影响谷歌排名的5大因素分析

影响谷歌排名的5大因素分析（通用11篇）

篇1：影响谷歌排名的5大因素分析

影响谷歌排名的5大因素分析

对于大多数网站管理员和站长，最终衡量你的搜索引擎优化的努力工作是当网站开始出现在谷歌等搜索引擎的第一个结果网页数了。

不幸的是，大多数人在一个单一的搜索引擎优化策略，以实现公正这一重点。重要的是要知道，为了实现谷歌排名前十位，有许多应该审议并一贯致力于元素的数量。我所列举的前5个因素显着影响你在谷歌排名：

1。无障碍

人人都知道，它没有任何意义雇用所有搜索引擎优化技术如果搜索引擎甚至无法找到您的网页。重要的是你的某个robot.txt文件不包含任何错误，您网页的HTML代码不应该有任何错误。

2。网站结构

作为最优秀的搜索引擎，谷歌不断努力，以确保它显示相关的搜寻结果。一个网站不应该只是一个网页的集合。如果你想让它更好的排名，应该是所有网页和链接。

3。选择关键词

在搜索引擎优化，关键词的选择起着非常重要的作用。错误的关键字会大大影响你的运动。你可以开始有针对性的关键短语的使用，那么你可以慢慢地努力更具体的关键字的方式，并且最终实现单一关键字。

4。内容

我们不能强调其在搜索引擎优化的重要性。内容应该是原创。这是很重要的分开你的休息和在同一时间，增加您的网站诚信和信誉。

5。链接

与其他网站链接会导致一个号码的网站指向您的网站。不过，重要的是，交换链接应该给予它应该只从你的网站相关的和值得信赖的慎重考虑。

本文源于上海上弦科技有限公司

篇2：影响谷歌排名的5大因素分析

一：内容

刚开始接触SEO这一行的时候，经常看到高手们在说“内容为王，外链为皇”，慢慢的学习和时间才知道，不管是我们的浏览者，还是搜索引擎都喜欢原创的内容，所以我们要尽量坚持原创，不要随便的采集，否则搜索引擎即使收录了，之后也会慢慢将其删除的，特别是百度。在这里我的教训是：在自己的博客内容刚添加上去，搜索引擎还没有收录的时候，就到别的相关站长网上去发表，长时间之后估计百度把我的网站当成一个采集站了，到现在还没有收录，虽然百度蜘蛛天天来也有好多的百度反链。在这里希望广大的站长可以吸取我的教训！

二：页面标签

像我们经常使用的网站title，keyword，description，alt等标签，虽然现在不如过去那么重要了，但是还是必不可少的，搜索引擎还是喜欢这些标签的，所以我们必须添加，不管是首页还是内页，都应该做到全面。三：PR

一个老生常谈的话题，同是也是一个饱受争议的话题，个人感觉在别的搜索有没有作用不是非常的清楚，但是在Google 毕竟还是有作用的，因为PR本身就是Google提出来的，PR值越高，表明网站受关注度越高，也可以理解为用户体验也更好。这个在Google的作用虽然不是万能的，但是两个网站的实力差不多的，PR肯定会影响最终的网站排名。

四：外链：

前面已经说过了“内容为王，外链为皇”，可见外链是优化中不可忽视的一个重要因素。通过我拿一些网站的实验结果来看，外链数在某种意义上说决定着网站的最终排名。

五：网站的流量：

篇3：影响谷歌排名的5大因素分析

1 影响PM2.5主要因素的多元统计分析

1.1 聚类分析

基于数据表, 我们共确定了26个可能的影响因素。由于变量个数太多, 因此在进行统计分析前先简化变量的维数。采用聚类分析法将影响PM2.5的因素分类, 使得同一类中的变量相关性较强, 不同类中相关性较弱。步骤如下:

1.1.1把原始数据看成一个22×26阶矩阵, 其中22行代表22个采样组, 26列代表个26个变量。将每一个变量看成一个单独的类。

1.1.2算出类与类之间的距离矩阵 (上三角矩阵) 。其中表示第i类与第j类的距离。找到中最小的值, 设其为, 则将第p类和第q类合并为一类, 重复步骤 (2) 。

利用SPSS软件对数据进行处理, 可将26个影响PM2.5的因素进行分类。若分成7类, 则将有密切联系的影响因素分在了不同类中;若分成4类或5类, 则将有明显差别的影响因素归为了一类。因此, 可将这些影响因素分为6类。

1.2 主成分分析

为了从每一类中选出代表元以利于下一步的处理, 我们使用主成分分析法计算各分类中每种元素所占权重。主成分分析从原始变量中导出少数几个主成分, 使它们尽可能多地保留原始变量的信息, 且彼此互不相关, 从而仅利用几个重要的主成分就能够解释原始数据的大部分变异。利用SPSS软件对各分类中各种元素含量进行主成分分析, 可得各分类中主成分表达式如下:

第一类:Y1=0.44556X1+0.44737X2+0.44647X3+0.44872X4+0.44827X5

其中X1、X2、X3、X4、X5分别代表元素:As、HCH、NH3、Pb、TSP;Y1代表第一主成分, 故元素As、HCH、NH3、Pb、TSP所占权重分别为:0.44556、0.44737、0.44647、0.44872、0.44827。

第二类:benzo (a)

第三类:Y3=0.57620X1+0.57912X2+0.57620X3

其中X1、X2、X3分别代表元素:benzo (b) 、benzo (k) 、Indeno, Y3代表第一主成分, 故元素benzo (b) 、benzo (k) 、Indeno所占权重分别为:0.57620、0.57912、0.57620。

同理处理4至6类。

分析结果可以看出在每一类中各个成分的权重非常接近, 可以视为是相同的, 所以下面进行数据处理时, 采用直接求平均的方法是合理的。

1.3 线性回归方程

根据以上的聚类分析以及主成分分析, 可以清晰地看出影响PM2.5的因素可以分为6类, 因此假设这6类因素之间是互不相关的, 用线性模型

进行线性拟合, 是合理的。其中变量X1到X6依次表示以上6类因素含量值标准化后取平均值的含量值;因变量Y表示标准化后取平均的PM2.5的含量;参数β0到β6为待估计的回归系数;ε为随机误差 (大致服从均值为0的正态分布) 。

下面我们利用matlab中的regress函数求解回归系数估计值及其置信区间

从表1可以看出, R2=0.9922表示因变量y (标准化后的PM2.5含量) 的99.22%可以由所建立的模型来确定, F的值远远超过F检验的临界值, p远远小于α=0.05, 因此模型从整体上看是可用的。β0, β1, β2的置信区间中包含零点表示回归变量X1, X2对因变量Y的影响不太显著。于是可以得到粗略的线性模型

从以上分析可以看出, 这些因素中的第四类对PM2.5的含量的影响最大, 这与实际情况是相符的, 这说明线性拟合方程是显著的。

1.4 逐步回归

为了确保线性回归方程的准确性, 我们使用逐步回归进行检验。其意义在于从众多自变量中选取与PM2.5有显著关系较少几个。在此模型的建立中。首先将26组自变量化为一个集合, 选取偏回归平方和贡献最大的量, 用方差比进行显著性判断, 决定是否选入;同时选取选入变量中偏回归平方和贡献最小的量, 用方差比进行显著性判断, 决定是否剔除。

用Matlab的Stepwise函数处理数据, 结果表明Co、Cu、NH3、NMVOC、NOx、Se、Zn、SOx对PM2.5含量影响显著, 进而验证第4大类与PM2.5关系密切的结论。

但是需要注意的是, 此时是处理标准化后的数据得到线性方程的系数, 它能定性地反应PM2.5与每一大类是否相关, 但真实空气悬浮物值和PM2.5含量的定量关系还需用真实值代入线性回归方程确定。

类似2.3中的处理, 得到线性回归方程各主要影响因素系数如下

各因素含量乘系数 (用2011年数据) , 得各项权重如下

数据处理完得到的空气悬浮物含量所占系数与线性回归方程近似。这反映PM10、碳氮氧化物对PM2.5影响显著, 即煤燃烧、机动车尾气排放、施工工地尘土等是PM2.5的主要源头。

2 用时间序列分析对PM2.5走势进行判断

基于对数据的聚类分析, 为了进一步验证我们的模型具有可行性, 以及对下一年的可靠预测, 我们采用时间序列分析方法进行研究。基于2.1到2.3, 通过SPSS我们得到聚类分析数据的2012年的预测值:第一类预测值为-0.888413, 第二类预测值为0.0159984021, 第三类预测值为0.4537170957第四到六类同理处理。同时对PM2.5进行预测:-1.1084, 同时置信区间为[-1.5651, -0.6518]。

首先根据我们得到的回归模型进行检验, 以确保我们的模型是正确的。

(1) 根据得到的标准化数据的系数, 我们得到的线性方程为:

对2012年的数据进行分析:

