数据处理与分析.pptVIP

4.7随机性插补

任何用于定量数据的确定性插补都能通过加上随机残差变得具有非确定性。例如，我们可以用平均值加上随机残差来进行插补：其中，是y变量第i个记录的插补值；是插补类的均值；是从被调查者或某一分布的随机模型中抽取的残差。

第30页，讲稿共51页，2023年5月2日，星期三哪些值需要插补

由于无回答或回答无效检出的审核失效的记录一般都需要进行插补。但是并不是所有审核失效的数据都需插补。对一个记录应尽可能限制需插补的项目。确定哪些字段需要插补应遵循以下三条准则：??应该通过变更尽可能少的数据项（字段），以使每条记录都满足审核规则的要求；???尽可能保持数据文档的原始频数结构；???插补规则的确定，不是参考其它任何具体规定，而是由相应的审核规则导出。

第31页，讲稿共51页，2023年5月2日，星期三举例说，假设某份问卷中关于一位被调查者的背景资料是：受教育程度（大学），婚姻状况（已婚），性别（女），年龄（10岁）。显然，这条记录中，年龄-婚姻状况、年龄、受教育程度是不符合审核规则的。为了纠正审核失效，可以同时调整婚姻状况和受教育程度，也可以只对年龄作调整，一般倾向于采用后者。第32页，讲稿共51页，2023年5月2日，星期三插补后数据的方差估计前面讲到的所有插补方法都能为每一个缺失的或不一致的值生成一个单一的插补值，这些方法也都会在某种程度上扭曲插补变量的原始分布，并导致使用标准方差估计公式得出的不适当的方差估计。分布扭曲的程度很大程度上取决于插补量的大小和所使用的插补方法。第33页，讲稿共51页，2023年5月2日，星期三插补的准则

虽然插补能改善最终数据的质量，但也要小心选择适当的插补方法。插补方法是否适当取决于调查的类型、目的、可用的辅助信息和错误的性质。审核和插补带来的风险是它们会破坏报告数据，产生符合预想模型的记录，而这种模型后来可能表明并不正确。第34页，讲稿共51页，2023年5月2日，星期三

以下是进行插补的几条准则：插补得到的记录应该和审核失效的记录非常相似。这通常可以通过只对尽可能少的变量进行插补而尽可能多地保留被调查者的原始回答数据来做到。基本的假定（在实际工作中并不总成立）是一个被调查者更有可能只出错一两次，而出错多次的情况较少；好的插补会为评估留下审查的线索，并保证插补的记录具有内部一致性。插补处理过程应该是自动的、客观的、可再现的和有效的；

第35页，讲稿共51页，2023年5月2日，星期三插补得到的记录应该满足所有的审核规则；

-??插补值应标明，插补方法和插补使用的资料也应清楚地标明。记录中变量的插补和非插补的值都应该保留，以便对插补的程度和影响进行评估；

-?仔细选择插补的方法，考虑每一种插补方法的优缺点以及要插补的数据的类型；

第36页，讲稿共51页，2023年5月2日，星期三第1页，讲稿共51页，2023年5月2日，星期三1.编码编码是给问题的每项答案赋予一个数值代码，以便于数据录入和作进一步处理的过程。编码具体方法很多，包括：问卷中已预先编码；在数据收集完毕之后进行手工编码；通过文本识别软件进行自动编码（即借助软件给一串字符赋予一个代码）。第2页，讲稿共51页，2023年5月2日，星期三2）数据录入数据录入是将回答转化成可机读的形式。采用纸张式收集数据的方法时，数据录入是在数据收集完毕之后（通常是在对问卷进行一些“梳理”和初步审核之后）进行。采用计算机辅助数据收集方法时，数据录入是在数据收集的同时完成的。第3页，讲稿共51页，2023年5月2日，星期三

?

下面几种方法可以提高数据录入的效率：采用计算机辅助数据收集方法；对纸张式问卷进行光电扫描；对纸张式问卷进行预先编码。第4页，讲稿共51页，2023年5月2日，星期三3.审核审核是应用各种检查规则来辨别缺失、无效或不一致的录入，这些会导致数据记录的潜在错误。审核的目的就是要保证调查最后所得的数据的完整性、一致性和有效性（包括逻辑性）。审核主要可分为三类：即有效性审核、一致性审核与分布审核。有效性审核和一致性审核是对单张问卷进行的审核；分布审核则是对全部问卷或部分问卷的数据一起进行审核。第5页，讲稿共51页，2023年5月2日，星期三通常，审核规则的确定基于以下几个方面：关于调查主题的专业知识；问卷和问题的结构；其它相关的调查或数据；统计理论（如离群值的检测方法）。第6页，讲稿共51页，2023年5月2日，星期三数据收集完毕后，对审核失效，通常按下列方法进行处理：将其剔