【www.shanpow.com--工作报告】
上海大学学生人数【一】:上海市每万人口在校大学生人数分析报告
上海市每万人口在校大学生人数分析报告
一、摘要：
以1978~2013年上海市每万人口在校大学生人数数为研究对象，利用Eviews软件与SPSS软件，对其进行确定性分析与ARIMA模型拟合，为后期上海市每万人口在校大学生人数进行预测
二、关键词：在校大学生人数 确定性分析 ARIMA模型 单位根检验 三、引言：
教育是兴国之本，教育直接为一个国家的建设提供大量高素质人才。十年树木，百年树人，随着社会的不断进步，人们对教育越来越重视，越来越希望自己的孩子学到更多的知识，来面对今后的生活与事业，21世纪是知识经济的时代，知识和技术是经济增长的关键因素。1956年，美国经济学家索罗一反新古典经济学派的理论框架，在生产函数中引入了一个除资本和劳动力之外的变量——知识和技术。1990年，又一位美国经济学家保罗·罗默提出技术进步内生增长模型，把知识完整地纳入经济和技术体系，即知识水平和人力素质是生产率提高和经济增长的内在动力之一，初步解释了知识活动是如何导致经济持续增长的，从而肯定了知识创新、技术进步和人力资本智力化的中心性。教育是培养人才，传递知识文化的主要工具和手段，因此，知识经济时代，人类生产方式在从“资本积累”向“知识积累和创新”转移的过程中，教育将毫无疑问的具有明显的经济活动性质。“知识产业”成为新的经济增长点和支撑点。一个国家的经济越是走向现代化，科技水平和劳动力素质作用的价值就越大，教育和教育产业对整个经济的作用力就越不可忽视。谁能抢占教育产业的制高点，谁能实现人力资本的知识化、智能化，谁就有可能是始终处于不败之地。于是，在市场经济较为成熟的西方国家，教育与市场之间建立了千丝万缕的联系，教育的结构与规模、招生与毕业生就业、课程与教学等，都要以服务经济为目标。因此教育对一个国家及民族来说是不可缺失的、是至关重要的。上海是中国对外的一大市场、是连接国外与国内的一大纽带。所以研究上海市每万人在校大学生的人数是至关重要的。 四、正文：
问题重述: 关于上海市每万人口在校大学生人数分析报告及短期预测 原理及步骤：确定性分析、 ARIMA模型
1 确定性分析：
最常用的是确定性因素分解方法，其源于长期的观察实践——人们将序列的各种变化归纳为4种因素的综合影响，长期趋势(T)、循环波动(C)、季节变动(S)、随机波动(I)，在观察时间不够长时，不考虑循环波动。因素间的影响相互作用构成几大模型——加法模型：xt?Tt?St?It，乘法模型：xt?Tt*St*It，混合模型：xt?St*Tt?It或xt?St*(Tt?It)。原理：人们观察序列建立模型，再用趋势拟合或平滑法得出模型，最后对未来进行预测。 1.1基本步骤：
1.绘制时序图，观察序列是否有明显的趋势与周期。
2.选择拟合模型，根据序列的趋势、周期选择合适的拟合模型。 3.计算季节指数(序列有明显周期才计算)。
4.消除季节影响，用原始序列除以相应的季节指数，再趋势拟合。 5.短期预测 2 ARIMA模型：
ARIMA模型全称为差分自回归移动平均模型。是由博克思和詹金斯于70年代初提出的一著名时间序列预测方法，博克思-詹金斯法。其中ARIMA(p，d，q)称为差分自回归移动平均模型，AR是自回归，p为自回归项；MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。
ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。 2.1基本步骤：
1.绘制时序图，观察序列的平稳性。
2.差分平稳化，对不平稳的序列进行差分运算使之变成平稳。 3.白噪声检验，对差分后平稳的序列进行白噪声检验。 4.模型拟合，对平稳非白噪声差分序列拟合ARMA模型。 5.残差检验 6.短期预测
分别用确定性分析、 ARIMA模型对数据进行处理。 ARIMA模型的检验如下:
利用SPSS软件画出序列的时序图如下：
图1 时序图
由图1发现此序列不平稳，不满足要求。
一阶差分后的序列图如下:
图2 一阶差分后的时序图
利用Eviews软件对一阶差分后的数据进行单位根检验，检验如下：
Null Hypothesis: D(Y) has a unit root Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=9)
t-Statistic -2.418327 -3.646342 -2.954021 -2.615817
Prob.* 0.1446
Augmented Dickey-Fuller test statistic Test critical values:
1% level 5% level 10% level
*MacKinnon (1996) one-sided p-values.
图3 一阶差分后单位根检验
根据图3 (P=0146>0.05)可知一阶差分后也不平稳，不能满足要求。
二阶差分后的序列图如下:
图4 二阶差分后的序列图
利用Eviews软件对二阶差分后的数据进行单位根检验，
Eviews软件上平稳性的单位根检验常用的是ADF检验，检验的原理与方法是：ADF检验通过下面三个模型来完成： 模型1：?Xt??Xt?1???i?Xt?i??t
i?1m
模型2：?Xt????Xt?1???i?Xt?i??t
i?1
m
模型3：?Xt????t??Xt?1???i?Xt?i??t
i?1
m
原假设H0：??0，即存在一个单位根，序列非平稳。， 其结果如下：
Null Hypothesis: D(Y,2) has a unit root Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=9)
t-Statistic
-4.612573 -3.646342 -2.954021
Prob.* 0.0008
Augmented Dickey-Fuller test statistic Test critical values:
1% level 5% level
上海大学学生人数【二】:上海大学历年硕士研究生招生报考人数统计
上海大学2010年硕士研究生招生报考人数统计
上海大学2009年硕士研究生招生报考人数统计
上海大学2008年硕士研究生招生报考人数统计
上海大学学生人数【三】:2012年上海大学报录比
上海大学学生人数【四】:上海大学数据库1
《数据库原理》
实验报告（一）
院（系） 计算机工程与科学
年级专业 计算机科学与技术
教师 李晓强
姓名
报告日期：2014年12月15日www.shanpow.com_上海大学学生人数。
第1周（第四章：SQL体系结构、组成、建库建表，索引自学）www.shanpow.com_上海大学学生人数。
一、实验课：
1. 建立school数据库
2. 在school下建立如下数据库表，根据表中数据选取合适的数据类www.shanpow.com_上海大学学生人数。
型及宽度，设置各表的主键及表间外键联系：
3. 在学生表中建立索引idx1：院系号升序，姓名降序
在课程表中建立索引idx2：课名
实验小结：
这次实验是我学习数据库课程的第一次上机，本来我还以为会很难，但是实际上机下来却让我对学好数据库更加有信心了。可能是因为老师给了我们类似的代码，书上也讲的挺详细的缘故吧。不过一开始，我还是不知道怎么用SQL sever 用编程的方式建立数据库，我就人工手动的建表和录入数据，设置外键等，不过后面通过仿照老师给的实例代码和教科书，我又试着用代码建立了数据库，效果还不错。总之，通过这次上机，对数据库有了初步的认识和体验，也熟悉了SQL sever这个工具。
第2周（第四章：投影、选择、多表连接和嵌套，排序自学）
一、实验课：
1. 查询2011年进校年龄大于20岁的男学生的学号与姓名。
2. 检索刘晓明不学的课程的课程号。
