有统计大佬能帮做一下个案控制匹配机制的伪随机吗？

来源：蜘蛛抓取(WebSpider) 时间：2024-01-27 02:30 标签： 会合软件配合警方调查
说句真心话，这个行业是“二八定律”，做得好的咨询师个案量很稳定，不愁没有来访者做咨询，而大多数咨询师，80%的人都是吃灰状态，一个月咨询量顶多也就2-3个，根本养活不了自己。干不了几年，都要转行。在中国，成为一名心理咨询师是一件非常不容易的事情，假设你没有人脉，缺乏资源，而且能力有限，最好还是不要从事这份工作，光凭一腔热血是无法持久的。五年期间，我走访了不少地方，去过很多城市，观察不少心理咨询的市场，发现存在很大问题。一是这个行业存在营销性质。少部分机构认真踏实地干，大多数机构则是不做咨询的，而是销售，一进去就是搞培训的东西，甚至有些利欲熏心的会搞各种鸡汤课程，一进去就给你洗脑，然后割入行新人的韭菜。二是城市间差异巨大。北京、上海、广州跟六盘水等地方相比，市场环境完全不同，每个地区都有自己的特点，群体特征也不一样，三四线城市的心理特点，和一线城市差异巨大，消费水平也不一样。然而，咨询师的能力有限，不懂得因地制宜地改变生存模式，一味地照搬西方的心理咨询理念来给来访者做工作，收费奇高，忽视来访者感受，缺少本土化的咨询模式，给心理咨询的生存空间造成了极大阻碍。三是优秀人才匮乏。别看心理学大咖都很厉害，实际接触下来去谈工作经验，都是破绽百出。我听过不少言论，各种言论自相矛盾。比如经常听到某个咨询师说，说我一个星期四五十个咨询，还有各种讲座，忙不过来，天天都有人邀请我去上课，这样的言论会存在问题。真正做咨询的咨询师都知道，个案咨询做完还有各种报告、总结和分析，事后花的时间非常辛苦，绝非只有咨询室1个小时的工作量，一般而言要是一天做七八个咨询，随后几天都是大量花在整理报告上面。根本没时间去上课。正规的咨询机构，做咨询的就是做咨询的，上课培训的就专门上课培训，都会分工明确，从来不会一心二用，因为根本忙不过来。一个咨询师频繁去讲课，私底下还要备课，经常露脸在大众之下，哪有精力做好咨询？所以，真正的心理咨询师这个圈子是怎么样的呢？做得好的咨询师，我指的是大部分的咨询师，刨除那些极个别好的，一线城市每个月的咨询量也就30个左右，三四线城市差一些，10-20个左右。做得再好的，顶多也就是50-60个了，而且也不是每个月如此，长期下来咨询师也吃不消，也需要休息。而且咨询量也分淡季和旺季，4-5月、7-9月是咨询的高峰期，还有放假阶段，而在年底春节左右的时候则是淡季，因为大家工作都比较忙，而且又要忙春节的事情，就不会有太多的咨询量。通常而言，咨询师要想咨询量稳定，还需要做以下工作：一是营销推广。比如写文章、搞视频、出书之类的，通过其它技能来宣传自己的身份，扩大自己的影响力；在网站平台入驻，挂靠平台做咨询。二是与社区、学校、政府等部门合作。参与心理服务项目，结交一些社会人士来进行引荐，增加名声。三是增强自己的职业技能，来访者转介推广。给来访者做好咨询，他信任你，再推荐你给周围朋友，这也是心理咨询来访者来源的主要渠道。要想自己咨询量稳定，咨询师不能只坐在咨询室里等来访者过来，还得做其它工作才能达到这个目标。我身边咨询师做得好的，都是咨询+副业的状态，除了心理咨询，还有其它技能，否则光靠咨询绝对养不活自己。我硕士导师是某心理科主任，一周出三个半天门诊。每个门诊一般最多能看五个人吧。我之前是军队医院的心理治疗师，干了15年。单纯的心理咨询，最多一天8个吧。常态是一天三四个咨询。这个工作量应该超过许多的心理咨询师了吧，不过这点工作量是连工资都赚不回来的。更不用说cover场地水电等其他成本。当然，我除了要做咨询，科室管理，行政党务工作外，还需要定期下基层讲课，做测查，做访谈。比较累的是访谈。夸张的一次四天在地下室做了三百多人的测查，访谈了四五十人的样子。出来后话都不想说。出差任务也比较多，全省跑那种，我去年出了将近两个月的差。今年本来会更多，不过我果断退出现役了。现在主业是看两个因疫情停课而滞留家中的孩子，暂时没想再找个机构做专职咨询师，零散的接点活，生活来源则靠着每月的退役金。作为一个本科与研究生都是心理专业，也一直在心理咨询一线工作的人，最近比较消极，对有来咨询我的一些同事朋友，是否他们的亲戚朋友可以从事这个专业，我一律都是劝退。这个行业太不成熟，国家取缔认证，消费者不认可或无力承担价格，许多从业人员甚至以谈钱为耻，前途漫漫，你如果要摸着石头过河，就要做好呛水的准备。从我个人的角度，哪些人可以从事这个职业:一是家里不缺钱的父母支持力度大的，培训掏得起钱，收入可有可无，纯粹为了体验人生或者单纯热爱的，可以考虑。二是有能力进入体制或者大公司，成为编制咨询师的。三是已经完成积累，如有一份很好的职业的只是把咨询当副业的，退休的，赚够了希望找寻自我的。四是热爱到不行，非干这个不可，头铁，粉身碎骨浑不怕，再加上有想法有头脑那种。
