第四章、描述性统计分析（1）

第四章、描述性统计分析（1）

一、统计学研究思路

收集数据--处理数据--分析数据--解释数据

1、收集数据：

直接来源（一手数据）：调查、实验
间接来源（二手数据）

2、分析数据的方法

（1）基础的数据分析方法：

描述性统计分析方法（数据分布特征的描述性分析方法）

推断性统计分析方法（参数估计、假设验证）

参数估计：总体信息未知时，需要抽取样本来估计总体信息
假设验证：知晓总体某个信息，但无法确认信息是否正确与否，因此需要抽取样本对信息进行假设验证
（2）复杂的数据分析方法（相关分析、时间序列分析、生存分析）

3、解释数据

相关分析、主成分分析。重要的工具：图和表

二、统计学基本概念

1、总体和样本   

总体是指我们所研究的所有元素的集合，其中每个元素称为个体。
我们把从总体中抽取的一部分个体的集合称为样本，样本中个体的数量称为样本容量。

需要注意的是不是所有研究都必须要有样本。
需要抽取样本来推断总体的前提是总体的个体很难一个个去研究
其次需要注意的是，由于我们是通过样本来研究总体，所以样本质量好坏会直接影响对总体的推断结果
所以，如何获取有代表性的样本是统计学研究的一个重要问题，这涉及抽样理论相关内容。

大数据研究依旧需要样本。
首先大数据在某种意义上只是样本数据，不是总体数据。
其次数据量巨大的大数据，对数据系统和计算机计算能力都是非常巨大的考验，会带来计算效率低下的问题

2、参数和统计量

参数是指总体的某个特征
统计量是指样本的某个特征

参数对应总体，统计量对应样本
用样本的统计量来推断总体的参数
意思就是用样本的某个特征来推断总体的某个特征

总体特征：秘鲁、均值、方差（标准差）、个体数量（容量）、标准差系数
样本的目的是推断总体，因此总体有的特征，样本也对应有

3、变量和数据

变量用来描述个体特征的概念
不同个体的变量有不同的取值，其取值我们称为数据

数据是统计学研究的对象，也是数据分析师工作的对象

4、数据的分类

（1）数据按表达形式来分

定性数据和定量数据

定性数据从表现形式上看，长表现为文字形式，而数字来表现的数据则称为定量数据
【能运算的称为数字，不能运算的称为文字】

定性数据分为：分类数据和顺序数据
分类数据只是事物分类的结果，而顺序数据则是可以排序的分类结果

定量数据（数值数据）分为：定距数据和定比数据
定距数据通常不能做除法运算
定比数据：0可以表示没有的数据称为定比数据，比如收入

分类数据（最低级数据）、顺序数据（稍微高级）、数值数据（最高级数据）
低级数据的方法，高级数据可以用；但高级数据的风法，低级数据不可以用
工作中应该尽可能多收集高级数据

（2）数据按收集方式来划分

调查数据和实验数据（区别方法通过是否对数据对象进行干预来判断）

（3）数据按照与时间关系的不同来划分

横截面数据、时间序列数据、混合横截面数据和面板数据

横截面数据：是指在相同或相近时间点观测大的不同对象的数据
时间序列数据：是指同一对象在不同时间（通常是一个连续的有固定频率的时间序列）上相继观测收集到的数据
面板数据：是不同对象在同一序列时间上收集到的数据
【对于这种类型的数据，如果把同一个时间的所有数据抽取出来就是一个横截面数据，如果把某个个体不同时间的数据抽取出来就是一个时间序列数据。】
即可以把这种数据看作时横截面数据和时间序列数据的混合，也有 人称这种数据为混合数据。
混合横截面数据：有些数据既有横截面数据的特点又有时间序列数据的特点，但每一时间的样本不同，这种数据称为混合横截面数据。