时间：2023-12-20 11:32:54
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇经济学数据分析，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
理性选择理论对行为主体“认知”问题的学术处理，从“经济人”到“理性经济人”并没有显著的变化。古典经济学框架下的理性选择理论以完全信息假设为前提，将行为主体（个人）界定为无本质差异和不涉及个体间行为互动，不受认知约束的单纯追求自身福利的“经济人”（约翰·伊特韦尔等，1996）。新古典经济学的理性选择理论将行为主体界定为“理性经济人”，它同样以完全信息假设为前提，研究了被古典经济学忽略的选择偏好，通过对“偏好的内在一致性”的解析，论证了个体能够得知选择结果的抽象认知(Von Neumann and Morgenstern，1947；Arrow and Debreu，1954)。这里所说的抽象认知，是指行为主体没有经历具体认知过程而直接关联于效用函数的一种认知状态，这种状态在新古典理性选择理论中的存在，表明“认知”是被作为外生变量处理的。
现代经济学的理性选择理论开始尝试将“认知”作为内生变量来研究。现代主流经济学从人的有限计算能力、感知、意志、记忆和自控能力等方面研究了认知形成及其约束（Salvatore， 1999；Schandler，2006；Rubinstein，2007），认为认知是介于偏好与效用之间，从而在理论研究上处于不可逾越的位置，只有对认知进行研究，对偏好和效用的研究才能接近实际。现代非主流经济学注重于运用认知心理学来研究人的认知形成及其约束（Kahneman and Tversky，1973，1974，1979；Smith，1994），它通过实验揭示了一些反映认知心理进而影响选择行为的情景，如确定性效应、锚定效应、从众行为、框架依赖、信息存叠等，以论证传统理论忽视认知分析而出现的理论与实际之间的系统性偏差。
但是，经济学理性选择理论对认知的分析和研究，是在预先设定规则的建构理性框架内进行理论演绎和推理的，它们对认知的解释，通常表现为一种规则遵循。例如，新古典理性选择理论关注个体应怎样符合理性（最大化）的选择，而不是关注个体的实际选择，它对认知的学术处理是从属于效用最大化的（Harsanyi，1977）。现性选择理论所关注的，或是在忽略认知的基础上建立解释和预测实际选择的理性模型来说明实现效用最大化的条件，以阐释个体如何选择才符合理性（Edgeworth，1981）；或是通过行为和心理实验来解说实际选择的条件配置，以揭示实际选择的效用函数（Kahneman and Tversky，1973，1974，1979；Smith，1994），因而对认知的学术处理同样是从属于效用最大化的。基于选择的结果是效用，而认知与偏好都内蕴着效用形成的原因，我们可以认为，经济学在将个人追求效用最大化视为公理的同时，也在相当大的程度上表明理性选择理论对效用函数的描述和论证，不是依据数据分析而是一种通过理论预设、判断和推理得出的因果思维模式。
因果思维模式在信息完全和不完全情况下的效应是不同的。在信息不完全状态下，如果研究者以信息完全预设为分析前提，依据自己掌握的部分信息对问题研究做出因果逻辑判断和推论，则其不一定能得到正确的认知。在信息完全状态下，研究者不需要有预设的分析假设，也不需要依赖逻辑判断和推论，而是可以通过数据高概率地获取正确的认知。经济学的信息完全假设对认知研究的影响是广泛而深刻的。例如，新古典经济学假设选择者拥有完全信息，能够实现效用最大化，它对偏好与认知以及认知与效用之间因果关系的逻辑处理，是通过可称之为属于该理论之亚层级预设的“给定条件约束”实现的（信息完全假设是第一层级预设）。在该理论中，偏好被规定为是一种处于二元化的非此即彼状态，认知在“选择者知晓选择结果（效用）”这一亚层级预设下被跳越。很明显，这种因果思维模式有助于使其建立精美的理性选择理论体系，但由于没有对认知阶段作出分析，它很容易严重偏离实际。
现代主流经济学的理性选择理论偏离现实的程度有所降低，原因在于开始重视认知的研究。半个多世纪以来的经济理论研究文献表明，现代主流经济学的理性选择理论正在做逐步放弃完全信息假设的努力，它对偏好与认知以及认知与效用之间因果关系的逻辑处理，是在质疑和批评新古典经济学偏好稳定学说的基础是进行的，该理论用不稳定偏好取代偏好的内在一致性，解说了认知的不确定性，以及不完全信息和心理活动变动等如何对认知形成约束，以此质疑和批评新古典经济学的期望效用函数理论，并结合认知分析对个体选择的效用期望展开了深入的讨论。相对于新古典经济学的理性选择理论，虽然现代主流经济学的理性选择理论仍然是因果思维模式，但它有关偏好与认知以及认知与效用之因果链的分析衔接，明显逼近了实际。
现代非主流经济学的理性选择理论不仅彻底放弃了完全信息假设，而且彻底放弃了主流经济学中隐性存在的属于新古典理论的某些“给定条件约束”。具体地讲，它对偏好与认知以及认知与效用之间因果关系的论证，不是基于纯理论层次的逻辑分析，而是从实验过程及其结果对这些因果关系做出解说。至于效用最大化，该理论则认为认知与效用最大化的关联，并不像先前理论描述的那样存在直接的因果关系。现代非主流理性选择理论通过实验得出一个试图取代传统效用函数的价值函数（Kahneman and Tversky，1979），该函数体现了一种以实验为分析底蕴的不同于先前理论的因果思维模式，开启了以实验数据作为解析因果关联的理论分析先河。但由于现代非主流理性选择理论毕竟还是一种因果思维模式，因而同先前理论一样，在理论建构上它仍然具有局限性。
从理论与实践的联系看，经济学理性选择理论的因果思维模式之所以具有局限性，乃是因为它用于分析的信息是不完全和不精确，甚至有时不准确，以至于造成认知不正确和决策失误。当研究者以不准确或不精确的信息来探寻因果关系时，极有可能致使认知出现偏差；而当认知出现偏差时，理论研究和实际操作就会出问题。诚然，因果思维模式本身并没有错，但问题在于，单纯从现象形态或单纯从结果所做出的理论判断和推论，不足以让研究者揭示真实的因果关系。人们对因果关系的理解过程伴随着认知的形成过程，在非数据支持的因果思维模式存在局限性的情况下，经济学家依据这种模式所构建的理性选择理论，难以得到符合实际的认知理论。那么，在未来世界是什么影响和决定认知呢？人类认知有没有可能达到准确化呢？我们把目光聚焦于大数据，或许能够找到问题的答案。
二 、运用大数据能获得正确认知吗？
在迄今为止的经济理论研究文献中，经济指标或行为指标所选用的样本数据，不是互联网和人工智能时代所言的大数据。大数据具有极大量、多维度和完备性等特征，极大量和完备性表明大数据有可能提供完全信息，多维度意味着信息可以通过大数据的相关性得到甄别和处理。广而论之，人类的行为活动表现为一个庞大的数据堆积，个别行为所产生的数据只是这个庞大数据的元素形式。如果我们以人们的投资和消费活动作为考察对象，对大数据蕴含的因果关系以及由此得出的认知进行分析，那么，我们可认为投资和消费不仅在结果上会产生大数据，而且在运作过程中也会产生大数据。换言之，投资行为和消费行为在“结果”上显示极大量数据的同时，也在“原因”上留下了极大量数据让人们去追溯。因此，人类要取得因果关系的正确认知，离不开大数据，而在样本数据基础上经由判断和推理得出的针对因果关系的认知，至少是不全面的，它不足以作为人们投资和消费选择的科学依据。
1、运用大数据分析因果关系的条件配置
人类认知的形成离不开因果关系分析，但运用大数据来分析因果关系以求获取正确的认知，必须具备以下条件配置：1、移动设备、物联网、传感器、社交媒体和定位系统等的覆盖面要足够大，以便能搜取到极大量和完备性的数据；2、需要探索对极大量（海量）数据的算法，能够对大数据进行分类、整合、加工和处理；3、需要厘清和区别数据的不同维度及权重，以至于能够运用大数据来甄别因果关系的内在机理。显然，人类从两百年前的工业革命到今天的信息革命，对数据的搜集、整合、加工和处理还不全然具备以上的配置条件，人类运用大数据来分析因果关系，还刚刚处于起步阶段。
联系经济学理论看问题，经济学家分析投资行为和消费行为以及对其因果关系的研究，主要是在抽象理论分析基础上运用历史数据来完成的。其实，对投资行为和消费行为的研究，不能只是从结果反映的数据来考量，即不能只是局限于历史数据分析，还需要从即时发生的数据，乃至于对未来推测的数据展开分析。这可以理解为是运用大数据思维来研究经济问题的真谛。从大数据观点看问题，投资和消费的因果关系应该是历史数据流、现期数据流和未来数据流等三大部分构成的。经济学实证分析注重的是历史数据流，很少涉及现期数据流，从未考虑过未来数据流，因此，现有经济理论文献的实证分析以及建立其上的规范分析，很难全面反映或揭示经济活动的真实因果关系。
2、未来几十年大数据揭示因果关系的可行性
在互联网悄然改变人类经济、政治和文化生活的当今社会，互联网的发展历史可理解为经历了三个阶段：从前期“人与信息对话”的1.0版本，经由中期“信息与信息对话”的2.0版本，近期正走向“信息与数字对话”的3.0版本，互联网版本的不断升级是大数据运用范围不断扩大的结果，这是问题的一方面。另一方面，随着互联网、移动互联网以及物联网技术等的广泛运用，人类各种活动的数据将极大量地被搜集，人们行为的因果关系也会以迂回方式通过数字关系显露出来。特别地，若互联网在将来发展成“数字与数字对话”的4.0版本，这样的发展方向则明显预示着数字关系将取代因果关系，或者说，数据思维将取代因果思维，人类将全面进入大数据和人工智能时代。
如果我们把互联网版本的不断升级以及大数据运用范围的无边界扩大，看成是未来几十年运用大数据来分析因果关系的重要配置条件，那么，如何对大数据的整合、分类、加工和处理，以及如何通过大数据的完备性和相关性来获取因果关系的真实信息，则是另外两个重要的配置条件。工业革命后的人类科学文明对因果关系揭示的主要方法和路径，是先利用掌握的信息再通过抽象思维建立复杂模型，然后在实验室通过试错法来设置能反映因果关系的参数使模型具有操作性；但这种方法和路径涉及的数据，是样本数据而不是大数据。在大数据和人工智能时代，智慧大脑是使用“数据驱动法”来设置模型和参数的（吴军，2016）。具体地讲，是用云计算集约化及其运算模式来整合、分类、加工和处理大数据，通过数据之间的相关性来探寻在样本数据基础上无法判断和推论的信息；同时，对模型的处理，不是建立复杂模型而是建立许多简单模型，并通过数以万计的计算机服务器对模型进行优化和设定相应的参数，以至于完完全全地运用大数据来揭示因果关系。
