复习资料 第十二章 研究资料的审核、整理与统计分析

第十二章研究资料的审核、整理与统计分析

第一节资料的审核与整理

研究资料的审核与整理是分析资料的基础，它同研究阶段后期的第一项工作，是保证调查资料客观性、准确性、条理性、完整性不可缺少的重要环节。

一、资料审核的概念与原则

资料审核是指在着手整理调查资料之前，对原始资料进行审查与核实的工作过程，目的是保证资料的客观性、准确性和完整性，为资料的整理打下坚实的基础。

资料审核和资料收集工作同步进行，叫做实地审核或收集审核。在收集资料后集中时间进行审核叫做系统审核。对重要资料进行反复的各种形式审核，叫做多次审核。

资料审核的原则

（1）真实性原则。（看其是否真实可靠地反映了调查对象的客观情况）

（2）标准性原则。（在较大规模的调查中，对于需要相互比较的材料，要审核其所涉及的事实是不是具有可比性。指标的定义是否一致，计量单位是否相同等）

（3）准确性原则。（对资料进逻辑检查，有无不合理和相互矛盾的地方，如某人的年龄栏内填写的是23岁，而工龄栏内填写的是18年，显然不合逻辑。）

（4）完整性原则。（是否收集齐全）

二、资料的整理

1.资料整理的概念和原则

资料的整理是根据研究目的将经过审核的资料进行分类汇总，使资料更加条理化和系统化，为进一步深入分析提供条件。

资料整理应遵循三条原则：

（1）条理化。（是指对资料进行分类从而为进一步分析创造条件。分类反映着研究者对研究对象的认识）

（2）系统化。（条理化是从分类着手，系统化是从整体综合的角度考虑问题）

（3）统计汇总。（是指将调查得到的各种数据进行初步的统计整理，以把握其总体上的数量特征。）

2.分类和分组

从严格的意义讲，分类和分组都是一种定性分类方法，即根据研究对象的某些特征将其区分为不同种类。分类适用于全部调查资料，分组只限于数量化的统计资料。

调查资料的分类有两种，即前分类和后分类。（标准是按资料收集前后）文献调查的资料、非结构观察、座谈会的记录、问卷调查中开放性回答是属于后分类。

分类的方法有两种，即现象分类方法和本质分类方法。根据事物外部特征或外在联系进行分类的方法称为现象分类法，调查资料按照调查单位分类、按年代分类等；根据事物的本质特征或内部联系进行分类的方法称为本质分类法，本质分类法也被称为科学分类法。

分类的关键在于选择和确定分类标志。

分类标志可以分为品质标志和数量标志。按品质标志分类就是选择反映事物属性差异的品质标志为分类标准。（如男、女）按数量标志就是选择反映事物数量差异的数量标志为分类标准。（如居民家庭按子女数量分组，可分为无子女家庭（0人）、单子女家庭（1人）、双子女家庭（2人）、多子女家庭（2人以上））

数量标志有两种表现形式：一是按单值分类，（子女数分类）二是按组距分类，如按年龄组距将人们分入不同的年龄段中。

要选择正确的分类标志，必须遵循四条原则：

（1）首先是从研究目的出发选择标志。（如研究人口年龄结构，就以年龄为标志进行分类；研究文化素质，以文化程度为分类标志）

（2）其次是从反映事物本质的需要去选择标志。

（3）再次是根据具体的历史条件去选择标志。

（4）最后，分组标志的确立必须坚持穷尽性和互斥性原则。穷尽性是指分组标志的确定必须使所有个案的特征表现都找到归属组，无一例外，如在研究我国宗教信仰时，只分佛教、基督教、伊斯兰教三大类，就违反了穷尽性的原则。互斥性是指分组标志应该互斥，要使每个个案的特征表现只能分配到一组之内，不能同时在几个组内出现。如人口出生地域，若按北方人、南方人和北京人为分组标志，那么，北京出生的就可以归为北方人和北京人，违反了互斥性原则。

第二节资料汇总

分类和分组标志制定下来后，下一步就是把资料分归，即资料汇总。汇总的技术有两种：手工汇总和计算机汇总。（大多使用计算机）

一、计算机汇总大致分为四个步骤：编码、登录、录入和程序编制。

编码是将问卷中的信息数字化，转换成统计软件和统计程序能够识别的数字。编码工作主要是建立编码工作。

登陆是将已编好码的问卷资料过录到资料卡片上，以便将它们输入到计算机的存储设备上去。录入是将登陆在资料卡片上的数据录入到计算机上，性质与登录相同。完成录入这项工作后原始资料可以束之高阁了。只要有编码手册、资料卡片或磁盘就能再现原始资料。

