新書推薦：
《
中国南方木雕花板（全5册）
》
售價：NT$
3110.0
《
中国二战史研究七十年（1950—2019）
》
售價：NT$
3016.0
《
摩梭仁者：东巴口述史
》
售價：NT$
614.0
《
趣话通信：6G的前世、今生和未来
》
售價：NT$
411.0
《
不羁.完结篇
》
售價：NT$
275.0
《
性别经济学
》
售價：NT$
322.0
《
中国书法嬗变与思考（国家社科基金后期资助项目）
》
售價：NT$
510.0
《
关键冲突：如何化人际关系危机为合作共赢（原书第2版）
》
售價：NT$
390.0
|
| 編輯推薦： |
|
首先，该专著是哲学社会科学重大课题攻关项目“基于大数据的经济形势监测理论与方法研究”这一重大课题的直接研究成果；其次，该成果能够深刻揭示经济大数据波动规律，从而能对大数据的经济形势进行有效地预测预警；再次，通过该专著的出版，有望部分凝聚整合国内外相关学科的学术力量，积若干年的持续研究，激发产出一批具有原创性和学术价值、在国内外具有较大学术影响、能够传之后世的重大学术成果，并以此托举出若干学养深厚的学术大家，奠定我国在该领域的学术领先地位，由此可见该专著出版具有重大的理论意义和实践价值；最后，该专著内容新颖，跟踪国际前沿研究，论述浅入迁出，明晰透彻，富有启发性。
|
| 內容簡介： |
|
该专著的研究内容涉及到两方面：一是“大数据经济形势监测理论与方法研究”；二是“经济大数据统计分析理论、方法重构研究”。 前者主要研究内容包括：经济大数据数据源与指标采集；大数据经济形势监测；大数据经济形势预测；大数据经济形势预警和大数据政策模拟这五个部分；后者主要研究内容包括：致力于解决大数据时代下经济统计学基本理论框架的重新构建以及这些理论与其他学科交叉应用研究等一系列的重大理论与应用问题，这些国际前沿研究主要内容包括：经济大数据统计学基本理论的发展研究；以及经济大数据统计学基本理论的应用。
|
| 關於作者： |
|
田茂再，南开大学概率统计博士，统计学教授，博士生导师，人文社会科学重点研究基地中国人民大学应用统计科学研究中心副主任。是德国HUMBOLADT大学SFB 649 FELLOW重大科研项目中方首席科学家，是美国耶鲁大学、哥伦比亚大学、英国曼彻斯特大学等大学的高级访问教授，曾经入选新世纪优秀人才、甘肃省“飞天学者”和兰州财经大学“兴隆学者”特聘教授、新疆维吾尔自治区“天山学者”特聘教授以及中国人民大学首批杰出学者。他先后主持省部级、国家级项目30余项，在国内外发表300余篇文章，著书10余部，获省部级及以上奖励10余项
|
| 目錄：
|
第 1 章 绪论 1
1.1 经济形势监测预测的意义及研究现状 1
1.2 大数据研究现状 5
1.3 大数据下经济监测预测的革新 9
1.4 大数据下经济监测预测面临的机遇与挑战 10
1.5 研究技术路线 11
第 2 章 大数据分析方法 12
2.1 传统统计方法 12
2.1.1 岭回归 12
2.1.2 LASSO 回归 13
2.1.3 加罚方法的推广 13
2.1.4 小角回归 14
2.1.5 主成分分析 15
2.2 机器学算法 16
2.2.1 决策树 16
2.2.2 提升方法 18
2.2.3 随机森林 19
2.2.4 支持向量机 20
2.2.5 逻辑回归 21
2.2.6 Apriori 算法 21
2.3 深度学 22
2.3.1 投影追踪 23
2.3.2 经网络 23
2.4 本章小结 25
第 3 章 大数据背景下的经济总量运行监测研究 28
3.1 引言 28
3.1.1 现有 GDP 核算方法 28
3.1.2 GDP 的扩展:GDI 和 GNI 29
3.1.3 大数据背景下的 GDP 30
3.2 高维数据集下 GDP 的监测及预测 31
