時間：2023-12-20 11:32:54
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇經濟學數據分析，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
理性選擇理論對行為主體“認知”問題的學術處理，從“經濟人”到“理性經濟人”并沒有顯著的變化。古典經濟學框架下的理性選擇理論以完全信息假設為前提，將行為主體（個人）界定為無本質差異和不涉及個體間行為互動，不受認知約束的單純追求自身福利的“經濟人”（約翰·伊特韋爾等，1996）。新古典經濟學的理性選擇理論將行為主體界定為“理性經濟人”，它同樣以完全信息假設為前提，研究了被古典經濟學忽略的選擇偏好，通過對“偏好的內在一致性”的解析，論證了個體能夠得知選擇結果的抽象認知(Von Neumann and Morgenstern，1947；Arrow and Debreu，1954)。這里所說的抽象認知，是指行為主體沒有經歷具體認知過程而直接關聯于效用函數的一種認知狀態，這種狀態在新古典理性選擇理論中的存在，表明“認知”是被作為外生變量處理的。
現代經濟學的理性選擇理論開始嘗試將“認知”作為內生變量來研究。現代主流經濟學從人的有限計算能力、感知、意志、記憶和自控能力等方面研究了認知形成及其約束（Salvatore， 1999；Schandler，2006；Rubinstein，2007），認為認知是介于偏好與效用之間，從而在理論研究上處于不可逾越的位置，只有對認知進行研究，對偏好和效用的研究才能接近實際?，F代非主流經濟學注重于運用認知心理學來研究人的認知形成及其約束（Kahneman and Tversky，1973，1974，1979；Smith，1994），它通過實驗揭示了一些反映認知心理進而影響選擇行為的情景，如確定性效應、錨定效應、從眾行為、框架依賴、信息存疊等，以論證傳統理論忽視認知分析而出現的理論與實際之間的系統性偏差。
但是，經濟學理性選擇理論對認知的分析和研究，是在預先設定規則的建構理性框架內進行理論演繹和推理的，它們對認知的解釋，通常表現為一種規則遵循。例如，新古典理性選擇理論關注個體應怎樣符合理性（最大化）的選擇，而不是關注個體的實際選擇，它對認知的學術處理是從屬于效用最大化的（Harsanyi，1977）?，F性選擇理論所關注的，或是在忽略認知的基礎上建立解釋和預測實際選擇的理性模型來說明實現效用最大化的條件，以闡釋個體如何選擇才符合理性（Edgeworth，1981）；或是通過行為和心理實驗來解說實際選擇的條件配置，以揭示實際選擇的效用函數（Kahneman and Tversky，1973，1974，1979；Smith，1994），因而對認知的學術處理同樣是從屬于效用最大化的。基于選擇的結果是效用，而認知與偏好都內蘊著效用形成的原因，我們可以認為，經濟學在將個人追求效用最大化視為公理的同時，也在相當大的程度上表明理性選擇理論對效用函數的描述和論證，不是依據數據分析而是一種通過理論預設、判斷和推理得出的因果思維模式。
因果思維模式在信息完全和不完全情況下的效應是不同的。在信息不完全狀態下，如果研究者以信息完全預設為分析前提，依據自己掌握的部分信息對問題研究做出因果邏輯判斷和推論，則其不一定能得到正確的認知。在信息完全狀態下，研究者不需要有預設的分析假設，也不需要依賴邏輯判斷和推論，而是可以通過數據高概率地獲取正確的認知。經濟學的信息完全假設對認知研究的影響是廣泛而深刻的。例如，新古典經濟學假設選擇者擁有完全信息，能夠實現效用最大化，它對偏好與認知以及認知與效用之間因果關系的邏輯處理，是通過可稱之為屬于該理論之亞層級預設的“給定條件約束”實現的（信息完全假設是第一層級預設）。在該理論中，偏好被規定為是一種處于二元化的非此即彼狀態，認知在“選擇者知曉選擇結果（效用）”這一亞層級預設下被跳越。很明顯，這種因果思維模式有助于使其建立精美的理性選擇理論體系，但由于沒有對認知階段作出分析，它很容易嚴重偏離實際。
現代主流經濟學的理性選擇理論偏離現實的程度有所降低，原因在于開始重視認知的研究。半個多世紀以來的經濟理論研究文獻表明，現代主流經濟學的理性選擇理論正在做逐步放棄完全信息假設的努力，它對偏好與認知以及認知與效用之間因果關系的邏輯處理，是在質疑和批評新古典經濟學偏好穩定學說的基礎是進行的，該理論用不穩定偏好取代偏好的內在一致性，解說了認知的不確定性，以及不完全信息和心理活動變動等如何對認知形成約束，以此質疑和批評新古典經濟學的期望效用函數理論，并結合認知分析對個體選擇的效用期望展開了深入的討論。相對于新古典經濟學的理性選擇理論，雖然現代主流經濟學的理性選擇理論仍然是因果思維模式，但它有關偏好與認知以及認知與效用之因果鏈的分析銜接，明顯逼近了實際。
現代非主流經濟學的理性選擇理論不僅徹底放棄了完全信息假設，而且徹底放棄了主流經濟學中隱性存在的屬于新古典理論的某些“給定條件約束”。具體地講，它對偏好與認知以及認知與效用之間因果關系的論證，不是基于純理論層次的邏輯分析，而是從實驗過程及其結果對這些因果關系做出解說。至于效用最大化，該理論則認為認知與效用最大化的關聯，并不像先前理論描述的那樣存在直接的因果關系?，F代非主流理性選擇理論通過實驗得出一個試圖取代傳統效用函數的價值函數（Kahneman and Tversky，1979），該函數體現了一種以實驗為分析底蘊的不同于先前理論的因果思維模式，開啟了以實驗數據作為解析因果關聯的理論分析先河。但由于現代非主流理性選擇理論畢竟還是一種因果思維模式，因而同先前理論一樣，在理論建構上它仍然具有局限性。
從理論與實踐的聯系看，經濟學理性選擇理論的因果思維模式之所以具有局限性，乃是因為它用于分析的信息是不完全和不精確，甚至有時不準確，以至于造成認知不正確和決策失誤。當研究者以不準確或不精確的信息來探尋因果關系時，極有可能致使認知出現偏差；而當認知出現偏差時，理論研究和實際操作就會出問題。誠然，因果思維模式本身并沒有錯，但問題在于，單純從現象形態或單純從結果所做出的理論判斷和推論，不足以讓研究者揭示真實的因果關系。人們對因果關系的理解過程伴隨著認知的形成過程，在非數據支持的因果思維模式存在局限性的情況下，經濟學家依據這種模式所構建的理性選擇理論，難以得到符合實際的認知理論。那么，在未來世界是什么影響和決定認知呢？人類認知有沒有可能達到準確化呢？我們把目光聚焦于大數據，或許能夠找到問題的答案。
二 、運用大數據能獲得正確認知嗎？
在迄今為止的經濟理論研究文獻中，經濟指標或行為指標所選用的樣本數據，不是互聯網和人工智能時代所言的大數據。大數據具有極大量、多維度和完備性等特征，極大量和完備性表明大數據有可能提供完全信息，多維度意味著信息可以通過大數據的相關性得到甄別和處理。廣而論之，人類的行為活動表現為一個龐大的數據堆積，個別行為所產生的數據只是這個龐大數據的元素形式。如果我們以人們的投資和消費活動作為考察對象，對大數據蘊含的因果關系以及由此得出的認知進行分析，那么，我們可認為投資和消費不僅在結果上會產生大數據，而且在運作過程中也會產生大數據。換言之，投資行為和消費行為在“結果”上顯示極大量數據的同時，也在“原因”上留下了極大量數據讓人們去追溯。因此，人類要取得因果關系的正確認知，離不開大數據，而在樣本數據基礎上經由判斷和推理得出的針對因果關系的認知，至少是不全面的，它不足以作為人們投資和消費選擇的科學依據。
1、運用大數據分析因果關系的條件配置
人類認知的形成離不開因果關系分析，但運用大數據來分析因果關系以求獲取正確的認知，必須具備以下條件配置：1、移動設備、物聯網、傳感器、社交媒體和定位系統等的覆蓋面要足夠大，以便能搜取到極大量和完備性的數據；2、需要探索對極大量（海量）數據的算法，能夠對大數據進行分類、整合、加工和處理；3、需要厘清和區別數據的不同維度及權重，以至于能夠運用大數據來甄別因果關系的內在機理。顯然，人類從兩百年前的工業革命到今天的信息革命，對數據的搜集、整合、加工和處理還不全然具備以上的配置條件，人類運用大數據來分析因果關系，還剛剛處于起步階段。
聯系經濟學理論看問題，經濟學家分析投資行為和消費行為以及對其因果關系的研究，主要是在抽象理論分析基礎上運用歷史數據來完成的。其實，對投資行為和消費行為的研究，不能只是從結果反映的數據來考量，即不能只是局限于歷史數據分析，還需要從即時發生的數據，乃至于對未來推測的數據展開分析。這可以理解為是運用大數據思維來研究經濟問題的真諦。從大數據觀點看問題，投資和消費的因果關系應該是歷史數據流、現期數據流和未來數據流等三大部分構成的。經濟學實證分析注重的是歷史數據流，很少涉及現期數據流，從未考慮過未來數據流，因此，現有經濟理論文獻的實證分析以及建立其上的規范分析，很難全面反映或揭示經濟活動的真實因果關系。
2、未來幾十年大數據揭示因果關系的可行性
在互聯網悄然改變人類經濟、政治和文化生活的當今社會，互聯網的發展歷史可理解為經歷了三個階段：從前期“人與信息對話”的1.0版本，經由中期“信息與信息對話”的2.0版本，近期正走向“信息與數字對話”的3.0版本，互聯網版本的不斷升級是大數據運用范圍不斷擴大的結果，這是問題的一方面。另一方面，隨著互聯網、移動互聯網以及物聯網技術等的廣泛運用，人類各種活動的數據將極大量地被搜集，人們行為的因果關系也會以迂回方式通過數字關系顯露出來。特別地，若互聯網在將來發展成“數字與數字對話”的4.0版本，這樣的發展方向則明顯預示著數字關系將取代因果關系，或者說，數據思維將取代因果思維，人類將全面進入大數據和人工智能時代。
如果我們把互聯網版本的不斷升級以及大數據運用范圍的無邊界擴大，看成是未來幾十年運用大數據來分析因果關系的重要配置條件，那么，如何對大數據的整合、分類、加工和處理，以及如何通過大數據的完備性和相關性來獲取因果關系的真實信息，則是另外兩個重要的配置條件。工業革命后的人類科學文明對因果關系揭示的主要方法和路徑，是先利用掌握的信息再通過抽象思維建立復雜模型，然后在實驗室通過試錯法來設置能反映因果關系的參數使模型具有操作性；但這種方法和路徑涉及的數據，是樣本數據而不是大數據。在大數據和人工智能時代，智慧大腦是使用“數據驅動法”來設置模型和參數的（吳軍，2016）。具體地講，是用云計算集約化及其運算模式來整合、分類、加工和處理大數據，通過數據之間的相關性來探尋在樣本數據基礎上無法判斷和推論的信息；同時，對模型的處理，不是建立復雜模型而是建立許多簡單模型，并通過數以萬計的計算機服務器對模型進行優化和設定相應的參數，以至于完完全全地運用大數據來揭示因果關系。
有必要說明的是，數據驅動法使用的數據不僅包括“行為數據流”，而且在某些特定場景中，還包括“想法數據流”；前者是指歷史數據和當前發生的數據，后者是指從已知數據的相關性所推測的未來數據。社會物理學認為，人們實際行為與“想法流”之間有著可以通過大數據分析而得到的可靠數量關系，這種關系會通過互聯網成為一種改變人們選擇行為的重要因素（阿萊克斯?彭特蘭，2015）。誠然，在未來幾十年，數據驅動法是否能成功地成為解析因果關系的有效方法，尚有待于大數據運用的實踐，特別是有待于它在人工智能運用上之成效的檢驗。不過，數據驅動法作為解析因果關系的一種重要方法，無疑是智慧大腦的人機結合在大數據思維上的重要突破，它至少在如何展開大數據思維上打開了解析因果關系的窗口。
3、運用大數據分析因果關系所獲取的認知，包括對歷史數據分析的歷史認知，對現期數據分析的現期認知，以及推測未來數據而形成的未來認知
經濟學家運用大數據來研究經濟現象的因果關系，對經濟現象原因和結果關聯的解讀，只有以極大量、多維度和完備性的數據為依據，才是大數據意義上的思維。大數據思維較之于傳統邏輯思維，最顯著的特征是它可以通過對不同維度數據之間相關性的分析，得到比傳統邏輯思維要精準得多的信息。這里所說的精準信息，是指由大數據規定且不夾帶任何主觀判斷和推測的信息。例如，經濟學家要得到特定時期某類（種）產品的投資和消費的認知，其大數據思維過程如下：1、搜集、整理和分類前期該類產品的投資和消費的極大量和完備性的數據；2、加工和處理業已掌握的數據，并在結合利潤收益率、投資回收期、收入水平和物價水平等的基礎上解析這些不同緯度的數據；3、根據不同緯度數據的相關性，獲取該類產品投資和消費的精準信息，從而得出如何應對該產品投資和消費的認知。當然，這只是在梗概層面上對運用大數據分析而獲取認知的解說，現實情況要復雜得多。
