统计学中的基本概念
1、描述统计与推断统计
描述统计(Descriptive Statistics):用表格、图形和数字来概括、显示数据特征的统计方法。
例1:2005年我国出生人口性别比(男:女)已经升高到119.92,与正常值106相比有严重的偏离。
例2:中国经济增长的起伏
推断统计(Inferentia Statistics):从总体中抽取样本,并利用样本数据来推断总体特征的统计方法。
总体(popuation):由统计研究所涉及的那些同质个体(也称单位)所形成的集合。
样本(sampe):所研究总体的一部分。
例1: 2003年人口变动抽样调查以全国为总体,在全国抽取了990个县(市、区)、3734个乡(镇、街道)、6544个调查小区的126万人。根据调查结果推算,2003年末全国总人口为129227万人,出生人口为1599万人,死亡人口为825万人,净增人口为774万人。
例2:一家大公司的会计部门会从所有的发票中选择一部分来检查公司所有发票的准确性。
2、数据和变量类型
(1)、定类尺度 (Nomina Scae)
也称列名尺度、名义尺度、分类尺度
例如:性别、民族、职业
数据表现为“类别”
各类之间无等级次序
各类别可以用数字代码表示
根据定类尺度得到的数据为分类数据。
(2)、定序尺度(Ordina Scae)
也称顺序尺度
例如健康状况、质量等级
数据表现为“类别”
可对等级、大小等排序
未测量出类别之间的准确差值
根据定序尺度得到的数据为顺序数据。
(3)、定距尺度 Interva Scae
也称间隔尺度
例如年份、摄氏温度
数据表现为“数值”
可以进行加减运算
“0”是只是尺度上的一个点,不代表“不存在”
根据定距尺度得到的数据为间距数据。
(4)、定比尺度 Ratio Scae
也称比率尺度
例如体重、身高
数据表现为“数值”
可以进行加减、乘除运算
“0”表示“没有”或“不存在”
根据定比尺度得到的数据为比率数据。
定距尺度与定比尺度的区别
定距尺度中“0”表示一个具体数值,不表示“没有”或“不存在”,定比尺度中“0”表示“没有”或“不存在” 。
在实际应用中定距尺度与定比尺度差别微不足道,往往不作区分。 例如在SPSS Statistics软件中,数据的计量尺度被分为3类:名义(Nomina)、有序(Ordina)、 度量(Scae )
四种计量尺度的比较
1、四种尺度所包含的信息量是依次递增的,级别由低到高。
2、根据较高层次的计量尺度可以获得较低层次的计量尺度。
3、不同的尺度数据对应这不同数据显示方法和分析方法。
数据和变量类型:总结
变量的概念和类型
变量是用来描述现象某种令人感兴趣的特征的概念。
品质变量是描述个体有关属性特征的变量,本质上不能用数字来表示。例如性别。
数量变量是描述个体有关数量特征的变量,都是用数字来表示的。例如人数,年龄等。
离散型变量指的是有限个数值或诸如0,1,2……之类无限可列值的变量。
如果某一变量可以取某一区间或多个区间中任意数值,则该变量称为连续型变量。
横截面、时间序列和面板数据
横截面数据(Cross-sectiona data)是在同一时点或是大约在同一时点所收集的数据。
例如2016年我国各直辖市的GDP 。
时间序列数据(Time series data)是按时间顺序取得的一系列数据。
例如我国历年的GDP。
面板数据(Pane Data):对多个事物在不同时期或时点上进行测量得到的数据 。如1996-2016年全国各个省份的GDP
3、统计指标的概念
一般有两种理解和两种使用方法:
1、统计指标是指反映现象数量特征的概念。如年末人口数、商品销售额、劳动生产率等。
2、统计指标是反映现象数量特征的概念和具体数值。如我国2016年的国内生产总值 。
(1)总量指标
也称为绝对数:以绝对数形式表现现象规模和水平的统计指标。可以分为时点数和时期数。
例如,2007全年入境旅游人数13187万人次 ;2007年全年国内生产总值246619亿元 ;2007年末全国参加城镇基本养老保险人数为20107万人 .
