第十一章数粘据处理.pptVIP

第十一章 数据处理 本章要点： 了解数据处理的概念和一般程序 了解并掌握前编码设计的各种方法 了解审核的准则和选择性审核的方法 熟悉实践中各种插补方法 开篇案例：某城市外出就餐调查的有关数据 在某城市调查居民当月在外就餐的费用，向1000户家庭发放了调查问卷。询问当月该户在外就餐的费用为：1，100元以下；2，100~300元；3，300~500元；4，500~1000元；5，1000元以上。回收了768份问卷。统计结果如表所示： 不响应的有232户。研究响应的768户与不响应的232户的居住环境，两者相差悬殊，普通居民住宅与高档住宅的比例有明显差异。在相应的768户中，高档住宅户仅占1.6%，而不响应的232户中，高档住宅占到38%。在调查到的12户高档住宅户中有5户选择3，7户选择4，根据这样的背景，完全可以判定实际回收的768户样本的结构与原设计的1000户的结构石油实质差异的。 那么应该如何看待这些数据呢？如何使用这些数据对总体进行推断呢？ 一、数据处理及其一般程序 数据处理，广义上是指在对数据资料进行统计分析之前要做的准备工作，包括对定性资料的分类、简化，对定量资料的汇总和分组等。 数据处理的一般程序 1、初步审核及净化 审核问卷填写的完整性和数据质量，目的是确定哪些问卷可以接受，哪些问卷是要被剔除的。 一般来说，以下情况的问卷是不能接受的： 所回收的问卷是明显不完整的，如缺页或多页； 问卷从整体上是回答不完全的； 问卷的几个部分是回答不完整的； 回答表明被访者没有弄清楚问题的含义或没有阅读答卷的重要说明； 被访者的回答表现出某种系统偏差，如在五级量表测量的一些列问题中总是选择中性答案； 问卷是由不合要求的被访者回答的。 2、数据编码 就是对一个问题的不同回答进行分组和确定数字代码的过程。 编码设计的具体内容包括：问卷代码、变量的定义（名称、类型、位数、对应问题等） 问卷代码主要包括访员代码、问卷代码及与抽样或调查对象有关的子总体的代码等。例如，某问卷的代码为“1031102”，第一位数字1代表上海航空公司，后面03代表652次航班，再后面两位数字11代表访员编号，最后两位数字02代表该访员在此航班成功完成的第2分问卷。 编码设计的分类 根据问卷结构分为结构式问卷编码设计和非结构式问卷编码设计 根据问题类型分为封闭题、半封闭题和开放题编码设计 根据编码设计的时间与方法分为前编码设计和后编码设计两种 前编码设计 前编码设计要求事先已知问题的答案类别，主要应用于结构式问卷中的封闭题和数字型开放题。 封闭式问题的编码 单选的封闭式问题或量表的编码 例如：请问您乘坐的舱位是： 1头等舱 2公务舱 3经济舱 对上题编码，定义变量取值范围为1，2，3，9，分别代表头等舱，公务舱，经济舱和无回答。 多选的封闭式问题或量表的编码 这类多选问题需要使用多个变量来表示。根据设立的变量个数及变量取值的不同，通常有两种编码方式： 方法一：所设立的变量个数与问卷提供的选项个数相同，即每个选项就是一个变量，每个变量取值都是0或1，如果被访者选择该选项，变量取值1，否则为0。 例如：您选择本次航班的原因？（可以选择多项） 安全有保障 航班时刻适当 机型好 服务好 持常旅客卡 航班正点 折扣票 旅行社安排 无其他航班 其他 对上题的编码如下表所示，这种编码方法的优点是编码的结果不用经过转换，可直接分析；缺点是变量随选项增多而增多，对于样本大，录入工作量较大。 方法二： 所设立的变量个数为最多可以选择的选项个数，变量取值为所选择答案的选项号，变量排列顺序即为选择答案的顺序。 数字型开放式问题的编码 对直接回答数字的问题，变量取值即为该数字。设计编码时变量的测量水平应尽可能高一些。 变量所占字节数可以根据事先预计的数字最大值的位数确定。 后编码设计 市场调查中有些问题的答案事先无法预料或难以完全罗列出来，但又希望能对答案进行定量分析。 步骤： 1、列出答案 2、将所有有意义的答案列成频数分布表 3、确定可以接受的分组数 4、挑选和合并答案。对频数较少的答案尽可能归并成含义详尽的几组，对含义相差大的或频数不多的，以“其他”概括为一组。 5、对确定的分组选择正是的描述词汇 6、根据分组结果制定编码规则 7、对全部回收调查表进行编码 三、详细审核与插补 问卷和数据的详细审核是在数据录入到计算机以后进行的。通过详细审核，将存在一处或多出错误的调查问卷跳出，留待进一步处理。 审核主要分为三类：有效性审核、一致性审核与分布审核。 插补就是解决在审核过程中辨别出来的数据缺失、无效与不一致等问题的过程。 插补分为：确定性插补和随机插补。 四、离群值的检测与处理 离群值的检测可以看做审核的一种类型，主要是用来发现和确认可疑值