精选十篇经济统计论文范文.docxVIP

精选十篇经济统计论文范文 本文是一篇经济统计论文，经济统计学由于所学范围宽广，知识涉及学科较多，学得广而不精，所以在就业的时候就存在一个转向的问题。但数据处理是统计学的优势所在，是会计，经济等专业都没有的优势，所以不必为就业的问题担心。（以上内容来自百度百科）今天为大家推荐一篇经济统计论文，供大家参考。 第一章绪论 1.1 研究背景与意义 由人类活动引起的温室气体增加，导致全球气候增暖，从而影响当 前的气候，且如果未来人类活动造成这些温室气体持续增加，这种影响将 会加剧。20 世纪全球平均地表温度上升了（0.74±0.18)。C[i]，中国年 平均地表温度近 100 年增幅为 0.5~0.8°C，同时降水量增幅微弱，日照时 数、蒸发量和平均风速下降显著 P~4]；气候变化致使海平面上升，洪 密、干旱、高温等极端气象灾害加剧，严重影响农业、林业、水文、生态 及人类健康等相关领域。气候变化预估，即分析未来气候变化的可能趋 势，有助于应对气候变化对各相关领域所造成的不利影响。对气候变量进 行较可信的预估是影响评估的前提和基础，这是因为影响评估一般通过相 关气候变量驱动影响模式得到，例如驱动农业影响评估模式 DSSAT 的气候变量为日最高与最低温度、日降水量与日辐射值。温度和降水是气候模式模拟最主要的两个气候变量，也是各类影响评估中最常用的两个气候变量。温度与干旱、温度相关的死亡率与电力需求等方面的影响评估紧密相关；极端降水的变化可用来预估旱榜频率的变化，极端降水的增加会导致洪游灾害频繁发生，中小型降水则是维持和补充土壤水分的重要来源。气候变量的预估通常由全球气候模式（GCM)或区域气候模式（RCM)模拟得到的。大气-海洋稱合全球气候模式（AOGCM)模式尝试模拟整个地球系统，并在假设的人为排放情景下进行模拟，做出未来气候变化的预估(例如，文献 5)。RCM 是目前使用较多的区域化技术，属于 GCM 的动力降尺度方法，首先由 Dickinson 等[6]和 Giorgi[^发展并应用到气候模拟中来。利用嵌套在 GCM 中覆盖有限区域的高分辨率 RCM 进一步模拟各区域或局地未来气候变化的细节，通常以某一排放情景下 GCM 的输出结果作为 RCM 的初始和边界条件。RCM 能够有效弥补 GCM 分辨率不足的缺陷，改善 GCM 预估未来排放情景下的区域气候响应，从而提供详细的气候预估信息-PRECIS (Providing Regional Climate forImpacts Studies)、RegCM3 是在中国应用较为广泛的 RCM。 数值预估由于其明确的物理机制，被认为是长期气候预估的发展方 向。但是由于目前气候模式发展存在一定不足，模式许多方面不够完善， 致使气候模式的预估结果包含许多偏差，例如：利用有限的变量来表示大 气的物理过程引起的结构不确定性、物理和次网格参数化方案存在的不确 定性、计算中的离散化过程以如何最优选取模式参数所带来的不确定 性。RCM 虽然在 GCM 的基础上提高了分辨率，但是仍存在较大偏差。由于 GCM 的输出结果本身具有较大不确定性，受其驱动的 RCM 包含 GCM 的偏 差，这可能是 RCM 不确定性的主要来源；另外，RCM 本身的模式偏差以及参数化过程也造成了 RCM 输出结果的偏差因此，减小气候预估结果的偏差是提高模式预估水平的一个重要方面。进一步完善模式是一个比较直接的减小预估偏差的方法，例如，改善模式的物理过程和参数化方案。然而，由于目前对大气运动过程认识的不完全以及数值预估存在众多的随机过程，仅仅改善气候模式模拟水平对实际预估来说仍然存在一定的不足，因此，通过统计释用方法进一步减小模式偏差是目前模式水平下提高气候模式预估水平的一个重要途径。气候模式的统计释用方法指利用统计方法，结合已有历史资料，从中提取出尽可能多的对预估有帮助的信息，减小数值预估的模式偏差[15]。有研究表明，模式的输出值如果不经过统计释用便应用于评估模型中则可能偏离实际因此，通常不直接利用 RCM 的原始输出值来驱动评估模式，而是有必要针对输出值的模式偏差进行统计释用处理。由于评估一个气候变量的预估是否可信涉及到均值、极值、变率、季节循环等各方面，目前无法找到一种释用方法能一次性完全改善所有这些方面的预估。现有的方法都各有侧重。例如，分季节/月使用释用方法能够考虑季节循环的订正，差值法与比值法侧重均值的订正，基于 GEV 分布三参数调整的释用方法侧重极值的订正。各种释用方法可产生非常不同的结果（例如，文献[20-22])。 第二章模式、资料与方法 首先介绍模拟气候预估数据的区域气候模式系统 PRECIS 与 SRES A1B 情景，其次介绍所需的模拟与观测数据及其来源，并重点介绍本文所 研究的基于平均态调整（DC)与基