第八章資料處理史亞蕾

（優(yōu)選）第八章資料處理史亞蕾現(xiàn)在是1頁\一共有56頁\編輯于星期二調(diào)查資料的整理的主要內(nèi)容

原始資料的審核和復查1

數(shù)據(jù)清理3

統(tǒng)計表與統(tǒng)計圖4

資料轉(zhuǎn)化與錄入2現(xiàn)在是2頁\一共有56頁\編輯于星期二第一節(jié)原始資料的審核與復查1、資料的審核

定義：它是指研究者對調(diào)查所收集回的原始資料（主要是問卷）進行初步的審查和核實，校正錯填、誤填的答案，剔除亂填、空白和嚴重缺答的廢卷目的：使得原始資料具有較好的準確性、完整性和真實性，從而為后續(xù)資料整理錄入與統(tǒng)計分析工作打下較好的基礎(chǔ)。現(xiàn)在是3頁\一共有56頁\編輯于星期二檢查出文件資料中存在的問題重新向被調(diào)查者核實

資料的審核工作資料審核有兩種不同的做法：一種是實地審核；另一種是系統(tǒng)審核或集中審核現(xiàn)在是4頁\一共有56頁\編輯于星期二實地審核：在調(diào)查的過程中進行，即邊調(diào)查邊審核優(yōu)點：特別及時，且效果較好；缺點：要求調(diào)查工作的組織和安排要特別仔細，調(diào)查員個人處理各種情況的能力要比較強現(xiàn)在是5頁\一共有56頁\編輯于星期二集中審核：先將調(diào)查資料全部收集回來，然后再集中時間進行審核優(yōu)點：調(diào)查工作便于統(tǒng)一組織安排和管理，審核工作也可以統(tǒng)一在研究者的指導下進行，審核的標準比較一致，檢查的質(zhì)量也相對好一些；缺點：整個調(diào)查工作的周期則會相對拉長，少數(shù)個案的重新詢問和核實工作有時因時間相隔較長或調(diào)查地點較遠而無法落實?，F(xiàn)在是6頁\一共有56頁\編輯于星期二

2、資料的復查定義：指的是研究者在調(diào)查資料收回后，又由其他人對所調(diào)查的樣本中的一部分個案進行第二次調(diào)查，以檢查和核實第一次調(diào)查的質(zhì)量基本做法：從原來的調(diào)查員所調(diào)查過的樣本中，隨機抽取5%-15%的個案重新進行調(diào)查調(diào)查內(nèi)容：一方面核實原來的調(diào)查員是否真的對個案進行過調(diào)查；另一方面可將兩次調(diào)查的結(jié)果進行對比，以檢查第一次調(diào)查的質(zhì)量現(xiàn)在是7頁\一共有56頁\編輯于星期二通過審核和復查，研究者可以發(fā)現(xiàn)并糾正原始資料中所存在的一些錯誤，可以剔除一些無法進行再調(diào)查但又有明顯錯誤的問卷，還可以普遍了解整個資料收集工作的質(zhì)量，從而對資料的真實性和準確性具有更大的信心?，F(xiàn)在是8頁\一共有56頁\編輯于星期二第二節(jié)資料轉(zhuǎn)換與錄入1、問卷資料轉(zhuǎn)換編碼手冊：為了減少資料轉(zhuǎn)換工作中的誤差，保證數(shù)據(jù)的質(zhì)量，研究者需要編制一份編碼手冊（也稱編碼簿）發(fā)給從事問卷資料轉(zhuǎn)換工作的人員，以便他們按編碼手冊的要求，統(tǒng)一進行資料轉(zhuǎn)換工作現(xiàn)在是9頁\一共有56頁\編輯于星期二在編碼手冊中，研究者要將需要編碼的項目和問題一一列出，逐一規(guī)定它們的代碼、寬度、欄碼、簡要名稱、答案賦值方式及其他特殊規(guī)定等等。整個編碼手冊的格式要規(guī)范統(tǒng)一，指示要明確，且容易理解，便于操作?，F(xiàn)在是10頁\一共有56頁\編輯于星期二

