数据分析基础—分组分析法

一.分组分析法的分类

根据指标的性质，分组分析法分为属性指标分组和数量指标分组。

属性指标所代表的数据不能进行运算，只是说明事物的性质、特征。如人的姓名、部门、性别、文化程度等指标。

数量指标所代表的数据能够进行加减乘除运算，说明事物的数量特征，如人的年龄、工资水平、企业的资产等指标。

1.属性指标分组分析法

按属性指标分组一般较简单，分组指标一旦确定，组数、组名、组与组之间的界限也就确定。例如，人口按性别分为男、女两组，具体到每一个人应该分在哪一组是一目了然的。

对一些复杂问题的分组，称为统计分类。统计分类是相对复杂的属性指标分组方法，需要根据数据分析的目的，统一规定分类标准和分类目录。例如：反映国民经济结构的国家工业部门分类，它是先把工业分为采掘业和制造业两大部分，然后再分为大类、中类、小类三个层次。

2.数量指标分组分析法

数量指标分组分析法是指选择数量指标作为分组依据，将数据总体划分为若干个性质不同的部分，分析数据的分布特征和内部联系。

它分为单项式分组和组距式分组。

二.单项式分组

单项式分组一般适用于离散型数据*，而且数据值不多、变动范围较小的情况。每个指标值就是一个组，有多少个指标值就分成多少个组。如按产品产量、技术级别、员工工龄等指标分组。

例如：某企业成立三年，现有员工300人，以员工工龄指标作为分组依据，可以分成三组，工龄一年的员工75人，工龄二年的员工135人，工龄为三年的员工90人。

三.组距式分组

组距式分组是指数据的变化幅度较大的条件下，将数据总体划分为若干个区间,每个区间作为一组,组内数据性质相同,组与组之间的性质相异。

组距式分组需要确定几个关键的分组要素：组数、组距、组限、组中值。

例如：某企业有员工300人，通过年龄指标进行分组，统计员工年龄分布情况，分析员工年龄结构是否合理，结果如图所示：

1.组数

组数即分组个数。通过总体数据的多少来分析确定，组数既不能太少，也不宜太多，应该保证各组都能有足够的单位数据。如组数太少，数据分布就会过于集中，组数太多，数据的分布就会过于分散，不能正确反映数据的分布特征。

结合上面案例：组数为4组

2.组限

组限是用来表示各组之间界限的数据值。其中，在每一组中最小的数据值为下限；最大的数据值为上限。

结合上面案例：组限为每一组的两端值，这里有一个"上组限不在内"原则，即每一组的上限不算在本组内，而算在下一组内，例如；员工年龄30~40这一组，其中40岁的员工人数不算在该组，而是算在40~50这一组。

3.组距

组距是指每一组的上限与下限之间的距离，即：组距 ＝上限 －下限

组距式分组中，各组组距都相等的分组称为等距分组，各组组距不相等的分组则称为不等距组。

结合上面案例：组距为10

4.组中值

组中值即每组上下限的中点值，它是各组数据值的代表值。在假定各组数据在本组内呈均匀分布的情况下，组中值 = ( 上限 +下限 ) ÷ 2

结合上面案例：组中值分别是25、35、45、55。

综上所述，分组的目的并不是单纯确定各组在数量上的差别，而是要通过数量上的变化来区分各组的不同类型和性质，运用对比等分析方法研究事物的数量表现和数量关系，从而正确地认识事物的本质及其规律。

四.注释

离散型数据：也称不连续数据或计数数据，在一定区间内的取值是固定的，不能无限细分的数据，一般用自然数或整数单位表示。

例如：员工人数、机器台数等数据。

连续型数据：在一定区间内可以任意取值的数据，也就是说可以无限细分到任意小数位，

例如尺寸、重量、高度等数据。

End.

作者：小明学数据

来源：简书本文均已和作者授权，如转载请与作者联系。