本容量n达到多少为宜，目前尚没有统一的结论。有的认为样本容量应是变量个数的10～20倍，有的认为样本容量要在100以上比较合适，有的认为进行巴特莱特检验时的样本容量应该大于150方可，也有的认为不必苛求太多的样本容量，如在进行主成分分析和因子分析时当原始变量之间的相关性很小时，即使再扩大样本容量，也难以得到满意效果。
原始变量之间的相关性以及非线性关系问题。
多元统计分析方法中，有的是的要求原始变量中要具有相关性。有的则不要求原始变量具有相关性。如聚类分析中，进行Q型系统聚类分析时对原始数据变量之间的相关性也是有要求的，如选择欧式距离、明氏距离、兰氏距离时，则要求原始变量之间是不相关的。只有对原始数据的相关性进行了处理后，才可以选择使用上述距离。若原始变量存在相关性，则选择马氏距离比较合适。另外原始变量之间的非线性关系也是需要注意的问题。如主成分分析、因子分析以及典型相关分析当基于相关矩阵来进行计算时，这里的相关矩阵实际上是Pearson的积差相关。但是，如果变量之间的关系不是线性的，而是非性相关关系，于是，所进行的分析以及结论也就失去应有的意义了。
数据处理问题。
多元统计分析中涉及多个变量，不同变量往往具有不同的量纲及不同的数量级别。在分析时，具有不同量纲的变量进行线性组合是没有意义的，不同的数量级别的变量之间进行分析时。会导致“以大吃小”，即数量级的变量的影响会被忽略，从而影响了分析结果的合理性。因此。为了消除量纲和数量级别的影响，进行多元统计分析时，必须对原始数据进行处里，最常用的是先作标准化变换处理，然后再作相应的分析。
五、结束语
在统计分析方法的应用中，会涉及到多个变量，因此，必须根据原来有的数量进行处理，然后才能得出相应的分析结论。本文结合多元统计分析方法的理论基础，对相关检验体系和分析体系进行了分析，具有现实的理论指导意义。
【参考文献】
[1]于秀林.多元统计分析[M].北京,中国统计出版社，1999：223—224.
[2]高惠璇.应用多元统计分析[M].北京,北京大学出版社 ，2005：343—366.
[3]郭志刚.社会科学分析方法一SPSS软件应用[M].,中国人民大学出版社，1999.
[4]傅德印.主成分分析中的统计检验问题 [J].统计 教育 ，2007(9)：4—7.
可以的。因子分析主要是用来降维当你的指标数量比较多、各自之间相关性又比较强的时候可以用这个。
你的邮箱发不进去，请换一个，这里发部分供你参考Principal component analysisPrincipal component analysis (PCA) is a mathematical procedure that uses an orthogonal transformation to convert a set of observations of possibly correlated variables into a set of values of uncorrelated variables called principal components. The number of principal components is less than or equal to the number of original variables. This transformation is defined in such a way that the first principal component has as high a variance as possible (that is, accounts for as much of the variability in the data as possible), and each succeeding component in turn has the highest variance possible under the constraint that it be orthogonal to (uncorrelated with) the preceding components. Principal components are guaranteed to be independent only if the data set is jointly normally distributed. PCA is sensitive to the relative scaling of the original variables. Depending on the field of application, it is also named the discrete Karhunen–Loève transform (KLT), the Hotelling transform or proper orthogonal decomposition (POD).PCA was invented in 1901 by Karl Pearson.[1] Now it is mostly used as a tool in exploratory data analysis and for making predictive models. PCA can be done by eigenvalue decomposition of a data covariance matrix or singular value decomposition of a data matrix, usually after mean centering the data for each attribute. The results of a PCA are usually discussed in terms of component scores (the transformed variable values corresponding to a particular case in the data) and loadings (the weight by which each standarized original variable should be multiplied to get the component score) (Shaw, 2003).PCA is the simplest of the true eigenvector-based multivariate analyses. Often, its operation can be thought of as revealing the internal structure of the data in a way which best explains the variance in the data. If a multivariate dataset is visualised as a set of coordinates in a high-dimensional data space (1 axis per variable), PCA can supply the user with a lower-dimensional picture, a "shadow" of this object when viewed from its (in some sense) most informative viewpoint. This is done by using only the first few principal components so that the dimensionality of the transformed data is reduced.PCA is closely related to factor analysis; indeed, some statistical packages (such as Stata) deliberately conflate the two techniques. True factor analysis makes different assumptions about the underlying structure and solves eigenvectors of a slightly different matrix.
到中国知网里面进行查找，可以参考不能全抄，知网里面都是大神作品，我的论文都是到这里面参考的。
给你12个参考文献：[1]马玉洁. 增强现实技术在教育领域应用研究[D].北京印刷学院,2017. [2]吴欣. 基于微信公众平台的小学一年级数学家校协同教育的应用研究[D].四川师范大学,2017. [3]秦宗财,刘力. 欧美视频网站运营模式及赢利分析[J]. 深圳大学学报(人文社会科学版),2016,(01):48-53+80. [4]郑杨. 基于4I原则的本地化社区网站运营模式分析[D].四川师范大学,2015. [5]郭朝辉. 当代大学生社会主义核心价值观践行状况及影响因素研究[J]. 国家教育行政学院学报,2015,(01):81-86. [6]沈立群. 我国民营企业跨境并购融资问题探析[D].江西财经大学,2014. [7]苏宇. 基于用户行为分析的电子商务网站运营策略研究[D].北京邮电大学,2014. [8]刘蕴莲. 论新形势下加强大学生社会主义核心价值观教育[J]. 思想理论教育导刊,2014,(05):106-109. [9]石淑静. 返利网站运营中的传销陷阱研究[D].华侨大学,2014. [10]蒋黎. 网站运营分析系统设计与实现[D].电子科技大学,2013. [11]梁文卓,侯云先. 团购网站运营影响因素主成分分析——基于消费者满意导向[J]. 经济体制改革,2012,(01):182-184. [12]王仁彦. 数据挖掘与网站运营管理[D].华东师范大学,2010. [13]宋钰. 中国C to C网站运营模式研究[D].华中科技大学,2006. [14]彭银香. 电子商务网站运营状况综合评价模型的构建[J]. 中国市场,2005,(47):84-85. [15]姚强. 中国电子商务网站运营情况的研究[D].对外经济贸易大学,2004.
这个的可以有啊 你的题目是什么