大数据的整合分析方法

大数据具有数据来源差异性、高维性及稀疏性等特点,如何挖掘数据集间的异质性和共同性并降维去噪是大数据分析的目标与挑战之一。整合分析（Integrative Analysis）同时分析多个独立数据集,避免因地域、时间等因素造成的样本差异而引起模型不稳定,是研究大数据差异性的有效方法。它的特点是将每个解释变量在所有数据集中的系数视为一组,通过惩罚函数对系数组进行压缩,研究变量间的关联性并实现降维。本文从同构数据整合分析、异构数据整合分析以及考虑网络结构的整合分析三方面梳理了惩罚整合分析方法的原理、算法和研究现状。统计模拟发现,在弱相关、一般相关和强相关三种情形下, Group Bridge、 Group MCP、Composite MCP都表现良好,其中 Group Bridge的假阳数最低且最稳定。最后,将整合分析用于研究具有来源差异性的新农合家庭医疗支出,以及具有超高维、小样本等大数据典型特征的癌症基因数据,得到了一些有意义的结论。     

时变空间权重矩阵面板数据模型稳健LM检验有效性研究

空间权重矩阵是描述个体间空间关系的重要工具,通常基于个体间的地理距离构造不随时间而改变的空间权重矩阵。然而,当个体间的空间关系源自经济/社会/贸易距离或人口流动性/气候等特征时,空间权重矩阵本质上可能将随时间而改变。由此,本研究提出时变空间权重矩阵面板数据模型的稳健LM检验。大量Monte Carlo模拟结果显示：从检验水平和功效角度来看,基于误设的非时变空间权重矩阵的稳健LM检验存在较大偏差,但是基于时变空间权重矩阵的稳健LM检验能够有效地识别面板数据中的空间关系类型。尤其是,在时间较长和个体较多等情况下,时变空间权重矩阵的稳健LM检验功效更高。     

大数据视角下名录库更新维护——基于互联网异源异构数据整合的探讨

统计系统基本单位名录库是统计数据质量的基石,现有数据源在成本、时效性、数据提供者负担方面存在劣势。为此,提出一种互联网大数据整合视角下的名录库更新维护思路：从参与者行为、数据质量角度论证了将异源异构互联网作为名录库更新数据源的优势,讨论了名录库基本信息、属性信息及地理定位信息获取的技术手段,并给出实例应用。     

基于行政记录人口普查方法的国际比较

开展基于行政记录的人口普查被视为有效破解传统人口普查难题的途径之一,亦是顺应大数据时代充分挖掘人口行政记录资源的必然之选。本文较系统地阐述了基于行政记录人口普查方法的基本框架,尝试对“完全模式”人口普查和“组合模式”人口普查的实施步骤进行解析。基于此,本文选择芬兰、奥地利、瑞士、荷兰四个国家,分普查基本情况、行政记录类型选择和基本记录库形成、已存在统计记录系统基本结构、专门组织的抽样调查设计、不同系统间的链接途径、新人口统计信息质量评估方法等六个维度,对实施基于行政记录的人口普查方法进行了国家比较。     

数据科学的统计学内涵

数据科学以大数据为研究对象,而大数据对统计分析最直接的冲击莫过于数据收集方式的变革,同时统计分析的视野也不再局限于传统的属性数据,而是包括了关系数据、非结构、半结构数据等其他类型更丰富的数据。伴随着数据开放运动,数据库之间的关联信息的价值逐步得到体现。基于统计学的视角分别从科学理论基础、计算机处理技术和商业应用等三个维度研究了数据科学的统计学内涵,探讨了数据科学范式对统计分析过程的直接影响,以及统计学视角面临的机遇与挑战。     

住房需求与城镇居民消费

住房不仅兼有消费和投资功能,而且还是家庭社会地位的象征。对社会地位的关注会促使人们把更多的资源从非地位性商品转向地位性商品,从而扭曲资源配置。本文首次基于地位寻求理论,利用CHFS数据对中国城市家庭的住房需求行为和消费行为进行了实证分析。结果表明：1.中国城市家庭的住房具有明显的地位特征,家庭居住面积不断扩大与地位攀比有关。2.无论是中低收入家庭还是高收入家庭,住房面积扩大对消费的挤出效应都是显著的。而房价上涨仅抑制了中低收入家庭的消费,对高收入家庭没有显著影响。     

明瑟收入方程的若干改进和思考

明瑟收入方程自明瑟1974年提出以来,由于方程的简洁性、可控性及易操作性,被学者广泛运用于人力资本对收入影响的研究,明瑟方程在实际运用过程中也得到了不断发展。基于众多学者对明瑟方程的改进和思考,本文从截面数据和跨时期数据两个角度提出一些对明瑟方程进一步改进的思路,以期使明瑟方程得到更为广泛的运用。     

Does the Internet increase labor productivity? Evidence from a cross-country dynamic panel

The Internet has various economic functions and is a fundamental part of most economic activities and transactions. In this paper we apply a Dynamic Panel Data approach to study the impact of the Internet on labor productivity using data from 108 countries for the period 1995–2010. The results of the study show that the Internet has positive and statistically significant effects on labor productivity. Assuming other factors stay constant, increasing the number of Internet users by one percent increases GDP per employed person by $8.16–14.6. Educational expenditures as a percentage of GNI, per capita health expenditures, trade and gross capital formation as a percentage of GDP also have positive and statistically significant effects on labor productivity.     

“大数据”背景下利用扫描数据编制中国CPI问题研究

扫描数据为政府统计源头数据信息化改革与宏观经济测度提供了新的技术范式。基于对世界各国利用扫描数据编制CPI的现状进行梳理研究,并针对中国扫描数据的现状和政府价格统计的特点,提出了一种利用扫描数据编制中国CPI的思路,力图为基于"大数据"的政府统计源头数据信息化改革提供理论和实践参考。     

Coverage probabilities of nonparametric simultaneous confidence bands for a survival function

Simultaneous confidence bands provide a useful adjunct to the popular Kaplan–Meier product limit estimator for a survival function, particularly when results are displayed graphically. They allow an assessment of the magnitude of sampling errors and provide a graphical view of a formal goodness-of-fit test. In this paper we evaluate a modified version of Nair's (1981) simultaneous confidence bands. The modification is based on a logistic transformation of the Kaplan–Meier estimator. We show that the modified bands have some important practical advantages.