然則，現有的關于投資和消費的模型分析以及建立其上的實證分析，主要是以非大數據的歷史數據作為分析藍本的，因此嚴格來講，經濟學對投資和消費的因果關系分析所形成的認知，屬于典型的對歷史數據分析所形成的歷史認知。眾所周知，自經濟理論注重實證分析以來，一直存在著如何“從事后評估走向事前決策”問題的討論。由于經濟學家對投資和消費展開實證分析所使用的數據，幾乎完全局限于（樣本）歷史數據，這便導致對投資和消費的因果關系分析對現期認知和未來認知的缺位，它不能解決“從事后評估走向事前決策”問題。國內一些著名的成功人士指責經濟學家不能解決實際問題。在我們看來，不熟悉大數據的成功人士的這種指責是可以理解的，但深諳大數據的成功人士帶有調侃風味的指責就不公允了。經濟學家要在理論上立竿見影地解決實際問題，必須能得到現期數據和未來數據（而不僅僅是歷史數據），這需要計算機學家的配合和支持，否則便不能在精準信息的基礎上分析投資和消費的因果關系，但經濟學家又不是計算機學家，因此，經濟理論的科學化需要大數據挖掘、搜集、整合、分類、加工、處理、模型和參數設置、云計算等技術及其手段的充分發展。
歷史數據是存量，目前計算機對其處理的能力已綽綽有余，難點是在于模型和參數設置；現期數據是無規則而難以把控的流量，對這種流量數據的挖掘、搜集、整合、分類、加工和處理，取決于移動設備、物聯網、傳感器、社交媒體和定位系統的覆蓋面，以及云計算的集約化的運算能力；未來數據是一種展望流量，它依賴于對歷史數據和現期數據的把握而通過大數據思維來推測。如果說經濟學家對投資和消費的因果分析以及由此產生的認知，主要取決于歷史數據和現期數據，那么，解決“從事后評估走向事前決策”問題，既要依賴于歷史數據和現期數據，也離不開未來數據。也就是說，在“歷史數據 + 現期數據 + 未來數據 = 行為數據流 + 想法數據流”的世界中，經濟學家要解決實際問題，其理論思維和分析手段都受制于大數據思維，經濟學家運用大數據分析因果關系而得到正確認知的前提條件，是必須利用歷史數據、現期數據和未來數據以獲取精準信息。
就人類認知形成的解說而論，現有的社會科學理論是以信息的搜集、整理、加工、處理、判斷和推論，作為分析路徑來解釋認知形成的。當認知被解釋成通過數據的挖掘、搜集、整合、分類、加工和處理而形成，對認知形成的解釋，就取得了大數據思維的形式。大數據思維是排斥判斷和推論的，它否定一切非數據信息，認為產生精準信息的唯一渠道是大數據。在現有的社會科學理論中，經濟學的理性選擇理論對人類認知的分析和研究具有極強代表性，經濟學家對投資選擇和消費選擇的解釋，便是理性選擇理論的代表性運用?；谌祟愓J知形成和變動的一般框架在很大程度上與理性選擇理論有關動機、偏好、選擇和效用等的分析結構有很強的關聯，我們可以結合這個理論來研究大數據思維下人們對經濟、政治、文化和思想意識形態等的認知變動。事實上，經濟學關于動機、偏好、選擇和效用等關聯于認知的分析，存在著一種可以通過對大數據思維的深入研究而得以拓展的分析空間，那就是大數據思維會導致人類認知的變動。
三 、大數據思維之于認知變動的經濟學分析
我們研究這個專題之前有必要指出這樣一個基本事實：大數據思維可以改變人的認知路徑，可以改變不同階段或不同場景下的認知形成過程，但改變不了影響認知的動機、偏好、認知和效用等的性質規定。如前所述，傳統經濟學理性選擇理論在完全信息假設下，認為個體選擇的動機和偏好以追求最大化為軸心，傳統理論的這個真知卓見從未被后期理論質疑；但由于傳統理論的完全信息假設存在著“知曉選擇結果”的邏輯推論，因而認知在傳統理論中是黑箱，也就是說，傳統理論無所謂認知的形成和變動問題?，F代主流經濟學尤其是現代非主流經濟學在不完全信息假設下開始重視對認知的研究，在他們看來，認知形成過程是從理智思考到信息加工和處理的過程；他們特別注重從心理因素來考察認知變動（Schandler，2006；Rubinstein，2007；），注重通過實驗且運用一些數據來分析和研究認知（Kahneman and Tversky，1974，1979；Smith，1994），但這些分析和研究不是對極大量、多維度和完備性的數據分析。因此，經濟學理性選擇理論發展到今天，還沒有進入對大數據思維改變人類認知問題的討論。
1、經濟學家能否對選擇動機、偏好和效用期望等進行數據分析，決定其認知分析是否具有大數據思維的基礎
經濟學關于人類選擇動機、偏好和效用期望等反映人們追求最大化的基本性質分析，以及從這三大要素與認知關聯出發，從不同層面或角度對認知形成的分析，主要體現在理性選擇理論中。但這方面顯而易見的缺憾，是不能對動機、偏好、認知和效用等展開數據分析。現實的情況是，在大數據、互聯網、人工智能和機器學習等沒有問世或沒有發展到一定水平以前，經濟學家對這些要素只能做抽象的模型分析。經濟學理性選擇理論要跳出抽象模型分析，必須選擇具有解釋義或指示義的指標對動機、偏好和效用期望等進行數據分類分析，以便給認知的數據分析提供基礎，顯然，這會涉及抽象行為模型的具體化和參數設計的具體化，需要得到大數據和云計算集約化運算模式的支持（吳軍，2016）。作為對未來大數據發展及其運用的一種展望，如果經濟學家能夠圍繞最大化這一性質規定來尋覓動機、偏好和效用期望等的特征值，并以之來設置參數和模型，則有可能對直接或間接關聯于動機、偏好和效用期望的大數據進行分析，從而為認知分析提供基礎。
大數據的極大量和完備性有可能消除信息不完全，這給認知的數據分析提供可行性。誠然，選擇動機、偏好和效用期望等只是反映人們選擇的現期意愿和未來愿景，其極強的抽象性決定這樣的數據分析還有很大困難，但由于選擇動機、偏好和效用期望等會通過實際行為迂回地反映出來，因而我們可以找到解決這一困難的路徑。例如，人們在準備投資和消費以前，一般有各種調研活動，即對影響投資和消費的信息進行搜集、整合、分類、加工和處理，值得注意的是，這些調研活動會在移動設備、物聯網、傳感器、定位系統和社交媒體中留下大數據的痕跡，這些數據痕跡會從某個層面或某個角度顯現出投資者和消費者選擇動機、偏好和效用期望的傾向或意愿。
智慧大腦依據什么樣的標準來數據化這些傾向或意愿，從而對選擇動機、偏好和效用期望以及進一步對認知展開數據分析呢？這里所說的標準，是指通過云計算和機器學習等對人們實際行為的數字和非數字信息進行相關性分類，把反映選擇動機、偏好和效用期望的具有共性特征的傾向或意愿進行整理和歸納，以確定符合選擇動機、偏好和效用期望之實際的參數。如果智慧大腦能夠利用大數據、互聯網、人工智能和機器學習等完成以上工作，根據認知是偏好與效用的中介這個現實，智慧大腦便可以對認知進行大數據分析。如果經濟學家能夠利用智慧大腦提供的大數據分析成果，經濟學理性選擇理論將會隨著信息不完全假設前提變為信息完全假設前提，選擇動機、偏好和效用期望的抽象分析變為數據分析，認知的抽象框定或心理分析變為數據分析而發生重大變化。以上的分析性討論，是我們理解大數據思維改變人類認知之經濟學解釋的最重要的分析基點。
2、運用大數據思維進行偏好分析會改變認知形成的路徑，使經濟學理性選擇理論接近現實
現有的理性選擇理論有關動機和偏好的分析和研究（這里集中于偏好的討論），主要集中于偏好如何界定和形成以及如何隨認知和效用期望調整而發生變動等方面，并且這些分析和研究是采用“個體行為”為基本分析單元的個體主義方法論。在大數據時代，雖然個人、廠商和政府的選擇偏好仍然是追求最大化，個體選擇行為仍然是整個社會選擇的基礎，個體主義方法論仍然在一定程度和范圍內存在合理性，但互聯網平臺改變了選擇偏好的形成過程和機理。具體地說，現今人們的選擇偏好已不是經濟學理性選擇理論意義上的選擇偏好，而更多地表現為是一種以最大化為底蘊的具有趨同化特征的偏好。例如，某種產品投資或消費的介紹會和研討會，對某種產品投資或消費的點贊和評價，中央政府和地方政府關于某種產品投資或消費的統計數據，專家和新聞媒體對某種產品投資或消費的評說和報道，等等，都會成為人們選擇偏好出現一致性的催化劑。因此，經濟學理性選擇理論跳出抽象模型分析，已經在偏好分析上具備了大數據思維的條件和基礎。
智慧大腦與非智慧大腦的區別，在于能對人們消費和投資的偏好展開大數據分析，能通過大數據的搜集、整合、加工和處理，運用云計算得到來自不同維度數據之間相關性的精準信息，以至于能獲取建立在大數據分析基礎之上的認知。從理論上來講，偏好會影響認知但不能決定認知。就偏好影響認知而論，它主要是通過利益訴求、情感驅動、身心體驗和時尚追求等對認知產生誘導或牽引作用。但在非大數據時代，這些誘導或牽引作用無法數據化，于是經濟學家對偏好影響認知的研究便只能以抽象模型來描述。大數據思維對偏好影響認知的處理，是使用以許多簡單而相對具體的模型取代高度抽象的單一模型，運用數據驅動法來設置參數和模型，對利益訴求、情感驅動、身心體驗和時尚追求等偏好特征進行解讀，這樣便實現了很多非數據化信息的數據化，從而使以偏好為基礎的在理論上對認知變動的研究有了新的分析路徑。
阿里巴巴公司正在奮力打造的線上和線下相結合的“新零售”模式，是以大數據分析和運用的阿里云平臺為背景和依托的。這個模式試圖通過充分搜集、整合、分類、加工和處理已發生的歷史消費數據，正在發生的現期消費數據和有可能發生的未來消費數據，捕捉人們消費偏好的動態變化，以期構建符合大數據思維的全新商業業態。撇開新零售模式在運營過程中的諸如數據處理、機器學習和人工智能運用等技術問題，僅以該模式對人們消費行為的系統梳理、分級整合及相關處理來說，它無疑會在引領人們消費行為的同時促動消費趨同化偏好的形成。尤其值得關注和研究的是，隨著該模式運營所積累的數據量全然達到大數據的標準，人們的消費認知將會在消費趨同化偏好的導引下發生變化，這種情形不僅會發生在消費領域，投資領域也會出現投資趨同化偏好。很明顯，趨同化偏好具有共性特征，它在很大程度上是對個體選擇偏好的否定，對于這種偏好所導致的認知應該怎樣理解呢？這個問題需要進一步研究。
3、在大數據時代，趨同化偏好會改變認知形成過程，消費者和投資者的認知不再是自己獨立思考和理智判斷的產物，而是在趨同化偏好驅動下對智慧大腦認知的認同
廠商的投資選擇偏好是追求利潤最大化，這一永恒的事實不妨礙或排斥投資趨同化偏好的形成。一般來講，大數據發展初期的互聯網平臺對選擇趨同化偏好形成的作用力，在消費領域要比投資領域來得更加直接和迅速。究其原因，是兩大領域的機會成本和風險程度不同的緣故。但隨著大數據、云計算和機器學習等的充分發展，智慧大腦有可能對歷史、現期和未來的大量投資數據進行搜集、整合、加工和處理，有可能通過云計算集約化模式來分析不同維度數據之間相關性而獲得精準信息，同時，智慧大腦會根據市場“行為數據流”折射出“想法數據流”而產生預見能力，尋覓和遴選出高收益的投資方向和投資標的。若此，智慧大腦投資選擇的勝算率（利潤率）將會大大提高，廠商會效尤智慧大腦進行投資選擇，從而出現投資趨同化偏好。經濟學曾經對諸如“羊群效應、蝴蝶效應、從眾行為、信息重疊”等現象有過許多研究（羅伯特?希勒，2001），但嚴格來講，這些研究是描述性的，不是聯系偏好和認知等的分析性研究。
消費和投資的趨同化偏好主要是針對消費者和投資者的選擇行為方式而言的，它不改變消費和投資選擇偏好的追求效用最大化的性質規定，這是問題的一方面。另一方面，在將來大數據充分發展的鼎盛時期，消費和投資的趨同化偏好會改變認知形成過程，這可以從兩種意義上來理解：1、從原先通過對信息進行搜集、整合、分類、加工和處理來獲取認知，轉變為通過對數據的搜集、整合、分類、加工和處理來獲取認知；2、消費者和投資者的認知不再是自己獨立思考和理智判斷的產物，而是在趨同化偏好的驅動下認同智慧大腦的認知。關于第一點，大數據思維的認知之所以會取代獨立思考和理智判斷的認知，乃是因為它能夠運用云計算集約化模式將消費和投資的歷史數據、現期數據甚至未來數據進行分類處理和相關性分析，能夠運用數以萬計的計算機服務器對特定事物的因果關系展開深度機器學習，從而通過分類和歸納不同維度數據而得到精準信息（精準醫療就是基于此原理）。人類對因果關系探索的手段和路徑發生變化，認知的形成過程及其機理就會發生變化。
