第一章 导论
统计学statistics是收集、处理、分析、解释数据并从数据中得出结论的科学。 1.收集：收集有代表性的数据，是得到好结论的基础
2.处理分析：依据数据的特点选择方法，充分挖掘数据所蕴含的未知信息 3.解释并得到结论：要正确的理解并解释相关结论 一、统计方法
描述统计统计方法推断统计假设检验
参数估计描述统计(descriptive statistics)
1、 研究数据收集、处理、汇总、图表描述、概括与分析等统计方法 2、 内容：搜集数据、整理数据、展示数据、描述性分析 3、 目的：①描述数据特征②找出数据的基本规律 推断统计(inferential statistics)
1. 研究如何利用样本数据来推断总体特征的统计方法 2. 内容：参数估计、假设检验 3. 目的：对总体特征作出推断
二、统计的应用领域
actuarial work (精算) auditing (审计学) agriculture (农业) crystallography (晶体学) animal science (动物学) demography (人口统计学) anthropology (人类学) dentistry (牙医学) archaeology (考古学) ecology (生态学)
econometrics (经济计量学) management science (管理科学) education (教育学) marketing (市场营销学) election forecasting and projection (选举预测medical diagnosis (医学诊断) 和策划) meteorology (气象学) engineering (工程) military science (军事科学) epidemiology (流行病学) nuclear material safeguards (核材料安全管finance (金融) 理) fisheries research (水产渔业研究) ophthalmology (眼科学) gambling (赌博) pharmaceutics (制药学) genetics (遗传学) physics (物理学) geography (地理学) political science (政治学) geology (地质学) psychology (心理学) historical research (历史研究) human psychophysics (心理物理学) genetics (人类遗传学) quality control (质量控制) hydrology (水文学) religious studies (宗教研究) industry (工业) sociology (社会学) linguistics (语言学) survey sampling (调查抽样) literature (文学) taxonomy (分类学) manpower planning (劳动力计划) weather modification (气象改善)
三、统计数据的类型
统计数据的分类按计量层次按收集方法按时间状况分类数据顺序数据数值型数据观察数据实验数据截面数据时序数据按计量尺度分【数据的测量尺度有四种：（1）分类尺度nominal scale。按照事物的某种属性对其进行平行的分类，数据表现为类别。（2）顺序尺度ordinal scale。对事物类别顺序的测度，数据表现为有序的类别。（3）间隔尺度interval scale。对事物类别或次序之间间距的测度，没有绝对零点，数据表现为数字。（4）比率尺度ratio scale。对事物类别或次序之间间距的测度，有绝对零点，数据表现为数字。】 1. 分类数据(categorical data)
a) 只能归于某一类别的非数字型数据
b) 对事物进行分类的结果，数据表现为类别，用文字来表述 c) 例如，人口按性别分为男、女两类 2. 顺序数据(rank data)
a) 只能归于某一有序类别的非数字型数据
b) 对事物类别顺序的测度，数据表现为类别，用文字来表述 c) 例如，产品分为一等品、二等品、三等品、次品等 3. 数值型数据(metric data)
