统计数据的收集与整理

2章统计数据的搜集与整理本章的主要目的：把握数据的特性；学会数据收集和整理的根本方法；会写一份调查方案设计。数据的计量与类型数据的计量尺度。统计数据是对客观现象进展计量的结果，这就涉及到对现象进展计量或测度的尺度问题。由于不同事物我们能够予以计量或测度的尺度不同，有些事物只能对它的属性进展分类，如人口的性别和文化程度、产品的型号及质量等级等；有些则可以用比较准确的数字加以计量，如物体的长度，价格等。依据计量学的一般分类方法，依据对事物计量的准确程度，可将所承受的计量尺度由低级到高级，由粗略到准确分为四个层次：定类尺度、定序尺度、定距尺度和定比尺度。不要用不恰当的数据进展计算，也不要将统计方法用于这样的数据。如计算身分证号码的平均数是没有意义的。定类尺度。依据事物的某种属性对其进展平行的分类或分组。只测度了事物之间的类别差；各类别之间是平行的不能进展排序。使用定类尺度对事物进展分类时，必需符合穷尽和互斥的要求。8：00定序尺度。是对事物之间等级差或挨次差异的一种测度。既可分类，也可确定这些类别的优劣或挨次。但不能测量出类别之间的差值。如课程分数等级：A、B、C、D和E。这些等级可以按挨次排列，但我们无法确定这些等级A的级别比B高〔因此这就是一个挨次，但我们不能从A中减去B〔因此我们不能找出它们之间的差。定距尺度。是对事物类别或次序之间间距的一种测度。既能将事物区分为不同的类型并进展排序，也可以准确地指出类别之间的差距是多少。但是它没有自然的零起点〔即在这点上不存在任何量。温度：体温37.2℃和37.6℃，这些数据被排序，并且我们可以确定它们之间的不同，即0℃这个数值看似是一个起点，这样说太武断，它并代表没有温度；同样地，认为50℃是25℃两倍那么热也是错误的。年份：100020231776149200零起点是不对的。定比尺度起点〔其中零表示不存在任何数量。差异和比率都是有意义的。重量：04KG2KG2价格：090303课堂练习一：以下练习中确定四种数据〔定类、定序、定距和定比〕中的哪一种是最恰当的。⑴WNBA⑵针对生疏男女依据最好、较好、一般、较差、很差的级别进展评价。⑶本周死亡之谷的午间气温。⑷学生证编号。⑸这本书再版的年份。1⑹邮政区号。⑺《消费者报告》杂志对“猛烈推举、推举、不推举”的评级。⑻学生乘车到学校的行驶路程。⑼罐装可口可乐中可乐的实际含量标为12盎司。8000数据的类型。定性数据和定量数据。连续数据与离散数据。统计数据的表现形式。确定数和相对数。比例和比率。统计数据的搜集前面我们说数据的来源主要有两个：调查和试验。假设是直接的调查或试验，对使用者来说其次手资料。统计数据的直接来源这里重点介绍社会经济数据的主要来源方式和方法。统计调查方式。实际中常用的统计调查方式主要普查、抽样调查和统计报表等。普查。是为某一特定目的而特地组织的一次性全面调查，如人口普查、工业普查等，主要搜集处于某一时点状态上的社会经济现象的数据象的根本全貌。具有以下特点：普查是一次性的或周期性的。查结果的准确性。普查的数据一般比较准确，标准化程度也较高。普查的对象比较狭窄，只能调查一些最根本、最一般的现象。抽样调查。象的总体中随机抽取一局部单位作为样本进展调查数量特征的一种非全面调查方法。经济性。时效性高。适应面广。准确性高。统计报表而下地统一布置、自下而上地逐级供给根本统计数据的一种调查方式。重点调查在所要调查的数量特征上占有较大比重的单位。典型调查单位应具有我们所争论问题的本质属性或特征。数据的搜集方法。问和非标准式访问。邮寄调查。2调查。座谈会。个别深度访谈。调查方案设计。在调查之前必需制定出一个周密、完整的调查方案，以指导整个调查工作，使调查得以顺当地实施和完成。是指导调查过程的纲领性文件，一般包括以下内容：调查对象和调查单位体担当者或载体，是我们搜集数据、分析数据的根本单位。假设是普查，调查对象中的每一个单位都是调查单位；假设是抽样调查，调查单位只是调查对象中的局部单位。调查工程是调查的具体内容，既可以调查单位的数量特征，如一个企业的产品产量、产值等；又可以调查单位的某种属性或品质特征，如一个人的性别、职业等。调查表一般由表头、性质、隶属关系等；表体是调查表的主要内容，包括具体的调查工程；表外附加通常由填表人签名、日期、填表说明等。