浅谈大数据对统计学的挑战和机遇

引言　　国际数据公司的相关研究指出，2011年全球数据生产量达1.8ZB，且全球信息总量每隔两年增长一倍[1]。在大数据时代下，对于统计学发展而言，挑战与机遇并存，挑战指的是现阶段传统统计学相关方法难以适用大数据，机遇指的是基于统计学，大数据展开数据处理、分析，促使大数据具备可视化特性。由此可见，研究大数据对统计学的挑战和机遇有着十分重要的现实意义。　　1.大数据及其目的　　现阶段，关于大数据仍旧没有一个十分明确的界定，大数据起初是源自于技术领域。在信息量不断扩大的情况下，使得常规电脑原有存储空间已不能对新处理数据进行承载，新兴数据处理技术得以产生，好比雅虎的Hadoop平台、谷歌的MapReduce等。此类技术能够对僵化层次结构、一致性予以消除，促进数据无需通过常规数据库表格进行排列，极大程度地提升了人们可处理的数据量[1]。　

　2.大数据与统计学的对比　　2.1样本统计与全样本统计的区别　　样本统计属于统计学不可或缺的依赖，样本指的是结合相应的概率自总体中随机筛选并视作总体代表的集合内容，值得一提的是随机抽样是需要成本的，包括社会关系、资金成本或者时间成本等。基于样本数量提升有限前提下，样本估计误差会随着总体数量增多而增大，这亦是样本统计无法避免的不足。大数据时代下，收集整理庞大的数据信息应运而生，数据信息发展表现出总体即是样本的态势，该属性很好的消除了样本统计这一不足。大数据时代下的全样本统计，通常情况下可对完全总体进行覆盖，然而受大部分数据属于半结构、半结构数据影响，使得概率论应用遭受一定的制约[2]。鉴于此，将全样本统计应用到统计学中，应当就总体数据展开相应的归纳、筛选，即好比在样本统计中展开数据预处理。　　2.2预测分析与非预测分析的区别　　统计学的创立，是为了对变量相互相关关系展开分析，因此获取数据是发生于变量确定之后的，数据分析价值是能够被预测的。相较于统计学的预测分析，庞大数据将互联网、传感器作为载体，存在于分析需求之前，因此构建于大数据上的分析多为非预测性分析。在统计学中，出现大数据无法有效应用局面，这是由于不具备非预测分析所需的庞大数据，庞大数据产生与数据中心、存储系统存在紧密的联系，并非短期产生。也就是说，统计学中大数据的应用发展，说明了非预测分析正逐步取代传统统计学预测分析，数据多次利用正逐步取代传统数据一次性利用的。　　3.大数据对统计学的挑战与机遇　　3.1数据生产、处理与应用的转变　

　相关统计部门经开展严格的统计设计工作，获得相关的统计数据，数据的预处理分别有数据清洗、非全面数据填补以及数据矫正等。大数据时代下的统计手段尚不十分明确，自大数据流环境而言，要不断探索新型抽样方法，并确保抽样方法的实时、连贯及可行性。除去传统的统计分析方法，还应当开发大数据动态分析、数据流算法等[3]。　　3.2大数据时代对市场营销的机遇　　3.2.1大数据营销的特点与价值　　大数据营销的特点：I.数据采集多平台化特点，即大数据时代下，大数据的数据大多来源于不同的领域、不同的渠道。II.时效性特点，随着信息技术的急速发展，互联网用户消费、购物行为方式往往会瞬间出现转变。国际先进大数据营销企业AdTime基于此大数据营销特点，采取了时间营销措施，即采取相应的技术方式全面获悉用户所需，于第一时间对用户当下的需求进行回应，以使用户在下决心购买的最佳时间及时看到对应的产品广告。III.个性化特点，在大数据时代下，广告商传统媒体导向的营销理念逐步由受众导向取代，现如今，广告商可应用大数据了解用户的地理方位，需求内容等信息，达到对用户个性化营销的目的。　　大数据营销的价值：I.升级营销与用户的匹配度，大数据营销不仅可提供给企业了解用户有效的途径，还能够与网络环境下，选取相关技术方法达到对用户精确定位的目的，从而开展好营销工作，升级营销与用户的匹配度。II.改善用户体验，大数据营销促使企业真正意义上认识到用户及其所使用企业产品情况，以给予用户最人性化的提醒。　　3.2.2大数据营销的应用　　（1）与消费者建立紧密关系　　现如今，我国一些企业营销行为仍旧处于个性化定位信息、创意设计阶段，而无法对不同消费者展开个性化的营销活动。大数据时代下，经采用相关数据分析技术方法，基于对消费群体喜好、传媒接触习惯等展开有效的分析，达到特定营销活动明确开展的目的，实现企业精心开展的营销活动精准的辐射至目标消费群体处，与消费者建立紧密关系，极大的改善营销效率、质量[4]。　　（2）掌握竞争对手数据　　企业通过对竞争对手数据的有效掌握，获悉竞争对手发展状况，基于此帮助企业制定科学合理的产品价格，提升企业产品市场竞争优势。与此同时，企业务必要全面实施以事实为前提的决策手段，广泛地应用数据分析方式对企业每一个发展运营步骤进行优化，经对企业一系列数据的充分优化、对接，促使业务环节中潜在的价值得以被有效挖掘，降低生产成本，知己知彼，促使企业在日趋白热化的市场竞争中占据有利位置。　　（3）挖掘企业内部数据　　“市场未动，数据先行”俨然转变为国际上企业有效运营发展的一致认识，为了提升企业管理效率，要求企业要充分挖掘企业内部数据，并展开有效的整合、分析，以为企业相关人员做决策提供有利的参考依据，提升决策准确性，促进企业可持续发展。

3.2.4 企业的应用案例——以亚马逊为例　　在应用大数据开展市场营销方面，美国亚马逊公司一直处于领先地位。亚马逊研发出“用户未下单，先发货”功能，即结合用户的购物需求数据信息，分析用户想要购买的产品，达到用户未下单，提前发货的目的。此外，亚马逊通过对用户检索信息的分析，评估流感的传播，但这仅仅为海量检索数据中的一项用途，相同的数据能够应用于预测大选结果、预测某类产品市场行情等等，极大地降低了统计成本[5]。　　3.3大数据时代对市场营销的挑战　　3.3.1信息收集　　大数据并非就是对数据信息展开盲目的收集，即便收集了再多的数据，倘若这些数据并非是市场营销所需要的，如此便会导致前期收集来的数据信息，变成一堆“数据垃圾”。鉴于此，为了避免这一情况发生，务必要充分分析业务需求，再对自身存在价值的数据展开收集、归纳，如此方可实现大数据的有效收集应用。　　3.3.2经验与数据　　数据采集完毕后，面对参差不齐的数据，还应当做好数据评估工作，评估对何种目标受众开展市场营销工作。鉴于此，要求采取科学合理的手段，将这些参差不齐的数据整合成可被市场营销实践应用的，经结合过去的经验，与采集数据进行有机融合，实现对目标受众的有效分析确定。　　3.3.3分析与优化　　数据分析，一方面是实现数据优化，一方面是进行决策层面上的调整、转变。此环节对于专业人才的需求提出了严苛的挑战。数据分析、数据优化对于专业人才的知识框架要求大不相同，这要求相关企业不仅要培养专业的数据分析人才，还要打造数据优化人才队伍。　

