应用统计学专业导论小论文怎么写
从统计学的发展趋势谈统计教育的改革 摘要：要培养出新型的21世纪的人才，统计教育必须高瞻远瞩。本文从统计学的发展趋势谈了统计教育急需改革的几个方面。 关键词: 统计学； 发展趋势； 统计教育改革 随着国家创新体系的建立，统计创新工程已经提上议事日程，统计创新包括两个方面，一是统计实践的创新；二是统计教育的创新。创新的基础在于教育，没有统计教育的创新，就谈不上统计实践的创新。准确把握统计学的发展方向与发展形势，培养适应新世纪社会经济发展需要的人才，是统计教育工作者必须面对的问题，本文从统计学的基本发展趋势谈一谈统计教育急需改革的几个方面。 一、统计学的基本发展趋势 纵观统计学的发展状况，与整个科学的发展趋势相似，统计学也在走与其他科学结合交融的发展道路。归纳起来，有两个基本结合趋势。 （一）统计学与实质性学科结合的趋势 统计学是一门通用方法论的科学，是一种定量认识问题的工具。但作为一种工具，它必须有其用武之地。否则，统计方法就成为无源之水，无用之器。统计方法只有与具体的实质性学科相结合，才能够发挥出其强大的数量分析功效。并且，从统计方法的形成历史看，现代统计方法基本上来自于一些实质性学科的研究活动，例如，最小平方法与正态分布理论源于天文观察误差分析，相关与回归源于生物学研究，主成分分析与因子分析源于教育学与心理学的研究。抽样调查方法源于政府统计调查资料的搜集。历史上一些著名的统计学家同时也是生物学家或经济学家等。同时，有不少生物学家、天文学家、经济学家、社会学家、人口学家、教育学家等都在从事统计理论与方法的研究。他们在应用过程中对统计方法进行创新与改进。另外，从学科体系看，统计学与实质性学科之间的关系绝对不是并列的，而是相交的，如果将实质性学科看作是纵向的学科，那么统计学就是一门横向的学科，统计方法与相应的实质性学科相结合，才产生了相应的统计学分支，如统计学与经济学相结合产生了经济统计，与教育学相结合产生了教育统计，与生物学相结合产生了生物统计等，而这些分支学科都具有"双重"属性：一方面是统计学的分支，另一方面也是相应实质性学科的分支，所以经济统计学、经济计量学不仅属于统计学，同时属于经济学，生物统计学不仅是统计学的分支，也是生物学的分支等。这些分支学科的存在主要不是为了发展统计方法，而是为了解决实质性学科研究中的有关定量分析问题，统计方法是在这一应用过程中得以完善与发展的。因此，统计学与各门实质性学科的紧密结合，不仅是历史的传统更是统计学发展的必然模式。实质性学科为统计学的应用提供了基地，为统计学的发展提供了契机。21世纪的统计学依然会采取这种发展模式，且更加注重应用研究。 这个趋势说明：统计方法的学习必须与具体的实质性学科知识学习相结合。必须以实质性学科为依据，因此，财经类统计专业的学生必须学好有关经济类与管理类的课程，只有这样，所学的统计方法才有用武之地。统计的工具属性才能够得以充分体现。 （二）统计学与计算机科学结合的趋势 纵观统计数据处理手段发展历史，经历了手工、机械、机电、电子等数个阶段，数据处理手段的每一次飞跃，都给统计实践带来革命性的发展。上个世纪40年代第一台电子计算机的诞生，给统计学方法的广泛应用创造了条件。20年代发展起来的多元统计方法虽然对于处理多变量的种类数据问题具有很大的优越性，但由于计算工作量大，使得这些有效的统计分析方法一开始并没有能够在实践中很好推广开来。而电子计算机技术的诞生与发展，使得复杂的数据处理工作变得非常容易，那些计算繁杂的统计方法的推广与应用，由于相应统计软件的开发与商品化而变得更加方便与迅速，非统计专业的理论工作者可以直接凭借商品化统计分析软件来处理各类现实问题的多变量数据分析，而无需对有关统计方法的复杂理论背景进行研究。计算机运行能力的提高，使得大规模统计调查数据的处理更加准确、充分与快捷。目前企业经营管理中建立的决策支持系统（DSS）更加离不开统计模型。最近国外兴起的数据挖掘（Datamining，又译"数据掏金"）技术更是计算机专家与统计学家共同关注的领域。随着计算机应用的越来越广泛，每年都要积累大量的数据，大量信息在给人们带来方便的同时也带来了一系列问题：信息过量，难以消化；信息真假，难以辨识；信息安全，难以保证；信息形式不一致，难以统一处理；于是人们开始提出一个新的口号"要学会抛弃信息"。人们考虑"如何才能不被信息淹没，而是从中及时发现有用的知识，提高信息利用率？"面对这一挑战，数据挖掘和知识发现（DMKD）技术应运而生，并显示出强大的生命力。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是一门交叉学科，它把人们对数据的应用从低层的简单查询，提升到从数据中挖掘知识，提供决策支持。在这种需求牵引下，汇聚了不同领域的研究者，尤其是数据库技术、人工智能技术、统计、可视化技术、并行计算等方面的学者和工程技术人员，投身到数据挖掘这一新兴的研究领域，形成新的技术热点。虽然统计学家与计算机专家关心Datamining的视角不完全相同，但可以说，Datamining与DSS一样，使得统计方法与计算机技术的结合达到了一个更高的层次。 因此，统计学越来越离不开计算机技术，而计算机技术应用的深入，也同样离不开统计方法的发展与完善。这个趋势说明：充分利用现代计算技术，通过计算机软件将统计方法中复杂难懂的计算过程屏障起来，让用户直接看到统计输出结果与有关解释，从而使统计方法的普及变得非常容易。所以，对于财经类统计专业的学生来说，一方面要学好统计方法，但另一方面更加要学会利用商品化统计软件包解决实践中的统计数量分析问题，学好计算机信息系统开发的基本思想与基本程序设计，能够将具体单位的统计模型通过编程来实现，以建立起统计决策支持系统。 所以统计与实质性学科相结合，与计算机、与信息相结合，这是发展的趋势。了解这一点，再来看我们目前教育中的问题就更加明显了，所以一些课程要改革，教学方式也要改革。以下谈一谈统计教育需要改革的几个方面。采纳哦
1，专业研究的培养目标和方向，包括一般的经济统计数据和统计类专业方向，培养了良好的数学素养和数学和经济学，掌握基本理论和统计方法，并能熟练地使用数据的计算机分析，本次调查可以从事企业，事业单位和经济，管理，统计，管理，定量分析，如开发，应用和管理，或在科研，教育等部门从事高级专门人才的科研和教学工作。毕业生可继续攻读统计和数学与应用数学，信息与计算科学，概率与统计，统计，工学，管理学等相关学科，跨学科的硕士研究生，和其他学科。 2，课程设置主要课程：数学分析，高等代数，解析几何，概率论与数理统计，C语言编程，微分方程，数据结构，动态数据处理，随机过程，网络与通信，统计决策和分析，统计计算和软件，多元统计分析。 教学根据社会的实际需要，重点建立社会经济统计资料，或者金融和保险统计，或生物医学的统计数据，或一些工业统计课程等方面，指导学生参加，以形成自己的专业方向特点。 3，科学和经济学的学术/四年制本科学士学位/学士学位。 4，毕业生应获得以下几方面的知识和能力 1具有坚实的数学基础，受到更严格的科学思维训练; 2掌握的统计数据。