企业官网建设流程全解析

数据的搜集 — 知识点详解

一、数据的来源

1. 直接来源（原始数据/第一手数据）

• 定义：研究者为解决特定问题而亲自搜集的数据，未经他人加工处理。
• 获取方式：
  • 调查：通过问卷、访谈等方式从被调查者处获取数据。
  • 实验：在控制条件下，通过实验操作获取数据。
  • 观察：在自然状态下对研究对象进行系统观察并记录。
• 特点：针对性强、时效性好，但搜集成本高、耗时长。

2. 间接来源（二手数据/次级数据）

• 定义：由他人搜集、整理并已公开发表或公布的数据。
• 主要来源：
  • 统计年鉴：如《中国统计年鉴》、各省市统计年鉴。
  • 政府公报：如国民经济和社会发展统计公报。
  • 数据库：如CNKI、Wind、国泰安（CSMAR）数据库。
  • 国际组织出版物：世界银行、IMF、联合国等发布的数据。
  • 行业报告：各类咨询机构和行业协会发布的报告。
  • 企业内部资料：财务报表、销售记录、生产记录等。
• 使用注意事项：
  • 了解数据的定义、口径、计算方法是否与研究需要一致。
  • 注意数据的时效性，确认数据的搜集时间和覆盖时间段。
  • 注意数据的准确性，评估原始搜集者的专业性和权威性。
  • 弄清数据的来源和出处，确保可追溯、可验证。

二、调查方法

1. 概率抽样调查（随机抽样）

核心原则：总体中每个单位被抽中的概率已知且不为零。

（1）简单随机抽样（纯随机抽样）

• 定义：从含有N NN个单位的总体中，不带任何主观因素地随机抽取n nn个单位作为样本，每个单位被抽中的概率相等。
• 方法：
  • 抽签法：将所有单位编号做成签，混合后逐一抽取。
  • 随机数表法：利用随机数表确定被抽中的单位编号。
  • 计算机随机数发生器：利用软件生成随机数确定样本。
• 适用场景：总体单位数较少且单位间差异不大时。
• 优点：简单直观，理论上最符合随机原则。
• 缺点：当总体很大时，编号和抽选工作量大；当总体方差较大时，代表性可能不足。

（2）分层抽样（类型抽样）

• 定义：先将总体按照某一特征（标志）划分为若干层（类），然后在每一层内独立地进行简单随机抽样，最后将各层样本合在一起组成总样本。
• 分层原则：层内差异小，层间差异大。
• 具体方式：
  • 等比例分层抽样：各层样本量按各层在总体中的比例分配。
  • 不等比例分层抽样（最优分配）：根据各层方差大小分配样本量，方差大的层多抽。
• 公式（等比例）：第i ii层的样本量n i = n × N i N n_i = n \times \frac{N_i}{N}ni​=n×NNi​​
• 优点：保证样本结构与总体结构一致，提高估计精度，便于对各层进行独立分析。
• 缺点：需要事先了解总体的分层信息。

（3）整群抽样（集团抽样）

• 定义：将总体划分为若干群（组），以群为抽样单位，随机抽取若干群，对被抽中的群进行全面调查（普查）。

• 与分层抽样的区别：

  分层抽样	整群抽样
  划分目的	层内同质	群内异质
  调查方式	层内抽样	群内全查
  抽样单位	个体	群

• 优点：节省人力物力，调查组织实施方便，不需要完整的个体名单。

• 缺点：同一群内个体往往具有相似性，导致抽样误差通常较大。

（4）系统抽样（等距抽样）

• 定义：将总体N NN个单位按某一顺序排列，先随机确定一个起始点，然后按照固定的间隔（k = N / n k = N/nk=N/n）依次抽取样本单位。
• 步骤：
  1. 将总体N NN个单位按一定顺序排列；
  2. 计算抽样间隔k = N / n k = N / nk=N/n；
  3. 在1 ∼ k 1 \sim k1∼k之间随机抽取一个起始编号r rr；
  4. 依次抽取编号为r , r + k , r + 2 k , … , r + ( n − 1 ) k r, r+k, r+2k, \ldots, r+(n-1)kr,r+k,r+2k,…,r+(n−1)k的单位。
• 优点：操作简便，样本在总体中分布均匀。
• 缺点：当总体存在周期性变化且抽样间隔与周期吻合时，会产生严重偏差。

