2026年数据的收集和复习试题和答案解析

2026年数据的收集和复习试题和答案解析一、单项选择题（每题3分，共15分）1.某企业计划收集用户对新产品的满意度数据，若需覆盖全国31个省份的18-65岁用户，且预算有限，最合理的抽样方法是：A.简单随机抽样B.分层抽样（按省份分层）C.整群抽样（按城市整群）D.系统抽样（按用户注册时间等距抽取）答案：B解析：分层抽样适用于总体内部分层明显、各层差异较大的情况。本题中，用户分布在31个省份，不同省份的经济水平、消费习惯可能存在显著差异（分层特征），通过按省份分层后分别抽样，可提高样本对总体的代表性。简单随机抽样未考虑地域差异，可能导致样本集中于部分省份；整群抽样若以城市为群，可能因群内同质性高（如同一城市用户偏好相似）降低效率；系统抽样依赖注册时间的排列规律，若注册时间与满意度无直接关联，无法解决地域差异问题。2.以下哪项属于数据收集过程中的“系统误差”？A.调查员因疲劳漏记3份问卷B.温度计校准错误导致体温数据普遍偏高0.5℃C.受访者因隐私顾虑隐瞒收入D.随机抽取的样本中男性比例高于总体答案：B解析：系统误差是由固定原因引起、具有方向性的误差，可重复出现且影响结果的准确性。温度计校准错误会导致所有测量值均偏离真实值（普遍偏高），属于系统误差。漏记问卷（A）属于登记性误差中的操作失误；隐瞒收入（C）是响应误差中的社会期望偏差；样本性别比例失衡（D）是抽样误差（随机误差），由抽样的随机性导致，无固定方向。3.某高校为评估在线课程效果，收集了学生的学习时长（分钟）、测验得分（百分制）、讨论区发言次数（次）三类数据。其中，“学习时长”的测量尺度是：A.定类尺度B.定序尺度C.定距尺度D.定比尺度答案：D解析：定比尺度具有绝对零点和相等单位，可进行加减乘除运算。学习时长的“0分钟”表示完全没有学习（绝对零点），且10分钟与20分钟的差值（10分钟）和20分钟与30分钟的差值（10分钟）相等（相等单位），因此属于定比尺度。定类尺度（如性别）仅分类，定序尺度（如满意度等级）有顺序无单位，定距尺度（如温度）有单位但无绝对零点（0℃不表示无温度）。4.设计电子问卷时，“您是否同意‘在线教育比传统课堂更有效’这一观点？”这一问题的主要缺陷是：A.包含诱导性倾向B.涉及隐私敏感信息C.选项设计不互斥D.问题表述模糊答案：A解析：问题中“是否同意‘在线教育比传统课堂更有效’”隐含了“在线教育可能更有效”的预设倾向，容易引导受访者选择“同意”，属于诱导性问题。隐私敏感信息（B）如收入、健康状况未涉及；选项若为“同意/不同意/不确定”则互斥（C不成立）；问题表述明确（D错误）。5.下列数据收集工具中，最适合用于收集“消费者购买决策过程中各环节的心理活动”的是：A.结构化访谈B.问卷调查C.观察法D.焦点小组讨论答案：D解析：焦点小组讨论通过6-10人的小组互动，可深入挖掘受访者的态度、动机和心理活动，适合探索复杂的主观体验（如购买决策中的心理过程）。结构化访谈（A）和问卷调查（B）更适合收集标准化、定量数据；观察法（C）难以直接获取“心理活动”，只能记录外显行为。二、简答题（每题10分，共30分）1.简述分层抽样与整群抽样的核心区别，并举例说明各自的适用场景。答案：分层抽样与整群抽样的核心区别在于对“层”或“群”的处理方式：（1）分层抽样：将总体按某些特征（如年龄、地区）划分为若干“层”，从每一层中独立抽样，最终样本由各层样本组合而成。层内要求同质性高（层内差异小），层间异质性高（层间差异大）。例如，调查全国大学生消费水平时，按“985高校”“普通本科”“专科”分层，因不同层次高校学生消费能力差异显著，分层后可提高样本代表性。（2）整群抽样：将总体划分为若干“群”（如班级、社区），随机抽取部分群，对抽中群内的所有个体进行调查。群内要求异质性高（群内差异大，近似总体结构），群间同质性高（群间差异小）。例如，调查某城市小学生视力情况时，以“小学班级”为群，因同一班级学生年龄、用眼习惯等差异较大（群内异质），而不同班级的整体视力分布相似（群间同质），抽取部分班级调查即可代表总体。2.数据清洗是数据收集后的关键步骤，简述其主要流程及各环节的核心任务。答案：数据清洗的主要流程及核心任务如下：（1）识别数据问题：通过统计分析（如缺失值比例、异常值检测）和逻辑检查（如年龄是否为负数），定位缺失值、异常值、重复值、逻辑矛盾等问题。例如，某份问卷中“年龄”字段出现“-5”或“150”，需标记为异常值；“月收入”字段空白，标记为缺失值。（2）处理缺失值：根据缺失原因（随机缺失/非随机缺失）和缺失比例选择方法。若缺失比例低于5%，可采用均值/中位数填补（定量数据）或众数填补（定性数据）；若缺失比例较高且非随机（如敏感问题拒答），可删除该变量或采用回归填补（利用其他变量预测缺失值）。（3）修正异常值：区分“真实异常”（如高收入群体）和“错误异常”（如输入错误）。