的基本理论，基本知识，基本方法和计算机技能;有收集的数据，以设计问卷调查数据和处理的基本能力; 3了解社会经济统计数据，医学统计学，生物统计学统计或行业相关的自然科学基础知识，社会科学，工程和技术的领域，具有统计学理论的应用分析和解决在初始容量领域的实际问题; 4了解统计理论的发展和前景，方法; 5理学士，应该能够熟练使用各种统计软件包，有较强的统计计算能力;经济学学士，应该有一个坚实的经济基础，熟悉国家经济发展的方针，政策和统计法律，法规，并进行利用信息和管理的综合分析能力; 6主数据查询，文献检索及运用现代信息技术获取相关信息的基本方法;有一定的科学研究和实际工作能力。 的数学，统计学，经济学，管理学 主要课程数学基础课（分析，代数，几何），概率论，数理统计主科目，运筹学基于计算机的，随机过程，而实用回归分析，时间序列分析，多变量统计分析，采样，非参数统计，根据应用方向的统计预测和决策和风险管理，以及选择的基本课程（例如作为经济统计方向选择的社会调查方法，经济和社会统计，国民经济核算，会计等）中国编辑本段|回到顶部主要实践性教学环节 包括学术论文，社会调查，生产实习，毕业论文，1020周的总体安排。 点击看详细相近专业与应用数学，信息与计算科学
应用统计学专业导论小论文
统计学的历史与今天——《 社会统计学与数理统计学的统一》理论 统计学是一门通过搜索、整理、分析数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。其中用到了大量的数学及其它学科的专业知识，它的使用范围几乎覆盖了社会科学和自然科学的各个领域。 据权威统计学史记载，从17世纪开始就有了“政治算术”、“国势学”，即初级的社会统计学，起源于英国、德国。几乎同时在意大利出现了“赌博数学”，即初级的概率论。直到19世纪，由于概率论出现了大数定理和误差理论，才形成了初级的数理统计学。 也就是说，社会统计学的形成早于数理统计学两个世纪。 由于社会统计学广泛地用于经济和政治，所以得到各国历届政府的极大重视，并得到系统的发展。而数理统计在20世纪40年代以后，由于概率论的发展，而得到飞速发展。经过近400年的变迁，目前世界上已形成社会统计学和数理统计学两大体系。两体系争论不休，难分伯仲。 王见定教授经过30年的学习与研究，发现了社会统计学与数理统计学的联系与区别。它们的关系与著名牛顿力学与相对论力学关系非常相似。 相对论力学在接近光速时使用，而大多数情况下是远离光速的，此时使用牛顿力学既准确又方便。如果硬套相对论力学，则是杀鸡用了宰牛刀，费力不讨好。社会统计学在描写变量时使用，数理统计学在描写随机变量时使用。 我们知道变量与随机变量是既有联系又有区别的。当变量取值的概率不是1时，变量就变成了随机变量；当随机变量取值的概率为1时，随机变量就变成了变量。 变量与随机变量的联系与区别搞清楚了，社会统计学与数理统计学的关系就搞清楚了。以后，在描述变量时，大胆地使用社会统计学；在描述随机变量时，就用数理统计学。如果在描述变量时非用数理统计学，那就是杀鸡用了宰牛刀。 近70年，由于数理统计学的飞速发展，大有“吃掉”社会统计学的势头，尤其是以美国为代表的发达国家，几乎认为统计学就是数理统计学。实际上，这是一个极大的误区。王见定教授的研究已经说明了数理统计学永远“吃不掉”社会统计学，今后的日子，将是社会统计学与数理统计学的共存与互补。
前景相当看好，不过每个行业都有困难，这是一个要求高素质的行业，也就是说你要先吃苦，待有了资格后就下半生无忧了，油水非常大。可以和医生和老师一样油水。每个行业都需要统计师，政府也是，就看你的能力和关系了。
“社会统计学与数理统计学的统一”理论的重大意义王见定教授指出：社会统计学描述的是变量，数理统计学描述的是随机变量，而变量和随机变量是两个既有区别又有联系，且在一定条件下可以相互转化的数学概念。王见定教授的这一论述在数学上就是一个巨大的发现。 我们知道“变量”的概念是17世纪由著名数学家笛卡尔首先提出，而“随机变量”的概念是20世纪30年代以后由苏联学者首先提出，两个概念的提出相差3个世纪。截至到王见定教授，世界上还没有第二个人提出变量和随机变量两者的联系、区别以及相互的转化。我们知道变量的提出造就了一系列的函数论、方程论、微积分等重大数学学科的产生和发展；而随机变量的提出则奠定了概率论和数理统计等学科的理论基础和促进了它们的蓬勃发展。可见变量、随机变量概念的提出其价值何等重大，从而把王见定教授在世界上首次提出变量、随机变量的联系、区别以及相互的转化的意义称为巨大、也就不视为过。 下面我们回到：“社会统计学和数理统计学的统一”理论上来。王见定教授指出社会统计学描述的是变量，数理统计学描述的是随机变量，这样王见定教授准确地界定了社会统计学与数理统计学各自研究的范围，以及在一定条件下可以相互转化的关系，这是对统计学的最大贡献。它结束了近400年来几十种甚至上百种以上五花八门种类的统计学混战局面，使它们回到正确的轨道上来。 由于变量不断地出现且永远地继续下去，所以社会统计学不仅不会消亡，而且会不断发展状大。当然数理统计学也会由于随机变量的不断出现同样发展状大。但是，对随机变量的研究一般来说比对变量的研究复杂的多，而且直到今天数理统计的研究尚处在较低的水平，且使用起来比较复杂；再从长远的研究来看，对随机变量的研究最终会逐步转化为对变量的研究，这与我们通常研究复杂问题转化为若干简单问题的研究道理是一样的。既然社会统计学描述的是变量，而变量描述的范围是极其宽广的，绝非某些数理统计学者所云：社会统计学只作简单的加、减、乘、除。从理论上讲，社会统计学应该复盖除数理统计学之外的绝大多数数学学科的运作。所以王见定教授提出的：“社会统计学与数理统计学统一”理论，从根本上纠正了统计学界长期存在的低估社会统计学的错误学说，并从理论上和应用上论证了社会统计学的广阔前景。
应用统计学专业导论论文怎么写
统计学的历史与今天——《 社会统计学与数理统计学的统一》理论 统计学是一门通过搜索、整理、分析数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。其中用到了大量的数学及其它学科的专业知识，它的使用范围几乎覆盖了社会科学和自然科学的各个领域。 据权威统计学史记载，从17世纪开始就有了“政治算术”、“国势学”，即初级的社会统计学，起源于英国、德国。几乎同时在意大利出现了“赌博数学”，即初级的概率论。直到19世纪，由于概率论出现了大数定理和误差理论，才形成了初级的数理统计学。 也就是说，社会统计学的形成早于数理统计学两个世纪。 由于社会统计学广泛地用于经济和政治，所以得到各国历届政府的极大重视，并得到系统的发展。而数理统计在20世纪40年代以后，由于概率论的发展，而得到飞速发展。经过近400年的变迁，目前世界上已形成社会统计学和数理统计学两大体系。两体系争论不休，难分伯仲。 王见定教授经过30年的学习与研究，发现了社会统计学与数理统计学的联系与区别。它们的关系与著名牛顿力学与相对论力学关系非常相似。 相对论力学在接近光速时使用，而大多数情况下是远离光速的，此时使用牛顿力学既准确又方便。如果硬套相对论力学，则是杀鸡用了宰牛刀，费力不讨好。社会统计学在描写变量时使用，数理统计学在描写随机变量时使用。 我们知道变量与随机变量是既有联系又有区别的。当变量取值的概率不是1时，变量就变成了随机变量；当随机变量取值的概率为1时，随机变量就变成了变量。 变量与随机变量的联系与区别搞清楚了，社会统计学与数理统计学的关系就搞清楚了。以后，在描述变量时，大胆地使用社会统计学；在描述随机变量时，就用数理统计学。如果在描述变量时非用数理统计学，那就是杀鸡用了宰牛刀。 近70年，由于数理统计学的飞速发展，大有“吃掉”社会统计学的势头，尤其是以美国为代表的发达国家，几乎认为统计学就是数理统计学。实际上，这是一个极大的误区。王见定教授的研究已经说明了数理统计学永远“吃不掉”社会统计学，今后的日子，将是社会统计学与数理统计学的共存与互补。
