第一章 數(shù)據(jù)收集(管理統(tǒng)計(jì)學(xué)-中國(guó)科大,萬(wàn)紅燕)

1、2022-4-272022-4-27第一章第一章 數(shù)據(jù)收集數(shù)據(jù)收集 收集數(shù)據(jù)時(shí)需考慮的問(wèn)題是： 相關(guān)總體 數(shù)據(jù)來(lái)源 提問(wèn) 調(diào)查中的偏差 數(shù)據(jù)的類型2022-4-272022-4-27相關(guān)總體相關(guān)總體 總體是我們要調(diào)查或統(tǒng)計(jì)的某一現(xiàn)象的全部數(shù)據(jù)的集合。 要明確向什么總體收集數(shù)據(jù)，因?yàn)閿?shù)據(jù)收集是花錢花時(shí)間有代價(jià)的。 數(shù)據(jù)的一種描述性的定義為：可以由它作出推斷的已知事情或事物。 數(shù)據(jù)有各種不同的表達(dá)形式 對(duì)決策者而言，數(shù)據(jù)的質(zhì)量是一個(gè)最大的問(wèn)題。2022-4-272022-4-27數(shù)據(jù)來(lái)源 數(shù)據(jù)可分為兩大來(lái)源：原始數(shù)據(jù)和二手?jǐn)?shù)據(jù) 原始數(shù)據(jù)是直接向調(diào)查對(duì)象收集的數(shù)據(jù)。 其特點(diǎn)是為指定目的而收集。 二手

2、數(shù)據(jù)是收集已經(jīng)加工、整理過(guò)的數(shù)據(jù)。 二手?jǐn)?shù)據(jù)大部分來(lái)自官方統(tǒng)計(jì)，如年鑒、 月度統(tǒng)計(jì)報(bào)表、財(cái)經(jīng)統(tǒng)計(jì)、經(jīng)濟(jì)趨勢(shì)等。2022-4-272022-4-27數(shù)據(jù)來(lái)源數(shù)據(jù)獲取的途徑：調(diào)查、試驗(yàn)和模擬調(diào)查：只觀察、記錄或度量，但不對(duì)現(xiàn)場(chǎng)行為加以干 預(yù)，是被動(dòng)的數(shù)據(jù)搜集方式。試驗(yàn)：能主動(dòng)產(chǎn)生數(shù)據(jù)，是有計(jì)劃、有選擇地對(duì)受試 對(duì)象施加影響，來(lái)觀察受試對(duì)象的反應(yīng)。模擬：依據(jù)一定的基本數(shù)據(jù)使用計(jì)算機(jī)產(chǎn)生大量的隨 機(jī)數(shù)據(jù)，來(lái)模仿隨機(jī)現(xiàn)象，幫助進(jìn)行決策。2022-4-272022-4-27數(shù)據(jù)來(lái)源原始數(shù)據(jù)得到的方法有：自填式、采訪法、直接觀察法和行政數(shù)據(jù)的調(diào)查等。數(shù)據(jù)收集的類型：普查和抽樣調(diào)查 普查是根據(jù)統(tǒng)計(jì)任務(wù)的特定目

3、的而專門組織的一次性全面調(diào)查，一般局限于較小的總體。 抽樣調(diào)查有隨機(jī)抽樣和非隨機(jī)抽樣 隨機(jī)抽樣：總體中每個(gè)單位都有相同的概率或機(jī)會(huì)被選中。幾種重要的隨機(jī)抽樣有：簡(jiǎn)單隨機(jī)抽樣、分層隨機(jī)抽樣、等距隨機(jī)抽樣和整群隨機(jī)抽樣等。 2022-4-272022-4-27數(shù)據(jù)來(lái)源非隨機(jī)抽樣：抽樣時(shí)不遵循隨機(jī)原則，而是按照研究人員主觀判斷或僅按方便原則抽選樣本。非隨機(jī)抽樣技術(shù)主要有:方便抽樣、判斷抽樣、配額抽樣和雪球抽樣等。 配額（比例）抽樣：是非隨機(jī)抽樣中最流行的一種，配額抽樣類似于隨機(jī)抽樣中的分層抽樣，首先將總體中的所有單位按一定的標(biāo)志分為若干類（組），然后在每個(gè)類（組）中用方便抽樣或判斷抽樣選取樣本單位。