程序编制。要用计算机汇总资料就必须给计算机输入一种指令，指挥计算机进行工作，这种指令就是程序。

三、统计表

资料整的结果可以用不同形式表现，但统计表是应用最广泛的形式。资料通过统计汇总，得出许多说明社会现象和过程的数字资料，把这些资料在表格上表现出来，这种表格就叫做统计表。统计表的主要意义是：

（1）能有条理、有系统地排列统计资料，使人们在阅读时一目了然；

（2）能合理地、科学地组织统计资料，使人们在阅读时便于对照比较。

统计表按总体分组的情况可分为简单表、分组表和复合表。

未做任何分组，仅罗列各单位名称或按时间顺序排列的表格是简单表。

总体仅按一个标志进行分组，运用简单分组形成的表格是简单分组表。按照分组方法的不同，又可分为单项分组表和组距分组表。

总体按两个以上标志进行层叠分组的统计是复合分组表。又称交互分类表。

统计表的设计：

（1）统计表形式的设计。首先，统计表的上、下两段应以粗线绘制，左、右两端习惯上不划线，采用不封闭的“开口”表式。其次，统计表应是长、宽之间保持适当比例的长方形，过于细长、短粗或正方形都应尽量避免。

（2）统计表的内容设计。首先，统计表的总标题应当用简练而又准确的文字来表达统计资料的内容以及资料所属的空间和时间范围。其次，统计表中的指标数值有着一定的计量单位。当表中指标数值都以同一单位计量时，应将计量单位标写在统计表的右上角；当同栏指标数值以同一单位计量，而各栏的计量单位不同时，则应将计量单位标写在各纵栏标题的右侧或下方。（3）统计表制表的要点。首先，文字书写应工整，字迹清晰，数字应填写整齐，数位对准。其次，当数字为0时要写出来；如果不应有数字时应用横短线“—”表示；当缺某项数字或因数字小可忽略不计时，用省略号“……”表示；当某项资料免填时，用符号“X”表示；统计数字部分不应留下空白；当某数与左右、上下相同时，仍要一一填写，不能用“同左”、“同上”等字样代替。

第三节定量研究资料的统计分析

资料分析是在资料审核和整理的基础上进行。资料分析包括统计分析和理论分析。

一、统计分析概述

1.统计分析的作用

（1）统计分析的方法可以为社会研究提供一种清晰精确的形式化语言；

（2）统计分析是进行科学预测，探索未来的重要方法；人们把根据事实，运用经验和判断能力，逻辑思维方法时行的预测称为定性预测。把根据数据、统计资料，运用统计分析方法进行的预测称为定量预测。

（3）统计分析技术是处理调查研究资料的必要工具。

2.统计分析的特点：

（1）统计分析要以定性分析为基础；在定性分析的基础上进行统计分析是保证正确使用统计分析的重要条件。

（2）统计分析有一套专门的方法和技术。统计分析的数字成果是运用数学模型来描述、解释、预测社会现象。

二、单变量描述性统计分析。

集中量数和离中量数是就是对一组数据两个基本特征的描述。前者是大量数据向某一点集中的情况，后者是大量数据彼此离散的程度。

1.集中量数分析

集中量数也称集中趋势量数，它是用一个数值去代表一组数据的一般水平。常用的集中量数有平均数、中位数和众数。

集中量数有以下四个方面的作用：

（1）集中量数说明某一社会现象在一定条件下，其数量的一般水平。如用人均收入来反映经济生活水平。

（2）集中量数可以对于在不同空间的同类现象进行比较。如研究生产条件相同的两个村生产水平的差异，通过对它们的平均亩产量比较可以做出判断。

（3）集中量数可以对一定社会现象在不同的时间中的变化进行比较。如通过近年来人均收入的变化来揭示党的富民政策。

（4）集中量数可以用来分析某些社会现象之间的依存关系。如通过考察企业不同时期劳动生产率和人均奖金的变动情况，看出生产率提高，奖金水平不断提高的规律性。

2.平均数

平均数是表明一组数据的平均水平的数值。

根据数字资料的不同，我们可以用简单算术平均数和加权算术平均数法进行计算。

简单算术平均数是直接由原始数据计算算术平均数的方法。其公式为：（3+5+2+6）÷4＝16÷4＝ 4 （4就是平均数）

使用统计表中的分组资料计算平均数时，要用加权平均数法进行计算。

（3）中位数

把一组数据按照其大小顺序排列起来，处于最中间的位置那个数就是中位数。中位数主要应用于定序测量资料中。

（4）众数

众数是指在一组数据中出现次数最多的标志值。在描述某一社会现象时，有时不需要计算算术平均值，只要掌握最普遍、最常见的标志值就行了。这时可采用众数。

用单项分组数据资料计算众数的方法比较简单，一般采用直接观察法即可。如某领导班子中中年人所占的比例最大，某地区职工职业最集中的是矿工等等。

从组距分组资料中计算众数的方法有：组中值法和摘补法。

算术平均数包含的信息最丰富，代表性最好。

2.离散量数分析

描述数据离散程度的量数就是离中量数。也称差异量数。

离中量数的作用：第一，描述了一组数据的差异情况，使我们对一组数据的全貌有个比较清楚的了解。第二，对集中量数的代表性作了补充说明，差异量数越小，集中量数的代表性越大。离中量数的意义在于阐明被研究现象的差异特征。

