市场调查实践课调查方案设计与数据分析

调查活动主要是调查问卷的设计与数据的处理。问卷设计的难点在于用什么样的指标将调查的目的与内容体现出来,数据处理的难点是进行数据挖掘,使调查获得的第一手资料通过系列分组能展现出调查对象的特征。本文通过大学生人生观伦理观的调查案例,阐述了市场调查实践课的调查方案设计的基本思想及其调查结果分析,重点介绍了问卷的设计与数据的处理以及调查的实施情况。     

关于调查问卷中定性数据处理方法的探讨

调查问卷的答案中既有定性数据,又有定量数据.相对于定量数据的分析,定性数据的统计处理是难点.文章以某地区学生升学情况的问卷数据为例,对一些常用的定性数据的分析方法进行了探讨,同时列举了一些SAS的基本程序.     

调查问卷选项无回答率的SAS程序实现

综合性社会调查项目中,选项无回答率的高低,是评价问卷调查数据质量、问卷题目难易程度以及访问员调查工作质量的重要标准。文章基于选项无回答率的一般计算公式,给出了计算问卷中选项的平均无回答率和选项在全部问卷上的平均无回答率两个SAS实现程序,并归纳了程序的编写思路和技巧。     

基于随机森林模型的分类数据缺失值插补

缺失数据是影响调查问卷数据质量的重要因素,对调查问卷中的缺失值进行插补可以显著提高调查数据的质量。调查问卷的数据类型多以分类型数据为主,数据挖掘技术中的分类算法是处理属性分类问题的常用方法,随机森林模型是众多分类算法中精度较高的方法之一。将随机森林模型引入调查问卷缺失数据的插补研究中,提出了基于随机森林模型的分类数据缺失值插补方法,并根据不同的缺失模式探讨了相应的插补步骤。通过与其它方法的实证模拟比较,表明随机森林插补法得到的插补值准确度更优、可信度更高。     

集体林权制度改革对农户环境满意度的Logistic回归分析

进行集体林权制度改革对环境影响问卷调查,并对调查问卷数据进行了描述性统计分析、Logistic回归分析以及共线性诊断和处理,运用线性拟合回归模型方法进行共线性诊断,并采用岭回归的方法对共线性问题进行了处理,试图从农户的角度研究林改对环境的影响,并分析问卷中所列出的六种环境变化与农户对林改满意度的关系。研究表明,林改前后水土保持、空气净化和森林面积的变化对农户环境满意度有较为显著的影响。     

基于组合分类挖掘模型的调查问卷数据预处理

文章在Bates和Granger对时间序列的组合预测模型的理论基础上,灵活运用数据挖掘的思维和Clementine数据挖掘软件中的相关节点,充分利用问卷中已有信息构造组合分类数据挖掘模型,对《影响中国人际关系和谐因素调查问卷》进行分类了预处理。     

调查中的误差与偏差

一次调查工作在程序上有很多环节。通常,调查设计者在完成了问卷设计和样本抽选后,通过委派调查员对被访问者实施实际调查。调查的每个环节都可能发生误差和偏差情况,这在问卷调查过程中特别典型,稍有不慎就会使具体环节发生偏差而使数据失真。这应该是民意调查中着重加以控制的。科学的问卷设计和合理的样本抽选是保证调查结果科学性的基础和前提条件,调查访谈者以及回答者这两个环节也是影响调查结果的重要因素。     

区域农民收入与其受教育程度的关系

文章在对4200户进行调壹,获得共计3432份有效问卷数据的基础上,结合统计年鉴相关数据和云南省人口普查数据。采用多元统计方法对农村居民家庭人均受教育程度对家庭收入的影响作用,及不同县城的居民受教育水平与其收入水平的变化关系进行了实证研究。     

网络去个性化调查问卷的编制及信效度检验

文章采用探索性因素分析对764份大学生的预测问卷数据进行统计分析,对502份正式问卷数据进行信度和效度检验.网络去个性化的表现有两大因子,即消极因子和积极因子；两大因子下有六个维度,即自我意识降低；自我控制降低；攻击谩骂行为增加；助人行为增加；促进人际交往；情感宣泄.累计方差解释率为51.658％.问卷的总体信度Cronbach a系数为0.813,结构效度良好.网络去个性化问卷达到心理测量学的基本要求,可以作为网络个体去个性化心理的描述工具；网络行为也有积极表现.     

基于组织层面变量企业文化的测量方法

文章以组织层面的变量——企业文化为例,比较详细地分析了当前关于组织层面变量的样本选取、问卷设计和数据处理方法,指出了研究中所存在的问题和数据分析中常见的错误.以石油化工行业58家企业的479份数据为例,给出了组织层面变量的合适测量的方法与步骤,详细介绍了企业文化的样本选取方法、问卷的选用和数据汇聚的rwg、ICC(1)和ICC(2)条件,以及比较适合于跨层次分析的阶层线性模型(HLM)方法,有助于澄清当前研究中跨层次分析的混乱,提高相关研究的信度与效度.     

