1. excel多变量数据分析

1、首先打开需要编辑的excel，点击选择上方“数据”按钮。

2、然后在新的界面里点击选择“假设分析”菜单中“单变量求解”按钮。

3、之后在新的界面里在弹出单变量求解对话框，分别输入相对应内容。最后单击确定。

4.最后单击确定，关闭单变量求解状态对话框即可。

2. 多变量统计分析有哪些

方差公式

方差公式是一个数学公式，是数学统计学中的重要公式，应用于生活中各种事情，方差越小，代表这组数据越稳定，方差越大，代表这组数据越不稳定

3. 多变量数据分析包括

)小样本数据：用二项分布进行确切概率法检验;

　　(2)大样本数据：用U检验;

　　2)多分类数据：用Pearson检验(又称拟合优度检验)。

　　2. 四格表(2×2表)数据

　　1)完全随机设计的四格表数据的分析

　　(1)当样本量n>40，并且4个格子理论数均大于5时，则用Pearson 检验;

　　(2)当样本量n>40，并且4个格子理论数均大于1且至少存在一个格子的理论数<5时，则用校正检验或用Fisher’s精确概率法检验;

　　(3)当样本量n£40或存在任一格子理论数<1，则用精确概率法检验;

　　2)配对设计的四格表数据的分析

　　(1)b+c≥40，则用McNemar配对检验;

　　(2)b+c<40，则用二项分布确切概率法检验;

　　3. 2×C表或R×2表数据的统计分析

　　1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则可以采用行平均得分差(Row Mean Scores Differ)的CMH 或成组的Wilcoxon秩和检验;

　　2)列变量为效应指标并且为二分类，行变量为有序多分类变量，则可采用普通的Pearson 检验比较各组之间有无差别，如果总的'来说有差别，还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。

　　3)行变量和列变量均为无序分类变量：

　　(1)当样本量n>40，并且理论数小于5的格子数少于行列表中格子总数的25%，则用Pearson 检验;

　　(2)当样本量n£40，或理论数小于5的格子数多于行列表中格子总数的25%，则用Fisher’s确切概率法检验;

　　4. R×C表数据的统计分析

　　1)完全随机设计的R×C表数据的统计分析

　　(1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则CMH 或Kruskal Wallis的秩和检验;

　　(2)列变量为效应指标，并且为无序多分类变量，行变量为有序多分类变量，则采用普通的Pearson 检验比较各组之间有无差别，如果总的来说有差别，还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义;

　　(3)列变量和行变量均为有序多分类变量，可以作Spearman相关分析或者非零相关(none zero correlation)的CMH ;

4. excel多变量相关性分析

多元其实和一元一样，把所有的x变量所在区域都输进去就可以了，比如x1在B1到B8,x2在C1到C8,x的变量范围就输入B1到C8。excel会自动识别的x1,x2的。

5. 什么是多变量分析

区别如下；

一、意思不同

logistic回归是概率模型，非线性表达式，其线性表达式即logit回归。logistic回归计算的是P，而logit回归计算的是logit(p)。logistic属于概率型非线性回归，是研究二分类(可扩展到多分类)观察结果与一些影响因素之间关系的一种多变量分析方法。

二、参照不同

Logit是把其中的一种选择作为另一种选择的参照，而Logistic是把一件事不发生作为这件事发生的参照。模型上完全一致。只不过由于Logit选取了一种选择项作为参照，因此在模型中的一个参数对应两个变量，分别对应两种选择项。而Logistic由于参照对象是事件的不发生，即事件自身，因此一个参数只对应一个变量。但是本质完全一样。

三、模式不同

Logit模型的左侧是Odds的对数，而Logistic模型的左侧是概率。

Logit模型的右侧是一个线性结构，而Logistic模型的右侧是非线性的。

6. 多变量求解excel

1、首先打开需要编辑的excel，点击选择上方“数据”按钮。

2、然后在新的界面里点击选择“假设分析”菜单中“单变量求解”按钮。

3、之后在新的界面里在弹出单变量求解对话框，分别输入相对应内容。最后单击确定。

4.最后单击确定，关闭单变量求解状态对话框即可。

7. 多变量数据分析的统计分析方法

测试多维变量的相关性：先对数据做个正态性检验，这个是相关分析的基本条件，下来做个散点图，可以初步判断变量之间的是否具有相关性。

最简单的就是求相关系数矩阵和协方差矩阵。如果想玩的深一点，可以用因素分析、聚类分析、判别分析，多元回归等等。spss的相关性分析中可以分别统计这6个变量间的相关性。通过之间相关性的计算，可以得到X与Y之间的相关性，这种相关性只是推测的定性描述而已，是不能定量描述的.

一般地

从散点图上可以观察到两个变量有以下三种关系之一：两变量正相关、负相关、不相关。如果一个变量高的值对应于另一个变量高的值，相似地，低的值对应低的值，那么这两个变量正相关。在土壤中，孔隙率和渗透度就具有典型的正相关。

反之，如果一个变量高的值对应于另一个变量低的值，那么这两个变量负相关。如果两个变量间没有关系，即一个变量的变化对另一变量没有明显影响，那么这两个变量不相关。

8. 多个excel数据分析

可以在原表格上把同类的数据筛选放在一起，然后这边就可以用数据透视表。