大數(shù)據(jù)背景下政府統(tǒng)計(jì)數(shù)據(jù)分析及預(yù)測研究.pdf

1、近年來，在網(wǎng)絡(luò)經(jīng)濟(jì)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(huì)正式進(jìn)入大數(shù)據(jù)時(shí)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(jì)方法進(jìn)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(xiàn)綜述，提出了本文的研究問題。
　　第二章介紹Bootstrap算法與

2、Bootstrap的改進(jìn)算法Bag of Little Bootstrap(簡稱BLB算法)，給出算法的具體思想和計(jì)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(jìn)行了改進(jìn)，提出了基于Bootstrap的抽樣方法，從而擴(kuò)大了數(shù)據(jù)的樣本量，降低了價(jià)格采集點(diǎn)的采集頻率，在節(jié)省數(shù)據(jù)采集成本的同時(shí)，也提高

3、了預(yù)測精度；參考統(tǒng)計(jì)網(wǎng)絡(luò)價(jià)格消費(fèi)指數(shù)的方法，對CPI核算中的權(quán)數(shù)做了改進(jìn)，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(jì)數(shù)據(jù)處理和推斷中的優(yōu)點(diǎn)。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(shí)現(xiàn)分塊并行運(yùn)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