有必要说明的是，数据驱动法使用的数据不仅包括“行为数据流”，而且在某些特定场景中，还包括“想法数据流”；前者是指历史数据和当前发生的数据，后者是指从已知数据的相关性所推测的未来数据。社会物理学认为，人们实际行为与“想法流”之间有着可以通过大数据分析而得到的可靠数量关系，这种关系会通过互联网成为一种改变人们选择行为的重要因素（阿莱克斯?彭特兰，2015）。诚然，在未来几十年，数据驱动法是否能成功地成为解析因果关系的有效方法，尚有待于大数据运用的实践，特别是有待于它在人工智能运用上之成效的检验。不过，数据驱动法作为解析因果关系的一种重要方法，无疑是智慧大脑的人机结合在大数据思维上的重要突破，它至少在如何展开大数据思维上打开了解析因果关系的窗口。
3、运用大数据分析因果关系所获取的认知，包括对历史数据分析的历史认知，对现期数据分析的现期认知，以及推测未来数据而形成的未来认知
经济学家运用大数据来研究经济现象的因果关系，对经济现象原因和结果关联的解读，只有以极大量、多维度和完备性的数据为依据，才是大数据意义上的思维。大数据思维较之于传统逻辑思维，最显著的特征是它可以通过对不同维度数据之间相关性的分析，得到比传统逻辑思维要精准得多的信息。这里所说的精准信息，是指由大数据规定且不夹带任何主观判断和推测的信息。例如，经济学家要得到特定时期某类（种）产品的投资和消费的认知，其大数据思维过程如下：1、搜集、整理和分类前期该类产品的投资和消费的极大量和完备性的数据；2、加工和处理业已掌握的数据，并在结合利润收益率、投资回收期、收入水平和物价水平等的基础上解析这些不同纬度的数据；3、根据不同纬度数据的相关性，获取该类产品投资和消费的精准信息，从而得出如何应对该产品投资和消费的认知。当然，这只是在梗概层面上对运用大数据分析而获取认知的解说，现实情况要复杂得多。
然则，现有的关于投资和消费的模型分析以及建立其上的实证分析，主要是以非大数据的历史数据作为分析蓝本的，因此严格来讲，经济学对投资和消费的因果关系分析所形成的认知，属于典型的对历史数据分析所形成的历史认知。众所周知，自经济理论注重实证分析以来，一直存在着如何“从事后评估走向事前决策”问题的讨论。由于经济学家对投资和消费展开实证分析所使用的数据，几乎完全局限于（样本）历史数据，这便导致对投资和消费的因果关系分析对现期认知和未来认知的缺位，它不能解决“从事后评估走向事前决策”问题。国内一些著名的成功人士指责经济学家不能解决实际问题。在我们看来，不熟悉大数据的成功人士的这种指责是可以理解的，但深谙大数据的成功人士带有调侃风味的指责就不公允了。经济学家要在理论上立竿见影地解决实际问题，必须能得到现期数据和未来数据（而不仅仅是历史数据），这需要计算机学家的配合和支持，否则便不能在精准信息的基础上分析投资和消费的因果关系，但经济学家又不是计算机学家，因此，经济理论的科学化需要大数据挖掘、搜集、整合、分类、加工、处理、模型和参数设置、云计算等技术及其手段的充分发展。
历史数据是存量，目前计算机对其处理的能力已绰绰有余，难点是在于模型和参数设置；现期数据是无规则而难以把控的流量，对这种流量数据的挖掘、搜集、整合、分类、加工和处理，取决于移动设备、物联网、传感器、社交媒体和定位系统的覆盖面，以及云计算的集约化的运算能力；未来数据是一种展望流量，它依赖于对历史数据和现期数据的把握而通过大数据思维来推测。如果说经济学家对投资和消费的因果分析以及由此产生的认知，主要取决于历史数据和现期数据，那么，解决“从事后评估走向事前决策”问题，既要依赖于历史数据和现期数据，也离不开未来数据。也就是说，在“历史数据 + 现期数据 + 未来数据 = 行为数据流 + 想法数据流”的世界中，经济学家要解决实际问题，其理论思维和分析手段都受制于大数据思维，经济学家运用大数据分析因果关系而得到正确认知的前提条件，是必须利用历史数据、现期数据和未来数据以获取精准信息。
就人类认知形成的解说而论，现有的社会科学理论是以信息的搜集、整理、加工、处理、判断和推论，作为分析路径来解释认知形成的。当认知被解释成通过数据的挖掘、搜集、整合、分类、加工和处理而形成，对认知形成的解释，就取得了大数据思维的形式。大数据思维是排斥判断和推论的，它否定一切非数据信息，认为产生精准信息的唯一渠道是大数据。在现有的社会科学理论中，经济学的理性选择理论对人类认知的分析和研究具有极强代表性，经济学家对投资选择和消费选择的解释，便是理性选择理论的代表性运用。基于人类认知形成和变动的一般框架在很大程度上与理性选择理论有关动机、偏好、选择和效用等的分析结构有很强的关联，我们可以结合这个理论来研究大数据思维下人们对经济、政治、文化和思想意识形态等的认知变动。事实上，经济学关于动机、偏好、选择和效用等关联于认知的分析，存在着一种可以通过对大数据思维的深入研究而得以拓展的分析空间，那就是大数据思维会导致人类认知的变动。
三 、大数据思维之于认知变动的经济学分析
我们研究这个专题之前有必要指出这样一个基本事实：大数据思维可以改变人的认知路径，可以改变不同阶段或不同场景下的认知形成过程，但改变不了影响认知的动机、偏好、认知和效用等的性质规定。如前所述，传统经济学理性选择理论在完全信息假设下，认为个体选择的动机和偏好以追求最大化为轴心，传统理论的这个真知卓见从未被后期理论质疑；但由于传统理论的完全信息假设存在着“知晓选择结果”的逻辑推论，因而认知在传统理论中是黑箱，也就是说，传统理论无所谓认知的形成和变动问题。现代主流经济学尤其是现代非主流经济学在不完全信息假设下开始重视对认知的研究，在他们看来，认知形成过程是从理智思考到信息加工和处理的过程；他们特别注重从心理因素来考察认知变动（Schandler，2006；Rubinstein，2007；），注重通过实验且运用一些数据来分析和研究认知（Kahneman and Tversky，1974，1979；Smith，1994），但这些分析和研究不是对极大量、多维度和完备性的数据分析。因此，经济学理性选择理论发展到今天，还没有进入对大数据思维改变人类认知问题的讨论。
1、经济学家能否对选择动机、偏好和效用期望等进行数据分析，决定其认知分析是否具有大数据思维的基础
经济学关于人类选择动机、偏好和效用期望等反映人们追求最大化的基本性质分析，以及从这三大要素与认知关联出发，从不同层面或角度对认知形成的分析，主要体现在理性选择理论中。但这方面显而易见的缺憾，是不能对动机、偏好、认知和效用等展开数据分析。现实的情况是，在大数据、互联网、人工智能和机器学习等没有问世或没有发展到一定水平以前，经济学家对这些要素只能做抽象的模型分析。经济学理性选择理论要跳出抽象模型分析，必须选择具有解释义或指示义的指标对动机、偏好和效用期望等进行数据分类分析，以便给认知的数据分析提供基础，显然，这会涉及抽象行为模型的具体化和参数设计的具体化，需要得到大数据和云计算集约化运算模式的支持（吴军，2016）。作为对未来大数据发展及其运用的一种展望，如果经济学家能够围绕最大化这一性质规定来寻觅动机、偏好和效用期望等的特征值，并以之来设置参数和模型，则有可能对直接或间接关联于动机、偏好和效用期望的大数据进行分析，从而为认知分析提供基础。
大数据的极大量和完备性有可能消除信息不完全，这给认知的数据分析提供可行性。诚然，选择动机、偏好和效用期望等只是反映人们选择的现期意愿和未来愿景，其极强的抽象性决定这样的数据分析还有很大困难，但由于选择动机、偏好和效用期望等会通过实际行为迂回地反映出来，因而我们可以找到解决这一困难的路径。例如，人们在准备投资和消费以前，一般有各种调研活动，即对影响投资和消费的信息进行搜集、整合、分类、加工和处理，值得注意的是，这些调研活动会在移动设备、物联网、传感器、定位系统和社交媒体中留下大数据的痕迹，这些数据痕迹会从某个层面或某个角度显现出投资者和消费者选择动机、偏好和效用期望的倾向或意愿。
智慧大脑依据什么样的标准来数据化这些倾向或意愿，从而对选择动机、偏好和效用期望以及进一步对认知展开数据分析呢？这里所说的标准，是指通过云计算和机器学习等对人们实际行为的数字和非数字信息进行相关性分类，把反映选择动机、偏好和效用期望的具有共性特征的倾向或意愿进行整理和归纳，以确定符合选择动机、偏好和效用期望之实际的参数。如果智慧大脑能够利用大数据、互联网、人工智能和机器学习等完成以上工作，根据认知是偏好与效用的中介这个现实，智慧大脑便可以对认知进行大数据分析。如果经济学家能够利用智慧大脑提供的大数据分析成果，经济学理性选择理论将会随着信息不完全假设前提变为信息完全假设前提，选择动机、偏好和效用期望的抽象分析变为数据分析，认知的抽象框定或心理分析变为数据分析而发生重大变化。以上的分析性讨论，是我们理解大数据思维改变人类认知之经济学解释的最重要的分析基点。
2、运用大数据思维进行偏好分析会改变认知形成的路径，使经济学理性选择理论接近现实
现有的理性选择理论有关动机和偏好的分析和研究（这里集中于偏好的讨论），主要集中于偏好如何界定和形成以及如何随认知和效用期望调整而发生变动等方面，并且这些分析和研究是采用“个体行为”为基本分析单元的个体主义方法论。在大数据时代，虽然个人、厂商和政府的选择偏好仍然是追求最大化，个体选择行为仍然是整个社会选择的基础，个体主义方法论仍然在一定程度和范围内存在合理性，但互联网平台改变了选择偏好的形成过程和机理。具体地说，现今人们的选择偏好已不是经济学理性选择理论意义上的选择偏好，而更多地表现为是一种以最大化为底蕴的具有趋同化特征的偏好。例如，某种产品投资或消费的介绍会和研讨会，对某种产品投资或消费的点赞和评价，中央政府和地方政府关于某种产品投资或消费的统计数据，专家和新闻媒体对某种产品投资或消费的评说和报道，等等，都会成为人们选择偏好出现一致性的催化剂。因此，经济学理性选择理论跳出抽象模型分析，已经在偏好分析上具备了大数据思维的条件和基础。
智慧大脑与非智慧大脑的区别，在于能对人们消费和投资的偏好展开大数据分析，能通过大数据的搜集、整合、加工和处理，运用云计算得到来自不同维度数据之间相关性的精准信息，以至于能获取建立在大数据分析基础之上的认知。从理论上来讲，偏好会影响认知但不能决定认知。就偏好影响认知而论，它主要是通过利益诉求、情感驱动、身心体验和时尚追求等对认知产生诱导或牵引作用。但在非大数据时代，这些诱导或牵引作用无法数据化，于是经济学家对偏好影响认知的研究便只能以抽象模型来描述。大数据思维对偏好影响认知的处理，是使用以许多简单而相对具体的模型取代高度抽象的单一模型，运用数据驱动法来设置参数和模型，对利益诉求、情感驱动、身心体验和时尚追求等偏好特征进行解读，这样便实现了很多非数据化信息的数据化，从而使以偏好为基础的在理论上对认知变动的研究有了新的分析路径。
阿里巴巴公司正在奋力打造的线上和线下相结合的“新零售”模式，是以大数据分析和运用的阿里云平台为背景和依托的。这个模式试图通过充分搜集、整合、分类、加工和处理已发生的历史消费数据，正在发生的现期消费数据和有可能发生的未来消费数据，捕捉人们消费偏好的动态变化，以期构建符合大数据思维的全新商业业态。撇开新零售模式在运营过程中的诸如数据处理、机器学习和人工智能运用等技术问题，仅以该模式对人们消费行为的系统梳理、分级整合及相关处理来说，它无疑会在引领人们消费行为的同时促动消费趋同化偏好的形成。尤其值得关注和研究的是，随着该模式运营所积累的数据量全然达到大数据的标准，人们的消费认知将会在消费趋同化偏好的导引下发生变化，这种情形不仅会发生在消费领域，投资领域也会出现投资趋同化偏好。很明显，趋同化偏好具有共性特征，它在很大程度上是对个体选择偏好的否定，对于这种偏好所导致的认知应该怎样理解呢？这个问题需要进一步研究。
