热门标签:代写本科论文 写作发表 工程师论文 代写一篇论文多少钱
当前位置: 代写一篇论文多少钱 > 经济管理论文 > 统计学论文(精选6篇)

统计学论文(精选6篇)

时间:2018-03-01 16:16作者:
本文导读:这是一篇关于统计学论文(精选6篇)的文章,借鉴发达国家和国际组织经验,构建起符合中国国情的经济统计分析知识体系,重视经济统计指标的研究,才是经济统计学生存与发展的出路。我们就在这里分享6篇统计学论文,希望对你有所启发。
改革开放以来,在统计学的变革过程中,经济统计学却一直没能建立起系统的、符合逻辑、符合新的统计思想的知识体系,在高校教学中逐步淹没在其他课程中。借鉴发达国家和国际组织经验,构建起符合中国国情的经济统计分析知识体系,重视经济统计指标的研究,才是经济统计学生存与发展的出路。我们就在这里分享6篇统计学论文,希望对你有所启发。
  
  统计学论文一:
  
  题目:基层金融统计工作中存在问题及建议

  
  摘要:在社会和经济的快速发展中,不断提高对统计数据的质量要求。金融统计在管理决策与金融运行中所起的作用越发重要。金融统计工作的执行情况在一定程度对国民经济和政府决策产生影响,需要引起金融统计部门和相关人员的足够重视。基层的金融统计工作由于在经济、行业和城市的差距较大,发展相对落后,存在着很多问题。本文主要分析基层金融统计工作存在的问题,并针对这些问题提出应对的建议。
  
  关键词:基层;金融统计;存在问题
统计学论文 配图
  
  金融统计指的是金融机构需要采集、分析与管理各个金融业务的数据,从而提供统计咨询和统计信息,交流和共享金融信息,开展金融统计的监督和管理活动。金融工作的一个重要基础就是金融统计,在不断发展的市场经济和推陈出新的金融需求中,更加显现出其重要性,不断完善金融统计的管理工作,使其规范化、科学化。然而,在基层的金融统计工作中尚且存在很多不足之处,需要积极采取措施加以改进。
  
  一、基层金融统计工作的问题
  
  一是基层金融统计基础薄弱。基层金融统计工作的基础比较薄弱体现在三个方面:(1)基层金融统计单位没有意识到自身工作的重要价值,敷衍了事;(2)基层金融统计工作人员的素质与能力较低;(3)开展金融统计工作的硬件设备比较落后,影响了工作的正常开展;二是基层金融统计管理工作不规范;三是有的基层金融统计机构虽然建立了工作制度,也设置了工作流程,但是没有根据实际情况及时更新,导致制度和流程与实际脱节,不合理,不具有可行性;四是由于基层金融机构没有做好金融统计工作,导致其作用没有充分发挥出来。
  
  二、应对基层金融统计不足的建议
  
  (一)加强建设金融统计基础

  
  为了提高基层的金融统计,(1)要求金融统计部门的相关人员认识到金融统计的重要价值。在市场经济改革和金融体制改革中,金融统计已经从以往的搜集和整理数据信息变成包含了统计、咨询与监督职能的金融基础工作,比以往具有更强的综合性,能够起到的作用也更加全面、广泛,比如可以参考金融统计资料开展经济活动,金融企业参考金融统计信息实施经营管理,政府参考金融统计信息进行管理决策,依据金融统计数据开展科学研究和国际合作等等。因此,金融统计的作用非常重要,而且在将来会有更大的作为;(2)提高金融统计人员的素质与能力。(3)增加对基层金融统计部门的资金投入,协助其引进先进的基础设施,从而更好地开展金融统计工作,适应金融业务的发展需要。
  
  (二)规范管理基层金融统计工作
  
  要想有效解决基层的金融统计工作,必须对其进行规范管理。
  (1)建立健全基层的金融管理体系,明确金融统计的具体工作内容和操作流程,设置专门的金融统计岗位,明确具体的岗位职责,从而更好开展基层的金融统计工作;(2)对金融统计人员进行岗前、岗中培训,为此基层金融部门要严格制定培训制度,保证相对稳定的金融统计专门人员,确保金融统计业务能够顺利、持久地开展下去。另外,为了保证有效、直接的管理,基层的金融机构应该设立金融统计人员上岗考试,并颁发上岗证,实行金融统计工作人员备案制度;(3)建立健全金融统计工作的岗位责任制度、激励制度,量化考核金融统计工作进展情况,同时要制定具体的金融统计业务操作与处理流程,保证标准化、规范化的业务操作,制定并实行年度评比制。
  
