本站小編為你精心準備了經濟統計中數據挖掘技術分析參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:

社會經濟的發展，使得經濟統計工作越來越重要，統計的數據能夠將整個社會經濟運行的情況進行準確科學反映，同時能夠為國家政策的調整提供參考依據。一般而言，要想確保經濟數據的實效性、可信性以及真實性，必須要在經濟統計中充分應用數據挖掘技術，這樣才能有效保證經濟統計工作的順利進行。隨著數據挖掘技術在經濟統計中的作用日益突出，因此社會各界開始廣泛關注其在社會活動中的應用。本文就對經濟統計中數據挖掘技術的具體應用進行深入分析和探討。

關鍵詞:

經濟統計;數據挖掘技術;應用

自改革開放以來，我國的經濟發展較為迅速，經濟建設活動日益增多，累積了大量的經濟統計數據。由于信息的多樣性以及數據的復雜性，使得工作人員在統計數據時，僅僅只采用其中數理知識，而沒有深入挖掘相關的統計資料。隨著科學技術的發展，數據挖掘技術在經濟統計中發揮出了十分重要的作用，其能夠對數據進行縱橫式開發，并通過挖掘基礎數據，獲得更多有用的信息，從而滿足社會對統計數據的需求［1］。一般在社會經濟管理活動中，在對經濟數據進行統計管理時，必須要確保統計數據的真實性以及實用性。數據挖掘技術作為一種經濟數據統計技術，能夠有效促進經濟數據統計活動的順利進行，其在經濟數據統計活動中的應用方法主要包括三種:一是預處理方法;二是決策樹方法;三是集成化處理方法。

一、處理方法的有效應用

在經濟數據統計活動中，預處理方法是最為基礎的處理方式，其主要是對基礎數據信息進行智能分析。一般來說，數據挖掘受基礎數據信息的限制，不能代替經濟數據系統的功能，并且在數據挖掘系統中，其數據基礎的經濟統計數據信息具有多樣性和復雜性，因此必須要對經濟統計數據信息進行預處理［2］。在處理統計數據信息時，主要就是對不準確、不正確以及真實的數據進行處理，并分析不同經濟統計數據信息之間的差距。數據清理是指對存在問題的數據進行處理的過程，目前在對數據進行清理時，主要采用預測法、平滑法以及均值法。一般如果基礎數據中的某個數據點是噪聲數據以及空值時，對其進行處理時可以采用均值法，利用數據庫中所有該屬性已知的屬性均值，并對其的空缺進行填補，從而確保數據挖掘系統能夠正常整理和分析基礎數據，使統計分析的數據具備較高的準確度。其中數據點的取值用Ci表示，數據點前后不為空的數據點用Cj表示，計算數據點所取的參考數據點數量用K表示。平滑法行為一種計算方法，其也是對基礎數據中噪聲數據以及空值進行計算。但是與均值法有所不同，其是用加權平均數來代替平均數，并對計算過程中提取的數據對數據結果的影響權重進行綜合考慮，因此平滑法計算出的數據結果更為真實準確。其中數據點的取值用Ci表示，數據點前后不為空的數據點用Cj表示，計算數據點所取的參考數據點數量用K表示，Cj數據點的權值用Wj表示。

二、策樹方法的有效應用

在應用數據挖掘技術的過程中，系統經過分析與總結之后，必須要對數據的輸出分析，一般數據的輸出形式直接影響著使用者的經濟管理決策。決策樹作為一種分類方法，其更為直觀與快速，采用決策樹方法的關鍵就是對決策樹進行構建。首先必須要利用訓練集監理決策樹，并對其進行精簡，建立出輸出分析的模型。然后利用決策樹對輸入的數據進行分類，可以從決策樹根部開始進入樹丫，直到輸入數據的分類滿足條件之后停止。一般其停止分割時，必須要滿足兩個條件:一是某個節點上的全部數據屬于同一類別;二是輸入數據沒有分類屬性進行再分割。值得注意的是，在構建完決策樹之后，必須要結合使用者的實際情況和要求，對決策樹進行“剪枝”，因為使用訓練集能夠影響決策樹本身數據的輸出，這樣能夠有效降低該數據產生起伏影響。

三、成化處理方法的有效應用

一般在對數據挖掘技術進行應用時，由于數據統計的主體不同以及統計的標準不統一，往往會出現數據集成問題，因此為了保證經濟數據的有效集成以及統計的準確性，必須要考慮數據集成過程中的模式集成以及冗余問題。

(一)模式集成社會經濟活動中，經濟數據的統計很多來自于民間統計組織，導致統計內容過于廣泛，因此在數據挖掘過程中，在集成經濟數據時必須要進行實體識別。如在數據挖掘過程中，怎樣對一個數據庫中的“std－no”與另一數據庫中的“std－id”是否表示同一實體進行確定，目前主要是利用數據庫與數據庫之間的含元數據對比，從而提高實體識別的質量和效率。

(二)冗余問題經濟統計數據經過數據挖掘技術的加工之后，能夠達到最簡狀態。在數據挖掘過程中，必須要精簡其與其他數據之間存在正相關關系的數據項目，這樣才能使數據庫中數據量保持在較低的水平，便于數據的應用和管理［3］。一般在數據挖掘中容易出現冗余問題，如國民生產總值，其數值的計算主要是利用總人口屬性與國內生產總值加以計算。一般在判斷冗余屬性時，主要是利用相關度的對比。其中元組的個數用n表示，屬性A和屬性B的平均值用以及表示，屬性A和屬性B的標準方差用σA以及σB表示。其中如果rA，B＞0，則說明屬性A與屬性B呈正相關，屬性A增大，則屬性B也隨之增大;如果rA，B=0，則說明屬性A與屬性B沒有直接關系，彼此相互獨立;如果rA，B＜0，則說明屬性A與屬性B呈負相關，屬性A增大，屬性B則減小。

四、結束語

一般而言，對經濟數據進行處理時，傳統的數據處理方式是利用樹數理統計學的知識與軟件，開發利用經濟統計數據庫中的數據，但是這樣的處理方式往往形式單一，無法對數據進行深入挖掘，因此無法有效滿足社會的需求。但是數據挖掘能夠將虛假的數據加以剔除，從而提高數據的質量，并且能夠對數據之間的聯系進行深入挖掘，充分有效挖掘數據。因此在經濟統計中應用數據挖掘技術顯得十分之必要。

［參考文獻］

［1］王康．關于數據挖掘技術在經濟統計中的應用［J］．財經界(學術版)，2011，05:98．

［2］郝巖．數據挖掘技術在經濟統計中的應用探究［J］．現代經濟信息，2013，11:294．

［3］崔丹．數據挖掘技術在經濟統計中的應用探索［J］．財經界(學術版)，2014，03:149．

［4］劉秀華．淺談數據挖掘技術在經濟統計中的應用［J］．商場現代化，2014，23:280

作者：田計樂 單位：河北省雞澤縣衛生監督所