4、 2022-4-272022-4-27數(shù)據(jù)來(lái)源例2（見(jiàn)P3）如某商場(chǎng)希望根據(jù)年齡和性別來(lái)調(diào)查對(duì)營(yíng)業(yè)時(shí)間的意見(jiàn)，計(jì)劃調(diào)查周邊地區(qū)的1000個(gè)人。已知年齡和性別分布如下：年齡（歲）比例（%）15-201620-302630-50305028性別比例（%）男51女492022-4-272022-4-27數(shù)據(jù)來(lái)源若準(zhǔn)備抽1000人，則配額抽樣方案為：年齡（歲）男性女性15-20827820-3013312730-50153147501431372022-4-272022-4-27提問(wèn) 認(rèn)定調(diào)查總體及決定用問(wèn)卷方式以得到所需信息后，下一步是確定問(wèn)什么，如何問(wèn)。 一.問(wèn)卷設(shè)計(jì) 問(wèn)卷調(diào)查一般是抽樣調(diào)查中常用

5、的首選方式 問(wèn)卷設(shè)計(jì)是根據(jù)調(diào)查目的和要求，將所需要調(diào)查的問(wèn)題具體化，使研究者能順利地獲取必要的信息資料，以便于統(tǒng)計(jì)分析的一種手段2022-4-272022-4-27提問(wèn) 1.問(wèn)卷的一般結(jié)構(gòu) 問(wèn)卷的標(biāo)題 問(wèn)卷說(shuō)明 被訪者的基本情況 調(diào)查的主題內(nèi)容 編碼 作業(yè)證明的記載2022-4-272022-4-27提問(wèn) 2.問(wèn)卷結(jié)構(gòu)特點(diǎn) 問(wèn)答由一個(gè)問(wèn)題順勢(shì)轉(zhuǎn)入下一個(gè)問(wèn)題；由一個(gè)主題轉(zhuǎn)到另一個(gè)主題。不要有跳躍而導(dǎo)致回答的無(wú)方向性。 建議：從一般問(wèn)題到特殊問(wèn)題。2022-4-272022-4-27提問(wèn)“南方周末中國(guó)內(nèi)地人物創(chuàng)富榜”讀者調(diào)查問(wèn)卷1.您對(duì)中國(guó)的民營(yíng)企業(yè)家的總體評(píng)價(jià)是 A.正面評(píng)價(jià) B.負(fù)面評(píng)價(jià) C.

6、感受不大2.如果您的評(píng)價(jià)是正面的，主要原因是 A.民營(yíng)企業(yè)為從業(yè)者提供了工作機(jī)會(huì)和報(bào)酬 B.民營(yíng)企業(yè)對(duì)國(guó)家經(jīng)濟(jì)發(fā)展的貢獻(xiàn)大 C.民營(yíng)企業(yè)對(duì)社會(huì)責(zé)任有所擔(dān)當(dāng)，扮演了企業(yè)公民的角色 D.其他2022-4-272022-4-27提問(wèn)3.如果您的評(píng)價(jià)是負(fù)面的，主要原因是 A.民營(yíng)企業(yè)獲取財(cái)富方法的正當(dāng)性存在疑問(wèn) B.民營(yíng)企業(yè)支配財(cái)富方面存在問(wèn)題 C.民營(yíng)企業(yè)沒(méi)有積極承擔(dān)社會(huì)責(zé)任 D.其他4.您感受過(guò)民營(yíng)企業(yè)對(duì)社會(huì)（包括您本人）的貢獻(xiàn)嗎？ A.是 B.否5.您是通過(guò)什么途徑感受到民營(yíng)企業(yè)對(duì)社會(huì)貢獻(xiàn)的？ A.本人直接受益 B.大眾傳媒 C.周圍人口碑相傳 D.其他2022-4-272022-4-27提問(wèn)

7、蓋洛普組織總結(jié)提問(wèn)的目的有如下5種： （1）找出回答者是否覺(jué)察到這一結(jié)果； （2）獲得關(guān)于結(jié)果的一般感覺(jué)； （3）獲得該結(jié)果指定部分的答案； （4）獲得反映回答者觀點(diǎn)的理由； （5）找出持有這些觀點(diǎn)的強(qiáng)烈程度；2022-4-272022-4-27提問(wèn)例：1.你是否知道合肥和徐州之間要修條高速公路的計(jì)劃？ 知道/不知道2.你是否同意合肥和徐州之間修條高速公路？ 強(qiáng)烈同意、同意、無(wú)所謂、不同意、強(qiáng)烈不同意3.你認(rèn)為高速公路會(huì)對(duì)當(dāng)?shù)丨h(huán)境產(chǎn)生影響嗎？ 有/沒(méi)有 4.如果反對(duì)，那你反對(duì)的理由是： (a)已經(jīng)有一條可用的主干道 (b)合肥和徐州之間運(yùn)量不足 (c)高速公路會(huì)損壞美麗的鄉(xiāng)村風(fēng)景 (d)道路會(huì)