　3.4大数据营销的未来发展趋势　　信息技术不断发展，单一媒体导向的“消费者碎片化”俨然无法达到企业对于数据多样性的需求。大数据时代下，媒体的跨界融合实现对“碎片化”受众的充分聚合。在科学技术技术不断进步的背景下，跨媒介、跨平台、跨终端的多途径将不断被开拓，将使庞大的数据信息获取多维度的整合，并且在多样化网络环境下，消费者主观信息与客观数据有机融合，构筑全面用户数据库环节，将成为未来大数据营销发展的必然趋势[6]。　　4.结束语　　总而言之，大数据为传统统计学带来了严峻的考验，也为传统统计学有效发展创造了良好的契机。在大数据时代发展潮流中，我们应当充分的认识到大数据对于传统统计学而言，是补充而不是更替，构建于样本统计、预测分析内容上的传统统计学，仍旧于社会统计、经济分析中占据着主导位置。大数据时代下，为了实现企业市场营销的有效开展，相关人员务必要不断专研研究、总结经验，全面分析大数据与统计学的对比，充分认识大数据对统计学的挑战和机遇，“与消费者建立紧密关系”、“掌握竞争对手数据”、“挖掘企业内部数据”等，积极促进企业市场营销的科学合理化。

首先来说说数据科学吧，作为一门学科， 数据科学所依赖的两个因素是数据的广泛性和多样性，而广泛性和多样性之间又有共性。

数据科学主要包括两个方面： 用数据的方法来研究科学和用科学的方法来研究数据。

前者的包含面很广，囊括了生物信息学，天体信息学等领域。而后者包括统计学、CS、数据挖掘、数据库等领域。所以，要直白的说的话，就是数据科学包括了统计学，数据挖掘。而数据挖掘既相对独立，也可以作为一个统计学发展的小方向（与CS有关）而不是分支。而大数据则是个专有名词，指的是所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息。

统计学的主干课程都包括什么？主要都涉及到什么样的知识和实际背景？

两者的比较如果再从就业上讲，统计无疑是一个比较热门的专业，之中好多方向都比较好就业，每个方向都有其对应的工作，比如事业单位和经济、管理部门从事统计调查、统计信息管理、数量分析等开发、应用和管理工作，或在科研、教育部门从事研究和教学工作。而数据科学作为拥有完整知识体系的新兴的学科，其就业前景无疑也是可观的。

——圆圆

个人认为这三者既存在着密切的联系，也不完全相同。用数学的话来说，就是三者之间相互存在着交集，但也并不是完全包含。

其中涉及的最广泛的应该就是数据科学了。研究大数据的方法可以称作数据科学、而统计的研究方法就更可以算作是数据科学了。本身，数据科学就是在大数据的背景下提出的。它不仅包括大数据的研究方法和研究背景，更包括对于数据软件的使用、对于数据库的理解、甚至包括对于算法的理解等等。

大数据，是在近几年才刚刚提出并迅速走红的概念。它是未来数据分析和存储的新趋势。面对这个信息爆炸的时代，数据的高数量、高维度、高更新速度以及背后的高商业价值都对于传统的硬件存储、数据库管理和统计分析方法提出了更高的要求。原先的统计大多都是适用于小样本的情况，而面对这样的大数据往往显得无能为力。因此，相比较与其他的两个概念来看，它既是数据科学的基础，也是建立在统计基础上的一个科学。

最后，三者最共同的地方应该就是统计了，无论是数据科学应用在各个实际领域、还是大数据的各种突破过去经典数据规模的领域，它们的核心思想或者说最先处理的基础都是统计。如果任何数据都可以使用经典的统计方法去解决的话，不会再采用其他的模糊近似的方法进行操作。

综上，数据科学包含的内容更加全面、更加综合，它更像是一个对于实际的数据问题需要具备的一些基本甚至专业知识。而大数据，则只是一个概念，指的是对于现在这个数据泛滥时代的统称。而它的研究方法包括在数据科学之中。对于统计而言，它在应用领域与前两者也有着很类似的内容，然而其理论基础部分则与前两者不同，是前两者进行研究和发展的基础。

——高原红

想了解更多相关内容，记得持续关注我们哦。

如果你觉得有点意思，请有秩序的评论、转发、收藏。

普遍的定义认为，统计学是关于数据的科学，研究如何收集数据，并科学地推断总体特征。大数据和统计学还是存在一定区别的，其一是数据分析时不再进行抽样，而是采用population（n=all）；其二是分析方法，侧重所有变量之间的相关性，而不再根据背景学科理论筛选变量，进行假设检验。

现在社会上有一种流行的说法，认为在大数据时代，“样本=全体”，人们得到的不是抽样数据而是全数据，因而只需要简单地数一数就可以下结论了，复杂的统计学方法可以不再需要了。

普查和抽样调查是传统的两大数据收集方法。普查不需要统计学方法进行推断估计，因为通过普查，已经取得了所有个体数据和总体的实际分布，这也是为什么人类开始懂得计数就开始进行普查。抽样调查是利用抽样理论解决如何科学设计样本，取得样本个体数据，并科学地推断总体分布及特征。无论是普查还是抽样调查，其核心问题之一是要取得准确的“个体数据”。但在大数据时代，一切皆可量化，一切皆可记录，如何利用更全面、更及时、更经济的网络电子化数据，以及通过对这些数据使用新的分析及挖掘技术，产生新的见解和认识，是我们面临的重大机遇。

大数据的应用可以说是在减少人类处理数据时带入的主观假设的影响，而完全依靠数据间的相关性来阐述。而由于消除人为因素带入的误差，已经分析人员作出假设的限制（如果教育背景和保险购买额是相关的，而分析人员没想到，那这个结论就不会被分析出来，这在实际案例中是很容易发生的，大数据的核心也就在于它能更充分的发掘数据的全部真实含义。

在大数据时代，数据分析的很多根本性问题和小数据时代并没有本质区别。当然，大数据的特点，确实对数据分析提出了全新挑战。例如，许多传统统计方法应用到大数据上，巨大计算量和存储量往往使其难以承受；对结构复杂、来源多样的数据，如何建立有效的统计学模型也需要新的探索和尝试。对于新时代的数据科学而言，这些挑战也同时意味着巨大的机遇，有可能会产生新的思想、方法和技术。

西线学院培训机构提供良好的教学环境，良好的师资以及行业资源，使得西线学院教学永远都是跟随行业进步的步伐。说了这么多，其实就是想让你更加了解大数据。如此优秀的资源和别人望眼欲穿的实习机会，再不行动就要被后来居上的技术人员拍死在沙滩上了。

试论统计学与社会经济之间的关系

1 统计学在社会经济中的作用

统计学在社会经济研究中的重要作用主要表现在以下几个方面：　　1.1 为收集经济数据提供必要的方法　　现代经济学的研究必须在定性分析的基础上，建立经济数量模型，开展定量分析。因此首先有必要收集必要的经济数据。经济统计学给出了各种经济统计指标的科学定义和计算口径，给出了具体收集各种指标的方法和途径。离开了统计学的支撑，就不可能得到充分的能够真实反映客观世界的经济数据。　

1.2 为总结和提炼客观经济现象的数量变动规律提供方法　　社会经济的个别现象受多种复杂因素的影响，其中包括了相当多的偶然因素，只有通过统计的大量观察法，才能从偶然中发现必然，总结出现象变动的数量特征。微观经济学中著名的恩格尔曲线（Engel’s curve）与宏观经济学中的菲利普斯曲线（Phillips curve） ，就是通过统计观察发现数量特征的典型事例。　　1.3 为检验经济学理论的真实性和完善程度提供方法论基础　　任何经济理论都只是相对真理，只能在特定的历史阶段较好地解释某些经济现实。因此需要人们利用经济数据去检验这些理论是否能够与实际情况相符。这种分析被称为实证分析。实证分析所获得的新知识常常为实质性学科的研究开辟新的领域，例如消费函数。　　2 社会经济统计研究成果的评价标准　　美国著名统计学家Tukey1962年发表了题为“数据分析的未来”的长篇文章，论及对数理统计研究的评价标准。对分析数据工作有无直接作用。是否发明了新的统计方法或者将一些统计方法组合应用于新的领域。对分析数据工作有无间接作用。虽然未发明新的统计方法，但就学科的理论框架进行了有益的探讨，为学科的发展、揭示新的方向或思路，或开辟新的研究分支和领域。如费歇在1921年发表的题为《理论统计学的数学基础》和1925年发表的题为《点估计理论》的文章，虽则并末提出新的统计方法，但其中所提出的概念和理论框架，主导了以后许多年的数理统计学的研究思路影响延续至今。成果的数学水平。解决或推进有统计学背景的数学问题方面有独到和创新之处。　　对于社会经济统计研究来说，衡量社会经济统计研究成果也可以有类似的三个标准：　　第一，经济学标准。通过对经济数据的分析，发现了新的经济规律，或者是很好地论证和说明了某种经济现象发展的趋势和数量变动规律。

