第23章 统计和数据科学
本章考情:本章是《经济基础知识》第四部分"统计"的开篇章节(后续为第24章描述统计、第25章抽样调查、第26章回归分析、第27章时间序列分析)。第四部分合计 21 分(11 道单选+5 道多选),第23章每章分值、题量不固定,平均分值 5 分左右。素材定调:本章"内容多、涉及的考点多、分值占比较高",历年考题很有代表性,做透真题即可覆盖大部分考点;难度较低,以理解为主,多选抠关键词,需要适当记忆。四大核心辨析:①描述统计 vs 推断统计;②三类变量与三类数据(分类/顺序/数值);③一手数据 vs 二手数据、观测数据 vs 实验数据;④五种统计调查方式的适用场景。另需掌握九项统计数据质量评价标准、大数据特性(4V/5V)、数据挖掘三类学习方式。
一、本章知识地图
| 节 | 考点 | 考频 | 重要度 |
|---|---|---|---|
| 第一节 统计学 | 统计学的含义和两个分支 | ★★★ | ⭐⭐⭐⭐ |
| 第二节 变量和数据 | 变量和数据 | ★★★ | ⭐⭐⭐⭐ |
| 第三节 数据的来源 | 观测数据和实验数据 | ★★ | ⭐⭐⭐ |
| 一手数据和二手数据 | ★★★ | ⭐⭐⭐⭐ | |
| 第四节 统计调查 | 统计调查的概念与分类 | ★★ | ⭐⭐⭐ |
| 统计调查的方式 | ★★★★ | ⭐⭐⭐⭐⭐ | |
| 统计数据质量评价标准 | ★★★ | ⭐⭐⭐⭐ | |
| 第五节 数据科学与大数据 | 数据科学 | ★ | ⭐⭐ |
| 大数据 | ★★★ | ⭐⭐⭐⭐ | |
| 数据挖掘 | ★★★★★ | ⭐⭐⭐⭐⭐ |
星级说明:表中星级沿用 2026 知识讲解主版本;个别考点在冲刺速记版中标注不同(统计调查的方式标 ★★★、大数据标 ★★、数据挖掘标 ★★、统计学的两大分支标 ★★、数据来源合并标 ★★),冲突处已保留原始标注,复习时以更高星级为准。
一句话串全章:
统计学两大分支(就地整理是描述,由点推面是推断)→ 变量和数据(定量看数值、定性分分类与顺序;变量是名称、数据是取值)→ 数据来源(按收集方法分观测/实验,按使用者分一手/二手)→ 统计调查(按范围分全面/非全面,按时间分连续/不连续;五种方式"逐级报表、全查普查、随机抽样、量大重点、择优典型";九项质量评价标准)→ 数据科学与大数据(数据科学=数据→信息→知识;大数据=4V+真实性=5V;数据挖掘=监督/无监督/半监督,监督分分类与回归、无监督分聚类与降维)。
二、知识点精讲
考点1 统计学的含义和两个分支 ★★★
核心概念:统计学是关于收集、整理、分析数据和从数据中得到结论的科学。它有两个分支:
| 分支 | 研究内容 | 具体包括 |
|---|---|---|
| 描述统计 | 研究数据收集、整理和描述的统计学方法 | ①如何取得数据;②如何利用图表或数学方法对数据进行整理和展示;③如何描述数据的一般特征 |
| 推断统计 | 研究如何利用样本数据推断总体特征的统计方法 | ①参数估计——利用样本信息推断总体特征;②假设检验——利用样本信息判断对总体的假设是否成立 |
逻辑链:
统计学(收集、整理、分析数据 + 从数据中得到结论)
├─ 描述统计:就地整理(不碰总体)
│ ① 如何取得数据
│ ② 用图表/数学方法整理和展示数据
│ ③ 描述数据的一般特征(集中趋势、离散程度、偏态)
└─ 推断统计:由点推面(样本 → 总体)
① 参数估计:用样本信息推断总体特征
② 假设检验:用样本信息判断对总体的假设是否成立速记口诀:"就地整理是描述,由点推面是推断"——只要出现"样本估计总体""检验假设",就是推断统计;画图、制表、算平均数描述数据,都是描述统计。
考点2 变量和数据 ★★★
核心概念:变量是名称,数据是变量的取值;数据可以是数值、文字或者图像等形式。
| 变量分类 | 变量的取值 | 举例 |
|---|---|---|
| 数量变量(定量变量) | 数量 | 销售额、员工数、年龄 |
| 分类变量(定性变量) | 类别(无顺序) | 所属行业、性别、出行方式、居住的地区 |
| 顺序变量(定性变量) | 类别且有顺序 | 受教育水平(小学→初中→高中→本科→研究生) |
| 数据分类 | 测量内容及表现 | 举例 |
|---|---|---|
| 数值型数据(定量数据) | 对定量变量的观测结果,取值表现为具体数值 | 企业销售额 1000 万元 |
| 分类数据(定性数据) | 分类变量的观测结果,表现为类别,用文字、数值代码描述 | 用 1 表示"男性",2 表示"女性" |
| 顺序数据(定性数据) | 顺序变量的观测结果,表现为类别,用文字、数值代码描述 | 1=硕士及以上,2=本科,3=大专及以下 |
逻辑链:
变量(名称)──取值──→ 数据
├─ 定量(数量)变量 ──→ 数值型数据(可做加减乘除)
└─ 定性变量
├─ 分类变量(无序类别:行业、性别)──→ 分类数据
└─ 顺序变量(有序类别:受教育水平)──→ 顺序数据速记口诀:"无序类别-分类变量;有序类别-顺序变量;数字运算-定量变量"。另记:分类变量+顺序变量统称为定性变量;能用加减乘除运算的一定是数值型数据(如销售额)。
考点3 观测数据和实验数据 ★★
核心概念:按收集方法不同,数据分为观测数据和实验数据。
| 类型 | 内容 | 示例 |
|---|---|---|
| 观测数据 | ①直接调查或测量而收集到;②在没有对事物施加任何人为控制因素的条件下得到 | 如 GDP、CPI、房价。几乎所有与社会经济现象有关的统计数据都是观测数据 |
| 实验数据 | ①在实验中控制实验对象及其所处实验环境收集得到;②多在自然科学领域 | 如一种新产品使用寿命的数据、一种新药疗效的数据 |
逻辑链:
按收集方法分:
观测数据 ← 直接调查/测量,无人为控制(GDP、CPI、房价)
实验数据 ← 控制实验对象及实验环境(新产品寿命、新药疗效)速记口诀:"观乎自然、实验人为"——没有人为控制是观测,人为控制条件是实验。
考点4 一手数据和二手数据 ★★★
核心概念:从使用者的角度看,数据的来源有两种。
| 类型 | 来源 |
|---|---|
| 一手数据(直接数据) | 对使用者来说是数据的直接来源,主要有:①调查或观察;②实验 |
| 二手数据(间接数据) | 来源于别人的调查或实验的数据,对使用者来说是间接来源,如报纸、杂志、广播、电视、历史文献及著作、网络 |
逻辑链:
按使用者角度看:
一手数据 ← 自己的调查、观察、实验
⚠ 在社会经济领域,统计调查是获得数据的主要方法,
也是获得一手数据的重要方式
二手数据 ← 别人的调查或实验(统计年鉴、报纸杂志、网络文献)速记口诀:"亲手取得是一手,别人成果是二手;统计年鉴再全也是二手"。
考点5 统计调查的概念与分类 ★★
核心概念:统计调查是按照预定的目的和任务,运用科学的统计调查方法,有计划有组织地搜集信息资料的过程。
两个重要特征:①调查是一种有计划、有方法、有程序的活动;②调查的结果表现为搜集到的数据。
分类一:按调查对象的范围
| 类型 | 含义 | 包括 | 示例 |
|---|---|---|---|
| 全面调查 | 对构成调查对象的所有单位进行逐一的、无一遗漏的调查 | 全面统计报表、普查 | 人口普查、经济普查、农业普查 |
| 非全面调查 | 对调查对象中的一部分单位进行调查 | 非全面统计报表、抽样调查、重点调查、典型调查 | 城市居民家庭生活水平只调查一定数量住户;进出口商品质量抽取一部分商品检验 |
分类二:按调查登记的时间是否连续
| 类型 | 含义 | 示例 |
|---|---|---|
| 连续调查 | 观察总体现象在一定时期内(通常一年内)的数量变化,说明现象的发展过程,为了解社会现象在一段时期的总量 | 工厂的产品生产、原材料的投入、能源的消耗、人口的出生、死亡等 |
| 不连续调查 | 间隔一个相当长的时间(通常一年以上)所作的调查,为了对总体现象在一定时点上的状态进行研究;指标数值短期变化不大,隔一段时间登记其某时刻或某一天的数量 | 生产设备拥有量、耕地面积等 |
逻辑链:
统计调查(有计划、有方法、有程序;结果表现为搜集到的数据)
├─ 按调查对象范围:全面调查(全面统计报表+普查)
│ 非全面调查(非全面统计报表+抽样+重点+典型)
└─ 按登记时间连续:连续调查(一段时期的总量:产品生产、人口出生死亡)
不连续调查(时点状态:设备拥有量、耕地面积)速记口诀:"时期总量连续查,时点状态不连续"。
考点6 统计调查的方式 ★★★★(本章最高频)
我国统计调查的方式主要有五种:统计报表、普查、抽样调查、重点调查、典型调查。
(1)统计报表
- 含义:按照国家有关法规的规定,自上而下地统一布置,自下而上地逐级提供基本统计数据的一种调查方式。
- 特点(四统一):统计报表要以一定的原始数据为基础,按统一的表式、统一的指标、统一的报送时间、统一的报送程序进行填报。
