数据分析的基石：100个核心指标与术语

数据分析作为一门跨学科的综合性学科，涉及的指标和术语非常广泛。以下是其中100个核心指标和术语，按照不同层级和领域进行分类，帮助你更好地理解和应用数据分析。
一、基础指标

1. 平均数：表示一组数据的集中趋势。
2. 中位数：将一组数据从小到大排列后，位于中间位置的数。
3. 众数：在一组数据中出现次数最多的数。
4. 方差：衡量数据离散程度的指标。
5. 标准差：方差的平方根，表示数据的离散程度。
6. 缺失值：数据集中某个或某些属性的值不完整。
7. 异常值：与平均值偏差较大的数据点。
8. 偏态：描述数据分布的形状，负偏态表示数据左偏，正偏态表示数据右偏。
9. 峰态：描述数据分布的形状，峰态越高表示数据越集中，峰态越低表示数据越分散。
10. 相关性：描述两个变量之间关系的强度和方向。
11. 回归分析：研究因变量与自变量之间关系的统计方法。
12. 聚类分析：将相似的数据点归为同一类，不同类的数据点差异较大的方法。
13. 因子分析：通过降维技术找出影响观测变量的因子，以解释变量间的关系。
14. 主成分分析：将多个变量转化为少数几个综合变量的统计方法。
15. 时间序列分析：对按时间顺序排列的数据进行统计处理的方法。
16. 信度分析：检验问卷的一致性，常用的方法有Cronbach’s Alpha系数和重测信度法等。
17. 效度分析：检验问卷是否真实反映了你想要研究的内容，分为内容效度、结构效度和验证效度等。
    二、进阶指标
18. 标准分数：用于描述数据相对于平均数的离散程度，计算公式为Z=(X-μ)/σ。
19. 控制图：用于监测生产过程中关键变量的稳定性，判断生产过程是否处于控制状态。
20. 假设检验：通过样本信息推断总体特征的方法，分为参数检验和非参数检验。
21. T检验：用于比较两组数据的均值是否存在显著差异的统计方法。
22. 方差分析：通过分解不同来源的变异，判断各因素对总体变异的贡献程度。
23. 卡方检验：用于检验分类变量间独立性或关联性的统计方法，分为拟合度检验和独立性检验等。
24. 相关性系数：用于描述两个连续变量间线性关系的强度和方向的统计量，常用的有Pearson相关系数和Spearman相关系数等。
25. 回归分析：研究因变量与自变量之间关系的统计方法，分为线性回归、多元回归、逻辑回归等。
26. 时间序列预测：通过分析时间序列数据来预测未来发展趋势的方法，常用有指数平滑法、ARIMA模型、神经网络等。
27. 聚类分析：将相似的数据点归为同一类，不同类的数据点差异较大的方法，常用的有K-means聚类、层次聚类、DBSCAN聚类等。
28. 主成分分析：将多个变量转化为少数几个综合变量的统计方法，用于降维处理和解释变量间的关系。
29. 因子分析：通过降维技术找出影响观测变量的因子，以解释变量间的关系，常用有R型因子分析和Q型因子分析等。