第二，对经济数据分析工作的直接作用。提出了新的经济指标及其核算方法、发明了新的分析方法或者是将产生于其他领域的方法成功地应用于经济社会领域，或者是巧妙地结合运用已有的方法等等。　　第三，对经济数据分析工作的间接作用。虽然未提出新的方法，但就学科的理论框架进行有益的探讨，为学科的发展、揭示新的方向或思路，或开辟新的研究分支和领域。关于大统计学科的讨论等等，经济统计领域大国民核算体系的提出等等也属于类似的工作。　　长期以来，我国的数理统计学界，采用发展纯数学的方法去发展统计学，特别是在成果评价方面，重理论轻实用。这种“政策导向”使许多数理统计学者对实用问题不感兴趣。研究内容流于空疏，无补于实际。　

我国的经济统计学界没有很好地将现代统计方法应用于社会经济领域，去得到一些非统计专业的经济学者难以得到的很有参考价值的定量分析结论。因此，难于获得社会的支持。使学科发展的“良性循环”无法形成。相当一部分经济统计学论文的统计特色不够鲜明，不会江统计学深入运用到社会经济领域。与经济学其他学科的研究没有明显的区别。个别论文甚至只有文字的论述或数学公式的推导，而很少统计方法与统计数据的应用。　　3 统计学在社会经济领域中的正确运用　　3.1 坚持统计学的正确方向　　对社会经济进行研究时，需要应用通用的统计方法，但更重要的是要密切结合有关经济理论，建立和完善以有关经济现象为对象的特定的统计方法。因此，搞经济统计时不能盲目照搬照抄西方经济理论，而应该从我国国情出发，要密切结合社会主义市场经济发展需要，将研究适合经济领域特有的统计方法作为研究的重点，同时积极参与重大社会经济问题的研究，发挥经济统计学的作用。　

3.2 经济研究最重要的是经济思想而不是数学公式　　不能以数学水平的高低来衡量经济学家的水平，也不能以运用数学的多少和它的难易程度来作为评判经济学论文质量高低的标准。我们在对社会经济进行深入研究时，不能将简单问题复杂化，不注意问题的实质和方法的适用条件，片面追求复杂的方法和复杂的模型。我们应该找的最佳的方法和手段来解决复杂问题。　　3.3 重视社会经济思想的运用　　在肯定数学在经济学研究中的重要作用的同时，需要指出：经济学不是数学。在经济研究中，经济思想是最重要的，数学和计量方法只是体现和执行经济想法的工具。经济学的主要领域是靠经济学知识而不是数学取胜。

浅议数学统计方法对现代经济社会的作用

一、经济学与数学统计方法之间的融合历程　　数学统计在经济学研究中的应用已经非常普遍，两者之间的联系也越来越紧密。回顾历史，早在17世纪，经济学与统计学之间的融合就已经表现出了必然的趋势。在当时，英国古典经济学家威廉·配第在《政治算数》一书中第一次利用数学方法来解决经济问题，这是两者的首次融合。不过在那个时期的研究由于受到社会发展的限制，研究方法还是以定性分析为主，并没有对统计学进行充分的运用。到了19世纪20年代以后，经济学与统计学之间的结合得到了进一步的深入。在这一时期，德国经济学家于1854年在其发表的论文中提出了一个结论，指出可以通过数学统计方法推导出“戈森定律”，其中还重点阐述了统计学方法应用于经济学是非常必要且重要的。之后，英国经济学家斯坦利·文杰斯也对经济学与数学统计方法两者之间的关系进行了深入的研究，并在他1871年发表的书籍中提出了一个新的思想，也就是采用统计学的方法建立经济数学模型。此后，经济学中数学统计方法的运用开始得到推广和发展。20世纪40年代之后，由于受到第三次科技革命的影响，经济学与统计学在实践上和理论上都得到了突破性的发展，并且两者之间的融合也得到了创新性的进步，进入了一个收集整理新的阶段。1955年，由美国经济学家摩根斯坦和数学家伊诺曼共同创作了《对策论与经济行为》，这本书籍的出版成为经济学与数学开始全新合作的里程碑。自此之后，无论收集整理是在微观经济学中，还是在宏观经济学中，统计方法都得到了大量的运用，其重要性变得更加凸显。由此可见，从17世纪开始经济学与统计学出现融合的趋势，经历了长期的发展历程，目前两者之间的融合已经非常的深入和成熟，对于推动经济学的科学化发展起到了非常重要的作用。　　

二、数学统计方法应用于经济学的作用分析　　（一）数学统计方法可用于解决经济学问题　　严谨精密的分析过程以及清晰准确的分析结果是数学统计方法的优势所在，而经济学问题的分析和解决中则对结果精确度和科学性要求非常高。由此可见，数学统计方法应用于经济学中具有重要的实际意义。数学统计方法很早就开始在经济学领域中得到应用，随着两者之间的结合和发展，现在在相关的研究领域已经出现了很多数学专业化理论，例如经济计量学、数理经济学等，这又进一步为两者的融合和共同发展提供了理论基础。在经济学问题的解决中，数学统计方法的应用模式主要是“经济一数学—经济”，这也就是说，首先，以现实经济问题为出发点来建立数学模型，然后，采用数学方法来分析这一数学模型并得到结果，最后，再利用经济学原理和理论来评估所得的结果，得出相应的结论，其结论不仅可以用于指导经济活动，同时还可以用于预测经济发展方向。特别是在现代企业经济决策中，通过数学统计方法可以对经济活动进行从定性到定量的全面分析，可以较为科学、准确地预测决策执行后的结果，并充分利用企业的现有条件来对结果进行控制和优化，通过这种方式可以有效提高经济决策的可靠性与科学性，避免企业财力、物力的损失。　　

（二）数学统计方法可作为工具展开经济理论分析　　从经济学与数学统计方法融合的初期发展到现在，数学统计学已经开始应用于各种重大经济问题的研究和分析中。再加上现代数学与现代经济理论之间的融合也在不断的深入，很多经济现象理论都可以通过数学方法来进行科学、合理的解释。特别是在这几年来，数学统计方法应用于经济现象和经济关系分析中的研究在不断进行，通过这种方式不仅可以从量的角度来确定结果，同时还可以从质的角度来做出判定。由此可见，如果没有数学统计方法，就难以有效解决经济学问题。　　三、数学统计方法应用于经济学的实例分析　　在GDP分析模型中，可以通过数量分析和统计学方法来找出其中的统计指标，设计相应的指标体系，并结合社会现状来研究GDP值的计算方法和影响因素。在下面的研究中我们以某市2001—2012年的GDP纵向分布数据模型为例，采用分析数量经济法中的回归分析来展开统计学研究，并初步预测2014年之后的某个阶段。　

