基于大数据思维的统计学若干理论问题

本文基于大数据思维,对统计学若干理论问题进行了讨论。本文认为：在大数据背景下,统计学以数据为研究对象没有变,作为方法论科学的性质没有变,以探索真相为根本任务没有变;但是作为统计学研究对象的数据出现了四个新的动向,即数据内涵有新理解,数据结构与来源有新方式,数据不确定性有新表现,数据分析思路与技术有新要求;为此,需要重新理解和定义总体、个体与样本,标志与变量,可靠性与有效性这三组统计学中最基本也最重要的概念。最后论文指出,大数据为统计学发展提供了新的平台,需要我们从数据、方法和应用三个维度同时发力。     

目光深远的统计学大师 ——张尧庭先生逝世五周年纪念

 张尧庭先生是一位目光深远的统计学大师。本文认为他生前提出的下述观点即“统计学的发展全靠数学与实际问题的推动”,“为反映整体的、动态的东西统计学必须要有新突破”,以及“促进数理统计和经济统计的学术交流”等,在今天仍然具有现实意义,可为我们现时的统计学教学与研究的深入发展提供有益参考。     

大数据与数据工程学

大数据的冲击并非是对以样本数据为对象的统计学的颠覆,而是对现代统计学的扩展。本文结合大数据的相关特征,以数据经济价值的扩展为切入点,从数据价值挖掘的角度论证了数据挖掘与大数据分析的关系,探讨了大数据背景下数据衍生品的创造与数据工程学创建的必要性。在此基础上,参照“金融工程学”的概念及学科体系,对“数据工程学”的概念进行了界定,并对数据工程学学科体系构建的相关理论基础、主要研究内容与分析技术进行了归纳与说明。     

城镇居民消费的“习惯形成”效应

 本文利用“中国营养与健康调查”数据对中国城镇居民消费中的“习惯形成”效应进行了研究。本文以家庭的食品消费微观数据作为非耐用品消费的代理变量,并运用动态面板系统广义矩估计方法来解决模型的内生性问题。本文研究发现,“习惯形成”可以从一定程度上解释近年来中国城镇居民消费不振及高储蓄的现象,这一效应即使在考虑了城镇家庭的“预防性储蓄动机”之后仍然是稳健的,并且其对消费的边际影响比“预防性动机”更为重要。不仅如此,本文还发现家庭越富有,习惯形成越强,储蓄倾向越高。     

我国通货膨胀率的最优目标区间几何？

 内容提要：本文首先提出了面板数据动态门限回归模型的二阶段合并最小二乘（2SPOLS）估计方法;其次,基于中国29省市自治区1978-2008年的面板数据,对中国通货膨胀和经济增长之间关系的实证分析发现,在一定程度上,我国通货膨胀率对经济增长率的作用存在两个门限值的“双门限效应”,其门限值分别为3.2%和15.7%。所以,通货膨胀率位于（0%,3.2%]时,温和通货膨胀对经济增长率存在“托宾效应”。通货膨胀率超过3.2%时,通货膨胀率对经济增长率存在阻碍经济增长的“反托宾效应”,尤其,通货膨胀率高于15.7%后,恶性通货膨胀严重阻碍经济“软扩张”。因此,我国通货膨胀率的最优目标区间是（0%,3.2%]。     

大数据时代统计学重构研究中的几个热点问题

随着新兴科学技术的迅猛发展,我们目前正面临大数据时代。大数据是“未来的新兴石油”,它必将对未来的科技与社会经济的发展产生深远影响。认识大数据这个崭新的概念是一个逐步深化的过程,有必要将对其研究上升为国家意志,因为大数据将深刻影响人类的决策模式和社会经济的运行模式,将发展成为一个极具潜力新兴产业,最终成为解决中国社会经济、政治转型期的重要手段。 迄今为止,能借助的国内外文献不多,虽然国内很多研究工作者希望尽早进入相关的大数据研究领域,却无从下手。为此,本文前瞻性地介绍当今大数据统计学理论研究中的几个热点问题,以期能有更多的他人后续研究。     

政府统计数据质量内涵的演化与启示

 内容提要：在统计“入世”与市场化改革双重背景之下,统计数据质量研究凸显其重要之处。本文选取政府统计数据质量内涵为研究对象,基于国际统计数据质量标准和各国统计部门成功实践经验的双重视角,对其发展历程中所形成的“传统与现代”、“狭义与广义”、“绝对与相对”、“一般与特殊”四组范畴进行梳理,进而总结出政府统计数据质量管理工作的若干要点,并就此对进一步提高中国统计数据质量管理水平提出些许思考。     

大数据与统计新思维

最近,《大数据时代》等几本书引起了广泛的关注,大数据正在改变着人们的行为与思维,那么以数据为研究对象的统计学该如何应对？本文基于对大数据的理解,认为统计思维需要发生三个方面的改变：即认识数据的思维、收集数据的思维和分析数据的思维要改变。其中,数据分析思维又要在统计分析过程、实证分析思路、推断分析逻辑等方面发生变化,同时统计分析评价的标准也要有所调整。围绕这些变化,本文提出需要从八个方面去积极应对大数据,以促使统计学科跟上时代的步伐。     

地方资源禀赋、制度环境与地方债发行

我国地方政府债务水平的高速增长引发了各界的警惕,而地方政府的发债动机、发债能力更是饱受质疑。本文利用2004-2012年我国地级市的发债数据,对政府发债动机及发债能力进行研究。我们发现,地方政府的投资冲动越强,地方政府发行债券的可能性越高;城市的财政赤字情况越严重,则地方政府发行债券的机会越低,而城市的经济规模、经济增速则对城市发债能力产生正面影响。在此基础上,我们进一步研究制度环境对城市发债行为的影响。研究表明,金融成熟度对城市特征产生了“放大”效应,发债双方的关系更加遵从“市场规则”;而“关系成本”的存在则打破了“市场规则”对地方政府的约束。我们的研究深化了对地方政府发债行为及地方政府债务风险的理解。     

