《统计数据的来源、收集与整理》由会员分享,可在线阅读,更多相关《统计数据的来源、收集与整理(44页珍藏版)》请在金锄头文库上搜索。
1、本资料来源,多元统计分析及SPSS应用,天津大学,rzhaoorsc.edu. Zhao,赵瑞清,Tianjin University,rzhaoorsc.edu. session 3 聚类分析,应用多元统计分析及SPSS应用 Session 3 统计数据的收集、整理与描述,Session Topics,统计数据的来源,统计数据的收集,统计数据的描述,统计数据的整理,统计数据的来源,一、统计数据的直接来源,来源于管理和研究需要而专门组织的调查,来源于科学试验的数据,二、统计数据的间接来源,来源于公开出版物的数据,来源于内部调查的数据,统计数据的收集,数据的搜集方法,访问调查,1. 调查者与被
2、调查者通过面对面地交谈而获得资料 2. 有标准式访问和非标准式访问 标准式访问通常按事先设计好的问卷进行 非标准式访问事先一般不制作问卷,邮寄调查,也称邮寄问卷调查 是一种标准化调查 调查者与被调查者没有直接的语言交流,信息的传递依赖于问卷 通过某种方式将调查表或问卷送至某调查者手中,由被调查者填写,然后将问卷寄回指定收集点 问卷或表格的发放方式有邮寄、宣传媒介传送、专门场所分发三种,电话调查,调查者利用电话与被调查者进行语言交流以获得信息 时效快、成本低 问题的数量不宜过多,您好! 我是调查公司的调查员,电脑辅助调查,又称电脑辅助电话调查 电脑与电话相结合完成调查的全过程 一般需借助专门的软
3、件进行 硬件设备要求较高,座谈会,1. 也称集体访谈 2. 将一组被调查者集中在调查现场,让他们对调查的主题发表意见以获得资料 3. 参加座谈会的人数不宜过多,一般为610人 4. 侧重于定性研究,个别深度访问,一次只有一名受访者参加、针对特殊问题的调查 适合于较隐秘的问题,如个人隐私问题;或较敏感的问题,如政治方面的问题 侧重于定性研究,观察法,1. 就调查对象的行动和意识,调查人员边观察边记录以收集所需信息 2. 调查人员不是强行介入 3. 能够在被调查者不察觉的情况下获得资料,实验法,1. 在设定的特殊实验场所、特殊状态下,对调查对象进行实验以获得所需资料 2. 有室内实验法和市场实验法
4、,统计数据的间接来源,1. 公开出版物: 中国统计年鉴、中国统计摘要、中国社会统计年鉴、中国工业经济统计年鉴、中国农村统计年鉴、中国人口统计年鉴、中国市场统计年鉴、世界经济年鉴、国外经济统计资料、世界发展报告,统计数据的整理,一、统计分组,根据统计研究的目的和客观现象的内在特点,按某个标(或几个标志)把被研究的总体划分为若干个不同性质的 组,称为统计分组。,例:某班学生按考试成绩分组,二、频数分布与频率分布,将数据按其分组标志进行分组的过程,就是频数分布和频率分布形成的过程。表示各组的单位的次数称为频数,各组次数与总次数之比称为频率。,二、频数分布与频率分布,频数分布就是观察值按其分组标志分配
5、在各组内的次数,由分组标志序列和各组相对应的分布次数两个要素构成。,由分组标志序列和各组相应的频率构成频率分布。,当所观察的次数很多,组距很小并且组数很多时,所绘出的折线图就会越来越光滑,逐渐形成一条光滑的曲线,这种曲线即频数分布曲线,反映了数据的分布规律。,三、累积频数分布与频率分布,为了统计分析的需要,有时要观察某一数值以上或某一数值以下频数或频率之和,这就需要绘出累积频数或累计频率。,在SPSS 中对下数据进行频数(率)分析,1.定义工人编号和加工零件数的变量名分别为NO 和X,然后输入变量NO 和X 的原始数据。,2.选择Analyze=Descriptive Statistics=F
6、requencies.,弹出Frequencies主对话框。,现欲X 进行频数分析,在对话框左侧的变量列表中选X,单击按钮使之进入Variable(s)列表框,并选择Display Frequency Tables显示频数分布表。,3.可单击Format.按钮弹出Frequencies:Format子对话框,根据数值大小按升序从小到大作频数分布,数值大小按降序从大到小作频数分布,频数多少按升序从少到多作频数分布,频数多少按降序从多到少作频数分布,4.可单击Statistics.按钮,弹出Frequencies:Statistics子对话框,并单击相应项目,在作频数表分析的基础上,附带作各种统计
7、指标的描述,特别是可进行任何水平的百分位数计算。这里不选。,5.可单击Charts.钮,弹出Frequencies:Charts子对话框,,用户可选三种图形:直条图(Bar chart)、饼图(Pie Charts)和直方图(Histogram)。这里选择Histogram 项,并选择With Normal Curve要求绘制正态曲线。单击Continue按钮返回Frequencies主对话框,再单击OK钮即可得到(累计)频数(频率)分布表和直方图。,输出结果,频数(率)分布表,加工零件数,应该注意的是,SPSS 在未特别指定的情形下,直方图或频数分布表是按照原始数值逐一作频数分布的,这与日常
8、需要的等距分组、且组数保持在一定数目的要求不符。 在调用Frequencies统计过程命令之前,可先对原始数据进行预处: 已知最小值为84,最大值为128,全距为10,故可要求分成5 组,起点为80,组距为10。 选择Transform=Recode=Into Different Variable.,在弹出的Recode Into Different Variable对话框中选定X,单击按钮使之进入Numeric VariableOutput Variable列表框,在OutputVariable栏的Name文本框中输入x1,单击Change按钮表示新生成的变量名为x1。 单击Old and