a) 按数字尺度测量的观察值
b) 结果表现为具体的数值，对事物的精确测度 c) 例如：身高为175cm、168cm、183cm
注：分类数据和顺序数据说明的是事物的品质特征，通常是用文字来表述的，其结果均表现为类别，因而也可统称为定性数据或品质数据（qualitative data）；数值型数据说明的是现象的数量特征，通常是用数值来表现的，因此也可称为定量数据或数量数据（quantitative data）。 按收集方法分
1. 观测的数据(observational data)
a) 通过调查或观测而收集到的数据
b) 在没有对事物人为控制的条件下而得到的
c) 有关社会经济现象的统计数据几乎都是观测数据 2. 实验的数据(experimental data)
a) 在实验中控制实验对象而收集到的数据
b) 比如，对一种新药疗效的实验，对一种新的农作物品种的实验等 c) 自然科学领域的数据大多数都为实验数据 按时间状况分
1. 截面数据(cross-sectional data)
a) 在相同或近似相同的时间点上收集的数据 b) 描述现象在某一时刻的变化情况
c) 比如，2005年我国各地区的国内生产总值数据 2. 时间序列数据(time series data)
a) 在不同时间上收集到的数据 b) 描述现象随时间变化的情况
c) 比如，2000年至2005年国内生产总值数据
四、统计中的几个基本概念
1. 总体(population)：所研究的全部个体(数据) 的集合，其中的每一个个体也称为元素
1) 分为有限总体和无限总体
2) 有限总体的范围能够明确确定，且元素的数目是有限的 3) 无限总体所包括的元素是无限的，不可数的 2. 样本 (sample)：从总体中抽取的一部分元素的集合
构成样本的元素的数目称为样本容量或样本量 (sample size) 3. 参数(parameter)
a) 描述总体特征的概括性数字度量，是研究者想要了解的总体的某种特征值 b) 所关心的参数主要有总体均值()、标准差()、总体比例()等 c) 总体参数通常用希腊字母表示 4. 统计量(statistic)
a) 用来描述样本特征的概括性数字度量，它是根据样本数据计算出来的一些量，是样
本的函数
b) 所关心的样本统计量有样本均值(x)、样本标准差(s)、样本比例(p)等 c) 样本统计量通常用小写英文字母来表示 5. 变量variable：是说明现象某种特征的概念
如商品销售额、受教育程度、产品的质量等级等 变量的具体表现称为变量值，即数据 变量可以分为
分类变量(categorical variable)：说明事物类别的名称
顺序变量(rank variable)：说明事物有序类别的名称 数值型变量(metric variable)：说明事物数字特征的名称
离散变量：取有限个值&连续变量：可以取无穷多个值
随机变量和非随机变量
经验变量(empirical variables)和理论变量(theoretical variables)
经验变量所描述的是我们周围可以观察到的事物
理论变量则是由统计学家用数学方法所构造出来的一些变量，比如，z统计量、t 统计量、2统计量、F 统计量等
第二章数据的搜集
一、数据的来源
1、数据的间接来源：如果与研究内容相关的原信息已存在，我们只是对这些原信息重新加工、整理，使之成为我们进行统计分析可以使用的数据，则把他们成为间接来源的数据。 系统外部的数据（可获得性大）
1) 统计部门和政府部门公布的有关资料，如各类统计年鉴
2) 各类经济信息中心、信息咨询机构、专业调查机构等提供的数据 3) 各类专业期刊、报纸、书籍所提供的资料
4) 各种会议，如博览会、展销会、交易会及专业性、学术性研讨会上交流的有关资料 5) 从互联网或图书馆查阅到的相关资料 系统内部的数据
1) 业务资料，如与业务经营活动有关的各种单据，记录 2) 经营活动过程中的各种统计报表 3) 各种财务，会计核算和分析资料等 二手数据的特点
1) 搜集容易，采集成本低 2) 作用广泛
a) 分析所要研究的问题 b) 提供研究问题的背景
c) 帮助研究者更好地定义问题 d) 检验和回答某些疑问和假设 e) 寻找研究问题的思路和途径 3) 搜集二手资料在研究中应优先考虑 二手数据的评估（人物、事件、方法、时间）