无论是在校研究生，博士生还是已经在工作岗位的科研人员，亦或是医务工作者大家都会有这样的经历——写论文，发论文。毕业要文章、找工作要文章、年终考评要文章、晋职称还是要文章，文章压得我们透不过气来。不少人觉得论文撰写困难，尤其是文章数据统计部分，拿着统计学工具书，虽说每个字都认识，可就是看不懂……一天一位饱受论文折磨的检验科小青年找到了一位叱咤学术界的禅师。青年禅师，很多检验科医生快被论文憋疯了，你认为检验科医生写论文的主要瓶颈在哪里？禅师第一、思想没有被开过光；第二、不会文献检索，更没有阅读文献的习惯；第三、不会统计学；第四、不会绘声绘色地写论文，写出来的东西不堪入目。青年为啥我想到的别人都想到了，感觉没啥新的东西可以写。禅师那是因为你文献看得不够。文献阅读是开展科研的基础，首先你得知道本领域的研究进展，之后才可能提出自己的研究设想。青年我不会文献检索，怎么办？禅师没办法，只能多问、多学、多交流。当前使用最广泛的数据库是PubMed，网上有很多教程可以下载。没事就对照着教程瞎折腾PubMed呗，总之都不费电。青年我会检索到全文，但下载不了全文，该怎么办啊？禅师方法很多，给通讯作者写信索要、找有权限的朋友帮助下载、网上求助、用其它手段(比如SCI-Hub)，只要你想要，这都不叫事儿。青年还有最最关键的一点，辛辛苦苦的做完实验，收集好数据，却不会统计分析！对于没有进行过专业培训的检验人来说，是文章产出的一大拦路虎呀！禅师其实我们只需要知道什么时候该用什么统计分析方法、如何在软件中实现该统计分析、分析得到的数据如何解读就行了，至于其中统计原理，不必纠结，让它随风去吧！我这里有一本秘籍，专治统计学小白，看与你有缘，就免费赠与你啦！假以时日，你必能修成正果。青年接过秘籍，定睛一看，《白话统计》四个大字映入眼帘。青年谢谢禅师，如此珍贵的秘籍，为什么偏偏选择送给我？禅师别误会，我这里还有799本，赠于有缘人，找到我的人都有份……青年……关于这本统计秘籍《白话统计》这秘籍分为两大部分：基础篇和实用篇，基础篇介绍统计中常见的概念，实用篇则注重介绍各种方法的思路及实现，适合零基础小白快速入门，也适合已经学会统计的人对知识进一步的融会贯通，所以它绝对是一本统计学习必不可少的书籍。有了它，让你撰写论文更加游刃有余。此外，这本书是一本寓教于乐的书籍，他不会像教材一样用沉重拘谨的语言来介绍统计学方法，而是以风趣、浅显的话语来解释说明。它的内容不一定多，但会做到尽量深入。国内这样的书籍并不多见，在生物统计学领域就更加少见，而这本《白话统计》正是兼具了幽默风趣的语言和科学严谨的思维的一本书。郭靖的内力能支撑多久女士品茶的故事《白话统计》能够帮助每一位科研人更好地理解生物医学统计，大大提升大家统计能力，完成属于自己第一篇SCI论文！邀请好友完成助力后，点击公众号弹出的模板消息填写地址。如果出现无法填写地址的情况，可能是同一时间填写的用户人数太多导致的，您可以扫码加入公众号消息弹出的活动群，会有禅师的助手为您处理。
虽然我也写过论文，但并不是你这个专业的，但我想论文的大致思路其实也是差不多的。首先你得要确定你论文的题目，确定了论文题目之后就会比较好下笔了
统计学的论文，如果你想参考的话，可以上一些比较出名的论文网站上去搜索，但只能是参考，不能抄袭，你可以从他的论文上去汲取一些东西，把这种东西转化成自己的东西，再用自己的言语去描述
应用统计学专业导论小论文题目
***统计方法的应用
统计学选问题关键所在的
1、高技术产业产值影响因素的研究 2、关于和谐社会统计指标的初步研究 3、CCA研究我国产业结构的区域差异对经济的影响 4、基于单因素序列相关面板数据的实证分析 5、基于空间面板数据的中国FDI统计分析 6、基于排队论在杭州公交站点停车位的优化及实证分析 7、基于统计方法的股票投资价值分析 8、某某市2019年工业发展状况的统计分析 9、近30年31省市城镇居民恩格尔系数的统计分析 10、近30年31省市农村居民恩格尔系数的统计分析 11、近三十年中国经济发展趋势的实证分析 12、林业科技对经济的贡献率美联储量化 13、MMC排队模型在收费站排队系统中的应用 14、财政收入影响因素的研究 15、城市发展对二氧化碳排放的影响 学术堂提供更多论文知识
时代金融摘 要:关键词:一、 引言一个国家的国民经济有很多因素构成， 省区经济则是我国国民经济的重要组成部分， 很多研究文献都认为中国的省区经济是宏观经济的一个相对独立的研究对象， 因此， 选取省区经济数据进行区域经济的研究， 无疑将是未来几年的研究趋势。而省区经济对我国国民经济的影响， 已从背后走到了台前， 发展较快的省区对我国国民经济的快速增长起到了很大的作用， 而发展相对较慢的省区， 其原因与解决方法也值得我们研究。本文选取华中大省湖北省进行研究， 具有一定的指导和现实意义。湖北省 2006 年 GDP 为 7497 亿元， 人均 GDP13130 元， 达到中等发达国家水平。从省域经济来说， 湖北省是一个较发达的经济实体。另一方面， 湖北省优势的地理位置和众多的人口使之对于我国整体经济的运行起到不可忽视的作用， 对于湖北省 GDP的研究和预测也就从一个侧面反映我国国民经济的走势和未来。尽管湖北省以其重要位置和经济实力在我国国民经济中占据一席之地， 但仍不可避免的面临着建国以来一再的经济波动，从最初的强大势力到如今的挣扎期， 湖北省的经济面临着发展困境。近年来， 湖北省的经济状况一再呈现再次快速发展的趋势， 但是这个趋势能够保持多久却是我们需要考虑的问题。本文选择了时间序列分析的方法进行湖北省区域经济发展的预测。时间序列预测是通过对预测目标自身时间序列的处理来研究其变化趋势的。即通过时间序列的历史数据揭示现象随时间变化的规律， 将这种规律延伸到未来， 从而对该现象的未来作出预测。二、 基本模型、 数据选择以及实证方法( 一) 基本模型ARMA 模型是一种常用的随机时序模型， 由博克斯， 詹金斯创立， 是一种精度较高的时序短期预测方法， 其基本思想是: 某些时间序列是依赖于时间 t 的一组随机变量， 构成该时序的单个序列值虽然具有不确定性， 但整个序列的变化却具有一定的规律性， 可以用相应的数学模型近似描述。通过对该数学模型的分析，能够更本质的认识时间序列的结构与特征， 达到最小方差意义下的最优预测。现实社会中， 我们常常运用 ARMA模型对经济体进行预测和研究， 得到较为满意的效果。