数据的搜集-(2).pptx

Click to edit Master title,Click to edit Master text styles,Second Level,Third Level,Fourth Level,Fifth Level,2-,#,统计学,STATISTICS,(,第四版,),作者：贾俊平，中国人民大学统计学院,第,2,章 数据的搜集,作者：中国人民大学统计学院,贾俊平,PowerPoint,统计学,美国财政部,2,月日公布的报告显示，截至去年月底，外国债权人持有的美国国债总额接近万亿美元，高于今年月日公布的约万亿美元。,美国财政部称，根据更完整调查得到的修正数据，中国仍是美国最大债权国，截至去年月底，中国持有的美国国债为亿美元，低于去年月时的亿美元，为连续第二个月减持美国国债。,第,2,章 数据的搜集,2.1,数据的来源,2.2,调查数据,2.3,实验数据,2.4,数据的误差,学习目标,数据的来源,搜集数据的调查方法,问卷设计,搜集数据的实验方法,数据的误差,数据的质量要求,2.1,数据的来源,2.1.1,数据的间接来源,2.1.2,数据的直接来源,数据的间接来源,系统外部的数据,统计部门和政府部门公布的有关资料，如各类统计年鉴,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,各类专业期刊、报纸、书籍所提供的资料,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,从互联网或图书馆查阅到的相关资料,系统内部的数据,业务资料,，如与业务经营活动有关的各种单据，记录,经营,活动过程中的各种统计报表,各,种财务，会计核算和分析资料等,二手数据的特点,搜集容易，采集成本低,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,搜集二手资料在研究中应优先考虑,二手数据的评估,数据是谁搜集的？,可信度评估,为什么目的而搜集的？,数据是怎样搜集的？,什么时候搜集的？,数据的直接来源,数据的直接来源,(,原始数据,),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,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,如心理学、教育学、社会学、经济学、管理学等,2.2,调查数据,2.2.1,概率抽样与非概率抽样,2.2.2,搜集数据的基本方法,概率抽样和非概率抽样,概率抽样,(,probability sampling,),也称随机抽样,特点,按一定的概率以随机原则抽取样本,抽取样本时使每个单位都有一定的机会被抽中,每个单位被抽中的概率是已知的，或是可以计算出来的,当用样本对总体目标量进行估计时，要考虑到每个样本单位被抽中的概率,简单随机抽样,(,simple random sampling,),从总体,N,个单位中随机地抽取,n,个单位作为样本，每个单位入抽样本的概率是相等的,最基本的抽样方法，是其它抽样方法的基础,特点,简单、直观，在抽样框完整时，可直接从中抽取样本,用样本统计量对目标量进行估计比较方便,局限性,当,N,很大时，不易构造抽样框,抽出的单位很分散，给实施调查增加了困难,没有利用其它辅助信息以提高估计的效率,分层抽样,(,stratified sampling,),将抽样单位按某种特征或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,优点,保证样本的结构与总体的结构比较相近，从而提高估计的精度,组织实施调查方便,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,(,cluster sampling,),将总体中若干个单位合并为组,(,群,),抽样时直接抽取群，然后对中选群中的所有单位全部实施调查,特点,抽样时只需群的抽样框，可简化工作量,调查的地点相对集中，节省调查费用，方便调查的实施,缺点是估计的精度较差,系统抽样,(,systematic sampling,),将总体中的所有单位,(,抽样单位,),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始单位，然后按事先规定好的规则确定其它样本单位,先从数字,1,到,k,之间随机抽取一个数字,r,作为初始单位，以后依次取,r+k,，,r+2k,等单位,优点：操作简便，可提高估计的精度,缺点：对估计量方差的估计比较困难,多阶段抽样,(,multi-stage sampling,),先抽取群，但并不是调查群内的所有单位，而是再进行一步抽样，从选中的群中抽取出若干个单位进行调查,二阶抽样中群是初级抽样单位，第二阶段抽取的是最终抽样单位。