【摘要】：近年來,在網(wǎng)絡(luò)經(jīng)濟學(xué)、環(huán)境科學(xué)、互聯(lián)網(wǎng)技術(shù)等許多領(lǐng)域都產(chǎn)生了數(shù)據(jù)的大規(guī)模增長現(xiàn)象,社會正式進入大數(shù)據(jù)時代。大數(shù)據(jù)作為一種信息資本和數(shù)據(jù)資源將對國家治理、政府決策等方面產(chǎn)生巨大影響。這也使得許多傳統(tǒng)的數(shù)據(jù)處理及分析算法不能滿足數(shù)據(jù)急速增長的需求。文中主要對大數(shù)據(jù)背景下政府統(tǒng)計方法進行分析研究,具體工作安排如下。第一章論述了本文的研究背景、意義和國內(nèi)外文獻綜述,提出了本文的研究問題。第二章介紹 Bootstrap算法與 Bootstrap 的改進算法 Bag of Little Bootstrap(簡稱BLB算法),給出算法的具體思想和計算過程,指出BLB算法在數(shù)據(jù)量龐大的情況下具有較高的可行性。第三章針對傳統(tǒng)的核算方法在權(quán)數(shù)上更新速度較慢以及大數(shù)據(jù)背景下數(shù)據(jù)量龐大的問題,從核算流程及權(quán)數(shù)等方面對CPI核算方法進行了改進,提出了基于Bootstrap的抽樣方法,從而擴大了數(shù)據(jù)的樣本量,降低了價格采集點的采集頻率,在節(jié)省數(shù)據(jù)采集成本的同時,也提高了預(yù)測精度;參考統(tǒng)計網(wǎng)絡(luò)價格消費指數(shù)的方法,對CPI核算中的權(quán)數(shù)做了改進,提高了權(quán)數(shù)更新的頻率。第四章構(gòu)建了基于Bootstrap和BLB抽樣方法的回歸預(yù)測模型,并給出了相應(yīng)算法。所給模型較好地體現(xiàn)了 Bootstrap和BLB抽樣方法在統(tǒng)計數(shù)據(jù)處理和推斷中的優(yōu)點。特別是,基于BLB抽樣方法的回歸預(yù)測方法能夠在數(shù)據(jù)量較大的情況下實現(xiàn)分塊并行運算,從而使得該模型能夠更好地適合大數(shù)據(jù)回歸分析。第五章對第四章所提到的回歸預(yù)測模型做了實證分析,通過實驗驗證了Bootstrap回歸算法相對于傳統(tǒng)的多元線性回歸模型具有更高的預(yù)測精確度;將BLB回歸模型應(yīng)用到CPI的預(yù)測中,進一步驗證了 BLB回歸模型相較于Bootstrap回歸模型具有更高的精確度。第六章對論文的主要內(nèi)容做了總結(jié),并就CPI核算和回歸預(yù)測方面提出了進一步研究的問題。
[Abstract]:In recent years, large-scale growth of data has occurred in many fields, such as network economics, environmental science, Internet technology and so on. The society has formally entered the era of big data. The analysis algorithm can not meet the demand of the rapid growth of data. This paper mainly analyzes and studies the government statistical methods under the background of large data. The specific work arrangement is as follows. The first chapter discusses the research background, significance and literature review at home and abroad, and puts forward the research problems of this paper. The second chapter introduces the Bootstrap algorithm and Bootstrap. The improved algorithm Bag of Little Bootstrap (BLB algorithm for short) is presented. The specific idea and calculation process of the algorithm are given. It is pointed out that the BLB algorithm has high feasibility in the case of large amount of data. The method of sampling based on Bootstrap is put forward, which enlarges the sample size of data, reduces the collection frequency of price collection points, saves the cost of data acquisition, and improves the prediction precision. Referring to the method of statistical network price consumption index, the weight of CPI calculation is increased. In the fourth chapter, a regression prediction model based on Bootstrap and BLB sampling method is constructed, and the corresponding algorithm is given. The model presented in this paper reflects the advantages of Bootstrap and BLB sampling methods in statistical data processing and inference. In the fifth chapter, the regression prediction model mentioned in the fourth chapter is empirically analyzed, and the experimental results show that the Bootstrap regression algorithm has higher prediction than the traditional multiple linear regression model. The BLB regression model is applied to the prediction of CPI, which further verifies that the BLB regression model has higher accuracy than the Bootstrap regression model.
【學(xué)位授予單位】：山東科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：C812

【參考文獻】

相關(guān)期刊論文 前10條

1 田濤;;電商發(fā)展對CPI的影響研究——基于大數(shù)據(jù)背景下線上線下價格波動的同步性分析[J];上海經(jīng)濟研究;2016年03期

2 于施洋;王建冬;童楠楠;;大數(shù)據(jù)環(huán)境下的政府信息服務(wù)創(chuàng)新:研究現(xiàn)狀與發(fā)展對策[J];電子政務(wù);2016年01期

3 張洋;;大數(shù)據(jù)背景下CPI短期預(yù)測[J];中國統(tǒng)計;2015年12期

4 王薇;胡曉丹;;“大數(shù)據(jù)”在CPI調(diào)查中的應(yīng)用初探——人工采集網(wǎng)絡(luò)購買商品價格的研究及建議[J];中國統(tǒng)計;2015年12期

5 孫丹丹;;CPI權(quán)重計算新方法探究[J];中國市場;2015年43期

6 張艷;;芻議大數(shù)據(jù)背景下CPI統(tǒng)計改革取向[J];中國統(tǒng)計;2015年06期

7 陳夢根;劉浩;;大數(shù)據(jù)對CPI統(tǒng)計的影響及方法改進研究[J];統(tǒng)計與信息論壇;2015年06期

8 李曉欣;;大數(shù)據(jù)時代我國CPI調(diào)查與編制問題研究[J];價格理論與實踐;2014年10期

9 張偉;朱孔來;;權(quán)數(shù)對CPI的結(jié)果影響程度定量分析[J];統(tǒng)計與信息論壇;2014年06期

10 張明康;;大數(shù)據(jù)應(yīng)用于政府統(tǒng)計的探索與實踐——基于財稅數(shù)據(jù)應(yīng)用的研究[J];調(diào)研世界;2014年03期

相關(guān)重要報紙文章 前1條

1 李世超;;利用大數(shù)據(jù)改革CPI調(diào)查方法初探[N];中國信息報;2013年

相關(guān)碩士學(xué)位論文 前3條

1 孔威;時間序列分析在CPI中的應(yīng)用研究[D];延邊大學(xué);2014年

2 徐朝;基于Bootstrap的ARCH類模型的參數(shù)估計及其算法[D];武漢理工大學(xué);2009年

3 曾，

本文編號：2209529