经济学数据分析大全11篇

经济学数据分析篇（1）

当一个国家人均收入较低时，存在经济增长的后发优势，至少表现在五方面：一是市场潜力巨大，低收入国家的民众有很多高收入国家已满足的需求尚未满足;二是技术可通过从发达国家引入和模仿来获得，从而可避免自主开发所要承担的巨大成本、风险以及所需要的时间;三是生产要素的价格普遍较低，尤其是缺少国际流动性的生产要素，如劳动力、土地及一些自然资源等;四是城镇化水平普遍较低，而城镇化可带来大量需求，可促进经济快速增长;五是受资源环境的约束较小，因为这时民众的环保意识通常较弱。这里不是肯定发展中国家忽视资源环境追求经济增长，而是解释这是一个可导致发展中国家经济增长的因素。这些经济增长的后发优势可使得这些低人均收入国家具有较大的经济增长潜力从而保持较长期的快速经济增长，如中国的经验。

但低人均收入国家往往也是问题国家，可能国内政治腐败，各种社会问题错综复杂，民族宗教冲突严重，民众受教育水平低，资本积累不足，基础设施严重欠缺，科学技术落后，等等。因此，低人均收入国家获得快速增长只是一种可能，实际的经济状况可能相当糟糕。由此我们判断，经济增长率在低人均收入国家中会呈现较大幅度的波动。从统计上来说，低人均收入国家群组增长率的方差会比较大。相反，人均收入高的发达国家在经济增长上存在内在的劣势，有五方面原因：一是国内市场有限，以现有技术所生产的产品已比较充分地满足了市场需求;二是需要重大创新才能大幅拉动经济增长，而重大的创新并不可能总在发生，而在创新相对停滞的时期经济则缺少热点;三是生产要素成本高，尤其是劳动成本;四是城镇化水平普遍较高，城镇化已难于带动经济增长;五是不可能以高资源环境代价实现高经济增长，因为高收入国家的居民对资源环境的要求愈发苛刻。

经济学数据分析篇（2）

数据挖掘（Data Mining，DM）又称数据库中的知识发现（Knowledge Discover in Database，KDD），是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的过程[1]。数据挖掘在很多领域都是一个很时髦的词，尤其是在如银行、电信、保险、交通、零售等商业领域。但是，数据挖掘在教育领域的应用尚处于理论探索阶段，其他研究中已经证明，数据挖掘在高校家庭经济困难学生精准识别的过程中具有理论上的可行性，本文通过建立基于家庭经济困难学生数据库的数据挖掘模型对困难生精准识别进行实证角度的探索，以期能够解决家庭经济困难学生认定过程中存在的主观性、片面性等问题。

本研究通过运用数据挖掘技术，对家庭经济困难学生的数据进行量化分析、建模评价、以及结果分析。本文的主要设计思路为：针对学生的一系列评价家庭经济困难程度的指标划分学生困难等级，有利于简化家庭经济困难学生的认定程序，降低错误率。一个完整的数据挖掘过程主要包括数据准备、建立模型进行挖掘、模型的评价与修正三个阶段。借助数据库中已有学生信息，使用数据挖掘方法开发出困难等级评分模型从已有数据中分析归纳出困难生识别的规则和标准。然后，将这些规则或标准应用于困难生认定过程。本文所采用的数据挖掘软件为SPSS Clementine 12.0。该软件操作简单、无需编程、界面人性化，是一款十分适用的数据挖掘软件。图1展示了基于数据挖掘的困难生精准识别所构建的模型。

一、数据预处理

数据预处理主要包括原始数据整理与数据分割两部分。

本研究采用原始数据来自2015年度某高校某学院家庭经济困难学生数据库，该数据库共有数据496条。从学生《家庭情况调查表》以及家庭经济困难申请表中原因陈述结果可以看到，涉及到学生的特征指标包括户籍性质（HJ）（农村、城镇），户口所在地（HK）（东部、西部、中部），家庭人口数（RK），是否孤残（GC），是否单亲（DQ），家庭人均年收入（SR），家庭健康情况（JK），家庭负债情况（FJ）等一系列指标。数据经整理后能够满足Clementine对数据挖掘的要求。

数据分割的目的主要是为了验证数据挖掘模型，根据一般原则，数据分割的比例配比为训练集（40%），测试集（30%），验证集（30%）。分割方法为简单随机抽样，利用Clementine 12.0的Partition节点完成。分割后的三个数据集用新增变量Partition的取值标识，但仍合并在同一个数据文件里。

二、建立模型

家庭经济困难的等级与困难学生本身的特性是紧密相关的，经由这些特性能够细分学生困难等级，常用的特征识别方法是分类树。分类树着眼于从一组无次序、无规则的事例中推理出分类树表示的分类规则。现在比较常见的算法是基于信息论的方法的决策树。本文选取决策树模型来分析处于不同困难等级的学生所共有的一些个人信息，并对困难生认定提出相应的一些建议。

符合以下几条规则之一的，可以认定为家庭经济条件特殊困难：（1）人均年收入少于2250元，家庭人口少于3.5；（2）家庭人口多于3.5，人均年收入少于950元；（3）人均年收入高于2250元，家中有负债，人口数少于5人，家庭存在不健康因素。

符合以下几条规则之一的，可以认定为家庭经济条件困难：（1）人均年收入大于1250元，家中有负债，农村户口；（2）人均年收入大于1250元，户籍所在地为中西部地区；（3）人均年收入大于1250，家中人口多于5人，且有负债；（4）收入多于2250，人口数多于6人且家中不健康因素的。

符合以下几条规则之一的，可以认定为家庭经济条件一般困难：（1）收入多于1250，家住农村，无负债；（2）收入在2250到2450之间，家住中东部，人口少于6人；（3）收入大于2450元。

三、模型评估

完成模型的制定以后，下一步就是对模型进行评估，检验其预测能力的强弱。一般来说，模型的检验有两种方式：样本内检验和样本外检验。在Clementine中，模型评估主要采用图形展示，例如Gain图、Lift图等。另外，也常用分类矩阵来比较预测结果与实际结果的吻合程度，分析结果如图2。

首先，从收益图可以明显的看出，利用决策树得到预测模型准确率非常高，几乎与理想模型重合，而基于客户特征的细分变量的准确率也比较高。

为了更好的评判预测效果，利用Clementine 12.0中的Analysis节点，可以得到如下关于决策树模型在三个部分的数据集中的预测准确率。在大小为40%的训练数据集中，模型的预测准确率达到86.03%；在大小为30%的检验数据集中预测准确率为86.1%；在大小为30%的验证数据集中，其预测准确率达到86.18%。可见，利用决策树模型已经达到了相当好的估计效果。

四、结论

数据挖掘模型的运行结果在理论与实践层面都得出了有益的结论。

首先，数据挖掘的运行结果给出了困难生认定的一些普遍规则，这些规则基于困难生认定的原始数据所表现出来的困难生的特性，反映学生的方方面面。这些规则在困难生认定过程中将会是非常好的参考条件，甚至对困难生认定的准确度起决定作用。

其次，数据挖掘应用于家庭经济困难学生精准识别，对于数据挖掘在教育领域尤其是在学生管理与服务工作中的应用提供了有益的借鉴，这种借鉴也不应止步于此，应当进行更加深入的研究与应用，一遍提高高等学校学生工作的科学化水平。（作者单位：1.济南大学外国语学院；2.济南大学党委学生工作部）

经济学数据分析篇（3）

一、数量经济学与数据挖掘基本概念

（一）数量经济学

随着我国经济的发展，国家经济的高效运转越来越离不开数学，例如就当前惨淡的股票市场来说，数学在其中发挥着巨大的作用。数学应用到经济学中，经济学领域内产生了数量经济学。在我国数量经济学的发展以1979年中国数量经济研究会成立为标志，历经近四十年的发展，具有鲜明的中国特色。数量经济学是在对理论经济学进行研究的基础上，通过不断更新的数学方法和计算技术对经济关系进行定量分析，总结其经济事实背后的规律，其中通过建立数学模型的方式对经济关系进行定量研究是数量经济学的主要特征。

当前数量经济学在我国学术界的地位模糊不清，其既是一门方法论，又是一门计量学科，同时还是一门组织管理科学。然而毫无疑问的是数量经济学是将理论经济学的抽象固化的理论概念进行外在的定量分析，使得经济事件背后的经验公式得以在实际生产生活实际中被有效利用，进行转化为措施、方案等，显然数量经济学是联系理论与实践的纽带。

（二）数据挖掘

数据挖掘（Date Mining），其是多学科的综合产物，始于20世纪90年代。随着信息技术的进步和大数据时代的到来，特别是数据库技术的更新换代使得当下信息数据呈现爆炸式增长。数据挖掘简单来讲，便是将大量不完整嘈杂的数据中整理分析出客户所感兴趣的信息，数据挖掘包括数据库准备、数据有效开采、结论表示和解释三个层面。数据挖掘技术主要由数理统计、人工智能以及数据库技术作为支撑，其主要功能有分类、发现关联规则以及序列模式、聚类、预测以及偏差预测等。当前关于数据挖掘方法的研究主要有基于统计方法的复杂数据挖掘、基于支持向量机的数据挖掘、基于神经网络的数据挖掘以及基于遗传算法的数据挖掘等。

二、数量经济学与数据挖掘的联系

（一）应用数学作为研究基础

就数量经济学与数据挖掘的联系来说，首先两者均将应用数学作为其研究的基础：在数量经济学中，建立经济数学模型的形式将外在客观的经济事件间隐藏的相互联系进行定量分析，而在数据挖掘中应用数学为其提供了普适性的方法论，例如数据挖掘的方法中的统计学方法，其可以简单分为回归分析、非判断分析等均需要通过大量的数学分析来实现。

（二）反映客观规律与联系

总体上来说，无论是数量经济学还是数据挖掘技术均是为了服务人们更好的进行生产实践来服务的，均是用来分析和判断事实背后的客观规律和相互联系。数据挖掘的目的便是为了深层次的挖掘数据中所隐藏的“知识”，例如在股票市场，先进的交易软件能够更快的处理和分析当前的股票市场，能够短期内进行市场预测，数据挖掘技术通过数据库分析和处理技术展现出来。数量经济学作用在现实生活中，其可以进行投入产出分析、费用效益分析以及电子计算数据模拟等。

