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一、资料审核的概念和原则1.资料审核的概念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。

2.资料审核的原则资料审核工作一般应按照以下一些原则进行：（1）真实性原则。

对收集到的资料要根据实践经验和常识进行辨别，看其是否真实可靠的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。

（3）准确性原则。

要对资料进行逻辑检查，检查资料中有无不合理和相互矛盾的地方。

例如，某人年龄栏内填写的是23岁，而工龄栏内填写的是18年，这显然是不合逻辑的。

（4）完整性原则。

要检查调查资料是不是按照提纲或统计表格的要求收集齐全。

如果资料残缺不全，就会降低甚至失去研究的价值。

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。

条理化是指对资料进行分类从而为进一步的分析创造条件。

（2）系统化。

系统化是指从整体上考察现有资料满足研究目的的程度如何，有没有必要吸收补充其他资料。

（3）统计汇总。

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.分类与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，习惯上将后者称为统计分组或称为统计分类。

就调查过程而言，调查资料的分类有两种，即前分类和后分类。

前分类就是在设计调查提纲、调查表格或问卷时，按照事物或现象的类别设计指标，然后再按分类指标收集、整理资料。

后分类，是指在调查资料收集起来以后，再根据资料的性质、内容或特征而将它们分别集合成类。

如文献调查的资料、非结构观察、座谈会的纪录、问卷调查中开放性回答等。

（1）分类的类型及意义。

分类的方法有两种，即现象分类方法和本质分类方法。

本质分类法也被称为科学分类法。

（2）选择和确定分类标准的原则。

分类的关键在于选择和确定分类标志。

①分类标志的类别。

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。

②选择分类标志的原则。

要选择正确的分类标志，必须遵循四条原则：第一，从研究目的出发选择标志。

第二，从反映事物本质的需要去选择标志。

第三，根据具体的历史条件去选择标志。

分类标志要随历史条件的变化而变化。

第四，分组标志的确立必须坚持穷尽性和互斥性的原则。

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，也就是要将所有可能的类别都要列出。

在研究我国宗教信仰时，只分佛教、基督教、伊斯兰教这三大类。

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。

第二节资料汇总一、计算机汇总的步骤计算机汇总大致分为四个步骤：编码、登录、录入和程序编制。

1.编码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，这项工作是一种信息代换的过程。

2.登录登录是将编好码的问卷资料过录到资料卡片上去，以便于将它们输入到计算机的软盘或硬盘等存储设备上去。

3.录入录入是将登录在资料卡片上的数据录入到计算机的存储设备上，其工作性质同登录相同。

4.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。

二、一个资料汇总的实例我们结合一个例子来说明资料汇总的具体技术。

某部门为了了解老干部和老知识分子的状况，曾对本系统60岁以上的成员做过一次普查。

下面，我们摘选该调查表的一部分。

这个调查共提出了60个问题，收集了50000份问卷，由于工作量太大，所以应采用计算机整理。

1.编制编码手册上面列出六个问题可以分为两种类型，一是开放性问题（1、2、3题），二是封闭式问题（4、5、6题）。

比如业务专长这个问题，通阅后归纳出了29个类别共250多种专长，那么就用数码的前两位代表类别，后一位代表该类别中的不同专业。

如规定“文学”类别编码是00，其中“文学概论”的编码是001，“外国文学”是006，还可以规定“国际贸易”是089。

编码手册包含4个主要项目：（1）第一列“列”中的数字符号代表着固定格式的电子数据库中数据矩阵中列的序号。

（2）问题号码。

编码手册上的问题号码和问卷或调查表上的题号应该一致。

（3）项目名称。

（4）编码的内容说明。

2.根据编码手册做卷面资料登录3.调查资料的计算机录入（1）固定格式录入例如“性别”是1位数，“月收入”是4位数等。

按照固定格式录入数据最大的好处是资料录入员可以集中精力敲击键盘，不必去考虑每个数据应该对应哪个变量，这样可以提高录入的速度。

但缺点是必须先将调查数据转化为固定的格式，并且卷面登录和计算机录入时都要严格注意每个变量上数码的位数和位置，不能有一点差错。

（2）自由格式录入自由格式录入是指以一个个的变量值为单位直接将数据录入到计算机电子表格中。

自由格式录入最大的好处是在录入时比较直观，只需要将每个变量的数值录入到相应的位置上，而不用将每个变量都先转化成标准化的数码格式并准确对位。

