简易论文一般是总分总的 顺序。先陈述你的观点， 这是总。然后分段儿进行论述，从各个方面进行佐证。最后总结你的观点 。这是一篇完整的议论文
议论文的结构方式通常有以下几种：?1.纵贯式结构方式?按照引论(导论、绪论)、本论(正文)、结论三部分组织材料，叫纵贯式结构方式。它大体上是按照提出问题——分析问题——解决问题的逻辑顺序来安排的。又称“三段式结构方式”。?2.并列式结构方式?围绕中心论点，从不同角度进行论证，形成若干分论点，几个分论点构成并列关系，共同论证中心论点，这就是议论文的并列式结构方式。?3.递进式结构方式?在阐述中心论点时，各层次、段落之间的关系，是环环相扣、逐层深入的关系，前一部分论述是后一部分论述的基础，最后推导出文章的结论。?4.对比式结构方式?这是把正反两方面的观点、事例，对比地组合在一起的结构方式，形成强烈的反差，使两种不同的事理在对比中更清晰，从而更有力地突出正面的论点和主张。?在议论文中，上述结构方式常常交错使用，一般是以某一种结构方式为主，以其他方式为辅，这样，既可使行文富于变化，又不会使文章杂乱无章。?
议论文顺序：
一、拟好题
题目是文章的眼睛，是文章传递显要信息的重要部分。由于它位居文章结构之首，所以文章题目的优劣也会直接影响阅卷者对文章的第一印象。议论文拟题的基本要求是：在准确的基础上力求醒目、舒畅。具体而言，可鲜明，可形象，可简洁，可别致，可整齐，不一而足。总之，以能激发阅卷者阅读兴趣或使之有耳目一新之感为最佳。
议论文的题目要求符合文体特征，要求鲜明，使人见其题而知其旨。观点鲜明的文章最受阅卷者的欢迎，因为它具有清澈感和透明感，能够传达出文章内容之大概，便于把握整篇文章的基本内容。
二、开好头
高尔基说过：“(开头)好像音乐里定调一样，全曲的音调都是它给予的，也是作者花功夫的所在。”议论文的开头要讲究“短、快、靓”。短，即要简捷，最好三两句成段，引入本论。开头短，可避免冗长之赘，而且短句成段，在空间上突出其内容的重要性。快，即入题要快，最好三言两语就点明文章的基本观点或议论的话题。因为评分标准中有“中心明确”的细则。开篇确定中心，有利于阅卷者按等计分，也有利于作者展开论述，不致出现主旨不清、中途转换论题等作文大忌。靓，即要精彩。这也是传统文论中所说的“凤头”。精彩的开头，最突出的效果是吸引阅卷者，给阅卷者留下好的印象。文章开头要精彩，多用比喻、类比、排比等修辞引入论点，还可引述名言，讲述寓言故事导入话题。
三、中间段写好首句和末句
议论文的结构是否严谨，条理是否清楚，论证是否严密，论据是否典型，关键在中间段的写作。而结构、条理、论证和论据等是议论文评分的重要细则，因此，写作议论文要尽量符合这些标准。
常见的论述模式是：首句为小论点或承上启下的过渡词句；中间围绕小论点，运用恰当的事实、理论论据，或针对现实生活中的某些现象，分析说理；最后结合论述内容写一两句小结的话语。其中首句和末句的写作最重要，它能直接勾勒文章的脉络，显示全文的论述思路。另外，文章的整体论证结构常用正反对比式。许多道理只要从正反两面说了，就基本上可做到论述严密。在考场中熟练地运用这种作文模式，可迅速地展开写作，减少失误，节省时间。同时，它可使阅卷者能便捷地依据评分标准，在中档以上分项计分，避免不利于考生的个人评分因素出现。
四、典型而鲜活的论据
论点是议论文的灵魂，分论点是支撑起这个灵魂的骨架，而论据是议论文的血肉。一个人要丰满多彩，光有灵魂和骨架，没有血肉是不可想象的。同样一篇议论文只有中心论点和分论点是不能称为文章的，它还必须有典型而鲜活的论据。
典型的论据是指能充分反映事物本质，具有代表性的事例与名言。它首先要求真实，切合题旨。其次，选用的论据要弃旧用新，要厚今薄古。有些同学作文，记住几个经典论据，如司马迁、居里夫人、张海迪，变换着角度使用，把它们当做万花油。其实，这些论据就算典型，也不能引人注目。相反，选取人无我有、人有我新的论据说理，使阅卷者在阅读时产生新鲜感，效果会更好。另外，有些同学习惯用古代事例阐述事理，整篇文章未能联系实际，无时代的活水，也不能达到充分说理的目的。最好能引述时尚言论和当前媒体普遍关注的事例辅助说理，加强说理的针对性、时代感，使文章更具说服力。
五、结好尾
结尾是全文内容发展的必然结果，是文章结构的重要组成部分之一。现代著名作家师陀曾说：“写文章不管长短，首先要考虑好结尾。有了结尾，如何开头，中间如何安排，便迎刃而解了。”好的结尾当如豹尾，响亮有力，令人警醒，催人奋进。如鲁迅的《论雷峰塔的倒掉》，结尾只有两个字：“活该！”短短两字，可谓简洁之至，力透纸背！
其实，文章的结尾有时比开头还重要。由于阅卷者看完结尾后即开始打分，因此，它的好坏还直接影响到阅卷者的评分心理。李渔曾说：“篇际之终当以媚语摄魂，使之执卷流连，若难遽别。”结尾如有此种效果，整篇文章将增色不少。议论文结尾的写作，要收束全文，突出中心论点；要体现全文结构的紧凑、完整，不能草率收兵，也不能画蛇添足；语言要干脆有力、清音留响，富有启发性和鼓舞性。
六、语言形象畅达
语言项是作文评分的重要标准。议论文的语言，要准确鲜明，生动形象。有些同学写议论文，常摆出说大道理的架式，将哲学原理和辩证法的术语一股脑搬出来，以求说理的充分、透彻，但效果适得其反。
一个道理有一千种说法，要尽量选用形象生动的说法。要显形象生动之效，除了采用比喻、类比、事例等论证方法外，形象畅达乃至华美的语言必不可少.修饰议论文的语言，注意运用比喻、排比、对偶和反复等修辞，使文章形成华美流畅感；注意运用假设句、反问句或整句，使文章增强不可辩驳之势。修饰语言之功，虽不是一朝一夕可成，但只要积行成习，自然会有长进。
时代金融摘 要:关键词:一、 引言一个国家的国民经济有很多因素构成, 省区经济则是我国国民经济的重要组成部分, 很多研究文献都认为中国的省区经济是宏观经济的一个相对独立的研究对象, 因此, 选取省区经济数据进行区域经济的研究, 无疑将是未来几年的研究趋势。而省区经济对我国国民经济的影响, 已从背后走到了台前, 发展较快的省区对我国国民经济的快速增长起到了很大的作用, 而发展相对较慢的省区, 其原因与解决方法也值得我们研究。本文选取华中大省湖北省进行研究, 具有一定的指导和现实意义。湖北省 2006 年 GDP 为 7497 亿元, 人均 GDP13130 元, 达到中等发达国家水平。从省域经济来说, 湖北省是一个较发达的经济实体。另一方面, 湖北省优势的地理位置和众多的人口使之对于我国整体经济的运行起到不可忽视的作用, 对于湖北省 GDP的研究和预测也就从一个侧面反映我国国民经济的走势和未来。尽管湖北省以其重要位置和经济实力在我国国民经济中占据一席之地, 但仍不可避免的面临着建国以来一再的经济波动,从最初的强大势力到如今的挣扎期, 湖北省的经济面临着发展困境。近年来, 湖北省的经济状况一再呈现再次快速发展的趋势, 但是这个趋势能够保持多久却是我们需要考虑的问题。本文选择了时间序列分析的方法进行湖北省区域经济发展的预测。时间序列预测是通过对预测目标自身时间序列的处理来研究其变化趋势的。即通过时间序列的历史数据揭示现象随时间变化的规律, 将这种规律延伸到未来, 从而对该现象的未来作出预测。二、 基本模型、 数据选择以及实证方法( 一) 基本模型ARMA 模型是一种常用的随机时序模型, 由博克斯, 詹金斯创立, 是一种精度较高的时序短期预测方法, 其基本思想是: 某些时间序列是依赖于时间 t 的一组随机变量, 构成该时序的单个序列值虽然具有不确定性, 但整个序列的变化却具有一定的规律性, 可以用相应的数学模型近似描述。通过对该数学模型的分析,能够更本质的认识时间序列的结构与特征, 达到最小方差意义下的最优预测。现实社会中, 我们常常运用 ARMA模型对经济体进行预测和研究, 得到较为满意的效果。但 ARMA模型只适用于平稳的时间序列, 对于如 GDP 等非平稳的时间序列而言, ARMA模型存在一定的缺陷, 因此我们引入一般情况下的 ARMA模型 ( ARIMA模型) 进行实证研究。事实上, ARIMA模型的实质就是差分运算与 ARMA模型的组合。 本文讨论的求和自回归移动平均模型, 简记为 ARIMA ( p, d, q) 模型,是美国统计学家 G.E.P.Box 和 G.M.J enkins 于 1970 年首次提出, 广泛应用于各类时间序列数据分析, 是一种预测精度相当高的短期预测方法。建立 ARIMA ( p, d, q) 模型计算复杂, 须借助计算机完成。本文介绍 ARIMA ( p, d, q) 模型的建立方法, 并利用Eviews 软件建立湖北省 GDP 变化的 ARIMA ( p, d, q) 预测模型。( 二) 数据选择1.本文所有 GDP 数据来自于由中华人民共和国统计局汇编,中国统计出版社出版的 《新中国五十五年统计数据汇编》 。2.本文的所有数据处理均使用 EViews5.0 软件进行。( 三) 实证方法ARMA模型及 ARIMA模型都是在平稳时间序列基础上建立的, 因此时间序列的平稳性是建模的重要前提。任何非平稳时间序列只要通过适当阶数的差分运算或者是对数差分运算就可以实现平稳, 因此可以对差分后或对数差分后的序列进行 ARMA( p, q) 拟合。ARIMA ( p, d, q) 模型的具体建模步骤如下:1.平稳性检验。一般通过时间序列的散点图或折线图对序列进行初步的平稳性判断, 并采用 ADF 单位根检验来精确判断该序列的平稳性。对非平稳的时间序列, 如果存在一定的增长或下降趋势等,则需要对数据取对数或进行差分处理, 然后判断经处理后序列的平稳性。重复以上过程, 直至成为平稳序列。此时差分的次数即为ARIMA ( p, d, q) 模型中的阶数 d。为了保证信息的准确, 应注意避免过度差分。对平稳序列还需要进行纯随机性检验 ( 白噪声检验) 。白噪声序列没有分析的必要, 对于平稳的非白噪声序列则可以进行ARMA ( p, q) 模型的拟合。白噪声检验通常使用 Q 统计量对序列进行卡方检验, 可以以直观的方法直接观测得到结论。2.ARMA拟合。首先计算时间序列样本的自相关系数和偏自相关系的值, 根据自相关系数和偏自相关系数的性质估计自相关阶数 p 和移动平均阶数 q 的值。一般而言, 由于样本的随机性, 样本的相关系数不会呈现出理论截尾的完美情况, 本应截尾的相关系数仍会呈现出小值振荡的情况。又由于平稳时间序列通常都具有短期相性, 随着延迟阶数的增大, 相关系数都会衰减至零值附近作小值波动。根据 Barlett 和 Quenouille 的证明, 样本相关系数近似服从正态分布。一个正态分布的随机变量在任意方向上超出 2σ 的概率约为 0.05。因此可通过自相关和偏自相关估计值序列的直方图来大致判断在 5%的显著水平下模型的自相关系数和偏自相关系数不为零的个数, 进而大致判断序列应选择的具体模型形式。同时对模型中的 p 和 q 两个参数进行多种组合选择, 从 ARMA ( p,q) 模型中选择一个拟和最好的曲线作为最后的方程结果。一般利用 AIC 准则和 SC 准则评判拟合模型的相对优劣。3.模型检验。模型检验主要是检验模型对原时间序列的拟和效果, 检验整个模型对信息的提取是否充分, 即检验残差序列是否为白噪声序列。如果拟合模型通不过检验, 即残差序列不是为白噪声序列, 那么要重新选择模型进行拟合。如残差序列是白噪声序列, 就认为拟合模型是有效的。模型的有效性检验仍然是使谭诗璟ARIMA 模型在湖北省GDP 预测中的应用—— —时间序列分析在中国区域经济增长中的实证分析本文介绍求和自回归移动平均模型 ARIMA ( p, d, q) 的建模方法及 Eviews 实现。广泛求证和搜集从 1952 年到 2006 年以来湖北省 GDP 的相关数据, 运用统计学和计量经济学原理, 从时间序列的定义出发, 结合统计软件 EVIEWS 运用 ARMA建模方法, 将 ARIMA模型应用于湖北省历年 GDP 数据的分析与预测, 得到较为满意的结果。