离散量数的计算方法包括：异众比率、四位分差和标准差。集中量数和离中量数是配合使用的，众数和异众比率配合，中位数和四分位差配合，平均数与标准差配合。

（1）异众比率

异众比率是指非众数的次数与总体内全部总体单位的比率。异众比率越小，众数的代表性越大。（2）四分位差；把一组数据按照大小排列成序列，然后分成4个数据数目相等的段落，各个段落分界点上的数叫四分位数；而四分位差就是第三个四分位数的值减去第一个四分数位值。（3）标准差；又叫均方差，是指资料中各个数值与算术平均术相减之间的平方和的算数平均数的平方根；它是用得最多，也是最重要的离中量数。

三、双变量描述性统计分析

双变量描述性分析是指对样本资料中两个变量之间的关系的统计分析。

1.相关分析的意义和作用

事物之间的不完全确定关系，成为相关关系。如农作物产量与施肥之间的关系。

2.散点图

判定两个事物之间是否有相关关系，有何种相关关系，最直观的方法是做一张相关图。

3.相关系数

相关系数是表明变量间关系密切程度及方向的量数。它的符号是r，取值范围在﹣1到﹢1之间。如果r＝﹣1，那么是完全负相关；如果r＝1,则是完全正相关。这两种情况都属于函数关系。如果r＝0,则无相关。一般来说，如果两个变量间的相关系数的绝对值位于0.7~1之间,则高度相关；如果两个变量间的相关系数的绝对值位于0.3~0.7之间,则中度相关；如果两个变量间的相关系数的绝对值位于0~0.3之间,则低度相关；

4.回归分析

回归分析是对有关关系的现象，根据关系形态选一合适的数学模型来近似的表达变量间平均变化关系。这个数学模型称为回归方程式。回归分析具有推理性质，可以进行预测。其作用大于相关分析。

5.相关关系和回归分析的关系及应注意的问题

（1）相关是回归的必要条件，也就足说有相关关系未必有回归关系，无相关关系必无回归关系，因为无相关关系的两个事物之间不会存在因果关系。

（2）相关关系既可以说明变量之间关系的密切程度，还可以度量回归方程对实际资料的拟合程度、我们采用r^2作为判定系数，当r的绝对值越大时，r^2也越大，就说明拟合程度越好。（3）应用回归方程进行预测时，不能使用超出资料所包括范围的自变量数值。因为回归线段以外未观察到的点可能出现非线性的趋势。

（4）预测的回归方程只能反映一定时期内事物间的相互关系，使用历史资料预测未来变化时要考虑时过境迁的问题。

四、推论统计概要

推论统计是用样本的统计值去推论总体的参数值的统计方法。推论统计主要有两种方法：区间估计和假设检验。

1.区间估计：是用区间形式给出未知数的估计值范围。就是在一定的标准范围内设立一个置信区间，然后联系这个区间的可信度将样本统计值推论为总体参数值。

（1）置信区间：通过样本统计值去推论总体参数值存在的范围。范围的大小标志着推论的精确度。范围越小，精确度越高。

（2）置信度：对置信区间进行推论时总体的实际参数值真正处于置信区间中的概率度，即这种推论的可靠性程度。

（3）抽样误差：由于抽样而导致的样本与总体之间在被研究的变量上存在的差异。是随机抽样本身所固有的误差。

一般来说，在抽样误差一定的情况下，所要求的置信度越高，置信区间的范围也就应该越大。相反，如果要追求较小的置信区间，则推论的可靠性要随之降低。

2.假设检验

所谓的假设检验就是对总体的某一参数做一假设，然后用样本统计量去验证，以决定假设是否为总体所接受。

对假设进行检验是用概率论里的“小概率事件在一次抽样中不可能出现”的原理。在社会统计分析中，通常把“小概率事件”概率的显著性水平设定为0.05或0.01。

在统计推论中假设检验的基本思路：

（1）建立虚无假设和研究假设;

（2）选择适当的显著性水平(a)，并查出其临界值(Z) ;

（3）根据样本数据计算统计值(z);

（4）将临界值和统计值的绝对值进行比较，临界值大于统计值，则接受虚无假设，拒绝研究假设;临界值小于或等于统计值，则拒绝虚无假设，接受研究假设。

SPSS是世界著名的统计分析软件之一，也是社会科学领域最常用的统计分析软件。它于是1968年由3位美国斯坦福大学的学生开发。