将该方法推广，使抽样的阶段数增多，就称为多阶段抽样,具有整群抽样的优点，保证样本相对集中，节约调查费用,需要包含所有低阶段抽样单位的抽样框；同时由于实行了再抽样，使调查单位在更广泛的范围内展开,在大规模的抽样调查中，是经常被采用的方法,非概率抽样,(,non-probability sampling,),相对于概率抽样而言,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,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,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,优点：,容易实施，调查的成本低,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,判断抽样,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,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,抽样成本比较低，容易操作,样本是人为确定的，没有依据随机的原则，调查结果不能用于推断总体,自愿样本,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,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,滚雪球抽样,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,适合于对稀少群体和特定群体研究,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,先将总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,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,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,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,非概率,抽样,不是依据随机原则抽选样本,样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,搜集数据的基本方法,搜集数据的基本方法,自填式问卷调查,没有调查员协助的情况下由被调查者自己完成调查问卷,问卷递送方法有：调查员分发、邮寄、网络、媒体,要求调查问卷结构严谨，有清楚的说明,弱点,问卷的返回率比较低,不适合结构复杂的问卷,调查周期比较长,数据搜集过程中出现的问题难于及时采取调改措施,面访式问卷调查,调查员与,被调查者面对面提问、被调查者回答的一种调查方式,优,点,可提高调查的回答率,可提高调查数据的质量,能调节数据搜集所花费的时间,弱,点,调查的成本较高,调查过程的质量控制有一定难度,电话式问卷调查,通过电话向被调查者实施调查,特点,速度快，能在短时间内完成调查,适合于样本单位十分分散的情况,局限,如果被调查者没有电话，调查将无法实施,访问的时间不能太长,使用的问卷需要简单,被访者不愿意接受调查时，难以说服,观察式调查,1.,就调查对象的行动和意识，调查人员边观察边记录以收集所需信息,2.,调查人员不是强行介入,能够在被调查者不察觉的情况下获得资料,如交通流量的调查,各调查方法的比较,自填式,面访式,电话式,调查时间,慢,中等,快捷,调查费用,低,高,低,问卷难度,要求容易,可以复杂,要求容易,有形辅助物的使用,中等利用,充分利用,无法利用,调查过程控制,简单,复杂,容易,调查员作用的发挥,无法发挥,充分发挥,一般发挥,回答率,最低,较高,一般,2.3,实验数据,2.3.1,实验组和对照组,2.3.2,实验中的若干问题,2.3.3,实验中的统计,2.3.4,实验法案例,实验组和对照组,将研究对象分为两组：实验组和对照组,实验组和随机组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,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,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,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,实验设计本身就是一个统计问题,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,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,对实验数据进行分析时，统计可以提供最恰当的分析方法,2.4,数据的误差,2.4.1,抽样误差,2.4.2,非抽样误差,2.4.3,误差的控制,数据的误差,抽样误差,(,sampling error,),由于抽样的随机性所带来的误差,所有样本可能的结果与总体真值之间的平均性差异,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,),相对抽样误差而言,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,存在于所有的调查之中,概率抽样，非概率抽样，全面性调查,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,抽样误差可计算和控制,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,调查结果进行检验、评估,现场调查人员进行奖惩的制度,今年,您会选什么样的房子,?,请在你所选答案编号处打”,或按题目要求填写问卷,于,xx,年,xx,月,xx,日前将有效答卷邮寄治本报物业版，按邮戳标明日期的先后顺序，前,50,名填写答卷的读者，将可获得由位于东三环的碧湖居提供的,经平沤务指南,半年期赠阅卡。