9、New Values按钮弹出Recode Into Different Variable:Old and New Values子对话框,在Old Value选项中单击Range项,输入第一个分组的数值范围:8089,在New value栏内输入新值:80,单击Add按钮. 依此将各组的范围及对应的新值逐一输入,最后单击Continue按钮返回,再单击OK按钮即完成。系统在原数据库中生成一新变量为x1,这时再调用Frequencies统计过程将输出等距分组且组数为5 的频数分布表。,统计数据的描述,作为统计数据的代表值,一个是分布的中心,反映分布的集中趋势,另一个是分布的形状,反映分布的离散程度
10、。这些代表性的数量特征值精确地描述出不同的统计数据分布。,一、 分布的中心,众数(mode),在正态分布和一般的偏态分布中,分布曲线最高点所对应的数值即是众数。如果没有明显的最高点,众数可以不存在。当然,如果有两个最高点,也可以有两个众数。,中位数(median)与分位数,中位数是数据排序后,位置在最中间的数值。,与中位数相似的还有四分位数(quartiles)、十分位数(decile)和百分位数(percentile)。中位数是将统计分布从中间分成相等的两部分,而四分位数就是将数据分布四等分的三个数值,其中中间的四分位数就是中位数。十分位数和百分位数分别是将数据分布十等分和一百等分的数值。,
11、平均数(均值)(mean),平均数是数据集中趋势的最主要测度值,三个中心度量的比较,二、分布的形状,用于描述数据分布形状即分布关于其中心的波动程度的代表值有:极差、内距、方差和标准等,它们描述了分布的离散程度和差异程度。,(一)极差(range),极差也称为全距,是最大值与最小值之间的距离,它是数据离散或差异程度的最简单测度值,即,例如,在前面的数据中,极差为128-84=44(件)。显然,数据的离散程度大,极差就越大。极差虽然很容易计算,但它只告诉我们数据分布范围,至于分布的中间部分是如何变化的则不得而知。而且它受极端值的影响可能是很大的。,(二)内距(Inter-Quartile Rang
12、e, IQR),内距又称为四分位差,是两个四分位数之差,IQR=高四分位数低四分位数。,若内距比较小,则说明数据比较集中在中位数附近;反之则比较分散。内距常和中位数一起用来描述一个定距特别是定序测量数据的分布。,(三)方差(variance)和标准差(standard deviation),方差是离差平方的平均数,即,或,三、偏度与峰度,(一)偏度(skewness),所谓偏度是指反映频数分布偏态方向和程度的测度。,在频数分布中,最大集中点以上(频数曲线图横轴上众数的右边)的频数占总频数的一半多,称为右偏或正偏。,最大集中点以下(频数曲线图横轴上众数的左边)的频数占总频数的一半多,称为左偏或负
13、偏。,偏度的计算公式为:,(二)峰度(kurtosis),所谓峰度,是指频数分布曲线高峰的形态,即反映分布曲线 的尖峭程度的测度。,峰度的计算公式为,当=0 时,表示分布的峰度是正态分布的峰度;当0 时,表示分布曲线的高峰是尖顶高峰;当0 时,表示分布曲线的高峰是平顶高峰。,四、SPSS 操作,在SPSS 中计算上例各种指标的步骤为:,(一)定义加工零件数的变量名为X,并输入原始数据。,(二)选择Analyze=Descriptive Statistics= Descriptives.,打开Descriptives主对话框。,打开Descriptives主对话框。在主对话框左边列表中选定变量X
14、,单击按钮使之进入Variables(s) 列表框。,(三)单击Options.按钮,打开Descriptives:Options子对话框。选择均值(Mean)、总和(Sum)、标准差(Std.Deviation)、方差(Variance)、极差(Range)、最小值(Minimum)、最大值(Maximum)、偏度(Skewness)和峰度(Kurtosis),选好后单击Continue按钮返回Descriptives主对话框,再单击OK按钮即可得到各种统计量的计算结果。,输出结果:,以上结果没有给出中位数、众数等统计量,可以在频数(率)分析时增加选项计算相应的统计量,具体操作步骤如下:,(
15、一)定义工人编号和加工零件数的变量名分别为NO 和X,然后输入变量NO 和X 的原始数据。,(二)选择Analyze=Descriptive Statistics=Frequencies.,,弹出Frequencies主对话框。现欲X 进行频数分析,在对话框左侧的变量列表中选X,单击按钮使之进入Variable(s)列表框,并选择Display Frequency Tables显示频数分布表。,(三)单击Statistics.按钮,弹出Frequencies:Statistics子对话框,并单击相应项目。本例中选择均值(Mean)、中位数(Median)、众数(Mode)、总和(Sum)、标准差(Std.Deviation)、方差(Variance)、极差(Range)、最小值(Minimum)、最大值(Maximum)、偏度(Skewness)和峰度(Kurtosis),选好后单击Continue按钮返回Frequencies主对话框,再单击OK按钮即可得到各种统计量的计算结果。,输出结果:,