实验设计与数据处理课程心得
实验设计与数据处理《实验设计与数据处理》列举典型实例介绍了一些常用的实验设计及实验数据处理方法在科学研究和工业生产中的实际应用，重点介绍了多因素优化实验设计——正交设计、回归分析方法以对目标函数进行模型化处理。
这门课程主要学习的内容有：数据处理基础、实验设计方法与应用和计算机数据处理软件简介。
介绍统计检验、方差分析、回归分析和聚类分析等数据处理方法与应用，介绍正交实验设计与应用，最后对Excel、Origin、正交试验设计助手、DesignExpert进行简要介实验设计和数据处理是一项通用技术，是研究如何合理而有效地获得数据资料的方法，讨论如何案例安排实验、取得数据，然后进行综合的科学分析，从而得到最优方案，是当代科技和工程技术人员必须掌握的技术方法。
使我们了解实验设计和数据处理的基本知识和基本概念，初步掌握常用的实验设计方法，初步掌握几种实验数据的分析方法，为进行化学实验设计和数据分析打下基础。
实验设计是以概率论与数理统计为理论基础，经济地、科学地制定实验方案以便对实验数据进行有效的统计分析的数学理论和方法。
实验设计可以科学地、合理地安排试验，可以减少实验次数，缩短试验周期，节约人力、物力，提高经济效益，尤其当因素水平较多时，效果更为显著；通过对实验的设计和结果分析能使我们在众多的因素中分析主次，找出影响指标的主要因素；通过实验设计可以分析因素之间交互交互作用影响的大小；通过
实验设计与数据处理课程心得
实验设计与数据处理《实验设计与数据处理》列举典型实例介绍了一些常用的实验设计及实验数据处理方法在科学研究和工业生产中的实际应用，重点介绍了多因素优化实验设计——正交设计、回归分析方法以对目标函数进行模型化处理。
这门课程主要学习的内容有：数据处理基础、实验设计方法与应用和计算机数据处理软件简介。
介绍统计检验、方差分析、回归分析和聚类分析等数据处理方法与应用，介绍正交实验设计与应用，最后对Excel、Origin、正交试验设计助手、DesignExpert进行简要介实验设计和数据处理是一项通用技术，是研究如何合理而有效地获得数据资料的方法，讨论如何案例安排实验、取得数据，然后进行综合的科学分析，从而得到最优方案，是当代科技和工程技术人员必须掌握的技术方法。
使我们了解实验设计和数据处理的基本知识和基本概念，初步掌握常用的实验设计方法，初步掌握几种实验数据的分析方法，为进行化学实验设计和数据分析打下基础。
实验设计是以概率论与数理统计为理论基础，经济地、科学地制定实验方案以便对实验数据进行有效的统计分析的数学理论和方法。
实验设计可以科学地、合理地安排试验，可以减少实验次数，缩短试验周期，节约人力、物力，提高经济效益，尤其当因素水平较多时，效果更为显著；通过对实验的设计和结果分析能使我们在众多的因素中分析主次，找出影响指标的主要因素；通过实验设计可以分析因素之间交互交互作用影响的大小；通过
发展心理学研究方法的新趋势有哪些
随着发展心理学科学研究的不断深入和现代科学技术的迅速发展，发展心理学的研究也出现了一些新的趋势，研究方法表现出一些新的特点。
这集中体现在以下几个方面：多层面研究的相互整合；跨学科和跨文化研究的广泛开展；多变量统计技术的广泛使用；新的数据收集手段的广泛应用；训练研究和教育实验越来越受重视。
一、多层面研究的相互整合 个体发展的先天和后天的关系以及发展的内因和外因问题，一直是发展心理学争论不休的问题。
随着研究的推进，研究者们不得不承认，先天和后天、内因和外因都在一定的程度上影响和决定着人的发展，并且这些因素是相互交错、共同起作用的，将它们割裂开来分析不仅使得研究结果不真实，而且也无法研究它们是如何相互作用的。
所以，多层面的研究相互整合是今后发展心理学的研究趋势。
这种整合体现在两个方面，一方面是研究层次的整合，另一方面是研究方法的整合。
研究层次的整合表现为，将社会环境层面、个体层面、神经机制层面以及基因和分子层面的研究结合起来能够加深我们对于发展现象的理解。
例如，在有关记忆的老化研究中，个体层面的研究揭示出老年人记忆能力下降、抗干扰能力下降、存在很大的个体差异等现象；神经机制层面的研究揭示随着老化，逐渐出现左右额叶的功能均势，并且记忆的行为表现越好的老年人双侧均势越明显，这可能是右侧额叶功能代偿的结果；分子层面的研究表明大脑多巴胺系统受体数量的减少与记忆能力的衰退密切相关。
这些不同层面的研究使我们对记忆老化的认识更加全面，也有助于从不同的角度去进行诊断和干预。
研究方法的整合表现为，多种方法的相互补充能够更好地解决研究问题。
首先，研究表明，综合采用谈话、观察、实验等多种方法，可以对不同方法所得的结果进行相互比较和验证，在提高研究结果的可靠性的同时，可以进一步揭示发展背后的原因或影响因素。
比如，在研究早期爬行经验对婴儿认知、情绪和社会性发展的影响时，研究者们就综合运用了自然观察、父母访谈、问卷调查、实验室实验等方法。
其次，将传统的心理学研究方法和认知神经科学方法相结合有助于更全面地解释个体的发展特点。
比如，将对于大脑结构和功能的测量与行为研究的标准化测验分数相结合，可以更好地解释语言能力的个体差异。
二、跨学科和跨文化研究的广泛开展发展心理学的研究对象是个体的心理发展，而个体心理发展所涉及的问题是纷繁复杂的，常常不是发展心理学一门学科所能承担和解决的。
因此，从多学科的角度研究个体心理发展和探讨发展中的各种现象、解决发展中的各种问题，是一种必然的趋势，引起越来越多发展心理学研究者的重视。
这种跨学科的方式有如下两种不同水平。
一是发展心理学与心理学领域内其他有关分支学科的结合。
随着发展心理学研究的深入，发展心理学研究者们越来越清楚地认识到，儿童心理发展的维度是多方面的，影响因素也各种各样，只从本学科角度是不可能完全准确地解释和预测个体心理发展的，必须同时运用心理学各分支的理论、知识和方法开展研究。
例如，目前国内外关于儿童阅读发展的研究，就涉及发展心理学、认知心理学、生理心理学、社会心理学、教育心理学、计算机心理学等不同分支学科，由各领域的有关专家组成研究团队，共同对儿童阅读水平、能力发展与培养、神经机制等各个侧面进行分析和研究。
二是发展心理学与心理学领域以外各有关学科的结合。
发展心理学研究涉及的许多课题，除了需要与心理学内各分支学科加强协作外，还需要与心理学领域以外的学科加强合作研究。
比如，目前逐渐兴起的发展认知神经科学就是发展心理学、认知神经科学、计算机科学、神经发育学等多门学科相互整合的一门学科。
发展心理学研究中另一个越来越为研究者所关注的取向是跨文化研究。
随着发展心理学研究的深入和理论的发展，研究者们越来越关注不同社会文化背景中不同年龄的个体心理发展的相似性和差异性，即探讨哪些心理发展规律在特定的文化背景中存在，哪些心理发展规律在各种文化背景下普遍地、一致地起作用。
目前，在发展心理学领域开展的跨文化研究课题很多，比如关于数学能力的研究有中外儿童数学能力的对比研究、亚马孙部落的数学能力的研究等，关于语言能力的研究有中英文认知的共同性和差异性研究、第二语言习得的研究等。
这类跨文化研究极大地丰富了发展心理学的研究成果，对于解释人类心理和行为的起源及发展过程、弄清影响个体心理发展的各种因素及其重要程度、探讨个体心理发展的规律及其适用范围、建立发展心理学理论等都具有重要意义。
三、多变量统计方法的大量使用正因为出现了多层面研究的整合趋势和跨学科、跨文化研究的倾向，发展心理学研究对数据的统计分析技术的要求也越来越高。
