统计数据的收集整理与显

统计数据的收集整理与显示,2.1原始数据的收集方法2.2次级资料的收集2.3统计调查误差2.4统计整理与统计分组2.5分布数列的编制2.6统计图表,2.1原始数据的收集方法,一、统计调查概述二、统计调查方案三、问卷设计,指直接从各调查单位收集的用来反映个体特征的数据资料,统计调查是整个统计认识活动的基础，决定着统计认识过程及其结果的成败,按调查单位的范围大小分为,统计调查的种类,按调查时间是否连续分为,按调查的组织方式不同分为,指按照国家统一规定的各项要求，自下而上地定期向国家和主管部门报送基本统计资料的一种报告制度,统计报表制度,优点,局限,统计调查的组织方式,总体单位,调查单位,统计调查的组织方式,总体单位,调查单位,报表制度,可以全面调查，但通常是调查限定规模以上的总体单位,统计调查的组织方式,指国家为详尽了解某项重要的国情国力而专门组织的一次性全面调查,作用,局限,由于需要大量的人力、物力和财力，不宜经常进行,普查,统计调查的组织方式,总体单位,调查单位,普查,统计调查的组织方式,对全部单位进行调查,为了解总体基本情况，在调查对象中只选择一部分重点单位进行调查的一种非全面调查组织方式,作用,局限,能以较少的投入和较快的速度取得总体基本情况及变动趋势的资料,只适用于客观存在着重点单位的情况,重点调查,这些单位数目不多，但其标志值在总体标志总量中占有较大比重，能反映总体的基本情况,统计调查的组织方式,总体单位,调查单位,重点调查,只调查重点单位（单位数不多但其标志量占标志总量比重较大的单位）,统计调查的组织方式,典型调查,在对调查对象有一定了解的基础上，有意识地选择少数典型单位进行调查的一种非全面调查组织方式,不能确定推断的把握程度，无法计算和控制推断误差,作用,指在数量表现上具有普遍意义和代表性的总体单位，可以用来推断总体的数量,局限,统计调查的组织方式,总体单位,调查单位,典型调查,对典型单位进行调查，典型单位的选择并不一定按规模,统计调查的组织方式,按照随机原则从调查对象中抽取一部分样本单位进行调查，再用样本资料推断把握总体的数量特征的一种非全面调查组织方式,抽样调查,指样本单位的抽取不受主观因素及其他系统性因素的影响，每个总体单位都有均等的被抽中机会,特点,优点,统计调查的组织方式,总体单位,调查单位,抽样调查,按随机原则选择调查单位，各单位被选中的机会相同。,统计调查的组织方式,抽样调查研究SamplingStudy,为什么要抽样？1.涉及破坏受试对象质量控制2.取得精确可靠的结果3.实际情况的约束时间，成本等,关于抽样方法,抽样方法主要有两种：概率抽样和非概率抽样。,（一）概率抽样,1简单随机抽样（Simplerandomsampling）。是最基本的抽样形式，它是完全随机地选择样本。此法要求有一个完美的抽样框，或者总体中有一个个体的详尽名单。2分层抽样（Reducedsampling）。分两个步骤：首先将总体分成不同的“层”，然后在每一层内进行抽样。分层抽样可防止简单随机抽样造成的样本构成与总体构成不成比例的现象。3整群抽样（Clustersampling）。首先将全部总体分为若干部分，每一部分称为一个群，把每一群做为一个抽样单位，在群地进行抽样；然后，在被抽中的群中做全面调查。例如，在市场调查的入户调查中，可以对被选作抽样单位的某个大院的每家每户进行调查。4等距抽样。又称系统抽样（Systematicsampling），是在样本框中每隔一定距离抽选一个被调查者。这一方法也比较常用，有时还可与整群抽样法和分层抽样法结合使用。例如，可采用系统抽样去抽取选择“群”或个体，也可在某一“层”的范围内进行系统采样。,（二）非概率抽样,不是完全按随机原则选取样本。非概率抽样有三种形式。1主要是由调查人员自由选择被调查者的非随机选样。例如在购物中心采访100位妇女，这100位被调查者可以随机选择。2通过某些条件过滤选择某些被调查者参与调查的判断抽样法。在许多情况下，由于研究对象可能仅限于一部分居民，因而有时采用这种方法能节省大量经费。3大多数种类的研究产品测试、街访、座谈会，只要不是属于要进行总体推论的大多数项目都可使用非概率抽样法。,统计调查的主要技术方法,被调查者受调查者的强制与约束,调查者与被调查者平等合作,观察记录法,调查者,强制、约束,报告法,访问调查,调查者,被调查者,平等合作,2.2原始数据的收集方法,一、统计调查概述二、统计调查方案三、问卷设计,（为什么调查）,（向谁调查）,（调查什么）,2.2原始数据的收集方法,一、统计调查概述二、统计调查方案三、问卷设计,调查问卷的基本格式：,说明词：解释调查意义、表达感激之情等,主题问句：被调查者基本情况、调查项目,作业记录：时间、操作者等,容易控制，但不易全面,调查问卷的问题类型：,容易滋生腐败,不易控制，但内容丰富,您认为吸烟有哪些害处？