湖北省 区域经济学 ARIMA 时间序列 GDP 预测理论探讨262008/01 总第 360 期图四 取对数后自相关与偏自相关图图三 二阶差分后自相关与偏自相关图用上述 Q 统计量对残差序列进行卡方检验。4.模型预测。根据检验和比较的结果, 使用 Eviews 软件中的forecas t 功能对模型进行预测, 得到原时间序列的将来走势。 对比预测值与实际值, 同样可以以直观的方式得到模型的准确性。三、 实证结果分析GDP 受经济基础、 人口增长、 资源、 科技、 环境等诸多因素的影响, 这些因素之间又有着错综复杂的关系, 运用结构性的因果模型分析和预测 GDP 往往比较困难。我们将历年的 GDP 作为时间序列, 得出其变化规律, 建立预测模型。本文对 1952 至 2006 年的 55 个年度国内生产总值数据进行了分析, 为了对模型的正确性进行一定程度的检验, 现用前 50 个数据参与建模, 并用后五年的数据检验拟合效果。最后进行 2007年与 2008 年的预测。( 一) 数据的平稳化分析与处理1.差分。利用 EViews 软件对原 GDP 序列进行一阶差分得到图二:对该序列采用包含常数项和趋势项的模型进行 ADF 单位根检验。结果如下:由于该序列依然非平稳性, 因此需要再次进行差分, 得到如图三所式的折线图。根据一阶差分时所得 AIC 最小值, 确定滞后阶数为 1。然后对二阶差分进行 ADF 检验:结果表明二阶差分后的序列具有平稳性, 因此 ARIMA ( p, d,q) 的差分阶数 d=2。二阶差分后的自相关与偏自相关图如下:2.对数。利用 EViews 软件, 对原数据取对数:对已经形成的对数序列进行一阶差分, 然后进行 ADF 检验:由上表可见, 现在的对数一阶差分序列是平稳的, 由 AIC 和SC 的最小值可以确定此时的滞后阶数为 2。 因为是进行了一阶差分, 因此认为 ARIMA ( p, d, q) 中 d=1。( 二) ARMA ( p, q) 模型的建立ARMA ( p, q) 模型的识别与定阶可以通过样本的自相关与偏自相关函数的观察获得。图一 1952- 2001 湖北省 GDP 序列图表 1 一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC 备注0 - 2.136479 - 4.161144 - 3.506374 - 3.183002 11.20582非平稳1 - 2.764521 - 4.165756 - 3.508508 - 3.184230 11.171892 - 2.101495 - 4.170583 - 3.510740 - 3.185512 11.180023 - 2.418890 - 4.175640 - 3.513075 - 3.186854 11.205434 - 2.230514 - 4.180911 - 3.515523 - 3.188259 11.27059表 2 二阶差分的 ADF 检验Lag Length t- Statistic 1% level 5% level 10% level1 (Fixed) - 5.714836 - 4.170583 - 3.510740 - 3.185512表 3 对数一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC SC 备注0 - 5.448501 - 3.574446 - 2.923780 - 2.599925 - 1.536478 - 1.458512平稳 1 - 3.832346 - 3.577723 - 2.925169 - 2.600658 - 1.662966 - 1.5448712 - 3.398029 - 3.581152 - 2.926622 - 2.601424 - 1.770517 - 1.6115043 - 3.324520 - 3.584743 - 2.928142 - 2.602225 - 1.747432 - 1.546692图五 对数后一阶差分自相关与偏自相关图理论探讨27时代金融摘 要:关键词:使用 EViews 软件对 AR, MA的取值进行实现, 比较三种情况下方程的 AIC 值和 SC 值:表 4ARMA模型的比较由表 4 可知, 最优情况本应该在 AR ( 1) , MA ( 1) 时取得, 但AR, MA都取 1 时无法实现平稳, 舍去。对于后面两种情况进行比较, 而 P=1 时 AIC 与 SC 值都比较小, 在该种情况下方程如下:综上所述选用 ARIMA ( 1, 1, 0) 模型。( 三) 模型的检验对模型的 Q 统计量进行白噪声检验, 得出残差序列相互独立的概率很大, 故不能拒绝序列相互独立的原假设, 检验通过。模型均值及自相关系数的估计都通过显著性检验, 模型通过残差自相关检验, 可以用来预测。( 四) 模型的预测我们使用时间序列分析的方法对湖北省地方生产总值的年度数据序列建立自回归预测模型, 并利用模型对 2002 到 2006 年的数值进行预测和对照:表 5 ARIMA ( 1, 1, 0) 预测值与实际值的比较由上表可见, 该模型在短期内预测比较准确, 平均绝对误差为 6.876% , 但随着预测期的延长, 预测误差可能会出现逐渐增大的情况。下面, 我们对湖北省 2007 年与 2008 年的地方总产值进行预测:在 ARIMA模型的预测中, 湖北省的地方生产将保持增长的势头, 但 2008 年的增长率不如 2007 年, 这一点值得注意。GDP毕竟与很多因素有关, 虽然我们一致认为, 作为我国首次主办奥运的一年, 2008 将是中国经济的高涨期, 但是是否所有的地方产值都将受到奥运的好的影响呢? 也许在 2008 年全国的 GDP 也许确实将有大幅度的提高, 但这有很大一部分是奥运赛场所在地带来的经济效应, 而不是所有地方都能够享有的。正如 GDP 数据显示, 1998 年尽管全国经济依然保持了一个比较好的态势, 但湖北省的经济却因洪水遭受不小的损失。作为一个大省, 湖北省理应对自身的发展承担起更多的责任。总的来说, ARIMA模型从定量的角度反映了一定的问题, 做出了较为精确的预测, 尽管不能完全代表现实, 我们仍能以ARIMA模型为基础, 对将来的发展作出预先解决方案, 进一步提高经济发展, 减少不必要的损失。四、结语时间序列预测法是一种重要的预测方法, 其模型比较简单,对资料的要求比较单一, 在实际中有着广泛的适用性。在应用中,应根据所要解决的问题及问题的特点等方面来综合考虑并选择相对最优的模型。在实际运用中, 由于 GDP 的特殊性, ARIMA模型以自身的特点成为了 GDP 预测上佳选择, 但是预测只是估计量, 真正精确的还是真实值, 当然, ARIMA 模型作为一般情况下的 ARMA 模型, 运用了差分、取对数等等计算方法, 最终得到进行预测的时间序列, 无论是在预测上, 还是在数量经济上, 都是不小的进步, 也为将来的发展做出了很大的贡献。我们通过对湖北省地方总产值的实证分析, 拟合 ARIMA( 1, 1, 0) 模型, 并运用该模型对湖北省的经济进行了小规模的预测,得到了较为满意的拟和结果, 但湖北省 2007 年与 2008 年经济预测中出现的增长率下降的问题值得思考, 究竟是什么原因造成了这样的结果, 同时我们也需要到 2008 年再次进行比较, 以此来再次确定 ARIMA ( 1, 1, 0) 模型在湖北省地方总产值预测中所起到的作用。参考文献:【1】易丹辉 数据分析与 EViews应用 中国统计出版社【2】 Philip Hans Frances 商业和经济预测中的时间序列模型 中国人民大学出版社【3】新中国五十五年统计资料汇编 中国统计出版社【4】赵蕾 陈美英 ARIMA 模型在福建省 GDP 预测中的应用 科技和产业( 2007) 01- 0045- 04【5】 张卫国 以 ARIMA 模型估计 2003 年山东 GDP 增长速度 东岳论丛( 2004) 01- 0079- 03【6】刘盛佳 湖北省区域经济发展分析 华中师范大学学报 ( 2003) 03-0405- 06【7】王丽娜 肖冬荣 基于 ARMA 模型的经济非平稳时间序列的预测分析武汉理工大学学报 2004 年 2 月【8】陈昀 贺远琼 外商直接投资对武汉区域经济的影响分析 科技进步与对策 ( 2006) 03- 0092- 02( 作者单位: 武汉大学经济与管理学院金融工程)AR(1)MA(1) AR(1) MA(1) 备注AIC - 1.536412 - 1.321820 - 1.135728最优为 AR(1)MA(1)SC - 1.458445 - 1.282837 - 1.097119Variable Coefficient Std. Error t- Statistic Prob.AR(1) 0.586643 0.115236 5.090781 0.0000R- squared - 0.226023 Mean dependent var 0.104967Adjusted R- squared - 0.226023 S.D. dependent var 0.111688S.E. of regression 0.123668 Akaike info criterion - 1.321820Sumsquared resid 0.718807 Schwarz criterion - 1.282837Log likelihood 32.72369 Durbin-Watson stat 2.132697Inverted AR Roots .59年份 实际值 预测值 相对误差(%) 平均误差(%)2002 4975.63 4904.72 - 1.436.8762003 5401.71 5125.82 - 5.122004 6309.92 5496.78 - 12.892005 6687.78 6374.83 - 4.682006 7497.00 6728.05 - 10.26年度 GDP 值 7497.00 8026.08 8359.59增长率(%) — 7.06 4.16表 6 ARIMA ( 1, 1, 0) 对湖北省经济的预测一、模糊数学分析方法对企业经营 ( 偿债) 能力评价的适用性影响企业经营 ( 偿债) 和盈利能力的因素或指标很多; 在分析判断时, 对事物的评价 ( 或评估) 常常会涉及多个因素或多个指标。这时就要求根据多丛因素对事物作出综合评价, 而不能只从朱晓琳 曹 娜用应用模糊数学中的隶属度评价企业经营(偿债)能力问题影响企业经营能力的许多因素都具有模糊性, 难以对其确定一个精确量值; 为了使企业经营 ( 偿债) 能力评价能够得到客观合理的结果, 有必要根据一些模糊因素来改进其评价方法, 本文根据模糊数学中隶属度的方法尝试对企业经营 ( 偿债) 能力做出一种有效的评价。隶属度及函数 选取指标构建模型 经营能力评价应用理论探讨28
我给你分享几个统计学与应用这本期刊的题目吧，你参考参考：产业集聚对江苏省制造业全要素生产率的影响研究、基于文献计量分析的企业论文发表情况评价——以宁波市安全生产协会会员为例、基于泰尔指数的城乡收入差距的分析与预测、卡方分布下FSI CUSUM和VSI CUSUM控制图的比较、新冠肺炎疫情对中国旅游业的冲击影响研究——基于修正的TGARCH-M模型
其实你可以理解为白噪声是一个纯随机过程,也就是没有特征可寻,不存在相关性等等性质.在统计学中,我们建立回归方程,是希望提取越多的信息越好,也就是希望回归之后的残差项的信息完全提取完毕,那么残差项就是白噪声了.所以通常我们都会通过检验残差项的性质来判断回归方程的优劣.你可以先把回归模型的理论弄清楚. 用专业定义来讲：随机变量X（t）（t=1,2,3……）,如果是由一个不相关的随机变量的序列构成的,即对于所有S不等于T,随机变量Xt和Xs的协方差为零,则称其为纯随机过程.对于一个纯随机过程来说,若其期望和方差均为常数,则称之为白噪声过程.