除了传统的多变量统计方法，如回归分析、复方差分析、因子分析、判别分析、聚类分析等大量出现在心理学研究报告中，新的多变量统计技术和方法，如结构方程模型、多水平线性模型、成长曲线模型等也被越来越多地应用于发展心理学的研究中。
在发展心理学研究中，结构方程模型为探讨多变量之间的复杂关系提供了前提。
常用的结构方程模型包含两类：一类是测量模型，用于分析研究所使用的测量工具的内在结构效度，是因子分析的扩展，也被称为验证性因子分析；另一类是因果关系模型，主要用于检验研究者所假设的多变量之间的影响和被影响的关系，可以很方便地检验预测变量对因变量的直接效应和间接效应。
在实际的应用中，研究者往往将测量模型和因果关系模型整合起来，建立一个更加复杂的整合模型。
多水平线性模型也是近年来在发展心理学研究中非常流行的一种多变量统计方法，这种方法主要用于对嵌套数据的处理与分析。
在传统的发展心理学研究中，研究者通常假定所抽取的样本是完全随机抽取的，但在实际数据收集过程中是很难实现数据收集的随机要求的。
成长曲线模型是多水平线性模型的一个特例。
发展心理学研究的特殊性在于对个体发展过程的高度关注，传统的研究由于数据收集困难和统计方法的局限，多采用横断研究设计收集数据，对个体心理发展过程的研究非常不足。
近年来，发展心理学家开始高度重视纵向研究数据的收集，并试图采用有效的统计方法进行纵向研究数据的分析，成长曲线模型由此应运而生。
这种模型从水平和速率两个方面来分析个体发展的过程，同时兼顾发展中的个体差异。
对于纵向研究数据的处理与分析，这是一种理想的方法。
除了这些新的多变量统计方法的使用外，未来的发展心理学研究中还将越来越多地应用多变量的分类数据或等级数据的分析技术，如对数线性模型、潜类别分析、广义线性模型等统计方法。
这些新的多变量的统计方法的使用为人们有效地解释个体心理发展的过程与机制起到了重要的推动作用。
四、新的数据收集手段的广泛使用随着发展心理学和认知神经科学的发展，许多传统的发展心理学问题可以从认知神经科学的角度进行研究，逐渐出现了发展认知神经科学这门新兴的学科。
而认知神经科学的诸多技术手段如功能性磁共振成像、事件相关电位、眼动记录、多导微电极记录、基因和行为遗传学研究等，也逐渐在发展心理学中得到应用。
认知神经科学方法的广泛应用一方面有助于回答发展心理学面临的一些基本问题，另一方面也极大地丰富了发展心理学的研究成果。
首先，通过认知神经科学的研究手段，可以确定相关基因的功能，比较不同的基因型、正常基因与基因变异的表现，研究环境对基因表现的影响，更直接地探索先天和后天的关系；通过对脑发育与发展的关键期、学习经验对大脑的影响、功能代偿的机制等的探索，有助于解决发展是连续的还是阶段性的问题。
其次，除了正常的发展外，认知神经科学的数据收集手段还广泛地应用于发展异常的研究，从神经机制的角度寻找发展异常的原因，并得到了许多重要的研究结果。
例如，关于注意缺损多动障碍（attention-deficit hyperactivity disorder, 简称ADHD）的研究发现，前额叶、小脑和脑干、扣带回的功能异常和多巴系统受损有关，这些研究结果有助于ADHD的诊断和干预。
因此，在发展心理学中应用认知神经科学的数据收集方法具有以下几个方面的优点。
（1）能更直接地研究先天和后天因素在个体发展中的作用。
（2）比行为研究更敏感。
比如关于数学能力的老化研究、关于帕金森病的研究都表明，在行为研究上没有明显症状表现的时候，从大脑的结构和功能上可以观测到变化，所以认知神经科学的研究有助于及时发现发展中的障碍和疾病，从而使得早期的干预和治疗成为可能。
（3）有助于研究一些特殊的被试群体。
比如婴儿、老年痴呆病人等，由于这些特殊被试的感知觉、语言能力、智力等方面的局限使得一些传统的方法如实验法、访谈法和问卷法难以实施，但是可以采用认知神经科学的方法（如ERP）进行研究。
虽然有些因素不利于认知神经科学方法的广泛运用，比如设备昂贵、对操作人员的要求、数据量大且分析方法复杂等，但是由于这些方法所具有的独特优势，所以它们必然会在今后的发展研究中得到更广泛的应用。
五、训练研究和教育实验越来越受重视如前所述，发展心理学的功能是描述、解释、预测和控制。
训练研究和教育实验正体现了控制的功能，即探索如何操纵某些变量来达到预期的改变，如何将研究中发现的规律应用到实际的教育中去。
通过进行训练研究和教育实验，可以获得有关个体真实发展的资料，并且可以通过操纵某些变量来观察个体的发展变化，把握促进个体心理发展的环境和教育条件，从而可以通过预先的设置和干预促进个体朝着预期的方向发展。
无论是训练研究还是教育实验，都体现了发展心理学研究的应用价值，有助于实现心理学理论研究和教育实践的密切结合。
训练研究的基本特点是针对心理发展的某个具体方面实施干预，与教育实验相比，训练时间相对较短。
比如，针对日本人难于区分英语中的\\\/r\\\/和\\\/l\\\/两个音，大量研究者采用不同方法对此进行专门的集中训练，考察训练是否能够促进日语母语者对这两个辅音的辨别，以及训练效果的迁移和保持情况。
教育实验一般比较系统，时间跨度也比较长，甚至由实验研究直接转化为应用成果。
比如美国的Fast For Word系统，总结了25年来关于阅读障碍研究的成果和经验，开发出一套光盘版的系列教材，广泛应用于英语的语音教学中。
再比如，董奇教授主持的攀登英语项目，立足于解决当前中国英语教育的实际问题，整合了有关第二语言学习的认知神经机制、心理和行为规律等多层面的研究成果，为幼儿园和小学儿童研发了一套综合的英语学习方案。
该方案以促进儿童英语口语能力的发展为核心目标，采用非英语教师作为实验教师，利用现代多媒体技术，为儿童创设丰富的英语学习环境。
到目前为止，该方案已经在北京、安徽、山东等省市的300余所幼儿园和小学的5万余名学生中进行了实验研究，取得了良好的效果，参加实验的儿童在英语听、说、读的能力和学习英语的情感态度方面都有显著改进。
该实验研究的效果也得到了国内外专家，以及实验学校和家长的广泛好评。
从根本上说，训练研究和教育实验都是将发展心理学研究的基本规律与原理应用于教育实践之中，促进个体更加健康地发展，并在实践中检验其准确性。
这是发展心理学研究的根本目的之一。
随着我国社会经济的发展以及国家和社会对个体全面、和谐发展的关注，围绕个体发展的教育实验显示出越来越重要的价值。
发展心理学工作者要将自己的研究与有效促进个体发展的目标密切地联系起来，满足国家和社会的需要。
录入好的调查问卷，该如何进行数据分析
SPSS分析调查问卷数据的方法当我们的调查问卷在把调查数据拿回来后,我们该做的工作就是用相关的统计软件进行处理,在此,我们以spss为处理软件,来简要说明一下问卷的处理过程,它的过程大致可分为四个过程:定义变量﹑数据录入﹑统计分析和结果保存.下面将从这四个方面来对问卷的处理做详细的介绍.Spss处理: 第一步:定义变量 大多数情况下我们需要从头定义变量，在打开SPSS后，我们可以看到和excel相似的界面，在界面的左下方可以看到Data View, Variable View两个标签,只需单击左下方的Variable View标签就可以切换到变量定义界面开始定义新变量。