- 分类:①按调查对象范围不同:全面统计报表和非全面统计报表(目前的大多数统计报表都是全面报表);②按报送周期长短不同:日报、月报、季报、年报等;③按报表内容和实施范围不同:国家的、部门的、地方的统计报表。
(2)普查
- 含义:为某一特定目的而专门组织的一次性全面调查。示例:人口普查、经济普查、农业普查。
- 适用:主要用于了解处于某一时点状态上的社会经济现象的基本全貌,为国家制定有关政策提供依据。
- 特点:①普查通常是一次性或周期性的;②需规定统一的标准调查时间,以免调查数据重复或遗漏;③普查数据一般比较准确,规范化程度较高,可为抽样调查等提供基本依据;④普查适用范围比较窄,只能调查最基本及特定的现象。
- 周期与标准时间(数字高频):
- 经济普查:每 10 年进行 2 次,逢年份末尾数字为 3、8 的年份实施;标准时间为普查年份 1 月 1 日 0 时。
- 人口普查:每 10 年进行 1 次,逢 0 年份实施;第五、六、七次人口普查的标准时间为普查年份 11 月 1 日 0 时。
- 农业普查:每 10 年进行 1 次,逢 6 年份实施;标准时间为普查年份 1 月 1 日 0 时。
(3)抽样调查
- 含义:从调查对象的总体中抽取一部分单位作为样本进行调查,并根据样本调查结果来推断总体数量特征的一种非全面调查。
- 适用:实际中应用最广泛的一种调查方式和方法。
- 特点:①经济性——调查工作量小,可节省大量人力、物力、财力和时间,是抽样调查最显著的优点;②时效性强——可迅速、及时获得所需信息(两次人口普查之间各年份的人口数据都是通过抽样调查取得的);③适应面广——适用于各个领域、各种问题的调查;④准确性高——工作量小可使各环节工作做得更仔细,误差往往很小(数据质量有时比全面调查更高)。
(4)重点调查
- 含义:一种非全面调查,从所要调查的总体中选择一部分重点单位进行调查。重点单位虽然只是全部单位中的一部分,但就调查的标志值来说在总体中占绝大比重,调查这一部分单位能够大致反映被调查对象的基本情况。
- 特点:能以较少的投入、较快的速度取得某些现象主要标志的基本情况或变动趋势;适用范围很广。
- 举例:①为了及时了解全国城市零售物价的变动趋势,对全国 35 个大中型城市的零售物价变化进行调查;②了解全国工业企业增加值和资产总额情况,只需对全国大中型工业企业进行重点调查;③国家统计局全国 5000 家工业企业联网直报制度属于重点调查。
(5)典型调查
- 含义:一种非全面调查,从调查对象全部单位中有意识地选择若干具有典型意义或有代表性的单位进行调查。
- 作用:①弥补全面调查的不足,及时发现新情况、新问题;②在一定条件下可以验证全面调查数据的真实性。
- 优点:灵活机动,通过少数典型单位即可取得深入翔实的统计资料。
- 关键定位:典型调查不是统计活动所特有的方法,但在统计活动中必不可少;运用典型调查主要不在于反映现象的总体数量特征,而在于了解与统计数字有关的具体情况(社会条件及其相互联系),做到定性分析与定量分析相结合。
- 缺点:受"有意识地选出若干有代表性单位"的限制,在很大程度上受到人们主观认识的影响,必须同其他调查结合起来使用,才能避免片面性。
五种方式对比逻辑链:
逐级=报表 全查=普查 随机=抽样 量大=重点 择优=典型
│ │ │ │ │
自上而下布置 无一遗漏 抽样本推总体 标志值占绝 有意识选典型
自下而上填报 统一标准时间 经济性最显著 大比重 受主观影响速记口诀:"逐级=报表;全查=普查;随机=抽样;量大=重点;择优=典型";普查周期记"三八年经、零年人口、六年农业"。
考点7 统计数据质量评价标准 ★★★
国家统计局制定的**《国家统计质量保证框架(2025)》,针对统计数据生产全过程,从九个方面**确定质量评价标准:
| 评价标准 | 要求 | 侧重 |
|---|---|---|
| ① 真实性 | 统计源头数据必须符合统计调查对象的实际情况,确保统计数据有依据、可溯源 | 基础数据质量的评价 |
| ② 准确性 | 统计数据的误差必须控制在允许范围内,能为形势判断、政策制定、宏观调控等提供可靠依据 | 统计数据生产科学性的评价 |
| ③ 完整性 | 统计数据应当全面完整,统计范围不重不漏,统计口径完备无缺 | 统计数据全面系统反映客观实际程度的评价 |
| ④ 及时性 | 在符合统计科学规律的前提下,尽可能缩短从调查到公布的时间间隔 | 统计数据生产效率的评价 |
| ⑤ 适用性 | 统计数据能够最大限度为用户所用,统计指标紧跟时代发展、切合统计需求 | 统计用户满意度的评价 |
| ⑥ 经济性 | 统计数据生产应当尽可能降低成本,统计调查、行政记录、大数据等数据资源得到充分利用 | 统计数据成本效益的评价 |
| ⑦ 可比性 | 统计数据应当连续、可比,不同时间、空间数据生产使用规范统一的统计标准和统计原则 | 统计工作标准化、规范化程度的评价 |
| ⑧ 协调性 | 统计数据结构严谨、逻辑合理,各总量数据、结构数据相互之间高度匹配 | 统计数据间逻辑关系的评价 |
| ⑨ 可获得性 | 多渠道、多方式公布统计数据,同时公布相应的统计制度方法,加强数据解读,满足社会需求 | 统计服务质量的评价 |
速记口诀:"完整及时真准确、经济适用可协调"(另加可比性、可获得性,共九项)。配对记:真实性对源头、准确性对误差、完整性对口径、及时性对时间、适用性对用户、经济性对成本、可比性对标准、协调性对匹配、可获得性对服务。
考点8 数据科学 ★
核心概念:数据科学是一门通过系统性研究获取与数据相关的知识体系的学科。它一方面研究数据本身的特性和变化规律,另一方面通过对数据的研究为自然科学和社会科学提供一种新的方法,从而揭示自然界和人类行为的现象和规律。
- 研究对象:数据。
- 研究目标:获得洞察力和理解力(通过对数据的分析,来解释、预测、洞见和决策,为现实世界服务)。
- 研究范围:统计学、机器学习、计算机科学、可视化、人工智能、领域知识等(远不止统计学)。
- 全过程:数据科学研究的是从"数据"整合成"信息"进而组织成"知识"的整个过程,包含对数据进行采集、存储、处理、分析、表现等一系列活动。
逻辑链:
数据科学:数据 ──(采集、存储、处理、分析、表现)──→ 信息 ──→ 知识
研究对象:数据 研究目标:获得洞察力和理解力
研究范围:统计学+机器学习+计算机科学+可视化+人工智能+领域知识速记口诀:"采存处析表五步走,数据变信再成知"。
考点9 大数据 ★★★
核心概念:大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要运用新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
| 特性 | 要点 |
|---|---|
| 数据量大(Volume) | 起始计量单位是 PB、EB 或 ZB;未来可能会达到 YB 或 BB |
| 数据多样性(Variety) | 包括网络日志、音频、视频、图片、地理位置等各种结构化、半结构化和非结构化的数据 |
| 价值密度低(Value) | 大数据价值密度的高低与数据总量的大小成反比 |
| 数据的产生和处理速度快(Velocity) | 大数据的处理要符合"一秒定律"(一般要在秒级时间范围内给出分析结果,超出这个时间数据就可能失去价值) |
| 真实性(2026 新增) | 真实性是数据质量、可信度和准确性的核心要求,要通过数据清洗、治理和质量控制等确保数据可靠,从而为科学决策和深度洞察提供有效依据 |
即传统"4V"特性(数据量大、数据多样性、价值密度低、产生和处理速度快),2026 年新增"真实性",构成"5V"。
按结构划分的三类数据:
| 类型 | 含义 | 示例 |
|---|---|---|
| 结构化数据 | 存储在数据库里,可以用二维表结构实现表达的数据 | 关系数据库表 |
| 半结构化数据 | 介于完全结构化数据和完全非结构化数据之间,具有一定的结构性 | 员工简历(有的只有教育情况,有的还包括教育、婚姻、户籍、出入境等很多信息) |
| 非结构化数据 | 数据结构不规则或不完整,没有预定义的数据 | 所有格式的办公文档、文本、图片、报表、图像、音频信息、视频信息等 |
速记口诀:"大量、多样、低密度、速度快,再加真实五个 V";结构记"二维表是结构化,简历半结构化,影音图文全非结构化"。
考点10 数据挖掘 ★★★★★
核心概念:数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐藏在其中但又有潜在价值的信息和知识的过程。
定义的四层含义:①数据源必须是真实的、大量的、有噪声的;②发现的是用户感兴趣的知识;③发现的知识是可接受、可理解、可运用的;④并不要求发现放之四海而皆准的知识,仅支持特定的发现问题。
两个定位:出发点——解决实际问题;核心任务——对数据关系和特征进行探索。
| 分类 | 数据集特征 | 典型任务 | 常用方法 |
|---|---|---|---|
