中國(guó)大數(shù)據(jù)與統(tǒng)計(jì)學(xué)發(fā)展的需求預(yù)測(cè)模型

林揚(yáng)嘯

摘要：大數(shù)據(jù)是21世紀(jì)的熱點(diǎn)話(huà)題之一，統(tǒng)計(jì)學(xué)是傳統(tǒng)的數(shù)據(jù)分析學(xué)科。利用百度指數(shù)提供的“用戶(hù)關(guān)注度”功能，本文選取2012年-2016年5年260周的百度周平均搜索指數(shù)為研究對(duì)象，以百度搜索指數(shù)來(lái)反映社會(huì)關(guān)注熱度，研究大數(shù)據(jù)與統(tǒng)計(jì)學(xué)關(guān)注熱度之間有無(wú)相關(guān)性，以及大數(shù)據(jù)搜索指數(shù)發(fā)展的趨勢(shì)變化。根據(jù)圖形分析與相關(guān)系數(shù)的計(jì)算，可知大數(shù)據(jù)與統(tǒng)計(jì)學(xué)搜索熱度呈現(xiàn)正相關(guān)關(guān)系，該關(guān)系線(xiàn)性程度不大，多為非線(xiàn)性關(guān)系。根據(jù)大數(shù)據(jù)的季平均搜索指數(shù)、每四周平均搜索指數(shù)的變化趨勢(shì)研究表明，大數(shù)據(jù)搜索指數(shù)不存在明顯季節(jié)性，存在明顯的正趨勢(shì)性；其搜索熱度自2012年初至2015年2季度以來(lái)呈明顯上升趨勢(shì)，其后增長(zhǎng)速率放緩，呈現(xiàn)更為顯著的波動(dòng)性，由此可知2015年2季度為其明顯的一個(gè)轉(zhuǎn)折點(diǎn)，符合其發(fā)展趨勢(shì)的模型有修正指數(shù)模型，以及龔珀茲曲線(xiàn)模型和皮爾曲線(xiàn)模型這兩個(gè)生長(zhǎng)曲線(xiàn)模型，結(jié)果顯示三個(gè)模型的擬合度均較理想，其中龔珀茲曲線(xiàn)的擬合度最高。根據(jù)擬合結(jié)果，從大數(shù)據(jù)搜索指數(shù)反映的社會(huì)關(guān)注熱度來(lái)看，大數(shù)據(jù)搜索指數(shù)的發(fā)展已趨于飽和趨勢(shì)，其飽和值為4300左右。

關(guān)鍵詞：大數(shù)據(jù)；統(tǒng)計(jì)學(xué)；百度指數(shù)；趨勢(shì)外推

中圖分類(lèi)號(hào)：F27 文獻(xiàn)識(shí)別碼：A 文章編號(hào)：1001-828X（2017）001-0000-02

引言

現(xiàn)代社會(huì)，數(shù)據(jù)量呈爆炸式增長(zhǎng)趨勢(shì)，數(shù)據(jù)已經(jīng)滲透到當(dāng)今每一個(gè)行業(yè)和業(yè)務(wù)職能領(lǐng)域，成為重要的生產(chǎn)因素。人們對(duì)于海量數(shù)據(jù)的挖掘和運(yùn)用，預(yù)示著新一波生產(chǎn)率增長(zhǎng)和消費(fèi)者盈余浪潮的到來(lái)。2012年以來(lái)，大數(shù)據(jù)一詞越來(lái)越多地被提及，人們用它來(lái)描述和定義信息爆炸時(shí)代產(chǎn)生的海量數(shù)據(jù)，并命名與之相關(guān)的技術(shù)發(fā)展與創(chuàng)新。而統(tǒng)計(jì)學(xué)作為傳統(tǒng)的數(shù)據(jù)分析方法，在擁有海量數(shù)據(jù)的現(xiàn)代社會(huì)既有著巨大的機(jī)遇，但由于大數(shù)據(jù)突破了傳統(tǒng)統(tǒng)計(jì)學(xué)關(guān)于樣本和總體界定等等限制，也對(duì)傳統(tǒng)統(tǒng)計(jì)學(xué)的分析方法提出了前所未有的沖擊和挑戰(zhàn)。在現(xiàn)實(shí)生活中，并沒(méi)有一門(mén)基于大數(shù)據(jù)的專(zhuān)業(yè)產(chǎn)生，各大企業(yè)往往通過(guò)招收統(tǒng)計(jì)學(xué)、計(jì)算機(jī)、數(shù)學(xué)等相關(guān)專(zhuān)業(yè)的人才來(lái)滿(mǎn)足其大數(shù)據(jù)分析工作的要求，盡管如此，關(guān)于大數(shù)據(jù)的熱門(mén)是否捧熱了統(tǒng)計(jì)學(xué)之類(lèi)的相關(guān)學(xué)科的說(shuō)法一直眾說(shuō)紛紜；此外經(jīng)過(guò)了幾年的對(duì)大數(shù)據(jù)關(guān)注的大熱，市場(chǎng)逐漸對(duì)其回歸理性，甚至出現(xiàn)了“大數(shù)據(jù)泡沫”這樣的質(zhì)疑聲音。本文借助百度搜索指數(shù)，對(duì)2012年-2015年每一周大數(shù)據(jù)、統(tǒng)計(jì)學(xué)兩詞條的反映其關(guān)注熱度的搜索指數(shù)進(jìn)行定性、定量分析，實(shí)現(xiàn)以下目的：

