问卷调查的数据分析方法
问卷分析方法
问卷分析方法问卷调查是一种常用的数据收集方法，通过问卷可以获取大量的信息和数据，但如何对问卷进行有效的分析是至关重要的。
本文将介绍几种常用的问卷分析方法，希望能对您的研究工作有所帮助。
首先，问卷调查的数据分析可以采用描述性统计方法。
描述性统计是通过对问卷数据中的各项指标进行统计描述，包括频数分布、均值、标准差等。
通过描述性统计，可以直观地了解被调查对象的一些基本情况，比如年龄分布、性别比例、受教育程度等，这些信息对于后续的分析和研究具有重要意义。
其次，问卷数据的分析还可以采用相关性分析方法。
相关性分析可以帮助我们了解问卷中各项指标之间的相关关系，包括正相关、负相关以及相关程度。
通过相关性分析，可以找出问卷中不同指标之间的内在联系，为后续的研究提供重要参考。
此外，因子分析也是一种常用的问卷分析方法。
因子分析是通过分析问卷中各项指标之间的相关性，将它们归纳为几个较为独立的因子，从而简化数据结构。
因子分析可以帮助我们找出问卷中隐藏的结构和规律，为研究提供更深层次的信息。
最后，问卷数据的分析还可以采用回归分析方法。
回归分析可以帮助我们了解问卷中各项指标之间的因果关系，找出影响因变量的自变量，并建立相应的数学模型。
通过回归分析，可以深入挖掘问卷数据中的信息，为研究提供更为精确的结论。
总之，问卷分析是问卷调查工作中至关重要的一环，不同的分析方法可以帮助我们从不同角度了解问卷数据，为研究提供有力支持。
希望本文介绍的问卷分析方法能对您的工作有所启发，也希望您能在实际工作中灵活运用这些方法，取得更好的研究成果。
调查问卷中的统计分析方法
调查问卷中的统计分析方法一、数据类型的分类在进行统计分析之前，我们需要了解问卷数据所属的数据类型。
常见的数据类型主要可以分为四类：名义型、顺序型、区间型和比率型数据。
名义型数据是最基本的数据类型，它仅表示分类或标记的信息。
例如，在一份调查问卷中，我们可以使用“是”和“否”的选项来表示一个问题的答案。
顺序型数据则在名义型数据的基础上增加了顺序关系的信息。
例如，我们使用“非常不满意”、“不满意”、“一般”、“满意”和“非常满意”的五个选项来衡量一个产品的满意度。
区间型数据是一种有序的连续数据，它的测量单位是固定的，但没有一个确定的零点。
例如，我们对一组人群的年龄进行调查，得到的数据是区间型数据。
最后，比率型数据在区间型数据基础上添加了一个确定的零点，可以进行加减乘除等运算。
例如，我们可以统计一组人的身高、体重等信息。
二、描述性统计分析方法描述性统计分析方法能够总结和展示数据的基本特征，帮助我们对数据有一个整体的认识。
常用的描述性统计分析方法包括频数分析、百分比分析、中心位置分析和离散程度分析等。
频数分析是统计各个变量取值的频数，它可以直观地了解到数据中各个不同取值的个数。
百分比分析可以进一步对频数进行转化，得到各个取值的百分比。
中心位置分析可以帮助我们了解数据的集中趋势，常用的指标有均值、中位数和众数等。
均值是指将所有数据加起来后除以数据个数得到的平均数；中位数则是将数据按照大小排列后找到中间位置的数；众数是指在一组数据中出现次数最多的数。
离散程度分析可以帮助我们了解数据的分散程度，常用的指标有方差和标准差等。
方差是各个数据与均值之差的平方的平均值；标准差是方差的平方根，它可以反映数据的离散度。
通过以上的描述性统计分析方法，我们可以对调查问卷中的数据进行初步的了解和总结。
三、推断统计分析方法描述性统计分析方法能够对数据进行总结，但无法做出具有代表性和普遍性的推断。
而推断统计分析方法可以通过对样本数据进行分析，从而推断出与总体数据相关的结论。
问卷调查结果分析方法
问卷调查结果分析方法
概述：
本文档旨在介绍一种常见的问卷调查结果分析方法。
通过该方法，研究人员可以有效地分析和解释所收集到的问卷调查数据，从而为相关研究提供有意义的结论和洞见。
步骤：
以下是该问卷调查结果分析方法的步骤：
1. 数据清洗：
- 检查和去除问卷调查中的错误、缺失或无效数据。
- 对于多项选择题和开放性问题，将回答进行编码，以便进行统计分析。
2. 数据分析：