在市场调查中，调查工程和调查表通常表现为一张调查问卷。因此调查问卷设计是市场调查方案的核心内容。问卷是用来搜集调查数据的一种工具，是调查者依据调查目的和要求所设计的，由一系列问题、备选答案、说明及码表组成的一种调查形式。具体的构造一般是：开头局部：问候语、填表说明、问卷编号等。甄别局部：先对被调查进展过滤，筛选掉不需要的局部，确保被调查者的代表性。主体局部：是一些调查的具体工程或问题。背景局部：主要是被调查者的一些背景资料。问卷设计的内容一般包括：调查中所需要提问的问题设计、问题的答案设计、提问挨次设计以及问卷的版面格式设计等。其他内容。明确调查所承受的方法、调查时间、调查组织和实施的具体细则。调查方法要明确全面与非全面调查、抽样调查的具体方式、访谈等？调查时间是指取得数据的时期或时点。调查的组织与实施工作如：调查人员的选择、组织和培训；调查表格、问卷、调查员手册的印刷；必要调查工具的预备等；调查经费的来源与开支预算等。一个完整的调查阶段。统计数据的间接来源公开出版或公开报道的数据等统计数据的整理数据搜集上来之后，必需进展加工整理，使之系统化、条理化，以符合分析的需要。数据整理通常包括数据的预处理、分类或分组、汇总等几个方面的内容。统计数据的预处理数据的审核与筛选、排序等。数据的审核与筛选数据的完整性调查单位是否有遗漏，全部的调查工程是否填齐等。数据的准确性是否真实；数据在规律上和计算上是否准确。二手数据的适用性和时效性。数据的排序3按肯定挨次将数据排列，以便通过扫瞄数据觉察一些明显的特征趋势或解决问题的线索。递增或递减。数据的分组与频数分布将数据依据某种特征或标准分成不同的组别。统计分组标志。品质标志和数量标志。按某种标志对数据进展分组后，计算出全部类别或数据在各组中消灭的次数或频数，就形成了一个频数分布表。各组频数与全部频数之和的比重称为频率或比重。按品质标志分组时的同时计算出各组的频数或频率，就形成了我们所需要的频数分布表。P212—1。按数量标志分组时有其特定步骤。如表2-1。频数分布表的构建过程：第一步：对数据排序。其次步：依据需要进展分组。有两种分组方法：单变量值分组和组距分组。单变量分组主要对离散数据中的每一个值作为一组，见表2-2。这里主要介绍组距分组，它是将全部变量值依次划分为假设干区间，并将这一区间的全部变量值作为一组。分多少个组？分组的目的是观看数据分布的特征，因此组数应适中。组数确实定应以能显示数据的分布特征和规律为目的。实际分组时，以SturgesK：K=1+LnN/Ln2 其中N每个组的区间多大？可依据全部数据的最大值和最小值及所分组数来确定，即组距=〔最大值-最小值〕/组数。第三步：依据分组整理成频数分布表。表2-3。要留意的有关问题：⑴确定组之间是相互排解的。不重不漏⑵几个定义。组下界是指各组的最小数。组上界是各组的最大数。组边界是指用来分开各组的数字，可先找出一个组的组上界和下一组的组下界之间间隔的大小，将这个大小的一半加到每个组上界就可以得到组上边界；将每个组下界减去这个大小的一半就可以得到组上边界。组中值是指每一组的中间值。组距是两个连续的组下界或组边界之间的差。课堂练习二2-40。⑷尽量对全部组使用一样的组距。频数密度；开口组的问题。⑸选择便利的数为组边界。少用小数。5-20。⑺组频数的和必需与原始数据的个数相等。相对频数表。相对频数=组频数/全部组频数的和累积频数表。向上累积、向下累积。表2-6。频数分布表有什么用？频数表可描述、考察和比较数据，并用来识别数据分布的一般特性和画图。美国黄石国家公园的狡猾泉活动规律的提醒。课堂思考：现有2023级工商治理专业和金融学专业两个班的《统计学原理》成绩，频数分布表可以做什么？课堂练习三：下面的两上数据集是随机抽样的成年男性身高〔以英寸计。其中一个数据集所包含的身高是来自随机抽取的男性的实际身高，而另一个集合所包含的数据是虚构的。比4较两个频数表，通过识别你认为是假的数据集来解释你所获得的结果，并说明缘由。[1]70737072717371676872677271737270726871717173697371667767[2]707370727166747