3、在大数据时代，趋同化偏好会改变认知形成过程，消费者和投资者的认知不再是自己独立思考和理智判断的产物，而是在趋同化偏好驱动下对智慧大脑认知的认同
厂商的投资选择偏好是追求利润最大化，这一永恒的事实不妨碍或排斥投资趋同化偏好的形成。一般来讲，大数据发展初期的互联网平台对选择趋同化偏好形成的作用力，在消费领域要比投资领域来得更加直接和迅速。究其原因，是两大领域的机会成本和风险程度不同的缘故。但随着大数据、云计算和机器学习等的充分发展，智慧大脑有可能对历史、现期和未来的大量投资数据进行搜集、整合、加工和处理，有可能通过云计算集约化模式来分析不同维度数据之间相关性而获得精准信息，同时，智慧大脑会根据市场“行为数据流”折射出“想法数据流”而产生预见能力，寻觅和遴选出高收益的投资方向和投资标的。若此，智慧大脑投资选择的胜算率（利润率）将会大大提高，厂商会效尤智慧大脑进行投资选择，从而出现投资趋同化偏好。经济学曾经对诸如“羊群效应、蝴蝶效应、从众行为、信息重叠”等现象有过许多研究（罗伯特?希勒，2001），但严格来讲，这些研究是描述性的，不是联系偏好和认知等的分析性研究。
消费和投资的趋同化偏好主要是针对消费者和投资者的选择行为方式而言的，它不改变消费和投资选择偏好的追求效用最大化的性质规定，这是问题的一方面。另一方面，在将来大数据充分发展的鼎盛时期，消费和投资的趋同化偏好会改变认知形成过程，这可以从两种意义上来理解：1、从原先通过对信息进行搜集、整合、分类、加工和处理来获取认知，转变为通过对数据的搜集、整合、分类、加工和处理来获取认知；2、消费者和投资者的认知不再是自己独立思考和理智判断的产物，而是在趋同化偏好的驱动下认同智慧大脑的认知。关于第一点，大数据思维的认知之所以会取代独立思考和理智判断的认知，乃是因为它能够运用云计算集约化模式将消费和投资的历史数据、现期数据甚至未来数据进行分类处理和相关性分析，能够运用数以万计的计算机服务器对特定事物的因果关系展开深度机器学习，从而通过分类和归纳不同维度数据而得到精准信息（精准医疗就是基于此原理）。人类对因果关系探索的手段和路径发生变化，认知的形成过程及其机理就会发生变化。
关于第二点，消费者和投资者在未来放弃对信息的搜集、整合、分类、加工和处理，认同和效尤智慧大脑的认知来进行选择，这可理解为是他们进行效用比较（投入与收益）时的“幡然悔悟”。尤瓦尔?赫拉利（2017）有关一切有机和无机实体都可以运用算法来解构的前景预期，（吴军，2016）关于未来制造业、农业、医疗、体育、律师业甚至新闻出版业都将由大数据统治的观点，凯文?凯利（2014）以大数据和人工智能为分析底蕴对新经济十大重要准则的论述，均认为具有大数据思维且不作出主观判断的智慧大脑将是未来世界的操控者，而Master和AlphaGo战胜世界顶级围棋高手的实践，则显露了人工智能完全有可能战胜人脑的端倪。现实中的普通消费者和投资者通常只是依据有限或不准确的信息进行消费和选择，经济学家也只是根据有限或不准确的信息进行因果关系分析而得出认知，因此，相对于智慧大脑的选择效用，消费者和投资者是相形见绌，经济学家的理论见解和政策主张往往不吻合实际。
智慧大脑是运用大数据思维而超越一般智人大脑的大脑。不过，从性质上来讲，极少数拥有智慧大脑的人通过对数据的搜集、整合、分类、加工和处理所得到的认知，仍然属于人的认知。需要强调指出的是，这种认知不同于经济学理论及其他社会科学理论所阐述和论证的认知，它是在大数据思维驱动下的人类认知。对于这种新型认知的理解，如果我们结合经济学理性选择理论对其展开解说，则有着基础理论的分析价值。
4、在未来，智慧大脑的认知将引领非智慧大脑的认知，其结果是导致认知趋同化
熟悉经济学理性选择理论的学者知道，无论经济学家是从信息的搜集、整合、分类、加工和处理获取认知，还是通过心理分析或行为实验获取认知，他们都是在不完全信息或有限理性约束下进行的，这不仅存在着以不精准信息推论认知的问题，而且存在认知形成过程的主观判断问题。智慧大脑运用大数据思维所形成的认知的最大特点，是在接近完全信息基础上获取认知的，并且不夹带任何主观判断。现代未来学家曾分别从不同角度和层面对大数据、互联网和人工智能展开了许多讨论，他们的共同见解是认为大数据的极大量、多维度和完备性将有可能解决信息不完全问题（包含信息不对称），并且能够给人类选择提供精准信息。倘若如此，人类的认知问题便完全成为智慧大脑对数据的搜集、整合、分类、加工和处理问题，一旦人类可以通过大数据思维获取精准信息和完全信息，经济学理性选择理论将会在根基上被颠覆。
智慧大脑只有极少数人才具备，绝大部分人（包括智人）都是非智慧大脑。在未来世界，智慧大脑将引领非智慧大脑进行选择。这一引领过程是由前后相继的两个阶段构成：一是智慧大脑运用大数据对偏好进行分析，通过互联网将偏好传送给具有从众心理和从众行为倾向的非智慧大脑，形成非智慧大脑的趋同化偏好；另一是智慧大脑运用大数据分析获取认知，同样是通过互联网让非智慧大脑效尤智慧大脑的认知，形成趋同化认知，从而使非智慧大脑以智慧大脑的认知为认知来选择。这些情形表明，未来人类智慧大脑将决定非智慧大脑的偏好和认知，进一步说，则是智慧大脑将影响非智慧大脑的选择行为。这里有一个极其重要问题须讨论：对绝大部分非智慧大脑而言，他们在选择过程中是否还存在认知？事实上，无论是趋同化偏好还是趋同化认知，非智慧大脑的偏好和认知并没有彻底消失，只是形成的路径和内容发生了变化。关于这个问题的讨论，联系经济学的认知理论进行比较分析，或许会有更深的理解。
如前所述，传统经济学以完全信息为假设前提，将认知作为理性选择模型的外生变量，“认知”是被理论分析跳越的。现代经济学以不完全信息为假设前提，在理性选择模型中，努力通过心理和实验分析把认知作为内生变量，易言之，“认知”被解释为个体对信息进行搜集、整合、分类、加工和处理的结果，显然，以上分析在分析对象、分析方法和分析路径上，是与大数据思维不同的。现代经济学理性选择理论所分析的个体，是通过逻辑推论所抽象出来的芸芸众生；虽然智慧大脑也可以看成是个体，但人数极少，是具有大数据思维之共同特征的个体。现代经济学理性选择理论是借助于偏好分析来研究认知的，虽然认知已在一定程度上被视为内生变量，但分析方法和路径仍然是逻辑判断或推论为主；大数据思维对认知分析将会采用的方法和路径，是搜集、整合、分类、加工和处理数据，试图从极大量、多维度和完备性的数据中获取精准信息以得出认知。因此，尽管认知出现了趋同化，人类在大数据思维下仍然存在认知，只不过是非智慧大脑放弃自己的认知而统一于智慧大脑的认知罢了。
总之，偏好和认知的趋同化显示了大数据思维的魅力，这种魅力根植于大数据能够经由智慧大脑而产生精准信息。其实，智慧大脑如何设置参数和模型，如何运用云计算集约化模式，如何利用互联网以及寻觅广泛使用人工智能的方法和途径等，主要是计算机运用层面上的技术问题。我们研究大数据思维下人类认知变动需要重点关注的，是非智慧大脑究竟还有没有认知，其效用期望会呈现什么样的格局？既然非智慧大脑只是没有独立认知而不是完全跳越了认知，那么非智慧大脑便存在着效用期望，关于这种效用期望，我们可以联系效用函数来解说。
四 、认知结构一元化与效用期望变动的新解说
经济理论对选择行为与效用期望之间动态关联所建立的基本分析框架，展现出一幅“偏好认知选择效用期望”的图景。各大经济学流派的理性选择理论对这幅图景中的 “”有不同的解说和取舍（前文有所涉及），概括来说，或侧重于分析这些箭头前后要素之间的相互关联，或侧重于分析这些箭头前后要素之间的影响和决定作用。但就人们选择动机和目的与效用之间的关联而论，几乎所有理论都不怀疑“追求自身利益最大化”的公理性，于是，“最大化”在成为效用函数核心变量的同时，也在一定程度上被作为理性选择的判断标准。以上图景的逻辑分析链是建立在信息不完全分析假设上的，各大经济学流派的理性选择理论对这条逻辑分析链各环节的不同解说所产生的理论分歧，可归结为是在信息不完全假设分析框架内的分歧。值得学术界关注的是，当大数据在未来有可能提供完全信息时，这些分歧将会让位于新的理论探讨。
经济学家对效用函数的研究是与认知分析紧密相联的。但无论是传统经济理论还是现代经济理论，他们对效用函数以及最大化问题的研究存在着共性，即这些研究都是建立在抽象的认知结构一元化基础上的。具体地说，传统经济理论在完全信息假设上认为，选择者可以得到“获悉选择结果的认知”，从而主张用“最大化”来描述选择者的效用函数。现代主流和非主流经济理论在不完全信息假设上认为，选择者受有限理性约束不可能得到“获悉选择结果的认知”，从而主张不可用“最大化”来描述选择者的效用函数。这里所说的抽象认知结构一元化，是指不是以具体的认知主体作为分析对象，而是把整个人类描述为一个同一的抽象主体，让“最大化”问题成为效用函数的核心问题。在大数据思维的未来世界，随着信息有可能出现完全化，“最大化”问题将会成为不是问题的问题。
诚然，智慧大脑对大数据进行搜集、整合、分类、加工和处理，并通过云计算、机器学习乃至于根据人工智能实践来选择参数和设置模型，仍然没有越出追求自身利益最大化这一效用函数的性质规定，但由于智慧大脑的认知形成过程是建立在具有极大量、多维度和完备性的大数据基础之上的，大数据能够提供完全信息的特点有可能会让智慧大脑取得效用最大化。人类绝大部分选择者是非智慧大脑者，从科学意义上来讲，大数据对他们可谓是长期的黑箱，而他们依据自己认知所做出的选择又不可能实现效用最大化，于是，非智慧大脑者将以智慧大脑者的认知作为自己认知而做出选择，这便形成了大数据时代实际意义上的一元化认知结构。如果说我们划分智慧大脑和非智慧大脑是对人类选择主体的一种新界定；那么，我们揭示这两大选择主体实际意义上的一元化认知结构，则是对大数据时代人类认知问题的一种新解说。
大数据背景下人类实际意义上的认知结构一元化，将是未来发展的一种趋势，相对于经济理论抽象意义上的认知结构一元化，它容易把握和理解。但它在将来能否成为一种固定化趋势，取决于智慧大脑在经济、政治、文化和思想意识形态等领域进行选择时获得的效用函数值。对于该效用函数值的预期，大数据思维下的智慧大脑是具备这种能力的。从经济理论分析看，对效用函数值的讨论，将涉及内蕴且展示效用函数的效用期望问题的讨论。传统经济学的期望效用函数理论，是一种运用数学模型论证选择者能够实现最大化的理性选择理论（(Von Neumann and Morgenstern，1947；Arrow and Debreu，1954），现代非主流经济学是在分析风险厌恶和风险偏好的基础上，用一条S型的价值（函数）曲线取代传统的效用函数，并通过相对财富变动对选择者感受的分析，解析了选择者的效用期望会不断发生调整的情形（Kahneman and Tversky，1979）。那么，大数据时代选择者的效用期望会发生怎样变动呢？
