论模糊型统计，本文主要内容关键词为：模糊论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、关于模糊型统计研究的客体及方法
（一）模糊型统计方法是用于研究模糊型现象发展规律的方法、研究的客体是模糊型现象。模糊现象由于排中律的破缺而形成不确定性现象。使之呈现两个明显的特点：一是在概念上明确的内涵，但外延不明确。由于总体单位既含有这个总体的特征，又含有那个总体的特征，所以总体应包含那些单位，不应包含那些单位，具有不明确性。这一特点，决定了模糊型现象不能采用一般方法给予量化。二是在发展变化上既具有不确定性，又具有较强的隶属规律性。模糊型现象的特点是外延不确定。在现实中，每当现象由量变到质变时，就会由这一总体过渡到另一总体，由于这种量变向质变过渡的中介有些是模糊不清的，使现象具有模糊性，也使模糊型的现象具备不确定性。但从另一方面看，现象的量变到质变是有一个过程的，这个过程隶属于某一现象的关系却是相对稳定的。这就使模糊现象既有不确定性，又有较强的隶属规律性。
（二）模糊型统计方法的数学基础是模糊数学。模糊型统计方法是一种新型的统计方法，它的建立必须能够适应模糊型现象的特点，能完成统计研究的任务。那么，怎样建立模糊型统计方法呢？从统计理论研究可知，主要是引进模糊数学方法。模糊数学将数学的应用范围由精确现象扩大到模糊现象领域，解决了常规数学和概率论不能解决的问题。同时，它又能用数字来描写和总结人的经验，使人们在研究过程中更能发挥人的主观能动作用。用模糊数学方法改造的模糊型统计方法它有两大优点：一是能依据模糊型现象的特点，将模糊型现象量化；二是能对模糊现象进行分析，对未来发展进行预测与决策。现状分析、预测与决策也是模糊型现象统计研究的三大任务。
（三）以模糊数学的方法建构模糊型统计方法体系。以模糊型现象的特点为出发点，以模糊型现象统计研究任务为终点，以统计过程各阶段的要求为依据，引进相应的模糊数学方法加以改造，形成模糊型统计方法体系。为了论述简便、清晰，以图表示（附后）。由图可知，模糊型统计方法体系不仅涉及面广，而且也是一个复杂的系统工程。
二、关于模糊型统计量化方法问题
模糊型统计量化方法是从模糊现象特点出发，在统计指标设计的基础上，利用相应的调查方法与试验的方法，取得模糊现象的数量资料。根据这些资料所揭示的模糊现象的隶属规律，通过对各总体单位的隶属关系的判定及相应统计资料的汇总，推算模糊现象总体数量特征，并为开展统计分析服务的方法。因此可以说，模糊型统计量化方法是将模糊型现象由定性向定量的发展。在量化中，可分三步进行：
（一）设计模糊型统计指标。按照模糊型现象的数量特征，将模糊型现象从数量方面给以概念化。指标设计可采用正设计和逆设计。在设计中，做好三项工作至关重要，即本模糊统计总体的统计指标设计、隶属于模糊总体的各总体单位的特征指标数值区域的确定和隶属于关联总体的各总体单位的特征指标的数值区域的确定。
（二）模糊型统计资料的搜集问题。模糊型统计资料的搜集方法可采用：①模糊调查法。也就是在模糊本总体和关联总体的各总体单位可以直接取得统计资料的情况下，运用调查的方法取得特征指标及模糊型统计指标的数量资料。可采用普查、统计表等一般性方法；②运用模糊试验法。也就是运用实验的方式取得特征指标及模糊型统计指标数量资料的方法；③运用模糊识别划分法。也就是在特征指标为一项的情况下，运用最大隶属度原则或择近原则来判断各总体单位所隶属的总体，对模糊本总体的统计范围进行划分的方法；④运用模糊综合评判划分法。也就是在指标特征为多项的情况下，运用模糊变换的方法，求解各总体单位在多个特征指标下，对各总体的隶属度，并按最大隶属度原则判别各总体单位所隶属的总体，对模糊总体的统计范围进行划分的方法。同时，根据模糊总体特征指标间的关系，模糊综合评判划分方法还可分为单层综合评判划分法和多层综合评判划分法，前者是在特征指标为平行关系的情况下，后者是在特征指标之间的关系为复合关系的情况下运作。