（三）数据库作为主要研究对象

毫无疑问的是，在当前信息大爆炸的时代，数据库技术作为存取信息的最为高效的模式在数量经济学和数据挖掘中占有极为重要的地位。数据挖掘其通过对存储于数据库中的大量繁冗嘈杂的信息进行组合分解等方法获得有用的信息，数量经济学虽然仅仅是作为经济学的一部分，但显然其需要大量的统计数据作为研究支撑，为此数据库技术的更新换代与数量经济学和数据挖掘的发展相互促进、相互影响。

三、数量经济学与数据挖掘的区别500

（一）理论基础各异

数量经济学的理论基础为理论经济，数量经济学是将理论经济的理论概念进行外在的具象化，从外在的经济事实背后的数据分析得出经验公式与模型，其显然属于经济学的一部分，一定程度上来说，其经验公式仅仅适用于经济领域；数据挖掘技术其理论基础为单纯的应用数学，具有适用对象的普适性、大众性。

（二）实现机理各异

数量经济学其实现机理可以简单描述为在已有经济数学模型的基础上进行外在客观经济事实的分析，其主要需要通过大量的人力分析来完成，无法通过数据分析来发现新的数据模型；数据挖掘技术其最重要的特征在于对数据库中大量不完整的信息的推理关联分析，其能够发现存在在整个数据库中的事实未曾发现的模式，例如在每日的天气预报中，对每日天气的预测分析中将包含多种不同的影响因素，需要大量的数据库分析。

（三）对象领域各异

数量经济学的适用对象主要为经济学中存在的问题，显然具有一定的区域局限性，其通过数据分析得出的经济数学模型也仅仅适用于经济领域，而数据挖掘技术其理论基础为普适性的应用数学，范围实用性更广。

四、数量经济学与数据挖掘的技术应用

（一）数量经济学应用

数量经济学是量化了的经济学，其包含计量经济学和数理统计学。随着市场经济的发展，数量经济学影响着我们日常生活的方法面面，例如老龄化经济效应数理分析模型用来分析人口结构因素以及人口老龄化对我国经济成长潜力的影响，经济发展的灰色预测与模糊评价用来对于我国与世界各国的经济增长以及所面临的威胁机遇进行预测分析等。

（二）数据挖掘技术应用

数据挖掘技术所要处理的问题更广，显然其能够应用到的涉及面更大。例如数据挖掘技术主要被用在商业领域，尤其是在银行以及保险销售领域，例如在客户群体划分、客户流失分析以及客户信用记录分析等方面，其次在市场营销方面，数据挖掘技术更是大放异彩，例如著名的Bass Export利用IBM数据挖掘技术进行客户分析。

参考文献：

经济学数据分析篇（4）

关键词：

宏观经济统计分析；统计方法；关键问题

从概念上来看，宏观经济统计分析是建立在经济学、统计学知识体系基础上，以统计知识为核心，围绕经济学知识进行研究和分析。在我国社会主义市场经济体制下，宏观经济统计分析的内容也经历了几个不同发展阶段。在以计划经济为主时期，宏观经济统计分析主要运用计量经济学知识，利用数理统计和模型分析，来完成对国民经济运行系统的优化和平衡。同时，借助于政府统计系统，从国民经济运行相关数据分析中，对计划执行情况进行研究，改进下一阶段计划经济重大问题。这一时期的计划经济为宏观经济统计分析提供了基础数据，但是，对于统筹兼顾、优化管理为主体的计划经济管理思想是一以贯之的。从我国统计学发展历程来看，对于宏观经济统计分析的内容，概况的讲，主要是围绕国民经济主要经济指标来展开，如利用国民经济账户、投入产出、资金流量表、国际收支平衡表等，从各个核心部门、核心指标、核心统计体系中来分析国家、产业的发展状况，减少经济危机的发生。改革开放以后，我国宏观经济统计分析，借鉴了马克思社会再生产、计划经济管理理论，同时借鉴了国民经济核算体系理论思想，完善了我国国民经济综合平衡统计方法，逐步实现了财政、信贷、外汇、物资的四大平衡。在以信息社会、大数据时代为特征的第三阶段，宏观经济统计分析将实际问题作为研究重点，特别是经济学与现实问题的关联，大数据环境下数据的可比性，统计分析方法的科学性和实效性等。

一、宏观经济统计与宏观经济统计分析概念研究

我国国民经济统计主要依托国民经济核算体系，包括经济循环理论下的宏观经济统计指标体系，以及各类标准、统计分类等内容。宏观经济统计，从概念上理解为从宏观上来探讨经济运行过程及结果的统计测度理论和方法。从统计范围来看，主要从经济活动中来获取统计数据，包括各类经济活动的信息整理、也包括各类统计部门设计的用于统计实际数量的调查资料。统计学是依据统计学理论，运用统计学方法来对各类经济信息进行统计分析，如利用抽样调查来进行统计分析，以实现对样本总量的推断；在获取相关统计数据内容时，常用的统计方法有分类法、关联统计法、变化率统计法、总量统计法、结构统计法等。信息化社会的发展，特别是基于网络技术的电子商务平台的建设，使宏观经济统计分析的独立性和地位更趋重要。概括来讲，经济统计分析从统计方式、统计数据上来全面认识经济获得，并从有效分析中提升经济发展水平.宏观统计数据的测度方式及搜集方法，与传统的调查方法，如普查、抽样调查、统计报表相类似，在现代经济统计中，增加了软统计内容，如抽样问卷、心理量表等。宏观经济统计分析是建立在宏观经济统计基础上，利用统计学理论和方法，以实证经济分析来处理统计结果。从概念上来看，广义的宏观经济统计分析包括的经济活动较多，不仅有重要的宏观经济指标内容，还有其他与国民经济管理相关的统计分析。微观来讲，宏观经济统计分析主要从经济问题的统计分析研究中，来构建统计分析模型，并从统计分析变量或指标中探析统计数据所反映的结果。

二、宏观经济统计分析体系研究

1.宏观经济统计分析内容

宏观经济统计分析体系包括宏观经济学目标、宏观经济管理目标和宏观经济统计目标三项内容，对于宏观经济学目标，主要从宏观经济统计分析对象，如社会总供给、总需求等建立均衡统计分析，从国民收入分配统计分析中来构建各项统计指标，如产业结构统计分析、经济周期统计分析、知识经济发展与创新统计分析、消费-投资需求分析、通货膨胀统计分析等等。宏观经济管理目标主要从宏观经济运行体制及组织结构上，围绕国家经济社会重大战略开展统计分析。如创新型国家经济战略、科教兴国战略、财政政策、货币政策、城镇化区域发展战略、可持续发展战略等等。宏观经济统计目标主要从国家统计、部门统计、行业统计、区域统计等层次化统计数据基础上来开发，围绕社会创新、政府管理、科学研究等内容展开统计方法创新。

2.宏观经济统计分析问题

宏观经济统计分析是政府统计工作的重要内容，一方面归结为制度化的统计分析工作，另一方面表现为专题型或问题型统计分析工作。在制度化统计分析工作中，围绕政府统计调查指标体系，从宏观经济运行过程及结果中来搜集数量特征、数量关系，并从宏观经济运行情况综合表现上来剖析主要问题和成功之处；对于各项宏观经济政策措施的执行情况进行跟踪，对执行效果进行对照分析，并从存在问题中来提出应对建议。如国家统计局和各下属统计单位，每年要对上一年度的统计工作进行汇报，以经济分析白皮书形式进行综合。制度化宏观经济分析工作，能够从社会生产、市场供需、收入分配、金融市场化、国际收支等多方面进行呈现，既有动态指标，也有近期、中长期发展趋向分析。宏观经济专题统计分析具有灵活性和变化性，主要是围绕不同时期的经济工作，从经济问题中来展开针对性调查统计分析。其特点表现在：一是对所研究的问题或专题具有较深的研究；二是多采用多重调查方法来实现对专题问题的全面分析，如抽样调查、软实力调查、问卷调查等的综合使用；三是运用现代信息技术来提升统计分析能力，特别是用网络化平台技术来弥补传统调查方法的不足，改善数据质量等。

三、宏观经济统计分析方法研究

宏观经济统计分析方法具有多样性，针对不同问题，有搜集数据、整理数据方法，也有针对经济问题的分析方法，还有基于统计描述和探索性数据分析方法。总的来看，对于宏观经济统计分析工作，多种方法的综合运用有助于提升宏观经济统计分析的科学性和有效性。对于宏观经济统计分析，不同领域所涉及的统计方法具有交叉性。但对于宏观经济分析中动态经济分析、静态经济分析、比较动态经济分析、比较静态经济分析方法所反映的经济学问题，能够从全面质量管理方法中体现目标、过程、方法、绩效、因素等统计描述信息，改善统计分析的应用实效性。主要常用的方法有因素分析法、指数分析法、弹性分析法、时间序列分析法、应用回归分析法和多元统计分析法等。对于不同经济变量体系的描述，根据经济运行过程及数量特征，从所选定的指标变量上来进行估计，包括推算、核算和估算等方法。描述性统计分析方法是基于统计分析应用，从构建基本逻辑架构中来分析客观存在的相关变量之间的关系；由于经济活动中各经济关系之间存在动态性，需要从经济分析的聚类、因子分析等方法中，运用分层回归、分位回归以及协整分析方法来转换，以促进对各项分析指标体系进行综合评价和反映。同样道理，在宏观经济统计分析方法研究中，面对大量微观性数据，如何发挥统计变量测度及过程变量特征分析优势？实践中常用统计系统描述方法，将系统分类及归纳至分位、分层、立体、动态的复杂系统中，从探索各关系变量及因素之间关系上来进行描述性分析。如在人口普查以及经济普查中，对于各类模拟系统方法的运用，主要从各因素的顺序识别和组内方差缩小、组间方差扩大上来实现动态过程的科学推断，提升核心主体的统计分析精度。

四、宏观经济统计分析的趋向研究

从宏观经济统计分析的应用来看，当前社会环境下面对更多挑战，其主要研究方向有以下几点：一是做好对国家经济社会发展管理的重要决策导向研究，特别是在信息技术快速发展背景下，从海量数据分析中来挖掘科学的信息资源，来优化和辅助市场化竞争、产业竞争及区域、国际间的竞争需要。哈佛大学加里·金（GaryKing）提出“信息革命背景下，对于海量数据资源的统计分析，将席卷商业界、学术界和政界”。建立在大数据基础上的精细化测量行为研究，从经济领域、商业领域来拓宽延伸，以促进社会发展；二是顺应大数据时代的发展机遇，在中国特色社会主义市场经济转型关键期，从协同政府、行业、经济、社会发展关系的角度，以政府公共数据共享平台建设来完善社会发展科学管理水平，从中长期发展政策分析中来进行科学谋划和实施。对于统计信息平台中的活动、业务、行政记录、财务信息等资料，要按照统计数据的统一化要求进行科学转换，增强宏观经济统计分析的决策科学化能力；三是强化创新型国家建设统计分析工作，围绕国家创新能力、国家创新体系建设发展要求，从国家科技政策制订，到各项经济统计工作的实施，都应扎实推进宏观经济统计分析在经济建设中的核心和驱动地位；四是构建高端化的产业结构统计分析模型，围绕我国全面转型过渡期的产业结构现状资料，从构建“三高一低”产业结构高端化统计目标入手，加大对信息化金融产业的创新，延长产业价值链，增强产业辐射及带动作用，优化产业结构向高端化进程转移；五是注重金融统计分析，完善我国金融管理体系，提升金融管理效率。在建设金融服务业与其他产业的协同发展上，发挥统计手段来全面跟踪和优化我国货币政策服务环境，挖掘金融数据，加大金融风险监测和防范；六是注重宏观经济空间统计分析，依托大数据时代数据集中化平台，为宏观经济统计分析创造有利环境，实现大数据的共享、合作和协同发展，真正实现大数据的整体效益。

参考文献：

[1]赵彦云,周芳.试论大数据时代中国政府统计改革发展新模式[J].教学与研究，2014(01).

