篇一：统计学论文
钢铁生产的影响因素分析
一．引言
背景：钢铁行业是典型的周期性行业，与宏观经济的发展密切相关。自上世纪90年代以来，我国宏观经济的高速增长推动了我国钢铁行业的迅猛发展。遗憾的是，与发达国家相比我国钢铁行业一直都不具有竞争优势：能源消耗和污染排放过高；价值创造能力、经济效益水平低，这使得我国钢铁行业一直没有摘掉能耗、低附加值的“帽子”。大而不强，多而不忧，既是我国钢铁行业结构的问题,也钢铁企业成长中的问题。
意义：钢铁产业是国民经济的支柱产业，是加快实现工业化的先导产业，其在拉动上下游产业发展、扩大城乡劳动力就业以及推动区域经济发展方面做出了重要的贡献。虽然整个现代化建设以传统原材料为主的状况已经发生改变，但钢铁行业对我国来说仍然是基础工业，直接影响着国民经济的健康发展。可以说钢铁行业的稳定发展是实现我国新型工业化战略目标的关键一环，其发展水平的高低是衡量我国工业化水平和综合国力高低的重要标志。因此，研究钢铁产业的影响因素具有着重要的意义。 文献综述：《钢铁行业调整和振兴规划》（2009）阐明，我国是钢铁生产和消费大国，粗钢产量连续13年居世界第一、进入21世纪以来，我国钢铁产量快速发展，粗钢产量年均增长21.1%、2008年，粗钢产量达到5亿吨，占全球产量的38%，国内粗钢表现消费观4.53亿吨，直接出口折合粗钢6000万吨，占世界钢铁贸易产量的15%。2007年，规模以上钢铁企业完成工业增加值9936亿元，占全国GOP的4%，实现利润2436亿元，占工业企业利润总额的9%，直接从事钢铁生产的就业人数358万。钢铁产品基本满足国内需求，部分关键品种达到国际先进水平。钢铁产业有利支撑和带动了相关产业的发展，促进了社会就业，对保障国民经济又快又好发展做出了重要贡献。 二． 模型建立
钢铁行业是我国国民经济中的基础产业。影响钢铁行业总产出的因素颇多，其他产业的产量、钢矿石价格、国家政策、运输成本和市场需求量等都对钢铁总产出形成影响。本文基于钢铁生产要素的视角，根据式（1）研究影响钢铁行业总产出的主要因素，包括生铁产量、发电量、固定资产投资、建筑业总产值、粗钢产量、原油产量以及原煤产量，从这几个因素中来探究对于钢铁生产的影响因素。 Yt=β0+β1X1t+β2X2t+β3X3t+β4X4t+β5X5t+β6X6t+β7X7t+μt(1) 其中 Yt------第t年钢铁产量X1------生铁产量（万吨） X2------发电量（亿千瓦时） X3------固定资产投资X3
X4------建筑业总产值（亿元） X5------粗钢产量（亿吨） X6------原油产量（亿吨） X7------原煤产量（亿吨） 为估计模型参数，
表1是1998－2013年我国钢铁产量（万吨）、生铁产量（万吨）、发电量（亿千瓦时）、固定资产投资（亿元）、建筑业总产值（亿元）、粗钢产量（亿吨）、原油产量（亿吨）以及原煤产量（亿吨）的统计资料。
三、检验
? 共线性检验
利用Eviews软件，输入Y、 X1、X2、X3、X4、X5、X6、X7等数据，采用这些数据对模型进行OLS回归，结果如表
=0.999540,F检验值4652.675,明显显 由此可见，该模型R2=0.999754，R
著。但是当α=0.05时,tα n?k =t0.025 16?7 =2.2622不仅X1、X3、X5、
X6系数的t检验不显著，而且这些系数的符号与预期的相反，这表明很可能存
在严重的多重共线性。计算各解释变量的相关系数，选择X1、X2、X3、X4、X5、X6、X7数据，得相关系数矩阵（如表）
由相关系数矩阵可以看出：各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性。
采用逐步回归的办法，去检验和解决多重共线性问题。分别做Y对 解释变量的回归结果如下表所示
按R2的大小排序为：X2、X5、X1、X7、X6、X4、X3 以X2为基础，顺次加入其他变量逐步回归。
择保留X2X5的变量，最后修复的多重共线性结果是
=-13313.29+1.435172X2+0.596152X5
t=(5.747294) (4.335709)
=0.997443,F检验值为2927.096，DW=1.868451 R2=0.997784,R
当α=0.05时，tα n?k =t0.025 16?7 =2.2622 X2 X5的系数的t都很显
著，这是最后消除多重共线性的结果。这说明，在其他因素不变的情况下，当发
电量和粗钢产量分别增长1亿千瓦时和1万吨时，钢铁产量Y分别增长1.435172万吨和0.137498万吨。
