浅议数量经济学与数据挖掘

　　一、数量经济学与数据挖掘基本概念

　　（一）数量经济学

　　随着我国经济的发展，国家经济的高效运转越来越离不开数学，例如就当前惨淡的股票市场来说，数学在其中发挥着巨大的作用。数学应用到经济学中，经济学领域内产生了数量经济学。在我国数量经济学的发展以1979年中国数量经济研究会成立为标志，历经近四十年的发展，具有鲜明的中国特色。数量经济学是在对理论经济学进行研究的基础上，通过不断更新的数学方法和计算技术对经济关系进行定量分析，总结其经济事实背后的规律，其中通过建立数学模型的方式对经济关系进行定量研究是数量经济学的主要特征。

　　当前数量经济学在我国学术界的地位模糊不清，其既是一门方法论，又是一门计量学科，同时还是一门组织管理科学。然而毫无疑问的是数量经济学是将理论经济学的抽象固化的理论概念进行外在的定量分析，使得经济事件背后的经验公式得以在实际生产生活实际中被有效利用，进行转化为措施、方案等，显然数量经济学是联系理论与实践的纽带。

　　（二）数据挖掘

　　数据挖掘（DateMining），其是多学科的综合产物，始于20世纪90年代。随着信息技术的进步和大数据时代的到来，特别是数据库技术的更新换代使得当下信息数据呈现爆炸式增长。数据挖掘简单来讲，便是将大量不完整嘈杂的数据中整理分析出客户所感兴趣的信息，数据挖掘包括数据库准备、数据有效开采、结论表示和解释三个层面。数据挖掘技术主要由数理统计、人工智能以及数据库技术作为支撑，其主要功能有分类、发现关联规则以及序列模式、聚类、预测以及偏差预测等。当前关于数据挖掘方法的研究主要有基于统计方法的复杂数据挖掘、基于支持向量机的数据挖掘、基于神经网络的数据挖掘以及基于遗传算法的数据挖掘等。

　　二、数量经济学与数据挖掘的联系

　　（一）应用数学作为研究基础

　　就数量经济学与数据挖掘的联系来说，首先两者均将应用数学作为其研究的基础：在数量经济学中，建立经济数学模型的形式将外在客观的经济事件间隐藏的相互联系进行定量分析，而在数据挖掘中应用数学为其提供了普适性的方法论，例如数据挖掘的方法中的统计学方法，其可以简单分为回归分析、非判断分析等均需要通过大量的数学分析来实现。

　　（二）反映客观规律与联系

　　总体上来说，无论是数量经济学还是数据挖掘技术均是为了服务人们更好的进行生产实践来服务的，均是用来分析和判断事实背后的客观规律和相互联系。数据挖掘的目的便是为了深层次的挖掘数据中所隐藏的“知识”，例如在股票市场，先进的交易软件能够更快的处理和分析当前的股票市场，能够短期内进行市场预测，数据挖掘技术通过数据库分析和处理技术展现出来。数量经济学作用在现实生活中，其可以进行投入产出分析、费用效益分析以及电子计算数据模拟等。

　　（三）数据库作为主要研究对象

　　毫无疑问的是，在当前信息大爆炸的时代，数据库技术作为存取信息的最为高效的模式在数量经济学和数据挖掘中占有极为重要的地位。数据挖掘其通过对存储于数据库中的大量繁冗嘈杂的信息进行组合分解等方法获得有用的信息，数量经济学虽然仅仅是作为经济学的一部分，但显然其需要大量的统计数据作为研究支撑，为此数据库技术的更新换代与数量经济学和数据挖掘的发展相互促进、相互影响。

　　三、数量经济学与数据挖掘的区别500

　　（一）理论基础各异

　　数量经济学的理论基础为理论经济，数量经济学是将理论经济的理论概念进行外在的具象化，从外在的经济事实背后的数据分析得出经验公式与模型，其显然属于经济学的一部分，一定程度上来说，其经验公式仅仅适用于经济领域；数据挖掘技术其理论基础为单纯的应用数学，具有适用对象的普适性、大众性。

　　（二）实现机理各异

　　数量经济学其实现机理可以简单描述为在已有经济数学模型的基础上进行外在客观经济事实的分析，其主要需要通过大量的人力分析来完成，无法通过数据分析来发现新的数据模型；数据挖掘技术其最重要的特征在于对数据库中大量不完整的信息的推理关联分析，其能够发现存在在整个数据库中的事实未曾发现的模式，例如在每日的天气预报中，对每日天气的预测分析中将包含多种不同的影响因素，需要大量的数据库分析。

　　（三）对象领域各异

　　数量经济学的适用对象主要为经济学中存在的问题，显然具有一定的区域局限性，其通过数据分析得出的经济数学模型也仅仅适用于经济领域，而数据挖掘技术其理论基础为普适性的应用数学，范围实用性更广。

　　四、数量经济学与数据挖掘的技术应用

　　（一）数量经济学应用

　　数量经济学是量化了的经济学，其包含计量经济学和数理统计学。随着市场经济的发展，数量经济学影响着我们日常生活的方法面面，例如老龄化经济效应数理分析模型用来分析人口结构因素以及人口老龄化对我国经济成长潜力的影响，经济发展的灰色预测与模糊评价用来对于我国与世界各国的经济增长以及所面临的威胁机遇进行预测分析等。

　　（二）数据挖掘技术应用

　　数据挖掘技术所要处理的问题更广，显然其能够应用到的涉及面更大。例如数据挖掘技术主要被用在商业领域，尤其是在银行以及保险销售领域，例如在客户群体划分、客户流失分析以及客户信用记录分析等方面，其次在市场营销方面，数据挖掘技术更是大放异彩，例如著名的BassExport利用IBM数据挖掘技术进行客户分析。

　　参考文献：

　　[1]李军.数据挖掘方法及其在上市公司中的应用研究[D].湖南大学，2004.

　　[2]邱际光.数据挖掘技术在宏观经济智能决策支持系统中的研究与应用[D].南昌大学，2008.

　　[3]金浩.数量经济学的内涵及前沿问题[J].河北工业大学学报，2004，02.

　　来源：商情 2015年26期

　　作者：耿韶涓