第五节·统计与统计量 - jichun si.pdfVIP

第五节·统计与统计量 司继春 上海对外经贸⼤学统计与信息学院 在这⼀节中我们将讨论统计学的⼀些基本概念，这些概念是我们后⾯学习 统计学理论的基础。我们⾸先介绍统计学中总体、样本和模型的概念，进⽽介绍 统计量的概念及性质。 1 统计的基本概念 1.1 统计学中的数据 统计学是⼀门关于数据的学科，所有的统计⽅法都是围绕着数据展开的，因 ⽽我们从数据的分类⼊⼿，介绍统计学的⼀些基本概念。 现实⽣活中碰到的数据是多种多样的，针对同⼀个个体，我们可以通过很 多特征对其进⾏刻画。⽐如，对于⼀个⼈来说，其性别、年龄、⾝⾼等都是其个 ⼈的特征；⽽对于⼀家企业来说，其所有权性质、企业年龄、注册资本等也是其 特征。我们通常把这些描述个体的特征称为变量（Variable ）。然⽽注意到，这 些变量的性质并不⼀样。⽐如我们可以⽐较两个⼈的⾝⾼、年龄的⼤⼩，然⽽ 我们却不能⽐较性别的⼤⼩。因⽽尽管我们经常把数据全都编码为数值型（⽐ 如男 =1, ⼥ =0 等），然⽽这些数值的⼤⼩并不是都有意义。根据数据度量的层 次，⼀般可以将数据分为以下三类： 1. 分类变量 （Categorical variable）：指数据仅仅⽤于区分类别，⽽数据没 有数值上的意义，⽐如性别、企业注册类型等。 2. 顺序变量 （Ordinal variable）：指数据的值不仅仅⽤于区分类别，还可 以⽤于排序。⽐如奖学⾦等级（⼀⼆三等），空⽓污染等级（重度污染，轻 度污染，良好）等。 3. 数值变量 （Numerical variable ）：指不仅仅数据的排序有意义，⽽且数 据值的差是有意义的。通常又可以将数值型数据分为离散变量和连续变量， 前者如次数、⼈数、年龄等，后者如温度、长度、⾦额等等。 当然，数据的分类⽅法并不唯⼀。⽐如有的分类⽅法将数据分为定类数据、定 序数据、定距数据和定⽐数据。⽽还有⼀些数据是复合类型，⽐如对于截尾数 1 1 统计的基本概念 2 据 （Censored data），就结合了顺序变量和数值变量的特点。针对不同类型的 数据，使⽤的统计⽅法经常有很⼤的差别。 ⽽根据时间和个体进⾏划分，我们经常使⽤的数据⼀般有两种最基本的数 据类型：横截⾯数据 （Cross-sectional data）与时间序列数据 （Time series data ）。 其中，横截⾯数据，或者简称截⾯数据，指同⼀时间点或者时间段，对不同 主体的某些变量进⾏观测。⽐如在实验中，对于某⼀次实验，不同的实验对象的 不同观察指标组成的数据即横截⾯数据。再⽐如，在调查数据中，很多家庭的多 个变量组成的数据也是横截⾯数据。横截⾯数据只有个体上的差异⽽没有时间 上的差别。⼀般我们⽤ 记为数据中个体的个数。 ⽽时间序列数据是对于⼀个或者多个变量在不同时间上的观测。⽐如 2000 年到现在我国每个季度的 GDP 即时间序列数据。再⽐如2000 年到现在我国每 个季度的货币供给 M0、M1、M2 也是时间序列数据。⼀般我们⽤ 记为数据 中时间的长度。时间序列数据只有时间上的差异⽽不存在个体上的差异。 除这两种外，还有这两种类型数据的合并数据，如常⽤的⾯板数据 （Panel data ）或者纵向数据 （Longitudinal data ）、重复⾯板数据 （Repeated cross- sectional data ）等等。其中⾯板数据指的是同时观测多个个体，同时对于每个 个体，在不同时间段对某些变量进⾏观测。⽐如，单独看上海市从 2000 年到现 在每年的 GDP 是时间序列数据，然⽽如果我们可以观察到全国每个省从 2000 年到现在每年的 GDP ，那么就是⾯板数据。⾯板数据既有时间上的信息又有不 同个体的信息，我们⼀般把 ≫ 的⾯板数据称为长⾯板数据。 1.2 统计模型 在获得数据之后，我们需要对这些数据建⽴概率模型。⼀般⽽⾔，⼀个典型 的统计学问题可以如下描述：进⾏⼀次或者⼀系列的随机试验，并且从这些随