统计调查与数据分析讲座

社会调查人员系列培训,调查统计/数据分析讲座,课程要点,一、数据的收集二、数据的整理三、数据的统计特性分析,一、数据的收集,两种数据来源：原始数据次级数据两种数据形式横截面数据（点）时间数列数据（面）,数据的来源与分类,数据收集（调查）策划,调查目的,调查对象-调查内容-调查方法,调查结果满足调查目的,调查对象,一、全面调查不重复、不遗漏二、非全面调查代表性、选择偏性例1936年罗斯福与兰登的总统竞选：文学摘要：罗斯福（43%）兰登（57%）1千万盖洛普：罗斯福（56%）5万人实际结果：罗斯福（62%）兰登（38%）,调查方法,调查内容,（一）问卷结构：说明词、填写要求、问卷正文及结尾说明词：主办单位及调查员身份、调查的目的和意义、承诺及感谢问卷正文：需要调查的问题及答案、被调查者的背景资料结尾：说明,问卷设计,清楚定义内容：5w“您使用什么品牌的化妆品”用词通俗、词义明确“您经常收看电视节目吗？”“1、从来不看；2、偶尔看；3、有时看；4、经常看；5、天天看”避免隐含的选择（乘车、牛仔裤）避免否定形式的提问避免诱导性或倾向性的词汇、避免重叠、答案详尽,（二）问卷的措辞,（三）问题的顺序,1、先易后难2、封闭型问题置前，敏感性、开放性问题置后3、注意对后继问题的影响：1）您在选择购物时，哪些因素是重要的？2）您在选择购物时，售后服务这个因素的重要性如何？4、逻辑思路保持一致,二、数据的整理,审核,分组（品质数据、数量数据）,计算频数与频率,观察数据的表现,审核数据资料的可用性,方法错误如：时间，空间，口径等逻辑错误如：产值与销售值，年龄与工作年限主观错误敏感性、政治性等如：失业率与平均每周申请失业保险人数,数据的分组与频率的计算,（一）品质数据的分组与计算频数：每组数据值出现的次数例：下表为购买50台计算机的样本数据,下表为购买计算机数据的频数分布表,数量数据频数分布的分组需要3个步骤：1.确定组数；2.确定组距；3.确定组限。,（二）数量数据的整理,案例：下表为年终审计耗用的时间（单位：天）,=,1.确定分组数目：,本例组数=5.3确定分5个组。,2.确定组距：,本例组距=取整数5天,3.计算频数与频率,5.计算审计时间数据的相对频数和百分比频数分布：,6.计算审计时间数据的累积频数分布,在数量数据整理中要注意的问题,1、在一些应用中，我们需要知道各分组的中点，也就是组中值。2、开口组（即只有上限或只有下限的组），其组中值用邻组的组距计算。3、在数据较少的情况下，可用品质数据整理的方式，采取单变量值分组。4、连续变量与离散变量的组限问题上组限不在内5、等距与不等距分组,观察数据的表现,观察数据的表现（特征）一般通过图表来分析：统计图统计表统计指标,（一）统计图,1、直方图：是用图形说明数量数据的一种常用方法。下图为审计时间数据直方图,2、条形图：是用图的方式描述已概括成频数、相对频数或百分比频数分布的数据的特征,3、饼图：是用圆的各部分面积来呈现品质数据的常用方法。本例中所有各组计算机购买的百分比频数总和为100，一个圆有360，则饼图中苹果机的部分为26%X360=93.6其他组的部分以此类推算出：,4.统计折线图与曲线图,洛伦茨曲线生命曲线投机需求曲线质量曲线5、象形图,洛伦茨曲线,累计收入的%,累计家庭的%,1975,1985,1995,100,101,（二）统计表,三、数据的统计特性分析,绝对数与相对数集中趋势：众数、中位数、平均数离散趋势：全距方差、标准差方差系数、标准差系数,一.绝对数与相对数,（一）绝对数反映社会现象整体规模和水平时期数时点数（二）相对数结构、比较、计划等,（三）绝对数与相对数的应用,1、指标内涵和可比性：GNP、工业增加值2、指标的结合运用举例：在美国，1985年有19893人遭谋杀，与1970年16848人遭到谋杀相比，增加了20%。这些数字揭示了在1970-1985年期间美国变成一个更多暴力的社会中国的国民生产总值增长了8%，美国的为1%,二.