第二章统计数据的描述[统计学].pptVIP

第二章 统计数据的描述;2.1数据的计量尺度 在进行统计数据分析和整理时，都需要了解统计数据的性质。为此要对统计数据进行分类，根据计量学一般分类方法，将统计数据按照从粗略到精确（从低级到高级）分类的计量尺度分别是 列名尺度（定类尺度）、顺序尺度（定序尺度）、间隔尺度（等距尺度）和比例尺度（等比尺度）。 1、列名尺度（nominal scale) 列名尺度是最粗略的计量尺度，它只能对事物进行平行的分类和分组，各类、组之间是平行的。 例如 将06营销和06会计专业学生按生源地划分，可以将学生分为 云南籍学生、贵州籍学生、广西籍学生 … 等等。在本例中生源地就是列名尺度。 由列名尺度确定的数据是不能进行加、减、乘和除法运算的。有时，我们用“1”表示云南籍学生，“2”表示贵州籍学生，“3”表示广西籍学生，… 等等，这时，1， 2， 3等等仅是一个符号，不能进行运算。 2、顺序尺度（ordinal scale) ;顺序尺度比列名尺度要高一级 ，表现为各类或组之间有一定的顺序， 可以进行优劣等级的比较。例如 把我们同学按照学习成绩优秀、良 好、及格和不及格四类，显然这四类是有好坏或者说顺序之分的， 不是平行的。优秀、良好、及格和不及格就是顺序数据，学习成绩就是顺序尺度。显然顺序尺度一定是列名尺度，顺序数据一定是列名数据。 3、间隔尺度（interval scale） 间隔尺度是一种对数据进行精确计量的尺度，它不仅可以比较各事物的顺序，而且还可以计算其大小和差值的大小，也就是数量的间隔。 例如我们同学数学考试成绩是69、80、70、90、76等等。 间隔尺度度量的统计数据是可以进行加法和减法运算。 显然间隔尺度度量的数据一定是顺序数据，也一定是列名数据。 4、比例尺度（ratio scale） 比例尺度，又称为定比尺度，是一种比间隔尺度更高级的计量尺度，和间隔尺度主要区别是对“0”的理解上，在间隔尺度中，“0” ;表示一个具体值，在比例尺度中 “0”表示没有。例如假设我数学考试成绩是0分，表示我数学成绩是0分，也是我的成绩，并不是表示我没有成绩，也不表示我没有一定数学知识，至少1+2=3是知道的。 假设我身上是0元钱，表示我口袋了一分钱都没有，也就是没有钱。 可以看出表示成绩的统计数据是间隔数据，表示钱的统计数据是比例数据。 两者之间的关系：间隔数据的差是比例数据。例如 物理学中的电势、 电势能、温度、重力势能都是间隔数据，但它们的差 电势差、电势能差、温度差和重力势能查都是比例数据。 在经济学中，绝大多数统计数据都是比例数据。GDP 、就业人数、 企业总产值、企业主营业务收入等等都是比例数据。 显然比例数据一定是间隔数据。比例数据可以进行加、减、乘和除法运算。 凡是适合低级数据的统计方法，对高级数据都适合，反之，就不一定成立。 ;2.2统计数据的来源 统计数据的来源主要有直接来源和间接来源。 间接来源是指利用现有的数据。例如从报纸、图书、杂志、统计年鉴、网络获取的数据是间接数据，也包括才市场调查公司或数据库 购买的数据。 直接来源 主要包括试验设计和统计调查获取的数据。物理、化学、生物等自然科学中统计数据直接来源于试验设计，经济学和社会科学中的统计数据直接来源于统计调查。 统计调查的方法：普查和抽样调查 1、普查 普查是为一特定的目的，专门组织的一次全面调查。例如我国每 十年进行一次的人口普查，农业普查等等。 普查的特点是 数据全面，但成本高。 2、抽样调查 抽样调查是从总体中随机抽出一部分样本，通过样本数据的数量特征来分析研究总体数量特征的调查研究方法。例如市场调查、对传染病的调查。 ;2.3 统计数据的质量 1、统计数据的误差：非抽样误差和抽样误差 非抽样误差： 调查过程中由有关环节工作失误造成的误差。它包 括调查过程中的填报错误、抄录错误、汇总错误、 不 完整的抽样框导致的误差、调查中不回答产生 的误差和某些受访者故意报虚假数据等等。 克服方法：加强培训工作，认真贯策《统计法》 抽样误差： 利用样本推断总体时产生的误差。 改善方法：选择好的统计方法 2、提高统计数据的质量途径 克服非抽样误差，选择好的统计方法减小抽样误差。 ;2.4 统计数据的整理 一、统计数据的分组 统计分组是统计整理的第一步，将数据列入不同的组内的过程。 其中列名尺度和顺序尺度数据是按照事物的性质和属性划分的，又称为按品质标志分组。 间隔