在表格上方可以看到一个变量要设置如下几项:name(变量名)、type(变量类型)、width(变量值的宽度)、decimals(小数位) 、label(变量标签) 、Values(定义具体变量值的标签)、Missing(定义变量缺失值)、Colomns(定义显示列宽)、Align(定义显示对齐方式)、Measure(定义变量类型是连续、有序分类还是无序分类).我们知道在spss中,我们可以把一份问卷上面的每一个问题设为一个变量,这样一份问卷有多少个问题就要有多少个变量与之对应,每一个问题的答案即为变量的取值.现在我们以问卷第一个问题为例来说明变量的设置.为了便于说明,可假设此题为:1.请问你的年龄属于下面哪一个年龄段( )? A:20—29 B:30—39 C:40—49 D:50--59那么我们的变量设置可如下: name即变量名为1，type即类型可根据答案的类型设置,答案我们可以用1、2、3、4来代替A、B、C、D,所以我们选择数字型的，即选择Numeric, width宽度为4，decimals即小数位数位为0（因为答案没有小数点），label即变量标签为“年龄段查询”。
Values用于定义具体变量值的标签,单击Value框右半部的省略号，会弹出变量值标签对话框,在第一个文本框里输入1,第二个输入20—29,然后单击添加即可.同样道理我们可做如下设置,即1=20—29、2=30—39、3=40—49、4=50--59；Missing，用于定义变量缺失值, 单击missing框右侧的省略号，会弹出缺失值对话框, 界面上有一列三个单选钮，默认值为最上方的“无缺失值”；第二项为“不连续缺失值”，最多可以定义3个值；最后一项为“缺失值范围加可选的一个缺失值”，在此我们不设置缺省值,所以选中第一项如图；Colomns，定义显示列宽,可自己根据实际情况设置；Align，定义显示对齐方式,有居左、居右、居中三种方式；Measure，定义变量类型是连续、有序分类还是无序分类。
以上为问卷中常见的单项选择题型的变量设置,下面将对一些特殊情况的变量设置也作一下说明.1.开放式题型的设置:诸如你所在的省份是_____这样的填空题即为开放题,设置这些变量的时候只需要将Value 、Missing两项不设置即可.2.多选题的变量设置:这类题型的设置有两种方法即多重二分法和多重分类法,在这里我们只对多重二分法进行介绍.这种方法的基本思想是把该题每一个选项设置成一个变量,然后将每一个选项拆分为两个选项项,即选中该项和不选中该项.现在举例来说明在spss中的具体操作.比如如下一例:请问您通常获取新闻的方式有哪些( )1 报纸 2 杂志 3 电视 4 收音机 5 网络在spss中设置变量时可为此题设置五个变量,假如此题为问卷第三题,那么变量名分别为3_1、3_2、3_3、3_4、3_5,然后每一个选项有两个选项选中和不选中,只需在Value一项中为每一个变量设置成1=选中此项、0=不选中此项即可.使用该窗口，我们可以把一个问卷中的所有问题作为变量在这个窗口中一次定义。
到此,我们的定义变量的工作就基本上可以结束了.下面我们要作就是数据的录入了.首先,我们要回到数据录入窗口,这很简单,只要我们点击软件左下方的Data View标签就可以了.第二步:数据录入 Spss数据录入有很多方式,大致有一下几种:1.读取SPSS格式的数据2.读取Excel等格式的数据3.读取文本数据（Fixed和Delimiter)4.读取数据库格式数据(分如下两步)（1）配置ODBC （2）在SPSS中通过ODBC和数据库进行但是对于问卷的数据录入其实很简单,只要在spss的数据录入窗口中直接输入就可以了,只是在这里有几点注意的事项需要说明一下.1. 在数据录入窗口,我们可以看到有一个表格,这个表格中的每一行代表一份问卷,我们也称为一个个案.2. 在数据录入窗口中,我们可以看到表格上方出现了1、2、3、4、5…….的标签名,这其实是我们在第一步定义变量中,我们为问卷的每一个问题取的变量名,即1代表第一题,2代表第二题.以次类推.我们只需要在变量名下面输入对应问题的答案即可完成问卷的数据录入.比如上述年龄段查询的例题,如果问卷上勾选了A答案,我们在1下面输入1就行了(不要忘记我们通常是用1、2、3、4来代替A、B、C、D的).3.我们知道一行代表一份问卷,所以有几分问卷,就要有几行的数据.在数据录入完成后,我们要做的就是我们的关键部分,即问卷的统计分析了,因为这时我们已经把问卷中的数据录入我们的软件中了.第三步:统计分析 有了数据，可以利用SPSS的各种分析方法进行分析，但选择何种统计分析方法，即调用哪个统计分析过程，是得到正确分析结果的关键。
这要根据我们的问卷调查的目的和我们想要什么样的结果来选择.SPSS有数值分析和作图分析两类方法.1.作图分析:在SPSS中，除了生存分析所用的生存曲线图被整合到Analyze菜单中外，其他的统计绘图功能均放置在graph菜单中。
该菜单具体分为以下几部分：:(1)Gallery：相当于一个自学向导，将统计绘图功能做了简单的介绍，初学者可以通过它对SPSS的绘图能力有一个大致的了解。
(2)Interactive：交互式统计图。
(3)Map：统计地图。
(4)下方的其他菜单项是我们最为常用的普通统计图，具体来说有：条图散点图线图直方图饼图面积图箱式图正态Q-Q图正态P-P图质量控制图Pareto图自回归曲线图高低图交互相关图序列图频谱图误差线图作图分析简单易懂,一目了然,我们可根据需要来选择我们需要作的图形,一般来讲,我们较常用的有条图,直方图,正态图,散点图,饼图等等,具体操作很简单,大家可参阅相关书籍,作图分析更多情况下是和数值分析相结合来对试卷进行分析的,这样的效果更好.2.数值分析:SPSS 数值统计分析过程均在Analyze菜单中，包括：(1)、Reports和Descriptive Statistics：又称为基本统计分析.基本统计分析是进行其他更深入的统计分析的前提，通过基本统计分析，用户可以对分析数据的总体特征有比较准确的把握，从而选择更为深入的分析方法对分析对象进行研究。
Reports和Descriptive Statistics命令项中包括的功能是对单变量的描述统计分析。
Descriptive Statistics包括的统计功能有： Frequencies(频数分析)：作用:了解变量的取值分布情况Descriptives(描述统计量分析)：功能：了解数据的基本统计特征和对指定的变量值进行标准化处理Explore(探索分析)：功能:考察数据的奇异性和分布特征Crosstabs(交叉分析)：功能:分析事物（变量）之间的相互影响和关系Reports包括的统计功能有： OLAP Cubes(OLAP报告摘要表)：功能: 以分组变量为基础，计算各组的总计、均值和其他统计量。
而输出的报告摘要则是指每个组中所包含的各种变量的统计信息。
Case Summaries(观测量列表)：察看或打印所需要的变量值Report Summaries in Row：行形式输出报告Report Summaries in Columns：列形式输出报告(2)、Compare Means(均值比较与检验)：能否用样本均值估计总体均值
两个变量均值接近的样本是否来自均值相同的总体
换句话说，两组样本某变量均值不同，其差异是否具有统计意义
能否说明总体差异
这是各种研究工作中经常提出的问题。
这就要进行均值比较。
以下是进行均值比较及检验的过程:MEANS过程：不同水平下（不同组）的描述统计量，如男女的平均工资,各工种的平均工资。
目的在于比较。
术语：水平数（指分类变量的值数，如sex变量有2个值，称为有两个水平）、单元Cell（指因变量按分类变量值所分的组）、水平组合T test 过程：对样本进行T检验的过程单一样本的T检验：检验单个变量的均值是否与给定的常数之间存在差异。
