第02节 数据的搜集.ppt

第二章 数据的搜集 授课教师：程晓谟 大连工业大学管理学院 本章主要内容 1 获得数据的抽样调查方法★ 2专题：问卷与问卷设计★ （需重点掌握） 3 获得数据的信度★ 调查数据获得的两种方法普查与抽样 普查（Census）—全面调查 收集有限总体中每个个体的有关标志值，然后汇总为指标，如人口普查等； 抽样调查（Sampling)—非全面调查 在总体中选择一部分个体构成样本进行调查，以了解总体的情况； 概率抽样（随机抽样）(probability sampling) 特点： 按一定的概率以随机原则抽取样本； 抽取样本时使每个单位都有一定的机会被抽中 每个单位被抽中的概率是已知的，或是可以计算出来的； 当用样本对总体目标量进行估计时，要考虑到每个样本单位被抽中的概率。 包括：等概率抽样与不等概率抽样 简单随机抽样—直接抽样（原理）(simple random sampling) 从总体N个单位中随机地抽取n个单位作为样本，每个单位入抽样本的概率是相等的。 最基本的随机抽样方法，是其它抽样方法的基础。 简单随机抽样—直接抽样(simple random sampling) 特点 简单、直观，用样本统计量对目标量进行估计比较方便； 局限性 当N很大时，不易构造抽样框； 抽出的单位很分散，给实施调查增加了困难； 没有利用其它辅助信息以提高估计的效率。 分层抽样(stratified sampling) 将总体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。—先分层，再抽样。 如何确定抽取的个体个数？ 等数分配法：每一层抽取同样的个数； 等比分配法：按照同一比例，从各个层抽取样本。 最优分配法： 特点：层内的差距小，层间的差距大。 优点 保证样本的结构与总体的结构比较相近，从而提高估计的精度； 组织实施调查方便； 既可以对总体参数进行估计，也可以对各层的目标量进行估计。 分层抽样的适用条件 适用条件： 总体在某些特征上存在显著差异； 同时这些特征对所研究问题可能有影响； 整群抽样(cluster sampling) 将总体中各个个体按照某一标志量分为若干群，然后以群为单位，对群进行随机抽样，只对抽出来的群实施普查。 特点：群内差异大，群间差异小。 优点： 抽样时只需群的抽样框，可简化工作量； 群通常由地理位置邻近或隶属于同一系统的单位组成，调查的地点相对集中，节省调查费用，方便调查的实施； 缺点：样本在总体中不是均匀分配，估计的精度较差。 整群抽样的适用条件 适用条件 每个群都可以代表总体； 根据行政、地域或自然形成的群体； 系统抽样(systematic sampling) 将总体中的个体按一定顺序排列，在规定的范围内随机地抽取一个单位作为初始单位，然后按一定的间隔抽取其它样本单位。 排序标志问题 按照与调查问题无关的标志排队 例如：在城市居民家庭生活水平调查中，按照居民居住的街道门牌号排序； 相当于简单随机抽样； 按照与调查问题相关的标志排队 职工工资水平调查中，按照职工工资高低排序； 优点：操作简便，样本均匀分布在总体中，抽样误差比简单随机抽样小。 缺点：对统计量方差的估计比较困难。 多阶段抽样(multi-stage sampling) ①先抽大单位(可以用分层抽样或系统抽样)， ②再在大单位中抽小单位(可用整群抽样或简单随机抽样)，③小单位中再抽更小的单位。不是一次就直接抽取基层的调查单位。 具有整群抽样的优点，保证样本相对集中，节约调查费用； 在大规模的抽样调查中，经常被采用的方法 ； 概念区别 分层抽样：选择全部的群，从各群中随机抽取样本； 整群抽样：随机抽取群，对被抽到的群普查； 两阶段抽样：随机抽取群，对被抽到的群随机抽样。 非概率抽样(non-probability sampling) 相对于概率抽样而言。 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，依据对总体特征的判断，从总体中抽取个体。 有方便抽样、典型抽样、滚雪球抽样、配额抽样等方式 。 方便抽样（Convenience Sampling) 调查过程中由调查员依据方便的原则，自行确定入抽样本的单位。 调查员在街头、公园、商店等公共场所进行拦截调查； 厂家在出售产品柜台前对路过顾客进行的调查； 优点：容易实施，调查的成本低。 缺点：样本单位的确定带有随意性，样本无法代表有明确定义的总体，调查结果不宜推断总体。 判断抽样（Judgmental Sampling） 研究人员根据经验、判断和对研究对象的了解，有意识地选择具有代表性的个体。 有重点抽样、典型抽样、代表抽样等； 判断抽样是主观的，样本选择的好坏取决于调研者的判断、经验、专业程度和创造性； 抽样成本比