| 监督学习 | 每个观测单位既有自变量(特征 xi),又有因变量(标签 yi);根据已有数据集训练出模型,由自变量得到因变量预测结果 | 分类:通过特征变量确定观测单位所属类别,因变量为分类变量(如根据用户满意度、财务信息判断客户是否到期后续约;根据发件人、主题、内容判断垃圾邮件) 回归:通过特征变量确定观测单位因变量取值,因变量为定量变量(如根据钻石克拉数、颜色、切割工艺预测钻石价格;根据房屋面积、位置预测房价) | 分类:逻辑斯蒂回归、决策树、随机森林、支持向量机 回归:线性回归、非线性回归、分位数回归 |
| 无监督学习 | 每个观测单位只有自变量(特征 xi),没有因变量(标签 yi);主要任务是探索数据之间的内在联系和结构 | 聚类:把一组数据按照差异性和相似性分为几个类别,使同类数据相似性尽可能大、不同类数据相似性尽可能小、跨类数据关联性尽可能低(常用于客户细分、文本归类、结构分组、行为跟踪) 降维:在不损失过多信息的前提下将 N 个相关特征降为 K 个不相关特征(K<N),使其具有更好解释性,也称特征提取(如根据客户的能力、品格、担保、资本、环境等特征评价信用等级) | 聚类:基于划分的方法(如 K 均值聚类算法)、基于分层、基于密度、基于网格、基于模型的方法 降维:主成分分析法、因子分析法 |
| 半监督学习 | 一部分观测单位既有自变量又有因变量,另一部分只有自变量没有因变量,且没有标签的观测单位数量远大于有标签的 | 监督学习与无监督学习相结合;成本低于监督学习,准确性又高于无监督学习 | 半监督分类、半监督回归、半监督聚类 |
逻辑链:
数据挖掘(从大量、不完全、有噪声、模糊、随机数据中提取潜在价值的信息和知识)
├─ 监督学习(有标签 yi)──分类(因变量=分类变量)/回归(因变量=定量变量)
├─ 无监督学习(无标签) ──聚类(分组)/降维=特征提取(N → K,K<N)
└─ 半监督学习(少标签) ──半监督分类/半监督回归/半监督聚类速记口诀:"全标监督、无标无督、少标半督";方法归属记"决策树、随机森林、支持向量机、逻辑斯蒂回归(真题中写作"逻辑斯特回归")→监督分类;线性回归、非线性回归、分位数回归→监督回归;K 均值、聚类→无监督;主成分、因子分析→无监督降维"。
三、必背表格汇总
表1 变量与数据的分类(分类/顺序/数值)
| 大类 | 变量 | 变量取值 | 数据 | 数据表现 | 举例 |
|---|---|---|---|---|---|
| 定量 | 数量变量(定量变量) | 数量 | 数值型数据(定量数据) | 具体数值,可做加减乘除 | 销售额 1000 万元、员工数、年龄 |
| 定性 | 分类变量 | 类别,无顺序 | 分类数据 | 类别,用文字、数值代码 | 所属行业、性别(1=男,2=女)、出行方式、居住地区 |
| 定性 | 顺序变量 | 类别且有顺序 | 顺序数据 | 类别,用文字、数值代码 | 受教育水平(1=硕士及以上,2=本科,3=大专及以下) |
记法:分类变量+顺序变量=定性变量;数值型数据=定量数据;变量是名称,数据是变量的取值。
表2 数据的来源(一手/二手、观测/实验)
| 分类标准 | 类别 | 要点 | 示例 |
|---|---|---|---|
| 按收集方法 | 观测数据 | 直接调查或测量而收集;没有对事物施加任何人为控制因素 | GDP、CPI、房价;几乎所有与社会经济现象有关的统计数据 |
| 实验数据 | 在实验中控制实验对象及所处实验环境收集得到 | 一种新产品使用寿命的数据;一种新药疗效的数据 | |
| 从使用者的角度 | 一手数据(直接数据) | 使用者自己的①调查或观察;②实验 | 入户调查得到的家庭月收入;临床试验获得的新药疗效数据 |
| 二手数据(间接数据) | 来源于别人的调查或实验 | 报纸、杂志、广播、电视、历史文献及著作、网络;统计年鉴 |
表3 统计调查方式对比(普查/抽样调查/统计报表/重点调查/典型调查)
| 调查方式 | 全面性 | 核心含义 | 主要特点 | 典型例子 |
|---|---|---|---|---|
| 统计报表 | 分全面/非全面,目前大多数是全面报表 | 按照国家有关法规,自上而下地统一布置,自下而上地逐级提供基本统计数据 | 四统一:统一表式、统一指标、统一报送时间、统一报送程序;按内容和实施范围分国家/部门/地方报表 | 2021 真题:按内容和实施范围分国家、部门、地方统计报表 |
| 普查 | 全面调查 | 为某一特定目的而专门组织的一次性全面调查 | ①一次性或周期性;②规定统一的标准调查时间;③数据较准确、规范化程度较高;④适用范围比较窄 | 人口普查、经济普查、农业普查 |
| 抽样调查 | 非全面调查 | 从总体中抽取一部分单位作为样本,根据样本结果推断总体数量特征 | ①经济性(最显著优点);②时效性强;③适应面广;④准确性高 | 两次人口普查之间各年份人口数据;产品质量检验、医药临床试验 |
| 重点调查 | 非全面调查 | 选择一部分重点单位——就调查标志值来说在总体中占绝大比重 | 以较少投入、较快速度取得某些现象主要标志的基本情况或变动趋势;适用范围很广 | 全国 35 个大中型城市零售物价调查;5000 家工业企业联网直报制度 |
| 典型调查 | 非全面调查 | 有意识地选择若干具有典型意义或有代表性的单位 | ①灵活机动、深入翔实;②弥补全面调查不足、可验证全面调查数据真实性;③受人们主观认识影响 | 专家根据经验选择 10 个有代表性煤炭企业调查生产安全状况 |
表4 统计数据质量评价标准(9 项)
| # | 标准 | 要求关键词 | 侧重 |
|---|---|---|---|
| 1 | 真实性 | 源头数据符合实际情况,有依据、可溯源 | 基础数据质量 |
| 2 | 准确性 | 误差控制在允许范围内 | 生产科学性 |
| 3 | 完整性 | 范围不重不漏,口径完备无缺 | 全面系统反映客观实际程度 |
| 4 | 及时性 | 缩短从调查到公布的时间间隔 | 生产效率 |
| 5 | 适用性 | 最大限度为用户所用 | 用户满意度 |
| 6 | 经济性 | 尽可能降低成本,充分利用各类数据资源 | 成本效益 |
| 7 | 可比性 | 连续可比,规范统一的统计标准和原则 | 工作标准化、规范化程度 |
| 8 | 协调性 | 结构严谨、逻辑合理,总量与结构数据高度匹配 | 数据间逻辑关系 |
| 9 | 可获得性 | 多渠道、多方式公布数据,公布制度方法、加强解读 | 服务质量 |
表5 「12 个不等于」避坑表
| # | 说法 | 正解 |
|---|---|---|
| 1 | 描述统计=推断统计 | ✗ 就地整理是描述,由点推面(样本推总体)才是推断 |
| 2 | 分类变量=顺序变量 | ✗ 无序是分类变量,有序是顺序变量 |
| 3 | 变量=数据 | ✗ 变量是名称,数据是变量的取值 |
| 4 | 观测数据=实验数据 | ✗ 差别在是否施加人为控制:GDP/CPI/房价是观测,新产品寿命/新药疗效是实验 |
| 5 | 一手数据=自己的调查或实验 | ✗ 还要看使用者角度:统计年鉴上收集的数据是二手数据 |
| 6 | 全面调查=全面统计报表 | ✗ 全面调查=全面统计报表**+普查**(两类) |
| 7 | 非全面调查=抽样调查 | ✗ 非全面调查=非全面统计报表+抽样调查+重点调查+典型调查(四类) |
| 8 | 普查时效性强、经济性好 | ✗ 普查适用范围窄、耗费大;时效性、经济性是抽样调查的特点 |
| 9 | 重点调查=典型调查 | ✗ 量大=重点(标志值占绝大比重);择优=典型(有典型意义、受主观影响) |
| 10 | 真实性=准确性 | ✗ 真实性看源头符合实际(基础数据质量);准确性看误差在允许范围(生产科学性) |
| 11 | 完整性=适用性 | ✗ 完整性看不重不漏、口径完备;适用性看为用户所用(用户满意度) |
| 12 | 大数据只有 4V | ✗ 传统 4V,2026 新增"真实性"构成 5V |
四、公式与计算
本章定位说明(重要):第23章是统计部分的"概念章",素材内没有公式推导与计算题。抽样误差、样本量计算、数据挖掘相关指标等计算类内容在本章素材中均未出现(分别属于第24章《描述统计》、第25章《抽样调查》),按"不编造"纪律此处不作补写。以下仅整理本章素材中真实出现的数字型考点并配演算例题;例题中标注"素材例题"的数字来自素材原文,其余为演示用自拟数据,换算与规则全部来自素材。
演算1 大数据存储单位换算(进率 1024)
1 PB = 1024 TB
1 EB = 1024 PB(素材:约 100 万 TB)
1 ZB = 1024 EB(素材:约 10 亿 TB)
1 YB = 1024 ZB
1 BB = 1024 YB例题(素材真题改编):大数据起始计量单位达到 PB、EB 或 ZB 级别。若某平台数据量为 2 EB,约等于多少 TB? 演算:2 EB = 2 × 1024 PB = 2048 PB;2048 × 1024 TB = 2,097,152 TB ≈ 209.7 万 TB(与素材"1 EB 约 100 万 TB"的量级一致)。 点拨:记忆锚点——EB 约百万 TB、ZB 约十亿 TB,PB 是大数据的最小起始计量单位。