***统计方法的应用
论文文献研究方法部分怎么写
论文文献研究方法部分怎么写，毕业论文对大学生是很重要的一项内容，如果毕业论文不通过就可能毕不了业了，论文的研究方法是很重要的，下面我和大家分享论文文献研究方法部分怎么写，一起来了解一下吧。
1、调查法
调查法是最为常用的方法之一，是指有目的、计划的搜集与论文主题有关的现实状况以及历史状况的资料，并对搜集过来的资料进行分析、比较与归纳。调查法会用到问卷调查法，分发给有关人员，然后加以回收整理出对论文有用的信息。
2、观察法
观察法是指研究者用自己的感官或者其他的辅助工具，直接观察被研究的对象，可以让人们的观察的过程中，可以拥有新的发现，还可以更好的启发人们的思维。
3、文献研究法
以一定的目标，来调查文献，从而获得关于论文的更加全面、正确地了解。文献研究法有助于形成对研究对象的一般印象，可以对相关资料进行分析与比较，从而获得事物的全貌。
论文研究方法最为典型的有调查法、观察法以及文献研究法，都是值得大家采用的方法。
论文写作中的研究方法与研究步骤
一、研究的循环思维方式
二、研究的路径
三、研究的分析方法
四、研究过程的设计与步骤
五、对传统研究思维模式的再思考
在我们指导研究生写论文的过程中，甚至于我们自己从事课题研究时，不禁让我们思考一系列有关研究的基本问题。例如，我们为什么要写论文?我们为什么要做研究?在我们探讨论文写作的过程中，我们是为了完成论文本身的写作，还是完成一个研究过程?写论文与做研究之间有什么联系与区别?如果论文写作应该反映一个研究过程，那么研究过程应该是什么样的?我们用什么样的方法进行研究?我们发现这些问题的解决，对指导研究生的论文写作有非常大的帮助。因此，本文就以我个人在从事教学课题研究和指导研究生完成论文中总结的一些有关研究方法与研究步骤的问题与大家交流共享。欢迎大家参与讨论。
世界上无论哪个领域都存在许多未知的事物，也存在着许多未知的规律。我们研究者的主要任务就是要不断地从大量的事实中总结规律，将之上升到可以指导实践的理论。然而理论也并不是绝对的真理，它也要在实践中不断地被修正，因此，就会有人对理论的前提和内容进行质疑，并提出新的猜想和新的思维。新的猜想和新的思维又要在实践中进行验证，从而发展和完善理论体系。我们探求未知事物及其规律就需要有研究的过程。这个过程，我们称之为研究的循环思维方式(Research Cycle)。用概念模型来表述就是[1]：
Facts —Theory—Speculation
事实——理论——猜想
上述从“事实”到“理论”，再进行“猜想”就构成了一般研究的思路。从事科学研究的人员既要侧重从事实到理论的研究过程，也同时在研究中要有质疑和猜想的勇气。而这一思路并不是一个终极过程，而是循环往复的过程。当猜想和质疑得到了事实的证明后，理论就会得到进一步的修正。
上述研究的循环思维方式就是我们通常说的理论与实践关系中理论来源于实践的过程。这个过程需要严密的逻辑思维过程(Thought Process)。通常被认为符合科学规律，而且是合理有效的逻辑思维方法为演绎法(Deduction)和归纳法(Induction)。这两种逻辑思维方式应该贯穿研究过程的始终。
另外，从知识管理角度看研究的过程，在某种意义上，研究的过程也可以被理解为，将实践中的带有经验性的隐性知识转化为可以让更多的人共享的系统规律性的显性知识。而显性知识的共享才能对具体的实践产生普遍的影响。研究者除了承担研究的过程和得出研究的结论之外，还要将这一研究的过程和结论用恰当的方式表述出来，让大家去分享。不能进行传播和与人分享的任何研究成果，对社会进步都是没有意义的。
我们认为，研究人员(包括研究生)撰写论文就是要反映上述研究过程，不断探索和总结未知事物及其规律，对实践产生影响。我们强调，论文的写作不是想法(idea)的说明，也不仅是过程的表述。论文的写作要遵循一定的研究方法和步骤，在一定的假设和前提下，去推理和/或验证某事物的一般规律。因此，对研究方法的掌握是写好论文的前提条件。
研究的路径(Approaches)是我们对某事物的规律进行研究的出发点或者角度。研究通常有两个路径(Approaches)：实证研究和规范研究。
实证研究(Empirical Study)一般使用标准的度量方法，或者通过观察对现象进行描述，主要用来总结是什么情况(what is the case)。通常研究者用这种研究路径去提出理论假设，并验证理论。规范研究(Normative Study)：是解决应该是什么(what should be)的问题。研究者通常是建立概念模型(Conceptual Model)和/或定量模型(Quantitative Model)来推论事物的发展规律。研究者也会用这种路径去建立理论规范。
我们认为，上述两种研究的路径不是彼此可以替代的关系。二者之间存在着彼此依存和相辅相成的关系。对于反映事物发展规律的理论而言，实证研究与规范研究二者缺一不可，前者为理论的创建提供支持和依据;后者为理论的创建提供了可以遵循的研究框架和研究思路。
针对上述两个路径，研究过程中都存在着分析(Analytical)过程，也就是解释为什么是这样的情况(Explaining why the case is as it is)，而分析过程就需要具体的研究分析方法来支持。
[2]。然而，更多的学者倾向认为，定量与定性的方法问题更多的是从分析技术上来区别的[3]。因为，任何的研究过程都要涉及数据的收集，而数据有可能是定性的，也有可能是定量的。我们不能将定量分析与定性分析对立起来。在社会科学和商务的研究过程中既需要定量的研究分析方法，也需要定性的研究分析方法。针对不同的研究问题，以及研究过程的不同阶段，不同的分析方法各有优势。两者之间不存在孰优孰劣的问题。对于如何发挥各自优势，国外的一些学者也在探索将两者之间的有机结合[4]。
因此，定性分析方法是对用文字所表述的内容，或者其他非数量形式的数据进行分析和处理的方法。而定量分析方法则是对用数量所描述的内容，或者其他可以转化为数量形式的数据进行分析和处理的方法。一项研究中，往往要同时涉及到这两种分析方法[5]。定性分析是用来定义表述事物的基本特征或本质特点(the what)，而定量分析是用来衡量程度或多少(the how much)。定性分析往往从定义、类推、模型或者比喻等角度来概括事物的特点;定量分析则假定概念的成立，并对其进行数值上衡量[6]。
定量分析的主要工具是统计方法，用以揭示所研究的问题的数量关系。基本描述性的统计方法包括：频数分布、百分比、方差分析、离散情况等。探索变量之间关系的方法包括交叉分析、相关度分析、多变量之间的多因素分析，以及统计检验等。定量研究之所以被研究者所强调，是因为定量分析的过程和定量结果具有某种程度的系统性(Systematic)和可控性(Controlled)，不受研究者主观因素所影响。定量分析被认为是实证研究的主要方法。其优势是对理论进行验证(Theory Testing)，而不是创建理论(Theory Generation)。当然，相对自然科学的研究，社会科学和商务研究由于人的因素存在，其各种变量的可控性被遭到质疑，因此，定量分析被认为是准试验法(Quasi-experimental approach)
定性研究有其吸引人的一面。因为文字作为最常见的定性研究数据是人类特有的，文字的.描述被认为具有“丰富”、“全面”和“真实”的特点。定性数据的收集也最直接的。因此，定性分析与人有最大的亲和力。恰恰也就是这一点，定性分析也具有了很大的主观性。如果用系统性和可控性来衡量研究过程的科学性。定性分析方法比定量分析方法更被遭到质疑[7]。然而，定性数据被认为在辅助和说明定量数据方面具有重要价值[8]。实际上，定性分析方法往往贯穿在研究过程的始终，包括在数据的收集之前，有关研究问题的形成、理论的假设形成，以及描述性分析框架的建立等都需要定性的分析过程，即对数据进行解释和描述等。如果遵循系统性和可控性的原则，那么定性分析方法在数据的收集过程中也有一些可利用的辅助工具，例如，摘要法、卡片法、聚类编码法等。在研究结论的做出和结论的描述方面，像矩阵图、概念模型图表、流程图、组织结构图、网络关系图等都是非常流行的定性分析工具。另外，从定性的数据中也可以通过简单的计算、规类等统计手段将定性分析与定量分析方法结合起来。
这里要指出的是，科学研究不能用想法(idea)本身来代替。科学研究需要有一个过程，而这个过程是用一定的方法来证明有价值的想法，并使之上升为理论;或者通过一定的方法来证明、创建或改进理论，从而对实践和决策产生影响。研究过程的科学性决定了研究成果是否会对实践和决策产生积极的影响效果[9]。
第五步、进行数据的处理和分析
数据的处理主要是保证数据的准确性，并将原始的数据进行分类，以便转化成可以进行进一步分析的形式。数据处理主要包括数据编辑、数据编码和数据录入三个步骤。数据编辑(Data Editing)就是要识别出数据的错误和遗漏，尽可能改正过来，以保证数据的准确性、一致性、完整性，便于进一步的编码和录入。数据编码(Data Coding)就是对所收集的第一手数据(例如对问卷开放式问题的回答)进行有限的分类，并赋予一个数字或其他符号。数据编码的主要目的是将许多的不同回答减少到对以后分析有意义的有限的分类。数据录入(Data Entry)是将所收集的第一手或者第二手数据录入到可以对数据进行观察和处理的计算机中，录入的设备包括计算机键盘、光电扫描仪、条形码识别器等。研究者可以用统计分析软件，例如SPSS等对所形成的数据库进行数据分析。对于少量的数据，也可以使用工作表(Spreadsheet)来录入和处理。
数据的分析就是运用上述所提到的定性或定量的分析方法来对数据进行分析。研究者要根据回答不同性质的问题，采取不同的统计方法和验证方法。对于有些研究，仅需要描述性的统计方法，对于另一些研究可能就需要对假设进行验证。在统计学中，假设的验证需要推论的统计方法(Inferential Statistics)。对于社会科学和商务的研究，一些研究是针对所获取的样本进行统计差异(Statistical Significance)的验证，最终得出结论是拒绝(Reject)还是不拒绝(Fail to Reject)所设定的假设条件。另一些研究则是进行关联度分析(Measures of Association)，通常涉及相关分析(Correlation)和回归分析(Regression)。相关分析是通过计算来测度变量之间的关系程度;而回归分析则是为预测某一因变量的数值而创建一个数学公式。
