统计数据范文

导语：如何才能写好一篇统计数据，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

2013年1月，国家统计局忽然一下子公布了近十年的基尼系数。数据显示：2012年基尼系数为0.474，但自2009年起逐步回落。此外，还有数据显示：2012年城镇居民人均可支配收入实际增长9.6%，农村居民人均纯收入实际增长10.7%，GDP增速为7.8%，人均可支配收入增速跑赢GDP。

有媒体为此鼓与呼：这是收入增长和收入差距缩小的积极信号。

媒体对统计数据的解释一出笼，立即遭遇了“板砖”。公众大为不解地问：实际的收入差距缩小了吗？在GDP增速下行的情况下，用人均收入增速跑赢GDP来说明改革成果惠及全民，有说服力吗？

老百姓一般看不懂统计数据，他们只知道自己的亲身体验总是和媒体的宣传有差距。关于居民收入是不是增长了，有经济学家说，这还不能只看人均收入增速与GDP增速的关系，重要的还要看政府、企业、居民在国民收入中的分配比例。从收入法来看，GDP是由政府、企业、居民收入构成。只有居民收入占国民收入比重不断上升时，才能说明改革成果更加惠及了人民群众。

2012年，人社部劳动工资研究所的《2011中国薪酬报告》显示，2011年，我国居民收入增长远远低于财政收入和企业收入增长，使得居民收入占国民收入相对比重不升反降。在中国，政府收入一般来源于各种税费，2012年，全国仅税收一项就完成11万亿元以上，比2011年增长11.2%，显然高于同年居民人均收入增速。

至于说收入差距在缩小，就更让人费解了。首先，基尼系数为0.47，已经超过了收入分配差距的“警戒线”，国家统计局局长马建堂也承认，收入差距不容乐观。其次，由于难以获取高收入阶层居民的真实收入信息，这次基尼系数公布的结果还有待改进。有媒体报道，从社会阶层来看，中国收入最高的10%家庭是收入最低的10%家庭人均收入的65倍。可见，收入差距还是相当大的，2012年民间的基尼系数为0.61，也印证了收入差距悬殊这一点。

篇2

摘要：

从传统统计数据与大数据之间的演变历史、数据特征等方面展开讨论，厘清两者之间存在的千丝万缕但又千差万别的联系，提出传统统计数据是大数据的简单形式和初期阶段，大数据是传统统计数据的复杂演化形态的论断，指出两者在数据分析思维方式上存在巨大差异，并对数据质量管理内涵、全周期数据质量保证等问题提出不同的解决思路和方案。

关键词：

传统统计数据；大数据；数据分析；数据质量

0引言

传统统计数据的内涵在于揭示数字背后信息与现实世界的关系。大数据是指巨量数据，是无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。从传统统计数据到大数据的持续演变导致在理论层面大数据内涵复杂，并与传统统计数据在信息界限上概念模糊。从传统统计数据到大数据不仅是量的积累，更是质的飞跃。厘清传统统计数据与大数据之间的内涵辩证关系，是有效利用数据的基础和关键。

1传统统计数据向大数据演变的动力

信息技术的进步为传统统计数据向大数据演变提供了物质和技术基础。随着互联网的日益发展，每一次网络存储技术的进步都使信息的生产、存储、传输成本大幅度降低，而流通的范围、深度、速度则显著提升。JimGray的新摩尔定理认为，每18个月全球新增信息量是计算机有史以来全部信息量的总和，新摩尔定律以信息量的维度确定了数据化演变信息的节奏。这种趋势导致的基本形态就是数据信息空前丰富，大数据成为了研究和利用热点。信息需求多样化与个性化是传统统计数据向大数据演变的基本动力。数据最终是为信息需求服务的，用户信息价值最大化才是数据应用的关键所在。在数据化趋势下，随着人们认知实践与需求状态的变化，数据一方面从满足基本特定信息需求到利用复杂的数据属性解析出多样化信息需求转变，另一方面从被动满足简单需求到主动发掘复杂有效需求，并探知用户个性化信息需求转变。这两方面成为传统统计数据项大数据内涵演变的基本动力。相应地，数据内涵也从朴素的信息真实业务逻辑向满足复杂需求的数据化逻辑迁移。随着信息技术的发展和用户需求的变化，信息效率价值的实时化及数据泛滥造成数据噪声增强和有效信息稀缺现象，大数据应运而生。传统统计数据是大数据的简单形式和初期阶段，大数据是传统统计数据的复杂演化形态。

2传统统计数据与大数据的数据特征差异

数据量增多是人们区别传统统计数据与大数据的第一个认识。传统统计数据数据量小，以MB、GB、TB等为存储单位。大数据数据量大，一般以PB、EB、ZB等为存储单位。但这两者之间特征区别并不仅仅是体量，还包括数据类型、研究对象的范围、信息视角等方面。

2.1传统统计数据与大数据的数据类型对比

传统统计数据是一种结构化的标准数据。其数据类型单一，主要以结构化、体量小、标准化、价值密度高及周期化数值为特征，数据产生和变化的速度慢。其数据特点是朴素真实、简单有限、准确性高及被动有用性。大数据统计范畴扩大、数据类型复杂，其中包括：a）非结构化非标准数据，如动态实时时序数据。b）半结构化数据和非结构化数据，如文本、图像、视频等。c）现有的结构化数据，如传统统计数据。其数据模型具有复杂多维的特征，统计结果多是非精确多种相关性趋势数据。大数据具有4个V基本特征，即Volume（体量浩大）、Variety（模态繁多）、Velocity（生成快速）和Value（价值巨大但密度很低），且具有来源多样、实时、多元的信息化特点。这些特点导致数据在产生、获取、存储、传输和计算过程中，因体量大、快速多变易产生冲突和不一致，人工很难检测和修复。

2.2传统统计数据与大数据的研究对象范围不同

传统统计数据的研究对象是宏观视角下有限的随机样本数据。随着信息化的发展，实践中产生大量冗余沉淀数据，这一时期经过清洗的全样本数据是数据挖掘的研究对象。而大数据面对的则是原生态全样本数据，也就是所谓的总体数据。从随机样本数据到经过清洗的全样本数据再到原生态总体数据，数据内涵总体信息视角从宏观向中观和微观扩散。研究对象范围向宽度和深度两个方向不断扩展，不断深入系统微观的多维度个体感知，信息能力和价值也不断提升。这种转变来自技术和需求的驱动，新型数据处理技术及需求获取能力成为演变的关键因素。

3大数据相对传统统计数据分析方式的变革

数据中蕴含的宝贵价值成为人们存储和处理数据的驱动力，数据分析是实现数据价值的必要途径。由于传统统计数据与大数据在体量、结构、内涵等方面有着本质的区别，所遵循的数据分析理论基础、分析思路、相关技术也不同。

3.1传统统计数据与大数据数据分析的理论基础

对传统统计数据进行数据分析的理论基础是分布理论，以概率为保证，即根据样本去推断总体特征，其逻辑关系是“分布理论—概率保证—总体推断”，分析过程是“假设—验证”基础上的“定性—定量—再定性”。对大数据进行数据分析是以全体数据为基础，以数据信息相关为保证，其逻辑关系是“实际分布—总体特征—概率判断”，可以不受任何假设的限制去寻找关系、发现规律，分析过程是“定量—定性”及“发现—总结”重要数量特征和关系基础上的定量回应。