（三）模糊型统计资料的整理问题。模糊型统计资料整理是在确定模糊本总体的统计范围及所包含的各总体单位统计资料之后，对总体单位统计资料分组、排列、列表及汇总，反映其总体数量特征，为模糊统计分析服务的过程。根据模糊现象的特征及统计整理任务，统计整理包括有模糊聚类分组法、分配数列法和统计表法。其中，模糊聚类分组是在划定模糊本总体统计范围、取得所属总体单位的各指标值、求得分组关系矩阵和模糊聚类分组矩阵后，选取分组水平值，再对总体单位进行统计分组。模糊聚类分组第一步，先选取具有较强分辨性或代表性的具有实际意义的模糊型统计指标，做为聚类分组的统计指标。第二步将各总体单位各分组指标的指标值进行数据变换。在变换中采取随机型统计指标数据变换法，也可采用灰色型统计指标数据处理方法。第三步是建立分组关系矩阵。第四步是建立模糊聚类分组矩阵。第五步是选取分组水平“λ”，利用模糊聚类分组矩阵对总体单位依次进行分组，直至分组的个数与所要求相同为止。“λ”值一般取自模糊聚类分组矩阵对角线以外的元素值，一般由大到小依次选取，与“λ”相同或大于“λ”的元素，在矩阵中表示为“1”，比“λ”小的元素表示为0。
三、关于模糊型现象的统计分析与预测问题
模糊型现象通过量化后，都可使其模糊性变得清晰，从现象资料看，基本具备了一般统计资料的特点。所以，对模糊型现象发展现状的统计分析，都可采用一般性统计分析方法去做。但由于模糊型现象的外延不确定，所以从动态来看，时间不同，一般模糊型统计资料的口径也不同，而不同指标口径的指标是不能进行动态对比的。
模糊型现象发展统计预测方法是统计分析的进一步发展，它依据模糊型现象发展的特点，对模糊型现象的未来进行预测。预测的方法有模糊识别预测法、模糊综合评判预测法和模糊聚类预测法。下面简要分别作以论述：
（一）模糊识别预测法，通过各总体单位对各总体隶属度的计算，按最大隶属度原则，划分预测期模糊本总体的统计范围，最后汇总所属单位指标值，求得预测期模糊本总体统计指标。步骤可分三步走，一是取得预测期总体单位的统计资料；二是计算预测期各总体单位对各总体的隶属度，并按最大隶属度原则判断各总体单位所属总体；三是划出预测期模糊本总体的统计范围，汇总统计范围内各总体单位的统计指标值，即得到模糊本总体预测指标值。
（二）模糊综合评判预测法，是在特征指标有多个的情况下，利用综合评判法，划分预测期的模糊本总体的范围，并按所确定的统计范围，汇总预测期模糊体总体指标值。按照特征指标间的关系，又分为单层模糊综合评判预测和多层模糊综合评判预测。二者不同点在于，前者应用的统计资料是预测期各总体单位的资料，最终点在于取得预测期模糊本总体的统计指标值。后者则应用的资料是报告期的各总体单位的统计资料，最终点在于划出模糊本总体的统计范围。
（三）模糊聚类统计预测法，这是用于确定预测期某总体单位的隶属关系的方法。我们将预测期某总体单位的统计资料与该总体单位各历史时期的统计资料放在一起进行模糊聚类分析，确定该总体单位的特征与历史上那一时期的特征相似，进而参照该总体单位在历史上类似的那个时期的隶属关系，来确定预测期的隶属关系。运用这种方法若对预测期模糊本总体与模糊关联总体的各总体单位的隶属关系加以判别，同样可以确定预测期模糊本总体的统计范围，并求出模糊本总体的预测值。
四、关于模糊型现象发展统计决策问题
从模糊型现象的特点出发，利用模糊数学原理，对模糊现象的发展进行统计决策，我们将这称之为模糊型现象发展统计决策法。在运作中决策法分为模糊判决统计决策和模糊规划统计决策。这两种方法，前者是依据隶属规律，利用模糊判别指标判别各行动方案优劣的方法。它根据所选用的模糊判别指标的多少，可分为单项和多项模糊判决统计决策法。而后者模糊规划统计决策则是从模糊型现象的特点出发，利用模糊规划的方法原理，通过模糊型统计规划模型的建立，寻求模糊型现象发展最优方案的方法。按照模糊型现象各统计指标间的关系及决策目标的多少，模糊规划统计决策法应包括模糊线性规划统计决策法、模糊非线性规划统计决策法和多目标模糊规划统计决策法。模糊非线性统计决策问题通常可转化为模糊性统计决策问题，多目标模糊统计决策问题可转化为单目标模糊统计决策问题。
模糊线性单目标规划统计决策法是在决策目标为一个、模糊现象各指标间的关系为线性关系时，运用模糊线性规划的原理和方法，来寻求模糊型现象发展最优方案的方法。模糊线性单目标规划决策法，按模糊量在所建模型的位置，又可分为第一、第二、第三模糊线性规划模型法。这些在此不一一论述。
图：
