《表1 大数据经济分析的主要方法及代表性研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《构建国家经济大脑的实践探索与初步设想》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

另外，从前期对国内外宏观经济大数据监测预测领域的研究方法的梳理也可以看到，目前经济运行大数据分析所使用的方法大致可以分为4类（见表1）：一是统计分析方法，如ARMA模型、LASSO算法、向量自回归（Vector AutoRegressive，VAR）、灰度关联分析、协整检验、主成分分析、多元线性回归、时序分析等，主要是将利用大数据手段构建的各种新指标与传统计量经济学的分析模型相结合，实际上是均衡范式在大数据环境下的进一步延续；二是复杂网络方法，如社会网络分析（Social Network Analysis，SNA）、图模式识别、网络特征空间、二部图分析等，这类方法主要侧重于对微观经济主体的行为关联性进行分析挖掘，识别其中的潜在模式和演化趋势，大致可以对应于演化范式下的行为依赖性分析；三是人工智能方法，如潜在语义分析、支持向量机、贝叶斯分类、观点识别、新词发现、情感分析、回归树、随机森林、卷积神经网络等，这类方法目前在宏观经济中主要应用场景是对微观行为主体的观点性文本进行分析挖掘，大致对应于演化范式下的观念依赖性分析；四是时空分析方法，如时空分布、位置分布、行为轨迹分析、区域关联网络分析等，这类方法大致可以对应于演化范式下的时空依赖性分析。