数据挖掘及其在官方统计中的应用前景

数据挖掘是处理大型数据集的信息处理方式,在官方统计中存在大量的大型数据集,加上官方统计机构对数据质量的要求,使得在官方统计中应用数据挖掘具有广阔的前景。     

函数数据挖掘及其在中国消费函数分析中的应用

以数据挖掘的思想,提出了利用Bemstein基构建一般函数数据的方法。在此基础上,根据中国31个省（自治区、直辖市）城镇居民的人均年收入和消费性支出的数据,构建了消费函数数据,并进行误差分析,求出消费函数的一阶和二阶导数,进一步挖掘消费函数的发展速率,取得良好的效果。     

住房公积金政策与缴存职工收益

本文基于某典型城市微观数据,定量研究了公积金存贷款政策对缴存职工从公积金系统中获得的“互助收益”水平的影响规律.研究结果显示,公积金贷款利率对缴存职工提取公积金购房概率、申请公积金贷款概率和公积金贷款金额均存在显著的负向影响,公积金贷款限额则对缴存职工提取公积金购房概率和公积金贷款金额存在显著的正向影响,这些因素义进一步影响缴存职工从公积金系统中获得的互助收益水平.研究结果同时显示,现行公积金政策可能导致对缴存职工住房需求的支持力度不足和公平性不足两方面的问题.基于前述规律的政策模拟发现,通过不同的政策组合调整,有可能实现提高职工收益、刺激住房需求或改进公平性等特定政策目标.     

半参数Beta回归模型在数据挖掘中的应用

回归分析是数据挖掘中重要的方法之一。文章研究了基于半参数Beta回归模型结合惩罚样条估计的数据挖掘方法。当数据中因变量的数据取值为(0,1)区间(或某个区间)时,利用半参数Beta回归模型进行数据挖掘,不仅具有很好的解释效果,而且能挖掘出隐含在数据内部的有用信息。实验结果验证了研究方法的有效性。     

住房公积金问题雏议

住房公积金制度是为了解决广大职工的住房问题而建立的一项重要社会保障制度。本文阐述了住房公积金制度运行中存在的住房公积金覆盖面不够宽、缴存比例和基数不一、个人缴存额相差悬殊等主要问题,从单位缴存住房公积金意识不强、职工对住房公积金制度认识不够等六个方面具体分析了原因,提出今后应采取加大“扩面”工作力度、扎实推进制度建设、有效提高增值收益、健全完善政策等措施。     

大数据在我国高速公路超限问题研究中的应用初探

本文运用大数据思想,创造性地建立了基于高速公路联网监控系统大数据的统计模型,挖掘出了其中隐藏的数据间相互关系,并结合高速公路车辆超限问题进行了分析.研究中采用山东省高速公路联网监控系统数据进行建模分析,得到了我国高速公路车辆超限的规律.     

大数据挖掘的均匀抽样设计及数值分析

就大数据生成过程的多维性、稀疏性和动态性等特征而言,大数据集并不等于统计总体,即便对于静态大数据集,随机抽样同样有着不可或缺的参数估计和总体推断的方法论价值。在大型数据分析中,常常遇到需要降低维度和减少计算量但又不知如何抽样处理的问题。因此,提出均匀抽样在大数据挖掘中应用的基本策略,并使用模拟数据和医学胎心宫缩监护数据集进行数值分析。结果表明:均匀抽样在降低决策树、adaboost、bagging和随机森林的误差率上优于现有文献的常用方法,这一策略能为面向大数据的数据挖掘方法提供参考,也为针对大数据分析的抽样有效性提供佐证。     

数据挖掘在企业中的应用

随着企业业务的不断深化拓展,大量数据的原始积累完成,如何利用统计分析原理,有效的从原始资料中汇总出对企业决策支持有帮助的信息,对于企业发展显得尤其重要。伴随着信息技术的日新月异,有效地利用数据挖掘技术,将会使企业信息化进程从信息收集升华到信息管理的层面。     

公积金不能成为腐败的避风港

我国建立住房公积金制度以来，在解决职工住房问题、转变住房分配体制、圆了许多职工住房梦等方面发挥了重要作用，但是，由于新建立这项制度时的仓促，出现了立法滞后、监管缺位、缴存标准不一、挪用侵占严重等问题，特别是许多部门和单位钻空子，擅自提高标准，把住房公积金演变成“福利性腐败”，引起社会强烈不满。     

数据挖掘在R&D统计中的应用分析

在R&D统计领域,传统的数据分析方法已经越来越难以满足社会经济发展的需要.基于数据挖掘的基本原理与方法,文章首先分析了在R&D统计研究中运用数据挖掘的必要性及其重要作用,进而给出了R&D统计数据挖掘的操作流程,最后提出了R&D统计数据挖掘中应注意的几个问题.     