8、破壞歷史文物 (e)其他，請(qǐng)指定 2022-4-272022-4-27提問(wèn)提問(wèn) 5.你準(zhǔn)備用下列哪一種行動(dòng)來(lái)支持你的觀點(diǎn)？ (a)給地區(qū)人大代表寫(xiě)信 (b)給新聞單位寫(xiě)信 (c)在政府召開(kāi)的公眾聽(tīng)證會(huì)上發(fā)言 (d)在網(wǎng)上發(fā)表呼吁文章進(jìn)行調(diào)查 (e)其他，請(qǐng)指定2022-4-272022-4-27提問(wèn) 二.提問(wèn)的方式 有開(kāi)放式和預(yù)設(shè)答案提問(wèn)（封閉式提問(wèn)） 開(kāi)放式提問(wèn)是指所提出的問(wèn)答題并不列出所有可能的答案，而是由被訪者自由做答的問(wèn)答題。 預(yù)設(shè)答案提問(wèn)是指已經(jīng)事先設(shè)計(jì)了各種可能的答案的問(wèn)答題，被訪者只要或只能從中選定一個(gè)或幾個(gè)現(xiàn)成答案的提問(wèn)方式。2022-4-272022-4-27提問(wèn) 三三. .

9、提問(wèn)的措辭 提問(wèn)的措辭在誘導(dǎo)出有代表性回答中是非常重要的。一個(gè)有偏差的或誘導(dǎo)性提問(wèn)將偏離給定的回答。 在問(wèn)卷設(shè)計(jì)中發(fā)現(xiàn)的偏差主要有： （1）把兩個(gè)或兩個(gè)以上問(wèn)題表達(dá)為一個(gè)； （2）問(wèn)題中含有含糊或不熟悉的單詞； （3）用軟化難度或方向的詞開(kāi)始的提問(wèn)； （4）包含條件或假設(shè)條款； （5）包含對(duì)回答者一個(gè)或多個(gè)指令的提問(wèn)；2022-4-272022-4-27調(diào)查中的偏差調(diào)查的偏差來(lái)自許多方面，分為兩類：抽樣誤差和非抽樣誤差非抽樣誤差的來(lái)源：涵蓋誤差、計(jì)量誤差、處理誤差和無(wú)反應(yīng)誤差1.涵蓋誤差：指由于在抽樣框或樣本中出現(xiàn)了涵蓋不全、過(guò)度涵蓋、重復(fù)以及錯(cuò)誤的分類而導(dǎo)致估計(jì)的偏倚。2.計(jì)量誤差：指對(duì)一個(gè)

10、問(wèn)題所做的記錄與它的真值不同，可能是由于被調(diào)查者和調(diào)查者對(duì)問(wèn)題的誤解、收集數(shù)據(jù)方式不同或測(cè)量工具而造成的。3.處理誤差：可能發(fā)生在數(shù)據(jù)編碼、數(shù)據(jù)錄入、審核及插補(bǔ)等步驟中。2022-4-272022-4-27調(diào)查中的偏差4.無(wú)反應(yīng)誤差在抽樣調(diào)查中，我們希望能取得所要求的全部樣本單位的數(shù)據(jù)或特征記錄，但在實(shí)踐中，常有部分單位的調(diào)查結(jié)果會(huì)因多種原因而出現(xiàn)空缺，即常稱的無(wú)反應(yīng)現(xiàn)象。調(diào)查中無(wú)反應(yīng)的原因 （1）調(diào)查對(duì)象聯(lián)絡(luò)不上，已經(jīng)搬走 （2）被調(diào)查者不能勝任或無(wú)能力 （3）調(diào)查期間人不在 （4）拒絕合作 （5）丟失調(diào)查表2022-4-272022-4-27調(diào)查中的偏差 案例 Literary Diges

11、t雜志自第一次世界大戰(zhàn)以來(lái)一直進(jìn)行總統(tǒng)預(yù)測(cè)，而且每次都預(yù)測(cè)準(zhǔn)了。 1936年美國(guó)總統(tǒng)選舉前，Literary Digest雜志發(fā)出了1000萬(wàn)張調(diào)查問(wèn)卷?；厥盏?40萬(wàn)張，預(yù)測(cè)共和黨候選人蘭登（London)和民主黨候選人羅斯福(Roosevelt)的得票比例是57：43，預(yù)測(cè)是根據(jù)240萬(wàn)張的民意調(diào)查回單作出的。 但實(shí)際選舉結(jié)果是羅斯福贏得了這場(chǎng)選舉，他與蘭登得票比例是62 ：38。2022-4-272022-4-27調(diào)查中的偏差 分析出現(xiàn)預(yù)測(cè)錯(cuò)誤的原因： 第一.選取樣本的方式不是隨機(jī)的，它主要是從電話號(hào)碼簿和各種俱樂(lè)部會(huì)員名冊(cè)上去選取的，這些人大多是有錢人，他們支持共和黨候選人蘭登； 第二