独立样本的T检验：检验两组不相关的样本是否来自具有相同均值的总体（均值是否相同，如男女的平均收入是否相同，是否有显著性差异）配对T检验：检验两组相关的样本是否来自具有相同均值的总体(前后比较，如训练效果，治疗效果)one-Way ANOVA：一元(单因素)方差分析，用于检验几个（三个或三个以上）独立的组，是否来自均值相同的总体。
(3)、ANOVA Models(方差分析)：方差分析是检验多组样本均值间的差异是否具有统计意义的一种方法。
例如:医学界研究几种药物对某种疾病的疗效；农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响;不同饲料对牲畜体重增长的效果等,都可以使用方差分析方法去解决(4)、Correlate(相关分析)：它是研究变量间密切程度的一种常用统计方法,常用的相关分析有以下几种:1、线性相关分析：研究两个变量间线性关系的程度。
用相关系数r来描述。
2、偏相关分析：它描述的是当控制了一个或几个另外的变量的影响条件下两个变量间的相关性，如控制年龄和工作经验的影响，估计工资收入与受教育水平之间的相关关系3、相似性测度：两个或若干个变量、两个或两组观测量之间的关系有时也可以用相似性或不相似性来描述。
相似性测度用大值表示很相似，而不相似性用距离或不相似性来描述，大值表示相差甚远(5)、Regression(回归分析)：功能:寻求有关联（相关）的变量之间的关系在回归过程中包括：Liner：线性回归;Curve Estimation：曲线估计;Binary Logistic：二分变量逻辑回归;Multinomial Logistic：多分变量逻辑回归;Ordinal 序回归;Probit：概率单位回归;Nonlinear：非线性回归;Weight Estimation：加权估计;2-Stage Least squares：二段最小平方法;Optimal Scaling最优编码回归;其中最常用的为前面三个.(6)、Nonparametric Tests(非参数检验)：是指在总体不服从正态分布且分布情况不明时，用来检验数据资料是否来自同一个总体假设的一类检验方法。
由于这些方法一般不涉及总体参数故得名。
非参数检验的过程有以下几个:1.Chi-Square test 卡方检验2.Binomial test 二项分布检验3.Runs test 游程检验4.1-Sample Kolmogorov-Smirnov test 一个样本柯尔莫哥洛夫-斯米诺夫检验5.2 independent Samples Test 两个独立样本检验6.K independent Samples Test K个独立样本检验7.2 related Samples Test 两个相关样本检验8.K related Samples Test 两个相关样本检验(7)、Data Reduction(因子分析)(8)、Classify(聚类与判别)等等以上就是数值统计分析Analyze菜单下几项用于分析的数值统计分析方法的简介,在我们的变量定义以及数据录入完成后,我们就可以根据我们的需要在以上几种分析方法中选择若干种对我们的问卷数据进行统计分析,来得到我们想要的结果.第四步:结果保存 我们的spss软件会把我们统计分析的多有结果保存在一个窗口中即结果输出窗口(output),由于spss软件支持复制和粘贴功能,这样我们就可以把我们想要的结果复制﹑粘贴到我们的报告中,当然我们也可以在菜单中执行file->save来保存我们的结果,一般情况下,我们建议保存我们的数据,结果可不保存.因为只要有了数据,如果我们想要结果的,我们可以随时利用数据得到结果.总结: 以上便是spss处理问卷的四个步骤,四个步骤结束后,我们需要spss软件做的工作基本上也就结束了,接下来的任务就是写我们的统计报告了.值得一提的是.spss是一款在社会统计学应用非常广泛的统计类软件,学好它将对我们以后的工作学习产生很大的意义和作用.SPSS的问卷分析中一份问卷是一个案，首先要根据问卷问题的不同定义变量。
定义变量值得注意的两点：一区分变量的度量，Measure的值，其中Scale是定量、Ordinal是定序、Nominal是指定类；二 注意定义不同的数据类型Type各色各样的问卷题目的类型大致可以分为单选、多选、排序、开放题目四种类型，他们的变量的定义和处理的方法各有不同，我们详细举例介绍如下： 1 单选题：答案只能有一个选项例一 当前贵组织机构是否设有面向组织的职业生涯规划系统
A有 B 正在开创 C没有 D曾经有过但已中断编码：只定义一个变量，Value值1、2、3、4分别代表A、B、C、D 四个选项。
录入：录入选项对应值，如选C则录入32 多选题：答案可以有多个选项，其中又有项数不定多选和项数定多选。
（1）方法一（二分法）：例二 贵处的职业生涯规划系统工作涵盖哪些组群
画钩时请把所有提示考虑在内。
A月薪员工 B日薪员工 C钟点工编码：把每一个相应选项定义为一个变量，每一个变量Value值均如下定义：“0” 未选，“1” 选。
录入：被调查者选了的选项录入1、没选录入0，如选择被调查者选AC，则三个变量分别录入为1、0、1。
（2）方法二：例三 你认为开展保持党员先进性教育活动的最重要的目标是那三项：1（ ） 2 （ ） 3（ ）A、提高党员素质 B、加强基层组织 C、坚持发扬民主D、激发创业热情 E、服务人民群众 F、促进各项工作编码：定义三个变量分别代表题目中的1、2、3三个括号，三个变量Value值均同样的以对应的选项定义，即：“1” A，“2”B，“3” C，“4” D，“5” E，“6” F录入：录入的数值1、2、3、4、5、6分别代表选项ABCDEF，相应录入到每个括号对应的变量下。
如被调查者三个括号分别选ACF，则在三个变量下分别录入1、3、6。
注：能用方法二编码的多选题也能用方法编码，但是项数不定的多选只能用二分法，即方法一是多选题一般处理方法。
3 排序题： 对选项重要性进行排序例四 您购买商品时在 ①品牌 ②流行 ③质量 ④实用 ⑤价格 中对它们的关注程度先后顺序是（请填代号重新排列） 第一位 第二位 第三位 第四位 第五位编码：定义五个变量，分别可以代表第一位 第五位，每个变量的Value都做如下定义：“1” 品牌，“2” 流行，“3” 质量，“4” 实用，“5” 价格录入：录入的数字1、2、3、4、5分别代表五个选项，如被调查者把质量排在第一位则在代表第一位的变量下输入“3“。
4 选择排序题：例五 把例三中的问题改为“你认为开展保持党员先进性教育活动的最重的目标是那三项，并按重要性从高到低排序”，选项不变。
编码：以ABCDEF6个选项分别对应定义6个变量，每个变量的Value都做同样的如下定义：“1” 未选，“2” 排第一，“3” 排第二，“4” 排第三。
录入：以变量的Value值录入。
比如三个括号里分别选的是 ECF，则该题的6个变量的值应该分别录入：1（代表A选项未选）、1、 3（代表C选项排在第二）、1、2、4。
注：该方法是对多选题和排序题的方法结合的一种方法，对一般排序题（例四）也同样适用，只是两者用的分析方法不同（例四用频数分析、例五用描述分析），输出结果从不同的侧面反映问题的重要性（前一种方法从位次从变量的频数看排序，后一种方法从变量出发看排序）。
5 开放性数值题和量表题：这类题目要求被调查者自己填入数值，或者打分例六 你的年龄（实岁）：______编码：一个变量，不定义Value值录入：即录入被调查者实际填入的数值。
6开放性文字题：如果可能的话可以按照含义相似的答案进行编码，转换成为封闭式选项进行分析。
如果答案内容较为丰富、不容易归类的，应对这类问题直接做定性分析。
