一提到數學，高等數學，線性代數，概率論與數理統計，數值分析，空間解析幾何這些數學課程，頭疼呀。作爲文科生，遇見這些課程時，通常都是各種尋求幫助，班上有位宅男數學很厲害，各種被女生‘圍觀’，這數學爲什麼這麼難，學了有啥用呀。
有用的，當做數據分析的時候，使用到SPSS，在線SPSS分析的時候就知道用處了，在寫論文的時候會用到SPSS數據分析，工作的時候也會用到SPSS數據分析。此時才知道原來數學很重要。我的數學不好腫麼辦？聽我一 一道來。
1. 數據類型
學過數學的童鞋都知道，數學裏面分了兩類數據，離散和連續數據，聽上去文縐縐的，不懂。那我問男人和女人知道不，知道，對了這種就是離散數據。身高體重知道不，知道，這種就是連續數據。離散數據可以理解爲分類，類別，數個數；而連續數據理解爲算平均值，度量，比如平均身高，平均年齡，但不能說成是平均性別。離散和連續數據是數學上文縐縐的稱呼。如果我們是做數據分析，通常又換成另外一種稱呼，定類和定量數據。定類就是離散數據，定量就是連續數據。這點get到後，數據分析方法啥都不在話下，讓智能化軟件SPSSAU【備註：在線網頁版SPSS】這些去解決就好，默認出來智能化文字分析結果。
2. X和Y
除了數據類型外，數學上老是有一些符號，比如X，Y，Z， α， β，γ，還有好多拉丁符號，看着都頭疼，而且更糟糕的是發音還那麼奇怪。這些都是數學用詞，如果是數據分析，只需要知道X和Y就可以。爲什麼這麼簡單呢？數據分析通常是用於業務場景，讓所有人都會所有人都能懂的。而數學符號是專業性名詞，一小部分學習數學專業的人羣才懂。
而X，Y基本所有人都懂，平面二維式思維，如果加上Y就變成空間三維思維。這種會變得複雜難懂，而數據分析出來結果是讓人理解讓人懂的，越簡單易懂越有意義越有用的結論越受歡迎。因此從數據分析角度來看，只需要懂X，Y這兩個符號就OK。別小看X，Y這兩個符號，加上上述的數據類型，它們可以產生非常多的組合，也稱作分析方法。
有了X，Y，我們可以研究X和Y之間的關係情況，比如X對於Y的影響關係，X對於Y的差異關係等。下面一一講述。
3. X和Y的組合方法
再講組合之前，先單獨講下不區分X和Y的分析方法，如下表格：
當不需要區分不區分X和Y時，比如我只研究性別1個數據，或者只研究身高，體重情況如何等。並不需要研究關聯關係，所以並不涉及X和Y的關聯關係。這種都可統稱爲數據基本描述統計，當然數據類型不一樣時，方法不同。比如性別爲定類數據，這時用頻數分析；身高體重是定量數據，這時用描述分析。數據的基本描述統計是最基礎的數據分析方法，而且通常都需要做這類分析方法，因爲了解了基本情況是非常必要的。
接下來將下X和Y之間的關聯關係時，會使用到的數據研究方法；如下表格：
從上表可以看到，通常會涉及到差異關係，相關關係和影響關係共三類。比如不同性別的興趣愛好是否有差異，性別爲定類數據，興趣愛好也是定類數據；此時就應該使用交叉卡方分析方法。比如研究性別人羣體重是否有差異，性別爲定類數據，體重爲定量數據，此時就需要使用T檢驗；除此之外，如果想研究不同專業（理科、工科、文科）的體重差異時，此時應該使用方差分析。當X是定類數據，Y是定量數據，研究X對於Y的差異時，可以使用T檢驗和方差分析；區分在哪裏呢？如果X的類別個數（比如男和女）只有2個時，通常使用T檢驗；如果X的類別個數超過2個（比如理科、工科和文科）時，只能使用方差分析。差異關係就只能有3種，接下來繼續相關關係。
相關關係是研究X和Y的關係情況，比如身高和體重之間有沒有關係；X和Y均是定量數據；此時應該使用相關關係，再具體一點應該叫Pearson相關關係（相關關係的數學公式是Pearson這人發明的）。
最後一類是影響關係；X對於Y的影響；影響關係的分析方法區分，完全是根據Y的類別而定；比如Y是定量數據，我們則應該使用線性迴歸分析；如果Y爲定類數據，此時我們應該使用Logit迴歸分析，而具體再細分，Logit迴歸可以有：二元Logit迴歸，多分類Logit迴歸，區分在於Y，舉例如下表：
如果X影響Y時，Y只分爲兩類，購買和不購買，願意和不願意，是和否等，這時候就需要使用二元Logit迴歸分析；如果Y分爲n類(n>2)時，則需要使用多分類Logit迴歸。
數據類型,X和Y；這兩點搞明白後，絕大多數的數據研究方法都可以搞定，而這也是當前數學研究的核心思想。也是分析軟件的設計理念，網頁在線版本的SPSS即SPSSAU軟件平臺，它的設計核心理念就是這樣，只需要會區分數據類型，知道X和Y；就可以自己進行數據分析，其它的全部都可以直接由SPSSAU生成智能化文字結果；當然，分析方法還有很多的，比如因子分析，聚類分析等，這些方法不是研究X和Y的關聯性，而是別有用處。
4. 其它研究方法
除開X與Y的關聯關係研究，其實還有一些其它的研究方法；比如對於很多個X同時進行分析應該使用什麼方法呢？此時可能會結合分析用處而對應不同的方法；常見有因子分析和聚類分析兩種，如下表：
如果說了30句話，現在想把30句話概括濃縮成5個關鍵詞，這種就叫濃縮；此時需要使用因子分析；如果有300個人想進行分類，分成3類人羣，此時可使用聚類分析（常見是K-means聚類方法）。
除了濃縮和聚類，事實還有非常多其它的研究方法，比如信度研究，多因素方差，非參數檢驗，正態性檢驗，配對T檢驗等等。後續慢慢再談,更多知識也可使用網頁版SPSS即SPSSAU【備註：在線網頁版SPSS】進行學習，裏面智能化分析結果一目瞭然，‘拖拽點一下’完成分析得到智能化結果，更多研究方法的詳述也可直接查到。