  (三)科学化、可操作化金融统计具体工作
  
  (1)在金融创新和改革的要求下,金融统计工作制度和指标要在市场经济的要求之下做出改进和完善。比如各个金融机构的现金流通也成为金融统计的一项工作内容,保障统计现金收支上的完整。同时在统计分类的标准化要求下,科学化、合理化分类金融统计的项目,各个金融机构在制定本系统金融统计体系时都要以监管机构金融体系为依据,并且要在向监管机构报备或是通过审核后才能实行,从而保证金融统计的分类、项目归属达到统一;(2)强化金融统计调研,及时收集金融机构在统计工作开展中的问题,尤其是基层金融统计机构,并做出改进和提高。
  
  (四)最大程度上发挥金融统计的作用
  

  (1)尽快建设金融机构的数据库,在金融统计基础资料上要储备数量足够,并且其统计工作和统计的金融数据资料要适应现代化金融、经济发展需求;(2)金融统计的分析水平要想得到提高,其基础是统计的金融数据要具有准确性、完整性、及时性,能够对当前金融经济运行状况作出及时反映,并做出准确的判断,为制定和实施宏观政策提高参考数据,有效提升金融统计的预见性、前瞻性和敏感性;(3)建立健全基层的经济调查、信息披露、信息共享等制度,构建多方机构交流信息的平台,比如经济主观单位、政府主管宏观调控的部门、地方政府、基层央行、其他一些金融机构等等,增强各个机构之间的交流与支持,最大程度上发挥基层金融统计工作在促进基层经济发展上的积极价值。
  
  三、结语
  
  金融统计工作对于经济发展有着很重要的价值,在未来的经济发展中也将会有更加重要的作用,需要引起各类金融机构的重视。尤其是基层的金融统计存在着不少问题,需要加强建设金融统计基础,从而最大程度上发挥金融统计的作用,为基层经济发展服务。
  
  参考文献:
  
  [1]夏宾.基层金融统计工作问题分析及解决对策[J].商场现代化,2015(7).

  统计学论文二:

  题目:大数据时代统计学重构浅析

  摘要:基于大数据特征, 统计学的抽样理论和总体理论的存在价值、统计方法的重构及统计结果评价标准的重建等成为统计学理论面临解决的首要问题.为适应大数据时代的发展, 分析了大数据时代传统统计学所面临的机遇与挑战, 对传统统计学的继承、发展和完善, 重构大数据时代新的统计理论有其重要意义.

  关键词:大数据; 统计学; 数据分析; 抽样理论; 理论重构;

  随着信息科学技术的高速度发展, 当代获取和储存数据信息的能力不断增强而成本不断下降, 这为大数据的应用提供了必要的技术环境和可能.应用大数据技术的优势愈来愈明显, 它的应用能够帮助人类获取真正有价值的数据信息.近年来, 专家学者有关大数据技术问题进行了大量的研究工作[1], 很多领域也都受到了大数据分析的影响.这个时代将大数据称为未来的石油, 它必将对这个时代和未来的社会经济以及科学技术的发展产生深远的意义和影响.

  目前对于大数据概念, 主要是从数据来源和数据的处理工具与处理难度方面考虑, 但国内外专家学者各有各的观点, 并没有给出一致的精确定义.麦肯锡全球数据分析研究所指出大数据是数据集的大小超越了典型数据库工具集合、存储、管理和分析能力的数据集, 大数据被Gartner定义为极端信息管理和处理一个或多个维度的传统信息技术问题[2-3].目前得到专家们认可的一种观点, 即:“超大规模”是GB级数据, “海量”是TB级数据, 而“大数据”是PB及其以上级别数据[2].一些研究学者把大数据特征进行概括, 称其具有数据规模巨大、类型多样、可利用价值密度低和处理速度快等特征, 同时特别强调大数据区别于其他概念的最重要特征是快速动态变化的数据和形成流式数据.大数据技术发展所面临的问题是数据存储、数据处理和数据分析、数据显示和数据安全等.大数据的数据量大、多样性、复杂性及实时性等特点, 使得数据存储环境有了很大变化[4-5], 而大部分传统的统计方法只适合分析单个计算机存储的数据, 这些问题无疑增加了数据处理和整合的困难.数据分析是大数据处理的核心过程, 同时它也给传统统计学带来了巨大的挑战[6].产生大数据的数据源通常情况下具有高速度性和实时性, 所以要求数据处理和分析系统也要有快速度和实时性特点, 而传统统计分析方法通常不具备快速和实时等特点.

  基于大数据的特点, 传统的数据统计理论已经不能适应大数据分析与研究的范畴, 传统统计学面临着巨大的机遇与挑战, 然而为了适应大数据这一新的研究对象, 传统统计学必须进行改进, 以继续和更好的服务于人类.目前国内外将大数据和统计学相结合的研究文献并不多.

