數(shù)據(jù)挖掘技術(shù)應(yīng)用于經(jīng)濟統(tǒng)計中的研究

劉西清

摘要：數(shù)據(jù)管理中，由于很大數(shù)量的基數(shù)產(chǎn)生，而且數(shù)據(jù)的結(jié)構(gòu)相對復(fù)雜，很容易導(dǎo)致數(shù)據(jù)缺失的問題。采用數(shù)據(jù)挖掘技術(shù)，可以對數(shù)據(jù)管理中所產(chǎn)生的數(shù)據(jù)進行更深層次加工，以提高數(shù)據(jù)質(zhì)量。本論文針對數(shù)據(jù)挖掘技術(shù)應(yīng)用于經(jīng)濟統(tǒng)計中的研究展開研究。

關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù) 預(yù)處理 決策樹 經(jīng)濟統(tǒng)計

數(shù)據(jù)挖掘技術(shù)作為數(shù)據(jù)處理技術(shù)，就是針對數(shù)據(jù)倉庫中的各種數(shù)據(jù)信息處理中選擇合適的分析工具，以通過篩選而獲得有用的信息。在經(jīng)濟統(tǒng)計中應(yīng)用數(shù)據(jù)挖掘技術(shù)，可以對社會經(jīng)濟活動的運行情況進行分析，以使得統(tǒng)計信息能夠滿足社會各個領(lǐng)域的需求。

一、數(shù)據(jù)挖掘技術(shù)

信息環(huán)境下所產(chǎn)生的數(shù)據(jù)量逐漸增大，給數(shù)據(jù)信息的使用者帶來了困難。在經(jīng)濟統(tǒng)計中，如果對這些信息進行處理，并獲得有價值對信息成為亟待解決的問題。面對龐大的屬于局信息，采用數(shù)據(jù)挖掘技術(shù)，可以通過對所獲得的數(shù)據(jù)信息進行分析和技術(shù)處理后獲得符合使用標準的數(shù)據(jù)信息，以滿足使用者的需求。在經(jīng)濟統(tǒng)計中采用數(shù)據(jù)挖掘技術(shù)，可以提高數(shù)據(jù)信息質(zhì)量，以使得數(shù)據(jù)信息能夠更好地為中的社會經(jīng)濟發(fā)展服務(wù)。隨著數(shù)據(jù)信息質(zhì)量的提高，數(shù)據(jù)信息的使用效率也會提升，而且數(shù)據(jù)之間的內(nèi)在關(guān)聯(lián)性也會被建立起來。