關于第二點，消費者和投資者在未來放棄對信息的搜集、整合、分類、加工和處理，認同和效尤智慧大腦的認知來進行選擇，這可理解為是他們進行效用比較（投入與收益）時的“幡然悔悟”。尤瓦爾?赫拉利（2017）有關一切有機和無機實體都可以運用算法來解構的前景預期，（吳軍，2016）關于未來制造業、農業、醫療、體育、律師業甚至新聞出版業都將由大數據統治的觀點，凱文?凱利（2014）以大數據和人工智能為分析底蘊對新經濟十大重要準則的論述，均認為具有大數據思維且不作出主觀判斷的智慧大腦將是未來世界的操控者，而Master和AlphaGo戰勝世界頂級圍棋高手的實踐，則顯露了人工智能完全有可能戰勝人腦的端倪?，F實中的普通消費者和投資者通常只是依據有限或不準確的信息進行消費和選擇，經濟學家也只是根據有限或不準確的信息進行因果關系分析而得出認知，因此，相對于智慧大腦的選擇效用，消費者和投資者是相形見絀，經濟學家的理論見解和政策主張往往不吻合實際。
智慧大腦是運用大數據思維而超越一般智人大腦的大腦。不過，從性質上來講，極少數擁有智慧大腦的人通過對數據的搜集、整合、分類、加工和處理所得到的認知，仍然屬于人的認知。需要強調指出的是，這種認知不同于經濟學理論及其他社會科學理論所闡述和論證的認知，它是在大數據思維驅動下的人類認知。對于這種新型認知的理解，如果我們結合經濟學理性選擇理論對其展開解說，則有著基礎理論的分析價值。
4、在未來，智慧大腦的認知將引領非智慧大腦的認知，其結果是導致認知趨同化
熟悉經濟學理性選擇理論的學者知道，無論經濟學家是從信息的搜集、整合、分類、加工和處理獲取認知，還是通過心理分析或行為實驗獲取認知，他們都是在不完全信息或有限理性約束下進行的，這不僅存在著以不精準信息推論認知的問題，而且存在認知形成過程的主觀判斷問題。智慧大腦運用大數據思維所形成的認知的最大特點，是在接近完全信息基礎上獲取認知的，并且不夾帶任何主觀判斷?，F代未來學家曾分別從不同角度和層面對大數據、互聯網和人工智能展開了許多討論，他們的共同見解是認為大數據的極大量、多維度和完備性將有可能解決信息不完全問題（包含信息不對稱），并且能夠給人類選擇提供精準信息。倘若如此，人類的認知問題便完全成為智慧大腦對數據的搜集、整合、分類、加工和處理問題，一旦人類可以通過大數據思維獲取精準信息和完全信息，經濟學理性選擇理論將會在根基上被顛覆。
智慧大腦只有極少數人才具備，絕大部分人（包括智人）都是非智慧大腦。在未來世界，智慧大腦將引領非智慧大腦進行選擇。這一引領過程是由前后相繼的兩個階段構成：一是智慧大腦運用大數據對偏好進行分析，通過互聯網將偏好傳送給具有從眾心理和從眾行為傾向的非智慧大腦，形成非智慧大腦的趨同化偏好；另一是智慧大腦運用大數據分析獲取認知，同樣是通過互聯網讓非智慧大腦效尤智慧大腦的認知，形成趨同化認知，從而使非智慧大腦以智慧大腦的認知為認知來選擇。這些情形表明，未來人類智慧大腦將決定非智慧大腦的偏好和認知，進一步說，則是智慧大腦將影響非智慧大腦的選擇行為。這里有一個極其重要問題須討論：對絕大部分非智慧大腦而言，他們在選擇過程中是否還存在認知？事實上，無論是趨同化偏好還是趨同化認知，非智慧大腦的偏好和認知并沒有徹底消失，只是形成的路徑和內容發生了變化。關于這個問題的討論，聯系經濟學的認知理論進行比較分析，或許會有更深的理解。
如前所述，傳統經濟學以完全信息為假設前提，將認知作為理性選擇模型的外生變量，“認知”是被理論分析跳越的。現代經濟學以不完全信息為假設前提，在理性選擇模型中，努力通過心理和實驗分析把認知作為內生變量，易言之，“認知”被解釋為個體對信息進行搜集、整合、分類、加工和處理的結果，顯然，以上分析在分析對象、分析方法和分析路徑上，是與大數據思維不同的?，F代經濟學理性選擇理論所分析的個體，是通過邏輯推論所抽象出來的蕓蕓眾生；雖然智慧大腦也可以看成是個體，但人數極少，是具有大數據思維之共同特征的個體。現代經濟學理性選擇理論是借助于偏好分析來研究認知的，雖然認知已在一定程度上被視為內生變量，但分析方法和路徑仍然是邏輯判斷或推論為主；大數據思維對認知分析將會采用的方法和路徑，是搜集、整合、分類、加工和處理數據，試圖從極大量、多維度和完備性的數據中獲取精準信息以得出認知。因此，盡管認知出現了趨同化，人類在大數據思維下仍然存在認知，只不過是非智慧大腦放棄自己的認知而統一于智慧大腦的認知罷了。
總之，偏好和認知的趨同化顯示了大數據思維的魅力，這種魅力根植于大數據能夠經由智慧大腦而產生精準信息。其實，智慧大腦如何設置參數和模型，如何運用云計算集約化模式，如何利用互聯網以及尋覓廣泛使用人工智能的方法和途徑等，主要是計算機運用層面上的技術問題。我們研究大數據思維下人類認知變動需要重點關注的，是非智慧大腦究竟還有沒有認知，其效用期望會呈現什么樣的格局？既然非智慧大腦只是沒有獨立認知而不是完全跳越了認知，那么非智慧大腦便存在著效用期望，關于這種效用期望，我們可以聯系效用函數來解說。
四 、認知結構一元化與效用期望變動的新解說
經濟理論對選擇行為與效用期望之間動態關聯所建立的基本分析框架，展現出一幅“偏好認知選擇效用期望”的圖景。各大經濟學流派的理性選擇理論對這幅圖景中的 “”有不同的解說和取舍（前文有所涉及），概括來說，或側重于分析這些箭頭前后要素之間的相互關聯，或側重于分析這些箭頭前后要素之間的影響和決定作用。但就人們選擇動機和目的與效用之間的關聯而論，幾乎所有理論都不懷疑“追求自身利益最大化”的公理性，于是，“最大化”在成為效用函數核心變量的同時，也在一定程度上被作為理性選擇的判斷標準。以上圖景的邏輯分析鏈是建立在信息不完全分析假設上的，各大經濟學流派的理性選擇理論對這條邏輯分析鏈各環節的不同解說所產生的理論分歧，可歸結為是在信息不完全假設分析框架內的分歧。值得學術界關注的是，當大數據在未來有可能提供完全信息時，這些分歧將會讓位于新的理論探討。
經濟學家對效用函數的研究是與認知分析緊密相聯的。但無論是傳統經濟理論還是現代經濟理論，他們對效用函數以及最大化問題的研究存在著共性，即這些研究都是建立在抽象的認知結構一元化基礎上的。具體地說，傳統經濟理論在完全信息假設上認為，選擇者可以得到“獲悉選擇結果的認知”，從而主張用“最大化”來描述選擇者的效用函數?，F代主流和非主流經濟理論在不完全信息假設上認為，選擇者受有限理性約束不可能得到“獲悉選擇結果的認知”，從而主張不可用“最大化”來描述選擇者的效用函數。這里所說的抽象認知結構一元化，是指不是以具體的認知主體作為分析對象，而是把整個人類描述為一個同一的抽象主體，讓“最大化”問題成為效用函數的核心問題。在大數據思維的未來世界，隨著信息有可能出現完全化，“最大化”問題將會成為不是問題的問題。
誠然，智慧大腦對大數據進行搜集、整合、分類、加工和處理，并通過云計算、機器學習乃至于根據人工智能實踐來選擇參數和設置模型，仍然沒有越出追求自身利益最大化這一效用函數的性質規定，但由于智慧大腦的認知形成過程是建立在具有極大量、多維度和完備性的大數據基礎之上的，大數據能夠提供完全信息的特點有可能會讓智慧大腦取得效用最大化。人類絕大部分選擇者是非智慧大腦者，從科學意義上來講，大數據對他們可謂是長期的黑箱，而他們依據自己認知所做出的選擇又不可能實現效用最大化，于是，非智慧大腦者將以智慧大腦者的認知作為自己認知而做出選擇，這便形成了大數據時代實際意義上的一元化認知結構。如果說我們劃分智慧大腦和非智慧大腦是對人類選擇主體的一種新界定；那么，我們揭示這兩大選擇主體實際意義上的一元化認知結構，則是對大數據時代人類認知問題的一種新解說。
大數據背景下人類實際意義上的認知結構一元化，將是未來發展的一種趨勢，相對于經濟理論抽象意義上的認知結構一元化，它容易把握和理解。但它在將來能否成為一種固定化趨勢，取決于智慧大腦在經濟、政治、文化和思想意識形態等領域進行選擇時獲得的效用函數值。對于該效用函數值的預期，大數據思維下的智慧大腦是具備這種能力的。從經濟理論分析看，對效用函數值的討論，將涉及內蘊且展示效用函數的效用期望問題的討論。傳統經濟學的期望效用函數理論，是一種運用數學模型論證選擇者能夠實現最大化的理性選擇理論（(Von Neumann and Morgenstern，1947；Arrow and Debreu，1954），現代非主流經濟學是在分析風險厭惡和風險偏好的基礎上，用一條S型的價值（函數）曲線取代傳統的效用函數，并通過相對財富變動對選擇者感受的分析，解析了選擇者的效用期望會不斷發生調整的情形（Kahneman and Tversky，1979）。那么，大數據時代選擇者的效用期望會發生怎樣變動呢？
人類社會發展的歷史表明，人的主觀期望與實際選擇結果之間會發生經常性偏離。選擇者的效用期望能否實現最大化，一是取決于選擇者能否得到完全信息，另一是取決于選擇者認知過程的科學化。事實上，現代經濟學對傳統經濟學以最大化為核心的效用函數的質疑和批評，主要是圍繞信息不完全和忽略認知過程展開的。大數據時代存在著提供完全信息的可能性，而智慧大腦利用互聯網和運用云計算、機器學習和人工智能等手段，正在實現著認知過程的科學化，這便提出了經濟學必須回答的兩大問題：1、大數據思維下的人類選擇是否可以實現最大化，2、大數據思維下選擇者的效用期望會不會發生調整。這是現代經濟學沒有提及的兩大問題，但當我們分別從智慧大腦和非智慧大腦來討論這兩大問題時，結論或許會讓篤信經濟學經典理論的學者大跌眼鏡。
在未來世界，隨著互聯網平臺的日新月異以及移動設備、物聯網、傳感器、社交媒體和定位系統等搜集大數據手段的覆蓋面的日益擴大，大數據的極大量、多維度和完備性給人類選擇提供了完全信息的基礎。智慧大腦在云計算、機器學習和人工智能等的支持下，以數據分析為基礎的認知過程也越來越科學化，于是，智慧大腦便可以知曉選擇過程的結果，有可能實現最大化，這說明智慧大腦不存在效用期望的調整問題。另一方面，非智慧大腦以智慧大腦的認知為自己的認知，其效用期望完全依附于智慧大腦的效用期望。具體地說，非智慧大腦不對數據進行搜集、整合、分類、加工和處理，跳越了認知過程，同樣不存在效用期望的調整問題。非智慧大腦效用期望完全依附于智慧大腦效用期望的情形，或者說，非智慧大腦以智慧大腦效用期望為自己效用期望的情形，統一于智慧大腦與非智慧大腦的認知結構一元化。如果要追溯非智慧大腦效用期望的變動，那就是從原先屬于自己的效用期望轉變成了智慧大腦的效用期望。
智慧大腦有可能實現最大化，以及不存在效用期望調整是一回事，但智慧大腦能否在所建模型中給定效用期望值卻是另一回事。效用期望作為一種主觀預期或判斷，它不會在互聯網上留下可供大數據分析的歷史數據流、現期數據流和未來數據流，也就是說，不會在互聯網上留下可供大數據分析的行為數據流和想法數據流，這在決定智慧大腦難以跟蹤、模擬和推論效用期望值的同時，也給非智慧大腦放棄認知而效尤智慧大腦提供了某種聊以。推崇人工智能可以替代人腦的學者，好用Master和AlphaGo戰勝世界頂級圍棋高手的事實作為這種替代的立論依據，但無論我們怎樣在大數據分析、機器學習和人工智能運用等方面進行深度挖掘，也找不到智慧大腦能在所建模型中給定效用期望值的科學依據。智慧大腦不能確定效用期望值，也就規定了非智慧大腦不能確定效用期望值。這又提出了一個在理論上有必要回答的問題：非智慧大腦還有沒有效用期望？
