1、2.1数据数据（Data）(一一)什么是数据？什么是数据？n数据是为了表述和解释现实问题所收集数据是为了表述和解释现实问题所收集的事实依据。的事实依据。nData are the facts and figures that are collected,analyzed,and summarized for presentation and interpretation.n统计数据是统计变量的取值。统计数据是统计变量的取值。数据和变量类型数据和变量类型数据的类型数据的类型定类数据定序数据定性数据定量数据定距数据定比数据定性变量AttributeCategorical定量变量Numerical变
2、量类型（二）统计数据的类型（二）统计数据的类型统计数据的类型统计数据的类型按测量尺度按测量尺度按收集方法按收集方法按时间状况按时间状况定定类类数数据据定定序序数数据据数数值值型型数数据据观观测测数数据据实实验验数数据据截截面面数数据据序序时时数数据据（二）统计数据的类型（二）统计数据的类型n按按测量尺度测量尺度，数据可以分为定类，数据可以分为定类/分类分类/名义数据名义数据（nominal、categorical data）、定序）、定序/顺序数据顺序数据（Ordinal、rank data）、数值型数据（）、数值型数据（metric data）；n按按数据的收集方法数据的收集方法，可以将其分
3、为观测数据，可以将其分为观测数据（observational data）和实验数据）和实验数据（experimental data）。）。n按按时间状况时间状况，统计数据可分为截面数据（，统计数据可分为截面数据（cross-sectional data）和时间序列数据（）和时间序列数据（time series data）。）。1、定类、定类/分类分类/名义数据名义数据（Nominal/categorical data）n只能只能归于某一类别的非数字型数据归于某一类别的非数字型数据；n分类变量的取值就是分类数据分类变量的取值就是分类数据；n分类数据表现为类别，是用文字或字符来表达的。分类数据表现
4、为类别，是用文字或字符来表达的。例：债券可以分为国家债券、地方债券、金融债券、例：债券可以分为国家债券、地方债券、金融债券、政府机构债券、企业债券（含公司债券）和国际政府机构债券、企业债券（含公司债券）和国际债券。债券。2、定序、定序/顺序数据顺序数据（Ordinal/rank data）n顺序数据只能归于某一有序类别的非数字顺序数据只能归于某一有序类别的非数字型数据型数据 n它也是对事物进行分类的结果，但这些类它也是对事物进行分类的结果，但这些类别是有顺序的。别是有顺序的。n疗疗 效：效：痊愈、显效、有效、无效、恶化痊愈、显效、有效、无效、恶化n化验结果：化验结果：、+、+n体格发育：体格发
5、育：下等、中下、中等、中上、上等下等、中下、中等、中上、上等n心功能分级：心功能分级：I、II、IIIn营养水平：营养水平：差、一般、好差、一般、好3、数值型数据、数值型数据n使用使用度量衡单位度量衡单位对事物进行对事物进行测量的结果测量的结果，其结果表现为其结果表现为具体的数值具体的数值。n例如：例如：2005年我国货币供应量中，年我国货币供应量中，M0 达到达到2.4万亿元，万亿元，M1 达到达到10.7万亿元，万亿元，M2 达到达到29.9万亿元。万亿元。n分类数据、顺序数据说明事物的品质特征，分类数据、顺序数据说明事物的品质特征，通常用文字来表述，其结果表现为类别，通常用文字来表述，其
6、结果表现为类别，也可统称为定性数据、品质数据也可统称为定性数据、品质数据（qualitative data）。）。n数值型数据表示事物的数量特征，定量数数值型数据表示事物的数量特征，定量数据或数量数据（据或数量数据（qualitative data）。）。n对不同类型的数据，采用的统计方法可能对不同类型的数据，采用的统计方法可能有所不同有所不同。4、截面数据、截面数据(cross-sectional data)在相同或近似相同的时间点上收集的数在相同或近似相同的时间点上收集的数据据描述现象在某一时刻的变化情况描述现象在某一时刻的变化情况比如，比如，2002年我国各地区的国内生产总年我国各地区的