　通过某市的GDP数据统计结果，采用回归分析的方法来处理数据，并建立一个关于GDP与实践序列间关系的F（y）模型，其数据处理结果我们看出，GDP呈现明显的非平稳增长趋势，通过回归分析和数据处理作出一阶差分，可以看出其散点图为二次函数形式，因此可得 F（y）=ax2+bx+c，采用回归分析来处理年份可以得到回归统计结果。由此可得回归方程为F（y）=32.35x2-96.40x+1115.40，检验其规定系数可知R=0.9550，与1非常接近，由此可知，该回归方程与实际数据有很好的拟合度，可以采用该方程对未来的某个阶段进行预测。　　一般来说，实际的GDP受多因素影响，其变化不稳定，因此预测值都会有一定的偏差，根据某市2013年实际GDP总值为6756.4021亿元，与上述预测的理论误差为：　　w=（6756.4021-6105.5986）/6756.4021×100%=9.63%　　这一误差值较大程度的偏离了回归曲线，分析其原因可能是由于在建设模型的初始条件时消除的政府主观态度、人们的消费亿元以及汇率和进出口关税等部分影响因素有着一定的联系。由于2014年级之后的年份都还没有确切的数据，因此本文仅限于探讨对2013年的预测。就本次模型来说，虽然没有从整体上来进行考虑和分析，但是其理论与实际的核实可以看出这次预测并不是没有任何依据的，具有可行性。　　四、结论　　总的来说，数学统计学对于经济的预测和总结起着非常重要的作用，数学统计方法应用于经济学中，对各项经济指标预测与评估以及决策和改革都有着深刻的影响意义。本文选择某市为例来进行数学统计方法分析，在实际的经济预测中，数据的收集并不能仅仅局限于纵向，同时也要注重横向幅度的收集，对数据的收集要全面，筛选要科学，只有这样才能够使理论分析更加有依据，其结果也更加具有理论效应。经济学中数学统计方法的应用，有利于帮助其掌握数据内在的规律性和本质变化，提高数据分析的质量和经济预测的科学性、准确性。 　　

一、统计方法与经济学的融合历程概述

如今，在经济学研究中，数学统计的运用随处可见，可以说数学统计方法已经成为经济学研究方法中不可分割的一部分。那么，究竟从何时开始，统计方法慢慢渗透到了经济学研究中呢？这要从十七世纪开始说起。统计学和经济学相互融合的萌芽时期，是在十七世纪末到十九世纪处。当时，英国古典经济学家威廉 配第在《政治算数》一书中，首次把算数引进经济学，用数学的方法来解决经济问题。而当时的研究方法还主要是定性分析法，对统计学的应用还十分有限。统计学与经济学结合的第二阶段，是从十九世纪二十年代到二十世纪四十年代。德国经济学于1854年发表的《人类交换规律与人类交易准则的发展》这一专著中指出，“戈森定律”可以通过高等数学的方法来推倒，并且重点强调了将统计学方法运用于经济学中的思想。随后，英国经济学家斯坦利 杰文斯在1871年，发表的《政治经济学原理》一书，提出了以统计学的方法建立经济数学模型的思想。自此，统计方法在经济学中的运用慢慢步入正轨。自20世纪40年代后期，第三次科技革命影响力扩展开来，统计学与经济学在方法论层面与具体方法应用上，都取得了极大的发展，两者的融合全新发展的新阶段。美国数学家伊诺曼和经济学家摩根斯坦合著，于1944年出版的《对策论与经济行为》一书，是经济学与数学全新合作的开始。从此开始，统计方法在宏观与微观经济学两种层面上都被大量的加以运用，同时也在信息经济学、证券学中起到了其应有的举足轻重的作用。而通过这一时期的经济文献，我们可以看到统计方法在经济学研究中占据着十分重要的作用。综上所述，统计方法和经济学自十七世纪开始出现融合的趋势，到现在的浑然一体，相辅相成，共同推动了经济学的科学化发展。

二、统计方法的应用对经济学研究的作用研究

1.深化了经济学的理论基础　　随着社会的不断发展，经济生活现象日益复杂，经济学研究者对于经济现象的描述和经济发展趋势的预测，单靠纯语言的分析不仅显得晦涩难懂而且难以令人信服。因此，经济学的发展一度面临着理论基础上的困境，发展的步伐越来越小，遇到了瓶颈。而数学统计方法的出现和使用，为经济学的进一步发展打下了坚实的基础。在经济学研究中，将经济现象进行搜集整理，然后运用数学统计方法对信息一一进行处理，通过运算和分析从相关数据中定量地预测相关数值或者进行理论检验，从而将经济学原本模糊的的语言描述建立在清晰的数学理论之上。一方面，经济学研究中凭借经验性分析而推断出的收集整理论将会大大减少，运用统计方法将会降低结论的偶然性和不确定性。另一方面，通过直观的数字符号大大提高了经济分析的正确性和直观性。总而言之，通过数学统计方法的运用，推进着经济理论不断科学化，使经济学最终成为一门科学。　　

2.拓宽了经济学的应用领域数学统计方法是一种以定量分析为基础的的抽象的科学，基于其内在的逻辑体系和抽象的象征意义，使得研究者能够通过数学统计方法观察到许多不同于具象化的事物特征。在数学统计方法为经济学所应用前，抽象的经济发展趋势和资金流转动态等难以描述的变化，让研究者对于如何表达其中奥秘倍感头痛。同时，经济学研究融入统计方法之后，统计学的抽象归纳与分析的方式，为经济研究的演绎和归纳，提供了新的思维工具和视角， 展示了普通语言逻辑体系无法展示的内容。从基本的微积分到微分方程，线性规划，非线性规划等，数学工具的应用无疑给经济学研究带来了福音。由于经济学的研究中数学统计方法的大量应用，经济学的研究分析由静态分析向动态分析发展，经济学内容更加丰富多彩。数学作为一种工具，其广泛的适用性是经济学研究所依赖的，随着其融入经济学，经济学的研究内容与风格也发生了大幅的转变，经济学科的应用领域也得到了大幅度的开拓，相关的经济学周边学科也大幅发展诸如福利经济学、博弈论数理经济学、经济计量学等经济学科逐步确立其再学术领域的地位。　

3.提高了经济学的科学性和精确度　　最早出现的经济学理论，是用纯语言描述的。然而，纯语言的描述方式一般长篇大论，冗长繁琐，而且很难明确地作出经济学的系统阐述。数学统计方法的使用，在很大程度上克服了文字表达含糊的缺点，清晰明确的函数关系式和统计数据，可以让读者一目了然，在把观点陈述清楚的同时，还能够加深读者对经济学的理解。另一方面，数学统计方法的应用，使经济学成为一门有根有据、可以验证的学科。数学模型的建立，精确地表达出了经济关系中，经济主体和客体的关系，在提高了经济学科学性的同时，还为之后的经济研究提供了良好的基础。而数学本身的严密性和逻辑性，也对经济学的研究提出了更高的要求，促使其不断完善。　　4.提升了经济学解决实际问题的能力　

数学方法的使用使得现实中的一些经济问题得以解决。如经济学中的优化问题，它是经济理论和现实经济生活中的一个重要问题。要实现一个特定的经济目标， 可供选择的方式有许多，但是按照某一标准选择出的方式比其它方式更好，根据规定的标准选择最适宜的方式，这就是优化选择的问题。这需要借助一定的数学工具，诸如古典积分法、变分法、数学规划技术等来解决。在另一层面，市场研究是企业为某一特定的市场营销问题的决策，寻找所需的信息的一种系统的、有目的企业经营行为，在这种背景下，统计方法的运用也是企业对市场进行经济分析的必备手段。统计方法的应用使得市场研究中的产品研究、销售研究、市场与销售潜量的估计、竞争分析、广告及促销研究、销售成本和利润分析等诸多方面的研究获得了极大的进步。通过数学统计方法，企业可以对其产品销售的影响因素进行定量分析，进而制定未来的销售前景规划。这可是直观反应企业当前的销售业绩，对企业的市场营销决策提供相关基础裁量，提高企业盈利额并增加员工的企业归属感，促进企业的可持续发展。

