[第六章论证的评估.pptVIP

　　样本的代表性 　　一般要考虑三个因素来确定样本是否典型：1.样本是否被随机选出；2.样本的大小；3.心理因素。 　　随机抽样可以保证总体中的每一个分子都有同等机会进入样本。反之，非随机抽样得到的样本是偏颇的，即总体中的某些分子比其他分子有较大机会被抽中，因此所得的数据未必能够推广到总体本身。在考虑到难度和经济代价时，分层抽样作为纯随机抽样的替代品。这是按照事先知道的优势比例将总体划分为不同的组，再在每一层内部进行随机抽样。分层抽样可能遇到分组比例的信息的正确性问题。这种方法在实际运用中仍然留给调查人员随意性。 　　样本的大小也是一个重要因素。在样本随机选出的情况下，越是大的样本，越接近于复制总体。这种接近性的程度用“抽样误差”来表示。抽样误差是样本中某性质出现的频率与总体中该性质出现频率之间的差距　。样本越大，抽样误差越小。人们根据实践经验总结出了在95％的置信水平上样本大小和误差范围及置信区间的关系，即在有代表性样本的大小确定的情况下，考虑到抽样误差所得到的关于总体的结论可以有95％的概率为真。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 　　当总体是人组成的时，心理因素可能有重大作用。 　　首先，如果构成样本的人们认为由于他们提供的回答而获得或损失某些东西时，可以想像，他们的受牵连的事务将影响回答结果。例如，如果一项研究需要调查居民的收入，以便决定能否承担得起提高的所得税，那么，人们会低估收入。 　　其次，对所要回答的问题也可能有心理负担。像“你多长时间刷一次牙？”“一年内你读多少书？”可以期望得到高估的回答。而“你被灌醉过多少次？”“你有过多少婚外情？”将可能得到低估的回答。类似的夸大也可能是一个提问的措词的后果。比如，“你赞成减少福利作为对猖狂欺骗的回应吗？”比直接问“你赞成减少福利吗？”期望得到更为肯定的回答。 　　第三，另一个产生心理影响的来源是调查者和回答者之间的个人互动。显然，许多人宁愿回答令人喜欢（愉快）的人提出的问题。美国1988年大选，报纸曾对杰西·杰克逊作过一次民意测验。统计数据表明，他最多能获得黑人中约50％的选票。可投票时发现，有90％的黑人支持他。原来，在民意测验中，黑人不愿意把自己真正的想法告诉那些白人调查员。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 　　区间估计 　　统计推理得出的结论不是一个和样本频率相等的数值，而是一个和样本频率相靠近的区间。由于这个缘故，人们常把对总体百分比的估计叫“区间估计”。这个区间通常叫置信区间，其大小与样本的容量N的大小有关。N小时，误差范围便大，置信区间也就大；N大时，误差范围便小，置信区间也就小。所有统计推理得到的结论，都应是以两个数为边际数的区间。假若一个统计推理的结论不是一个区间估计，而是一个孤零零的数字，那么，我们得小心思量一番。 　　数据的意义 　　统计推理中最常提及到的统计数字是平均数。但是，“平均数”有三个不同的意义：均数（算术平均数mean）、中位数（median）和众数（mode）。在评估依赖平均数的论证时，知道被使用的“平均数”一词的精确意义常常是重要的。 　　一个拥有N个数字的集合的均数就是该集合全部数字的总和除以N 　　把集合中的数字由小到大排列，位于正中间的那个数字便是中位数。 　　众数是以最大频率出现的那个值。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 　　统计谬误 　　数字和图表本身不会说谎，但人们有可能利用它们说谎。面对统计资料和论证，我们应该经常提出5个批判性问题： 　　1.谁说的？——验证资料来源的正当性和权威性； 　　2.如何知道的？——检验样本； 　　3.遗漏了什么？——揭示相关因素和比较基础； 　　4.是否偷换了概念？——洞察概念的不同解释对得出结论的关键影响； 　　5.这个资料有意义吗？——揭露统计数据赖以建立的未经证实的假设 。 　 (1) 忽略相关变量　　 (2) 遗漏信息的数字 　　 (3) 样本偏颇 (4)