经济学数据分析篇（5）

一、引言

全球范围内，研究发展大数据技术并运用大数据推动经济发展、完善社会治理、提升政府服务和监管能力正成为趋势。指出:“要运用大数据提升国家治理现代化水平。要建立健全大数据辅助科学决策和社会治理的机制，推进政府管理和社会治理模式创新，实现政府决策科学化、社会治理精准化、公共服务高效化”;借助大数据推动政府职能转变，利用大数据提升政府治理能力，构建服务型政府，是本届政府始终关心并重视的问题。就地方政府及工作部门而言，提高大数据应用水平对更好地贯彻落实国家宏观调控政策、提升经济调控能力和决策水平至关重要。在此背景下，本文拟从省级部门工作实际出发，围绕经济运行监测分析工作中数据采集、数据分析、数据呈现等业务需求，分析探讨网络爬虫、文本挖掘、分类预测、可视化分析等大数据技术在实际工作的具体应用，为更好地开展经济运行监测分析提供新的视角。

二、经济运行监测分析及大数据简介

(一)经济运行监测分析简介经济运行监测分析是对经济运行动态指标进行连续性的观测及其规律性的揭示，需抓住关系经济运行的全局性问题进行深入分析，提出政策建议。以工业为核心的实体经济是国民经济的基础，工业与其他产业之间的关联紧密，是经济运行监测分析的主要着眼对象。因此，经济运行监测分析主要是从工业生产、效益、投资、外贸、价格等方面，以及与工业上下关联、影响并制约发展的其他因素(如与工业生产高度关联的能源、交通、信贷等主要生产要素情况等)，来描述工业经济运行的状态，并结合横向部门、各地工信部门、行业协会、重点企业等多方面信息，综合研判分析经济运行态势。经济运行监测分析不同于一般的统计分析，统计分析把数据的准确及时作为主要目标，而经济运行监测分析除了对数据的严格要求外，更加注重于对动态、活情况的把握，重点反映经济运行中出现的新情况、新问题，并对苗头性、倾向性问题进行深入分析，准确把握经济运行的走势，并把对经济运行工作进行指导作为主要目标。

(二)大数据及相关分析工具简介大数据是商业智能化的一个新的发展阶段，目前人们对于大数据还缺乏一个权威的说法，不同的机构对其认知各不相同。当前，人们在讨论大数据时，更多的是通过其若干基本特征去认识。IBM公司把大数据的特征概括为三个“V”，也就是规模(Volume)、快速(Velocity)、和多样(Variety)，但是更多的人则将其概括为四个“V”，即规模(Volume)、快速(Velocity)、多样(Variety)、价值(Value)。大数据技术，是指从各种类型的数据中快速获得有价值信息的一种技术，其水平反映了提取有用信息的能力，主要包括数据采集、数据清理、数据存储及管理、数据挖掘、数据可视化等。其中与经济运行监测分析工作密切相关的大数据技术主要是数据采集、数据挖掘及数据可视化。近年来，以Python为代表的大数据采集、数据分析工具日趋完善，在Python的集成开发环境(IDE)中有大量优秀的开发工具包，其胶水语言的特性能够将这些工具包无缝衔接，为数据分析人员提供网络爬虫、自然语言处理、机器学习、可视化分析等常用工具。

三、大数据技术在经济运行监测分析工作中的应用场景探索

(一)运用网络爬虫技术扩展经济运行数据采集范围网络爬虫技术又被称为网络机器人、网路蜘蛛，是一种按照规则，自动抓取信息的程序或者脚本。如果把互联网比喻成蜘蛛网，那么网络爬虫就是在网上爬来爬去的蜘蛛，根据既定目标选择性地访问互联网上的网页与相关链接，循环读取网页内容，获取相关信息并存储。经济运行数据的获取和开发，是经济运行监测分析工作的关键。在大数据环境下，经济运行监测分析工作不仅需要了解掌握本部门及相关部门的内部统计数据，也需要并应当从互联网公开数据中获取与经济运行息息相关的更多数据，如:大宗产品价格信息、土地市场供应信息、上市公司企业财务报表和经营状况数据等。但这些信息大多以网页等格式存在，难以直接获取下载，可在遵守相关法律法规的前提下，利用网络爬虫工具批量抓取网页上的有用信息，形成可用于分析的数据集，拓展经济运行信息采集的广度和深度。比如:为了解掌握近年来江苏全省工业企业土地要素保供情况，可设计网络爬虫工具抓取江苏土地市场网中13个设区市及下辖县(市、区)工业用地成交信息(除了行政区、地块编号、宗地位置、土地用途、成交时间、面积、金额等字段外，还可进一步抓取地块编号链接详情页中的竞得单位、出让年限等信息)，用于监测分析各地工业用地供应量、供应地价变化等。

(二)应用文本挖掘技术分析企业反馈信息主题及情绪变化文本挖掘(TextMining，TM)是指从大规模文本数据库中提取隐含的、以前未知的、潜在有用的信息和知识的过程，已广泛应用于网络舆情分析、商品评价分析、微博热点分析、学科前沿热点分析和有关政策文本分析等领域。在相关政府部门履职尽责过程中，以企业为主要用户或服务对象的相关政府部门业务系统内，积累了大量反映企业生产经营情况以及体现企业有关政策诉求和建议的文本数据。相较于数值型数据，文本数据作为企业反应情况的主要形式，蕴含着更为丰富的信息，但受数据量大、记录粗糙以及相应信息处理能力不足等多种因素限制，对文本数据系统挖掘相对缺乏，制约了对企业反馈信息的深入研究利用。就经济运行监测分析工作而言，可将基于LDA主题模型的文本主题抽取、基于朴素贝叶斯算法的文本情感分析等文本挖掘技术引入到对苗头性、倾向性、潜在性问题以及企业诉求建议的研判分析中来，定期对政府部门企业监测直报系统、问卷调查系统以及工作调研中企业反馈的文本信息进行挖掘分析，精准反映不同类型、不同行业的企业困难及诉求主题变化、情绪倾向，以获取企业真实准确的看法，为研究提出有关政策建议提供依据。

(三)应用机器学习算法识别预警企业生产经营风险机器学习，也就是计算机从大量数据中学习特定规律的过程，这些规律包括分类、关联分析、回归、聚类等，涉及到决策树、随机森林、逻辑回归、支持向量机、朴素贝叶斯、K近邻算法、K均值算法、AdaBoost、神经网络、马尔科夫等十几种算法。在运用大数据提升政府治理能力的时代背景下，以机器学习算法为代表的数据挖掘技术已经被广泛应用于各个领域，综合利用机器学习算法对经济运行数据进行深入挖掘分析，从中发现归纳有规律、有共性的问题和趋向，提炼出有价值的数据、信息、建议，可以更好地服务于政府决策。比如:在企业生产经营风险监测预警工作中，可综合应用LM神经网络算法、CART决策树算法，对来自市场监管、税务、人社、供电等部门的企业登记、纳税申报销售、缴纳税金、职工人数、社保缴费、用电量等企业生产经营指标，以及纳税状态是否正常、社保费缴费是否正常、电费缴纳是否正常等信息，建立对高生产经营风险企业和正常生产经营企业具有较强分类能力的风险识别模型，及时识别生产经营风险较大的企业，为预警和工作处置提供支持。

(四)应用可视化技术呈现数据分析结果数据可视化，是指将相对晦涩的数据通过可视的、交互的方式进行展示，从而形象、直观地表达数据蕴含的信息和规律。数据可视化是大数据应用的“最后一公里”。一方面，可视化技术可以帮助数据分析人员一眼洞悉数据背后隐藏的信息，不再受制于枯燥晦涩的分析算法;另一方面，可视化技术能够非常有效地传达信息中各种经济指标之间的复杂模式、趋势和相关性，更好地展现分析发现和结论，从而增进阅读者的理解。除了使用常用的柱状图、折线图、饼图、散点图、雷达图等图表呈现经济运行状况之外，还可以运用词云图呈现大量企业反馈信息文本的分析结论;运用动态图更加清晰地反映某种特征的变化趋势;运用GIS地图呈现产(行)业经济数据地理空间分布规律等，往往可以起到“一图胜千言”的效果。比如:应用动态气泡图展现近几年来江苏13个设区市工业增加值、工业用电量及高耗能行业占比等关联指标的变化情况，X轴和Y轴分别描绘工业增加值与工业用电量，不同颜色标识不同的设区市，气泡大小则反映高耗能行业占比情况，近几年的时间变化由气泡位置的不断变化体现，最终形成具有动画视觉效果的气泡图，表达出需要呈现的五维信息。

(五)数据报表自动化处理在日常经济运行监测分析工作中需要定期分析处理来自相关部门的分行业、分地区工业生产、效益、投资、价格报表，以及几百家重点监测企业生产经营指标数据，这些报表数据量大、指标多、需要计算分析的维度也多，如果依靠手工计算将占用分析人员大量时间精力。而利用大数据分析工具python开发相应的数据分析脚本，即使数据总量巨大、指标众多，也可以轻松实现对报表数据的自动化处理。比如:工业企业主要经济指标表中共有包括企业数、营业收入、营业成本、利润总额在内的17项指标，可以按照常用的规模大小、行业、所有制类型等分析维度，一键计算生成重点分析指标的同比、环比、占比、贡献拉动等数据，并同步绘制形成反映规模、走势、结构的柱状图、折线图、饼图等相关分析图表，大大提高基础数据分析处理工作效率。