危害自身健康影响他人健康浪费钱财容易引起火灾破坏家庭团结其他。,问卷设计的基本要求：,问题的提出要紧扣主题,问句和标准答案要易于理解和回答,先易后难、先封闭后开放、先基本问题后派生问题,以不超过20分钟为宜,问卷设计QuestionnaireDesign,问卷的长度（QuestionnaireLength）尽可能简短，只保留调查所必须的关键问题调查方式（ModeofResponse）面谈回答率较高，费用较高电话访问居中信函调查回答率较低，费用较低问题设计（FormulatingQuestions）语言简明易懂，避免含糊其词考虑完备而避免重复,您是否吸烟（如果选，则跳过2、3题）吸烟不吸您每天大约吸多少支烟5支以下5-10支10-15支15-2020-25支25支以上您的吸烟历史大约有多长1年以下1-5年5-10年10年以上您是否认为吸烟有害健康（请写出理由）,调查单位中吸烟人所占比例,吸烟人群日吸烟数量情况,吸烟人群吸烟历史情况,调查对象对吸烟的看法,2.3次级资料的收集,传统的二手信息数据,传统的外部的次级信息数据来源非常广泛，有各级政府、非营利机构、贸易组织和行业机构、商业性出版物等等。其中政府机构所编辑出版的统计资料是宏观、微观信息数据的主要来源。国家统计局出版的统计资料汇编刊物主要有：中国统计年鉴、国民收入统计资料汇编、中国物价统计年鉴、全国城镇居民家庭收支调查、中国农村统计年鉴、中国劳动工资统计年鉴、中国证券期货统计摘要、世界经济年鉴、中国金融年鉴、中国证券期货统计年鉴、中国经济年鉴等等。,除了国内出版的刊物外，也可以利用国际和外国组织机构公开发表的资料汇编，如：联合国统计年鉴、世界发展报告、世界经济展望、美国统计摘要、日本统计月报等。,二手信息数据的新纪元在线信息数据库及其各个机构等网站,联网的和不联网的信息数据库都可以进一步分成参考文献、统计数字、全文、名录和其他信息数据库。参考文献信息数据库由刊物、杂志、报纸、市场研究、技术报告、政府文件等方面的引文组成，还常常可以提供资料的摘要或小结。统计数字信息数据库包括各种数字的统计资料。全文信息数据库包括一些文献的全文，如报纸的全文搜索服务。名录信息数据库提供关于个人、机构和服务单位的名单、地址和联系电话等等，如著名的Yahoo。,常用的统计数据来源,美国经济分析局美国人口普查局美国劳工统计局美联储经济数据库/fred美国联邦统计世界银行国际货币基金组织OECD,2.4统计整理与统计分组,一、统计整理的意义和步骤二、统计整理的基本方法统计分组,制定统计整理方案,对原始资料进行审核,数据处理,制作统计表或统计图,统计整理的步骤,2.4统计整理与统计分组,一、统计整理的意义和步骤二、统计整理的基本方法统计分组,统计分组的作用:,总体经过分组，能够突出组与组之间的差异而抽象掉组内各单位之间的差异，使数据变得条理化，便于进一步分析研究。,划分社会经济现象的类型反映社会经济现象的内部结构和比例关系揭示社会经济现象之间的相互依存关系,选择分组标志,确定分组体系,总体单位归类,科学性：组间差异大，组内差异小。,完备性和互斥性：每个单位均能且只能归到某个组中。,统计分组的程序与原则,对大学生月生活费支出情况进行分组研究：按家庭收入水平分组；按城乡分组；按性别分组；按年龄分组。,统计分组的程序与原则,对父母亲下岗情况进行分组研究：单亲下岗；双亲下岗；双亲在岗。,不符合科学性,不符合完备性和互斥性,统计分组的程序与原则,各分组标志并列使用,各分组标志交叉结合使用,平行分组体系,对教师的分类,按性别分类,男性,女性,按职称分类,按年龄分类,高级,中级,初级,青年,中年,共计7组2+3+2,交叉分组体系,按性别分类,按职称分类,按年龄分类,男,女,高级,中级,初级,青年,中年,共计12组232,对教师的分类,2.5分布数列的编制,一、分布数列的定义及种类二、变量数列的编制三、累计次数与累计频率,分类,同时具备,变量数列的编制,【例】己知某车间有24名工人，他们的日产量（件）分别是：20，23，20，24，23，21，22，25，26，20，21，21，22，22，23，22，22，24，25，21，22，21，24，23.要求根据以上资料编制变量数列。