计算所得的数据在置信区间之中, 所以模型可用。

(2) 由于上述方程经检验是适用于标准化之后的结果, 为了使我们的模型更具有实际意义, 我们需要将原始数据带入方程, 因此, 基于第二部分的公式和对As、Co、Cr、Cu、NH3、NMVOC、NOx、PM10、Se、Zn、SOx的时间序列分析预测值, 将预测值代入公式得到PM2.5的预测值为1143.2, 而PM2.5的预测值置信区间[1108.4, 1149.5]内, 即方程准确。

3 结论

本文提出了影响PM2.5因素的回归模型, 它表明影响PM2.5的主要因素为As、Co、Cr、Cu、NH3、NMVOC (非甲烷挥发性有机物) 、NOx、PM10、Se、SOx、Zn, 即来源为燃煤、机动车排放、施工扬尘等, 控制好这几点, PM2.5就可得到很好的控制。基于本文模型, 对主要影响因素用时间序列分析预测后, 可对PM2.5走势进行比较精准的判断。因自变量较多, 进行聚类分析削减变量维数, 用主成分分析进行检验, 不仅减小了后期处理数据的计算量, 也增加了回归方程的精度。但要注意的是, 不同地区影响PM2.5的主要影响因素含量差异较大, 本文回归方程系数可能并不适用, 这就需要根据具体区域求解线性回归方程, 再对本区域PM2.5的走势进行预测。

参考文献

[1]李斌莲, 管峰, 蒋建华.浅析中国PM2.5现状及防控措施.能源与节能[J].2012.6.

[2]European Environment Agency (EEA) .EU emission inventory report1990-2011 under the UNECE Convention[DB].http://www.eea.europa.eu/data-and-maps/data/data-viewers/air-emissions-viewer-lrtap, 2013.6.

篇4：影响宝宝身高的5大因素

食品⤾

◆利于长高的食品：没有绝对的长高食品，最重要的还是保证营养均衡，保证摄入的食物营养充足、全面，多吃奶制品、豆制品、动物性食品。

特别推荐的5种食物：牛奶、沙丁鱼、菠菜、胡萝卜、橘子

◆不利于长高的食品：这些食品主要是营养少，但却能增加宝宝的饱腹感，影响宝宝对其他食品的摄入，有些还消耗体内钙质，最终导致营养不良。

1.各种碳酸饮料。

2.各种糖果、甜饮料。

3.各种“垃圾食品”(油炸、膨化、腌制、罐头类食品)。

睡眠⤾

脑下垂体分泌的生长激素是促进孩子生长的最重要的激素。人体生长激素的分泌一天24小时内是不平衡的，只有熟睡之后，体内才能分泌较多的生长激素。

1.生长素分泌特点：儿童时期到青春前期，睡眠时分泌旺盛，晚上9时至次日上午9时分泌的生长素数量是白天12个小时的3倍，特别是在晚上9时入睡后的70分钟，可出现一个分泌高峰。

2.睡眠时间：一般初生儿每昼夜睡眠要求20小时，2~6月大婴儿为15~18小时；6~18月大婴儿为13~15小时；18月~3岁的孩子为12~13小时。

3.睡眠环境：创造最好的睡眠环境，灯光偏暗，消除噪音。

除了睡眠的时间以外，睡眠的质量也很重要。孩子每天所需的睡眠时间，个体差异较大。如果有的孩子睡眠时间较少，但精神、情绪和生长发育正常，也不必强求。

运动⤾

骺软骨停止增生前，常进行体育锻炼有助于刺激骺软骨增生。改善血液循环，增强对营养的吸收，提高骨细胞生长能力；机械力能促进骨中钙质沉淀，使骨骼变得粗壮和坚实。

◎根据年龄选择不同的运动

1岁以内的宝宝：主动运动和被动运动相结合。主动运动，即帮助宝宝进行抬头、爬行、翻身的练习。被动运动则是妈妈帮宝宝做一些婴儿操，进行按摩抚触。

1~2岁的宝宝：练习跑跳、拍球、双腿跳。

2~3岁的宝宝：跳绳、蹦床、单腿跳。

幼儿期：宜以调整运动能力的项目为主，如过独木桥、舞蹈和结合游戏进行的跑跳等。

1.选择益于生长的运动，如弹跳运动、伸展运动、全身性运动。

2.避免不利长个的运动，如负重运动、举重、举哑铃、拉拉力器、摔跤、长距离跑步等。

阳光⤾

生长离不开阳光，人体皮肤的7-脱氢胆固醇在紫外线的照射下会合成维生素D。维生素D能促进生长和骨骼钙化，促进牙齿的健全发育等。

1.时间：每天让宝宝接受1~2小时的日照，多让宝宝到户外活动，在游戏的过程中享受阳光的沐浴。

2.不要隔玻璃晒太阳：阳光透过单层玻璃，紫外线会减少60%；透过双层玻璃，紫外线只剩20%；在距窗口4米处的室内，紫外线仅为室外的2%。

3.暴露皮肤：戴帽子和手套晒太阳不科学。晒太阳时，应尽可能暴露皮肤，以接受紫外线的照射。

疾病⤾

少部分生长缓慢的情况是由某些疾病引起的，这些病经常被妈妈忽视。

1.导致生长缓慢的疾病，如营养不良性矮小、生长激素缺乏症、甲状腺功能低下、先天性卵巢功能发育不全、软骨发育不全、严重佝偻病等。

2.了解宝宝是否矮小，如经长期测量观察，孩子的身长始终低于同年龄小儿平均身长的10%以上，则称为生长迟缓；低于30%以上，则属异常，都应及时诊治。

3.到正规医院接受检查。矮小宝宝最好经常进行血生化、甲状腺功能、染色体核型分析、生长激素测定和骨龄检查，寻找生长发育缓慢的原因，一旦发现某种疾病，就彻底治疗。

帮孩子长高，这些误区要避免⤾

1.拔苗助长：为了让孩子长高，很多妈妈会想尽办法，购买助长药品、保健品等。在这里，有必要提醒妈妈两点：不轻信——千万不要轻易相信广告，网上宣传更不能信。不乱用——通过口服增高药补充生长激素，没有任何效果。

篇5：影响谷歌排名的5大因素分析

网站最常见的推广可分为做流量和做排名，其实，做流量也要通过排名来实现，同行业网站排名靠前，流量自然就上去了。究竟哪些因素影响关键词排名呢网站推广?

第一：文章当中不要恶意插入关键词，要自然出现。例如：网络推广网络推广方案，网络推广技巧，域名空间你在这句话里插入“域名空间”这个词，就是不自然性，而且与这句话的主题不相关，造成了不好的用户体验网络推广，

第二：文章的名词和行业术语要做好做锚文字链接，大家要知道文章里的锚文字链接是起解释作用的，用户在看文章的时候，发现一个词他不明白，需要解释，我们就要给这个词做个锚文字链接，这样整个文章内容里面链接就显的很自然。

篇6：分析影响SEO排名变动的因素

分析影响SEO排名变动的因素

大家好，我是中宇商城网站设计，个人也算积累了一些经验和见解，分享给从事电子商务的朋友，希望能帮得上或促动从事电子商务的朋友。每一个人做任何事都有第一次，SEO也是一样的。每一个SEO高手都由一个最初的菜鸟通过不断的学习而来的。而一个SEO新手，往往都会陷入从什么地方入手，应该要注意那些地方等等的这么一个迷茫的境地。对于一个新手做SEO需要注意的地方，我主要总结了以下几个方面，希望对大家以后的工作有所帮助：

一、关键字：网站的关键字是在网站建立前就应该选择好的，关键字的选择与分析是很重要的，这也就成为了每一个SEO工作者最先接触到的地方。

二、程序与结构：网站的结构，一般情况下可以使用树状的结构，因为这是se最喜欢的一种网站结构。还有就是要注意一些细节，尽量减少不必要的东西，这样可以方便搜索蜘蛛的爬行，增加收录。

三、更新内容：内容为王这是网站SEO一个不变的真理，SEO论坛里一再要求原创也就是这样道理了，原创就是一个网站发展的动力命脉。这里并不是说伪原创一定就会失败，但是原创在搜索引擎中永远都是享有优先权的。

四、外链建设：当我们的网站上线发布内容以后，我们就应该去做网站的优化工作了，而这里首要的工作就是发外链了，我们可以去找一些高权重的论坛发外链来吸引搜索蜘蛛过来，网站上线的第一天只需要找10-20个不同的网站每一个发一条外链即可。

http://超级p57

比较稳定的网站排名也时好时坏，但是对于这一情况可以视为正常现象，但是时间久也也就显的不正常了。对网站出现类似情况时所分析的一些原因，希望与大家一起交流学习。

一、由于外界的一些不好因素而导致网站排名下降

1、搜索引擎算法变动不过你优化的是谷歌也好，百度也罢，算法决定了你的排名，算法变了自然排名有升有降，这是必然的，也是不可控的。解决办法：研究他的算法想办法去适合它。

2、被黑并挂马难以想像一个搜索不能判断网站是否挂马会是怎样的一个世界，GOOGLE会有恶意网站提示，百度没有，但如果挂马时间长的话，怕是没人能在百度中搜索到你的站，希望大家小心为上。

