導語：如何才能寫好一篇統計數據，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

2013年1月，國家統計局忽然一下子公布了近十年的基尼系數。數據顯示：2012年基尼系數為0.474，但自2009年起逐步回落。此外，還有數據顯示：2012年城鎮居民人均可支配收入實際增長9.6%，農村居民人均純收入實際增長10.7%，GDP增速為7.8%，人均可支配收入增速跑贏GDP。

有媒體為此鼓與呼：這是收入增長和收入差距縮小的積極信號。

媒體對統計數據的解釋一出籠，立即遭遇了“板磚”。公眾大為不解地問：實際的收入差距縮小了嗎？在GDP增速下行的情況下，用人均收入增速跑贏GDP來說明改革成果惠及全民，有說服力嗎？

老百姓一般看不懂統計數據，他們只知道自己的親身體驗總是和媒體的宣傳有差距。關于居民收入是不是增長了，有經濟學家說，這還不能只看人均收入增速與GDP增速的關系，重要的還要看政府、企業、居民在國民收入中的分配比例。從收入法來看，GDP是由政府、企業、居民收入構成。只有居民收入占國民收入比重不斷上升時，才能說明改革成果更加惠及了人民群眾。

2012年，人社部勞動工資研究所的《2011中國薪酬報告》顯示，2011年，我國居民收入增長遠遠低于財政收入和企業收入增長，使得居民收入占國民收入相對比重不升反降。在中國，政府收入一般來源于各種稅費，2012年，全國僅稅收一項就完成11萬億元以上，比2011年增長11.2%，顯然高于同年居民人均收入增速。

至于說收入差距在縮小，就更讓人費解了。首先，基尼系數為0.47，已經超過了收入分配差距的“警戒線”，國家統計局局長馬建堂也承認，收入差距不容樂觀。其次，由于難以獲取高收入階層居民的真實收入信息，這次基尼系數公布的結果還有待改進。有媒體報道，從社會階層來看，中國收入最高的10%家庭是收入最低的10%家庭人均收入的65倍。可見，收入差距還是相當大的，2012年民間的基尼系數為0.61，也印證了收入差距懸殊這一點。

篇2

摘要：

從傳統統計數據與大數據之間的演變歷史、數據特征等方面展開討論，厘清兩者之間存在的千絲萬縷但又千差萬別的聯系，提出傳統統計數據是大數據的簡單形式和初期階段，大數據是傳統統計數據的復雜演化形態的論斷，指出兩者在數據分析思維方式上存在巨大差異，并對數據質量管理內涵、全周期數據質量保證等問題提出不同的解決思路和方案。

關鍵詞：

傳統統計數據；大數據；數據分析；數據質量

0引言

傳統統計數據的內涵在于揭示數字背后信息與現實世界的關系。大數據是指巨量數據，是無法在可承受的時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合。從傳統統計數據到大數據的持續演變導致在理論層面大數據內涵復雜，并與傳統統計數據在信息界限上概念模糊。從傳統統計數據到大數據不僅是量的積累，更是質的飛躍。厘清傳統統計數據與大數據之間的內涵辯證關系，是有效利用數據的基礎和關鍵。

1傳統統計數據向大數據演變的動力

信息技術的進步為傳統統計數據向大數據演變提供了物質和技術基礎。隨著互聯網的日益發展，每一次網絡存儲技術的進步都使信息的生產、存儲、傳輸成本大幅度降低，而流通的范圍、深度、速度則顯著提升。JimGray的新摩爾定理認為，每18個月全球新增信息量是計算機有史以來全部信息量的總和，新摩爾定律以信息量的維度確定了數據化演變信息的節奏。這種趨勢導致的基本形態就是數據信息空前豐富，大數據成為了研究和利用熱點。信息需求多樣化與個性化是傳統統計數據向大數據演變的基本動力。數據最終是為信息需求服務的，用戶信息價值最大化才是數據應用的關鍵所在。在數據化趨勢下，隨著人們認知實踐與需求狀態的變化，數據一方面從滿足基本特定信息需求到利用復雜的數據屬性解析出多樣化信息需求轉變，另一方面從被動滿足簡單需求到主動發掘復雜有效需求，并探知用戶個性化信息需求轉變。這兩方面成為傳統統計數據項大數據內涵演變的基本動力。相應地，數據內涵也從樸素的信息真實業務邏輯向滿足復雜需求的數據化邏輯遷移。隨著信息技術的發展和用戶需求的變化，信息效率價值的實時化及數據泛濫造成數據噪聲增強和有效信息稀缺現象，大數據應運而生。傳統統計數據是大數據的簡單形式和初期階段，大數據是傳統統計數據的復雜演化形態。

2傳統統計數據與大數據的數據特征差異

數據量增多是人們區別傳統統計數據與大數據的第一個認識。傳統統計數據數據量小，以MB、GB、TB等為存儲單位。大數據數據量大，一般以PB、EB、ZB等為存儲單位。但這兩者之間特征區別并不僅僅是體量，還包括數據類型、研究對象的范圍、信息視角等方面。

2.1傳統統計數據與大數據的數據類型對比

傳統統計數據是一種結構化的標準數據。其數據類型單一，主要以結構化、體量小、標準化、價值密度高及周期化數值為特征，數據產生和變化的速度慢。其數據特點是樸素真實、簡單有限、準確性高及被動有用性。大數據統計范疇擴大、數據類型復雜，其中包括：a）非結構化非標準數據，如動態實時時序數據。b）半結構化數據和非結構化數據，如文本、圖像、視頻等。c）現有的結構化數據，如傳統統計數據。其數據模型具有復雜多維的特征，統計結果多是非精確多種相關性趨勢數據。大數據具有4個V基本特征，即Volume（體量浩大）、Variety（模態繁多）、Velocity（生成快速）和Value（價值巨大但密度很低），且具有來源多樣、實時、多元的信息化特點。這些特點導致數據在產生、獲取、存儲、傳輸和計算過程中，因體量大、快速多變易產生沖突和不一致，人工很難檢測和修復。

2.2傳統統計數據與大數據的研究對象范圍不同

傳統統計數據的研究對象是宏觀視角下有限的隨機樣本數據。隨著信息化的發展，實踐中產生大量冗余沉淀數據，這一時期經過清洗的全樣本數據是數據挖掘的研究對象。而大數據面對的則是原生態全樣本數據，也就是所謂的總體數據。從隨機樣本數據到經過清洗的全樣本數據再到原生態總體數據，數據內涵總體信息視角從宏觀向中觀和微觀擴散。研究對象范圍向寬度和深度兩個方向不斷擴展，不斷深入系統微觀的多維度個體感知，信息能力和價值也不斷提升。這種轉變來自技術和需求的驅動，新型數據處理技術及需求獲取能力成為演變的關鍵因素。

3大數據相對傳統統計數據分析方式的變革

數據中蘊含的寶貴價值成為人們存儲和處理數據的驅動力，數據分析是實現數據價值的必要途徑。由于傳統統計數據與大數據在體量、結構、內涵等方面有著本質的區別，所遵循的數據分析理論基礎、分析思路、相關技術也不同。

3.1傳統統計數據與大數據數據分析的理論基礎

對傳統統計數據進行數據分析的理論基礎是分布理論，以概率為保證，即根據樣本去推斷總體特征，其邏輯關系是“分布理論—概率保證—總體推斷”，分析過程是“假設—驗證”基礎上的“定性—定量—再定性”。對大數據進行數據分析是以全體數據為基礎，以數據信息相關為保證，其邏輯關系是“實際分布—總體特征—概率判斷”，可以不受任何假設的限制去尋找關系、發現規律，分析過程是“定量—定性”及“發現—總結”重要數量特征和關系基礎上的定量回應。