四、大数据技术在经济运行监测分析应用中存在的困难问题

(一)缺乏专业人才支撑一直以来政府相关职能部门中承担经济运行监测分析的工作人员主要以经济学、统计学、以及中文等学科背景的人才为主，而数据挖掘需要综合运用计算机、数学以及统计学等相关知识，目前既懂数据分析和挖掘技术又具备经济运行业务知识的复合型人才较为匮乏，难以适应新形势下经济运行大数据分析和挖掘的要求。

(二)涉企政务数据共享有待进一步加强虽然近年来江苏出台了一系列政策文件，并以“不见面”审批服务为牵引，大力推进政务数据资源的整合共享。但受制于多种因素的制约，政务数据资源的整合与共享仍面临诸多困难。据不完全统计，江苏省级政务部门无条件共享数据量占部门掌握总数据量的比例不足10%，信息系统数据的共享比例不足50%，政务数据尤其是涉企政务数据共享不足，一定程度上制约了大数据技术在经济运行监测分析工作上的深化应用。

(三)成熟适用的分析模型及应用场景比较少就现阶段经济运行监测分析工作而言，相关应用场景和分析模型较少，数据挖掘的深度、综合利用的程度还有待提高。如:在工业生产、效益等主要经济指标预测方面，如何选用合适的特征指标、应用哪几种机器学习算法，怎么优化算法模型达到最优预测效果，都需要在工作实践中进行深入的研究探索。

五、加快利用大数据技术提升经济运行分析水平的对策建议

(一)强化专业人才培养一是加强对现有人员的技术培训。积极引导经济运行分析工作人员树立大数据分析理念，定期组织业务骨干参加前沿的、专业的技术培训，提升数据挖掘分析能力，打造经济运行大数据分析团队。二是加大对复合型人才招录力度。在新进人员招考和引进方面，设置相关专业需求，加大对具有统计分析、计算机技术(软件工程)、经济管理等多学科知识的复合型人才招录，引进新生力量，提高分析团队大数据素养。三是引入外部专业力量。数据分析人才的培养需要一定的条件和较长的周期，因此相关政府部门也可以通过购买服务、与高校院所开展课题合作等方式，借助专业机构技术力量开展经济运行大数据分析。

(二)加快推进政务数据信息共享进一步深化改革各自为政的数据资源管理模式，明确数据资源采集、存储、管理、使用等各环节的责任分工，理清权属关系，广泛汇聚、整合数据，并通过建设完善省级大数据共享交换平台，构建全省一体化的共享交换体系，实现全省政务大数据资源的全面汇聚、共享和应用，为包括经济运行监测分析在内的各项专题应用、基础应用奠定工作基础。

经济学数据分析篇（6）

[DOI]10.13939/ki.zgsc.2016.42.028

2015年9月份，国务院与工信部联合印发了《促进大数据发展行动纲要》，明确要求在“十三五”规划中重点推动大数据的发展和应用，建立运行平稳、安全高效的经济运行新机制，这也为在大数据时代下更加精准、更加高效地开展宏观经济分析提供了政策保障。

1 大数据在宏观经济分析中的重要作用

1.1 为宏观经济分析提供丰富的数据支持

我国经济发展正处于“三期叠加”的关键时期，影响宏观经济发展的因素也是多种多样，要想保证宏观经济分析结果的准确性和时效性，就必须以大量的数据信息做样本，对数据样本进行客观、专业的处理和评估。传统的宏观经济数据获取方式存在诸多弊端：一方面是数据样本数量有限，难以反映出影响宏观经济发展的整体因素；另一方面是数据获取途径少，时效性低，往往与现阶段的经济发展现状不相符合。而大数据技术借助于计算机、互联网和电子信息技术，能够在短时间内获取各个部门、各个行业的经济发展数据，例如全国旅游消费总额、全国商品房年销售总量等。可以说，只要数据分析部门获取了相应的数据调查权限，就可以随时调用管辖范围内与宏^经济分析相关的数据内容，从而极大地丰富了宏观经济分析所需的样本容量和样本种类，确保了宏观经济分析的准确性和时效性。

1.2 为宏观经济分析提供更多的方法

传统的宏观经济分析手段，由于受技术条件和工作理念的影响，往往采用统计分析和随机抽样分析的方式，近似地反映或推断出宏观经济的分析结果。随着市场经济的深化改革和我国经济体制结构的转变，传统的宏观经济分析手段难以适应国家经济发展的需要，云时代的到来和大数据技术的出现为宏观经济分析提供了更多种类、更加简便的分析方法。例如，传统的宏观经济分析由于获取数据困难，因此采用“随机抽样反映整体”的分析方法，其分析结果与实际情况必然会存在较大误差；而大数据的分析是以海量的数据样本为基础，并且样本种类丰富，基本上涵盖了影响宏观经济发展的所有行业，在此基础上得出的分析结论无限趋近于我国宏观经济发展的实际情况，提高了宏观经济分析的可靠性。

1.3 优化了宏观经济分析的技术

大数据分析与单纯的计算机数据统计的不同之处在于：计算机数据统计只能进行初步的数据分类和整理，并以数字、图标等形式展示出来，虽然具有较强的直观性，但是不能深层次地反映宏观经济内容。而大数据分析融合了计算机、电子信息和数学建模等多个专业技术，以海量数据为基础，建立数学分析和统计模型，利用分析模型对数据进行深层次的分析、处理和加工，并结合了语音识别、图像识别等技术，提高了数据分析技术的专业化水平。

2 大数据在宏观经济分析中的机遇与挑战

2.1 大数据时代宏观经济分析具有的机遇

大数据技术融合了多种现代化数据获取和分析技术，为宏观经济的精确分析提供了诸多便利条件，从当前的发展形式看，大数据在宏观经济分析中的主要机遇有以下几方面：首先，大数据技术使“在短时间内获取海量数据”成为了可能，为宏观经济分析提供了必要的基础保障。无论是进行宏观经济分析还是其他各类专业统计，数据获取都是最基础也最为关键的环节。数据样本的丰富度和样本容量，直接决定了后期分析结果能否反映实际情况，而数据样本越多，则最终分析结果越趋近于实际。除此之外，宏观经济是一个动态发展、不断变化的过程，这就要求数据样本在“获取-分析-得出结论”这一过程中占用尽可能少的时间。因此，数据分析师历来重视数据样本数量和样本获取速度，大数据技术兼具上述两种分析要素，在宏观经济分析中占据较大优势。其次，大数据扩充了宏观经济分析的空间广度，使数据价值得以体现。通过计算机互联网获取基础的数据信息，不仅能够有效跨越时间和空间的限制，而且在数据价值上也得到了一定的提升，并且利用专业数据分析软件和数学模型，拓展了数据所包含信息的深度与广度，为新时期进行宏观经济分析提供了有力支持。

2.2 大数据时代宏观经济分析面临的挑战

大数据技术在带来诸多便利的同时，其自身也存在着一些有待改进的地方，主要表现为：首先，大数据所采集的数据量大，但是缺乏有效的数据筛选标准，导致数据中夹杂着部分无用或不相干的信息。例如我们在采集“全国旅游消费总额”相关的数据时，可能会搜索到与旅游相关的“交通运输量”的信息，但是这些信息并不会对宏观经济分析起到影响，反而增加了样本总容量。因此，如何加强信息甄别和筛选，是下一步大数据技术优化的重要内容；其次，数据的安全性仍然有待提高。由于前期采集数据量非常大，但是进行宏观分析是一些相对漫长的过程，这些数据在保存期间如何确保安全性，关系到后期宏观经济分析的最终结果。虽然部分数据库建立了相对完善的防火墙和病毒查杀系统，但是也很难彻底根除非法访问的风险；最后，大数据时代的宏观经济分析需要大量专业化人才，但是从现阶段相关从业人员的整体情况看，大数据分析人才数量难以满足行业发展需要。

3 提升大数据对宏观经济分析作用的对策

3.1 构建良好的大数据获取环境

政府应当主导建立一个大数据的收集体系，在一些重要的宏观经济领域制订大数据的收集计划，从而保证大数据的获取。为此政府部门应当做好以下具体的工作：首先，政府部门要从思想认识上提高对大数据的重视程度，对于大数据在宏观经济研究中的价值予以认可。从而在实际的工作中能够形成稳定的资金投入并在政策法规上为大数据的应用提供便利条件。其次，政府应当加大高校或者是相关研究机构在大数据应用上的研究投入力度，支持研究机构在大数据应用上的深度挖掘，从而更好地发挥大数据的作用。最后，政府应当支持企业采用现代化的信息管理手段，从而为大数据的获取提供基础性的条件。利用企业的信息化系统可以快速地获取企业的相关发展数据信息，从而为宏观经济的大数据分析提供基础材料。

3.2 提升大数据的采集与管理工作水平

制定规范化的大数据采集与管理体系，保障用于宏观经济发展的大数据均能够得到有效的采集，并且还要确保数据的真实性。在利用大数据进行宏观经济的分析中大数据是基础的分析材料，所以有效地采集到大数据是十分重要的。首先，要规范大数据的采集工作流程，制定科学的大数据采集体系，从而促进大数据采集工作的有序开展。其次，对于在大数据采集过程中因小集体利益而不配合采集的个人或者是单位，应对其进行一定的处罚，从而威慑这些干扰大数据采集工作的不良情况。最后，要对大数据采集人员进行培养和提升，从而使其掌握较为熟练的大数据管理技能，为大数据的更好地应用提供条件。

3.3 培养大数据分析与应用人才

在大数据的应用中人才是其中的关键性组成部分，高素质的大数据分析与应用人才能够为宏观经济的分析提供有力支撑。为此，就必须在大数据人才培养上进行改进和提升。为此，应当做好以下内容：首先，政府部门应当重视大数据分析与应用人才的培养，出台各类支持性的培养政策。其次，高校应当根据现实的需求而开始相关的专业和课程，从而发挥大数据分析与应用人才培养的基地作用，以便为社会输送大量的大数据专业应用人才。最后，企业也应当在大数据人才培养上做出自己的贡献，对于企业内部的数据管理人员进行专业技能提升的培训，从而帮助他们掌握更多的大数据分析与应用的实际技能。