3、友情链接友情链接中的站被K，会不会影响你的站的排名，这是个有争议的问题，但据笔者经验，是有的，或大或小不说，但我们宁可信其有，有被K的还是去掉为好。

二、自己在做网站推广优化中所出现的漏洞

1、关键字因素关键字位置、布局、密度任何一个变动都可以影响排名变化，SEO们在尝试，哪种布局会有好的排名，哪种情况会受到惩罚，如果被认为是堆砌关键字，排名也会降低，这也是新手常犯的错误。

2、网站改版中的失误网站改版是个很大的工程，数据转换或采集都很麻烦，还要制作模版，如果你是新手不要轻易的对你的网站进行改版，用个记事本记下网站title 描述关键字布局有哪些相关关键字等重要部分，然后再进行整改，关于网站改版中应该注意些什么

请大家搜一下相关文章，广州画册设计，在这里就不多说了。

3、外链建设外链建设要有规律，要不三天打鱼两天晒网，广州商务礼品，如果你突然停止外链建设，你的排名可能也会下降。

4、你的竞争者镜像了你的网站最近比较常见，很多站被镜像，但百度好像聪明了，后镜像的没排名，对被镜像站没多大影响，但不排队这个可能，解决办法：联系此站长沟通解决。

5、复制内容而受到处罚改版的时候自己采自己，虽然方便，但他是个定时炸弹，不知道什么时候你的收录页会少的没几页，排名自然大降了。

6、服务器因素服务器IP受到惩罚或者是正在蜘蛛来的时候掉了链子，无法访问，那影响也比较严重，解决办法，联系空间商更换IP，保证服务器正常运行。

7、黑帽手法这个不多说了，自己做过什么只有自己知道，广州礼品公司，黑帽不是不能用，但要用的恰到好处。

8、广告满天飞这种情况在你排名好流量大的时候遇到人工审核，后果很严重。

对网站排名时好时坏的因素所分析的一些现象，但最终还是要靠大家自己去善于发现问题，才能有针对性的再次做好。

篇7：影响谷歌排名的5大因素分析

影响网站关键词排名的因素是什么?如何让网站的关键词的排名提升，应该是每个seoer正在做的事情，网络推广新手也许正在摸索，这也是大家一直想了解的问题，那么影响网站关键词排名的因素是什么?怎么才能提升网站关键词的排名呢?

一、网站服务器稳定性

网站服务器稳定性和速度直接影响网站关键词的排名，如果蜘蛛来爬行你网站的时候，服务器瘫痪，无法打开，蜘蛛无法抓取网页，导致网页权重降低，甚至从索引中剔除，相关页面关键词排名会受到严重影响，建议及时更换服务器，杜绝不必要的影响，免得欲哭无泪，

二、网站权重

一个高权重的网站关键词是很容易获得很好的排名的，这样的例子比比皆是。有些老站站长喜欢去新站或者采集权重较低的网站作为自己的文章，排名往往比被采集的新站要好。还有前一阵的博百优大赛，排在百度第一位的是A5的文章页，很多大型门户的内页关键词排名比一些网站首页的目标关键词排名还要好，这也是权重的一种体现。

影响权重的因素：

三、是否原创

相信大家都知道原创文章比采集的、copy的内容更受搜索引擎欢迎和提倡。因此搜索引擎会对原创的内容给予相对较高的权重，并不是说采集的文章排名就一定排名不好，但如果你要长期做站的话，那么你一定要原创!经过搜索引擎一段时间的观察，你的权重会得到一定的加分。

四、外链

首先说下，外链越多不一定越好!不一定能提升关键词排名!关键在于外链的权重和相关性，

例如：一个采集的垃圾站或者含有非法内容的网站给你做全站链接，虽然外链数量庞大可以很容易达到上万，你的关键词排名又能提升多少呢?也许还比不上高权重高相关性的网站给你做的一个链接锚文本来的实在。那么如何建设外链呢?

五、内链

网站内链也是一个影响关键词排名的重要因素，合理的内链建设可以集中权重，权重的传递，蜘蛛的爬行，通过逻辑结构和物理结构的优化可以让蜘蛛更好的抓取并且建立更好传递页与页见的权重。例如：文章内容出现网站首页目标关键词时做个链接指向首页，出现其他文章关键词时同样做链接指向那篇文章地址(即锚文本)。蜘蛛判定网站内部权重是依据站内的链接多少决定的，因此内链建设合理的话，普通的词不做外链也可以获得较好的排名。

六、相关性

网站内容相关性是搜索引擎比较看种的一点，例如：文章的主题内容是否与关键词相关、外链的相关性，友情链接的网站是否与自己网站内容相关，关键词布局和出现的位置、关键词词频、文章内的相关文章，内链的锚文字等等都会对你的网站推广关键词排名有一定的影响。

七、百度含有该网站相关关键词的多少

百度收录网站的相关关键词越多，就越容易获得较好的排名。但不是绝对的!就像第四点所说的一样，并不一定越多越好。

八、更新规律

篇8：影响谷歌排名的5大因素分析

1 资料与方法

1.1 调查对象

调查对象为随机抽取在内蒙古自治区当地居住1年以上的城、乡幼儿园5岁儿童;问卷调查的对象为受检儿童的父母。

1.2 抽样方法

采取多阶段 (市或盟区、旗或县、街道或乡、村) 、分层 (城乡、性别、经济状况、人口) 、等容量 (男女人数相等) 、随机抽样的原则。样本来自3个市 (盟) (呼伦贝尔市、锡林郭勒盟、兴安盟) , 3个县 (旗) (阿荣旗、阿巴嘎旗和突泉县) 的18个街道 (街道) 的36个村 (居民社区) 附近的幼儿园。抽取受检者:全自治区共660名受检者, 其中男、女各330名。另按性别随机抽取50%的儿童父母对其进行问卷调查。

1.3 调查项目

姓名、性别、民族、年龄、居住地区等一般项目。专业项目主要包括5岁儿童乳牙的龋坏情况。问卷调查主要涉及儿童饮食习惯、口腔卫生习惯、就医情况及口腔保健措施等。

1.4 调查标准

参照《第三次全国口腔健康流行病学调查方案》[2]的龋病调查标准和WHO发布的《口腔流行病学调查基本方法》, 3名调查者都是具有五年以上工作经验的口腔专业医师, 一名负责检查, 一名负责复查, 一名负责记录, 经培训, 标准一致性检验Kappa值均>0.90。调查现场条件一致, 在自然光源下使用统一配置的一次性检查器械 (平面口镜和5号探针) 、CPI探针对660名受检儿童进行乳牙龋病、口腔检查。

1.5 统计学处理

采用SPSS13.0统计软件进行数据处理。采用t检验、χ2检验等方法对数据进行统计分析, 通过Sperman相关分析方法分析儿童乳牙龋病的相关影响因素。P<0.05表示差异具有统计学意义。

2 结果

2.1 患龋情况

本研究共调查内蒙古自治区660名5岁儿童不同性别乳牙患龋率及龋均见表1。经统计学分析5岁儿童患龋率农村略高于城市, 但无显著差异 (P>0.05) , 男女之间乳牙患龋率差异也无显著性 (P>0.05) 。5岁儿童乳牙龋均农村高于城市 (P<0.05) , 男女之间乳牙龋均差异无统计学意义。

2.2 儿童乳牙龋病相关因素分析

糖果、奶酪、奶茶、碳酸饮料等含糖较多的食物与儿童乳牙患龋有相关性, 一日多餐 (含糖) 儿童乳牙患龋危险性明显高于一日三餐者, 且与加餐次数呈正相关, 差异有统计学意义 (P<0.05) 。喝酸奶、牛奶与儿童乳牙龋病无明显相关性, 差异无统计学意义 (P>0.05) 。经常吃水果蔬菜可明显降低儿童乳牙龋病的发病率, 差异有统计学意义 (P<0.05) , 见表2。

每天刷牙次数、含氟牙膏的使用、定期口腔保健检查与儿童乳牙龋病有相关性, 差异有统计学意义 (P<0.05) , 见表3。

3 讨论

龋病又称龋齿, 是由口腔多种因素复合作用所导致的牙齿硬组织进行性病损, 是口腔主要的常见病。WHO已将其列为人类三大重点防治疾病之一[3]。《第三次全国口腔健康流行病学调查报告》结果显示:我国5岁儿童的乳牙患龋率为66.0%, 龋均3.5[2]。本次调查结果5岁儿童患龋率为70.0%, 龋均3.59, 均高于全国第三次口腔健康流行病学的调查结果, 但与内蒙古自治区第三次口腔健康流行病学调查结果相比有所降低。