3.2.1 动态因子模型 31
3.2.2 关于选择预测变量的降维方法 32
3.3 利用非结构化数据监测预测 GDP 33
3.3.1 结合图片信息监测预测 GDP 34
3.3.2 互联网搜索行为监测预测 GDP 35
3.4 GDP 偏差的估计及预测 37
3.4.1 GDP 偏差的定义 37
3.4.2 模型及实证结果 38
3.5 本章小结 42
第 4 章 大数据背景下金融风险管理 44
4.1 引言 44
4.2 金融风险的研究现状 45
4.2.1 风险值的研究现状 45
4.2.2 收益波动率的研究现状 46
4.2.3 期望亏空的研究现状 47
4.3 金融风险度量 47
4.3.1 风险值及估计方法 47
4.3.2 收益波动率及其估计 54
4.3.3 期望亏空模型及其估计 62
4.4 大数据下金融风险管理研究 70
4.4.1 大数据诊断 71
4.4.2 大数据处理技术 81
4.4.3 大数据预测方法 82
4.4.4 大数据下金融风险的研究现状 84
4.5 案例分析 86
4.5.1 稀疏 VAR 在股票收益率研究中的应用 86
4.5.2 基于经验分布的混合连接函数及其在金融风险管理中的应用 93
4.6 本章小结 101
第 5 章 大数据背景下的财政税收监测研究 102
5.1 引言 102
5.2 我国税收监测总体状况 103
5.2.1 税收的主要组成及监测指标 103
5.2.2 税收监测面临的机遇与挑战 105
5.2.3 大数据下监测税收指标的意义 106
5.3 税收分析相关概念 107
5.3.1 税收大数据 107
5.3.2 税收风险管理 108
5.3.3 风险预警理论 109
5.4 案例分析 110
5.4.1 基于关联规则的税收监测案例选择研究 110
5.4.2 基于属性约简的支持向量机模型在税收监测中的应用 115
5.5 本章小结 119
第 6 章 基于对外贸易大数据的经济监测分析 121
6.1 引言 121
6.2 大数据时代的对外贸易 121
6.2.1 大数据时代对外贸易的机遇和挑战 121
6.2.2 大数据时代对外贸易发展措施建议 122
6.2.3 大数据时代对外贸易统计的新挑战 123
6.2.4 大数据时代对外贸易统计工作的建议 124
6.3 对外贸易可持续发展的评指标 124
6.3.1 经济效益指标 E 124
6.3.2 生态效益指标 B 126
6.3.3 社会效益指标 S 127
6.4 大数据背景下对外贸易监测的研究 127
6.4.1 指标的计算与合成 127
6.4.2 模型构建和预测 128
6.5 对外贸易监测的实例研究 132
6.5.1 基于大数据的云南省外贸依存度分析 132
6.5.2 基于 ARIMA 与 BP 经网络复合模型的对外出口贸易预测 137
6.6 本章小结 140
第 7 章 大数据背景下的商业贸易监测研究 141
7.1 引言 141
7.2 大数据对贸易统计的影响 141
7.3 主要统计指标 143
7.3.1 交易指标 143
7.3.2 流数据 144
7.4 大数据背景下的贸易统计方法 144
7.4.1 贸易数据的获取和整理 145
7.4.2 数据分析和诠释 146
7.5 案例分析 147
7.5.1 基于时间序列和经网络建模的杂志销售量预测 147
7.5.2 网络搜索与汽车之间的关系分析 151
7.6 本章小结 154
第 8 章 大数据背景下的物水平监测研究 156
8.1 引言 156
8.2 大数据的发展与应用 156
8.3 物水平及相关格指数 160
8.4 大数据与居民消费格指数 164
8.4.1 CPI 在经济形势监测中的意义 165
8.4.2 大数据对 CPI 产生的影响 166
8.5 案例分析 167
