統(tǒng)計(jì)學(xué)之?dāng)?shù)據(jù)的收集

第二章數(shù)據(jù)的收集§2.1數(shù)據(jù)是怎樣得到的？可從報(bào)紙、電視、互聯(lián)網(wǎng)、年鑒等方面看到各種數(shù)據(jù)并且從這些數(shù)據(jù)可以提取對(duì)自己有用的信息。這些間接得到的（并非自己收集的）數(shù)據(jù)都是二手?jǐn)?shù)據(jù)?！?.1數(shù)據(jù)是怎樣得到的？獲得第一手?jǐn)?shù)據(jù)要困難得多某方便面企業(yè)每年至少花三四千萬元來收集和分析數(shù)據(jù)調(diào)查其產(chǎn)品及競爭者在市場中的狀況、各種類型消費(fèi)者對(duì)其產(chǎn)品的態(tài)度、收集各地方的經(jīng)濟(jì)交通等信息等等§2.1數(shù)據(jù)是怎樣得到的？他們?nèi)缤g諜，收集各種情報(bào)他們很舍得在這方面花錢。因?yàn)槭袌鲂畔?shù)據(jù)是企業(yè)生存所必需的，絕不是可有可無的?！?.1數(shù)據(jù)是怎樣得到的？在自然的未被控制的條件下觀測到的數(shù)據(jù)，稱為觀測數(shù)據(jù)(observationaldata)。在人工干預(yù)和操作情況下收集的數(shù)據(jù)就稱為試驗(yàn)數(shù)據(jù)(experimentaldata)。同學(xué)們自己可以舉出大量的觀測數(shù)據(jù)和試驗(yàn)數(shù)據(jù)的例子§2.2個(gè)體、總體和樣本需要調(diào)查北京市民對(duì)交通規(guī)則的觀點(diǎn)；對(duì)象是所有市民，目的是希望知道市民中對(duì)該問題的不同看法各自占有的比例顯然，不可能去問所有的北京市民，而只能夠問一部分；并且根據(jù)這一部分的觀點(diǎn)來理解整個(gè)北京市民的總體觀點(diǎn)?！?.2個(gè)體、總體和樣本在這個(gè)例子中，單個(gè)北京市民的觀點(diǎn)稱為個(gè)體(element)所有北京市民對(duì)這個(gè)問題的觀點(diǎn)為一個(gè)總體(population)，總體是包含所有要研究的個(gè)體的集合。§2.2個(gè)體、總體和樣本而調(diào)查時(shí)問到的那部分市民的觀點(diǎn)（也就是部分個(gè)體）稱為該總體的一個(gè)樣本(sample)，是總體的一部分。也有可能試圖調(diào)查所有的人（比如人口普查），那叫做普查(census)?！?.2個(gè)體、總體和樣本在抽取樣本時(shí)，如果總體中的每一個(gè)體都有同等機(jī)會(huì)被選到樣本中，這種抽樣稱為簡單隨機(jī)抽樣（simplerandomsampling），而這樣得到的樣本則稱為隨機(jī)樣本（randomsample）?！?.2個(gè)體、總體和樣本如果總體是一鍋八寶粥，隨機(jī)樣本則是充分?jǐn)嚢韬蟮陌藢氈嘀械娜我庖簧自撋字械陌藢氈嗟某煞直壤龖?yīng)該和整個(gè)一鍋粥類似攪拌越充分，樣本的代表性也越好§2.3收集數(shù)據(jù)時(shí)的的誤差一勺八寶粥中中的成分比例例和整鍋不盡盡相同，可能能稍微多些或或稍微少些。。這是很正常常的，因?yàn)闃訕颖镜奶卣鞑徊灰欢ê涂傮w體完全一樣這種差異不是是錯(cuò)誤，而是是必然會(huì)出現(xiàn)現(xiàn)的抽樣誤差（samplingerror）?！?.3收集數(shù)據(jù)時(shí)的的誤差抽樣調(diào)查中，，人們因?yàn)榉N種種原因沒有有對(duì)調(diào)查做出出反映，這種種誤差稱為未響應(yīng)誤差（（nonresponseerror）。一些人因?yàn)楦鞲鞣N原因回答答時(shí)并沒有真真實(shí)反映他們們的觀點(diǎn)，這這稱為響應(yīng)誤差（responseerror）?！?.3收集數(shù)據(jù)時(shí)的的誤差和抽樣誤差不不一樣，未響響應(yīng)誤差和響響應(yīng)誤差都會(huì)會(huì)影響對(duì)真實(shí)實(shí)世界的了解解應(yīng)該在設(shè)計(jì)調(diào)調(diào)查方案時(shí)和和進(jìn)行調(diào)查過過程中盡量避避免§2.4抽樣調(diào)查時(shí)獲獲得數(shù)據(jù)的一一些常用方法法在抽樣調(diào)查時(shí)時(shí)，最理想的的樣本是隨機(jī)機(jī)樣本。