内蒙古地区人民的饮食习惯是造成儿童乳牙患龋率、龋均高于我国平均水平的主要原因, 本地区人们常饮用含糖较多的奶茶、奶酒, 食用含糖较多的乳制品如奶酪等食物;另外内蒙古地区地广人稀, 人口居住相对分散, 口腔医疗机构分布不均, 人们缺乏口腔保健意识也是原因之一。此次调查结果相对于内蒙古第三次口腔健康流行病学调查有所降低, 这主要由于中央于2008年~2012年实施启动的中西部地区儿童口腔疾病综合干预试点项目, 该项目开展口腔健康教育、培训基层口腔卫生服务人员、为适龄儿童免费进行口腔健康检查;2012年起, 项目又扩大内容, 开展学龄前儿童乳牙龋病综合干预试点工作, 为学龄前儿童提供局部用氟防龋服务, 降低学龄前儿童乳牙患龋率。调查还发现, 内蒙古自治区农村地区5岁儿童患龋率、龋均都略高于城市, 可能与城市家庭经济状况和口腔医疗条件都比农村地区好, 口腔预防保健措施得到保障实施有关。

调查分析结果表明经常食用糖果、奶酪、奶茶、碳酸饮料等含糖较多的食物的儿童患龋率明显高于正常食用的儿童, 是引发儿童患龋的高危因素[4], 一日多餐 (含糖) 儿童患龋危险性明显高于一日三餐者, 且与加餐次数呈正相关[5]。由于内蒙古地区民族的饮食习惯及生活习惯, 含糖食物的食用高于我国其他地区, 糖分容易滞留在牙齿表面, 致使龋菌发酵产酸, 直接促进龋病发生。经常吃水果、蔬菜可有效降低儿童乳牙龋病的发生, 蔬菜、水果中的纤维成分能清洁牙面、减少蛀牙[6]。近年来随着经济的快速发展, 牛奶、酸奶已经成为儿童的日常饮食, 虽然本次调查显示牛奶、酸奶与儿童乳牙龋病的发生没有明显的相关性, 但有研究表明牛奶、酸奶中含具有龋作用的成分, 通过影响葡糖基转移酶活性, 使龋菌黏附, 阻止釉质脱矿等途径产生抗龋作用[7,8]。

调查结果显示每天刷牙次数、含氟牙膏的使用、定期口腔保健检查与龋病有相关性。良好的口腔卫生习惯能显著降低儿童乳牙龋病的发生[9];使用含氟牙膏可以有效预防龋病的发生, 氟化物能够降低釉质的溶解度, 促使早期病损再矿化, 增强牙的抗酸力及抗细菌的附着作用, 杀灭致龋菌, 可以有效预防龋齿[10];定期口腔保健检查可以及时发现儿童龋病情况, 及时进行适当治疗, 采取相应的预防措施, 并进行相应的口腔健康教育。因此, 养成良好的口腔卫生习惯, 使用含氟牙膏, 增强口腔保健意识, 定期进行口腔保健检查可有效降低儿童乳牙龋病的发生。

本次调查显示内蒙古自治区5岁儿童乳牙患龋率、龋均虽然相对于往年有一定改善, 但仍高于全国水平, 同时表明儿童乳牙龋病的发生与饮食习惯及卫生习惯密切相关。根据以上情况, 笔者认为要进一步改善我自治区儿童乳牙龋病的现状需要从以下几个方面入手: (1) 深入贯彻实施学龄前儿童乳牙龋病综合干预试点工作, 提高基层口腔医疗机构预防保健能力, 将口腔公共卫生服务向农村倾斜; (2) 大力宣传普及口腔健康知识, 尤其加强对儿童父母的口腔健康教育, 提高其对口腔保健的认知, 督促儿童养成良好的饮食及口腔卫生习惯; (3) 大力宣传、推广、普及使用含氟牙膏, 对适龄儿童开展第一恒磨牙窝沟封闭等防龋措施; (4) 基层口腔卫生服务人员定期到幼儿园和小学对适龄儿童进行口腔健康检查, 并宣传定期口腔检查的重要性, 促使儿童进行定期口腔健康检查。

摘要：目的 了解内蒙古5岁儿童的乳牙龋病现状及影响因素, 为儿童乳牙龋病的防治及口腔健康教育提供理论依据。方法 依照第三次全国口腔健康流行病学调查方案, 采取多阶段、分层、等容量、随机抽样的方法, 抽取内蒙古自治区城乡5岁儿童共660名进行龋病情况调查, 同时随机对受检儿童的父母进行问卷调查, 运用SPSS13.0软件包对调查数据进行整理和分析。结果 5岁儿童患龋率为70%, 龋均3.59。患龋率农村略高于城市, 但差异无显著性 (P>0.05) , 男女之间乳牙患龋率差异也无显著性 (P>0.05) , 龋均农村高于城市 (P<0.05) , 男女之间乳牙龋均差异无统计学意义 (P>0.05) 。良好的刷牙习惯、定期口腔保健检查、含氟牙膏的使用均能降低儿童乳牙龋病的发生, 差异有统计学意义 (P<0.05) ;糖果、奶酪、奶茶、碳酸饮料等含糖较高的食物与儿童乳牙龋病的发生有相关性;一日多餐 (含糖) 儿童患龋危险性明显高于一日三餐者, 且与加餐次数呈正相关, 差异有统计学意义 (P<0.05) ;牛奶、酸奶与儿童龋病的发生无明显相关性, 差异无统计学意义 (P>0.05) ;经常食用水果、蔬菜可明显降低儿童乳牙龋病的发生, 差异有统计学意义 (P<0.05) 。结论 内蒙古自治区5岁儿童患龋率、龋均仍都高于我国平均水平, 所以仍应大力贯彻实施学龄前儿童乳牙龋病综合干预试点工作, 广泛普及口腔健康教育, 提高儿童家长口腔保健意识, 培养儿童良好的口腔卫生习惯, 进一步改善我自治区儿童口腔健康水平。

关键词：儿童,龋病,危险因素,流行病学,患龋率,龋均

参考文献

[1]Kawashita Y, Kitamura M, Saito T, et al.Early childhood caries[J].Int J Dent, 2011, 10 (10) :725.

[2]齐小秋.第三次全国口腔健康流行病学调查报告[M].北京:人民卫生出版社, 2008:65-66.

[3]胡晓潘, 余占海, 李志强, 等.龋病易感基因的研究进展[J].口腔医学研究, 2013, 29 (2) :188-190.

[4]Johansson I, Holgerson PL, Kressin NR, et al.Snacking habits and caries in young children[J].Caries Res, 2010, 44 (5) :421-430.

[5]郭秋红, 宋平, 郭一江, 等.1610名2~6岁儿童乳牙龋病现况及影响因素分析[J].检验医学与临床, 2013, 10 (15) :1961-1964.

[6]Gao XL, McGrath C, Lin HC, et al.Oral health status of rural-urban migrant children in South China[J].Int J Paediatr Dent, 2011, 21 (1) :58-67.

[7]文玲英.幼儿龋的早期防治[J].中华口腔医学杂志, 2008, 43 (9) :515-518.

[8]许世梃, 曹新明, 冯靳秋, 等.上海市2岁幼儿龋病现状和危险因素的初步分析[J].广东牙病防治, 2013, 21 (6) :301-304.

[9]刘晓红, 吕斌, 王桂香, 等.城乡3~5岁儿童家庭口腔健康行为与乳牙患龋情况对比观察[J].临床口腔医学杂志, 2010, 26 (6) :360-362.

篇9：影响谷歌排名的5大因素分析

据我观察，以下就是会影响人们洞察力及决策能力的主要因素：

1、过于迷恋现有核心竞争力

很多人都有种痴心妄想，认为自己现在实力超群，未来也将继续辉煌。的确，他们对公司的业绩贡献巨大，是公司在市场份额及利润水平方面获得佳绩的主要功臣。但人不能一辈子躺在功劳簿上，随着公司的发展，他们可能变得无关紧要。

当年柯达公司CEO就是这样的例子。他当时仍聚焦在最为核心的胶卷业务上，花了很多精力开发中国市场。尽管他有半导体的背景，但对数码成像技术关注甚少，最终导致柯达错过了行业转型的契机，最后被市场淘汰。

20世纪90年代初IBM的CEO约翰·艾克斯（John Akers）也是一样，过于沉溺于公司过去的核心竞争力——主机。其继任者郭士纳（Lou Gerstner）则没有重蹈覆辙，他带领公司从只关心硬件，到逐步向软件及服务领域延伸，重塑了市场竞争的新格局。不仅核心竞争力会成为前进的阻碍，有时候，与供货商及分销商常年的合作关系也会令你裹足不前。

这些关系往往经历过多年的风风雨雨，对公司过去的成功至关重要，以至于有时连更换合作伙伴都成了禁忌的话题。比如微软和英特尔，这两家曾联手打造了辉煌一时的个人电脑时代，然而在移动互联时代，两家至今却乏善可陈。

2、无力打造新的核心竞争力

如果你不相信自己能告别过去，开启未来，打造新的核心竞争力，那么你就只会在现有能力的基础上小修小补，难以真正有所作为。很多企业领导人自己缺乏打造新的竞争能力的经验，于是就想当然地认为这不可能。但是，这恰恰是那些大型企业之所以能成功转型的秘密所在，比如印度的GMR集团。