1) 数据是谁搜集的？（可信度评估） 2) 为什么目的而搜集的？ 3) 数据是怎样搜集的？
4) 什么时候搜集的？（保证数据的时效性） 2、数据的直接来源（原始数据）
1) 调查数据
a) 通过调查方法获得的数据 b) 通常是对社会现象而言 c) 通常取自有限总体 2) 实验数据
a) 通过实验方法得到的数据 b) 通常是对自然现象而言
c) 也被广泛运用到社会科学中，如心理学、教育学、社会学、经济学、管理学等
二、调查数据
1、概率抽样(probability sampling)，也称随机抽样，是指遵循随机原则进行的抽样，总体中每个单位都有一定的机会被选入样本。 特点
1) 按一定的概率以随机原则抽取样本，抽取样本时使每个单位都有一定的机会被抽中 2) 每个单位被抽中的概率是已知的，或是可以计算出来的
3) 当用样本对总体目标量进行估计时，要考虑到每个样本单位被抽中的概率 简单随机抽样(simple random sampling)：从总体N个单位中随机地抽取n个单位作为样
本，每个单位入抽样本的概率是相等的
1) 最基本的抽样方法，是其它抽样方法的基础 2) 特点
a) 简单、直观，在抽样框完整时，可直接从中抽取样本 b) 用样本统计量对目标量进行估计比较方便 3) 局限性
a) 当N很大时，不易构造抽样框
b) 抽出的单位很分散，给实施调查增加了困难 c) 没有利用其它辅助信息以提高估计的效率
分层抽样(stratified sampling)：将抽样单位按某种特征或某种规则划分为不同的层，然
后从不同的层中独立、随机地抽取样本 优点
1) 保证样本的结构与总体的结构比较相近，从而提高估计的精度 2) 组织实施调查方便
3) 既可以对总体参数进行估计，也可以对各层的目标量进行估计
整群抽样(cluster sampling)：将总体中若干个单位合并为组(群),抽样时直接抽取群，然
后对中选群中的所有单位全部实施调查 特点
1) 抽样时只需群的抽样框，可简化工作量
2) 调查的地点相对集中，节省调查费用，方便调查的实施 3) 缺点是估计的精度较差
系统抽样(systematic sampling)：将总体中的所有单位(抽样单位)按一定顺序排列，在规
定的范围内随机地抽取一个单位作为初始单位，然后按事先规定好的规则确定其它样本单位
典型的系统抽样是先从数字1到k之间随机抽取一个数字r作为初始单位，以后依次取r+k，r+2k…等单位
1) 优点：操作简便，可提高估计的精度 2) 缺点：对估计量方差的估计比较困难 多阶段抽样(multi-stage sampling)
1) 先抽取群，但并不是调查群内的所有单位，而是再进行一步抽样，从选中的群中抽
取出若干个单位进行调查
a) 二阶抽样中群是初级抽样单位，第二阶段抽取的是最终抽样单位。将该方法推
广，使抽样的阶段数增多，就称为多阶段抽样
2) 具有整群抽样的优点，保证样本相对集中，节约调查费用
3) 需要包含所有低阶段抽样单位的抽样框；同时由于实行了再抽样，使调查单位在更
广泛的范围内展开
4) 在大规模的抽样调查中，是经常被采用的方法
2、非概率抽样(non-probability sampling)：是相对于概率抽样而言的，抽取样本时不是依据随机原则，而是根据研究目的对数据的要求，采用某种方式从总体中抽出部分单位对其实施调查。
方便抽样
1) 调查过程中由调查员依据方便的原则，自行确定入抽样本的单位
a) 调查员在街头、公园、商店等公共场所进行拦截调查 b) 厂家在出售产品柜台前对路过顾客进行的调查 2) 优点：容易实施，调查的成本低
3) 缺点：样本单位的确定带有随意性，样本无法代表有明确定义的总体，调查结果不
宜推断总体
判断抽样
1) 研究人员根据经验、判断和对研究对象的了解，有目的选择一些单位作为样本
a) 有重点抽样，典型抽样，代表抽样等方式
2) 判断抽样是主观的，样本选择的好坏取决于调研者的判断、经验、专业程度和创造
性
3) 抽样成本比较低，容易操作
4) 样本是人为确定的，没有依据随机的原则，调查结果不能用于推断总体 自愿样本
1) 被调查者自愿参加，成为样本中的一分子，向调查人员提供有关信息