二、經(jīng)濟統(tǒng)計中數(shù)據(jù)挖掘技術(shù)的應(yīng)用

1.數(shù)據(jù)挖掘技術(shù)之預(yù)處理方法的應(yīng)用

對數(shù)據(jù)進行預(yù)處理可以分為三個部分，即要做好數(shù)據(jù)清理工作，之后對有用的信息進行篩選，對統(tǒng)計數(shù)據(jù)中所存在的不全面的現(xiàn)象，就要將具有噪聲的信息進行去除。經(jīng)濟統(tǒng)計中所獲得的數(shù)據(jù)信息不同，所采用的數(shù)據(jù)挖掘技術(shù)也要有所不同。如果在經(jīng)濟統(tǒng)計的過程中所獲得的數(shù)據(jù)中，數(shù)據(jù)點和噪聲都是空值的時候，在進行數(shù)據(jù)處理的時候就可以采用均值法或者平滑法。兩者之間的不同在于，均值法是將所獲得的有效數(shù)據(jù)進行平均處理而獲得的數(shù)值，而平滑法所使用的是經(jīng)過加權(quán)處理后所獲得的平均數(shù)。這種方法對數(shù)據(jù)對其結(jié)果的權(quán)重都要予以充分考慮，因此結(jié)果與真實值更加接近。這兩種方法的運用，要根據(jù)實際需要進行選擇。還有一種方法是數(shù)據(jù)集成，就是集合不同的數(shù)據(jù)而形成集體，在集合數(shù)據(jù)的同時，還能夠?qū)?shù)據(jù)的準確性予以保證。數(shù)據(jù)集成在運用的過程中會存在一些問題，如果存在實體識別問題，由于不同的數(shù)據(jù)會以不同的數(shù)據(jù)模式呈現(xiàn)，就會出現(xiàn)模式集成問題；如果數(shù)據(jù)較為繁瑣，存在多于的數(shù)據(jù)而使得數(shù)據(jù)質(zhì)量較低，就是冗余問題的存在。在數(shù)據(jù)挖掘中，就要將經(jīng)濟統(tǒng)計數(shù)據(jù)與其他數(shù)據(jù)之間的關(guān)系精簡，以使得數(shù)據(jù)庫中所存有的數(shù)據(jù)量得到優(yōu)化而提高數(shù)據(jù)的管理效率和應(yīng)用價值。比如，在對于國民生產(chǎn)總值進行計算的時候，就要總體人口的屬性合理利用，還要將國內(nèi)生產(chǎn)總值計算出來。對冗余的屬性進行判斷的時候，要將相關(guān)度的對比關(guān)系充分地利用起來。其中，元組的個數(shù)為n，屬性A的標準方差表示為“σA”，屬性B的標準方差表示為“σB”。如果σA>O，σB>0，就意味著屬性A與屬性B之間存在著正相關(guān)性，隨著屬性A的逐漸增大，屬性B也會有所增大。如果σA=0，σB=0，就意味著屬性A與屬性B之間并不存在相關(guān)性，相互之間并不存在必然的聯(lián)系，兩者是各自獨立存在的。如果σA<0，σB<0，就意味著屬性A與屬性B之間存在著負相關(guān)性，隨著屬性A的增大，屬性B就會相應(yīng)地減小。

2.數(shù)據(jù)挖掘技術(shù)之決策樹的應(yīng)用

對數(shù)據(jù)采用數(shù)據(jù)挖掘技術(shù)的時候，首先要系統(tǒng)性地分析數(shù)據(jù)，將分析完成的數(shù)據(jù)輸出。在進行數(shù)據(jù)分類的時候采用決策樹，就是要將決策樹的結(jié)構(gòu)構(gòu)建起來。首先，對數(shù)據(jù)的基本模型進行分析，之后采用訓(xùn)練集將決策樹建立起來，而且要對數(shù)據(jù)的決策樹進行精簡處理。其次，對決策樹進行分類，從決策樹的根部開始數(shù)據(jù)分類，之后是樹干的數(shù)據(jù)和樹丫的數(shù)據(jù)的分類，直到所輸入的數(shù)據(jù)能夠滿足條件。

比如，將某地區(qū)的企業(yè)在每年所上報的數(shù)據(jù)建立序列模式，得出企業(yè)當年的預(yù)測值。將企業(yè)所上報的數(shù)據(jù)以及預(yù)測值經(jīng)過比較后得出差別率。如果差別率超過20%，則企業(yè)為A類；如果差別率介于10%至20%之間，則企業(yè)為B類；如果差別率低于10%，則企業(yè)為C類。根據(jù)企業(yè)規(guī)模的變化率以及企業(yè)可能發(fā)生的經(jīng)營事件將決策樹建立起來。差別率采用如下公式：

差別率=|上報數(shù)據(jù)預(yù)測值|/上報數(shù)據(jù)×100%

如果企業(yè)所上報的數(shù)據(jù)與預(yù)測值之間存在很大的差距，就要以這些企業(yè)作為主要的調(diào)查對象。

綜上所述，中國進入到進一步深化改革開放的發(fā)展時期，要促進經(jīng)濟的快速發(fā)展，就要對先進的技術(shù)予以充分利用。在經(jīng)濟統(tǒng)計中應(yīng)用數(shù)據(jù)挖掘技術(shù)，可以提高數(shù)據(jù)的有效利用率，以提高經(jīng)濟效益。endprint