数据完整性该如何判断?
数据完整性该如何判断?
从操作上讲,数据完整性是指对一个样本的测量是否包括了所有应测项目。有时,在实则量某一样本时并没有按照要求测量所有应测项目,例如问卷调査表中若干项目没有回答,地观察中某一段时间因仪器故障或观察者休息而漏测,或者个案调査中某一类数据因法律因没有收集到。这时,实际测量在测量内容或测量时间上出现遗漏,不能全面完整地反映现象和回答研究问题。严格地讲,出现这类情况的样本应作为无效样本而筛除。
数据完整性该如何判断?
从操作上讲,数据完整性是指对一个样本的测量是否包括了所有应测项目。有时,在实则量某一样本时并没有按照要求测量所有应测项目,例如问卷调査表中若干项目没有回答,地观察中某一段时间因仪器故障或观察者休息而漏测,或者个案调査中某一类数据因法律因没有收集到。这时,实际测量在测量内容或测量时间上出现遗漏,不能全面完整地反映现象和回答研究问题。严格地讲,出现这类情况的样本应作为无效样本而筛除。
学术会议
在科学研究中,研究者将根据研究目的对研究概念所涉及的客观现象的有关方面和层次行系统的观察测量,利用这些观察测量的集合来全面和完整地反映研究概念。一般地说,不完整的观察测量不能全面地反映客观现象,也就难以准确揭示研究概念的实质,难以准确述研究现象的性质和程度。因此,数据检验的首要任务是对数据完整性进行判断。
数据完整性在技术上的一个具体问题是“缺省值”。缺省值有两种: (1)系统缺省值 是测量缺省值,系统缺省值( system missing value)指研究者或观察测量系统允许该项目测量结果为特殊的“空缺”结果。 (2)测量缺省 测量缺省( measure missing value)指测量本身要求有实际值,但测量者或回答者没有记载任何实际值,属于典型的数据不完整。出现这类情况的样本记录可能是无效的或部分无效的。
SCI投稿被拒正常吗?相信每一位初次向国际顶尖期刊投稿的研究者,在点击“提交”按钮后,心里都或多或少会浮现出这个疑问。那种满怀期待又夹杂着忐忑的心情,几乎是科研旅途中的必经一站。
SCI润色投稿会被录取吗?每当一篇SCI论文完成初稿,许多研究者都会面临一个共同的抉择:是否需要寻求专业的英文润色服务?这个问题背后,其实是大家对论文语言质量与最终录用可能性之间关系的深切关注。毕竟,谁都不希望自己数月甚至数年的心血,因为语言表达上的瑕疵而被拒之门外。
投稿SCI有重复率吗?刚写完一篇论文,准备向心仪的SCI期刊发起冲刺,很多科研新人心里都会冒出这个问题。毕竟,“学术不端”这个词听起来就让人紧张,谁也不想因为无心之失被扣上帽子。简单来说,答案是肯定的,SCI期刊对重复率不仅有要求,而且把关相当严格。但这并不是一个简单的“是”或“否”就能说清的问题,背后涉及的标准、原因和应对策略,才是我们真正需要了解的。
SCI大修是重投吗?刚收到期刊编辑部“大修”(Major Revision)的邮件,不少科研人的第一反应是既庆幸又忐忑。庆幸的是稿件没有被直接拒稿,看到了希望的曙光;忐忑的是,面对长长的审稿人意见清单,心里不禁打起鼓来:这工作量也太大了吧,感觉几乎要重写一遍。