以下为《第二讲社会调查数据的分析设计、方法与工具ppt》的无排版文字预览，完整格式请下载

下载前请仔细阅读文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。

第二讲 社会调查数据的分析设计、方法与工具任 强

2021年7月6日一、“问题”为导向的研究做过调查？使用过调查数据？

调查数据的必要性

使用调查数据需清楚些什么？

非实验数据给社会科学研究提出挑战！

对总体的描述也很重要——但依然有侧重点、倾向性，主要特征

社会、个人的复杂性——“问题”为研究对象的必然性

本讲资料主要来源： 任某某，Donald Treiman著《量化数据分析：通过社会研究检验想法》，社会科学文献出版社。

Gary Marx, 1967, 《美国社会学评论》：宗教：黑人XX意识的镇定剂还是催化剂？一种观点认为信教的黑人相比不信教的黑人的XX意识要弱，因为宗教使前者超凡脱俗，而不是世俗化。一般宗教使人们更倾向于保守。

另一观点认为信教黑人的XX意识更强，因为黑人的教堂是XX意识的主要传播场所，而且宗教也是普遍的人文主义价值的一个重要源泉。

也可能宗教与XX意识之间根本没有关系。如何才能做出正确的判断？

在黑人中做一项概率抽样调查想法：想法驱动收集数据的类型和收集的过程，等同于假设、或理论

信息或数据：来自总体的概率抽样。编码、变量

模型：因变量、主要自变量、控制变量

二、研究设计的基本要素在调查研究方法的传统做法中，我们习惯上把第三个变量完全或部分地解释了两个变量之间的相关关系区分成两种情况：

虚假（spurious）相关

能够被一个干预(intervening)变量或一组干预变量解释的相关

这两者的区别在于：

当一个控制变量（Ｚ）从时间上或因果关系上发生在另一个自变量（Ｘ）和因变量（Ｙ）之前，并且控制变量完全或部分地解释了自变量和因变量之间的相关关系时，我们推论在自变量和因变量之间不存在因果关系或仅存在弱的因果关系。

然而，当控制变量在时间上或因果关系上处于自变量和因变量之间时，我们就不能够声称自变量和因变量之间不存在因果关系；相反，这种情况表示，此干预变量解释了或有助于解释自变量如何对因变量产生影响。

三、分析问题之间关系或逻辑关系虚假相关：宗教和XX意识：宗教信仰虔诚度和激进之间存在负相关关系是因为两者都与受教育程度有关———黑人的受教育程度越高，则越不信教且越激进。 （再加“年龄”变量？）部分虚假相关： 如果在Ｚ的各类别内，Ｘ和Ｙ之间的相关很弱或不存在，我们就可以认为Ｘ和Ｙ之间的相关完全被它们与Ｚ的相关所解释。

然而，这种情况一般不会发生。例如，在控制了受教育程度之后，宗教信仰虔诚度和激进之间仍存在负相关。除了我们有很强的理论支持某种关系是完全的虚假相关，我们通常不会要求做要么全有要么全无的虚假相关假设。相反，我们会问，在控制Ｚ之后，Ｘ和Ｙ之间是什么关系（以及在控制Ｘ之后，Ｚ和Ｙ之间是什么关系）。干预变量：设想两个变量Ｘ和Ｙ相关，仅仅因为Ｘ导致Ｚ，而Ｚ导致Ｙ。

例如：父亲的职业、儿子的受教育程度和儿子的收入之间的关系。假如我们期望Ｘ和Ｙ之间的关系是正相关的，也就是说，不存在偏相关关系。即，完全是因为这样的事实：父亲的职业地位影响儿子的受教育程度，进而儿子的受教育程度影响儿子的收入，因此我们认为，父亲的职业地位对儿子的收入没有直接影响，而只是通过儿子的受教育程度产生间接影响。干预变量：但是，如前所述，除非我们有很强的理论支持Ｘ和Ｙ之间不存在直接关系，不然，我们可能要通过数据来考察在控制干预变量Ｚ后，Ｘ对Ｙ的影响；同时考察在控制事前变量Ｘ后，Ｚ对Ｙ的影响。干预变量： 以上两个模型的最终因变量Ｙ是相同的。仅有的差别在于是Ｚ导致Ｘ，还是Ｘ导致Ｚ。

也有另一种可能：Ｘ和Ｚ共同导致Ｙ，但是不清楚Ｘ和Ｚ之间是否存在因果关系。抑制变量：-- 也存在这样的情形：两个变量看上去不存在相关关系，但其实这两个变量之间有因果联系。