但 ARMA模型只适用于平稳的时间序列， 对于如 GDP 等非平稳的时间序列而言， ARMA模型存在一定的缺陷， 因此我们引入一般情况下的 ARMA模型 ( ARIMA模型) 进行实证研究。事实上， ARIMA模型的实质就是差分运算与 ARMA模型的组合。 本文讨论的求和自回归移动平均模型， 简记为 ARIMA ( p， d， q) 模型，是美国统计学家 GEPBox 和 GMJ enkins 于 1970 年首次提出， 广泛应用于各类时间序列数据分析， 是一种预测精度相当高的短期预测方法。建立 ARIMA ( p， d， q) 模型计算复杂， 须借助计算机完成。本文介绍 ARIMA ( p， d， q) 模型的建立方法， 并利用Eviews 软件建立湖北省 GDP 变化的 ARIMA ( p， d， q) 预测模型。( 二) 数据选择本文所有 GDP 数据来自于由中华人民共和国统计局汇编，中国统计出版社出版的 《新中国五十五年统计数据汇编》 。本文的所有数据处理均使用 EV0 软件进行。( 三) 实证方法ARMA模型及 ARIMA模型都是在平稳时间序列基础上建立的， 因此时间序列的平稳性是建模的重要前提。任何非平稳时间序列只要通过适当阶数的差分运算或者是对数差分运算就可以实现平稳， 因此可以对差分后或对数差分后的序列进行 ARMA( p， q) 拟合。ARIMA ( p， d， q) 模型的具体建模步骤如下:平稳性检验。一般通过时间序列的散点图或折线图对序列进行初步的平稳性判断， 并采用 ADF 单位根检验来精确判断该序列的平稳性。对非平稳的时间序列， 如果存在一定的增长或下降趋势等，则需要对数据取对数或进行差分处理， 然后判断经处理后序列的平稳性。重复以上过程， 直至成为平稳序列。此时差分的次数即为ARIMA ( p， d， q) 模型中的阶数 d。为了保证信息的准确， 应注意避免过度差分。对平稳序列还需要进行纯随机性检验 ( 白噪声检验) 。白噪声序列没有分析的必要， 对于平稳的非白噪声序列则可以进行ARMA ( p， q) 模型的拟合。白噪声检验通常使用 Q 统计量对序列进行卡方检验， 可以以直观的方法直接观测得到结论。ARMA拟合。首先计算时间序列样本的自相关系数和偏自相关系的值， 根据自相关系数和偏自相关系数的性质估计自相关阶数 p 和移动平均阶数 q 的值。一般而言， 由于样本的随机性， 样本的相关系数不会呈现出理论截尾的完美情况， 本应截尾的相关系数仍会呈现出小值振荡的情况。又由于平稳时间序列通常都具有短期相性， 随着延迟阶数的增大， 相关系数都会衰减至零值附近作小值波动。根据 Barlett 和 Quenouille 的证明， 样本相关系数近似服从正态分布。一个正态分布的随机变量在任意方向上超出 2σ 的概率约为 05。因此可通过自相关和偏自相关估计值序列的直方图来大致判断在 5%的显著水平下模型的自相关系数和偏自相关系数不为零的个数， 进而大致判断序列应选择的具体模型形式。同时对模型中的 p 和 q 两个参数进行多种组合选择， 从 ARMA ( p，q) 模型中选择一个拟和最好的曲线作为最后的方程结果。一般利用 AIC 准则和 SC 准则评判拟合模型的相对优劣。模型检验。模型检验主要是检验模型对原时间序列的拟和效果， 检验整个模型对信息的提取是否充分， 即检验残差序列是否为白噪声序列。如果拟合模型通不过检验， 即残差序列不是为白噪声序列， 那么要重新选择模型进行拟合。如残差序列是白噪声序列， 就认为拟合模型是有效的。模型的有效性检验仍然是使谭诗璟ARIMA 模型在湖北省GDP 预测中的应用—— —时间序列分析在中国区域经济增长中的实证分析本文介绍求和自回归移动平均模型 ARIMA ( p， d， q) 的建模方法及 Eviews 实现。广泛求证和搜集从 1952 年到 2006 年以来湖北省 GDP 的相关数据， 运用统计学和计量经济学原理， 从时间序列的定义出发， 结合统计软件 EVIEWS 运用 ARMA建模方法， 将 ARIMA模型应用于湖北省历年 GDP 数据的分析与预测， 得到较为满意的结果。湖北省 区域经济学 ARIMA 时间序列 GDP 预测理论探讨262008/01 总第 360 期图四 取对数后自相关与偏自相关图图三 二阶差分后自相关与偏自相关图用上述 Q 统计量对残差序列进行卡方检验。模型预测。根据检验和比较的结果， 使用 Eviews 软件中的forecas t 功能对模型进行预测， 得到原时间序列的将来走势。 对比预测值与实际值， 同样可以以直观的方式得到模型的准确性。三、 实证结果分析GDP 受经济基础、 人口增长、 资源、 科技、 环境等诸多因素的影响， 这些因素之间又有着错综复杂的关系， 运用结构性的因果模型分析和预测 GDP 往往比较困难。我们将历年的 GDP 作为时间序列， 得出其变化规律， 建立预测模型。本文对 1952 至 2006 年的 55 个年度国内生产总值数据进行了分析， 为了对模型的正确性进行一定程度的检验， 现用前 50 个数据参与建模， 并用后五年的数据检验拟合效果。最后进行 2007年与 2008 年的预测。( 一) 数据的平稳化分析与处理差分。利用 EViews 软件对原 GDP 序列进行一阶差分得到图二:对该序列采用包含常数项和趋势项的模型进行 ADF 单位根检验。结果如下:由于该序列依然非平稳性， 因此需要再次进行差分， 得到如图三所式的折线图。根据一阶差分时所得 AIC 最小值， 确定滞后阶数为 1。然后对二阶差分进行 ADF 检验:结果表明二阶差分后的序列具有平稳性， 因此 ARIMA ( p， d，q) 的差分阶数 d=2。二阶差分后的自相关与偏自相关图如下:对数。利用 EViews 软件， 对原数据取对数:对已经形成的对数序列进行一阶差分， 然后进行 ADF 检验:由上表可见， 现在的对数一阶差分序列是平稳的， 由 AIC 和SC 的最小值可以确定此时的滞后阶数为 2。 因为是进行了一阶差分， 因此认为 ARIMA ( p， d， q) 中 d=1。( 二) ARMA ( p， q) 模型的建立ARMA ( p， q) 模型的识别与定阶可以通过样本的自相关与偏自相关函数的观察获得。图一 1952- 2001 湖北省 GDP 序列图表 1 一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC 备注0 - 136479 - 161144 - 506374 - 183002 20582非平稳1 - 764521 - 165756 - 508508 - 184230 171892 - 101495 - 170583 - 510740 - 185512 180023 - 418890 - 175640 - 513075 - 186854 205434 - 230514 - 180911 - 515523 - 188259 27059表 2 二阶差分的 ADF 检验Lag Length t- Statistic 1% level 5% level 10% level1 (Fixed) - 714836 - 170583 - 510740 - 185512表 3 对数一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC SC 备注0 - 448501 - 574446 - 923780 - 599925 - 536478 - 458512平稳 1 - 832346 - 577723 - 925169 - 600658 - 662966 - 5448712 - 398029 - 581152 - 926622 - 601424 - 770517 - 6115043 - 324520 - 584743 - 928142 - 602225 - 747432 - 546692图五 对数后一阶差分自相关与偏自相关图理论探讨27时代金融摘 要:关键词:使用 EViews 软件对 AR， MA的取值进行实现， 比较三种情况下方程的 AIC 值和 SC 值:表 4ARMA模型的比较由表 4 可知， 最优情况本应该在 AR ( 1) ， MA ( 1) 时取得， 但AR， MA都取 1 时无法实现平稳， 舍去。