这是印度最大的基础设施建设公司，总部位于班加罗尔，年销售收入高达100亿美元，其中大部分来自他们此前所知甚少的全新领域。起初，这是一家以银行业务著称的企业，但是当其领导人看到经营电厂及机场能够带来的丰厚收益，他们就果断决策，退出银行业，进入了基础设施建设领域，希望借助印度经济整体向好的良好势头，顺势而上。

然而，新的道路并非一帆风顺：2012年GMR遭到了资金链吃紧的冲击。主要原因是政府行为的不确定性：一方面是政策原因造成了煤与天然气的短缺，使得发电受挫；另一方面是政府在机场经营方面拖延付款。由此GMR看到了过于依赖政府的巨大风险，于是其领导人又在寻求新的发展方向。但不管怎样，他们对自己很有信心，相信其严谨的方法能找到更具吸引力的发展道路，相信自己有能力打造任何所需的核心竞争力。

3、关键岗位领导人已经落伍

有时，当新的发展方向出现在面前时，你甚至连想都没想，就在潜意识里将之打入冷宫。其原因就在于你认为，目前的团队没有必要的实操经验及专业技能，无法驾驭新的挑战。

例如，传统零售企业转型也许需要迅速推进数字化改造，提升在大数据及算法方面的能力。如果行动迟缓，就有可能严重影响企业的未来。于是，问题来了。有些高管过去曾为公司做出过丰功伟绩，但却显然无法适应未来的要求。

这些人该怎么办？有谁愿意把那些过去曾帮助过自己的人一脚踢开？在理智上，结论显而易见；但在情感上，难免让人纠结不已。这种纠结，本身就是障碍。遇到这种问题，有时你会存在一丝幻想，即人是能改变的。的确，人是能学习、能改变的，但问题是改变的速度有多快。面对这样的两难，少数人可以做出正确的抉择，但很多人是做不到的。

人才方面的障碍，必须直接面对，绝不能听之任之，让其搅乱你的思路。Zee娱乐实业有限公司是印度最大的媒体及娱乐公司。该公司不仅大力招聘“数字时代的原住民”，而且还委以重任，让其与那些成长于胶片时代的高管们一起，参与公司最为重大的关键决策。

此举的确引起了一些非议，但该公司董事长萨布哈什·钱德拉（Subhash Chandra）却不为所动，因为他知道企业必须注入新的血液，才能重获新生。他说：“我们要主动自我更新；等到迫不得已时再改变，就为时太晚了。”主动出击、变中求胜才是他的目的。

4、内心充满恐惧

尽管企业领导者全都表现得自信满满，但其实很多人内心充满了恐惧。他们害怕犯错、害怕出丑、害怕别人不屑自己的决策及言行；而更为本质的是，他们对于未知事物充满恐惧。在当前充满不确定性的变革时代，这种内在的恐惧与日俱增。

当然恐惧并不总是坏事，有时能帮助我们做得更好。比如英特尔公司创始人兼CEO安迪·格鲁夫（Andy Grove）在其所著的书中就谈到，如果对可能颠覆整个行业的潜在威胁保持警觉，那么你就能拓宽思路，增强信心。

但是，如果你被潜意识中的恐惧裹挟，并因此无法做出正确的判断，那么面对风险，你就会不知所措。主动出击会有风险，但绝不是凡事拍脑袋、做事不考虑后果的鲁莽行事。只有敢于直面内心的恐惧，才能使自己的判断更加准确，思考更具创意，行动更为果断。

在印度以及其他新兴市场，那里的法律法规经常是说变就变，不确定性特别强。比如，在21世纪初印度政府曾表示，将允许外资保险公司将其在印度合资公司中的股权上限由26%提高到49%。于是，外资保险公司们都据此做出了相应的战略安排。结果，这项调整并未得到落实，致使有些外资公司黯然离场，其中包括美国纽约人寿保险公司。

直到2014年，印度财政部长阿伦·贾特里（Arun Jaitley）才正式宣布，外资保险公司的股权上限将提高至49%。2013年3月，印度保险监管及发展局（IRDA）发布了非常严格的管理条例，对产品设计、保单支付等业务细节有重大影响，而且只给了保险公司6个月的时间，做相应的战略调整。

nlc202309081718

同时发生的还有沃达丰税收事件。就在印度联邦最高法院叫停税务当局对沃达丰的天价税务处罚后不久，印度立法机构就投票通过了对沃达丰课以上亿美元税金的动议。这些政府举措导致印度的外商直接投资降至冰点。不难理解，这些事件会让人们心生焦虑与恐惧。

有些领导人心理承受力足够强大，在面对不可预知的事物时，能够无所畏惧。印度马克斯集团是一家总部位于新德里的企业集团，年销售规模高达几十亿美元，业务涉及多个行业，其中包括保险业。其创始人兼董事长阿南吉特·辛格（Analjit Singh）也是印度沃达丰的董事。他说：“面对这样无常的变化，企业的领导团队要更加坚强，更具灵活性，必须时刻调整自己，顺应市场变化。”

否认不确定性只会适得其反，让你更加恐惧，并带来一系列问题，比如畏缩逃避、情绪失控，或是对坏消息视而不见，凡事都一味地指责他人。美国罗盛咨询公司为客户提供高管搜寻及评估服务。迪恩·斯塔姆利斯（Dean Stamoulis）是其全球领导力及继任计划业务的负责人。

他发现，恐惧及不安全感强的人会有种“受害者”情结，“遇事总在指责他人并为自己开脱。优秀的企业领导人，从不抱怨，从不推卸责任。他们敢于担当，而且自信能够解决问题。在当今这个充满不确定性的时代，这种特质尤为重要。指责他人完全于事无补，只会令自己丧失必要的支持。”

总而言之，要对自己潜在的心理障碍有所知觉，勇于拥抱不确定性。你越是能接受不确定性，认真分析其成因，形成自己的判断，并积极与他人交流探讨，对自己的判断进行检验，你就越能获得更多的确定感和自信心，你也会因此而充满力量。

5、企图避免冲突

在推动企业转型时，最为常见的心理障碍是企业领导人企图避免冲突，不想引起别人的反对以及怨恨。当企业身陷困境，企业领导人决定裁掉某个严重亏损的业务部门时，大家可能不会喜欢这个决定，但也都能理解其背后的原因。

但是，如果你的决策依据是尚未发生的可能性，而且别人还没达到同样的认知水平，那么要想推动组织改变既定的战略重点及资源分配，就会十分艰难。你要说服上级，争取下属；即便是CEO，也需赢得董事会、投资人以及核心团队的支持。如果对此心存顾虑，你就会裹足不前。

对此心存顾虑是非常正常的。当你根基不稳而且面对激烈的政治斗争时，强势推动转型往往会适得其反，甚至就此“壮烈牺牲”。曾经有一家公司的COO对CEO制定的战略方向并不买账，于是不断向董事会进言，并公开表示反对，还提出了自己的战略主张。一天早上，CEO在开完董事会后，宣布辞职。继任者就是这位COO。

那应该怎么办呢？要积极争取领导、员工、投资人、董事会及外部利益相关方的支持，帮助他们树立主动出击的积极心态。在任何组织中，赢得少数人就能影响所有人——“98—2”法则，即2%的人就能有效影响剩下98%的人。

你要把关注点放在这2%的人身上。赢得他们的支持至关重要，因为他们有话语权、有影响力。他们看到的市场趋势、形成的想法观点，会成为整个组织的认知。

你要定期与他们交流，分享你的见解，并就一些具体的战略重点及行动计划达成一致。如果你是CEO，你要主动向董事会及投资人汇报，与他们达成共识、建立信任。这个方法也适用于企业中层管理者。

篇10：影响谷歌排名的5大因素分析

目前,有关大数据的研究已成为了学术界关注的热点问题,较多学者对大数据的内涵界定和重要意义等进行了分析,也有学者基于理论层面较为深入的探讨了大数据环境下国家创新、传统产业发展以及企业管理决策等诸多问题。然而,针对大数据产业的研究刚起步,现有文献主要可归纳为以下两个方面:一是关于中国大数据产业发展的现状研究,主要体现在对大数据产业的类型、特点、发展环境和发展趋势等问题进行分析,进一步着重探讨了中国大数据产业的发展现状和对策[1,2,3];二是关于国外大数据产业发展及经验借鉴的研究,在分析和比较美国、英国和日本等发达国家大数据产业发展现状及相关扶持政策的基础上,提出中国应将大数据产业发展纳入国家发展的战略性项目,并制定相关规划以促进大数据产业的发展[4,5]。综上可知,现有关于大数据产业发展的研究还基本停留在理论层面,且大多以描述性分析和案例分析等为主,缺少定量化的实证研究,尤其是对中国大数据产业技术效率及其影响因素的研究,至今仍处于空白。那么,中国大数据产业技术效率究竟如何?存在何种差异和演变规律?其变化的背后原因是什么?显然,需要进行定量化的测度和评估。与以往研究的区别在于,本文首次从企业的微观经济主体视角出发,根据2008-2013年中国大数据产业上市公司面板数据,运用DEA方法测度和剖析技术效率及其分解项纯技术效率和规模效率,并对影响纯技术效率和规模效率变动的影响因素进行了剖析,进一步揭示现象背后的深层次原因,以期为提高中国大数据产业增长质量提供依据。