3.2传统统计数据与大数据数据的分析思路

传统统计数据价值的实现路径为“数据到信息再到知识和智慧”。传统统计数据分析着力于经典严密封闭系统的精确性和因果关系的探索，找到事物属性之间的因果关系，比较容易实现。对于开放复杂的巨系统，传统的因果分析难以奏效，因为系统中各个组成部分之间相互有影响，可能互为因果，因果关系隐藏在整个系统中。因果关系本质上是一种相互纠缠的相关性。大数据数据分析无法检验逻辑上的因果关系，不能致力于寻找真正的原因。Mayer-Sch觟nberger在《大数据时代》一书中指出了大数据时代处理数据理念的三大转变：要全体不要抽样，要效率不要绝对精确，要相关不要因果。因此，大数据分析逻辑体现为走“数据直接到价值”的捷径。大数据数据分析关注事物相关性认知分析，所谓相关性是指两个或两个以上变量的取值之间存在某种规律性，即对数量巨大的数据进行统计性的搜索、比较、聚类、分类等分析归纳。相关分析的目的是找出数据集里隐藏的相互关系网（关联网），一般用支持度、可信度、兴趣度等参数反映相关性。

3.3传统统计数据与大数据的数据分析处理技术

进行数据分析需要相应的数据分析处理技术以及技术人员的全力参与。数据分析领域面临的主要矛盾是快速增长的数据信息需求与有限统计资源和滞后数据处理能力的矛盾。信息技术应用成本的低廉化和性能效率的聚变成为数据需求和质量要求快速增长的基本动力。传统统计数据的分析和处理遵循一般的关系数据库的数据分析和处理技术，技术人员经过一定的训练即可胜任。对大数据进行分析和处理需考虑以下技术因素：a）数据清洗。大数据价值密度低、冗余数据增多、垃圾数据泛滥，大数据清洗需要专业和细致。数据不能清洗过细，否则会增加数据清洗复杂度，甚至有可能过滤掉有用信息。数据也不能清洗过粗，要保证数据筛选的效果。b）以MapReduce（一种编程模型）和Hadoop（Apache基金会所开发的分布式系统基础架构）为代表的非关系型数据库的非关系型数据分析技术，因其具有良好的横向扩展性，在大数据分析处理中得到广泛应用。c）要深入分析数据，数据分析人员既要熟悉数据分析技术和工具，又要具备相关领域的专业知识。

4传统统计数据与大数据的数据质量内涵

高质量数据是进行数据分析的前提和基础，是数据发挥效能的保证。传统统计数据数据质量以有限信息逻辑的因果性、确定性、清晰且高度的结构化为主要特征，主要关注数据自身本源的质量问题，例如准确性、完整性和客观性。质量标准至少应该包括指标解释（含义、范围、口径）、数据特征、调查方法、统计误差、获取时间、频率及渠道等方面的内容。大数据以既定边界内总体数据系统相关性的随机、自身的不确定性以及总体的非结构化为特征。由于数据质量问题在大数据环境下会被不断放大，因此，大数据主要关注数据可信与溯源等非数据本源性质量问题，即数据资源产生后在传输、存储和应用过程中产生的突显问题。下面重点从流程和管理两方面分析传统统计数据和大数据所面临的数据质量的挑战及应对措施。

4.1从流程视角看数据质量保证

从流程的角度（即从数据生命周期角度）来看，可以将数据生产过程分为数据采集、数据存储和数据使用三个阶段，三个阶段对传统统计数据和大数据的质量保证提出了不同的要求。

1）数据采集过程中数据质量保证问题

数据采集阶段是整个数据生命周期的开始，这个阶段的数据质量对后续阶段的数据质量有着直接的、决定性的影响。传统统计数据数据量小，通过编写简单的匹配程序，甚至是人工查找即可实现多数据源中不一致数据的检测和定位。大数据由于数据来源复杂，数据之间存在着冲突、不一致或相互矛盾的现象。因此，需要在数据获取阶段保证数据定义的一致性及元数据定义的统一性，以保证数据质量。

2）数据存储过程中数据质量保证问题

数据存储是实现高水平数据质量的基本保障，如果数据不能被一致、完整、有效的存储，数据质量将无从谈起。传统统计数据以结构化数据为主，主要采用传统的结构化数据存储架构（如关系型数据库）进行数据的存储。大数据数据结构多样、数量庞大、数据结构复杂、变化速度快，需要使用专门的数据库技术和专用的数据存储设备进行大数据存储，以保证数据存储的有效性，方便对数据进行快速读取。数据库一般采用分布式文件系统和分布式并行数据库（如HDFS〔分布式文件系统〕、BigTable〔Google设计的分布式数据存储系统〕等），在数据存储过程中，数据格式的转换非常关键和复杂，要根据大数据结构的要求和特点合理设计数据存储和使用规则。

3）数据使用过程中数据质量保证问题

数据价值的发挥在于对数据的有效分析和应用。传统统计数据的使用需要遵从关系型数据的完整性约束和数据一致性保证技术要求。由于大数据使用人员众多，数据规模庞大、变化速度快，对数据的处理速度要求较高，很多时候需要同步、不断地对数据进行提取、分析、更新和使用，因此需要保证数据使用的一致性。

4.2从管理视角看数据质量保证

传统统计数据一般由业务部门负责掌管数据，IT部门负责信息技术的应用，这种分离式的运营管理方式容易造成业务人员不了解分析不同数据所需的不同IT工具，而IT人员在运用IT技术分析数据时不了解数据本身的内涵，甚至会做出错误的数据解释，影响了企业决策的准确性和有效性。为了更好地利用大数据，保证大数据的质量，企业高层管理者应给与重视和支持，需在高层配备专业数据管理人员。在大数据生产过程的任何一个环节，企业都应该配备相应的专业数据管理人员，如由专门人员负责记录定义并记录元数据，收集原始数据，建模、提取并利用隐藏在大数据中的信息。

5结束语

传统统计数据和大数据是数据科学发展过程中由于技术的发展和客户需求的多样化、个性化而必然出现的数据阶段。由于两者之间关系不清，界限模糊，采集、分析、处理等技术多样，难度大，因此，从业者难免存在模糊认识和畏难情绪。本文从两者的演变历史、数据特征、数据分析和质量管理等方面对两者的异同进行辨析，指出传统统计数据是大数据的简单形式和初期阶段，大数据是传统统计数据的复杂演化形态，大数据从广义上来讲包含了传统统计数据。试图通过对两者的辨析为从业者提供一个辩证和清晰的思路。数据的分析应用无止境，任重而道远。

参考文献：

1刘军华．大数据视野下统计数据质量演变的信息回归、分布与趋势［J］．统计与信息论坛，2015（9）：7-11．

2祝君仪．大数据时代背景下统计数据质量的评估方法及适用性分析［J］．中国市场，2015（29）：41-42．

3李国杰．对大数据的再认识［J］．大数据，2015（1）：1-9．

4程学旗，靳小龙，等．大数据系统和分析技术综述［J］．软件学报，2014（9）：1889-1908．

篇3

与其他经济数据一样，GDP企图将复杂、不断变化的经济系统整合到一个简单数字上，而作为“不是最好但没更好”的经济绩效指标，其价值已渐渐消失。新一代指标不能是旧数据的新版本，而应是政府、企业、个人按需求设计的一组能避免这一缺陷的“定制数据”。利用数字技术搜索经济数据为此提供了可能，大数据不仅可以更好地衡量经济中正在发生的事情，而且也许可以预测未来。