4 大数据与宏观经济政策制定

大数据革命为政府的宏观经济政策制定提供了机会。政府在政策制定上可以通过大数据分析系统提升公共服务质量，增加服务种类，并为公共服务提供更好的政策指导。同时，在大数据分析的运用、提高效率与其他政策和技术协同以及为公共服务领域带来变革等方面，政府可以加大重视和投入力度，为经济的进一步发展提供支持。

大数据给政府的经济统计工作带来了巨大影响。首先，面对大数据带来的技术变革，政府应该将其纳入政府统计之中。经济统计要充分利用大数据时代提供的技术和条件，促进政府统计工作的变革。例如“10亿价格项目”便是政府应对大数据变革的成功典范。其次，面对大数据带来的统计对象扩充，政府不但应当重视结构化数据，更应当重视挖掘非结构化数据，以期找寻出恰当的经济统计指标。大数据时代，非结构化数据包含更多信息，而且利用互联网进行的数据挖掘，不仅可以得到数字资源，文本数据也可以通过挖掘获得。最后，面对大数据带来的统计资源的拓展，政府应该将其统计资源拓展到政府以外，重视拓宽其他数据资源。在过去，政府靠自己的力量收集数据，但在大数据时代，人人都是数据的制造者。例如，谷歌和百度等数据巨头拥有大量政府无法获取的数据资源。政府要想办法让数据巨头将数据放到统计中来，而不能仅靠自己调查统计。

5 结论与展望

大数据时代极大地拓宽了信息来源、提高了获取信息的时效性，同时，新信息的非结构化对宏观经济分析的技术和方法提出了新的要求。在大数据背景下，由于数据噪声的存在，宏观经济数据挖掘变得十分重要，这就要改进技术，加强对非结构化和半结构化数据的挖掘。实时、快速、海量的数据为更加准确的宏观经济预测提供了可能，宏观经济预测模型也有待于进一步更新。在大数据时代，可以将机器学习算法引入宏观经济分析，改进宏观经济分析技术，解决“维数灾难”，提高宏观经济分析的准确性。大数据时代也将促进政府经济政策制定的变革，提升政策的时效性，提高政府服务效率。

参考文献：

[1]文桂江，李昕.大数据时代我国宏观经济数据的冲突与协调[J].河北经贸大学学报，2014（5）：131-133.

[2]崔光N.房地产价格与宏观经济互动关系实证研究――基于我国31个省份面板数据分析[J].经济理论与经济管理，2013（1）：157-162.

经济学数据分析篇（7）

学校经济管理是一项非常复杂和庞大的管理事项，涉及的部门众多，信息数据量庞大。而大数据技术对信息数据的处理有着独特的优势。民办学校在经济管理方面，自主性更强，对大数据技术的应用也更加灵活，因此，民办学校管理者必须充分认识到经济管理工作的重要性，与时俱进，不断更新经济管理理念，积极地探索和实践应用大数据，切实提高经济管理实效性，实现经济价值最大化、最优化。

 

1.经济管理中的大数据特点

 

民办学校经济管理方面涉及的数据来自于不同的层次和分类，既有人事、财务、资产、科研等常规管理型业务产生的结构化数据，又有多媒体教学资源等非结构化数据;既有用户使用网络产生的行为数据，又有物联网、移动互联网感知到的位置数据等。这些数据围绕着面对教师或学生的服务与管理而产生，具有碎片化、持续性特点。

 

1.1碎片化

 

“碎片化”指无论是学校的经济业务数据、教学资源数据或网络行为数据，都从某个侧面反映了“人”的一个属性。例如，从科研经费的资金数据、购买图书的资金数据，都直接或间接反映学校经济管理中的一个方面，只有将不同来源的数据进行有效整合，并建立量化分析模型，才能清晰准确地判断学校经济管理的整体质量和水平。

 

1.2持续性

 

“持续性”则体现了校园经济管理各项业务的规律，例如校园一卡通消费、上网时长、食堂费用、教师工资等，能够反映学校经济运行的基本规律，但这必须基于长期、持续的数据进行统计分析，仅靠短期数据分析获得的结论对指导学校经济管理无益。

 

2.大数据在民办学校经济管理中的作用

 

2.1为学校经费预算提供决策参考

 

民办学校在经济管理过程中，需要预算下一年度的各项经费，而通过大数据技术，可以对当前以及过往年份的各项费用开支情况进行综合分析，找到各项费用之间的关系，并预测其增长率。

 

2.2对学生的经济行为进行管理

 

学校经济管理并不单是学校自身的经济事务管理，也涉及学生在校期间的各种经济行为管理，通过大数据技术，可以对学生的经济行为进行统计分析。例如，有些学校通过校园一卡通消费数据来分析判断学生的经济情况，通过学习成绩变化和门禁记录数据来筛选需要心理干预的学生群体等。进行大数据的采集、处理和分析可以做出教育资源是否合理配置与均衡发展、学生行为特征、招生与就业情况、教育质量以及舆情的分析等。

 

2.3提高学校科研经济的效益和水平

 

从经济管理层面来看，科研经费的支出，是学校经济管理的重要组成部分。而科研经费的实际使用效果，在传统的管理分析工具下，很难得出有效的报告和建议。通过运用大数据技术，可以对相关科研经费的使用方向、实际效果等，进行更加合理科学的预判，从而帮助学生或者教师改进自己的学习与教学以及科研工作。

 

2.4减少学校经济管理的误差

 

大数据以及数据处理分析能力优越，而成为学校经济管理领域重要的技术手段。大数据技术在处理学校经济事务中复杂的数据方面，效率更高，精确度更高，可以大幅度降低传统经济管理事务的误差。

 

3.经济管理中应用大数据的措施建议

 

3.1做好数据的规划

 

早期信息化工作人员朦胧意识到：所有的数据都是有用的，但是具体怎么用，那时候并没有明确的路线。所以在数据的规划与管理中无法预料到以后的大数据分析与应用。但现在随着各种技术的发展以及对大数据的相关需求时机已到，民办学校必须有大数据规划的思想。哪些数据需要长期保存，哪些可以短期保存，哪些数据要重点挖掘，哪些数据必须高质量等。所以，拥有一个数据的长期规划是非常必要的。

 

3.2建立良好的数据管理机制

 

加强数据标准建设、重视历史数据积累、开发数据管理经济的模式、以需求主导服务方向，建立互助互利的数据交流模式。数据只有在流转中才能体现其价值，有价值的数据才能引起使用者的关注，使数据权威生产者变被动为主动地维护数据，以保证数据有效性。信息化部门应主动出击、抛砖引玉，为学校各项经济业务部门等不同层次的用户提供定制的主题数据分析。

 

3.3提高信息数据的共享交流效率

 

运用大数据管理学校经济，除了需要信息化部门的热情与努力之外，沟通极其必要。从而建立良好的数据分析产生与消费的通道。通过对数据的收集和整理，反过来为学校经济业务部门反馈数据的统计和分析结果，相互推动工作的发展。

 

结束语

 

经济学数据分析篇（8）

社会各组织机构离不开统计分析工作，其不仅能够让各个组织机构明确相关领域过去和现在的发展状况，更能对未来的发展趋势做出准确的预判，从而制定出科学的决策。经济领域是一个复杂、庞大的系统，国家在进行经济发展战略的制定时，往往以完整、准确的经济数据为基础，进行科学化的决策。而多元统计分析是统计分析方法的创新，对我国经济战略的制定和决策具有积极的作用。

1多元统计分析的概述

随着科技水平的不断提高，在互联网的发展背景下，多元统计分析方法与智能化分析逐渐融为一体，且在新媒体上进行数据处理与分析的过程中，从传统统计分析中衍生出来，并在大数据背景下继续发展，推动着统计分析工作迈向一个新的发展阶段。多元统计分析是利用数理统计的方法研究变量的问题和理论的，在经济领域中，经济统计所涉及的变量是多边的，而传统的统计分析是“一对一”的统计方式，这种统计分析方法不仅不能实现分析的时效性，更难以保证统计变量之间的关系，而多元统计分析便能弥补传统分析法的弊端，减少信息的流失，保证信息的准确性和完整性，进而全面反映出数据的情况。

2多元统计分析方法在经济中的应用

2.1多元回归分析的应用

为了能够客观地对经济规律进行分析，需要对经济变动形式进行计量模型的建立。多元回归法是通过经济计量模型分析经济走势的，目前比较常用的是通过数字方程进行模型的建立，通过模型进行数字方程的建立，且将模型中变量之间的关系进行梳理，并通过对经济计量数据进行预测，从而对经济的发展态势进行判定分析，进而全面的研究经济问题。例如，多元回归分析在我国通货膨胀问题中的应用。众所周知，通货膨胀最显著的特征就是整体的物价上涨，在这种情况下可以将已上涨的物价按照因变量进行统计分析，并将各种影响因素作为统计分析中的自变量，在此基础上研究影响各个物价上涨的因素。通过两种因素的结合制定相应的多元回归方程，进而让整个通货膨胀率能以经济模型的形式呈现，使引起通货膨胀的原因得以更系统的形式体现。

2.2聚类分析的应用

聚类分析法是多元统计分析方法中研究分类问题的一种方式，其所研究的领域较为宽泛，例如，在分类研究的问题上，从企业出发，可以将企业的发展类型进行分类、经营方式进行分类、收益模式进行分类。从国土资源出发，可以将国民的生活水平进行分类、土地资源类型进行分类、土地资源等级进行分类。例如，聚类分析法在企业经营效益分类的应用中，其能够通过对企业自身的指标进行整合，并以这些指标数据为基础进行统计量的整合。聚类分析法通过统计量的整合数据进行分类分析，将其他一些具有相似性的数据进行类比，以此将各个企业进行分类。最后，建立一个顺序排列系统，将不同类别的企业按实际情况从小到大进行排序。此外，还能以时间轴为基础，对不同的资料进行时间上的排列，这种有序聚类亦是经济学中经常应用的方式。

2.3主成分分析应用

在经济学数据分析中，各项经济指标和经济要素较多。此外，经济学指标相互之间多数会存在一定的相关性，这就导致部分数据与指标重复，通过主成分分析便能实现数据的“降维”，将主要数据进行提炼并加以整合，简化统计分析工作。例如，在评价经济效益的应用中，为了明确经济效益，就必须对相关数据进行统计分析，然而，经济指标的重叠让指标体系呈现多个指标。这给经济效益的评价带来了一定的困难，主成分分析能够将指标体系中的多个指标进行“降维”，将重叠指标信息进行重组，防止了数据的叠加统计，进而使经济的综合评价更加准确、客观。