演算2 三类普查的周期与标准时间
经济普查:每 10 年 2 次,逢年份末尾数字为 3、8 的年份实施;标准时间 1 月 1 日 0 时
人口普查:每 10 年 1 次,逢 0 年份实施;第五、六、七次标准时间为 11 月 1 日 0 时
农业普查:每 10 年 1 次,逢 6 年份实施;标准时间 1 月 1 日 0 时例题(素材例题,2025 真题):关于农业普查的说法,正确的是?A.每逢 0 的年份进行 B.每 10 年进行 2 次 C.每逢 6 的年份进行 D.农业普查与经济普查同时进行 演算:农业普查逢 6(如 2016、2026),每 10 年 1 次 → C 正确;经济普查逢 3、8(如 2023、2028),每 10 年 2 次 → B 错;人口普查才逢 0 → A 错;三类普查不同时进行 → D 错。 点拨:口诀"三八年经、零年人口、六年农业"。
演算3 重点调查的"量大"比例
例题(素材例题):某省统计部门每月定期调查该省出口信贷额排在前 500 名的企业。这 500 家企业只占该省出口企业数量的 10%,但其出口信贷总额占全省的 75% 以上。这种调查方法是?→ 重点调查。 演算(演示数据):设该省出口企业共 5000 家(500 ÷ 10% = 5000),全省年出口信贷总额 100 亿元,则调查的 500 家企业覆盖企业数量的 10%,却掌握 75 亿元以上的信贷总量——用 10% 的单位取得 75% 的标志值,体现重点调查"以较少投入、较快速度取得主要标志基本情况"的特点。 点拨:判断重点调查的硬标准是"就调查标志值来说在总体中占绝大比重",既不是随机抽取,也不是有典型意义。
演算4 抽样调查中的"总体—样本"识别
例题(素材例题,2022 真题):某公司从所有在职员工中随机抽取 200 人,通过对这 200 人的调查估计所有员工的平均薪酬满意度。该抽样调查的样本是?→ 随机抽取的这 200 名员工。 演算(概念拆解):总体=该公司所有在职员工(200 人从中随机抽取);样本=被抽中的200 名员工本身;"所有员工的平均薪酬满意度"是总体参数,是估计的目标,不是样本。 点拨:样本是"被抽中的那一部分单位",不是他们的调查结果,更不是总体。
演算5 价值密度与数据总量成反比(定性判断)
价值密度 ∝ 1 / 数据总量(总量越大,单位数据的价值密度越低)例题(演示):一段 1 小时监控视频的数据量很大,但其中有效信息可能只有几秒钟——数据总量成倍增长,价值密度不升反降。 点拨:多选题中"价值密度高低与数据总量大小成正比"是经典错误选项(2025 真题 E 项)。
五、高频考点速记卡
Q:统计学的两大分支? A:描述统计(研究数据收集、整理和描述:如何取得数据、如何用图表或数学方法整理展示、如何描述一般特征)和推断统计(研究如何利用样本数据推断总体特征:参数估计+假设检验)。
Q:秒杀判断描述统计与推断统计? A:看是否"用样本推总体"——就地整理是描述,由点推面是推断。画图、制表、算平均数测度集中/离散趋势都是描述统计。
Q:变量分几类? A:定量(数量)变量(取值是数量)+定性变量;定性变量又分分类变量(无序类别)和顺序变量(有序类别)。
Q:变量和数据的关系? A:变量是名称,数据是变量的取值;数据可以是数值、文字或图像。数值型数据(定量)、分类数据、顺序数据分别对应三类变量。
Q:哪类数据能进行加减乘除运算? A:数值型数据(定量数据),如销售额;性别、行业类别、职位等级都不能。
Q:观测数据与实验数据的区别? A:是否对事物施加人为控制。无人为控制、直接调查测量的是观测数据(GDP、CPI、房价);控制实验对象及环境的是实验数据(新产品使用寿命、新药疗效)。
Q:一手数据来源于哪?统计年鉴呢? A:一手数据=使用者自己的调查或观察、实验;统计年鉴、报纸杂志、网络上的数据都是二手数据。在社会经济领域,统计调查是获得数据的主要方法,也是获得一手数据的重要方式。
Q:统计调查的两个重要特征? A:①有计划、有方法、有程序的活动;②结果表现为搜集到的数据。
Q:全面调查包括哪些?非全面调查呢? A:全面调查=全面统计报表+普查;非全面调查=非全面统计报表+抽样调查+重点调查+典型调查。
Q:连续调查与不连续调查怎么分? A:连续调查看一定时期内(通常一年内)的数量变化(产品生产、原材料投入、能源消耗、人口出生死亡);不连续调查间隔一年以上,看一定时点上的状态(生产设备拥有量、耕地面积)。
Q:五种统计调查方式的口诀? A:逐级=报表;全查=普查;随机=抽样;量大=重点;择优=典型。
Q:普查的四大特点? A:①通常一次性或周期性;②规定统一的标准调查时间(避免重复或遗漏);③数据较准确、规范化程度较高;④适用范围比较窄,只能调查最基本及特定的现象。
Q:三种普查的周期? A:经济普查每 10 年 2 次,逢 3、8 年份;人口普查每 10 年 1 次,逢 0 年份;农业普查每 10 年 1 次,逢 6 年份。
Q:抽样调查的特点及最显著优点? A:经济性、时效性强、适应面广、准确性高;最显著优点是经济性。两次人口普查之间各年份人口数据通过抽样调查取得。
Q:重点调查选什么样的单位? A:就调查标志值来说在总体中占绝大比重的单位(非随机)。能以较少投入、较快速度取得主要标志的基本情况或变动趋势。
Q:典型调查的软肋? A:受"有意识选出若干有代表性单位"限制,很大程度上受人们主观认识影响,必须同其他调查结合使用;它主要不在于反映总体数量特征,而在于了解与统计数字有关的具体情况。
Q:统计数据质量评价标准有哪九项? A:真实性、准确性、完整性、及时性、适用性、经济性、可比性、协调性、可获得性(《国家统计质量保证框架(2025)》)。
Q:真实性和准确性各自的侧重? A:真实性侧重基础数据质量(源头数据符合实际);准确性侧重生产科学性(误差控制在允许范围内)。
Q:大数据的 4V 与 5V? A:4V=数据量大、数据多样性、价值密度低、数据的产生和处理速度快("一秒定律");2026 新增真实性构成 5V。价值密度与数据总量成反比。
Q:三类学习方式的区分口诀? A:全标监督、无标无督、少标半督。监督学习有标签(分类:因变量是分类变量;回归:因变量是定量变量);无监督学习无标签(聚类、降维);半监督学习部分有标签。
六、典型真题(含解析)
素材中带年份标签的真题共 31 道,全部收录如下,答案与解析按素材保留(已修正明显错别字)。其中"抽样调查的优点"一题在素材中分别标注 2022、2024 两年(选项顺序不同),"推断统计(对回归模型进行假设检验)"一题两个来源分别标注 2022 与 2023 补,均已并列标注。
(一)统计学两大分支
1.【2022·单选】下列属于推断统计的是( )。(注:该题在素材另一来源中标为"2023 补",年份标注两版本并存) A. 计算一组数据的算术平均数测度集中趋势 B. 对回归模型进行假设检验 C. 利用折线图展示价格走势 D. 利用直方图展示一组数据的频数分布
答案:B解析:推断统计是研究如何利用样本数据来推断总体特征的统计学方法,内容包括参数估计和假设检验两大类。A、C、D 均为对现有数据的整理、展示与描述,属于描述统计。
2.【2022·单选】下列统计处理中,属于描述统计的是( )。 A. 利用抽样调查样本数据估计劳动力就业情况 B. 利用抽样调查样本数据估计收视率 C. 利用样本信息检验总体的假设是否成立 D. 利用散点图展示变量间相关关系
答案:D解析:描述统计研究数据收集、整理和描述,包括如何取得数据、如何用图表或数学方法整理展示、如何描述数据的一般性特征。A、B、C 均为推断统计。
3.【2023·单选】下列统计处理中,属于推断统计的是( )。 A. 采用散点图展示城镇居民人均可支配收入和人均消费支出间的相关关系 B. 采用圆形图展示能源消费构成 C. 利用统计表展示 2023 年 10 月份新建商品住宅零售价格变化情况 D. 利用样本客户调查数据估计某品牌消费者忠诚度
答案:D解析:核心区别是是否通过样本数据推断总体数量特征。A、B、C 均是对现有数据的整理与可视化展示,属于描述统计;D 通过样本数据推断总体特征,属于推断统计。
4.【2023 补·单选】下列统计处理中,属于推断统计的是( )。 A. 采用方差测度数据的离散程度 B. 使用最小二乘法对回归模型进行估计 C. 利用增长率计算居民消费价格指数的基本走势 D. 采用标准分数比较不同分布变量的取值
答案:B解析:描述统计对数据分布特征的测度分三个方面:集中趋势、离散程度、偏态。推断统计包括①参数估计:利用样本信息推断总体特征;②假设检验:利用样本信息判断对总体的假设是否成立。A、C、D 均属描述统计方法。
(二)变量和数据
5.【2017·单选】下列变量的观测数据中,可以进行加、减、乘或除等数学运算的是( )。 A. 销售额 B. 性别 C. 行业类别 D. 职位等级
答案:A解析:具有加、减、乘、除运算的一定是数值型数据,即定量变量。本题中只有销售额属于定量变量。