创新快车“甩”下GDP

作为经济学界和媒体经常使用的经济绩效主要指标，GDP曾被称为20世纪最伟大的发明之一。实际上，这一妇孺皆知的名词直到二十世纪中叶才被发明，目的是以单一的一种方法衡量个人、公司、政府的经济产出。

时至今日，经济的性质与以往已大不相同。在其最近出版的新著《GDP：一部简短而深情的历史》中，英国财政部前顾问、经济学家戴安娜・科伊尔说，GDP面临当代经济带来的三大挑战。

首当其冲的是GDP无法衡量创新及其带来的社会福利。比如，1998年，美国提供了185个电视频道、141种非处方止痛药、87个品牌的软饮料、400种电脑以及将近500万个网站。相较之下，1970年，美国仅有5个电视频道、5种止痛药和20种软饮料，在电脑和网站方面是零。通过不断创新所实现的丰富多彩应被看作是经济发展的主要指标之一，然而，由于未能充分捕捉到经济体中产品日益增多的种类，GDP对这方面的创新基本没有体现。

再如，当前无人驾驶汽车的概念正热。这给GDP带来的增幅将与任何其他种类汽车相近或略高，但GDP永远也无法捕捉到无人驾驶汽车对安全的贡献：无人驾驶汽车的推广将大大减少交通事故数量，这是一大福利。

此外，GDP也很难将未来“创客经济”（即利用开源设计和3D打印等技术按顾客需求定制产品）的经济现实纳入统计。在互联网时代，商业模式从从最早的C2C（顾客对顾客）到B2C（商家对个人）、O2O（线上到线下），最终模式可能是C2B（顾客对商家），即生产状态是从消费者出发，需求发送到商家，再生产出来销售给消费者。这种“创客经济”的创新价值无法体现在GDP的统计中。

GDP作为经济衡量标准的第二个严重挑战是无法衡量当代经济中越来越多的无形的、生产率难以度量的东西。比如计算搜索引擎、应用软件等纯数字产品，因为没市场价格而无法被GDP统计在内。宾夕法尼亚大学沃顿商学院的桑德斯开玩笑说：“信息时代的影响无处不在，但GDP统计数字不在其中。”

假设这些无形的数据或信息纳入统计范围，GDP的数字可能大为不同。经济学家迈克尔？曼德尔认为，数据或信息应当成为除商品和服务之外的第三类别。按此计算，2012年这个第三类别会给美国实际GDP增长率增加0.6个百分点。

从使用公共图书馆到乡间散步，免费而有价值的活动一直存在，现在与过去的不同点在于规模。网络大规模的“免费”商业模式让人意识到，GDP所衡量的东西与真实经济福利之间的差距越来越大。

GDP面临的第三个挑战是没把经济增长是否以未来增长为代价充分计算在内。比如创新所需的研发成本，国际上最新的SNA2008标准将其当作投资而非经营成本。美国是认真践行SNA2008的第一个国家，2007年，由采用了这一新方法，美国GDP激增了2%以上。

“可持续性”更重要的含义是逐年的GDP增长消耗自然资源或以其他方式损害环境的程度，GDP中不仅需要计算机器和道路的折旧，更重要的是要统计“自然界的折旧”。

贸易赤字和通货膨胀率等经济指标也存在与现实不符。以美中贸易为例。按WTO规则，每当一部iPhone手机从中国的富士康车间下线运到美国，就记作一次美国从中国进口，美中贸易赤字增加约200美元。实际上，每部iPhone手机价值中仅有10美元成为中国经济的最终所得。现行的贸易统计方法未能反映出实际的价值链分布，扭曲了对双边贸易关系的描述，使得中美双边贸易失衡被夸大。

经济统计进入大数据时代

针对GDP的不完美，一些人提出改进GDP的衡量方法，比如中国提出的绿色GDP，哈佛大学经济学家马丁・威兹曼提出的净国民产值（NNP），甚至有人提出完全放弃GDP，采用国民幸福指数等新的衡量方法。

科伊尔认为，与其使GDP定义和完善越来越复杂，不如重新思考“经济”一词在21世纪的涵义。现在是利用数字技术的大好时机，人们可以利用大数据来重新考虑应该搜集什么信息，以及如何处理这些信息。当今社会，大量活动在网上进行，使得以大数据技术来了解GDP数字所没有捕捉到的消费者福利成为可能。甚至不仅可展示经济中正在发生的事情，还可利用大数据来预测经济中将要发生的事情。

美国里弗特怀斯研究机构总裁扎卡里？卡拉贝尔指出，所有指标都有同样的缺陷：企图将复杂、不断变化的经济系统整合到一个单一、简单的数字。因此，新的指标体系不能是“改革”，不能是以前经济指标的更新版本，而应该是一场“革命”。在大数据时代，衡量经济表现的指标体系应该向“定制指标”发展，即专门为政府、企业、社区及个人的特定需求而量身定做的指标。

篇4

1.1较高的有效性数据挖掘技术作为一种数据的深加工技术，其本身是带有鲜明的目的性的，在实际应用活动中能够对长时间积累下来的经济统计数据进行基于数据使用者要求的深入加工。在实践应用活动中主要有两种重要的应用形式，一种是对积累经济统计数据的管理高效化处理，一种是对现有经济数据的目的性分析。其中第一种分析方式是从经济数据管理的角度出发的，在应用中主要是以固有数据信息的统计、分类为基础，将原本混乱的数据库信息进行科学、系统的归类，保证统计数据管理的高效性和使用的便利性。另一种工作方式是一种经济数据的再加工过程，以鲜明的数据统计、分析目标为指引对原有数据的呈现形式、组成内容和关联形式进行重新加工，以保证经济统计数据能够最大限度地服务于管理者的需求。

1.2综合应用性强如前文所述，数据挖掘技术是一个工具系统而不是单一的工具，能够实现使用主体的各种信息需求，随着现代社会经济的快速发展，当前我国经济管理的各个部门都需要大量的经济统计信息来作为经济管理决策的基础。但是因为各个管理部门经济管理的领域不同、经济管理的方式不同、经济的管理权限不同，所以相应的经济统计数据呈现形式的需求就不同。这就为经济数据统计系统提出了更高的要求，其不仅要对符合各个经济管理部门需求的数据内容进行统计，同时要将统计完成的数据换算成各种不同的呈现形式，并根据统计信息的来源和统计信息的计算方式对其可靠性进行评估[2]。最终这些数据信息的输出格式还应该符合所服务的经济管理部门管理系统的格式要求，保证统计数据能够在管理部门的管理系统中正常录入、应用，数据挖掘技术很好地满足了上述的复杂经济数据管理要求，其功能的综合性促进了其应用深度的提高和范围的扩大。

