关于调查问卷中定性数据处理方法的探讨

调查问卷的答案中既有定性数据,又有定量数据.相对于定量数据的分析,定性数据的统计处理是难点.文章以某地区学生升学情况的问卷数据为例,对一些常用的定性数据的分析方法进行了探讨,同时列举了一些SAS的基本程序.     

数据挖掘与统计学的交叉

用统计的观点看,数据挖掘可以看成是通过计算机对大量的复杂数据集的自动探索性分析。是从大量的、不完全的、有噪声的、模糊的、     

抽样信息在复杂调查数据中的应用研究

随着社会经济的发展,人们越来越多地使用调查数据,尤其是利用复杂调查数据进行研究.复杂调查数据源于复杂抽样设计,是指在抽样调查过程中使用分层、多阶段、整群和不等概率等复杂抽样设计获得调查数据.在数据分析中,若忽视层、群等抽样设计的复杂性,直接利用调查数据按照传统数据分析方法,容易得出错误的结论,尤其是涉及标准误的估计.本文主要介绍复杂抽样设计和复杂调查数据的特征,对抽样信息在复杂抽样数据中的应用进行研究,并以中国家庭追踪调查(ChinaFamily Panel Studies,CFPS)为例详细说明抽样信息在复杂调查中的应用,说明在复杂抽样调查数据中使用抽样信息的重要性.     

市场经济统计特点初探

西方发达国家的市场经济统治是以市场为对象来进行设计和组织实施的,在统计体制、指标设置、调查方法、资料整理和调查等方面都显示出这一特点.党的十四大提出的社会主义市场经济理论为我国统计改革中如何利用资本主义市场经济统计的一些有效方法指明了方向.这里就市场经济统计的特点作一探索.     

人口地理信息系统探讨

人口地理信息系统是近年来迅速发展起来的处理与地理信息有关的人口数据的一门新技术,具有对图形和数据进行存储、更新、编辑,对属性数据与空间数据一起进行分析和模拟等功能,能按索引数据项进行地图及其上面信息的查询,对同一地图进行分层显示,将各类统计信息逐层叠加在同一地图的不同层(如行政区划、河流、公路、建筑物等)上,并能将分析结果以地图、表格、图形或统计报告等形式输出.     

谈探索性数据分析

谈探索性数据分析西安统计学院朱钰张颖８０年代后期，我国一些统计学者将美国统计学家Ｊｏｈｎ．Ｗ．Ｔｕｋｅｙ的著作《探索性数据分析》介绍给我国统计学界，对我国统计学研究和统计事业的发展起到了积极的作用。此后，也时有关于探索性数据分析（下文简称为探索分析）...     

地方统计的大数据战略

基于大数据时代背景,本文探讨了地方统计数据的特点,地方统计部门实施大数据战略的目的和特点,从技术角度研究了地方统计部门为运行大数据而构建的云框架实例,从统计科研角度,就创新大数据处理技术和其他信息技术手段在采集和处理数据中的优秀表现作了简要叙述,从统计大数据人才培养角度,论述了统计人才梯队建设的一些想法。最终,结合了地方统计发展的一些特点,提出地方统计的大数据战略部署和运作方法。     

Excel在统计工作中的应用

一项完整的统计工作，通常包括搜集资料、统计整理、绘制图形、处理数据，最终写出高质量的统计分析报告。我们在实际工作中常常用计算机来代替手工操作，但由于某些制图软件、数据库软件以及一些统计分析软件所具备的功能都是单方面的，对于一项完整的统计工作来说，分别使用这些软件，既不统一又不联贯。这里我们介绍一种“表格”式的数据综合管理与分析系统，即Ｅｘｃｅｌ，它集文字、数据、图形、图表以及其他多媒体对象于一体，以电子表格形式来进行各种计算、分析和管理工作。文章试从统计表的建立、统计制图、数据处理及统计分析这四个方面加以举例说明     

各国(地区)国际收支统计体系及借鉴

1 各国(地区)国际收支统计体系的特点 (1)美国 美国的国际收支统计架构是:商务部经济分析局通过调查取得直接投资和非贸易数据,财政部提供储备项目和证券投资数据,调查统计署、联邦储备委员会等多个部门提供其他相关数据.该国"国际贸易劳务和投资统计法"规定了各部门的统计义务和职责,各部门在一套严谨的数据质量控制体系下,借助电子信息化手段和先进的人员培训体制,分工协作、密切配合,共同完成统计任务.这种统计模式保障了美国国际收支统计工作的顺利开展,但由于统计工作的多头介入和管理,也存在部门间协调方面的问题,不利于提高统计质量和工作效率.     

加强基层人民银行调查统行工作的建议

基层人民银行全面、准确的统计数据是中央银行正确制定和执行货币政策的基础.多年来,基层人民银行调查统计部门为了保证各项金融统计、经济调查数据的真实、准确、完整,认真履行岗位职责,从数据采集到报表的复核和上报都严格执行操作规程,对上报的调查统计数据进行认真的核对,为确保数据的及时、准确和完整付出了辛勤的汗水,但在统计工作中也有许多需改进的方面.……     

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。     

基于统计数据的OLAP数据挖掘技术

一、概述数据挖掘是 90年代中后期兴起的一门跨学科的综合研究领域 ,它集计算机机器学习、统计学、数据库管理、数据仓库、可视化、并行计算、决策支持为一体 ,利用数据库、数据仓库技术存储和管理数据 ,利用机器学习和统计学方法分析数据 ,旨在发现大量复杂数据中蕴含的有价值的知识和信息。目前 ,随着数据挖掘应用的不断开展以及客观现实对数据分析需求的不断增长 ,人们越来越认识到数据挖掘的重要性和必要性。数据挖掘通过对数据的总结、分类、聚类、关联等分析 ,实现对数据内在结构特征的理解和对未知数据的预测。其中 ,数据总结是在数…     

数据分析中的数据质量识别

数据的质量直接影响数据分析的效率和分析结果的可靠性。数据质量包括数据结构质量和给定数据结构后的数据真实性、一致性和完整性。在着重考虑拿到数据之后,从单元格、记录、变量三个角度如何识别数据中潜在的质量问题,并以案例为支撑,介绍了各种可能出现的问题。     

数据省情

~~数据省情     

Data Splitting

Data splitting is the act of partitioning available data into two portions, usually for cross-validatory purposes. One portion of the data is used to develop a predictive model and the other to evaluate the model's performance. This article reviews data splitting in the context of regression. Guidelines for splitting are described, and the merits of predictive assessments derived from data splitting relative to those derived from alternative approaches are discussed.