有关统计学论文,要数据,图表,模型

有关统计学论文,要数据,图表,模型

%CD%B3%BC%C6%D1%A7%B5%C4%D1%A7%C4%EA%C2%DB%CE%C4&sr=&z=&cl=3&f=8&tn=baidu&wd=%CD%B3%BC%C6%D1%A7+%D1%A7%C4%EA%C2%DB%CE%C4&ct=0

我有几篇 但涉及到版权的问题 你是否愿意，这些文章都是我两年参加数学建模比赛的文章和专业课的论文

一、加强自身建设，积极发展新会员。针对镇乡基层统计人员变化较大的现状，我学会对现有会员进行了调整，积极发展新会员，进一步增强了会员队伍专业人员力量，扩大了统计学会的社会影响力，壮大统计专业技术人员队伍。通过调整和发展，现有正式会员300多人。按照县民政局要求，认真完成统计学会年度检验和变更登记工作。二、坚持不懈地抓好统计分析研究和学术交流活动，为会员提供展示才华的平台 统计分析研究和学术交流活动是学会工作的中心环节，如何围绕县委、县政府的中心工作开展统计调研、提供统计服务是学会工作的主题。学会每季度组织一次学术交流，对一些社会热点和难点问题进行探讨。今年学会会员开展了“百强乡镇”争位入围、三产发展状况、重点工业投资状况、外来民工在**打工现状、**城县停车行路状况等十多项内容的专题调研，并通过《决策参考》的方式，提供给县领导参考。同时，撰写统计分析，通过《**统计》的形式报送，此外通过《**统计信息网》提供工作动态。据不完全统计，到11月底止，已提供《决策参考》16期，《统计分析》47篇，《工作动态》413条。其中受县领导批示31篇、次，在各级新闻媒体发表113篇(条)，被省、市两级统计局采用的有218篇(条)。三、加大统计科学研究，积极参与统计改革。随着经济体制改革的不断深入，统计工作也要进行不断的改革和深化。2005年学会会员在完善提高规模以上工业统计质量的前提下，把工作重点转向了规模以下工业抽样调查的改革。通过调查研究，广泛征求意见，制定出台了《县规模以下工业抽样调查实施方案》，在全县抽取了378个小型企业和880个个体户，实施了县、镇乡两级一套样本的规模以下工业抽样调查制度；并采取明确职责，加强培训，强化宣传，完善制度，层层把关，定期公布等举措，确保样本单位数据质量。通过前期努力，工作已取得明显成效，获得领导肯定。不仅方法可行，结果可信，同时也为明年分镇乡出数据奠定了扎实的基础。在深化工业改革的同时，积极探索三产统计改革。5月份，重新修订了《第三产业统计调查实施办法》，采用“以块为主，条块结合”的方式，采用全面调查、抽样调查和科学推算的办法，以镇乡街道为单位，按季度产生十四个三产行业门类的增加值数据。11月底，又制定了《关于进一步做好三产统计工作的通知》，从健全统计队伍建设、完善名录库动态更新维护、加强统计执法力度等方面完善三产统计制度，从而使三产统计改革取得了实质性进展的新成效。四、认真宣传普及统计知识，抓好培训，为增强广大统计人员的业务素质服务学会积极参与县科协开展的各种科普宣传活动；结合统计法制教育和基础建设，举办了多种形式的业务培训班。组织200名新统计人员上岗培训，对已有800多名规模企业统计人员进行统计法制和统计业务知识培训，对100余名房地产企业统计人员开展了统计业务和网上直报培训。积极鼓励广大统计专业人员参加各等级统计专业技术资格考试。今年我学会有二名同志通过了高级统计师考试，其中一人获得了高级统计师专业资格。努力完成《统计》在我县的征订工作，受到省统计学会的好评。2006年是我县实施再造工程，推进三大跨越，加快经济建设具有关键性的一年，统计学会将继续围绕县委、县政府提出的目标，同时结合学会自身特点，提出如下初步工作思路。1、在上级学（协）会和统计局党组的领导下，开展本学会的日常管理工作，不断加强自身队伍建设。上半年完成学会理事会的改选工作。2、继续推进统计方法和制度改革，加强统计科研活动，更好地适应经济发展对统计工作的要求。每季度组织一次学会专业骨干参加的科研探讨活动。3、针对经济发展的热点和难点问题，结合统计工作实际，积极开展统计调研，撰写统计分析和调研报告。要在数量比上年有所增加的同时，力争在质量上有较大的提高，出更多的优质品。4、继续参与统计专业上岗培训，结合统计工作的实际需要开展后续教育工作。

统计学论文有具体数据的模型

数据可从网上搜索，统计年鉴及各大数据库都有，再通过统计软件作分析，例如相关分析和回归分析，这种论文偏理论型。推论统计学被用来将资料中的数据模型化，计算它的机率并且做出对于母体的推论。这个推论可能以对/错问题的答案所呈现（假设检定）。对于数字特征量的估计（估计），对于未来观察的预测，关联性的预测（相关性），或是将关系模型化（回归）。其他的模型化技术包括变异数分析（ANOVA），时间序列，以及数据挖掘。为了实际的理由，我们选择研究母体的子集代替研究母体的每一笔资料，这个子集称做样本。以某种经验设计实验所搜集的样本叫做资料。资料是统计分析的对象，并且被用做两种相关的用途：描述和推论。描述统计学处理有关叙述的问题：资料是否可以被有效的摘要，不论是以数学或是图片表现，以用来代表母体的性质？基础的数学描述包括了平均数和标准差。图像的摘要则包含了许多种的表和图。