1.3宏观数据库有利于数据挖掘技术的应用当前因为经济管理部门的职权较为分散，各个经济管理部门的经济统计数据需求不尽相同。所以我国的经济统计活动绝大多数还采用传统的经济统计方法，统计收集的经济信息存在一定的局限性，不能够服务于经济管理活动的整体，或者造成一些数据统计工作的重复，对经济数据统计工作造成了一系列的质量和效率上的影响。经济数据统计活动急需一个能够整合各个统计系统，实现统计数据信息融合的新技术。宏观经济统计数据库为数据挖掘技术的开展提供了平台，数据管理系统的经济统计信息要正确无误，然后经过数据挖掘技术的整合，就能得到更加丰富的数据资源[3]。

2数据挖掘技术的应用

在社会经济管理活动中，管理主体对经济统计数据的要求主要有两个。一个是统计数据的真实性、一个是数据统计信息的实用性。单就这两个经济统计数据要求而言，数据挖掘技术能够很好地满足经济统计工作的需求，是适用性极强的一种经济数据统计技术，其在具体的经济数据统计活动中主要有以下三种应用方法。

2.1预处理方法在经济数据统计活动中，最为基础的一种处理方式就是经济数据的预处理方法，因为数据挖掘本身是一种基于提供基础信息的智能分析技术。其本身是受基础经济信息限制的，不可能无中生有代替经济数据收集系统的功能。所以所有作为数据挖掘系统数据基础的经济统计数据信息都应该进行预处理，处理的内容主要包括对这些数据中不正确、不真实、不准确，以及不同经济统计数据信息之间差距较大的现象。对这些基础数据存在的问题进行处理的过程被称为数据清理，当前数据清理主要采用的方法有均值法、平滑法和预测法。其中均值法是现代分析技术中模糊理念的一种应用形式，当基础数据中的一个数据点是空值或者噪声数据的时候，可以采用均值法进行处理，即用数据库中所有该属性已知的属性均值来填补空缺。保证数据挖掘系统对基础数据的分析和整理能够正常进行，得出相对而言准确度较高的统计分析数据。其中Ci表示当前数据点的取值，Cj表示当前数据点前后不为空的数据点，K表示当前数据点进行计算所取的参考数据点数量[4]。平滑法依然是对基础数据中空值和噪声数据的计算方法，其与均值法的区别是用加权平均数代替了平均数，考虑了计算过程中提取的每一个数据对数据结果的影响权重，所以计算出的结果往往更加接近真实的数值。其中Ci表示当前数据点的取值，Cj表示当前数据点前后不为空的数据点，K表示为对当前数据点进行计算所取的数据点数量。WJ表示Cj数据点的权值。

2.2集成化处理方法在数据挖掘技术的应用活动中，因为相同地区的数据统计主体不同，或者在不同地区对相同经济数据的统计标准不统一，会产生一系列的数据集成问题，如何对这些调查方向不同或者是呈现方式不同的数据进行有效集成而不影响经济数据统计的准确性，是数据挖掘技术的重要任务。在具体的数据集成过程中主要考虑以下几个方面的问题[5]。

2.2.1模式集成当前因为社会经济活动中经济数据的统计内容过于广泛，很多经济数据统计并不是来自于官方的统计局而是来自一些民间统计组织，或者是由一线社会经济主体直接提供的经济数据，在数据挖掘过程中将这些来自多个数据源存在多种数据呈现模式的经济数据信息进行集成就涉及实体识别的问题。例如在数据挖掘过程中如何确定一个数据库中“std-id”与另一个数据库中的“std-no”是否表示同一实体，当前一般使用数据库与数据库之间的含元数据对比来保证实体识别高效率和高质量[6]。

2.2.2冗余问题数据挖掘本身是对经济统计数据的一种深加工技术，经过其加工的经济统计技术应该在本质上达到最简状态。在数据挖掘过程中要将与其他数据呈现某种正相关关系的数据项目进行精简，以保证数据库中数据量维持在一个较低的水平，为数据管理和应用提供便利。在经济数据挖掘活动中人均国民生产总值就是典型的冗余属性，因为其数值是可以通过国内生产总值和总人口属性计算出来的，所以类似人均国民生产总值这种冗余属性在数据挖掘过程中就应该精简，应用的时候在利用国民生产总值和人口属性计算得出[7]。对冗余属性的判断主要通过相关度对比来实现。其中n表示元组的个数，分别是属性A和属性B的平均值，分别是属性A和属性B的标准方差，在这一公式中如果则表示A、B两个属性是正相关，也就是说A越大B就越大，值越高二者的正相关关系就越密切；如果则表示属性A、B之间没有直接关系，是相互独立的；如果则表示A、B两个属性呈负相关，属性B会随着属性A的减小而增大，的绝对值越大，二者的负相关关联关系就越密切。

2.3决策树方法在数据挖掘技术应用过程中，经过系统的分析和总结以后，分析数据的输出是一个关键的环节，其输出的数据形式会对使用者的经济管理决策产生直接的影响。决策树是一种较为常见的、直观的快速分类方法。其应用的关键是决策树的构建，具体而言主要分为两步：第一步是利用训练集建立并精简一棵决策树，建立输出分析的模型；第二步是利用构建完毕的决策树进行输入数据的分类，这一分类是一个递归的过程，从决策树的根部开始进入到树干、枝丫，直到输入数据的分类满足了某种条件而停止。在具体的应用中停止分割的条件有两个：一个是当一个节点上的所有数据都属于同一个类别的时候；另一个是没有分类属性可以对输入数据进行再分割[8]。在决策树构建完成后，还要根据使用者的具体要求对决策树进行“剪枝”，剪枝的主要目的是要降低因为使用训练集而对决策树本身数据输出产生的起伏影响。

3结语

篇5

〔摘要〕本文对统计数据失真的原因进行了详细的分析，提出了根治统计数据失真的可行对策。

 

     从本世纪开始，我国进人了全面建设小康社会，推进社会主义现代化建设的新的发展阶段。作为一个国家社会与经济发展的基本情报的统计数据，其真实性直接影响到中央和各级政府、主管部门制定政策、进行决策和调控管理的科学性、合理性、有效性。因此统计数据是否真实直接关系到我们建设小康社会的成败。然而当全国上下都关注经济发展时，在统计数据上弄虚作假、虚报浮夸的现象也时有发生，统计数据的质量问题，引起了社会各界的质疑和批评。在此基础上做出的决策、制定的政策其效果都不得不大打折扣，甚至由于虚假信息的误导，造成许多决策的重大失误，给国民经济和社会发展造成很大损失和浪费。对这一严重后果，社会各界有识之士已认识到了，并采取了一些相应的措施，但收效甚微。我认为统计数据失真的原因是多方面的，要彻底根治，我们必须标本兼治，从基础抓起，从源头抓起。

    一、统计数据失真的原因

    1、社会道德失衡，诚信严重失范，是造成统计数据失真的社会基础。改革开放以来，我国的社会经济发生了重大变化和深刻变革，人民生活显著提高，但无庸讳言，随着生活水平的提高，近年来社会诚信水平出现了明显下降趋势。这种道德失衡、诚信失范的现象不仅成为我国市场经济进一步发展的严重障碍，也成为统计数据造假的一大社会根源。它影响到了作为调查者的统计部门及统计工作者，也影响到了向社会提供各种统计资料的社会各界的每一个人，同时更影响到了我国各级领导干部。