三、经济学研究中统计方法应用存在的主要问题　　1.经济学研究过度数学化　　数学统计方法被运用与经济学研究中，因为其产生的巨大作用，物极必反，导致现阶段存在着经济学研究过度数学化的趋势。目前存在着部分经济学家过分追求数学化，写出的相关经济学著作有大量高深的数学公式和推导，导致数学统计方法占了大半的局面，这无疑是不利于经济学健康发展的。经济学研究中过度数学化的倾向将会造成严重的不良后果，它会阻碍经济理论的普及和推广，防碍经济学家对隐藏于经济现象背后的本质特征的研究。统计方法只是我们研究经济学的工作，经济学才是我们的研究对象，也就是说数学仅仅是经济学的工具和语言，是为经济分析服务的。　　2.统计方法的应用忽视客观实际　　经济学研究的是人类一切的经济活动，经济的发展受诸多因素的影响，并非仅仅依靠数学统计方法就能进行预测和分析。数学运用的领域毕竟是可量化的，而众多经济活动的发展和经济关系变化却是无法量化的，任何因素的变化都可能会影响到经济发展的变化。经济学研究者若是单纯地依靠数学统计，而忽略对经济发展的客观实际情况，则不可避免地会产生研究出现偏差和错误。以股价预测为例，无论用哪一种软件去预测分析股票走势，正确率都无法保证处于较高的水品，此外宏观经济的运行由于其本身影响因子构成相当复杂，用数学统计方法试图去准确分析预测其动态变化是不现实的。思想汇报 http://lw54/sixianghuibao/

四、正确运用统计方法促进经济学发展的建议　　1.合理平衡经济学与统计方法的在实际应用中的关系　　从某种角度来说，统计方法和经济学研究是服务主体和服务对象的关系，即统计方法是为经济学研究而服务的。从另一个角度来说，只有数学方法而没有独到的思想，经济研究是不可能成功的。然而，在研究过程中，经常会有本末倒置的情况出现，不少学者会沉湎于数学符号的智力游戏中，背离了经济研究为主的方向。在现实生活中，经济问题是十分复杂和多样化的，数学并不能解决现实经济中的所有问题，更不能替代经济成为研究主体。所以我们在利用统计工具的过程中，首先应当主次分明，避免为数学而数学的倾向，在对经济涵义进行考察后的基础上更好地利用统计工具构建经济模型，更好地利用统计方法来为现实经济问题服务。　　2.认真把握经济发展中的客观实际情况　　经济问题本身是研究主体，那么经济发展中的实际情况应当认真把握。我们都知道，模型的数学形式是由模型的内容决定的，经济数学模型是人们对被研究的经济对象的数学抽象。然而，现实中经济问题是极为复杂的，简单的统计学模型不可能能够直接概括出经济问题的规律和本质。一般来说，统计学模型中存在这自变量和因变量两者，两者的关系一般用简单或复杂的函数关系式来表示，例如价格和利润，投入和产出等等。然而，国民经济中包含着成千上万的经济部门，也就蕴藏着难以估量的经济关系和差异繁多的经济规律，这不是一般的统计模型或者函数关系式就能描述的。经济发展的实际情况，比理论中要复杂得多。因而，在利用统计方法研究经济情况时，一定要以客观实际情况为出发点，做到实事求是。作文 http://lw54/zuowen/　　3.统计方法与其他方法科学结合使用　　对数学、历史、政治、哲学等其他学科相关学科都有所掌握，甚至可以做到精通的经济学家，才可以算的上是一个优秀的经济学家。经济学不是一门单一的学科，它十分注重于其他学科的交叉和结合。因而，我们在使用统计方法研究经济学时，也应该注意对其他方法的结合使用。一方面，我们可以从史学角度出发，从研究经济史来挖掘经济发展的实质。万事万物的发展，都不可能离开其根源，因此，当今经济学的发展，在很大程度上是建立在经济学历史的基础上的。在研究经济史学的基础上，取其精华，去其糟粕，寻找出有利于经济学研究进一步发展的内容，促进经济学理论与数理统计学的进一步融合与深化，一定程度上扭转过度数学化的经济学研究现状。另一方面，我们要注重实验经济学，即把心理学和经济学有机结合，经过反复实验来推导出现实数据。实验经济学在一定程度上能克服数学推导的单一性的缺点，其实验结果也更具有说服力。　　五、结语　　现今，对于经济学而言，在数学统计方法融入经济学的过程中不可避免地产生了一系列诸如过度数学化，忽视客观实际和运用效果不理想等问题。因此，经济学研究者在利用统计方研究相关经济问题时，应当注意平衡经济学和数学二者的关系，并做到一切从客观实际出发，注重对经济现象的细致考察和分析，切勿陷入形式主义的泥淖，使研究对象和研究工具发生错位现象。合理科学地运用数学统计方法，从宏观和微观上协调二者关系，同时注重把握经济现象中的实际情况，才能够充分发挥统计方法的作用，从而进一步促进经济学的发展。

摘　要：统计分析是一种反映统计结果的工具,它在现在的企业中,被运用得很广泛,但它所使用的技术水平也在不断的提高,特别是在反映企业统计结果方面,更具有一定的实用性。企业在使用统计分析时,涉及到很多种行业中,例如:工业、商业、建筑业和交通以及邮电等各企业统计分析工作中。

关键词：

一、统计分析的概念统计分析是指运用统计方法及与分析对象有关的知识，从定量与定性的结合上进行的研究活动。它是继统计设计、统计调查、统计整理之后的一项十分重要的工作，是在前几个阶段工作的基础上通过分析从而达到对研究对象更为深刻的认识。它又是在一定的选题下，集分析方案的设计、资料的搜集和整理而展开的研究活动。系统、完善的资料是统计分析的必要条件。二、统计分析的特点 　统计分析是对客观现象的一种认识活动，它在定性分析的基础上，经过定量研究，达到对现象本质及规律性的认识。　　统计分析方法具有特殊性　统计分析方法是以总体现象的数量关系为对象的一类特殊科学研究方法的总称。从应用的角度来看，统计分析方法可分为经验方法和数学方法两大类。经验方法是指一些与初等数学知识和人们的实践经验相关联的方法。数学方法又称为数理统计方法，是以数学理论，特别是概率论为基础对客观现象进行研究的方法。它可以通过对现象貌似偶然的变动来探求其必然的规律性。

统计分析的对象具有综合性　统计分析的对象不是某种社会经济现象的个体数量方面，而是现象的总体数量方面，分析研究其综合数量特征。从总体上对客观现象的数量方面进行分析，可以避免以偏概全，使认识较为全面和正确。三、统计分析方法 统计分析方法很多，但基本方法是定量分析 。l、从统计理论上看，我们所见到的统计学著作，除了统计设计、统计调查、统计整理等理论和方法外，其他大部分内容都是统计分析方法，这些统计分析方法有一个共同点，它们都是定量分析方法。 2、统计实践上看，统计分析所起的作用，是通过定量分析实现的。统计分析在人们的认识过程中有三个作用：第一，对客观事物量化，包括反映客观事物规律的数量表现；第二，根据量变程度确认事物的质，即确定区别事物质量的数量界限；第三，揭示新的规律，即通过分析数量关系，发现尚未被认识的事物的规律。　　四、企业如何运用统计分析 　　随着社会主义市场经济的发展,统计为企业发展战略的研究和制定,为各项职能管理提供必要的信息,为防范和化解风险,发挥其预警作用,新经济时代统计信息是影响企业管理层决策成败的关键。