在經濟社會，智慧大腦和非智慧大腦的投資和消費選擇的效用期望都是追求最大化，這一點是永恒的。但問題在于，非智慧大腦以智慧大腦的認知為自己認知，以智慧大腦的選擇作為自己選擇的情形，會使自己的效用期望完全停留在期望智慧大腦選擇結果的形式上，這可以解釋為大數據時代非智慧大腦的效用期望的一種變動。但對于這樣的效用期望的理解，與其說它是一種效用期望，倒不如說它是一種效用期待。社會經濟的精英是人數極少的智慧大腦群體，但推動投資和消費的是占人口絕大多數的非智慧大腦群體。因此，非智慧大腦群體的偏好、認知、選擇和效用期望，應該是理性選擇理論研究的重點。關于這一研究重點的邏輯和現實的分析線索，是大數據思維趨同化偏好趨同化認知認知結構一元化最大化效用期望。不過，這條分析線索包含著許多本文或有所涉及或尚未涉及的交叉性內容，它需要我們在繼續研究大數據思維改變人類認知這一理論專題時，做出進一步深入的探討。
【關鍵詞】實驗 投資學 數據
證券投資學作為金融專業的核心課程在這幾年教學過程中已經發生了不小的變化。在教學內容上，已經從基礎的證券分析過渡到定價理論為核心的現資理論；在教學方法上，已經從單一的課堂講授過渡到理論與實驗相結合的教學體系；在培養目標上，已經從應用型人才逐漸過渡到研究型的人才培養?！锻顿Y學》這樣的名稱也逐漸替代原來的《證券投資學》，這其實都是教學重心有所轉移的必然結果。雖然投資學理論教學內容發生了一些變化，但是實驗教學內容變化卻并不大，證券市場的基礎知識、交易方法、分析方法依然是現在實驗建設的主流，隨著投資學實驗建設的進一步深入，完善現有實驗教學體系，建設適合現資理論的實驗體系尤為必要。
一、投資學數據分析實驗的內容
所謂投資學數據分析實驗，就是指以現資理論的應用與實證研究作為主要內容的實驗體系，主要包括資產定價、利率期限結構、投資組合分析、有效市場研究、業績評估等幾個方面，根據這些現資理論的主要內容，開展適合學生的數據分析、模型應用、實證研究，最終形成較為完善的實驗體系。具體來說，圍繞固定收益證券可以進行債券定價、債券組合分析、免疫策略的應用、久期和凸性的實驗，圍繞股票可以做資本資產定價模型、單因素與多因素模型、套利定價模型應用，圍繞衍生品可以做期權定價的應用，圍繞投資理論可以做資產組合、最優組合建立、組合業績評估，圍繞市場均衡可以做市場有效性的驗證等。
這些實驗有些共同的特征，使它們與傳統的證券投資學實驗區別開。這些特征包括：
（一）數據化
現資理論的發展是建立在對資本市場大量數據進行統計分析的基礎之上的，這些模型的推導、驗證都涉及數據的分析與處理。投資學實驗需要學生自己去收集市場的各種數據，對這些數據進行處理，然后利用學過的方法對現資理論進行應用與驗證。
（二）模型化
現資理論的成果經常以模型的方式呈現，通過這些模型來反映復雜世界中的規律，從定價模型到資產組合到業績評估無不以各種模型、指標為工具。所以投資學實驗也多圍繞著這些模型，讓學生驗證這些模型、分析這些模型、應用這些模型。
（三）綜合化
現資理論的發展也是多種學科綜合的結果，并且這種趨勢日益明顯。這些實驗也是如此，要想順利完成這些實驗實際上不僅僅需要金融學知識，還需要經濟學、概率統計、計量經濟學等多門課程的基礎知識。綜合化還意味著這些表面看起來松散的模型其實是一以貫之，都是圍繞著投資分析這一終極目標，利用這一特點，我們可以通過綜合實驗的方法培養學生的綜合分析能力，來對學生進行系統性的考核。
二、投資學數據分析實驗體系建設的重要意義
（一）有利于加深學生對現資理論的理解
現資理論有較多的理論推導和實證分析，如果只是單純介紹還不足以使學生更加深刻的理解這些教學內容，通過實驗的方法，讓學生自己去收集資本市場的數據，自己利用學過的統計與計量方法去驗證前人的研究、去應用前人的研究，在實驗中發現問題、理解問題、解決問題，自然會對理解教學內容大有裨益。
（二）有利于培養學生的綜合分析能力、提高學生的研究素養
在這些數據分析實驗中，不僅需要他們理解投資學教學內容，還需要學生運用他們學過的經濟學、概率統計、計量經濟學等課程的知識。此外，投資學實驗中還有綜合性的實驗，學生需要擺脫對單個模型、理論的束縛，根據實際情況綜合運用所學知識來完成實驗，這都是對學生綜合分析能力的考驗，對培養學生的研究素養有很大好處。
（三）是對現有證券投資學實驗的有益補充
傳統的證券投資學實驗大多把實驗重點放在交易環節，強調技術分析方法和財務分析的重要性，隨著各高校實驗建設的不斷深入，這些實驗已經日益規范和完善。投資學數據分析實驗把實驗重點放在了對理論的驗證與應用上，很好地彌補了傳統實驗“重交易、輕分析”的缺點，兩者各有優劣，相得益彰，是對現有實驗體系的很好補充。
（四）是研究性教學的有益探索
研究性教學是我國教學改革中的重要方向之一，對培養創新型人才有著積極作用。投資學作為金融學的重點研究領域集中了大量的研究成果，是開展研究性教學的良好平臺，實驗這種形式作為探索性的研究也適合對學生教學使用，所以，數據分析實驗的深入開展，把學生帶入學術領域，引導他們進行力所能及的學術研究是研究性教學的有益探索。
三、投資學數據分析實驗體系建設中存在的問題
筆者在過去幾年的投資學教學過程中，逐漸帶領學生開展投資學數據分析實驗，在實驗的過程中也發現了一些問題。
（一）實驗設計需要掌握理論與實踐平衡
實驗教學是聯系理論與實踐的紐帶，在實驗建設中始終面臨的一個問題就是要掌握理論與實踐的平衡。在現實的投資實踐中，現資理論已經被廣泛應用，各大投行、研究機構都有一套自己的分析體系與模型工具，這些數據處理工作已經由計算機完全替代，所以如果實驗完全跟現實操作一樣，你會發現這無助于掌握基本的理論和知識。相反，如果實驗設計過多偏向理論，就會大大降低實驗的應用性，也不足以引起學生的興趣。所以投資學實驗要精心設計，既要有助于學生掌握理論知識，又要使學生明白現實的投資分析中，這些機構投資者如何來使用這些理論與工具，掌握兩者平衡實則不易。
【關鍵詞】統計 方法論 試驗設計
對于研究人員來講，方法論是開展一切研究的基礎，也是進行研究的主要工具，能夠對于嚴格設計支持下的統計方法論的掌握，能夠幫助研究人員更加深刻的理解學術研究及學術規范。
一般來說，經典的統計方法論也可以叫做嚴格設計支持下的統計方法論，之所以強調“設計”，是由于一切的環境、變量都具備一定的可控制性。無論是在自然科學領域還是社會科學領域，任何開展實驗研究的設計人員在實驗設計的過程中都會涉及經典的統計方法論。
對于傳統的學術研究來講，可以分為七大步驟，分別來說是試驗設計、數據收集、數據獲取、數據準備、數據分析、結果報告以及模型。各部分的介紹及重要性介紹如下：
一、試驗設計
對于沒有自然科學背景的人來講，在理解試驗設計環節上是具有一定的難度的，當然心理學和教育學研究者是除外的。因為，大部分的社會科學領域學者和學生除了在高中進行過化學課、物理課、生物課做過試驗外，進入大學后，就已經將大腦中的試驗想法和思維統統扔到了腦后，有的甚至是埋葬了，其實，這樣恰恰是不正確的，試驗思維對于社會科學領域人員來講也是至關重要的。對于自然科學背景的學生和老師來講就容易理解的多，然而受到很多國內學術造假及數據造假的原因，原本熱情極高的碩士、博士也不得已加入了數據造假的大軍。就自然科學領域的學生和老師而言，數據是論文的主要支持部分，而這一點恰恰是國內的所謂的文管類老師缺少的，而缺少的這一點，就是因為不懂得嚴格設計支持下的統計方法論造成的。
二、數據收集、獲取、準備
在數據收集、獲取上，不同專業的人采用的方法也是不同的，對于所謂的數據的理解也是不同的。但是對于學術研究來講，數據的收集也是要經過設計，以社會科學領域來說，大多的數據來源是文獻以及通過調查問卷而獲得的數據；自然科學可以通過文獻法、實驗分析法來獲得就可以了。
這里要強調的一點是任何數據收集、獲取過程，都是在一個嚴謹的設計過程下產生的，往往很多碩士因為在實驗設計過程中考慮不全，造成了數據收集過程不嚴謹而帶來了很多誤差，這些如果在早期的試驗設計階段或者預測試階段就能夠調整的話，會減少很多很多的麻煩。
在數據的準備階段，也就是分析階段的前一步驟，需要對全體的數據進行審核和清洗工作，也就是說，盡量把誤差降到最低，刪除異常數據或者可能帶來極大誤差的數據，對于自然科學領域人員來講，異常的數據可以通過平行試驗來進行處理，而社會科學領域則可以通過問卷審核的方法進行處理，但是對于兩種科學領域來講，經驗豐富的研究者憑借研究經驗，可以很容易發現異常數據。
值得注意的是，異常數據往往也能給研究帶來許多新的思考方向和研究方向，例如一些心理行為異常的結論、偏僻地區的高消費行為、數據統計中的異常節點都能夠幫助研究人員發現新的事物，對異常數據的歸納和總結也可以幫助研究人員鍛煉對于數據理解的思維能力，因此，對于異常數據的把握也是非常重要的，研究人員要深入分析才能發現其背后的本質。
三、數據分析
對于數據分析來說，成為更多研究人員的羈絆，因為往往對于同一個學術研究，為達到一個相同的目的，可以采用不同的試驗設計以及不同的數據分析方法，而不同的分析方法也可以選擇自己擅長的數據分析軟件來進行。作為一名學術研究人員來講，要充分掌握自己所屬領域中常用數據分析方法。目前對于大部分的社會科學工作者來說，很多人并沒有很好的接受過相關的系統培訓，多以求助統計專業朋友或相近專業擅長統計的朋友來幫忙，或者課題組增加統計分析人員來達到目的。其實進行數據分析的過程是一種享受的過程，好比剝洋蔥，皮要一層一層的剝開。
現在的數據分析方向受到國際趨勢的影響，趨向大數據分析流，未來的市場調研領域也將跟隨著大數據分析進行發展，值得注意的是，雖然大數據分析在目前的國際社會和國內社會研究中比較流行，但個體的數據行為也不容忽視，即小數據在一定程度上往往比大數據更具有競爭優勢，也是研究機構或企業對于被研究者或客戶充分細化掌握的重要方法。
四、結果報告與模型
結果的報告大多以學術報告或者學術論文的形式進行提交。在模型上，需要一定的邏輯辨識能力，這里強調的是，任何模型都是限制在假說之下的，這也是為什么大多數的學者的模型在應用出來的時候，往往經濟指數或者消費行為、組織行為都并沒有按照既定方式出現的原因?！澳Ｐ途褪悄Ｐ投选?。
國外已有行為經濟學專家開展被試群體的行為模型同被試群體受環境影響與模型之間的差異情況，杜克大學行為經濟學教授Dan Ariely在一項研究表明，人們在冷靜情況下對于性偏好同性興奮后對于性偏好程度大為不同，也就是說性偏好模型如果是在被試冷靜情況下作答將與性興奮后作答完全不一樣，也恰恰說明了在一定的研究范圍內，模型就僅僅是模型而已。
總的來說，對于一名學術研究人員來講，嚴謹的按照每一步進行學習和體會都會得到很好的訓練，更多的學術體會和研究體會也需要不斷地開展各種研究，增加理解。
參考文獻：
[1]張文彤.IBM SPSS數據分析與挖掘實戰案例精粹[M].北京：清華大學出版社， 2013.2
資深財經人士朗咸平著文：
據中國首席經濟學家論壇理事、中國銀行首席經濟學家曹遠征的數據，目前虧空18萬億，20年之后可能虧空68萬億。就算今天用國有資產勉強彌補了18萬億的虧空，可是社保只有2%投資回報，必然導致20年后41萬億的虧空，這么大的虧空怎么辦？要知道1990年的時候是18個年輕人撫養1個老人，去年呢全國平均是5個年輕人撫養1個老人，上海北京這種大城市是3個年輕人撫養1個老人。那么到了2030年，2個年輕人撫養1個老人，2050年，1個年輕人撫養1個老人，我可以清楚的告訴大家，到這個時候中國經濟一定崩潰，因為根本不可能養得起。
對于這個結論，中國首席經濟學家論壇的專家給出了同樣的觀點。他們的估算表明，在今后三十八年內，如果不改革，城鎮職工養老金累積 缺口的現值會達到2011年GDP的83%。這還沒有包括農村養老金，如果考慮到農村養老金，養老金缺口對財政的壓力會更大。目前在養老金體制內，我們大約是三個勞動力贍養一個退休老人，到了2050年，就是一個勞動力贍養一個退休老人。贍養率的大幅上升，加上替代率難以下降，在沒有其他改革的條件下，就會導致養老金缺口的大幅上升。如果同時考慮養老金缺口、醫療成本的上升、環境治理成本和地方融資金平臺還債的壓力，并假設不發生改革，我們估計2050年政府顯性債務占GDP比重將明顯超過100%。
對于它們的數據分析模型和結論，我幾乎完全認同。從詳實的數據分析與合理的邏輯推理來看，他們還是蠻有水平的。更值得稱贊的是他們提出了相關解決方案，1、逐步提高企業職工的退休年齡。2、逐步將80%的政府持有的上市國企股份劃撥到到社保體系。3、建立長期護理保險體制。4、積極發展地方政府債，或市政債市場。5、加快資本項目開放，推動人民幣國際化。
