描述统计是揭示数据分布特性的统计方法的概要。它主要包括数据频率分析，数据集中趋势分析，数据离散度分析，数据分布和一些基本统计图形。

1，缺失值填充：一般的方法是除去法，均值法，决策树法。

2，正规性检查：很多统计方法要求数值服从或近似服从正态分布，所以在进行数据解析之前需要正规性检查。常用方法：非参数检验的K量检查、p-p图、Q-Q图、W检验、动态差法。

回归分析是被广泛应用的数据分析方法之一。它基于观测数据建立变量之间的适当依赖关系，并分析数据的内在规律。

与因数Y相关的自身变量X仅为1个，X和Y都必须是连续型变量，由于变量Y或其残差必须服从正态分布。

2. 多元线性回归分析

使用条件：解析多个自我变量X与因变量Y的关系，X和Y都必须根据连续型变量、变量Y或其残差而遵循正态分布。

线性回归模型因变量是连续的正态分布变量，要求参数和因变量是线性关系，但是Logistic回归模型不要求因变量的分布，在变量离散的情况下一般使用。

4. 其它回归方法：非线性回归、秩序回归、Probit回归、加权回归等。

使用条件：各种书必须是相互独立的随机样本。各样品来自正态分布整体。每个整体的方差相等。

1. 单因素方差分析：在一个测试中只有一个影响因子的情况下，或者存在多个影响因子的情况下，只分析一个因子和响应变量的关系。

2. 多因子有相互作用方差分析：一

3. 多因子无相互作用方差分析：分析多个影响因子和响应变量的关系，但忽略影响因子之间是否存在影响关系

4. 协方差分祈：传统的方差分析有明显的弊端，无法控制分析中存在的几个随机因素，降低了分析结果的精度。协方差分析主要是在排除了协变量的影响后进行校正后的主效果方差分析，将线性回归与方差分析结合的解析法。

参数检查是在已知整体分布条件下（要求整体遵循诸如平均、百分比、方差、相关系数等几个主要参数）进行的检查。

非参数检验不考虑整体分布是否已知，并且常常验证总的一些一般假设，例如整体分布的比特是否相同、整体分布是否正常。

适用状况：序列类型的数据资料，这种数据的分布形式一般是未知的。

1）连续数据，但总体分布形式未知或非正规。

2）整体分布正规，数据也是连续型，样本容量为10以下最小。

主要方法包括卡方检验、等级及检查、2个检查、路线检查、K量检查等。

表示交易数量的特征，例如合计、平均偏差、最大值、最小值、平均值、比率、众数、方差、位值等。在实际工作中经常使用

在使用对比分析法中，需要找出差异，分析差异的原因。例如，如果公司的成本比今年上升了20%，接下来就要找原因，看看是否正常，然后再看怎么做。

是个体和整体之间的值，是属性指标，不能运算。

可能是按部门、按职阶、按职阶等。

是数量的指标，可以运算，可以等距离分割，或者可以不等距分割。

找到结论后，需要使用细分分析法，一般分阶段进行细化，有要素分析、交叉分析。

将类似属性汇集在一起---提取相同的特征

例如你说部门的人力资源经理，领导让你统计哪个是高潜人和高潜人的特征。这时，我们先确定谁是高潜人，然后再提取特征。例如，连续半年月业绩A +的人是高潜人，确认之后，抽取相同的特征。A有什么特点，B有什么特点，C有什么特点。。F有什么样的特征，然后和大家共提取了相同的特征点。

以下是编辑总结的人力资源的工作分析方法，希望能对大家有所帮助。

人力资源业务分析的方法

基于运用的人力资源数据分析

首先第一核心点是，HR如果在操作人力资源时不进行数据化而进行量化，则难以认同操作的内容。量化是今天所有HR的基础，尤其是大家在写年度工作计划和总结时，必须量化。

第二，量化什么样的指标，很多HR在半年分析期间，分析部门人员的比例，进一步分析员工的结构比例、年龄的比例，个人认为意义不大。真正分析的是，根据公司运营数据导出人力资源分析。这是最有意义的。

人效分析、各职场的产出分析、人力成本分析、牛人占比分析、训练有效性分析，这些都是我比较有意义的数据。

最初的数据是人效分析，在一个公司中这是最基本的数据。人效分析是了解公司目前的经营状况，人效公式比较简单，将公司收入除以人数，每月合计除以12个月。根据每个人的收入还是每个人的毛利来计算的话，个人的收入分析就可以了。根据人效比率来决定公司每个人的平均贡献值。

下面的分析是人事费的比例，这与人效比密切相关，公司的人事费大多除以公司财务确认后的收入。人工费分析怎么计算。一般来说，人事费占收入的比例是一个比例，收入占毛利的比例，20%左右的比例比较合适。

人事费的控制方法有很多人，但是一部分公司的玩法是不涨工资的。我觉得这个不太好。控制人事费的核心动作是必须减少人员提高效率。在公司浪费人事费的人是哪个。第一是无能的干部，第二是工资低但没有生产额的人。降低人事费的一种方法是降低工资总额，另一种方法是提高收入值，如何提高找牛的人，牛人可以获得更高的收入，所以找牛的人也可以降低人事费。

第三个是人员结构的分析。这里不是年龄、性别、学历分析。这种盘点价值不高。什么样的分析有意义

最初分析的是公司管理者的比例。第二，在后台人员比例分析、财务、人力资源等岗位上，我听说这些岗位越少越好。我个人认为把一个公司的背景合起来维持在12-15%就可以了。