- 对于定量数据（如数值或比例），可以使用统计方法（如平均值、百分比、方差等）进行描述性分析。
- 对于定性数据（如分类变量），可以使用频数统计或交叉分析来了解各个类别的分布情况。
- 利用统计软件（如SPSS或Excel）来计算和呈现统计结果。
3. 结果解释：
- 解释每个分析结果的含义和背后的原因。
- 比较不同群体或变量之间的差异，并从中提取重要的洞见。
- 基于分析结果，提出相关研究的结论和建议。
4. 结果呈现：
- 使用图表、表格、图像等可视化工具将分析结果清晰地展示出来。
- 编写简洁明了的文字描述，使读者能够直观地理解数据分析结果。
5. 引用和验证：
- 在结果报告中引用所使用的数据来源和引用的研究方法。
- 使用可靠的数据和研究结果来支持分析和结论，避免引用未经确认的内容。
总结：
通过该问卷调查结果分析方法，研究人员可以系统地处理和分析所收集到的问卷调查数据。
该方法不仅能将数据转化为有用的信息和知识，还可以为决策提供实际的借鉴。
然而，在进行数据分析和结果解释时，研究人员应遵循简单的策略，避免引入法律复杂性和未经确认的内容。
科学研究中的问卷调查分析方法
科学研究中的问卷调查分析方法随着科学研究的发展，问卷调查在研究中扮演着越来越重要的角色。
问卷调查是一种常见的数据收集方法，通过收集被调查者的观点、意见和经验，为科学研究提供了有力的支持和依据。
然而，为了保证问卷调查的有效性和可靠性，研究者需要掌握一些分析方法来对收集到的数据进行深入研究和分析。
本文将介绍一些常用的科学研究中的问卷调查分析方法。
一、数据清理与预处理在对问卷调查数据进行分析之前，首要的任务是对数据进行清理和预处理。
数据清理的目的是排除异常值、缺失值和错误数据，以确保数据的准确性和可靠性。
数据预处理则包括变量标准化、数据转换和缺失值处理等操作。
通过这些操作，可以为后续的分析提供高质量的数据基础。
二、描述性统计分析描述性统计分析是对问卷调查数据进行总体描述和展示的方法。
常用的描述性统计量包括频数、平均数、标准差、中位数等，它们可以揭示数据的分布情况、集中趋势和离散程度。
通过描述性统计分析，研究者可以初步了解被调查者的观点和意见，为后续的分析提供基础。
三、相关性分析在科学研究中，我们常常需要探究变量之间的关系。
相关性分析可以帮助研究者判断变量之间的线性相关性以及相关程度。
常用的相关性分析方法包括皮尔逊相关系数和斯皮尔曼相关系数。
通过相关性分析，研究者可以了解问卷调查数据中不同变量之间的关联情况，为后续的模型构建和推理提供依据。
四、因子分析问卷调查常常涉及多个问题或变量，而这些问题或变量之间可能存在一定的相关性。
因子分析可以帮助研究者将相关性较高的问题或变量合并为较少的几个综合因子，以简化数据分析和结果解释的复杂程度。
通过因子分析，研究者可以发现潜在的维度或构念，并将其作为独立的变量进行后续分析。
五、回归分析回归分析是一种常用的定量研究方法，适用于探究自变量与因变量之间的关系。
在问卷调查数据分析中，研究者可以利用回归分析方法来研究不同自变量对因变量的影响程度，从而进一步理解调查对象的态度、观点或行为。
问卷调查的数据分析怎么做
问卷调查的数据分析怎么做引言随着科技的不断发展，数据分析在各个领域中变得越来越重要。
在市场调研和学术研究中，问卷调查是常用的数据收集方式之一。
然而，仅仅收集到的数据并不能直接为我们提供有价值的信息。
因此，在进行问卷调查后，进行数据分析是必不可少的一步，它能够帮助我们对数据进行深入的理解和解读。
在本文中，我们将介绍问卷调查的数据分析方法，以帮助您更好地利用收集到的数据。
步骤一：数据整理在进行数据分析之前，我们首先需要对收集到的数据进行整理。
这包括数据清洗、数据转换和数据结构化等步骤。
1. 数据清洗数据清洗是指对数据中的错误、缺失、不一致等问题进行处理。
在问卷调查中，我们经常会遇到一些错误的数据，例如重复记录、无效回答等。
清洗数据的目的是保持数据的准确性和一致性。
2. 数据转换数据转换是指将原始数据转换成适合分析的数据格式。
例如，将文本型数据转换为数值型数据，或将时间数据转换为日期格式。
数据转换的目的是为了方便后续的数据分析和统计。