,编制结果如下：,变量数列的编制,变量值变动区间的长度相等,变量值变动区间的长度不完全相等,相关概念,某地区100个百货商店月销售额与流通费用情况,上组限U,下组限L,如：组距d=U-L=100-50=50（万元）,如：组中值x=(U+L)/2=(100+200)/2=150（万元）,编制等距数列,适用于总体单位的标志值变动比较均匀的情况,实例,己知某地区某年50个商店商品销售额的资料如下（单位：百万元）：7.412.629.02.012.47.014.817.515.018.218.715.512.826.017.38.314.712.03.56.825.011.98.513.214.517.115.620.015.76.011.423.014.216.721.016.013.610.013.95.05.810.516.322.0要求编制组距数列。,编制步骤：,求变异全距,确定组距及组数,R组距(d)组数（m),编制等距数列,计算组数（组数不宜过多，也不宜太少）,上例中，取d=5，则有,编制等距数列,确定组限,编制等距数列,计算次数,编制等距数列,编制结果：,(5+（5-5）)/2=2.5,(25+（25+5）)/2=27.5,茎叶表示Stem-and-LeafDisplay,将每一观测值分解为茎值和叶值(用直线隔开)垂直线左边的数字称为“茎”，确定组别垂直线右边的数字“叶”，确定频数(计数),Xi,开口式组距数列组中值的计算：,首组假定下限首组上限相邻组组距末组假定上限末组下限相邻组组距,先计算开口组的假定上、下限：,因此有：,累计次数（频率）,从变量值低的组开始，将各组次数（频率）逐次向变量值高的组累计，说明某一组上限以下各组的累计次数（频率）。,从变量值高的组开始，将各组次数（频率）逐次向变量值低的组累计，说明某一组下限以上各组的累计次数（频率）。,频数表（用SPSS制作）,有效数据,频数,频率,有效频率,累计频率,约2/3的人身高不超过165cm,2.6统计图表,一、统计图二、统计表,次数分配和统计图（1）,一.分类数据的整理与显示二.顺序数据的整理与显示,数据的整理与显示(基本问题),要弄清所面对的数据类型，因为不同类型的数据，所采取的处理方式和方法是不同的对分类数据和顺序数据主要是做分类整理对数值型数据则主要是做分组整理适合于低层次数据的整理和显示方法也适合于高层次的数据；但适合于高层次数据的整理和显示方法并不适合于低层次的数据,分类数据的整理与图示,分类数据的整理(基本过程),1.列出各类别,3.制作频数分布表4.用图形显示数据,分类数据的整理(可计算的统计量),频数(frequency)：落在各类别中的数据个数比例(proportion)：某一类别数据占全部数据的比值百分比(percentage)：将对比的基数作为100而计算的比值比率(ratio)：不同类别数值的比值,分类数据整理频数分布表(例题分析),【例】一家市场调查公司为研究不同品牌饮料的市场占有率，对随机抽取的一家超市进行了调查。调查员在某天对50名顾客购买饮料的品牌进行了记录，如果一个顾客购买某一品牌的饮料，就将这一饮料的品牌名字记录一次。右边就是记录的原始数据,用Excel制作频数分布表,分类数据的图示条形图(barChart),用宽度相同的条形的高度或长短来表示各类别数据的图形有单式条形图、复式条形图等形式主要用于反映分类数据的频数分布绘制时，各类别可以放在纵轴，称为条形图，也可以放在横轴，称为柱形图,分类数据的图示条形图(例题分析),分类数据的图示饼图(pieChart),也称圆形图，是用圆形及圆内扇形的角度来表示数值大小的图形主要用于表示总体或样本中各组成部分所占的比例，对于研究结构性问题十分有用绘制圆形图时，总体中各部分所占的百分比用园内的各个扇形角度表示，这些扇形的中心角度，是按各部分数据百分比占3600的相应比例确定的,分类数据的图示饼图(例题分析),顺序数据的整理与图示,顺序数据的整理(可计算的指标),1.累积频数(cumulativefrequencies)：各类别频数的逐级累加2.累积频率(cumulativepercentages)：各类别频率(百分比)的逐级累加,顺序数据的频数分布表(例题分析),【例】在一项城市住房问题的研究中，研究人员在甲乙两个城市各抽样调查300户，其中的一个问题是：“您对您家庭目前的住房状况是否满意？1非常不满意；2不满意；3一般；4满意；5非常满意。,顺序数据的频数分布表(例题分析),顺序数据的图示累计频数分布图(例题分析),甲城市家庭对住房状况评价的累积频数分布,环形图(annularchart),环形图中间有一个“空洞”，总体中的每一部分数据用环中的一段表示环形图与圆形图类似，但又有区别圆形图只能显示一个总体各部分所占的比例环形图则可以同时绘制多个总体的数据系列，每一个总体的数据系列为一个环环形图可用于结构比较研究环形图主要用于展示分类和顺序数据,环形图(例题分析),次数分配和统计图（2）,一.