現(xiàn)在是11頁\一共有56頁\編輯于星期二

現(xiàn)在是12頁\一共有56頁\編輯于星期二“項目名稱”所列的是問卷中的問題或有關(guān)項目；“變量名”則是調(diào)查問卷中所實際測量的一個變量；“含義”是簡要地指出該變量的內(nèi)涵，它往往是變量的核心內(nèi)容的反映；“答案賦值”一項十分關(guān)鍵，它可以說是編碼手冊的真正內(nèi)容。在這一欄中，研究者要詳細地標明每一種答案的賦值安排，以及某些特殊形式的答案賦值方法現(xiàn)在是13頁\一共有56頁\編輯于星期二2、數(shù)據(jù)錄入經(jīng)過前述的資料轉(zhuǎn)換處理，調(diào)查所收回的問卷中的一個個具體答案都已成功地、系統(tǒng)地轉(zhuǎn)換成了由0-9這10個阿拉伯數(shù)字構(gòu)成的數(shù)碼，接下來的任務就是將這些數(shù)碼輸入計算機內(nèi)，以便進行統(tǒng)計分析了。這就是數(shù)據(jù)錄入的工作現(xiàn)在是14頁\一共有56頁\編輯于星期二現(xiàn)在是15頁\一共有56頁\編輯于星期二數(shù)據(jù)錄入的方式主要有兩種：一種是直接從問卷上將編好碼的數(shù)據(jù)輸入計算機；另一種是先將問卷上編好碼的數(shù)據(jù)轉(zhuǎn)錄到專門的登錄表上，然后再從登錄表上將數(shù)據(jù)輸入計算機。登錄表的橫欄為問題及變量名，且都有給定的欄碼，縱欄為不同的個案記錄數(shù)據(jù)現(xiàn)在是16頁\一共有56頁\編輯于星期二現(xiàn)在是17頁\一共有56頁\編輯于星期二目前運用較普遍的統(tǒng)計分析軟件主要有SPSS,SAS等，尤其是SPSS應用更為廣泛。從目前情況看，研究者主要采用兩種方法來輸入數(shù)據(jù)。一種方法是直接在SPSS軟件上輸入數(shù)據(jù)。另一類是采用比較專門的數(shù)據(jù)庫管理軟件，如FOXBASE,Excel等，兩種方法各有特點現(xiàn)在是18頁\一共有56頁\編輯于星期二現(xiàn)在是19頁\一共有56頁\編輯于星期二在SPSS中輸入比較直觀，打開SPSS后，顯示的是一個數(shù)據(jù)錄入窗口，每一個縱欄表示一個變量，每一橫行代表一個個案。輸入前需要定義變量，做法是先用鼠標點擊表下面的Variableview，進入到到變量定義窗口（橫行上面分別為變量名、變量類型、變量寬度、小數(shù)點位數(shù)、變量標簽等、縱欄的1、2、3等表示個案）再用鼠標點擊表下方Dataview，返回數(shù)據(jù)錄入窗口?，F(xiàn)在是20頁\一共有56頁\編輯于星期二現(xiàn)在是21頁\一共有56頁\編輯于星期二這時就可以第一行開始，直接將每一個個案的數(shù)據(jù)逐行一個一個地敲到方格中，數(shù)據(jù)錄完后存盤。然后就可以隨時調(diào)用作分析了。但是，直接輸入有時候很容易出錯，且輸入時也不容易發(fā)現(xiàn)；而另一類專門性的數(shù)據(jù)庫管理軟件則往往更能保證輸入的正確性，更能減少輸入數(shù)據(jù)時產(chǎn)生的差錯現(xiàn)在是22頁\一共有56頁\編輯于星期二由于一項問卷調(diào)查的數(shù)據(jù)總量（每份問卷的欄碼總數(shù)乘以全部問卷，即為輸入數(shù)碼或字符總數(shù)）往往是很大的，故實踐中常常是有多人共同輸入來完成的。因此，研究者必須對數(shù)據(jù)的輸入工作進行精心組織和安排。具體說來，他要做好以下幾方面工作：現(xiàn)在是23頁\一共有56頁\編輯于星期二①挑選和培訓輸入人員。數(shù)據(jù)輸入人員應該是熟悉計算機操作，熟悉調(diào)查問卷的人，通?？蓮拇髮W生調(diào)查員中挑選。對選出的錄入人員要進行一定的培訓，熟悉輸入方式和具體軟件，并合理分工和加強管理。現(xiàn)在是24頁\一共有56頁\編輯于星期二②統(tǒng)一規(guī)定數(shù)據(jù)輸入格式和數(shù)據(jù)文件名。