6.【2022·单选】以下属于定性变量的是( )。 A. 性别 B. 国内生产总值 C. 年末总人口 D. 财政收入
答案:A解析:定性变量反映现象属性特征,不能用数值表示大小或高低,取值为类别;定量变量(数量变量)可用数值表示且能进行数学运算。B、C、D 均属定量变量。
7.【2025·单选】下列统计变量中,属于分类变量的是( )。 A. 原煤产量 B. 网上零售额 C. 发电量 D. 行业类别
答案:D解析:分类变量的取值表现为类别,如企业所属行业(制造业/金融业/教育业)、员工性别(男/女)等。A、B、C 均属定量变量。
(三)数据的来源
8.【2023·单选】下列统计数据中,属于实验数据的是( )。 A. 国内生产总值 B. 某新型产品使用寿命 C. 住房价格指数 D. 居民消费价格指数
答案:B解析:实验数据是通过在实验中控制实验对象以及其所处的实验环境收集到的数据,如一种新产品使用寿命的数据、一种新药疗效的数据。
9.【2024·单选】下列统计数据中,属于观测数据的是( )。 A. 工业生产者价格数据 B. 新品种小麦蛋白质含量数据 C. 新产品使用寿命数据 D. 新药疗效数据
答案:A解析:观测数据是通过直接调查或观测而收集到的、未对研究对象进行人为控制的统计数据;B、C、D 均需通过人为控制实验条件(培育实验、使用测试实验、药效实验)才能获得,属于实验数据。
10.【2024·单选】关于统计数据来源的说法,正确的是( )。 A. 在社会经济领域,统计调查是获得数据的主要方法,也是获得一手数据的重要方式 B. 从使用者的角度看,别人的调查或实验的数据是统计数据的直接来源 C. 一手数据只来源于实验 D. 从统计年鉴上收集的数据是一手数据
答案:A解析:从使用者的角度看,别人的调查或实验的数据是统计数据的间接来源,B 错;一手数据来源于实验和调查等,C 错;从统计年鉴上收集的数据是二手数据,D 错。
(四)统计调查的概念与分类
11.【2022·单选】下列统计调查中,属于全面调查的是( )。 A. 农产品抽样调查 B. 人口普查 C. 劳动力调查 D. 居民消费价格调查
答案:B解析:全面调查是对构成调查对象的所有单位进行逐一的、无一遗漏的调查,包括全面统计报表和普查。人口普查要对全国人口无一例外地进行登记调查。
(五)统计调查的方式
12.【2021·单选】根据内容和实施范围不同,统计报表可以分为( )。 A. 日报、月报、季报和年报 B. 基层和综合统计报表 C. 全面和非全面统计报表 D. 国家、部门、地方统计报表
答案:D解析:统计报表三种分类——①按调查对象范围不同:全面统计报表、非全面统计报表;②按报送周期长短不同:日报、月报、季报、年报等;③按报表内容和实施范围不同:国家的、部门的、地方的统计报表。
13.【2022·单选】以下不属于普查范围的是( )。 A. 人口普查 B. 经济普查 C. 简单调查 D. 农业普查
答案:C解析:普查是为某一特定目的而专门组织的一次性全面调查,如人口普查、经济普查、农业普查等。
14.【2022·多选】抽样调查的优点有( )。 A. 具有周期性 B. 适应面广 C. 时效性强 D. 准确性高 E. 经济性
答案:BCDE解析:抽样调查的特点:①经济性;②时效性强;③适应面广;④准确性高。"周期性"是普查的特点,不是抽样调查的优点。(素材另有一道 2024 年同内容题,选项顺序不同,答案 ABCD,见下。)
15.【2024·多选】抽样调查的优点主要有( )。 A. 适应面广 B. 经济性 C. 时效性强 D. 准确性高 E. 具有周期性
答案:ABCD解析:抽样调查具有以下几个特点:①经济性;②时效性强;③适应面广;④准确性高。E"具有周期性"不属于抽样调查特点。
16.【2022·单选】某公司从所有在职员工中随机抽取 200 人,通过对这 200 人的调查估计所有员工的平均薪酬满意度。该抽样调查的样本是( )。 A. 该公司所有在职员工 B. 该公司所有在职员工的平均薪酬满意度 C. 随机抽取的这 200 名员工的平均薪酬满意度 D. 随机抽取的这 200 名员工
答案:D解析:抽样调查是从调查对象的总体中抽取一部分单位作为样本进行调查。随机抽取的这 200 名员工是该抽样调查的样本。
17.【2022·多选】下列重点调查特点的说法,正确的有( )。 A. 重点调查能以较少的投入取得某些现象主要标志的基本情况或变动趋势 B. 重点调查统一规定标准调查时间 C. 重点调查适用范围广 D. 重点调查能以较快的速度取得某些现象主要标志的基本情况或变动趋势 E. 重点调查具有周期性
答案:ACD解析:重点调查是一种非全面调查,适用范围很广,能以较少的投入、较快的速度取得某些现象主要标志的基本情况或变动趋势。B、E 错误——"规定统一的标准调查时间"和"周期性"是普查的特点。
18.【2020·多选】关于重点调查的说法,正确的有( )。 A. 重点调查是一种非全面调查 B. 重点调查一般需要规定统一的标准调查时间 C. 重点调查的适用范围很广 D. 重点调查能以较少的投入、较快的速度取得某些现象主要标志的基本情况或变动趋势 E. 重点调查所选择的重点单位虽然只是全部单位中的一部分,但就调查的标志值来说,在总体中占绝大比重
答案:ACDE解析:普查一般需要规定统一的标准调查时间,B 选项错误。
19.【2023·多选】关于典型调查特点的说法,正确的有( )。 A. 典型调查只选取少数典型单位进行调查 B. 典型调查在很大程度上受人们主观认识的影响 C. 典型调查必须规定统一的标准调查时间 D. 典型调查具有周期性 E. 典型调查主要用于反映总体数量特征
答案:AB解析:典型调查是根据调查的目的与要求,在对被调查对象进行全面分析的基础上,有意识地选择若干具有典型意义的或有代表性的单位进行的调查,具有灵活机动、通过少数典型单位即可取得深入翔实统计资料的优点;它主要不在于反映现象的总体数量特征,而在于了解与统计数字有关的具体情况;由于受"有意识选出若干有代表性单位"的限制,很大程度上受人们主观认识的影响。C、D 是普查的特点,E 说法错误。
20.【2025·单选】在进行普查时,应选择的调查单位是( )。 A. 有典型意义的单位 B. 构成调查对象的所有单位 C. 主动参与调查的单位 D. 就调查标志值来说在总体中占绝大比重的单位
答案:B解析:普查属于全面调查,全面调查是对构成调查对象的所有单位进行逐一、无一遗漏的调查,因此普查的调查单位是构成调查对象的所有单位。
21.【2025·单选】关于农业普查的说法,正确的是( )。 A. 每逢 0 的年份进行 B. 每 10 年进行 2 次 C. 每逢 6 的年份进行 D. 农业普查与经济普查同时进行
答案:C解析:经济普查每 10 年进行两次,分别在每逢年份末尾数字为"3"和"8"的年份实施;人口普查逢"0"的年份进行,农业普查逢"6"的年份进行,均为每 10 年一次。
(六)统计数据质量评价标准
22.【2023·多选】关于统计数据质量评价标准的说法,正确的有( )。 A. 统计数据的可获得性侧重于对统计服务质量的评价 B. 统计数据的可获得性要求多渠道、多方式公布统计数据,同时公布相应的统计制度方法,加强数据解读 C. 统计数据的协调性侧重于对统计数据间逻辑关系的评价 D. 统计数据的协调性要求统计数据结构严谨、逻辑合理,各总量数据、结构数据相互之间高度匹配 E. 统计数据的真实性侧重于对统计用户满意度的评价
答案:ABCD解析:可获得性侧重统计服务质量、协调性侧重数据间逻辑关系,A、B、C、D 均正确。E 错误——真实性侧重对基础数据质量的评价;侧重用户满意度的是适用性。
23.【2024·多选】关于统计数据质量评价标准的说法,正确的有( )。 A. 统计数据的真实性要求误差必须控制在允许范围内 B. 统计数据的完整性应当最大限度为用户所用 C. 统计数据的适用性侧重于对统计用户满意度的评价 D. 统计数据的准确性要求统计源头数据必须符合统计调查对象的实际情况 E. 统计数据的经济性侧重于对统计数据成本效益的评价
答案:CE解析:A 错——真实性要求统计源头数据必须符合统计调查对象的实际情况,侧重基础数据质量;B 错——完整性要求统计数据全面完整,统计范围不重不漏、统计口径完备无缺;D 错——准确性要求误差必须控制在允许范围内,侧重生产科学性。
24.【2025·单选】在国家统计局制定的统计质量评价标准中,真实性侧重于评价( )。 A. 统计数据生产科学性 B. 统计数据的明确性 C. 基础数据质量 D. 统计服务质量
答案:C解析:真实性要求统计源头数据必须符合统计调查对象的实际情况,确保统计数据有依据、可溯源,侧重于对基础数据质量的评价。
(七)数据科学与大数据
25.【2022·单选】关于数据科学的说法,不正确的有( )。 A. 数据科学主要涉及统计学的范畴 B. 数据科学是一门通过系统性研究获取与数据相关的知识体系的学科 C. 数据科学研究的是从"数据"整合成"信息"进而组织成"知识"的整个过程 D. 数据科学的研究对象是数据