1 研究方法与数据说明

1.1 研究方法

DEA是Charnes et a1[6]于1978在Farrell[7]的相对效率理论基础上提出的,它是一种面板数据的非参数估计方法,用于测评一组具有多投入和多产出的决策单元的相对有效性。DEA模型不需要预设生产函数和参数估计,也不受投人、产出指标量纲的影响,它主要是根据被评价系统的投入、产出指标,建立相应的评价模型,从而得到每个决策单元的效率评价值。

最广泛使用的DEA模型是CCR和BBC模型,CCR模型假设决策单元生产规模报酬不变,其技术效率值是规模效率和纯技术效率的融合。假设有m个决策单位(MDU),各MDU生产s种产出yr>0(r=1,2…,s),使用n种投入xi>0(i=1,2…,n),则任一MDU的效率值可由下列模型求得:

式(1)中,yrj为第j个MDU的第r项产出值,xij为第j个MDU的第i项投入值,ur和vi分别为第r个产出项与第i个投入项的权重,Em为第m个MDU的相对效率值。

CCR模型假定所有决策单元的生产活动都处在最优规模上,而现实中由于各种因素制约导致并非所有决策单元的生产活动都处在最优规模上,Banker在1984提出BBC模型[8],将CCR模型原来固定规模报酬(CRS)的假设放宽为可变规模报酬(VRS),该模型把技术效率分解为纯技术效率和规模效率。

其中,技术效率用来反映决策单元整体效率水平情况,规模效率表示决策单元的实际规模与最优生产规模的差距,纯技术效率反映的是决策单元在最优规模情况下投入要素的效率水平,决策单元只有同时满足规模有效和纯技术有效才能达到技术有效。在规模报酬可变的假定下,BBC模型表示如下:

根据BBC模型所计算出来的uj,可发现各决策单元规模报酬是处于递增、递减或规模不变状态;uj=0表示该决策单位处在不变规模报酬区;uj<0表示该决策单元处在规模报酬递增区;uj>0表示该决策单位处在规模报酬递增区。为了分析中国大数据产业的纯技术效率和规模效率值,本文选取规模报酬可变的BBC模型。

1.2 数据说明

本文以Wind数据库中披露的中国大数据产业上市公司为研究对象,主要基于以下考虑:一是上市公司财务数据的可靠性和可获性程度较高;二是证券公司对上市公司细分领域及主营业务范畴等有着明确的界定。根据样本选择的有效性以及数据的可得性,选取的样本期间为2008-2013年。按照Wind数据库公布的产业分类标准,截止2014年6月,中国大数据产业共有25家上市公司,综合考虑到投入、产出及影响因素数据的可得性以及指标数据非负性等原则,这里最终选了大数据产业的24家上市公司作为研究对象。具体变量设定如下:

产出指标:本文选取营业总收入作为产出指标,相较营业收入指标,营业总收入包括利息收入、营业收入、佣金收入等,能更全面反映企业的产出水平,是衡量企业经营实力和生产效益的有效依据。也有研究选取净利润作为产出指标,但对上市公司而言,上市前净利润容易被“粉饰”,也存在较大波动,不如营业总收入可信度高和稳定性好[8],以其作为产出指标可能会导致大数据产业技术效率的测算出现较大误差。因此,本文选取营业总收入作为产出指标。借鉴针对上市公司效率研究中投入指标选取的有关做法[10],本文的投入变量包括资本和劳动两个方面,这也是大多数实证研究的惯例,这里选取员工总数和资产总额分别作为劳动要素投入和资本要素投入的替代变量。

2 中国大数据产业技术效率及其分解

本文选取产出导向的DEA模型,以Wind数据库中上市公司注册地址所在省市对大数据产业进行区域划分,由于中国大数据上市公司的空间布局存在明显的不均衡现象,主要集中在北上广等经济发达的东部地区,故将大数据产业样本划分为东部地区和中西部地区,并分别计算全国、东部地区和中西部地区大数据产业的技术效率值、纯技术效率值和规模效率值。这里使用DEAP2.1软件对中国大数据产业技术效率及其分解进行计算。

2.1 中国大数据产业技术效率分析

根据上述方法和数据,本文测算的2008-2013年中国大数据产业技术效率如表1所示。2008-2013年间,中国大数据产业技术效率均值为0.405,东部地区和中西部地区技术效率均值分别为0.438和0.180,这表明在不增加劳动力和资本要素投入的前提下,如果各大数据企业同时提高技术效率,在现有技术进步条件下,大数据产业的产出还有很大的增长空间,也说明当前中国大数据产业发展的粗放型特征明显。从变动趋势看,2008-2013年间中国大数据产业技术效率总体呈现波动下降的“U”型演变趋势,波谷为2011年的0.264,从2008年的0.615下降至2013年的0.451,下降幅度为26.67%。分时段来看,2008-2011年中国大数据产业平均技术效率呈现明显的下降趋势,2011-2013年中国大数据产业技术效率迅速上升,这反映了大数据产业技术效率的不稳定性。东部地区大数据产业技术效率由2008年的0.666下降为2013年的0.486,下降了27.03%;中西部地区从2008年的0.258下降为2013年的0.202,下降了2.17%。由此可见,东部地区大数据产业技术效率下降幅度最高,远高于中西部地区。另外,中国大数据产业技术效率的变异系数呈现倒“U”型的上升态势,说明大数据产业技术效率变动差异有进一步扩大的趋势,且这种差异呈现“先增大后缩小”的演变规律。

2.2 中国大数据产业纯技术效率分析

中国大数据产业纯技术效率值如表2所示。2008-2013年中国大数据产业纯技术效率均值为0.546,低于东部地区的0.581,远高于中西部地区的0.080,东部地区纯技术效率比中西部地区高出86.23%。从变动趋势看,考察期内,中国大数据产业纯技术效率和技术效率总体变动态势较为一致,即亦呈现“U”型演变规律,波谷为2012年的0.424,纯技术效率由2008年的0.717下降至2013年的0.571,下降幅度为20.36%,纯技术效率同样呈现不稳定特征;东部地区纯技术效率变动和全国水平较为一致,由2008年的0.775下降至2013年的0.620,下降幅度为20%,中西部地区纯技术效率由2008年的0.129下降为2013年的0.100,下降幅度为22.48%。可见,中西部地区纯技术效率下降速度高于全国,全国高于东部地区,这和技术效率变动不一致,也折射出中西部地区大数据产业投入要素的效率水平远落后于东部地区。由于纯技术效率水平的高低受到其能否有效地组织和使用投入要素的影响,这和决策单元所处的环境和自身生产积极性有着密切的关系。由于东部地区的经济发展水平较高,大数据企业的技术、组织方式和管理方式比中西部地区先进,因此,其具有较高的纯技术效率。然而,东部地区大数据产业并没有保持该优势,进而使得其纯技术效率出现总体下降趋势。这也说明,中西部地区大数据产业尤其需要在管理创新和制度创新等方面下功夫,以努力缩小其与东部地区大数据产业的纯技术效率差距。另外,中国大数据产业纯技术效率的变异系数呈现倒“U”型的上升态势,说明大数据产业纯技术效率的变动差异总体呈现“先增大后缩小”的扩大趋势。

2.3 中国大数据产业规模效率分析

中国大数据产业规模效率值如表3所示。2008-2013年中国大数据产业规模效率均值为0.788,略高于东部地区的0.784,低于中西部地区的0.812,中西部地区大数据产业规模效率比东部地区高出3.45%,差距相对较小,可见中西部地区技术效率远低于东部地区的主要原因在于中西部地区纯技术效率的增长拖累远远抵消了其规模效率优势。东部地区大数据产业虽然具有较高的纯技术效率,但其规模效率水平相对于中西部地区较低,可能是由于东部地区的大数据产业短期内投资过度深化所至。从变动趋势看,东部地区大数据产业规模效率与全国一致,均呈现了一定的“U”型下降趋势,拐点均出现在2011年,而中西部地区大数据产业规模效率总体保持了波动增长态势。综上可知,中国大数据产业技术效率低下是由于纯技术效率和规模效率共同作用导致的,但纯技术效率低下是技术效率损失的首要原因。由规模效率的变异系数变动的时序特征可知,中国大数据产业规模效率变动差异总体呈现“先减小后增大再减小”的缩小趋势,这和技术效率、纯技术效率的差异变动是不一致的。

