数据处理过程中的质量控制.PPT

数据编码 定性变量的编码： 有序变量的编码：临床体检或实验室检验常用?、±、＋和＋＋等来表示测量结果，属于有序变量。 有序变量的取值称为水平，如果有理由认为各水平之间是等距离或近似等距离，则可把各水平取值依次记作 1、2、3、4。例如，患者术后出血量分为少、一般、偏多、过多，分别按这个顺序编码为1、2、3、4。如果把“1”理解为“较低水平”，代表较少出血量，把“4”理解为“较高水平”，代表较多出血量，完全可以和医学实际意义相吻合。 数据编码 问卷中多复选题的编码： 所谓复选题，也称多项选择题， 即题目的答案不止一个，答案的选项可以根据研究需要多重选择。 复选题主要包括两种情况： 一种是被调查人员从选项集中任意选择符合自身情况的选项，没有其他附加要求； 另一种是被调查人员从选项集中选择最重要的3项（或5项），并按照程度大小排序。 数据编码 问卷中多复选题的编码： 1. 多重二分法：将复选题的多个选项分别当作独立的变量来看待，根据选项的个数分别定义为若干个子变量。对于每一选项的赋值，选定义为“1”，不选为“0”。 如例1按照多重二分法进行编码时，就会产生5个新的且相互独立的变量，分别用A1、A2、 A3、A4、 A5表示，假设某位调查对象选择了“1、2、5”，编码的结果便为A1=1、A2=1、A3=0、A4=0、A5=1。 数据编码 问卷中多复选题的编码： 2.随机编码法：当变量选项比较多，而题目只要求从多个选项中选择最重要的3或5项时，仍然使用多重二分法录入显然不方便。为了减少录入“0”的次数，常选用另一种编码方法－随机编码法。 如例2，这时候只要定义3个子变量即可（如B1，B2，B3），每个子变量的备选项可以分别定义为1-10，也可以理解为每个子变量为被访者的一次选择。假设某位调查对象选择了“1、2、5”，编码的结果便为B1=1、B2=2、B3=5。 数据编码 问卷中多复选题的编码： 3.组合编码法:运用了排列组合的方法，把所有符合例3条件的组合定义为一种类型，并分别用阿拉伯数据对其进行编码。然后在数据录入时，只需要把某一类型的代码录入一个变量（C）即可。 由于这种方法只需定义一个变量，因此可以有效减少了数据容量， 提高录入速度，便于数据的检查。而且用单选题的编码方式用于复选题的数据编码，也必然增加了可选择的统计分析手段。 存在着因备选项增加而造成的组合类型多样化、类型识别困难的弊端。 数据编码 缺失数据的编码 ： 失访数据（又称漏失数据):是指应该调查而未被调查到的数据，例如调查对象回答不准确、调查员记录不清、项目遗漏或随访过程中调查对象失访等原因，都会导致漏失数据的产生。 空白数据:是在调查对象不具有某些项目的情况时产生，它属于不必调查的数据，例如男性中学生月经初潮的调查项目一定呈空白状态。 数据编码 缺失数据的编码 ： 虽然这两种类型的缺损数据在客观上都造成了调查表项目的空白，但它们的性质及其在分析时的处理方法不同。有些调查者将漏失数据和空白数据都视作同一代码例如“9”或“0”处理，这对统计分析特别是多元分析极为不利。如果某项目漏失数据较少，仍可用适当方法加以处理并使其参与分析，但真正的空白数据则完全没有必要这样来做。 一般来说，可用适当位数的“9”或“X” 代码来表示漏失数据；用“0”或“-”代码表示空白数据。 　　　　 缺失值的概念 缺失数据的分类 缺失值的处理 缺失值处理 缺失值的定义 缺失值是指在数据采集与整理过程中丢失的内容，也说明现有数据集中某个或某些属性的值是不完全的。 主要包括失访数据（又称漏失数据)和空白数据。 缺失值是各类统计调查中都无法完全避免的事情，在一项调查中要想获得100 %的有效问卷是几乎不可能的。特别是在开展大样本长期随访研究时，即使质量控制措施非常严格，缺失值也会很容易达到10％。 造成数据缺失的原因 问卷涉及敏感性问题 搜集数据的方法不严格 调查员的行为和态度不端正 问题本身无答案 有些信息暂时无法获取 有些信息被遗漏 调查研究中的损耗较大 从多个数据源中合并数据等。 在数据整理阶段，研究人员将不符合逻辑的数据剔除也会造成数据的缺失。 缺失值带来的问题 数据中的信息不能被完全提取、造成数据处理与分析困难、容易产生偏倚等。 如果进行时间序列分析，存在缺失值甚至会导致统计分析无法进行。 在面对缺失数据时，很多人都选择直接删除缺失值的方法。当缺失值在数据库中所占比重较少时，直接删除不会带来太大的问题；但当缺失值所占比例较多时，直接删除会损失大量信息，甚至可能得到错误的结论。 缺失值的分类 在调查研究中，缺失数据又被称为无回答，无回答主要包括单位无回答和项目无回答两种形式。 “单位无回答”又称全部调查项目无回答，是指被调查者不愿意或者不能够回答整张问卷； “项目无回答