答案:A解析:数据科学涉及的范围非常广泛,如统计学、机器学习、计算机科学、可视化、人工智能、领域知识等,A 项"主要涉及统计学的范畴"错误。
26.【2023 补·多选】大数据的特性包括( )。 A. 数据的产生速度快 B. 数据的价值密度高 C. 数据多样性 D. 数据量大 E. 数据的处理速度快
答案:ACDE解析:大数据具有"5V"特性:①数据量大(volume);②数据多样性(variety);③价值密度低(value);④数据的产生和处理速度快(velocity);⑤真实性。B"价值密度高"错误。
27.【2025·多选】关于大数据特性,正确的有( )。 A. 大数据包括结构化、半结构化和非结构化的数据 B. 大数据起始计量单位达到 PB(1024TB)、EB(1024PB)或 ZB(1024EB)级别 C. 大数据原始数据零散,复杂多样,使用价值低 D. 大数据要符合"1 秒定律" E. 大数据价值密度高低与数据总量的大小成正比
答案:ABCD解析:大数据"4V"特性——①数据量大:起始计量单位是 PB(1024TB)、EB(1024PB,约 100 万 TB)或 ZB(1024EB,约 10 亿 TB),未来甚至会达到 YB(1024ZB)或 BB(1024YB);②数据多样性:类型繁多,包括各种结构化、半结构化和非结构化数据;③价值密度低:价值密度高低与数据总量大小成反比;④数据的产生和处理速度快:一般要在秒级时间范围内给出分析结果,即"1 秒定律"。E 错误。
28.【2022·单选】下列属于无监督学习的是( )。 A. 决策树 B. 线性回归 C. 因子分析 D. 随机森林
答案:C解析:因子分析是无监督学习的降维方法;线性回归是监督学习的回归方法;决策树和随机森林是监督学习的分类方法。
29.【2023 补·多选】下列数据挖掘方法中,属于监督学习的有( )。 A. 聚类分析 B. 因子分析 C. 支持向量机 D. 逻辑斯特回归(逻辑斯蒂回归) E. 主成分分析
答案:CD解析:监督学习有两大类典型任务:分类和回归。常用分类方法有逻辑斯蒂回归、决策树、随机森林和支持向量机等;常用回归方法有线性回归、非线性回归和分位数回归等。聚类分析、因子分析、主成分分析均属无监督学习。
30.【2025·多选】下列属于无监督学习的是( )。 A. 线性回归 B. 非线性回归 C. 主成分分析 D. 决策树 E. K 均值聚类算法
答案:CE解析:无监督学习有两大类典型任务:聚类和降维。聚类常用基于划分的方法(如 K 均值聚类算法)、基于分层、基于密度、基于网格、基于模型的方法;降维常用主成分分析法、因子分析法等。线性回归、非线性回归属监督回归,决策树属监督分类。
31.【2025·多选】以下属于无监督学习的类型是( )。 A. 主成分分析法 B. 决策树 C. K 均值聚类 D. 非线性回归 E. 线性回归
答案:AC解析:无监督学习两大类任务为聚类与降维:主成分分析法属降维,K 均值聚类属聚类;决策树属监督分类,线性回归、非线性回归属监督回归。
六(补)素材中未标年份的练习题(一并收录,便于刷题)
【单选】统计学包括描述统计和( )两个分支。 A. 数据统计 B. 调查统计 C. 应用统计 D. 推断统计 答案:D
【多选】下列统计分析中,需要采用推断统计方法的有( )。 A. 用样本信息估计总体特征 B. 用图表对数据进行展示 C. 描述一组数据的集中趋势 D. 用样本信息检验对总体的假设是否成立 E. 描述一组数据的离散趋势 答案:AD
【多选】下列统计方法中,属于描述统计的有( )。 A. 利用图形展示数据的变化趋势 B. 用数学方法展示数据分布特征 C. 用样本信息判断关于总体的假设是否成立 D. 用样本均值估计总体均值 E. 利用表格展示数据的频数分布 答案:ABE
【单选】下列变量中,属于定性变量的是( )。 A. 小麦进口数量 B. 企业所属行业 C. 食糖出口数量 D. 人口平均预期寿命 答案:B|解析:企业所属行业是分类变量;当变量取值表现为类别且有一定顺序时是顺序变量(如员工受教育水平);分类变量和顺序变量统称为定性变量。
【单选】下列变量中,属于顺序变量的是( )。 A. 全年电力使用量 B. 员工数量 C. 员工受教育水平 D. 产品销售额 答案:C
【多选】下列变量中属于定量变量,其取值通常表现为具体数值的是( )。 A. 商品销售额 B. 上班出行方式 C. 家庭收入 D. 居住地区 E. 年龄 答案:ACE|解析:当变量的取值是数量时,该变量被称为定量变量或数量变量,如企业销售额、固定资产投资完成额、年龄。
【单选】在不对事物施加人为控制因素的条件下,直接调查或测量而收集到的数据,称为( )。 A. 间接数据 B. 二手数据 C. 实验数据 D. 观测数据 答案:D
【多选】下列选项中属于观测数据的是( )。 A. 一种新药疗效的数据 B. GDP C. CPI D. 房价 E. 一种新产品使用寿命的数据 答案:BCD|解析:A、E 属于实验数据。
【多选】下列统计数据中,属于一手数据的有( )。 A. 通过临床试验获得的新药疗效数据 B. 通过查阅统计年鉴获得的居民消费价格指数 C. 通过房地产管理部门数据库获得的房价数据 D. 通过入户调查得到的家庭月收入数据 E. 通过网络调查得到的网民对某项政策的支持率数据 答案:ADE|解析:B、C 属于别人的调查数据,即二手数据。
【多选】下列调查方式中,属于非全面调查的有( )。 A. 重点调查 B. 抽样调查 C. 典型调查 D. 普查 E. 全面报表 答案:ABC|解析:D、E 属于全面调查。
【单选】根据国家有关法律法规,按照统一表式、统一指标、统一报送时间,自上而下地统一布置、自下而上地逐级提供基本统计数据,这种统计调查方式称为( )。 A. 统计报表 B. 抽样调查 C. 普查 D. 重点调查 答案:A
【多选】与抽样调查相比,普查的特点有( )。 A. 时效性强 B. 使用范围比较窄 C. 通常是一次性或周期性的 D. 规定统一的标准调查时间 E. 经济性 答案:BCD
【多选】普查的特点有( )。 A. 普查需要耗费大量的人力、物力和财力 B. 周期性的普查通常需要间隔较长时间 C. 规范化程度较高 D. 适用范围较广,适用于各个领域 E. 需要规定统一的标准调查时间 答案:ABCE|解析:普查适用范围比较窄,只能调查一些最基本及特定的现象。
【多选】相对于普查而言,抽样调查的特点包括( )。 A. 经济性 B. 时效性强 C. 适应面广 D. 周期性 E. 准确性高 答案:ABCE
【单选】在进行重点调查时,应选择的调查单位是( )。 A. 就调查标志值来说在总体中占绝大比重的单位 B. 有典型意义的单位 C. 主动参与调查的单位 D. 随机抽取的单位 答案:A|解析:B 属于典型调查;D 属于抽样调查。
【单选】某省统计部门为及时了解该省企业的出口信贷情况,每月定期调查该省出口信贷额排在前 500 名的企业。这 500 家企业虽然只占该省出口企业数量的 10%,但其出口信贷总额占该省企业出口信贷总额的 75% 以上,这种调查方法是( )。 A. 重点调查 B. 随机抽样调查 C. 典型调查 D. 系统调查 答案:A
【单选】为了解全国煤炭企业的生产安全状况,找出安全隐患,专家根据经验选择 10 个有代表性的企业进行深入细致的调查。这类调查方法属于( )。 A. 专家调查 B. 重点调查 C. 系统调查 D. 典型调查 答案:D
【多选】关于典型调查的说法,正确的有( )。 A. 典型调查是一种非全面调查 B. 典型调查可以弥补抽样调查的不足 C. 典型调查在很大程度上受到人们主观认识的影响 D. 在统计活动中,运用典型调查的方法,主要在于反映现象的总体数量特征 E. 典型调查可以在一定条件下验证全面调查数据的真实性 答案:ACE|解析:典型调查可以弥补全面调查的不足;运用典型调查主要不在于反映总体数量特征,而在于了解与统计数字有关的具体情况。
【多选】统计数据质量评价标准说法正确的有( )。 A. 统计数据的可比性要求统计数据应连续可比,不同时间、空间数据生产使用规范统一的统计标准和统计原则 B. 统计数据的可比性侧重对基础统计数据质量的评价 C. 统计数据的经济性侧重对统计数据生产科学性的评价 D. 统计数据的经济性要求统计数据应尽可能降低成本,统计调查、行政记录、大数据等数据资源得到充分利用 E. 统计数据的适用性侧重对统计数据全面系统反映客观实际程度的评价 答案:AD|解析:可比性侧重统计工作标准化、规范化程度;经济性侧重成本效益;适用性侧重用户满意度。
【多选】数据科学研究的是从"数据"整合成"信息"进而组织成"知识"的整个过程,包含对数据进行( )等一系列活动。 A. 检查 B. 表现 C. 处理 D. 采集 E. 存储 答案:BCDE|解析:包含采集、存储、处理、分析、表现等活动。
【多选】大数据具有"5V"特性,具体包括( )。 A. 数据量大 B. 数据多样化 C. 价值密度低 D. 数据的产生和处理速度快 E. 数据服务范围广 答案:ABCD