a) 例如，参与报刊上和互联网上刊登的调查问卷活动，向某类节目拨打热线电话
等，都属于自愿样本
2) 自愿样本与抽样的随机性无关
a) 样本是有偏的
b) 不能依据样本的信息推断总体
滚雪球抽样
1) 先选择一组调查单位，对其实施调查之后，再请他们提供另外一些属于研究总体的
调查对象，调查人员根据所提供的线索，进行此后的调查。这个过程持续下去，就会形成滚雪球效应
2) 适合于对稀少群体和特定群体研究
3) 优点：容易找到那些属于特定群体的被调查者，调查的成本也比较低 配额抽样
1) 先将总体中的所有单位按一定的标志(变量)分为若干类，然后在每个类中采用方便抽
样或判断抽样的方式选取样本单位
2) 操作简单，可以保证总体中不同类别的单位都能包括在所抽的样本之中，使得样本
的结构和总体的结构类似
3) 抽取具体样本单位时，不是依据随机原则，属于非概率抽样 3、概率抽样与非概率抽样的比较
1) 概率抽样
a) 依据随机原则抽选样本 b) 样本统计量的理论分布存在 c) 可根据调查的结果推断总体 2) 非概率抽样
a) 不是依据随机原则抽选样本 b) 样本统计量的分布是不确定的 c) 无法使用样本的结果推断总体
4、数据搜集的基本方法 自填式问卷调查
1) 没有调查员协助的情况下由被调查者自己完成调查问卷
a) 问卷递送方法有：调查员分发、邮寄、网络、媒体 2) 要求调查问卷结构严谨，有清楚的说明 3) 弱点
a) 问卷的返回率比较低 b) 不适合结构复杂的问卷 c) 调查周期比较长
d) 数据搜集过程中出现的问题难于及时采取调改措施
面访式问卷调查
1) 调查员与被调查者面对面提问、被调查者回答的一种调查方式 2) 优点
a) 可提高调查的回答率 b) 可提高调查数据的质量
c) 能调节数据搜集所花费的时间 3) 弱点
a) 调查的成本较高
b) 调查过程的质量控制有一定难度
电话式问卷调查
1) 通过电话向被调查者实施调查 2) 特点
a) 速度快，能在短时间内完成调查 b) 适合于样本单位十分分散的情况 3) 局限
a) 如果被调查者没有电话，调查将无法实施 b) 访问的时间不能太长 c) 使用的问卷需要简单
d) 被访者不愿意接受调查时，难以说服
观察式调查
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，如交通流量的调查
三、实验数据
1、实验组和对照组：将研究对象分为两组：实验组和对照组，实验组和随机组的产生应遵循随机原则，而且应该匹配。
匹配指对实验单位的背景材料进行分析比较，将情况类似的每对单位分别随机地分配到实验组和对照组
2、实验中的若干问题
1) 人的意愿：研究的对象是人的时候，在划分实验组和对照组时的随机原则将面临挑
战
2) 心理问题：人们对被研究非常敏感，这使得他们更加注意自我，从而走到事物的另
一个极端
3) 道德问题：当某种实验涉及道德问题时，人们会处于进退两难的尴尬境地 3、实验中的统计
1) 实验设计本身就是一个统计问题
2) 确定进行实验所需要的单位的个数，以保证实验可以达到统计显著的结果 3) 将统计的思想融入到实验设计中，使实验设计符合统计分析的标准 4) 对实验数据进行分析时，统计可以提供最恰当的分析方法
四、数据误差
数据误差抽样误差非抽样误差抽样框误差回答误差无回答误差调查员误差
抽样误差(sampling error)
1) 由于抽样的随机性所带来的误差
2) 所有样本可能的结果与总体真值之间的平均性差异 3) 影响抽样误差的大小的因素
a) 样本量的大小 b) 总体的变异性
非抽样误差(non-sampling error)
1) 相对抽样误差而言
2) 除抽样误差之外的，由于其他原因造成的样本观察结果与总体真值之间的差异 3) 存在于所有的调查之中。概率抽样，非概率抽样，全面性调查 4) 有抽样框误差、回答误差、无回答误差、调查员误差、测量误差 误差的控制
1) 抽样误差可计算和控制 2) 非抽样误差的控制
a) 调查员的挑选 b) 调查员的培训
c) 督导员的调查专业水平
d) 调查过程控制【调查结果进行检验、评估；现场调查人员进行奖惩的制度】
因篇幅问题不能全部显示，请点此查看更多更全内容