3 中国大数据产业技术效率的影响因素分析

3.1 计量模型建立及检验

由于大数据产业技术效率可分解为规模效率和纯技术效率的乘积,这里将直接对规模效率和纯技术效率的影响因素进行分析。本文认为盈利水平、收益质量、资本结构、资金运用能力和成长能力等均是影响中国大数据产业纯技术效率和规模效率的重要因素。根据数据的可得性以及研究需要,本文对影响规模效率和纯技术效率的因素指标做如下定义:(1)盈利水平(Pro),选取净资产收益率来衡量,该指标值越高,说明投资带来的收益越高,即盈利水平越高;(2)收益质量(Earq),采用经营活动净收益与利润总额的比值来反映,该指标越大,说明收益质量越高;(3)资本结构(Caps),运用资产负债率来衡量,它是衡量资本结构的可靠指标;(4)资金运用能力(Abum),采用总资产周转率来体现,它反映了资产的管理质量和利用效率;(5)成长能力(Grol),选取每股净资产(相对年初增长率)来衡量,该指标越大,表示成长能力越强。具体构建如下计量模型:

方程式(3)和(4)中,i表示企业,t表示年度,VE和TE分别表示各大数据企业的纯技术效率和规模效率,Pro、Earq、Caps、Abum、Grol等解释变量均按照上述定义得出。VE和TE通过DEA方法计算得出,其余变量均来自Wind数据库。

由于面板计量模型的估计可能存在多重共线性问题,因此这里先对各影响因素变量进行了相关性分析。经计算,模型(3)和模型(4)的平均方差膨胀因子(VIF)数值均小于10,在可接受的范围之内,因此本文构建的纯技术效率和规模效率影响因素模型的解释变量之间没有严重的多重共线性问题,也说明所使用的估计方法不会产生严重的偏差。

3.2 估计结果及分析

本文在使用2008-2013年中国大数据产业面板数据的基础上,对模型(3)和(4)分别进行了估计,具体结果分别见表4和表5。模型1a-模型9a均为纯技术效率影响因素的估计结果,其中,模型1a-模型3a分别依次采用混合最小二乘估计(PLS)、截面加权回归(CSW)、时期加权回归(EGLS),其余模型均采取时期貌似不相关回归(PSUR)的估计方法;模型1b-模型9b均为规模效率影响因素的估计结果,其中,模型1b-模型3b分别依次采用混合最小二乘估计(PLS)、截面加权回归(CSW)、时期加权回归(EGLS),其余模型均采用时期貌似不相关回归(PSUR)的估计方法。在模型估计过程中,这里结合white-period稳健方法以矫正各时期异方差带来的影响。另外,为了增强研究结论的稳健性,这里进行了如下处理:一是分别对纯技术效率和规模效率进行分时段估计,模型4为全时段估计,模型5的估计区间为2008-2010年,模型6的估计区间为2011-2013年;二是鉴于大数据上市公司主要集聚在东部地区,这里剔除了中西部地区样本进行稳健性检验,同时结合分时段估计方法,模型7为东部地区大数据产业全时段估计结果,模型8和模型9分别为2008-2010年、2011-2013年东部地区大数据产业的估计结果。

注:***、**和*分别表示在1%、5%和10%的水平上显著,括号内为t值,下表同。

由表4估计结果可知,随着所使用的估计方法的改进,基于时期貌似不相关回归的模型序列相关检验DW值表明,残差的序列相关性已经不存在了,说明模型具有较好的解释力度。可得如下结论:(1)盈利水平对中国大数据产业纯技术效率起到了显著的促进作用,但这种促进效应主要体现在2008-2010年,盈利水平对东部地区纯技术效率的影响情况与全国水平保持一致,较好佐证了研究结论的可靠性,可见盈利水平的改善有助于提升大数据产业纯技术效率,但这种影响存在一定的时序差异;(2)收益质量对全国及东部地区大数据产业纯技术效率的影响作用并不显著,但在2008-2010年期间有着明显的抑制作用;(3)资本结构显著抑制了纯技术效率提升,尤其是2011-2013年这一作用更为明显,但资本结构对东部地区大数据产业纯技术效率的抑制作用并不显著;(4)资金运用能力显著促进了全国与东部地区大数据产业纯技术效率,但随着时间推移,这种促进作用呈现降低趋势;(5)成长能力对大数据产业纯技术效率起到了一定的抑制作用,东部地区与全国情况一致,但这种状况在2011-2013年有了好转,成长能力对纯技术效率产生了不显著的促进作用,说明随着成长能力的提升,大数据产业的技术效率可能会不断得到改善。

由表5同样可知,基于时期貌似不相关回归的模型具有较好的解释力度和可靠性。得出结论如下:(1)盈利水平对大数据产业规模效率产生了一定的抑制作用,尤其是东部地区这种抑制效应更为明显,说明在盈利水平的驱使下,大数据企业往往注重盲目扩大生产规模和要素投入,可能短期内的过度投资导致了规模不经济现象的出现;(2)收益质量对大数据产业规模效率产生了轻微的抑制作用,其对东部地区规模效率的抑制作用要小于全国水平和中西部地区;(3)资本结构显著促进了大数据产业规模效率提升,但其对东部地区的影响效应相对有限;(4)资金周转能力显著推动了大数据产业规模效率增长,其对东部地区的促进效应大于全国水平,也定高于中西部地区水平;(5)成长能力不足显著制约了中国大数据产业规模效率的提升,尤其是对东部地区大数据产业规模效率抑制作用更为明显。

比较发现:(1)盈利水平有利于纯技术效率的提升,但却阻碍了规模效率改善,表明盈利水平提高会促进大数据产业纯技术效率的提升,但是应注重资源的优化配置,以防止其阻碍规模效率水平提高;(2)收益质量对纯技术效率和规模效率的影响都为负,但是其对考察期内规模效率的影响效应显著,而对纯技术效率影响作用并不显著,规模效率随着收益质量的上升而下降,说明当前中国大数据产业的收益质量获取仍依赖于粗放型的增长方式;(3)资本结构对纯技术效率有一定的抑制作用,但却显著促进了规模效率提升;(4)资金运用能力对纯技术效率和规模效率的影响均显著为正,说明资金运用能力提升纯技术效率的同时也改善了规模效率;(5)成长能力不足抑制了大数据产业纯技术效率和规模效率的提升,所以应注重培养成长能力,持续提升生产技术水平,进而不断促进纯技术效率和规模效率的提高。

4 结论与政策建议

本文利用DEA方法对2008-2013年中国大数据产业技术效率、纯技术效率和规模效率进行了测算和分析,在此基础上建立了计量模型对影响大数据产业纯技术效率和规模效率的因素进行了分析,得出结论如下:第一,中国大数据产业技术效率比较低下,尚有较大增长空间,其增长受纯技术效率和规模效率共同制约,但主要原因在于纯技术效率的增长拖累。中西部地区大数据产业规模效率均值高于东部地区,但其纯技术效率远低于东部地区,最终导致其技术效率水平和东部地区存在较大差距;第二,中国大数据产业技术效率、纯技术效率和规模效率均呈现较为明显的“U”型下降趋势,东部地区大数据产业技术效率下降幅度快于中西部地区,但其纯技术效率下降幅度慢于中西部地区;第三,盈利水平对中国大数据产业纯技术效率起到了显著的促进作用,但阻碍了规模效率的提高;收益质量阻碍了大数据产业规模效率,但对纯技术效率的影响作用并不显著;资本结构显著抑制了大数据产业纯技术效率提升,但有利于规模效率提升;资金运用能力对大数据产业纯技术效率和规模效率都有促进作用;成长能力不足在一定程度上抑制了大数据产业纯技术效率和规模效率的提升。

由此,本文提出以下政策建议:一是中国大数据产业在提升规模效率的同时,应优先注重纯技术效率提升,尤其是中西部地区应尤其要关注大数据产业的纯技术效率提升,不断通过制度创新和管理创新等手段来缩小与东部地区的纯技术效率差距;二是大数据产业应注重资源的的优化配置,逐步改善企业仅仅依靠要素驱动的粗放型发展方式,尤其是东部地区大数据企业应不断优化要素投入结构、提升资源配置能力,进而促进自身规模效率提升;三是大数据企业应充分依靠大数据技术支撑,一方面,通过持续进行技术革新和升级,降低企业运营成本,促进智能企业发展。另一方面,应积极推动大数据技术在产业内和不同产业间的扩散溢出,促使整个经济生产方式从“中国制造”向“中国智造”转变,进而尽早释放大数据产业溢出红利。通过上述手段提升企业盈利能力的同时,也应紧密结合产业发展实际,尽量避免陷入急于进行盲目扩张的陷阱;四是应注重大数据产业核心竞争力培育,持续推动主营业务发展,不断提高产出质量;五是进一步科学优化资本结构,提高资金使用效率,促使产业价值最大化,进而进一步提升大数据产业技术效率;六是要注重大数据产业成长能力培育,一方面,政府应通过财政投资、风险共担、税收优惠、技术奖励、招商引资等手段加大对产业的扶持力度,为大数据产业成长提供可靠的政策和资金支持。另一方面,应鼓励企业积极引进先进技术,提升技术消化吸收、自主研发及技术产业化能力,不断提升大数据产业的成长水平,进而不断提升大数据产业技术效率。

