123456
| 返回首页 | 阅读 次 | 回复主题 | 作者编辑 | 关闭本页 |
| 在資料收集期間其資料的選擇上,其本身也會有偏移或非代表性資料存在。例如你在要因上驗證其理論時,你會很自然地會去避免於假期,各種變更的導入,或任何非自然環境下等其他會引起於正常情況下之變異或非代表性資料。但你也會去收集所有的資料,甚至於週末,午餐,開始與結束的時間等,也就是說”代表性資料”表示所有的作業的範圍是被涵蓋的。 處理遺失的或明顯錯誤之資料 當然,對於避免"一團混亂messy"的資料,其最好的方法是要在其整個過程中做小心的規畫,設計表格,實驗,收集員的訓練與稽核。但是,如果吾人仍想終結許多"一團混亂"之資料時,第一步請試著透過原始的收集員來做澄清。(此強調在資料收集表格中,獲得附加情報的必要性,並於此收集期間實施稽核。其次,實施一很簡單的"感度分析"以查明所遺失的或錯誤的資料對最後結果之影響重要程度。換句話說,完成應如何”包含”與”排除”這些有疑慮的資料,或關於這些缺失數值所造成"最壞情況"之假設分析,並看看此是否會改變最後所做之結論。但是非常遺憾的是,若此資料真會影響其結論的話,吾人可能還需做更多資料之收集或進行更多精密分析的技術。 抽樣 當然,在所有研究範圍之各種發生情況下去收集所有的資料,是不實際與不經濟的。此外,若有人員的檢查在內,單調與轉譯的資料都會導致資料收集上之錯誤。在很多之情況下,由一很大的群體中做抽樣同樣能以較經濟的成本,會比全數檢驗獲致較好的情報。然而要注意的是,在很多一般的作業中,有很多並不是合於統計原理的,例如以下幾點 1. 固定之百分比抽樣:似乎邏輯上永遠合理之10%固定比例抽樣,當群體數量很小與很大時,其所得之結果卻是不一樣。 2. 判斷抽樣:指示收集員運用其個人,選擇某固定數具代表性的樣本而造成偏移。 3. 區塊抽樣:因偏移與非代表性資料之存在,完全基於分組的方便,例如在一堆資料庫中,直接切一段做抽樣,導致結果之判斷錯誤。 故正確之抽樣的手法,在資料的收集與分析上,是應不斷的學習與努力的。 概論--如何收集資料 制定一完善所需特定情報有關的問題。 考慮適當的資料分析工具和某些所需有關之資料已被收集。不論實際與否,收集這些連續的計量資料 定義全面的資料收集點。 選擇不偏移的收集員。 理解資料收集員與其工作之環境。 設計資料收集表格。 使表格簡單,了解並容易遵守。(Keep it simple, stupid) 降低錯誤的機會。 擷取資料以做分析,參考與追溯。 表格格式應能自我說明。 表格格式需有專業性。 準備操作指南。 驗證表格及操作指南之適用性。 訓練這些資料收集員。 稽核收集的過程和驗證其結果。 |