2.4判别分析的应用

在多元统计分析中，判别分析旨在对不同经济数据与指标进行归类，这与文中的聚类分析不同，判别分析是在聚类分析基础下进行的，是将已知的数据进行合理归类，确定测试样品的属性范围。判别分析是通过分布函数进行统计分析，通过给定的多个个体数据和总体，对各个个体数据与指标相应所属的主题进行归类。例如，在经济指标归类中，可以依据判别分析法将我国企业的经济效益进行统计分析，将不同企业的经济效益进行聚类分析，形成优、良和差三个等级，当对一个新的企业进行等级分析时，可以通过其内部的经营数据与三个大类的企业数据进行对比，与之相似度最贴近的，即为同一类别企业。通过判别分析，能够明晰社会各个领域的经济发展情况，以此来有针对性的制定发展策略，实现科学化发展。判别分析法已成为我国经济发展中常用的一种多元统计分析法。

3结语

在多元统计分析中，任何分析法之间都存在着关联性。各种方式共同揭示着我国经济现象的发展形式和规律，所以，在利用多元统计分析时，若能充分进行定量与定性两种分析的结合，可以使统计分析工作更加全面、更加准确。

作者:程荣荣 单位:山西农业大学信息学院

参考文献

经济学数据分析篇（9）

关键词:

宏观经济;统计分析;重要问题;经济发展

一、宏观经济统计分析的意义和重点研究方向

(一)宏观经济统计分析的意义宏观经济统计分析就是指将宏观经济理论当做指导思想，并且通过导入数据库的方式引入国民经济的统计资料，为国经济中各个部门和生产环节的主要要素有机结合起来，并做出综合性的评估。国民经济的概念范围比较大，包含了多个部门环节和基本要素，国家经济统计工作者在进行全局性的宏观经济统计分析时，需要通过统筹各大国有企业的经济发展成果，结合外资企业的财务报表，以及为市场经济做有效补充的各个民营经济的生产经营状况。只有分析出各个部门之间的联系，才能对现行的国民经济运行状态做出客观和相对准确的评价，并且为我国未来的社会主义市场经济的走向指明道路，规划出适合我国经济持续、高速、绿色的发展道路。宏观经济统计分析的重要意义在于为国民经济的前行方向设置合理的目标，使国家经济部门的战略指挥部门对整体经济有大致的掌握。

(二)宏观经济统计分析的重点研究方向宏观经济统计分析和一般的统计分析一样，具有总体性的特点。我国的宏观经济分析针对的主体是国家的整体经济，不是局部经济统计，也不是针对东部经济发达地区的选择性统计，而是结合中部和西部，进行有参考意义的全局性分析。并且，实证性也是宏观经济统计分析过程中重点考虑的方面。整体数据是通过各区域的数据汇总而来，为了验证数据的准确性，必须要进行局部的抽样分析，这样才能够实时检测数据的准确性。以往的国家宏观经济统计过程中，对于数据的实证性重视程度不够，统计人员往往只是侧重于对于纸面上的数字进行分析与综合，而没有深入实地考察，导致所选取的样本对照数据与总体数据相差很大。以往的宏观经济统计工作中，受到统计技术手段的限制，没有如今高度发达的计算机网络处理技术，经济总量统计工作量特别巨大，人工操作的失误也难以避免，以往宏观经济统计分析的过程中往往需要耗费长达数月甚至半年的时间，统计的时效性不够强，我国的经济发展日新月异，各种经济数据指标瞬息万变，导致这些数据的可参考性并不强。

二、宏观经济统计分析发展的主要问题与措施

(一)统计主体侧重局部而非整体经济宏观经济分析针对的主体是国家的整体经济，不是仅仅针对局部经济的统计。为了解决我国的经济统计中的时效性差和涵盖面低的缺点，扫除统计数据的盲区。我国政府在电子政务和信息化数据建设方面的投入很大。信息网络技术可以实现各种数据图形和统计表格高效而准确的处理。另外，为了解决宏观经济统计过程中的管理失调问题，必须要在各个统计部门的信息数据共享平台上，展开资源的分享与远程操作。中国要想实现整体经济做大做强，成为具有国际竞争力的伟大国家，必须要在日常的宏观经济分析中发展适应大数据发展的平台，做好基础平台数字化信息建设工作。我们可以在地理信息系统和所有关联的统计数据基础上，发展适应大数据发展的平台，建设科学的服务业统计推算与经济核算科学统计方法体系。我们可以在国有的公路、铁路和航空公司、远洋海事运输、内河航运和天然气自来水等管道运输资源统计数据方面实现高度信息化，将科技统计恰如其分地融入到我国的宏观经济统计中去。使国家的市场经济体制获得重要的创新能力，在大数据的分析中建立经济系统重要的驱动要素。

(二)顺应大数据时展机遇的统计分析我们国家的宏观经济分析工作针对的主体是国家的整体经济，中国的特色社会主义市场经济发展正处于转型发展的过程中，由社会主义的初级阶段向社会主义的中级阶段过渡。在经济发展过程中，一定要发挥政府组织的积极作用，从我国伟大的经济建设导师邓小平同志推行“改革开放”伟大决策之后，我国的经济得到了30多年的持续高速发展，市场经济的各项制度不断成熟了起来，宏观经济统计分析方法也得到了进行发展的促进与提高。21世纪是我国经济追赶西方发达国家经济的黄金时期，改善国家宏观经济的统计方法，牢牢抓住机遇，展开大数据时代的统计分析数据工作方法的革新。大数据时代对于中国追赶和超越其他国家的一个非常好的机遇。保证政府宏观经济统计数据的全面和真实可靠。解决宏观经济统计工作中的问题，必须要从政府各个部门信息的数据做起，建立准确和系统功能强大的数据库，发展政府公共数据共享平台，支持政府经济社会发展过程中的科学管理，对于国家经济政策的中长期发展分析研究与科学规划，从而实施既有针对性又有效的整体宏观调控。

三、结束语

长期以来，我国的宏观体制下经济分析存在着诸多问题，在大数据时代，我们开展经济总量统计时，必须要认识到创新工作方法的重要性。在日常的宏观经济分析过程中，应该积极倡导各个部门相互配合，在团结与协作做好经济统计工作。我国可以通过号召、动员等多种形式组织相应部门进行试点改革，逐步推行经济文化发展的步伐，最终达到政府的职能部门在合理限度内积极参与数据共享工作，革除以往传统经济统计方式中过多关注自己利益而谎报数据的现象。国家可以通过号召和动员等多种形式组织相应部门进行试点改革，逐步推行，最终达到政府职能部门在合理限度中积极参与数据共享工作。

［参考文献］

［1］赵彦云．宏观经济统计分析发展的基本问题［J］．经济理论与经济管理，2013(5):23－34．

［2］邓颖洁．宏观经济统计分析的发展问题及对我国政府统计发展的作用研究［J］．现代经济信息，2014(17):9．

经济学数据分析篇（10）

2019年12月，农业农村部、中央网络安全和信息化委员会办公室关于印发《数字农业农村发展规划（2019-2025年）》的通知，部署了用数字化引领驱动农业农村现代化，加快农业农村生产经营、管理服务的数字化改造的发展战略，将全面提升农业农村生产智能化、经营网络化、管理高效化、服务便捷化水平作为农业农村发展的目标[1]。农业农村的数字化建设离不开专业人才的培养。农林经济管理专业毕业生的就业方向主要有农业经营单位、面向农业农村的政府管理部门、事业单位、科研院所等。随着农业农村数字化发展战略的推进，给传统的农经人才培养带来了一系列的挑战[2]。在数字经济和智慧农业的时展背景下，数据分析能力是农经专业学生重要的核心竞争力。如何提升农经专业学生数据分析能力，是农经专业人才培养中面临的重要课题[3]。

1农业农村数字化发展战略给农经人才培养带来的挑战

1.1对农经人才的数据思维的更高要求

在大数据时代，无论是农业生产经营活动，还是农村的行政管理中都有大量的数据资源。农业企业、农业合作经营组织、农产品产销数据、农产品溯源数据为农业经营者提供了生产、物流、销售环节大量的数据资源。经营者需要认识到数据是一种新的生产要素，要调动数据作为生产要素的属性，让数据分析为管理决策服务[4]。在数字中国的建设进程中，各级政府部门工作人员通过各级各部门的行政管理智能，收集了大量省、市、区、县级的区域经济社会发展数据。社区网格化管理下收集了微观层面的农业经营单位数据、农村常住人口数据、医保数据、扶贫数据、农村小额信贷数据。这些数据资源是政府提高行政效率、提高政务服务质量的宝贵资源。

1.2对农经人才的数据分析能力的更高要求

在大数据时代，每天都有海量数据生成，如何能更好地利用这些数据，让数据能发挥其为管理决策服务的功能，与数据使用者的数据分析能力是密切相关的。例如，农业经营单位在农业生产环节的农业投入数据、农产品销售数据、电商平台的客户反馈评论、农产品库存的动态数据，如何整合分析这些数据，要求农业经营者系统掌握数据分析、数据挖掘、文本分析等多元化的数据分析方法。政府管理部门掌握的农业人口的迁移数据、农村常住人口网格管理数据、农村居民医保数据、扶贫数据等，数据类型丰富，数据量庞杂，如何实现数据库的整合，要求政府部门工作人员掌握数据库管理、大数据分析技术。

2农经专业数据分析课程群建设中存在的问题

2.1课程之间连贯性不足

以笔者所在的高校为例，为农经专业本科生开设的数据分析类课程，见表1。数据分析课程群包括了通识教育、专业教育和实践教育。从目前的课程设置来看，涵盖了数据库、统计学、经济计量学、多元统计、大数据分析等领域，内容丰富。数据库应用由计算机学院开设，是一门通识教育课程，在授课时教师往往将其视为一门计算机类的入门课程，在教学中没有针对农经专业学生的特质，将数据库的教学与其在农经领域的应用结合起来。学生在学习中往往会觉得该课程与专业联系不够紧密，教学内容枯燥，缺乏学习兴趣。

2.2学生学习的软件种类繁多，但不够深入

在统计学和多元统计课程中，学生将学习EXCEL、SPSS或者R语言的应用，在经济计量学课程中学生将学习Eviews或STATA的应用，在数据挖掘与大数据分析课程中学生将学习Python语言的应用。在每一门课程中学习的软件都不同，对于软件的学习缺乏连贯性和延续性，虽然学生接触的软件种类多，但是由于学时所限，每一种软件都只是入门级的介绍，无法进入到深度学习。