8.5.1 扫描数据编制 CPI 167
8.5.2 支持向量回归 171
8.6 本章小结 174
第 9 章 大数据背景下的居民消费监测研究 176
9.1 引言 176
9.1.1 大数据背景下的网络消费 176
9.1.2 消费者信心指数 177
9.1.3 消费结构及居民收支 178
9.2 通过对大数据的监测分析预测消费者产品需求 178
9.2.1 大数据背景下影响消费的关键因素 178
9.2.2 数据挖掘及模型建立 180
9.2.3 案例分析 183
9.3 网络大数据在消费者信心指数预测中的应用 184
9.3.1 网络搜索行为与消费者信心的关联分析 184
9.3.2 变量选择及模型建立 185
9.4 基于高维大数据探究收入与消费之间的关系 187
9.4.1 模型及方法 189
9.4.2 案例分析 191
9.5 本章小结 194
第 10 章 大数据背景下的失业监测研究 196
10.1 引言 196
10.2 失业大数据研究现状 196
10.2.1 失业大数据：宏观角度 196
10.2.2 失业大数据：微观角度 198
10.3 监测失业率的模型与方法 201
10.3.1 监测预测模型 203
10.3.2 人工经网络 207
10.3.3 支持向量回归 211
10.3.4 网络搜索数据分位回归的失业率监测 213
10.4 案例分析 214
10.4.1 人口老龄化与就业结构研究 214
10.4.2 OECD 失业率研究 221
10.5 本章小结 229
第 11 章 交通运输大数据背景下的经济监测 230
11.1 引言 230
11.2 交通运输与经济发展的关系 230
11.2.1 交通固定资产投资与经济发展的关系 231
11.2.2 交通运输量与经济发展的关系 233
11.3 交通运输大数据 237
11.3.1 交通大数据的产生方式与内容 238
11.3.2 交通运输大数据的应用 241
11.4 交通运输大数据与经济监测 241
11.4.1 基于传统交通运输数据的经济监测方法 241
11.4.2 经济监测方式在交通运输大数据背景下的转变 246
11.5 案例分析 247
11.5.1 动机与背景 248
11.5.2 数据与模型 248
11.5.3 实证结果展示 249
11.5.4 结论 251
11.6 本章小结 252
第 12 章 大数据背景下房地产经济监测的理论研究 253
12.1 引言 253
12.2 房地产经济运行监测指标内容 253
12.2.1 国房景气指数 254
12.2.2 按功能分类的监测指标 255
12.3 大数据与房地产经济监测 257
12.3.1 房地产行业互联网大数据点 257
12.3.2 大数据在房地产经济监测方面的应用现状 258
12.3.3 基于大数据的房地产经济监测的意义 260
12.4 案例分析 260
12.4.1 基于面板分位回归的房预测 261
12.4.2 基于多期双重差分模型的房与限购令的实证研究 266
12.5 本章小结 275
第 13 章 基于移动支付大数据的经济形势监测分析方法 277
13.1 引言 277
13.2 研究背景与现状 278
13.2.1 国外移动支付发展历程 278
13.2.2 国内移动支付发展历程 279
13.3 移动支付与经济形势监测的关系 280
13.3.1 移动支付对经济社会运行的影响 281
13.3.2 移动支付行为对经济金融的意义 282
13.4 当前移动大数据的点 283
13.4.1 移动数据固有的大数据征 283
13.4.2 移动数据的有大数据征 284
13.4.3 移动大数据搜集与计算问题 286
13.5 针对移动支付大数据的前沿统计理论与方法 286
13.5.1 描述类方法 286