（5）多阶段抽样（多级抽样）

• 定义：将抽样过程分为两个或多个阶段进行。例如，先抽省（一阶段），再抽市（二阶段），再抽户（三阶段），最后对被抽中的户进行调查。
• 优点：适用于大规模调查，灵活方便，降低搜集成本。
• 缺点：每一阶段都会产生抽样误差，总误差是各阶段误差的叠加。

2. 非概率抽样调查

特点：不依据随机原则，样本的选取带有主观性或便利性。

（1）方便抽样（偶遇抽样）

• 定义：调查者根据方便性原则，选取最容易接触到的单位作为样本。
• 例子：街头拦访、商场门口问卷调查。
• 优点：省时省力，成本低。
• 缺点：样本代表性差，结果偏差可能很大。

（2）判断抽样（目的抽样）

• 定义：调查者根据自己的专业知识和经验，主观判断选取"有代表性"的单位。
• 适用场景：探索性研究、总体单位数极少的情况。
• 优点：可充分利用已有信息。
• 缺点：受主观判断影响，缺乏客观性。

（3）配额抽样

• 定义：先按照一定标准（如性别、年龄、职业等）对总体分类，规定各类别的样本配额，然后在每个类别内由调查员按方便原则选取样本。
• 与分层抽样的区别：配额抽样在各层内是非随机选取的。

（4）滚雪球抽样

• 定义：先找到少数被调查者，然后通过他们推荐找到更多符合条件的被调查者，逐步扩大样本量。
• 适用场景：难以直接识别总体成员的情况（如罕见疾病患者、特殊职业群体）。

3. 问卷设计要点

• 问题措辞：清晰、简明、无歧义，避免引导性提问。
• 问题类型：封闭式问题（选择题）与开放式问题（填空题/简答题）相结合。
• 问题排列：先易后难、先一般后特殊、先封闭后开放。
• 问卷结构：标题 → 说明信 → 填表说明 → 正文（问题与答案）→ 结束语。
• 预调查（试调查）：正式调查前进行小范围测试，发现并修正问题。

4. 调查的组织方式

三、实验方法

1. 实验的基本概念

• 实验：在控制其他条件不变的情况下，有意识地改变某一因素（自变量），观察其对研究对象（因变量）的影响。
• 实验组与对照组：
  • 实验组（处理组）：接受实验处理（自变量变化）的组。
  • 对照组（控制组）：不接受实验处理的组，用于比较。
• 变量：
  • 自变量（实验因素/处理因素）：研究者主动操纵的变量。
  • 因变量（响应变量）：受自变量影响而变化的结果变量。
  • 控制变量（额外变量）：可能影响结果但不是研究者关心的变量，需要加以控制。

2. 实验设计的基本原则

（1）对照原则

• 设置对照组，为实验结果的比较提供基准。
• 空白对照：对照组不施加任何处理。
• 标准对照：对照组采用已有的标准处理方式。

（2）随机化原则

• 实验对象的分组和实验顺序的安排均应随机进行。
• 目的是消除系统性偏差，使各组在实验前条件基本一致。

（3）重复原则

• 每种处理条件下应有足够的实验次数（重复数），以降低随机误差的影响。
• 重复次数越多，结果越可靠。

3. 常见实验设计类型

（1）完全随机设计

• 将实验对象随机分配到各个处理组中。
• 最简单的实验设计。
• 适用：实验对象间差异较小的情况。

（2）随机区组设计（配对设计）

• 先按某一特征（如年龄、性别、体质等）将实验对象分成若干区组（block），然后在每个区组内随机分配不同的处理。
• 目的：将已知的变异来源（区组间差异）从误差中分离出来，提高实验精度。
• 配对设计是随机区组设计的特例（区组大小为2）。

