大数据是一把双刃剑，给统计学科的发展既带来机遇又提出挑战，《大数据流下调查数据的统计分析》正是基于此进行讨论。
在大数据背景下，首先根据大数据流的形式和特征，提出了在大数据时代抽样调查仍有存在意义的观点；其次确立大数据的分析逻辑体系，将对大数据流的统计分析问题定义为“推断灾难”体系，由“维度问题”和“结构问题”构成，其中对“维度问题”的含义和解决方法进行了归纳和总结，对于“结构问题”，本文根据大数据的特性，将大数据信息看作是真实数据和虚假信息的汇总，构建了大数据下的结构模型，并通过数理证明得到了大数据下模型参数估计会减小的结论；再次面对大数据的结构问题时，作者张喆提出了两种解决思路，通过模拟分析，验证了这两种方法在处理大数据问题时的有效性；最后由于大数据具有多元数据流的特性，使得对同一变量有不同的观察值，而使用哪个值来估计会产生问题，本文依照因子分析的逻辑展开讨论，建立了多元大数据流模型，并推导出真实变量的估计方程。
本文作为一种尝试，从统计分析的角度入手，望能扩展大数据的研究视野。

张喆，男，1984年生，祖籍山东省惠民县。2015年毕业于中国人民大学统计学院，获经济学博士学位，美国爱荷华州立大学访问学者。毕业后任教于中国青年政治学院经管学院，现为中国光大集团和清华大学联合培养博士后。中国商业统计学会理事。主要从事抽样调查、数据分析和宏观经济指标等方面研究，已在《统计研究》等杂志上发表学术论文十余篇，参与完成省部级课题两项。

第1章 绪论
1.1 选题的背景和意义
1.1.1 选题的背景
1.1.2 选题的意义
1.2 大数据研究概况
1.2.1 大数据研究的发展概况
1.2.2 大数据背景下有关抽样的研究概况
1.2.3 大数据背景下有关推断的研究概况
1.3 论文研究的基本框架
1.3.1 论文研究的思路
1.3.2 论文研究的结构及主要内容
1.3.3 论文的创新点
第2章 大数据流下的抽样调查
2.1 大数据分析系统的建立
2.1.1 大数据的产生
2.1.2 大数据的取得
2.1.3 大数据的存储
2.1.4 大数据的分析
2.2 大数据背景下抽样的意义
2.3 适合大数据背景的抽样方法
2.4 本章总结
第3章 大数据流下“推断灾难”
3.1 维度问题
3.1.1 问题的引入
3.1.2 “维度问题”的解决办法
3.2 结构问题
3.2.1 问题的引入
3.2.2 大数据结构的刻画
3.2.3 大数据冲击影响的刻画
3.2.4 统计模拟验证
3.3 本章总结
第4章 “结构问题”下的两种处理方法
4.1 解决路径一：SIMEX方法
4.1.1 处理问题的思路
4.1.2 SIMEX的理论展开
4.1.3 SIMEX方法的模拟验证
4.2 解决路径二：Regression Calibration方法
4.2.1 处理问题的思路
4.2.2 Regression Calibration的理论展开
4.2.3 Regression Calibration方法的模拟验证
4.2.4 辅助变量的选择
4.3 本章总结
4.3.1 SIMEX方法总结
4.3.2 Regression Calibration方法总结
第5章 大数据处理中的因子分析逻辑
5.1 问题的引入
5.2 多元数据流下的统计模型
5.2.1 多元数据流下的统计模型建立
5.2.2 多元数据流下的统计模型估计
5.3 因子分析思路的实际验证
5.3.1 问题的介绍
5.3.2 指标和数据说明
5.3.2 模型的建立与估计
5.4 本章总结
第6章 结论与展望
6.1 讨论与结论
6.2 研究展望
参考文献