《数据收集》PPT课件.ppt

《《数据收集》PPT课件.ppt》由会员分享，可在线阅读，更多相关《《数据收集》PPT课件.ppt（84页珍藏版）》请在三一办公上搜索。

1、第 二 章 数据收集,第一节 数据的直接来源与间接来源第二节 数据的收集方法第三节 问卷设计第四节 收集数据的误差,第一节 数据来源 数据是怎样得到的？,数据的间接来源（二手数据的来源）,来源,特点,评估,二手数据的收集,一般称为文案调查步骤:1.根据研究项目的内容判别所需要的资料的类型2.寻找资料来源3.资料的查找4.对数据资料进行加工整理和补充,二手数据的来源,统计部门和政府部门公布的有关资料，如各类统计年鉴各类经济信息中心、信息咨询机构、专业调查机构等提供的数据各类专业期刊、报纸、书籍所提供的资料各种会议，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从互联网或图书馆查阅

2、到的相关资料,二手数据的特点,收集容易，采集成本低作用广泛分析所要研究的问题提供研究问题的背景帮助研究者更好地定义问题检验和回答某些疑问和假设寻找研究问题的思路和途径收集二手资料在研究中应优先考虑,二手数据的评估,数据是谁收集的？可信度评估为什么目的而收集的？数据是怎样收集的？什么时候收集的？,数据的直接来源（原始数据的来源）,观测数据(调查数据),试验数据,在自然的没有被控制的条件下观测到的,在人工干预和操作的情况挖收集的数据,统计调查数据,统计调查方式全面调查:普查抽样调查:主观抽样调查(典型调查,重点调查,配额抽样调查)概率抽样调查,主观(非概率)抽样,非概率抽样是用主观的(非随机的)方

3、法从总体中抽选单元，是一种快速、简易且节省的从总体中选取样本单元的方法。由于非概率抽样抽取样本有倾向性与偏差且没有一个抽样框，不可能计算出各个单元的入样概率。从而无法得到总体目标量的可靠估计值及其抽样误差估计值。,主观(非概率)抽样的优点,快速简便；费用相对较低；不需要抽样框；对探索性研究和调查的设计开发很有用。所以在市场调查中广泛应用,主观抽样(非概率抽样)的缺点,为了对总体进行推断，需要对样本的代表性做很强的假定。不可能得到可靠的估计值以及抽样误差估计值。,非概率抽样的种类,非概率抽样方法有：随意抽样方便抽样自愿抽样自我选择判断抽样配额抽样雪球抽样,方便抽样随意抽样,随意抽样的样本单元的抽

4、选以无目标、随意的方式进行，几乎没有或完全没有计划。它假定总体是同质的，即总体单元都相似。比如“街道拦截”访问法。,自我选择志愿抽样,让个体自愿参加调查。被调查者都是志愿者。例如具有特定病情的人参加某些医疗实验；打电话参与广播或电视节目的人；抽选参加焦点座谈或深入访问的人。,判断抽样,由专家有目的地抽选有代表性的样本。它适用于探索性研究，如：抽选参加焦点座谈或深入访谈的人，但不宜用在试调查中。是方便抽样的延伸。,配额抽样,这是最常见的一种非概率抽样。抽样要从各个子总体中选取特定数量的单元(配额)。总样本量：900人,雪球抽样,用于感兴趣的样本特征较稀有的情况，依赖于一个目标推荐另一个目标的方法

5、。,非概率抽样的种类,非概率抽样方法有：随意抽样方便抽样自愿抽样自我选择判断抽样配额抽样雪球抽样,概率抽样,概率抽样有两条基本准则：单元是随机抽取的；调查总体中的每个单元都有一个非零的入样概率，并且能计算出这些概率。,概率抽样的主要优、缺点：,能得到总体的可靠估计值并能计算每个估计值的抽样误差，因而能对总体进行推断。与非概率抽样相比，概率抽样比较复杂，更费时，通常也更费钱。但总的说来，其利远大于弊。,概率抽样的种类,概率抽样有七种：简单随机抽样，系统抽样，整群抽样，分层抽样，多级抽样，,23,（1）简单随机抽样（Simple Random Sampling）,也称纯随机抽样。直接从总体单位中抽