如果國內多一些類似的專家和和機構團隊，愿意在學術和實際問題上多花時間做出好的報告，對中國的存在經濟問題出謀劃策，即使這些政策不能被政府采取，這也是中國之福，百姓之福。
推薦大家關注一下中國首席經濟學家論壇（）和官方微信（ccefccef），這些著名機構首席經濟學家站到市場前沿，依托真實市場數據，認真研究，所以得出的一些數據和結論比起那些所謂主流專家還是很有看頭的。
摘 要：本研究基于中國最大的c2c電子商務網站——淘寶網的數據，以全國31個省自治區直轄市（包括中國大陸22個省、5個自治區，4個直轄市）為研究對象，利用arcgis10.0工具并基于空間計量經濟學模型，從省域層次對中國c2c電子商務發展的影響因素進行空間回歸分析，以及對淘寶網的特產網絡店鋪進行地理分布的實證研究。研究結果表明，中國的c2c電子商務發展和當地的經濟發達程度非常相關。經濟發展程度越高、物流業越發達的地區，其c2c淘寶網特產店鋪數量越多。
關鍵詞：c2c 電子商務 區位分析 電子商鋪 數據分析
一、引言
電子商務，electronic commerce，簡稱ec，通常是指是在全球各地廣泛的商業貿易活動中，在因特網開放的網絡環境下，基于瀏覽器、服務器應用方式，買賣雙方不謀面地進行各種商貿活動，實現消費者的網上購物、商戶之間的網上交易和在線電子支付以及各種商務活動、交易活動、金融活動和相關的綜合服務活動的一種新型的商業運營模式，是以電子為手段、以商務為目的的一種現實很常見的商務行為。
本文以人們熟知的淘寶為例進行研究。淘寶網是一個虛擬網，亞洲最大網絡零售商圈，致力于打造全球首選網絡零售商圈，由阿里巴巴集團于 2003 年5 月 10 日投資創辦。目前，淘寶網業務主要是c2c（customer to customer）。淘寶店鋪眾多，分布廣泛，研究淘寶店鋪的結構對中國網絡銷售具有重要意義，對于中國網絡店鋪調整具有重要作用。
網絡銷售可以說是時展的產物，相比于實體店鋪，電子商務市場較低的進入障礙、較低的管理成本和更方便的市場信息獲取性為所有的市場參與者提供了平等的機會。而且，網絡強大的自動搜索功能和分類技術獲取信息使電子商務市場信息的種類更多、效率更高、成本更低，具有低廉的交易成本。聚諸多優點于一身的網上淘寶方式無怪乎會成為商家的新寵。那么，電商分布與地理空間的分布有什么樣的關系，這需要我們運用實證研究進行分析。
二、研究現狀及文獻綜述
（一）傳統實體店鋪的區位理論
國內外來自經濟學、地理學、社會學等各領域的學者從各自學科的角度對城市商業區位理論作了大量研究，形成了城市經濟學、中心地方論、空間相互作用理論、生態學、城市規劃學科理論以及消費者決策形成過程等多種理論。方遠平等總結了1980年以來中國城市商業區位研究的進展，并對信息化背景下城市商業區位研究新領域進行了概述。一些學者針對地域的具體情況進行了區位理論的研究，如城市的商業中心區位研究、文化產業集群的發展環境和影響因素等。這些理論和實證研究表明，在傳統商業和服務業空間布局中，區位和環境是最重要的影響因素。
周長輝曾指出，企業對外直接投資需要具備如下三大條件：第一個條件是企業所擁有的具有獨占性的競爭優勢，即所謂的所有權優勢；第二個條件是內部化，即要在各種市場進入模式中進行選擇；第三個條件是區位優勢。從國家和地區的層面看，區位優勢包含多方面的因素，如市場大小、增長趨勢、傭工成本、交通便利、稅收制度、政治風險、匯率風險、文化差異、制度差異和政府政策等。毫無疑問，傳統店鋪的分布與區位有很大聯系，那么電商的分布是否與區位也有關系呢？
（二）淘寶特產店鋪的區位分布研究
淘寶網作為電子商務網的龍頭，以前人們對淘寶網的研究注意集中在電子商務交易過程，或者從客戶關系管理（crm）角度分析淘寶網的客戶關系管理模式。但是隨著網上購物的興起，淘寶網的交易量和網內商鋪的數量正在飛速的增長，應用一般性的分析方法很難分析這種海量的數據，人們開始關注電子商鋪的區位研究。本文應用arcgis工具并基于空間計量經濟學模型和描述統計，從省域層次對中國c2c電子商務發展的影響因素進行空間回歸分析，以及對淘寶網的特產網絡店鋪進行地理分布的實證研究。
從目前研究文獻來看，國內關于電子商鋪的研究還是比較少的。路紫、樊莉莉（2005）以樂游戶外運動俱樂部旅游網站為例，研究了中小型旅游網站的區位問題，提出自我依托類型的旅游網站因為不可能脫離物質性的流動而最終也要依賴于區位，一個使用者滿意的電子供需服務平臺應包括服務空間、服務過程和合作者三個基本要素。俞金國等以淘寶網為例，利用變異系數標準差、 電子商鋪指數等多項指標分析我國淘寶網上電子商鋪的空間分布特征。曾思敏、暖意以淘寶數據為例，基于微觀互聯網對電子商品的區位取向進行實證研究。路紫、李曉楠、楊麗花、楊東、鄧麗麗采用一套基于鄰域設施的模糊區位取向方法和模糊多屬性決策方法，針對中國北京、上海、深圳、天津4城市淘寶網站6大商品類別網絡店鋪的空間集聚情況，通過其所屬的完全、重疊、過渡和不完全4種區位類型，揭示區位取向的傾向性特征和信息時代區位影響因素的變化，并進一步探討區位取向明顯的數碼類別商品的網絡店鋪的最優區位地選擇。還有王賢文、徐申萌先后對淘寶店鋪的分布進行了區位四位分布以及空間分布研究。
三、數據來源及分析
（一）數據來源
本文所需的數據主要來自于網絡索引的數據資料，主要數據有淘寶特產店鋪在各個省自治區（港澳臺地區除外）的店鋪數量，進入淘寶網站搜索關于特產的店鋪，檢索時間是2012年10月4日。gdp、消費支出等數據來源于中國國家統計局統計年鑒，與excel建立鏈接獲得所需數據，檢索時間是2012年11月1日。
（二）數據獲得
依據中國地圖的行政區域劃分，對31個省自治區直轄市（除港澳臺地區）的特產店鋪的數據進行收集。
利用淘寶網站，對其產店鋪的數據進行收集，發現全國特產店鋪最多的省自治區直轄市是浙江省，共有4264家；最少的省自治區直轄市是西藏自治區，擁有店鋪165家；各個省自治區直轄市擁有店鋪的總數為35871家，平均數位1158家。
（三）數據分析與描述統計
基于對淘寶網收集到的特產店鋪個數，對所有特產店鋪數運用描述統計的方法進行分析。依據描述統計的結果可知，31個省自治區直轄市總共設立特產電子商鋪的數量是35871，平均店家數量大約是1158家。其中擁有特產電子商鋪最多的是浙江省，有4264家；擁有特產電子商鋪最少的是西藏藏族自治區，有165家特產電子商鋪。擁有的特產電子商鋪數量是858家，處于平均值之下，中位數之前，說明特產電子商鋪還比較少。
四、淘寶特產店鋪的空間分析
傳統店鋪的分布都是依托于地理位置，尋找店鋪的一個重要因素就是地理位置，那么淘寶特產店鋪——基于微觀虛擬網絡的電子商鋪，它的分布是否會受到空間地理位置的影響呢？
（一）省域層次分布
進入arcgis10.0
中國地圖數據庫，將31個省自治區特產店鋪的數據導入arcgis10.0中國地圖數據庫與之建立聯系并進行相關性分析。
將收集到的特產店鋪數量的數據標注到各省份并進行密點分析和比例分析，得到如圖1、2，從圖中可以看出，8個擁有特產電子商鋪最多的省自治區直轄市有6家（浙江省、廣東省、江蘇、山東、福建省、上海市），也就是75%的在沿海城市。東部沿海地區的點密集度高，比例高，特產店鋪數量明顯多于西部地區，西部地區店鋪數量位于前8的有新疆和四川。
（二）特產店鋪的空間回歸分析
電子商務的發展是以網絡技術為基礎的，電子商鋪的建立也需要網絡的支撐，經濟的發展和技術人才的投入，所以本文想應用空間回歸分析了解特產電子商鋪的發展是否與該地區的經濟發展水平、消費支出水平、人口數量以及受教育人口數量有關系，這里所說的關系是線性關系和線性相關性。
1.經濟發展對特產店鋪發展的影響
將收集到的特產電子商鋪的各省自治區直轄市的店鋪數量和gdp數據錄入excel分析工具中，利用工具中的數據分析功能進行分析，并以店鋪數量為因變量，以gdp為自變量，最后輸出如下表3、4、5。
由上表可以知道相關系數是0.76，表現為顯著，說明gdp與特產店鋪顯著相關，且表現為正相關，gdp高的省自治區直轄市，它的特產電子商鋪的數量也比較多，而且說明gdp可以解釋76%的特產店鋪的增長。
根據上表可知，自變量的p值（p-value）1.2759e-06小于顯著性水平0.05，同樣可以說明gdp對特產電子商品的分布影響很顯著。
2.人口數量對特產電子商鋪分布的影響
在當前市場經濟條件下，每一種產品都是以市場為導向的，企業制造的產品必須滿足消費者的需求，那么人口的數量是否會影響特產電子商鋪的數量呢？
將收集到的特產電子商鋪的各省自治區直轄市的店鋪數量和人口數量數據錄入excel辦公軟件中，利用工具中的數據分析進行分析，并以各省自治區直轄市淘寶特產店鋪數量作為因變量，人口數量作為自變量，利用excel進行回歸分析得到表6、表7、表8。
由表6可以知道相關系數是0.59，表現為中度相關，說明人口數量對特產店鋪有影響，隨著人口數量的增加特產店鋪的數量也相應有一定程度的增加。
根據表8可知，自變量的p值（p-value）0.000558小于顯著性水平0.05，同樣可以說明gdp對特產電子商品的分布影響很顯著。
五、結語
本文通過區位分析和數據分析等得到的結論是，中國的c2c電子商務發展迅速，且其發展程度與各地的經濟發達程度非常相關。經濟發展水平越高的地區，特產淘寶店鋪分布越密集。
建立在虛擬網絡基礎上的特產電子商鋪的分布與地理位置有關系，且東部沿海地區的電子商鋪分布較密集，東部地區，尤其是以上海和杭州為核心的長江三角洲地區、以及以廣州和深圳為核心的珠江三角洲地區，特產電子商鋪很多。中部、西部地區呈現逐漸降低的趨勢。
三年以上工作經驗 |男| 26歲（1989年7月18日）
居住地：山東
電 話：189********（手機）
E-mail：
最近工作[ 2年 ]
公 司：XXX房地產有限公司
行 業：專業服務(咨詢、人力資源、財會)
職 位：房地產分析師
最高學歷
學 歷：本科
?！I：統計學
學 校：山東工商學院
自我評價
有良好計算機知識和應用能力，能熟練的操作Windows 7/XP和使用Word, Excel, Powerpoint等office辦公軟件, 網絡操作熟練。掌握一定的人力資源管理專業知識基礎，能夠在不同文化和工作人員的背景下出色地工作。本人精力充沛, 有很強的事業心；思維活躍，具開創精神，有組織能力及良好心理素質，有良好計算機知識和應用能力， 資深分析人員，多年行業分析經驗，長期從事市場調研分析與項目前期策劃工作，熟悉市場規律與產業形勢變化。
求職意向
到崗時間： 一周之內
工作性質： 全職
希望行業： 專業服務(咨詢、人力資源、財會)
目標地點： 山東
期望月薪： 面議/月
目標職能：房地產分析師
工作經驗
2012/9—至今：XXX房地產有限公司[2年]
所屬行業：專業服務(咨詢、人力資源、財會)
研究部 房地產分析師
1. 主要從事周報、月報、季報以及年報的撰寫；
2. 分析全市、各區縣以及各環線的房地產銷售、供應及價格等的變化動向和原因；
3. 相關政策解讀；
4. 熱點區縣、板塊以及樓盤的測評；
6. 百強企業及項目評估報告，品牌企業及項目評估報告；
7.企業項目滿意度研究，企業咨詢報告。
2011/8—2012 /8：XXX金融投資有限公司[ 1年]
所屬行業：金融/投資/證券
數據分析部數據分析師
1. 收集并更新投資數據，并實施質量保證流程，確保數據庫和產品的準確性；
2. 運用數學、統計、計量經濟學模型和經濟學軟件對宏觀經濟運行和相關經濟指標進行數學建模，分析數據間關系并預測未來趨勢；
3. 研究債券基金和貨幣基金文件，協助基金定性研究和資產分配最優化模型的構建；
4.與基金提供者聯系，拜訪基金公司，以獲取新的信息；處理客戶請求和外部查詢。
教育經歷
2007/9 --2011 /7 山東工商學院 統計學 本科
證書
2010/6 大學英語六級
2009/12 大學英語四級