由于多人輸入，每個輸入人員應采取統(tǒng)一的輸入格式，并各自規(guī)定自己存放數(shù)據(jù)的文件名，以防與他人輸入的數(shù)據(jù)格式不同或發(fā)生混淆和丟失。尤其是輸入格式一旦確定，每個輸入人員都必須嚴格遵守執(zhí)行，否則以后很難處理，這一點十分關(guān)鍵?，F(xiàn)在是25頁\一共有56頁\編輯于星期二③每個輸入人員獨立完成各自所輸?shù)哪且徊糠謫柧恚煌斎肴藛T的問卷相互之間，以及同一個輸入人員已輸和未輸?shù)膯柧碇g，千萬不要混淆搞亂，以免造成漏輸或重復輸入，影響數(shù)據(jù)質(zhì)量。④在每個輸入人員完成各自所負責的問卷輸入任務后，由研究者把他們的數(shù)據(jù)合起來形成一個總的數(shù)據(jù)文件，以供統(tǒng)計分析時調(diào)用。現(xiàn)在是26頁\一共有56頁\編輯于星期二第三節(jié)數(shù)據(jù)清理現(xiàn)在是27頁\一共有56頁\編輯于星期二1、有效范圍清理對于問卷中的任何一個變量來說，它的有效的編碼值往往都有某種范圍，而當數(shù)據(jù)中的數(shù)字超出了這一范圍時，可以肯定這個數(shù)字一定是錯誤的現(xiàn)在是28頁\一共有56頁\編輯于星期二當然，這種錯誤數(shù)字的出現(xiàn)可以發(fā)生在資料處理的每一個階段。首先，發(fā)生在原始問卷中的回答上；其次，發(fā)生在編碼員對問卷的編碼結(jié)果上；第三，發(fā)生在計算機錄入員輸入數(shù)據(jù)的過程中。現(xiàn)在是29頁\一共有56頁\編輯于星期二要檢查出所有不符合要求的超出有效范圍的編碼值，我們只需在計算機上用SPSS軟件（或其他軟件）執(zhí)行一條統(tǒng)計各變量頻數(shù)分布的命令，計算機很快就給出下列形式的結(jié)果：現(xiàn)在是30頁\一共有56頁\編輯于星期二現(xiàn)在是31頁\一共有56頁\編輯于星期二找有問題的個案的方法同樣離不開計算機及SPSS軟件的運用。在SPSS軟件中，我們先打開數(shù)據(jù)文件，然后執(zhí)行“查找數(shù)據(jù)”命令。選擇數(shù)據(jù)中的A5欄，讓計算機逐個查找在這一變量欄中編碼值為6的那9個個案。再根據(jù)這9個個案的編號找出原始問卷，進行核對現(xiàn)在是32頁\一共有56頁\編輯于星期二如果原始問卷上的回答是2，而編碼為6，則是編碼員的錯誤，將數(shù)據(jù)中的這個6改為2即可；如果原始問卷上是2，編碼也是2，則是錄入員的錯誤，也直接將數(shù)據(jù)改正即可；如果核對時，發(fā)現(xiàn)是原始問卷中的填答錯誤，則只能將該個案在這一變量上的回答記為0（即無回答），作為缺省值處理現(xiàn)在是33頁\一共有56頁\編輯于星期二2、邏輯一致性清理其基本思路是依據(jù)問卷中的問題相互之間所存在的某種內(nèi)在的邏輯聯(lián)系，來檢查前后數(shù)據(jù)之間的合理性?，F(xiàn)在是34頁\一共有56頁\編輯于星期二比如，一項對青年夫婦進行的社會調(diào)查中，有這樣一對相倚問題。其過濾性問題是：“你們有孩子嗎？”答案為“有（編碼為1”和“沒有（編碼為2。而后續(xù)性問題是：“請問你們的孩子今年多大了？”那么，對于那些在前一問題中的回答“沒有”的人（即編碼為2的人），在后一問題中的回答應該是空白（即為缺省值,用0表示）。如果在這些人中，有的人的第二個答案上出現(xiàn)了4、6等數(shù)字，則這些個案的數(shù)據(jù)就可能有毛病現(xiàn)在是35頁\一共有56頁\編輯于星期二3、數(shù)據(jù)質(zhì)量抽查采用隨機抽樣的方法，從樣本的全部個案中，抽取一部分個案，進行校對工作。用這一部分個案校對的結(jié)果，來估計和評價全部數(shù)據(jù)的質(zhì)量。