对错误异常，可通过核对原始记录修正（如“150岁”修正为“50岁”）；对真实异常，需保留并标注，避免因删除导致信息丢失。（4）纠正逻辑错误：检查数据内部一致性，如“受教育年限”为“12年”但“最高学历”为“硕士”（矛盾），需通过回访或逻辑规则修正（如将“最高学历”改为“高中”）。（5）统一数据格式：规范文本字段（如“北京”“北京市”统一为“北京市”）、数值单位（如“5kg”“5000g”统一为“5000克”），确保数据一致性。3.数据收集过程中需遵守哪些伦理原则？请结合具体场景说明其应用。答案：数据收集需遵守以下四大伦理原则：（1）知情同意原则：需向受访者明确说明数据收集的目的、用途、存储方式及可能的风险，获得其自愿、书面的同意。例如，医疗数据收集时，需告知患者“数据将用于学术研究，匿名处理后不会泄露个人信息”，患者签署知情同意书后才可开展调查。（2）隐私保护原则：采取技术（如匿名化、加密存储）和管理（如限制数据访问权限）措施保护受访者隐私。例如，企业收集用户购物记录时，需删除姓名、手机号等直接标识符，仅保留匿名化的消费行为数据；数据库需设置访问密码，仅授权研究人员查看。（3）最小必要原则：仅收集与研究目标直接相关的数据，避免过度收集。例如，调查“老年人智能手机使用习惯”时，只需收集年龄、使用频率、常用功能等信息，无需询问健康状况、家庭收入等无关内容。（4）数据安全原则：确保数据在传输、存储和使用过程中不被泄露或篡改。例如，通过加密技术传输电子问卷数据，使用符合安全标准的服务器存储，定期备份数据并制定泄露应急预案（如泄露后及时通知受访者并采取补救措施）。三、案例分析题（25分）某社区计划开展“居民健康素养水平”调查，目标总体为辖区内12个小区的18-70岁常住居民（约2.4万人）。调查团队设计了以下方案：（1）抽样方法：从12个小区中随机抽取3个小区，对抽中小区的所有18-70岁居民进行调查（共约6000人）。（2）数据收集工具：采用纸质问卷，问题包括“您是否知道高血压的正常血压范围？（是/否）”“您每周运动次数是____次”“您认为社区健康讲座是否有用？（非常有用/有用/一般/没用/非常没用）”。（3）实施过程：由社区工作人员在小区广场随机拦截居民填写问卷，完成后赠送小礼品。问题：（1）指出抽样方法的潜在问题，并提出改进建议。（2）分析问卷设计中可能影响数据质量的问题。（3）说明调查实施过程中可能产生的误差类型及解决措施。答案及解析：（1）抽样方法的潜在问题及改进：当前采用整群抽样（以小区为群），但未考虑小区间的异质性。若不同小区的居民年龄结构、教育水平差异较大（如有的小区以退休老人为主，有的以年轻白领为主），抽中3个小区可能无法代表总体。例如，若抽中老人集中的小区，健康素养水平可能偏低（因老年人对健康知识的获取可能更少），导致结果偏差。改进建议：采用分层抽样。先按小区的“居民年龄结构”（如“老年型小区”“混合型小区”“青年型小区”）分层，再从每层中按比例抽取小区（如老年型小区占30%，则抽取1个；混合型占50%，抽取2个；青年型占20%，抽取1个），确保各层样本比例与总体一致，提高代表性。（2）问卷设计中可能影响数据质量的问题：①问题1“您是否知道高血压的正常血压范围？（是/否）”：属于“知识类问题”，但未提供具体选项（如“收缩压＜140mmHg且舒张压＜90mmHg”），受访者可能因记忆模糊误判“知道”或“不知道”，导致测量误差。建议改为“高血压的正常血压范围是：A.收缩压＜120mmHg且舒张压＜80mmHg；B.收缩压＜140mmHg且舒张压＜90mmHg；C.收缩压＜160mmHg且舒张压＜100mmHg；D.不知道”，通过选项引导提高准确性。②问题2“您每周运动次数是____次”：未明确“运动”的定义（如“每次30分钟以上中等强度运动”），可能导致理解偏差（如受访者将散步5分钟计为1次，而调查者认为需30分钟以上）。建议增加说明：“运动指每次持续30分钟以上、心率明显加快的活动（如快走、跑步、游泳等），请填写您每周进行此类运动的次数。”③问题3“您认为社区健康讲座是否有用？（非常有用/有用/一般/没用/非常没用）”：选项设计合理，但未考虑“未参加过健康讲座”的情况。若部分居民从未参加，直接回答“有用”或“没用”无意义。建议增加“未参加过”选项，或在问题前增加过滤问题：“您是否参加过社区健康讲座？（是/否）”，若回答“否”则跳过本题。（3）调查实施过程中的误差类型及解决措施：①非抽样误差中的响应误差：由社区工作人员在广场拦截调查，可能导致“选择偏差”——经常去广场的居民可能更关注健康（如老年人、退休人员），而很少去广场的居民（如上班族）难以被抽到，样本无法代表总体。解决措施：采用多时段拦截（如早晨、傍晚、周末），或结合入户调查（按抽样名单上门访问），覆盖不同活动规律的居民。②非抽样误差中