《统计学 》课件——第二章 统计学的数据.pptVIP

例如，当α=0.05，极限误差与样本量关系可查下表。（2）估计总体平均需要样本量的计算公式。极限误差比例⊿样本量n极限误差比例⊿样本量n0.11000.053900.0951100.0454800.091200.046000.0851400.0357900.081500.0311000.0751800.02516000.072000.0224000.0652300.01543000.062700.0196000.055320应用公式要在抽样前确定总体的方差S2较困难。确定极限误差Δ也需要其它信息。表2-5估计总体比例样本量表2.6统计数据的近似与误差1、统计误差统计误差是调查测量值或模型估计值与真实值的差异。统计学的数据允许有误差。统计误差可以用绝对数或相对数表示。统计学因为可以有误差，所以对误差的理解就极为重要。当两个数据相差很小时，例如：两次考试的数学成绩80分与81分，统计学就认为很小的差距是由于偶然原因造成的，两次的数学水平没有差异。只有当差距很大时，差距才具有统计学意义，才可以认为差距是系统的、本质的原因造成的。2、统计误差的分类图2-7统计误差的分类主要误差分两类，一类是调查误差，一类是模型估计误差（残差Residual），残差是误差的一类。调查误差原因主要有两类：一类是样本的代表性误差，一类是测量登记误差。在实际中因为测量工具的原因所有连续型变量数据都是真实值的近似。模型的估计误差或残差是真实值与估计值的差。是衡量模型拟合好坏的标准之一，模型估计误差分为绝对误差，相对误差，标准化残差(StandardizedResidual),student化残差(StudentizedResidual)，残差越大表示预测越不准确。残差的大小与数据本身的分布特性有关，与拟合模型（回归方程）的选择有关。为了减少调查测量误差，调查问卷数据一般需要进行信度与效度检验。一项研究的信度(reliability)主要指它的方法的可靠性和结果的稳定性(可重复性)。一项研究的效度(validity)则主要反映在它的内容、标准和概念的正确性上。也就是研究观测的内容和指标是否真正反映了所想要探讨的问题。调查数据来源一般分两类调查,一类是政府机构的调查，为政府决策服务，如人口普查，经济普查，居民收入抽样调查。一类是民间研究机构的调查，为科学研究服务。如综合社会调查(GSS)。中国综合社会调查（CGSS），中国家庭健康调查(CHNS)。测度量表是一手数据调查常用的测度方法。如李克特量表（Likertscale）是定距量表，常用于测量观念、态度或意见。需要构造大量的陈述或说法(statement)，用5级记分的方式来测量同意的程度，“1非常同意”、“1同意”、“3说不准”、“4不同意”、“5很不同意”。李克特量表（Likertscale）格式（2）实验数据：在实验中控制实验对象而收集到的数据。实验数据是在条件可控制的状态下获得的，一般没有极端值，且绝大多数服从正态分布，一般用参数统计的方法研究。2、间接来源（二手数据SecondarySourcesDataCompilation）：使用他人调查与汇总的数据。查阅各种资料所得到的数据。常用的二手数据资料有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到的相关资料。图2-3中国统计年鉴目录图2-4国际统计年鉴目录2.3.3.统计数据按时空分类数据按时空分为截面数据、时间序列数据、面板数据。（1）截面数据(cross-section)：指对一个变量或多个变量在一个时间点上收集的数据。时间相同空间不同。例：2010年各地区的农民收入数据。地区新疆陕西山东广东浙江农民人均收入（元）16181443265336544253表2-32010年全国各地区农民人均收入新疆人口普查截面数据存在异质性（heterogeneity）问题,利用数据要考虑可比性，考虑规模效应（size,scaleeffect），以免得出混乱的结论。（2）时间序列数据（timeseries）：一个变量在不同时间取值的观测结果。空间相同而时间不同。例2000-2012年中国的国内生产总值数据。年份国民总收入（亿元）200099214.62001109655.22002120332.72003135822.82004