原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
PAGE
PAGE1
中级经济师《经济基础知识》第四部分“统计”的知识点
一、第二十三章“统计与数据科学”的知识点
第二十三章的知识点1：统计学的两大分支
统计学的两大分支
描述统计
描述统计是研究数据收集、整理和描述的统计方法。
（收集、整理、描述、取得、展示。）
描述统计的内容包括：如何取得所需要的数据、如何用图表或数学方法对数据进行整理和展示、如何描述数据的一般性特征。
推断统计
研究如何利用样本数据推断总体特征的统计方法。其内容包括：
（1）参数估计：利用样本信息推断总体特征；
（2）假设检验：利用样本信息判断对总体假设是否成立。
第二十三章的知识点2：统计变量和数据
1、统计变量和统计数据
统计变量和统计数据
统计变量
统计数据
定量变量（数量变量）
变量的取值是数量
如：企业销售额1000万元
定性变量
（类别）
分类变量
变量的取值是类别，没有顺序
如：用0表示男性，1表示女性
顺序变量
变量的取值是类别，且有顺序
如：用1表示硕士及以上，2表示本科
2、数据的来源分类
（1）数据的来源按其收集方法，可以分为观测数据和实验数据。
①观测数据：通过直接调查或测量而收集到的数据，称为观测数据。观测数据是在没有对事务施加任何人为控制因素的条件下得到的。几乎所有与社会经济现象有关的统计数据都是观测数据。例如：GDP（国内生产总值）、CPI（居民消费价格指数）、房价、税收收入、三次产业增加值、棉花产量、新建商品住宅销售价格等。
②实验数据：通过在试验中控制实验对象以及其所处的实验环境收集到的数据，成为实验数据。比如：一种新产品使用寿命的数据、一种新药疗效的数据。
（2）数据的来源从使用者的角度看，数据的来源主要分为：一手数据、二手数据。
①第一手数据（直接数据）是指通过直接的调查、实验或观察等方式获取的原始数据。一手数据的来源主要有实验、调查或观察。例如：通过临床试验获得的新药疗效数据、通过入户调查得到的家庭月收入数据、通过网络小差得到的网民对某项政策的支持数据。
②第二手数据（间接数据）则是指通过已有文献、报告或其他数据源获取的数据，这些数据并非为当前研究目的而专门收集的。二手数据包括科研论文、公开出版物、统计年鉴、未公开的内部调查等。
第二十三章的知识点3：统计调查的概念和分类
统计调查的概念和分类
分类依据
具体类别
主要内容及举例
按调查对象的范围不同
全面调查
对构成调查对象的所有单位进行逐一的、无一遗漏的调查，包括全面统计报表和普查，如：人口普查、经济普查等。
非全面调查
对调查对象中的一部分单位进行调查，包括非全面统计报表、抽样调查、重点调查和典型调查等。如：城市居民家庭的生活水平等。
按调查登记的时间是否连续
连续调查
为了观察总体现象在一定时期内的数量变化。连续调查资料说明现象的发展过程，目的是了解社会现象在一段时间的总量。如：产品产量、能源的消耗等。
不连续调查
间隔一个相当长的时间所做的调查，一般是为了对总体现象在一定时点上的状态进行研究。如：生产设备拥有量、耕地面积等。
第二十三章的知识点4：普查和抽样调查
普查和抽样调查
普查和抽样调查
含义
特征或目的
普查
普查是为某一特定目的而专门组织的一次性全面调查，主要用于了解处于某一时点状态上的社会经济现象的基本全貌。
（1）通常是一次性的或者周期性的
（2）一般需要规定统一的标准调查时间
（3）数据一般比较准确
（4）使用范围比较窄
抽样调查
抽样调查是根据样本调查结果来推断总体特征的一种非全面调查。
（1）经济性（显著优点）
（2）时效性强
（3）适应面广
（4）准确性高
第二十三章的知识点5：大数据与数据挖掘
1、大数据的特性
大数据具有“4V”特性：数据量大、数据多样性、价值密度低、数据的产生和处理速度快。
2、数据挖掘的含义
数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐藏在其中，但又有潜在价值的信息和知识的过程。
数据挖掘包含以下几层含义：
（1）数据源必须是真实的、大量的、有噪声的。
（2）发现的是用户感兴趣的知识。
（3）发现的知识是可接受、可理解、可运用的。
（4）不要求发现放之四海而皆准的知识，仅支持特定的发现问题。数据挖掘以解决实际问题为出发点，核心任务是对数据关系和特征进行探索。
3、常见的数据挖掘方法
（1）常见的数据挖掘方法可分为：监督学习、无监督学习和半监督学习。
（2）监督学习有两大类学习任务：分类和回归。
①分类：分类是将数据点分配到预定义的类别之一。例如：垃圾邮件过滤（将电子邮件分类为垃圾邮件或非垃圾邮件）、图像识别（将图像分类为不同的对象类别）和情感分析（将文本分类为正面、负面或中性）。
②回归：回归是通过特征变量确定观测单位因变量的取值，因变量是定量变量。回归即预测
文档评论（0）