描述性分析
描述性统计
对定量变量进行统计描述，支持按定类或连续维度分组对比；连续分组变量自动分箱为区间，并输出各组合计贡献占比。
这篇能回答什么
描述性统计回答的是「这个定量变量整体长什么样，分组之后各组又长什么样」。它报告有效样本量、最大值与最小值、均值、标准差、中位数、方差、偏度、峰度与变异系数；指定分组变量后，再给出各组样本量占比、合计以及该组合计占总体合计的组间份额。
适合：考试成绩、产量、金额、时长、量表总分等连续或高基数定量。用来检查分布是否偏斜、组间水平是否接近，并为 t 检验、方差分析或回归做前置描述。分组项可以是性别、部门这类定类变量，也可以是单价、金额这类高基数连续变量——后者会自动等距分成约 10 个区间后再汇总。
如何选择方法
先分清你要的是定量分布摘要、单变量类别构成，还是组间推断。只报告均值、标准差、分位与形态时用描述性统计；只清点各类人数时用频数；要判断组间均值是否显著不同时，先看正态与方差齐性，再选参数或非参数检验。
描述性统计：1–10 个定量分析变量，0–2 个分组变量；输出集中趋势、离散程度、形态与组间份额。
频数分析：定类或低基数离散变量的各类频数与占比，不把连续值当成类别清点。
分类汇总：以定类为分组键，在组内计算求和、均值、计数等聚合指标。
正态性检验：判断定量变量是否近似服从正态分布，为后续参数检验做前提检查。
独立样本 t 检验 / 方差分析：推断两组或多组均值差异是否达到统计显著。
输入、输出与限制
输入
一个或多个定量变量作为分析项；可选一个或最多两个定类、定量或时间变量作为分组项。连续高基数的分组项将自动分箱为区间。
分析变量：最少 1 个，最多 10 个（定量变量）。
分组变量：最少 0 个，最多 2 个（定类 / 定量 / 时间序列）。
输出
全样本或各分组下的核心统计量对比表：样本量、最大/最小值、均值、标准差、中位数、方差、峰度、偏度、变异系数；分组时另含样本量占比、合计与组间份额。同时输出分面五数概括箱线图（箱体为四分位距，须线为观测最小/最大值，点为均值）与文字洞察。
产品限制
高基数数值分组项会等距分成约 10 个区间后再汇总。
分组组合过多时，表格与图最多保留约 12 组，其余按合计贡献或样本量截断；完整数字以结果表为准。
分布直方图最多使用 50 个分箱，避免长尾把箱子切得过碎。
看起来像编号 / ID 的列会直接拒绝，不能当作分析变量或分组变量。
这些上限来自 StatsX 实现，不是其它软件的默认分箱数。
案例
研究问题。 一份学生成绩表记录了语文、数学、英语、物理分数以及性别。研究者想先看男女生在各科上的平均水平、离散程度与分布形态是否接近，再决定是否做组间检验。
教学示例来自定量成绩表，工作表为「Sheet1」。以数学成绩为例，女生有效样本量 407、男生 383，两组合计 790。女生数学均值为 75.366，男生为 74.58。下载后可在工作台按同样变量复现本页表格。
在 StatsX 中操作
步骤 1 · 上传表格
打开工作台，将 Excel / CSV / JSON 拖入上传区。本案例使用定量成绩 xlsx，确认工作表为「Sheet1」。单文件不超过 20 MB。
步骤 2 · 查看画像与质量
在列画像中确认语文、数学、英语、物理为定量，性别为定类，缺失可接受。不要把编号列拖进分析变量。
步骤 3 · 选择「描述性统计」
在算法目录搜索「描述」，点选描述性统计。适合/可用标记仅供参考，仍以研究问题为准。
步骤 4 · 指定变量并运行
分析变量勾选数学成绩、物理成绩、英语成绩、语文成绩（最多 10 个）。把性别放到分组变量（最多 2 个）。点击运行分析。
步骤 5 · 阅读结果
先核对各组有效 N，再看均值与中位数是否接近、标准差与 CV、偏度峰度，最后读箱线图与洞察。图若发生截断，完整数字以结果表为准。
如何阅读输出
下表由同一份教学示例在 StatsX 中运行描述性统计得到。各科按列删除缺失，因此同一性别下四科的样本量不必相同。以数学成绩为例，女生 N=407（样本量占比 51.52%），男生 N=383（48.48%）；女生均值 75.366、标准差 13.915，男生均值 74.58、标准差 14.144。组间份额是该组合计占该科总合计的比例，不是人数占比。
| 分组项 | 变量名 | 样本量 | 最大值 | 最小值 | 平均值 | 标准差 | 中位数 | 方差 | 峰度 | 偏度 | 变异系数（CV） | 样本量占比(%) | 合计 | 组间份额(%) |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 女 | 数学成绩 | 407 | 100 | 28.5 | 75.366 | 13.915 | 75.7 | 193.621 | -0.242 | -0.282 | 0.185 | 51.52 | 30674 | 51.78 |
