定量分析是对事物或事物的各个组成部分进行数量分析的一种研究方法。依据统计数据，建立数学模型，并用数学模型计算出研究对象的各项指标及其数值。常见的定量分析法包括比率分析法、趋势分析法、数学模型法等等。
六种定量分析的目的和常用方法：
1.描述性分析旨在用精确的数学语言描述目标人群的特征或行为及态度，经常用频数分布、均值、众数等。
2.差异性分析旨在识别两组或多组用户之间的差异，例如现有用户和潜在用户、不同的细分市场、不同年龄段等，经常用交叉、卡方、判别分析等。
3.定位分析旨在探索一个或多个品牌在消费者心智中的位置，也经常用于探索市场中诸多的利益点/产品特性与多个品牌的相对位置，经常用对应分析和MDS（多维尺度分析）。
4.分类分析本质是降维，意味着我们用更简单的方式理解复杂的变量，例如用户细分，诸多的变量重新组合成关键的因子等，经常用因子和聚类。
5.关系分析旨在测试两组属性是否相关，但没有说明关系的方向，例如X和Y相关，但不清楚X预测Y还是Y预测X，经常用相关分析、卡方检验等。
6.预测分析意味着两种属性不但相关，而且方向明确，能够建立Y=f(x)，这里最常用的就是各种回归，更强大也更挑战的是联合分析（包括DCM）
定量分析作为一种重要的研究方法，具有显著的优点和不可忽视的缺点
优点方面
样本量大，调查范围广泛，主题多样，便于归纳结论；
方便快捷，信息收集过程自动化程度高，通过数字和移动设备，可以让各地受访者同时参与调查，快速拿到结果；
客观精准，数据来源于封闭信息，不受人为干预和研究人员的主观影响，所以变数少，客观性更强；
数据清晰展现，不需要主观猜断，可以为客户提供明确的决策方向；
数据具有一定代表性，在一定条件下可以判断整体市场的情况；
单样本成本较低，因为执行方式的差异，定量研究的人均成本会远远低于定性研究；
此外，定量分析还具有精确度高、针对性强、可比性好和可重复性好等优点，使得分析结果更加直观易懂
缺点方面
定量分析可能简化社会现象，忽视背后的实际原因和非定量因素。同时，技术难度高，需要专业的计算机编程和数学技能。数据收集或整理过程中的错误可能导致结果的不准确或误导
1
定量分析步骤：
定量分析主要分为两大阶段：量化阶段和分析阶段，量化阶段的内容上文已经讨论过在这里就不再赘述，我们直接来研究分析阶段。
当通过量化阶段完成了预期的数据收集后，就必须面对这些数据如何预处理的问题，这个过程需要耗费大量的时间，当然这也是大数据时代所面临的主要课题。在技术短时间内无法突破的情况下，可以通过一个系统的步骤来提高效率。
制定一个分析计划
在我个人的工作习惯中，我一直倾向于在分析开始之前先做一个时间计划，预估接下来会在什么时间点进行哪些步骤，每个步骤预计花费多少时间。
在实际的项目中，我们往往不是像kaggle竞赛那样直接拿到一个完整的数据集或者等所有的数据收集结束之后才开始分析工作，更多情况需要我们在数据收集过程中就逐步开始分析，在这样的情况下管控好各类数据到位的时间节点和分析工作的时间节点，是避免重复劳动的有效手段（当然也并非必须）。
制定一个分析框架
分析框架有很多，时下比较普遍的框架是这样的：
值得一提的是，第2、3、4步将会是一个循环往复的过程，模型所得的结果达不到预期时，就必须回到第3步去调整或者更换模型，预先处理好的数据此时可能就需要重新准备。实际项目中，这几个步骤重复多次是非常常见的事情。
了解数据
了解数据又称为数据探索，这个过程在分析中非常重要，了解数据集，对于接下来构造什么样的特征、选取什么样的模型都起到至关重要的作用。当然这个探索过程也不仅仅只是简单的弄清楚数据集里每一个字段所代表的意思，还需要考察数据的分布、缺失值等各项指标，才算是对数据集有了一个初步的认识。
转自蓝境数据微信公众号，仅作学习交流，如有侵权，请联系本站删除！