    2、干部管理机制不完善是导致和助长统计数字造假的一个重要源头和关键所在。近年来我们国家对干部的考核任免，开始对其业绩进行量化考核，这应该是干部管理迈向规范化、科学化的重要一步，但是对于定量考核的某些指标我们没有进行严格、科学、规范的审计和评价，正是由于这一管理机制中的重要缺陷，使某些领导出于地方、部门、个人利益的考虑，对统计部门授意和间接施加影响，使之按其意志编造或瞒报、虚报统计数据，从而导致和助长了整个社会数字做假的不良风气，严重影响了重要统计数据的可靠性和准确性，给我国社会经济的发展造成了重大损失。

    3、统计法制意识淡薄，执法力度不够是造成统计数据造假日趋蔓延的关键因素。首先是整个社会的统计法制意识淡薄，从领导到群众，从上级主管部门到基层单位，从调查者到被调查者，都没有充分认识到对统计数据造假与其它触犯刑律的行为一样，也是一种严重的违法行为，也要承担法律责任。一部分人出于对部门、个人利益的考虑，对数字造假心知肚明，且彼此心照不宣，甚至协助造假、做假。其次，统计执法乏力，缺乏应有的打击力度，使统计法律、法规失去了应有的震慑作用，使本已非常淡薄的统计法制观念更加淡薄，直接助长了社会上统计数据造假的现象。

    4、统计部门自律制度不完善是造成统计部门对统计数据失真、失守的关键因素。由于现在我国统计部门还没有财务部门那样严格的自律制度，所以统计人员和统计部门没有会计人员那样高的责任感和纪律约束感，因此也弱化了为保证统计数字质量而应该坚持的原则和立场，降低了自己对假数据的责任意识、敏感性和抗干扰能力、放弃了捍卫统计数据真实的神圣职责，使统计数据的真实性、可靠性失去了最后的保障。

    5、统计工作人员及社会各界和领导的自身素质水平低下是造成统计数据失真的又一主要原因。首先现阶段我国统计队伍业务素质水平较低，造成统计各工作阶段科学性差，对统计工作各环节控制不严谨、不合理，造成了统计数据不同程度的失真。其次，作为被调查的社会各界，由于缺乏必要的文化及素质水平，导致记忆、记录、估计不准，也会使所提供数据失真。最后，由于部分领导干部个人思想觉悟、业务能力较低，向统计部门所提供的一些数据不是经过科学调查得到的，而且仅凭个人臆断、拍脑袋拍出来的，当然会使统计数据失真。 转贴于

 二、根治统计数据失真的对策

1、加强社会道德诚信教育。在进人新的世纪后，我国明确提出了以德治国的方略，并在全社会开展了《公民道德建设实施纲要》的学习活动。对于统计数据的造假问题，已不单单是法制就可解决的问题，因此，加强全社会的道德、诚信教育，提高全党、全民的道德诚信意识水平，仍应作为当前和今后我国精神文明建设的重点工程来抓。

    2、进一步完善干部管理体制。我们必须进一步完善干部管理体制，对各级干部的考核、评价与相应的升迁与任免，要建立严格、科学、规范的业绩评估制度，如授权专门评估机构评估、评估前不可先通报以及对违规行为的处罚办法等，严格防止“官出数字、数字出官”的腐败现象。

    3、加强统计法制宣传和执法力度。由于长期以来对《统计法》宣传力度不够，对于统计数字造假这一违法现象，很少有人意识到这是违法行为，也很少有人去举报或抵制，因此很少有数字造假者得到法律制裁，致使《统计法》根本起不到其应有的震撼作用，助长了数字造假的不正之风，使统计数据治理的环境进一步恶化。因此我们必须要在全社会大张旗鼓地宣传统计法制，并全方位加大统计执法检查力度，严厉打击，处理一批严重的统计违法案件，树立统计部门的权威。

    4、完善统计部门的自律、监督机制。要象会计部门的财经纪律一样，在统计部门，建立起一套责、权、利相协调的管理机制，完善统计部门的自律、监督制度，以严格约束、监督统计工作。

篇6

统计数据作为一个企业运行的必要元素，发挥着其不可动摇的主体作用，故而对统计数据的管理必然存在着的极高要求。石化企业有别于其他计件企业，它因物料的流动性、数量的相对性不同于计件物品的固定性、数目的确定性，存在着物料的挥发、管道运输的损耗等许多不确定因素，因而对统计数据的严谨性等一系列要求也相对应的更加高。而规范的现代化的统计数据的运作模式所带来的数据统计的高标准、严要求、统计结果的最优化，也为石化企业良好的生产运行创造了非常有利的环境。石化企业中统计数据作为企业经营最重要的决策理论依据之一，从数据的采集、处理到分析应用都有着其独特的运行模式，而数据的统计过程又同样的以规范的形式，严格的按照相关的统计规章制度进行运作。

二、数据的采集、检查

石化企业对统计数据的采集要求比较严谨，要求严格按照计量检测记录、原始操作记录等进行数据的收集，数据的采集要以规范的程序，对数据定时定点进行有效的采集。将采集到的数据进行认真核对、仔细检查，并定期对原始记录数据的及时性、真实性，规范性以及计量数据的准确性等进行针对性的检查，并穿插不定期的抽查，两者相结合，从而确保所收集数据的全面性、及时性、有效性、准确性。作为数据采集的主体，储罐作为石化企业最典型的储存形式，由于气温、计量方式等多方面的因数，计量数据存在一定的不确定因素，要定期对储罐进行相对应的标定，确保储罐测量数据的准确性。而储罐的检测要严格按照制定的操作规程进行按时的检测，以便及时监测到物料的实时储存状况，将记录好的检测数据定期进行检查收集。另外，车、船运输等数据的采集也同样采取定期检查与不定时抽查结合，从原料的购进到产品的销售，每一车、每一船的收发的数据都必须以操作记录纸的形式进行认真登记，将物料收发数据进行记录，便于统计人员每天参照操作记录进行原料购进、产品销售数据的检查收集。

三、数据的汇总、处理

须将收集到的有效数据进行完整的归纳，精心的统计、准确的计算以统计报表的形式进行汇总处理，以规范的日报、月报、年报等多种样式呈现。及时将报表上报给相关职能部门及有关领导，全面的将企业的生产运营情况数据化的呈现。统计报表的书写必须以规范的模式进行填写，要求必须一目了然，可以以将经过处理的数据以数据和图表等形式多样呈现。报表的计算必须准确，报表的形式必须规范，严格以对应的统计指标按标准执行。做好报表的同时还需记录好统计台账，统计台账登记需及时，台账的设置还要兼具安全。定期安排相关部门对统计报表、统计台账进行审核，进行统计检查，以保障报表所出数据的可靠性。报表的处理形式必须以制定的规格呈现，及时准确的以规定的格式上报。而数据统计的过程必须严格按照相关统计规章制度执行，保证所出数据的权威性。