房租的“非财产性收入”属性及居民收入分类研究

 内容提要：十七大报告中提出的“财产性收入”的概念,引起了广泛的关注。国家统计局对其进行了界定并通过“城镇住户调查”对居民收入进行了分类和统计。然而,我国的“财产性收入”与联合国国民经济核算体系（SNA）中的内容存在较大冲突,由此进行的居民收入分类和统计也和美、加等发达国家存在很大差异。本文通过SNA的账户设置和经济内涵,分析了房租收入的非财产性收入属性,并在此基础上提出了我国居民收入类型的调整建议。     

官方统计应如何面对Big Data 的挑战

 随着信息化、网络化时代的到来,"Big Data"的浪潮为整个社会带来了信息金矿,也给官方统计带来了挑战。本文对官方统计应该如何正确认识"Big Data”,如何积极应对“Big Data”带来的挑战,进行了初步分析,给出了作者的明确回答。     

Sufficiency Revisited: Rethinking Statistical Algorithms in the Big Data Era

The big data era demands new statistical analysis paradigms, since traditional methods often break down when datasets are too large to fit on a single desktop computer. Divide and Recombine (D&R) is becoming a popular approach for big data analysis, where results are combined over subanalyses performed in separate data subsets. In this article, we consider situations where unit record data cannot be made available by data custodians due to privacy concerns, and explore the concept of statistical sufficiency and summary statistics for model fitting. The resulting approach represents a type of D&R strategy, which we refer to as summary statistics D&R; as opposed to the standard approach, which we refer to as horizontal D&R. We demonstrate the concept via an extended Gamma–Poisson model, where summary statistics are extracted from different databases and incorporated directly into the fitting algorithm without having to combine unit record data. By exploiting the natural hierarchy of data, our approach has major benefits in terms of privacy protection. Incorporating the proposed modelling framework into data extraction tools such as TableBuilder by the Australian Bureau of Statistics allows for potential analysis at a finer geographical level, which we illustrate with a multilevel analysis of the Australian unemployment data. Supplementary materials for this article are available online.     

对大数据统计设计的思考

本文认为大数据统计与三个问题有关：大数据发展趋向极限无穷,人类社会数据信息将发生什么变化？大数据发展会不会产生危害社会进步的数据垃圾？大数据即使是一场革命,那么作为数据科学的统计学脱胎换骨地继承与发展是什么？本文对此回答包括,提出大数据发展的统计设计观点,从理论和实践上做出了论证分析,并联系我国实际,探讨了我国大数据发展中的统计设计理论和内容要点。     

社会保障对农民工家庭城市生活消费的影响——以举家迁移农民工家庭为例

基于辽宁省农民工调研数据,采用OLS回归、Heckman两步法和处理效应模型,分析了社会保障对举家迁移农民工家庭城市生活消费的影响,并采用分位数回归法进一步考察了社会保障在不同消费水平上对家庭消费决策机制产生的影响。研究表明,社会保障对农民工家庭生活消费有显著的正向影响;有社会保障家庭的消费决策明显区别于无社会保障家庭,这主要表现为人均收入、人均耕地面积、户主年龄和人均受教育年限等家庭特征对有社会保障家庭和无社会保障家庭生活消费的影响存在明显差异。     

大数据分析仍需要统计思想——以ARGO模型为例

在大数据时代,传统的统计学是否还有用武之地成为很多人的争议。本文以ARGO模型为案例,介绍了统计方法在大数据分析中的应用和取得的成果,并从统计学的角度出发,提出改进的措施与方法。通过ARGO模型的分析结果发现,大数据分析的很多根本性问题仍然是统计问题,而数据中的统计规律仍然是数据分析要挖掘的最大价值,这也意味着统计思想在大数据分析中只能越来越重要。而对于结构复杂、来源多样的大数据来说,统计学方法也需要新的探索和尝试,这将是统计学所面临的机遇和挑战。     

The Current Landscape of Teaching Analytics to Business Students at Institutions of Higher Education: Who is Teaching What?

Business analytics continues to become increasingly important in business and therefore in business education. We surveyed faculty who teach statistics or whose institutions offer statistics to business students and conducted web searches of business analytics and data science programs that are offered by these faculties associated with schools of business. The intent of the survey and web searches was to gain insight on the current landscape of business analytics and how it may work synergistically with data science at institutions of higher education, as well as inform the role that statistics education plays in the era of big data. The study presents an analysis of subject areas (Statistics, Operations Research, Management Information Systems, Data Analytics, and Soft Skills) covered in courses offered by institutions with undergraduate degrees in business analytics or data science influencing statistics taught to business students. Given the notable contribution of statistics to the study of business analytics and data science and the importance of knowledge and skills acquired in statistics-based courses not only for students pursuing a major or minor in the discipline, but also for all business majors entering the current data-centric business environment, we present findings about who is teaching what in business statistics education.     

Rank tests for independence based on partially right-censored pairs

Linear rank procedures are developed for testing independence with right-censored matched pairs. It is assumed that censoring Is Independent of the random variables under study. The test statistics are derived as score statistics (Hajek and Sidak, 1967) based on the probability of the generalised rank vectors (Prentice, 1978). Applications to survival data analysis are also discussed.