（一）在企业经营过程中：在企业的经营管理中，统计分析占据着十分重要的地位。在认识统计的过程中，企业通过统计调查以及整理取得的统计资料能够对客观现象的数量特点取得一定的认识。若不进行深入的整理和分析，对于这些现象的认识还只停留在表面的初步认识状态，所以必须对这些统计资料加以分析和研究，才可以掌握事物的本质以及内在的发展规律，通过逐渐地深化认识，有效的深入的分析方法，查找出经营管理中存在的问题和薄弱环节，就可以提出改进的举措，给各级领导各级管理部门参考改进建议，是企业的各项管理工作不段得到改善和提高，充分显示出统计分析在企业经营管理中发挥的广泛应用。（二）在企业目标管理中：（1）在企业的各项经济指标的预测中，通常强调动态的分析预测与静态的分析预测相互结合，其中以静态分析预测为主。企业首先要根据自身发展的特点，寻找到经济运行波动的共性和差异，根据企业的总体规划以及企业的特殊性，依据企业的历史统计数据，运用相应的预测模型给出企业相关指标的科学性预测，根据预测数据制定出各项计划经营指标和各项KPI考核指标，再通过把企业的月度统计预测、季度统计预测和年度统计预测与月度、季度及年度各解段实际完成情况进行对比分析，进行不断调整修正完善，使得企业的目标管理以及考核指标得到实现和完成的保证。

（三）、在企业的决策性分析中：在我国的经济管理领域，决策性分析方法是最先被引入和普及的定量化分析方法。随着企业信息化建设的推进，企业受外部环境的影响逐步加深，这就要求企业及时对相关信息进行处理和分析。一是对市场需求和供给能力的分析。主要包括居民的购买力、商品的潜在和实际市场需求量、品牌成熟度、订单满足率、消费偏好等。通过分析，可以判断企业的赢利空间、供需缺口等，为领导层确定商品销售规模、制定阶段性营销策略等提供依据。二是对社会经济环境的分析和影响。主要包括国内、国际的宏观环境对我国行业发展的影响和对地方法规、民风民俗对企业的发展的影响。三是对企业竞争力的分析。通过分析本行业其他企业的经营情况，在对比中认识自身发展的差距和潜力，从而为制定正确的发展战略提供参考。（四）在企业过程分析和阶段分析控制中：在计划方案的落实过程中，往往会出现一些不可预知的状况。需要及时的进行过程分析和阶段分析。企业利用统计数据定期分析计划完成情况、进度情况等，可以及时的发现执行过程中所存在的问题。通过对完成阶段的结果进行对比分析，有利于确定指标完成率。便于衡量市场潜力相同的不同市场之间的业绩。也作为销售目标制定的依据。 　

在企业当中，统计分析工作是了解现状、预测未来，为了更好的促进企业发展进步的重要方法。做好统计分析工作具有重要的作用和意义。因此，我们要提高对统计分析的研究，使统计分析工作更好地成为企业发展的有力推动力量。 参考文献：[1]百度百科.统计分析[EB/OL]. 　[2]赵井霞．试谈如何进行统计分析[J]．商业经济．2004.4． 　　[3]宋安. 统计分析在企业管理与经营决策中的应用[J].经济师.2003.6

统计学方法在数据挖掘中的应用探究

数据挖掘就是指从众多实际应用数据中获取批量大、有噪声、且随机性强的数据，将潜在的信息与数据提取出来，就是从数据中挖掘有价值的知识，而大多数原始数据具有一定的结构化特征，比如，关系数据库中的数据；也可以通过文本、图形、图像等半结构化发掘有用知识，这些知识可以是数学的也可以是非数学形式的；数据挖掘能以归纳形式存在，能够被广泛应用到信息查询、信息管理、信息决策控制中，方便数据的维护与管理。由此可见，数据挖掘是一门交叉性强的学科，加强对其的研究非常有意义，下面将对统计方法在数据挖掘中的具体应用进行分析。　

　一、数据挖掘与统计学的关系　　（一）数据挖掘的内涵　　通常来说，数据挖掘的定义较为模糊，没有明确界定，大部分对其的定义只是停留在其背景与观点的内容上。通过对不同观点的统一整理，人们最终将其描述为：从大量多样化的信息中发现隐晦性、规律性等潜在信息，并对这些信息进行创造、加工的过程。数据挖掘作为一门重要的交叉学科，能够将数据库、人工智能、机器学习、统计学等众多的科学融入到一起，从而实现技术与理论的创新与发展[1]。其中，数据库、人工智能与统计学是数据挖掘当中的三大支柱理论。数据挖掘的目的是从数据库当中发掘各种隐含的知识与信息，此过程的方法非常多，有统计学知识、遗传算法、粗集方法、决策法、模糊逻辑法等，还可以应用向邻近的可视技术、模式识别技术等，在以上所有技术的支持上能够使数据挖掘更为科学、有序。　　（二）数据挖掘与统计学间的关系　　通常来说，统计学的主要功能是对统计原理与统计方法进行研究的科学。具体来说就是指对数字资料进行的收集、整理、排序、分析、利用的过程，数字资料是各种信息的归纳与总结，可以将其作为特性原理的认知、推理方法[2]。而统计学则表示的是使用专业的统计学、概率理论原理等对各种属性关系的统计与分析过程，通过分析成功找到属性间的关联与发展的规律。在此过程中，统计分析方法是数据挖掘最为重要的手段之一。

　　在数据挖掘这一课题被提出来之前，统计分析技术对于人们来说更熟悉，也是人们日常开展工作、寻找数据间规律最常使用的收集整理方法。但是不能简单的将数据挖掘作为统计学的延伸与替代工具，而是要将两者的区别认识到位，再结合两者间的不同特点分析其应用特点[3]。大部分的统计学分析技术都是建立在数学理论与技巧上的，预测通常较为准确，效果能够让大部分人满意。数据挖掘能够充分借鉴并吸收统计学技术，在融入到自身特点以后成为一种数据挖掘技术。　　统计学与数据挖掘存在的目标都是一致的，就是不断对数据结构进行发掘。鉴于统计学与数据挖掘在目标上的一致性，致使很多研究学者与专家将数据挖掘作为了统计学的一个分支机构[4]。但是这种认知非常不正确，因为数据挖掘不仅体现在与统计学的关系上还体现在思想、工具与方法上，尤其是在计算机科学领域对数据挖掘起到的作用非常大。比如，通过借助数据库技术与人工智能的学习，能够关注到更多统计学与数据挖掘上的共通点，但是两者存在的差异依然非常大。数据挖掘就是指对大量的数据信息不断挖掘的过程，DM能够对数据模式内的数据关系进行充分挖掘，并对观测到的数据库处理有着极高的关注度。　　二、数据挖掘的主要过程　　从数据本身出发探讨数据挖掘过程，数据挖掘的过程分为信息的收集、数据集成、数据处理、数据变换、数据挖掘实施等过程。