并且由于数据比较直观，在录入时一旦键盘敲击错误也容易发现。

在输入数据时，一旦输入的数码不符合预先设计的位数或可取值范围，计算机马上就可以识别并显示错误。

4.向计算机发布指令，通过计算机整理资料如果在建立数据库结构中已经把各个变量的具体内容输入了，就可得出表12—3。

表12—3 某单位职工居住面积情况三、统计表资料整理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。

广义的统计表包括调查工作中所用的一切表格。

1.统计表的意义和结构资料通过统计汇总，按照一定的目的，在表格上表现出来，这种表格就叫做统计表。

统计表的意义是：（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。

从外表形式上看，统计表由总标题、横行标题、纵栏标题、指标数值四部分组成。

从内容上看，统计表由主词和宾词两部分构成。

2.统计表的种类统计表按总体分组的情况可以分为简单表、分组表和复合表。

（1）简单表。

简单表是指按总体未做任何分组，仅罗列各单位各称或按时间顺序排列的表格。

如下表：表12—4 某市历年结婚对数（1977-1982年）表12—5 我国三个直辖市人口数1982年7月1日0时单位：人（2）简单分组表。

简单分组表是总体仅按一个标志进行分组，即运用简单分组形成的表格。

组距分组表每个组都有其上限与下限。

表12—6 某乡各村年人均收入统计表（3）复合分组表。

复合分组表是总体按两个以上标志进行层叠分组的统计表，又称为交互分类表。

表12—7 某乡家庭规模和经济情况统计表3.统计表的设计（1）统计表形式的设计；（2）统计表的内容设计；（3）统计表制表的要点。

第三节定量研究资料的统计分析一、统计分析概述1.统计分析的作用社会研究资料的统计分析是采用数理统计的方法和技术对社会研究中获得的资料进行定量分析。

统计分析在社会研究中的必要性主要表现在以下几个方面。

（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。

例如对人们在对生育行为进行研究时发现生育行为受文化程度的影响。

从总体上看，文化程度高的妇女其子女数量少于文化程度低的妇女。

（2）统计分析是进行科学预测，探索未来的重要方法。

（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。

（2）统计分析有一套专门的方法和技术。

统计分析有一套独特的方法和技术。

二、单变量描述性统计分析深入地进行分析，还要对资料进行进一步的数学概括，也就是对数据资料用特定的计算公式算出一些量数，用以描述数据的全貌和各种特征。

集中量数和离中量数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（1）集中量数的意义和作用。

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。

在统计分析中，集中量数有下列四个方面的作用。

首先，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。

其次，集中量数可以对于在不同空间的同类现象进行比较。

再有，集中量数可以对一定社会现象在不同时间中的变化进行比较，以说明这些现象的发展趋势和规律。

最后，集中量数可以用来分析某些社会现象之间的依存关系。

（2）平均数。

简单说，平均数是表明一组数据的平均水平的数值。

算术平均数的基本定义是以总体各单位数值之和除以总体单位总数的商，即：根据数字资料的不同，可以采用简单算术平均数法和加权算术平均数法进行计算。

①简单算术平均数简单算术平均数法就是直接由原始数据计算算术平均数的方法。

其计算公式为：式中：代表算术平均数；分别代表各个具体的标志数值。

例如：有5个家庭，人数分别为8人、5人、3人、3人、1个，其算术平均数为：计算结果是这5个家庭平均人员数为4人。

②加权算术平均数当使用统计表中的分组资料计算平均数的时候，要用加权平均数法进行计算。

其计算公式为：式中f为权数，即变量在总体中出现的次数。

首先，由单项分组资料求算术平均数的公式和加权算术平均数的公式一致。

表12—8 某地区家庭人口数次数分布和计算表家庭人数家庭数家庭数×家庭数（x）123456 （f）2427543038221086（x×f）245501 2901 5281 050516合计 1 407 4 958其计算过程如下：其次，由组距分组资料也可以求算术平均数。

在调查中我们还会遇到这样的资料，变量X不是一组确定的数值，而是一组数据区间，如表12—9。

表12—9 某工厂发放加班费状况和平均值计算表按周加班费分组（元）x 工人数（人）f 组中值（元）x mid工资总额（元）f·x mid40~50 50~60 60~70 70~80 80~90 90~100 10020040020070304555657585954 50011 00026 00015 0005 9502 850合计 1 000 65 300对于这样的资料要先计算出组中值，然后，再使用加权算术平均数的公式进行计算。

组中值的符号x mid，其计算公式是：那么，由组距分组资料计算平均数的公式就变为：可以根据表12-9的资料计算该厂每周人均发放加班费数。

（3）中位数把一组数据按照其大小顺序排列起来，处于最中间位置的那个数就是中位数。