国外大数据硕士人才培养的经验与启示——基于大数据文本挖掘

利用半结构化文本数据分析方法,从国外高校387个大数据硕士相关项目及国内22个相关硕士项目人才培养方案中提取出大数据高端人才培养的七大方向,并对不同方向的培养目标、课程、学分、学制等设置及其对应的人才市场需求匹配情况等相关内容进行剖析,为改革中国大数据高端人才的供给提出一定建议。     

大数据背景下线上商品价格变动对CPI的影响

文章利用2011年2月至2015年9月阿里巴巴研究院公布的网络零售价格(ASPI)指数及其各分类商品价格指数与国家统计局公布的CPI历史数据分别作为线上、线下一般商品价格变动的代理变量,在协整检验的基础上采用向量误差修正模型对线上、线下商品价格变动的关联关系进行了定量分析,并对构成ASPI的各分项商品价格指数与CPI之间的关系进行了分析.研究表明:在误差修正机制的作用下,线上、线下商品价格之间存在稳定均衡的关系.     

我国月度居民消费价格指数的预测方法与应用

文章用时间序列的BP神经网络和ARMA模型的方法对我国2005年1月～2011年5月的月度CPI进行了模型分析并检验了预测效果。对比分析表明,利用月度CPI时间序列的BP神经网络方法相比ARMA模型有更好的预测精度。     

大数据背景下贝叶斯模型平均的理论突破与应用前景

大数据统计分析过程中常面临模型比较和选择的不确定性问题。贝叶斯模型平均(BMA)方法可以通过先验和后验概率度量模型不确定性,并利用后验概率对模型的结果进行加权平均,最终得到更稳健的估计结果。在回顾贝叶斯模型平均发展历程的基础上,介绍贝叶斯模型平均的基本原理,综述其在一些难点问题上的理论进展,并介绍大数据背景下贝叶斯模型平均的应用前景。贝叶斯模型平均与复杂数据分析方法相结合,可能成为大数据研究的新思路。     

大数据背景下色谱经济分析方法的应用与展望

文章分析了大数据的特点及其背景下统计学所面临的方法与技术瓶颈,阐述了色谱经济分析法与统计学的关系及因其独特的分析功能和技术手段能够满足统计学应对大数据所需要的某些功能.在对色谱经济分析法的基本概念和理论介绍后,以消费者行为的分析为例演示了色谱经济分析法的基本过程,并展望了色谱经济分析法作为统计学的创新方法在大数据中的应用前景.     

基于动态因子和混频数据的天然气需求概率预测模型设计与应用

随着天然气消费需求的快速增长,需求波动也显著加剧,导致部分地区天然气供需出现季节性和阶段性的失衡。本文基于混频采样框架、分位数回归模型和核密度估计的天然气需求混频概率预测模型,构建了包括天气状况、能源市场、资本市场和投资关注4个方面的综合性混频动态因子系统,以期更精确地预测我国的天然气需求。研究发现,天气状况、能源市场和投资关注对天然气需求的预测能力优于资本市场。在天气状况方面,每日温度是月度天然气需求的最佳指标;在能源市场方面,月度天然气需求呈现出显著的自相关特征,持续时间为3～5个月,石油现货价格和煤炭现货价格的影响持续天数较短,分别为11天和10天;在预测表现方面,样本外的月度天然气需求实际值大部分出现在概率密度曲线的最高点附近。本文所提出的模型不仅能够直接使用混频动态因子的前瞻性信息,还能够获得平滑的天然气需求概率密度曲线,预测精确度相较现有模型提升14.13%～29.15%。研究结论为保障我国天然气市场安全,完善“双碳”政策设计提供有益的决策参考。     

《纸牌屋》热播给我们的启示——大数据背景下建设服务型统计的几点思考

正《来自星星的你》是否回到星星尚未可知,《纸牌屋》又席卷而来,这部被中国网友戏称为白宫甄嬛传的美国政治悬疑剧,正在全球四十多个国家热播。《纸牌屋》的制作商奈飞公司根据其拥有的庞大用户数据资源,利用大数据挖掘技术,推导出喜欢BBC剧、导演大卫·芬奇和演员凯文·史派西的用户存在交集,投巨资     

大数据是经济高质量发展的新引擎吗？——基于数据基础设施与技术应用的双重效应解释

本文以高质量发展为目标,对大数据基础设施与技术应用能力的双重驱动机制进行分析,验证“梅特卡夫定律”是否能解释大数据发展规律。研究发现,第一,大数据能通过推进市场一体化优化资本与劳动力配置,推进经济高质量发展,且大数据技术应用的积极作用强于数据基础设施。第二,现阶段,数据基础设施与技术应用存在异质性高质量发展效应,前者的积极效应发挥需跨越一定门槛,且存在“适度区间”;后者则呈正向“边际递增”特征,且在数据基础设施支撑下,数据技术应用的“边际递增”效应增强。第三,“邻近合作”有利于激发数据基础设施的高质量发展溢出作用,“技术强强联合”可增强数据技术应用的空间溢出作用。第四,数据技术应用的积极效应发挥存在营商环境与教育水平依赖性,现阶段其仅能激发数字经济产业高质量发展,在传统产业方面动力不足。本文证明了“梅特卡夫定律”在大数据应用中依然存在,有助于加深对数据基础设施建设与技术应用能力提升的认识。     

《统计研究》的历史阶段性回顾与特征分析

本文基于各个时代背景下我国统计学科的重要事件,联系过去十四届中青年统计科学研讨会的会议主题,利用文本数据挖掘技术,对1984年至2014年第5期《统计研究》刊登的5192篇文章的篇名、关键词和摘要等做深入分析。探讨了我国30年来统计学科的发展历程,剖析了《统计研究》期刊的整体特征,进一步明确了《统计研究》杂志对中国统计学科建设发展的重要贡献。     