　首先，要将业务对象确定下来，明确不同业务定义，并认清数据挖掘的目的，这是做好数据挖掘最关键的一步，也是最重要的一步，虽然挖掘的结果不能被准确预测到，但却需要对问题的可预见性进行探索[5]。其次，还要做好数据准备工作，包含数据清理、数据变换等工作，数据清理的实际意义是将噪声与空缺值补全，针对这一问题，可以使用平滑技术，而空缺值的处理则是属性中最常见的，可以将统计中最可能出现的值作为一个空缺值[6]。　　信息收集指的是按照特定的数据分析对象，可以将分析中需要的特征信息抽象出来，并在此基础上选择出较为科学、适合的信息收集方法，将全部的信息全部录入到特定的数据库中。如果数据量较大，则可以选择一个专门的管理数据的仓库，实现对信息的有效保护与管理；数据集成就是指将来源不同、格式不同、性质不同、特点不同的数据集成到一起，进而为企业提供更为全面、系统的数据共享平台；数据变换就是通过聚集、概化、规范化等方式对数据进行挖掘，对于一些实用数据，则可以通过分层与分离方式实现对数据的转换；数据挖掘就是结合数据仓库中的数据信息点，并选择正确的分析方法实现对有价值数据的挖掘，事例推理、规则推理、遗传算法等都是应用较多的方法[7]。　　三、统计学方法中的聚类分析　　在统计学聚类方法基础上能够构建出潜在的概率分布假设，可以使用试图优化的方法构建数据与统计模型的拟合效果。基于统计学聚类方法当中，Cobweb方法是在1987年由Fisher提出的，能够以分类树作为层次聚类创建的方法，在分类树上，每一个节点都能代表着一个概念，该方法就是对节点概率描述的过程。Cobweb方法还使用了启发式估算方式，使用分类效用对分类树的构建进行指导，从而实现对最高分类的划分目的，能够将不同分类对象全部归类到一个类别中，并依据这些内容创建出一个新的类别。但是这种方法也存在一定局限性，局限性在于假设的属性概率分布都是独立的，并不能始终处于成立状态中。

数学这门理论性学科具有高度的抽象性，它作为一种应用性工具被广泛的运用于工程学、机械学、经济学等众多领域。通过在经济学中的大量实践应用可知，经济问题的中的定性分析与定量分析都可以运用数学方法来进行统计。对于现代企业来讲，任何一项运行决策的制定、实施、评价都离要使用数学统计方法对决策的经济效益中的各项指标进行评估，例如企业生产过程中所涉及到原材料的使用，产品销售过程中的价格控制，经济效益评估时的利润计算等。当代经济学家认为，经济领域一些现实的问题的解决，都要通过先将经济学中的变量提取出来，从而建立经济模型，再通过数学方法进行统计与运算，结合经济原则和理论，对决策进行预测与评估。

一、数学统计方法应用于现代经济中的意义　　数学统计方法应收集整理用于经济学中，尤其是应用于现代企业的各项经济指标预测与评估中，对企业的决策的成功与失败，决策的调整与改革都有着重要的影响。因此，将数学统计方法应用于经济学中，有着很强烈的现实意义。　　1.经济学问题的解决离不开数学统计方法的运用　

经济学问题的分析与解决需要精确、客观、科学，而数学统计方法的最重要特点就在于它分析过程的严谨精密，分析结果的清晰准确。数学方法应用于经济学领域中，最早可以追溯到古经济学中代数式的应用，时至今日，数学与经济学相结合，衍生出了数理经济学、经济计量学以及产权经济学等数门专业化理论，经济学中的数学统计方法已经无处不在。将数学方法运用于经济问题的解决中，一般要经历“经济—数学——经济”的模式，既从需要解决的现实经济问题入手，建立数学模型进行，运用数学方法对数学模型进行分析，求得数学结果，再结合经济理论与经济学原理对结果进行评估，得出结论，用于指导经济活动的进行。　　2.现代企业经济决策的制定离不开数学统计方法　　数学在经济学中的大量运用，使人们对经济活动评估的要求由定性分析发展到定量分析，特别在现代企业在制定决策时，它们都希望通过数学方法来精确的分析决策对企业发展产生的意义。数学方法在现代企业经济决策中的运用，是为了提高经济决策的可靠性与科学性，避免企业财力、物力的损失，通过数学方法对决策执行后的结果进行预测，使企业的发展处于自身可以控制的情况下。一个简单的数学方法就可以将经济决策中的各项因子之间的关系简单的明了的表现出来，各个经济变量之间的关系也能一目了然，经济决策的制定是否可靠的结论就可以得出　　3.数学统计方法是经济理论分析最重要工具之一　　数学统计方法是经济学理论分析的最重要工具之一，从最早的代数运用，再到数理经济学中，各种深奥的数学问题中的大量的运用的运用，现代统计经济学中，繁杂数据的中指标的得出，再代现代数学与现代经济理论相结合，产生的特有的专门运用数学方法来解释经济现象的理论，近年来，人们开始大量尝试将数学方法应有于经济关系与经济现象的数量关系分析上，既进行质的判定，又进行量的确定。可以看出，经济学已经不能脱离数学方法而单独存在，没有了数学方法的运用，经济学问题的解决就没有了渠道与途径。　　4.数学统计方法提高了经济理论的适用性　　任何事物的发展都是一个由量变到质变的过程中，经济事物也是如此。对于经济事物的分析也分为定性分析与定量分析两种类型，量变引起质变，而质变又会影响量变，因此，经济事物中的定性分析与定量分析在不同的情况下都有着重要的意义。数学统计方法可以通过数量关系来表述各个经济因素之间的关系，得出分析报告，结合经济理论来指导经济活动，提高了经济理论的适用性。同样，数学统计方法的逻辑严谨性与运算精密性能保证经济学结论的科学性与正确性，经济变量的数量关系为经济决策的制定可以参考的依据。

二、数学统计方法在经济学中应用存在问题　　数学统计方法在经济学中的重要地位突显，从1969的到2000年期间，荣获诺贝尔经济学奖的40多位经济学家中，有34位是运用了数学统计方法解决了重要的经济学问题。近些年，随着世界全球经济一体化趋势的推进和我国经济的迅速发展，很多现代企业越来越重视经济决策的制定与经济问题的分析、解决，越来越多的数学统计方法被应用于现代企业的经济相关问题研究上。经济学家也不再将将数学方法的运用停留于科学问题的探讨上，而是将这些数学方法用于关系到现代企业发展的各种实际经济问题的处理上，我国的经济学研究也在数学统计方法的推动下，向数量化分析的方向发展。然而，当前数学统计方法应用于经济学中仍然存在着一些问题，主要体现在以下几个方面：　　1.社会主义市场经济体系不健全　　如上所述，运用数学统计方法来解决经济问题，第一步就是从经济问题中抽取出数学变量，建立数学模型，数学模型的建立要以经济现象的分析为前提，以相关的经济理论为基础。建立宏观经济模型，就要分析宏观运行机制，探讨宏观经济下的经济行为，再以宏观经济理论为基础来实现。这就要求宏观经济下的运行机制的描述是客观、准确的，宏观行为的分析是恰当、适宜的，只有如此，这个数学模型才能用于相关的决策评价与经济指标预测。然而，我国社会主义市场经济发展仍处于低级阶段，社会市场经济理论体系中还存在很大的缺陷，很多经济基础理论中的问题还没有有效的解决，也没有科学的论证，科学的、完备的社会主义经济体系尚未建立，影响了数学方法在经济学领域中的应用。　

2.经济统计数据不完备　　事物的活动水平、关系以及其所处的外部环境都是由数据来描述的。而经济统计数据就是用来描述经济事物以及相互关系的，是否能够准确、及时的收集经济统计数据，会对经济分析结果产生重要影响。但是，当前我国的数据统计水平相对较低，可以用于统计的数据数量较少，而那些可用的数据也存在着口径不一的问题，这些数据无法被有效的整合到一起，用于经济学问题的探讨与研究。自改革开放以来，我国的经济活动数量爆发式增加，经济数据也变得更加繁杂凌乱，原始数据的收集、整理、存储、分析的难度也越来越大。并且由多方面的干扰，一些经济指标的也存在着一事实上的虚假性，也不同程度上影响了经济统计数据的收取与利用。

