厦门大学经济学院方匡南(R统计分析软件,计量经济,数据挖掘)7.29在线访谈

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

热烈欢迎厦门大学经济学院方匡南教授于2016年7月29日下午8点接受人大经济论坛的在线访谈活动。欢迎大家热烈提问。

提问领域：
R统计分析 高级计量经济学 多元统计分析 概率论与数理统计

PS：的问题提问者会获得50论坛币的奖励~
VIP，不止是论坛币！！！

方老师8月上海R语言现场班，从零基础掌握R语言：https://bbs.pinggu.org/thread-3820540-1-1.html

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏5 回帖

关键词：厦门大学经济学院 厦门大学经济学 统计分析软件 在线访谈 统计分析 厦门大学 经济学 在线 软件 统计

Q：
R语言的应用前景如何！
A:
你好！
R是由新西兰奥克兰大学的Ross Ihaka与Robert Gentleman一起开发的一个面向对象的编程语言，因两人的名都是以R开头，所以命名为“R”。R是“GNU S”，一个免费开源、能够自由有效地用于统计计算和绘图的语言和环境，可以在UNIX、Windows和Mac OS系统运行，它提供了广泛的统计分析和绘图技术，包括回归分析、时间序列、分类、聚类等方法。R的前身是S语言，S语言是贝尔实验室（Bell Laboratories）的Rick Becker、John Chambers和Allan Wilks开发的，提供了一系列统计和图形显示工具，这个语言过去一度是数据分析领域里面的标准语言。
R是一套完整的数据处理、计算和制图软件系统，它是一套开源的数据分析解决方案，由一个庞大而活跃的全球性社区维护。其功能包括：数据存储和处理系统；数组运算工具（其向量、矩阵运算方面功能尤其强大）；完整连贯的统计分析工具；的统计制图功能；简便而强大的编程语言：可操纵数据的输入和输出，可实现分支、循环，用户可自定义功能。与其说R是一种统计软件，还不如说R是一种统计分析与计算的环境，因为R不仅提供若干统计程序，而且使用者只需指定数据库和若干参数便可进行统计分析。R的思想是：它可以提供一些集成的统计工具，但更大量的是它提供各种数学计算、统计计算的函数，从而使使用者（用户）能灵活地进行数据分析，甚至创造出符合需要的新的统计计算方法。
2009年，《纽约时报》发表了题为 “Data Analysts Captivated by R’s Power”的社评，集中讨论了R语言在数据分析领域的发展，并引发了SAS和R用户广泛而激烈的争论。文章认为让R变得如此有用和如此快地广受欢迎是因为统计学家、工程师、科学家们在不断精炼代码或编写各种特有、具体的包。
KDnuggets网站每年都会做一些数据分析和数据挖掘软件使用的专题问卷调查。据KDnuggets网站2011年对570个数据挖掘和数据分析的工作者关于过去12个月数据挖掘和数据分析所使用的编程语言的调查显示（http://www.kdnuggets.com/2011/08 ... ning-analytics.html）， R语言名列榜首（如图1- 所示），占接近半壁江山（45%），而紧随其后的SQL、Python、Java则在某一领域具有各自独到的优势，而SAS和MATLAB分别名列第5和6，被R远远甩在后面。
总之一句话，R的前景非常美好！

Q：
有软件开发基础，但是数学基础差。要想学好统计分析、数据挖掘应该怎么入手？或者说有哪些好的建议。
A:
你好，
有软件开发基础很好，学习R语言应该是很轻松的事。要学好统计分析和数据挖掘的基础有两个，一个是学好数学、统计基础，另一个是学好计算机编程。所以现在，你学习数据分析和数据挖掘的问题是在于统计的基础知识问题。
如果你学习数据分析的目的不是做学术研究，而是做应用的话，建议你找一本偏向于介绍数据分析应用的参考书，尤其是有较多案例的参考书，又较详细讲解数据分析的原理，这样学习效率较高，实用性较强！

Q：
请问方老师，学习R的入门技巧！
A:
你好
R相对于C,C++等底层语言来讲，是比较容易上手的。建议你选一本参考书，跟着参考书学习，或者在经济条件允许的情况下，选一些合适的R培训班，这样事半功倍，学习效果应该是的。