3. 数据结构化数据结构化是指将数据按照一定的结构进行组织和管理。
常见的数据结构包括表格、图表和数据库等。
通过对数据进行结构化，可以提高数据的可读性和可理解性。
步骤二：数据探索在完成数据整理之后，我们可以开始进行数据探索了。
数据探索是指对数据进行可视化分析和统计分析，以发现数据中的规律、趋势和关联性。
1. 可视化分析可视化分析是通过图表、图形等可视化手段来展示数据的特点和趋势。
通过可视化分析，我们可以更直观地了解数据的分布、比较和变化。
常用的可视化工具包括Matplotlib、Seaborn等。
2. 统计分析统计分析是指对数据进行统计描述和推断。
通过统计分析，我们可以得到数据的中心趋势、离散程度和相关性等指标。
常见的统计分析方法包括描述统计、方差分析、回归分析等。
步骤三：数据解读在完成数据探索之后，我们需要将所得到的数据分析结果进行解读和汇报。
数据解读是指根据数据分析结果得出结论，并对结论进行解释和说明。
问卷调查的数据分析方法
问卷调查的数据分析方法标题：问卷调查的数据分析方法引言：随着社会的发展和科技的进步，问卷调查已经成为研究和了解人们意见、态度和行为的常用方法之一。
然而，仅仅收集到大量的数据并不能帮助我们深入理解和分析问题。
在这篇文章中，我们将探讨一些常用的数据分析方法，以助于更好地理解问卷调查结果。
一、数据整理与预处理在开始数据分析之前，我们需要进行数据整理与预处理，以确保数据的可靠性和一致性。
首先，我们应该检查数据是否完整，是否存在缺失值或异常值。
其次，对于多选题或开放式问题，我们需要对回答进行分类和编码，以便后续的统计和分析。
二、描述性统计分析描述性统计分析是对数据进行总结和描述的方法，通常包括计算平均数、中位数、众数、标准差等统计指标。
通过这些指标，我们可以了解数据的分布、集中趋势和离散程度。
此外，我们还可以通过绘制条形图、饼图、频率分布图等图表来直观地展示数据特征。
三、关联分析关联分析是研究不同变量之间关系的方法，一般利用相关系数或卡方检验等统计方法进行计算。
通过关联分析，我们可以了解不同变量之间的相关性强弱程度，判断它们之间是否存在显著关联。
这对于了解问题的核心因素、解释变量之间的作用关系非常重要。
四、回归分析回归分析是研究因变量与自变量之间关系的方法，通过构建数学模型进行预测和解释。
常见的回归方法包括线性回归、逻辑回归等。
通过回归分析，我们可以深入探讨各个自变量对因变量的影响程度和方向，帮助我们理解问题的本质和原因。
五、聚类分析聚类分析是将相似的个体归为一类，不相似的个体归为不同类别的方法。
通过聚类分析，我们可以进行数据的分类与整理，发现数据集中的分组结构和内部规律。
对于大规模问卷调查数据，聚类分析可以帮助我们减少数据的复杂性，提取出主要特征。
六、主成分分析主成分分析是一种降维方法，通过将原始变量进行线性组合，得到新的综合指标（主成分），从而降低数据维度并保留较多信息。
主成分分析可以帮助我们理解变量之间的相关性和重要性，发现隐藏在数据背后的潜在因素。
在问卷调查中常用数据分析方法有哪些？
在问卷调查中常用数据分析方法有哪些？1．描述性统计分析包括样本基本资料的描述，作各变量的次数分配及百分比分析，以了解样本的分布情况。
此外，以平均数和标准差来描述市场导向、竞争优势、组织绩效等各个构面，经过西线学院小编了解，以了解样本企业的管理人员对这些相关变量的感知，并利用t检验及相关分析对背景变量所造成的影响做检验。
2．Cronbach’ａ信度系数分析信度是指测验结果的一致性、稳定性及可靠性，一般多以内部一致性来加以表示该测验信度的高低。
信度系数愈高即表示该测验的结果愈一致、稳定与可靠。
针对各研究变量的衡量题项进行该信度分析，以了解衡量构面的内部一致性。
一般来说，Cronbach’ａ仅大于0．7为高信度，低于0．35为低信度，0．5为最低可以接受的信度水准。
3．探索性因素分析和验讧性因素分析用以测试各构面衡量题项的聚合效度(convergent validity)与区别效度(discriminantvalidity)。
因为仅有信度是不够的，可信度高的测量，可能是完全无效或是某些程度上无效。