根據(jù)樣本中個案數(shù)目的多少，以及每份問卷中變量數(shù)和總字符數(shù)的多少，研究者往往抽取2%-5%的個案進行校對現(xiàn)在是36頁\一共有56頁\編輯于星期二一項調(diào)查樣本規(guī)模為1000個個案，一份問卷的字符數(shù)（數(shù)據(jù)的個數(shù)）為200。研究者從中隨機抽取3%的個案（即30份問卷）進行對照檢查，結(jié)果發(fā)現(xiàn)有2個字符輸入錯誤，這樣可知錯誤率在0.03%左右。也就是說在總共20萬個數(shù)據(jù)中，大約有60個左右的錯誤。現(xiàn)在是37頁\一共有56頁\編輯于星期二第四節(jié)統(tǒng)計表與統(tǒng)計圖現(xiàn)在是38頁\一共有56頁\編輯于星期二1、統(tǒng)計表的構(gòu)成與制作（1）統(tǒng)計表的構(gòu)成從統(tǒng)計表的結(jié)構(gòu)上看，通常都由表號、總標題、橫行標題、縱欄標題、數(shù)字注釋和資料來源等要素所構(gòu)成表號：表的序號，位于表頂端左角。其作用是便于指示和查找現(xiàn)在是39頁\一共有56頁\編輯于星期二總標題：是表的名稱，它位于表的頂端，緊接在表號后面。橫行標題：是橫行的名稱，又稱橫標目。它位于表的左側(cè)，對于頻數(shù)統(tǒng)計表來說，橫行標題一般用來統(tǒng)計所要說明的主題；而對于交互分類統(tǒng)計表來說，則表示其中一個變量類別現(xiàn)在是40頁\一共有56頁\編輯于星期二縱欄標題：是縱欄的名稱，又稱縱標目，位于表的最上一格。對于一般的頻數(shù)統(tǒng)計表，它指示調(diào)查指標或統(tǒng)計指標的名稱；而對于交互分類表來說，它也是表示其中的一個變量的類別數(shù)字：是統(tǒng)計表的實質(zhì)性內(nèi)容，是對調(diào)查資料進行統(tǒng)計匯總、整理和計算的結(jié)果體現(xiàn)。它位于由橫行標題與縱欄標題所包圍的范圍中?，F(xiàn)在是41頁\一共有56頁\編輯于星期二注釋或資料來源是對表中資料的一種說明，位于表的下端。現(xiàn)在是42頁\一共有56頁\編輯于星期二（2）統(tǒng)計表的制作統(tǒng)計表制作原則是：科學、規(guī)范、簡明、實用、美觀。具地說，在制作統(tǒng)計表時，應注意以下幾個方面：首先，表的標題要簡短明了，其次，表的縱欄標題與橫行標題要準確反映變量取值的含義，現(xiàn)在是43頁\一共有56頁\編輯于星期二第三，表中的數(shù)據(jù)資料必須注明計量單位，現(xiàn)在是44頁\一共有56頁\編輯于星期二第四，對于一般頻數(shù)分布表，則應列出合計欄，以便獲得整體情況的資料?？傆嫽蚝嫌嫏谕旁诒淼淖钕乱桓?；對于交互分類表，則將各種專門的統(tǒng)計量放在表的最下面一格現(xiàn)在是45頁\一共有56頁\編輯于星期二最后，各種表格均應以橫線為主，能夠不用豎線則盡量不用。即便需要用豎線的表格，也應是開口式的，即表的左右兩端不劃豎線在不致混淆的情況下，也可將其豎線去掉，成為以下形式現(xiàn)在是46頁\一共有56頁\編輯于星期二而交互分類表則可制成以下表8-7形式除表的最上面一條橫線與最下面一條橫線用粗線外，其余橫線均用細線現(xiàn)在是47頁\一共有56頁\編輯于星期二2、統(tǒng)計圖統(tǒng)計圖具有直觀、形象、一目了然、通俗易懂的特點，它主要用于調(diào)查資料初級統(tǒng)計結(jié)果的描述，特別適合于對調(diào)查總體的內(nèi)部構(gòu)成進行描述，對不同現(xiàn)象的分布進行比較以及對現(xiàn)象變化的趨勢進行展示等。統(tǒng)計圖主要有條形圖、圓形圖和折線圖三種現(xiàn)在是48頁\一共有56頁\編輯于星期二（1）條形圖條形圖又稱矩形圖，它是以寬度相等、長度不等的長條來表示不同的統(tǒng)計數(shù)字，如表示頻數(shù)或百分比的多少等等現(xiàn)在是49頁\一共有56頁\編輯于星期二簡單條形圖現(xiàn)在是50頁\一共有56頁\編輯于星期二復雜條形圖：現(xiàn)在是51頁\一共有56頁\編輯于星期二（2）