[管理学]第1讲概述及调查问卷设计.pptVIP

数据分析工具 学时分配 总学时：32学时 理论学时：20学时 上机学时：12学时 时间安排 上课时间： 6-8,12,14-17周 周三下午第四大节15：40—17：20 周五上午第一大节8：00—9：40 上课地点：经管楼C105 上机时间： 7周周三第四大节 8、12、14-16周周五第一大节 上机地点：经管楼商务D204 数据来源 设计调查问卷，发放调查问卷，回收数据 存储在数据库或其他文件中的数据 数据分析工具 Excel、SPSS、SQL Server等数据分析工具。 Excel、SPSS 侧重于统计数据分析，SQL Server侧重于对用数据库和数据仓库组织的数据进行多维数据分析和数据挖掘，不同的数据组织形式可以互相转换。 统计数据分析举例 为了了解护士们对工作的满意程度，做了一个调查。调查100名护士对工作、工资和升职机会的满意程度。这三个方面的评分都是从0到100，分值越大表明满意程度越高。另外，调查数据还根据该护士所在的医院类型，分为3类：私人医院、公立医院和学院医院。 （1）根据整个数据和三个方面的满意程度，判断哪一方面是护士们最为满意的?哪一方面是最不满意的? （2）根据离散程度（标准差、最小值、最大值、极差）的描述，判断护士们对哪一方面的满意程度差别最大? （3）从医院类型的数据中可以了解到什么?是否有某一类型的医院在三个方面的满意程度上优于其他医院? 数据挖掘 数据挖掘就是从大型数据库的数据中提取人们感兴趣的知识，这些知识是隐含的、实现未知的潜在的有用信息。 数据挖掘的任务在于聚类（如神经网络聚类）、分类（如决策树分类）、预测等。 数据挖掘研究各种方法和技术，从大量的数据中挖掘出有用的信息和知识：关联规则、决策树、神经网络等技术。 数据挖掘举例(关联规则) 市场购物分析：根据被放到一个购物袋的（购物）内容记录数据而发现不同（被购买）商品之间所存在的关联知识，帮助商家分析顾客的购买习惯，制定有针对性的市场营销策略。 例如，顾客在购买牛奶时，是否也可能同时购买面包或会购买哪个牌子的面包，这样商家就可以将牛奶和面包放在相近的地方或许会促进这两个商品的销售。 统计学与数据挖掘 统计学主要是对数量数据（数值）或连续值数据（如年龄、工资等）进行数值计算的定量分析，得到数量信息。 数据挖掘主要对离散数据（如职称、病症等）进行定性分析（覆盖、归纳等），得到规则知识。 统计学与数据挖掘是有区别的。但是，它们之间是相互补充的。 课程主要内容 调查问卷的数据获得方法及数据的录入与清理 定性变量(分类变量)常用分析方法： 一维频率分析、交叉表分析、多选题的频率分析 定量变量(数值型变量)常用分析方法： 描述统计分析、相关与回归分析、聚类分析、判别分析、主成分分析与因子分析 调查数据分析步骤 1 确定调查目的和内容 2 设计调查问卷和发放问卷 3 数据收集 4 问卷数据的录入与清理 5 数据分析 6 撰写调查报告 第1部分 数据获得 调查问卷设计及数据收集 问卷数据的录入与清理 第1章 概述 1.1 什么是统计 统计学是用以收集数据、分析数据并进而由数据得出结论的一组概念、原则和方法。因而有学者也将统计学称为统计方法。 某电视节目的收视率获得：首先要在该节目播出时，利用电话对看电视的人进行采访，同时问他们在观看什么节目。在得到了被采访的看电视的总人数和其中观看该节目的人数之后，就得到这部分观众中观看该节目的比例，即大致的收视率了。之后还要经过统计分析，评估这个收视率的可信度和代表性等。显然，这是一个收集数据，然后通过分析数据得到结论的简单例子。 1.2 变量及其分类 变量（variable）是用来描述总体中成员的某一特性的。 在搜集数据的过程中，需要搜集各类的变量。例如，性别、年龄、职业、教育程度、收入等人口统计变量。又如，为了预测明年的销售量，所搜集到的数据如广告费、人事费、销售人员数等，也都是一种变量。 在现实生活或自然界中的一些现象，通常都不是单一变量可以描述得很清楚的。例如，要描述某一个人，仅使用性别变量，说他（或她）是男性（或是女性），肯定是无法说明白的。但随着变量（例如年龄、肤色、头发、身高、体重、种族等）的增加，可以逐渐描述得更清楚一些。 1.2 变量及其分类 定性变量也称离散变量或分类变量。例如，使用的手机品牌、学生所在的学院、就读的班级、宗教信仰、参加的社团、喜好的运动、最常饮用的饮料类别、最喜欢的歌手、最喜欢的影星、民族、党派，均属定性变量。分类变量的观测结果称为分类数据。如性别：男[1]、女[2]。 有序变量：如果类别具有一定的顺序，这样的变量也称为有序变量，相应的观测结果称为有序数据。例如，成绩：优[5]、良[4]、中[3]、及格[2]、不及格[1]；文化程度：小学[1]、中学[2]、大学[3]、