政府统计生产体系中的大数据融入探讨——基于数据源与数据质量的分析

大数据在统计生产中潜力巨大,有助于构建高质量的统计生产体系,但符合统计生产目标的数据源特征及其数据质量问题有待明确。本文在寻求大数据源与传统统计数据源共同点的基础上,讨论了统计生产中的大数据源及其数据质量问题,进而探讨了大数据与传统统计生产融合应用。首先从数据生成流程及数据特征两个方面论证并限定了可用于统计生产的大数据源;然后在广义数据质量框架下讨论了大数据统计生产中的数据质量问题,梳理了大数据统计生产流程的数据质量控制要点和质量缺陷;最后根据数据质量分析结果,提出了将大数据融入传统调查的统计体系构建思路。     

数据科学的统计学内涵

数据科学以大数据为研究对象,而大数据对统计分析最直接的冲击莫过于数据收集方式的变革,同时统计分析的视野也不再局限于传统的属性数据,而是包括了关系数据、非结构、半结构数据等其他类型更丰富的数据。伴随着数据开放运动,数据库之间的关联信息的价值逐步得到体现。基于统计学的视角分别从科学理论基础、计算机处理技术和商业应用等三个维度研究了数据科学的统计学内涵,探讨了数据科学范式对统计分析过程的直接影响,以及统计学视角面临的机遇与挑战。     

论综合动态数据库的建立与应用

利用周期性普查数据与经常性调查数据建立的综合动态数据库具有数据全面、质量较高等优点。针对该数据库数据不完整、可能是不等距的时间序列数据等特点，提出基于周期性普查数据对经常性调查数据修正的时序建模与应用的思路以及周期性普查指标的数据插补方法与应用思想，通过描述综合动态数据库综合运用的流程，说明该数据库的综合运用实质是一个逐步完善数据库的过程。     

函数性数据的统计分析：思想、方法和应用

 摘　　要:实际中，越来越多的研究领域所收集到的样本观测数据具有函数性特征，这种函数性数据是融合时间序列和横截面两者的数据，有些甚是曲线或其他函数图像。虽然计量经济学近二十多年来发展的面板数据分析方法，具有很好的应用价值，但是面板数据只是函数性数据的一种特殊类型，且其分析方法太过于依赖模型的线性结构和假设条件等。本文基于函数性数据的普遍特征，介绍一种对其进行分析的全新方法，并率先使用该方法对经济函数性数据进行分析，拓展了函数性数据分析的应用范围。分析结果表明，函数性数据分析方法，较之计量经济学和其他统计方法具有更多的优越性，尤其能够揭示其他方法所不能揭示的数据特征     

统计数据预处理的理论与方法述评

统计数据预处理是提升数据质量的重要阶段,包括数据审查、数据清理、数据转换和数据验证四大步骤。根据处理对象的特点及每一步骤的不同目标,统计数据预处理可采用的方法包括描述及探索性分析、缺失值处理、异常值处理、数据变换技术、信度与效度检验、宏观数据诊断等六大类。选用恰当的方法开展统计数据预处理,有利于保证数据分析结论真实、有效。     

大数据与数据工程学

大数据的冲击并非是对以样本数据为对象的统计学的颠覆,而是对现代统计学的扩展。本文结合大数据的相关特征,以数据经济价值的扩展为切入点,从数据价值挖掘的角度论证了数据挖掘与大数据分析的关系,探讨了大数据背景下数据衍生品的创造与数据工程学创建的必要性。在此基础上,参照“金融工程学”的概念及学科体系,对“数据工程学”的概念进行了界定,并对数据工程学学科体系构建的相关理论基础、主要研究内容与分析技术进行了归纳与说明。     

从政治算术到大数据分析

本文首先对大数据进行了再认识,包括如何理解大数据的“大”、如何理解大数据的“数据”以及大数据是不是好数据;然后对数据的变化与统计分析方法的发展进行了较为系统的历史梳理,对两者的关系进行了总结;最后探讨了统计学的新发展--大数据分析问题,认为大数据分析是数据科学赋予统计学的新任务,指出了大数据分析面临的挑战与突破口,提出了大数据分析需要达成的共识。     

网上拍卖中竞买者出价数据的特征及分析方法研究

在传统统计分析中，研究者面对的数值型数据有三种形式，即横截面数据、时间序列数据以及混合数据。这些类型的数据具有离散、等间隔分布、密度均匀等特点，它们是传统的描述性统计和推断性统计中最主要的数据分析对象。然而，从拍卖网站收集到的诸如竞买者出价等数据，却不具备这些特点，对传统统计分析方法提出了挑战。因此需要从数据容量、数据的混合性、不等间隔分布及数据密度等方面，对网上拍卖数据的产生机制进行阐释，对其特征进行分析，并结合实际网上拍卖资料给出分析此类数据的方法和过程。     

基于函数性视角的经济数据分析——以主微分分析方法为例

基于经济数据的函数性特征,引入函数型数据分析方法,研究发现经济数据中的面板数据可作为函数型数据的特例,函数型数据分析方法在处理高维数据、缺失数据以及样本观测点不规则分布等特殊的数据类型有独特的优势。着重介绍和拓展了主微分分析方法,在集合了主成分分析方法优势的同时从微分方程的解出发探讨数据的特征。通过对全国银行间同业拆借利率进行主微分分析,显示出主微分分析方法能够揭示其它方法所不能反映的数据特征。