[发明专利]一种基于统计推算的网络零售平台店铺抽样方法

说明书

本发明公开了一种基于统计推算的网络零售平台店铺抽样方法，属于数据处理及统计推算领域，本发明要解决的技术问题为如何对网络平零售台店铺进行抽样，全面、准确、及时的了解全国电商行业的发展情况，从而推算各领域及各类别的网络零售额，进而推算全国零售平台的网络零售额，采用的技术方案为：该方法是通过采集电商平台中店铺地址URL的所有店铺的数据，采用重点平台全面调查与两步多层次相结合的多阶段抽样方法抽取样本数据，再利用样本数据推算全量宏观数据并控制数据质量；具体如下：数据采集阶段；数据处理阶段；样本抽取阶段：采用重点平台全面调查与两步多层次抽样相结合的抽样方法抽取店铺样本；确定样本阶段；数据推算阶段。

技术领域

本发明涉及数据处理及统计推算领域，具体地说是一种基于统计推算的网络零售平台店铺抽样方法。

背景技术

统计推算也称统计推论。是在抽样调查方式中运用科学的方法从样本的调查结果推断总体特征的方法。统计推算是统计分析的重要组成部分。它对社会调查研究者来说是非常重要的方法。社会调查研究所涉及的对象通常是具有相当大的数量，有的甚至是具有无限量的总体，因此，调查人员对所研究的社会现象的全体，一般都不进行普遍研究，而是抽选其中少数代表进行研究，然后运用统计推算的方法，从样本的分析结果推算出对总体的情况估计或判断，从而认识总体。

统计推算所研究的问题有一个确定的总体，其总体分布未知或部分未知，通过从该总体中抽取的样本(观测数据)作出与未知分布有关的某种结论。个体是总体的一部分，局部的特性能反映全局的特点，由于总体的不均匀性和样本的随机性，又使得样本不能精确地反映总体。因此，抽取部分个体经分析得出有关总体的结论存在着差错和不可靠。从理论上讲有两种途径可以消除和减少这种差错：1)尽量均匀；2)确保抽样代表性；采取适当的抽样方法确保抽样的“代表性”，可有效地控制和提高统计推断的可靠性和正确性。

目前对于网络零售平台店铺样本的选取，大多还是使用简单随机抽样方法或分层抽样方法。使用简单随机抽样方法将会忽略样本的特殊性，存在数据代表性不足的缺点，分层抽样方法虽然弥补了简单随机抽样方法的缺点，但分层的合理性严重影响着分析结果的正确性，依然存在较大的改进空间。故如何对网络平零售台店铺进行抽样，全面、准确、及时的了解全国电商行业的发展情况，从而推算各领域及各类别的网络零售额，进而推算全国零售平台的网络零售额是目前存在的技术问题。

发明内容

本发明的技术任务是提供一种基于统计推算的网络零售平台店铺抽样方法，来解决如何对网络平零售台店铺进行抽样，全面、准确、及时的了解全国电商行业的发展情况，从而推算各领域及各类别的网络零售额，进而推算全国零售平台的网络零售额的问题。

本发明的技术任务是按以下方式实现的，一种基于统计推算的网络零售平台店铺抽样方法，该方法是通过采集电商平台中店铺地址URL的所有店铺的数据，采用重点平台全面调查与两步多层次相结合的多阶段抽样方法抽取样本数据，再利用样本数据推算全量宏观数据并控制数据质量；具体如下：

数据采集阶段：在各个电商平台采集店铺信息，根据预设的置信度阈值，选取抽样目标；

数据处理阶段：使用抽样各层名录和抽样单元基本信息作为统一的抽样框，根据抽样框信息对异常数据按照机器学习或者线性插补方式补全、去除或修正；

样本抽取阶段：采用重点平台全面调查与两步多层次抽样相结合的抽样方法抽取店铺样本；

确定样本阶段：在样本抽取阶段抽取的样本中再抽取预设比例的样本，对店铺所在地及所属行业信息进行甄别筛查，确定店铺信息的可靠性；

数据推算阶段：根据样本数据推算出全量宏观数据。

作为优选，在选取抽样目标过程中，分地域、分类别店铺销售额的抽样误差预设为0-5％，优选3％，进而汇总生成的全国店铺销售额抽样误差控制在0-5％。