13.5.2 预测类方法 287
13.6 案例分析 292
13.6.1 利用大数据分析殊事件对区域经济状况的影响 292
13.6.2 通过移动支付行为监测城市区域经济发展状况 294
13.7 本章小结 295
第 14 章 函数型大数据统计建模理论方法及其应用研究 296
14.1 引言 296
14.1.1 挑战性前沿问题 296
14.1.2 几类金融时间序列 296
14.1.3 条件自回归风险值（CAViaR）模型 297
14.1.4 ARFIMA 过程 298
14.2 几类函数型大数据建模 298
14.2.1 复杂多元函数型大数据分层分位回归建模 298
14.2.2 非平稳函数型时间序列分析 302
14.2.3 时变征的非参数检验 304
14.2.4 高维非平稳序列的跳点估计和降维 305
14.3 时间序列模型 307
14.3.1 概念 307
14.3.2 ARMA 过程 309
14.3.3 时域分析 313
14.3.4 时间序列统计分析 315
14.3.5 预测 316
14.4 ARCH 模型和 GARCH 模型 318
14.4.1 ARCH 模型 318
14.4.2 GARCH 模型 324
14.4.3 GARCH 模型的简单扩展 327
14.4.4 GARCH 模型的几类推广形式 328
14.4.5 GARCH 模型拟合 329
14.4.6 波动率预测和风险度量估计 334
14.5 条件自回归风险值的分位数回归 338
14.5.1 风险值模型 338
14.5.2 CAViaR 339
14.5.3 分位数回归 340
14.5.4 分位数模型检验 343
14.5.5 实证结果 344
14.5.6 结论 349
14.5.7 附录：假设 349
14.6 ARFIMA 过程 351
14.6.1 介绍 351
14.6.2 独立误差的情况 353
14.6.3 条件异方差误差的情况 355
14.6.4 模拟研究 358
14.7 本章小结 359
第 15 章 总结与展望 360
参考文献 365
|
| 內容試閱：
|
前 言
在大数据（big data）时代，从数据收集到分析方法的快速发展和革新， 正在不断影响着经济运行形势监测预测领域的理论、 模型与方法。大数据在宏观经济监测预测领域的应用主要有两个热点问题， 其一是建立新型宏观经济指标， 其二是使用大数据促进传统宏观经济监测预测模型的准确和及时， 使之 “即时预测” 乃至 “实时预测”。我们分别对大数据背景下经济形势监测预测的 11 个指标（ 包括经济总量运行、 金融风险管理、 财政税收、 对外贸易、对内贸易、物价水平、 居民消费、 失业率、 交通运输、 房地产经济、 移动支付等）进行分析与探索研究， 并对这些主要指标提出相应的政策建议。这些研究具有重要的理论意义与实践价值。
国民生产总值（gross domestic product，GDP）核算的意义不言而喻， 但是其滞后性和低频率性与大数据背景下所要求的“更快、更准、更广”的特点并不吻合， 在大数据背景下，GDP面临重重机遇和挑战，本书第3章从三个方面归纳了大数据背景下GDP的监测预测。首先， 为了能够实时监测GDP， 利用相关性需要结合其他高频协变量信息， 在变量个数远远大于样本数时， 可以通过正则化方法进行变量选择， 在此基础上进行细致的分析； 其次， 将非结构化数据与结构化数据结合， 进一步完成实时监测预测； 最后， 因GDP偏差的预测有正偏差和负偏差， 正偏差和负偏差会影响决策者的决策， 所以对GDP偏差进行估计及预测。大数据背景下分析的工具更加多元化， 传统分析方法的可解释性以及在大数据下表现强势的预测能力， 将提高GDP预测的时效性和准确性。