| 女 | 物理成绩 | 410 | 100 | 40.1 | 74.472 | 13.352 | 74.4 | 178.274 | -0.383 | -0.054 | 0.179 | 51.9 | 30533.7 | 51.68 |
| 女 | 英语成绩 | 407 | 100 | 27.9 | 74.471 | 13.967 | 74.2 | 195.072 | -0.241 | -0.188 | 0.188 | 51.52 | 30309.6 | 51.64 |
| 女 | 语文成绩 | 409 | 100 | 30.1 | 74.081 | 14.864 | 74.7 | 220.924 | -0.353 | -0.292 | 0.201 | 51.77 | 30299.3 | 51.26 |
| 男 | 数学成绩 | 383 | 100 | 35.1 | 74.58 | 14.144 | 74.4 | 200.049 | -0.347 | -0.121 | 0.19 | 48.48 | 28564.1 | 48.22 |
| 男 | 物理成绩 | 380 | 100 | 32.1 | 75.135 | 14.634 | 76.3 | 214.154 | -0.359 | -0.264 | 0.195 | 48.1 | 28551.4 | 48.32 |
| 男 | 英语成绩 | 383 | 100 | 34.9 | 74.099 | 14.904 | 74.9 | 222.118 | -0.691 | -0.102 | 0.201 | 48.48 | 28379.9 | 48.36 |
| 男 | 语文成绩 | 381 | 100 | 37.1 | 75.631 | 13.772 | 76 | 189.673 | -0.281 | -0.173 | 0.182 | 48.23 | 28815.4 | 48.74 |
左右滑动可查看完整表格
【语文成绩头部集群贡献】按语文成绩绝对值合计（绝对值合计）降序，前20%分组（1/2）累计组间份额=51.26%（pareto_head_share，基于全量分组，share_basis=absolute_magnitude）。
解读顺序建议：有效 N → 均值与中位数是否接近 → 标准差 / CV → 偏度与峰度 → 若有分组，再看组间份额而不是把全样本均值套到每一组。本案例男女数学均值只相差约 0.786 分，偏度接近 0，不宜把微小均值差直接写成「差异明显」；若要推断总体组间差异，应继续做 t 检验或方差分析。
理论与公式
设定量变量 X 在某组（或全样本）内有 n 个有效观测。样本均值、无偏样本方差与标准差定义为：
变异系数 CV 为标准差与均值之比，便于比较量纲不同的变量。峰度为超额峰度（正态分布为 0）。指定分组后，组 g 的样本量占比与组间份额为：
其中 S_g 为组内合计。高基数数值分组项先等距分成约 10 个区间，再在区间内计算上述统计量。直方图最多 50 箱，用于观察分布形状，不改变表中的均值与标准差。
注意事项
百分比与统计量的分母是该变量删除缺失后的有效 N，不同分析变量、不同分组的 N 可能不同。
组间份额是合计贡献，不是人数占比；解释「谁贡献更多」时要同时看 N 与合计。
均值对极端值敏感：若均值与中位数差距大，应在箱线图中核对着须与离群点。
描述结果不能代替假设检验：看到组间均值不同，仍需用 t 检验或方差分析判断是否超出抽样波动。
连续分组变量的区间是等距分箱结果，不是业务自定义档位；写论文时应说明分箱规则。
编号列、准标识符会被拒绝，不要靠改列名绕过。
常见问题
参考文献
贾俊平. 统计学[M]. 第8版. 北京: 中国人民大学出版社, 2021.
袁卫, 庞皓, 贾俊平, 杨庆祥. 统计学[M]. 第5版. 北京: 高等教育出版社, 2019.
Tukey, J. W. Exploratory Data Analysis. Addison-Wesley, 1977.
Wilkinson, L. et al. Statistical Methods in Psychology Journals. American Psychologist, 1999, 54(8): 594–604.