觀察從百度搜索指數(shù)中反映出的人們對(duì)于大數(shù)據(jù)、統(tǒng)計(jì)學(xué)度的變化趨勢(shì)，了解在人們關(guān)注度方面二者有無(wú)相關(guān)性、有怎樣的相關(guān)性，即大數(shù)據(jù)的大熱有沒(méi)有帶來(lái)統(tǒng)計(jì)學(xué)關(guān)注度的變化。

通過(guò)建立統(tǒng)計(jì)模型，觀察大數(shù)據(jù)關(guān)注熱度5年來(lái)的變化，了解現(xiàn)實(shí)中其在關(guān)注度發(fā)展過(guò)程中所處的階段，即現(xiàn)實(shí)中對(duì)大數(shù)據(jù)的關(guān)注依然處于上升階段還是已經(jīng)趨于飽和。采用定量、定性結(jié)合的分析方法，將統(tǒng)計(jì)學(xué)和大數(shù)據(jù)的搜索指數(shù)時(shí)間序列作線(xiàn)圖，并計(jì)算線(xiàn)性相關(guān)系數(shù)，觀察兩者的變化規(guī)律，并計(jì)算兩者有無(wú)線(xiàn)性相關(guān)關(guān)系。為滿(mǎn)足消除隨機(jī)性波動(dòng)和保留足夠數(shù)據(jù)量的需要，分別計(jì)算大數(shù)據(jù)搜索指數(shù)的每四周、每季度加權(quán)平均值。觀察圖形有無(wú)季節(jié)性、周期性波動(dòng)；觀察圖形是否存在轉(zhuǎn)折點(diǎn)，以此為基礎(chǔ)選擇統(tǒng)計(jì)模型。根據(jù)圖形識(shí)別的結(jié)果，建立可能的統(tǒng)計(jì)模型，并通過(guò)比較R方值的方法來(lái)選擇適當(dāng)?shù)哪Ｐ汀?/p>

一、中國(guó)統(tǒng)計(jì)學(xué)發(fā)展與大數(shù)據(jù)發(fā)展的相關(guān)性分析

用橫坐標(biāo)表示周次，縱坐標(biāo)表示搜索指數(shù)，將大數(shù)據(jù)和統(tǒng)計(jì)學(xué)的搜索指數(shù)時(shí)間序列在一個(gè)圖中分別做折線(xiàn)圖，從圖像中可以看出，57周以前，統(tǒng)計(jì)學(xué)的搜索熱度大于大數(shù)據(jù)的搜索熱度，57周以后，大數(shù)據(jù)搜索熱度逐漸超過(guò)統(tǒng)計(jì)學(xué)搜索熱度。90周之后，大數(shù)據(jù)和統(tǒng)計(jì)學(xué)的變動(dòng)趨勢(shì)呈現(xiàn)一定的相似性，例如都在214周時(shí)達(dá)到谷值，而后回升。在178周大數(shù)據(jù)搜索達(dá)到峰值，182周統(tǒng)計(jì)學(xué)搜索量達(dá)到峰值，在此期間統(tǒng)計(jì)學(xué)的增長(zhǎng)略落后于大數(shù)據(jù)的增長(zhǎng)，但是分布的形狀大體一致。