所以我们必须对效度进行检验。
效度是指工具是否能测出在设计时想测出的结果。
收敛效度的检验根据各个项目和所衡量的概念的因素的负荷量来决定；而区别效度的检验是根据检验性因素分析计算理论上相关概念的相关系数，检定相关系数的95％信赖区间是否包含1．0，若不包含1．0，则可确认为具有区别效度。
4．结构方程模型分析由于结构方程模型结合了因素分析和路径分析，并纳入计量经济学的联立方程式，可同时处理多个因变量，容许自变量和因变量含测量误差，可同时估计因子结构和因子关系。
容许更大弹性的测量模型，可估计整个模型的拟合程度，因而适用于整体模型的因果关系。
在模型参数的估计上，采用最大似然估计法；在模型的适合度检验上，以基本的拟合标准、整体模型拟合优度以及模型内在结构拟合优度，三个方面的各项指标作为判定的标准。
在评价整体模式适配标准方面，平均残差平方根(root—mean．square：residual，RMSR)、近似误差均方根(root-mean—square-error-of-approximation，RMSEA)等指标；模型内在结构拟合优度则参考Bagozzi和Yi的标准，考察所估计的参数是否都到达显著水平。
调查问卷的分析方法有
调查问卷的分析方法有调查问卷是一种常用的数据收集工具，被广泛应用于社会科学研究、市场调研、教育评估等领域。
在进行问卷调查后，如何对收集到的数据进行分析是至关重要的。
本文将介绍几种常见的调查问卷分析方法。
首先，我们可以使用描述性统计分析方法来对问卷数据进行整体的概括和描述。
这种方法可以计算出各个问题的频数、百分比、均值、中位数、标准差等统计指标，帮助我们了解被调查对象的整体情况。
通过描述性统计分析，我们可以得出被调查对象的一般特征和整体趋势。
其次，卡方检验是一种常用的统计方法，适用于分析两个或多个分类变量之间的关系。
通过卡方检验，我们可以判断两个变量之间是否存在相关性。
例如，我们可以使用卡方检验来分析性别与购买决策之间的关系，以了解性别是否对购买行为有影响。
另外，因子分析是一种用于探索数据结构的多变量统计方法。
通过因子分析，我们可以将众多变量归纳为少数几个因子，从而简化数据分析过程。
例如，我们可以将多个问题关于消费者偏好的变量进行因子分析，得出几个主要的消费者偏好因子，以便更好地理解消费者的行为和需求。
此外，回归分析是一种常见的统计方法，用于探究自变量与因变量之间的关系。
通过回归分析，我们可以建立模型，预测因变量的变化情况，并确定自变量对因变量的影响程度。
例如，我们可以使用回归分析来探究广告投入与销售额之间的关系，以了解广告对销售的贡献度。
最后，我们还可以使用质性分析方法来对问卷数据进行分析。
质性分析强调对数据的深入理解和解释，通过对文本或图像数据的分析，挖掘出隐藏的信息和主题。
例如，我们可以对问卷中的开放性问题进行质性分析，探索被调查对象的意见、看法和感受。
综上所述，调查问卷的分析方法有多种选择，包括描述性统计分析、卡方检验、因子分析、回归分析和质性分析等。
选择合适的分析方法取决于研究目的、研究问题和数据类型。
研究人员应根据实际情况灵活运用这些方法，以得出准确、可靠的结论。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
难被准确测量的
4．有关被调查者购买行为结果的资料 ——年度商品房成交金额、年度二手房成交面积、年度二手房成交金额、销售
率、企业的市场占有率
第一节 调查资料的审核与整理
二、数据审核
第一节 调查资料的审核与整理
二、数据审核
年龄：151岁
年龄：12岁 婚姻：已婚
加总法、对比 法、平衡法
第一节 调查资料的审核与整理
3、数值型数据整理
数据分组：单变量值分组（离散变量）+组距分组（连续变量）
119 127 129 119 124 130 118 107 113 122 128 114
最大值 最小值 全距
148 104 44
k=LOG10(50)/LOG10(2)=5.6（
组距=44/5
分组情况 100-110 110-120 120-130 130-140 140-150
第一节 调查资料的审核与整理