6、选样本单位，每个个体被选入样本的概率都相等。可分为有放回和无放回两种方式。是最基本的抽样方法，许多抽样方法都是在它的基础上发展起来的。其数学性质简单，理论也最为成熟。,24,有放回抽样和无放回抽样,有放回抽样：也称为重复抽样，在一个单位被选入样本后，记录其编号，然后又将其放回总体中继续参与随后的抽样过程。无放回抽样：也称为不重复抽样，在一个单位被选入样本后，不再放回总体参与随后的抽样过程。,问题：不重复抽样中每个个体被选中的概率相等吗？,25,抽选样本单位的方法,从N个总体单位中抽选n个单位组成样本，可以先将N个单位编号，若抽到某个号则对应的单位入样。通常有抽签法和随机数法两种抽选方法。抽签法

7、：用均匀同质的材料制作N个签并充分混合，然后一次抽取n个签，或一次抽取一个签但不放回，直至抽满n个签为止。随机数法:随机数表随机数骰子摇奖机计算机产生的伪随机数,26,随机数表的使用,39 65 76 45 45 19 90 69 64 61 20 26 36 31 62 73 71 23 70 90 65 97 60 12 11 98 40 07 17 66 72 20 47 33 84 51 67 47 97 19 98 40 07 17 66 75 17 25 69 17 17 95 21 78 58 24 33 45 77 48 37 48 79 88 74 63 52 06 34 3

8、0 01 31 60 10 27 02 89 08 16 94 85 53 83 29 95 56 27 09 24 43,27,简单随机抽样最适用的场合,当总体内样本单位不多，且有完备名册，可用于编号时对研究的目的而言，总内样本单位间的差异不大时无法充分获得总体信息时由于编制抽样框及抽取的样本可能过于分散等原因在实际实施中有一定困难，加之没有利用其他辅助信息提高估计的效率，所以大规模调查中很少直接采用。,28,（2）系统抽样(Systematic Sampling),系统抽样（也称等距抽样）：将总体N个单位按某种顺序排列，按规则确定一个随机起点，再每隔一定间隔逐个抽取样本单位的抽样方法。直线

9、等距抽样：将总体分成n个组，每组有 k=N/n个单位。在第一组随机选择一个单位，之后每隔k个选择一个。,N=64n=8k=8,第一组,29,等距抽样的特点,等距抽样可分为无关标志排队和有关标志排队。按无关标志排队：各单元的排队顺序与所研究的内容无关按有关标志排队：各单元的排队顺序与所研究的内容有关系。优点：抽取样本简便易行，易于监控。主要适用场合总体内的样本单位，对有兴趣的指标而言是随机的或按大小排列的总体内单位数过多，而抽取的样本又较多时总体内的单位数不能确定时（例如抽取学号最后一位为8的学生进行调查）,30,按无关标志排队时等距抽样的特点,按无关标志排队时，如果单位的排列存在周期性，而抽样

10、间隔又恰好与周期的长度一致时，样本的代表性可能很差,31,按有关标志排队时等距抽样的特点,按有关标志排队时，相应的指标数值有线性趋势，按照普通的等距抽样方法会导致样本指标的偏大或偏小。为了避免这一问题需要采取对称等距抽样的方法。这时样本单位在总体中分布比较均匀，有利于提高估计的精度。,直线等距,对称等距,对称等距,32,（3）分层抽样 Stratified Sampling,也称分类抽样或类型抽样。即先将总体所有单位按某种标志划分为若干层，然后从各层中随机抽取一定数目的单位构成样本，根据各层样本汇总对总体指标作出估计的一种抽样方式。,男生,女生,样本,33,分层抽样的特点,可以提高样本的代表性

11、，提高估计的精度。在估计总体参数的同时还能估计每层的参数。抽样误差只受层内方差的影响，分层时应使层间方差大、层内方差小。最适用的场合：当总体内样本单位的差异较大时；分层后能达到层间差异大，层内差异小的原则时,34,按比例分层抽样和不按比例分层抽样,按比例分层抽样：各层的抽样比例都相等（等于n/N)。在有些情况下，为了降低抽样误差或者对各层的参数进行较好的估计，需要采用不按比例分层抽样。在不按比例的分层抽样中如果要用样本资料推断总体，需要对各层的数据资料进行加权处理。,35,（4）整群抽样 Cluster Sampling,先将总体分为R个群（即次级单位或子总体），每个群包含若干总体单位。按某种