（3）因子设计（析因设计）

• 同时研究两个或多个因素的效应及其交互作用。
• 例如：2 × 3 2 \times 32×3因子设计表示因素A有2个水平，因素B有3个水平，共2 × 3 = 6 2 \times 3 = 62×3=6个处理组合。

4. 实验中的偏差控制

5. 盲法实验

• 单盲实验：被试不知道自己属于实验组还是对照组。
• 双盲实验：被试和实验执行者都不知道分组情况，消除主观偏差。
• 三盲实验：在双盲基础上，数据分析者也不知道分组信息。

四、数据的误差

1. 误差的基本分类

误差 ╱ ╲ 抽样误差 非抽样误差 ╱ ╲ 登记误差 代表性误差（系统误差）

2. 抽样误差（Sampling Error）

• 定义：由于只抽取了总体中的一部分单位作为样本，用样本统计量估计总体参数时所产生的误差。
• 本质原因：样本只是总体的一部分，样本结构不可能与总体完全一致。
• 特点：
  • 是随机性误差，不是错误。
  • 不可避免，但可以控制和度量。
  • 可以通过增大样本量来减小。
• 影响因素：
  • 样本量n nn：n nn越大，抽样误差越小。
  • 总体方差σ 2 \sigma^2σ2：总体差异越大，抽样误差越大。
  • 抽样方法：分层抽样通常比简单随机抽样的抽样误差小。
  • 抽样组织方式：重复抽样的误差通常大于不重复抽样。

3. 非抽样误差（Non-sampling Error）

（1）登记误差（调查误差/数据收集误差）

• 定义：在数据搜集、记录、整理过程中产生的误差。
• 来源：
  • 被调查者误差：记忆错误、理解错误、故意虚报或瞒报。
  • 调查员误差：记录错误、遗漏、诱导性提问。
  • 编码和录入误差：数据整理过程中的人为错误。
• 特点：普查和抽样调查中都可能存在。

（2）系统误差（代表性误差/偏差）

• 定义：由于抽样方法或调查方式存在系统性缺陷，导致样本不能很好地代表总体。
• 来源：
  • 抽样框不完整或过时（抽样框误差）。
  • 无回答（无响应）偏差。
  • 自选偏差（如网络调查中愿意参与的人不具有代表性）。
  • 非概率抽样导致的偏差。
• 特点：具有方向性（总是偏高或偏低），增大样本量不能减小系统误差。

4. 误差的控制策略

5. 抽样误差与非抽样误差的关系

• 在实际调查中，总误差 = 抽样误差 + 非抽样误差。
• 不能只关注抽样误差而忽略非抽样误差——当非抽样误差很大时，即使样本量很大，调查结果也可能严重偏离真值。
• 过度增大样本量可能反而增加非抽样误差（如调查员更难管理、数据质量下降等）。

五、思考与练习（核心考点总结）

关键概念辨析

常见判断要点

1. “增大样本量可以消除所有误差”—错误。只能减小抽样误差，不能消除非抽样误差。
2. “非概率抽样一定不可用”—不完全正确。在探索性研究、总体难以界定等特殊情况下有其价值。
3. “分层抽样要求层间差异小”—错误。要求层内差异小、层间差异大。
4. “普查没有抽样误差”—正确。普查调查全部个体，不存在抽样误差，但可能存在登记误差。
5. “系统抽样不存在任何风险”—错误。当总体存在周期性规律时可能产生严重偏差。

典型计算相关

• 等距抽样间隔：k = N / n k = N / nk=N/n
• 等比例分层抽样各层样本量：n i = n ⋅ N i N n_i = n \cdot \dfrac{N_i}{N}ni​=n⋅NNi​​