对于后面两种情况进行比较， 而 P=1 时 AIC 与 SC 值都比较小， 在该种情况下方程如下:综上所述选用 ARIMA ( 1， 1， 0) 模型。( 三) 模型的检验对模型的 Q 统计量进行白噪声检验， 得出残差序列相互独立的概率很大， 故不能拒绝序列相互独立的原假设， 检验通过。模型均值及自相关系数的估计都通过显著性检验， 模型通过残差自相关检验， 可以用来预测。( 四) 模型的预测我们使用时间序列分析的方法对湖北省地方生产总值的年度数据序列建立自回归预测模型， 并利用模型对 2002 到 2006 年的数值进行预测和对照:表 5 ARIMA ( 1， 1， 0) 预测值与实际值的比较由上表可见， 该模型在短期内预测比较准确， 平均绝对误差为 876% ， 但随着预测期的延长， 预测误差可能会出现逐渐增大的情况。下面， 我们对湖北省 2007 年与 2008 年的地方总产值进行预测:在 ARIMA模型的预测中， 湖北省的地方生产将保持增长的势头， 但 2008 年的增长率不如 2007 年， 这一点值得注意。GDP毕竟与很多因素有关， 虽然我们一致认为， 作为我国首次主办奥运的一年， 2008 将是中国经济的高涨期， 但是是否所有的地方产值都将受到奥运的好的影响呢? 也许在 2008 年全国的 GDP 也许确实将有大幅度的提高， 但这有很大一部分是奥运赛场所在地带来的经济效应， 而不是所有地方都能够享有的。正如 GDP 数据显示， 1998 年尽管全国经济依然保持了一个比较好的态势， 但湖北省的经济却因洪水遭受不小的损失。作为一个大省， 湖北省理应对自身的发展承担起更多的责任。总的来说， ARIMA模型从定量的角度反映了一定的问题， 做出了较为精确的预测， 尽管不能完全代表现实， 我们仍能以ARIMA模型为基础， 对将来的发展作出预先解决方案， 进一步提高经济发展， 减少不必要的损失。四、结语时间序列预测法是一种重要的预测方法， 其模型比较简单，对资料的要求比较单一， 在实际中有着广泛的适用性。在应用中，应根据所要解决的问题及问题的特点等方面来综合考虑并选择相对最优的模型。在实际运用中， 由于 GDP 的特殊性， ARIMA模型以自身的特点成为了 GDP 预测上佳选择， 但是预测只是估计量， 真正精确的还是真实值， 当然， ARIMA 模型作为一般情况下的 ARMA 模型， 运用了差分、取对数等等计算方法， 最终得到进行预测的时间序列， 无论是在预测上， 还是在数量经济上， 都是不小的进步， 也为将来的发展做出了很大的贡献。我们通过对湖北省地方总产值的实证分析， 拟合 ARIMA( 1， 1， 0) 模型， 并运用该模型对湖北省的经济进行了小规模的预测，得到了较为满意的拟和结果， 但湖北省 2007 年与 2008 年经济预测中出现的增长率下降的问题值得思考， 究竟是什么原因造成了这样的结果， 同时我们也需要到 2008 年再次进行比较， 以此来再次确定 ARIMA ( 1， 1， 0) 模型在湖北省地方总产值预测中所起到的作用。参考文献:【1】易丹辉 数据分析与 EViews应用 中国统计出版社【2】 Philip Hans Frances 商业和经济预测中的时间序列模型 中国人民大学出版社【3】新中国五十五年统计资料汇编 中国统计出版社【4】赵蕾 陈美英 ARIMA 模型在福建省 GDP 预测中的应用 科技和产业( 2007) 01- 0045- 04【5】 张卫国 以 ARIMA 模型估计 2003 年山东 GDP 增长速度 东岳论丛( 2004) 01- 0079- 03【6】刘盛佳 湖北省区域经济发展分析 华中师范大学学报 ( 2003) 03-0405- 06【7】王丽娜 肖冬荣 基于 ARMA 模型的经济非平稳时间序列的预测分析武汉理工大学学报 2004 年 2 月【8】陈昀 贺远琼 外商直接投资对武汉区域经济的影响分析 科技进步与对策 ( 2006) 03- 0092- 02( 作者单位: 武汉大学经济与管理学院金融工程)AR(1)MA(1) AR(1) MA(1) 备注AIC - 536412 - 321820 - 135728最优为 AR(1)MA(1)SC - 458445 - 282837 - 097119Variable Coefficient S Error t- Statistic PAR(1) 586643 115236 090781 0000R- squared - 226023 Mean dependent var 104967Adjusted R- squared - 226023 SD dependent var 111688SE of regression 123668 Akaike info criterion - 321820Sumsquared resid 718807 Schwarz criterion - 282837Log likelihood 72369 Durbin-Watson stat 132697Inverted AR Roots 59年份 实际值 预测值 相对误差(%) 平均误差(%)2002 63 72 - 8762003 71 82 - 122004 92 78 - 892005 78 83 - 682006 00 05 - 26年度 2006 2007 2008GDP 值 00 08 59增长率(%) — 06 16表 6 ARIMA ( 1， 1， 0) 对湖北省经济的预测一、模糊数学分析方法对企业经营 ( 偿债) 能力评价的适用性影响企业经营 ( 偿债) 和盈利能力的因素或指标很多; 在分析判断时， 对事物的评价 ( 或评估) 常常会涉及多个因素或多个指标。这时就要求根据多丛因素对事物作出综合评价， 而不能只从朱晓琳 曹 娜用应用模糊数学中的隶属度评价企业经营(偿债)能力问题影响企业经营能力的许多因素都具有模糊性， 难以对其确定一个精确量值; 为了使企业经营 ( 偿债) 能力评价能够得到客观合理的结果， 有必要根据一些模糊因素来改进其评价方法， 本文根据模糊数学中隶属度的方法尝试对企业经营 ( 偿债) 能力做出一种有效的评价。隶属度及函数 选取指标构建模型 经营能力评价应用理论探讨28
