第1章 宏觀經濟數據挖掘基礎知識
1.1 數據挖掘概述
1.1.1 數據挖掘的定義
1.1.2 數據挖掘的功能
1.1.3 數據挖掘的過程
1.1.4 數據挖掘的研究方向
1.2 宏觀經濟概述
1.2.1 宏觀經濟的定義及其研究內容
1.2.2 宏觀經濟的研究方法
1.2.3 主要宏觀經濟指標解讀
1.3 數據挖掘方法在宏觀經濟中的應用
1.3.1 分類
1.3.2 聚類
1.3.3 預測
1.3.4 關聯(lián)
1.3.5 異常點
本章參考文獻

第2章 宏觀經濟數據預處理
2.1 原始數據中存在的問題
2.2 數據預處理的功能
2.2.1 數據清理
2.2.2 數據集成
2.2.3 數據變換
2.2.4 數據歸約
2.3 常見的數據預處理技術
2.3.1 處理空缺值
2.3.2 數據去噪
2.3.3 數據規(guī)范化
2.3.4 數據規(guī)約
2.4 預測GDP數據預處理過程
2.4.1 數據選擇
2.4.2 數據預處理換算
2.4.3 預測數據回算調整
2.4.4 預處理結果
本章參考文獻

第3章 分類算法
3.1 分類算法概述
3.1.1 分類模型訓練階段
3.1.2 分類模型評估階段
3.1.3 分類階段
3.2 分類算法的應用
3.3 C4.5 分類算法
3.3.1 C4.5 原理與工具應用
3.3.2 C4.5 分類算法在第三產業(yè)發(fā)展狀況評估中的應用
3.4 支持向量機分類
3.4.1 支持向量機的原理
3.4.2 支持向量機軟件應用
3.4.3 支持向量機分類在宏觀經濟預警中的應用
3.5 樸素貝葉斯分類
3.5.1 樸素貝葉斯原理概述
3.5.2 樸素貝葉斯方法在宏觀經濟決策中的應用
本章參考文獻

第4章 聚類分析
4.1 聚類分析方法概述
4.1.1 聚類統(tǒng)計量
4.1.2 系統(tǒng)聚類方法
4.2 聚類方法的應用
4.3 Ward聚類分析方法
4.3.1 Ward算法原理
4.3.2 Ward算法應用
4.3.3 工業(yè)化城鎮(zhèn)化問題聚類分析案例
4.4 聚類結果評估
本章參考文獻

第5章 預測方法
5.1 宏觀經濟預測方法概述
5.1.1 ARMA與ARIMA算法介紹
5.1.2 ARCH算法
5.1.3 GMDH算法概述
5.1.4 AC算法介紹
5.1.5 組合預測算法
5.2 預測方法的應用
5.2.1 對GDP的預測
5.2.2 對工業(yè)增加值的預測
5.2.3 對股票市場的預測
5.2.4 對財務指標的預測
5.2.5 對其他方面的預測
5.3 常用軟件預測方法
5.3.1 用Eviews建立ARIMA模型過程
5.3.2 用Eviews建立ARCH模型
5.3.3 GMDH模型軟件使用方法
5.3.4 AC模型軟件使用方法
5.3.5 構造組合模型
5.4 中國宏觀經濟指標預測案例
5.4.1 建立ARIMA模型預測GDP
5.4.2 建立ARCH模型預測GDP
5.4.3 建立GMDH模型預測GDP
5.4.4 建立AC模型預測GDP
5.4.5 線性組合模型預測
5.4.6 預測結果對比分析
本章參考文獻

第6章 關聯(lián)規(guī)則
6.1 關聯(lián)規(guī)則概述
6.2 經典算法——Apriori算法原理
6.3 關聯(lián)規(guī)則的應用
6.4 關聯(lián)規(guī)則挖掘在宏觀經濟預警分析中的應用
6.4.1 數據準備
6.4.2 宏觀經濟預警關聯(lián)規(guī)則挖掘過程
6.4.3 宏觀經濟預警關聯(lián)規(guī)則挖掘結果分析
本章參考文獻

第7章 DEA方法
7.1 DEA概述
7.2 DEA基本原理
7.2.1 C2R模型
7.2.2 C2R模型的經濟含義
7.2.3 評價技術有效性的C2GS2模型
7.3 DEA的應用
7.4 DEA軟件應用
7.5 產業(yè)效率分析案例
7.5.1 三次產業(yè)總體評價
7.5.2 分行業(yè)評價
本章參考文獻

第8章 主成分分析
8.1 主成分分析概述
8.1.1 主成分分析的代數意義
8.1.2 主成分分析的幾何意義
8.2 主成分分析的原理
8.2.1 主成分分析的目標
8.2.2 正交矩陣的求解算法
8.2.3 正交矩陣的標準化變量算法
8.2.4 主成分的確定
8.2.5 主成分分析的優(yōu)缺點
8.3 主成分分析方法的應用
8.4 主成分分析軟件的應用
8.5 產業(yè)結構轉換研究案例
8.5.1 產業(yè)結構轉換能力綜合評價的指標體系的確定
8.5.2 四川省產業(yè)結構轉換能力的綜合評價
8.5.3 運用GMDH分析產業(yè)比重分布對產業(yè)結構轉換能力的影響
8.5.4 分析四川省產業(yè)結構轉換方向
本章參考文獻