数据挖掘技术在医疗费用分析中的应用

文章运用Clementine11.0对医疗数据进行挖掘,通过对胆囊炎患者住院情况及住院费用的分析,寻找胆囊炎患者住院费用的影响因素,实现对其医疗费用数据内在结构特征的理解和预测。得到的相关结论可为合理控制费用提供参考,同时提高医疗保险机构管理人员的工作效率和管理水平。     

数据挖掘技术在浙江省经济统计中的应用

目前经济统计数据的特点是经济统计数据库的数据庞大而且数据质量突出,传统的统计数据处理方式还是停留在见到的统计报表,缺少智能性的深层次的分析处理,以至于数据间的潜在关系和规则未被发现和利用,并且有部分虚假数据未能识别出来。本文提出了将数据挖掘应用于浙江省经济统计中,并对数据挖掘如何在浙江省经济统计中应用作了初步探索,为经济决策提供有力的支持。     

序列异常技术在异常数据挖掘中的应用

在大型的数据集中,通常包含一些数据对象,它们与数据的一般行为或既定模型表现不相一致,这些数据对象被称为异常数据.大部分数据挖掘方法将异常数据视为噪声或异常而丢弃;然而在一些数据探索中,如保险欺诈、信用卡欺诈、违规交易等检验中,罕见的事件可能比正常出现的事件更有意义.因此,在利用原始数据进行挖掘之前,有必要对其进行异常数据的查找和检验.     

数据挖掘中的聚类分析

文章从聚类分析的作用、相异性度量、算法简介及计算机操作程序四个方面论述了如何在数据挖掘中进行聚类分析     

数据挖掘在老龄人口健康调查中的应用

研究高龄老人的问题,对实现健康老龄化具有重要的意义,也会填补关于高龄老人信息的空白.在入户调查数据的基础上,用聚类分析、神经网络、决策树、逻辑斯蒂回归等数据挖掘技术,对老人的思维状况、日常活动能力和户外活动等基本方面进行数据建模分析.针对影响老龄人思维能力和身体健康的主要因素,应加快老年人服务机制和福利设施建设,创造老年人就业机会,开展老年人再教育.     

住房公积金管理新规呈现五大亮点

日前《关于住房公积金管理若干具体问题的指导意见》公布。这部旨在维护缴存人利益、充分发挥住房公积金作用的新规,呈现出五大亮点。一是新规强化住房保障功能:规定缴存比例上下限、贷款最高额度[规定]设区城市(含地、州、盟)应当结合当地经济、社会发展情况,统筹兼顾各方面承受能力,严格按照《条例》规定程序,合理确定住房公积金缴存比例。单位和职工缴存比例不应低于5%,原则上不高于12%。各地要根据当地经济适用住房或者普通商品住房平均价格和居民家庭平均住房水平,拟订住房公积金贷款最高额度。     

数据挖掘在投资理财意识调查分析中的应用

金融机构对于客户的挖掘和分类有利于挖掘潜在客户和做出适当的营销决策.将决策树、逻辑斯蒂回归和贝氏机率分类算法用于挖掘购买股票、美金和期货的客户,同时用其分析被访者对不同金融产品的交叉购买行为,为金融机构的交叉营销提供依据.     

大数据时代之统计数据挖掘实证

作为一项重要的资源和资本,数据将为企业带来巨大的商业价值和潜在效益.文章基于统计学的视角,对大数据时代数据挖掘在交叉销售中的应用进行较为深入但通俗易懂的探讨,并结合实例,运用统计数据挖掘技术建立某地区电信增值业务交叉销售模型,得出了6条有用的规则集,这些规则集都有较好的支持度和置信度,根据这些规则集,企业可以预期哪些人将成为企业的目标客户,向谁实行交叉销售会收到良好的效果,这些信息对企业的生产经营和销售都具有重要意义.     

数据挖掘技术在保险客户理赔分析中的应用

利用数据挖掘技术对海量保险业务数据进行风险分析,通过交叉频数分析确定保单中风险较大的因素,为管理决策提供依据;将决策树、支持向量机、逻辑斯蒂回归和贝叶斯网络四种数据挖掘算法用于保户分类,提取高风险保户的潜在特征,挖掘理赔概率较高的保户群,以指导保险公司的营销工作。