3.2傳統統計數據與大數據數據的分析思路

傳統統計數據價值的實現路徑為“數據到信息再到知識和智慧”。傳統統計數據分析著力于經典嚴密封閉系統的精確性和因果關系的探索，找到事物屬性之間的因果關系，比較容易實現。對于開放復雜的巨系統，傳統的因果分析難以奏效，因為系統中各個組成部分之間相互有影響，可能互為因果，因果關系隱藏在整個系統中。因果關系本質上是一種相互糾纏的相關性。大數據數據分析無法檢驗邏輯上的因果關系，不能致力于尋找真正的原因。Mayer-Sch觟nberger在《大數據時代》一書中指出了大數據時代處理數據理念的三大轉變：要全體不要抽樣，要效率不要絕對精確，要相關不要因果。因此，大數據分析邏輯體現為走“數據直接到價值”的捷徑。大數據數據分析關注事物相關性認知分析，所謂相關性是指兩個或兩個以上變量的取值之間存在某種規律性，即對數量巨大的數據進行統計性的搜索、比較、聚類、分類等分析歸納。相關分析的目的是找出數據集里隱藏的相互關系網（關聯網），一般用支持度、可信度、興趣度等參數反映相關性。

3.3傳統統計數據與大數據的數據分析處理技術

進行數據分析需要相應的數據分析處理技術以及技術人員的全力參與。數據分析領域面臨的主要矛盾是快速增長的數據信息需求與有限統計資源和滯后數據處理能力的矛盾。信息技術應用成本的低廉化和性能效率的聚變成為數據需求和質量要求快速增長的基本動力。傳統統計數據的分析和處理遵循一般的關系數據庫的數據分析和處理技術，技術人員經過一定的訓練即可勝任。對大數據進行分析和處理需考慮以下技術因素：a）數據清洗。大數據價值密度低、冗余數據增多、垃圾數據泛濫，大數據清洗需要專業和細致。數據不能清洗過細，否則會增加數據清洗復雜度，甚至有可能過濾掉有用信息。數據也不能清洗過粗，要保證數據篩選的效果。b）以MapReduce（一種編程模型）和Hadoop（Apache基金會所開發的分布式系統基礎架構）為代表的非關系型數據庫的非關系型數據分析技術，因其具有良好的橫向擴展性，在大數據分析處理中得到廣泛應用。c）要深入分析數據，數據分析人員既要熟悉數據分析技術和工具，又要具備相關領域的專業知識。

4傳統統計數據與大數據的數據質量內涵

高質量數據是進行數據分析的前提和基礎，是數據發揮效能的保證。傳統統計數據數據質量以有限信息邏輯的因果性、確定性、清晰且高度的結構化為主要特征，主要關注數據自身本源的質量問題，例如準確性、完整性和客觀性。質量標準至少應該包括指標解釋（含義、范圍、口徑）、數據特征、調查方法、統計誤差、獲取時間、頻率及渠道等方面的內容。大數據以既定邊界內總體數據系統相關性的隨機、自身的不確定性以及總體的非結構化為特征。由于數據質量問題在大數據環境下會被不斷放大，因此，大數據主要關注數據可信與溯源等非數據本源性質量問題，即數據資源產生后在傳輸、存儲和應用過程中產生的突顯問題。下面重點從流程和管理兩方面分析傳統統計數據和大數據所面臨的數據質量的挑戰及應對措施。

4.1從流程視角看數據質量保證

從流程的角度（即從數據生命周期角度）來看，可以將數據生產過程分為數據采集、數據存儲和數據使用三個階段，三個階段對傳統統計數據和大數據的質量保證提出了不同的要求。

1）數據采集過程中數據質量保證問題

數據采集階段是整個數據生命周期的開始，這個階段的數據質量對后續階段的數據質量有著直接的、決定性的影響。傳統統計數據數據量小，通過編寫簡單的匹配程序，甚至是人工查找即可實現多數據源中不一致數據的檢測和定位。大數據由于數據來源復雜，數據之間存在著沖突、不一致或相互矛盾的現象。因此，需要在數據獲取階段保證數據定義的一致性及元數據定義的統一性，以保證數據質量。

2）數據存儲過程中數據質量保證問題

數據存儲是實現高水平數據質量的基本保障，如果數據不能被一致、完整、有效的存儲，數據質量將無從談起。傳統統計數據以結構化數據為主，主要采用傳統的結構化數據存儲架構（如關系型數據庫）進行數據的存儲。大數據數據結構多樣、數量龐大、數據結構復雜、變化速度快，需要使用專門的數據庫技術和專用的數據存儲設備進行大數據存儲，以保證數據存儲的有效性，方便對數據進行快速讀取。數據庫一般采用分布式文件系統和分布式并行數據庫（如HDFS〔分布式文件系統〕、BigTable〔Google設計的分布式數據存儲系統〕等），在數據存儲過程中，數據格式的轉換非常關鍵和復雜，要根據大數據結構的要求和特點合理設計數據存儲和使用規則。

3）數據使用過程中數據質量保證問題

數據價值的發揮在于對數據的有效分析和應用。傳統統計數據的使用需要遵從關系型數據的完整性約束和數據一致性保證技術要求。由于大數據使用人員眾多，數據規模龐大、變化速度快，對數據的處理速度要求較高，很多時候需要同步、不斷地對數據進行提取、分析、更新和使用，因此需要保證數據使用的一致性。

4.2從管理視角看數據質量保證

傳統統計數據一般由業務部門負責掌管數據，IT部門負責信息技術的應用，這種分離式的運營管理方式容易造成業務人員不了解分析不同數據所需的不同IT工具，而IT人員在運用IT技術分析數據時不了解數據本身的內涵，甚至會做出錯誤的數據解釋，影響了企業決策的準確性和有效性。為了更好地利用大數據，保證大數據的質量，企業高層管理者應給與重視和支持，需在高層配備專業數據管理人員。在大數據生產過程的任何一個環節，企業都應該配備相應的專業數據管理人員，如由專門人員負責記錄定義并記錄元數據，收集原始數據，建模、提取并利用隱藏在大數據中的信息。

5結束語

傳統統計數據和大數據是數據科學發展過程中由于技術的發展和客戶需求的多樣化、個性化而必然出現的數據階段。由于兩者之間關系不清，界限模糊，采集、分析、處理等技術多樣，難度大，因此，從業者難免存在模糊認識和畏難情緒。本文從兩者的演變歷史、數據特征、數據分析和質量管理等方面對兩者的異同進行辨析，指出傳統統計數據是大數據的簡單形式和初期階段，大數據是傳統統計數據的復雜演化形態，大數據從廣義上來講包含了傳統統計數據。試圖通過對兩者的辨析為從業者提供一個辯證和清晰的思路。數據的分析應用無止境，任重而道遠。

參考文獻：

1劉軍華．大數據視野下統計數據質量演變的信息回歸、分布與趨勢［J］．統計與信息論壇，2015（9）：7-11．

2祝君儀．大數據時代背景下統計數據質量的評估方法及適用性分析［J］．中國市場，2015（29）：41-42．

3李國杰．對大數據的再認識［J］．大數據，2015（1）：1-9．

4程學旗，靳小龍，等．大數據系統和分析技術綜述［J］．軟件學報，2014（9）：1889-1908．

篇3

與其他經濟數據一樣，GDP企圖將復雜、不斷變化的經濟系統整合到一個簡單數字上，而作為“不是最好但沒更好”的經濟績效指標，其價值已漸漸消失。新一代指標不能是舊數據的新版本，而應是政府、企業、個人按需求設計的一組能避免這一缺陷的“定制數據”。利用數字技術搜索經濟數據為此提供了可能，大數據不僅可以更好地衡量經濟中正在發生的事情，而且也許可以預測未來。

