刘超简明应用统计学第2版 第1章统计学绪论PPT.pptVIP

变量的具体表现称为变量值，即数据 变量的值(value)通常是对某一特定个体的度量，特定个体可能是指一个人，一个家庭，一个地区，或一个国家。 从表中可知，性别变量是以人为个体的观测，孩子的数目是以家庭为个体的观测。 变量 变量的值 个体 性别 男，女 人 学历 小学，中学，本科，硕士，博士 人 失业 有工作，无工作 人 孩子数 0， 1， 2， 3，… 家庭 贫困程度 严重，一般，边缘，没有 地区 变量  (variable) 定性变量（qualitative variable）或属性变量（attribute variable） 定性变量取的值称为水平(level)或者类(class)。 比如，姓名、性别、行业、出生地、国籍/地区以及汽车类型都是定性变量。 定性数据通常以饼图或者条形图（详见第2章）的形式表示。 定量变量（quantitative variable） 定量变量例子比较多，比如年龄、寿命、公司的员工人数、薪水金额等等。 定量变量又可以分为连续的和离散的。 离散变量（discrete variable）只能取某些特定的值，并且不同取值之间通常都存在着间距。比如具有某种特征的人口（取正整数值）、某种事故发生的次数（非负整数）、足球射门次数等等。 连续变量（continuous variable）的观测值可以遍取某一区间中的任何值。身高、体重、长度等等都是连续变量的例子。 变量的类型 (variable) 【例1.1】 下面是关于是否喜欢锻炼的部分调查数据。 性别 锻炼的态度 出生日期 身高 体重 男 非常喜欢 170 65 女 喜欢 175 60 女 一般 165 61 男 不太喜欢 179 70 男 很讨厌 153 45 男 喜欢 180 65 女 一般 172 55 女 非常喜欢 167 52 表1.1 是否喜欢锻炼的部分调查数据 表1.1中的姓名、是否锻炼为定性变量。出生日期、身高和体重为定量变量，出生日期是离散变量，而身高和体重为连续变量。 变量(例题分析) 变量(其他分类) 随机变量和非随机变量 经验变量(empirical variables)和理论变量(theoretical variables) 经验变量所描述的是我们周围可以观察到的事物 理论变量则是由统计学家用数学方法所构造出来的一些变量，比如，z 统计量、t 统计量、?2统计量、F 统计量等 变量及其类型 数据还可以按照测量水平进行分类。 数据的测量水平通常制约着在数据概括和显示时可以选用的计算方法，它还决定着应该使用何种统计检验方法。 1.6 测量的水平 通常，可以从下面几个方面获得数据： 来自于公开发表资料中的数据 统计年鉴 有关期刊 有关网站 实验设计数据 调查数据 观察数据 1.7 数据收集 统计数据的分类 统计数据的分类 按计量层次 分类的数据 顺序的数据 数值型数据 按时间状况 截 面 的 数 据 时序的数据 按收集方法 观察的数据 实验的数据 统计数据的分类 (按计量尺度分) 分类数据(categorical data) 只能归于某一类别的非数字型数据 对事物进行分类的结果，数据表现为类别，用文字来表述 例如，人口按性别分为男、女两类 顺序数据(rank data) 只能归于某一有序类别的非数字型数据 对事物类别顺序的测度，数据表现为类别，用文字来表述 例如，产品分为一等品、二等品、三等品、次品等 数值型数据(metric data) 按数字尺度测量的观察值 结果表现为具体的数值，对事物的精确测度 例如：身高为175cm、168cm、183cm 观测的数据(observational data) 通过调查或观测而收集到的数据 在没有对事物人为控制的条件下而得到的 有关社会经济现象的统计数据几乎都是观测数据 实验的数据(experimental data) 在实验中控制实验对象而收集到的数据 比如，对一种新药疗效的实验，对一种新的农作物品种的实验等 自然科学领域的数据大多数都为实验数据 统计数据的分类(按收集方法分) 统计数据的分类(按时间状况分) 截面数据(cross-sectional data) 在相同或近似相同的时间点上收集的数据 描述现象在某一时刻的变化情况 比如，2005年我国各地区的国内生产总值数据 时间序列数据(time series data) 在不同时间上收集到的数据 描述现象随时间变化的情况 比如，2000年至2005年国内生产总值数据 数据收集的第一个准则是要清楚测量的是什么。换句话说，变量必须有一个明确的适合研究目的的定义。 这有时是说起来容易做起来难。如果我们对问题考虑得不全面，那么就没理由指望回答问题的人(一般称为响应者)能按照我们期望的回答问题。 在我们