人类社会发展的历史表明，人的主观期望与实际选择结果之间会发生经常性偏离。选择者的效用期望能否实现最大化，一是取决于选择者能否得到完全信息，另一是取决于选择者认知过程的科学化。事实上，现代经济学对传统经济学以最大化为核心的效用函数的质疑和批评，主要是围绕信息不完全和忽略认知过程展开的。大数据时代存在着提供完全信息的可能性，而智慧大脑利用互联网和运用云计算、机器学习和人工智能等手段，正在实现着认知过程的科学化，这便提出了经济学必须回答的两大问题：1、大数据思维下的人类选择是否可以实现最大化，2、大数据思维下选择者的效用期望会不会发生调整。这是现代经济学没有提及的两大问题，但当我们分别从智慧大脑和非智慧大脑来讨论这两大问题时，结论或许会让笃信经济学经典理论的学者大跌眼镜。
在未来世界，随着互联网平台的日新月异以及移动设备、物联网、传感器、社交媒体和定位系统等搜集大数据手段的覆盖面的日益扩大，大数据的极大量、多维度和完备性给人类选择提供了完全信息的基础。智慧大脑在云计算、机器学习和人工智能等的支持下，以数据分析为基础的认知过程也越来越科学化，于是，智慧大脑便可以知晓选择过程的结果，有可能实现最大化，这说明智慧大脑不存在效用期望的调整问题。另一方面，非智慧大脑以智慧大脑的认知为自己的认知，其效用期望完全依附于智慧大脑的效用期望。具体地说，非智慧大脑不对数据进行搜集、整合、分类、加工和处理，跳越了认知过程，同样不存在效用期望的调整问题。非智慧大脑效用期望完全依附于智慧大脑效用期望的情形，或者说，非智慧大脑以智慧大脑效用期望为自己效用期望的情形，统一于智慧大脑与非智慧大脑的认知结构一元化。如果要追溯非智慧大脑效用期望的变动，那就是从原先属于自己的效用期望转变成了智慧大脑的效用期望。
智慧大脑有可能实现最大化，以及不存在效用期望调整是一回事，但智慧大脑能否在所建模型中给定效用期望值却是另一回事。效用期望作为一种主观预期或判断，它不会在互联网上留下可供大数据分析的历史数据流、现期数据流和未来数据流，也就是说，不会在互联网上留下可供大数据分析的行为数据流和想法数据流，这在决定智慧大脑难以跟踪、模拟和推论效用期望值的同时，也给非智慧大脑放弃认知而效尤智慧大脑提供了某种聊以。推崇人工智能可以替代人脑的学者，好用Master和AlphaGo战胜世界顶级围棋高手的事实作为这种替代的立论依据，但无论我们怎样在大数据分析、机器学习和人工智能运用等方面进行深度挖掘，也找不到智慧大脑能在所建模型中给定效用期望值的科学依据。智慧大脑不能确定效用期望值，也就规定了非智慧大脑不能确定效用期望值。这又提出了一个在理论上有必要回答的问题：非智慧大脑还有没有效用期望？
在经济社会，智慧大脑和非智慧大脑的投资和消费选择的效用期望都是追求最大化，这一点是永恒的。但问题在于，非智慧大脑以智慧大脑的认知为自己认知，以智慧大脑的选择作为自己选择的情形，会使自己的效用期望完全停留在期望智慧大脑选择结果的形式上，这可以解释为大数据时代非智慧大脑的效用期望的一种变动。但对于这样的效用期望的理解，与其说它是一种效用期望，倒不如说它是一种效用期待。社会经济的精英是人数极少的智慧大脑群体，但推动投资和消费的是占人口绝大多数的非智慧大脑群体。因此，非智慧大脑群体的偏好、认知、选择和效用期望，应该是理性选择理论研究的重点。关于这一研究重点的逻辑和现实的分析线索，是大数据思维趋同化偏好趋同化认知认知结构一元化最大化效用期望。不过，这条分析线索包含着许多本文或有所涉及或尚未涉及的交叉性内容，它需要我们在继续研究大数据思维改变人类认知这一理论专题时，做出进一步深入的探讨。
【关键词】实验 投资学 数据
证券投资学作为金融专业的核心课程在这几年教学过程中已经发生了不小的变化。在教学内容上，已经从基础的证券分析过渡到定价理论为核心的现资理论；在教学方法上，已经从单一的课堂讲授过渡到理论与实验相结合的教学体系；在培养目标上，已经从应用型人才逐渐过渡到研究型的人才培养。《投资学》这样的名称也逐渐替代原来的《证券投资学》，这其实都是教学重心有所转移的必然结果。虽然投资学理论教学内容发生了一些变化，但是实验教学内容变化却并不大，证券市场的基础知识、交易方法、分析方法依然是现在实验建设的主流，随着投资学实验建设的进一步深入，完善现有实验教学体系，建设适合现资理论的实验体系尤为必要。
一、投资学数据分析实验的内容
所谓投资学数据分析实验，就是指以现资理论的应用与实证研究作为主要内容的实验体系，主要包括资产定价、利率期限结构、投资组合分析、有效市场研究、业绩评估等几个方面，根据这些现资理论的主要内容，开展适合学生的数据分析、模型应用、实证研究，最终形成较为完善的实验体系。具体来说，围绕固定收益证券可以进行债券定价、债券组合分析、免疫策略的应用、久期和凸性的实验，围绕股票可以做资本资产定价模型、单因素与多因素模型、套利定价模型应用，围绕衍生品可以做期权定价的应用，围绕投资理论可以做资产组合、最优组合建立、组合业绩评估，围绕市场均衡可以做市场有效性的验证等。
这些实验有些共同的特征，使它们与传统的证券投资学实验区别开。这些特征包括：
（一）数据化
现资理论的发展是建立在对资本市场大量数据进行统计分析的基础之上的，这些模型的推导、验证都涉及数据的分析与处理。投资学实验需要学生自己去收集市场的各种数据，对这些数据进行处理，然后利用学过的方法对现资理论进行应用与验证。
（二）模型化
现资理论的成果经常以模型的方式呈现，通过这些模型来反映复杂世界中的规律，从定价模型到资产组合到业绩评估无不以各种模型、指标为工具。所以投资学实验也多围绕着这些模型，让学生验证这些模型、分析这些模型、应用这些模型。
（三）综合化
现资理论的发展也是多种学科综合的结果，并且这种趋势日益明显。这些实验也是如此，要想顺利完成这些实验实际上不仅仅需要金融学知识，还需要经济学、概率统计、计量经济学等多门课程的基础知识。综合化还意味着这些表面看起来松散的模型其实是一以贯之，都是围绕着投资分析这一终极目标，利用这一特点，我们可以通过综合实验的方法培养学生的综合分析能力，来对学生进行系统性的考核。
二、投资学数据分析实验体系建设的重要意义
（一）有利于加深学生对现资理论的理解
现资理论有较多的理论推导和实证分析，如果只是单纯介绍还不足以使学生更加深刻的理解这些教学内容，通过实验的方法，让学生自己去收集资本市场的数据，自己利用学过的统计与计量方法去验证前人的研究、去应用前人的研究，在实验中发现问题、理解问题、解决问题，自然会对理解教学内容大有裨益。
（二）有利于培养学生的综合分析能力、提高学生的研究素养
在这些数据分析实验中，不仅需要他们理解投资学教学内容，还需要学生运用他们学过的经济学、概率统计、计量经济学等课程的知识。此外，投资学实验中还有综合性的实验，学生需要摆脱对单个模型、理论的束缚，根据实际情况综合运用所学知识来完成实验，这都是对学生综合分析能力的考验，对培养学生的研究素养有很大好处。
（三）是对现有证券投资学实验的有益补充
传统的证券投资学实验大多把实验重点放在交易环节，强调技术分析方法和财务分析的重要性，随着各高校实验建设的不断深入，这些实验已经日益规范和完善。投资学数据分析实验把实验重点放在了对理论的验证与应用上，很好地弥补了传统实验“重交易、轻分析”的缺点，两者各有优劣，相得益彰，是对现有实验体系的很好补充。
（四）是研究性教学的有益探索
研究性教学是我国教学改革中的重要方向之一，对培养创新型人才有着积极作用。投资学作为金融学的重点研究领域集中了大量的研究成果，是开展研究性教学的良好平台，实验这种形式作为探索性的研究也适合对学生教学使用，所以，数据分析实验的深入开展，把学生带入学术领域，引导他们进行力所能及的学术研究是研究性教学的有益探索。
三、投资学数据分析实验体系建设中存在的问题
笔者在过去几年的投资学教学过程中，逐渐带领学生开展投资学数据分析实验，在实验的过程中也发现了一些问题。
（一）实验设计需要掌握理论与实践平衡
实验教学是联系理论与实践的纽带，在实验建设中始终面临的一个问题就是要掌握理论与实践的平衡。在现实的投资实践中，现资理论已经被广泛应用，各大投行、研究机构都有一套自己的分析体系与模型工具，这些数据处理工作已经由计算机完全替代，所以如果实验完全跟现实操作一样，你会发现这无助于掌握基本的理论和知识。相反，如果实验设计过多偏向理论，就会大大降低实验的应用性，也不足以引起学生的兴趣。所以投资学实验要精心设计，既要有助于学生掌握理论知识，又要使学生明白现实的投资分析中，这些机构投资者如何来使用这些理论与工具，掌握两者平衡实则不易。
【关键词】统计 方法论 试验设计
对于研究人员来讲，方法论是开展一切研究的基础，也是进行研究的主要工具，能够对于严格设计支持下的统计方法论的掌握，能够帮助研究人员更加深刻的理解学术研究及学术规范。
一般来说，经典的统计方法论也可以叫做严格设计支持下的统计方法论，之所以强调“设计”，是由于一切的环境、变量都具备一定的可控制性。无论是在自然科学领域还是社会科学领域，任何开展实验研究的设计人员在实验设计的过程中都会涉及经典的统计方法论。
对于传统的学术研究来讲，可以分为七大步骤，分别来说是试验设计、数据收集、数据获取、数据准备、数据分析、结果报告以及模型。各部分的介绍及重要性介绍如下：
一、试验设计
对于没有自然科学背景的人来讲，在理解试验设计环节上是具有一定的难度的，当然心理学和教育学研究者是除外的。因为，大部分的社会科学领域学者和学生除了在高中进行过化学课、物理课、生物课做过试验外，进入大学后，就已经将大脑中的试验想法和思维统统扔到了脑后，有的甚至是埋葬了，其实，这样恰恰是不正确的，试验思维对于社会科学领域人员来讲也是至关重要的。对于自然科学背景的学生和老师来讲就容易理解的多，然而受到很多国内学术造假及数据造假的原因，原本热情极高的硕士、博士也不得已加入了数据造假的大军。就自然科学领域的学生和老师而言，数据是论文的主要支持部分，而这一点恰恰是国内的所谓的文管类老师缺少的，而缺少的这一点，就是因为不懂得严格设计支持下的统计方法论造成的。
二、数据收集、获取、准备
在数据收集、获取上，不同专业的人采用的方法也是不同的，对于所谓的数据的理解也是不同的。但是对于学术研究来讲，数据的收集也是要经过设计，以社会科学领域来说，大多的数据来源是文献以及通过调查问卷而获得的数据；自然科学可以通过文献法、实验分析法来获得就可以了。
这里要强调的一点是任何数据收集、获取过程，都是在一个严谨的设计过程下产生的，往往很多硕士因为在实验设计过程中考虑不全，造成了数据收集过程不严谨而带来了很多误差，这些如果在早期的试验设计阶段或者预测试阶段就能够调整的话，会减少很多很多的麻烦。
