统计学学习教程，从入门到精通，导论 — 知识点详解(1）

导论 — 知识点详解

一、统计及其应用领域

1.1 "统计"的含义

"统计"一词通常有三种含义：

三者关系：统计工作产生统计数据，统计学指导统计工作，统计工作又推动统计学的发展。

1.2 统计的职能

1. 信息职能：为社会各方面提供统计信息，是统计最基本的职能。
2. 咨询职能：利用已掌握的统计信息，为决策提供依据和建议。
3. 监督职能：通过统计信息对社会经济运行状况进行监测和预警。

1.3 统计的应用领域

统计学已广泛渗透到自然科学和社会科学的各个领域，主要包括：

• 经济与金融：GDP核算、通货膨胀率、股票市场分析、风险管理
• 社会与人口：人口普查、就业统计、社会调查
• 医学与公共卫生：临床试验设计、流行病学调查、药物疗效评估
• 自然科学：实验数据的分析与处理
• 工业与工程：质量控制、抽样检验、可靠性分析
• 农业：田间试验设计、产量估计
• 气象与环境：气候变化分析、环境监测
• 体育：运动员数据分析、比赛成绩统计
• 商业与管理：市场调研、消费者行为分析、运营管理

二、统计数据的类型

2.1 按计量尺度分类（最基本、最重要的分类）

（1）分类数据（定性数据 / 属性数据）

• 定义：说明事物类别的数据，表现为类别，各类别之间无等级、无顺序。
• 特点：只能进行分类，不能排序，不能进行数学运算。
• 示例：性别（男/女）、民族（汉/回/藏）、血型（A/B/AB/O）、颜色

（2）顺序数据（等级数据）

• 定义：说明事物有序类别的数据，表现为类别，但各类别之间有顺序、有等级之分。
• 特点：可以分类，可以排序，但不能进行数学运算（类别之间的差距无法准确计量）。
• 示例：学历（小学/初中/高中/大学/研究生）、成绩等级（优/良/中/及格/不及格）、满意度（非常满意/满意/一般/不满意/非常不满意）

（3）数值型数据（定量数据 / 数值数据）

• 定义：说明事物数量特征的数据，表现为具体的数值。
• 特点：既可以分类，也可以排序，还可以进行数学运算（加减乘除）。
• 进一步分为：
  • 离散型数据：只能取整数值，通常通过计数获得（如：人数、产品件数、企业数量）
  • 连续型数据：可以在某一区间内取任意值，通常通过测量获得（如：身高、体重、温度、时间）

2.2 按收集方法分类

（1）观测数据（观察数据）

• 定义：通过观测或调查获得的数据，不对研究对象施加任何干预。
• 示例：GDP数据、人口统计数据、气象观测数据

（2）实验数据

• 定义：通过在实验中控制某些条件，对实验对象施加干预后获得的数据。
• 示例：药物临床试验数据、农业田间试验数据

2.3 按时间状况分类

（1）截面数据（Cross-sectional Data）

• 定义：在相同或近似相同的时间点上收集的数据，描述的是某一时刻（时期）不同个体（单位）的数据。
• 示例：2024年全国各省份的GDP、某班级所有同学期末考试成绩

（2）时间序列数据（Time Series Data）

• 定义：在不同时间点上收集的数据，描述的是同一现象随时间变化的数据。
• 示例：中国2010—2024年每年的GDP、某城市每天的气温

（3）面板数据（Panel Data）

• 定义：截面数据与时间序列数据的综合，即在不同时间对多个个体进行观测所得到的数据。
• 示例：2010—2024年全国各省份每年的GDP

2.4 数据类型的判断要诀

先问"是什么"→ 分类数据；
再问"好不好"（有无等级）→ 顺序数据；
最后看"是多少"→ 数值型数据。

三、统计中的几个基本概念

3.1 总体与总体单位

（1）总体（Population）

• 定义：统计研究中所要调查的全部个体（单位）的集合。
• 特征：
  • 大量性：总体应由足够数量的个体组成。
  • 同质性：总体中的每个个体必须具有某种共同的性质（这是构成总体的前提条件）。
  • 差异性：总体中的各个个体在某些方面存在差异（这正是统计研究的意义所在）。
• 分类：
  • 有限总体：总体中包含有限个个体（如：全国所有注册企业）
  • 无限总体：总体中包含无限个个体（如：某生产线上的所有产品——理论上可无限生产）

