Slide 2 — What is Data?
第2页——什么是数据？
Knowledge Points (知识点)
- Data (数据)：基于事实的信息，例如数字、图形、表格。
- Data must be collected, analyzed, summarized, and interpreted.
数据需要被收集、分析、汇总和解释。
Data (数据)
-
Explanation (解释):
Data is fact-based information, e.g. numbers, figures, tables, to be collected, analyzed, summarized for presentation and interpretation.
数据是基于事实的信息，例如数字、图表和表格，用于收集、分析、汇总和解释。 -
Example (例子):
Sales numbers in January, customer ages in a survey.
例如：一月份的销售额、调查中顾客的年龄。 -
Extension (拓展):
Data helps businesses and governments make decisions rather than relying on intuition.
数据帮助企业和政府进行决策，而不是依赖直觉。
Summary (总结)
本页介绍了数据的定义和基本特征：
- 数据是基于事实的信息
- 需要经过收集、分析和解释
- 是决策制定的基础
Slide 3 — Elements, Variables, Observations
第3页——元素、变量和观测
Knowledge Points (知识点)
- Elements (元素)：收集数据的对象或实体。
- Variables (变量)：元素的特征或属性。
- Observations (观测值)：每个元素在各个变量上的测量值。
Elements (元素)
-
Explanation (解释):
Elements are objects/entities on which data are collected.
元素是收集数据的对象或实体。 -
Example (例子):
A student, a product, a country.
例如：一个学生、一件产品、一个国家。 -
Extension (拓展):
Clear definition of elements is essential for reliable data collection.
明确元素的定义对于可靠的数据收集至关重要。
Variables (变量)
-
Explanation (解释):
A variable is a characteristic, feature, or aspect of elements.
变量是元素的某一特征或属性。 -
Example (例子):
Age, income, gender.
例如：年龄、收入、性别。 -
Extension (拓展):
Variables determine the dimensions of analysis.
变量决定了分析的维度。
Observations (观测值)
-
Explanation (解释):
An observation is the set of measurements for each variable on an element.
观测值是一个元素在各个变量上的测量结果。 -
Example (例子):
Student A: gender = female, age = 20, GPA = 3.5.
学生A：性别=女，年龄=20，GPA=3.5。 -
Extension (拓展):
Observations are usually presented in rows, and variables in columns.
观测值通常以行表示，变量以列表示。
Summary (总结)
本页介绍了数据结构的三个基本组成：
- 元素是数据收集的对象
- 变量是元素的特征
- 观测值是每个元素的测量结果
Slide 4 — Scales of Measurement
第4页——测量尺度
Knowledge Points (知识点)
- Nominal (名义尺度)：分类，没有顺序。
- Ordinal (顺序尺度)：有顺序，但间隔不相等。
- Interval (区间尺度)：有顺序，间隔相等，但无绝对零点。
- Ratio (比率尺度)：有顺序，间隔相等，有绝对零点。
Nominal (名义尺度)
-
Explanation (解释):
Classification without order.
分类，不涉及顺序。 -
Example (例子):
Gender: male/female.
性别：男/女。 -
Extension (拓展):
Only useful for counting and grouping.
只能用于计数和分组。
Ordinal (顺序尺度)
-
Explanation (解释):
Ordered but intervals are not equal.
有顺序，但间隔不一定相等。 -
Example (例子):
Customer satisfaction: 1 = very bad, 5 = very good.
顾客满意度：1=很差，5=很好。 -
Extension (拓展):
Can be used for ranking analysis.
可用于排序分析。
Interval (区间尺度)
-
Explanation (解释):
Ordered, equal intervals, but no true zero.
有顺序，间隔相等，但没有绝对零点。 -
Example (例子):
Temperature in Celsius.
摄氏温度。 -
Extension (拓展):
Differences can be calculated, but ratios are meaningless.
可以计算差值，但比例无意义。
Ratio (比率尺度)
-
Explanation (解释):
Ordered, equal intervals, with a true zero.
有顺序，间隔相等，有绝对零点。 -
Example (例子):
Income, distance, weight.
收入、距离、重量 、==年龄== -
Extension (拓展):
Supports all arithmetic operations.
可以进行所有算术运算。
Summary (总结)
本页介绍了四种测量尺度：
- 名义：分类
- 顺序：有等级
- 区间：有间隔但无零点
- 比率：有间隔且有零点
Slide 5 — Categorical vs. Quantitative Data
第5页——分类数据与数量数据
Knowledge Points (知识点)
- Categorical Data (分类数据)：基于类别或分组。
- Quantitative Data (数量数据)：基于数值和度量。
Categorical Data (分类数据)
-
Explanation (解释):
Categorical data classify elements into groups or categories.
分类数据将元素划分为不同的组或类别。 -
Example (例子):
Gender (male/female), Opinion (agree/disagree).
性别（男/女）、意见（同意/不同意）。 -
Extension (拓展):
Often visualized by bar charts or pie charts.
常用条形图或饼图表示。
Quantitative Data (数量数据)
-
Explanation (解释):
Quantitative data consist of numeric values with measurable meaning.
数量数据由有度量意义的数值组成。 -
Example (例子):
Age, distance, income.
年龄、距离、收入。 -
Extension (拓展):
Often visualized by histograms or line charts.
常用直方图或折线图表示。
Summary (总结)
本页介绍了两类数据：
- 分类数据：非数值型，基于类别
- 数量数据：数值型，基于度量
Slide 6 — Cross-sectional vs. Time Series Data
第6页——横截面数据与时间序列数据
Knowledge Points (知识点)
- Cross-sectional Data (横截面数据)：同一时间点的数据。
- Time Series Data (时间序列数据)：多个时间段的数据。
Cross-sectional Data (横截面数据)
-
Explanation (解释):
Data collected at the same point in time.
在同一时间点收集的数据。 -
Example (例子):
Students’ GPA in Spring 2025.
2025年春季学期学生的GPA。 -
Extension (拓展):
Describes the situation at a single moment.
描述某一时刻的状态。
Time Series Data (时间序列数据)
-
Explanation (解释):
Data collected over multiple time periods.
在多个时间段收集的数据。 -
Example (例子):
Monthly sales over 5 years.
5年内的月度销售额。 -
Extension (拓展):
Useful for analyzing trends, seasonality, and forecasting.
用于分析趋势、季节性和预测。
Summary (总结)
本页介绍了两类数据收集方式：
- 横截面数据：静态快照
- 时间序列数据：动态趋势
Slide 7 — Data Sources
第7页——数据来源
Knowledge Points (知识点)
- Existing Sources (已有数据)：内部或外部获得的数据。
- Statistical Studies (统计研究)：通过实验或调查收集的数据。
Existing Sources (已有数据)
-
Explanation (解释):
Data from internal (self-owned) or external (purchased/downloaded) sources.
来自内部（自有）或外部（购买/下载）的数据。 -
Example (例子):
Company sales records, government databases.
公司销售记录、政府数据库。 -
Extension (拓展):
Low cost but may not be fully suitable for research.
成本低，但可能不完全适合研究。
Statistical Studies (统计研究)
-
Explanation (解释):
Data obtained from designed experiments or observational studies.
通过实验设计或观察研究获得的数据。 -
Example (例子):
Market survey, clinical trial.
市场调查、临床实验。 -
Extension (拓展):
High cost but closely aligned with research objectives.
成本高，但与研究目标高度契合。
Summary (总结)
本页介绍了数据来源的两大渠道：
- 已有数据：内部或外部已有资源
- 统计研究：通过实验或调查收集