应用统计学专业导论课程小论文
摘要：本文用模特卡罗模拟方法研究了样本容量在54以下的DW统计量的分布特征，并给出小样本DW检验临界值表。同时用DW检验提出了一个判别最小二乘估计中是否存在虚假回归的有效方法。关键词：模特卡罗模拟，DW分布，非平稳性，协整 Distribution of Small Sample DW Statistic Zhang Xiaotong1 Zhao Chuxiao2 ( Institute of International Economics， Nankai University， Tianjin 300071) ( Management School， Tianjin University， Tianjin 300072) Abstract In this paper we investigated the DW distribution with sample size under 54 by Monte Carlo simulation method and gave a critical table for small sample DW Based on that we proposed a method for recognizing spurious regression in ordinary least squares Keywords: Monte Carlo simulation， DW distribution， nonstationary， cointegration 1．概述 八十年代以来，Engle-Granger (1987)， Engle-Yoo (1987) 和Sargan-Bhargava (1983)都曾提及用DW统计量检验非平稳变量间的协整性问题。在Sargan-Bhargava (1983)中还专门给出一个DW协整检验用表。但在这些论文中均未对小样本DW统计量的分布特征给与研究。 本文采用蒙特卡罗模拟方法对小样本DW统计量的分布特征进行了充分、详细的研究。样本容量分别取为10，20，30，40和50。变量的设定分为三种情形：一 所涉及的两个变量都取自I(1)过程；二 所涉及的两个变量中一个取自I(1)过程，一个取自I(0)过程；三 所涉及的两个变量都取自I(0)过程。 在有些国家以年为单位的时间序列的最大可观测值个数并不是很大，所以对小样本DW统计量分布特征的研究有着非常重要的理论与现实意义。 本文结构如下。第二节推导两个I(1)变量进行最小二乘回归后，由残差计算的DW统计量的极限分布表达式，第三节介绍蒙特卡罗模拟结果及其分析，第四节给出实例，第五节给出结论。 2．DW统计量的极限分布 给定如下随机数据生成系统， yt = yt-1 + ut ， y1 = 0， （1） xt = xt-1 + vt ， x1 = 0， （2） 其中ut， vt ~ I(0)， E(ut) = E(vt) = 0; E(ui uj) = 0， i ¹ j，" i， j。则yt和xt为相互独立的两个I(1)过程。 建立如下回归模型： yt = b0 + b1xt + wt （3） 当对上式进行最小二乘估计时，会产生虚假回归问题。用随机误差wt的最小二乘估计值 构造DW统计量， （4） 因为当T ® µ 时， 必然接近于零，上式中分子为Op(1)，而分母T -1sw2也是Op(1)，所以DW统计量是Op(T -1)的。当T ® µ 时，有 DW Þ 即当用两个I(1)变量进行如模型(3)形式的回归时，DW统计量的极限分布为零。 3．小样本DW分布的蒙特卡罗模拟及其结果分析 当样本为有限样本，特别是小样本时，DW统计量的分布与其极限分布有着很大不同。由于上述条件下的DW统计量的分布无法用解析的方法求解，本文用蒙特卡罗模拟方法对DW统计量的小样本分布特征进行了研究。 以模型(3)为基础，除了以yt，xt ~ I(1)为条件对DW分布（记为DW(1，1)）进行模拟外，还分别以yt ~ I(1)，xt ~ I(0) 和yt，xt ~ I(0)为条件进行了模拟（分别记为DW(1，0) 和DW(0，0)）。 由于DW(0，0)就是通常意义的DW统计量，所以只模拟样本容量T = 10， 40两种情形。对于DW(1，1)和DW(1，0)，分别取T = 10， 20， 30， 40和50进行了模拟。在每个样本容量条件下各模拟1000次。所得结果见表一。 首先见表一的第三部分，先分析DW(0，0) 的分布特征。由于DW(0，0) 就是通常意义的DW统计量，所以模拟结果表明，一 DW(0，0)分布的均值为2，不受样本容量大小的影响；二分布是对称的，相应JB值（表中最后一列）说明小样本DW(0，0)统计量的分布与正态分布相当近似。三 随着样本容量的增大，分布的标准差逐步减小。 见表一的第一、二部分。小样本DW(1，1)和DW(1，0)统计量有着相似的分布特征。一 分布均为右偏态，分布左侧有端点，端点为零；二 随着样本容量的增大，DW(1，1)和DW(1，0)分布的右偏倚程度越来越大，分布均值逐步相左移动，90、95、99百分位数也逐步向左移动，同时分布的标准差逐步减小，分布的峰值越来越大，DW取值向零集中；三 在样本容量相同的条件下，DW(1，0)分布总是位于DW(1，1)分布的左侧，即DW(1，0)分布的均值、百分位数以及方差都比DW(1，1)分布的相应量小。T = 50模拟1000次的DW(1，1)和DW(1，0)分布的结果分别见图一和图二。 表一 DW分布的蒙特卡罗模拟结果 类 型 样本容量 百 分 位 数 均 值 标准差 偏 度 JB统计量 1 90 95 99 10 22 18 45 81 28 62 50 74 DW(1，1) 20 11 28 49 80 75 39 68 61 30 09 90 04 39 51 29 07 73 40 06 77 88 16 41 25 06 10 50 05 59 71 98 33 20 16 31 10 18 73 02 38 98 53 73 59 20 09 02 21 59 56 34 22 61 DW(1，0) 30 06 70 83 18 38 24 27 43 40 04 54 66 91 30 19 25 68 50 04 45 54 71 24 15 12 84 DW(0，0) 10 31 75 97 24 02 57 00 17 40 72 41 53 70 00 31 03 06 注： DW(1，1)表示由两个I(1)变量进行回归，计算得到的DW值 DW(1，0)表示由一个I(1)变量和一个I(0)变量进行回归，计算得到的DW值。 DW(0，0)表示由两个I(0)变量进行回归，计算得到的DW值。 在每个样本容量条件下各模拟1000次。 图一 T = 50模拟1000次的DW(1，1)分布直方图 图二 T = 50模拟1000次的DW(1，0)分布直方图 在相同样本容量条件下，DW(1，0)分布之所以位于DW(1，1)分布左侧，可作如下解释。随着T ® µ，DW(1，0)和DW(1，1)的分布都趋近于零。