資料整理.學(xué)習(xí)資料.ppt

《資料整理.學(xué)習(xí)資料.ppt》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、資料整理.9.1資料的確認(rèn)9.1.1目的：確認(rèn)問(wèn)卷為有效問(wèn)卷－－指得是確定訪談已經(jīng)按照適當(dāng)?shù)姆绞竭M(jìn)行，目的是查明訪問(wèn)員有沒(méi)有造假，和在訪談時(shí)是否遵循了特定的關(guān)鍵程序。9.1.2方法和內(nèi)容通常采用電話確認(rèn)方法：復(fù)查比例一般為10-20％，內(nèi)容包括：確認(rèn)此人是否真的接受了調(diào)查被調(diào)查者是否符合條件：如收入是否達(dá)到規(guī)定標(biāo)準(zhǔn)確認(rèn)調(diào)查是否按要求的方式進(jìn)行如是否按照規(guī)定是在購(gòu)物中心接受的調(diào)查確認(rèn)調(diào)查是否完整其他：訪問(wèn)員是否彬彬有禮，是否明確介紹了委托人的身份和調(diào)查目的，是否衣冠整齊，被訪問(wèn)者對(duì)訪問(wèn)有什么意見(jiàn)等9.2編輯所謂編輯是檢查訪問(wèn)員謬誤的過(guò)程，在數(shù)據(jù)錄入之前，至少應(yīng)該經(jīng)過(guò)

2、兩次編輯處理。一次是執(zhí)行調(diào)查的公司進(jìn)行編輯，然后再由雇傭這些實(shí)地服務(wù)企業(yè)的調(diào)研公司編輯整理。編輯由人工操作，內(nèi)容：確定訪問(wèn)員是否沒(méi)有問(wèn)某些問(wèn)題。如在一份收集調(diào)查中，所有的人都應(yīng)該回答性別，但問(wèn)卷沒(méi)有表明，可以通過(guò)電話聯(lián)系，但很多情況下，時(shí)間不允許，因此很有可能問(wèn)卷要被放棄。核實(shí)問(wèn)卷，以保證能夠遵循了規(guī)定的跳答模式檢查開(kāi)放式問(wèn)題的答案。開(kāi)放式問(wèn)題要求逐字記錄答案，不以任何形式的訪問(wèn)員工作重新解釋、表達(dá)和插入自己的語(yǔ)言，同時(shí)也要求對(duì)回答進(jìn)行進(jìn)一步的“探查”。例如：記錄不當(dāng)?shù)睦樱簽槭裁丛诒姸嗟目旖莺头奖愕牟宛^中經(jīng)常選擇去漢堡王？回答：顧客似乎覺(jué)得漢堡王有更加美味的事務(wù)

3、和一流的服務(wù)環(huán)境沒(méi)有進(jìn)一步探查例如問(wèn)題同上記錄：因?yàn)槲蚁矚g正確的記錄和探查問(wèn)題同上答案：因?yàn)槲蚁矚g它――我喜歡并經(jīng)常去那里，――探查：因?yàn)槟鞘请x我工作的地方最近的餐館，還有其他原因嗎？沒(méi)有了9.3編碼1、封閉式問(wèn)題編碼2、開(kāi)放式問(wèn)題編碼見(jiàn)教材P3209.4數(shù)據(jù)整理見(jiàn)：03營(yíng)銷各組整理資料9.5數(shù)據(jù)預(yù)處理9.5.1缺失值處理缺失值是指在數(shù)據(jù)采集與整理過(guò)程中丟失的內(nèi)容。一般情況下，數(shù)據(jù)都是以關(guān)系型表的方式采集的，如下表是某次調(diào)查中一些受訪者的基本情況：姓名年齡性別職業(yè)收入張三20－護(hù)士1500李四30女醫(yī)生2000王五35男醫(yī)生3000趙六－女護(hù)士1000如果在表格中

4、，某一個(gè)數(shù)據(jù)采集時(shí)無(wú)法獲得，就會(huì)出現(xiàn)缺失值，例如在上表中“張三”的性別和“趙六”的年齡就出現(xiàn)了缺失。缺失值的處理一般有兩種方式：一是刪除對(duì)應(yīng)的記錄。如在上例中，如果張三的性別沒(méi)有記錄，出現(xiàn)缺失，則將張三的所有信息全部從數(shù)據(jù)庫(kù)中刪掉。這種方式在數(shù)據(jù)缺失非常少的情況下是可行的，但如果各個(gè)項(xiàng)目中都有少數(shù)的數(shù)據(jù)缺失存在，對(duì)所有缺失的記錄都進(jìn)行刪除可能就會(huì)使總樣本量變得非常小，從而損失許多有用信息缺失值處理的第二種方式是進(jìn)行插值處理，所謂插值，是指人為地用一個(gè)數(shù)值去替代缺失的數(shù)值。插值處理根據(jù)插值的不同，有如下一些方法：1．隨機(jī)插值根據(jù)缺失值的各種可能情況，等概率地進(jìn)行插值

5、。例如在上例中，“張三”的性別有兩種可能性，一是“男”，二是“女”，可以簡(jiǎn)單地?cái)S一枚硬幣，如果正面朝上，則賦值為“男”，如果反面朝上，則賦值為“女”。2、依概率插值隨機(jī)插值是假定各種一個(gè)變量取各種值的可能性是相等的，但有些情況下，我們可以事先知道一個(gè)變量取各種值的概率，例如，我們知道在上述的單位中，女性占的比例是75％，男性的比例是25％，則在對(duì)“張三”的性別進(jìn)行賦值時(shí)，不是按50％概率賦為“女”，而是按75％概率賦為“女”。3．就近插值就近插值是指根據(jù)缺失記錄附近的其他記錄的情況對(duì)缺失值進(jìn)行插值，例如在上例中，“張三”的性別出現(xiàn)缺失，此時(shí)可以用其鄰近的“李四”的

6、性別數(shù)據(jù)替代“張三”的性別數(shù)據(jù)，由于“李四”的性別為“女”，所以將“張三”的性別也賦為“女”。就近插值是依概率插值的一種簡(jiǎn)化處理，設(shè)想在整個(gè)單位的職工中，女性占的比例是75％，則在一般情況下，與張三鄰近的記錄性別為“女”的概率也應(yīng)當(dāng)為75％，就近插值實(shí)際上就是依概率插值。4．分類插值依概率插值是將記錄置于總體的背景上進(jìn)行插值，沒(méi)有充分利用記錄的其他信息。如果在記錄的其他信息中有某些項(xiàng)目與缺失項(xiàng)目存在相關(guān)性，則可以根據(jù)這些輔助信息對(duì)總體進(jìn)行分類，在每一類內(nèi)部進(jìn)行插值處理。例如在上例中，“張三”的職業(yè)是“護(hù)士”，假定該單位中95％的“護(hù)士”性別為“女”，則在進(jìn)行插值是

7、，就不是使用全單位的女性比例75％，而是使用“護(hù)士”中的女性比例95％對(duì)“張三”的性別進(jìn)行賦值。本章小結(jié)此課件下載可自行編輯修改，僅供參考！感謝您的支持，我們努力做得更好！謝謝