当前社会实践需要具有多元化特征，统计分析科学也不断发展，这样进一步丰富了市场调查数据分析方法，市场调查数据非常丰富，当前无法利用一种数据分析方法分析任何一种数据，选择的数据分析法关系到市场调查结果。本文论述了评价市场调研数据分析中常用的分析方法，进一步保障市场调查结果。评价市场调研数据分析中常用的分析方法
（一）描述性统计分析
描述性统计法分析是分析一组数据的各种
特征，通过描述样本的特征，进而总结所代表的总体特征。在数据分析过程中，描述性统计分析方法主要包括趋势分析和频数分析以及数据数据离散程度分析等，利用这些分析方法，可以进行复杂统计分析工作。我们在数据分析过程中，可以首先利用描述性分析，掌握了规律之后，再利用其他分析方法。利用数据频数分析方式，在数据预处理过程中可以利用频数分析和交叉频数分析等方式，这样有利于检查异常值。利用频数分析方式，可以总结统计规律。利用数据集中趋势分析方法，可以将数据一般水平反映出来，数据集中趋势分析经常会利用平均值和中位数以及众数等常用指标。利用数据离散程度分析方式，可以将数据之间的差异性反映出来，经常会利用方差和标准差等指标。利用方法，可以将数据的波动情况反映出来，显示出数据平均值离散程度，如果一个数据发生变化，方差的最终结果都会受到影响，方差对于整组数据波动都非常敏感，在应用过程中，需要计算整组数据，这样才可以将数据波动准确的表示出来。利用数据分布方式，就是在数据统计分析
工作当中，假设样本的分布情况，这属于正态分布，在生活和科学实验当中，利用正态分布方式可以描述很多随机变量的概率分布情况，例如描述同一个地区人们的身高和体重等，或者描述水果的重量等。总之如果由很多微小随机因素都会影响到一个量，那么这个量是处于正态分布情况。通过绘制统计图，可以利用图形的方式更加清晰的表达数据。
（二）回归分析方法
生的因果联系，这种统计方法主要是预测事物未来发展趋势，可以确定变数定量关系。回归分析法具有较大的运用面，以调查分析过程中涉及到的自变量，分为一元回归分析法和多元回归分析法。判断自变量和因变量的线性关系，可以分成线性回归分析和非线性回归分析。利用回归分析方法，如果只是涉及一个自变量和因变量，那么可以利用一条直线的方式表示自变量和因变量的关系，这就是一元线性回归分析，在回归分析过程中，如果涉及到两个以上的自变量，并且自变量和因变量二者属于线性关系，这就是多元线性回归分析。
利用回归分析发生，首先需要处理分析数
市场调查数据分析的新途径市场调研数据分析方法具有多样性特征，并且当前缺乏完美的市场调研数据分析方法适用于所有的数据，每一种方法都具备各自的特色，在不同的场合当中发挥着不同的作用，并且需要在实践应用过程中不断改进。在今后发展过程中需要进一步完善小样本和含有噪声的市场调查数据分析方法，注重方法的综合，这样才可以更好的适应市场调查数据分析工作的需求。
（一）在市场细分中利用OCA
在市场调查当中利用聚类分析，市场分
析人员可以发现很多细分市场，当前市场调
查过程中利用很多聚类方法，但是这些聚类
分析方式无法将聚类最优个数和变量组成客
观的反映出来。OCA属于非参数聚类方法，
在最优个数和变量组成分析过程中可以利用
OCA。利用OCA，可以自动确定聚类个数，同时具有一定的可观性，最终可以确定最佳聚类方案，利用OCA聚类实施细分市场，这也符合客观发展规律。
（二）细分市场特征分析中利用S-FRI
S-FRI是属于非参数算法的一种，S-FRI可以自动提取数据当中的模糊规则，进而建立模糊模型，模糊规则的生成具有客观性。建立模糊模型过程中，需要实施模糊化和规则归纳以及逆模糊化等方式，S-FRI结合了模糊建模技术和自组织数据挖掘建模技术，因为没有严格限制调查数据，因此可以自动的将细分市场特征提取出来。利用S-FRI虽然可以提取细分市场的独有特征，但是细分市场缺乏明显的差异性，那么就无法保障建模的精度。
（三）在企业评价当中利用AC
AC算法属于一种序列模式识别方法，AC
方法利用序列模式周期性特征，建立相似模式，利用GMDH技术变化相似模式的状态，这样就可以对于当前模式的位置状态进行评价，利用AC方法，可以分了评价企业绩效和信用以及竞争力等方面。在分类评价过程中，利用AC方法选择的样本通常具备相似模式，再分处理待定样本，这样可以将典型样本解释性作用充分的发挥出来，帮助人们思考和决策。对比其他预测模型，AC方法预测输出变量的过程中，不需要预先估计和假设输入变量的发展趋势，主要是由已知数据给出预测。
结语
通过以上综合论述，我国社会经济不断发展，在社会实践需求的影响下，不断发展了多元化和统计分析科学，同时也涌现出各种市场调查数据分析方法，但是现有的数据分析方法都不够完美，并不是任何数据分析都可以应用，因此需要结合实际秦光选择合适的数据分析方法，这样才可以保障市场调查结果的可靠性，将市场调研数据分析的作用充分的发挥出来。