摘要：基于中国大数据产业上市公司的面板数据,采用DEA方法测度并分析技术效率及其分解指标的变动趋势。结果表明,中国大数据产业技术效率较为低下,其主要原因在于纯技术效率增长拖累;东部地区技术效率和纯技术效率均高于中西部地区,但规模效率水平低于中西部地区;从变动趋势看,考察期内中国大数据产业技术效率及其构成总体均呈现波动下降的“U”型动态演变趋势,但不同区域的变动存在一定差异。进一步分析发现,盈利水平对纯技术效率起到了显著的促进作用,但阻碍了规模效率的提高;资本结构显著抑制了纯技术效率提升,却不利于规模效率改善;资金运用能力对纯技术效率和规模效率均有促进作用;成长能力不足和收益质量不高均在一定程度上抑制了纯技术效率和规模效率的提升。

关键词：大数据,技术效率,纯技术效率,规模效率,影响因素

参考文献

[1]迪莉娅.我国大数据产业发展研究[J].科技进步与对策,2014(2):56-60

[2]宋之杰,杜亚莉.大数据产业发展及我国应对措施[J].燕山大学学报(哲学社会科学版),2014(6):99-104

[3]王伟玲.大数据产业的战略价值研究与思考[J].技术经济与管理研究,2015(1):117-120

[4]罗涛.大数据产业的美国经验与中国对策[J].高科技与产业化,2013(5):54-57

[5]刘小刚.国外大数据产业的发展及启示[J].金融经济,2013(9):224-226

[6]CHARNES A,COOPER W W,RHODES E.Measuring the Efficiency of Decision Making units[J].European Journal of Operational Research,1978(2):429-444

[7]FARRELL M J.The Measurement of Produetion Effieieney[J].Joumal of Royal Statistieal Soeiety,1957(3):253-255

[8]BANKER R D.Estimating Most Productive Scale Size Using Data Envelopment Analysis[J].European Journal of Operations Research,1984(9):1078-1092

[9]陈一博,宛晶.创业板上市公司全要素生产率分析——基于DEA-Malmquist指数法的实证研究[J].当代经济科学,2012(7):103-108

篇11：从谷歌搜索排名中挖掘世界的隐私

你大可以认为，这些问题构筑了一个最真实的人类内心世界。

2012年，壹读盘点了谷歌上人们最关心的话题和疑问，2013年，我们继续呈现你可能不知道的，被其他人埋在内心深处的秘密。

日本：暴躁、失眠、二次元

先说日本。这一年，他们身心压力似乎有些大，排名前十的“怎么办”（how to）中，第四、六、九和十位分别是：“怎么才能不急躁”，“怎么控制打嗝”，“怎么治疗失眠”以及“怎么驱魔”。上榜的唯一一件正经事“怎么投票”，排在第五位。

而“怎么把壁橱收拾干净”这种很难称得上问题的问题，构成了日本人的第八大困惑。

看看他们的“为什么”（why）榜单，或许能理解焦虑的来源。刮台风、日元贬值以及“为什么要说‘中华台北’”好吧，还有匪夷所思的“猫咬东西”。而“海水为什么是咸的”，似乎进入了哲学范畴。

不过，日本国民自有排解压力的方法。他们关心的头等大事，是如何玩一款苹果手机上的消除类游戏，第二件则是怎么更新iOS7。还有三部电视剧让他们牵挂，包括在中国热播的《半泽直树》，“为什么”榜排在第二的就是“半泽为何调职”，仅次于对日本、也是全世界上最长的海底隧道“青函隧道”的好奇。

值得一提的是，看到“马拉松为什么是42.195公里”这个问题时，千万别以为中国的“跑步热”席卷日本人家本来就是世界上最爱长跑的民族。

英美：爱煎饼、爱泡妞、爱电臀舞

相比之下，英美两国人民太无忧无虑了。美国人最关心的问题是“怎么系领带”，而英国人最想知道的是“怎么做薄煎饼”，其次是“怎么写简历”。

类似的“生活实用技能”占据了美国“怎么办”榜前五位。除了系领带之外，还有归类、办护照、写博客、织毛衣。是的，织毛衣，如果你感到惊讶，可以去问问澳大利亚人他们问的最多的十个问题中，除了“怎么织毛衣”，还有“怎么用钩针织毛衣”。

解决了生活困扰，接下来就该找乐子了。美国人和英国人不约而同地迷上了美国流行歌手麦莉·赛勒斯的“煽情电臀舞”，这种通过快速扭动屁股挑逗荷尔蒙的性感舞蹈，在两国的“什么是”搜索排行中都高居榜首。

这种生活方式，或许可以从一对自问自答的提问中找到原因。问：生命的意义是什么？答：YOLO是什么意思？

“YOLO”即“You only live once（你只能活一次）”的首字母缩写，如同“活在当下”的俗语一样，YOLO鼓励人们即使冒着生命危险也要享受人生。它甚至被印在帽子和T恤衫上，成为年轻人追捧的潮流。

说到这里，你大概明白了，这并不是一个褒义词，血淋淋的案例是，饶舌歌手艾文·麦金尼斯去世前在Twitter上留言，讲述他在高速公路上酒后飙车酿成车祸的惨剧，并在最后加上了一句“Fuck it YOLO”（去他妈的YOLO）。

不过，令人庆幸的是，大多数英美人的爱好还是健康的：英国人想学画漫画、打扑克、弹吉他；美国人想学吹口哨。

一旦涉及数码科技，英国人就显得太土了。当美国人问“怎样不‘越狱’而解锁iPhone”时，英国人还没搞明白“怎么重启iPod”。另外，英国针对网络色情推出了严格的限制法案，所以，英国人才会在“怎么办”和“什么是”中都孜孜不倦地搜寻自己的IP地址。

法国：爱同居、爱赚钱、爱《爸爸去哪儿》，就是不爱浪漫

千万别把法国人想象得太浪漫。在两性关系中，他们考虑的问题比英国人更直接，比美国人更现实：从“怎么拥吻”到“怎么怀孕”，然后直奔“怎么协议同居”而去。相比之下，2012年法国人至少还有研究“怎么调情”的诚意。

更令人大跌眼镜的是，优雅的法国人居然赤裸裸地提问：“怎么变得有钱？”与此相呼应的是，他们会反复询问什么是“法定假期之外的福利性带薪假期”。事实上，“协议同居”同样有经济上的考虑：双方签订同居合同后，可以大幅度免税，一人购买社会和医疗保险，便可惠及双方；一方去世后，另一方还可以依法继承财产。

在娱乐方面，法国人喜欢一个类似于《爸爸去哪儿》的真人秀；而他们最关注的电影，居然不是浪漫的文艺片，而是《特种部队》。只有一个“怎么画画”的问题，算是勉强跟文艺沾了点边。

巴西：除了足球，什么都问

巴西的热搜榜单上居然没有足球不过仔细一想，在这方面，他们有什么需要问的呢？他们的问题简单直接：怎么办护照？怎么下载音乐？怎么下载电影？怎么注销facebook？手机怎么解锁？以及人人都关心的“怎么赚钱”。

而“什么是”的巴西排行榜，看上去像翻词典。什么是硬件？什么是沟通？什么是压力？什么是抑郁症？什么是复活节？而排在第一的，是你无论如何也给不出解释的“什么是民俗学”。

只能说，巴西人对这个世界充满了好奇心。因为上一年他们的榜单跟2013年的没有一个词条重合。

俄羅斯：突然爱上高科技了

2012年，俄罗斯人的关注点跟巴西人一样毫无章法，但2013年，这个军工大国开始关心网络科技了。“怎么办”的前四位全部围绕着这个主题：怎么截屏？怎么更新iOS系统？黑客是怎么攻击社交网站的？怎么破解wifi？

而在“什么是”榜单中，他们提到了“朋友圈”、Instagram（一款手机上的图片分享软件）、Airdrop（一种通过wi-fi传输文件的技术）。

在俄罗斯喀山市举行的“世界大学生运动会”也轻松登上“什么是”榜第八名，紧随其后的，是“什么是伊奇克里亚”这是车臣共和国的全称，而车臣与俄罗斯政府之间的冲突从未平息。

不过，俄罗斯人似乎对身处其中的世界也有不少焦虑，比如他们想知道“什么是嫉妒”、“什么是主流”以及 “什么是脑残”。

全世界都是外貌协会

有没有各国人民都在关心的问题？有。至少以上几个国家的人们都关注两件事：一是瘦，二是美。

英国、法国、巴西都直截了当：“怎么减肥？”

俄罗斯人则含蓄一点：“阿拉·普加乔娃（俄罗斯最受欢迎的女明星）是如何瘦下来的？”

还有更细致的补充：英国人想“拥有平坦的腹部”，还积极研究减肥舞蹈“尊巴舞”是什么；巴西人也要“减掉大肚子”；体形方面，日本人更在意“如何瘦大腿”。

难道肥胖率最高的美国人不在意身材？怎么可能？！他们不过换了方式来问：“麸质是什么？”答案是，这是谷物中的一种蛋白质。无麸食品可以促进消化，进而控制体重。