值得注意的是，随着我们研究和分析的`问题越来越复杂，计算机和统计软件的发展使得多变量统计工具应用越来越广泛。如果多变量之间是从属关系，我们就需要从属关系的分析技巧(Dependency Techniques)，如多元回归分析(Multiple Regression)、判别分析(Discriminant Analysis)、方差的多元分析(MANOVA，Multivariate Analysis of Variance)、典型相关分析(Canonical Analysis)、线性结构关系分析(LISREL，Linear Structural Relationships)、结合分析(Conjoint Analysis)等。如果多变量之间是相互依赖关系，我们就需要相互依赖关系的分析技巧(Interdependency Techniques)，如因子分析(Factor Analysis)、聚类分析(Cluster Analysis)、多维尺度分析(Multidimensional Scaling)等。如果收集的数据有明显的时间顺序，我们不考虑变量之间的因果关系，而是重点考察变量在时间方面的发展变化规律，我们就需要时间序列分析(Time Series Analysis)。目前流行的统计软件，如SPSS对上述各种分析方法都提供非常好的支持。
第六步、得出结论，并完成论文
论文的撰写要结构合理、文字表达清楚确定，容易让人理解。形式上要尽量采取可视化的效果，例如多用图表来表现研究过程和研究结果。具体论文的撰写要考虑包含如下内容：摘要、研究介绍(包括背景、研究的问题、研究的目的)、研究的方法和步骤(样本选择、研究设计、数据收集、数据分析、研究的局限性)、研究的发现、结论(简要结论、建议、启示意义)、附录、参考文献。
针对社会科学和商务领域的问题研究，我们传统上所遵循的研究思维模式是：“提出问题、分析问题和解决问题”。我们承认这是一种创造性的思维过程。遵循这种思维方式可以帮助决策者快速找到问题，并解决问题。然而，用这一思维模式来指导研究的过程，容易使我们混淆研究者与决策者的地位，找不准研究者的定位。首先，这一研究思路和模式将问题的解决和问题的研究混在一起了。其次，没有突出，或者说掩盖了对研究方法的探讨和遵循。这种传统的思维方式是结果导向的思维方式。它忽略了问题的识别过程和研究方法的遵循过程。而从科学研究的角度看，问题的识别过程和研究方法的遵循过程是一项研究中非常重要的两个前提。问题的识别过程可以保证所研究的问题有很强的针对性，与理论和实践紧密联系，防止出现只做表面文章的情况，解决不了根本问题。研究方法的遵循过程可以保证研究结果的可靠性，使研究结果有说服力。当然，在此，我们并不是说明“提出问题、分析问题和解决问题”这一传统模式是错误的，也不否认研究的目的是指导实践。然而，我们觉得，这一传统研究思维模式太笼统，太注重结果导向，不足以说明科学的研究的一般方法和研究步骤。
在社会科学和商务研究中，运用这一传统的研究思路和模式来指导学生撰写论文，容易出现两个不良的倾向。一是使我们过于重视论文本身的写作过程，而忽略了论文写作背后的研究过程和研究方法。也就是只强调结果，不重视过程。在此情况下，论文的写作多半是进行资料的拼凑和整合。当然我们并不能低估资料的拼凑和整合的价值。可是，如果一味将论文的写作定位在这样的过程，显然有就事论事的嫌疑，无助于问题的澄清和问题的解决，也有悖于知识创造的初衷。特别是，既没有识别问题的过程，也没有形成研究问题和研究假设，甚至没有用任何可以遵循的研究分析方法，就泛泛对一个问题进行一般描述，进而提出感觉上的解决方案。这种研究结果是很难被接受的。第二个不良的倾向是上述传统的研究思路和模式使我们辨别不清我们是在做研究，还是在做决策。研究通常是在限定的一个范围内，在一定的假设前提下进行证明或推理，从而得出一定的结论。我们希望这个结论对决策者能产生影响。然而，决策者毕竟与研究者所处的地位是不一样的，考虑的问题与研究者或许一致，或许会很不一致。有价值的研究是要给处在不同地位的决策者(或者实践者)给予启示，并促其做出多赢的选择。因此，传统的研究思维模式缺乏研究的质量判定标准，缺乏系统性和可控性，也不具备可操作性，容易让研究者急功近利，盲目追求片面的终极的解决方案。
在指导对外经济贸易大学研究生的实践中，我们曾试图改变以往的传统思维模式，尝试让我们的研究生将论文的写作与研究过程结合起来，特别注重研究的过程和研究方法，并且要求在论文的写作中反映这些研究的方法与步骤。例如，2002届研究生万莲莲所写的《电子采购系统实施中的管理因素-摩托罗拉公司电子采购系统实施案例研究》硕士论文就是在这方面所做的最初探索。此论文的结构就分为综述、指导理论、方法论、数据分析，以及研究结论和启示等五个主要部分，运用了问卷调查和深度访谈等定性和定量的各种具体方法。其研究结论具有非常强的说服力，因为研究者并不限于第二手资料的收集、整理和加工，而是借鉴前人的理论研究框架，运用问卷定量调查等手段，遵循案例研究的方法，对第一手资料进行收集、处理和分析之后得出的结论，对实践具有较强的指导意义。相同的研究方法，我们又应用在其他研究生的论文写作过程中，例如2002届龚托所写的《对影响保险企业信息技术实施的主要因素的研究》、2003届王惟所写的《对中国铜套期保值现状的研究》，以及2003届马鸣锦所写的《中国银行业知识管理程度与网络银行发展程度的关系研究》等。通过论文写作，这些研究生的确掌握了一般研究的方法和研究的步骤。以上的研究结论对教学和实践直接有借鉴的意义。在教学和咨询过程中，其方法和结论都得到了肯定。据多方反馈，效果还是非常好的。
【注释】：
[1]这是笔者在美国芝加哥自然博物馆看恐龙展览时了解的美国科学家的基本研究思路而得到的启示。
[2] Robson, Colin (1993), Real World Research: A Resource for Social Scientists and Practitioner-Researcher. Blackwell Publishers, P303。
[3] Bryman, A. (1988), Quality and Quantity in Social Research. London: Unwin Hyman.我们发现许多文献资料将定量与定性分析方法称为定量与定性技术(techniques)
[4] Cook, T.D. and Reichardt, C.S. (1979) Qualitative and Quantitative Methods in Evaluation Research. Newbury Park and London: Sage. Ragin, C. C. (1987) The Comparative Method: moving beyond qualitative and quantitative strategies. Berkeley, Cal.: University of California Press.
[5]Robson, Colin (1993), Real World Research: A Resource for Social Scientists and Practitioner-Researcher. Blackwell Publishers, P307。
[6] John Van Maanen, James M. Dabbs, Jr., and Robert R. Faulkner, Varieties of Qualitative Research (Beverly Hills: Calif.: Sage Publications, 1982), P32
[7] 这是因为社会科学和商务研究中包括了人的因素，而人本身作为分析者具有自身的缺陷。例如：数据的有限性、先入为主的印象、信息的可获得性、推论的倾向性、思维的连续性、数据来源可靠性、信息的不完善性、对信息价值判断误差、对比的倾向性、过度自信、并发事件与相关度的判断，以及统计数据的不一致性等。上述缺陷的总结与分析来源于Sadler, D. R. (1981) Intuitive Data Processing as a Potential Source of Bias in Educational Evaluation. Educational Evaluation and Policy Analysis, 3, P25-31。
[8] Robson, Colin (1993), Real World Research: A Resource for Social Scientists and Practitioner-Researcher. Blackwell Publishers, P371。
[9] Ronald R. Cooper, C. William Emory (1995, 5th ed) Business Research Methods, IRWIN, P352
基于时间序列理论方法的生物序列特征分析 论文简介：生物信息学的主要研究对象是DNA、RNA和蛋白质分子，因为这些生物大分子包含了遗传及物种进化的所有信息，随着DNA和蛋白质被测序，如何从这些DNA和蛋白质序列中获得更多的生物信息是具有挑战性的问题.随着碱基和氨基酸在基因数据库中的规模呈指数增长，利用新的理论方法去研究DNA和蛋白质序列就变得越来越重要.许多生物学家、物理学家、数学家和计算机专家都被吸引到这个研究领域中来。 @@ 在介绍了生物信息学的研究背景之后，本文首先介绍了研究生物序列特性的时间序列理论方法，对本文要用到的短记忆ARMA模型和长记忆ARFIMA模型作了详细的阐述，为研究DNA序列、蛋白质序列特性做了理论上的准备工作。 @@ 混沌游走表示(Chaos Game Representation，简记为CGR)是一种迭代映射技术，它可以把序列中的每一个单元，如DNA序列中的核苷酸，蛋白质序列中的氨基酸，映射到一个连续的坐标空间中去.我们基于CGR坐标提出了一种将DNA序列转换成一个时间序列(CGR-游走序列)的方法，并引入长记忆ARFIMA(p，d，q)模型来分析，我们分析了十条DNA序列的CGR-游走序列，发现都能用长记忆ARFIMA(p，d，q)模型高度显著地拟合.作为一个具有完善算法的经典时间序列模型，ARFIMA模型能帮助我们挖掘DNA序列中未知的特性， @@ 因为合适的ARFIMA模型在模型选择时成功率较低，且在参数估计中最大似然计算量较大，用短记忆模型去近似长记忆模型是研究者们感兴趣的问题，我们考虑利用短记忆ARMA(1，1)过程去近似长记忆ARFIMA(p，d，q)过程，证明了这种适应性方法的均方误差准则，并引入DNA序列的十条CGR-游走序列用以分析，验证了这种近似方法的有效性，为长记忆DNA序列找到了一个算法更为简单的近似模型。 @@ 在此基础上，我们还考虑利用ARMA(2，2)模型去逼近ARFIMA(O，d，O)模型，基于ARMA(2，2)模型和ARMA(1，1)模型有效性损失率的比较可知，ARMA(2，2)近似模型优于ARMA(1，1)近似模型.为验证此结论，还引入了服从ARFIMA(O，d O)模型的CGR-游走序列用以分析，比较了ARMA(1，1)和ARMA(2，2)这两个模型近似ARFIMA(O，d，O)模型的'有效性，根据残差标准差的结果可得ARMA(2，2)近似模型优于ARMA(1，1)近似模型， @@ 我们修改了Kalman滤波递推公式，解决了长记忆ARFIMA模型的缺失数据问题，并利用DNA序列的CGR-游走序列验证了此方法的有效性， @@ 基于已建立的DNA序列的CGR-游走模型，我们建立了一个类似的基于详细HP模型的连接蛋白质序列的CGR-游走模型，并引入长记忆ARFIMA(p，d，q)模型来分析，发现来自12条细菌全基因组的连接蛋白质序列的CGR-游走序列能用长记忆ARFIMA(p，d，q)模型显著地拟合。 @@关键词：混沌游走表示(CGR)-游走模型；DNA序列；蛋白质序列；短记忆ARMA模型；长记忆ARFIMA模型；均方误差准则；最大似然估计：状态空间模型请继续阅读相关推荐： 毕业论文