12、方式从中随机抽取r个群，然后对抽中的群的所有单位都进行调查的抽样方式。,随机选择2个群构成样本,36,整群抽样的特点,样本单位比较集中，容易集中力量进行调查，便于组织与管理，也节省了调查时间和费用。不需要所有总体单位的抽样框。由于样本单位不能均匀的分布在总体中，所以样本的代表性要差一些（对策：增大样本容量）。抽样误差受群间方差的影响，不受群内方差的影响。分群时应使群间方差小。最适用的场合：总体名单不易获得时为节省调查成本时群内差异大，而群间的变异小时,37,（5）多级段抽样,先从总体中随机地抽取若干初级单位，再从初级单位中抽取若干二级单位，如此下去直至抽取所要调查的基本单位的抽样方法。例如：统

13、计年鉴2004指出 2003年人口变动情况抽样调查是以全国为总体，各省、自治区、直辖市为次总体，采用分层、等距、整群概率比例抽样方法，在全国31个省、自治区、直辖市抽取了990个县(市、区)、3734个乡(镇、街道)、6544个调查小区的126万人。,38,多阶段抽样的特点,适用于总体分布很广，不可能从总体中直接抽取样本单位的情况。不需要全部低级单位的抽样框，节省了调查费用。方法灵活多样。,抽样调查的组织方式完全取决于调查研究的目的要求、调查对象的特点和客观的条件。凡是能够最经济、最省时而又能够满足预期精确度和可靠性的组织方式，便是一种好的组织方式，这也是抽样设计的最根本的原则。,数据的直接来

14、源（原始数据的来源）,观测数据(调查数据),试验数据,在自然的没有被控制的条件下观测到的,在人工干预和操作的情况挖收集的数据,实验设计方式获得数据,1.进行实验方案设计2.方案的实施3.采集数据4.进行数据的分析,第二节 数据的收集方法,一、访问法 面谈访问、电话访问、电脑辅助调查、座谈会法、个别深入访谈法二、报告法 邮寄调查、日记调查、留置调查三、观察法 直观、可靠,第三节 调查问卷设计,什么是问卷？(questionnaires),用来搜集调查数据的一种工具调查者根据调查目的和要求所设计的，由一系列问题、备选答案、说明以及码表组成的一种调查形式不同的调查问卷在具体结构、题型、措词、版式等设

15、计上会有所不同，但在结构上一般都由问卷的标题、开头部分（说明）、甄别部分、主体部分和背景部分（被调查者的基本情况）、编码、作业证明记载等组成,问卷的基本结构,问卷的基本结构,开头部分,甄别部分,主体部分,背景部分,问候语,填写说明,问卷编号,开头部分(问候语),女士/小姐/先生 您好！我是市场调查公司访问员，我们正在进行一项有关公众医疗保险意识方面的调查，目的是想了解人们对医疗保险的看法和意见，以便更好地促进医疗保险事业的发展。您的回答无所谓对错，只要真实地反映了您的情况和看法，就达到了这次调查的目的。希望您能积极参与，我们对您的回答完全是保密的。调查要耽搁您一些时间，请您谅解。谢谢您的支持与

16、合作！,开头部分(填写说明),填写要求：请您在所选择答案的题号上画圈对只许选择一个答案的问题只能画一个圈；对可选多个答案的问题，请在你认为合适的答案上画圈需填写数字的题目在留出的横线上填写对于表格中选择答案的题目，在所选的栏目内画勾对注明要求您自己填写的内容，请在规定的地方填上您的意见,开头部分(问卷的编号),用于识别问卷、调查者、被调查者姓名和地址等便于校对检查、更正错误,问卷编号001,甄别部分,甄别也称为过滤，它是先对被调查者进行过滤，筛选掉不需要的部分，然后针对特定的被调查者进行调查通过甄别，可以筛选掉与调查事项有直接关系的人，以达到避嫌的目的可以确定哪些人是合格的被调查者，哪些人不是

17、甄别的目的是确保被调查者合格，能够作为该市场调查项目的代表，从而符合调查研究的需要,甄别部分,S1请问您或您的家庭有没有在下列行业工作的呢？1广告、公关机构 2市场研究、咨询、调查机构 3电视，广播，报纸等媒介机构 终止访问 4轿车制造 5轿车批发、零售 6以上皆无继续访问S2请问您的年龄是：120岁以下终止访问 220岁30岁 330岁40岁 440岁50岁 550岁以上终止访问,主体部分,是调查问卷的核心内容包括所要调查的全部问题，主要由问题和答案所组成,Q1.您在购买汽车时主要考虑哪些因素？Q2.您认为这款汽车的加速性能怎么样？,背景部分,通常放在问卷的最后，主要是有关被调查者的一些背景

