《社会调查数据管理——基于Stata 14管理CGSS数据》一第3章 概念与术语3.1 和计算机及软件有关的术语

简介: 本节书摘来自异步社区《社会调查数据管理——基于Stata 14管理CGSS数据》一书中的第3章,第3.1节,作者 唐丽娜,更多章节内容可以访问云栖社区“异步社区”公众号查看 第3章 概念与术语 社会调查数据管理——基于Stata 14管理CGSS数据 在开始讲解数据管理每个流程的工作内容之前,需要简单介绍一下和数据管理相关的概念。

本节书摘来自异步社区《社会调查数据管理——基于Stata 14管理CGSS数据》一书中的第3章,第3.1节,作者 唐丽娜,更多章节内容可以访问云栖社区“异步社区”公众号查看

第3章 概念与术语

社会调查数据管理——基于Stata 14管理CGSS数据
在开始讲解数据管理每个流程的工作内容之前,需要简单介绍一下和数据管理相关的概念。

在讲解相关概念和术语之前,首先需要了解一下什么是数据。很多耳熟能详、天天挂在嘴边的词,不见得人人都能对其做出精准的解释。

数据:在人类历史很长一段时期中,数据指的就是数字。当计算机诞生后,得益于数据处理技术的飞速发展,数据的外延不断扩大,而今,信息时代的数据除了包含数字数据外,还包括文本、图片、录音、录像等,数据的表现形式变得多样化,数据已无形化解于个人生活和工作的每个细节中。数据已经变成了一种非常重要的生产资料。

数据管理是一个专业性、综合性、跨学科的事业。好的数据管理人员要具备的基础知识背景主要包括:社会调查技术、抽样技术、统计学、计算机科学,此外,针对专业的数据,如经济数据、心理数据、医疗数据等,还需具备深厚的专业知识,方能做好数据管理。

3.1 和计算机及软件有关的术语

现在,数据管理和计算机技术的发展密不可分,而且从某种意义上讲,计算机技术的发展推动了数据管理,计算机科学的发展提高了数据的利用率和效用,因此,要做好数据管理工作,必需具备一定的计算机基础知识。

程序(program):简言之,就是让计算机做事的指令。人们通过程序和计算机发生交互。

编程(programming):就是编写计算机程序。采用某种编程语言,根据一定的算法编写计算机程序。

编程语言(programming language):人与人之间通过语言沟通交流。人与计算机进行沟通交流的语言,就是编程语言。现在全世界有几千种语言,同样,编程语言也有很多,如常见的BASIC、JAVA、C、Pyhon、PHP等。

算法(algorithm):是计算机完成某个工作所遵循的一系列步骤。比如,要计算出一个班级的平均英语成绩,其算法是:先把全班同学的成绩加总,然后用这个加总值除以全班人数,算出这个班的平均英语成绩。当然,在计算机中,程序的算法会更加复杂,但基本原理一样。

软件(包)(software):是一系列程序的集合。比如,Excel是一个软件,它里面包含大量的程序,像sum就是其中的一个小程序,通过输入命令=sum告诉计算机做求和任务。再如word软件,同时输入control和B就能完成给字体加粗的任务。

语法(syntax):相信很多人都听说过“编程语言”,我们知道语言都有一定语法,否则无法用于交流和书写。编程语言也有自己的语法,下面就是Stata的命令语法:

[prefix :] command [varlist] [=exp] [if] [in] [weight] [using filename] [, options]

变量(variable):在计算机里,变量是用来存储数据的工具。内存中的海量数据以变量作为它们的标签,当研究者使用数据时,只需要知道变量名,就能调用所需的数据。

在社会调查里,变量指的是调查对象某一特征的变化情况。比如,如果调查对象是人,那么性别就是调查对象的一个特征,这个变量的变化只有两种可能:男和女。

变量的分类标准很多,如根据存储格式分为数值型变量和字符型变量,根据取值分为数字变量和字符变量,依据测量水平分为定类变量、定序变量、定比变量和定距变量。

定量变量(quantitative variable):从取值角度讲,定量变量是数值变量,如在CGSS中调查对象的年龄就是一个变量,这个变量的取值范围是18~100周岁。从计算角度讲,定量变量可以用于各种数学运算(包括加、减、乘、除等)和统计分析。

类别变量(qualitative variable):从取值角度讲,类别变量是字符变量,如性别这个变量的取值就是男和女。从计算角度讲,类别变量只能用于简单的统计描述和统计分析。

类别变量和定量变量之间的区分不是绝对的,定量变量可以转化成类别变量,如年龄这个变量,取值可以是数字从18~100周岁,也可以是青年人、中年人、老年人三个类别。

变量名(variable name):变量和变量名是一回事,如我们说gender这个变量,它的变量名就是gender。初学者很容易被一些术语搞得晕头转向。特别是同一个概念的不同叫法更具有迷惑性。不要着急,多看,多练,自然就能娴熟于心。