在数据的准备阶段，也就是分析阶段的前一步骤，需要对全体的数据进行审核和清洗工作，也就是说，尽量把误差降到最低，删除异常数据或者可能带来极大误差的数据，对于自然科学领域人员来讲，异常的数据可以通过平行试验来进行处理，而社会科学领域则可以通过问卷审核的方法进行处理，但是对于两种科学领域来讲，经验丰富的研究者凭借研究经验，可以很容易发现异常数据。
值得注意的是，异常数据往往也能给研究带来许多新的思考方向和研究方向，例如一些心理行为异常的结论、偏僻地区的高消费行为、数据统计中的异常节点都能够帮助研究人员发现新的事物，对异常数据的归纳和总结也可以帮助研究人员锻炼对于数据理解的思维能力，因此，对于异常数据的把握也是非常重要的，研究人员要深入分析才能发现其背后的本质。
三、数据分析
对于数据分析来说，成为更多研究人员的羁绊，因为往往对于同一个学术研究，为达到一个相同的目的，可以采用不同的试验设计以及不同的数据分析方法，而不同的分析方法也可以选择自己擅长的数据分析软件来进行。作为一名学术研究人员来讲，要充分掌握自己所属领域中常用数据分析方法。目前对于大部分的社会科学工作者来说，很多人并没有很好的接受过相关的系统培训，多以求助统计专业朋友或相近专业擅长统计的朋友来帮忙，或者课题组增加统计分析人员来达到目的。其实进行数据分析的过程是一种享受的过程，好比剥洋葱，皮要一层一层的剥开。
现在的数据分析方向受到国际趋势的影响，趋向大数据分析流，未来的市场调研领域也将跟随着大数据分析进行发展，值得注意的是，虽然大数据分析在目前的国际社会和国内社会研究中比较流行，但个体的数据行为也不容忽视，即小数据在一定程度上往往比大数据更具有竞争优势，也是研究机构或企业对于被研究者或客户充分细化掌握的重要方法。
四、结果报告与模型
结果的报告大多以学术报告或者学术论文的形式进行提交。在模型上，需要一定的逻辑辨识能力，这里强调的是，任何模型都是限制在假说之下的，这也是为什么大多数的学者的模型在应用出来的时候，往往经济指数或者消费行为、组织行为都并没有按照既定方式出现的原因。“模型就是模型而已”。
国外已有行为经济学专家开展被试群体的行为模型同被试群体受环境影响与模型之间的差异情况，杜克大学行为经济学教授Dan Ariely在一项研究表明，人们在冷静情况下对于性偏好同性兴奋后对于性偏好程度大为不同，也就是说性偏好模型如果是在被试冷静情况下作答将与性兴奋后作答完全不一样，也恰恰说明了在一定的研究范围内，模型就仅仅是模型而已。
总的来说，对于一名学术研究人员来讲，严谨的按照每一步进行学习和体会都会得到很好的训练，更多的学术体会和研究体会也需要不断地开展各种研究，增加理解。
参考文献：
[1]张文彤.IBM SPSS数据分析与挖掘实战案例精粹[M].北京：清华大学出版社， 2013.2
资深财经人士朗咸平著文：
据中国首席经济学家论坛理事、中国银行首席经济学家曹远征的数据，目前亏空18万亿，20年之后可能亏空68万亿。就算今天用国有资产勉强弥补了18万亿的亏空，可是社保只有2%投资回报，必然导致20年后41万亿的亏空，这么大的亏空怎么办？要知道1990年的时候是18个年轻人抚养1个老人，去年呢全国平均是5个年轻人抚养1个老人，上海北京这种大城市是3个年轻人抚养1个老人。那么到了2030年，2个年轻人抚养1个老人，2050年，1个年轻人抚养1个老人，我可以清楚的告诉大家，到这个时候中国经济一定崩溃，因为根本不可能养得起。
对于这个结论，中国首席经济学家论坛的专家给出了同样的观点。他们的估算表明，在今后三十八年内，如果不改革，城镇职工养老金累积 缺口的现值会达到2011年GDP的83%。这还没有包括农村养老金，如果考虑到农村养老金，养老金缺口对财政的压力会更大。目前在养老金体制内，我们大约是三个劳动力赡养一个退休老人，到了2050年，就是一个劳动力赡养一个退休老人。赡养率的大幅上升，加上替代率难以下降，在没有其他改革的条件下，就会导致养老金缺口的大幅上升。如果同时考虑养老金缺口、医疗成本的上升、环境治理成本和地方融资金平台还债的压力，并假设不发生改革，我们估计2050年政府显性债务占GDP比重将明显超过100%。
对于它们的数据分析模型和结论，我几乎完全认同。从详实的数据分析与合理的逻辑推理来看，他们还是蛮有水平的。更值得称赞的是他们提出了相关解决方案，1、逐步提高企业职工的退休年龄。2、逐步将80%的政府持有的上市国企股份划拨到到社保体系。3、建立长期护理保险体制。4、积极发展地方政府债，或市政债市场。5、加快资本项目开放，推动人民币国际化。
如果国内多一些类似的专家和和机构团队，愿意在学术和实际问题上多花时间做出好的报告，对中国的存在经济问题出谋划策，即使这些政策不能被政府采取，这也是中国之福，百姓之福。
推荐大家关注一下中国首席经济学家论坛（）和官方微信（ccefccef），这些著名机构首席经济学家站到市场前沿，依托真实市场数据，认真研究，所以得出的一些数据和结论比起那些所谓主流专家还是很有看头的。
摘 要：本研究基于中国最大的c2c电子商务网站——淘宝网的数据，以全国31个省自治区直辖市（包括中国大陆22个省、5个自治区，4个直辖市）为研究对象，利用arcgis10.0工具并基于空间计量经济学模型，从省域层次对中国c2c电子商务发展的影响因素进行空间回归分析，以及对淘宝网的特产网络店铺进行地理分布的实证研究。研究结果表明，中国的c2c电子商务发展和当地的经济发达程度非常相关。经济发展程度越高、物流业越发达的地区，其c2c淘宝网特产店铺数量越多。
关键词：c2c 电子商务 区位分析 电子商铺 数据分析
一、引言
电子商务，electronic commerce，简称ec，通常是指是在全球各地广泛的商业贸易活动中，在因特网开放的网络环境下，基于浏览器、服务器应用方式，买卖双方不谋面地进行各种商贸活动，实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业运营模式，是以电子为手段、以商务为目的的一种现实很常见的商务行为。
本文以人们熟知的淘宝为例进行研究。淘宝网是一个虚拟网，亚洲最大网络零售商圈，致力于打造全球首选网络零售商圈，由阿里巴巴集团于 2003 年5 月 10 日投资创办。目前，淘宝网业务主要是c2c（customer to customer）。淘宝店铺众多，分布广泛，研究淘宝店铺的结构对中国网络销售具有重要意义，对于中国网络店铺调整具有重要作用。
网络销售可以说是时展的产物，相比于实体店铺，电子商务市场较低的进入障碍、较低的管理成本和更方便的市场信息获取性为所有的市场参与者提供了平等的机会。而且，网络强大的自动搜索功能和分类技术获取信息使电子商务市场信息的种类更多、效率更高、成本更低，具有低廉的交易成本。聚诸多优点于一身的网上淘宝方式无怪乎会成为商家的新宠。那么，电商分布与地理空间的分布有什么样的关系，这需要我们运用实证研究进行分析。
二、研究现状及文献综述
（一）传统实体店铺的区位理论
国内外来自经济学、地理学、社会学等各领域的学者从各自学科的角度对城市商业区位理论作了大量研究，形成了城市经济学、中心地方论、空间相互作用理论、生态学、城市规划学科理论以及消费者决策形成过程等多种理论。方远平等总结了1980年以来中国城市商业区位研究的进展，并对信息化背景下城市商业区位研究新领域进行了概述。一些学者针对地域的具体情况进行了区位理论的研究，如城市的商业中心区位研究、文化产业集群的发展环境和影响因素等。这些理论和实证研究表明，在传统商业和服务业空间布局中，区位和环境是最重要的影响因素。
周长辉曾指出，企业对外直接投资需要具备如下三大条件：第一个条件是企业所拥有的具有独占性的竞争优势，即所谓的所有权优势；第二个条件是内部化，即要在各种市场进入模式中进行选择；第三个条件是区位优势。从国家和地区的层面看，区位优势包含多方面的因素，如市场大小、增长趋势、佣工成本、交通便利、税收制度、政治风险、汇率风险、文化差异、制度差异和政府政策等。毫无疑问，传统店铺的分布与区位有很大联系，那么电商的分布是否与区位也有关系呢？
（二）淘宝特产店铺的区位分布研究
淘宝网作为电子商务网的龙头，以前人们对淘宝网的研究注意集中在电子商务交易过程，或者从客户关系管理（crm）角度分析淘宝网的客户关系管理模式。但是随着网上购物的兴起，淘宝网的交易量和网内商铺的数量正在飞速的增长，应用一般性的分析方法很难分析这种海量的数据，人们开始关注电子商铺的区位研究。本文应用arcgis工具并基于空间计量经济学模型和描述统计，从省域层次对中国c2c电子商务发展的影响因素进行空间回归分析，以及对淘宝网的特产网络店铺进行地理分布的实证研究。
从目前研究文献来看，国内关于电子商铺的研究还是比较少的。路紫、樊莉莉（2005）以乐游户外运动俱乐部旅游网站为例，研究了中小型旅游网站的区位问题，提出自我依托类型的旅游网站因为不可能脱离物质性的流动而最终也要依赖于区位，一个使用者满意的电子供需服务平台应包括服务空间、服务过程和合作者三个基本要素。俞金国等以淘宝网为例，利用变异系数标准差、 电子商铺指数等多项指标分析我国淘宝网上电子商铺的空间分布特征。曾思敏、暖意以淘宝数据为例，基于微观互联网对电子商品的区位取向进行实证研究。路紫、李晓楠、杨丽花、杨东、邓丽丽采用一套基于邻域设施的模糊区位取向方法和模糊多属性决策方法，针对中国北京、上海、深圳、天津4城市淘宝网站6大商品类别网络店铺的空间集聚情况，通过其所属的完全、重叠、过渡和不完全4种区位类型，揭示区位取向的倾向性特征和信息时代区位影响因素的变化，并进一步探讨区位取向明显的数码类别商品的网络店铺的最优区位地选择。还有王贤文、徐申萌先后对淘宝店铺的分布进行了区位四位分布以及空间分布研究。
三、数据来源及分析
（一）数据来源
本文所需的数据主要来自于网络索引的数据资料，主要数据有淘宝特产店铺在各个省自治区（港澳台地区除外）的店铺数量，进入淘宝网站搜索关于特产的店铺，检索时间是2012年10月4日。gdp、消费支出等数据来源于中国国家统计局统计年鉴，与excel建立链接获得所需数据，检索时间是2012年11月1日。
（二）数据获得
依据中国地图的行政区域划分，对31个省自治区直辖市（除港澳台地区）的特产店铺的数据进行收集。
利用淘宝网站，对其产店铺的数据进行收集，发现全国特产店铺最多的省自治区直辖市是浙江省，共有4264家；最少的省自治区直辖市是西藏自治区，拥有店铺165家；各个省自治区直辖市拥有店铺的总数为35871家，平均数位1158家。
（三）数据分析与描述统计
基于对淘宝网收集到的特产店铺个数，对所有特产店铺数运用描述统计的方法进行分析。依据描述统计的结果可知，31个省自治区直辖市总共设立特产电子商铺的数量是35871，平均店家数量大约是1158家。其中拥有特产电子商铺最多的是浙江省，有4264家；拥有特产电子商铺最少的是西藏藏族自治区，有165家特产电子商铺。拥有的特产电子商铺数量是858家，处于平均值之下，中位数之前，说明特产电子商铺还比较少。
