数据规范

​科学研究中该如何对数据规范化处理

1)人为规范化处理的误区 不规范数据的存在破坏了测量记录的准确性,使特定项目的测量失效,从而也破坏了数据的完整性。因此,严格来说,含有不规范数据的样本个体也应被剔除,至少在相应项目的统计分析时被剔除。但由于不规范数据的普遍性,许多研究者为了保持一定的有效样本量,力图“根据某种迹象”和“合理推测”来将不规范数据”修正”为规范数据。 (2)规范化处理的界限 1严格地说不完整或不规范的数据应排斥在数据分析之外。但是,在一定情况下可以有控制地部分利用不完整或不规范的数据,以充分利用所获得的观察测量结果。这类规范化处理的关键在于严格控制和客观处理,以保证将可能的误差限制在最低的程度。

488

0

2020-12-11

科学研究中常见的数据不规范形式

数据的不规范情況有多种,以下是社会科学研究中常见的几类: (1)使用模糊的度量或描述语言 (2)使用非规范化的度量单位或描述语言 (3)选择“多余”的或重叠的答案 (4)不按要求的内容进行回答 (5)不按要求的形式回答

497

0

2020-12-11

科学研究中的数据规范性指什么?

数据规范性指观察測量记载形式符合观察测量记录要求的程度。不规范的数据往往不能准确反映被测现象的性质和程度,造成描述和理解的误差,造成统计分析的困难。所以需要对数据规范性进行检验。

446

0

2020-12-11
问题咨询
咨询问题描述

请放心填写

我们已对您的数据进行加密处理

保证你的信息安全

联系合作

请您完善以下信息,我们会尽快与您联系!

提交