近几年来，一方面，由于经济全球化和金融一体化、现代金融理论及信息技术、金融创新等因素的影响，全球金融市场迅猛发展，金融市场呈现出前所未有的波动性，金融业面临着日益增大的风险。另一方面， 随着计算机技术和互联网技术的创新和发展， 人们收集和处理数据的能力快速增长，数据种类日益增多， 数据规模急剧增大， 大数据时代悄然来临。作为金融创新的产品，互联网金融加速了金融业的发展，使我们进入更加便捷的消费信贷投资模式。但是，我们对待互联网金融要时刻抱有谨慎的态度，大数据给互联网金融带来的风险更加不容忽视。特别是互联网金融横跨时空运营，一旦发生金融事故，必然会对经济运行和社会稳定产生恶劣的影响。因此，如何更加准确地度量金融风险成为各金融机构、监管机构和学术界密切关注的重要课题。在这样的金融背景下，第4章首先围绕数量金融风险管理的三个重要核心问题展开分析和讨论：① 风险价值（value at risk，VaR）的估计及其估计方法的比较分析；② 金融收益率波动性的估计及其估计方法的比较分析；③最优风险度量——期望亏空（expected shortfall，ES） 的估计方法和比较分析。其次，结合时代背景对大数据下的金融风险管理进行了研究。主要工作包括大数据诊断、大数据处理和大数据预测模型的介绍。最后，给出了大数据下金融风险度量的两个案例。总之，在经济全球化的背景下，如何更加准确地度量金融风险对社会稳定和经济正常运行尤为重要。
税收是我国财政收入的基石， 涉及国民经济发展的各个方面。对税收进行有效监测和管理是政府调整经济发展方向、制定经济发展方针的重要环节。在信息爆炸的大数据时代， 中国的税收管理体系面临着重大变化：新兴行业迅猛发展、企业规模日益庞大、企业涉税业务日趋复杂， 这些都给中国的税收监测管理水平提出了更高的要求。如何将传统税收治理模式与大数据技术相结合， 对重点数据进行实时监测和深度挖掘， 从中提取有价值的信息用于税收征管工作， 是我们当前关心的重要问题。第5章首先分析了在大数据时代， 我国税收管理面临的机遇和挑战； 继而对税收大数据、税收风险管理等理论进行了阐述； 最后以两个实际案例具体介绍了大数据技术在税收监测中的应用方法。其中第一个案例对数据挖掘及关联规则技术进行了探讨， 结合税收实际， 建立指标评价体系， 利用先验算法提高了税收监测的效率和精度； 第二个案例基于支持向量机模型来评估税收监测指标之间的非线性关系， 为税务部门的风险管理提供了有价值的依据。本章从理论和应用两个角度说明了大数据技术应用于税务监测的方法和意义。
对外贸易也被称为“国际贸易” 或“进出口贸易”， 是指一个国家（地区）与另一个国家（地区）之间的商品、劳务和技术的交换活动。在移动互联网的浪潮下， 大数据时代到来了。随着新时代的到来， 我国的对外贸易面临着新的发展机遇， 同时也迎来了前所未有的挑战。对外贸易的统计监测工作也进入了新的阶段。第6章首先介绍了新时期下我国对外贸易的发展趋势和政策建议， 引入了符合大数据时代潮流和经济全球化背景的对外贸易可持续发展评价指标体系， 利用该指标体系可以有效地对当前对外贸易形势进行监测和评价。本章还介绍了对外贸易监测工作常用的统计理论， 给出了大数据时代我国外贸监测预测工作应采用的计算模型与方法， 并引用两个实际数据的例子， 证明了这些方法的可行性和有效性， 为新时期对外贸易监测统计工作提供了理论支持。
贸易统计作为国民经济统计的重要组成部分， 在反映流通与消费、 社会经济发展变化等方面发挥了重要作用。搞好贸易统计，全面准确地反映消费需求的发展变化趋势，具有非常重要的意义。随着大数据时代的来临， 贸易统计工作面临的困难也越来越大， 表现出统计对象错综复杂、 统计基础工作薄弱等特点， 这给贸易统计带来了更大的挑战。第7章系统回顾了贸易大数据的特点以及大数据技术给贸易统计带来的影响， 并通过两个实例说明了大数据技术在商业贸易中的使用。与传统的统计过程相比， 大数据技术将更多的计算机软硬件技术引入大数据的处理和分析中。在尖端分析工具的帮助下， 大数据技术可以帮助企业预测销量并且制定更好的营销策略。