顾名思义，时间序列就是按照时间顺利排列的一组数据序列。时间序列分析就是发现这组数据的变动规律并用于预测的统计技术。该技术有以下三个基本特点： 1.假设事物发展趋势会延伸到未来； 2.预测所依据的数据具有不规则性； 3.不考虑事物发展之间的因果关系。 对时间序列进行分析的最终目的，是要通过分析序列进行合理预测，做到提前掌握其未来发展趋势，以此为业务决策提供依据。 移动平均法和指数平滑法的局限 移动平均法是一种简单平滑预测技术，它的基本思想是：根据时间序列资料逐项推移，依次计算包含一定项数的序时平均值，以反映长期趋势。但这种方法不适合预测具有复杂趋势的时间序列。指数平滑法是移动平均法的改进方法，通过对历史数据的远近不同赋予不同的权重进行预测。但在实际应用中，指数平滑法的预测值通常会滞后于实际值，尤其是所预测的时间序列存在长期趋势时，这种滞后的情况更加明显。 在实际进行时间序列预测时，遇到的数据会比较复杂，所以我们需要用到更专业的预测方法来对数据进行合理预测。通常情况下一个时间序列包含四种因素，它们会通过不同的组合方式影响时间序列的发展变化。 时间序列四种因素有两种组合方式。 1.四种因素相互独立，即时间序列是由四种因素直接叠加而形成的，可用加法模型表示： Y=T+S+C+I 2.四种因素相互影响，即时间序列是综合四种因素而形成的，可用乘法模型表示： Y=T×S×C×I，通常遇到的时间序列都是乘法模型。其中，原始时间序列值和长期趋势可用绝对数表示，季节变动、循环变动和不规则变动则用相对数（通常是变动百分比）表示。 当我们需要对一个时间序列进行预测时，需要将上述四种因素从时间序列中分解出来。原因是： 1.把因素从时间序列中分解出来后，就能克服其他因素的影响，仅考量某一种因素对时间序列的影响； 2.分解这四种因素后，也可以分析他们之间的相互作用，以及它们对时间序列的综合影响； 3.当去掉某些因素后，就可以更好地进行时间序列之间的比较，从而更加客观地反映事物变化发展规律； 4.分解这些因素后的序列可以用于建立回归模型，从而提高预测精度。 通常情况，我们会考虑进行季节因素的分解，也就是将季节变动因素从原时间序列中去除，并生成由剩余的三种因素构成的序列来满足后续分析需求。 如果时间序列图的趋势随着时间的推移，序列的季节波动变得越来越大，则建议使用乘法模型；如果序列的季节波动能够基本维持恒定，则建议使用加法模型。 时间序列的预测步骤主要分为四步： （1）绘制时间序列图观察趋势； （2）分析序列平稳性并进行平稳化； （3）时间序列建模分析； （4）模型评估与预测； 平稳性是指时间序列的所有统计性质都不会随着时间的推移而发生变化，对于一个平稳的时间序列来说，需要具有以下特征： （1）均数和方差不随时间变化； （2）自相关系数只与时间间隔有关，与所处的时间无关。 相关系数是用来量化变量之间的相关程度。自相关系数研究的是一个序列中不同时期的相关系数，也就是时间序列计算其当前期和不同滞后期的一系列相关系数。 目前主流的时间序列预测方法都是针对平稳的时间序列进行分析的，但是实际上，我们遇到的大多数时间序列都不平稳，所以在分析时，需要首先识别序列的平稳性，并且把不平稳的序列转换为平稳序列。一个时间序列只有被平稳化处理过，才能被控制和预测。 将时间序列平稳化的方式有很多，基础的方法是差分，因为这个方法有助于我们解读时间序列模型。差分，就是指序列中前后相邻的两期数据之差。 ARIMA模型是时间序列分析中常用的一种模型，其全称为求和自回归移动平均模型。该模型形式为：ARIMA（p,d,q）(P,D,Q)。该模型有6个参数，前3个参数（p,d,q）针对季节性变化后的序列，后三个参数(P,D,Q)主要用来描述季节性变化，两个序列是相乘的关系，因此，该模型也称为复合季节模型。 其中：p，是指移除季节性变化后的序列所滞后的p期，取值通常为0或1，大于1的情况较少；d，是指移除季节性变化后的序列进行了d阶差分，取值通常为0、1或2；q，是指移除季节性变化后的序列进行了q次移动平均，取值通常为0或1，很少会超过2。大写的P，D，Q的含义相同，只是应用在包含季节性变化的序列上。本例中，该模型可解读为，对移除季节因素的序列和包含季节因素的序列分别进行一阶差分和一次移动平均，综合两个模型而构建出的时间序列模型。 模型拟合度主要通过R平方或平稳的R平方来评估模型拟合优度，以及在比较多个模型的情况下，通过比较统计量从而找到最优模型。本例中，由于原始序列具有季节变动因素，所以，平稳的R平方则更具参考意义。该值等于32.1%，所以，该时间序列模型的拟合效果一般。 模型统计提供了更多的统计量用以评估时间序列的数据拟合效果。本例中，虽然平稳的R平方值为32.1%，但是“杨-博克斯Q(18)”统计量的显著性（P值）=0.706，大于0.05（此处的显著性（P值）>0.05是期望得到的结果），则接受原假设，认为这个序列的残差符合随机序列分布，同时也没有离群值的出现，这些也都反映出数据的拟合效果还是可以接受的。
时间序列数据挖掘研究论文提纲 论文摘要: 随着计算机与信息技术的普及和大容量存储技术的发展,人们在日常事务处理和科学研究中逐渐积累了大量宝贵数据,这些数据背后蕴藏着对决策有重要参（略）.如何从这些历史数据中提取需要的信息正成为数据挖掘领域（略）在现实生活中,时间是数据本身固有的因素,在数据中常常会发现时序语义问题.时序数据的出现使得有必要在数据挖掘中考虑时间因素.时序数据在现实生活中广泛存在,如金融市场、工业过程、科学试验、医疗、气象、水文、生物信（略）储规模呈现爆炸式增长.因此对时间序列数据挖掘问题进行深入研究是非常必要和富有挑战性的. 从20世纪末开始,复杂网络的研究已经渗透到生命科学、数理学科和工程学科、社会科学等众多不同的领域.对复杂网络的研究,已成为科（略）个极其重要的富有挑战性的课题.其研究热点之一是寻找复杂网络中的社团结构,事实上这个过程就是一个聚类的过程,所以研究复杂网络社团划分新算法,对于时间（略）重要意义. 本文结合时间序列数据挖掘和复杂网络理论,开展了如下的研究工作: 综述了时间序列数据挖掘和时间序列模式挖掘的研究现状,指出了研究的现实意义.介绍并分析了最具代表性的... With the popularity of computer and information technology,and the great（omitted）nt of storage technique of high capacity,,a great amount of data is accumulated in daily work and in s（omitted）research.Much potentially useful knowledge is hided behind data.Today how to manage and use（omitted）e series data efficiently and extract useful information is an important problem in dat（omitted）ime is the inherent attribute of data,so we should take time into account when mining association rules.Time serie... 目录:摘要 第4-5页 Abstract 第5页 1 绪论 第8-16页 ·选题背景 第8-9页 ·国内外研究现状 第9-14页 ·数据挖掘研究现状 第9-11页 ·时间序列数据挖掘的研究现状 第11-12页 ·序列模式挖掘研究现状 第12页 ·频繁趋势挖掘的研究与发展 第12-13页 ·聚类问题的研究现状 第13-14页 ·本文主要研究内容 第14-16页 2 研究背景 第16-24页 ·数据挖掘与知识发现 第16页 ·数据挖掘的起源 第16-17页 ·引发数据挖掘的挑战 第16-17页 ·相关领域对数据挖掘的`推动 第17页 ·数据挖掘的过程 第17-18页 ·数据挖掘的分类 第18-20页 ·数据挖掘的方法 第20-22页 ·数据挖掘系统 第22页 ·数据挖掘软件的评价 第22-24页 3 时间序列数据挖掘 第24-36页 ·时间序列 第24-25页 ·时间序列概念 第24页 ·时间序列分类 第24-25页 ·时间序列数据挖掘研究 第25-28页 ·序列模式挖掘 第28-34页 ·问题描述 第28页 ·序列模式挖掘 第28-29页 ·序列模式挖掘算法分析与比较 第29-34页 ·时间序列聚类分析 第34-36页 ·复杂网络社团划分方法 第34页 ·时间序列聚类与复杂网络社团结构划分 第34-36页 4 模糊频繁模式挖掘研究 第36-44页 ·趋势分析 第36页
根据股票市场收益率序列呈尖峰厚尾、偏态、波动集聚和杠杆效应等特征,本文构建Skew-GED(SGED)分布下的变参数ARIMA+EGARCH动态混合预测模型来挖掘和分析收益率序列的内在规律，运用r语言通过实时最优化动态模型的参数估计，分别对5只股票日对数收益率序列的未来收益情况进行每日预测每日更新，输出交易信号；最后通过滚动时间窗进行推进分析，解决可能存在的过度拟合问题，结果表明动态模型能更好地描述收益率特性，提高预测准确性。【关键词】变参数ARIMA+EGARCH动态模型；参数优化；推进分析；股票收益率预测一、引言波动性是股票市场最为重要特性之一，因此，探讨其波动规律、把握其运行趋势成为当今学术界与实务界研究的热点。股票收益率波动模型的研究主要有：ARMA 类模型、ARCH 类模型及二者的混合模型，模型中波动误差分布的假定主要有正态分布、T 分布、GED 分布和SKT 分布。国内外大量研究表明，收益率序列波动通常具有集聚性、分布的尖峰厚尾性以及有偏性。本文以5只股票为例，通过对股票日对数收益率序列的分析，发现股票日对数收益率波动存在明显的“尖峰厚尾”现象、波动集聚和非对称特征。通过建立收益率序列的ARIMA 模型处理中期记忆特征，然后再利用EGARCH模型处理异方差的非对称以及波动率聚集特征，采用S-GED分布解决股票收益率波动的“尖峰厚尾”现象以及有偏分布问题，就能够很好地解决股票收益率的这些特性，取得较理想的拟合及预测效果。本文利用Skew-GED(SGED)分布下的变参数ARIMA+EGARCH动态预测模型对给定的5只股票收益率进行预测，为股票收益率预测和股票投资提供一种思路。任何一种预测方法都要回归现实，接受实践的检验，本文的预测部分证明了该模型具有一定的预测精度，在一定程度上能够为投资者和金融市场相关人员及机构提供决策依据。二、股票收益率预测建模2.1模型建立原理2.1.1进行股票收益率的预测在股票市场中，准确的股票收益率预测是市场交易各方共同关心的重要问题。多数金融研究针对的是资产收益率而不是资产价格。Campbell，Lo和MacKinlay（1997）给出了使用收益率的两个主要理由：第一、对普通投资者来说，资产收益率完全体现了该资产的投资机会，且与其投资规模无关；第二，收益率序列比价格序列更容易处理，因为前者有更好的统