創新快車“甩”下GDP

作為經濟學界和媒體經常使用的經濟績效主要指標，GDP曾被稱為20世紀最偉大的發明之一。實際上，這一婦孺皆知的名詞直到二十世紀中葉才被發明，目的是以單一的一種方法衡量個人、公司、政府的經濟產出。

時至今日，經濟的性質與以往已大不相同。在其最近出版的新著《GDP：一部簡短而深情的歷史》中，英國財政部前顧問、經濟學家戴安娜?科伊爾說，GDP面臨當代經濟帶來的三大挑戰。

首當其沖的是GDP無法衡量創新及其帶來的社會福利。比如，1998年，美國提供了185個電視頻道、141種非處方止痛藥、87個品牌的軟飲料、400種電腦以及將近500萬個網站。相較之下，1970年，美國僅有5個電視頻道、5種止痛藥和20種軟飲料，在電腦和網站方面是零。通過不斷創新所實現的豐富多彩應被看作是經濟發展的主要指標之一，然而，由于未能充分捕捉到經濟體中產品日益增多的種類，GDP對這方面的創新基本沒有體現。

再如，當前無人駕駛汽車的概念正熱。這給GDP帶來的增幅將與任何其他種類汽車相近或略高，但GDP永遠也無法捕捉到無人駕駛汽車對安全的貢獻：無人駕駛汽車的推廣將大大減少交通事故數量，這是一大福利。

此外，GDP也很難將未來“創客經濟”（即利用開源設計和3D打印等技術按顧客需求定制產品）的經濟現實納入統計。在互聯網時代，商業模式從從最早的C2C（顧客對顧客）到B2C（商家對個人）、O2O（線上到線下），最終模式可能是C2B（顧客對商家），即生產狀態是從消費者出發，需求發送到商家，再生產出來銷售給消費者。這種“創客經濟”的創新價值無法體現在GDP的統計中。

GDP作為經濟衡量標準的第二個嚴重挑戰是無法衡量當代經濟中越來越多的無形的、生產率難以度量的東西。比如計算搜索引擎、應用軟件等純數字產品，因為沒市場價格而無法被GDP統計在內。賓夕法尼亞大學沃頓商學院的桑德斯開玩笑說：“信息時代的影響無處不在，但GDP統計數字不在其中。”

假設這些無形的數據或信息納入統計范圍，GDP的數字可能大為不同。經濟學家邁克爾？曼德爾認為，數據或信息應當成為除商品和服務之外的第三類別。按此計算，2012年這個第三類別會給美國實際GDP增長率增加0.6個百分點。

從使用公共圖書館到鄉間散步，免費而有價值的活動一直存在，現在與過去的不同點在于規模。網絡大規模的“免費”商業模式讓人意識到，GDP所衡量的東西與真實經濟福利之間的差距越來越大。

GDP面臨的第三個挑戰是沒把經濟增長是否以未來增長為代價充分計算在內。比如創新所需的研發成本，國際上最新的SNA2008標準將其當作投資而非經營成本。美國是認真踐行SNA2008的第一個國家，2007年，由采用了這一新方法，美國GDP激增了2%以上。

“可持續性”更重要的含義是逐年的GDP增長消耗自然資源或以其他方式損害環境的程度，GDP中不僅需要計算機器和道路的折舊，更重要的是要統計“自然界的折舊”。

貿易赤字和通貨膨脹率等經濟指標也存在與現實不符。以美中貿易為例。按WTO規則，每當一部iPhone手機從中國的富士康車間下線運到美國，就記作一次美國從中國進口，美中貿易赤字增加約200美元。實際上，每部iPhone手機價值中僅有10美元成為中國經濟的最終所得。現行的貿易統計方法未能反映出實際的價值鏈分布，扭曲了對雙邊貿易關系的描述，使得中美雙邊貿易失衡被夸大。

經濟統計進入大數據時代

針對GDP的不完美，一些人提出改進GDP的衡量方法，比如中國提出的綠色GDP，哈佛大學經濟學家馬丁?威茲曼提出的凈國民產值（NNP），甚至有人提出完全放棄GDP，采用國民幸福指數等新的衡量方法。

科伊爾認為，與其使GDP定義和完善越來越復雜，不如重新思考“經濟”一詞在21世紀的涵義。現在是利用數字技術的大好時機，人們可以利用大數據來重新考慮應該搜集什么信息，以及如何處理這些信息。當今社會，大量活動在網上進行，使得以大數據技術來了解GDP數字所沒有捕捉到的消費者福利成為可能。甚至不僅可展示經濟中正在發生的事情，還可利用大數據來預測經濟中將要發生的事情。

美國里弗特懷斯研究機構總裁扎卡里？卡拉貝爾指出，所有指標都有同樣的缺陷：企圖將復雜、不斷變化的經濟系統整合到一個單一、簡單的數字。因此，新的指標體系不能是“改革”，不能是以前經濟指標的更新版本，而應該是一場“革命”。在大數據時代，衡量經濟表現的指標體系應該向“定制指標”發展，即專門為政府、企業、社區及個人的特定需求而量身定做的指標。

篇4

1.1較高的有效性數據挖掘技術作為一種數據的深加工技術，其本身是帶有鮮明的目的性的，在實際應用活動中能夠對長時間積累下來的經濟統計數據進行基于數據使用者要求的深入加工。在實踐應用活動中主要有兩種重要的應用形式，一種是對積累經濟統計數據的管理高效化處理，一種是對現有經濟數據的目的性分析。其中第一種分析方式是從經濟數據管理的角度出發的，在應用中主要是以固有數據信息的統計、分類為基礎，將原本混亂的數據庫信息進行科學、系統的歸類，保證統計數據管理的高效性和使用的便利性。另一種工作方式是一種經濟數據的再加工過程，以鮮明的數據統計、分析目標為指引對原有數據的呈現形式、組成內容和關聯形式進行重新加工，以保證經濟統計數據能夠最大限度地服務于管理者的需求。

1.2綜合應用性強如前文所述，數據挖掘技術是一個工具系統而不是單一的工具，能夠實現使用主體的各種信息需求，隨著現代社會經濟的快速發展，當前我國經濟管理的各個部門都需要大量的經濟統計信息來作為經濟管理決策的基礎。但是因為各個管理部門經濟管理的領域不同、經濟管理的方式不同、經濟的管理權限不同，所以相應的經濟統計數據呈現形式的需求就不同。這就為經濟數據統計系統提出了更高的要求，其不僅要對符合各個經濟管理部門需求的數據內容進行統計，同時要將統計完成的數據換算成各種不同的呈現形式，并根據統計信息的來源和統計信息的計算方式對其可靠性進行評估[2]。最終這些數據信息的輸出格式還應該符合所服務的經濟管理部門管理系統的格式要求，保證統計數據能夠在管理部門的管理系統中正常錄入、應用，數據挖掘技術很好地滿足了上述的復雜經濟數據管理要求，其功能的綜合性促進了其應用深度的提高和范圍的擴大。

