统计学第2章数据的搜集

统计学第2章数据的搜集，数据的来源：概念：数据是由别人通过调查或实验的方式搜集的，使用者只是找到它们并加以使用。

数据的搜集

• 数据的来源
  • 数据的间接来源
    • 概念：数据是由别人通过调查或实验的方式搜集的，使用者只是找到它们并加以使用
    • 从搜集范围
      • 系统外部
        • 统计部门和各级政府部门公布的有关资料、各类专业期刊报纸图书所提供的文献资料、各种会议资料，互联网图书馆
      • 系统内部
        • 业务资料，各种财务分析资料等
    • 二手资料
      • 优点
        • 二手资料的搜集比较容易，采集数据的成本低，并且能很快得到。
      • 缺点
        • 二手资料并不是为特定的研究问题而产生的，所以在回答所研究的问题方面可能有所欠缺，如资料的相关性不够，口径可能不一致，数据也许不准确，或过时
  • 数据的直接来源
    • 概念：通过自己的调查或实验活动，直接获得第一手数据
    • 分类
      • 通过调查方法获得的数据称为调查数据（社会经济现象）
      • 通过实验方法获得的数据称为实验数据（自然现象）
• 调查数据
  • 概率抽样
    • 概念：也称随机抽样，是指遵循随机原则进行的抽样，总体中每个单位都有一定的机会被选入样本
    • 特点
      • 抽样时是按一定的概率以随机原则抽取样本
      • 每个单位被抽中的概率是已知的
    • 分类
      • 1、简单概率抽样
        • 概念：就是从包括总体N个单位的抽样框中随机地、一个个地抽取n个单位作为样本，每个单位的入样概率是相等的。
        • 抽样框：通常包括所有总体单位
        • 特点
          • 简单、直观
          • 在抽样框完整时，可以直接从中抽取样本
          • 由于抽选的概率相同，用样本统计量对目标量进行估计及计算估计量误差都比较方便
        • 局限性
          • 当N很大时，构造这样的抽样框并不容易
          • 根据这种方法抽出的单位很分散，给实施调查增加了困难
          • 这种方法没有利用其它辅助信息以提高估计效率
      • 2、分层抽样
        • 是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。
      • 3、整群抽样
        • 误差较大
        • 将总体中若干单位合并为组，这样的组称为群。抽样时直接抽取群，然后对中选群中所有的单位全部实施调查，这样的方法称为整群抽样。
      • 4、系统抽样
        • 将总体中的所有单位（抽样单位）按一定顺序排列，在规定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他单位样本，这种抽样方法称为系统抽样。
      • 5、多阶段抽样
        • 大规模抽样调查
        • 采用类似整群抽样的方法，首先抽取群，但并不是调查群内的所有单位，而是进一步抽样，从选中的群中抽取出若干个单位进行调查
  • 非概率抽样
    • 概念：是相对于概率抽样而言的，指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
    • 分类
      • 1、方便抽样（随意抽样）
      • 2、判断抽样
        • 概念：指研究人员根据经验、判断和对研究对象的了解，有目的地选择一些单位作为样本
        • 实施时根据不同目的分类
          • 重点抽样
            • 是从调查对象的全部单位中选择少数重点单位，对其实施调查。这些重点单位的数量虽不多但在总体中占有重要地位
          • 典型抽样
          • 代表抽样
        • 有主观性
      • 3、自愿抽样
        • 自愿样本与抽样随机性无关，样本有偏（尤其集中于对该调查活动感兴趣的人群）
      • 4、滚雪球抽样
        • 用于稀少群体
        • 优点：容易找到那些属于特定群体的被调查者，调查成本较低
        • 适合对特定群体进行研究的资料搜集
      • 5、配额抽样
        • 类似概率抽样中的分层抽样，广泛应用与市场调查
        • 首先将总体中所有的单位按一定的标志（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
  • 概率抽样与非概率抽样的比较
    • 1、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切的，因此无法使用样本的结果对总体相应的参数进行推断
      • 适合探索性的研究，调查结果用于发现问题（适合市场调查中的概念测试如产品包装测试，广告测试）
    • 2、概率抽样依据随机原则抽选样本，这使样本统计量的理论分布是存在的，因此可以根据调查的结果对总体的有关参数进行估计
  • 搜集数据的基本方法
    • 1、自填式
      • 是指在没有调查员协助的情况下由被调查者自己填写，完成调查问卷
      • 特点
        • 1、应有制作详细、形象友好的说明
        • 2、要求被调查者有一定的文化素养
        • 3、管理容易，调查成本低（可进行大范围调查）
        • 4、一定程度上可减少被调查者回答敏感问题的压力
      • 缺点
        • 1、问卷的回收率较低
        • 2、自填式方法不适合结构复杂的问卷
        • 3、对于在数据搜集过程中出现的问题，一般难以及时采取调改措施
    • 2、面访式
      • 指现场调查中调查员与被调查者面对面，调查员提问、被调查者回答是这种调查方式
      • 特点
        • 1、调查员可以激发被调查者的参与意识，提高调查率
        • 2、可对被调查者的回答进行鉴别澄清，提高数据质量，可对识字率低的群体实施调查
        • 3、能够对数据收集所花费的时间进行调节
      • 缺点
        • 1、调查成本高
        • 2、对调查过程的质量控制方面有一定难度
    • 3、电话式
      • 特点：
        • 1、速度快
        • 2、适合样本单位十分分散的情况
        • 3、成本低
        • 4、对访问过程的控制比较容易
    • 4、数据搜集方法的选择（考虑的问题）
      • 抽样框中的有关信息
      • 目标总体的特征
      • 调查问题的内容
      • 有形辅助物的使用
      • 实施调查的资源
      • 管理与控制
      • 质量要求
• 实验数据
  • 是指在实验中控制实验对象而搜集到的数据
  • 实验组和对照组
    • 实验组：是指随机抽选的实验对象的子集。在这个子集中，每个单位接受某种特别的处理
    • 对照组：每个单位不接受实验组成员所接受的某种特别的处理
  • 实验中的若干问题
    • 1、人的意愿
    • 2、心理问题
    • 3、道德问题
• 数据的误差
  • 指通过调查搜集到的数据与研究对象真实结果之间的差异
  • 抽样误差
    • 不可避免，可以控制
    • 是由抽样的随机性引起的样本结果与总体真值之间的误差
    • 影响因素
      • 样本量大小
      • 总体变异性
        • 变异性越大，抽样误差越大
  • 非抽样误差
    • 可以避免
    • 是指除去抽样误差之外的，由其他原因引起的样本观察结果与总体真值之间的差异
    • 类型
      • 1、抽样框误差
      • 2、回答误差
        • （1）理解误差
        • （2）记忆误差
        • （3）有意识误差
      • 3、无回答误差
      • 4、调查员误差
      • 5、测量误差
  • 区别与联系
    • 抽样误差是一种随机误差，只存在于概率抽样中
    • 非抽样误差，无论是概率抽样、非概率抽样或是在全面调查中，都有可能产生非抽样误差
• 系统抽样：每隔一小时抽一件；整群抽样：每隔一小时抽五分钟