2.3与专业课学习联系不够紧密，缺乏应用机会

学生缺乏在专业课学习中运用数据分析类课程所学知识的机会。数据分析类课程主要介绍数据分析方法和软件的应用，但大部分都安排在第5学期和第6学期。学生在学习了数据分析方法后，缺少在专业学习领域里运用这些方法的机会。例如学生若要完成产业经济学、农业技术经济学、农产品国际贸易学的专题研究、课程论文，需要用到统计学、经济计量学、大数据分析的方法，但在第2-4学期开设大量专业课的学期，数据分析类课程还没有开设。若能将数据分析类课程尽量靠前安排，学生可以在后续的专业学习、课题研究中运用所学的方法，一方面夯实数据分析技能，另一方面也可以增加学生对专业课的学习兴趣。

2.4排课不够科学

在大三阶段，学生可以选修多元统计、数据挖掘与大数据分析、Python语言三门选修课。但到了大三，学生专业课的学习任务重，选修课种类考虑繁多，学生选课可能出于兴趣、学分安排或者准备考研保研考虑，并不是每一位同学都会选修上述课程。尤其是计算机能力不太强、对数学类课程感到困难的同学，会倾向于选择难度小的课程。

3基于项目驱动式教学理念的数据分析课程群改革

3.1开展项目驱动式教学的意义

项目驱动教学法是基于行动导向的探究式教学方法，是将真实的或模拟的项目转化为教学项目，结合课程内容将项目分解为若干工作任务，创设工作情境，引导学生完成任务，进而实现项目教学目标的教学活动[4-5]。项目驱动式教学法最显著的特点是“以项目为主线、教师为主导、学生为主体”，改变了以往“教师讲，学生听”被动的教学模式，完善了学生主动参与、自主协作、探索创新的新型教学模式。与传统教学方法相比，教学实施过程中，学生的目标更清晰明确，可避免传统课堂教学的被动性，进而提高学生学习知识的兴趣和主动性[6]。在数据分析课程群中引入项目驱动教学，一方面能让学生运用所学的数据分析方法分析现实问题，创设数据分析情境，加深对所学方法的理解和运用，激发学习兴趣，培养自主学习能力；另一方面也可以有针对性地创设围绕“三农”问题的数据分析项目，让学生从数据分析中加深对“三农”问题的感性认识，培养对农经专业学习的兴趣，提升对农经专业的认同度。具体来讲，可以从以下方面开展对数据分析课程群的改革[7]。

3.2统筹规划教学内容，加强课程间的连贯和递进

农经专业数据分析课程群目前主要包括必修课数据库应用、统计学和经济计量学，选修课多元统计、数据挖掘与大数据分析，以及实践课R语言与统计应用、Python语言。统计学教学的重点在于对基础性的统计方法的运用，经济计量学教学的重点在于让学生掌握经济计量分析的范式，如何利用经济计量模型开展实证分析。多元统计强调对复杂多维数据信息的提炼。数据挖掘与大数据分析教学的重点在于大数据时代数据挖掘方法的应用。此外，针对于目前学生所学的软件门类过多，软件操作不够熟练，建议在统计学、多元统计、数据挖掘大数据分析中统一采用R语言进行教学，让学生通过几门课程的学习，能够熟练掌握一种统计分析软件。

3.3基于项目驱动对教学内容进行整合及优化，调动学生主动参与

例如统计学课程介绍了基础性的统计分析方法，在后续课程经济计量学、多元统计、数据挖掘与大数据分析中引导学生运用基础性统计分析方法，对数据进行初步的统计分析和整理，为经济计量分析、多元统计、数据挖掘做好数据处理上的准备，让学生体会到关联课程中所学知识的联结。鼓励学生积极参与“三下乡”活动，开展田野调查实践，围绕“三农”开展调研，运用统计和计量方法对调研数据进行分析，鼓励学生参与到教学中来，培养学生的学习兴趣，学以致用。

3.4建设“项目驱动”实践教学模块

结合农经专业课程体系，建设数据分析课程群“项目驱动”实践教学模块。在农经专业的课程体系中开设的农业经济学、农产品贸易、农村社会学等专业性课程对大量的“三农”问题进行了探讨，这类课程中涉及的城乡差异问题、收入和消费问题、农产品价格波动、农产品贸易等现实问题的研究，都离不开基于现实数据的定量分析。因此，在农经专业的数据分析课程群中可以结合教学内容引导学生对专业课学习中热点问题的研究，围绕课程教学大纲，建设“项目驱动”实践教学模块，理论联系实际，让学生在研究项目中运用所学的数据分析方法，加深对专业知识的理解。

4农经专业数据分析课程群优化方案

在大数据时代，数据分析能力是学生的核心竞争力之一。数据分析类课程在建设中要强调理论与实践的结合，不能只是将教学停留在课堂上，引入体现专业特色的实践教学环节。可以从以下几方面开展数据分析课程群的优化：第一，数据分析基础类必修课安排在大一学年。在第1学期，可以安排R入门、Python入门、数据可视化课程，让学生尽早接触当前主流的数据分析软件，激发学生对R或Python的学习兴趣，让学生自我拓展学习空间。R入门、Python入门、或者数据可视化课程都属于数据分析的基础课程，无需其他先修课程。在这一时期，让学生开始接触数据分析软件，学习数据可视化的分析工具，有利于培养学生的数据思维、数据意识和软件实操能力。第二，将与农经专业课有关的专业必修课统计学、经济计量学安排在第3-4学期学习。统计学课程需要学生先行修读高等数学和概率论课程，经济计量学需要学生先行修读微观经济学、宏观经济学，因此可安排在第3-4学期。让学生在掌握了一定经济管理专业知识后，可以更好地体会统计学、经济计量学方法论学科的应用价值。第三，将数据分析进阶类选修课多元统计、大数据分析、数据挖掘、机器学习等课程安排在第5-6学期。为高年学生提供丰富的数据分析类选修课，让学生结合自己的兴趣、未来的发展规划学习更加多元化的数据分析技术。鼓励学生能在专业论文习作、学科竞赛中有更多的机会运用自己所学的数据分析方法，增加学生的收获感和成就感，挖掘学生的学习潜力。第四，改革课程考核评价体系，采用项目式管理和评估的思路，由学生自主开展一个数据分析项目，从收集数据、提出问题、分析数据到提炼研究结论，开展小组团队成员互评。教师跟踪学生的项目开展过程，从学生的学习态度、投入程度、数据分析质量等综合评价学生的学习效果。

5结束语

将项目驱动教学引入到农经专业数据分析课程群的建设，让学生参与到教学中去，突破传统教学中“教师教学生学”的局面，让学生通过参与项目，运用数据分析方法解决项目中的实际问题，激发学生的学习兴趣和潜能，让学生体会到所学知识的应用价值，让学生不再对数据分析类课程望而生畏。本文的研究对于农经专业学生数据分析能力的培养有重要的意义，强调理论与实践的结合，提高学生数据分析的高阶能力，也能为同类课程开展项目驱动教学提供借鉴。

参考文献：

[1]农业农村部中央网络安全和信息化委员会办公室关于印发《数字农业农村发展规划（2019-2025年）》的通知[EB/OL].（2019-12-25）[2020-4-14].

[2]李虹贤.农业经济管理专业人才培养模式创新研究与实践[J].智慧农业导刊，2022，2（7）：110-112.

[3]冯开文，陶冶.农业经济管理专业实践教学改革———以中国农业大学经济管理学院为例[J].教育现代化，2017，4（23）：54-56+63.

[4]杜洪燕，陈俊红.乡村振兴背景下中国数字农业高质量发展路径研究[J].南方农业，2021，15（21）：213-214.

[5]金娥.基于项目式学习的《现代教育技术应用》课程学习框架的设计与实践研究[D].武汉：华中师范大学，2021.

经济学数据分析篇（11）

当前，大数据已经渗透到社会、经济、政治以及文化等众多领域。大数据在给各行各业带来了新的历史发展机遇的同时，也将给各行各业带来新的挑战。显然，对高等教育来讲也同样如此。相应的，对直接服务于经济统计人才培养的经济统计学专业建设来讲，迫切需要回答的问题是，在新形势下，专业建设遇到新的挑战又将是怎样的呢？进一步的，为了积极应对新的挑战又需要对旧的培养模式进行怎样的修正和改进呢？从现有的文献资料看，虽然学术界已经积累了大量与（经济）统计学专业建设相关的研究成果（如庞皓，1991；曾五一，1999；曾五一和尚卫平，1999；曾五一等，2010；朱宇兵，2009等），但基于大数据背景对这些问题较为深入的研究还比较缺乏，本研究则可以视为是对此进行弥补的一个努力尝试。