? 异方差检验
模型中可能遗漏了某些解释变量,也有可能模型函数形式的假设误差或者是样本数据误差等原因,可能会对模型的参数估计/魔性检验还有模型的应用带来重大影响,因此必须进行异方差的检验,下面用White进行检验. White检验
由表估计结果,安路径View/residual tests/white heteroske dasticity,进入White检验。根据White检验中辅助函数的构造，最后一项为变量的交叉乘积项，因为本例为二元函数，故存在交叉乘积项。执行命令后，下面是辅助回归模型的估计结果
其中，F值为付诸回归模型的F统计值。取显著水平α=0.05，由nR2=7.961088< 2X0.05=11.071，所以此函数不存在异方差。同时观察P值也可以看出 ,取α=0.05 因为α<0.3804,p值较大，因此不存在异方差。因此不需要进行修正。 ? 自相关检验
由于现实生活中的种种因素，可能会引起随机误差项目自相关，从而使模型参数估计值不具有最优性或者会使随机误差项的方差低估或者使模型的统计检验失效，因此必须进行自相关的检验，通用的方法是DW检验，本例符合DW检验模型，因此就用DW来进行检验。
篇二：统计学论文
经济发展对私家车拥有量的影响
——以四川省为例
学生：赵波
学号：20132491
指导教师：邓 蕾
专业：工业工程
重庆大学机械学院
二O一五年十二月
摘要：本文通过收集四川省近十年的私家车拥有量、四川省近年来交通状况和空气污染情况等信息，并运用统计学理论、方法和相应的工具对私家车拥有量和GDP进行描述统计和相关回归分析，得到私家车的保有量和经济发展之间的关系，并基于数据分析对未来几年私家车拥有量和GDP的发展进行预测。在数据分析和预测的基础上，对四川省如何解决私家车拥有量剧增带来的问题提出建议。
关键词：四川省私家车GDP描述统计相关回归分析 预测 建议
一、选题背景
随着市场经济的稳定繁荣和改革开放的深入发展，我国的经济已经开始腾飞，人民生活水平极大提升。这为私人汽车的发展提供的巨大的空间，同时私家车日趋成为消费热点。成都市每天上牌车辆数达1600辆，已经持续47个月。成都总的机动车保有量巨大且增长速度过快，每天增长上千辆。而且从2014年起，空气污染情况越来越突出，这跟机动车尾气排放量的增加有必然联系。因此对私家车的保有量和经济发展的关系进行研究分析和预测显得十分重要。这无论是对汽车行业未来发展趋势的预测还是对人们日常生活方式甚至国家环境和资源的可持续发展战略都有较为深远的意义。下面以四川省为例对私家车拥有量和GDP之间的关系进行分析。
二、数据描述与分析
1、 对上表进行定性分析
从四川省GDP和私家车保有量的发展情况组合图可以看出，从2005年到2014年GDP几乎呈线性函数增长，私家车拥有量随之增长且增长趋势相同。由此可看出，私家车拥有量与GDP之间存在相关性。
2、对上表数据进行描述统计
用上表数据计算四川2006-2014九年间GDP和私家车保有量的环比增长速度,并对这九年的GDP和私家车保有量的环比增长速度求平均值，并对上表数据进行描述统计。其中私家车保有量在2007年的环比增长速度为负，这是一个无效数据，不计入环比增长速度的计算。
私家车相对GDP增长率=0.2446/0.1631=1.5
从四川省的GDP和私家车保有量的环比增长速度可以看出：GDP的环比增长速度总体上递减趋势，其中2010和2011年环比增长速度增加。私家车保有量同样以递减的增长速度增加，而且在GDP环比增长速度增加时私家车保有量的环比增长速度也相应增大。从私家车相对GDP的增长率来看，私家车保有量以1.5倍于GDP增速的速度增长。由此可以得出，私家车拥有量与GDP发展情况呈正相关。从数据的描述统计分析可知，在95%的置信度条件下，私家车保有量和GDP的中位数与平均值相差较大，且估计极限误差也较大，说明样本选择的范围较大但是精确度不是很高。而两者峰度值十分接近，说明两者的概率分布曲线几乎相同，即两者呈正相关。
三、相关回归分析
私家车拥有量与GDP相关回归分析：
篇三：大数据时代的机遇与挑战论文3000字
大数据时代的机遇与挑战
什么是大数据时代？ “大数据”在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”
大数据时代是怎样产生的？
物联网、云计算、社交网络、社会媒体以及信息获取技术的飞速发展，数据正以前所未有的速度迅速增长和积累，数据是人类社会最重要的财富大数据时 代 的 到 来
大数据时代的特点?