很多调研者在问卷调查中肯定会有一个疑问？我到底需要收集多少样本呢？我们思考一下，为了让调研的样本更接近真实，是不是意味着样本量越大越好？因此今天跟大家分享一下，有关调查问卷样本量的确定方法。1、什么是样本量？什么是样本量？样本量就是样本中所包含的单位的个数，即抽样单位数。样本量直接影响抽样误差、调查的费用、调查所需时间等等。2、样本量如何预估？在问卷调查中，样本含量过少会引起抽样误差的增大，从而降低检验效能；样本含量过大则会增加研究者的工作量，给研究者带来诸多困难。所以应当确定合适的样本量，也可以节约资源。样本量估计没有绝对的样本量标准，不同的研究方法、目的、要求和资料决定了样本量的大小，而样本量公式是通常确定样本量的常用方法。在简单随机抽样的条件下，我们在统计教材中可以很容易找到确定调查样本量的公式：n=Z2σ2/d2 其中：n：代表所需要样本量Z：置信水平的Z统计量，如95%置信水平的Z统计量为1.96，99%的Z为2.58。σ：总体的标准差， 一般取0.5；d ：置信区间的1/2，在实际应用中就是容许误差，或者调查误差。例如：某个消费者调查要求置信度为95%，抽样误差不超过5%，查表得Z=1.96，σ=0.5，d=5%因此：n=1.96^2*0.5^2/5%^2=384，说明此次调查所需最小样本量是384。对于比例型变量，确定样本量的公式为:n=Z2(p(1-p))/d2 其中：n ：所需样本量z：置信水平的z统计量，如95%置信水平的Z统计量为1.96,p：目标总体的比例期望值d：置信区间的半宽3、如何用样本量公式确定样本量？对于公式的应用，一些参数是我们可以事先确定的：Z值取决于置信水平，通常我们可以考虑95%的置信水平，那么Z=1.96；或者99%，Z=2.68。然后可以确定容许误差d（或者说精度），即我们可以根据实际情况指定置信区间的半宽度d。因此，公式应用的关键是如何确定总体的标准差S。如果我们可以估计出总体的方差（标准差），那么我们可以根据公式计算出样本量。例如：要了解该城市的居民收入，假定我们知道该市居民收入的标准差为1500，要求的调查误差不超过100元，则在95%的置信水平下，所需的样本量为：计算公式n=1.96^2*1500^2/100^2
=8643600/10000
≈864.36即需要调查的样本量为864个。4、样本工具箱可直接计算样本量调研工厂的样本工具箱，为调研者提供样本量计算器、误差范围计算器、样本抽样框，不必使用样本量公式也能快速准确地预估样本量。下面简单地教大家如何使用：第1步：从调研工厂官网（https://survey.work）进入问卷调查板块第2步：创建问卷——问卷设置——样本配额——右侧“样本工具箱”输入调查目标人群总体数量、置信水平、误差范围，系统自动计算代表调查目标人群的理想样本数量，再也不用烧脑研究看不懂的统计学公式了。调研工厂误差范围计算器，可用于问卷调查之前，抽样误差可以预先计算出来，并可以通过调整样本数和组织形式来控制误差范围；也可以用于问卷调查之后，计算问卷回收数据的误差度，判断问卷可信度。调研工厂的“样本抽样框”，可自动生成交叉配额分布。调研工厂基于国务院第七次全国人口普查数据，提供全国各地区、性别、城乡、年龄、学历等人口属性抽样框，让您的样本结构更合理。第1步：设置样本抽样框（填写你需要的样本数量/调查区域/性别/户籍/年龄/学历）等属性，点击“确定”。第2步：系统自动生成“抽样结果”，你只需要点击“应用该结果”即可自动生成回收配额，剩下的坐等回收数据就好了。调研工厂的样本工具箱，能够有效地控制样本，提高调研结果的准确度，你会用了吗？调研工厂（https://survey.work）有更多神仙功能，等你来解锁，快来试用吧~

概率统计的随机分布，第四题的第3小问，数学大佬麻烦帮忙解决一下，谢谢...
概率统计的随机分布，第四题的第3小问，数学大佬麻烦帮忙解决一下，谢谢
展开
选择擅长的领域继续答题？
{@each tagList as item}
${item.tagName}
{@/each}
手机回答更方便，互动更有趣，下载APP
提交成功是否继续回答问题？
手机回答更方便，互动更有趣，下载APP
推荐律师服务：
若未解决您的问题，请您详细描述您的问题，通过百度律临进行免费专业咨询
下载百度知道APP，抢鲜体验使用百度知道APP，立即抢鲜体验。你的手机镜头里或许有别人想知道的答案。扫描二维码下载
×个人、企业类侵权投诉
违法有害信息,请在下方选择后提交
类别色情低俗
涉嫌违法犯罪
时政信息不实
垃圾广告
低质灌水
我们会通过消息、邮箱等方式尽快将举报结果通知您。说明
做任务开宝箱累计完成0
个任务
10任务
50任务
100任务
200任务
任务列表加载中...

我要回帖

更多关于 会合软件配合警方调查 的文章

 

随机推荐