【单选】( )是指存储在数据库里,可以用二维表结构实现表达的数据。 A. 结构化数据 B. 非结构化数据 C. 半结构化数据 D. 随机数据 答案:A
【多选】数据挖掘包含了几种不同的含义,具体有( )。 A. 数据源必须是真实的、大量的、有噪声的 B. 挖掘完成后必须能获得反馈 C. 发现的是用户感兴趣的知识 D. 发现的知识是可接受、可理解、可运用的 E. 并不要求发现放之四海而皆准的知识 答案:ACDE
【多选】下列属于聚类分析的是( )。 A. 结构分组 B. 客户细分 C. 行为跟踪 D. 主成分分析法 E. 因子分析法 答案:ABC|解析:D、E 属于降维(特征提取)方法。
【单选】下列关于数据挖掘说法,正确的是( )。 A. 每个观测单位只有自变量(特征 xi),没有因变量(标签 yi)属于监督学习 B. 每个观测单位既有自变量(特征 xi),又有因变量(标签 yi)属于无监督学习 C. 根据客户的能力、品格、担保、资本、环境等特征评价客户的信用等级属于聚类技术 D. 把一组数据按照差异性和相似性分为几个类别,使得同类数据相似性尽可能大,不同类数据相似性尽可能小,跨类的数据关联性尽可能低 答案:D|解析:A、B 说反了;C 属于降维技术的典型例子。
【单选】当变量的取值表现为类别且有一定顺序的,则该变量为( )。 A. 定量变量 B. 分类变量 C. 顺序变量 D. 类别变量 答案:C|解析:取值是类别且有一定顺序的是顺序变量(如员工受教育水平);只有类别、无顺序的是分类变量。
【单选】( )其取值表现为具体的数值。 A. 定量数据 B. 分类数据 C. 顺序数据 D. 定性数据 答案:A|解析:数值型数据(定量数据)的取值表现为具体数值;分类数据和顺序数据表现为类别。
【单选】下列统计变量中,属于顺序变量的是( )。 A. 原油价格 B. 年末总人口 C. 员工受教育水平 D. 学生年龄 答案:C
【单选】下列统计变量中,属于定量变量的是( )。 A. 性别 B. 年龄 C. 产品等级 D. 汽车品牌 答案:B|解析:年龄可用数值计量并进行数学运算;性别、产品等级、汽车品牌的取值为类别。
【单选】以下属于定性变量的是( )。 A. 实际利用外资额 B. 茶叶出售数量 C. 农民工月收入 D. 行业类别 答案:D|解析:行业类别是分类变量,分类变量和顺序变量统称为定性变量;A、B、C 均可数值计量,属定量变量。
【多选】大数据具有"4V"特性,具体包括( )。 A. 数据量大 B. 数据多样化 C. 价值密度低 D. 数据的产生和处理速度快 E. 数据服务范围广 答案:ABCD|解析:4V 指数据量大、数据多样性、价值密度低、数据的产生和处理速度快;2026 年新增"真实性"后为 5V。
七、易错点与避坑指南
| # | 错在哪 | 怎么记 |
|---|---|---|
| 1 | 把"用样本估计总体"归入描述统计 | 描述统计只整理展示现有数据;由点推面(样本→总体)才是推断统计 |
| 2 | 把"假设检验"归入描述统计 | 推断统计=参数估计+假设检验,假设检验必属推断 |
| 3 | 把"受教育水平"当成分类变量 | 受教育水平有等级顺序,是顺序变量;无序类别(行业、性别)才是分类变量 |
| 4 | 认为"1 表示男、2 表示女"是数值型数据 | 那是分类数据的代码表现形式;能否加减乘除才是数值型数据的试金石 |
| 5 | 把新药疗效、新产品寿命当作观测数据 | 需人为控制实验对象及环境的是实验数据;GDP、CPI、房价才是观测数据 |
| 6 | 认为统计年鉴中的数据是一手数据 | 统计年鉴是别人的调查成果,属二手数据 |
| 7 | 漏选"非全面统计报表" | 非全面调查=非全面统计报表+抽样调查+重点调查+典型调查,四类缺一不可 |
| 8 | 认为普查"时效性强、经济性好" | 普查适用范围窄、耗费大、一次性或周期性;时效性、经济性是抽样调查的特点 |
| 9 | 把"统一标准调查时间"安到重点调查/典型调查头上 | 规定统一的标准调查时间是普查的特点(人口普查 11 月 1 日 0 时;经济、农业普查 1 月 1 日 0 时) |
| 10 | 混淆重点调查与典型调查 | 量大=重点(标志值占绝大比重);择优=典型(有典型意义、受主观认识影响) |
| 11 | 认为抽样调查有"周期性"优点 | 周期性是普查的特点;抽样调查的优势恰是可频繁进行 |
| 12 | 样本识别错误(选"200 人的平均薪酬满意度") | 样本是被随机抽取的 200 名员工本身;平均薪酬满意度是总体参数,是估计目标 |
| 13 | 真实性与准确性混淆 | 真实性看源头数据符合实际(基础数据质量);准确性看误差在允许范围(生产科学性) |
| 14 | 完整性与适用性混淆 | 完整性=不重不漏、口径完备;适用性=最大限度为用户所用(用户满意度) |
| 15 | 协调性与可获得性混淆 | 协调性看总量与结构数据高度匹配(逻辑关系);可获得性看多渠道多方式公布数据(服务质量) |
| 16 | 大数据只记 4V 或漏掉"真实性" | 传统 4V(量大、多样、低密度、速度快)+2026 新增真实性=5V |
| 17 | 认为价值密度与数据总量成正比 | 成反比;数据总量越大,价值密度越低 |
| 18 | 把决策树、随机森林、支持向量机归入无监督学习 | 三者都是监督学习的分类方法;线性回归、非线性回归是监督的回归方法 |
| 19 | 把主成分分析、因子分析、K 均值归入监督学习 | 三者都是无监督学习(主成分、因子分析=降维;K 均值=聚类) |
| 20 | 认为数据科学主要属于统计学范畴 | 数据科学范围广得多:统计学+机器学习+计算机科学+可视化+人工智能+领域知识 |
八、本章数字速记
| 数字 | 考点 |
|---|---|
| 2 个分支 | 描述统计、推断统计 |
| 推断统计 2 项内容 | 参数估计、假设检验 |
| 3 类变量 | 定量(数量)变量、分类变量、顺序变量 |
| 2 类定性变量 | 分类变量(无序)+顺序变量(有序) |
| 3 类数据 | 数值型数据、分类数据、顺序数据 |
| 2 种数据分类标准 | 按收集方法(观测/实验)、按使用者角度(一手/二手) |
| 2 类全面调查 | 全面统计报表、普查 |
| 4 类非全面调查 | 非全面统计报表、抽样调查、重点调查、典型调查 |
| 5 种调查方式 | 统计报表、普查、抽样调查、重点调查、典型调查 |
| 统计报表"四统一" | 统一表式、统一指标、统一报送时间、统一报送程序 |
| 统计报表 3 种分类 | 按范围(全面/非全面)、按周期(日/月/季/年报)、按内容和实施范围(国家/部门/地方) |
| 普查 4 特点 | 一次性或周期性、统一标准调查时间、准确且规范化程度高、适用范围比较窄 |
| 抽样调查 4 特点 | 经济性(最显著优点)、时效性强、适应面广、准确性高 |
| 每 10 年 2 次,逢 3、8 | 经济普查 |
| 每 10 年 1 次,逢 0 | 人口普查 |
| 每 10 年 1 次,逢 6 | 农业普查 |
| 11 月 1 日 0 时 | 第五、六、七次人口普查标准时间 |
| 1 月 1 日 0 时 | 农业普查、经济普查标准时间 |
| 35 个大中型城市 | 重点调查典型例子(全国城市零售物价变动趋势) |
| 5000 家工业企业 | 联网直报制度属于重点调查 |
| 500 家 / 10% / 75% | 重点调查例题:10% 的单位掌握 75% 的标志值 |
| 200 人 | 抽样调查例题中被随机抽取的样本 |
| 9 项评价标准 | 真实性、准确性、完整性、及时性、适用性、经济性、可比性、协调性、可获得性 |
| 4V+1 | 大数据 4V 特性+2026 新增"真实性"=5V |
| 1 秒定律 | 大数据处理速度要求 |
| 1024 进率 | 1PB=1024TB;1EB=1024PB(约 100 万 TB);1ZB=1024EB(约 10 亿 TB);1YB=1024ZB;1BB=1024YB |
| 3 类学习方式 | 监督学习、无监督学习、半监督学习 |
| 监督学习 2 任务 | 分类(因变量是分类变量)、回归(因变量是定量变量) |
| 无监督学习 2 任务 | 聚类、降维(特征提取,N 降为 K,K<N) |
| 数据科学 5 个环节 | 采集、存储、处理、分析、表现(数据→信息→知识) |
| 21 分 / 11 道单选+5 道多选 | 第四部分"统计"合计题量与分值 |
| 平均 5 分左右 | 第23章平均分值 |
九、原创练习题(进题库)
以下为依据本章笔记原创改编的练习题,已收入站内题库,可在「刷题」页按专业大类「经济基础」筛选。
---
id: jc23-q001
type: choice
difficulty: 1
source: 自编
---
统计人员将已经采集到的某市各区常住人口数据进行分组、汇总并制成图表,用以呈现全市人口的分布状况。这一工作属于( )。
A. 描述统计
