统计学
1、什么是统计学
统计学是收集、处理、分析、解释数据并从数据中得出结论的科学
2、解释描述统计和推断统计
描述统计研究的是数据收集、处理、汇总、图表描述、概括与分析等统计方法
推断统计是研究如何利用样本数据来推断总体特征的统计方法
3、统计数据可分为哪几种类型？不同类型的数据各有什么特点？
按照所采用的计量尺度不同，可以将统计数据分为分类数据、顺序数据和数值型数据
特点：
分类数据是只能归于某一类别的非数字型数据，它是对事物进行分类的结果，数据表现为类别，是用文字来表述的。
顺序数据是只能归于某一有序类别的非数字型数据。顺序数据虽然也是类别，但这些类别是有序的。
数值型数据是按数字尺度测量的观察值，其结果表现为具体的数值。现实中所处理的大多数是数值型数据。
按照统计数据的收集方法，可以将其分为观测数据和实验数据。
特点：
观测数据是通过调查或观测而收集到的数据，这类数据是在没有对事物人为控制条件下得到的，有关社会经济现象的统计数据几乎都是观测数据。
实验数据则是在实验中控制实验对象而收集到的数据。自然科学领域的大多数数据都为实验数据。
按照被描述的现象与时间关系，可以将其分为截面数据和时间序列数据。
特点：
截面数据是在相同或近似相同的时间点上收集的数据，这类数据通常是在不同空间上获得的，用来描述现象在某一时刻的变化情况。
时间序列数据是在不同时间收集到的数据，这列数据是按时间顺序收集得到的，用于所描述现象随时间变化的情况。
4、解释分类数据、顺序数据和数值型数据的含义。
分类数据是只能归于某一类别的非数字型数据，它是对事物进行分类的结果，数据表现为类别，是用文字来表述的。
顺序数据是只能归于某一有序类别的非数字型数据。顺序数据虽然也是类别，但这些类别是有序的。
数值型数据是按数字尺度测量的观察值，其结果表现为具体的数值。现实中所处理的大多数是数值型数据。
5、举例说明总体、样本、参数、统计量、变量这几个概念。
总体：是包含所研究的全部个体（数据）的集合，它通常由所研究的一些个体组成，如由多个企业构成的集合，多个居民户构成的集合等。
样本：是从总体中抽取的一部分元素的集合，构成样本的元素的数目称为样本量。如从一批灯泡中随机抽取100个，这100个灯泡就构成了一个样本。
参数：是用来描述总体特征的概括性数字度量，它是研究者想要了解的总体的某种特征值，是一个未知的常数。如总体平均数、总体标准差、总体比例等。
统计量：是用来描述样本特征的概括性数字度量，是已知的。如样本平均数、样本标准差、样本比例等。
变量：是说明现象某种特征的概念，其特点是从一次观察到下一次观察结果会呈现出的差别或变化。如商品销售额、受教育程度、产品的质量等级等。
6、变量可分为哪几类？
分类变量、顺序变量、数值型变量（也可以从其他角度对变量进行分类，如随机变量和非随机变量、经验变量和理论变量）。
7、什么是二手资料？使用二手资料需要注意些什么？
二手资料是指数据是由别人通过调查或实验的方式搜集的，使用者只是到它们并重新加工整理，使之成为我们进行统计可以使用的数据。
需要注意：
（1）资料是谁搜集的？这主要是考察数据收集者的实力和社会信誉度
（2）为什么目的而搜集？为了某个集团的利益而搜集的数据是值得怀疑的。
（3）数据是怎样搜集的？搜集数据可以有多种方法，不同方法所采集到的数据其解释力和说服力是不同的。
（4）什么时候搜集的？过时的数据，其说服力自然受到质疑。
（5）另外，要注意数据的定义、含义、计算口径和计算方法，避免错用、误用、滥用。在引用二手数据时，应注明数据的来源，以尊重他人的劳动成果。
8、比较概率抽样和非概率抽样的特点。举例说明什么情况下适合采用概率抽样，什么情况下适合采用非概率抽样。
概率抽样的特点：
（1）抽样是按一定的概率以随机原则抽取样本
（2）每个单位被抽中的概率是已知的，或是可以计算出来的
（3）当用样本对总体目标量进行估计时，要考虑到每个样本单位被抽中的概率。可根据调查的结果推断总体。此外概率抽样的技术含量和调查成本更高。
非概率抽样的特点：
（1）不是依据随机原则抽取样本
（2）样本统计量的分布是不确定的
（3）无法使用样本的结果推断总体
如果调查的目的在于掌握研究对象总体的数量特征，得到总体参数的置信区间，就应当使用概率抽样的方法。非概率抽样操作简便、时效快、成本低，适合探索性的研究，调查的结果用于发现问题，为更深入的数量分析做好准备，也适合市场调查中的概念测试，如产品包装测试、广告测试等。
9、调查中搜集数据的方法有自填式、面试式、电话式。除此之外，还有哪些搜集数据的方法？
观察式、实验式
10、自填式、面试式、电话式调查各有什么利弊？
自填式
优点：
（1）调查组织者的管理相对容易
（2）成本最低
（3）有利于被调查者自由安排方便时间
（4）减少被调查者回答敏感问题的压力
缺点：
（1）问卷的回收率比较低
（2）自填式不适合结构复杂的问卷
（3）调查周期通常比较长，调查人员也需要对问卷的递送和回收方法进行仔细的研究和选择
面访式 
优点：
（1）可以提高调查的回答率
（2）提高调查数据的质量
（3）它能对数据搜集所花费的时间进行调节
缺点：
（1）调查成本比较高