由于DW(1，0)来自于一个I(1) 变量和一个I(0)变量之间的回归，所以残差序列wt ~ I(1)。由于DW(1，1)来自于两个I(1)变量之间的回归，一般来说残差序列wt&nb 1、统计范围 GDDS将国民经济活动划分为五大经济部门：实际部门、财政部门、金融部门、对外部门和社会人口部门。对每一部门各选定一组能够反映其活动实绩和政策以及可以帮助理解经济发展和结构变化的最为重要的数据类别。系统提出了五大部门综合框架和相关的数据类别以及指标编制和公布的目标，鼓励以适当的、反映成员国需要和能力的频率和及时性来开发和公布指标。选定的数据类别和指标分为规定的和受鼓励的两类。 规定的数据类别包括：（1）来自综合框架中的核心部分，如实际部门的国民帐户总量、财政部门的中央政府预算总量、金融部门的广义货币和信贷总量、对外部门的国际收支总量；（2）追踪分析统计类目，如实际部门的各种生产指数、财政部门的中央政府财政收支和债务统计、金融部门的中央银行分析帐户、对外部门的国际储备和商品贸易统计；（3）与该部门相关的统计指标，如实际部门的劳动市场和价格指数统计；（4）社会人口数据，包括人口、保健、教育、卫生等方面统计。 除规定的数据类别以外，GDDS鼓励成员国发布更多的统计信息，以增强成员国经济实绩和政策的透明度。如实际部门列出储蓄、国民总收入指标，财政部门列出利息支付和偿债预计数据等。 GDDS认为，系统所包括的大多数数据类别都是由各国官方机构编制的。将私人部门编制的数据包括进去将更有助于观察经济的全貌，并使各国数据的范围更加一致。但是，将一些由私人机构编制的数据包括在系统内会增加工作的复杂性，比如由官方转发这些数据隐含着对这些数据质量的认可，官方必须对在公众获得、数据完整性和数据质量方面的责任做出调整。 2、公布频率 公布频率是指统计数据编制发布的时间间隔。某项统计数据的公布频率需要根据调查、编制的工作难度和使用者的需要来决定。系统鼓励改进数据的公布频率。GDDS对列出的数据类别的公布频率作了统一规定。例如， GDDS要求国民帐户、国际收支平衡表按年公布，广义货币概览按月公布，汇率则每日公布。 3、公布及时性 公布及时性是指统计数据公布的速度。统计数据公布的及时性受多种因素制约，如资料整理和计算手续的繁简、数据公布的形式等。GDDS规定了间隔的最长时限，如按季度统计的GDP数据规定在下一季度内发布，按月度统计的生产指数规定在6周至3个月内公布。 GDDS将选定的数据类别分为规定性和鼓励性两类，目的是给予参加国公布统计数据一定的灵活性。鼓励性一类是要成员国争取发布的，条件不具备的可以暂不发布。有些数据类别下构成要素后面注明“视具体情况”，即成员国认为该项统计不符合本国实际的，可以不编制发布。GDDS规定的发布周期和发布及时性也列出一些灵活处理和变通的办法。 GDDS有关数据方面的内容及要求如下： GDDS的数据规范 A、综合框架 核心框架 范围、分类和分析框架 受鼓励的扩展 频率 及时性 国民帐户 编制和公布全套的名义和实际国民帐户总量和平衡项目，得出国内生产总值、国民总收入、可支配总收入、消费、储蓄、资本形成、净贷款、净借款。编制和公布有关的部门帐户以及国家和部门的资产负债表 年度 10-14个月 中央政府操作 编制和公布交易和债务的综合数据，需强调：1）包括所有的中央政府单位；2）使用适当的分析框架；3）建立一整套详细的分类标准（税收和非税收收入、经常性和资本性支出、国内及国外融资），并适当细分（根据债务持有人、债务工具和币种）。 广义政府或公共部门操作数据，在那些地方政府或公共企业操作具有重要分析或政策意义的国家尤其鼓励。 年度 6-9个月 广义货币概览 编制和公布综合的数据，需强调：1）包括所有的存款公司（银行机构）；2）使用适当的分析框架；3）建立对外资产和负债、按部门分类的国内信贷以及货币（流动性）和非货币债务构成的分类标准。 月度 2-3个月 国际收支 编制和公布综合的国际收支主要总量数据和平衡项目，包括：货物和服务的进口和出口、贸易差额、收入和转移、经常项目差额、储备和其他金融交易、总余额，并适当进行细分。 国际投资头寸和总体经济外债数据（如果这些数据具有重要的分析和政策意义） 年度 6-9个月 GDDS的数据规范 B、数据类别和指标 数据类别 核心指标 受鼓励的总量及构成 频率 及时性 实际部门 国民帐户总量 国内生产总值（名义和实际） 国民总收入、资本形成、储蓄 年度（鼓励季度） 6-9个月 生产指数 制造业或工业 初级产品、农业或其他指标 视具体情况 月度 视具体情况 所有指标都为6周-3个月 价格指数 消费者价格指数 生产者价格指数 月度 1-2个月 劳动力市场指标 就业、失业，工资/收入，视具体情况 年度 6-9个月 财政部门 核心指标 受鼓励的指标 频率 及时性 中央政府预算总量 收入、支出、差额和融资，视具体情况进行细分（根据债务持有人、债务工具和币种） 利息支付 季度 1个季度 中央政府债务 内债和外债，视具体情况适当细分（按币种、期限、债务持有人和债务工具） 政府担保债务 年度（鼓励季度） 1-2个季度 金融部门 核心指标 受鼓励的指标 频率 及时性 广义货币和信贷总量 净对外头寸、国内信贷、广义或狭义货币 月度 1-3个月 中央银行总量 储备货币 月度 1-2个月 利率 短期和长期政府债券利率，政策可变利率 货币或银行间市场利率及一套存贷款利率 月度 高频率（如月度） 股票市场 股票价格指数，视具体情况 月度 对外部门 核心指标 受鼓励的指标 频率 及时性 国际收支总量 货物和服务的进口和出口、经常帐户差额、储备、总差额 总体经济的外债和偿债数据，视具体情况 年度（十分鼓励季度） 6个月 国际储备 以美元标价的官方储备总额 与储备有关的负债 月度 1-4周 商品贸易 总进口和总出口 较长时间的主要商品的分类 月度 8周-3个月 汇率 即期汇率 每日 高频率（如月度） 社会-人口数据 核心指标 频率 人口 人口；人口增长率；城市人口；农业人口；人口性别；人口的年龄构成 各国公布频率会各不相同；及时性 保健 每个医生照顾人口数；预期寿命；婴儿/儿童/产妇死亡率 也不尽相同 教育 成年人文盲率、学生-教师比率、小学/中学入学率 贫困状况 获得洁净水的情况、卫生；每个房间居住的人数；收入分配；最低收入标准以下的家庭数 二、公布数据的质量 GDDS从两个方面的内容来评估公布的统计数据质量，即：提供统计数据的文字说明和提供统计数据的交叉检验。 统计数据质量是个难以界定、因而不易评估的概念。为了便于检查，GDDS选定两条规则作为评估统计数据质量的标准。一是参加国提供数据编制方法和数据来源方面的资料。资料可以采取多种形式，包括公布数据时所附的概括性说明、单独出版物和可从编制者得到的有关说明。同时也鼓励成员国准备并公布重要的关于数据质量特征的说明（例如，数据可能存在的误差类型、不同时期数据之所以不可比的原因、数据调查的范围或调查数据的样本误差等）。二是提供统计类目核心指标的细项内容、及与其相关的统计数据的核对方法，以及支持数据交叉复核并保证合理性的统计框架。为了支持和鼓励使用者对数据进行核对和检验，规定在统计框架内公布有关总量数据的分项，公布有关数据的比较和核对。