第一章 數(shù)據(jù)收集(管理統(tǒng)計學-中國科大,萬紅燕)

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)時需考慮的問題是： 相關總體 數(shù)據(jù)來源 提問 調(diào)查中的偏差 數(shù)據(jù)的類型2022-4-272022-4-27相關總體相關總體 總體是我們要調(diào)查或統(tǒng)計的某一現(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)，因為數(shù)據(jù)收集是花錢花時間有代價的。 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)有各種不同的表達形式 對決策者而言，數(shù)據(jù)的質(zhì)量是一個最大的問題。2022-4-272022-4-27數(shù)據(jù)來源 數(shù)據(jù)可分為兩大來源：原始數(shù)據(jù)和二手數(shù)據(jù) 原始數(shù)據(jù)是直接向調(diào)查對象收集的數(shù)據(jù)。 其特點是為指定目的而收集。 二手

2、數(shù)據(jù)是收集已經(jīng)加工、整理過的數(shù)據(jù)。 二手數(shù)據(jù)大部分來自官方統(tǒng)計，如年鑒、 月度統(tǒng)計報表、財經(jīng)統(tǒng)計、經(jīng)濟趨勢等。2022-4-272022-4-27數(shù)據(jù)來源數(shù)據(jù)獲取的途徑：調(diào)查、試驗和模擬調(diào)查：只觀察、記錄或度量，但不對現(xiàn)場行為加以干 預，是被動的數(shù)據(jù)搜集方式。試驗：能主動產(chǎn)生數(shù)據(jù)，是有計劃、有選擇地對受試 對象施加影響，來觀察受試對象的反應。模擬：依據(jù)一定的基本數(shù)據(jù)使用計算機產(chǎn)生大量的隨 機數(shù)據(jù)，來模仿隨機現(xiàn)象，幫助進行決策。2022-4-272022-4-27數(shù)據(jù)來源原始數(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)計任務的特定目

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)查有隨機抽樣和非隨機抽樣 隨機抽樣：總體中每個單位都有相同的概率或機會被選中。幾種重要的隨機抽樣有：簡單隨機抽樣、分層隨機抽樣、等距隨機抽樣和整群隨機抽樣等。 2022-4-272022-4-27數(shù)據(jù)來源非隨機抽樣：抽樣時不遵循隨機原則，而是按照研究人員主觀判斷或僅按方便原則抽選樣本。非隨機抽樣技術主要有:方便抽樣、判斷抽樣、配額抽樣和雪球抽樣等。 配額（比例）抽樣：是非隨機抽樣中最流行的一種，配額抽樣類似于隨機抽樣中的分層抽樣，首先將總體中的所有單位按一定的標志分為若干類（組），然后在每個類（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)來源例2（見P3）如某商場希望根據(jù)年齡和性別來調(diào)查對營業(yè)時間的意見，計劃調(diào)查周邊地區(qū)的1000個人。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)來源若準備抽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 認定調(diào)查總體及決定用問卷方式以得到所需信息后，下一步是確定問什么，如何問。 一.問卷設計 問卷調(diào)查一般是抽樣調(diào)查中常用

5、的首選方式 問卷設計是根據(jù)調(diào)查目的和要求，將所需要調(diào)查的問題具體化，使研究者能順利地獲取必要的信息資料，以便于統(tǒng)計分析的一種手段2022-4-272022-4-27提問 1.問卷的一般結(jié)構 問卷的標題 問卷說明 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 2.問卷結(jié)構特點 問答由一個問題順勢轉(zhuǎn)入下一個問題；由一個主題轉(zhuǎn)到另一個主題。不要有跳躍而導致回答的無方向性。 建議：從一般問題到特殊問題。2022-4-272022-4-27提問“南方周末中國內(nèi)地人物創(chuàng)富榜”讀者調(diào)查問卷1.您對中國的民營企業(yè)家的總體評價是 A.正面評價 B.負面評價 C.

6、感受不大2.如果您的評價是正面的，主要原因是 A.民營企業(yè)為從業(yè)者提供了工作機會和報酬 B.民營企業(yè)對國家經(jīng)濟發(fā)展的貢獻大 C.民營企業(yè)對社會責任有所擔當，扮演了企業(yè)公民的角色 D.其他2022-4-272022-4-27提問3.如果您的評價是負面的，主要原因是 A.民營企業(yè)獲取財富方法的正當性存在疑問 B.民營企業(yè)支配財富方面存在問題 C.民營企業(yè)沒有積極承擔社會責任 D.其他4.您感受過民營企業(yè)對社會（包括您本人）的貢獻嗎？ A.是 B.否5.您是通過什么途徑感受到民營企業(yè)對社會貢獻的？ 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