1.3宏觀數據庫有利于數據挖掘技術的應用當前因為經濟管理部門的職權較為分散，各個經濟管理部門的經濟統計數據需求不盡相同。所以我國的經濟統計活動絕大多數還采用傳統的經濟統計方法，統計收集的經濟信息存在一定的局限性，不能夠服務于經濟管理活動的整體，或者造成一些數據統計工作的重復，對經濟數據統計工作造成了一系列的質量和效率上的影響。經濟數據統計活動急需一個能夠整合各個統計系統，實現統計數據信息融合的新技術。宏觀經濟統計數據庫為數據挖掘技術的開展提供了平臺，數據管理系統的經濟統計信息要正確無誤，然后經過數據挖掘技術的整合，就能得到更加豐富的數據資源[3]。

2數據挖掘技術的應用

在社會經濟管理活動中，管理主體對經濟統計數據的要求主要有兩個。一個是統計數據的真實性、一個是數據統計信息的實用性。單就這兩個經濟統計數據要求而言，數據挖掘技術能夠很好地滿足經濟統計工作的需求，是適用性極強的一種經濟數據統計技術，其在具體的經濟數據統計活動中主要有以下三種應用方法。

2.1預處理方法在經濟數據統計活動中，最為基礎的一種處理方式就是經濟數據的預處理方法，因為數據挖掘本身是一種基于提供基礎信息的智能分析技術。其本身是受基礎經濟信息限制的，不可能無中生有代替經濟數據收集系統的功能。所以所有作為數據挖掘系統數據基礎的經濟統計數據信息都應該進行預處理，處理的內容主要包括對這些數據中不正確、不真實、不準確，以及不同經濟統計數據信息之間差距較大的現象。對這些基礎數據存在的問題進行處理的過程被稱為數據清理，當前數據清理主要采用的方法有均值法、平滑法和預測法。其中均值法是現代分析技術中模糊理念的一種應用形式，當基礎數據中的一個數據點是空值或者噪聲數據的時候，可以采用均值法進行處理，即用數據庫中所有該屬性已知的屬性均值來填補空缺。保證數據挖掘系統對基礎數據的分析和整理能夠正常進行，得出相對而言準確度較高的統計分析數據。其中Ci表示當前數據點的取值，Cj表示當前數據點前后不為空的數據點，K表示當前數據點進行計算所取的參考數據點數量[4]。平滑法依然是對基礎數據中空值和噪聲數據的計算方法，其與均值法的區別是用加權平均數代替了平均數，考慮了計算過程中提取的每一個數據對數據結果的影響權重，所以計算出的結果往往更加接近真實的數值。其中Ci表示當前數據點的取值，Cj表示當前數據點前后不為空的數據點，K表示為對當前數據點進行計算所取的數據點數量。WJ表示Cj數據點的權值。

2.2集成化處理方法在數據挖掘技術的應用活動中，因為相同地區的數據統計主體不同，或者在不同地區對相同經濟數據的統計標準不統一，會產生一系列的數據集成問題，如何對這些調查方向不同或者是呈現方式不同的數據進行有效集成而不影響經濟數據統計的準確性，是數據挖掘技術的重要任務。在具體的數據集成過程中主要考慮以下幾個方面的問題[5]。

2.2.1模式集成當前因為社會經濟活動中經濟數據的統計內容過于廣泛，很多經濟數據統計并不是來自于官方的統計局而是來自一些民間統計組織，或者是由一線社會經濟主體直接提供的經濟數據，在數據挖掘過程中將這些來自多個數據源存在多種數據呈現模式的經濟數據信息進行集成就涉及實體識別的問題。例如在數據挖掘過程中如何確定一個數據庫中“std-id”與另一個數據庫中的“std-no”是否表示同一實體，當前一般使用數據庫與數據庫之間的含元數據對比來保證實體識別高效率和高質量[6]。

2.2.2冗余問題數據挖掘本身是對經濟統計數據的一種深加工技術，經過其加工的經濟統計技術應該在本質上達到最簡狀態。在數據挖掘過程中要將與其他數據呈現某種正相關關系的數據項目進行精簡，以保證數據庫中數據量維持在一個較低的水平，為數據管理和應用提供便利。在經濟數據挖掘活動中人均國民生產總值就是典型的冗余屬性，因為其數值是可以通過國內生產總值和總人口屬性計算出來的，所以類似人均國民生產總值這種冗余屬性在數據挖掘過程中就應該精簡，應用的時候在利用國民生產總值和人口屬性計算得出[7]。對冗余屬性的判斷主要通過相關度對比來實現。其中n表示元組的個數，分別是屬性A和屬性B的平均值，分別是屬性A和屬性B的標準方差，在這一公式中如果則表示A、B兩個屬性是正相關，也就是說A越大B就越大，值越高二者的正相關關系就越密切；如果則表示屬性A、B之間沒有直接關系，是相互獨立的；如果則表示A、B兩個屬性呈負相關，屬性B會隨著屬性A的減小而增大，的絕對值越大，二者的負相關關聯關系就越密切。

2.3決策樹方法在數據挖掘技術應用過程中，經過系統的分析和總結以后，分析數據的輸出是一個關鍵的環節，其輸出的數據形式會對使用者的經濟管理決策產生直接的影響。決策樹是一種較為常見的、直觀的快速分類方法。其應用的關鍵是決策樹的構建，具體而言主要分為兩步：第一步是利用訓練集建立并精簡一棵決策樹，建立輸出分析的模型；第二步是利用構建完畢的決策樹進行輸入數據的分類，這一分類是一個遞歸的過程，從決策樹的根部開始進入到樹干、枝丫，直到輸入數據的分類滿足了某種條件而停止。在具體的應用中停止分割的條件有兩個：一個是當一個節點上的所有數據都屬于同一個類別的時候；另一個是沒有分類屬性可以對輸入數據進行再分割[8]。在決策樹構建完成后，還要根據使用者的具體要求對決策樹進行“剪枝”，剪枝的主要目的是要降低因為使用訓練集而對決策樹本身數據輸出產生的起伏影響。

3結語

篇5

〔摘要〕本文對統計數據失真的原因進行了詳細的分析，提出了根治統計數據失真的可行對策。

 

     從本世紀開始，我國進人了全面建設小康社會，推進社會主義現代化建設的新的發展階段。作為一個國家社會與經濟發展的基本情報的統計數據，其真實性直接影響到中央和各級政府、主管部門制定政策、進行決策和調控管理的科學性、合理性、有效性。因此統計數據是否真實直接關系到我們建設小康社會的成敗。然而當全國上下都關注經濟發展時，在統計數據上弄虛作假、虛報浮夸的現象也時有發生，統計數據的質量問題，引起了社會各界的質疑和批評。在此基礎上做出的決策、制定的政策其效果都不得不大打折扣，甚至由于虛假信息的誤導，造成許多決策的重大失誤，給國民經濟和社會發展造成很大損失和浪費。對這一嚴重后果，社會各界有識之士已認識到了，并采取了一些相應的措施，但收效甚微。我認為統計數據失真的原因是多方面的，要徹底根治，我們必須標本兼治，從基礎抓起，從源頭抓起。

    一、統計數據失真的原因

    1、社會道德失衡，誠信嚴重失范，是造成統計數據失真的社會基礎。改革開放以來，我國的社會經濟發生了重大變化和深刻變革，人民生活顯著提高，但無庸諱言，隨著生活水平的提高，近年來社會誠信水平出現了明顯下降趨勢。這種道德失衡、誠信失范的現象不僅成為我國市場經濟進一步發展的嚴重障礙，也成為統計數據造假的一大社會根源。它影響到了作為調查者的統計部門及統計工作者，也影響到了向社會提供各種統計資料的社會各界的每一個人，同時更影響到了我國各級領導干部。

