与能源消耗等指标发生偏离的GDP是否可信

本文选取了1995-2014年全国30个省市数据,综合使用了向量自回归模型、参数面板模型、非参数面板模型和面板门限模型对GDP增速与电力消费增速、第二产业增速、第三产业增速、财政收入增速、货物流转增速、能源消费增速和固定资产投资增速等物理性指标间的关系进行了建模.实证研究发现,GDP增速、电力消费增速、第三产业增速、能源消费增速之间存在作用机制,但是这种影响模式并非一成不变,在不同时间段内,其模式发生改变,同时,这一影响模式也随着人均GDP的变化而发生阶段性改变.在经济新常态下,不能因为经济转型中的GDP数据与物理指数之间发生偏离,而简单否定GDP的准确性.     

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.     

处理缺失数据的分数插补法研究

随着研究中对数据质量要求的提高,缺失数据相关问题也越来越受到重视.文章主要论述了处理缺失数据的方法之一——分数插补法的理论基础,并在此基础上研究了分数热卡插补法及其方差估计,同时使用模拟数据,对分数热卡插补法的实现过程做了模拟研究.通过对比实验,可以得到分数热卡插补法能够在保证原有数据分布的基础上,减少因插补造成的偏差,提供更加准确的插补结果.     

非线性面板数据聚类方法研究

对于一类变量非线性相关的面板数据,现有的基于线性算法的面板数据聚类方法并不能准确地度量样本间的相似性,且聚类结果的可解释性低。综合考虑变量非线性相关问题及聚类结果可解释性问题,提出一种非线性面板数据的聚类方法,通过非线性核主成分算法实现对样本相似性的测度,并基于混合高斯模型进行样本概率聚类,实证表明该方法的有效性及其对聚类结果的可解释性有所提高。     

流程性材料参数估计问题探讨

流程性材料最大的特点是其变异性小。对于这类总体,现有的标准差估计方法由于既包含组间差异,又包含组内差异,常常会夸大其估计误差。针对此,首先通过抽样设计,得到具有分层抽样特点的样本;然后借鉴单值—移动极差控制图中标准差的估计方法,构造了这类总体的标准差估计量。这样构造的标准差估计量,由于其估计误差中仅包含组内方差平均水平,从而更符合该类总体变异性小的特点。实际应用表明,该标准差估计量能显著降低估计误差。     

中国GDP核算误差的特征事实与发生机制——兼论计量模型方法对于GDP数据质量的评估功效

基于GDP数据的历史修订与地区差异情况,依照反事实分析的推理逻辑,考察GDP核算误差的特征事实,探讨其中覆盖误差、操作误差以及估算误差的发生机制与影响模式。结果表明,在各年份现价GDP数据中,由覆盖误差和估算误差造成的综合效应是以系统性的低估为主,其中服务业部门是核算误差的主要来源所在;地区层级GDP核算过程中覆盖误差、估算误差与操作误差的综合效果以持续性的数据高估为主,其中的操作误差效应也会存在于国家层级的GDP核算中。由于缺乏对于GDP核算误差发生机制的必要考虑,计量模型方法在评估GDP数据质量中的功效非常有限。     

关于工业机器人多传感器数据融合技术路径的探讨

本文重点对异质多传感器数据融合技术进行探讨,包含在特征提取阶段根据各传感器特性分别采用效能最高的特征提取技术,采用模糊神经网络算法进行融合,实现快速、准确的异质多传感数据的融合.     

大数据时代公民隐私数据的收集与处置

隐私权是公民一项基本的人格权利。随着大数据时代的到来,公民的隐私数据不可避免地进入公共领域,随时存在被他人"知晓"的状态,成为一个"透明人"。社会治理者在实施社会治理的过程中,需要通过监控手段收集公民包括隐私数据在内的信息,从而更好地实现社会治理的目标。同时,电商企业也在开展商业活动的过程中,收集到了公民大量的隐私数据以求谋取商业利益。在隐私数据不可避免被收集的大数据时代,公民并非束手无策,他们可以通过自己的行动,寻找有效保护自己隐私权的路径。     

以数据化的隐私权为代价——Google搜索引擎并不"免费"

隐私权在互联网时代被搜索引擎服务提供者以隐性获取、贩卖等方式侵害.首先指出隐私权在网络时代日趋隐形化且被用户忽视,分析GOOGLE引擎经营模式,指出搜索引擎免费收集和使用用户数据的方式.进而探讨在网络搜索引擎服务提供者和网络用户在用户数据上的法律关系问题,指出用户数据作为用户隐私权的重要组成部分受到保护的紧迫性,并提供了几种可行的方法.     

大数据时代下的高校人力资源管理探究

在大数据时代下,人力资源管理工作不仅是人和人之间的交流,也包括数据整理和分析.对大数据技术的合理应用可以有效解决高校人力资源管理面临的问题,真正发挥其在高校各部门中的作用,成为高校管理活动中必不可少的支柱.笔者对大数据及其应用做出概述,同时阐述了高校人力资源管理方面面临的问题,最后提出将大数据应用到高效人力资源管理方面的建议.