随着计算机和互联网的发展， 大数据已经成为当下最热门的话题和研究领域。在大数据的深刻影响下， 经济社会的各行各业都悄然发生了明显变化。国民经济形势监测对国家经济的平稳和健康发展所起的重要作用不言而喻， 而经济和数据的关系是十分密切的， 因此大数据为国民经济形势的准确监测提供了全新的工具和强大的支持。国民经济形势监测涵盖了众多方面， 其中最重要的一个方面就是物价水平， 它与人民群众生活息息相关并且时刻影响着经济的整体运行态势。第8章在大数据的背景下， 以物价水平的监测内容为核心， 首先简要概括了大数据的起源、发展及其在物价水平研究中的应用； 然后详细介绍了衡量物价水平的不同指标， 包括居民消费价格指数、生产者价格指数、零售价格指数和GDP缩减指数， 为将大数据和物价水平研究相结合奠定基础； 最后以居民消费价格指数为代表， 重点探讨了扫描数据和支持向量回归方法在居民消费价格指数中的应用， 结果表明大数据分析方法和技术在物价水平的研究中具有良好的表现。
消费是人类社会生活中的重要行为和过程， 任何社会都离不开消费。消费对经济增长的拉动作用最为直接，而居民消费又在总消费中占70％~80％， 因此通过消费对经济变化趋势进行监测主要是对居民消费进行监测。第9章主要针对居民消费进行了相关的探讨和研究。由于网络的到来， 给人类的消费活动带来了翻天覆地的变化， 为了全面分析大数据时代人类消费活动的变化， 本章主要从三个角度进行理论分析和实证说明：① 通过对大数据的监测分析预测消费者产品需求的变化。② 通过对网络数据的管理监测处理， 预测消费者的信心指数。③ 对于高维面板大数据， 研究居民收入与消费之间的关系。对于网络大数据， 主要利用神经网络方法进行模型建立和变量选择； 对于高维面板大数据， 主要利用自适应惩罚函数构造自适应惩罚的分位回归面板数据方法， 该方法是处理面板数据的有效手段。本章通过案例分析，得到了有利于决策的参考信息。
人口与就业情况是经济形势监测的一个重要方面， 其中的失业率被视为一个反映整体经济状况的指标。第10章对在大数据的背景下， 监测预测失业率的理论和方法进行了总结和探索。一方面， 从宏观角度来看， 整个社会中人们的活动轨迹构成了一个巨大的复杂数据集， 对这一社会基因组数据， 尤其是庞大且与失业紧密相关的网络搜索数据 进行分析整理，并将其应用于失业率的监测预测中， 是对传统失业率研究方法的重要补充。另一方面， 从微观角度来说， 高速发展的网络科学和计算方法使得雇主--雇员微数据这一公司与个人的交互大数据可以用来模拟劳动力流动模式的模型， 从而为经济决策提供数据支撑。传统的失业率监测预测模型包括自回归移动平均模型等， 而在大数据时代， 一些如反向传播神经网络、 广义回归神经网络等数据挖掘方法， 结合网络搜索大数据， 在失业率监测预测方面展现了巨大的潜力。本章在引入包括神经网络、 支持向量回归、 LASSO、 典型相关分析等方法的基础上， 具体介绍了如何使用网络搜索引擎数据，利用神经网络方法对失业率进行监测预测的框架， 并分析了人口老龄化与就业的关系以及 5 个 经济合作与发展组织（Organization for Economic Cooperation and Development，OECD）国家战后失业率等两个实际案例。