【摘要】所謂統計思想，就是在統計實際工作、統計學理論的應用研究中，必須遵循的基本理念和指導思想。統計思想主要包括均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想等思想。文章通過對統計思想的闡釋，提出關于統計思想認識的三點思考。
一、關于統計學
統計學是一門實質性的社會科學，既研究社會生活的客觀規律，也研究統計方法。統計學是繼承和發展基礎統計的理論成果，堅持統計學的社會科學性質，使統計理論研究更接近統計工作實際，在國家和社會得到廣泛發展。
二、統計學中的幾種統計思想
2.1統計思想的形成
統計思想不是天然形成的，需要經歷統計觀念、統計意識、統計理念等階段。統計思想是根據人類社會需求的變化而開展各種統計實踐、統計理論研究與概括，才能逐步形成系統的統計思想。
2.2比較常用的幾種統計思想
所謂統計思想，就是統計實際工作、統計學理論及應用研究中必須遵循的基本理念和指導思想。統計思想主要包括：均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想?，F分述如下：
2.2.1均值思想
均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論，是統計學的基本思想。均值思想也要求從總體上看問題，但要求觀察其一般發展趨勢，避免個別偶然現象的干擾，故也體現了總體觀。
2.2.2變異思想
統計研究同類現象的總體特征，它的前提則是總體各單位的特征存在著差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差，是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特征的抽象和宏觀度量。
2.2.3估計思想
估計以樣本推測總體，是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設：樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響，在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。
2.2.4相關思想
事物是普遍聯系的，在變化中，經常出現一些事物相隨共變或相隨共現的情況，總體又是由許多個別事務所組成，這些個別事物是相互關聯的，而我們所研究的事物總體又是在同質性的基礎上形成。因而，總體中的個體之間、這一總體與另一總體之間總是相互關聯的。
2.2.5擬合思想
擬合是對不同類型事物之間關系之表象的抽象。任何一個單一的關系必須依賴其他關系而存在，所有實際事物的關系都表現得非常復雜，這種方法就是對規律或趨勢的擬合。擬合的成果是模型，反映一般趨勢。趨勢表達的是“事物和關系的變化過程在數量上所體現的模式和基于此而預示的可能性”。
2.2.6檢驗思想
統計方法總是歸納性的，其結論永遠帶有一定的或然性，基于局部特征和規律所推廣出來的判斷不可能完全可信，檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特征的假設是否可信。
2.3統計思想的特點
作為一門應用統計學，它從數理統計學派汲取新的營養，并且越來越廣泛的應用數學方法，聯系也越來越密切，但在統計思想的體現上與通用學派相比，還有著自己的特別之處。其基本特點能從以下四個方面體現出：（1）統計思想強調方法性與應用性的統一；（2）統計思想強調科學性與藝術性的統一；（3）統計思想強調客觀性與主觀性的統一；（4）統計思想強調定性分析與定量分析的統一。
三、對統計思想的一些思考
3.1要更正當前存在的一些不正確的思想認識
英國著名生物學家、統計學家高爾頓曾經說過：“統計學具有處理復雜問題的非凡能力，當科學的探索者在前進的過程中荊棘載途時，唯有統計學可以幫助他們打開一條通道”。但事實并非這么簡單，因為我們所面臨的現實問題可能要比想象的復雜得多。此外，有些人認為方法越復雜越科學，在實際的分析研究中，喜歡簡單問題復雜化，似乎這樣才能顯示其科學含量。其實，真正的科學是使復雜的問題簡單化而不是追求復雜化。與此相關聯的是，有些人認為只有推斷統計才是科學，描述統計不是科學，并延伸擴大到只有數理統計是科學、社會經濟統計不是科學這樣的認識。這種認識是極其錯誤的，至少是對社會經濟統計的無知。比利時數學家凱特勒不僅研究概率論，并且注重于把統計學應用于人類事物，試圖把統計學創建成改良社會的一種工具。經濟學和人口統計學中的某些近代概念，如GNP、人口增長率等等，均是凱特勒及其弟子們的遺產。
3.2要不斷拓展統計思維方式
統計學是以歸納推理或歸納思維為主要的邏輯方式的。眾所周知，邏輯推理方式主要有兩種：歸納推理和演繹推理。歸納推理是基于觀測到的數據信息(尤其是不完全甚至劣質的信息)去產生新的知識或去驗證一個假設，即以所掌握的數據信息為依據，歸納得出具有一般特征的結論。歸納推理是要在數據信息的基礎上透過偶然性去發現必然性。演繹推理是對統計認識能力的深化，尤其是在根據必然性去研究和認識偶然性方面，具有很大的作用。
3.3深化對數據分析的認識
任何統計研究都離不開數據分析。因為這是得到統計研究結論的必要環節。雖然統計分析的形式隨時代的推移而變化著，但是“從數據中提取一切信息”或者“歸納和揭示”作為統計分析的目的卻一直沒有改變。對統計數據分析的原因有以下三個方面：一是基于同樣的數據會得出不同、甚至相反的分析結論；二是我們所面對的分析數據有時是缺損的或存在不真實性；三是我們所面對的分析數據有時則又是海量的，讓人無從下手。雖然統計數據分析已經經歷了描述性數據分析(DDA)、推斷性數據分析(IDA)和探索性數據分析(EDA)等階段，分析的方法技術已經有了質的飛躍，但與人類不斷提高的要求相比，存在的問題似乎也越來越多。所以，我們必須深化對數據分析的認識，圍繞“準確解答特定問題并且從數據中獲取一切有效信息”這一目的，不斷拓展研究思路，繼續開展數據分析方法技術的研究。
參考文獻：
[1]陳福貴.統計思想雛議[J]北京統計,2004,(05).
[2]龐有貴.統計工作及統計思想[J]科技情報開發與經濟,2004,(03).
統計學是一門實質性的社會科學，既研究社會生活的客觀規律，也研究統計方法。統計學是繼承和發展基礎統計的理論成果，堅持統計學的社會科學性質，使統計理論研究更接近統計工作實際，在國家和社會得到廣泛發展。論文百事通
2統計學中的幾種統計思想
2.1統計思想的形成
統計思想不是天然形成的，需要經歷統計觀念、統計意識、統計理念等階段。統計思想是根據人類社會需求的變化而開展各種統計實踐、統計理論研究與概括，才能逐步形成系統的統計思想。
2.2比較常用的幾種統計思想
所謂統計思想，就是統計實際工作、統計學理論及應用研究中必須遵循的基本理念和指導思想。統計思想主要包括:均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想?，F分述如下：
2.2.1均值思想
均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論，是統計學的基本思想。均值思想也要求從總體上看問題，但要求觀察其一般發展趨勢，避免個別偶然現象的干擾，故也體現了總體觀。
2.2.2變異思想
統計研究同類現象的總體特征，它的前提則是總體各單位的特征存在著差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差，是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特征的抽象和宏觀度量。
2.2.3估計思想
估計以樣本推測總體，是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設：樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響，在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。
2.2.4相關思想
事物是普遍聯系的，在變化中，經常出現一些事物相隨共變或相隨共現的情況，總體又是由許多個別事務所組成，這些個別事物是相互關聯的，而我們所研究的事物總體又是在同質性的基礎上形成。因而，總體中的個體之間、這一總體與另一總體之間總是相互關聯的。
2.2.5擬合思想
擬合是對不同類型事物之間關系之表象的抽象。任何一個單一的關系必須依賴其他關系而存在，所有實際事物的關系都表現得非常復雜，這種方法就是對規律或趨勢的擬合。擬合的成果是模型，反映一般趨勢。趨勢表達的是“事物和關系的變化過程在數量上所體現的模式和基于此而預示的可能性”。
2.2.6檢驗思想
統計方法總是歸納性的，其結論永遠帶有一定的或然性，基于局部特征和規律所推廣出來的判斷不可能完全可信，檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特征的假設是否可信。
2.3統計思想的特點
作為一門應用統計學，它從數理統計學派汲取新的營養，并且越來越廣泛的應用數學方法，聯系也越來越密切，但在統計思想的體現上與通用學派相比，還有著自己的特別之處。其基本特點能從以下四個方面體現出：（1）統計思想強調方法性與應用性的統一；（2）統計思想強調科學性與藝術性的統一；（3）統計思想強調客觀性與主觀性的統一；（4）統計思想強調定性分析與定量分析的統一。
3對統計思想的一些思考
3.1要更正當前存在的一些不正確的思想認識
英國著名生物學家、統計學家高爾頓曾經說過：“統計學具有處理復雜問題的非凡能力，當科學的探索者在前進的過程中荊棘載途時，唯有統計學可以幫助他們打開一條通道”。但事實并非這么簡單，因為我們所面臨的現實問題可能要比想象的復雜得多。此外，有些人認為方法越復雜越科學，在實際的分析研究中，喜歡簡單問題復雜化，似乎這樣才能顯示其科學含量。其實，真正的科學是使復雜的問題簡單化而不是追求復雜化。與此相關聯的是，有些人認為只有推斷統計才是科學，描述統計不是科學，并延伸擴大到只有數理統計是科學、社會經濟統計不是科學這樣的認識。這種認識是極其錯誤的，至少是對社會經濟統計的無知。比利時數學家凱特勒不僅研究概率論，并且注重于把統計學應用于人類事物，試圖把統計學創建成改良社會的一種工具。經濟學和人口統計學中的某些近代概念，如GNP、人口增長率等等，均是凱特勒及其弟子們的遺產。新晨
3.2要不斷拓展統計思維方式
統計學是以歸納推理或歸納思維為主要的邏輯方式的。眾所周知，邏輯推理方式主要有兩種：歸納推理和演繹推理。歸納推理是基于觀測到的數據信息(尤其是不完全甚至劣質的信息)去產生新的知識或去驗證一個假設，即以所掌握的數據信息為依據，歸納得出具有一般特征的結論。歸納推理是要在數據信息的基礎上透過偶然性去發現必然性。演繹推理是對統計認識能力的深化，尤其是在根據必然性去研究和認識偶然性方面，具有很大的作用。
3.3深化對數據分析的認識
任何統計研究都離不開數據分析。因為這是得到統計研究結論的必要環節。雖然統計分析的形式隨時代的推移而變化著，但是“從數據中提取一切信息”或者“歸納和揭示”作為統計分析的目的卻一直沒有改變。對統計數據分析的原因有以下三個方面：一是基于同樣的數據會得出不同、甚至相反的分析結論；二是我們所面對的分析數據有時是缺損的或存在不真實性；三是我們所面對的分析數據有時則又是海量的，讓人無從下手。雖然統計數據分析已經經歷了描述性數據分析(DDA)、推斷性數據分析(IDA)和探索性數據分析(EDA)等階段，分析的方法技術已經有了質的飛躍，但與人類不斷提高的要求相比，存在的問題似乎也越來越多。所以，我們必須深化對數據分析的認識，圍繞“準確解答特定問題并且從數據中獲取一切有效信息”這一目的，不斷拓展研究思路，繼續開展數據分析方法技術的研究。
參考文獻:
[1]陳福貴.統計思想雛議[J]北京統計,2004,(05).
[2]龐有貴.統計工作及統計思想[J]科技情報開發與經濟,2004,(03).
