欢迎大家共享自己在数据分析领域的经验、教训、心得体会，奖励丰厚！

真心希望能看到有价值的回帖。

支持一下

evergreen5893 发表于 2015-11-16 10:46
个人感觉异常值和缺失值的处理极为关键，会影响整体的分析效果。

我是研究金融风险管理的，异常值在金融里属于“低频高损”，即发生概率很小，但造成的经济损失非常大。你可以看看极值理论方面的，主要有GEV和POT两种方法

YUZCP 发表于 2015-11-15 23:43
年鉴的数据大多被挖掘干净，有价值的数据很难获得，自己搜集数据的成本太高。虽然是计量外行，但是学写实 ...

说得不错，数据分析就是技术活。

向大家学习

从个人的经验看，写论文时想采用数据分析可从如下思路着手：选题——采用的分析方法——找数据——数据处理分析。分析方法相对容易，很多能从网上下载学习（只是相对容易，如果不是统计专业和数学专业的人，其实也不易）；选题不太容易，感觉你能想到的别人多半都做过了（难、难、难）；找数据是最费时间的，尤其是周边没有图书馆等资源的，个人多从网上寻找年鉴，网上的数据都比较旧，并且从下载下来的年鉴找自己要的数据非常耗时（曾经花了一个月找数据，真正处理分析只用了几天）。唉，现在很多C刊文章用模型，数据分析，都看不懂了。

支持。行业之间也需要交流。

支持一下

我曾经用的是eviews，现在在学系统动力学，我的感受是，第一：在建模之初，有一个清晰的目标很重要，我在刚开始做的时候，一味的将重点放在具体方法的选择、数据的收集上，虽然似乎很快能够看到效果，但是最终会发现得出的结果并没有解决想要解决的问题，后面越来越难做，如果说在一切工作之前有一个清晰的目标，那么无论是模型的选取还是数据的收集都会有针对性，遇到一些麻烦也更容易找到解决的办法。第二：学习各种模型的时候对操作的每一步要有自己的理解，软件的计算过程一般都由计算机来完成，并不需要必须每一步的公式原理都清楚，但是，每一步操作的目的和意义还是要懂得的，这一方面能确保模拟过程的准确完整，在需要具体变形的时候自己才会有思路。第三：初学的时候一定要耐下心来，最好可以看一本比较经典的书，不用全部记起来，看完总会有一个大概的印象，再学习的软件模型的时候对照操作，会轻松一些。第四：一定要多与大家交流，很多问题自己是很难发现的，因为自己的思维定式会让自己很容易忽略自己的问题，与别人交流的时候能够更加容易的发现自己操作思路上的问题。

希望大家相互交流共同进步