但是是實(shí)踐起來不不方便在大規(guī)模調(diào)查查時(shí)一般不用用全部隨機(jī)抽抽樣的方式，，而只是在局局部采用隨機(jī)機(jī)抽樣的方法法?！?.4抽樣調(diào)查時(shí)獲獲得數(shù)據(jù)的一一些常用方法法下面介紹的幾幾種抽樣方法法沒有深?yuàn)W的的理論；讀者者完全可以根根據(jù)常識(shí)判斷斷在什么情況況下獲取簡單單的隨機(jī)樣本本不方便以及及每個(gè)方法有有什么好處和和缺陷。實(shí)際上，一般般僅有少數(shù)人人有機(jī)會(huì)來確確定抽樣方案案。讀者僅需需把這些方法法當(dāng)成常識(shí)來來了解就可以以了（或者跳跳過這部分））§2.4抽樣調(diào)查時(shí)獲獲得數(shù)據(jù)的一一些常用方法法分層抽樣（stratifiedsampling）。這是先把要要研究的總體體按照某些性性質(zhì)分類（stratum），再在各類中中分別抽取樣樣本。比如，按教育育程度把感興興趣的人群分分成幾類；再再在每一類中中調(diào)查和該類類成比例數(shù)目目的人，以確確保每一類都都有相應(yīng)比例例的代表。§2.4抽樣調(diào)調(diào)查時(shí)時(shí)獲得得數(shù)據(jù)據(jù)的一一些常常用方方法整群抽抽樣（（clustersampling）先把總總體劃劃分成成若干群（（cluster），再（（通常常是隨隨機(jī)地地）從從這些些群中中抽取取幾群群；然然后再再在這這些抽抽取的的群中中對(duì)個(gè)個(gè)體進(jìn)進(jìn)行簡簡單隨隨機(jī)抽抽樣。。比如，，在某某縣進(jìn)進(jìn)行調(diào)調(diào)查，，首先先在所所有村村中選選取若若干村村子，，然后后只對(duì)對(duì)這些些選中中的村村子的的人進(jìn)進(jìn)行調(diào)調(diào)查。。如果果各村村情況況差異異不大大，這這種抽抽樣還還是方方便的的。§2.4抽樣調(diào)調(diào)查時(shí)時(shí)獲得得數(shù)據(jù)據(jù)的一一些常常用方方法多級(jí)抽抽樣(multistagesampling)。在群體體很大大時(shí)，，往往往在抽抽取若若干群群之后后，再再在其其中抽抽取若若干子子群，，甚至至再在在子群群中抽抽取子子群，，等等等。最最后只只對(duì)最最后選選定的的最下下面一一級(jí)進(jìn)進(jìn)行調(diào)調(diào)查。。比如在在全國國調(diào)查查時(shí)，，先抽抽取省省，再再抽取取市地地，再再抽取取縣區(qū)區(qū)，再再抽取取鄉(xiāng)、、村直直到戶戶。每每一級(jí)級(jí)都可可能采采取各各種抽抽樣方方法。。也稱稱為多多級(jí)混混和型型抽樣樣?！?.4抽樣調(diào)調(diào)查時(shí)時(shí)獲得得數(shù)據(jù)據(jù)的一一些常常用方方法系統(tǒng)抽抽樣（（systematicsampling）。這是是先把把總體體中的的每個(gè)個(gè)單元元編號(hào)號(hào)，然然后隨隨機(jī)選選取其其中之之一作作為抽抽樣的的開始始點(diǎn)進(jìn)進(jìn)行抽抽樣。。在選取取開始始點(diǎn)之之后，，通常常從開開始點(diǎn)點(diǎn)開始始按照照編號(hào)號(hào)進(jìn)行行所謂謂等距距抽樣樣；也也就是是說，，如果果開始始點(diǎn)為為5號(hào)，““距離離”為為10，則下下面的的調(diào)查查對(duì)象象為15號(hào)、25號(hào)等等等。不難想想象，，如果果編號(hào)號(hào)是隨隨機(jī)選選取的的，則則這和和簡單單隨機(jī)機(jī)抽樣樣是等等價(jià)的的。附：隨隨機(jī)數(shù)數(shù)的產(chǎn)產(chǎn)生大小為為N的總體體中產(chǎn)產(chǎn)生樣樣本量量為n的隨機(jī)機(jī)樣本本的一一個(gè)常常用的的方法法是利利用隨機(jī)數(shù)（randomnumber）利用隨機(jī)數(shù)數(shù)步驟為：：(1)把總體的所所有個(gè)體編編號(hào)；(2)產(chǎn)生n個(gè)在0到N之間的隨機(jī)機(jī)數(shù)；(3)與如此產(chǎn)生生的隨機(jī)數(shù)數(shù)中的數(shù)目目相同的個(gè)個(gè)體則形成成了樣本量量為n的簡單隨機(jī)機(jī)樣本。附：隨機(jī)數(shù)數(shù)的產(chǎn)生最原始的辦辦法是擲一一種正20面體的均勻勻材料制成成的骰子，，標(biāo)有兩套套0到9的數(shù)字。每