第二章-统计数据的收集与整理.pptVIP

第二章 统计数据的收集与整理  引导案例 人民网2月9日电“高中取消文理分科的必要性和可行性”——作为教育部公开向社会征求意见的《国家中长期教育改革和发展规划纲要》20大问题之一，在意见征集首日便在网民、教育界人士间引发热火朝天的争论。人民网于2月9日推出调查——《取消高中文理分科有益于人才培养吗？》 截至2月9日19点整，共有44928名网友参与了调查，其中选项“有弊，白白增加学生负担”得到的票数为22536票，占整个网友投票的50.2%。选项“有益，能够适应更多专业需求 ”得到的票数为20900票，占整个网友投票的46.5%。有1.8%的网友表示“不清楚，似乎都有道理”，这个选项得到的票数为792票。从网友的投票数量可以看出，赞成和反对高中文理分科的网友几乎旗鼓相当，反对的声音稍占上风 本章内容 第二章内容结构图 第一节 统计数据的计量与类型 一.分类数据、顺序数据、数值型数据 1.数据的计量尺度 定类尺度 定序尺度 定距尺度 定比尺度 思考：如下数据的计量尺度分别属于哪一种？ 性别 年级 学习成绩 身高 定类尺度（Nominal scale） 是依据客观事物的某种属性对其进行平行的分类或分组 它是最粗略、计量层次最低的计量尺度 定类尺度只是测度了事物之间的类别差，各类别之间是平等的并列关系，无法区分优劣或大小，各类之间的顺序是可以改变的 例如：性别、民族、所有制类型 定序尺度（Ordinal scale） 又称顺序尺度,它是对事物之间等级差或顺序差别的一种测度 该尺度不仅可以将事物分成不同的类别,而且还可以确定这些类别的优劣或顺序 定序尺度的计量结果虽然也表现为类别,但这些类别之间是可以比较顺序的 例如，产品等级就是对产品质量好坏的一种次序测度 很显然,定序尺度对事物的计量要比定类尺度精确一些 定距尺度（Interval scale） 也称间隔尺度，是对现象类别或次序之间间距的计量 定距尺度是比定序尺度高一层次的计量尺度，它不仅能将现象区分为不同类型并进行排序，而且可以准确地指出类别之间的差距 例如，学生某门课程的考试成绩用“百分制”测量 定距尺度的计量结果表现为数值，可以准确地指出两个计数之间的差值。例如，学生的考试成绩从0分到100分进行分类排序，得到从0分、50分、60分、70分、90分，直到100分的序列 序列中不仅有明确的高低之分，而且可以计算差距，如，50分与60分之间相差10分，70分与90分之间相差20分，等等 定距尺度的基本特征是： 有确定的计量单位。这是定距尺度区别于定类尺度和定序尺度的基本特征 由于定距尺度的计量结果表现为数值，所以定距变量的值可以用数字表示，是真正意义上的值，可以进行加、减运算，但不能进行乘或除的运算，因为在等级序列中没有固定的、有确定意义的“零”位 定比尺度（Ratio scale） 也称比例尺度，它与定距尺度属于同一层次，是在定距尺度的基础上，确定可以作为比较的基数，可以测量不同变量（社会现象）之间的比例或比率关系 其计量的结果也表示为数值 定比尺度除了具有上述三种计量尺度的全部特征外，还有自己的基本特征： 在定比尺度中，“0”表示“没有”或“不存在” 例如，一个企业某种产品产量为“0”，表示该企业没有生产这种产品；一个人的月收入为“0”元，则表明这个人当月没有收入 定比尺度既能作加减也能作乘除运算 指出下列数据计量尺度的类型？ 籍贯 职称 民族 宗教信仰 托福成绩 体重 产品等级 缺勤次数 2.数据类型（P18-19） 分类数据是由定类尺度计量，只能归于某一类别的非数字型数据，如： 人口的性别：男和女 产品类别：食品、衣着、家电等等 顺序数据是由定序尺度计量，只能归于某一顺序类别的非数字型数据，如： 产品的质量等级：一等品、二等品等 数值型数据是由定距尺度和定比尺度计量的数据， 分类数据和顺序数据说明是事物的品质特征-----定性数据； 数值型数据是说明事务物的数量特征----定量数据 区分数据的类型是很重要的，因为对不同类型的数据将采取不同的统计方法处理和分析，例如： 分类数据，通常计算各组的频数或频率，计算众数、标准差等 顺序数据，除可以计算上述指标外，可以计算中位数、累计频数（率）等 对于数值型数据，统计方法就更加灵活 二.观测数据和实验数据 观测数据：通过统计调查或观测而收集到的数据称为观测数据 实验数据：通过在实验中控制实验对象而收集到的数据称为实验数据 如有关社会经济数据均为 医药疗效试验数据；生物成长的试验数据等均为 三.截面数据和时间序列数据 按照被描述对象与时间的关系，可将统计数据分为： 截面数据：是指在同一时间不同空间收集的数据，它描述的是某一时期或时点上现象在不同地理区