四、淘宝特产店铺的空间分析
传统店铺的分布都是依托于地理位置，寻找店铺的一个重要因素就是地理位置，那么淘宝特产店铺——基于微观虚拟网络的电子商铺，它的分布是否会受到空间地理位置的影响呢？
（一）省域层次分布
进入arcgis10.0
中国地图数据库，将31个省自治区特产店铺的数据导入arcgis10.0中国地图数据库与之建立联系并进行相关性分析。
将收集到的特产店铺数量的数据标注到各省份并进行密点分析和比例分析，得到如图1、2，从图中可以看出，8个拥有特产电子商铺最多的省自治区直辖市有6家（浙江省、广东省、江苏、山东、福建省、上海市），也就是75%的在沿海城市。东部沿海地区的点密集度高，比例高，特产店铺数量明显多于西部地区，西部地区店铺数量位于前8的有新疆和四川。
（二）特产店铺的空间回归分析
电子商务的发展是以网络技术为基础的，电子商铺的建立也需要网络的支撑，经济的发展和技术人才的投入，所以本文想应用空间回归分析了解特产电子商铺的发展是否与该地区的经济发展水平、消费支出水平、人口数量以及受教育人口数量有关系，这里所说的关系是线性关系和线性相关性。
1.经济发展对特产店铺发展的影响
将收集到的特产电子商铺的各省自治区直辖市的店铺数量和gdp数据录入excel分析工具中，利用工具中的数据分析功能进行分析，并以店铺数量为因变量，以gdp为自变量，最后输出如下表3、4、5。
由上表可以知道相关系数是0.76，表现为显著，说明gdp与特产店铺显著相关，且表现为正相关，gdp高的省自治区直辖市，它的特产电子商铺的数量也比较多，而且说明gdp可以解释76%的特产店铺的增长。
根据上表可知，自变量的p值（p-value）1.2759e-06小于显著性水平0.05，同样可以说明gdp对特产电子商品的分布影响很显著。
2.人口数量对特产电子商铺分布的影响
在当前市场经济条件下，每一种产品都是以市场为导向的，企业制造的产品必须满足消费者的需求，那么人口的数量是否会影响特产电子商铺的数量呢？
将收集到的特产电子商铺的各省自治区直辖市的店铺数量和人口数量数据录入excel办公软件中，利用工具中的数据分析进行分析，并以各省自治区直辖市淘宝特产店铺数量作为因变量，人口数量作为自变量，利用excel进行回归分析得到表6、表7、表8。
由表6可以知道相关系数是0.59，表现为中度相关，说明人口数量对特产店铺有影响，随着人口数量的增加特产店铺的数量也相应有一定程度的增加。
根据表8可知，自变量的p值（p-value）0.000558小于显著性水平0.05，同样可以说明gdp对特产电子商品的分布影响很显著。
五、结语
本文通过区位分析和数据分析等得到的结论是，中国的c2c电子商务发展迅速，且其发展程度与各地的经济发达程度非常相关。经济发展水平越高的地区，特产淘宝店铺分布越密集。
建立在虚拟网络基础上的特产电子商铺的分布与地理位置有关系，且东部沿海地区的电子商铺分布较密集，东部地区，尤其是以上海和杭州为核心的长江三角洲地区、以及以广州和深圳为核心的珠江三角洲地区，特产电子商铺很多。中部、西部地区呈现逐渐降低的趋势。
三年以上工作经验 |男| 26岁（1989年7月18日）
居住地：山东
电 话：189********（手机）
E-mail：
最近工作[ 2年 ]
公 司：XXX房地产有限公司
行 业：专业服务(咨询、人力资源、财会)
职 位：房地产分析师
最高学历
学 历：本科
专 业：统计学
学 校：山东工商学院
自我评价
有良好计算机知识和应用能力，能熟练的操作Windows 7/XP和使用Word, Excel, Powerpoint等office办公软件, 网络操作熟练。掌握一定的人力资源管理专业知识基础，能够在不同文化和工作人员的背景下出色地工作。本人精力充沛, 有很强的事业心；思维活跃，具开创精神，有组织能力及良好心理素质，有良好计算机知识和应用能力， 资深分析人员，多年行业分析经验，长期从事市场调研分析与项目前期策划工作，熟悉市场规律与产业形势变化。
求职意向
到岗时间： 一周之内
工作性质： 全职
希望行业： 专业服务(咨询、人力资源、财会)
目标地点： 山东
期望月薪： 面议/月
目标职能：房地产分析师
工作经验
2012/9—至今：XXX房地产有限公司[2年]
所属行业：专业服务(咨询、人力资源、财会)
研究部 房地产分析师
1. 主要从事周报、月报、季报以及年报的撰写；
2. 分析全市、各区县以及各环线的房地产销售、供应及价格等的变化动向和原因；
3. 相关政策解读；
4. 热点区县、板块以及楼盘的测评；
6. 百强企业及项目评估报告，品牌企业及项目评估报告；
7.企业项目满意度研究，企业咨询报告。
2011/8—2012 /8：XXX金融投资有限公司[ 1年]
所属行业：金融/投资/证券
数据分析部数据分析师
1. 收集并更新投资数据，并实施质量保证流程，确保数据库和产品的准确性；
2. 运用数学、统计、计量经济学模型和经济学软件对宏观经济运行和相关经济指标进行数学建模，分析数据间关系并预测未来趋势；
3. 研究债券基金和货币基金文件，协助基金定性研究和资产分配最优化模型的构建；
4.与基金提供者联系，拜访基金公司，以获取新的信息；处理客户请求和外部查询。
教育经历
2007/9 --2011 /7 山东工商学院 统计学 本科
证书
2010/6 大学英语六级
2009/12 大学英语四级
【摘要】所谓统计思想，就是在统计实际工作、统计学理论的应用研究中，必须遵循的基本理念和指导思想。统计思想主要包括均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想等思想。文章通过对统计思想的阐释，提出关于统计思想认识的三点思考。
一、关于统计学
统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。
二、统计学中的几种统计思想
2.1统计思想的形成
统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。
2.2比较常用的几种统计思想
所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括：均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：
2.2.1均值思想
均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.2.2变异思想
统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
2.2.3估计思想
估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
2.2.4相关思想
事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
2.2.5拟合思想
拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
2.2.6检验思想
统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
2.3统计思想的特点
作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。
三、对统计思想的一些思考
3.1要更正当前存在的一些不正确的思想认识
英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。
3.2要不断拓展统计思维方式
统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。
3.3深化对数据分析的认识
任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(DDA)、推断性数据分析(IDA)和探索性数据分析(EDA)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。
参考文献：
[1]陈福贵.统计思想雏议[J]北京统计,2004,(05).
[2]庞有贵.统计工作及统计思想[J]科技情报开发与经济,2004,(03).
统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。论文百事通
2统计学中的几种统计思想
2.1统计思想的形成
统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。
2.2比较常用的几种统计思想
所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：
2.2.1均值思想
均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.2.2变异思想
统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
2.2.3估计思想
估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
2.2.4相关思想
事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
2.2.5拟合思想
拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
2.2.6检验思想
统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
2.3统计思想的特点
作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。
3对统计思想的一些思考
3.1要更正当前存在的一些不正确的思想认识
英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。新晨
3.2要不断拓展统计思维方式
统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。
3.3深化对数据分析的认识
任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(DDA)、推断性数据分析(IDA)和探索性数据分析(EDA)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。
参考文献:
[1]陈福贵.统计思想雏议[J]北京统计,2004,(05).
[2]庞有贵.统计工作及统计思想[J]科技情报开发与经济,2004,(03).