三 问卷一般性分析下面具体介绍SPSS中问卷的一般处理方法，操作以版本spss13.0为例，以下提到的菜单项均在Analyze主菜单下1频数分析：Frequencies过程可以做单变量的频数分布表；显示数据文件中由用户指定的变量的特定值发生的频数；获得某些描述统计量和描述数值范围的统计量。
适用范围：单选题（例一），排序题（例四），多选题的方法二（例三）频数分析也是问卷分析中最常用的方法。
实现： Descriptive statistics……Frequencies 2 描述分析：Descriptives:过程可以计算单变量的描述统计量。
这些述统计量有平均值、算术和、标准差，最大值、最小值、方差、范围和平均数标准误等。
适用范围：选择并排序题（例五）、开放性数值题（例六）。
实现： Descriptive statistics……Descriptives，需要的统计量点击按钮Statistics…中选择3 多重反应下的频次分析：适用范围：多选题的二分法（例二）实现：第一步在Multiple Response……Define Sets把一道多选问题中定义了的所有变量集合在一起，给新的集合变量取名，在Dichotomies Counted value中输入1。
第二步在Multiple Response……Frequencies中做频数分析。
4 交叉频数分析：解决对多变量的各水平组合的频数分析的问题适用范围：，适用于由两个或两个以上变量进行交叉分类形成的列联表，对变量之间的关联性进行分析。
比如要知道不同工作性质的人上班使用交通工具的情况，可以通过交叉分析得到一个二维频数表则一目了然。
实现：第一步根据分析的目的来确定交叉分析的选项，确定控制变量和解释变量（如上例中不同工作性质的人是控制变量，使用交通工具是解释变量）。
第二步选择Descriptive statistics……Crosstabs 四 简单图形描述介绍在做上述频数分析、描述分析等分析时就可以直接做出图形，简单方便，同时也可以另外作图。
SPSS的作图功能在菜单Graphs下，功能强大，图形清晰优美。
现在把常用图简单介绍如下1饼图：又称圆图，是以圆的面积代表被研究对象的总体，按各构成部分占总体比重的大小把圆面积分割成若干扇形，用以表示现象的部分对总体的比例关系的统计图。
频数分析的结果宜用饼图表示。
2曲线图：是用线段的升降来说明数据变动情况的一种统计图。
它主要表示现象在时间上的变化趋势、现象的分配情况和2个现象的依存关系等。
3面积图：用线段下的阴影面积来强调现象变化的统计图。
4条形图：利用相同宽度条形的长短或高低表现统计数据大小及变化的统计图。
五 问卷深入分析除了以上简单的分析，spss强大的功能还可以对问卷进行深入分析，比如常用的有聚类分析、交叉分析、因子分析、均值比分析（参数检验）、相关分析、回归分析等。
因为涉及到很专业的统计知识，下面只将个人觉得比较有用的方法的适用范围和分析目的简单做介绍：1聚类分析样本聚类，可以将被调查者分类，并按照这些属性计算各类的比例，以便明确研究所关心的群体。
比如按消费特征对被调查者的进行聚类。
2 相关分析相关分析是针对两变量或者多变量之间是否存在相关关系的分析方法，要根据变量不同特征选择不同的相关性的度量方式。
问卷分析中的多数用的变量都属于分类变量，要采用斯皮尔曼相关系数。
其中可以用卡方检验，其是对两变量之间是否具有显著性影响的分析方法3均值的比较与检验（1）Means过程：对指定变量综合描述分析，分组计算计算均值再比较。
比如可以按性别变量分为男和女来研究二者收入是否存在差距。
（2）T 检验：独立样本t检验用于不相关的样本是否开来自具有相同均值的总体的检验。
比如，研究购买该产品的顾客和不购买的顾客的收入是否有明显差异。
如果样本不独立则要用配对t检验。
比如研究参加职业培训后 工作效率是否提高。
4 回归分析问卷分析中的回归分析常采用的是用离散回归模型，一般是逻辑斯蒂模型，解释一个变量对另一变量的影响具体有多大。
比如，研究对某商品的消费受收入的影响程度。
数据分析师主要做什么
数据分析师指的是行业中，专门从事行业数据搜集理、分析，据数据做出行业研究、评估和预专业人员。
作用越来越多的政府机关、企事业单位将选择拥有数据分析师资质的专业人士为他们的项目做出科学、合理的分析、以便正确决策；越来越多的风险投资机构把数据分析师所出具的数据分析报告作为其判断项目是否可行及是否值得投资的重要依据；越来越多的高等院校和教育机构把数据分析师课程作为其中高管理层及决策层培训计划的重要内容；越来越多的有志之士把数据分析师培训内容作为其职业生涯发展中必备的知识体系。
2工作职责互联网本身具有数字化和互动性的特征，这种属性特征给数据搜集、整理、研究带来了革命性的突破。
以往“原子世界”中数据分析师要花较高的成本（资金、资源和时间）获取支撑研究、分析的数据，数据的丰富性、全面性、连续性和及时性都比互联网时代差很多。
与传统的数据分析师相比，互联网时代的数据分析师面临的不是数据匮乏，而是数据过剩。
因此，互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理。
更为重要的是，互联网时代的数据分析师要不断在数据研究的方法论方面进行创新和突破。
就行业而言，数据分析师的价值与此类似。
就新闻出版行业而言，无论在任何时代，媒体运营者能否准确、详细和及时地了解受众状况和变化趋势，都是媒体成败的关键。
此外，对于新闻出版等内容产业来说，更为关键的是，数据分析师可以发挥内容消费者数据分析的职能，这是支撑新闻出版机构改善客户服务的关键职能。
3要求技能要求1、懂业务。
从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。
2、懂管理。
一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。
另一方面的作用是针对数据分析结论提出有指导意义的分析建议。
3、懂分析。
指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分析。
基本的分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。
高级的分析方法有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。
4、懂工具。
指掌握数据分析相关的常用工具。
数据分析方法是理论，而数据分析工具就是实现数据分析方法理论的工具，面对越来越庞大的数据，我们不能依靠计算器进行分析，必须依靠强大的数据分析工具帮我们完成数据分析工作。
5、懂设计。
懂设计是指运用图表有效表达数据分析师的分析观点，使分析结果一目了然。
图表的设计是门大学问，如图形的选择、版式的设计、颜色的搭配等等，都需要掌握一定的设计原则。
[1]其他要求良好的沟通交流能力，文字语言表达能力，较好的逻辑分析能力；具有独立的产品策划开发能力，项目管理，商务沟通能力；强烈责任心，开放的性格，良好的沟通能力； 擅于协作，具备良好的团队合作精神；能够在压力下开展工作；善于学习。
求 信息论与编码 学习心得
学习信息论与编码感想多媒体信息是未来人类获取信息最主要的载体，因此它已成为目前世界上技术开发和研究的热点。
视频信息作为多媒体信息中最被关注、数据量最大的一员，现在也正面临着一场其意义不亚于从模拟到数字的技术进步革新：从传统的矩形DCT变换编码到根据视频内容、划分对象、分别变换编码的新的编码方法。