五、数据整理
3、数值型数据整理 数据分组：单变量值分组（离散变量）+组距分组（连续变量） 斯特基给出的计算公式：
E、确定各组观察值出现的频数： 凡观察值落在某一区间的，就计发 生一次，最后统计各组观察值发生 的总次数。采用组距分组时，需要 遵循“不重不漏”的原则。 为解决“不重”的问题，统计分 组时习惯上规定“上组限不在内”， 即当相邻两组的上下限重叠时，恰 好等于某一组上限的观察值不算在 本组内，而计算在下一组内
第一节 调查资料的审核与整理
五、数据整理
3、数值型数据整理 单一分组 表1购物场所类型偏好统计表
购物场所 人数
表2年龄结构比例表
年龄 人数 762 小于30岁
综合商厦
商业街店铺
1175
350
30一40岁
40一50岁 50岁以上 未选 总人数
492
167 121 34 1576
小市场小店铺
总计数
51
第一节 调查资料的审核与整理
五、数据整理
1、分类数据的整理 分类数据的整理——
列出各类别 计算各类别的频数 制作频数分布表 用图形显示数据（条形图、饼图）
分类 A B 频数 比例 百分比 比率
第一节 调查资料的审核与整理
五、数据整理
1、分类数据的整理
调查者 性别 调查者1 男 调查者2 男 调查者3 女 调查者4 女 调查者5 男 调查者6 女 调查者7 男 调查者8 男 调查者9 男 调查者10 女
第一节 调查资料的审核与整理
五、数据整理
3、数值型数据整理
统计分组
统计分组——如果原始数据非常琐碎，则通过分组反映出研究对象的各项
基本特征。 统计分组可以分为单一分组和复合分组。
单一分组是按一种标志进行分类，如按年龄分、按性别分。
复合分组是按两种或两种以上标志进行分类，如按不同年龄性别分。 另外，对于分组还有一条默认的规则，即“上限不在内”，例如对于3040岁和40-50岁组，40岁的样本在后一组。
第一节 调查资料的审核与整理
四、数据录入——数据有效性
第一节 调查资料的审核与整理
四、数据录入——核查
数据录入核查： 有限选择项——可以用一般性排序核查方法。例如Q1只能填录1,2,3 ，如果超出3个答案，肯定是错了。
范围性排序核查——对于具体数值，如果有一些正常范围的，也可以
通过排序检查出错误。如身高、年龄应在正常的范围内。
（取10）
第一节 调查资料的审核与整理
五、数据整理
3、数值型数据整理 数据分组：单变量值分组（离散变量）+组距分组（连续变量）
接收
109
频率
6
累积 %
12.00%
119
129 139 149 其他
13
18 9 4 0
38.00%
74.00% 92.00% 100.00% 100.00%
第一节 调查资料的审核与整理
第一节 调查资料的审核与整理
三、数据编码
第一节 调查资料的审核与整理
三、数据编码
第一节 调查资料的审核与整理
三、数据编码
前设计编码： ① 单项选择题，只需规定一个变量，取值为选项号 ② 多项选择题，通常将各个可能回答的答案选项都设为0-1变量， 被调查者选择了该答案，变量为1，否则为0。 ③ 排序题与多选题类似，变量个数即选项个数，分别定义各变量为 对应选项所排次序号，取值即为次序号。
前后矛盾或明显有错误的问卷
第一节 调查资料的审核与整理
二、数据审核
调查完成后，对初步有效问 卷进行10％的抽样检查，以确 保样本质量。 通过被访者留下的个人资料， 进行电话回访，确认个人资料 及所填问卷内容是否详实。对 一些次要内容漏选的问卷进行 补查，经询问后内容补充完整 的问卷也可归为有效问卷。 如果被调查者所留电话不属 实或查无此号，则视为无效， 总样本中不再重复抽样核查。 最后统计有效问卷数量。
虑的答案归入其他。 ④ 留出位置准备修改，以备后期出现新的类别，可以增加或细化类别
第一节 调查资料的审核与整理
四、数据录入
(1)录入形式：Excel数据库形式。主要考虑是录入人员较为熟悉，应用 较为普遍，后期统计处理时数据格式转换也较为方便。 (2)录入标准：首先制作标准的Excel文件，然后写出详细的录入说明， 对照问卷向录入人员讲解，保证录入数据准确。
1576
第一节 调查资料的审核与整理
五、数据整理