相关实践学习
如何快速连接云数据库RDS MySQL
本场景介绍如何通过阿里云数据管理服务DMS快速连接云数据库RDS MySQL,然后进行数据表的CRUD操作。
相关文章
|
数据采集 存储 安全
数据治理≠数据管理!90%的企业都搞错了重点!
在数字化转型中,数据不一致、质量差、安全隐患等问题困扰企业。许多组织跳过基础的数据管理,直接进行数据治理,导致方案难以落地。数据管理涵盖数据生命周期中的采集、存储、处理等关键环节,决定了数据是否可用、可靠。本文详解数据管理的四大核心模块——数据质量、元数据、主数据与数据安全,并提供构建数据管理体系的四个阶段:评估现状、确定优先级、建立基础能力与持续改进,助力企业夯实数据基础,推动治理落地。
|
存储 数据管理 数据格式
数据治理 vs. 数据管理:别再傻傻分不清!
数据治理 vs. 数据管理:别再傻傻分不清!
795 10
|
存储 监控 算法
解析公司屏幕监控软件中 C# 字典算法的数据管理效能与优化策略
数字化办公的时代背景下,企业为维护信息安全并提升管理效能,公司屏幕监控软件的应用日益普及。此软件犹如企业网络的 “数字卫士”,持续记录员工电脑屏幕的操作动态。然而,伴随数据量的持续增长,如何高效管理这些监控数据成为关键议题。C# 中的字典(Dictionary)数据结构,以其独特的键值对存储模式和高效的操作性能,为公司屏幕监控软件的数据管理提供了有力支持。下文将深入探究其原理与应用。
479 4
|
人工智能 关系型数据库 分布式数据库
拥抱Data+AI|“全球第一”雅迪如何实现智能营销?DMS+PolarDB注入数据新活力
针对雅迪“云销通App”的需求与痛点,本文将介绍阿里云瑶池数据库DMS+PolarDB for AI提供的一站式Data+AI解决方案,助力销售人员高效用数,全面提升销售管理效率。
|
数据采集 存储 SQL
数据管理四部曲:元数据管理、数据整合、数据治理、数据质量管控
老张带你搞定企业数据管理难题!数据找不到、看不懂、用不好?关键在于打好元数据管理、数据整合、数据治理和数据质量管控四大基础。四部曲环环相扣,助你打通数据孤岛,提升数据价值,实现精准决策与业务增长。
数据管理四部曲:元数据管理、数据整合、数据治理、数据质量管控
|
物联网 数据管理 Apache
拥抱IoT浪潮,Apache IoTDB如何成为你的智能数据守护者?解锁物联网新纪元的数据管理秘籍!
【8月更文挑战第22天】随着物联网技术的发展,数据量激增对数据库提出新挑战。Apache IoTDB凭借其面向时间序列数据的设计,在IoT领域脱颖而出。相较于传统数据库,IoTDB采用树形数据模型高效管理实时数据,具备轻量级结构与高并发能力,并集成Hadoop/Spark支持复杂分析。在智能城市等场景下,IoTDB能处理如交通流量等数据,为决策提供支持。IoTDB还提供InfluxDB协议适配器简化迁移过程,并支持细致的权限管理确保数据安全。综上所述,IoTDB在IoT数据管理中展现出巨大潜力与竞争力。
834 1
|
SQL NoSQL 数据管理
数据管理DMS使用问题之如何批量导入MongoDB的数据文件
阿里云数据管理DMS提供了全面的数据管理、数据库运维、数据安全、数据迁移与同步等功能,助力企业高效、安全地进行数据库管理和运维工作。以下是DMS产品使用合集的详细介绍。
|
数据采集 人工智能 监控
企业数据来源杂、质量差,如何通过主数据管理解决?如何确保数据可信、一致和可用?
本文三桥君系统介绍了主数据管理(MDM)在企业数字化转型中的关键作用。产品专家三桥君从数据清洗、治理、处理到流转四个维度,详细阐述了如何通过标准化流程将数据转化为企业核心资产。重点包括:数据清洗的方法与工具应用;数据治理的组织保障与制度设计;数据处理的三大核心动作;以及数据流转的三种模式与安全控制。专家三桥君强调主数据管理能够推动企业从"经验决策"转向"数据驱动",并提出构建统一数据服务网关、"数据血缘图谱"等实战建议,为企业数字化转型提供系统化解决方案。
548 0
|
供应链 数据可视化 数据管理
做表格用什么软件?VeryReport让数据管理更高效!
做表格用什么软件?VeryReport让数据管理更高效!

热门文章

最新文章