Q：
R语言在论文数据处理上，和eviews、stata等相比，优势在哪里？
做论文所需要的回归、聚类、因子分析等数据处理时，R语言的编程技巧重要吗？如果重要，烦请老师推荐几本R语言编程方面的书籍，以及一些学习的建议。期待您的回复~谢谢~~~
A:
你好，你的问题问的很好！
R是由新西兰奥克兰大学的Ross Ihaka与Robert Gentleman一起开发的一个面向对象的编程语言，因两人的名都是以R开头，所以命名为“R”。R是“GNU S”，一个免费开源、能够自由有效地用于统计计算和绘图的语言和环境，可以在UNIX、Windows和Mac OS系统运行，它提供了广泛的统计分析和绘图技术，包括回归分析、时间序列、分类、聚类等方法。R的前身是S语言，S语言是贝尔实验室（Bell Laboratories）的Rick Becker、John Chambers和Allan Wilks开发的，提供了一系列统计和图形显示工具，这个语言过去一度是数据分析领域里面的标准语言。但是正在逐步被R语言取代。
相对于eviews, stata的优势有：
      (1). R是免费的，不存在版权的问题。现在还有许多人使用SPSS、SAS、MatLab，但大都用的都是盗版软件。从法律上来讲这是非法的，但是非法的东西在中国很流行，很多教授也用这些非法软件，甚至还大面积安装。不过，这种行为并不可取，而免费就成为了R流行开来的的一个因素。   
     (2).80%的统计学者和数据分析师都在用R，并且这些学者和数据分析师开发了很多R的packages,目前大概有7000多个packages,涉及到统计的各个方面，所以资源很丰富，几乎目前的一些统计方法，在eviews，stata等上面还没法用的时候，在R上几乎都可以实现
     (3).R是开源的，你可以看到各个package的R源程序，可以在这些程序的基础上去修改实现自己提出的一些统计方法，就像Google首席经济学家 Hal Varian所说：“R最优美的地方是它能够修改很多前人编写的包的代码做各种你所需的事情，实际你是站在巨人的肩膀上。”
   （4）.  完整的数组和矩阵操作运算符以及完整的数据分析工具；
   （5）. 出色的图形统计功能。除了基本统计直方图、折线图等，还可以绘制一些高级的图形，而这些是SPSS这类软件所不能匹敌的。R的图形统计工具一般有四个等次，最基本的plot，高级一点的grid，然后到Lattice，最后到ggplot2。ggplot2是一个更具有创新性的图形展示工具，它有自己的语法，相当于一门新的绘图语言。除此之外，ggobi这类的动态绘图也是具有很好的交互性的绘图软件。
   （6）. 简单高效的建模工具。只需用lm就可以建立线性模型，广义线性模型可以用glm，广义可加模型也有gam就函数。
   （7）. 提供很多高级功能。除了统计之外，你还可以使用R来给电脑关机，发微博，发校内状态，下五子棋以及配合LaTeX撰写动态统计报告以及自动生成概率统计的试卷和答案。
   （8）.兼容几乎全平台。除了支持OS X、Linux、Windows之外，甚至可以在iOS设备上编辑和运行R的程序，还可以在iphone等移动设备上安装R程序。
   （9）.逐渐支持多国语言。作为一个开源软件，R在其主页上也有提供大家添加数据自己国家语言的文件(http://developer.r-project.org/Translations.html)。其中，中文的翻译也在https://github.com/r-cn/r-cntrans 上面得到了国内众多的R爱好者的支持。
   （10）. 更新速度快。R几乎囊括了所有统计方法，当其他软件还不能完成一些的统计方法，在R中几乎都可以完成。R的更新速度是以周来计算的。
关于回归，聚类，因子分析等方法都是比较经典的方法在R里面都有现成的函数去实现，这个很简单，不需要很多编程技巧的，只要调用函数就可以了。比如做回归，只要用lm()就可以了，很简单的，再比如K-mean聚类分析只要用K-means函数就可以了，此外还有一个专门做聚类的package cluster.

感谢方老师抽出时间和大家进行在线的学术交流
期待大家的热烈提问

方匡南，现为厦门大学经济学院统计系教授、博士生导师。2010年毕业于厦门大学经济学院，获经济学博士学位，并获厦门大学2010毕业生。入选福建省委组织部青年拔尖人才计划，入选福建省高校杰出青年科研人才培育计划，入选福建省高校新世纪人才支持计划。 曾担任广发期货经纪有限公司研究员。台湾辅仁大学管理学院等访问学者。兼任全国工业统计学会理事等职。
     曾先后在 Journal of Multivariate Analysis、Computational Statistics and Data Analysis、Annals of Operation Researrch、Journal of Statistical Computation and Simulation、Statistics in Medicine等国际权威期刊30多篇，在《管理科学学报》、《经济研究》、《统计研究》、《数量经济技术经济研究》等国内权威期刊40多篇。一篇论文被人大复印资料《社会保障制度》、中央编译局、改革论坛网全文转载。担任《经济研究》、《管理科学学报》、Omega、Journal of Applied Statistics、Communication in Statistics 、Science China Mathematics 等期刊匿名评审人。先后主持了国家自然科学基金面上项目、青年项目、国家社科基金重大项目子课题、国家统计重大项目等多项。
    有较丰富的数据挖掘实践经验，先后主持了多项企业和政府数据挖掘项目。有较丰富的企业培训经验，受邀帮50多家知名企业内训，并多次在全国开设《R语言数据挖掘》、《R语言数据分析》等公开培训课。