2.季平均值線(xiàn)性相關(guān)系數(shù)=0.292112357

結(jié)果分析：兩組數(shù)據(jù)的線(xiàn)性相關(guān)程度都不高，其中季平均線(xiàn)性相關(guān)系數(shù)略高于周平均線(xiàn)性相關(guān)系數(shù)。說(shuō)明大數(shù)據(jù)與統(tǒng)計(jì)學(xué)的搜索指數(shù)之間并不存在明顯的線(xiàn)性相關(guān)關(guān)系，但是從圖中看出二者變化趨勢(shì)具有相似性，因此猜測(cè)二者可能具有某種非線(xiàn)性相關(guān)關(guān)系。

因?yàn)橄嚓P(guān)關(guān)系并不等于因果關(guān)系，因此對(duì)于如上結(jié)果我們做出兩種假設(shè)：

在90周以后，統(tǒng)計(jì)學(xué)的分布類(lèi)似并且略落后于大數(shù)據(jù)的增長(zhǎng)，這可能是由于人們對(duì)于大數(shù)據(jù)的關(guān)注，引發(fā)了人們對(duì)于統(tǒng)計(jì)學(xué)這個(gè)相關(guān)學(xué)科的關(guān)注。

兩者類(lèi)似的分布形態(tài)，可能是由于全國(guó)所有用戶(hù)搜索頻次的周期性、隨機(jī)性變動(dòng)所引致的，大數(shù)據(jù)、統(tǒng)計(jì)學(xué)搜索指數(shù)變動(dòng)之間并沒(méi)有直接的因果關(guān)系。

二、中國(guó)大數(shù)據(jù)需求量預(yù)測(cè)模型

由于原始數(shù)據(jù)有260周，波動(dòng)性過(guò)大，為了得到更為準(zhǔn)確的結(jié)論，我們僅對(duì)其按每季度、每四周兩種方式計(jì)算加權(quán)平均值得到的時(shí)間序列作討論，其目的是（1）平滑隨機(jī)波動(dòng)；（2）判定按每季度和每四周平均哪個(gè)有季節(jié)性；（3）每季度平均更能反映長(zhǎng)期趨勢(shì)，但數(shù)據(jù)較少，只能以季為單位預(yù)測(cè)未來(lái)值；每四周平均的數(shù)據(jù)較多，且可以進(jìn)行更短期的預(yù)測(cè)。

1.季節(jié)性、趨勢(shì)性的判定

（a）圖形判別法

建立按季平均和按每四周平均的橫坐標(biāo)為季度或周次，縱坐標(biāo)為搜索指數(shù)的折線(xiàn)圖，按季節(jié)平均、按每四周平均，大數(shù)據(jù)搜索指數(shù)都不存在明顯的季節(jié)性；另外由于后一年的值往往大于前一年的值，因此可以判定其存在趨勢(shì)性。

（b）建立一元線(xiàn)性回歸方程并檢驗(yàn)顯著性

季平均值：；

每四周平均值：；

由于兩個(gè)時(shí)間序列一元線(xiàn)性回歸的R2均顯著，所以大數(shù)據(jù)搜索指數(shù)顯然存在線(xiàn)性趨勢(shì)。

結(jié)論：上述過(guò)程從圖形和計(jì)算兩個(gè)角度得出了以下結(jié)論：大數(shù)據(jù)搜索指數(shù)并不存在明顯的季節(jié)性，不適合使用時(shí)間序列分解法；大數(shù)據(jù)搜索指數(shù)存在明顯的趨勢(shì)，一元回歸有較好的擬合優(yōu)度，但是一元回歸使用的前提是時(shí)間序列不存在明顯的轉(zhuǎn)折點(diǎn)，為了進(jìn)一步確定更好的擬合模型，我們繼續(xù)如下討論。

