数据规范化处理

​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。

502

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。

580

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