一、统计学中的几种常见统计思想
统计思想主要包括：均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想等。统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。
1.均值思想
均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.变异思想
统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
3.估计思想
估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
4.相关思想
事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
5.拟合思想
拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
6.检验思想
统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
二、对统计思想的若干思考
1.要改变当前存在的一些不正确的思想认识
英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂，越科学。在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。
2.要不断拓展统计思维方式
统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息（尤其是不完全甚至劣质的信息）去产生新的知识或去验证一个假设。即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。
免费使用产品和服务用户将成为产品
记者在峰会现场见到了一位亲切的老朋友――Teradata天睿公司首席技术官宝立明（Stephen Brobst）。这位来自麻省理工MIT的计算机博士依旧是穿着大花衬衫在台上侃侃而谈，畅谈他的“未来属于能将数据转化为产品的企业、开放数据的理念以及数据分析众包模式有助于获得数据洞察”等前沿观点。这位率性的CTO以高水平的演讲深深吸引了现场听众，就连媒体微信群里女记者都在说：“被‘花衬衫’发言吸引，听完，晚点去吃饭。”
宝立明在演讲中介绍，当前技术发展日新月异，移动和社交趋势日益显著。对于企业而言，业务模式发生了很大变化，未来五年各领域市场会是什么样子，谁也不敢断言。
“通信企业不能再只靠定制套餐取得收入，会以免费方式提供语音和数据通信服务。但当产品和服务都免费时，那么使用这些产品和服务的用户就会成为产品。”宝立明认为，通信企业的业务模式会转变为做用户数据的文章。他还介绍，沃尔沃汽车目前在大数据挖掘方面的花费已经大于购买钢材等原材料的花费，通过数据分析提供更省钱、省油的购车、驾车方式。而商务智能也将转变为客户智能，从为企业业务决策者提供信息转变成直接为客户个人决策提供信息。
他还详细介绍了美国南加州爱迪生电子公司智能电表数据分析的案例。爱迪生电子公司已将南加州500万个现有电表替换为智能电表，从过去上门抄表收费和通过短距离通信抄表之后给客户发送账单的服务方式转变为通过提供数据分析让用户选择用电方式的服务方式。
在每年仲夏，南加州都会停电，因为在用电高峰期电厂电量实在满足不了居民的需求。当地居民会要求再建一座电厂，而对于南加州和爱迪生电子公司而言，这并不划算。因为过了仲夏的用电高峰期，新建电厂其实就没必要了。于是，爱迪生电子公司组建计量经济学专家做数据分析，通过调整电价，来引导用户改变用电习惯，减少峰值时间用电。比如不在用电高峰开洗衣机，而是选择在半夜开洗衣机。居民可以通过APP随时看到自己的用电数据，选择节电、用电方式，甚至是把自己家太阳能光板发的电再卖出去。如此一来，电力公司也成为了数据公司，商业模式发生了转变。
峰会上，来自中国光大银行的信息部总经理李[也介绍了光大银行将数据产品化的实践。让记者印象深刻的是，他们基于风险管理领域的预警分析研究，成功孵化出数据产品――“滤镜”，利用大数据技术对企业客户进行过滤，形成高信用违约倾向的企业名单，向总分行风险管理决策者提供更加科学精准的决策支持，同时依托首个移动数据应用平台――“光速观察”，提升风险决策的时效性。
足够多的眼睛可以让所有洞察浮现
宝立明倡议政府要开放数据，因为这样做意义重大。他举例，当政府把天气数据开放之后，零售机构可以根据天气数据来制定产品预测需求，超市在下雨天和高温天的供货其实是不一样的；而保险公司也可以根据天气与土地数据设计作物险。
麦肯锡的数据显示，政府开放数据的价值将超过 3亿美元。而麦肯锡所做的评估数据开放框架提示，政府在做数据开放时要考虑的问题有：首先明确可访问数据范围；其次要考虑数据格式要机器可读，考虑处理数据的难易程度；然后要考虑访问数据需要支付多少成本，大于零的成本会限制像大学生这样的群体的创新；最后还要考虑好权利，即数据使用、转换与分发过程中要做哪些限制。
就像林纳斯定律（Linux创始人林纳斯・托瓦） “足够多的眼睛，就可让所有问题浮现” 所言一样，“足够多的眼睛就可以让所有洞察浮现”。宝立明认为，开放数据的理念有助于以众包模式来做数据分析获得数据洞察。
他举例，Netflix悬赏100万美元做推荐系统竞赛，全世界人的参与，几千人帮助他解决问题，推动了推荐算法研究的热潮。数据众包模式之下，有一款APP成为美国健康医疗领域的创新者，发展迅猛，它就是iTriage。当你输入症状它能告诉你去哪家医院最好，如果是一般常见病它会给你推荐离你最近并便宜的医院，如果是重症（如癌症），它会告诉你最对口的医院。目前其下载已经超过900万。另外，数据众包也让波士顿市民可以通过GPS APP位置报告功能，识别路上坑洞，识别洞是什么情况，避免犯常识性错误。数据开放也让中亚地区登革热病毒得到一定程度的防治，因为通过数据分析可以找到感染登革热病毒的蚊子在哪里孕育，重点在哪些水域，公布出来之后就可以降低感染几率。
宝立明总结说，未来属于能够将数据转化为产品的企业，我们必须实现创新和数据治理的正确平衡，所以企业需要新的思维方式，需要拥抱开放数据变革的理念。当前我们正处于人工智能复兴的时段，人工智能正在成为企业投资的战略重点之一，而深度学习技术能够提升解决复杂问题的性能，更快、更经济、更准确地发现洞察。Teradata正在通过Teradata实验室和深度学习社区，并同全球科研院所和行业专家合作，依托团队丰富的人工智能技能、资源和经验，为客户项目创造新洞察和成果。
首推混合云可移植许可模式
在本届峰会上，Teradata主要做了三项重点：一是宣布首推混合云的可移植许可模式，Teradata Everywhere可以在多种公有云、托管云和本地部署环境下部署海量并行处理（MPP）分析数据库；二是宣布推出Teradata客户体验之旅解决方案，通过建立大数据驱动的营销服务体系，引入外部互联网和生活场景数据，实现真正大数据下的客户营销管理；三是两款新产品，Teradata IntelliFlex和Teradata IntelliBase。
据悉，作为Teradata企业级数据仓库旗舰平台，Teradata IntelliFlex设计了高性能的工作负载，适合高吞吐量的业务，实现CPU和存储可以分别扩展，不需要一次进行大规模的采购。而Teradata IntelliBase可以提供多功能的计算节点，集成了计算和存储，可以和UDA集成在同一机柜。
在圆桌论坛采访环节，宝立明还介绍了Teradata IntelliCloud，它是下一代安全托管云服务，可实现数据与分析软件即服务。用户可以在新的部署选项上获得该服务，包括在Teradata数据中心部署和管理的Teradata企业级数据仓库旗舰平台Teradata IntelliFlex，以及亚马逊云AWS以及即将上线的Microsoft Azure的全球公共云基础设施等。
据调查显示，企业在2020年之前会使用混合云的模式，同时部署在本地和云端，所以Teradata基础设施软件的云兼容授权，提供许可的可移植性、基于订阅的许可可以有不同的部署选择。
关键词：大数据；数据分析；数理统计
基金项目：华北理工大学研究生教育教学改革项目资助（项目编号：K1503）
基金项目：华北理工大学教育教学改革研究与实践重点项目资助（项目编号：Z1514-05；J 1509-09）
G643；O21-4
谷歌公司的经济学家兼加州大学的教授哈尔・范里安先生过去说过统计学家将会成为像电脑工程师一样受欢迎的工作。在未来10年里，人们获得数据、处理数据、分析数据、判断数据、提取信息的能力将变得非常重要，不仅仅在教育领域，各行各业都需要数据专家，“大数据”时代的到来使得数据处理与分析技术日新月异，深刻的影响着各个行业、领域及学科的发展，尤其是与数据关系密切的行业及学科，而作为工科各专业硕士研究生重要的公共基础课数理统计学是天生与数据打交道的学科。
怎样在“大数据”时代背景下培养出适应面向企业自主创新需求的数据分析人员或掌握现代数据处理技术的工程师，如何把当下流行的“大数据”处理技术与相关数理统计学课程教学有机的结合，以激发学生对数据处理与分析技术发展的兴趣，这些都是我们在与数理统计学相关的课程教学中不得不思考的问题。然而，当前高校工科各专业硕士研究生数理统计教学的现状却与其重要程度相去甚远，整个教学过程的诸多环节都存在较大的不足，主要表现为：1.教学内容偏重理论，学生学习兴趣不高；2. 轻统计实验；忽略对统计相关软件的教学；3.没有注重数理统计的学习与研究生专业相结合，实用性强调不够。4. 轻能力培养；轻案例分析等。
这些现象导致的直接后果就是学生动手能力上的缺陷和创新能力的缺乏， 不能够自觉利用数理统计知识解决实际问题， 尤其缺乏对统计数据的分析能力。因此，需要数理统计学随着环境的变化不断创新新的数理统计思维和教学内容。避免教学内容与大数据时代脱节。为此笔者在该课程的教学过程中，有意识地进行了一些教学改革尝试。提出了几点工科研究生数理统计教学的改革措施。
（1）调整教学内容，将与数理统计相关的大数据处理案例引进课堂。有很多有普遍性的应用统计实际案例，可以在本课程的教学过程中有选择的引入介绍给学生，让学生们了解利用所学统计方法进行实际数据分析的操作过程和得出结论的思维方法。以期解决工科研究生对确定性思维到随机性思维方式的转变的不适应性。
（2）适应大数据时代数理统计学课程的教学环境。实现教学方式的多样性。大数据时代背景下，互联网十分发达，学生根据自己的兴趣去收集、整理和分析数据，既可以改变他们对统计方法的进一步认识，也可以增加他们的学习兴趣。甚至可以以专业QQ群，邮件的方式和同学、老师之间相互交流，交流者处于相互平等的地位，可以畅所欲言，随时随地都可以交流，起到事半功倍的效果。这种交流使得教师不再是知识的权威，而是把教师上课作为一种更好自主学习的引导，这种交流使得他们的思想变得更加成熟。同时参与各种网络论坛，贴吧回答问题等使得他们更能体现自己的价值，这种交流也使得学生的学习热情和学习精神得到更好的激发。
（3）引导工科研究生开展与本专业相结合的课题研究，强调实用性，注重统计思维能力培养。适应大数据时代数理统计学课程教学环境，实现教学方式的多样性。以期弥补学生缺少数据分析实例的训练，解决学以致用的不足。在目前的数理统计教学安排下，受学时所限，如果相当一部分时间用来学习公式、定理的推导及证明，势必没有时间进行实际的数据分析练习。在大数据时代背景下，随着海量数据、复杂形式数据的出现，使得统计方法的发展和以前有了很大的不同，没有实际的数据分析训练，学生们就无法对统计的广泛应用性及重要性有深刻的体会，也不利于保持和提高他们的学习兴趣。这要求具体工作者提出新的统计思想和方法，加深对已有统计思想的理解，以解决实际问题。
（4）改革成绩评定方式。现有的考试模式为通过有限的一到两个小时的期末考试，进行概念的辨析和理论及方法的推导计算，由此来判断研究生关于数理统计课程的学习情况有很大的不足，特别是对可以利用软件进行的某些实际数据分析的考察没有办法实现。因此，有必要通过日常课堂“论文选题―提交―讨论”与期末理论考试相结合的形式对学生数理统计学习进行考核。加大对学生平时考察的力度，相应地减少期末考试成绩的比重。让学生选择一些与自己专业有关的数据进行尝试性的数据分析、一些统计科普著作的读书报告等并写成论文的形式提交，做为对学生成绩的评定方式，更能综合、客观地评价学生的学习情况。
数据分析在现代生活中发挥的作用越来越大，而道硗臣品椒可以与数据分析有机的结合，从而在提高数据分析效率的同时，保持分析结果的有效性，为生产和实践活动提供准确的参考。以上的思考和建议仅是我们在教学研究和教学过程中的一点体会，还有许多工作亟待深入，比如适合工科研究生数理统计课程的大数据案例选取，与课程内容的有效衔接；案例教学法如何实施；教学方式多样化问题；课堂教学与网络交流结合；理论介绍与软件应用训练结合问题等。教学改革与实践是一项艰巨的任务，以培养学生的实际运用能力和正确解释数据分析结果的能力为目的，强调统计思想和方法应用的培养，让学生们了解利用所学统计方法进行实际数据分析的操作过程和得出结论的思维方法将是一项长期的工作。
参考文献
[1].游士兵，张 佩，姚雪梅.大数据对统计学的挑战和机遇[J].珞珈管理评论， 2013， （ 02）： 165-171.