一、传统的编码方式传统的视频编码是以视频信号的数字量为编码对象的，与视频信息的内容无关，无论是M-JPEG、MPEG-1还是MPEG-2，都是以DCT矩形变换块为变换编码单元，对DCT块内图像的亮度和色度进行特征取样，提取像素；采用帧间编码、运动估测技术，在参考帧帧内DCT编码的基础上，对DCT块内图像的像素特征进行差值预测编码。
基于矩形DCT编码的视频编码在设计思想上只考虑到对信号数据进行处理的需要（比如小的比特率以利于传输、高的比特率以保证质量），但未考虑视频信息--图像内容本身的含义和重要性，以及视频信息应用者的主观需求（比如部分内容的提取功能）。
另外，这种基?quot;块的压缩算法在低码率时容易产生方块效应和抽帧，大大缩小了视频信息的应用领域。
小波变换是一种新的变换编码方法，它与DCT变换相比，考虑到了视频信号对不同应用环境的自适应性（不同的清晰度与比特率），可以将基础图像层与增强图像层分离编码传输，用户可根据实际情况选择是否打开增强图像层。
但无论用户选择是或否，被传送的视频信息却都是一样的。
二、 基于内容对象的编码1、 VO与VOP概念的引入传统的视频编码方式是将整个视频信号作为一个内容单体来处理，其本身不可再分割，而这与人类对视觉信息的判别法则，也就是大脑对视神经导入的视觉信号的处理方法是完全不同的。
这就决定了我们不可能将一个视频信息完整的从视频信号中提取出来，比如：将加有台标和字幕的视频恢复成无台标、字幕的视频。
解决问题的惟一途径就是在编码时就将不同的视频信息载体--视频对象VO（Video Objects）区分开，独立编码传送，将图像序列中的每一帧，看成是由不同的VO加上活动的背景所组成。
VO可以是人或物，也可以是计算机生成的2D或3D图形。
VO具有音频属性，其属性赋值可能?quot;有或者是无。
但音频的具体内容数据是独立于视频编码、传输的。
VO概念的引入，更加符合人脑对视觉信息的处理方式，并使视频信号的处理方式从数字化进展到智能化。
提高了视频信号的交互性和灵活性，使得更广泛的视频应用和更多的内容交互功能成为可能。
现代图像编码理论指出，人眼捕获图像信息的本质是轮廓－纹理，即人眼感兴趣的是VO的一些表面特性，如形状、运动、纹理等。
VO的表面往往是不规则的、千变万化的，但可将其视为一定视角下，n个形状规则的、具有一定纹理的剖面的组合的连续运动，这些剖面的组合称为视频对象面VOP(Video Object Profile)。
VOP描述了VO在一定视角条件下的表面特性。
VOP的编码主要由两部分组成：一个是形状编码，另一个是纹理和运动信息编码。
VOP纹理编码和运动的预测、补偿在原理上同MPEG-2基本一致，而形状编码技术则是首次应用在图像编码领域。
2、新的编码技术合成VO的独立编码 在以前，2D或3D动画被看作是视频的一部分，并一概以视频的方法来处理。
实际上，根据合成VO的合成机理和特性，大部分合成VO都可以用通用的有关图形文本的多种表达方式来描述。
非复杂性合成VO将被视为一种独立于视频的数据类型来编码，并定义了其描述框架、通用的数据流结构和灵活的接口。
而复杂性合成VO和自然VO的编码方法，将采用以下的编码方法。
基于矩形窗口的VOP分割 考虑到与现有标准的兼容，目前已得到应用的VO编码技术，比如MPEG4，仍采用了基于矩形窗口的内容分割法。
编码时，首先利用像素特征统计，将每一个VOP都限定在一个矩形窗口内，称之为VOP窗口(VOP Window),取窗的原则为：长、宽均为16像素的整数倍（便于对现有标准的兼容和将来的扩展），同时保证VOP窗口中非VOP的宏块数目最少。
目前标准中的视频帧可认为是一个无VOP的特例，在编码过程中将形状编码模块屏蔽掉就可以了。
在一个VOP窗口内，VOP剖面的形状也是采用8×8像素的矩形形状。
针对不同的VOP，可以根据不同的应用场合和运动、变化的特点，采用固定的或可变的VOP帧频（即VOP刷新频率）。
矩形窗口分割法并不能体现VOP的具体形状信息。
为了确认采用矩形窗口分割法的VOP的形状信息，就引入了形状编码技术。
形状编码其实并不是什么新技术，它在计算机图形学、计算机视觉领域早有应用。
而目前的视频编码标准中的位图技术其实就是形状编码的简单特例。
位图采用矩阵的形式来表示二值（0或1）的形状信息，具有较高的编码效率和较低的运算复杂度。
VOP的形状信息有两类：边缘信息和灰度信息。
边缘信息用0、1来表示VOP的形状，0表示非VOP区域，1表示VOP区域。
对于包含一定透明度的VOP区域，可以用灰度信息（取值0～255之间）来表示透明程度，其中0表示完全透明，255表示完全不透明。
对于模糊边缘部分，可将其视为灰度信息从周围已知VOP区域的灰度值向0值的过渡区域，采用内插法确定其形状信息。
基于小波变换的VOP分割 基于矩形窗口的VOP分割依旧存在块效应问题，而基于小波变换的VOP分割则可以很好的解决这个问题，而且由于这种分割方法的本身就包含了VOP的形状信息，所以无需另对形状信息进行判别与编码。
基于小波变换的VOP分割方法是目前最为活跃的视频编码课题研究领域，各种算法不断的被发表，但基本上可以划分为两类方法：1、利用图像灰度特征分割：不同的图像具有不同的灰度分布，利用小波变换，将图像变换到小波域，产生各层、各子带图像。
小波变换后，大部分的能量是集中在低频子带图像上，即大面积的平均灰度区域信息主要在低频子带图像中体现。
根据信息论的原理，确定多个灰度阈值，可以将具有不同灰度的VOP从低频子带图像中分离。
同时再利用高频子带图像以及模糊数学模型，确定每一个VOP的边缘信息。
利用图像灰度特征分割的小波变换，是沿扫描方向的单方向变换。
2、利用图像纹理特征分割：纹理是一种局部特征反复出现的结果，它体现了图像的局部频域信息。
对于一幅数字图像，进行多方向的小波变换是可行的，比如对一帧画面进行垂直方向或对角线方向的小波变换。
经过多种小波变换后可得到不同方向的各子带图像，它们各自蕴涵着不同纹理的局部频谱信息和纹理走向等信息。
对具有相同频谱特征的图像局部进行聚类分析，并根据纹理频谱和纹理走向确定该聚类的纹理边缘。
根据信息论原理和运动估测，将运动矢量具有相关性的聚类二次归类于不同的对象（即VOP），并影射成不同灰度显示。
多级小波变换的结果最多可线性的影射成0～255灰度级显示。
进行小波变换的方向越多，各方向的夹角越小，图像分割也就越准确，但计算量也随之迅速膨胀。
根据局域纹理中心频率的变化自适应地选择小波变换的级数（几个方向的变换）和方向，有助于在图像分割的准确性和计算量之间达到平衡。
正如本文前面所述，人眼捕获图像信息的本质?quot;轮廓－纹理，故基于多方向小波变换的提取图像特征、分割纹理图像的方法符合人眼视觉生理的特点，是纹理图像分析的重要发展方向。
无论是哪一种方法，当得到不同VOP的不同灰度表示之后，通过类似于键技术的多通道处理，即可得到多个原始的彩色VOP。
目前实验表明，基于小波变换的图像分割在边界上仍有些模糊，但总体效果还是相当满意的，达到了分割纹理图像的目的。
VOP运动信息编码和运动补偿 人眼在观看图像时，会自动跟踪人所感兴趣的VOP。
即人看的不是时间轴上的信息，而是VOP的运动轨迹---光流轴上的信息。
光流轴是VOP上的一点在活动图像上的运动轨迹，它在不同的帧中位于不同的空间位置，其意义在于：VOP自身的各种变化都将映射于光流轴上的一点。