7、蓋洛普組織總結(jié)提問的目的有如下5種： （1）找出回答者是否覺察到這一結(jié)果； （2）獲得關于結(jié)果的一般感覺； （3）獲得該結(jié)果指定部分的答案； （4）獲得反映回答者觀點的理由； （5）找出持有這些觀點的強烈程度；2022-4-272022-4-27提問例：1.你是否知道合肥和徐州之間要修條高速公路的計劃？ 知道/不知道2.你是否同意合肥和徐州之間修條高速公路？ 強烈同意、同意、無所謂、不同意、強烈不同意3.你認為高速公路會對當?shù)丨h(huán)境產(chǎn)生影響嗎？ 有/沒有 4.如果反對，那你反對的理由是： (a)已經(jīng)有一條可用的主干道 (b)合肥和徐州之間運量不足 (c)高速公路會損壞美麗的鄉(xiāng)村風景 (d)道路會

8、破壞歷史文物 (e)其他，請指定 2022-4-272022-4-27提問提問 5.你準備用下列哪一種行動來支持你的觀點？ (a)給地區(qū)人大代表寫信 (b)給新聞單位寫信 (c)在政府召開的公眾聽證會上發(fā)言 (d)在網(wǎng)上發(fā)表呼吁文章進行調(diào)查 (e)其他，請指定2022-4-272022-4-27提問 二.提問的方式 有開放式和預設答案提問（封閉式提問） 開放式提問是指所提出的問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答題。 預設答案提問是指已經(jīng)事先設計了各種可能的答案的問答題，被訪者只要或只能從中選定一個或幾個現(xiàn)成答案的提問方式。2022-4-272022-4-27提問 三三. .

9、提問的措辭 提問的措辭在誘導出有代表性回答中是非常重要的。一個有偏差的或誘導性提問將偏離給定的回答。 在問卷設計中發(fā)現(xiàn)的偏差主要有： （1）把兩個或兩個以上問題表達為一個； （2）問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始的提問； （4）包含條件或假設條款； （5）包含對回答者一個或多個指令的提問；2022-4-272022-4-27調(diào)查中的偏差調(diào)查的偏差來自許多方面，分為兩類：抽樣誤差和非抽樣誤差非抽樣誤差的來源：涵蓋誤差、計量誤差、處理誤差和無反應誤差1.涵蓋誤差：指由于在抽樣框或樣本中出現(xiàn)了涵蓋不全、過度涵蓋、重復以及錯誤的分類而導致估計的偏倚。2.計量誤差：指對一個

10、問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)查者對問題的誤解、收集數(shù)據(jù)方式不同或測量工具而造成的。3.處理誤差：可能發(fā)生在數(shù)據(jù)編碼、數(shù)據(jù)錄入、審核及插補等步驟中。2022-4-272022-4-27調(diào)查中的偏差4.無反應誤差在抽樣調(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，但在實踐中，常有部分單位的調(diào)查結(jié)果會因多種原因而出現(xiàn)空缺，即常稱的無反應現(xiàn)象。調(diào)查中無反應的原因 （1）調(diào)查對象聯(lián)絡不上，已經(jīng)搬走 （2）被調(diào)查者不能勝任或無能力 （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)以來一直進行總統(tǒng)預測，而且每次都預測準了。 1936年美國總統(tǒng)選舉前，Literary Digest雜志發(fā)出了1000萬張調(diào)查問卷?；厥盏?40萬張，預測共和黨候選人蘭登（London)和民主黨候選人羅斯福(Roosevelt)的得票比例是57：43，預測是根據(jù)240萬張的民意調(diào)查回單作出的。 但實際選舉結(jié)果是羅斯福贏得了這場選舉，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)預測錯誤的原因： 第一.選取樣本的方式不是隨機的，它主要是從電話號碼簿和各種俱樂部會員名冊上去選取的，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760萬張問卷無反應，在沒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的240萬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)查問卷，有20%的被詢問者作了回答，其中一半以上支持蘭登，但實際選舉的結(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年美國總統(tǒng)選舉的預測中，美國輿論統(tǒng)計學家蓋洛普獲得成功。他所領導的研究所等三家民意測驗機構，只調(diào)查了比文學文摘少得多的選民，預測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)展起來的，采用派調(diào)查員親自訪問調(diào)查，事先將各個地區(qū)不同類型與不同人

13、數(shù)的對象定額分配給每一個調(diào)查員，然后分頭在全國范圍內(nèi)進行。他為了取得良好的測定效果，按照以接近數(shù)字的準確程度算出來的比例，從特定的各種類別的人中，選出三千個樣本代表全國各個階層人口的特征。2022-4-272022-4-27調(diào)查中的偏差由于無反應（等于改變了原先隨機抽取的樣本）而造成的偏差叫“無反應偏差”。在調(diào)查中我們要盡量減少這種偏差。為解決無反應問題，常用的處理方法有： 多次調(diào)查 對調(diào)查結(jié)果進行估算 在無回答者中抽取隨機子樣本調(diào)查 波利茲方案:是一種對于獲得有回答的概率之間的差別，并相應地 對其加權的方法。 對無回答者的替代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，給這四個城市編號，分別為1、2、3、4。當旅游結(jié)束時，請每位旅游者回答下列問卷：1.您去了哪個城市？ A.普陀 B.喀什 C.三亞 D.漠河2.與以往旅游活動總的感覺相比，您認為此次旅游 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)） 按照特征等級進行排序，數(shù)據(jù)之間有大小之分，但沒有大多少的概念。 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