3.对数学统计方法应用于经济学的认识上存在问题　　数学统计方法应用于经济学中，应注意方法使用的适当性与科学性。将数学统计方法应于经济学中，一种目的是为了让复杂的经济学问题简易化，可以通过对数学模型的分析较容易的得出经济结论，另一种目的就是为了解决经济学问题，有些经济学问题的解决只能依靠数学统计方法，这是问题本身的内在要求。而现在很多经济学研究者，或是企业的经济分析师，为了“炫技”，无论是什么经济问题的分析，都喜欢加上数学方法，认为只有这样研究才看起来有水平。甚至有些企业的经济分析人员对有些数学统计方法的原理并没有掌握，就用于企业经济问题的评估上，具有一定的盲目性与狭隘性。　　4.缺少专业的经济数学统计人才　　利用数学方法来进行经济问题的分析、评估与处理，不仅要熟练掌握数学统计方法，并且还要熟悉经济学领域的研究理论。换言之，能够将数学统计方法应用于经济学中，需要数学科学与经济科学的复合型人才来胜任。除此之外，为了提升问题的研究效率，要求工作人员应要具备计算机使用技术，还要涉及到一定的社会学、管理学、市场学以及贸易学方面的知识。然而，当前现代企业负责经济分析的工作人员要么出身于经济相关专业，对经济学知识了然于胸，但是却不能灵活的运用数学统计方法，而有的工作人员数学研究专业毕业，数学方法的应用得心应手，却对经济学相关知识知之甚少，无论是哪一种类型的工作人员对于利用数学统计方法来解决经济问题这项工作来讲，都不是最理想的。　

三、解决数学统计方法在经济学中应用问题的对策　　数学统计方法应用于经济问题的研究上，是经济发展的必然趋势，伴随着社会经济的发展，现代企业都会重视得当的运用数学统计方法来解决经济学问题。那么，让数学统计方法在经济学问题的解决上真正的发挥作用，就应针对上述的存在的问题，积极的探寻解决问题的对策。　　1.健全社会主义市场经济体系　　社会主义市场经济在我国正如火如荼的发展着，保证市场经济能够持续的、稳定的发展，就要揭示社会主义市场经济的发展规律，探讨适合我国经济体制的最优产业结构，鼓励现代企业参与到更广泛的市场竞争之中，创新发展，努力提升自身的综合实力。在数学统计方法应用于经济学的过程中，不断的完善相关理论，总结方法在实践中取得的经验，鼓励现代企业在市场竞争中注重运用科学的研究与方法，建立企业通过采取数学方法来定量一些经济决策的实施结果分析，形成一种科学市场竞争氛围，进一步推动社会主义市场经济体系的快速形成。　　2.建立经济数据收集网络　　经济数据的真实可靠性，数据收集的及时性，数据范围的覆盖范围以及完备性，都是保证数学统计方法在经济问题处理上取得成功的前提条个，因此，建立可以及时、准确的收集经济数据迫在眉睫。我国经济数据的收集都是由经济统计部门来实施的，要想保证数据收集精、快、全，首先要建立经济数据统计指标体系，确定哪些指标是应该被收集的数据，注重一些新兴行业数据的收集；其次，要加大调查力度，保证调查方法的可靠性；再次，运用现代化的技术手段来进行数据的收集，保证数据的安全性，提高数据的收集效率；最后，建立完善的数据收集体系，自下而上，相关部门协调配合，保证相关数据可以顺利的被收集。

3.将数学统计方法合理的应用于经济学中　　首先要认识到运用数学统计方法来解决经济问题的目的不是方法的使用，而是问题的解决。方法的使用只是过程，而我们所要的是结果，可以用简单的经济方法解决的问题没有必要非得使用数学统计方法来解决。其次，要科学的运用数学统计方法与经济学方法。虽然，现代经济中，人们对经济问题的分析不仅局限于定性分析上，还要求进行定量分析，而定量分析通常要借助于数学统计方法，但是并非专门用于定性分析的经济学方法便一无是处，没有了用武之地，而是要具体问题具体分析，根据实际情况下选择最适宜的分析方法。最后，国家相关部门应将数学统计方法运用于行业发展评估上，为现代企业的发展提供参考。　　4.加快培养复合型经济学理论研究者　　现代企业发展需要的是可以利用综合分析方法来解决经济问题的复合型人才。这些人才至少要掌握数学科学、经济学、社会学、心理学、市场营销学等之门基础理论的原理，才能出色的完成保障现代企业发展的经济分析与经济问题处理工作。因此，国内各大高校应加快调整人才培养模式，以人才市场需求为导向，在经济学专业人才培养中注重数学方法的传授，或者可以培养专业的经济领域的数学统计学人才。

数据分析是从数据中提取有价值信息的过程，过程中需要对数据进行各种处理和归类，只有掌握了正确的数据分类方法和数据处理模式，才能起到事半功倍的效果，以下是数据分析员必备的9种数据分析思维模式：

1. 分类

分类是一种基本的数据分析方式，数据根据其特点，可将数据对象划分为不同的部分和类型，再进一步分析，能够进一步挖掘事物的本质。

2. 回归

回归是一种运用广泛的统计分析方法，可以通过规定因变量和自变量来确定变量之间的因果关系，建立回归模型，并根据实测数据来求解模型的各参数，然后评价回归模型是否能够很好的拟合实测数据，如果能够很好的拟合，则可以根据自变量作进一步预测。

3. 聚类

聚类是根据数据的内在性质将数据分成一些聚合类，每一聚合类中的元素尽可能具有相同的特性，不同聚合类之间的特性差别尽可能大的一种分类方式，其与分类分析不同，所划分的类是未知的，因此，聚类分析也称为无指导或无监督的学习。

数据聚类是对于静态数据分析的一门技术，在许多领域受到广泛应用，包括机器学习，数据挖掘，模式识别，图像分析以及生物信息。

4. 相似匹配

相似匹配是通过一定的方法，来计算两个数据的相似程度，相似程度通常会用一个是百分比来衡量。相似匹配算法被用在很多不同的计算场景，如数据清洗、用户输入纠错、推荐统计、剽窃检测系统、自动评分系统、网页搜索和DNA序列匹配等领域。

5. 频繁项集

频繁项集是指事例中频繁出现的项的集合，如啤酒和尿不湿，Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集，目前已被广泛的应用在商业、网络安全等领域。

6. 统计描述

统计描述是根据数据的特点，用一定的统计指标和指标体系，表明数据所反馈的信息，是对数据分析的基础处理工作，主要方法包括：平均指标和变异指标的计算、资料分布形态的图形表现等。

7. 链接预测

链接预测是一种预测数据之间本应存有的关系的一种方法，链接预测可分为基于节点属性的预测和基于网络结构的预测，基于节点之间属性的链接预测包括分析节点资审的属性和节点之间属性的关系等信息，利用节点信息知识集和节点相似度等方法得到节点之间隐藏的关系。与基于节点属性的链接预测相比，网络结构数据更容易获得。复杂网络领域一个主要的观点表明，网络中的个体的特质没有个体间的关系重要。因此基于网络结构的链接预测受到越来越多的关注。

8. 数据压缩

数据压缩是指在不丢失有用信息的前提下，缩减数据量以减少存储空间，提高其传输、存储和处理效率，或按照一定的算法对数据进行重新组织，减少数据的冗余和存储的空间的一种技术方法。数据压缩分为有损压缩和无损压缩。

9. 因果分析

因果分析法是利用事物发展变化的因果关系来进行预测的方法，运用因果分析法进行市场预测，主要是采用回归分析方法，除此之外，计算经济模型和投人产出分析等方法也较为常用。

以上是数据分析员应熟练掌握的9种数据分析思维方法，数据分析员应根据实际情况合理运用不同的方法，才能够快速精确的挖掘出有价值的信息！