12、. 有760萬(wàn)張問(wèn)卷無(wú)反應(yīng)，在沒(méi)有寄回的人中支持共和黨和支持民主黨人的比例一般與寄回來(lái)的240萬(wàn)答卷中的支持比例不一樣，例如該雜志向芝加哥地區(qū)三分之一的登記選民發(fā)了調(diào)查問(wèn)卷，有20%的被詢問(wèn)者作了回答，其中一半以上支持蘭登，但實(shí)際選舉的結(jié)果是在芝加哥地區(qū)是2 ： 1有利于羅斯福。2022-4-272022-4-27調(diào)查中的偏差 案例在1936年美國(guó)總統(tǒng)選舉的預(yù)測(cè)中，美國(guó)輿論統(tǒng)計(jì)學(xué)家蓋洛普獲得成功。他所領(lǐng)導(dǎo)的研究所等三家民意測(cè)驗(yàn)機(jī)構(gòu)，只調(diào)查了比文學(xué)文摘少得多的選民，預(yù)測(cè)候選人羅斯福的投票率為54%。其抽樣方法是他在從事新聞工作中發(fā)展起來(lái)的，采用派調(diào)查員親自訪問(wèn)調(diào)查，事先將各個(gè)地區(qū)不同類型與不同人

13、數(shù)的對(duì)象定額分配給每一個(gè)調(diào)查員，然后分頭在全國(guó)范圍內(nèi)進(jìn)行。他為了取得良好的測(cè)定效果，按照以接近數(shù)字的準(zhǔn)確程度算出來(lái)的比例，從特定的各種類別的人中，選出三千個(gè)樣本代表全國(guó)各個(gè)階層人口的特征。2022-4-272022-4-27調(diào)查中的偏差由于無(wú)反應(yīng)（等于改變了原先隨機(jī)抽取的樣本）而造成的偏差叫“無(wú)反應(yīng)偏差”。在調(diào)查中我們要盡量減少這種偏差。為解決無(wú)反應(yīng)問(wèn)題，常用的處理方法有： 多次調(diào)查 對(duì)調(diào)查結(jié)果進(jìn)行估算 在無(wú)回答者中抽取隨機(jī)子樣本調(diào)查 波利茲方案:是一種對(duì)于獲得有回答的概率之間的差別，并相應(yīng)地 對(duì)其加權(quán)的方法。 對(duì)無(wú)回答者的替代2022-4-272022-4-27數(shù)據(jù)的類型例 有一批旅游者從北

14、京出發(fā)，分別到普陀、喀什、三亞和漠河，給這四個(gè)城市編號(hào)，分別為1、2、3、4。當(dāng)旅游結(jié)束時(shí)，請(qǐng)每位旅游者回答下列問(wèn)卷：1.您去了哪個(gè)城市？ A.普陀 B.喀什 C.三亞 D.漠河2.與以往旅游活動(dòng)總的感覺(jué)相比，您認(rèn)為此次旅游 A.很滿意 B.較為滿意 C.一般 D.不滿意 E.很不滿意3.您在此地時(shí)的最高氣溫是 度。4.您此行的全部支出是 元。2022-4-272022-4-27數(shù)據(jù)的類型 根據(jù)數(shù)據(jù)的來(lái)源，可以把數(shù)據(jù)分成：定性數(shù)據(jù)、定序數(shù)據(jù)、定距數(shù)據(jù)和定比數(shù)據(jù) 1.定性數(shù)據(jù)（分類、定類或名義數(shù)據(jù)） 將數(shù)字作為現(xiàn)象總體中不同類別或不同組別的代碼。這是最低層次的尺度。 2.定序數(shù)據(jù)（有序數(shù)據(jù)） 按照特征等級(jí)進(jìn)行排序，數(shù)據(jù)之間有大小之分，但沒(méi)有大多少的概念。 2022-4-272022-4-27數(shù)據(jù)的類型3.定距數(shù)據(jù)（間隔數(shù)據(jù)） 不僅可以用數(shù)值表示現(xiàn)象類（組）別的不同和順序大小的差異，而且可以用確切的數(shù)值反映現(xiàn)象之間在量