2.轉(zhuǎn)折點(diǎn)的判定

作橫坐標(biāo)為季度，縱坐標(biāo)為搜索指數(shù)的折線(xiàn)圖，可以看出，2015年2季度為一個(gè)明顯的轉(zhuǎn)折點(diǎn)，在這之前，類(lèi)似于線(xiàn)性一元增長(zhǎng)；在之后，2015年3季度僅為3989，2015年4季度僅為4015，并無(wú)太大增長(zhǎng)，此后呈現(xiàn)下降上升交替出現(xiàn)的形式。

3.模型選擇結(jié)論

因?yàn)椴淮嬖谠诿黠@的季節(jié)性，所以不選擇時(shí)間序列分解模型；又因?yàn)橛忻黠@的轉(zhuǎn)折點(diǎn)，所以不應(yīng)對(duì)所有數(shù)據(jù)采取一元回歸的方式；搜索指數(shù)的變化類(lèi)似于先增長(zhǎng)后穩(wěn)定，符合上述條件的模型有：

（1）修正指數(shù)模型；（2）龔珀茲曲線(xiàn)模型；（3）皮爾曲線(xiàn)模型。

4.模型的建立

基于matlab軟件，模型擬合結(jié)果如下：

（1）修正指數(shù)模型：

特點(diǎn)：該模型00時(shí)，以增長(zhǎng)速度遞減的方式遞減。t趨于無(wú)窮大時(shí)a為其極限。

（a）每季平均值：。保留兩位小數(shù)后得到如下預(yù)測(cè)函數(shù)：

當(dāng)t趨于無(wú)窮大時(shí)，搜索指數(shù)趨近于6389.78。

（b）每四周平均值：。保留兩位小數(shù)后得到如下預(yù)測(cè)函數(shù)：

當(dāng)t趨于無(wú)窮大時(shí)，搜索指數(shù)趨近于6650.56。

每期預(yù)測(cè)值原始數(shù)據(jù)見(jiàn)附表4。

（2）龔珀茲曲線(xiàn)模型：

特點(diǎn)：屬于生長(zhǎng)曲線(xiàn)模型，形狀類(lèi)似于S形，可以描述并判斷事物經(jīng)歷的發(fā)生、發(fā)展到成熟的過(guò)程。

（a）每季平均值

5.模型比較

每季平均R2值，修正指數(shù)曲線(xiàn)模型為0.9516，龔珀茲曲線(xiàn)模型為0.9582，皮爾曲線(xiàn)模型為0.9539；每四周平均R2值，三者分別為0.902、0.9075、0.9033。

三個(gè)模型的R2均達(dá)到了顯著性水平，可知模型擬合度很高，其中按每季平均計(jì)算的擬合優(yōu)度，由于平滑了更多的隨機(jī)性因素，擬合度都大于按每四周平均計(jì)算的擬合優(yōu)度。龔珀茲曲線(xiàn)模型的R2值最高，其次是皮爾曲線(xiàn)模型，再次是修正指數(shù)曲線(xiàn)模型。

結(jié)果分析：大數(shù)據(jù)搜索指數(shù)不存在季節(jié)性，但存在明顯的周期性。從2012年以來(lái)，其搜索指數(shù)呈快速遞增趨勢(shì)，2015年2季度左右以后，其增速放緩，逐漸呈現(xiàn)飽和趨勢(shì)。在飽和度的預(yù)測(cè)方面，修正指數(shù)t無(wú)窮大的條件難以實(shí)現(xiàn)，我們主要根據(jù)后兩個(gè)模型進(jìn)行判定，得到了大數(shù)據(jù)搜索指數(shù)已經(jīng)趨于飽和，并且飽和值位于4200-4600左右的結(jié)論，即市場(chǎng)對(duì)于大數(shù)據(jù)搜索的熱度，已經(jīng)從狂熱趨于理性。

參考文獻(xiàn)：

[1]耿直.大數(shù)據(jù)時(shí)代統(tǒng)計(jì)學(xué)面臨的機(jī)遇與挑戰(zhàn)[J].統(tǒng)計(jì)研究，2014，31（1）：5-9.

[2]云舟工作室.MATLAB6數(shù)學(xué)建?；A(chǔ)教程[M].北京：人民郵電出版社，2001.

[3]曹挺.統(tǒng)計(jì)學(xué)是新世紀(jì)具有輝煌前景的學(xué)科[N].中國(guó)信息報(bào)，2002.