数据审核

数据审核就是检查数据是否有错误。

对于通过调查取得的原始数据，主要从完整性和准确性两个方面去审核。

• 完整性审核：检查应调查的单位或个体是否有遗漏，所有的调查项目是否填写齐全等。
• 准确性审核：检查数据是否有错误，是否存在异常值。（保留还是纠正）

对于其他渠道取到的二手数据，应着重审核数据的适用性和时效性。

数据筛选

数据筛选：是根据需要找出符合特定条件的某类数据

比如筛选成绩在90分以上的学生

数据排序

数据排序：按一定顺序将数据排列，以便研究者通过浏览数据发现一些明显的特征或趋势，找到解决问题的线索。

优点：

除了上面的，还有助于对数据进行检查纠错，以及为重新归类或分组等提供方便。

排序规则：

• 分类数据

  • 字母型数据：有升序降序之分，升序更多。
  • 汉字型数据：排序方式很多，笔画，拼音等。

• 数值型数据 排序方式两种，递增或递减。

  • 递增：\(x_{(1)}<x_{(2)}<\cdots<x_{(n)}\)
  • 递减：\(x_{(1)}>x_{(2)}>\cdots>x_{(n)}\)
  • 排序后的数据称为顺序统计量

数据透视表

利用数据透视表，可以对数据表的重要信息按使用者的习惯或分析要求进行汇总和作图，形成一个符合需要的交叉表。

在使用数据透视表时，数据原表的首行必须有列标题。

数值型数据的频率分布图

将原始数据哪找某种标准分成不同的组别，分别后的数据称为分组数据，数据分组的主要目的是观察数据的分布特征。

数据分组的方法：

• 单变量值分组：把每一个变量值作为一组，通常只适合离散变量，且在变量值较少的情况下使用。
• 组距分组：在连续变量或变量值较多的情况下。将全部变量值依次划分为若干个区间，并将一个区间的变量值作为一组。在组距分组种，一个组的最小值称为下限，一个组的最大值称为上限

频数分布表的编制过程：

1. 确定组数 一般情况下，一组数据所分的组数不应少于5组且不多于15组，即\(5\leq K \leq 15\)。 实际时，可令\(k=1+(\lg n \div \lg 2)\)
2. 确定各组的组距 \[组距=\frac{最大值-最小值}{组数}\],为便于计算，组距宜取5或10的倍数，而且第一 组的下限应低于最小变量值，最后一组的上限值应高于最大变量值。

   • 组中值

     • 每一组中上限值与下限值中间的值，即\[组中值=\frac{上限值+下限值}{2}\]
     • 使用组中值代表一组数据的必要前提条件：各组数据在本组内呈均匀分布或在组中值两侧呈对称分布。

   • 开口组，闭口组

     如果全部数据中的最大值与最小值和其他数据相差悬殊，为避免出现空白组（即没有变量值的组）或个别极端值被漏掉，第一组和最后一组可以采取 \(\times\times\)以下,\(\times\times\)以上,称为开口组。开口组通常以相邻组的组距作为其组距,组中值为相应的上限（下限）加上（减去）组距的一半。

   • 等距分组和不等距分组

     • 组距相等还是不相等
3. 根据分组编制频数分布表。
   • 原则：不重不漏.不重是指一项数据只能分在其中的某一组，不能在其他组中重复出现；不漏是指组别能够穷尽，即在所分的全部组别中每项数据都能分在其中的一组，不能遗漏。
   • 不重：习惯上规定：上组限不在内。，当然，对于离散型变量，可以采用相邻两组组限间断的方法解决不重的问题。对于连续变量，可以采取相邻两组组限重叠的方法，根据“上组限不在内”的规定解决不重的问题，也可以对一个组的上限值采用小数点的形式，小数点的位数根据所要求的精度来确定。