    2、干部管理機制不完善是導致和助長統計數字造假的一個重要源頭和關鍵所在。近年來我們國家對干部的考核任免，開始對其業績進行量化考核，這應該是干部管理邁向規范化、科學化的重要一步，但是對于定量考核的某些指標我們沒有進行嚴格、科學、規范的審計和評價，正是由于這一管理機制中的重要缺陷，使某些領導出于地方、部門、個人利益的考慮，對統計部門授意和間接施加影響，使之按其意志編造或瞞報、虛報統計數據，從而導致和助長了整個社會數字做假的不良風氣，嚴重影響了重要統計數據的可靠性和準確性，給我國社會經濟的發展造成了重大損失。

    3、統計法制意識淡薄，執法力度不夠是造成統計數據造假日趨蔓延的關鍵因素。首先是整個社會的統計法制意識淡薄，從領導到群眾，從上級主管部門到基層單位，從調查者到被調查者，都沒有充分認識到對統計數據造假與其它觸犯刑律的行為一樣，也是一種嚴重的違法行為，也要承擔法律責任。一部分人出于對部門、個人利益的考慮，對數字造假心知肚明，且彼此心照不宣，甚至協助造假、做假。其次，統計執法乏力，缺乏應有的打擊力度，使統計法律、法規失去了應有的震懾作用，使本已非常淡薄的統計法制觀念更加淡薄，直接助長了社會上統計數據造假的現象。

    4、統計部門自律制度不完善是造成統計部門對統計數據失真、失守的關鍵因素。由于現在我國統計部門還沒有財務部門那樣嚴格的自律制度，所以統計人員和統計部門沒有會計人員那樣高的責任感和紀律約束感，因此也弱化了為保證統計數字質量而應該堅持的原則和立場，降低了自己對假數據的責任意識、敏感性和抗干擾能力、放棄了捍衛統計數據真實的神圣職責，使統計數據的真實性、可靠性失去了最后的保障。

    5、統計工作人員及社會各界和領導的自身素質水平低下是造成統計數據失真的又一主要原因。首先現階段我國統計隊伍業務素質水平較低，造成統計各工作階段科學性差，對統計工作各環節控制不嚴謹、不合理，造成了統計數據不同程度的失真。其次，作為被調查的社會各界，由于缺乏必要的文化及素質水平，導致記憶、記錄、估計不準，也會使所提供數據失真。最后，由于部分領導干部個人思想覺悟、業務能力較低，向統計部門所提供的一些數據不是經過科學調查得到的，而且僅憑個人臆斷、拍腦袋拍出來的，當然會使統計數據失真。 轉貼于

 二、根治統計數據失真的對策

1、加強社會道德誠信教育。在進人新的世紀后，我國明確提出了以德治國的方略，并在全社會開展了《公民道德建設實施綱要》的學習活動。對于統計數據的造假問題，已不單單是法制就可解決的問題，因此，加強全社會的道德、誠信教育，提高全黨、全民的道德誠信意識水平，仍應作為當前和今后我國精神文明建設的重點工程來抓。

    2、進一步完善干部管理體制。我們必須進一步完善干部管理體制，對各級干部的考核、評價與相應的升遷與任免，要建立嚴格、科學、規范的業績評估制度，如授權專門評估機構評估、評估前不可先通報以及對違規行為的處罰辦法等，嚴格防止“官出數字、數字出官”的腐敗現象。

    3、加強統計法制宣傳和執法力度。由于長期以來對《統計法》宣傳力度不夠，對于統計數字造假這一違法現象，很少有人意識到這是違法行為，也很少有人去舉報或抵制，因此很少有數字造假者得到法律制裁，致使《統計法》根本起不到其應有的震撼作用，助長了數字造假的不正之風，使統計數據治理的環境進一步惡化。因此我們必須要在全社會大張旗鼓地宣傳統計法制，并全方位加大統計執法檢查力度，嚴厲打擊，處理一批嚴重的統計違法案件，樹立統計部門的權威。

    4、完善統計部門的自律、監督機制。要象會計部門的財經紀律一樣，在統計部門，建立起一套責、權、利相協調的管理機制，完善統計部門的自律、監督制度，以嚴格約束、監督統計工作。

篇6

統計數據作為一個企業運行的必要元素，發揮著其不可動搖的主體作用，故而對統計數據的管理必然存在著的極高要求。石化企業有別于其他計件企業，它因物料的流動性、數量的相對性不同于計件物品的固定性、數目的確定性，存在著物料的揮發、管道運輸的損耗等許多不確定因素，因而對統計數據的嚴謹性等一系列要求也相對應的更加高。而規范的現代化的統計數據的運作模式所帶來的數據統計的高標準、嚴要求、統計結果的最優化，也為石化企業良好的生產運行創造了非常有利的環境。石化企業中統計數據作為企業經營最重要的決策理論依據之一，從數據的采集、處理到分析應用都有著其獨特的運行模式，而數據的統計過程又同樣的以規范的形式，嚴格的按照相關的統計規章制度進行運作。

二、數據的采集、檢查

石化企業對統計數據的采集要求比較嚴謹，要求嚴格按照計量檢測記錄、原始操作記錄等進行數據的收集，數據的采集要以規范的程序，對數據定時定點進行有效的采集。將采集到的數據進行認真核對、仔細檢查，并定期對原始記錄數據的及時性、真實性，規范性以及計量數據的準確性等進行針對性的檢查，并穿插不定期的抽查，兩者相結合，從而確保所收集數據的全面性、及時性、有效性、準確性。作為數據采集的主體，儲罐作為石化企業最典型的儲存形式，由于氣溫、計量方式等多方面的因數，計量數據存在一定的不確定因素，要定期對儲罐進行相對應的標定，確保儲罐測量數據的準確性。而儲罐的檢測要嚴格按照制定的操作規程進行按時的檢測，以便及時監測到物料的實時儲存狀況，將記錄好的檢測數據定期進行檢查收集。另外，車、船運輸等數據的采集也同樣采取定期檢查與不定時抽查結合，從原料的購進到產品的銷售，每一車、每一船的收發的數據都必須以操作記錄紙的形式進行認真登記，將物料收發數據進行記錄，便于統計人員每天參照操作記錄進行原料購進、產品銷售數據的檢查收集。

三、數據的匯總、處理

須將收集到的有效數據進行完整的歸納，精心的統計、準確的計算以統計報表的形式進行匯總處理，以規范的日報、月報、年報等多種樣式呈現。及時將報表上報給相關職能部門及有關領導，全面的將企業的生產運營情況數據化的呈現。統計報表的書寫必須以規范的模式進行填寫，要求必須一目了然，可以以將經過處理的數據以數據和圖表等形式多樣呈現。報表的計算必須準確，報表的形式必須規范，嚴格以對應的統計指標按標準執行。做好報表的同時還需記錄好統計臺賬，統計臺賬登記需及時，臺賬的設置還要兼具安全。定期安排相關部門對統計報表、統計臺賬進行審核，進行統計檢查，以保障報表所出數據的可靠性。報表的處理形式必須以制定的規格呈現，及時準確的以規定的格式上報。而數據統計的過程必須嚴格按照相關統計規章制度執行，保證所出數據的權威性。