沪深300指数是沪深证券交易所于2005年4月8日联合发布的反映A股市场整体走势的指数。沪深300指数编制目标是反映中国证券市场股票价格变动的概貌和运行状况，并能够作为投资业绩的评价标准，为指数化投资和指数衍生产品创新提供基础条件。沪深300指数，简称：沪深300；是由中证指数有限公司（China Securities Index Co., Ltd）编制，中证指数有限公司成立于2005年8月25日，是由上海证券交易所和深圳证券交易所共同出资发起设立的一家专业从事证券指数及指数衍生产品开发服务的公司。 沪深300指数是沪深证券交易所于2005年4月8日联合发布的反映A股市场整体走势的指数。沪深300指数编制目标是反映中国证券市场股票价格变动的概貌和运行状况，并能够作为投资业绩的评价标准，为指数化投资和指数衍生产品创新提供基础条件。中证指数有限公司成立后，沪深证券交易所将沪深300指数的经营管理及相关权益转移至中证指数有限公司。中证指数有限公司同时计算并发布沪深300的价格指数和全收益指数，其中价格指数实时发布，全收益指数每日收盘后在中证指数公司网站和上海证券交易所网站上发布。 沪深300指数市场走势沪深300指数样本覆盖了沪深市场70%左右的市值，具有良好的市场代表性和可投资性。截止到2006年8月31日，已有2只指数基金使用沪深300指数作为投资标的，有10只基金使用沪深300指数作为业绩衡量基准。中证指数有限公司已授权中银国际英国保诚资产管理公司使用沪深300指数开发境外ETF，以及路透资讯利用沪深300指数开发路透中国年金指数。它的推出，丰富了市场现有的指数体系，增加了一项用于观察市场走势的指标，也进一步为指数投资产品的创新和发展提供了基础条件，十分有利于投资者全面把握我国股票市场总体运行状况。 一、沪深300指数是以2004年12月31日为基期，基点为1000点，其计算是以调整股本为权重，采用派许加权综合价格指数公式进行计算。其中，调整股本根据分级靠档方法获得。 二、凡有成份股分红派息，指数不予调整，任其自然回落。 三、沪深300指数会对成分股进行定期调整，其调整原则为： 1、指数成份股原则上每半年调整一次，一般为1月初和7月初实施调整，调整方案提前两周公布。 2、 每次调整的比例不超过10%。样本调整设置缓冲区，排名在240名内的新样本优先进入，排名在360名之前的老样本优先保留。 3、 最近一次财务报告亏损的股票原则上不进入新选样本，除非该股票影响指数的代表性。 由于沪深300指数覆盖了沪深两个证券市场，具有很好的总体市场代表性，因此在我国股指期货标的指数选择上呼声最高，很有可能成为中国股指期货的标的物。 指数代码： 沪市000300 深市399300。 沪深300指数以2004年12月31日为基日，基日点位1000点。 沪深300指数是由上海和深圳证券市场中选取300只A股作为样本，其中沪市有179只，深市121只。 样本选择标准为规模大、流动性好的股票。 沪深300指数样本覆盖了沪深市场六成左右的市值，具有良好的市场代表性。编辑本段诞生过程 1998年启动——2001年上交所首先研究方案——证监会协调沪深交易所共同开发——2003年达成共识——细节设计——2005年4月8日正式推出。编辑本段沪深300指数问答 沪深证券交易所指数工作小组有关负责人就4月8日正式发布的沪深300指数，回答了记者的提问。 沪深300指数问：为何要发布沪深300指数？ 答：沪深两个市场各自均有独立的综合指数和成份指数，这些指数在投资者中有较高的认同度，但市场缺乏反映沪深市场整体走势的跨市场指数。沪深300指数的推出切合了市场需求，适应了投资者结构的变化，为市场增加了一项用于观察市场走势的指标，也进一步为市场产品创新提供了条件。 问：与沪深市场现有指数相比，沪深300指数有何特点？ 答：现在市场中的股票指数，无论是综合指数，还是成份股指数，只是分别表征了两个市场各自的行情走势，都不具有反映沪深两个市场整体走势的能力。沪深300指数则是反映沪深两个市场整体走势的“晴雨表”。指数样本选自沪深两个证券市场，覆盖了大部分流通市值。成份股为市场中市场代表性好，流动性高，交易活跃的主流投资股票，能够反映市场主流投资的收益情况。 问：沪深300指数的市场代表性如何？ 答：沪深300指数的市场代表性表现在市值覆盖率高、与现有市场指数相关性高、样本股集中了市场中大量优质股票等方面。 沪深300指数样本覆盖了沪深市场六成左右的市值，具有良好的市场代表性。截至2005年3月末，指数总市值21817亿元，占沪深市场比例达64.55%，流通市值5934亿元，占沪深市场比例达58.29%。 指数试运行结果显示，沪深300指数走势强于上证综合指数和深证综合指数，并且沪深300指数与上证180指数及深证100指数之间的相关性高，日相关系数分别达到99.7%和99.22%，表明沪深300指数能够充分代表沪深市场股价变动情况。 在沪深300指数的样本股选取上，剔除了ST股票、股价波动异常或者有重大违规行为的公司股票，集中了一批质地较好的公司。这些公司的净利润总额占市场净利润总额的比例达到83.55%，平均市盈率和市净率水平低于市场整体水平，是市场中主流投资的目标。因此，沪深300指数能够反映沪深市场主流投资的动向。 问：沪深300指数采用了哪些指数编制方面的技术？ 答：沪深300指数在编制方面主要采用了目前流行的分级靠档技术和缓冲区技术。分级靠档技术的采用可以使在样本公司股本发生微小变动时保持用于指数计算的样本公司股本数的稳定，可以降低股本变动频繁带来跟踪投资成本，便于投资者进行跟踪投资。同样，缓冲区技术的采用使每次指数样本定期调整的幅度得到一定程度的控制，使指数能够保持良好的连续性。样本股调整幅度的降低可以降低投资者跟踪投资指数的成本。 问：与市场中其它跨市场指数相比，沪深300指数有什么优势？ 答：其一，沪深证券交易所在指数编制和发布方面拥有丰富的历史经验，于上个世纪90年代初就推出了国内市场上最早的指数。沪深300指数是在进一步借鉴国际指数编制技术的基础上形成的成果。 其二，沪深证券交易所拥有关于上市公司及市场交易主体第一手的监管信息，在样本选取上充分利用这些信息，严格筛选股票，能够最大程度上降低样本股票的风险。 其三，沪深300指数通过沪深两个证券交易所的卫星行情系统进行实时发布，这是交易所以外的其它指数编制机构无法获得的技术条件。此外，交易所积极支持利用沪深300指数进行的指数产品创新，以形成在交易所上市交易的创新产品。 问：沪深300指数对广大投资者有何益处？ 答：沪深300指数具有作为表征市场股票价格波动情况的价格揭示功能，是反映市场整体走势的又一重要指标。这一指数推出后，为投资者提供了衡量自己证券投资收益情况的基本尺度。在此基础上，市场中将会推出以沪深300指数为跟踪目标的指数基金产品，这将为中小投资者提供分散化投资的通道，也扩大了市场中机构投资者的阵容。 问：沪深300指数推出后会立即推出股指期货吗？ 答：股票指数是股票指数期货的基础，但沪深300指数的推出并不意味着立即会推出股指期货。从国际经验来看，指数期货的推出需要选择具有一定历史的指数作为标的，沪深300指数还需要在一段时间内受到市场检验。另外，股指期货的推出还需要特定的市场环境和适合的时机。因此不能够将沪深300指数的推出与推出股指期货简单地联系在一起。 问：沪深300指数推出的历程如何？ 答：沪深证券交易所早在1998年开始就着手进行跨市场指数的研究工作，同期市场中多个中介机构也对跨市场指数进行了有益的探索。在此期间，沪深证券交易所都成立了研究跨市场指数的专门小组，对国内外主要指数的编制方法及其特点进行了详细的研究和借鉴，经历了两年多时间，初步形成了结合国内市场的特点的跨市场指数编制思路。 2001年至2003年中期，沪深证券交易所就指数编制方案、指数计算与发布、指数的管理等方面问题等问题进行了充分交流，达成了联合编制和发布沪深300指数的共识。 其后，沪深证券交易所成立了编制跨市场指数的指数联合工作小组，着手进行跨市场指数的设计工作。指数工作小组在结合双方指数编制经验的基础上，就指数选样规则、样本调整方法、计算方法等技术问题进行了反复研究、比较和论证，最终在共同努力下，设计完成了既借鉴国际先进经验又结合国内实际情况的沪深300指数。 在此期间，指数工作小组还就指数计算和发布的技术问题进行探讨，于2004年初开始进行指数试运行。2004年以来，由沪深证券交易所分别进行每半年轮流担当主计算方和主发布方，指数样本也按照每半年一次调整的原则进行了2次样本调整。现在，推出沪深300指数的时机已经成熟，沪深证券交易所联合向市场正式推出沪深300指数。 问：如何获得沪深300指数的使用授权？ 答：沪深300指数是上海证券交易所和深圳证券交易所联合共同推出的指数，是双方共同拥有的成果。机构投资者如需对沪深300指数进行商业运用，需要取得沪深证券交易所的认可，经签署授权协议后使用。交易所积极支持以沪深300指数为基础的指数产品开发，并努力创造条件，进一步拓宽指数产品发展的空间。编辑本段编制方法 沪深300指数的编制目标是反映中国证券市场股票价格变动的概貌和运行状况，并能够作为投资业绩的评价标准，为指数化投资及指数衍生产品创新提供基础条件。 指数成份股的选样空间：上市交易时间超过一个季度，除非该股票上市以来日均A股总市值在全部沪深A股中排在前30位；非ST、*ST股票，非暂停上市股票；公司经营状况良好，最近一年无重大违法违规事件、财务报告无重大问题；股票价格无明显的异常波动或市场操纵；剔除其他经专家认定不能进入指数的股票。选样标准为选取规模大、流动性好的股票作为样本股。 沪深300指数的选样方法是对样本空间股票在最近一年（新股为上市以来）的日均成交金额由高到低排名，剔除排名后50%的股票，然后对剩余股票按照日均总市值由高到低进行排名，选取排名在前300名的股票作为样本股。 沪深300指数依据样本稳定性和动态跟踪相结合的原则，每半年调整一次成份股，每次调整比例一般不超过10%。样本调整设置缓冲区，排名在240名内的新样本优先进入，排名在360名之前的老样本优先保留。当样本股公司退市时，自退市日起，从指数样本中剔除，由过去最近一次指数定期调整时的候选样本中排名最高的尚未调入指数的股票替代。 指数以调整股本为权重，采用派许加权综合价格指数公式进行计算。其中，调整股本根据分级靠档方法获得。例如，某股票流通股比例（流通股本／总股本）为7％，低于20％，则采用流通股本为权数；某股票流通比例为35％，落在区间（30，40）内，对应的加权比例为40％，则将总股本的40％作为权数。