B. 推断统计
C. 实验数据采集
D. 抽样估计
@answer A
@explanation 描述统计研究如何就地整理、展示已获得的数据,概括其数量特征;推断统计是由样本推断总体(由点及面)。本题只是整理呈现已有数据,属描述统计。---
id: jc23-q002
type: choice
difficulty: 2
source: 自编
---
某研究者根据从全国抽取的若干家庭样本,估计全国居民家庭的平均年收入,并给出误差范围。从统计方法看,这属于( )。
A. 描述统计
B. 推断统计
C. 普查
D. 重点调查
@answer B
@explanation 由样本数据推断总体数量特征、并给出估计误差,属于推断统计(由点推面);描述统计只整理展示已有数据,不涉及由样本到总体的推断。---
id: jc23-q003
type: choice
difficulty: 1
source: 自编
---
下列变量中,属于顺序变量的是( )。
A. 家庭月收入的具体金额
B. 顾客对服务满意度评为"很满意、满意、一般、不满意"
C. 被访者所属的行业类别
D. 某商品的月销售件数
@answer B
@explanation 顺序变量的取值有内在等级或先后顺序但不能量化间距,如满意度等级;A、D是数量变量,C是分类变量(无顺序)。---
id: jc23-q004
type: choice
difficulty: 2
source: 自编
---
关于观测数据与实验数据的说法,正确的是( )。
A. 观测数据是在人为控制条件下取得的
B. 实验数据是对现象自然状态的记录
C. 二者的区别在于是否对现象进行了人为控制
D. 统计年鉴上公布的数据属于实验数据
@answer C
@explanation 观测数据是在没有人为控制条件下取得的,实验数据是在人为控制或干预条件下取得的,区别就在于是否人为控制;统计年鉴属于二手数据,多为观测数据。---
id: jc23-q005
type: choice
difficulty: 1
source: 自编
---
某高校直接向本校毕业生发放问卷,收集其就业去向,用于本校就业质量分析。这些数据属于( )。
A. 一手数据
B. 二手数据
C. 实验数据
D. 顺序数据
@answer A
@explanation 通过直接调查或科学试验,由使用者自己采集的原始数据是一手数据(直接数据);间接取自他人已整理发布的资料(如统计年鉴)才是二手数据。---
id: jc23-q006
type: choice
difficulty: 2
source: 自编
---
下列调查方式中,属于全面调查的是( )。
A. 抽样调查
B. 普查
C. 重点调查
D. 典型调查
@answer B
@explanation 全面调查是对总体全部单元逐一进行调查,包括全面统计报表和普查;抽样调查、重点调查、典型调查都属于非全面调查(只调查部分单元)。---
id: jc23-q007
type: choice
difficulty: 2
source: 自编
---
某部门为了解全国钢铁产量情况,只调查产量占全国比重很大的少数几家大型钢铁企业。这种调查方式是( )。
A. 典型调查
B. 重点调查
C. 抽样调查
D. 普查
@answer B
@explanation 重点调查是在调查对象中选择少数重点单位(其标志值在总体中占很大比重)进行调查,目的是掌握总体基本情况;典型调查是选择有代表性的典型单位进行深入研究,目的不同。---
id: jc23-q008
type: choice
difficulty: 3
source: 自编
---
关于抽样调查特点的说法,正确的有( )。
A. 抽样调查是按随机原则从总体中抽取部分单元进行调查
B. 抽样调查可以根据样本推断总体
C. 经济性是抽样调查最显著的特点
D. 抽样调查的误差无法事先计算和控制
E. 抽样调查适用于不宜进行全面调查的场合
@answer ABCE
@explanation 抽样调查按随机原则抽样、可由样本推断总体、经济性最显著、能用于不宜全面调查的场合;其抽样误差是随机的,虽不可避免但可以事先计算和控制,故D错。---
id: jc23-q009
type: choice
difficulty: 2
source: 自编
---
在数据挖掘的常见任务中,若因变量是分类型的,通常采用的方法是( )。
A. 聚类
B. 回归
C. 分类
D. 降维
@answer C
@explanation 有监督学习中,因变量为分类型用"分类"方法,因变量为定量(数值型)用"回归"方法;聚类和降维属于无监督学习,没有因变量。---
id: jc23-q010
type: choice
difficulty: 3
source: 自编
---
下列关于大数据特征的说法,正确的有( )。
A. 数据体量巨大
B. 数据类型多样
C. 价值密度高且与数据规模成正比
D. 处理速度快、时效性要求高
E. 数据的真实性
@answer ABDE
@explanation 大数据特征通常概括为"5V":体量大、多样、速度快、真实性,以及价值(密度低)。价值密度往往与数据总量成反比而非正比,故C错。---
id: jc23-q011
type: choice
difficulty: 2
source: 自编
---
按数据的结构化程度划分,网页文本、社交媒体的图片和视频通常属于( )。
A. 结构化数据
B. 半结构化数据
C. 非结构化数据
D. 顺序数据
@answer C
@explanation 图片、音频、视频等没有固定字段和统一格式的数据是非结构化数据;关系型数据库中行列规整的是结构化数据;带标签但不严格规整的(如XML、JSON)是半结构化数据。---
id: jc23-q012
type: blank
difficulty: 2
source: 自编
---
数据科学中,数据经过采集、存储、处理、分析、表达等环节,可以由数据转化为信息,再进一步凝练升华为________。
@answer 知识
@explanation 数据科学的价值链是"数据→信息→知识":原始数据经处理分析形成信息,信息经提炼、关联与理解后上升为可指导决策的知识。---
id: jc23-q013
type: choice
difficulty: 2
source: 自编
---
按照我国普查制度,下列年份中,同时安排了经济普查的是( )。
A. 2026年
B. 2028年
C. 2030年
D. 2031年
@answer B
@explanation 经济普查每10年进行2次,在年份末尾数字为3、8的年份实施,故2028年进行经济普查。2026年(逢6)是农业普查年份,2030年(逢0)是人口普查年份,2031年不属于上述任何普查年份。---
id: jc23-q014
type: choice
difficulty: 2
source: 自编
---
下列关于统计数据质量评价标准的说法,正确的有( )。
A. 及时性侧重于对统计数据生产效率的评价
B. 完整性要求统计范围不重不漏、统计口径完备无缺
C. 准确性侧重于对基础数据质量的评价
D. 可比性侧重于对统计工作标准化、规范化程度的评价
E. 经济性侧重于对统计用户满意度的评价
@answer ABD
@explanation 及时性侧重生产效率,完整性要求范围不重不漏、口径完备,可比性侧重标准化、规范化程度,A、B、D正确。准确性侧重统计数据生产科学性,侧重基础数据质量的是真实性,C错;经济性侧重成本效益,侧重用户满意度的是适用性,E错。---
id: jc23-q015
type: choice
difficulty: 2
source: 自编
---
某地统计部门需掌握辖区内某一时点的耕地面积和生产设备拥有量,每隔数年登记一次。按调查登记的时间是否连续划分,这种调查属于( )。
A. 连续调查
B. 不连续调查
C. 全面统计报表
D. 重点调查
@answer B
@explanation 耕地面积、生产设备拥有量短期变化不大,间隔较长时间(通常一年以上)登记某一时点的状态即可,属于不连续调查;连续调查用于观察一定时期内的数量变化,如产品生产、能源消耗、人口出生和死亡等。C、D是按其他标准划分的调查方式。---
id: jc23-q016
type: choice
difficulty: 3
source: 自编
---
关于半监督学习的说法,正确的有( )。
A. 数据集中一部分观测单位有因变量,另一部分只有自变量
B. 没有标签的观测单位数量通常远大于有标签的观测单位
C. 其成本低于监督学习
D. 其准确性高于无监督学习
E. 常用方法仅限于半监督聚类
@answer ABCD
@explanation 半监督学习中一部分观测单位既有自变量又有因变量,另一部分只有自变量,且无标签的数量远大于有标签的;它将监督学习与无监督学习相结合,成本低于监督学习、准确性高于无监督学习。常用方法包括半监督分类、半监督回归和半监督聚类,并不仅限于聚类,E错。