  本文对大数据时代这一特定环境背景, 统计学的抽样理论和总体理论的存在价值、统计方法的重构及统计结果的评价标准的重建等问题进行分析与研究.

  1 传统意义下的统计学

  广泛的统计学包括三个类型的统计方法:①处理大量随机现象的统计方法, 比如概率论与数理统计方法.②处理非随机非概率的描述统计方法, 如指数编制、社会调查等方法.③处理和特定学科相关联的特殊方法, 如经济统计方法、环境科学统计方法等[7].

  受收集、处理数据的工具和能力的限制, 人们几乎不可能收集到全部的数据信息, 因此传统的统计学理论和方法基本上都是在样本上进行的.或者即使能够得到所有数据, 但从实际角度出发, 因所需成本过大, 也会放弃搜集全部数据.然而, 选择最佳的抽样方法和统计分析方法, 也只能最大程度还原总体一个特定方面或某些方面的特征.事实上我们所察觉到的数据特征也只是总体大量特征中的一小部分, 更多的其他特征尚待发掘.

  总之, 传统统计学是建立在抽样理论基础上, 以点带面的统计分析方法, 强调因果关系的统计分析结果, 推断所测对象的总体本质的一门科学, 是通过搜集、整理和分析研究数据从而探索数据内部存在规律的一门科学.

  2 统计学是大数据分析的核心

  数的产生基于三个要素, 分别是数、量和计量单位.在用数来表示事物的特征并采用了科学的计量单位后, 就产生了真正意义上的数据, 即有根据的数.科学数据是基于科学设计, 通过使用观察和测量获得的数据, 认知自然现象和社会现象的变化规律, 或者用来检验已经存在的理论假设, 由此得到了具有实际意义和理论意义的数据.从数据中获得科学数据的理论, 即统计学理论.科学数据是通过统计学理论获得的, 而统计学理论是为获得科学数据而产生的一门科学.

  若说数据是传达事物特征的精确语言, 进行科学研究的必备条件, 认知世界的重要工具, 那么大数据分析就是让数据最大限度地发挥功能, 充分表达并有效满足不同需求的基本要求.基于统计学的发展史及在数据分析中的作用, 完成将数据转化为知识、挖掘数据内在规律、通过数据发现并解决实际问题、预测可能发生的结果等是研究大数据的任务, 而这必然离不开统计学.以大数据为研究对象, 通过数据挖掘、提取、分析等手段探索现象内在本质的数据科学必须在继承或改进统计学理论的基础上产生.

  统计数据的发展变化经历了一系列过程, 从只能收集到少量的数据到尽量多地收集数据, 到科学利用样本数据, 再到综合利用各类数据, 以至于发展到今天的选择使用大数据的过程.而统计分析为了适应数据可观察集的不断增大, 也经历了相应的各个不同阶段, 产生了统计分组法、大量观察法、归纳推断法、综合指标法、模型方程法和数据挖掘法等分析方法, 并且借助计算机以及其他软件的程度也越来越深.300多年来, 随着数据量以指数速度的不断增长, 统计学围绕如何搜集、整理和分析数据而展开, 合理构建了应用方法体系, 帮助各个学科解决了许多复杂问题.现在进入了大数据时代, 统计学依旧是数据分析的灵魂, 大数据分析是数据科学赋予统计学的新任务.对于统计学而言, 来自新时代的数据科学挑战有可能促使新思想、新方法和新技术产生, 这一挑战也意味着对于统计学理论将面临巨大的机遇.

  3 统计学在大数据时代下必须改革

  传统统计学是通过对总体进行抽样来搜索数据, 对样本数据进行整理、分析、描述等, 从而推断所测对象的总体本质, 甚至预测总体未来的一门综合性学科.从研究对象到统计结果的评判标准都是离不开样本的抽取, 完全不能适应大数据的4V特点, 所以统计学为适应大数据技术的发展, 必须进行改革.

  从学科发展角度出发, 大数据对海量数据进行存储、整合、处理和分析, 可以看成是一种新的数据分析方法.数据关系的内在本质决定了大数据和统计学之间必然存在联系, 大数据对统计学的发展提出了挑战, 体现在大样本标准的调整、样本选取标准和形式的重新确定、统计软件有待升级和开发及实质性统计方法的大数据化.但是也提供了一个机遇, 体现在统计质量的提高、统计成本的下降、统计学作用领域的扩大、统计学科体系的延伸以及统计学家地位的提升[7].