Eviews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包。它的本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行“观察”。另外Eviews也是美国QMS公司研制的在Windows下专门从事数据分析、回归分析和预测的工具。使用Eviews可以迅速地从数据中寻找出统计关系，并用得到的关系去预测数据的未来值。Eviews的应用范围包括：科学实验数据分析与评估、金融分析、宏观经济预测、仿真、销售预测和成本分析等。GARCH模型是一个专门针对金融数据所量体订做的回归模型，除去和普通回归模型相同的之处，GARCH对误差的方差进行了进一步的建模。特别适用于波动性的分析和预测，这样的分析对投资者的决策能起到非常重要的指导性作用，其意义很多时候超过了对数值本身的分析和预测。一般的GARCH模型可以表示为：Y（t）=h（t）^1/2*a（t） ⑴h（t）=h（t-1）+a（t-1）^2 ⑵其中ht为条件方差，at为独立同分布的随机变量，ht与at互相独立，at为标准正态分布。⑴式称为条件均值方程；⑵式称为条件方差方程，说明时间序列条件方差的变化特征。为了适应收益率序列经验分布的尖峰厚尾特征，也可假设 服从其他分布，如Bollerslev （1987）假设收益率服从广义t-分布，Nelson（1991）提出的EGARCH模型采用了GED分布等。另外，许多实证研究表明收益率分布不但存在尖峰厚尾特性，而且收益率残差对收益率的影响还存在非对称性。当市场受到负冲击时，股价下跌，收益率的条件方差扩大，导致股价和收益率的波动性更大；反之，股价上升时，波动性减小。股价下跌导致公司的股票价值下降，如果假设公司债务不变，则公司的财务杠杆上升，持有股票的风险提高。因此负冲击对条件方差的这种影响又被称作杠杆效应。由于GARCH模型中，正的和负的冲击对条件方差的影响是对称的，因此GARCH模型不能刻画收益率条件方差波动的非对称性。
企业盈利能力的评价是为了实现 企业战略 目标，运用特定的指标和标准，采用科学的评价 方法 ，对企业盈利状况以及未来的盈利潜力做出的一种判断。下面是我为大家整理的企业盈利能力分析论文，供大家参考。
摘要：本文从盈利能力的角度出发，从经营盈利能力、资产盈利能力、资本盈利能力和收益质量四个方面分析了安阳钢铁股份有限公司的盈利现状，同时借助于主成分分析方法对其进行了综合盈利能力分析，这样可以使我国钢铁类上市企业对其盈利能力有正确的认识，从而为钢铁企业的进一步发展提供有益借鉴。
关键词：钢铁企业;盈利能力;主成分分析
一、引言
钢铁工业作为重要基础产业，为我国工业化、城镇化的发展做出了重要贡献。我国的钢铁工业经过几十年的发展，取得了举世瞩目的成绩，我国钢铁生产不仅在数量上，而且在质量上都有了极大提高。然而，当前我国钢铁生产从总量上看，供求基本平衡，但从钢铁产品结构上来看，矛盾十分突出，传统产品过剩，高附加值产品供不应求。因此，钢铁产品的竞争力同发达国家相比，还存在一定的差距。本文从盈利能力的角度出发，从经营盈利能力、资产盈利能力、资本盈利能力和收益质量四个方面分析了安阳钢铁股份有限公司的盈利现状，使我国钢铁类上市企业对其盈利能力有正确的认识，从而为我国钢铁企业的进一步发展提供有益借鉴。
二、数据来源与指标选取
(一)数据来源
本文数据来自于上海证券交易所公布的安阳钢铁股份有限公司2002年至2010年的公司财务报表。
(二)指标选取
鉴于目前我国钢铁行业上市公司经营业绩不佳的现状，本文选择了经营盈利能力、资产盈利能力、资本盈利能力和收益质量等四个方面来分析安阳钢铁股份有限公司的盈利能力。
三、盈利能力指标分析
根据安阳钢铁股份有限公司的财务报表，可以计算出上述四个指标，具体数值见表1。
表1：安阳钢铁盈利能力指标数据
(一)经营盈利能力分析
根据上表可以看出，安阳钢铁股份有限公司九年中营业净利率的平均值为3.81%，其中2002年、2003年、2004年和2007年的营业净利率比较高; 其它 年份都比较低，尤其是2008年、2009年和2010年远远低于1%。从以上数据可以看出，安阳钢铁的营业净利率还是比较低，分布比较分散，最高者与最低者相差甚远，自有资金积累能力不足。总之安阳钢铁以后应该着重改进经营管理水平，提高经营盈利能力，加速自有资金的积累。
(二)资产盈利能力分析
从上表可以看出，安阳钢铁股份有限公司九年中总资产净利率的平均值为7.17%，其中大部分年份比较高，2002年、2003年、2004年的总资产净利率比较高;少数年份比较低，尤其是2008年、2009年和2010年远远低于7.17%。总之安阳钢铁的大部分年份总资产净利率还是比较高的，以后应该注意不要一味的追求资产规模而忽视资产的盈利能力。
(三)资本盈利能力分析
从上表可以看出，安阳钢铁股份有限公司九年中净资产收益率的平均值为5.4%，其中大部分年份比较高，2002年、2003年的净资产收益率比较高;少数年份比较低，尤其是2008年、2009年和2010年远远低于5.4%。总之安阳钢铁的净资产收益率还是不错的，以后多注意资本结构的调整，权衡好经营风险和财务风险，不断提高股东价值。
(四)收益质量分析
一般来说，盈余现金保障倍数大于或者等于1时，说明企业的利润具有现金流量保障。从上表可以看出，安阳钢铁股份有限公司九年中盈余现金保障倍数的平均值为23.29，其中大部分年份大于1，2009年的盈余现金保障倍数高;少数年份比较低，尤其是2010年为负值。总之安阳钢铁整体的盈利结构是合理的，但是不太稳定，最高和最低相差甚远。公司应该在提高盈利能力和实现现金均衡收付的同时，注意盈利结构的适当调整，保证企业盈利的稳定性。
四、盈利能力综合分析
我们借助于SPSS16软件，用主成分分析法对安阳钢铁的盈利能力进行综合分析。主成分分析是设法将原来众多具有一定相关性(比如P个指标)，重新组合成一组新的互相无关的综合指标来代替原来的指标。我们将表1中的数据导入到SPSS16软件中，就可以得到Total Variance Explained(总方差解释)、Component Matrix(主成分矩阵)和主成分得分排名表。
我们提取的1个主成分对总方差的解释程度为79.383%，也就是说，此次分析具有79.383%的可信度。通过表3，我们可以看出主成分是这4个指标的综合反映，并且可以得出主成分的表达式，即y=0.989x1+0.99x2+0.99x3-0.487x4。最后我们将表1中的数据代入主成分表达式，就得到了主成分得分排名表。通过表4我们可以看出，安阳钢铁盈利能力最好的年份是2003年，其次是2002年和2004年，其它年份比较差。实际上，安阳钢铁被中联资产评估公司、中联财务顾问有限公司联合国资委等部门组成的中国上市公司业绩评估课题组评选为2002年度上市公司业绩百强第9名、2003年度上市公司业绩百强第1名。自从2008年以来世界经济受到美国次贷危机、供需矛盾和成本上升等因素的的影响，钢铁行业的利润不断下跌。因此，我们分析的结果与事实基本上相符。
五、结论与建议
通过对安阳钢铁盈利能力分析，可以为我国钢铁行业的发展提供有益借鉴。我国钢铁行业集中度低，生产专业化程度低，尚不能达到规模经济展望;钢铁企业平均技术装备水平低，结构不合理，技术改造和产业升级任务十分艰巨;钢铁企业的集中度和专业化分工程度低，以及技术装备水平落后等原因，导致我国钢铁产品生产成本高;钢铁产品质量偏低。上述种种因素造成了我国钢铁行业盈利能力呈下滑趋势。随着世界经济的缓慢复苏，我国钢铁行业应该不断开拓市场空间，通过联合重组、淘汰落后、节能减排、行业规范等一系列 措施 和手段，促进钢铁行业平稳健康快速的发展。
参考文献：
[1]朱学义,李文美.财务分析教程.北京大学出版社,2009.
[2]郭显光.如何用spss软件进行主成分分析[J].统计与信息论坛,1998.
内容摘要：平衡计分卡(BSC)将财务指标和非财务指标相结合的企业绩效分析思路，提供了绩效分析的新方法，但BSC方法在理论和现实上还有不完善和值得商榷之处。本文在分析BSC方法隐含问题的同时介绍马歇尔•W•迈耶先生提出的一种基于活动的盈利能力分析方法。
关键词：平衡计分卡 活动 ABC ABPA
平衡计分卡的局陷性
罗伯特•卡普兰和大卫•诺顿于1992年提出了平衡计分卡(BSC)理论。该理论最突出的特点是将企业愿景、使命和发展战略与企业的业绩评价系统联系起来，把企业的使命和战略转变为具体的目标和评测指标，以实现战略和绩效的有机结合。BSC以企业战略为基础，包含财务指标、顾客角度、内部流程、学习和成长四个维度，使组织能够一方面追踪财务结果，一方面密切关注能使企业提高能力并获得未来增长潜力的无形资产，这样企业既具有反映“硬件”的财务指标，又具备能在竞争中取胜的“软件”指标。
现代企业努力构建一套平衡指标体系：它所包含的非财务指标内涵能够补充财务指标所不能反应的企业绩效内容。然而企业竞争环境是如此多变，能时刻找到真正“向前看”的非财务指标吗?确定BSC指标体系的过程(尤其是非财务指标)必然具有先天的主观性， 企业管理 层必须能控制和驾驭这种先天的主观性所引发的不确定性。主观性所带来的不确定性必然是员工对自己在BSC体系下所得到的绩效信息，薪酬奖励和晋升发展的合理性、公正性产生怀疑。这样就形成了一个莫名其妙的组合：一方面企业希望BSC体系中的非财务指标能尽可能补充财务指标的缺憾;另一方面BSC指标确定中的主观性又容易引起企业内部考核、奖罚合理性的争议。
从ABC成本核算法到基于活动的盈利能力分析
ABPA的产生
ABPA源于基于活动的成本核算(ABC)，ABC是成本核算的最小单位形式：它可以确定交付产品、服务于客户以及维持经营所需的劳动力、原材料等的实际成本。ABPA扩展了ABC，ABPA的焦点是客户，客户被当作是成本和营业收入的交汇点。ABPA的核心问题在于：企业应该怎么去为那些产生超过成本的营业收入的客户提供服务。如银行，有的客户在银行中有基金代理、 保险 委托、支票业务等多项业务。而另一些客户，只是把工资存在银行，并不能带来多大收益。
ABPA的组成要素
ABPA四个核心要素：企业活动、活动关联成本、客户、营业收入。
企业活动是以客户为导向的，这些活动引起活动成本，而客户则提供企业的收益。在客户层面上，而不是在经营单位或企业整体的层面上，活动、成本以及营业收入之间的联系可以得到最充分的理解。客户是企业最大的利润中心。
ABPA指出企业若想获利，要么使用成本领先战略，要么找出那些无利可图的客户，然后或给他们重新定价，或鼓励他们去别处交易。ABPA鼓励企业寻找可以给企业带来长远收益的客户，把他们的利益放置在企业关切的核心位置上。企业要推广和细化对有利可图的客户关系有贡献的交易和产品，摒弃那些对核心业务无助的鸡肋业务。建构一种以面向客户，基于客户活动成本和客户盈利能力的综合系统可以提供给企业以对手难以超越的组织优势。
因此找出对有利可图的客户关系有贡献的交易和产品至关重要。其简化的流程体系为：