1经济统计学专业建设的发展现状

从某种意义上讲，经济统计学是一个新的专业。2012年10月，教育部颁布了《普通高等学校本科专业目录（2012年）》。在新专业目录中，除保留统计学为理学类一级学科（包括统计学和应用统计学两个二级学科）之外，在经济学类的经济学一级学科下增设经济统计学。正是在这样的背景下，目前我国高校经济统计学专业的开设一般有两种情况，一种是新专业目录颁布后新设立的，如中央财经大学、对外经济贸易大学、西南政法大学以及中南民族大学等；一种则是由原来的统计学专业更名而来的，如中南财经政法大学、天津财经大学、江西财经大学、南京财经大学以及中央民族大学等。从发展历史过程看，经济统计学并非是一个全新的专业，而是由以前的统计学专业发展而来。在1998年9月国家教育部颁布的《普通高等学校本科专业目录和专业介绍》中，统计学被列为理学类一级学科，但可选择授予经济学或理学学位。在这种背景下，根据具体的办学条件和偏好，各高校采用了不同的教育模式，一类是强调各类统计学所具有的共性。它肯定统计学的“理学性质”，按照理学类学科的特点设置课程。另一类则是强调各类统计学的个性，如财经类院校统计学专业（曾五一等，2010）。前者的数量较少，它是将统计学作为应用数学的一个分支来看待，所开设课程主要是数学和各种数理统计方法。后者数量占有绝大的比重，其专业方向包括国民经济统计、经济统计、管理统计、金融证券统计等（李宝瑜，2004）。从我国统计学学科建设的发展过程看，其特征主要表现为两个转变，即从起初的侧重理论培养向当前的强调实际应用转变以及从起初的主要服务政府部门向当前的主要服务社会企业组织转变。由于新专业目录颁布时间还很短，经济统计学专业还没有建立起新的培养模式，主要还是其前身———（经济学方向的）统计学——培养模式的一种延续。从我们掌握的资料看，目前各高校经济统计学专业的培养方案还主要是参照1998年《普通高等学校本科专业介绍》制定的，其培养目标是所谓的“复合型人才”，即具有坚实的经济理论基础，既懂数理统计方法、又懂经济统计方法，并能熟练掌握现代计算手段的经济统计人才（曾五一等，2010）。这种人才既是统计人才又是经济管理人才，不仅能胜任基层企业和政府部门的日常统计业务，而且能从事市场调查、经济预测、信息分析和其他经济管理工作。相应的，在具体的课程体系构建和安排上，各高校大都贯彻了“大统计”的学科观点，遵循“厚基础、宽口径、重应用”的复合型人才培养原则（向书坚和平卫英，2010），即在强调较为完整系统地介绍统计学主要理论和分析方法的同时，还强调其与经济学其他学科的密切联系，按照经济类学科的特点设置课程。也就是说，经济统计学专业的课程设置具有显著的二元性特征。从各高校的具体设置看，统计学方面的课程一般有数学基础课、概率论、数理统计、运筹学、随机过程、回归分析、时间序列分析、多元统计分析、抽样调查、非参数统计、统计预测与决策等；而经济学方面的课程一般则有微观经济学、宏观经济学、会计学、国际经济学以及与专业方向（如国民经济统计、财务会计统计、金融证券统计等）有关的课程。此外，和其他专业一样，经济统计学也重视学生应用和创新能力的培养，特别强调本专业的毕业生应该具有熟练地采集数据和应用计算机分析、处理数据的能力。因此，Excel、SAS、SPSS等常用软件的学习和训练也通常以实验课的形式被纳入到课程体系中。但是，要注意的是，我国各高校在制定或修订经济统计学培养方案时，有意或无意地忽视了当前随互联网技术日新月异带来的大数据海量涌现。而由于大数据和传统数据存在显著的差异，各高校现有的经济统计培养模式可能需要做出重大调整。

2大数据带来的挑战

大数据之所以在众多领域里引起关注，其根本的原因在于大数据蕴含着巨大的潜在价值。相对于传统的标准化数据，大数据不仅体量庞大、产生速率极快，而且也更为全面（甚至是整体数据）。因此，大数据的分析结果也更接近真实。换句话说，大数据分析往往意味着人们能够从这些全面的数据中获取新的洞察力，从而更有可能创造出新的价值，进而带来更大的发展。大数据蕴含的巨大潜在价值，势必将打破现有的数据边界，使大数据逐渐成为经济统计分析的主要对象。由于大数据与传统的标准数据存在显著的差异，对未来的经济统计工作而言，大数据势必将带来新的问题或挑战。简要地说，大数据带来新的问题或挑战主要来自于两个方面，即：

（1）数据来源问题。与传统数据主要来源于抽样调查或组织内部不同，大数据是互联网高速发展的产物。随着科技环境的巨变———个人电脑的全球普及，移动智能终端的盛行，物联网和社交网络的爆炸式发展，以及数以千万计的联网传感器节点在交通、汽车、工业、公用事业和零售部门等的广泛分布，这些都让数据的生产和收集的途径更为多元、更为广泛。不过，需要特别注意的是，由于其蕴含的巨大潜在价值，大数据已经成为了可以与物质和人力资本相提并论的重要生产要素和组织资产。相应的，对各类逐利组织（尤其是企业）来说，不仅需要考虑如何收集到大量的有效信息，同时也希望这些信息为其独自所占有，如最近阿里巴巴封杀微信、京东，断绝与社交网络新浪微博的账号合作。这种电商行业“封杀”现象的出现，其理由看似是如这些企业所宣称的那样为了保护公司的信息安全，但背后的根源其实是担心自身的内部商业信息通过互联网泄漏，担心用户流量的命脉被他人掌握。因此，在大数据时代，如何解决数据的封闭性问题将是经济统计工作数据收集面临的一个重要挑战。此外，对经济统计人才来讲，由于数据不再仅仅是标准结构的，资料收集新技术的开发和掌握也成为一种迫切的需要。

（2）数据分析问题。由于数据更多的是半结构化或非结构化的，传统的经济统计分析工具和方法可能不再有效。就大数据分析而言，经济统计工作需要解决的问题是如何从体量庞大且杂乱无章的各类数据中挖掘有效信息以创造新的知识和新的价值。在以前，数据很大程度上是指“数字”，如业务量、营业收入额、利润额、工业企业产值、固定资产投资、GDP等，都是一个个数字或者是可以进行编码的简单文本。而在大数据时代，人们不再是隐藏在终端和网络后面的隐形者，购物、社交、游戏、阅读、出行等信息都变成数据被收集到各种各样的储存设备中。而数据也不再是单纯的“数字”，还包括文本、图片、音频、视频等多种格式，其涵括的内容也更为丰富，如博客、微博、通话录音、位置信息、交易信息、点评信息、互动信息等。也就是说，数据不再只是结构化的，更多是广泛存在于社交网络、物联网、电子商务等之中的半结构化数据和非结构化数据。随着数据越来越大，越来越复杂，增长越来越快，要想建立和保持竞争优势需要对数据进行实时、有效的分析。而由于数据更多的是以半结构化和非结构化形式出现，过去传统的数据分析技术可能无法实现实时监测和分析。

3应对措施及建议

从个人服务到商业运营，从医疗卫生到公共教育，从城市交通到公共管理，大数据已开始撼动世界的方方面面。在带来新的发展机遇的同时，大数据时代也向包括经济统计在内的众多领域提出了众多挑战，需要做好充足的准备及应对。具体到与人才培养息息相关的经济统计学专业建设，我们认为需要从以下几个方面做出必要的变革：

（1）树立市场意识，避免人才培养与现实需求脱节。从目前的实际情况看，我国高校经济统计人才培养与市场需求之间或多或少存在一定程度的“学”“用”脱节，还没有全面实现学以致用。一方面，以企业为主的各类组织对经济统计人才需求非常急迫，如最近一份针对近千家企业和从业人员的调查显示，97.9%的企业认为数据分析对电商运营很重要，超过半数的企业表示数据分析能力欠缺，同时有近60%的企业希望专业数据分析人才加入，并愿意为此支付更高薪资；①另一方面，无论是课程体系还是教学内容以及教学方式，现有模式基本上是以传统数据为对象的。换句话说，在现有培养方式下，学生掌握的数理统计和经济统计方法可能无法满足大数据的分析需要，如传统的统计分组、频数分布等数据整理方法显然难以完全适用于图片、音频、视频等非结构化数据。因此，要真正做到“厚基础、宽口径、重应用”，则需要根据经济发展的需求设置教学计划、更新落后的教育内容、采纳现代化的教学手段，需要注意与其他学科之间进行充分的交流与融合，跟上当代社会科学的杂交化、整体化趋势发展的步伐。

（2）经济、统计与IT相融合，优化课程体系。在大数据的洪流中，数据分析是否能够带来新的洞察力、创造新的知识和价值，取决于从业人员是否掌握大数据收集、管理、分析和开发的相关特定工具。从我国高校经济统计学专业课程体系看，专业课程设置主要包括经济类基础课程与专业主干课程两大基本模块。虽然各高校都强调遵循“厚基础、宽口径、重应用”的复合型经济统计人才培养原则，也主张将理论方法的教学与计算机软件紧密结合起来（如“统计学导论”选用Excel，“应用多元统计分析”选用SPSS，“计量经济学”选用Eviews等软件作为计算工具），但在大数据的开发和应用日益成为新潮流、新趋势的背景下，仍然很少看到有高校在经济统计学专业中开设独立的、专门涉及大数据技术的相关课程。因此，根据现实人才需求的新变化以及大数据技术的不断进步和升级，我们应该对经济统计学专业的课程体系进行必要的调整，即根据大数据分析的内在需要，在经济学和统计学相关课程之外把大数据技术相关的课程纳入到现有体系之中，实现“经济、统计与IT”三方面内容的平衡和融合。在大数据时代，虽然经济统计所包括的主要工作仍然是数据收集和数据分析等，但是其内容却发生了翻天覆地的变化。如收集数据不再依赖于随机采样，而是需要利用多个数据库来接收发自客户端的数据，并导入到一个集中的大型分布式数据库。相应的，数据存储和预处理以及数据挖掘和分析也都是以分布式数据库为工作对象的。考虑到本科教育的基本要求与技术的实际发展水平以及通用性等，在Hadoop、NoSQL、HDFS等目前较为常用的大型数据分析软件和工具中，我们建议至少增设Hadoop方面相关的课程。

（3）与时俱进，加强师资队伍培养。能否把本专业的学生培养成为复合型的应用人才，取决于是否拥有一支高素质的教师队伍。随着大数据及其应用成为一种新的潮流和趋势，经济统计的专业教师团队建设也需要做出相应的调整和变革。从教师队伍的结构看，由于经济统计学专业发展的过程使然，目前我国各高校该专业的专业教师以具有经济学或统计学学科教育背景的教师为主，而具有信息技术教育背景的教师还非常稀少。由于大数据及其应用需要融合经济、统计以及IT等多个领域的理论、方法和工具，因此对经济统计专业建设而言，当前最为迫切的是，需要建设一支教育背景涵盖上述三个领域的结构合理的教师队伍。而实现的途径无非是两种：一方面是在全校范围内进行挖潜，重新组合和配置教师资源以优化经济统计专业教师团队；另一方面则是实施“请进来”战略，加大力度引进海内外优秀人才。在内部挖潜和外部引进的同时，专业教师团队建设还应该努力创造一个良好的人才成长环境，鼓励教师积极“走出去”，到国内外高水平大学进修和学习，鼓励教师不断以新的知识充实、提高自己，以此来不断提高本专业的教师质量和水平.

参考文献

[1]李宝瑜.统计学一级学科建设中的若干问题[J].统计研究,2004(8).

[2]庞皓.经济统计学课程体系改革的方向[J].统计研究,1991(1).

[3]向书坚,平卫英.30年来我国财经类院校统计学专业本科课程设置的历史回顾与展望[J].统计研究,2010(1).

[4]曾五一.关于经济管理类统计学专业课程体系设置的几点意见[J].统计教育,1999(8).

[5]曾五一,尚卫平.关于经济统计学若干问题的思考[J].统计研究,1999(11).