1.数据量大（Volume）
第一个特征是数据量大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）。
2.类型繁多（Variety）
第二个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。
3.价值密度低（Value）
第三个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。
4.速度快、时效高（Velocity）
第四个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。 既有的技术架构和路线，已经无法高效处理如此海量的数据，而对于相关组织来说，如果投入巨大采集的信息无法通过及时处理反馈有效信息，那将是得不偿失的。可以说，大数据时代对人类的数据驾驭能力提出了新的挑战，也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。
大数据时代的机遇
大数据技术通过对海量数据的快速收集与挖掘、及时研判与共享，成为支持社会治理科学决策和准确预判的有力手段，为社会转型期的社会治理创新带来了机遇。建立大数据中心，及时搜集、实时处理数据信息，为科学决策提供坚实基础。对社会大数据进行历时性和实时性分析，加强社会风险控制，提高政府预测预警能力和应急响应能力。
在大数据概念出来之前，个人制造的数据往往被忽略，企业数据被谈及的更多。企业内部的数据多数都是结构性数据，并被企业在或多或少地利用着，无论是数据挖掘还是商业智能化应用都已经初露端倪。随着互联网的快速发展，在企业数据还没有井喷的时候，我们就发现个人用户以及社会应用产生的数据已经开始爆发了，比如社交、交互式应用带来了大量的网络数据。此时传统的硬件设备开始显得捉襟见肘，无法满足这种庞杂数据带来的应用需求。很多时候，也许我们会认为这些数据里会有价值，但是却不知道如何挖掘这些数据的内在价值，数据成为了堆砌。因此，对于数据精准分析的需求正在呼唤做数据分析的厂商们拿出下一步的举动。 比如说，在淘宝庞大的用户群中，淘宝卖家如何精准掌握一个新用户的需求？一家饭馆如何利用细节满足每一个食客对于美味的需求？越来越多的应用需求推动着大数据的发展。更主要的是，未来可能各种传感器会出现在社会的各个地方，数据会更多，比如交通、医疗等等，数据的采集已经不是问题，难点已经转换为处理和分析。如此巨量的数据，处理难度可想而知。大数据给中国市场带来什么？ 大数据应用需求在中国更加明显。中国人口众多，各行各业都呈现出极快的增长速度，电商、快递、微博、社交等都承载了大量的个人信息；大型超市、卖场、商场、银行等集聚了大量交易信息，日新月异的城市建设中，连接着更多数据采集传感器和嵌入式设备的物联网开始成型??
