描述统计（实现对表格中变量的各种类型的描述统计）

（1）频率：实现某一变量的频率统计，统计显示可以显示其平均值等等，可以选择用条形图或者什么其他图形进行描述，比如对于各个部门的工资可以进行分部门描述各个部门工资平均值或者其所占整体比率。通过频数分布表、直方图，以及集中趋势和离散趋势的各种统计量，描述数据的分布特征。

（2）描述：实现某一变量的具体描述，比如具体描述某一变量的平均值，峰值，中位数等等，对于上述的频率则是注重于该变量某属性所占份额即频率的描述。通过描述性统计，可以计算描述数据的集中趋势和离散趋势的各种统计量，还可以做标准化变换(变成均值为0，方差为1的数据

（3）探索：实现分因子列表对因变量列表的描述，例如可以实现分分部门（此时部门为因子列表中元素），对各个部门的工资进行画直方图，茎叶图或者进行相关数据的统计操作，且一次操作可以达到显示所有部门的效果。通过探索性分析，可以判断数据有无离群点(outliers)， 极端值(extreme values); .

进行正态分布检验和方差齐性检验;了解数据指标之间差异的特征。

关联性中的相关分析探讨

相关分析探讨数据之间是否具有统计学上的关联性。这种关系既包括两个数据之间的单一相关关系——如年龄与个人领域空间之间的关系，也包括多个数据之间的多重相关关系——如年龄、抑郁症发生率、个人领域空间之间的关系；既包括A大B就大(小)，A小B就小(大)的直线相关关系，也可以是复杂相关关系（A=Y－B*X）；既可以是A、B变量同时增大这种正相关关系，也可以是A变量增大时B变量减小这种负相关，还包括两变量共同变化的紧密程度——即相关系数。实际上，相关关系唯一不研究的数据关系，就是数据协同变化的内在根据——即因果关系。获得相关系数有什么用呢？简而言之，有了相关系数，就可以根据回归方程，进行A变量到B变量的估算，这就是所谓的回归分析，因此，相关分析是一种完整的统计研究方法，它贯穿于提出假设，数据研究，数据分析，数据研究的始终。