统计学就是收集数据、整理数据以及分析数据的方法论学科，在一定程度上，能够支持经济学的实证研究，保证其能够对所需要应用的数据进行有效整理与收集，进而形成统计思想，达到预期的研究目的。
关键词：
经济学；研究；统计学思想
在对经济学进行研究的过程中，统计学思想是至关重要的部分，其中包含着估计思想、拟合思想、均值思想等，有利于提高经济学研究效率，凸显出经济学的研究价值，为其后续的发展奠定良好基础。
1经济学中统计思想分类
1.1统计思想之估计思想
统计思想是一门具有综合性特点的学科，其涉及的内容较广，研究重点有所不同，使得主要的思想部分受到广泛关注。然而，在统计思想中估计思想是最为主要的组成部分，主要因为估计思想是一种认识方式，能够将利用样本对统计的总体进行预测，在一定程度上，能够有效提高预测准确度。与此同时，样本是统计中最为重要的部分，在显示总体属性的基础上，可以利用样本的研究结果预测总体概况，但是，统计样本很容易受到各类因素的影响，导致统计数据与总体数据出现偏差。
1.2统计思想之拟合思想
拟合思想就是在统计期间，能够对不同类型的事物的表象关系进行分析，保证能够拟合出事物的前后顺序，使得错综复杂、难以分辨的信息规律凸显出来，进而形成良好的发展趋势。
1.3统计思想之均值思想
对于统计思想而言，均值思想就是根据统计学的基本特征凸显出事物的一般性规律，使得经济学研究人员可以全面了解事物发展规律，避免出现各类干扰因素影响其统计准确性，进而提高经济学研究质量。
1.4统计思想之联系思想
经济学研究中各类事物都存在着密切的联系，只有应用统计联系思想，才能保证人们在处理问题的时候，可以注意事物之间的联系，提高变量考察效率[1]。
1.5统计思想之差异思想
统计学最为显著的特点就是概括性，与差异思想存在密切的联系，主要因为差异思想可以引导经济学研究人员能够根据事物之间的差异，对事物进行统计与概括，进而形成良好的数据研究体系。
2经济学研究中统计思想的应用路径
2.1经济学研究风险决策时应用统计思想
在经济研究决策期间，经常会存在不确定的因素，使得经济活动承担一定风险。由此可见，在经济研究决策之前，必须要利用科学的方式制定工作制度，保证能够向着正确的方向前进。首先，在日常经济活动中，企业要利用正确的决策规避盈利亏损。其次，企业要正确估量经营中可能出现的经济损失，保证能够制定完善的措施规避企业的损失。最后，企业可以利用统计学的概率论原理，形成竖形图像实施分析工作，进而提高企业的发展效益[2]。
2.2经济学研究市场调查中应用统计思想
经济学研究人员在市场调查过程中，必须要全面分析统计学的应用特点，保证能够有目的性的对市场调查内容进行分类，并且提高数据记录效率，使其达到系统性目的。同时，经济学研究人员还要正确分析所搜集的市场信息，及时发现企业的缺点，并采取有效措施弥补，为企业在市场中的发展提供正确方向。另外，经济学研究人员还要利用统计学思想全面判断市场需求，提出更多的可行性战略条目，例如：取样调查、抽样调查等，使得统计思想能够更好的应用在经济学研究领域中，为其发展奠定坚实基础[3]。
2.3经济学研究经济预测时应用统计思想
在统计学理论中，经济预测与风险预测是有所不同的，经济预测就是对未来各类不确定的经济因素进行分析，保证能够利用科学的手段实施经济预测工作，避免对经济进行臆想与胡乱猜测[4]。同时，在经济预测期间，不可以出现利用直觉与经验预测的问题，必须要根据经济预测要求，科学、精确的实施计算工作，在搜索各类相关资料的同时，不断分析与判断未来的经济发展趋势。企业决策者可以利用统计思想中经济预测手段加深对企业未来经济的了解，以便于做出更加完善的决策。经济预测指标包括以下三种：一是经济预测范围。二是经济预测时效。三是经济预测性质。每个标准都有自身存在的意义，可以促进经济学研究效率的提高。
3结束语
在经济学研究期间，相关研究人员必须要全面分析统计思想，确保能够将其有效应用在研究工作中，在提高研究质量的基础上，凸显经济学研究价值，为其发展奠定良好基础。
作者：许欢单位：唐山人民医院
参考文献：
[1]陈小琴,潘东明.基于微观经济学视角下的中国鲜切花产业统计数据分析[J].中国农学通报,2013,28(32):128-137.
[2]毓欣.本世纪公共经济学研究重点的统计揭示--基于《公共经济学杂志》2003-13年间的分析[C].中国财政学会2013年年会暨第十八次全国财政理论讨论会论文集.2013:704-709.