研究方向：数据挖掘、应用统计、计量经济学、管理科学

工作经历
    2015.8-至今             厦门大学经济学院           教授（破格）
    2014.7-至今             厦门大学经济学院           博士生导师
    2012.8-至今             厦门大学经济学院           副教授（破格）
    2011.12-至今           厦门大学经济学院           硕士生导师
    2010.7-2012.7         厦门大学经济学院           助理教授

教育情况
    2014.7-2015.8       耶鲁大学    博士后    统计学
    2007.9-2010.7       厦门大学    博士       统计学
    20015.9-2007.7     暨南大学    硕士       统计学
    2001.9-2005.7       暨南大学     本科      统计学

部分荣誉与奖项
入选福建省青年拔尖人才计划. 福建省委组织部. 2016
入选福建省高校新世纪人才支持计划.福建省教育厅.2015
入选福建省高校杰出青年科研人才培育计划. 福建省教育厅. 2014
获第五届“中国侨界贡献奖“（集体奖）. 中国侨联. 2014
福建省第十届社会科学成果奖 二等奖. 福建省政府. 2013
厦门大学中国工商银行奖教金(教学类). 厦门大学. 2013
厦门大学暑期社会实践活动带队教师. 厦门大学. 2012
第十一届全国统计科学研究成果奖 课题论文奖. 三等奖. 国家统计局. 2012
福建省第九届社会科学成果奖 三等奖. 福建省政府. 2011
第十届全国统计科研成果博士论文 二等奖. 国家统计局. 2010
第十届全国统计科研课题论文 三等奖. 国家统计局. 2010
第十届福建省统计科研成果论文、课题类三等奖. 福建省统计局.  2010
厦门大学毕业生. 厦门大学. 2010

著作与教材 (Books)
方匡南、朱建平、姜叶飞. R语言资料分析活用范例详解. 碁峰资讯发行有限公司（台湾). 2015.6
方匡南、朱建平、姜叶飞. R数据分析——方法与案例详解. 电子工业出版社. 2015.2
朱建平、方匡南. SPSS统计分析与应用.首都经济贸易大学出版社. 2013.2
方匡南. 随机森林组合预测理论及其在金融中的应用. 厦门大学出版社. 2012.06
王斌会方匡南 谢佳斌.  R语言统计分析软件教程，教育文化出版社，2007.1

代表性期刊论文(Selected Publication)
     *表示通讯作者（* represent corresponding author）
（一）方法性论文（Methodologies Paper）

• K. Fang, X. Wang, S. Ma. Identification of Proportionality Structure  Two-part models Using Penalization.
• Computational Statistics and Data Analysis. 2016
• W. Lan, Y. Ding, Z. Fang, K. Fang*. Testing meet common factor in high dimension regression.
• Journal of Multivariate Analysis. 2015.11
• Chinese regional energy efficiency evaluation based on super efficiency DEA model and malmquist index.
• Annals of Operation Research. 2015.5
• K. Fang,  X. Wang, S. Zhang, J. Zhu & S. Ma. Bi-level variable selection via adaptive
• sparse group Lasso.  Journal of Statistical Computation and Simulation. 2014.
• J. Zhu, K. Fang* . Amulti-stage chi-square test for measurement the degree of association intwo-way table.
• Communication in Statistics-Simulation and Computation .  2014
• M. Hong, W. Huang, F.Min, J. Xu, Z. Lin, K. Fang*, JinshuiPan. Ehanced HBsAg Synthesis
• Correlates with Increased Severity of Fibrosis in Chronic Hepatitis B Patients.  PLOS One. 2014 9(1) e87344
• X. Wang, B. Hu, B.Wang and K. Fang. Bayesian Generalizedvarying coefficient models with
• errors-in-variables: An application to aneurophysiological study. Journal of Applied Statistics. 2014(2)
• K. Fang*, S. Ma. Three-part Model for Fractional Response Variables withApplication to Chinese Household
• Health Insurance Coverage. Journal of Applied Statistics. 2013.40（05）
• Regional Environmental Efficiency Evaluation in China: Analysis Based on the Super-SBM Model with Undesirable Outputs.
• Mathematical and Computer Modeling. 2013.58（5-6）
• Gene network-based cancer prognosis analysis with sparse boosting.  Genetics Research.  2012.04.
• Fuzzy Distcriminant Aalysis: Theory and Practice. Communications in Statistics-Simulation and Computation. 2011
• Variable Selection for Credit Risk Model Using Data Mining technique. Journal of Computers. 2011
• Integrative Analysis of Multiple Cancer Prognosis Studies with Gene Expression Measurements.  Statistics in Medicine.  2011.08.
• Qian-GuoMao, Jin-shui, Pan, Kuangnan Fang（co-first author). Ru-mian Zhang et al. Precise Prediction Model and
• Simplified Scoring System for Sustained Combined Response to Interferon-alpha. World Journal of Gastroenterology. 2010.16(27).
  