（2）面访这种搜集数据的方式对调查过程的质量控制有一定难度，调查的数据质量与调查员的工作态度，责任心有直接关系。     
电话式
优点：
（1）速度快，能够在短时间完成调查。
（2）电话调查特别适合样本单位十分分散的情况
缺点：
（1）如果被调查者者没有电话，调查将无法实施。
（2）使用电话进行访问的时间不能太长。
（3）电话调查所用的问卷要简单
（4）与面访式相比，电话调查由于不是面对面交流，在被访者不愿接受调查时，要说服他们更为困难
11、你认为应当如何控制调查中的回答误差？
（1）查员进行培训，学习心理学知识
（2）缩短调查所涉及的时间范围
（3）做好思想工作，打消顾虑，调查人员遵守职业道德，保守秘密。调查中尽量避免敏感性问题。
12、怎样减少无回答？请通过一个例子，说明你所考虑到的减少无回答的具体措施。
如果无回答误差是随机的，可以通过增大样本量的方式解决。例子P33
如果无回答的系统性误差解决的途径主要在两方面：一方面是预防，即在调查前做好各方面的准备工作，尽量把无回答降到最低程度。另一方面，当无回答出现后，分析无回答产生的原因，采取一些补救措施。例子p33
13、数据的预处理包括哪些内容？
数据审核、数据筛选、数据排序
14、分类数据和顺序数据的整理和图示各有哪些？
分类数据
整理： 频数和频率分布    图示：条形图，帕累托图，饼图，环形图
顺序数据
整理： 累积频数 累积频率 图示：累积频数分布或频率图
15、数值型数据的分组方法有哪些？简述组距分组的步骤。
单变量值分组和组距分组。
（1）确定组数（2）确定各组的组距（3）根据分组整理成频数分布表（P53）
16、直方图与条形图有何区别？
（1）条形图是用条形的长度表示各类别频数的多少，其宽度则是固定的，直方图使用面积表示各组频数的多少，矩形的高度表示每一组的频数或频率，宽度表示各组的组距，因此其高度和宽度有意义
（2）由于分组数据具有连续性，直方图的各矩形通常是连续排列，而条形图则是分开排列。
（3）条形图主要用于展示分类数据，而直方图则主要用于展示数值型数据。
17、绘制线图应注意哪些问题？
绘制线图时，时间一般绘在横轴，观测值绘在纵轴。一般应绘成横轴略大于纵轴的长方形，其长宽比例大致为：10:7。图形过扁或过于瘦高，不仅不美观，而且会给人造成视觉上的错
觉，不便于对数据变化的理解。一般情况下，纵轴数据下端应从“0”开始，以便于比较。如果数据与“0”之间的间距过大，可以采取折断的符号将纵轴折断。
18、饼图和环形图有什么不同？
（1）饼图是实心的，环形图中间有一个空洞。
（2）饼图只能展示一个样本各部分所占的比例，环形图可显示多个样本所占的相应比例，从而有利于构成比较研究
19、茎叶图与直方图相比有什么优点，它们的应用场合是什么？
茎叶图类似于横置的直方图，与直方图相比，茎叶图既能给出数据的分布状况，又能给出每一个原始数据，既保留了原始数据的信息，而直方图虽然能很好的显示数据的分布，但不能保留原始的数据，在应用方面，直方图通常适用于大批量的数据，茎叶图通常适用于小；批量数据。
20、鉴别表优劣的准则有哪些？
（1）一张好图应当精心设计，有助于洞察问题的实质
（2）一张好图应当使复杂的观点得到简明，确切，高效的阐述
（3）一张好图应当能在最短时间内以最少的笔墨给读者提供最大的信息。
（4）一张好图应当是多维的
（5）一张好图应当表述数据的真实情况
21、多元线性回归模型中有哪些基本假设？
（1）误差项是一个期望值为0的随机变量。
（2）对于自变量x1，x2，...xk的所有值，误差项的方差都相等。
（3）误差项是一个服从正态分布的随机变量，且相互独立
22、解释多重判定系数和调整的多重判定系数的含义和作用。
多重判定系数（R^2）是多元回归中的回归平方和占总平方和的比例，它是度量多元回归方程的一个统计量，反映了在因变量y的变差中被估计的回归方程所解释的比例。
调整的多重判定系数用样本量n和自变量的个数k去调整R^2，计算出调整的多重判定系数。其实际意义与R^2类似。
23、解释多元共线性的含义。
当回归模型中两个或以上的自变量彼此相关时，则称回归模型具有多重共线性
24、多重共线性对回归分析有哪些影响？
（1）变量之间高度相关时，可能会使回归的结果造成混乱，甚至会把分析引入歧途
（2）多重共线性可能对参数估计值的正负号产生影响，特别是βi的正负号有可能同预期的正负号相反。因此，当存在多重共线性时，对回归系数的解释将是危险的。
25、多重共线性的判别方法主要有哪些？
（1）模型中各对自变量之间显著相关
（2）当模型的线性关系检验显著时，几乎所有回归的系数βIde t检验却不显著
（3）回归系数的正负号与预期的相反
26、多重共线性的处理方法有哪些？
（1）删除变量法
（2）增大样本容量
（3）变换模型的模式
（4）利用非样本化先验信息---约束条件。直方图与条形图有何区别
（5）变量交换
（6）横截面数据与时间序列数据并用
27、在多元线性回归中，选择自变量的方法有哪些？
向前选择、向后剔除、逐步回归、最优子集

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。