7、国内生产总值数据值数据4、时间序列数据、时间序列数据(time series data)在不同时间上收集到的数据在不同时间上收集到的数据描述现象随时间变化的情况描述现象随时间变化的情况比如，比如，1996年至年至2002年国内生产总值数年国内生产总值数据据12数据的间接来源13系统外部的数据1.统计部门和政府部门公布的有关资料，如各类统计年鉴2.各类经济信息中心、信息咨询机构、专业调查机构等提供的数据3.各类专业期刊、报纸、书籍所提供的资料4.各种会议，如博览会、展销会、交易会及专业性、学术性研讨会上交流的有关资料5.从互联网或图书馆查阅到的相关资料 系统内部的数据1.业务资料，如与业务经营活
8、动有关的各种单据，记录2.经营活动过程中的各种统计报表3.各种财务，会计核算和分析资料等二手数据的特点1.搜集容易，采集成本低2.作用广泛分析所要研究的问题提供研究问题的背景帮助研究者更好地定义问题检验和回答某些疑问和假设寻找研究问题的思路和途径3.搜集二手资料在研究中应优先考虑二手数据的评估1.数据是谁搜集的？可信度评估2.为什么目的而搜集的？3.数据是怎样搜集的？4.什么时候搜集的？数据的直接来源18数据的直接来源(原始数据)1.调查数据通过调查方法获得的数据通常是对社会现象而言通常取自有限总体 2.实验数据通过实验方法得到的数据通常是对自然现象而言 也被广泛运用到社会科学中n如心理学、教
9、育学、社会学、经济学、管理学等 2.2 统计数据的特点n1、客观性：具体存在的事实n2、总体性：统计研究的结论是在对现象进行了大量观察和综合分析之后得出的。结论只对总体有效，而对个体则不一定是有效的。统计研究现象总体的数量特征，主要是加强对现象规律的认识。n3、数量性：统计数据一般都是数量化的信息，通过量反映现象的质。所以统计数据总是客观的、具体的、也是最具有说服力的。n4、扩展性：在时间、空间、总体内部结构上和现象之间的相互关联等方面进行扩展。2.2 2.2 调查数据调查数据 （数据调查方式）（数据调查方式）指直接从各调查指直接从各调查单位收集的用来单位收集的用来反映反映个体个体特征的特征的
10、数据资料数据资料收集收集原始数据资料原始数据资料 的统计活动过程的统计活动过程按调查单位的范围大小分为按调查单位的范围大小分为按调查时间是否连续分为按调查时间是否连续分为按调查的组织方式不同分为按调查的组织方式不同分为普查普查抽样调查抽样调查典型调查典型调查重点调查重点调查 指按照国家统一规定的各项要求，指按照国家统一规定的各项要求，地定期向国家和主管部门地定期向国家和主管部门报送基本统计资料的一种报告制度报送基本统计资料的一种报告制度总体单位总体单位调查单位调查单位总体单位总体单位调查单位调查单位报表制度报表制度可以全面调查，但可以全面调查，但通常是调查限定规通常是调查限定规模以上的总体单位
11、模以上的总体单位总体单位总体单位调查单位调查单位普普 查查对全部单位对全部单位进行调查进行调查总体单位总体单位调查单位调查单位重点调查重点调查只调查重点单位（单位只调查重点单位（单位数不多但其标志量占标数不多但其标志量占标志总量比重较大的单位）志总量比重较大的单位）总体单位总体单位调查单位调查单位典型调查典型调查对典型单位进行调对典型单位进行调查，典型单位的选查，典型单位的选择并不一定按规模择并不一定按规模总体单位总体单位调查单位调查单位抽样调查抽样调查（狭义）（狭义）按随机原则选择调按随机原则选择调查单位，各单位被查单位，各单位被选中的机会相同。选中的机会相同。362.3 抽样方法概率抽样和