四、数据的分析、应用

数据作为一个企业效益的灵魂，从原料的购进，到装置物料的进出，再到产品的销售，要做到每一步数据的统计都非常的精确，就必须对每一个数据进行有效的审核，将审核后的数据进行汇总处理，对所得数据汇同相关部门进行对应的数据分析，可以多种形式作出分析报告，将所得结果作为有效的企业运行最优化的重要依据。原料作为企业生存的根本，必须及时进行相关数量的统计。对原料数量的统计必须以不损害企业的利益为准则，对每一车、每一船的数据都必须进行及时的跟踪，确保第一时间计算器损耗，统计分析出相关因数，作为相关部门实行企业效益最大化的有效参考。统计数据的准确性还为装置收率的最大化作充分的参考。根据全面的、精确的对装置所用物料的加工量、产量的统计，计算出物料的收率，根据收率的高低，在集合相关数据生产部门从中可以得出装置的运行情况，分析出原因，为物料利用的最优化提供了必要的条件。另外，还可以根据对所有物料销售数据的统计，针对每一个产品进行销售数据的跟踪，制作销售图表，进行分析运用，为销售部门作产品的市场行情的分析起着很好的参考作用，并同时为领导部门根据市场行情进行全面的产品结构调整打好基础。

五、现代化企业统计数据的电子化、数字化

而作为现代化的企业，数据的统计也从原始的手工填写，到现代化的电子文档的建立，通过现代化的手段，以最快捷、最规范的方式及时将企业的运行情况呈现到相关人员面前，并有效的避免了手工操作填写计算容易发生的计算不当、书写模糊、传递误差等许多不可忽略的因数，将企业良好的运行做了最及时的呈现。通过科技的手段，现代化的统计数据的处理方式还解决了许多人工书写所不能达到的标准，数据的图表化，远程传输的及时性等诸多便利因素更是将统计数据的信息得以及时、有效、全面的应用。

篇7

[关键词]企业管理 统计数据 质量 影响因素

一、前言

现代企业管理越来越离不开企业统计的数据。尽管在计划经济体制下,企业生产经营和管理方式过于简单,其目的也远没现在复杂,只要控制好生产,保质保量完成就行了。但在市场经济条件下,企业作为独立的法人,独立生产,自负盈亏,渐成了产供销一条龙的局面,管理过程也没有以前那么容易,管理方法和手段也层出不穷,管理难度也大大增加。但是,不管采取何种高明的管理方法,其实施都有一个前提,就要对企业生产经营状况及企业内外SWOT进行具体的准确的分析,而这些都离不开统计工作的支持。可以这么说统计数据质量好坏直接导致公司管理运作的好坏,但当前有些地方和企业为了自身短期效益的提高,采取虚报、拒报、迟报这些手段,造成大量统计数据严重失真。那么影响企业统计数据的原因在哪?

二、影响企业统计数据的因素

1.企业管理者角度。作为一个企业领导,本身法制观念淡漠,对统计数据质量重要性意识不高。认为只要统计数据公布朝公司有利的发展角度出来就行,通过虚报统计数据,吸引更多的投资者和客户。基于这个原因,企业管理层要求财务人员兼任统计工作,并结果有领导层统一指示,数据则有财务人员编报。这种统计数据填报的随意性较大,给消费者、投资人及国家税收的危害性也很大。

2.统计人员角度。之前说了很多企业的统计人员大多由企业的财务人员担任,这往往造成统计人员变动随意较大。由于不是专职统计人员,统计工作也自然不会一心一意,而是多心多意,工作重心不会全放在统计数据真实性上,有可能随填一个数字,草草了事,只要交差就行了。

3.原始数据本身角度。由于统计数据有关的原始数据本身就存在很大的人为因素,所以统计数据尽管计算统计过程都是公平的,但原始数据造假现象导致的数据质量水平下降,也是有可能的。如一些记录的不完整、不准确,有时记录数据还出现低级错误,还有些填报的对象不说实话,不报实数,报表经不起仔细推敲,出入很大等等,这些都有可能造成统计数据质量被破坏。

4.统计报表制度角度。我国已经步入多元经济时代,尽管主体仍是市场经济,但很多经济形式呈现多变化趋势。这种多元形式带来经济利益的多元化格式,可是我国的统计报表制度未能与时俱进,仍采取新瓶装旧酒模式,这显然已经不适合当前经济发展的需要。

5.统计标准化角度。建国以来,国家及主管部门对企业的考核评价标准总是随着宏观经济指导思想的调整不断变更,要求上报考核的统计指标由7项增至8项,直至16项,以后又更改8项;一些地区也根据各地的实际需求,相应增加或减少了一些具体上报指标,这必然导致标准不一、互相矛盾现象的发生以及统计标准不齐、不全、不配套现象的普遍存在。

6.统计部门角度。当前,我国的统计部门大多属于政府性质,而且受到传统计划经济体制的影响很严重,统计的习惯大多采用企业逐级向上报送统计资料的单向循环,对于统计数据的结果也并未形成具体有效的核查措施,这样割裂了市场经济条件下,企业作为第一统计信息源,而且企业可以随意填写资料上报,只要合乎情理,基本不会向下循环真实与否。而且整个企业逐级上报手续过程繁杂,已至汇总结果在最后一级已经是“面目全非”,致使统计的数据质量难以保证。

三、提高统计数据质量的建议

1.企业管理者建议。对于企业管理者观念意识淡漠,笔者认为这并不是一朝一夕的事情,商人唯例事图这是自古传统。所以要改变这种观念,需要进一步加大宣传的力度,让其认识到《统计法》的重要性,增加《统计法》对于规范企业统计工作的力度,这也是督促企业管理层转变观念的一大法宝。基于此,统计部门要借助主流媒体刊物宣传《统计法》,以提高各级领导的法制观念意识,认识到如果虚报、瞒报、不实报都会给国家和企业带来严重的影响。

2.统计人员角度建议。从统计人员角度,笔者认为要加强对统计人员职业素质的培养,通过统计人员职责规范的培养力度,让其提高自己的职业能力。同时,企业应该拟设统一统计岗位,让财务和统计脱离,不可由财务人员兼做。这样可以方便统计人员一心一意从事统计数据,不受干扰。

3.原始数据本身角度。原始数据是数据统计质量的关键一环,如何确保原始数据真实性,就需要采取考核机制,从源头上进行把关。对统计上来的原始数据,派人去源头抽检,如发现有一处地方不实,将采取严厉惩罚措施,并复杂,以保证统计的原始信息数据采集中的真实性和准确性。

4.统计报表制度建议。进行统计报表制度改革,是解决统计报表制度不能满足市场需求的唯一方法。改革,主要改革其统计调查的方法体系。而且要对其方法体系进行大刀阔斧的改革。从调查的经济结构、经营方式和经济机制的不同,按照对象、内容和条件、环境不同,分别采取不同的调查方法制表。

5.统计标准化角度建议。对于统计标准化建议,笔者认为,首先要搞好统计调查表的设计。企业综合统计部门应根据上级部门和本企业生产经营管理的需要,会同会计等部门统一设计企业内部一套表,在设计中应体现新的国民经济核算体系,各指标之间应相互联系,相互配套,统计指标的涵义、范围、计算口径应一致。其次,实现原始记录、统计台账的标准化。我们知道,原始记录是业务核算、会计核算、统计核算的共同基础,只有这样才能使三种核算结果相互衔接,口径一致,而要保证核算数字的准确性,要求核算的数字来源,都有真实的原始记录为依据。从原始记录开始一直到整理表、场内报表及三种核算,数字来源通过逐级加工,都是有据可查的。只有这样核算,数字的准确性才有确切的保证。