如何应对机遇与挑战
大数据时代，人们能做些什么？ 大数据产生和存在于各行各业，尽管分析和处理困难，但也可以通过相关性的技术手段对大数据进行统计分析，应用其结果。 例如：在教育领域使用大数据来分析学生的个性和爱好，真正做到因材施教，提高教学质量；在企业管理领域应用大数据分析，真正将粗放型管理变为精细型管理，提高效率，节省开支，并应对公司在发展进程中带来的管理问题。 在企业生产中应用大数据分析，优化各项生产、工作流程提高效率效益。 在商业领域应用大数据分析商品销售热点和了解顾客即时需求。今后， 在大数据技术领域的竞争将直接关系到国家安全和未来， 国家层面的竞争力将部分体现为一国拥有数据的规模、活性以及解释、运用的能力。 美国已率先将大数据应用从商业行为上升到国家意志：2012 年 3 月 29 日，美国奥巴马政府投资 2 亿美元启动“大数据研究与开发计划”，提出“通过收集、处理庞大而复杂的数据信息，从中获得知识和洞见，提升能力，加快科学、工程领域的创新步伐，强化美国国土安全，转变教育和学习模式”。 在我国，与大数据相关的产业刚刚起步，无疑将迎来很好的发展机遇！
保障数据及应对人隐私泄露的解决办法有：
①通过物理隔离以及与权限控制相结合， 实现对数据的
隔离，保证数据不被非法访问并保证用户数据的隐私。
②通过信息加密的功能，防止用户信息被盗取。 用户的关
键信息，如登录密码和系统访问等其他鉴权信息，无论是传输
时还是在存储时必须加密。
③通过对硬盘实施有效的保护：保证即使硬盘被窃取，非
法用户也无法从硬盘中获取有效的用户数据。 将数据切片存
储在不同的云存储节点和硬盘上， 数据无法通过单个硬盘恢
复。 故障硬盘无需进行数据清除即可直接废弃，用户数据不会
通过硬盘泄露。
④通过立法来保障企业的商业机密及个人隐私不被非法
应用。
大数据时代的挑战
大数据面临的挑战是多方面的：
（1）数 据 的 快 速 增 长 对 存 储 空 间 、存 储 技术 、数 据 压 缩 技 术、能源消耗的挑战：大数据需要占用大量的存储空间，尽管
存储性价比在提高，压缩技术也在不断发展，但保存数据所消
耗能也在大量增长。 解决办法是研制出新一代高密度、低能耗
存储设备。
（2）数 据 本 身 安 全 及 个 人 隐 私 泄露 面 临 的 挑战 ：在 海 量 数 据洪流中，在线对话与在线交易活动日益增加，其安全威胁更
为严峻。 大数据环境下通过对用户数据的深度分析，很容易了
解用户行为和喜好， 严重的将导致企业的商业机密及个人隐
私泄露。
（3）网络 带 宽 能 力与 对 数 据 处 理能 力 面 临 的 挑战 ：网络 带
宽是瓶劲，尤其表现在各网络接入商之间的互联互通出口上；
大数据时代网络必须有足够的带宽支持， 才能保证数据实时
性。 数据计算能力是应对数据洪流时的又一挑战，采用分布式
计算可以解决其中的一些问题，但部署相对较复杂。
（4）有 效数 据 撷 取 面 临 的 挑战 ：从 海 量 数 据 中 提 取 隐 含 在 其中的、 潜在有用信息和知识的过程十分复杂的， 需要反复
“去 伪 存 真 ”。 通 常 要 经 过 业务 理 解 、数 据 理 解 、数 据 准备 、建 立 挖掘模型、评估和部署等多个步骤。 即在开始数据分析之前，我们必须了解业务需求，根据需求明确业务目标和要求；接下来便是对现有数据进行评估，并对原始数据进行组织、清理、集成、变换等一系列数据收集和预处理工作；在搞好数据清理的基础上，应用相关算法和工具建立分析模型；之后对所建立的模型进行评估， 重点具体考虑得出的结果是否符合最初的业务目标；最后，便可将发现的结果以及过程利用各种可视化技术（报表、报告、图形等）呈现出来。
大数据给人文社会科学带来哪些挑战？大数据时代的来临,数据逐渐成为重要的生产要素。而传统人文社科普遍数据采集能力不足,只有通过技术创新和方法上的创新,文科与理科、工科相结合,才能带来质的突破。
大数据时代为突发公共事件的舆情带来什么机遇和挑战？数据的最终作用是为领导者决策或执行部门的行动提供参考,如何有效整合大数据,首先要做到快速分析、及时反应和动态应用,其次是在技术上实现对海量数据和信息的存储、深度挖掘和实时监测,实现精准地采集和预警。目前人民网已建立了基于全网大数据内容的突发公共事件舆情应对方案,可通过信息化的手段对全网大数据信息进行一小时实时监测,能从海量信息中及早发现可能引起民众广泛关注的突发公共事件潜在源头,进行实时预警。
总之，大数据时代已经到来，它带给人类的机遇和挑战是前所未有的，在一些关键行业和关键领域，大数据的分析和处理问题已经突现，例如：颇受争议的 12306.cn 春节售票系统。 只有提前认识大数据、全面勇敢地迎接它带来的挑战，才能在大数据时代不至于落后挨打。
免费论文网友情提示：本网站所有内容为共享上传提供，不涉及任何商业利益，本站对此不承担任何保证责任！
Copyright © www.csmayi.cn Corporation, All Rights Reserved 共享时代 共享你我他 版权所有