18、资料该部分所包含的各项问题，可使研究者根据背景资料对被调查者进行分类比较分析,1.您具体做什么工作？2.您的受教育程度？,背景部分,A出 示 卡 片请 问 您 的 教 育 程 度？(901)没 受 过 正 式 教 育 1 小 学，初 中 2 高 中，职 高，中 专，技 校 3 大 专，大 学 或 以 上 4 B出 示 卡 片请 问 您 的 职 业 和 职 位 是 什 么？(902)普 通 职 员，工 人1 部 门 经 理 负 责 人/高 级 管 理 人 员 2 公 司 老 板，厂 长，总 经 理 3 专 业 人 员 4 个 体 户，自 营 职 业 5 失 业，待 业 6 学 生7 离 退 休

19、人 员 8 其 他(请注明）9,提问项目的设计问题的主要类型和询问方式1，提问方式：直接性的问题和间接性的问题2，做答方式：开放性的问题和封闭性的问题3，内容：事实性的问题、行为性问题、动机性问题、态度性问题,提问项目的设计,提问的内容尽可能短 用词要确切、通俗可按6W准则加以推敲。6W即Who(谁)，Where(何处)，When(何时)，Why(为什么)，What(什么事)，How(如何)一项提问只包含一项内容 避免诱导性提问 避免否定形式的提问 避免敏感性问题,用词要确切、通俗,请问您使用什么牌子的洗发水？,请问您最近三个月使用什么牌子的洗发水？,您最近一段时间使用什么品牌的化妆品？,您最

20、近一个月使用什么品牌的化妆品？,您觉得这种电视机的画面质量怎么样？,您认为这种电视机的画面是否清晰？,一项提问只包含一项内容,您觉得这种新款轿车的加速性能和制动性能怎么样？,您觉得这种新款轿车的加速性能怎么样？您觉得这种新款轿车的制动性能怎么样？,避免诱导性提问,人们认为长虹牌彩电质量不错，你觉得怎么样？,您觉得长虹牌彩电的质量怎么样？,避免否定形式的提问,您觉得这种产品的新包装不美观吗？,您觉得这种产品的新包装美观吗？,回答项目(答案)的设计,回答的类型与方法,回答的类型与方法,开放性问题(自由回答型),封闭性问题(选择回答型),两项选择法,多项选择法,顺序选择法,评定尺度法,双向列联法,限

21、制选择型,多项选择型,单项选择型,开放性问题,对问题的回答未提供任何具体的答案，由被调查者根据自己的想法自由作出回答属于自由回答型优点：比较灵活，适合于搜集更深层次的信息，特别适合于那些尚未弄清各种可能答案或潜在答案类型较多的问题。而且可以使被调查者充分表达自己的意见和想法，有利于被调查者发挥自己的创造缺点：由于会出现各种各样的答案，给调查后的资料整理带来一定困难,开放性问题,您认为我国目前的广告宣传中，存在的 主要问题是什么？您对这种捷达新款车有何更具体的看法？,封闭性问题,对问题事先设计出了各种可能的答案，由被调查者从中选择问题的答案是标准化的，有利于被调查者对问题的理解和回答，也有利于调

22、查后的资料整理对答案的要求较高，对一些比较复杂的问题，有时很难把答案设计周全问题的答案是选择回答型，所以设计出的答案一定要穷尽和互斥回答方法有：两项选择法、多项选择法、顺序选择法、评定尺度法、双向列联法五种,封闭性问题(两项选择法),答案只有两项，要求被调查者选择其中之一来回答优点：被调查者只需在二者之中选择一项，回答比较容易；调查后的数据处理也很方便缺点：得到的信息量较少；当被调查者对两项答案均不满意时，很难作出回答,您有手机吗？1.有 2没有,封闭性问题(多项选择法),在设计问卷时，对一个问题给出三个或三个以上的答案，让被调查者从中选择进行回答根据要求选择的答案多少不同，有以下类型单项选择

23、型：要求被调查者对所给出的问题答案选择其中的一项 多项选择型：要求被调查者对所给出的问题答案中，选出自己认为合适的答案，数量不受限制限制选择型：要求被调查者在所给出的问题答案中，选出自己认为合适的答案，但数量要受一定限制,封闭性问题(单项选择法实例),单项选择型,您觉得哪种类型的广告宣传效果最好？(选一项)1电视广告 2广播广告 3杂志广告 4报纸广告 5路牌广告,封闭性问题(多项选择法实例),多项选择型,请问您在购买小轿车时，主要考虑哪些因素？(选出您认为合适的答案)1价格 6维修费用 2款式 7乘坐舒适 3品牌 8行使平稳 4耗油量 9加速性能 5售后服务 10制动性能,封闭性问题(顺序选