数据分组二.数值型数据的图示,频数分布表的编制(例题分析),【例】某电脑公司2002年前四个月各天的销售量数据(单位：台)。试对数据进行分组。,频数分布表的编制(步骤),确定组数：根据Sturges提出的经验公式得组数K为：,确定各组的组距：组距(237-141)10=9.610,用Excel制作频数分布表,等距分组表(上下组限重叠),等距分组表(上下组限间断),等距分组表(使用开口组),组距分组与不等距分组(在表现频数分布上的差异),等距分组各组频数的分布不受组距大小的影响可直接根据绝对频数来观察频数分布的特征不等距分组各组频数的分布受组距大小不同的影响各组绝对频数的多少不能反映频数分布的实际状况需要用频数密度（频数密度=频数/组距）反映频数分布的实际状况,数值型数据的图示,分组数据直方图和折线图,分组数据直方图(histogram),用矩形的宽度和高度来表示频数分布的图形，实际上是用矩形的面积来表示各组的频数分布在直角坐标中，用横轴表示数据分组，纵轴表示频数或频率，各组与相应的频数就形成了一个矩形，即直方图直方图下的总面积等于1,分组数据的图示(直方图的绘制),某电脑公司销售量分布的直方图,我一眼就看出来了，销售量在170180之间的天数最多!,分组数据直方图(直方图与条形图的区别),条形图是用条形的长度(横置时)表示各类别频数的多少，其宽度(表示类别)则是固定的直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数或百分比，宽度则表示各组的组距，其高度与宽度均有意义直方图的各矩形通常是连续排列，条形图则是分开排列条形图主要用于展示分类数据，直方图则主要用于展示数值型数据,分组数据折线图(frequencypolygon),折线图也称频数多边形图是在直方图的基础上，把直方图顶部的中点(组中值)用直线连接起来，再把原来的直方图抹掉折线图的两个终点要与横轴相交，具体的做法是第一个矩形的顶部中点通过竖边中点（即该组频数一半的位置）连接到横轴，最后一个矩形顶部中点与其竖边中点连接到横轴折线图下所围成的面积与直方图的面积相等，二者所表示的频数分布是一致的,分组数据的图示(折线图的绘制),折线图与直方图下的面积相等！,140,150,210,某电脑公司销售量分布的折线图,190,200,180,160,170,220,230,240,数值型数据的图示,STATISTICA,未分组数据茎叶图和箱线图,未分组数据茎叶图(stem-and-leafdisplay),用于显示未分组的原始数据的分布由“茎”和“叶”两部分构成，其图形是由数字组成的以该组数据的高位数值作树茎，低位数字作树叶树叶上只保留一位数字对于n(20n300)个数据，茎叶图最大行数不超过L=10lg(n)6.茎叶图类似于横置的直方图，但又有区别直方图可观察一组数据的分布状况，但没有给出具体的数值茎叶图既能给出数据的分布状况，又能给出每一个原始数值，保留了原始数据的信息,未分组数据茎叶图(例题分析),未分组数据茎叶图(扩展的茎叶图),未分组数据箱线图(boxplot),用于显示未分组的原始数据的分布箱线图由一组数据的5个特征值绘制而成，它由一个箱子和两条线段组成其绘制方法是：首先找出一组数据的5个特征值，即最大值、最小值、中位数Me和两个四分位数(下四分位数QL和上四分位数QU）连接两个四分（位）数画出箱子，再将两个极值点与箱子相连接,未分组数据单批数据箱线图(箱线图的构成),未分组数据单批数据箱线图(例题分析),分布的形状与箱线图,不同分布的箱线图,未分组数据多批数据箱线图(例题分析),【例】从某大学经济管理专业二年级学生中随机抽取11人，对8门主要课程的考试成绩进行调查，所得结果如表。试绘制各科考试成绩的批比较箱线图，并分析各科考试成绩的分布特征,未分组数据多批数据箱线图(例题分析),8门课程考试成绩的箱线图,11名学生8门课程考试成绩的箱线图,Min-Max,25%-75%,Medianvalue,45,55,65,75,85,95,105,学生1,学生2,学生3,学生4,学生5,学生6,学生7,学生8,学生9,学生10,学生11,未分组数据多批数据箱线图(例题分析),数值型数据的图示,时间序列数据线图,时间序列数据线图(lineplot),绘制线图时应注意以下几点时间一般绘在横轴，指标数据绘在纵轴图形的长宽比