,请您评价一下下面各因素对您选择住宅时的重要性：,物业所处地段及交通,发展商实力和信誉及物业品牌,优美的物业周边环境,优美及规划完善的小区,?,平台花园环境,设有大型娱乐购物商场,完善的会说康乐设施,完善的物业,治安良好及有先进的保安系统,智能化先进屋宇设备,价格吸引及价值空间,区内或附近有幼儿园和中小学,户型、结构与地点,1,、你打算购买的户型（填右表）是：,2,、你打算购买住宅的建筑面积为,_,平方米,?,A,、,60,以下,B,、,60,80 C,、,80,100 D,、,100,120 E,、,120,150,F,、,150,180 G,、,180,220 H,、,220,250 I,、,250,300 J,、,300,以上,3,、在住宅面积已定的情况下，你愿意选择的厅房面积分布是：,A,、客饭厅越大越好，主人房及一般睡房够用便可,B,、主人房及一般睡房应宽敞舒适些，客饭厅够用便可,C,、卫生间和厨房够用即可,D,、卫生间和厨房要尽量大,4,、您打算购买的住宅类型是：,A,、高层住宅（层高超过,15,层）,B,、小高层住宅（约,8,15,层）,C,、多层住宅（七层或以下），有电梯,D,、多层住宅（七层或以下），没有电梯,5,、您打算购买住宅的结构为：,A,、普通,B,、跃式,C,、复式,6,、请您对住宅朝向排出您的顺序：,A,、南北对流,B,、朝南,C,、朝北,D,、东西向,E,、朝西,7,、您打算购买的地区首选是,_,，其次选是,_,，再次选是,_,。,A,、二七商圈及延展地带,B,、郑东新区,C,、高校区,D,、三环沿线,E,、市郊、请注明,F,、其他、请注明,_,设计与装修,1,、请问您打算购买的住宅是否需要以上设施：,2,、您希望购买的住宅装修标准如何？,A,、全毛坯,B,、提供一般装修标准,C,、厨卫高档装修，其他毛坯,D,、开发商提供多种装修套餐供买家选择，装修费用另附,E,、开发商提供精装修,3,、以下设备如收取成本价由开发商提供、您会需要哪些？,A,、全套厨柜,B,、炉具,C,、抽油烟机,D,、水过滤器,E,、垃圾处理碎渣机,F,、热水器,G,、吊顶,H,、换气扇,I,、洗衣机,J,、冰箱,K,、微波炉,L,、冷气柜,M,、都不要,N,、其他，请注明,_,4,、主人房卫生间是否需要预置以下设备：,5,、比较喜欢的阳台设计是：,A,、传统式阳台,B,、落地玻璃阳台,C,、封闭式阳台,D,、其他、请注明,_,6,、您喜欢住宅每层户数是：,A,、两户及以下,B,、三至四户,C,、五至六户,D,、七至八户,E,、九户或以上,F,、无所谓,7,、若顶层单位连天台出售，会否增加您选购顶层单位的兴趣？,A,、大大增加,B,、增加,C,、无所谓,D,、不打算购买顶层单位,背 景 资 料,如不介意，请留下您的信息。,1,、姓 名：,2,、性 别：男 女,3,、年 龄：,30,岁以下,30,岁,40,岁,40,岁,50,岁,50,岁以上,4,、庭年收入：,10,万元以下,10,万,30,万元,30,万,50,万元,50,万元以上,5,、工作单位：国家机关 国营企业 股份制企业 三资企业,私营企业 个体工商业者 私营企业主 独立工作室 其他,6,、从事行业,国家公务员,IT,行业 金融、证券业 市场与销售,房地产业 广告与公关 艺术与文化传播 其他,7,、文化程度 大专以下 大专或大本 硕士或以上,数据显示，日本仍为美国的第二大债权国，截至去年月底，日本持有的美国国债为亿美元，低于今年月日公布的亿美元。,美国财政部称，截至去年月底，美国的第三大债权国英国持有的美国国债为亿美元，低于今年月日所公布的亿美元。,资料,资料,根据国家统计局的数字，,2008,年北京市每户家庭的平均人口为,2.8,人，每户平均就业人口为,1.5,人，城镇居民年人均消费支出为,16460,元，也就是每户家庭每月平均支出为,3841,元（,164602.812,）。如果个税起征点为,2000,元，则每户扣除额就是,3000,元，与实际需求相差,841,元，只能满足北京市民,78%,的基本生活需求。换算到上海，也只能满足上海市民,66%,的基本生活需求。,案例：,上海静安大火快速抓捕,8,名无证电焊工再一次验证了韩寒所说的，“中国现阶段的主要矛盾是人民群众日益增长的智商和官员们不断下降的道德之间的矛盾。”农民工干着最苦最累的活，拿着最低的工资，在官员眼里又多了一项功能“替罪羊”。电焊工，农民工，临时工，挣的是卖白菜的钱，顶的是卖白粉的罪。,不吸烟的得肺癌，不工作的做老板，不爱国的当大官；真正的爱不能要，真正的事不能干，真正的人不能做；需要书的读不起，需要房的买不起，需要人的娶不起；有文化的留不了学，有能力的找不到活，有良知的赚不了钱。三聚氰胺害了那么多儿童，最后抓了几个养奶牛的；央视大火烧掉,10,几亿，抓了几个运烟火的；上海静安大火烧死,53,人，是,4,个电焊工的责任！跟西游记一样，有背景的妖怪都被带走了，没背景的妖怪都被乱棍打死,案例：,国家某部公布了一项统计数据，告诉人们：你要不是三大式人物（大款，大官，大腕）而想在北京买套,100,平方米总价,300,万的房，社会阶层所付出的代价请看：,1,：种三亩地每亩纯收入,400,元的话要从唐朝开始至今才能凑齐（还不能有灾年）,2,：工人：每月工资,1500,元需上班,170,多年，从鸦片战争至今（双休日不能休）,3,：白领：年薪,6,万工作,50,年（取消法定假日）,4,：抢劫犯：连续作案,2500,次（必须事主是白领）约,30,年。,5,：妓女：连续接客,10000,次，以一天接两次客，需备战,5000,天，还不能来例假。,6,：无名人才：按副科级待遇每年工资,3,万算，要从,1910,年开始工作，还不能吃喝拉 撒。,本章小结,数据的来源,调查数据与问卷设计,实验数据,数据的误差,结 束,