第三章统计数据的整理

第三章统计数据的整理

通过统计调查，我们得到许多原始数据，但这些数据是反映总体单位特征的、分散的、不系统的，为此必须对数据进行整理，使之由“个别”上升到“一般”,成为既便于储存，又便于传递的反映总体特征的资料。统计数据的整理是统计分析的前提，关系到整个统计工作的质量，因此，必须十分重视统计数据的整理。统计数据整理的主要内容有：数据预处理、数据的分组（类）、汇总、整理后的数据显示。

第一节数据预处理

一、数据的审核

在分类汇总之前，必须对原始数据进行认真的审核。审核的内容是数据的完整性和准确性。所谓完整性审核，一是审核各调查单位的调查表或调查问卷是否汇集齐全，比如，已对500个学生分别发放了调查问卷，要审核是否全部回收，如果回收不全要及时催收；若无法催收，要清点已回收的数量；若回收的数量不能满足要求，必须进行补充调查。其次，要审核各份调查表或调查问卷的项目是否填写齐全。若填写不全要补充完整；若一些缺失的重要项目无法补充填写，视为无效调查表或调查问卷对其剔除。

所谓准确性审核，就是审核各调查项目的填写内容是否准确。数据的准确性审核主要采用逻辑检查和计算检查。逻辑检查就是根据项目之间存在的内在联系，从逻辑上或常识上判断其合理性，以确定其正确与否。计算检查就是根据有些项目之间数量上的依存关系，通过简单的计算，检查数据有无错误。

对于二手数据，应该弄清楚数据的来源、数据的口径、数据的时效性以及有关的背景材料，以便确定这些数据是否符合自己的需要，是否需要重新加工整理。

二、数据的录入

在对数据审核基础上，应该将调查所得的原始数据录入计算机形成数据文件，以便进行分组与汇总。用计算机Excel录入数据的文件格式为：第一列为各总体单位（或调查单位）的名称或编号，以后各列分别为调查所得的各变量的具体数据。应该注意的是，必须标示每列变量的名称——标志。

【例3-1】用单一表对重庆市5个企业2006年的销售收入等进行了调查，得到如下资料（单位：万元），将其录入到计算机Excel表格中。

企业名称销售收入利税资产负债

红星公司1050 5 152 142

嘉林公司3600 19 420 290

红光公司3750 40 670 370

白云公司400 5 54 35

渝乐公司380 3 60 33

录入后的文件格式如图3-1。

图3-1 重庆市5个企业2006年销售收入等数据的文件格式

二、数据的筛选与排序

（一）数据的筛选

筛选的目的主要有两个，一是对原始资料做进一步的准确性检查，将有错误的或不合要求的或录入有误的数据筛选出来，并根据具体情况给予修正或剔除。二是将符合某种条件的数据筛选出来。

【例3-2】根据以上的数据文件，筛选出重庆市①销售收入3000万元以上的企业；②销售收入3000万元、利税20万元且资产500万元以上的企业。

筛选出销售收入3000万元以上企业的计算机操作步骤是：

解：第1步：顺次点击【销售收入】单元格、【数据】菜单、【筛选】和【自动筛选】命令，见图3-2。

图3-2 Excel自动筛选命令

第2步：顺次点击【销售收入】标志的下拉箭头、【自定义】，见图3-3。

图3-3 选择“自定义”命令

第3步：点击对话框中的下拉箭头，选择“大于或等于”，并在其后的空格中输入3000，见图3-4。单击【确定】，即可得到图3-5所示的结果。

图3-4 填写“自定义自动筛选方式”对话框

图3-5 自动筛选结果

要筛选出销售收入3000万元、利税20万元且资产500万元以上的企业，由于筛选条件大于两个，需要进行高级筛选。进行高级筛选时，必须在数据文件之前预留三行，输入筛选条件，见图3-6。

图3-6 输入高级筛选条件

顺次点击【数据】、【筛选】、【高级筛选】，填写对话框。在高级筛选对话框的【数据区域】、【条件区域】对应的空格中分别引用A4：E9、A1：D2，见图3-7。单击“确定”，即可得到筛选的结果。