  3.1 大数据时代抽样和总体理论存在价值

  传统统计学中的样本数据来自总体, 而总体是客观存在的全体, 可以通过观测到的或经过抽样而得到的数据来认知总体.但是在大数据时代, 不再是随机样本, 而是全部的数据, 还需要假定一个看不见摸不着的总体吗?如果将大数据看成一个高维度的大样本集合, 针对样本大的问题, 按照传统统计学的方法, 可以采用抽样的方法来减少样本容量, 并且可以达到需要的精度;对于维度高的问题, 可以采取对变量进行选择、降维、压缩、分解等方法来降低数据的复杂程度.但实际上很难做得到, 大数据涵盖多学科领域、多源、混合的数据, 各学科之间的数据融合, 学科边界模糊, 各范畴的数据集互相重叠, 合成一体, 而且大数据涉及到各种数据类型.因此想要通过抽样而使数据量达到传统统计学的统计分析能力范围是一件相当困难或是一件不可能的事.大量的结构数据和非结构数据交织在一起, 系统首先要认清哪个是有价值的信息, 哪个是噪声, 以及哪些不同类型的数据信息来自于同一个地址的数据源, 等等, 传统的统计学是无法做到的.

  在大数据时代下, 是否需要打破传统意义的抽样理论、总体及样本等概念和关系, 是假设“样本=总体”, 还是“样本趋近于总体”, 还是不再使用总体和样本这两个概念, 而重新定义一个更合适的概念, 等等.人们该怎样“安排”抽样、总体及样本等理论, 或人们该怎样修正抽样、总体、样本的“公理化”定义, 这个问题是大数据时代下, 传统统计学面临改进的首要问题.

  3.2 统计方法在大数据时代下的重构问题

  在大数据时代下, 传统的高维度表达、结构描述和群体行为分析方法已经不能精确表达大数据在异构性、交互性、时效性、突发性等方面的特点, 传统的“假设-模型-检验”的统计方法受到了质疑, 而且从“数据”到“数据”的统计模式还没有真正建立, 急切需要一个新的理论体系来指引, 从而建立新的分析模型.去除数据噪声、筛选有价值的数据、整合不同类型的数据、快速对数据做出分析并得出分析结果等一系列问题都有待于研究.

  大数据分析涉及到三个维度, 即时间维度、空间维度和数据本身的维度, 怎样才能全面、深入地分析大数据的复杂性与特性, 掌握大数据的不确定性, 构建高效的大数据计算模型, 变成了大数据分析的突破口.

  科学数据的演变是一个从简单到复杂的各种形式不断丰富、相互包容的过程, 是一个循序渐进的过程, 而不是简单的由一种形式取代另一种形式.研究科学数据的统计学理论也是一样, 也是由简单到复杂的各种形式相互包容、不断丰富的发展过程, 而绝不是完全否定一种理论、由另一种理论形式所代替.大数据时代的到来统计学理论必须要进行不断的完善和发展, 以适应呈指数增长的数据量的大数据分析的需要.

  4 结论

  来自于社会各种数据源的数据量呈指数增长, 大数据对社会发展的推动力呈指数效应, 大数据已是生命活动的主要承载者.一个新事物的出现, 必然导致传统观念和传统技术的变革.对传统统计学来说, 大数据时代的到来无疑是一个挑战, 虽然传统统计学必须做出改变, 但是占据主导地位的依然会是统计学, 它会引领人类合理分析利用大数据资源.

  大数据给统计学带来了机遇和挑战, 统计学家们应该积极学习新事物, 适应新环境, 努力为大数据时代创造出新的统计方法, 扩大统计学的应用范围.

  参考文献
  [1]陈冬玲, 曾文.频繁模式挖掘中基于CFP的应用模型[J].沈阳大学学报 (自然科学版) , 2015, 27 (4) :296-300. (CHEN D L, ZENG W.Application model based on CFP in mining frequent patterns[J].Journal of Shenyang University (Natural Science) , 2015, 27 (4) :296-300.)
  [2]STEPHEN K, FRANK A J, ALBERO E, et al.Big data:issues and chalenegers moving forward[C]∥Proceedings of the 46th Annual Hawaii International Conference on System Sciences, HICCSS 2013.Washington:IEEE Computer Society, 2013:995-1004.
  [3]卞友江.“大数据”概念考辨[J].新闻研究导刊, 2013, 35 (5) :25-28. (BIAN Y J.Research on the concept of"big data"[J].News Herald, 2013, 35 (5) :25-28.)
  [4]Committee on the Analysis of Massive Data.Frontiers in massive data analysis[M].Washington:National Academies Press, 2013.
  
  

联系我们
  • 写作QQ:78307562
  • 发表QQ:78303642
  • 服务电话:18930620780
  • 售后电话:18930493766
  • 邮箱:lunwen021@163.com
范文范例
网站地图 | 网站介绍 | 联系我们 | 服务承诺| 服务报价| 论文要求 | 期刊发表 | 服务流程