12、非概率抽样37概率抽样和非概率抽样概率抽样和非概率抽样概率抽样概率抽样1.也称随机抽样n2.特点：按随机原则抽取样本个体都有一定的机会被抽中个体被抽中的概率是已知的 样本可以对总体目标量进行估计3.抽样框：所有总体单位信息简单随机抽样简单随机抽样n定义:从总体中随机地抽取n个单位作为样本，每个单位入抽样本的概率是相等的n最基本的抽样方法，是其它抽样方法的基础n 在某城市某街道所管辖的10000户居民中，抽取200户居民，就居民对某种商品的需求量进行调查，就可以做10000张纸片，写上1-10000号，从中随机（或按随机数）抽取200张，被抽中的居民即为样本。简单随机抽样例子简单随机抽样例子n特
13、点简单、直观对参数进行估计比较方便n局限性当总体量很大时，不易构造抽样框抽出的单位很分散没有利用其它辅助信息分层抽样n 将抽样单位按某种规则划分为不同的层，然后从不同的层中独立、随机地抽取样本。分层抽样的步骤n（）确认目标总体。n（）决定样本数。n（）决定分层标志。n（）将总体按照分层标志分成若干类，其中每一类称为一层。n（）在每一层中随机抽取出足够的样本。消费倾向调查n 在进行消费倾向调查时，按年龄将调查人口分为老年人、中年人、青年人三类。总调查人口6000人，其中：老年人1000人，中年人2000人，青年人3000人。现从中抽取200人。n 问题：如采用等比例分层抽样，如何确定样本数量？1
14、000200 336000=老年类抽取样本数20002006000=67中年类抽取样本数青年类抽取样本数30002006000=100调研某地家用电器产品的潜在用户家庭收入分层 各层调研单位数各层的样本标准差乘积样本单位数高中低合计20006000120002000030020050600000120000060000024000005010050200分层抽样的优点n优点优点样本的结构与总体的结构比较相近既可以对总体参数进行估计，也可以对各层的目标量进行估计整群抽样n定义：将总体中若干个单位合并为群，抽样时直接抽取群，然后群中的所有个体全部实施调查n特点：只需群的抽样框，可简化工作量调查的地
15、点相对集中缺点是估计的精度较差n 抽取2000个样本。假定该市共有1000个居委会，每一个居委会平均有100户居民。这样，就可以居委会为单位，采用纯随机抽样抽出20个居委会，共2000户，然后把这20个居委会的2000户视为样本进行普查。调查某城市居民户的经济情况调查某城市居民户的经济情况整群抽样与分层抽样的区别整群抽样与分层抽样的区别n1、分层抽样分成的各类彼此之间差异明显，而每类内部差异不大；n2、整群抽样的群间彼此差异不大，而每群之内差异明显。n3、分层抽样每类都按一定比例抽取样本，而整群抽样是从总群中抽出若干群系统抽样n定义：将个体按一定顺序排列，在规定的范围内随机地抽取一个单位作为初
16、始单位，然后按事先规定好的规则确定其它样本单位n优点：操作简便n缺点：对总体参数的估计比较复杂n（）将总体单位排列。n（）决定抽样间距（总体单位数样本数）。n（）采用简单随机抽样法抽出一个单位作为起点。n（）取得一个样本单位后，每隔一个抽样间距抽n 取一个单位，直到样本数足够为止。系统抽样的步骤系统抽样的步骤系统抽样例子n 对1000个企业进行抽样调查，样本数为100，则抽样时间距为1000/100=10。我们可在1-10中随机抽取一个单位，作为起点。譬如，单位 3 为起点，则样本单位号码依次为3，13，23，33，直至样本数量达到100个为止。多阶段抽样1.要经历两个或以上阶段才能抽到样本2
17、.具有整群抽样的优点3.具有更广泛的范围4.常用于大规模的抽样调查中非概率抽样(non-probability sampling)1.相对于概率抽样而言2.抽取样本时不是依据随机原则，而是根据研究目的对数据的要求，采用某种方式从总体中抽出部分单位对其实施调查3.有方便抽样、判断抽样、自愿样本、滚雪球抽样、配额抽样等方式 方便抽样1.调查过程中由调查员依据方便的原则，自行确定入抽样本的单位调查员在街头、公园、商店等公共场所进行拦截调查厂家在出售产品柜台前对路过顾客进行的调查2.优点：容易实施，调查的成本低3.缺点：样本单位的确定带有随意性，样本无法代表有明确定义的总体，调查结果不宜推断总体判断抽
