缺失值的处理

16
A7
婚姻状况
编码卡片的第一行读到这样的数字000165089441，这时我们可以根据编码手册转译过来， 即第00001号被调查者，年龄是65岁，业务专长是国际贸易，住宅面积65平方米以上，属 于该退未退的工作人员，未退休的理由是身体健康尚能工作。
四、特殊题型的编码

1. 复选题的编码 2. 排序题的编码
第三节 数据录入与整理


数据录入——将问卷资料所对应的代码扫 描或用键盘直接输入计算机磁盘，建立数 据文件； 数据整理——数据清理和缺失值的处理
一、录入方式

1. 人工输入 2. 计算机辅助系统转换 3. 光电输入
择偶标准调查数据录入表
个案 编号 A1 1-6 A2 7 1 2 1 1 2 2 … A3 8-9 35 24 27 28 31 24 … A4 10 5 6 7 6 8 7 … A5 11-13 176 165 177 167 158 155 … A6 14-15 03 04 06 09 12 10 … A7 16 1 2 3 2 1 1 .. … … … … … …. … … …
编码手册 列 1-6 7 8-9 10 11-13 14-15 问题 号码 A1 A2 A3 A4 A5 A6 变量名称 期刊年月编号 性别 年龄 学历 身高 职业 内容说明 91 年 6 月第二个个案为 910602 1.男 2.女 如实填写 1.小学以下 2.中学 3.高中 4.中专 5.大专 6.大学 7.硕士 8 博士 9.其他 cm 1.工人 2.党政机关公务员 3.农民 4.私营企业主 5.离退休人员 6.教师医生 7.公安 ,司法 ,军人 8.企业白领 9.专业技术人员 10.其他 1.未婚 2.离婚 3.丧偶 4.其他
3. 数据质量抽查
举例：

一项调查样本规模为1,000个个案,以分文卷的字符 数(数据的个数)为200个,研究者从中随机抽取3%的 个案,即30份进行对照检查,结果发现由2个字符输 入错误,这样 2÷(200×30)=
1 3,000
≈0.03%
可知,数据差错率在0.03%左右.这也就是说在总 共20万个数据中,大约有60个左右的差错.我们虽无 法查出他们 ,但却知道他们占多大的比例,对我们 的调查结果有多大程度的影响 .
二、开放题编码技术




事后编码——确定范围 1. 分类 2. 代码指南 3. 如何应付新的答案 4. 如何归类不十分清晰的答案 5. 注意编码工作的时间地点
三、编码手册


1. 与编号有关的内容 2. 与变量编码有关的内容 3. 与变量数值编码有关的内容 4. 与缺失值有关的编码内容
纵标题：表 的上面，调 查指标的名 称
2.统计表的制作

统计表的制作原则是科学,规范,简明,实用,美观. 统计表制作时应注意的问题: 首先 标题要简短明了. 确切说明表中数据的内容,使人一目了然. 其次 表的纵栏标题与横行标题要准确反映变量取 值的含义,排序也应具有一定的逻辑结构. 第三 表中的数据资料必须注明计量单位. 第四 对于一般频数分布表则应列出合计栏,以便获 得整体情况的资料. 最后 各种表格应以横线为主能够不用竖线则尽量 不用
三、缺失值的处理

1. 缺失值的分析 2. 缺失值的预防 3. 缺失值的估计
四、统计表与统计图

1.统计表的构成 构成:总标题,横行标题,纵栏标题,指标数值 资料来源,五个部分构成. ★简单分组表:
表 1. 性别 男 女 1997 年征婚广告性别比 人数 197 103 百分比 65.7 34.3
2.逻辑一致性的清理
逻辑一致性的清理是从另一角度来查找 数据中所存在的问题.其基本思路是依据问 卷中的问题的相互之间所存在的内在逻辑联 系来检查前后数据之间的合理性.
是指用随机抽样的方法抽取一部分个案, 来估计和评价全部数据的质量. 根据样本中的个案数目的多少,以及每分 文卷中变量数和总字符数的多少,研究者往往 抽取2%—5%,的各按进行质量抽查.
有些调查要对无回答和不知道的答案进行编码 对无回答的编码常用的是0.对不知道 的编码常为9.或99,或999.但是少数问题可 能很麻烦，如家庭子女数.所以对无回答和不 知道的编码必须是在经验上决不会出现的数 字.这样编码往往要多一列,如 无回答为99, 不知道为98.三个孩子要填03.
（1）工作后您是否参加过成人教育？ 1 （ ） 1. 是（ ） 2. 否（ ） （2）如参加过，是哪一类？（如没有 2 （ ） 参加过，编码用9） 1. 初中文化补习 （ ） 2. 高中文化补习 （ ） 3. 专门的职业培训（ ） 4. 其他的进修学习（ ） （3）总共（ ）年。（如没有参加过， 3－4（ ） 编码用99）
0525 921001 0526 921002 0527 921003 0528 921004 0529 921005 0530 921006 … …
二、数 据 清 理
1.可能数值清理 对于问卷中的任何一个变量它的有效的 编码值往往都有某种范围.当数据中的数字超 出了这一范围时,这个数字一定是错误的. 这种错误可以发生在资料处理的每一个 阶段.比如:错误回答, 编码员错写, 录入人 员错误输入. ★ 在电脑上检查有效范围的编码值.
③ 高中或中专 ④ 大专以上 ⑷
您每月的收入为多少？ 5000＿＿＿＿元
４＿ 3 ５－ 8＿ 5000＿
一、编码的一般规则


1. 确定编码方式； 2. 除了对每个回答的选项进行编码外，还要 对问卷编号、访问员编号等内容依照统一 标准进行编码； 3. 数字资料尽可能保持原貌；
对于“不确定”、“不知道”或“其他” 选项，编码设计使用固定代码。
数据来源:择偶标准调查 1997 年数据
2001年全国城乡人口及比重 人口数（亿） 比重（％） 市
横标题： 分组的 名称， 表的左边
2.95 1.58 7.67
24.00 13.00 63.00 100.00
标题：顶端中 央，简要说明 表的内容，包 括时间和空间 范围等
镇 乡
合计 12.20
资料来源：中国统计年鉴 2002，中国统计出版社2002 年版，第7－13页。

检查——资料是否完整、准确和真实； 校订——对初步检查合格的问ቤተ መጻሕፍቲ ባይዱ做更细致 的查验，找出不合格答案，并做相应处理。
第二节 资料编码
一、编码的一般规则 二、开放题编码技术 三、编码手册
⑴ ⑵ ⑶
您的年龄： 35＿岁 您的性别：① 男 ② 女 您的文化程度：① ②
１－２＿ 35＿ □√ □ 小学以下 初中 □ □ □√ □ ３＿ 1
数据处理


对调查材料进行审查、检验和初步加工， 使之系统化和条理化，并以集中、简明的 方式反映调查对象总体的情况。主要是对 文字资料和数据资料的整理。（资料还包 括实物资料和视听资料） 资料 可供计算机分析的数据形式
数据处理的重要性： 社会调查深化、提高 由感性认识向理性认识飞跃
第一节 资料检查与校订