3、数值型数据整理 复合分组
表3 年龄和购物场所类型交叉分析结果表
<30岁 综合商厦 商业街店铺 小市场小店铺 517 67.8% 225 29.5% 20 31一40岁 41一50岁 396 80.5% 81 16.5% 15 136 81.4% 24 14.4% 7 >50岁 100 82.6% 12 9.9% 9 未填 26 76.5% 8 23.5% 总体 1 175 74.6% 350 22.2% 51
109 110 110 113 113 114 114 116 116 118 118 119
123 124 124 125 125 127 127 128 128 128 129
132 135 135 135 137 137 140 140 148 148
4 0 0 0 0
7 0 0 2 0
7 3 2 2 8
第一节 调查资料的审核与整理
三、数据编码
Q1.你的性别：1、男 2、女 （变量的取值1、2、9，9表示缺省值，不能与合理回答重复） Q2.您选择建材购买场所考虑的因素有哪些？ 1、公司信誉 2、服务 3、价格 4、质量 5、广告宣传 6、其他 Q21：0 Q22:1 Q23:1 Q24:1 Q25:0 Q26：0 Q3.您选择万科的楼盘考虑的因素是（请按重要程度排序） 什么？ 1、公司信誉 2、楼盘质量 3、地理位置 4、楼盘价格 5、 服务水平 Q31：4 Q32:1 Q33:3 Q34:2 Q35:5 (某调查者回答：24315；如何编码)
二、数据审核
首先，各调查组分别在组内对当天所做问卷进行逻辑审核，核选出 内容填写完整、符合逻辑的问卷。然后，对各组问卷进行汇总并统 计初步有效问卷数量，归档保存。
第一节 调查资料的审核与整理
二、数据审核
无效问卷的情况： 回答不完全
没有理解问卷内容答错问题（单项题选多项答案）
回答可疑（如所有题目答案均为2） 缺损的问卷（缺页或无法辨认） 截止日期之后回收的问卷 非调查对象填写的问卷（调查对象是病人，则非病人的答卷无效）
第一节 调查资料的审核与整理
五、数据整理
148 140 127 120 110 104 128 135 129 123 116 109 132 135 129 123 110 108 135 128 123 114 108 132 124 120 125 116 118 125 137 107 113 132 140 137
119 127 129 119 124 130 118 107 113 122 128 114
排序
130 132 132 132 135 135 135 137 137 140 140 148 148
第一节 调查资料的审核与整理
五、数据整理
3、数值型数据整理 104 10 120 107 11 120 107 130 12 122 108 132 13 123 108 132 123 14
2.7%
3.0%
4.2%
7.5％
0.0%
3.2%
第一节 调查资料的审核与整理
五、数据整理
3、数值型数据整理
交叉分析表的制作
调查者 性别 商场 超市 街边小店
调查者1 男 调查者2 男
五、数据整理
3、数值型数据整理 数据分组：单变量值分组（离散变量）+组距分组（连续变量）
第一节 调查资料的审核与整理
五、数据整理
3、数值型数据整理——茎叶图
148 140 127 120 110 104 128 135 129 123 116 109 132 135 129 123 135 128 123 114 108 132 124 120 125 116 118 125 137 107 113 132 104 107 107 108 108 109 110 110 113 113 114 114 116 116 118 118 120 120 122 123 123 123 124 124 125 125 127 127 128 128 128 129
五、数据整理
2、定序数据的整理
第一节 调查资料的审核与整理
五、数据整理
2、定序数据的整理
第一节 调查资料的审核与整理
五、数据整理
2、定序数据的整理
第一节 调查资料的审核与整理