（二）经济与管理论文（Application in Economics and Management）

• The co-movement between Chinese oil market and other main international oil markets. Computational Economics. 2016
• K. Fang, J. Wu, C. Nguyen. The risk-return tradeoff in a liberalized emerging stock market:
• Evidence from Vietnam.  Emerging Market of Finance and Trade.  2015
• Regional operational and environmental performance evaluation in China: Non-radial DEA methodology
• under natural and managerial disposability. Natural Hazard. 2015
• Evaluation of Regional Environmental Efficiencies in China Based on Super-Efficiency-DEA. Ecological indicators. 2015
• Railway Transportation and Environmental Efficiency in China. Transportation Research Part D: Transport andEnvironment. 2015
• K. Fang C. Ma Y. Jiang L. Ye, B. Shia, S. Ma. Illness, MedicalExpenditure and Household
• Consumption :observations from Taiwan. BMC Public Health . 2013.08
• Environmental efficiency analysis of power industry in China based on an entropy SBM model. Energy Policy . 2013.57（6）
• K. Fang, B. Shia and S. Ma. Health insurance coverage, medical expenditure and coping strategy:
• Evidence from Taiwan. BMC Health Services Research. 2012.12（422）
• K. Fang; Y.Jiang; B. Shia; S. Ma.Impact of illness and medical expenditure on
• household consumptions: a surveyin western China. PLoS ONE.
• Choosing Competitive Industries in Manufacturingof China under Low-carbon Economy: A Three-Stage DEA Analysis.
• International Journal of Climate ChangeStrategies and Management .  2013 5(4).
• Health insurance coverage and impact: a survey in three cities in China. PLoS ONE.  2012.06.
  

（三）部分中文论文 (Selected Publication in Chinese)

• 蔡越 郭鹏 方匡南.  电子商务顾客评论的热点话题分析. Journal of Data Science. 2016.6
• 方匡南 王秉权. 正则化beta回归及其应用.统计与信息论坛.2016.7
• 方匡南 范新妍 马双鸽. 基于网络结构Logistic模型的企业信用风险预警研究. 统计研究.2016.4
• 王小燕 方匡南  马双鸽. 高维数据的群组变量选择方法综述. 数理统计与管理. 2015.11
• 马双鸽 王小燕 方匡南 . 大数据的整合分析研究. 统计研究.  2015.11.
• 我国城乡居民收入影响因素研究——基于省际面板分位回归分析. 数理统计与管理. 2015.03.
• 中国IPO制度与新股市场特征：基于Sai-GA-SVR的实证分析.管理科学学报. 2015.18(4)
• 方匡南 吴见彬 谢邦昌.  基于随机森林的保险客户利润贡献度研究. 数理统计与管理. 2014.06
• 王小燕 方匡南.  基于adSGL-logit的信用卡信用评分模型研究. 统计研究. 2014.09
• 方匡南 章贵军 张慧颖. 基于lasso-logistic的个人信用风险预警方法.数量经济技术经济研究. 2014(2):125-136.
• 方匡南 吴见彬. 个人住房贷款违约预测与利率政策模拟.统计研究. 2013.10(30): 54-60.
• 方匡南 章紫艺. 社会保障对城乡家庭消费的影响研究. 统计研究. 2013. 30(3)
• 朱建平 王德清 方匡南.中国区域创新能力分析——基于加权主成分聚类模型.数理统计与管理. 2013. 32(5): 761-768
• 方匡南 马双鸽 谢邦昌. 台湾地区居民医疗保险、医疗支出调查及其启示,  台湾研究, 2012年03期
• (该文被中国人民大学书报资料中心复印报刊资料 《社会保障制度》2012年11期全文转载；   
• 被中央编译局全文转载；被中国改革论坛网全文转载)
• 方匡南 蔡振忠. 我国股指期货价格发现功能研究, 统计研究,  2012年05期
• 方匡南 朱建平. 有序聚类虚拟变量法及其应用, 数理统计与管理，  2012年03期
• 基于家庭收入的保障性住房标准研究, 统计研究, 2011 年 10 期
• 从消费者信心指数理解CPI波动：来自基本需求之外的证据, 福州大学学报（哲学社会科学版), 2011年04期
• 随机森林方法综述，  统计与信息论坛，  20 11年 3期
• 基于聚类关联规则的缺失数据处理研究,  统计研究, 2011年2期
• 基金超额收益率方向预测与交易策略研究, 经济经纬,  2010年04期
• 信贷信息不对称下的信用卡信用风险研究——基于非参数随机森林模型的实证分析, 经济研究,  2010
• 股市技术指标的相似性和有效性研究,  统计与信息论坛,  2009年09期
• 有序秩聚类及对地震活跃期的分析,  统计研究, 2009年01期
• 数据挖掘在信用卡信用评分中的应用研究. Journal of Data Analysis(台湾), 2008, 10, 3（5）
  