18、样1.研究人员根据经验、判断和对研究对象的了解，有目的选择一些单位作为样本有重点抽样，典型抽样，代表抽样等方式2.判断抽样是主观的，样本选择的好坏取决于调研者的判断、经验、专业程度和创造性3.抽样成本比较低，容易操作4.样本是人为确定的，没有依据随机的原则，调查结果不能用于对推断总体自愿样本1.被调查者自愿参加，成为样本中的一分子，向调查人员提供有关信息例如，参与报刊上和互联网上刊登的调查问卷活动，向某类节目拨打热线电话等，都属于自愿样本2.自愿样本与抽样的随机性无关样本是有偏的不能依据样本的信息推断总体滚血球抽样1.先选择一组调查单位，对其实施调查之后，再请他们提供另外一些属于研究总体的调查
19、对象，调查人员根据所提供的线索，进行此后的调查。这个过程持续下去，就会形成滚雪球效应2.适合于对稀少群体和特定群体研究3.优点：容易找到那些属于特定群体的被调查者，调查的成本也比较低配额抽样1.先将体中的所有单位按一定的标志(变量)分为若干类，然后在每个类中采用方便抽样或判断抽样的方式选取样本单位2.操作简单，可以保证总体中不同类别的单位都能包括在所抽的样本之中，使得样本的结构和总体的结构类似3.抽取具体样本单位时，不是依据随机原则，属于非概率抽样 概率抽样与非概率抽样的比较1.概率抽样依据随机原则抽选样本样本统计量的理论分布存在可根据调查的结果推断总体2.非概率抽样不是依据随机原则抽选样本样
20、本统计量的分布是不确定的无法使用样本的结果推断总体62n抽样方法的选择不能一概而论，可以是各种抽样方法的组合。首先要考虑样本对总体的代表性，还要根据客观情况考虑方便性、可行性和经济性。这些抽样方法的选择多半是种艺术，而不是科学。n问卷的设计，调查的过程预调查（pilot study）n严防作假抽样方法简简单单随随机机抽抽样样分分层层抽抽样样整整群群抽抽样样系系统统抽抽样样多多阶阶段段抽抽样样概概率率抽抽样样方方便便抽抽样样判判断断抽抽样样自自愿愿样样本本滚滚雪雪球球抽抽样样配配额额抽抽样样非非概概率率抽抽样样抽抽样样方方式式实验租和对照组1.将研究对象分为两组：实验组和对照组2.实验组和随机组
21、的产生应遵循随机原则，而且应该匹配匹配指对实验单位的背景材料进行分析比较，将情况类似的每对单位分别随机地分配到实验组和对照组实验中的若干问题1.人的意愿研究的对象是人的时候，在划分实验组和对照组时的随机原则将面临挑战2.心理问题 人们对被研究非常敏感，这使得他们更加注意自我，从而走到事物的另一个极端 3.道德问题 当某种实验涉及道德问题时，人们会处于进退两难的尴尬境地 实验中的统计1.实验设计本身就是一个统计问题2.确定进行实验所需要的单位的个数，以保证实验可以达到统计显著的结果3.将统计的思想融入到实验设计中，使实验设计符合统计分析的标准4.对实验数据进行分析时，统计可以提供最恰当的分析方法
22、 数据的误差抽抽样样误误差差抽样框误差回答误差无回答误差调查员误差非非抽抽样样误误差差数数据据的的误误差差抽样误差(sampling error)1.由于抽样的随机性所带来的误差 2.所有样本可能的结果与总体真值之间的平均性差异 3.影响抽样误差的大小的因素样本量的大小总体的变异性非抽样误差(non-sampling error)1.相对抽样误差而言2.除抽样误差之外的，由于其他原因造成的样本观察结果与总体真值之间的差异3.存在于所有的调查之中概率抽样，非概率抽样，全面性调查4.有抽样框误差、回答误差、无回答误差、调查员误差、测量误差误差的控制1.抽样误差可计算和控制2.非抽样误差的控制调查员的挑选调查员的培训督导员的调查专业水平调查过程控制n调查结果进行检验、评估n现场调查人员进行奖惩的制度统计数据的质量要求n1.精精 度：度：最低的抽样误差或随机误差n2.准准 确确 性：性：最小的非抽样误差或偏差n3.关关 联联 性：性：满足用户决策、管理和研究的需要n4.及及 时时 性：性：在最短的时间里取得并公布数据n5.一一 致致 性：性：保持时间序列的可比性n6.最低成本：最低成本：以最经济的方式取得数据