统计框架包括核算等式和统计关系。比较核对主要针对那些跨越不同框架的数据，例如，作为国民帐户一部分的进出口和作为国际收支一部分的进出口的交叉核对。 与数据质量密不可分的是制定和公布改进数据的计划。所准备和公布的改进计划应包含所有数据不全的部门。统计当局应表明下述立场中的一个：（1）针对已发现不全的改进计划；（2）最近实施的改进措施；或（3）国家认定不 四、公众获取 GDDS规定要提前公布数据发布日期，并向各方同时发送。 官方统计数据的公布是统计数据作为一项公共产品的基本特征之一，及时和机会均等地获得统计数据是公众的基本要求。GDDS对此制定了两项规划：一是参加国要预先公布各项统计的发布日历表。预先公布统计发布日程表既可方便使用者安排利用数据，又可显示统计工作管理完善和表明数据编制的透明度。GDDS规定对于以年度为频率公布的综合框架和指标，时间表表明不迟于某个既定时间；对于公布频率更高的数据，则可确定一个日期范围，如3-5天。鼓励成员国向公众公布发布最新信息的机构或个人的名称或地址。二是统计发布必须同时发送所有有关各方。由于数据是有价值的商品，因此GDDS规定应向所有有关方同时发布统计数据，以体现公平的原则。发布时可先提供概括性数据，然后再提供详细的数据，当局应至少提供一个公众知道并可以进入的地方，数据一经发布，公众就可以公平地获得。
统计学的历史与今天——《 社会统计学与数理统计学的统一》理论 统计学是一门通过搜索、整理、分析数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。其中用到了大量的数学及其它学科的专业知识，它的使用范围几乎覆盖了社会科学和自然科学的各个领域。 据权威统计学史记载，从17世纪开始就有了“政治算术”、“国势学”，即初级的社会统计学，起源于英国、德国。几乎同时在意大利出现了“赌博数学”，即初级的概率论。直到19世纪，由于概率论出现了大数定理和误差理论，才形成了初级的数理统计学。 也就是说，社会统计学的形成早于数理统计学两个世纪。 由于社会统计学广泛地用于经济和政治，所以得到各国历届政府的极大重视，并得到系统的发展。而数理统计在20世纪40年代以后，由于概率论的发展，而得到飞速发展。经过近400年的变迁，目前世界上已形成社会统计学和数理统计学两大体系。两体系争论不休，难分伯仲。 王见定教授经过30年的学习与研究，发现了社会统计学与数理统计学的联系与区别。它们的关系与著名牛顿力学与相对论力学关系非常相似。 相对论力学在接近光速时使用，而大多数情况下是远离光速的，此时使用牛顿力学既准确又方便。如果硬套相对论力学，则是杀鸡用了宰牛刀，费力不讨好。社会统计学在描写变量时使用，数理统计学在描写随机变量时使用。 我们知道变量与随机变量是既有联系又有区别的。当变量取值的概率不是1时，变量就变成了随机变量；当随机变量取值的概率为1时，随机变量就变成了变量。 变量与随机变量的联系与区别搞清楚了，社会统计学与数理统计学的关系就搞清楚了。以后，在描述变量时，大胆地使用社会统计学；在描述随机变量时，就用数理统计学。如果在描述变量时非用数理统计学，那就是杀鸡用了宰牛刀。 近70年，由于数理统计学的飞速发展，大有“吃掉”社会统计学的势头，尤其是以美国为代表的发达国家，几乎认为统计学就是数理统计学。实际上，这是一个极大的误区。王见定教授的研究已经说明了数理统计学永远“吃不掉”社会统计学，今后的日子，将是社会统计学与数理统计学的共存与互补。
二、统计教育的改革(一) 统计专业课程建设问题专业建设考虑的是应当培养什么样的人才和怎样培养这样的人才。专业建设的核心问题是课程设置和规范课程内容。课程设置主导学生的知识结构，培养统计理论人才应当设置较多的数学课程，目的是让学生能对各种统计方法有较深刻的理性认识；培养应用统计人才应当设置较多的相关应用领域的专业课程，目的是让学生如何能将统计方法正确地运用到相关领域。例如培养从事经济管理的统计人才，在课程设置上至少应当包括四方面的知识：（1）经济理论课程，让学生了解经济活动的主要进程和基本规律；（2）研究社会经济问题主要统计方法，包括常用的统计数据搜集方法，统计数据处理方法和分析方法；（3）适用电脑技术，让学生初步掌握运用电脑进行统计数据处理和分析的基本理论和技能；（4）有关统计理论和统计实践中的前沿性问题，目的不在于要学生真正掌握这些问题，而是让学生了解统计理论和统计实践的前沿发展动态，启迪学生的科学思维能力。(二) 教学方法和教学手段的改革统计教学方法和教学手段改革中，有两个焦点问题：一是如何激发学生学习统计学的兴趣；二是应用什么教学手段来达到较好的统计教学效果等。充分运用现代教育技术、教学手段，更新教学方法，促使教育技术、教学手段和教学方法有机结合。 改灌输式教学为启发式教学，特别注重教育多样化和多层次性，不仅让学生掌握如何搜集、整理数据的技术，还要教学生读懂数字背后的事实。学会按照具体与抽象、动态与静态、个体与总体、绝对与相对、一般与特殊、演绎与归纳等不同的思维方式分析问题和解决问题。注重利用一题多解与一题多变，开拓学生的发散思维。 改单向接受式的教学为双向互动式教学，以案例分析与情景教学开启学生的思维闸门，使学生更形象、快捷的接受知识，发挥其独立思考与创造才能，培养学生创造性思维能力。 构建以课堂、实验室和社会实践多元化的立体教育教学体系。在传授和学习已经形成的知识的同时，加强实践能力锻炼，提高学生的动手能力和创新能力。只有将统计学的方法结合实际进行应用，找到应用的结合点，才能使统计学获得最大的生命力。（三）统计学与计算机教学相结合教材要与统计软件的应用相结合。现在许多教材都是内容与软件分家，现在计算机已非常普及，无论是高校、高职和中专，培养出来的学生不会用统计软件分析数据，不管哪一个层次，都已说不过去。统计学是一门应用的方法型学科，统计学应从数据技巧教学转向数据分析的训练。统计学与计算机教学有机地合为一体，让学生掌握一些常用统计软件的使用。除了要培养学生搜集数据、分析数据的能力外，还要培养学生处理大量数据的能力，即数据挖掘的能力。（四）教学与实际的数据分析相结合统计的教学不能只停留在课本上，案例教学与情景教学应成为统计课程的重要内容。统计教学和教材增加统计实际案例，通过计算机对大量实际数据进行处理，可以在试验室进行，亦可在课堂上进行讨论，这样学生不仅理解了统计思想和方法，而且锻炼和培养了研究和解决问题的能力。（五）要有一批能用电脑、网络来教学的新型教师电脑、网络的出现，不仅改变了教学的手段，还深深地影响着教学的内容，因为它影响着经济、生活的发展和需求。语文（中文、外文）、数学、计算机、专业知识是一个统计人才必备的素质，它们之间不是分离的，而是要尽可能结合在一起来进行教学，各管各教一套的办法已不适应现代化教育教学的需要，现代教育特别注重教育信息技术中的多媒体、网络化、社会化和国际化、多样化和多层次，有了电脑、网络，必需要更新，要培养出一批能用电脑、网络来教学的新型教师，以便培养出新型的21世纪的人才。[参考文献][1] 贺铿关于统计学的性质与发展问题 中国统计，[2] 袁卫国外统计高等教育发展的趋势及对我国统计教育改革的思考中国统计，[3] 习勤关于统计教育创新的思考 中国统计，