本期導(dǎo)讀

異常數(shù)據(jù)通常是指一批數(shù)據(jù)中的個(gè)別者，其值明顯地偏離該批數(shù)據(jù)中的其余值。目前關(guān)于異常數(shù)據(jù)檢驗(yàn)的難點(diǎn)一是如何確定異常數(shù)據(jù)的個(gè)數(shù)，二是構(gòu)造合適的檢驗(yàn)統(tǒng)計(jì)量。《兩參數(shù)Weibull分布基于BLUE的異常數(shù)據(jù)檢驗(yàn)》一文，針對(duì)樣本數(shù)據(jù)服從兩參數(shù)Weibull分布，定數(shù)截尾樣本中出現(xiàn)異常數(shù)據(jù)的檢驗(yàn)問題，定義了次序統(tǒng)計(jì)量的貢獻(xiàn)率，依據(jù)貢獻(xiàn)率的分析給出了異常數(shù)據(jù)的疑似個(gè)數(shù)，在此基礎(chǔ)上，基于參數(shù) 的最佳線性無偏估計(jì)(BLUE)構(gòu)造了異常數(shù)據(jù)的檢驗(yàn)統(tǒng)計(jì)量，為方便實(shí)際應(yīng)用，通過Monte Carlo模擬給出了檢驗(yàn)統(tǒng)計(jì)量分布的分位數(shù)。

估計(jì)一隨機(jī)序列中變點(diǎn)的位置是統(tǒng)計(jì)學(xué)的研究熱點(diǎn)之一?！痘貧w系數(shù)變點(diǎn)估計(jì)的快速非迭代抽樣算法》一文，提出了在估計(jì)線性回歸模型中，該算法能夠獲得變點(diǎn)位置的精確后驗(yàn)分布，進(jìn)而得到該后驗(yàn)分布的的獨(dú)立同分布的樣本，然后依據(jù)該樣本對(duì)變點(diǎn)位置做統(tǒng)計(jì)推斷。該算法巧妙地避開了Gibbs抽樣等MCMC方法的收斂性診斷問題，所獲樣本為簡單隨機(jī)樣本，可直接用來進(jìn)行統(tǒng)計(jì)推斷。模擬顯示該算法能夠有效地估計(jì)未知變點(diǎn)位置，并且，與迭代的Gibbs抽樣相比，該非迭代抽樣算法的運(yùn)行時(shí)間大大縮短。

數(shù)據(jù)搜集前期的量表設(shè)計(jì)，數(shù)據(jù)搜集過程中的統(tǒng)計(jì)方法，數(shù)據(jù)處理后期的管理策略等都影響著數(shù)據(jù)的質(zhì)量。《政府統(tǒng)計(jì)數(shù)據(jù)質(zhì)量的優(yōu)化方法研究》一文，以統(tǒng)計(jì)相關(guān)主體為切入點(diǎn)，從統(tǒng)計(jì)數(shù)據(jù)獲取路徑、發(fā)布路徑、監(jiān)管路徑三個(gè)方面分析其對(duì)統(tǒng)計(jì)數(shù)據(jù)質(zhì)量的影響，構(gòu)建優(yōu)化模型并在已有研究的基礎(chǔ)上提出假設(shè)，探討了各因素與數(shù)據(jù)質(zhì)量間的相關(guān)關(guān)系。通過偏最小二乘法對(duì)數(shù)據(jù)進(jìn)行分析，對(duì)模型假設(shè)進(jìn)行檢驗(yàn)，得到數(shù)據(jù)質(zhì)量影響路徑的影響程度，并提出了提升政府統(tǒng)計(jì)數(shù)據(jù)質(zhì)量的優(yōu)化方法。

在經(jīng)濟(jì)“新常態(tài)”下，研究如何保持中國經(jīng)濟(jì)穩(wěn)定優(yōu)質(zhì)的增長，同時(shí)又能使省際經(jīng)濟(jì)發(fā)展差距收斂，縮小區(qū)域經(jīng)濟(jì)發(fā)展的失衡問題，對(duì)中國未來經(jīng)濟(jì)社會(huì)的穩(wěn)定繁榮和共同富裕具有十分重要的意義?！吨袊?jīng)濟(jì)“新常態(tài)”下省際經(jīng)濟(jì)差距收斂性研究》一文，采用“四分位法”、Z值和回歸分析等統(tǒng)計(jì)方法，以我國省際GDP面板數(shù)據(jù)為基礎(chǔ)，對(duì)省際經(jīng)濟(jì)發(fā)展差距的變化趨勢和收斂性進(jìn)行了研究。發(fā)現(xiàn)近二十年間我國省際經(jīng)濟(jì)總量的絕對(duì)差距在持續(xù)擴(kuò)大，但相對(duì)差距經(jīng)歷了先擴(kuò)大再縮小的明顯特征。近十年間我國省際經(jīng)濟(jì)總量與經(jīng)濟(jì)增長率呈現(xiàn)出負(fù)的相關(guān)性；相對(duì)差距的收斂性是可靠的，但收斂速度經(jīng)歷了先加速再放緩的特征。