摘要：税收作为地方财政收入的主要来源，同地区经济增长密切相关。目前，国内外学者关于税收收入预测的方法有很多，主要分为定性分析和定量预测两大类，本文在前期相关文献的基础上，重点对基于时间序列分析方法的统计模型在我国税收收入预测中的应用进行概括和总结，并在此基础上提出进一步研究的可能性。
关键词：VAR模型；ECM模型；税收收入预测；协整分析
一、税收收入预测的意义
具体而言，我国税收收入预测的功能主要体现在三个方面：第一，事前预测，为税务部门制定年度税收计划提供数据支撑。此外，立足于地区经济发展的实际情况，增强预见性，帮助税务工作者根据经济变化实时调整相应的政策。第二，事中管理。税收计划执行过程中，每一个季度、年度都可以通过增值税收入预测模型实时追踪税收计划完成进度，衡量增值税目标完成情况，为后续税源管理、税收征管等工作提供帮助。第三，事后反馈。税收收入预测是基于经济因素对增值税收入的影响，但于此同时增值税作为地区经济体系的组成部分，反作用于其他经济变量。通过对增值税收入的预测结果与同期增值税收入的真实数值比较分析，不仅可以发现非经济因素变量对增值税收入的影响，不断完善税收收入预测模型，还可以制定相应的政策措施在影响增值税的同时调节整个地区的经济状况。综上所述，税收收入预测是一个十分值得研究的课题，不仅有现实层面的意义，而且利用统计建模的思想对经济变量进行分析预测具有一定的理论研究意义。
二、税收预测在国内的研究现状
我国关于税收收入预测的研究从80年代后期开始，前后共经历三个阶段，第一阶段主要是定性分析，以数据图表为基础，重点分析税收同经济变量之间的关联性，以理论研究为主，方法性不高；第二阶段的研究开始引入计量经济学的方法，比如趋势性预测，常见的有以GDP为自变量的一元线性回归和多经济指标多元回归等，另外，曲线回归模型和指数回归模型应用于税收收入预测的研究方法也开始涌现。第三阶段从90年代后期开始，主要是把时间序列分析的方法应用到税收预测当中去，这一阶段的文献大都涉及到统计模型在税收预测中实证研究，结果表明，模型的预测精度高，拟合效果好，因此这类模型在实际工作中应用的可能性也比较大，在下文中会对两个典型的时间序列预测模型进行比较详细的阐述。第四阶段是各类新型统计方法应用到税收预测当中，比较典型的是计算机模拟方法的应用，比如组合预测的方法、纳税评估仿生模型等。另外，统计软件的应用也越来越广泛，常见的有常见的有E-VIEWS、SPSS、SAS、STATA等，方便我们进行数据处理、模型的构建与求解等。下文将对时间序列分析中两个典型的税收预测模型进行重点介绍：
三、自向量回归模型（VAR）
简单来说，向量自回归模型（VAR）是以变量的历史数据为依托，分析变量间相关关系构造时间序列变量回归方程。
其中，代表被解释变量，是相关变量，分别表示被解释变量滞后各期的取值，和是待估系数矩阵，是误差向量，滞后期N通过AIC统计量法和SC准则来确定。可以看出，当期解释变量是全部相关变量滞后期取值的函数，回归方程的右边不含其它变量取值。VAR模型同传统的回归模型相比，其优势在于VAR模型只需确定变量间相互关系就可以得到回归方程，方程中只含有相互关联的变量，避免主观界定解释变量和被解释变量而导致部分变量的缺失。VAR模型的E-views软件操作包括四步：变量的平稳性和单位根检验；对相关变量进行协整检验，采用OLS法（最小二承法）构建回归方程，检验残差项平稳性来确定变量间是否存在稳定的协整关系；第三步是Grange因果检验进一步验证变量间的因果关系；最后在上述检验的基础上建立税收收入自向量回归预测模型。由于VAR模型本身不依赖于任何经济理论，仅仅通过回归方程带入相关变量的滞后期取值就可以得到预测值，所以VAR模型的拟合效果一般比较好，模型的预测精度较高。
四、误差矫正模型（ECM）
误差矫正模型的构建理论是误差矫正机制，它的原理在于，时间序列变量当期偏差会在以后各期得到校正，短期而言，由于随机干扰项的存在，变量间的协整关系会存在偏差，因而需要根据偏差的大小对变量加以调整，回归方程中的误差矫正系数就代表的短期向长期的调整。
ECM预测模型回归方程的形式为*+。其中，表示被解释变量，表示解释变量，表示待估系数，为误差矫正系数，为误差项。为了降低数据间的差异性，通常对时间序列变量取对数，针对对数序列进行单位根检验（E-views中可采用ADF检验法）和协整检验，得到回归方程后对残差序列进行稳定性检验以保证回归方程的效果。误差矫正模型和VAR模型最大的差异在于VAR模型只局限于变量间的相关关系，在短期预测得到的结果的准确度比较高，但是长期来说，考虑到干扰项的存在，用误差矫正模型进行预测得到的效果会更好，可以通过误差矫正系数调整短期向长期均衡靠拢。
五、结论及建议
从模型的角度来说，根据现有的有关税收与经济关系的经济理论可知，税源主要来自于经济生产和流通环节的各项产值，同GDP的统计口径有相互重叠的地方，当然，GDP规模要大于税收的计征数额，但是不可否认经济因素在税收计量因素中的重要地位。所以在税收预测模型的构建中通常采用GDP作为解释变量来预测税收收入的数值。所以，目前国内关于税收预测模型的文献中，无论是VAR模型，还是误差矫正模型（ECM），研究税收和GDP的居多，模型实证检验的结果显示，以GDP为自变量的回归方程对税收的拟合效果比较好，侧面反映了经济变量对税收的影响较大。同时，在对税收进行研究预测时，不能忽视经济以外因素的影响，例如，政策制度因素可通过界定税源、改变税率以及调整税制结构等直接或间接影响税收收入；社会环境因素偏重于一个地区的税收征纳环境，包括公民自觉纳税意识水平的高低，税务机关税收征管工作的好坏，以及征税纳税相关法律的完善等。（作者单位：东北石油大学）
参考文献
[1]尚红云.税收收入模型预测精度的比较.统计与决策，2008（3）：40-43
[2]柳叶子.税收收入统计预测模型与税收数据检验[J].商化文化，2008（9）
[3]唐小我.最优组合预测的计算方法[J].管理现代化，1992（1）：25—28.