(2)时点数和时期数
时点数:是描述某种现象在某一个特定时刻(某一瞬间或某一时点)数量表现的数据。
例如,2007年年末全国总人口为132129万人 。
时期数:是描述某种现象在某一个特定时间范围内所实现的成果的数据。例如,2004年我国全年各种运输方式完成货物运输周转量66698亿吨公里。
区分数据是时点数还是时期数的方法之一看其加总后的结果是否有意义。若有意义则该指标必定是时期数。反之,则必定是时点数。
(3)相对数和平均数
相对指标:采用两个有联系的数值进行对比而得到的比值。也称为相对数,如产业结构比例、性别比、人口密度等等。
平均指标:也称为平均数,反映现象在某一时间或空间上的平均数量水平。例如职工的平均工资,平均考试成绩,等等。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python作为一门功能强大的编程语言,已经成为数据分析和可视化领域的重要工具。无论你是数据分析的新手,还是经验丰富的专业人士 ...
2025-01-10完全靠数据决策,真的靠谱吗? 最近几年,“数据驱动”成了商界最火的关键词之一,但靠数据就能走天下?其实不然!那些真正成功 ...
2025-01-09SparkSQL 结构化数据处理流程及原理是什么?Spark SQL 可以使用现有的Hive元存储、SerDes 和 UDF。它可以使用 JDBC/ODB ...
2025-01-09在如今这个信息爆炸的时代,数据已然成为企业的生命线。无论是科技公司还是传统行业,数据分析正在深刻地影响着商业决策以及未来 ...
2025-01-08“数据为王”相信大家都听说过。当前,数据信息不再仅仅是传递的媒介,它成为了驱动经济发展的新燃料。对于企业而言,数据指标体 ...
2025-01-07在职场中,当你遇到问题的时候,如果感到无从下手,或者抓不到重点,可能是因为你掌握的思维模型不够多。 一个好用的思维模型, ...
2025-01-06在现代企业中,数据分析师扮演着至关重要的角色。每天都有大量数据涌入,从社交媒体到交易平台,数据以空前的速度和规模生成。面 ...
2025-01-06在职场中,许多言辞并非表面意思那么简单,有时需要听懂背后的“潜台词”。尤其在数据分析的领域里,掌握常用术语就像掌握一门新 ...
2025-01-04在当今信息化社会,数据分析已成为各行各业的核心驱动力。它不仅仅是对数字进行整理与计算,而是在数据的海洋中探寻规律,从而指 ...
2025-01-03又到一年年终时,各位打工人也迎来了展示成果的关键时刻 —— 年终述职。一份出色的年终述职报告,不仅能全面呈现你的工作价值, ...
2025-01-03在竞争激烈的商业世界中,竞品分析对于企业的发展至关重要。今天,我们就来详细聊聊数据分析师写竞品分析的那些事儿。 一、明确 ...
2025-01-03在数据分析的江湖里,有两个阵营总是争论不休。一派信奉“大即是美”,认为数据越多越好;另一派坚守“小而精”,力挺质量胜于规 ...
2025-01-02数据分析是一个复杂且多维度的过程,从数据收集到分析结果应用,每一步都是对信息的提炼与升华。可视化分析结果,以图表的形式展 ...
2025-01-02在当今的数字化时代,数据分析师扮演着一个至关重要的角色。他们如同现代企业的“解密专家”,通过解析数据为企业提供决策支持。 ...
2025-01-02数据分析报告至关重要 一份高质量的数据分析报告不仅能够揭示数据背后的真相,还能为企业决策者提供有价值的洞察和建议。 年薪 ...
2024-12-31数据分析,听起来好像是技术大咖的专属技能,但其实是一项人人都能学会的职场硬核能力!今天,我们来聊聊数据分析的核心流程,拆 ...
2024-12-31提到数据分析,你脑海里可能会浮现出一群“数字控”抱着电脑,在海量数据里疯狂敲代码的画面。但事实是,数据分析并没有你想象的 ...
2024-12-31关于数据分析师是否会成为失业高危职业,近年来的讨论层出不穷。在这个快速变化的时代,技术进步让人既兴奋又不安。今天,我们从 ...
2024-12-30数据分析师在现代企业中扮演着关键角色,他们的工作内容不仅丰富多样,还对企业的决策和发展起着重要的作用。正如一个经验丰富的 ...
2024-12-29数据分析师的能力要求 在当今的数据主导时代,数据分析师的角色变得尤为重要。他们不仅需要具备深厚的技术背景,还需要拥有业务 ...
2024-12-29