6.统计部门角度建议。精简机构,双向循环机制,这是改革统计部门层级制度的唯一办法。所谓精简,就是少环节,多内容。而且采取单位和政府双方循环机制。一个巴掌永远拍不响,要双方互动,加强数据交流沟通,才能保证数据统计的实效性。

四、结语

综上所述,明确了企业统计数据质量关键影响因素后,企业就可以有的放矢地做一些改进举措来达到提高统计数据质量的目的。

篇8

一、影响统计数据质量的主要因素。

（一）统计基层基础力量薄弱。一是基层统计部门普遍存在人员紧张的问题，在专项调查和业务报表逐年增加的情况下，统计人员大多身兼数职，并且有些乡镇和基层调查单统计人员更换频繁，新的统计人员不能马上适应统计工作的需要，造成了工作不衔接，形成断档现象。其次，基层统计人员缺乏必要的业务知识，业务素质较低，对统计指标理解不透，差错时有发生。最后，基层统计部门经费较为困难，不能跟上统计基础规范化建设的需要。有些乡镇办事处的经费连统计人员的工资都不能按时发放，那么投入到统计人员培训、基础工作建设等方面的资金也就更加无法保障。这些因素都导致了基层基础工作薄弱，也直接影响了统计数据质量的提高。

（二）统计方法制度需要不断完善。目前，统计系统在全国范围内实施了企业一套表报表制度，客观上统计报表和指标设置与以前相比减少了许多，但是为了满足各级政府的需要，存在层层加码，增设表种和指标的现象现，基层统计人员的工作量并没有实质性的减轻。现行的统计方法制度中部分专业统计指标设计不合理，指标的内容和统计范围存在缺口，覆盖不全。如现行劳动工资统计制度的范围是辖区内的国企、行政事业单位，不包括私营单位和个体工商户。现在的报表虽然增加了私营单位调查，但调查结果不参与汇总。这就造成了劳动工资统计的漏统。

（三）考核评价制度需不断完善。考核评价制度经过近几年的不断发展，逐步增加了社会和民生改善指标、生态环境和可持续发展等多项指标。但在指标体系中经济规模、质量效益所占权重依然较大，而这些经济类指标大多都是以统计局监测上报的数据为依据进行考核。考核是对一个地方经济社会发展的评价，同时也是对领导政绩的体现。考核如同一个指挥棒，吸引着各级领导的关注，部分地方的领导为了一个好的考核结果，对统计数据会异常关注。

（四）统计执法力度不够，统计工作的环境氛围还没有得到根本改善。受各种因素的影响，当前统计执法力度不够，不少拒报、虚报、瞒报、篡改统计资料等违法行为无法得到查处，使违法者逍遥法外。造成统计执法力度不够的原因，与统计部门自身执法意识不强、执法力量不足、办案条件简陋有直接关系。统计部门虽然是《统计法》的执法主体部门，但与工商、税务等部门相比，在执法力量、执法条件等方面根本无法相提并论。为了提高统计数据质量，统计部门的执法力量、执法条件亟待改善。

二、提高基层统计数据质量的建议

（一）加强统计基础建设，夯实统计工作基础

各级政府要按照《统计法》规定，根据统计任务的需要，配备必要的统计人员，组织、协调好各项统计工作；企、事业单位要根据统计工作和经营管理的需要设立统计机构，或在有关机构中设置统计人员，做好本单位的统计工作。通过切实有效的措施，依法强化统计职能，落实统计调查任务。同时要加快统计业务规范化建设向联网直报企业延伸。进一步完善一套表模式下联网直报企业统计业务规范化体系，指导企业建立原始记录和统计台帐，建立健全数据采集、审核、查询、汇总、上报和资料管理等各项统计工作制度，规范统计业务流程，准确及时填报统计数据。最后要加强统计人员的职业道德教育。要求统计人员在工作中必须坚持原则，工作中“不惟上、不惟财、只惟实”，自觉抵制弄虚作假行为。要不断强化诚信守法意识，严格秉承职业操守，逐步增强从事统计工作的责任感和使命感。

（二）适应社会发展，不断完善统计调查方法制度。统计调查方法制度是统计工作开展的前提。报表制度设计时一定要去繁就减，设计那些易收集，逻辑关系清晰的指标。同时在设计时要适应当前经济社会的发展，根据社会上出现的新的经济现象，要不断完善统计调查方法制度。

（三）进一步改进考核评价体系，提高统计数据的抗干扰能力

改革和完善考核评价制度，必须设置科学、合理的考核指标体系。应该把有质量、有效益、可持续的经济发展和民生改善、社会进步、文化繁荣、生态文明、党的建设等作为考核评价的重要内容，提高资源消耗、环境保护、安全生产等约束性指标的权重，重视科技创新、教育文化、劳动就业、居民收入、社会保障、人民健康状况的指标考核。在建立科学的考核评价体系的同时，要逐步淡化考核工作，以引导各级领导树立正确的政绩观，从而提高统计数据抗干扰能力。

（四）加强法制建设，优化统计环境

依法统计是新形势下搞好统计工作，保障统计事业健康发展的必然要求，是提高统计数据质量的重要手段。加强统计执法是根治统计失真的最有效武器，它既可有效保护统计社会关系的长期稳定，也能确保统计调查对象的合法权益。各级统计部门要树立依法行政的理念，同时加大执法力度。一要加大统计法的宣传力度，营造执法、懂法和守法的社会氛围，增强全民的守法意识，宣传的重点要从统计人员转移到社会各层面，特别是各级领导，让领导带头守法。二是要加大统计执法力度，将统计工作纳入法制轨道，使统计执法经常化、制度化，综合使用法律、行政、经济等手段加大惩处力度，以提高违法成本，彰显统计法的威慑力。三是实行统计问责制，违法必究，对统计造假者依法严惩。

篇9

确实中国统计上的一些长期存在的问题，哪怕是技术性的，而不是外国某些机构所称的人为的，并没有得到解决。

国内外机构的质疑主要针对相应数据的相关性与模型结构的分析。有些国际机构甚至自行建立中国增长数据模式。这些模式主要采用发电量、货运量、甚至某些基础产品的消费量，如煤、油、钢材、水泥等数据进行分析得出不同等于国家统计局发表的数据。因为这些数据与经济增长有密切相关性关系。运用这些模式分析发现中国的国内生产总值与中国工业生产数据不一致，国内生产总值增长与投资，出口，消费不一致。发电量与工业生产不一致。

瑞穗证券亚洲公司首席经济学家沈建光撰写的文章引发人们的思考和讨论。他指出，二季度7.6%的国内生产总值数据与诸多经济指标发生背离，且与微观感受存在差异。例如，从国内生产总值与官方的采购经理指数（PMI）的关系来看，二季度采购经理指数指数平均为51.3%，低于一季度0.2个百分点。但是，官方二季度国内生产总值的环比增速却为1.8%，不仅上升且高于一季度国内生产总值环比1.6的增速。具体来看，二季度采购经理指数生产指数、新订单指数、新出口订单指数均已接近2009年一季度的平均水平，而产成品库存指数却远高于当时，显示当前经济下滑趋势十分明显，且存在产能过剩的现象。