报纸媒体文章
中国概念股指期货合约设计比较分析. 期货日报，2007.6.20
沪深300股指期货期现套利效果影响因素分析.期货日报，2007.12.19

科研项目
(一） 主持纵向科研项目
主持福建省高校新世纪人才支持计划项目. 组变量选择方法及其应用
主持国家统计局2015年全国统计科研重点项目. 大数据下的信用评分研究
主持国家自然科学基金面上项目.   广义线性模型的组变量选择及其在信用评分中的应用
主持国家社科基金重大项目子课题 .  大数据下的高维变量选择研究
主持国家自然科学基金青年项目.  基于非参数随机森林的分类预测方法及其应用
主持福建省教育厅中青年教师教育科研项目（社科A类）
主持国家统计局2011年度全国统计科研计划重大项目（已结题）
主持中央高校基本科研业务费专项资金 （已结题）
主持福建省社会科学基金青年项目（已结题 ）

（二）主持企业横向科研项目
主持华星光电液晶面板数据挖掘项目. 华星光电
主持澳门电子教育系统.何鸿燊博士医疗拓展基金会
主持干扰素疗效监测预警系统.中山医院
主持厦门海洋经济运行与监测评估系统. 厦门海洋与渔业局

（三）参与纵向科研项目
国家社科基金青年项目. 基于LDA模型的“海上丝绸之路”文本挖掘研究 （15CTJ005）
国家统计局全国统计科学研究计划重大项目. 大数据的统计方法研究（2012LD001）.
国家社科基金项目. 大数据的高维变量选择方法及其应用研究（13CTJ001）
国家自然科学基金.函数型数据分析中的罚样条法：估计、检验及应用（71201390）
国家统计局全国统计科学研究计划重点项目. 大数据现象、理论及处理技术的发展和创新研究
国家社科基金青年项目. 房地产价格指数理论与应用研究（12CTJ014）
全国统计科学研究计划重点项目. 金融风险管理的统计方法研究与应用（2009LZ045）.
国家自然科学基金 . 媒体情绪、投资者认知与资产价格行为：理论分析与实证检验(71102061)

（四）参与企业横向科研项目
宁波经济预测、预警与政策仿真系统. 宁波市统计局
客户特征分析与潜在客户预测系统. 厦门某展会有限公司

Q：
方老师，您好，请问对于R软件是专门学一下还是遇到问题再有针对性的学习？哪种效果更好啊？谢谢
A:
你好，关于学习方法哪个好，这是因人而异。
我个人的建议是先学习一下R的基本用法，建议选用合适的参考书或者报一些R的培训班，快速掌握R和数据分析的基本方法。然后再结合自己的工作，比如用到某个数据分析的时候再边做边学习，这就是所谓的 learning by doing，这样积累一段时间后，我相信你用R就得心应手了！

方老师，你好，请教单位根检验的问题，这个问题我在其他的老师访谈中提过，但是回复不是太令人满意，想听下你的看法：
李子奈《计量经济学》中是这样讲的：用ADF逐次检验（1）含截距和趋势项（2）含截距不含趋势（3）不含截距和趋势项
什么时候平稳就停止检验，三者都不平稳就认为不平稳。但是有的书上说先看时间序列的折线图，根据折线图的形状选择对应的方程形式。
请问：规范的单位根检验过程是怎样的？

支持一下！