数据规范性

​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。

444

0

2020-12-11

科学研究中数据规范化处理的基本原则

(1)必须要有直接客观的依据,例如在将模糊结果转换为清楚结果时必须根据原始数据提共的直接依据来转换,不能搞“合理判断” (2)必须要有统一标准 (3)“向下规范”,例如在测量结果精度不一致时用低精度统一描述测量结果,即通过损夫精度来实现规范化。 (4)在公布数据时明确指出规范化处理方法 ​(5)分析数据时明确指出由规范化处理引起的原始数据形式和样本量的变化。

523

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

457

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。

408

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

&{ title[showType] }
返回上一步
手机注册 邮箱注册
手机号码:
密码:
验证码:
&{quickTimer ? quickCodeTime + `秒` : '获取验证码'}
邮箱:
密码:
验证码:
&{quickTimer ? quickCodeTime + `秒` : '获取验证码'}
确认
已有账号?马上登录
手机重置密码 邮箱重置密码
手机号码:
验证码:
&{quickTimer ? quickCodeTime + `秒` : '获取验证码'}
设置密码:
邮箱:
验证码:
&{quickTimer ? quickCodeTime + `秒` : '获取验证码'}
设置密码:
确认
已有账号?马上登录
设置登录密码
设置密码:
登录
已有AiScholar账号,请绑定 没有AiScholar账号,请注册
&{ ifFore ? '邮箱账号绑定' : '海外手机绑定' }
手机注册 邮箱注册
手机号码:
密码:
验证码:
&{quickTimer ? quickCodeTime + `秒` : '获取验证码'}
邮箱:
密码:
验证码:
&{quickTimer ? quickCodeTime + `秒` : '获取验证码'}
绑定
忘记密码?
微信登录
请使用微信扫描二维码登录"艾思科蓝"

联系合作

请您完善以下信息,我们会尽快与您联系!

提交