四、數據的分析、應用

數據作為一個企業效益的靈魂，從原料的購進，到裝置物料的進出，再到產品的銷售，要做到每一步數據的統計都非常的精確，就必須對每一個數據進行有效的審核，將審核后的數據進行匯總處理，對所得數據匯同相關部門進行對應的數據分析，可以多種形式作出分析報告，將所得結果作為有效的企業運行最優化的重要依據。原料作為企業生存的根本，必須及時進行相關數量的統計。對原料數量的統計必須以不損害企業的利益為準則，對每一車、每一船的數據都必須進行及時的跟蹤，確保第一時間計算器損耗，統計分析出相關因數，作為相關部門實行企業效益最大化的有效參考。統計數據的準確性還為裝置收率的最大化作充分的參考。根據全面的、精確的對裝置所用物料的加工量、產量的統計，計算出物料的收率，根據收率的高低，在集合相關數據生產部門從中可以得出裝置的運行情況，分析出原因，為物料利用的最優化提供了必要的條件。另外，還可以根據對所有物料銷售數據的統計，針對每一個產品進行銷售數據的跟蹤，制作銷售圖表，進行分析運用，為銷售部門作產品的市場行情的分析起著很好的參考作用，并同時為領導部門根據市場行情進行全面的產品結構調整打好基礎。

五、現代化企業統計數據的電子化、數字化

而作為現代化的企業，數據的統計也從原始的手工填寫，到現代化的電子文檔的建立，通過現代化的手段，以最快捷、最規范的方式及時將企業的運行情況呈現到相關人員面前，并有效的避免了手工操作填寫計算容易發生的計算不當、書寫模糊、傳遞誤差等許多不可忽略的因數，將企業良好的運行做了最及時的呈現。通過科技的手段，現代化的統計數據的處理方式還解決了許多人工書寫所不能達到的標準，數據的圖表化，遠程傳輸的及時性等諸多便利因素更是將統計數據的信息得以及時、有效、全面的應用。

篇7

[關鍵詞]企業管理 統計數據 質量 影響因素

一、前言

現代企業管理越來越離不開企業統計的數據。盡管在計劃經濟體制下,企業生產經營和管理方式過于簡單,其目的也遠沒現在復雜,只要控制好生產,保質保量完成就行了。但在市場經濟條件下,企業作為獨立的法人,獨立生產,自負盈虧,漸成了產供銷一條龍的局面,管理過程也沒有以前那么容易,管理方法和手段也層出不窮,管理難度也大大增加。但是,不管采取何種高明的管理方法,其實施都有一個前提,就要對企業生產經營狀況及企業內外SWOT進行具體的準確的分析,而這些都離不開統計工作的支持。可以這么說統計數據質量好壞直接導致公司管理運作的好壞,但當前有些地方和企業為了自身短期效益的提高,采取虛報、拒報、遲報這些手段,造成大量統計數據嚴重失真。那么影響企業統計數據的原因在哪?

二、影響企業統計數據的因素

1.企業管理者角度。作為一個企業領導,本身法制觀念淡漠,對統計數據質量重要性意識不高。認為只要統計數據公布朝公司有利的發展角度出來就行,通過虛報統計數據,吸引更多的投資者和客戶。基于這個原因,企業管理層要求財務人員兼任統計工作,并結果有領導層統一指示,數據則有財務人員編報。這種統計數據填報的隨意性較大,給消費者、投資人及國家稅收的危害性也很大。

2.統計人員角度。之前說了很多企業的統計人員大多由企業的財務人員擔任,這往往造成統計人員變動隨意較大。由于不是專職統計人員,統計工作也自然不會一心一意,而是多心多意,工作重心不會全放在統計數據真實性上,有可能隨填一個數字,草草了事,只要交差就行了。

3.原始數據本身角度。由于統計數據有關的原始數據本身就存在很大的人為因素,所以統計數據盡管計算統計過程都是公平的,但原始數據造假現象導致的數據質量水平下降,也是有可能的。如一些記錄的不完整、不準確,有時記錄數據還出現低級錯誤,還有些填報的對象不說實話,不報實數,報表經不起仔細推敲,出入很大等等,這些都有可能造成統計數據質量被破壞。

4.統計報表制度角度。我國已經步入多元經濟時代,盡管主體仍是市場經濟,但很多經濟形式呈現多變化趨勢。這種多元形式帶來經濟利益的多元化格式,可是我國的統計報表制度未能與時俱進,仍采取新瓶裝舊酒模式,這顯然已經不適合當前經濟發展的需要。

5.統計標準化角度。建國以來,國家及主管部門對企業的考核評價標準總是隨著宏觀經濟指導思想的調整不斷變更,要求上報考核的統計指標由7項增至8項,直至16項,以后又更改8項;一些地區也根據各地的實際需求,相應增加或減少了一些具體上報指標,這必然導致標準不一、互相矛盾現象的發生以及統計標準不齊、不全、不配套現象的普遍存在。

6.統計部門角度。當前,我國的統計部門大多屬于政府性質,而且受到傳統計劃經濟體制的影響很嚴重,統計的習慣大多采用企業逐級向上報送統計資料的單向循環,對于統計數據的結果也并未形成具體有效的核查措施,這樣割裂了市場經濟條件下,企業作為第一統計信息源,而且企業可以隨意填寫資料上報,只要合乎情理,基本不會向下循環真實與否。而且整個企業逐級上報手續過程繁雜,已至匯總結果在最后一級已經是“面目全非”,致使統計的數據質量難以保證。

三、提高統計數據質量的建議

1.企業管理者建議。對于企業管理者觀念意識淡漠,筆者認為這并不是一朝一夕的事情,商人唯例事圖這是自古傳統。所以要改變這種觀念,需要進一步加大宣傳的力度,讓其認識到《統計法》的重要性,增加《統計法》對于規范企業統計工作的力度,這也是督促企業管理層轉變觀念的一大法寶。基于此,統計部門要借助主流媒體刊物宣傳《統計法》,以提高各級領導的法制觀念意識,認識到如果虛報、瞞報、不實報都會給國家和企業帶來嚴重的影響。

2.統計人員角度建議。從統計人員角度,筆者認為要加強對統計人員職業素質的培養,通過統計人員職責規范的培養力度,讓其提高自己的職業能力。同時,企業應該擬設統一統計崗位,讓財務和統計脫離,不可由財務人員兼做。這樣可以方便統計人員一心一意從事統計數據,不受干擾。

3.原始數據本身角度。原始數據是數據統計質量的關鍵一環,如何確保原始數據真實性,就需要采取考核機制,從源頭上進行把關。對統計上來的原始數據,派人去源頭抽檢,如發現有一處地方不實,將采取嚴厲懲罰措施,并復雜,以保證統計的原始信息數據采集中的真實性和準確性。

4.統計報表制度建議。進行統計報表制度改革,是解決統計報表制度不能滿足市場需求的唯一方法。改革,主要改革其統計調查的方法體系。而且要對其方法體系進行大刀闊斧的改革。從調查的經濟結構、經營方式和經濟機制的不同,按照對象、內容和條件、環境不同,分別采取不同的調查方法制表。

5.統計標準化角度建議。對于統計標準化建議,筆者認為,首先要搞好統計調查表的設計。企業綜合統計部門應根據上級部門和本企業生產經營管理的需要,會同會計等部門統一設計企業內部一套表,在設計中應體現新的國民經濟核算體系,各指標之間應相互聯系,相互配套,統計指標的涵義、范圍、計算口徑應一致。其次,實現原始記錄、統計臺賬的標準化。我們知道,原始記錄是業務核算、會計核算、統計核算的共同基礎,只有這樣才能使三種核算結果相互銜接,口徑一致,而要保證核算數字的準確性,要求核算的數字來源,都有真實的原始記錄為依據。從原始記錄開始一直到整理表、場內報表及三種核算,數字來源通過逐級加工,都是有據可查的。只有這樣核算,數字的準確性才有確切的保證。