第一步是把当前的客户盈利能力——客户净营业收入减去当前的交易和产品的成本——为先前的交易和产品利用的函数。第二步是重新配置交易和产品，以使客户关系的盈利能力最大化。这可以通过特定交易和产品的利用、抑制或重新定价其它的交易和产品来实现。ABPA的精要就在于：使用ABC来估计逐个客户的盈利能力，然后把那些对客户有吸引力，能够给企业带来大量回报的产品和服务与那些引起成本激增的相区别。
如何通过ABPA找到企业营业收入的驱动要素
ABPA模式能够找到可盈利的产品和服务，它要求系统有能力追踪客户与业主的所有交易以及其所产生的成本。简化流程来看：首先把客户交易分解为客户发起的交易(前台交易)和支持交易(后台交易)。然后，找出这些交易的直接活动(操作活动)和间接活动(监督、配置活动)接着按照实际动产和不动产的成本投入来逐一确定成本额。最后将成本分为：对客户交易敏感的短期可变成本(前台员工);对交易有些敏感的长期可变成本(监督);当交易放大时引起固定资产增加所引发的生产能力成本。据此企业要依照成本基数，鼓励和引导那些有利可图的客户进一步的为企业带来收益;分流那些无利可图但占据成本份额较大的客户部分，对他们的服务流程进行重新设计，节约资源。
ABPA的优势和缺陷
ABPA与平衡计分卡的优劣比较
从测量标准和单位来看：BSC针对的是企业和经营单位的财务结果和非财务标准;ABPA则分析客户盈利能力和针对细分客户的客户交易盈利能力。绩效驱动因素：财务标准是可测量的，BSC的财务结果驱动因素一般是已知的;ABPA则必须重新分析找出那些企业营业收入的驱动因素。薪酬管理时：BSC基于财务和非财务一揽子综合评价要素;ABPA则基于员工个人和对团队、组织整体创造客户盈利能力和客户交易盈利能力贡献的奖励。学习和成长维度上：BSC通过财务和非财务标准的综合利用，将企业战略和核心竞争力落地，企业方向变得明确;ABPA则对客户盈利能力的驱动随着 经验 的积累而愈加深刻。技术实施方面：BSC中的财务标准显然比非财务标准更有确定性，更易测量。ABPA则必须贴近客户，追踪客户营业收入和交易，这样成本有时也是高昂的。
ABPA所能带来的战略优势
ABPA通过向集中化的客户销售和服务单位提供细化的成本和营业收入数据，使它们可以依靠这些数据进行战略选择，ABPA为分散化的决策开辟了道路。其次ABPA使得前端单位和后端单位有可能追求不同但互补的战略。激烈的市场竞争使企业想仅依靠低成本或差异化战略吸引客户注意越来越难，现在更多的企业选择走差异化和低成本结合的中间道路。
ABPA的局限性
ABPA本身并不排斥非财务测量标准，但只有当非财务的测量标准对于单个客户可用时，ABPA才是有效的。ABPA需要能够时时关注客户交易的系统，其所带来的成本是一般小企业难以承受的。企业如果没有职业分析人员对数据进行分析，可能会走向另一个极端。而且ABPA本身有其不适应的情景：当通过绩效测量标准来显示承诺和价值观，而不是要度量未来现金流量的先导指标时，ABPA和类似于ABPA的框架也是难以适用的。
ABPA本身并不完美，更多的是一种思想理论体系。马歇尔•W•迈耶先生也承认该体系尚不到足以充分运用的地步，需要更多的人参与研究和深入到企业更深层次上。但这种思想的引述，为我们带来了一种新的看待绩效测量的角度。
参考文献：
1.马歇尔•W•迈耶(美).绩效测量 反思 ，超越平衡计分卡(M).机械工业出版社，2005
2.彭剑锋主编. 人力资源管理 概论(M).复旦大学出版社， 2003
摘 要：企业的盈利能力是衡量企业发展的重要指标，而财务分析既是财务预测的前提，也是过去经营活动和企业盈利能力的 总结 ，具有承上启下的作用。将公司财务报表与宏观经济一起进行综合判断，与公司历史进行纵向深度比较，与同行业进行横向宽度比较，得出与决策相关的实质性的信息，以保证投资战略决策的正确性，从而在项目财务效益分析的基础上进行项目国民经济效益分析。因此， 文章 主要从战略和财务角度分析了康芝药业的盈利能力。
关键词：竞争战略;整体战略;盈利能力
一、背景
海南康芝药业股份有限公司是目前国内唯一一家以儿童药为主业的上市企业，主要从事儿童药领域的研究和开发以及制造与经营业务。康芝药业现拥有海南、北京、河北、沈阳四个生产基地，经过多年的精心打造和加速发展，逐步形成了以“康芝”为主品牌推动的儿童药产品集群，2013年，康芝药业完成利润总额比去年同期上升13.18%，成功入选亚洲品牌五百强企业。现有医药产品100多种，目前，康芝药业在儿童用药领域的研发能力已处于国内领先水平。
哈佛分析框架从战略的高度分析一个企业的财务状况，分析企业外部环境存在的机会和威胁，分析企业内部条件的优势和不足，在科学的预测上为企业未来的发展指出方向。哈佛分析框架是由哈佛三位学者提出的财务分析框架，主要包括战略分析、会计分析、财务分析和等，分析框架将定量分析、定性分析结合，能够有效把握财务分析方向。
二、战略分析
1.竞争战略分析
一般性的竞争战略主要有两种：一是成本领先战略，二是差异化战略。康芝药业采用的主要是差异化战略，专业从事儿童药研发生产和销售。康芝药业之所以采取差异化战略原因及优势如下：首先，药品能够充分实现差异化。其次，差异化产品，即儿童药品的需求巨大。再次，康芝药业具有较强的研发能力。最后，康芝药业有较强的 市场营销 和销售能力。。
总之，康芝药业通过增加儿童用药种类、改善儿童药品的内外包装以及不断向研究开发、品牌形象及商誉等进行投资，以取得并保持其竞争优势。
(1)产品差别竞争
药业的竞争方式与药品的分类有很大关系。专利名药具有市场独占性， 可以通过高价格和扩大市场销售来保证收回投入，获取一定甚至高额利润;康芝药业市场构成是以儿童药为主的市场和 渠道 ，公司主要从事儿童用药的研发、生产和销售。涵盖当前儿童用药中销量最大的解热镇痛类、感冒类、抗生素类、呼吸系统类、消食定惊类和营养类等六大类的西药和中成药，此外还拥有17个成人药品种。
(2)相对垄断竞争
专利新药是药业竞争的制高点，世界药业市场表现为新药的局部性、暂时性垄断。由于疾病的
复杂性，不同的疾病需要不同的药物治疗，即使针对同一疾病的各个药物的作用范围也有差异，这使药品表现出很大的差异性和多样性。一个企业可以垄断某个专利新药市场，但不可能垄断整个药品市场，也不可能垄断某一类药品市场。同时，由于专利新药具有时效性，专利期满后将面临仿制品的竞争。康芝药业目前生产经营5种剂型11个儿童药品种，涵盖了我国当前儿童用药中销量最大的解热镇痛类、感冒类、抗生素类、呼吸系统类、消食定惊类和营养类等六大类的西药和中成药。目前很多药物在全国同类产品与儿童解热镇痛类产品中销量第一。可以看出，康芝药业制药的一定领域实现了垄断。
(3)规模优势竞争
药业是一个高技术、高风险、高投入的技术密集型产业，融合了各个学科的先进技术和手段。新药研究开发过程耗资大、耗时长、难度高，并且成功率很低，所以企业需要相当的规模和实力才有能力从事新药开发，才能提高抵御风险的能力;而普药特别是原料药，需要靠规模经营才能获得成本优势。由此可见，药业资本表现为一种集中化趋势。康芝药业主要从事儿童药为主的产品生产，从医药市场的大格局来讲，儿童药份额仅占整体药品市场的25%左右，因此，拓展剩下的75%市场份额，拥有完整的药品市场的产品结构是很有必要的。2011年6月，公司以超募资金约8000万元并连续追加投资天合制药，不断扩大生产规模。这是合理市场结构调整的必要，同时逐渐实现规模竞争。
2.企业整体战略分析
由公司财务年报可见，康芝药业虽然专业从事儿童药研发生产和销售，但其有约四成的收入比例及五分之一的利润比例来自于成人药，此外还涉及食品行业。在药业中属于多元化经营。
康芝药业采用多元化经营原因及优势，一方面，康芝药业有一些资源，例如品牌、专有技术、稀有分销渠道等，其在组织内部可以降低交易成本，具有规模经济效应。另一方面，康芝药业的专有资源与其经营的业务组合能够较好地匹配。例如，2011年7月，康芝药业使用超募资金1.8亿元收购并后续增资延风制药(100%)，延风制药拥有多个儿童用药，同时延风制药还拥有小儿硫酸亚铁糖浆等儿童药品制剂，在儿童补铁及儿童咳嗽的治疗领域对康芝药业现有的儿童系列品种进行补充，弥补其在该剂型上的空白。
三、财务分析
1.衡量整体盈利能力
根据康芝药业发布的2012年报显示，康芝药业2012年比上一年的盈利水平有了大幅度提高，公司 报告 期内实现营业收入3.66亿元，同比上升19.22%;实现归属于上市公司股东的净利润2260万元，同比增加540.23%。
2.盈利能力分解：替代方法
分解净资产收益率时，对经营要素和融资要素的分解如下(数据采取比率形式)：2012年度中，经营净利润率为6.17%，净经营资产周转率为19.47%，同时，经营资产收益率=经营净利润率×净经营资产周转率，得出经营资产收益率为1.2%;息差为10.2%，净财务杠杆为4.59%，财务杠杆利得=息差×净财务杠杆，得财务杠杆利得为0.47%;而净资产收益率=经营资产收益率+财务杠杆利得，得出净资产收益率为1.67%。同时得出2011年度数据，经营净利润率为1.15%，净经营资产周转率为16.51%，经营资产收益率为0.19%，息差为9.34%，净财务杠杆为5.69%，财务杠杆利得为0.53%，净资产收益率为0.72%。
从数据分析来看，康芝药业2012年与2011年相比经营资产收益率出现了大幅上升，从而整体上净资产收益率有较大幅度的上升。而经营资产收益率上升主要由于销售收入上升。2011年初，儿童退烧药尼美舒利可能导致儿童死亡的说法在全国范围内掀起了大波澜，不少药店和医院撤架停用。直接导致了其在2011年净利润同比下降9成以上。2011年收购包括河北康芝在内的三家药企被认为是康芝药业弥补“尼美舒利事件”造成影响，挽救主导产品“失势”的重要举措。因此，在2012年度经营资产收益率较2011年度有了大幅上升。
从2011年报可以看出，康芝药业2011年实现营业收入30674.2万元，同比减少2.45%，而利润总额仅有579.4万元，同比减少96.52%。对于这种营业收入没有大幅下降，利润却直线下降的现象，康芝药业在年报里的解释是“主导销售产品大幅度减少、新产品 广告 费的投入大幅增加、员工薪酬福利增加、研发费用增长等原因”。 康芝药业2012年第一季度延续了这种高营收、低利润的模式。第一季度康芝药业实现营业收入9761.6万元，同比增长52.18%，归属上市公司股东的净利润255.7万元，同比下降77.18%。7月6日公告的2012年半年报业绩预告也显示，康芝药业归属上市公司股东的净利润预计同比下降75%。
参考文献：
[1]黄妍妍.我国上市公司财务报表分析研究[D].哈尔滨工程大学，2006.
[2]李艳艳.基于上市公司财务报表分析的企业竞争战略探析[D].山西 财经 大学，2012.
[3]杨兆平.基于哈佛框架下中石油财务报表分析[D].吉林大学，2012.
猜你喜欢：
1. 创业心得体会报告
2. 十大最新盈利商业点子
3. 马云成功学演讲 马云谈创业
4. 上海大学生创业案例分析
5. 90后网络创业奋斗经历
6. 企业运营能力分析