数据的搜集

统计学第七版贾俊平第二章数据的收集知识总结，包括数据的直接来源、间接来源、搜集数据的基本方法、数据搜集方法的选择、数据的误差等。

数据的收集

• 直接来源
  • 调查数据
    • 通过调查方法得到的数据
      • 针对社会现象
        • 取有限总体 即总体所包含的个体单位是有限的
  • 实验数据
    • 通过实验方法得到的数据
      • 针对自然现象
        • 在实验中控制实验对象所搜集到的变量的数据
• 间接来源
  • 二手资料（对原信息重新整理，可以使用的数据）
    • 优点
      • 搜集方便
      • 数据采集快
      • 采集成本低
    • 局限性
      • 针对性不够
      • 资料的相关性不够
      • 口径可能不一致
      • 数据也许不准确，也许过时
    • 作用
      • 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
      • 检验和回答某些假设和疑问
      • 寻找研究问题的思路和途径
  • 对二手资料评估的内容
    • who
    • why
    • when
    • how
• 调查方法
  • 概率抽样
    • 简单随机抽样
      • 从包括总体N个单位的抽样框中随机地、一个一个地抽取n个单位作为样本，每个单位的入样概率是相等的。简单随机抽样是一种最基本的抽样方法。
        • 优点
          • 简单、直观，在抽样框完整时，可以直接从中抽取样本，能比较方便的用样本统计量对目标量进行估计及计算估计量误差。
        • 缺点
          • 当总体单位个数N很大时，很难构造抽样框；抽出的单位很分散；效率低。
    • 分层抽样
      • 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，将各层的样本结合起来，对总体的目标量进行估计。
        • 优点
          • 精度高；在一定条件下组织实施调查方便；在对总体的参数进行估计的同时，也可以对各层的目标量进行估计。
        • 缺点
          • 整体差异不明显时不适用，在使用时需要与其他抽样方法综合使用。
    • 整群抽样
      • 将总体中若干个单位合并为组，这样的组称为群。抽样时直接抽取群，然后对中选群中的所有单位全部实施调查。
        • 优点
          • 简化了编制抽样框的工作量；调查的地点相对集中，减少调查费用，易于调查实施。
        • 缺点
          • 估计的精度较差；抽样误差通常比较大
    • 系统抽样
      • 将总体中的所有单位（抽样单位）按一定顺序排列，在规定的范围内随机地抽取一个单位作为初始单位，然后按事先制定好的规则确定其他样本单位。
        • 优点
          • 操作简便；对总体内的单位进行有组织的排列，可以有效地提高估计的精度。
        • 缺点
          • 对估计量方差的估计比较困难。
    • 多阶段抽样（较大规模）
      • 首先抽取群，但并不是调查群内的所有单位，而是再进一步抽样，从选中的群中抽取出若干个单位进行调查。
        • 优点
          • 样本相对集中，减少调查费用；不需要包含所有低阶段抽样单位的抽样框；由于实行了再抽样，使调查单位在更广泛的范围内展开。
  • 非概率抽样
    • 方便抽样
      • 调查员根据方便原则，以最大限度降低调查成本的目的，自行确定作为样本的单位
        • 优点
          • 容易实施，调查成本低
        • 缺点
          • 样本单位的确定随意，不能对总体参数进行推断
        • 举例
          • “拦截式”调查
    • 判断抽样
      • 调查员根据经验和对研究对象的了解，有目的地选择样本
        • 优点
          • 抽样成本低，易于操作
        • 缺点
          • 样本人为确定，不能对总体参数进行推断
        • 举例
          • “平均型”，“众数型”样本
    • 自愿样本
      • 被调查者自愿参加，向调查人员提供有关信息
        • 优点
          • 提供许多有价值的信息，反映某类群体的一般看法
        • 缺点
          • 样本有偏，不能对总体参数进行推断
        • 举例
          • 网上调查
    • 滚雪球抽样
      • 选择一组调查单位，对其实施调查后，再调查他们提供另外一些属于研究总体的调查对象
        • 优点
          • 容易找到属于特定群体的被调查者，调查成本较低
        • 缺点
          • 耗时长，不能对总体参数进行推断
        • 举例
          • 微信朋友圈转发问卷
    • 配额抽样
      • 将总体中的所有单位分为若干类，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
        • 优点
          • 操作简单，样本的结构和总体的结构相似
        • 缺点
          • 可能出现偏斜的情况，不能对总体参数进行推断
        • 举例
          • 按年龄性别配额分配样本
• 概率抽样与非概率抽样的比较 （前者概率抽样，后者非概率抽样）
  • 随机抽选样本（样本统计量分布存在）
    • 不是随机抽选样本（样本统计量分布不确切）
  • 可以根据调查的结果对总体的有关参数进行估计，计算估计误差，得到总体参数的置信区间