关键词：房地产业；周期波动；发展方向
一、房地产业周期波动研究的理论基础
1．凯恩斯主义宏观经济学。在凯恩斯主义宏观经济学的框架下，经济波动通常有许多潜在的原因：如货币和财政政策的改变，对投资需求的冲击、货币需求函数的变化等等，并且还包括对总供给的各项扰动因素。经济周期的主要传导机制为经济变量的刚性或者粘性。根据这些分析，凯恩斯提出了反周期的相机抉择政策，认为政府在经济波动的过程当中，应当积极采取宏观调控的财政政策。
萨缪尔森于1939年最先对凯恩斯周期波动理论进行了动态化的完善和调整，引入了收入和消费变动对投资的加速作用，分析了外部扰动通过投资乘数和加速数的传导过程。在此之后的凯恩斯主义波动理论有多方面的发展，包括卡尔多的非线性动态增长周期模型、哈罗德—多马德动态增长周期模型、希克斯的非线性乘数—加速数模型，但对引起经济波动的外部冲击和对冲击进行强化的内部传导机制的认识没有显著变化。
2．新古典宏观经济学。新古典宏观经济学的发展起源于对凯恩斯主义宏观经济学进行批判的过程中，并引导了为宏观经济学寻找微观基础的潮流。理性预期和市场出清是新古典宏观经济学的起点，卢卡斯在这个基础上试图解释宏观经济波动，他的周期模型主要试图阐明两个问题：经济波动的初始根源是什么？波动的传导机制又是什么？卢卡斯认为，货币因素是波动的初始根源，货币供给的冲击引起经济波动。波动的传导机制是信息不完全，由于当事人无法获得完全信息，不能准确判断价格变化的实际情况，从而导致了产量的波动。
自20世纪80年代以来，新古典宏观经济学派的学者们转向经济中的实际因素，用实际因素去解释宏观经济波动，这就是所谓的真实经济周期理论。他们认为波动的根源是经济中的实际因素，其别值得注意的是技术冲击。至于传导机制并不唯一，主要包括消费者的跨期闲暇替代和卢卡斯所提出的信息不完全。
3．新凯恩斯主义宏观经济学。新凯恩斯主义经济学与凯恩斯主义经济学的共通之处在于：缓慢的名义量调整是被事先假定的，而不是推导出来的。但是它的发展在于强调了宏观经济学的微观基础，从一些名义变量不完美性的源头出发进行分析，使得分析的结论更加具有说服力。
在20世纪90年代，新凯恩斯主义经济学主要关注名义冲击的真实效应，并认为如果名义不完美性对于总量波动是重要的，那么必然是微观经济层次上的小的名义不完美性对宏观经济有大的影响。关于名义刚性的微观基础的许多研究都是围绕着这个问题展开的。
新凯恩斯主义宏观经济波动理论虽然对凯恩斯主义的理论进行了多方面的拓展，但是关于引起经济波动的外部冲击并没有多大变化，凡是引起总需求或者总供给变化的因素都有可能通过经济系统内部的传导机制进行强化。不同之处在于，传导机制从名义变量刚性细化成为更加根源的因素，主要是市场的不完全竞争。
二、房地产业周期波动研究现状
早期的房地产业周期研究与建筑周期研究融为一体，缺乏经济学基础理论的支撑。主要集中探讨房地产业周期的影响因素，实际上着重于房地产业周期波动指标的研究与应用。Mitchell（1927）认为：由于建筑活动受人口增长、房屋折旧、维修及投资利润率高低等因素的影响，建筑业的供求不但像工业那样可以无限地扩大或缩减，而且庞大的建筑投资对经济活动的影响更为明显和巨大，由此形成一定的波动。Moore（1961）指出，住宅开工量受财政条件、建造成本、社会结婚率、房屋空置率、住宅修改法等因素影响，因此如果要了解房地产建造量，就可以从财政条件（主要是抵押贷款）或建筑成本推算，而住宅需求量和投资生产量则可从社会结婚率高低、房屋空置率多少等指标来研判。Harwood（1977）提出，经济变化、人口迁移、基础设施，特别是道路建设、人口出生率、银行贷款、政府政策等因素均会引起房地产业周期波动。Grebler＆Burns（1982）以GNP循环为基准循环，探讨了建筑波动周期问题，认为建筑成本在较低水平时，公共工程与私人部门呈相同方向变动；但建筑成本在较高水平时，两者呈相反方向变化。
随着西方经济学基础理论的迅速发展，一些新的研究成果不断的被应用到房地产业周期波动的研究当中，尤其伴随着为宏观经济学寻找微观基础的研究浪潮中，为房地产周期波动寻找微观动力的研究也迅速发展。例如PeterChinloy（1996）在模型中加入了预期的因子，着重分析了预期在形成房地产业周期波动中的作用。Chatterjee（1999）利用动态经济理论分析了反周期货币政策对房地产业周期波动的影响，并得出结论认为宏观经济政策对平稳房地产业周期波动效果并不明显。
除了一般性的理论分析之外，对各国房地产业周期波动进行实证分析和研究，也成为房地产业周期波动研究的重要组成部分。Wenzlick（1980）以美国房地产市场交易量（或销售额）为依据，通过分析1795年~1973年共180年间美国房地产的周期波动循环变化，指出美国房地产的长期波动周期约为18年。Case赞成美国房地产长期周为18年的观点，进而指出长期周期主要受历史事件，如战争、经济衰退、技术创新等事件影响。同时他还提出房地产短期波动周期的概念，从美国来看短期波动周期为5年，主要受货币市场、贷款额度和政府住宅政策等因素影响”。Barrast和Ferguson（1985、1987）从实证分析和理论分析两个方面研究了英国的建筑周期波动。认为建筑周期的需求循环大约为4年~5年，主要反映经济景气波动及政府政策的变动；而建筑周期的供给循环大约为9年，主要反映生产过程的落后状况。Kaiser（1997）利用78年的数据分析了美国房地产业的长周期。Clayton（1997）利用1982年~1994年的数据分析了个不同区域住宅市场的周期波动，在更加微观的层次上检验了住宅市场的效率问题。WheatonandRossoff（1998）则利用1969年~1994年的数据分析了工业不动产的周期波动。
在中国，对房地产业周期波动的研究开始于20世纪90年代中期。张元端（1995）分析了中国的房地产业周期波动现象，他通过比较国民经济增长率和全国商品房销售额增长率，认为中国房地产业的周期与国民经济周期基本吻合。相对而言，梁桂（1996）从房地产供求的周期性波动来定义不动产经济的周期波动，并采用年商品房销售面积指标，分析了从1986年~1995年中国不动产经济的周期性波动及其特性。何国钊等（1996）利用商品房价格等8项指标，在按环比增长率得出单项指标的周期波动后，再利用景气循环法等方法，分析1981年~1994年的中国房地产业周期波动现象及其特点。在此基础上，作者们着重探讨了中国房地产业周期与宏观经济周期在不同周期阶段的相互关系，并选择投资与政策两个因素，分析了中国房地产业周期的原因。谭刚（2001）在分析中国房地产业周期波动的基础上，选择总量、投资、生产、交易、金融及价格等6类共16项指标，利用扩散指数方法分析了深圳房地产业周期波动特征。中国社会科学院财贸经济研究所“房地产业周期波动研究”课题组（2004）利用中国1979年~2002年的数据进行，对房地产行业的运行轨迹和特征进行分析，并在此基础上分析了影响中国房地产业周期波动的经济因素。
三、亟待解决的问题
现有的研究尤其是中国的房地产业周期研究无论在理论上还是在实践上都存在很多不足之处，至少需要在以下方面进行扩展：
1．结合产业与产品独特性的房地产业周期波动研究尚需加强。房地产作为一种独特的产品，具有如下特征：必需品、重要性、耐久性、空间固定性、不可分割性、复杂和多重异质性、市场的分散性、生产的非凸性、信息的非对称的重要性、交易成本的重要性、缺乏相关的保险及期货市场。这些特征很多都对房地产业周期波动有着重大影响，但现有研究基本上套用经济周期理论或做一些变形，没有体现出房地产产业和产品的独特性。这些独特的特征对周期波动的影响如何并没有得到足够的重视。如市场的分散性和空间固定性造成了房地产业区域垄断的市场结构，这种市场结构对房地产业周期有怎样的影响几乎没有理论涉及。
2．应进一步深入考察房地产业周期波动的微观影响及对策分析。房地产业周期波动对宏观经济包括相关产业的影响已经有大量理论及实证的文献，但其微观效应还没有得到充分的发展。对此应主要从房地产业周期对开发企业战略规划和投资者的投资策略的角度出发，研究在房地产业周期的不同阶段，开发企业以及投资者应该采取什么样的措施来应对，这个研究主题在国外近几年才刚刚出现的，而在中国几乎是一片空白。
3．应进一步加强对中国区域性房地产市场周期波动的研究。房地产业具有显著的区域性特征，不同城市之间的房地产业发展可能具有巨大的差异性。从总体上研究中国的房地产市场可能低估一些问题的严重性。例如总整体上分析，中国的房地产市场在大多数情况下是不可能出现严重的泡沫的，但在某些区域性市场是可能存在的。目前中国几篇具有代表性的文献大多是对中国整体房地产业的周期波动进行实证分析，其中只有谭刚（2001）研究了深圳市1987年~1998年间房地产业周期式发展历程。可以看出，中国的房地产业周期研究很少对区域市场尤其是城市的数据进行分析的，尤其对不同城市之间周期的形态、成因等进行分析及比较的文献几乎没有。
参考文献：
1．何国钊，曹振良，李晟．中国房地产业周期研究．经济研究，1996，（12）．
2．梁桂．中国不动产经济波动与周期的实证研究．经济研究，1996，（7）．
3．谭刚．房地产业周期波动——理论、实证与政策分析．北京：经济管理出版社，2001．
