统计学：从数据到结论，ISBN：9787503749964，作者：吴喜之 @豆瓣
##第2章 数据的收集
2013-05-19: 1st
获取数据
一手数据vs二手数据——自己调研的or别人公布的
观测数据 vs 试验数据——是否可控
个体、总体和样本
单个对象：个体element, individual, unit
所有要研究的个体的集合：总体（有限总体）population
被研究的个体的集合：该总体的一个样本sample
抽样方法：
简单随机抽样：每个个体有同等机会被选到样本——随机样本random sample
样本量sample size
随机样本的产生：使用随机数（random number)
方便样本：比如。。。
收集数据时的误差
样本的特征（比如男女比例）不一定和总体完全一样，这叫抽样误差（sampling error)
调查问卷不一定被回答，这叫未响应误差（nonresponse error)
回答不一定真实，这叫响应误差（response error)
- 抽样误差不可避免
- 未响应误差和响应误差应该尽量避免
抽样调查和一些常用的方法
抽样调查的设计目的是确保样本对总体的代表性，以保证后续推断的可靠性
抽样方法可以分为概率抽样方法和非概率抽样方法
概率抽样假定每个个体出现在样本中的概率是已知的，从而能够对数据进行合理的统计推断；
非概率抽样方法比较省时省力，但是推断时要慎重：依赖于抽样方案的设计和实施，
这种推断无法根据漂亮的统计理论来进行，也很难客观建立抽样误差的范围。
简单随机样本（全部随机抽样）很难实施，通常会采用局部随机抽样。下面是一些抽样方法：
概率抽样方法
系统抽样：
根据样本量确定距离n；
为每个单元编号；
随机选取一个开始点；
安装n等距抽样。
如果编号是随机的，则等价于简单随机抽样。
分层抽样
对样本进行分类；
在各类中简单随机抽样；
对结果进行汇总。
可以按照比例，也可以不安装比例，也可以加权（加权系数的和为1）
整群抽样
把总体划分成若干群cluster, 群中的个体不相似；
随机抽取几个群；
单级整群抽样：调查抽取的整个群；两级整群抽样：对随机抽取的群再进行简单随机抽样
适用于各群差异不大的情况，主要用于区域抽样。
多级抽样
多层次分群，在最后一级进行调查
每级的抽样方法可能不同，整个抽样计划可能比较复杂
非概率抽样方法
目的抽样
主观选择对象，样本的多少依赖于预先就有的知识
方便抽样
随意选取（不具有随机性），用于初期的评估或探索性研究
判断抽样
主观评判选择样本，是方便抽样的延伸
定额抽样
非概率的分层抽样。先确定分类和比例，然后对各类进行方便抽样或判断抽样
雪球抽样
对于样本稀少的情况，依赖于一个目标推荐另一个目标，偏差较大
自我选择
让个体自愿参加调查
实际的抽样方法可能是各种抽样方法的组合。考虑精确度的同时，考虑方便性、可行性、经济性
计算机中常用的数据形式:
原始数据
汇总表格（不能还原成原始数据）
小结
数据总是从一个总体中抽取出来的，是总体的一个代表，称为样本
数据是否可控分为观测数据和试验数据
数据来源可以分为一手数据和二手数据
数据科恩能够有抽样误差（不可避免），对于响应/非响应误差要尽量避免
样本的抽取有多种方法
抽取样本、收集数据是为了从样本中得到总体的信息，关系到后续分析和推断的结果是否合理