6.統計部門角度建議。精簡機構,雙向循環機制,這是改革統計部門層級制度的唯一辦法。所謂精簡,就是少環節,多內容。而且采取單位和政府雙方循環機制。一個巴掌永遠拍不響,要雙方互動,加強數據交流溝通,才能保證數據統計的實效性。

四、結語

綜上所述,明確了企業統計數據質量關鍵影響因素后,企業就可以有的放矢地做一些改進舉措來達到提高統計數據質量的目的。

篇8

一、影響統計數據質量的主要因素。

（一）統計基層基礎力量薄弱。一是基層統計部門普遍存在人員緊張的問題，在專項調查和業務報表逐年增加的情況下，統計人員大多身兼數職，并且有些鄉鎮和基層調查單統計人員更換頻繁，新的統計人員不能馬上適應統計工作的需要，造成了工作不銜接，形成斷檔現象。其次，基層統計人員缺乏必要的業務知識，業務素質較低，對統計指標理解不透，差錯時有發生。最后，基層統計部門經費較為困難，不能跟上統計基礎規范化建設的需要。有些鄉鎮辦事處的經費連統計人員的工資都不能按時發放，那么投入到統計人員培訓、基礎工作建設等方面的資金也就更加無法保障。這些因素都導致了基層基礎工作薄弱，也直接影響了統計數據質量的提高。

（二）統計方法制度需要不斷完善。目前，統計系統在全國范圍內實施了企業一套表報表制度，客觀上統計報表和指標設置與以前相比減少了許多，但是為了滿足各級政府的需要，存在層層加碼，增設表種和指標的現象現，基層統計人員的工作量并沒有實質性的減輕。現行的統計方法制度中部分專業統計指標設計不合理，指標的內容和統計范圍存在缺口，覆蓋不全。如現行勞動工資統計制度的范圍是轄區內的國企、行政事業單位，不包括私營單位和個體工商戶。現在的報表雖然增加了私營單位調查，但調查結果不參與匯總。這就造成了勞動工資統計的漏統。

（三）考核評價制度需不斷完善。考核評價制度經過近幾年的不斷發展，逐步增加了社會和民生改善指標、生態環境和可持續發展等多項指標。但在指標體系中經濟規模、質量效益所占權重依然較大，而這些經濟類指標大多都是以統計局監測上報的數據為依據進行考核。考核是對一個地方經濟社會發展的評價，同時也是對領導政績的體現。考核如同一個指揮棒，吸引著各級領導的關注，部分地方的領導為了一個好的考核結果，對統計數據會異常關注。

（四）統計執法力度不夠，統計工作的環境氛圍還沒有得到根本改善。受各種因素的影響，當前統計執法力度不夠，不少拒報、虛報、瞞報、篡改統計資料等違法行為無法得到查處，使違法者逍遙法外。造成統計執法力度不夠的原因，與統計部門自身執法意識不強、執法力量不足、辦案條件簡陋有直接關系。統計部門雖然是《統計法》的執法主體部門，但與工商、稅務等部門相比，在執法力量、執法條件等方面根本無法相提并論。為了提高統計數據質量，統計部門的執法力量、執法條件亟待改善。

二、提高基層統計數據質量的建議

（一）加強統計基礎建設，夯實統計工作基礎

各級政府要按照《統計法》規定，根據統計任務的需要，配備必要的統計人員，組織、協調好各項統計工作；企、事業單位要根據統計工作和經營管理的需要設立統計機構，或在有關機構中設置統計人員，做好本單位的統計工作。通過切實有效的措施，依法強化統計職能，落實統計調查任務。同時要加快統計業務規范化建設向聯網直報企業延伸。進一步完善一套表模式下聯網直報企業統計業務規范化體系，指導企業建立原始記錄和統計臺帳，建立健全數據采集、審核、查詢、匯總、上報和資料管理等各項統計工作制度，規范統計業務流程，準確及時填報統計數據。最后要加強統計人員的職業道德教育。要求統計人員在工作中必須堅持原則，工作中“不惟上、不惟財、只惟實”，自覺抵制弄虛作假行為。要不斷強化誠信守法意識，嚴格秉承職業操守，逐步增強從事統計工作的責任感和使命感。

（二）適應社會發展，不斷完善統計調查方法制度。統計調查方法制度是統計工作開展的前提。報表制度設計時一定要去繁就減，設計那些易收集，邏輯關系清晰的指標。同時在設計時要適應當前經濟社會的發展，根據社會上出現的新的經濟現象，要不斷完善統計調查方法制度。

（三）進一步改進考核評價體系，提高統計數據的抗干擾能力

改革和完善考核評價制度，必須設置科學、合理的考核指標體系。應該把有質量、有效益、可持續的經濟發展和民生改善、社會進步、文化繁榮、生態文明、黨的建設等作為考核評價的重要內容，提高資源消耗、環境保護、安全生產等約束性指標的權重，重視科技創新、教育文化、勞動就業、居民收入、社會保障、人民健康狀況的指標考核。在建立科學的考核評價體系的同時，要逐步淡化考核工作，以引導各級領導樹立正確的政績觀，從而提高統計數據抗干擾能力。

（四）加強法制建設，優化統計環境

依法統計是新形勢下搞好統計工作，保障統計事業健康發展的必然要求，是提高統計數據質量的重要手段。加強統計執法是根治統計失真的最有效武器，它既可有效保護統計社會關系的長期穩定，也能確保統計調查對象的合法權益。各級統計部門要樹立依法行政的理念，同時加大執法力度。一要加大統計法的宣傳力度，營造執法、懂法和守法的社會氛圍，增強全民的守法意識，宣傳的重點要從統計人員轉移到社會各層面，特別是各級領導，讓領導帶頭守法。二是要加大統計執法力度，將統計工作納入法制軌道，使統計執法經常化、制度化，綜合使用法律、行政、經濟等手段加大懲處力度，以提高違法成本，彰顯統計法的威懾力。三是實行統計問責制，違法必究，對統計造假者依法嚴懲。

篇9

確實中國統計上的一些長期存在的問題，哪怕是技術性的，而不是外國某些機構所稱的人為的，并沒有得到解決。

國內外機構的質疑主要針對相應數據的相關性與模型結構的分析。有些國際機構甚至自行建立中國增長數據模式。這些模式主要采用發電量、貨運量、甚至某些基礎產品的消費量，如煤、油、鋼材、水泥等數據進行分析得出不同等于國家統計局發表的數據。因為這些數據與經濟增長有密切相關性關系。運用這些模式分析發現中國的國內生產總值與中國工業生產數據不一致，國內生產總值增長與投資，出口，消費不一致。發電量與工業生產不一致。

瑞穗證券亞洲公司首席經濟學家沈建光撰寫的文章引發人們的思考和討論。他指出，二季度7.6%的國內生產總值數據與諸多經濟指標發生背離，且與微觀感受存在差異。例如，從國內生產總值與官方的采購經理指數（PMI）的關系來看，二季度采購經理指數指數平均為51.3%，低于一季度0.2個百分點。但是，官方二季度國內生產總值的環比增速卻為1.8%，不僅上升且高于一季度國內生產總值環比1.6的增速。具體來看，二季度采購經理指數生產指數、新訂單指數、新出口訂單指數均已接近2009年一季度的平均水平，而產成品庫存指數卻遠高于當時，顯示當前經濟下滑趨勢十分明顯，且存在產能過剩的現象。