图3-7 填写高级筛选对话框

（二）数据的排序

从某种意义上说，数据的排序就是对资料的初步分析。因为通过数据的排序，可以对现象的发展趋势和分布状况有一个初步的认识，可以为统计分组提供有用的信息。有时，研究者就是要认识变量值最大的几个总体单位，比如，要认识某地纳税最多的几个企业。通过数据的排序，还可以发现极端值偏离一组数据的程度，从而对输入数据的正确性做出大致的判断。

用Excel对数值型数据降序或升序排序，即可以用工具栏的图标进行，也可以用【数据】菜单中的【排序】对话框完成；若要按字母顺序、笔画多少进行排序，则必须用【数据】菜单中的【排序】对话框完成。

第二节数据的统计分组

一、统计分组的含义与原则

（一）统计分组的含义

根据统计研究的目的和研究对象的特点，按照一个或几个标志，将被研究的统计总体划分为几个不同的组成部分，称为统计分组。任何统计总体都是由具有某种共同性质的许多个别单位所组成，这些个别单位除了它们的共性之外，在其它方面的特征各不相同。为了深刻认识总体的全貌，就需要把总体的全部单位按一定标志划分为不同的组成部分。

统计分组实际上是对总体进行“分”与“合”的过程。所谓“分”，就是将总体划分为几个不同的组成部分，“合”就是将性质相近的总体单位合并在一组。比如，按文化程度标志把被调查者分为不识字或识字很少、初中、高中、大学及以上几个组，就是把各个被调查者按照文化程度的差异分到不同的组，即为“分”；把具有相同文化程度的人归并到同一个组，体现了“合”。

通过统计分组，可以划分社会经济现象的类型，可以研究现象的内部结构，也可以揭示某一现象与另一现象之间的依存关系。统计分组既是一种整理数据的方法，也是一种常用的统计分析方法。

在分组时，对研究总体可以按一个标志进行分组，从一个方面说明和反映事物的分布状况和内部结构，这种分组叫简单分组。比如，对某一人口总体按年龄可以分为20岁以下、20-35岁、35-55岁、55-65岁几个组。在许多场合，要用两个或两个以上的标志对总体进行分组，即先按一个标志分组，在此基础上再按第二个标志分组，又再层叠地按第三个标志分组等，它可以从多方面反映事物的分布和内部结构，这种分组叫做复合分组。比如，一定时期的新增价值按物质生产部门划分为农业、工业、建筑业、商业和邮电通讯业，在此基础上，对各个组又按一定的标志分组，比如农业，可进一步分为种植业、养殖业、林业、渔业，这种分组可以进一步揭示新增价值的构成。

（二）统计分组的原则

统计分组必须遵循两个基本的原则，这就是穷尽原则和互斥原则，或不重不漏的原则。

所谓穷尽原则，就是在分组时，必须使每一个总体单位都可以归属于某一组，而不能让任何总体单位遗漏。所谓互斥原则，就是在分组时，必须使总体的各个单位只能归属于一个组，而不能同时或可能同时归属于两个及两个以上的组。比如，把被调查者按从事的工作不同，分为企业工作人员、企业管理人员、科教文卫工作人员、个体从业人员等几个组，若某被调查者是企业的销售经理，那么，他既可以归属于企业工作人员，也可以归属于企业管理人员，这种分组不满足互斥原则。

二、非数值型数据的统计分组

可以对非数值型数据即分类数据或顺序数据分组，也可以对数值型数据分组。分组数据的性质不同，进行统计分组时的处理方法也不完全相同。

对非数值型数据分组也称为分类。分类数据和顺序数据是对事物性质属性的描述，在分类的时候，二者的区别在于：按分类数据分组可以不考虑类别之间的顺序，而按顺序数据分组则必须按照一定的顺序排列所分的类别。

有些现象的属性界限比较明确，且类别不多，按照这种标志分组就比较容易。比如，人口按性别、文化程度、婚否状况分组，学生按照所在院系的分组等。分组时，列出这些标志的各个类别，按类别汇总即可。

有些现象的品质属性界限比较模糊，存在交叉过渡状态，按照这种标志分组就比较困难。比如，从业人员按行业分组，若某人在高校从事校办工厂的工作，应归属于教育行业还是工业？又如人口按居住地分为城镇与乡村的分组，对于居住在城镇乡村过渡地带的居民如何分类？对于这一类问题，需研究制定统一的分类标准，为统计分组提供统一的依据。在实际工作中为了方便和统一，各国都制定了适合一般情况的标准分类目录，如我国的《国民经济行