第九章调查数据的整理与试卷.pptVIP

* 重新 定义 变量 某些分析方法可能对变量的数学特性有一定要求，因此可能要 改变数据的测量水平，将定距、定比变量转为定序、定类变量。 例如，进行交叉列联分析时，必须先将某变量（如收入）划分 为高、中、低三组；又如，将过细的年龄分组合并为青少年组、 中年组和老年组。 转换 变量 进行聚类分析、因子分析时，必须消除量纲的影响，要在分析 前先把变量标准化；在回归分析时，为了改进模型的拟合程度， 要对变量进行对数变换、平方根变换。 * 定类 变量 转换 为便于分析，有时要把定类变量转换为0-1变量。例如，被调查 者的居住地包括北京、上海、广州、武汉四地。可以将其转换 为X1、X2、X3这三个0-1变量。 重新 组合 变量 为了某些特定的统计分析（如拟合模型），需要把几个变量重 新组合成一个新变量，重新进行定义。例如，根据被调查者在 对耐用消费品若干方面的评价，把各方面的评价值加权平均， 就可以得到一个新变量“综合评价得分”。 居住地 原变量 编码 0—1变量 X1 X2 X3 北京 1 1 0 0 上海 2 0 1 0 广州 3 0 0 1 武汉 4 0 0 0 1、数据的整理主要包括哪些内容？资料的接收包括哪 些工作？ 2、资料的检查注意什么？资料的校订是什么意思？ 3、事前编码和事后编码有什么区别？事后编码容易出 现什么问题？应如何避免？ 4、如何保证数据录入的准确度？ 5、数据净化意味要做着哪些工作？ 6、为什么要对数据作统计预处理？缺失数据有哪些主 要的处理方法？ * * 7、试举出一个例子来说明加权处理的方法及其作用。 8、试将附寻二问卷中C4重新分类，变成有意义的含3个 类别的新变量；并将H3改为用若干个哑变量来表示。 9、为什么要制定数据统计任务书？一般都包括哪些主要 内容？ 10、选择统计分析法时主要应考虑哪些方面？ 11、常用的统计分析法有哪些？都分别适用于什么场合？ * * 数据的净化主要是尽可能地处理错误的或不合理的数据，并进行一致性检查。 一致性检查的主要内容包括变量的取值是否超出合理范围、有无逻辑错误以及有无极端值。 数据净化通常可采用统计软件进行，如SPSS、SAS、BMDP等软件，可以很方便地寻找超出范围、有极端值、或逻辑上不一致的数据。 * * 超出合理范围的变量值及极端值的检查： 对于非连续变量，通过编制频数分布表来检查； 例如，假如收入的编码应该是从1-6，分别对应6种不同收入水平的被访者，0表示缺失数据。若频数表中的变量值列出现大于6的数据，该数据就是超出合理范围的数据。 对于连续变量，通过计算均值、标准差、最大值、最小值等统计量来检查。 对于超出合理范围的变量值及极端值，可以根据对于的被访者编码、变量编码、记录号码、列号码以及超出范围的异常值，就可以找到原始问卷和数据问卷，并进行必要的修改。 * * 逻辑上不一致的数据的检查： 可以通过编制交叉表进行检查，从中很方便地可以发现逻辑上不合理的数据。 例如，有一张表明“产品使用频度”与“熟悉程度”之间关系的交叉表中如下： 显然，1列5行的数据就存在逻辑问题 * * 经常使用 有时使用 很少使用 根本不使用 非常熟悉 51 45 18 12 比较熟悉 43 32 46 63 有点熟悉 44 151 听说过但完全不熟悉 208 从未听说过 120 2 * * * * * 1 用一个样本统计量的值代替缺失值，如使用整个样本均值或缺失者所在 的子样均值代替缺失值。 2 用统计模型估计值代替缺失值。利用回归模型或判别分析模型来估计缺 失值。 将有缺失值的个案整个删除。可能导致小样本，导致严重偏差。 将有缺失值的个案保留，仅在相应的分析中作必要的排除。对不同变量 采用不同样本量可能不合适，但如果样本量大、缺失值少、变量之间不 是高度相关的，此法亦妥当。实际中常被采用。 3 4 * 对审核过程中辨别出来的数据缺失、无效、 与不一致等问题进行解决的过程。 插补 应用 场合 与被调查者不能取得联系时，取得联系又由于 经费、时间的限制时，客户自行处理有困难时， 均可运用插补技术。 * 插 补 方 法 类 别 对于特定的被调查者，可能的插补值只有 一个。对同一组数据进行多次插补，每次 都是相同的值。 对于特定的被调查者，可能的插补值是不 确定的。对同一组数据进行多次插补，每 次得出的值可能会不一样。 确 定 性 插 补 随 机 性 插 补 * 每种确定性的插补方法都对应着一种随机插补方法。 插补定量数据时，用确定性方法得出一个插补值，加 上从某个适宜的分布或模型产出的一个残差作为最后 的插补值，就成为随机插补。 * 根据逻辑推理进行插补 例1: 如果一个四项数值的和为 100，有两项分别为60与 40，其余