國家統計局也公布了三大需求對國內生產總值的貢獻水平。數據顯示，二季度消費對國內生產總值貢獻率大幅下降，而投資的貢獻率提升較多，凈出口負貢獻收窄。

除凈出口負貢獻收窄比較合理外，其它兩項的不一致也讓人看不明白。消費方面，二季度社會商品零售總額名義增速確實有所下降，但主要是價格下滑起到了很大的作用。如果剔除價格因素，社會商品零售總額1-2月、3月、4月、5月、6月的實際增速分別為10.8%、11.3%、10.7%、11%、12.1%，呈現上升態勢。在此情況下，為何消費貢獻率大幅下降？

二季度投資對國內生產總值拉動從一季度的2.7%提高到3.9%，證明投資效果已有顯現。但實際上，發改委是自5月底才開始加快項目審批，貨幣政策走向寬松也是以6月降息為標志，考慮到政策都存在時效的滯后性，投資對經濟的拉動作用不應在二季度便顯現出來。另外，央行公布的金融數據顯示6月新增貸款仍以短期票據為主，中長期貸款占比卻在下降，約為30%左右的占比遠低于以往近50%的比例，顯示信貸對于投資需求支持仍然比以往更低。

有些經濟學家也懷疑企業利潤的急速下降也與經濟增長相背馳。例如，占有中國大半壁江山的國有企業利潤從2011年上半年同比增長22.3%，下降到今年上半年的-11.6%的增長率。國外經濟學家質疑上半年7.8%的經濟增長率與主要企業利潤大幅下降不一致。

確實從技術層面上講，我們的經濟統計大有改善的空間。

國家統計局局長馬建堂曾在6月份強調提高統計能力、統計數據質量和政府統計公信力。自今年2月18日開始，各地近70萬家進行數據統計的企業實現了在全國統一的電子網絡平臺上進行基層企業統計數據聯網直報。馬建堂稱，統計調查事業正處在一個新的歷史起點。

篇10

關鍵詞：統計數據 質量控制

1、統計數據質量控制的原則應當是全過程的、全員參加的、以預防為主的數據質量控制

首先，統計數據質量控制要貫穿于統計工作的全過程。每進行一步，都要對已完成的工作進行檢查、對已發生的差錯及時進行糾正，做到層層把關，防止差錯流入下一個工作環節，以保證統計數據的質量。其次，參加統計數據質量管理和控制的人員應當是全面的。全體統計工作者都要樹立數據質量意識，各個主要的工作環節都要落實專人負責。統計數據質量的好壞，是許多工作和許多統計工作環節質量的綜合反映，牽涉到統計工作的所有部門和人員，因此，提高數據質量需要依靠所有統計工作者的共同努力，決不是單純靠某一個部門或少數人所能搞得好、抓得了的。只有人人關心數據質量，大家都對數據質量高度負責，產生優質的統計數據才有堅實的群眾基礎。因而，統計數據質量控制要求把差錯消滅在它的形成過程中，做到防檢結合，以防為主。這就要求有關人員在質量控制中具有超前意識，拋棄那種出現了統計數據問題才想辦法解決問題的被動的局面。

實行全員性的質量控制，就要把統計數據質量目標及其關鍵交給廣大統計工作者，落實到每個工作崗位，使每個崗位都有明確的工作質量標準，做到合理分工、職責明確，職責越明確，數據質量控制就越有保證。

2、統計設計階段的質量控制

統計設計是統計工作的首要環節，統計數據質量的好壞，首先決定于這個過程，它是提高統計數據質量的前提。如果設計過程的工作質量不好，就會給統計數據質量留下許多后遺癥。設計過程的質量控制需要抓好以下幾項工作：

2.1、正確規定統計數據質量標準

數據質量標準是指根據不同的統計目的對統計數據精度所提出的要求。滿足統計目的精度的統計數據就是準確的，高質量的統計數據。首先要作充分的調查，系統地收集市場和用戶對統計數據的反映和實際使用效果的情況；其次要分析研究過去統計數據的主要質量問題，找準統計數據質量控制的主攻方向；最后要進行反復論證，考慮到統計工作中實際能夠達到的水平。

2.2、合理設計統計指標體系及其計算方法

統計指標設計得是否合理，也是影響統計數據質量的因素之一。采用統計報表搜集資料，首先要實行標準化管理，制定的指標要符合統計制度的規定，范圍要全，分組要準，指標涵義的解釋和計算方法要精確；其次要對統計報表的設計、頒發、填制、匯總的全過程實行全面質量管理。

3、資料整理鑒別階段的質量控制

統計資料整理鑒別階段出現的差錯是統計數據質量問題的重要方面。如果資料不準確，就會影響結論的正確。因此，要特別注意審查資料的可靠性和適用性，要弄清楚統計指標的口徑范圍、計算方法和時期時點。對于口徑不一致或不完整的資料，需要進行調整、補充；對于相互比較的資料，必須要注意有無可比性；一旦發現數據有嚴重的質量問題，應進行核實，避免有質量問題的資料進入匯總處理階段。總之，對搜集到的資料，經過鑒別推敲、核實審定、使之準確無誤，才能使統計數據的質量得到保證。

4、人為錯誤的質量控制

4.1、盡可能采用計算機處理統計資料，同時提高統計分析水平

計算機作為當今社會不可缺少的高科技產物已滲透到我們生活、工作中的各個環節。運用計算機整理、匯總統計資料，速度快、效果好，其優越性是手工整理無可比擬的。現在國內大部分著名企業基本上實行網絡化、全球化，利用網絡資源了解世界先進行業信息，采用科學先進的統計分析方法和手段，進行橫向、縱向對比，找差距挖潛力，努力趕超世界先進企業。要能夠寫出有一定深度的統計分析預測報告，系統、全面、科學地去挖掘利用網絡資源和從市場取得的第一手資料，完善整個分析、預測手段方法和過程。但是，也應重視計算機處理數據的質量問題，提高計算機數據處理的關鍵在于提高錄入數據的可靠性。

4.2、統計工作者本身應提高自身素質

統計人員沒有深厚的專業知識和豐富的實際工作經驗，沒有跟上時代及時進行知識更新，不善于統計調查獲取第一手資料，寫不出有一定深度關于本企業某一方面對決策層有參考價值的統計分析報告。因此，對統計人員應該加強培訓工作，企業內部應建立配套的培訓機制，對每一層次統計崗位實施針對性的培訓，必要時到企業外請有關專家學者授課，或到相關先進單位進行考察學習，做到取長補短。統計工作者本身也應該努力學習統計知識，鉆研業務，不斷提高統計業務素質和水平，杜絕因業務不熟悉而造成的數據質量問題。

4.3、加強對統計人員的職業道德培訓

目前，上級部門下達計劃和各類政績考核對統計數據干擾不可低估。有些地方，以是否完成計劃和各類數據的高低作為考核地方政績的依據，導致很多下級部門所報的統計數據高于計劃數或持平，這并不是計劃部門的計劃多么精確合理，而是說明某些統計對象或統計部門受某種利益的驅動而使統計數據的質量得不到保障。當然，數據不真實、不準確的原因是多方面的，其中統計人員的思想道德對統計數據的影響是很大的。這就要求我們加強對統計人員的思想品德和職業道德教育，要求每一個統計工作者必須堅持實事求是的工作作風，認真對待每一個統計數據，如實地反映情況。

4.4、加大統計執法力度，保證源頭數據的準確性