数据集中趋势的分析,（一）众数Mode众数是总体数据中出现次数最多的变量值。例一：有10名大学生的年龄：18，18，19，19，19，19，19，20，20，21，在这里19岁的人数最多，所以19岁是众数。例二：有10名职工的年龄：20，21，22，23，24，25，26，27，28，29，由于各年龄的人数相同，没有明显集中趋势点的数值，所以这里没有众数。,注意：,1、是位置平均数，不受极端值的影响2、假定各单位在组内是均匀分布的3、信息量小，缺乏敏感性，不适合代数运算4、用于非对称的次数数列、特别是品质标志数列5、用于数列中有较多的数值向某一数值集中6、有时会存在多个众数,（二）中位数Medium,中位数就是把计算对象的数据按大小顺序排列后，处于中间位置上的变量值。,1、是位置平均数，不受极端值的影响2、假定各单位在组内是均匀分布的3、信息量小，缺乏敏感性，不适合代数运算4、用于非对称的次数数列如：个人收入、年龄,注意：,（三）均值Mean,1.定义：均值就是分布中全部数据的算术平均值。,2.确定1、对未经整理的原始数据，表示均值,2、对分组数据（加权）的均值,某公司推销员工作量如下：,举例,对平均数的理解：,（1）某房间有10人平均身高1.6米,第11人走进,其身高1.9米,求11人的平均身高;若房间里20个人身高平均1.6米则第21人走进,21人的身高又会如何(2)一教师出3个问题,每题1分班级中30%得3分,50%得2分,10%得1分,10%得0分;全班有10个人；全班有20人？(3)经济衰退时,工人的平均工资高,平均失业期短;经济繁荣时,平均工资低,平均失业期长;这会是真实吗？,注意：,1.平均数的大小受变量值和权重两个因素的影响2.平均数收极端值的影响3.权重的选择要注意其经济意义4.正确理解各平均数指标,众数、中位数和均值的特点和应用场合,三.数据分布离散程度的分析,离散程度是评价数据一般水平代表性大小的依据，并可以反映数据分布的均衡程度。（一）全距（Range)与四分位距：全距也称极差，是用分布数据中的最大值减去最小值的差，表示为四分位距：将所有数据分为4份，每部分之间的分界点为四分位数据,1、简单标准差：,（二）标准差与方差,举例：某百货公司有6家分店，经理要求掌握这6家分店的年净收入差异水平，其标准差计算如下：平均年净收入,（三）对标准差的理解:,1、相同的数列，用原始数据计算和用分组数据计算，标准差有何不同？2、10个数的数列，若只包括1、9且标准差最大，这10个数是什么？,1、是非变量的标准差在统计研究中，经常遇到这样一种情况，即统计对象总体只有两种表现的可能，这类总体的现象表现就是是非变量。一般我们将其中一种表现的变量值表示为1，另一种表现的变量值表示为零，如果我们用P表示变量值1在总体中出现的频率，用Q表示变量值零在总体中出现的频率，则有：，,（四）其他形式的标准差,是非变量的均值：,是非变量的方差：,2.总体方差与组方差,举例：某厂某班组12名工人日产量件数如下：9，11，14，15，16，19，20，21，21，22，23，28，对上述12名工人求日产量的均值及总方差得：,如果对上述12名工人按工人的技术等级分为两组：第一组工人的日产量分别为9，11，14，15，16这5个变量值，则其组内均值：,组方差：,第一组的方差：,第二组的方差：,同理，第二组2人日产量分组有19，20，21，21，22，23，28七个变量值，则其组内均值和组内方差为：,组间方差计算列表,组内方差的均值与组间方差之和等于总方差，在本例中各组内方差的均值为：,则各类方差之间的关系为：,26.92=7.17+19.75,主要是标准差系数或,（五）离散系数,举例：有两个不同的生产小组，甲组是生产配件，乙组是整机装配，现在要比较这两个生产小组在一周内平均日产量的均衡程度。,计算：,（六）标准值,设标准化分位值为Z，则有：,或,举