光流轴信息的独立编码将带来诸多好处：（1）在编码时，对于刚性VOP，由于它在运动中不会发生形状和纹理上的变化，故该VOP只需要完成一次采样、编码，而后就只需发出几个运动矢量指明它的光流轴即可；对于非刚性VOP，只需在发生变化时才需要重新采样、编码，这就使得不同的VOP采用不同的VOP帧频成为可能，将编码的数据率最低限度的降低。
（2）VOP在运动中的各种变化都将留迹于光流轴，当在进行运动补偿时，比如不同制式之间的转换或者慢动作的制作，就可以根据光流轴映射信息，采用内插法得出时间轴上某一确定点的VOP状态，达到无损转换的目的。
（3）在时间轴上，简单的将一个图像序列的两路信号叠加，随即噪波和图像的活动部分都得不到增强；若在光流轴上进行信号叠加，活动图像的降噪问题就得到了简单解决。
VOP的运动估测是指：分析两个或更多帧上的VOP，确定光流轴，以判断下一帧中VOP可能出现的位置。
VOP的运动补偿是指：根据VOP光流轴的取向和光流轴上VOP自身变化得映射信息，矫正VOP在时间轴上的运动矢量。
运动预测和运动补偿技术可以去除图像信息中的时间冗余成分，VOP的运动信息编码可视为从像素向任意形状的VOP的延伸。
纹理编码 在已得到实际应用的MPEG-4中，VOP的纹理编码基本上仍采用基于8×8像素块的DCT方法，有3种模式：帧内编码模式(I-VOP)、帧间预测编码模式(P-VOP)和帧间双向预测编码模式(B-VOP)。
编码时，对于完全位于VOP内的像素块，则采用经典的DCT方法；对于完全位于VOP之外的像素块则不进行编码；对于部分在VOP内，部分在VOP外的像素块则首先采用图像填充技术来获取VOP之外的像素值，之后再进行DCT编码。
依据视觉特性的纹理编码目前仍处于理论研究阶段，其目标是：建立常见纹理局部特征符号集，定义描述纹理分布、走向的多媒体语言。
以人脸为例：人脸定义参数（FDP）描述了特定人脸纹理形状模型与通用人脸模型之间的差别，通过接收到的各种FDP，能把通用的人脸模型变换成由其形状和纹理确定的特定人脸。
人脸动画参数（FAP）描述了特定的人脸表情与中性表情的变化关系，通过接收到的各种FAP能生成人脸的各种表情以及与声音同步的嘴唇活动等。
这样的合成编码不仅可极大地提高编码效率（可获得1kbps的超低码率），而且为制作新的人脸等对象提供了方便。
分级编码 多媒体的应用场合具有不同的信道带宽、处理能力、显示能力及用户需求，要求在解码端支持时域、空间及质量的上伸缩性，即分级编码。
分级编码可以通过视频对象层VOL(Video Object Layer)的数据结构来实现。
每一种分级编码都至少有2层VOL，低层称为基本层，高层称为增强层。
空间伸缩性可通过增强层强化基本层的空间分辨率来实现，因此在对增强层中的VOP进行解码之前，必须先对基本层中相应的VOP进行解码。
同样对于时域伸缩性，可通过增强层来增加视频序列中某个VO(特别是运动的VO)的帧率，使其与其余区域相比更为平滑。
三、 新的技术标准--MPEG 4首次采用VO编码技术的视频编码标准是由MPEG 4。
MPEG 4于1999年年初正式成为国际标准(标准号为ISO\\\/IEC 14496)，在1999年12月的后继版本中增加了可变形、半透明视频对象及其工具的先进功能，它进一步提高了编码效率，并与第一版反向兼容。
1、MPEG 4标准的构成1） DMIF（The Dellivery Multimedia Integration Framework）：多媒体传送整体框架协议。
MPEG-4标准将众多的多媒体应用集成于一个完整的框架内，旨在为多媒体通信及应用环境提供灵活的算法及工具，用于实现音视频数据的有效编码及更为灵活的存取。
它解决了多领域中多媒体应用个性化交互操作的问题。
2） 解码器：定义了MPEG-4系统特殊的解码模式（SDM），要求特殊的缓冲区和实时模式。
3） 音频编码：支持自然声音和合成声音，支持音频的对象特征。
4） 视频编码：支持自然和合成的视觉对象，合成的视觉对象包括2D、3D动画和人面部表情动画等。
5） 场景描述BIFS（Binary Format for Scene description）：关于一组VO的时空结构关系的参数信息，主要描述了各VO在一具体背景下的相互关系与同步等问题，以及VO及其背景的知识产权保护等问题。
BIFS与VO对象特征信息的编码、传输是相对独立的。
场景描述信息编码及其的独立传输是实现用户端编辑操作的关键：在解码之后和场景合成之前，用户可以通过对BIFS参数的重新设置来对VO 进行多种编辑操作，如增减、缩放、平移，甚至一些特技效果。
下面的表格反映了MPEG体系的部分技术指标。
MPEG-4是高比率有损压缩（比如将一个9 GB的DVD视频压缩拷贝到只有700MB空间的CD-ROM上），其图像质量始终无法与MPEG-2相比。
当MPEG-4与MPEG-2的码率输出相同时，其质量仍稍逊于MPEG-2。
同时，MPEG 4对硬件的要求也较高。
事实上，我们注意到MPEG-4在保证令人满意的图像质量的情况下，更注重较低的数据率和灵活的交互功能。
2、MPEG 4编码器MPEG 4编码简化原理图如图一。
对于输入视频序列，通过分析确认n个视觉目的对象为编码对象，将其认定为n个VO（n=1,2,3…），对每一个VO编码后形成这个VO的VOP数据流。
VOP的编码包括对运动(采用运动预测方法)及形状、纹理(采用变换编码方法)的编码。
由于VOP具有任意形状，因此要求编码方案可以处理形状(Shape)和透明(Transparency)信息，这就是与只能处理矩形帧序列的现有视频编码标准的根本区别。
在MPEG-4中，矩形帧被认为是VOP的一个特例，这时编码系统不用处理形状信息，退化为类似于MPEG-1、MPEG-2的传统编码系统，同时也实现了与现有标准的兼容。
除去VO的其余图像部分--背景，仍采用传统的矩形DCT变换编码；VO场景描述信息（VO自身信息，如VO对象的知识产权、和VO间的位置、逻辑关系等）也要进行编码，最后和VOP流、背景一起送入MPEG 4帧复合器，生成MPEG 4流输出。
需指出的是：在VO分割后，每一个VO都需要一个VOP编码通道，在图一中只画出了一个。
多个VOP帧发生器的输出在MPEG 4帧复合器中可实现灵活地多路复用编码或同步并行传输编码，以适应各种传输环境和要求。
MPEG 4解码是以上编码过程的逆过程。
可以看出，独立于背景的VO编码可以实现接收端的用户对VO对象进行选择性地操作。
3、MPEG 4视频编码功能与特点MPEG 4标准的制定有两个目标：低比特率的多媒体通信和多工业的多媒体通信的综合。
即MPEG-4遵循灵活的编码工具框架体系，设计了一个开放的编码系统，对于不同的应用采用不同的编码算法，以达到低比特率通信的目标。
MPEG-4解码器是可编程的，相应的解码信息可与内容本身一起传输下载。
与现有的MPEG-1和MPEG-2视频压缩相比，MPEG-4视频有一些重要的改进：1）基于内容的交互功能: MPEG-4提供了全新的交互方式，根据制作者的具体自由度设计，在有限的时间内可实现对多媒体VO的时域随机存取（从不同的源获取内容或向不同的源发送内容）、快速搜索、改变场景的视角、改变场景中物体的位置、大小和形状，或对该对象进行置换甚至清除。
2）支持自然及合成信息的混合编码（NHC：Synthetic and Natural Hybrid Coding）：MPEG-4支持合成信息的编码，可对合成的VO及其活动信息进行参数化描述。
对于频繁出现的视觉对象则分别定义了它们的纹理形状和动画参数。
3）高效编码：包括视频VO数据的高效编码和多个并发数据的有效同步编码。