国家统计局也公布了三大需求对国内生产总值的贡献水平。数据显示，二季度消费对国内生产总值贡献率大幅下降，而投资的贡献率提升较多，净出口负贡献收窄。

除净出口负贡献收窄比较合理外，其它两项的不一致也让人看不明白。消费方面，二季度社会商品零售总额名义增速确实有所下降，但主要是价格下滑起到了很大的作用。如果剔除价格因素，社会商品零售总额1-2月、3月、4月、5月、6月的实际增速分别为10.8%、11.3%、10.7%、11%、12.1%，呈现上升态势。在此情况下，为何消费贡献率大幅下降？

二季度投资对国内生产总值拉动从一季度的2.7%提高到3.9%，证明投资效果已有显现。但实际上，发改委是自5月底才开始加快项目审批，货币政策走向宽松也是以6月降息为标志，考虑到政策都存在时效的滞后性，投资对经济的拉动作用不应在二季度便显现出来。另外，央行公布的金融数据显示6月新增贷款仍以短期票据为主，中长期贷款占比却在下降，约为30%左右的占比远低于以往近50%的比例，显示信贷对于投资需求支持仍然比以往更低。

有些经济学家也怀疑企业利润的急速下降也与经济增长相背驰。例如，占有中国大半壁江山的国有企业利润从2011年上半年同比增长22.3%，下降到今年上半年的-11.6%的增长率。国外经济学家质疑上半年7.8%的经济增长率与主要企业利润大幅下降不一致。

确实从技术层面上讲，我们的经济统计大有改善的空间。

国家统计局局长马建堂曾在6月份强调提高统计能力、统计数据质量和政府统计公信力。自今年2月18日开始，各地近70万家进行数据统计的企业实现了在全国统一的电子网络平台上进行基层企业统计数据联网直报。马建堂称，统计调查事业正处在一个新的历史起点。

篇10

关键词：统计数据 质量控制

1、统计数据质量控制的原则应当是全过程的、全员参加的、以预防为主的数据质量控制

首先，统计数据质量控制要贯穿于统计工作的全过程。每进行一步，都要对已完成的工作进行检查、对已发生的差错及时进行纠正，做到层层把关，防止差错流入下一个工作环节，以保证统计数据的质量。其次，参加统计数据质量管理和控制的人员应当是全面的。全体统计工作者都要树立数据质量意识，各个主要的工作环节都要落实专人负责。统计数据质量的好坏，是许多工作和许多统计工作环节质量的综合反映，牵涉到统计工作的所有部门和人员，因此，提高数据质量需要依靠所有统计工作者的共同努力，决不是单纯靠某一个部门或少数人所能搞得好、抓得了的。只有人人关心数据质量，大家都对数据质量高度负责，产生优质的统计数据才有坚实的群众基础。因而，统计数据质量控制要求把差错消灭在它的形成过程中，做到防检结合，以防为主。这就要求有关人员在质量控制中具有超前意识，抛弃那种出现了统计数据问题才想办法解决问题的被动的局面。

实行全员性的质量控制，就要把统计数据质量目标及其关键交给广大统计工作者，落实到每个工作岗位，使每个岗位都有明确的工作质量标准，做到合理分工、职责明确，职责越明确，数据质量控制就越有保证。

2、统计设计阶段的质量控制

统计设计是统计工作的首要环节，统计数据质量的好坏，首先决定于这个过程，它是提高统计数据质量的前提。如果设计过程的工作质量不好，就会给统计数据质量留下许多后遗症。设计过程的质量控制需要抓好以下几项工作：

2.1、正确规定统计数据质量标准

数据质量标准是指根据不同的统计目的对统计数据精度所提出的要求。满足统计目的精度的统计数据就是准确的，高质量的统计数据。首先要作充分的调查，系统地收集市场和用户对统计数据的反映和实际使用效果的情况；其次要分析研究过去统计数据的主要质量问题，找准统计数据质量控制的主攻方向；最后要进行反复论证，考虑到统计工作中实际能够达到的水平。

2.2、合理设计统计指标体系及其计算方法

统计指标设计得是否合理，也是影响统计数据质量的因素之一。采用统计报表搜集资料，首先要实行标准化管理，制定的指标要符合统计制度的规定，范围要全，分组要准，指标涵义的解释和计算方法要精确；其次要对统计报表的设计、颁发、填制、汇总的全过程实行全面质量管理。

3、资料整理鉴别阶段的质量控制

统计资料整理鉴别阶段出现的差错是统计数据质量问题的重要方面。如果资料不准确，就会影响结论的正确。因此，要特别注意审查资料的可靠性和适用性，要弄清楚统计指标的口径范围、计算方法和时期时点。对于口径不一致或不完整的资料，需要进行调整、补充；对于相互比较的资料，必须要注意有无可比性；一旦发现数据有严重的质量问题，应进行核实，避免有质量问题的资料进入汇总处理阶段。总之，对搜集到的资料，经过鉴别推敲、核实审定、使之准确无误，才能使统计数据的质量得到保证。

4、人为错误的质量控制

4.1、尽可能采用计算机处理统计资料，同时提高统计分析水平

计算机作为当今社会不可缺少的高科技产物已渗透到我们生活、工作中的各个环节。运用计算机整理、汇总统计资料，速度快、效果好，其优越性是手工整理无可比拟的。现在国内大部分著名企业基本上实行网络化、全球化，利用网络资源了解世界先进行业信息，采用科学先进的统计分析方法和手段，进行横向、纵向对比，找差距挖潜力，努力赶超世界先进企业。要能够写出有一定深度的统计分析预测报告，系统、全面、科学地去挖掘利用网络资源和从市场取得的第一手资料，完善整个分析、预测手段方法和过程。但是，也应重视计算机处理数据的质量问题，提高计算机数据处理的关键在于提高录入数据的可靠性。

4.2、统计工作者本身应提高自身素质

统计人员没有深厚的专业知识和丰富的实际工作经验，没有跟上时代及时进行知识更新，不善于统计调查获取第一手资料，写不出有一定深度关于本企业某一方面对决策层有参考价值的统计分析报告。因此，对统计人员应该加强培训工作，企业内部应建立配套的培训机制，对每一层次统计岗位实施针对性的培训，必要时到企业外请有关专家学者授课，或到相关先进单位进行考察学习，做到取长补短。统计工作者本身也应该努力学习统计知识，钻研业务，不断提高统计业务素质和水平，杜绝因业务不熟悉而造成的数据质量问题。

4.3、加强对统计人员的职业道德培训

目前，上级部门下达计划和各类政绩考核对统计数据干扰不可低估。有些地方，以是否完成计划和各类数据的高低作为考核地方政绩的依据，导致很多下级部门所报的统计数据高于计划数或持平，这并不是计划部门的计划多么精确合理，而是说明某些统计对象或统计部门受某种利益的驱动而使统计数据的质量得不到保障。当然，数据不真实、不准确的原因是多方面的，其中统计人员的思想道德对统计数据的影响是很大的。这就要求我们加强对统计人员的思想品德和职业道德教育，要求每一个统计工作者必须坚持实事求是的工作作风，认真对待每一个统计数据，如实地反映情况。

4.4、加大统计执法力度，保证源头数据的准确性