如果研究一个X或多个X对Y的影响关系，其中Y为定量数据，可使用线性回归分析，构建回归模型。如果研究一个X或多个X对Y的影响关系，其中Y为定类数据，可使用Logistic分析，构建Logistic回归模型。如果要分析1组X与一组Y之间的关系情况，可使用典型相关分析。如果要分析多个X与多个Y之间的影响关系情况，且样本量较小（通常小于200），可使用PLS回归分析。

与统计相关的论文(有数据.团者、模型)

我给你分享几个统计学与应用这本期刊的题目吧，你参考参考：产业集聚对江苏省制造业全要素生产率的影响研究、基于文献计量分析的企业论文发表情况评价——以宁波市安全生产协会会员为例、基于泰尔指数的城乡收入差距的分析与预测、卡方分布下FSI CUSUM和VSI CUSUM控制图的比较、新冠肺炎疫情对中国旅游业的冲击影响研究——基于修正的TGARCH-M模型

这个建议你 查十篇左右的文献 看看以前发表的毕业论文都是怎么写的 然后还可以跟上一级打听下 或者跟指导你毕业的老师咨询下 找到一个研究样本之后 再想怎么做 论文题目不急

因子分析模型 因子分析法是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。它的基本思想是将观测变量进行分类，将相关性较高，即联系比较紧密的分在同一类中，而不同类变量之间的相关性则较低，那么每一类变量实际上就代表了一个基本结构，即公共因子。对于所研究的问题就是试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量。 因子分析的基本思想： 把每个研究变量分解为几个影响因素变量，将每个原始变量分解成两部分因素，一部分是由所有变量共同具有的少数几个公共因子组成的，另一部分是每个变量独自具有的因素，即特殊因子因子分析模型描述如下： （1）X = (x1，x2，…，xp)￠是可观测随机向量，均值向量E(X)=0，协方差阵Cov(X)=∑，且协方差阵∑与相关矩阵R相等（只要将变量标准化即可实现）。 （2）F = (F1，F2，…，Fm)￠ （m

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

统计学论文分析数据模型

数据可从网上搜索，统计年鉴及各大数据库都有，再通过统计软件作分析，例如相关分析和回归分析，这种论文偏理论型。推论统计学被用来将资料中的数据模型化，计算它的机率并且做出对于母体的推论。这个推论可能以对/错问题的答案所呈现（假设检定）。对于数字特征量的估计（估计），对于未来观察的预测，关联性的预测（相关性），或是将关系模型化（回归）。其他的模型化技术包括变异数分析（ANOVA），时间序列，以及数据挖掘。为了实际的理由，我们选择研究母体的子集代替研究母体的每一笔资料，这个子集称做样本。以某种经验设计实验所搜集的样本叫做资料。资料是统计分析的对象，并且被用做两种相关的用途：描述和推论。描述统计学处理有关叙述的问题：资料是否可以被有效的摘要，不论是以数学或是图片表现，以用来代表母体的性质？基础的数学描述包括了平均数和标准差。图像的摘要则包含了许多种的表和图。

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。

是的啊而且还要找数据呢我替别人做这类的数据分析蛮多的

统计学论文有具体数据的模型吗

数据可从网上搜索，统计年鉴及各大数据库都有，再通过统计软件作分析，例如相关分析和回归分析，这种论文偏理论型。推论统计学被用来将资料中的数据模型化，计算它的机率并且做出对于母体的推论。这个推论可能以对/错问题的答案所呈现（假设检定）。对于数字特征量的估计（估计），对于未来观察的预测，关联性的预测（相关性），或是将关系模型化（回归）。其他的模型化技术包括变异数分析（ANOVA），时间序列，以及数据挖掘。为了实际的理由，我们选择研究母体的子集代替研究母体的每一笔资料，这个子集称做样本。以某种经验设计实验所搜集的样本叫做资料。资料是统计分析的对象，并且被用做两种相关的用途：描述和推论。描述统计学处理有关叙述的问题：资料是否可以被有效的摘要，不论是以数学或是图片表现，以用来代表母体的性质？基础的数学描述包括了平均数和标准差。图像的摘要则包含了许多种的表和图。

统计学毕业论文不一定要建模的，当时我也是请教的莫‘文网，非常多的专业老师，后来没时间还是帮忙搞定的论文　　从统计学的角度看留学生对于动宾式离合词的习得　　空间统计学及其在空间模式分析中的应用　　高校教务管理系统中的数据分析和模型研究　　初中学生语文偏误的统计学调查与研究　　地统计学和神经网络在遥感影像分类中的应用研究　　我国股票价值投资的统计学实证　　脑动静脉畸形临床表现及血管构筑学指标的统计学分析研究　　基于古今医案数据分析的黄疸病证治规律研究　　契丹居民DNA多态性研究与生物统计学分析

这个要看不同学校的吧……反正我们学校经济本科毕业论文不需要数据模型，但是需要一些数据来支撑你的论点，作为论据还是需要的。。。