在交通运输方面， 交通运输建设是国家建设与发展的重要组成部分。国家经济形势与本国交通运输行业的发展息息相关。随着信息技术与大数据技术的产生与发展， 交通运输行业发生了巨大的改变， 随之产生交通运输大数据。于是， 第11章探究了如何利用交通运输大数据监测我国经济形势。首先， 从交通运输固定资产投资与交通运输量两方面分别研究了其与经济发展的内在联系， 验证利用交通运输数据监测经济运行情况的可行性。其次， 为方便理解交通运输大数据， 详细介绍交通运输大数据的产生方式与来源， 以及一些实际应用交通运输大数据的实例。再次， 介绍基于传统交通运输数据的经济监测的方法， 提出一个新的监测指数——中国运输服务指数（China transportation service index，CTSI）， 给出在交通运输大数据下经济监测的转变方式， 绘制大数据背景下的经济监测体系。最后， 介绍了一个实际案例， 其使用高速路收费站统计的收费数据构建收费指数， 作为德国经济形势的监测指数， 与传统监测指数相比， 收费指数的数据来源更新快， 监测经济运行的时效性更好。
大数据背景下房地产经济监测的理论研究主要介绍了房地产行业经济监测指标、基于大数据的房地产经济监测研究现状及其研究意义，并运用大数据的数据内容、统计分析方法研究了两个实际案例。第12章首先介绍了具有代表性的综合指标国房景气指数，根据网络数据和传统统计指标，提出用于房地产经济监测的分类指标。这些指标需要能够反映住房价格与住房租金、房地产市场供求情况、房地产开发建设成本、金融风险、宏观经济发展、相关政策、技术与就业环境、生态环境8种功能。本章还分析了房地产行业互联网大数据的特点，分两方面对大数据在房地产经济监测方面的应用研究进行综述，包括网络指数的研究和大数据分析技术的应用。此外，本章从三方面阐述了基于大数据的房地产经济监测的意义。在案例分析部分，运用面板分位回归方法对住宅销售价格的影响因素进行研究，对不同分位点的房价进行预测；运用多重差分模型对限购令与房价进行研究，监测限购令对不同分位点的方法在不同时期的实施效果，并分别给出相应的政策建议。
支付行为作为日常生活中最直观化的商品经济参与手段之一，蕴含着社会整体的经济消费风向。要对我国经济形势进行监测研究，深入分析社会的移动支付行为是一个非常适合的切入点。第13章研究了基于移动支付大数据对经济形势监测的分析方法。首先剖析了我国移动支付行业的发展趋势， 总结国内外移动支付行业的推进历史及经验， 明确移动支付行业的发展潜力与研究必要。其次阐述了大数据时代背景下移动支付行业与经济形势之间的映射关系， 解读移动支付的社会经济效应， 并着重分析了移动支付大数据的数据特征， 以及其与普通大数据特征的异同。接下来分描述类与预测类两方面总结了移动支付大数据的分析方法， 重点论述了时空模型的构建、估计、预测步骤。最后， 应用此种时空统计方法， 分别对巴黎地区和北京地区的两组移动支付大数据进行了分析， 监测区域经济形势并预测了经济热点走向， 分析结果对了解区域经济动态有一定指导意义。
第14章针对高维多元函数型数据以及张量数据等大规模复杂数据类型创建了基础性统计建模理论和方法。与这一前沿领域相关的研究众多，其极大地丰富了复杂大数据的统计理论，同时使统计学在经济、环境、金融和神经科学中的应用更加有效。
本书在写作过程中，全程参与的博士生、硕士生有李二倩、张永霞、邰凌楠、闫懋博、白永昕、陶丽、马少沛、梁晋雯、苏鹏、张若璇、曹睿、芮荣祥、虞祯和江锴等20多人。在此对他们表示衷心的感谢！
本书获得以下基金部分资助：国家自然科学基金 （No.11861042）、 哲学社会科学研究重大课题攻关项目（No.15JZD015）、 全国统计科学研究重点项目（No.2020LZ25）、新疆财经大学“天池学者支持计划”。感谢人文社会科学重点研究基地中国人民大学应用统计研究中心的大力支持。
本书的出版目的就是给读者介绍一些基于大数据的经济形势监测统计的基本理论与方法，侧重于理论与方法的系统性论述。
由于本人水平有限，错误在所难免，甚望读者批评指正！
田茂再
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