出现这种情况是因为存在一个与这两个变量都相关的其他变量抑制了这里观测到的零级相关。具体来讲，当一个自变量对另一个自变量的作 内容过长，仅展示头部和尾部部分文字预览，全文请查看图片预览。 能判断数据是否与理论相一致：如果一致，我们就能够初步推断论点是被经验证实的；而如果是证伪，我们则有更强的理由相信我们的结果。也就是说，如果数据与理论不一致，我们通常就能坚信这个理论不正确。但是我们需要注意，当一些忽略变量被包含在列联表或模型中时，它们有可能改变结论。总之，要坚持一个理论，数据要能被理论所预测是必要条件， 但不是充分条件。因为一致性对坚持理论而言是必需的，所以不一致性足以让我们拒绝它———只要我们能够确信没有忽略重要变量。（另一方面，正如Alfred North Whitehead所说，永远不要让数据妨碍一个好理论。如果理论足够强，你们应该重新审视数据。）结构方程模型必要时可以使用因果关系图来解释、说明各种关系。因果关系图被广泛地用于路径分析（Path Analysis）———一种表达和以代数形式使用结构方程模型的方法。结构方程模型曾在２０世纪７０年代非常流行， 但现在已较少使用。

缺失值问题

多重填补法合理使用多重填补法的基础是对缺失值的合理假设，即被填补变量的缺失值是“随机缺失的”（missing at random, MAR）（Rubin, 1987; Little等, 2002）。也就是说，某一模型中控制了其他变量之后，存在缺失值变量的真实值与缺失值之间不存在相关关系。 多重填补法例子：存在较多缺失值的“与子女亲近程度”变量。在1362个缺失值中，有182个是没有存活孩子。一种可能性是与子女根本没有往来的老人在访员或其他人面前出于“面子”而不愿意回答此问题。虽然没有直接方法评估这种猜测是否可能，但是可以采取间接方法测试：如果没有回答亲近程度问题的老人与那些回答了此问题的老人相比明显地幸福感较低、对生活不满意、抑郁程度严重，我们可以基本推测“与子女亲近程度”变量的缺失值可能反映了不与子女亲近的情况。鉴于这种猜测，下面会看到，与子女亲近程度与老人的幸福感和满意度呈正相关，与抑郁程度呈负相关。 结果显示那些没有回答“亲近程度”变量的老人幸福感、满意度较强，抑郁程度较低。因此，我们得出结论与子女亲近程度不高的老人不太可能回答“亲近程度”问题的猜测是不成立的。因为我们没有其他有关此变量不是随机缺失可能性的假设，我们将它视作随机缺失，并对缺失值运用多重填补法。 虽然抑郁程度变量的系数统计上不显著，但方向是负的。

缺失值问题

多重填补法用抑郁得分、居住方式、性别、年龄、住房是否困难、家户人数、城镇还是农村、农业/非农业户口、是否有当地户口、家户中成年劳动力数量（18-59岁）、家户中成年男性劳动力数量、家户中成年人（18以及以上）的平均年龄、家户中成年人的平均受教育年数、是否有劳动力外出和汇款（3分类）、区域-居住地变量（3分类）、是否有躯体障碍、是否在婚、是否丧偶、是否有家庭产业、识字水平、存活子女数、以及性别与婚姻交互项、性别与丧偶交互项等变量 概率抽样的重要性只有知道总体中每个个体入样的概率，统计推论的原则才适用。

许多研究违背此原则，抽取“方便的”或“随意的”样本。

“有代表性的”地点样本不能代替概率样本。为设计一个能推论到研究总体的样本付出额外代价是非常值得的。

超总体将结论推论到总体之外。如截面数据。医院、诊所和它们服务区的研究，常被推论到一般人群。汇合多次调查数据当超总体概念可以被合理接受时，可以将多次截面数据回合使用。——所研究对象不随时间变化。如果有随时间变化的变量，可以加入虚拟变量，用交互项的设计进行研究。检验ｃｊ和ｄｉｊ是否共同为０。如果是，你可以得出所有样本来自一个单独总体的结论，并可以放心地汇合数据。原则：五、研究模型的选择无完美的，只有最适宜的

变量多少合适？——奥卡姆剃刀原则 (最简单化原则)

养成良好的专业素养了解数据属性——重点关注抽样，变量的分布等等。

探讨可替代先验假设的其他解释：事先预判可能遭到的批评，发现虚假相关等，选择变量等，选择研究模型。

记录研究过程的每一步。

查错是很重要的环节。

六、研究过程中值得重视的行为谢 谢！[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]

以上为《第二讲社会调查数据的分析设计、方法与工具ppt》的无排版文字预览，完整格式请下载

下载前请仔细阅读上面文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。