基于混频模型的CPI短期预测研究

传统的CPI预测模型都是基于相同频率的月度数据,金融市场的高频日度数据需要转化为月度数据才能使用。这会忽略日度变量所包含的CPI短期走势信息。为充分利用这些信息,本文基于自回归混频数据抽样模型同时考察了金融市场一阶矩收益和二阶矩波动的日度信息对CPI的短期走势预测的影响。结果表明,股票收益、短期利率和长短期利差变化量仅在收益水平上对CPI短期走势产生影响,而长期利率、粮食和能源商品市场的收益和波动都有助于CPI短期预测,而且收益对CPI的影响要比波动更加持久。相对于传统的月度时间序列建模方法,本文的混频CPI模型具有更好的样本内解释能力和样本外预测能力。另外,引入二阶矩波动的日度信息在一定程度上能更多地降低预测偏差。     

基于CPI分项目价格指数的中国核心通货膨胀估计及政策选择研究

 核心通货膨胀是观测到的通货膨胀中长期的、持续的成分。核心通货膨胀对经济形势的判断与宏观经济政策的制定有着重要的意义。本文使用CPI分项目价格指数建立动态因子指数（DFI）模型估计了2001年1月至2011年4月中国的核心通货膨胀。结果显示,我们估计的核心通货膨胀反映了通货膨胀的趋势,能够很好地反映货币供给的变化,对未来5-19个月的CPI亦有较好的预测能力。     

基于加权网随机区块模型的学术热点提取算法

学术热点在把握科学前沿、掌握学术动向、制订科研规划、学术作品评审等领域中有广泛的应用。针对学术热点发现中对文献市场选择性影响体现不足和热点内容结构表现单一的问题,本文提出了以学者选读文献为基础的学术热点提取模型和算法,设计了基于加权网模块社群挖掘算法的随机区组模型两阶段算法,用于发现带结构的学术热点,模拟和实证研究均表明算法在学术热点提取中取得良好效果。     

Bayesian disclosure risk assessment: predicting small frequencies in contingency tables

Summary.  We propose an approach for assessing the risk of individual identification in the release of categorical data. This requires the accurate calculation of predictive probabilities for those cells in a contingency table which have small sample frequencies, making the problem somewhat different from usual contingency table estimation, where interest is generally focused on regions of high probability. Our approach is Bayesian and provides posterior predictive probabilities of identification risk. By incorporating model uncertainty in our analysis, we can provide more realistic estimates of disclosure risk for individual cell counts than are provided by methods which ignore the multivariate structure of the data set.     

学术论文的数量特征与文本趋势

结合文献计量与文本挖掘方法,以《统计研究》自1984-2013三十年载文为主要研究样本,探讨学术论文的数量特征与文本趋势。研究结果表明,（1）统计研究领域与知识结构的变迁大致经历了经济统计、实证方法与经济统计、模型化和经验数据实证方法等几个主题;（2）无论是作者、机构还是基金资助,发文量皆基本符合“二八原则”;（3）并非近十年左右,而是近三年的论文更频繁地被引;（4）声誉是一个长期概念,因此,作为测度学术声誉和影响力的重要指标,影响因子的趋势相比于某一年份的实际值更为紧要。     

PPI与CPI关系及我国通货膨胀治理

 PPI和CPI关系是宏观经济研究热点问题之一。通过TS季节调整模型和HP滤波方法对1993年1月-2010年7月定基PPI和CPI进行分解,得到趋势、季节、不规则和循环因素。发现两者的趋势、季节和不规则因素间的传导和“倒挂”不显著,增强了用循环因素研究两者关系的科学性。研究发现,（1）两者间传导和“倒挂”交替出现,分别经历两个周期,均在第二周期波谷处逆转。传导和“倒挂”时隔有明显周期。（2）2003年前PPI向CPI传导的原因为投资膨胀、卖方市场等。2003年后PPI与CPI“倒挂”的原因除投资膨胀外,有效需求不足,买方市场,粮食和住房价格上涨等。（3）针对当前通货膨胀特点,提出有别于要素价格管制和货币紧缩政策,可解决物价的长期深层矛盾。     

数据归并与连续自变量虚拟化

 本文基于数据双侧归并的一般化设定探讨了回归方程中包含归并数据时的参数估计问题。对于某些变量存在数据归并的线性模型,由于样本似然函数非常复杂,普通的一阶优化条件没有解析解,Newton-Raphson迭代也难以收敛。我们基于EM算法来计算参数的ML估计,推导了对应的参数迭代方程,给出了参数的一个闭式解。特别是,当数据双侧归并比例达到100%时,被归并的连续变量退化为虚拟变量的形式,对此,我们建议使用AIC或SC来识别回归方程中的虚拟变量是否为结构变化抑或是变量归并。     

基于带跳时变系数模型的PPI与CPI相关性研究

2008年以来,我国PPI与CPI走势出现了多次背离与分化,从整体上看,两者相关性很弱。但从动态视角来看,由于相关关系可能会因时而变,整体相关性有可能被关系本身的方向和强弱变化所削弱甚至掩盖。为准确反映两者相关性的动态变化,本文放宽时变系数函数的光滑性假设,提出了带跳时变系数模型,并给出一种非参数三步估计方法：首先,估计系数函数中跳点的位置和个数;然后,基于估计的跳点和Bootstrap方法选择的窗宽给出系数函数的最终估计;最后,利用蒙特卡洛模拟评价本文提出的非参数估计和窗宽选择方法的有限样本性质。通过对2008年1月至2017年12月我国PPI和CPI月度同比数据的实证分析,我们发现该模型能较好地刻画PPI与CPI相关性的时变和带跳特征,进而也验证了该模型的应用价值。