24、择法),问题答案有多个，要求被调查者在回答时，对所选的答案按要求的顺序或重要程度加以排列。其中，对所选的的答案数量可以进行一定的限制，也可以不进行限制问题答案不仅可以反映所要调查的内容，而且可以反映出被调查者对问题的看法，从而增加了信息量,封闭性问题(评定尺度法),问题答案，由表示不同等级的形容词组成，并按照一定的程度排序，由被调查者依次选择,您对这种新款轿车是否感到满意？1非常满意；2比较满意；3一般 4不太满意；5不满意。,封闭性问题(双向列联法),将两类不同问题综合到一起，通常用表格来表现表的横向是一类问题，纵向是另一类问题这种问题结构可以反映两方面因素的综合作用，提供单一类型问题无法提

25、供的信息可以节省问卷的篇幅,封闭性问题(双向列联法实例),请在您赞同项目的空格内划“”,问题顺序的设计,问题顺序的设计,问题的安排应具有逻辑性问题的顺序应先易后难能引起被调查者兴趣的问题放在前面开放性问题放在后面版面格式的设计问卷的结构安排要合理，问卷的主体部分要突出、醒目不要编排过密，各问题之间要留出一定的空间外表及内容的印刷要美观,第四节 收集数据时的误差,收集数据时的误差,抽样误差,抽样框误差,计量误差,未响应误差,非抽样误差,响应误差,误差是指估计值与真实值之间的差异。抽样误差（Sampling error）：由于抽选样本的随机性造成的误差，也称为代表性误差。样本只是总体的一部分，它对

26、总体的代表性存在局限性，从而会造成误差。在抽样调查中，抽样误差就不可避免。在概率抽样中抽样误差是能够计量且可以得到控制的。,非抽样误差：除抽样误差以外的所有误差。通常认为是由于调查程序执行中的错误与不足引起的。主要包括抽样框误差、无回答误差和计量误差。国内也称为“工作误差”或“调查误差”。例如，由于人口普查中全面调查项目不存在抽样误差，只存在调查误差网络资料 注意：使用“调查误差”这一概念时要小心，“调查误差”的另外一种含义是指调查中的全部误差。,抽样框误差：当目标总体与抽样总体所涵盖的元素不一致时，就会产生抽样框误差。抽样框误差包括：丢失目标总体单位、包含非目标总体单位，复合连接等。,抽样框

27、,抽样框是一张包括被抽样总体所有单元的目录表.确定了抽样框，就相当于定义了被抽样总体，我们可通过抽样框从总体中抽取样本单元，但前提是抽样框充分地代表了总体。在确定了抽样框后，我们就可以计算总体中每个个体的抽样概率，根据这一概率，就可以用样本数据推算总体数据。,抽样框的类型有：名录框和区域框,名录框是由总体中所有的单元组成的目录。区域框是由许多地理区域构成的抽样框。在下列两种情况下，适合采用区域框：1)调查具有地理性质；2)没有合适的目录框，需要借助区域框 来构造目录框,区域框,例如某项调查需在某个城市抽取住户，但没有该城市最新的住户名录。此时，统计调查机构可以用区域框抽取地理区域，如街区，然后

28、由调查员列出每个被抽中街区中的全部住户名单。这种方法将对住户的抽样集中于数量有限的被的区域，从而可以较为经济地进行个人面访调查。,未响应误差：因缺失部分指定样本单位的数据或调查问卷中的部分数据项而引起的误差都称为无回答误差。样本个体拒绝访问样本个体无法接受访问样本个体拒绝回答部分问题响应误差：因各种原因回答时，并没有真实反映他们的实际情况或观点。,计量误差是指调查中获得的数据与调查项目真实值之间不一致而产生的误差，也称为登记性误差。测量工具不准确调查员的工作失误(如计量错误、计算错误、记录错误等)被调查者没有提供真实情况,评价数据的基本要求：准确、及时、全面、系统对数据质量检查的方法：后验方法：通过数据间的逻辑关系、平衡关系 抽样检验：,计算机中常用的数据形式,变量、观测值,