    • 不能做到
  • 适合调查目的在于掌握研究对象总体的数量特征的调查
    • 适合探索性的研究，调查的结果用于发现问题，为更深入的数量分析做准备
  • 技术含量高，要求有较高的统计学专业知识，调查的成本比较高
    • 操作简便，时效快，成本低，对抽样中的统计专业技术要求不是很高
• 搜集数据的基本方法
  • 自填式
    • 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
      • 优点
        • 调查员组织管理相对容易；
        • 调查成本最低， 增大样本量对调查费用影响很小， 可进行大范围的调查；
        • 减小被调查者回答敏感性问题的压力
      • 缺点
        • 不适合结构复杂的问卷， 对调查的内容有局限；
        • 调查周期比较长；
        • 难以及时调改措施解决数据收集出现的问题；
        • 问卷回收率比较低
  • 面访式
    • 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
      • 优点
        • 提高调查的回答率；
        • 提高调查数据的质量， 利于识字率低的群体调查；
        • 调查问题组合更科学合理；
        • 可借助其他调查工具（图片、 卡片等）丰富调查内容；
        • 可对花费时间进行调节
      • 缺点
        • 调查成本高；
        • 对调查过程的质量控制有一定难度；
        • 对于敏感性问题， 被调查者可能不愿当面回答
  • 电话式
    • 调查人员通过打电话的方式向被调查者实施调查
      • 优点
        • 速度快， 能够在很短的时内完成调查；
        • 成本低廉， 适合样本单位分散情况；
        • 为调查员提供安全保障；
        • 可及时处理调查中遇到的问题， 调查督导对访问实施监听容易
      • 缺点
        • 电话使用率不高的地区， 电话调查会受限制；
        • 电话式访问的时间不宜过长；
        • 答案过多会造成调查进度的延缓， 被调查者容易挂断电话；
        • 操作简单，样本的结构和总体的结构相似
        • 被访者不愿意接受调查时， 要说服调查更为困难
  • 观察式
    • 调查人员通过直接观测的方法获取信息
• 数据搜集方法的选择
• 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
    • 类型
      • 抽样误差
        • 随机性误差，只存在概率抽样中
          • 由于抽样的随机性引起的样本结果与总体真值之间的差异
      • 非抽样误差
        • 概率抽样，非概率抽样以及全面调查，都可能产生非抽样误差
          • 抽样框误差
            • 目标总体和抽样总体不一致时产生的误差 例：电话簿，对某地区所有住户进行调查
          • 回答误差
            • 理解误差，不同被调查者对调查问题的理解不同 例：在调查中使用“经常”“频繁”“偶尔” 等词
            • 记忆误差，回忆长时间数据可能不准确 例：对于记忆类问题的调查
            • 有意识误差，调查问题敏感，不愿意告知；受利益驱动，进行数字造假 例：调查纳税情况时，被调查者往往高报，以表现自己没有漏税行为
          • 无回答误差
            • 随机因素造成 例：邮寄的问卷丢失， 或调查时被访者正在生病， 无法接受调查
            • 非随机因素造成 例：被调查者不愿告诉实情而拒绝回答
          • 调查员误差
            • 由于调查员的原因而产生的调查误差 例：调查员粗心， 在记录调查结果时出现错误
          • 测量误差
            • 由于测量工具产生的误差 例：视力的测定与现场的灯光、测试距离都有关系
    • 影响因素
      • 抽样误差
        • 抽样单位的数目
          • 数目越多，误差越小；反之，误差越大
        • 总体的变异性
          • 变异性越大，各单位之间的差异就越大，误差也就越大； 反之，各单位之间相似，误差越小
        • 抽样方法的选择
          • 分为重复抽样和不重复抽样，不重复抽样误差小
        • 抽样组织方式不同
          • 采用不同的组织方式， 会有不同的抽样误差，通常将抽样误差作为比较各种抽样组织方式优劣的标准。
      • 非抽样误差
        • 如抽样框误差，无回答误差等等
    • 误差的控制
      • 抽样误差
        • 改变样本量， 要求的抽样误差越小， 所需要的样本量就越大。
      • 非抽样误差
        • 抽样框
          • 构造抽样框时广泛地搜集有关信息， 改进抽样框；
        • 无回答
          • ①预防， 即在调查前做好各方面的准备工作， 尽量把无回答降到最低程度
          • ②在无回答单位中再抽取一个样本， 实施更有力的调查， 并以此作为无回答层的代表， 和回答层的数据结合起来对总体进行估计；
        • 理解
          • 要注意问卷中的措辞， 一份好的调查问卷可以有效地减少理解调查误差
        • 记忆
          • 要缩短调查所涉及的时间间隔；
        • 有意识
          • 要注重对调查过程进行控制的具体措施， 对调查结果进行检验、 评估， 对现场调查人员进行奖惩的制度等。