4）基于内容的伸缩性：是指分级编码后，纹理、图像和视频基于内容的伸缩性，视频序列中时域、空间及质量的伸缩性，表现为时域实时或非实时、数据率大小及重建的图像质量上。
5）可变的最终输出：不同的码率意味着支持不同的功能集。
功能集的底层是VLBV核心(VLBV：Very Low Bit Rate Video)，它为最低达5-64kbits\\\/s视频操作与应用提供算法与工具，支持较低的空间分辨率(低于352×288像素)和较低的帧频(低于15Hz)。
VLBV核心功能包括：矩形图像序列的有效编码、多媒体数据库的搜索和随机存取。
MPEG-4的HBV(HBV: High Bit Rate Video,范围在64kbits\\\/s-4Mbits\\\/s之间)同样支持上述功能，但它同时还支持较高的空间与时间分辨率。
其输入可以是ITU-R 601的标准信号，因此其典型应用为数字电视广播与交互式检索。
与MPEG-1和MPEG-2相比，MPEG-4的特点是其更适于交互式AV服务以及远程监控。
MPEG-4是第一个允许用户端操作的的视频编码标准。
MPEG 4的特点非常适合于互联网上的交互式影视服务：可适应各种应用终端的物理网络环境，可实现对视音频内容的交互操作，具有下载解码能力（在一定的硬件基础上，可下载解码工具，对不同编码方式的内容进行解码处理）。
MPEG-4的设计目标还有更广的适应性和可扩展性：因特网多媒体应用、交互式视频游戏、实时可视通信、交互式存储媒体应用、广播电视、演播室技术及电视后期制作、多媒体内容存储和检索、采用面部动画技术的虚拟会议、多媒体邮件、移动通信条件下的多媒体应用、可视化合作实验室场景应用、远程视频监控、通过ATM网络等进行的远程数据库业务等等。
从矩形帧到VOP，MPEG-4顺应了现代图像压缩编码的发展潮流，即从基于DCT的传统编码向基于对象和内容的现代编码的转变。
从这个意义上讲，MPEG-4视频编码技术翻开了图像编码史上崭新的一页。
四、 MPEG 4视频产品在2001 NAB会展上，多家公司推出了他们的MPEG 4产品。
Amnis公司推出了基于IP平台的MPEG4视频流技术，展示了可以重放MPEG1, MPEG2和MPEG4的桌面软件。
Envivo 公司陈列了他们的应用于IP网络或MPEG2节目数据广播的MPEG4端到端解决方案。
该方案是纯软件的，支持视频、音频和合成的2D动画的MPEG4方式编码，以及对MPEG 4文件的版权保护。
Optibase公司推出的MGW系列是一个插件式的多通道流服务器系列，可插入不同的编码模块以适应不同的需求，其中MGW 4000是支持MPEG4（兼容MPEG1和MPEG2）的流服务器。
Optibase还推出了支持多媒体和交互MPEG4流的IP实时编码、分配平台。
最后，Optibase展示了从MPEG 1到MPEG 4的实时转码技术。
Philips 提供了一个从制作到重放的、端到端的网上MPEG-4解决方案：包括互动内容编辑器（支持网上MPEG-4视频流的搜索、剪辑和编辑）、实时软件MPEG-4编码器（甚至支持简单视频和AAC音频的无线编码）、通用多点分配IP平台和解码软件（WebCine' player支持Win95,Win2000和NT操作系统；WinCE用于手提电脑；Trimedia是一个网上广播机顶盒）。
SUN 公司也推出了他们的通用MPEG-4流服务器。
微软在它现在的WIN98和WIN2000操作系统中也已加入了一个MPEG-4的播放器，叫做Divx。
它可以回放仍是以.AVI为后缀的MPEG 4文件。
Divx可以附加到MPEG-4的数据流中，并可以进行设置以适应不同的使用要求。
Divx视频编码技术是由 Microsoft MPEG4 V3 修改而来，使用MPEG 4压缩算法，打破了ASF的种种协定。
但MPEG4毕竟是一种高比率有损压缩，其图象质量始终无法和 DVD 的 MPEG2 相比，即便是在MPEG4码率和DVD码率差不多时，总体效果还是有距离（在杂乱的细节上稍有模糊）。
所以目前的MPEG4 只能面向于娱乐和欣赏方面的市场。
市场上的第一张DIVX-MPEG4格式的影碟《活火熔城》，长98分钟，采用512×288 16:9格式，帧频24帧\\\/秒，64KB立体声音频。
影片由720×480 16:9 30帧\\\/秒的MPEG2制式转刻，刻在单张CD盘片上。
六、结 尾在最后结束本文的时候，作者还想说一些与本文有关的阐述文字。
由于工程实现与商机、市场的原因，我们所获得的工程技术成果经常是落后于科学家已经得心应手、并能信手拈来的实际的最前沿科技成果。
MPEG-4标准即是多因素集合作用的结果，如果不考虑对已有产品的兼容，它还可以做得更好。
VOP编码方式是视频信号处理技术从数字化进入智能化得初探。
另外，已VOP技术为依托，也使得模式识别技术从对符号的识别进入到对图形识别的更新的领域。
资料表明，此类研究已经更进一步的逼近人脑对视觉信息的处理方式。
人类永远不停的在揭示自然界无穷奥妙的同时，也更深入的探索人类自身。
如何自学成为数据分析师
中文专前期要多花点功夫了啊，我是数学专业的，大学做过，所有统计学的东有一些软件多少接触过一点。
建议你自学的话，excel软件和spss先熟悉一下，找两本书看看，《谁说菜鸟不会数据分析》是入门的，可以看一看，先了解一下吧，数据分析的东西还是要多实践的。
如果你现在工作跟数据分析没有什么关系的话，转业工作可能有点困难，这种情况建议去考个证书吧，虽然现在国内数据分析刚起步，还没有太有含金量的证书，不过你这种情况有肯定比没有好，我就去考了一个，考CPDA吧，还有一个CDA，我选考的CPDA，说是CDA国外有机构什么的，但是我找不到任何网站可以查到这个证书，问他们他们也不说，我怕找工作人家要查查不到，但是CPDA工信部网站能查询证书信息的，所以对就业帮助可能会大一些，工作还是有参考作用的，不过指望靠班学到很多还是不可能，只是让你了解入门，手上多个敲门砖。
数据分析属于技术类工种，要多实践，数据采集和挖掘是基础，这些工作门槛比数据分析岗相对低一些，好找，希望对你有帮助。
请问大数据的关键技术有哪些
据关键大数据技术，就是从类型的数据中快得有价值信息的技术。
大数据领域已经涌现出了大量新的技术，它们成为大数据采集、存储、处理和呈现的有力武器。
大数据处理关键技术一般包括：大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘、大数据展现和应用（大数据检索、大数据可视化、大数据应用、大数据安全等）。
一、大数据采集技术数据是指通过RFID射频数据、传感器数据、社交网络交互数据及移动互联网数据等方式获得的各种类型的结构化、半结构化（或称之为弱结构化）及非结构化的海量数据，是大数据知识服务模型的根本。
重点要突破分布式高速高可靠数据爬取或采集、高速数据全映像等大数据收集技术；突破高速数据解析、转换与装载等大数据整合技术；设计质量评估模型，开发数据质量技术。
大数据采集一般分为大数据智能感知层：主要包括数据传感体系、网络通信体系、传感适配体系、智能识别体系及软硬件资源接入系统，实现对结构化、半结构化、非结构化的海量数据的智能化识别、定位、跟踪、接入、传输、信号转换、监控、初步处理和管理等。
必须着重攻克针对大数据源的智能识别、感知、适配、传输、接入等技术。
基础支撑层：提供大数据服务平台所需的虚拟服务器，结构化、半结构化及非结构化数据的数据库及物联网络资源等基础支撑环境。
重点攻克分布式虚拟存储技术，大数据获取、存储、组织、分析和决策操作的可视化接口