（2）总体单位（Individual / Unit）

• 定义：组成总体的每一个个体，是统计研究中最基本的被调查单位。
• 示例：研究某市居民收入状况时，每一位居民就是一个总体单位。

总体与总体单位的关系：整体与个体的关系。两者不是固定不变的，随研究目的不同可以相互转换。

3.2 样本与样本单位

（1）样本（Sample）

• 定义：从总体中抽取的一部分个体的集合，是总体的一个子集。
• 作用：用样本的特征去推断总体的特征（即统计推断）。
• 要求：样本应具有代表性。

（2）样本单位（Sample Unit）

• 定义：组成样本的每一个个体。

（3）样本容量（Sample Size）

• 定义：样本中所含个体的数目，通常用n表示。
• 一般认为 n ≥ 30 为大样本，n < 30 为小样本。

总体与样本的关系：样本是总体的一部分，统计推断的目的就是利用样本信息来推断总体特征。

3.3 参数与统计量

（1）参数（Parameter）

• 定义：描述总体数量特征的指标，通常用希腊字母表示。
• 特点：参数一般是未知的、固定的常数（在特定总体下）。
• 常见参数：
  • 总体均值：μ
  • 总体方差：σ²
  • 总体标准差：σ
  • 总体比例：π

（2）统计量（Statistic）

• 定义：描述样本数量特征的指标，通常用拉丁字母表示。
• 特点：统计量是已知的，可以计算的，但它是随样本不同而变化的随机变量。
• 常见统计量：
  • 样本均值：x̄
  • 样本方差：s²
  • 样本标准差：s
  • 样本比例：p

参数与统计量的关系：参数是固定的未知常数，统计量是随样本而变的已知随机变量。统计推断的核心就是用已知的统计量去估计未知的参数。

3.4 标志与指标

（1）标志（Characteristic / Attribute）

• 定义：说明总体单位属性或特征的名称。
• 分类：
  • 品质标志：说明总体单位属性特征，用文字表示（如：性别、民族）
  • 数量标志：说明总体单位数量特征，用数值表示（如：年龄、收入）
  • 不变标志：所有总体单位表现相同（构成同质性的基础）
  • 可变标志：不同总体单位表现不同（统计研究的前提）

（2）指标（Indicator / Variable）

• 定义：说明总体数量特征的概念及其具体数值。
• 构成要素：指标 = 指标名称 + 指标数值 + 计量单位 + 时间限制 + 空间限制
• 分类：
  • 数量指标（总量指标）：反映现象的总规模、总水平（如：GDP、总人口数）
  • 质量指标：反映现象的一般水平、相对程度或内在联系（如：人均GDP、增长率）

（3）标志与指标的区别与联系

3.5 变量与变量值

（1）变量（Variable）

• 定义：可变的数量标志和统计指标。
• 分类：
  • 离散型变量：取值为有限个或可列无限个值（如：人数、设备台数）
  • 连续型变量：取值为连续不断的数值（如：身高、体重、温度）

（2）变量值（Value）

• 定义：变量的具体表现，即变量的取值。

3.6 指标体系

• 定义：若干个相互联系的统计指标所构成的整体。
• 作用：从不同角度全面反映复杂现象的数量特征。
• 示例：企业经济效益指标体系（利润率、资产周转率、劳动生产率等）

四、关键概念对比总结

五、思考与练习（典型考点）

1. 判断数据类型：给出一组数据，判断属于分类数据、顺序数据还是数值型数据。
2. 区分截面数据与时间序列数据：根据数据的描述特征进行判断。
3. 总体与样本的辨析：根据研究目的确定总体、总体单位、样本。
4. 参数与统计量的对应：指出哪些是参数、哪些是统计量。
5. 标志与指标的区分：区分品质标志与数量标志、数量指标与质量指标。
6. 变量的分类：区分离散型变量与连续型变量。

学习建议：第1章的概念看似简单，但它们是后续章节（抽样、估计、检验、回归等）的基石。务必在理解的基础上准确记忆各概念之间的区别与联系。