一、統計學中的幾種常見統計思想
統計思想主要包括:均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想等。統計思想不是天然形成的，需要經歷統計觀念、統計意識、統計理念等階段。統計思想是根據人類社會需求的變化而開展各種統計實踐、統計理論研究與概括，才能逐步形成系統的統計思想。作為一門應用統計學，它從數理統計學派汲取新的營養，并且越來越廣泛的應用數學方法，聯系也越來越密切，但在統計思想的體現上與通用學派相比，還有著自己的特別之處。其基本特點:(1)統計思想強調方法性與應用性的統一;(2)統計思想強調科學性與藝術性的統一;(3)統計思想強調客觀性與主觀性的統一;(4)統計思想強調定性分析與定量分析的統一。
1.均值思想。均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論，是統計學的基本思想。均值思想也要求從總體上看問題，但要求觀察其一般發展趨勢，避免個別偶然現象的干擾，故也體現了總體觀。
2.變異思想。統計研究同類現象的總體特征，它的前提則是總體各單位的特征存在著差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差，是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特征的抽象和宏觀度量。
3.估計思想。估計以樣本推測總體，是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設:樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響，在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。
4.相關思想。事物是普遍聯系的，在變化中，經常出現一些事物相隨共變或相隨共現的情況，總體又是由許多個別事務所組成，這些個別事物是相互關聯的，而我們所研究的事物總體又是在同質性的基礎上形成。因而，總體中的個體之間、這一總體與另一總體之間總是相互關聯的。
5.擬合思想。擬合是對不同類型事物之間關系之表象的抽象。任何一個單一的關系必須依賴其他關系而存在，所有實際事物的關系都表現得非常復雜，這種方法就是對規律或趨勢的擬合。擬合的成果是模型，反映一般趨勢。趨勢表達的是“事物和關系的變化過程在數量上所體現的模式和基于此而預示的可能性”。
6.檢驗思想。統計方法總是歸納性的，其結論永遠帶有一定的或然性，基于局部特征和規律所推廣出來的判斷不可能完全可信，檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特征的假設是否可信。
二、對統計思想的若干思考
1.要改變當前存在的一些不正確的思想認識。英國著名生物學家、統計學家高爾頓曾經說過:“統計學具有處理復雜問題的非凡能力，當科學的探索者在前進的過程中荊棘載途時，唯有統計學可以幫助他們打開一條通道”。但事實并非這么簡單，因為我們所面臨的現實問題可能要比想象的復雜得多。此外，有些人認為方法越復雜，越科學。在實際的分析研究中，喜歡簡單問題復雜化，似乎這樣才能顯示其科學含量。其實，真正的科學是使復雜的問題簡單化而不是追求復雜化。與此相關聯的是，有些人認為只有推斷統計才是科學，描述統計不是科學，并延伸擴大到只有數理統計是科學、社會經濟統計不是科學這樣的認識。這種認識是極其錯誤的，至少是對社會經濟統計的無知。比利時數學家凱特勒不僅研究概率論，并且注重于把統計學應用于人類事物，試圖把統計學創建成改良社會的一種工具。經濟學和人口統計學中的某些近代概念，如GNP、人口增長率等等，均是凱特勒及其弟子們的遺產。
免費使用產品和服務用戶將成為產品
記者在峰會現場見到了一位親切的老朋友――Teradata天睿公司首席技術官寶立明（Stephen Brobst）。這位來自麻省理工MIT的計算機博士依舊是穿著大花襯衫在臺上侃侃而談，暢談他的“未來屬于能將數據轉化為產品的企業、開放數據的理念以及數據分析眾包模式有助于獲得數據洞察”等前沿觀點。這位率性的CTO以高水平的演講深深吸引了現場聽眾，就連媒體微信群里女記者都在說：“被‘花襯衫’發言吸引，聽完，晚點去吃飯。”
寶立明在演講中介紹，當前技術發展日新月異，移動和社交趨勢日益顯著。對于企業而言，業務模式發生了很大變化，未來五年各領域市場會是什么樣子，誰也不敢斷言。
“通信企業不能再只靠定制套餐取得收入，會以免費方式提供語音和數據通信服務。但當產品和服務都免費時，那么使用這些產品和服務的用戶就會成為產品。”寶立明認為，通信企業的業務模式會轉變為做用戶數據的文章。他還介紹，沃爾沃汽車目前在大數據挖掘方面的花費已經大于購買鋼材等原材料的花費，通過數據分析提供更省錢、省油的購車、駕車方式。而商務智能也將轉變為客戶智能，從為企業業務決策者提供信息轉變成直接為客戶個人決策提供信息。
他還詳細介紹了美國南加州愛迪生電子公司智能電表數據分析的案例。愛迪生電子公司已將南加州500萬個現有電表替換為智能電表，從過去上門抄表收費和通過短距離通信抄表之后給客戶發送賬單的服務方式轉變為通過提供數據分析讓用戶選擇用電方式的服務方式。
在每年仲夏，南加州都會停電，因為在用電高峰期電廠電量實在滿足不了居民的需求。當地居民會要求再建一座電廠，而對于南加州和愛迪生電子公司而言，這并不劃算。因為過了仲夏的用電高峰期，新建電廠其實就沒必要了。于是，愛迪生電子公司組建計量經濟學專家做數據分析，通過調整電價，來引導用戶改變用電習慣，減少峰值時間用電。比如不在用電高峰開洗衣機，而是選擇在半夜開洗衣機。居民可以通過APP隨時看到自己的用電數據，選擇節電、用電方式，甚至是把自己家太陽能光板發的電再賣出去。如此一來，電力公司也成為了數據公司，商業模式發生了轉變。
峰會上，來自中國光大銀行的信息部總經理李[也介紹了光大銀行將數據產品化的實踐。讓記者印象深刻的是，他們基于風險管理領域的預警分析研究，成功孵化出數據產品――“濾鏡”，利用大數據技術對企業客戶進行過濾，形成高信用違約傾向的企業名單，向總分行風險管理決策者提供更加科學精準的決策支持，同時依托首個移動數據應用平臺――“光速觀察”，提升風險決策的時效性。
足夠多的眼睛可以讓所有洞察浮現
寶立明倡議政府要開放數據，因為這樣做意義重大。他舉例，當政府把天氣數據開放之后，零售機構可以根據天氣數據來制定產品預測需求，超市在下雨天和高溫天的供貨其實是不一樣的；而保險公司也可以根據天氣與土地數據設計作物險。
麥肯錫的數據顯示，政府開放數據的價值將超過 3億美元。而麥肯錫所做的評估數據開放框架提示，政府在做數據開放時要考慮的問題有：首先明確可訪問數據范圍；其次要考慮數據格式要機器可讀，考慮處理數據的難易程度；然后要考慮訪問數據需要支付多少成本，大于零的成本會限制像大學生這樣的群體的創新；最后還要考慮好權利，即數據使用、轉換與分發過程中要做哪些限制。
就像林納斯定律（Linux創始人林納斯?托瓦） “足夠多的眼睛，就可讓所有問題浮現” 所言一樣，“足夠多的眼睛就可以讓所有洞察浮現”。寶立明認為，開放數據的理念有助于以眾包模式來做數據分析獲得數據洞察。
他舉例，Netflix懸賞100萬美元做推薦系統競賽，全世界人的參與，幾千人幫助他解決問題，推動了推薦算法研究的熱潮。數據眾包模式之下，有一款APP成為美國健康醫療領域的創新者，發展迅猛，它就是iTriage。當你輸入癥狀它能告訴你去哪家醫院最好，如果是一般常見病它會給你推薦離你最近并便宜的醫院，如果是重癥（如癌癥），它會告訴你最對口的醫院。目前其下載已經超過900萬。另外，數據眾包也讓波士頓市民可以通過GPS APP位置報告功能，識別路上坑洞，識別洞是什么情況，避免犯常識性錯誤。數據開放也讓中亞地區登革熱病毒得到一定程度的防治，因為通過數據分析可以找到感染登革熱病毒的蚊子在哪里孕育，重點在哪些水域，公布出來之后就可以降低感染幾率。
寶立明總結說，未來屬于能夠將數據轉化為產品的企業，我們必須實現創新和數據治理的正確平衡，所以企業需要新的思維方式，需要擁抱開放數據變革的理念。當前我們正處于人工智能復興的時段，人工智能正在成為企業投資的戰略重點之一，而深度學習技術能夠提升解決復雜問題的性能，更快、更經濟、更準確地發現洞察。Teradata正在通過Teradata實驗室和深度學習社區，并同全球科研院所和行業專家合作，依托團隊豐富的人工智能技能、資源和經驗，為客戶項目創造新洞察和成果。
首推混合云可移植許可模式
在本屆峰會上，Teradata主要做了三項重點：一是宣布首推混合云的可移植許可模式，Teradata Everywhere可以在多種公有云、托管云和本地部署環境下部署海量并行處理（MPP）分析數據庫；二是宣布推出Teradata客戶體驗之旅解決方案，通過建立大數據驅動的營銷服務體系，引入外部互聯網和生活場景數據，實現真正大數據下的客戶營銷管理；三是兩款新產品，Teradata IntelliFlex和Teradata IntelliBase。
據悉，作為Teradata企業級數據倉庫旗艦平臺，Teradata IntelliFlex設計了高性能的工作負載，適合高吞吐量的業務，實現CPU和存儲可以分別擴展，不需要一次進行大規模的采購。而Teradata IntelliBase可以提供多功能的計算節點，集成了計算和存儲，可以和UDA集成在同一機柜。
在圓桌論壇采訪環節，寶立明還介紹了Teradata IntelliCloud，它是下一代安全托管云服務，可實現數據與分析軟件即服務。用戶可以在新的部署選項上獲得該服務，包括在Teradata數據中心部署和管理的Teradata企業級數據倉庫旗艦平臺Teradata IntelliFlex，以及亞馬遜云AWS以及即將上線的Microsoft Azure的全球公共云基礎設施等。
據調查顯示，企業在2020年之前會使用混合云的模式，同時部署在本地和云端，所以Teradata基礎設施軟件的云兼容授權，提供許可的可移植性、基于訂閱的許可可以有不同的部署選擇。
關鍵詞：大數據；數據分析；數理統計
基金項目：華北理工大學研究生教育教學改革項目資助（項目編號：K1503）
基金項目：華北理工大學教育教學改革研究與實踐重點項目資助（項目編號：Z1514-05；J 1509-09）
G643；O21-4
谷歌公司的經濟學家兼加州大學的教授哈爾?范里安先生過去說過統計學家將會成為像電腦工程師一樣受歡迎的工作。在未來10年里，人們獲得數據、處理數據、分析數據、判斷數據、提取信息的能力將變得非常重要，不僅僅在教育領域，各行各業都需要數據專家，“大數據”時代的到來使得數據處理與分析技術日新月異，深刻的影響著各個行業、領域及學科的發展，尤其是與數據關系密切的行業及學科，而作為工科各專業碩士研究生重要的公共基礎課數理統計學是天生與數據打交道的學科。
怎樣在“大數據”時代背景下培養出適應面向企業自主創新需求的數據分析人員或掌握現代數據處理技術的工程師，如何把當下流行的“大數據”處理技術與相關數理統計學課程教學有機的結合，以激發學生對數據處理與分析技術發展的興趣，這些都是我們在與數理統計學相關的課程教學中不得不思考的問題。然而，當前高校工科各專業碩士研究生數理統計教學的現狀卻與其重要程度相去甚遠，整個教學過程的諸多環節都存在較大的不足，主要表現為：1.教學內容偏重理論，學生學習興趣不高；2. 輕統計實驗；忽略對統計相關軟件的教學；3.沒有注重數理統計的學習與研究生專業相結合，實用性強調不夠。4. 輕能力培養；輕案例分析等。
這些現象導致的直接后果就是學生動手能力上的缺陷和創新能力的缺乏， 不能夠自覺利用數理統計知識解決實際問題， 尤其缺乏對統計數據的分析能力。因此，需要數理統計學隨著環境的變化不斷創新新的數理統計思維和教學內容。避免教學內容與大數據時代脫節。為此筆者在該課程的教學過程中，有意識地進行了一些教學改革嘗試。提出了幾點工科研究生數理統計教學的改革措施。
（1）調整教學內容，將與數理統計相關的大數據處理案例引進課堂。有很多有普遍性的應用統計實際案例，可以在本課程的教學過程中有選擇的引入介紹給學生，讓學生們了解利用所學統計方法進行實際數據分析的操作過程和得出結論的思維方法。以期解決工科研究生對確定性思維到隨機性思維方式的轉變的不適應性。
（2）適應大數據時代數理統計學課程的教學環境。實現教學方式的多樣性。大數據時代背景下，互聯網十分發達，學生根據自己的興趣去收集、整理和分析數據，既可以改變他們對統計方法的進一步認識，也可以增加他們的學習興趣。甚至可以以專業QQ群，郵件的方式和同學、老師之間相互交流，交流者處于相互平等的地位，可以暢所欲言，隨時隨地都可以交流，起到事半功倍的效果。這種交流使得教師不再是知識的權威，而是把教師上課作為一種更好自主學習的引導，這種交流使得他們的思想變得更加成熟。同時參與各種網絡論壇，貼吧回答問題等使得他們更能體現自己的價值，這種交流也使得學生的學習熱情和學習精神得到更好的激發。
（3）引導工科研究生開展與本專業相結合的課題研究，強調實用性，注重統計思維能力培養。適應大數據時代數理統計學課程教學環境，實現教學方式的多樣性。以期彌補學生缺少數據分析實例的訓練，解決學以致用的不足。在目前的數理統計教學安排下，受學時所限，如果相當一部分時間用來學習公式、定理的推導及證明，勢必沒有時間進行實際的數據分析練習。在大數據時代背景下，隨著海量數據、復雜形式數據的出現，使得統計方法的發展和以前有了很大的不同，沒有實際的數據分析訓練，學生們就無法對統計的廣泛應用性及重要性有深刻的體會，也不利于保持和提高他們的學習興趣。這要求具體工作者提出新的統計思想和方法，加深對已有統計思想的理解，以解決實際問題。
（4）改革成績評定方式。現有的考試模式為通過有限的一到兩個小時的期末考試，進行概念的辨析和理論及方法的推導計算，由此來判斷研究生關于數理統計課程的學習情況有很大的不足，特別是對可以利用軟件進行的某些實際數據分析的考察沒有辦法實現。因此，有必要通過日常課堂“論文選題―提交―討論”與期末理論考試相結合的形式對學生數理統計學習進行考核。加大對學生平時考察的力度，相應地減少期末考試成績的比重。讓學生選擇一些與自己專業有關的數據進行嘗試性的數據分析、一些統計科普著作的讀書報告等并寫成論文的形式提交，做為對學生成績的評定方式，更能綜合、客觀地評價學生的學習情況。
數據分析在現代生活中發揮的作用越來越大，而道磽臣品椒可以與數據分析有機的結合，從而在提高數據分析效率的同時，保持分析結果的有效性，為生產和實踐活動提供準確的參考。以上的思考和建議僅是我們在教學研究和教學過程中的一點體會，還有許多工作亟待深入，比如適合工科研究生數理統計課程的大數據案例選取，與課程內容的有效銜接；案例教學法如何實施；教學方式多樣化問題；課堂教學與網絡交流結合；理論介紹與軟件應用訓練結合問題等。教學改革與實踐是一項艱巨的任務，以培養學生的實際運用能力和正確解釋數據分析結果的能力為目的，強調統計思想和方法應用的培養，讓學生們了解利用所學統計方法進行實際數據分析的操作過程和得出結論的思維方法將是一項長期的工作。
參考文獻
[1].游士兵，張 佩，姚雪梅.大數據對統計學的挑戰和機遇[J].珞珈管理評論， 2013， （ 02）： 165-171.