[4]程毛林.我国税收增长的影响因素和预测分析[J]，扬州大学税务学院学报，1998（2）：18-21.
[5]郭江.论税收的弹性分析[J].财经问题研究，2001（11）：58—59.
[6]漆莉莉.税收收入统计预测模型与经济分析[J].税务研究，2005（1）：37-40.
[7]马永开，唐小我.两种组合预测优化模型的分析和比较[J].电子科技大学报，1998（2）：99-103
[8]曹建新，李霞，李伟翔.广东国税税收收入弹性的实证研究[J].华南理工大学学报（社会科学版），2004（6）：9-12.
[9]肖宏伟.基于分税种加总的税收收入推算预测[J].税收经济研究，2013（1）：71-74
[10]马薇.协整理论与应用[M].天津：南开大学出版社，2004
关键词：灰色理论；股指预测；系统；MATLAB
中图分类号：TP311.52文献标志码：A文章编号：1006-8228（2013）08-38-02
0引言
近年来，股票扮演着越来越重要的角色，股价指数是衡量股票发展趋势的一个重要指标，股指预测成为越来越多学者研究的焦点[1-5]。灰色理论具有样本少、训练快、预测精度高等特点[6]，许多研究都使用灰色理论对股指进行预测[4-5]。本文使用MATLAB设计并实现了一个股指预测系统，该系统以上海证券综合指数历史数据[7]为样本，首先用MATLAB软件拟合了上证指数每月月底收盘价随时间的变化曲线，从宏观上把握上证指数的变化范围和规律，接着用灰色模型对上证指数进行中短期预测，实现对未来半年和未来6天的上证指数的预测。仿真实验表明该算法是有效的，预测误差小。
1灰色预测模型的建立
本系统对股指进行了两种预测：未来半年的月底数据预测和未来6天的每日数据预测。
1.1对月底数据进行预测
由最小二乘法相关知识及MATLAB软件可得发展系数a和灰作用量b为：a=-0.0053665，b=2373.5081。
将得到的发展系数a和灰作用量b值代入灰色预测模型：
1.2对每日数据进行预测
选取2013年2月19日到2013年3月20日的上证指数每日收盘价22个数据作为样本数据，对每日的数据进行预测。其中将2013年2月19日到2013年3月12日的16个数据作为训练数据，将2013年3月13日到2013年3月20日的6个数据作为检验数据。其预测过程与1.1节相同，得到的每日数据预测的灰色模型如下。
2灰色预测模型的检验
2.1对月底数据的灰色模型进行检验
根据公式⑴的灰色预测模型对上证指数中从2012年10月到2013年3月底的6个数据进行灰色预测检验，得出6个上证指数数据预测及检验结果，如表1所示。
4结束语
本系统使用当前流行的预测算法灰色模型和神经网络对上证指数进行预测，并使用MATLAB进行实现。通过仿真实验说明算法是有效的，预测误差小。该系统使用灰色模型对上证指数进行中短期预测，可以预测未来半年和未来6天的上证指数。界面简洁，易操作，具有很强的实用性。但本系统仅限在预测时期的国内金融市场现状不发生较大变化情况下的预测，现实中影响股指的因素很多，怎样考虑多方面的因素是我们以后研究的方向。
参考文献：
[1]孙彬，李铁克，张文学.基于GD-FNN的金融股指预测模型[J].计算机应用研究，2010.27（9）：3272-3278
[2]李佳.多因素线性回归模型对股指预测作用的分析[D].上海交通大学上海高级金融学院MBA论文，2011.
[3]王汝，芳田业钧.消费者信心指数与股票市场收益的实证研究[J].经济与管理，2009.23（12）：22-26
[4]吴朝阳.基于GM（1，1，μ，ν）模型的股指预测[J].计算机技术与自动化，2010.29（3）：113-116
[5]郑斯日古楞.灰色神经网络在股票价格预测中的应用[J].计算机仿真，2012.29（2）：382-385