關鍵詞：房地產業；周期波動；發展方向
一、房地產業周期波動研究的理論基礎
1．凱恩斯主義宏觀經濟學。在凱恩斯主義宏觀經濟學的框架下，經濟波動通常有許多潛在的原因：如貨幣和財政政策的改變，對投資需求的沖擊、貨幣需求函數的變化等等，并且還包括對總供給的各項擾動因素。經濟周期的主要傳導機制為經濟變量的剛性或者粘性。根據這些分析，凱恩斯提出了反周期的相機抉擇政策，認為政府在經濟波動的過程當中，應當積極采取宏觀調控的財政政策。
薩繆爾森于1939年最先對凱恩斯周期波動理論進行了動態化的完善和調整，引入了收入和消費變動對投資的加速作用，分析了外部擾動通過投資乘數和加速數的傳導過程。在此之后的凱恩斯主義波動理論有多方面的發展，包括卡爾多的非線性動態增長周期模型、哈羅德—多馬德動態增長周期模型、?？怂沟姆蔷€性乘數—加速數模型，但對引起經濟波動的外部沖擊和對沖擊進行強化的內部傳導機制的認識沒有顯著變化。
2．新古典宏觀經濟學。新古典宏觀經濟學的發展起源于對凱恩斯主義宏觀經濟學進行批判的過程中，并引導了為宏觀經濟學尋找微觀基礎的潮流。理性預期和市場出清是新古典宏觀經濟學的起點，盧卡斯在這個基礎上試圖解釋宏觀經濟波動，他的周期模型主要試圖闡明兩個問題：經濟波動的初始根源是什么？波動的傳導機制又是什么？盧卡斯認為，貨幣因素是波動的初始根源，貨幣供給的沖擊引起經濟波動。波動的傳導機制是信息不完全，由于當事人無法獲得完全信息，不能準確判斷價格變化的實際情況，從而導致了產量的波動。
自20世紀80年代以來，新古典宏觀經濟學派的學者們轉向經濟中的實際因素，用實際因素去解釋宏觀經濟波動，這就是所謂的真實經濟周期理論。他們認為波動的根源是經濟中的實際因素，其別值得注意的是技術沖擊。至于傳導機制并不唯一，主要包括消費者的跨期閑暇替代和盧卡斯所提出的信息不完全。
3．新凱恩斯主義宏觀經濟學。新凱恩斯主義經濟學與凱恩斯主義經濟學的共通之處在于：緩慢的名義量調整是被事先假定的，而不是推導出來的。但是它的發展在于強調了宏觀經濟學的微觀基礎，從一些名義變量不完美性的源頭出發進行分析，使得分析的結論更加具有說服力。
在20世紀90年代，新凱恩斯主義經濟學主要關注名義沖擊的真實效應，并認為如果名義不完美性對于總量波動是重要的，那么必然是微觀經濟層次上的小的名義不完美性對宏觀經濟有大的影響。關于名義剛性的微觀基礎的許多研究都是圍繞著這個問題展開的。
新凱恩斯主義宏觀經濟波動理論雖然對凱恩斯主義的理論進行了多方面的拓展，但是關于引起經濟波動的外部沖擊并沒有多大變化，凡是引起總需求或者總供給變化的因素都有可能通過經濟系統內部的傳導機制進行強化。不同之處在于，傳導機制從名義變量剛性細化成為更加根源的因素，主要是市場的不完全競爭。
二、房地產業周期波動研究現狀
早期的房地產業周期研究與建筑周期研究融為一體，缺乏經濟學基礎理論的支撐。主要集中探討房地產業周期的影響因素，實際上著重于房地產業周期波動指標的研究與應用。Mitchell（1927）認為：由于建筑活動受人口增長、房屋折舊、維修及投資利潤率高低等因素的影響，建筑業的供求不但像工業那樣可以無限地擴大或縮減，而且龐大的建筑投資對經濟活動的影響更為明顯和巨大，由此形成一定的波動。Moore（1961）指出，住宅開工量受財政條件、建造成本、社會結婚率、房屋空置率、住宅修改法等因素影響，因此如果要了解房地產建造量，就可以從財政條件（主要是抵押貸款）或建筑成本推算，而住宅需求量和投資生產量則可從社會結婚率高低、房屋空置率多少等指標來研判。Harwood（1977）提出，經濟變化、人口遷移、基礎設施，特別是道路建設、人口出生率、銀行貸款、政府政策等因素均會引起房地產業周期波動。Grebler＆Burns（1982）以GNP循環為基準循環，探討了建筑波動周期問題，認為建筑成本在較低水平時，公共工程與私人部門呈相同方向變動；但建筑成本在較高水平時，兩者呈相反方向變化。
隨著西方經濟學基礎理論的迅速發展，一些新的研究成果不斷的被應用到房地產業周期波動的研究當中，尤其伴隨著為宏觀經濟學尋找微觀基礎的研究浪潮中，為房地產周期波動尋找微觀動力的研究也迅速發展。例如PeterChinloy（1996）在模型中加入了預期的因子，著重分析了預期在形成房地產業周期波動中的作用。Chatterjee（1999）利用動態經濟理論分析了反周期貨幣政策對房地產業周期波動的影響，并得出結論認為宏觀經濟政策對平穩房地產業周期波動效果并不明顯。
除了一般性的理論分析之外，對各國房地產業周期波動進行實證分析和研究，也成為房地產業周期波動研究的重要組成部分。Wenzlick（1980）以美國房地產市場交易量（或銷售額）為依據，通過分析1795年~1973年共180年間美國房地產的周期波動循環變化，指出美國房地產的長期波動周期約為18年。Case贊成美國房地產長期周為18年的觀點，進而指出長期周期主要受歷史事件，如戰爭、經濟衰退、技術創新等事件影響。同時他還提出房地產短期波動周期的概念，從美國來看短期波動周期為5年，主要受貨幣市場、貸款額度和政府住宅政策等因素影響”。Barrast和Ferguson（1985、1987）從實證分析和理論分析兩個方面研究了英國的建筑周期波動。認為建筑周期的需求循環大約為4年~5年，主要反映經濟景氣波動及政府政策的變動；而建筑周期的供給循環大約為9年，主要反映生產過程的落后狀況。Kaiser（1997）利用78年的數據分析了美國房地產業的長周期。Clayton（1997）利用1982年~1994年的數據分析了個不同區域住宅市場的周期波動，在更加微觀的層次上檢驗了住宅市場的效率問題。WheatonandRossoff（1998）則利用1969年~1994年的數據分析了工業不動產的周期波動。
在中國，對房地產業周期波動的研究開始于20世紀90年代中期。張元端（1995）分析了中國的房地產業周期波動現象，他通過比較國民經濟增長率和全國商品房銷售額增長率，認為中國房地產業的周期與國民經濟周期基本吻合。相對而言，梁桂（1996）從房地產供求的周期性波動來定義不動產經濟的周期波動，并采用年商品房銷售面積指標，分析了從1986年~1995年中國不動產經濟的周期性波動及其特性。何國釗等（1996）利用商品房價格等8項指標，在按環比增長率得出單項指標的周期波動后，再利用景氣循環法等方法，分析1981年~1994年的中國房地產業周期波動現象及其特點。在此基礎上，作者們著重探討了中國房地產業周期與宏觀經濟周期在不同周期階段的相互關系，并選擇投資與政策兩個因素，分析了中國房地產業周期的原因。譚剛（2001）在分析中國房地產業周期波動的基礎上，選擇總量、投資、生產、交易、金融及價格等6類共16項指標，利用擴散指數方法分析了深圳房地產業周期波動特征。中國社會科學院財貿經濟研究所“房地產業周期波動研究”課題組（2004）利用中國1979年~2002年的數據進行，對房地產行業的運行軌跡和特征進行分析，并在此基礎上分析了影響中國房地產業周期波動的經濟因素。
三、亟待解決的問題
現有的研究尤其是中國的房地產業周期研究無論在理論上還是在實踐上都存在很多不足之處，至少需要在以下方面進行擴展：
1．結合產業與產品獨特性的房地產業周期波動研究尚需加強。房地產作為一種獨特的產品，具有如下特征：必需品、重要性、耐久性、空間固定性、不可分割性、復雜和多重異質性、市場的分散性、生產的非凸性、信息的非對稱的重要性、交易成本的重要性、缺乏相關的保險及期貨市場。這些特征很多都對房地產業周期波動有著重大影響，但現有研究基本上套用經濟周期理論或做一些變形，沒有體現出房地產產業和產品的獨特性。這些獨特的特征對周期波動的影響如何并沒有得到足夠的重視。如市場的分散性和空間固定性造成了房地產業區域壟斷的市場結構，這種市場結構對房地產業周期有怎樣的影響幾乎沒有理論涉及。
2．應進一步深入考察房地產業周期波動的微觀影響及對策分析。房地產業周期波動對宏觀經濟包括相關產業的影響已經有大量理論及實證的文獻，但其微觀效應還沒有得到充分的發展。對此應主要從房地產業周期對開發企業戰略規劃和投資者的投資策略的角度出發，研究在房地產業周期的不同階段，開發企業以及投資者應該采取什么樣的措施來應對，這個研究主題在國外近幾年才剛剛出現的，而在中國幾乎是一片空白。
3．應進一步加強對中國區域性房地產市場周期波動的研究。房地產業具有顯著的區域性特征，不同城市之間的房地產業發展可能具有巨大的差異性。從總體上研究中國的房地產市場可能低估一些問題的嚴重性。例如總整體上分析，中國的房地產市場在大多數情況下是不可能出現嚴重的泡沫的，但在某些區域性市場是可能存在的。目前中國幾篇具有代表性的文獻大多是對中國整體房地產業的周期波動進行實證分析，其中只有譚剛（2001）研究了深圳市1987年~1998年間房地產業周期式發展歷程?？梢钥闯觯袊姆康禺a業周期研究很少對區域市場尤其是城市的數據進行分析的，尤其對不同城市之間周期的形態、成因等進行分析及比較的文獻幾乎沒有。
參考文獻：
1．何國釗，曹振良，李晟．中國房地產業周期研究．經濟研究，1996，（12）．
2．梁桂．中國不動產經濟波動與周期的實證研究．經濟研究，1996，（7）．
3．譚剛．房地產業周期波動——理論、實證與政策分析．北京：經濟管理出版社，2001．
