1醫(yī)療數(shù)據(jù)分析模型

將醫(yī)院、醫(yī)療保健組織等數(shù)字化的醫(yī)療數(shù)據(jù)以特定的格式、協(xié)議發(fā)送到醫(yī)療數(shù)據(jù)分析模塊進(jìn)行分析與疾病預(yù)測(cè)．醫(yī)療數(shù)據(jù)提取模塊：該模塊由醫(yī)院電子病歷系統(tǒng)負(fù)責(zé)實(shí)現(xiàn)，我們使用openEHR系統(tǒng)作為醫(yī)院電子病歷系統(tǒng)，并在openEHR中實(shí)現(xiàn)醫(yī)療數(shù)據(jù)的提取功能．openEHR系統(tǒng)是一個(gè)開源、靈活的電子病歷系統(tǒng)，支持HL7衛(wèi)生信息交換標(biāo)準(zhǔn)．很多醫(yī)療健康組織、政府和學(xué)術(shù)科研單位都使用openEHR進(jìn)行開發(fā)和科研工作．如一種基于openEHR的患者病歷數(shù)據(jù)管理模型、openEHR等許多開源的電子病歷平臺(tái)的對(duì)比與評(píng)估和基于openEHR的檔案建模等．?dāng)?shù)據(jù)交換模塊：基于Web服務(wù)的數(shù)據(jù)交換模塊使用醫(yī)療數(shù)據(jù)通信協(xié)議實(shí)現(xiàn)醫(yī)療數(shù)據(jù)分析模塊與醫(yī)療數(shù)據(jù)提取模塊的數(shù)據(jù)交換．Web服務(wù)是一個(gè)平臺(tái)獨(dú)立、松耦合的Web應(yīng)用程序．由于Web服務(wù)的跨平臺(tái)特性，許多模型與框架是基于Web服務(wù)構(gòu)建的，如基于Web服務(wù)集成分布式資源和數(shù)據(jù)流分析測(cè)試等．在本文提出的醫(yī)療數(shù)據(jù)分析模型中，使用Web服務(wù)來連接醫(yī)療數(shù)據(jù)分析模塊和醫(yī)療數(shù)據(jù)提取模塊．醫(yī)療數(shù)據(jù)提取模塊作為Web服務(wù)的服務(wù)端，實(shí)現(xiàn)的方法包括存取數(shù)據(jù)、數(shù)據(jù)預(yù)處理、序列化等，改進(jìn)后的模型要求實(shí)現(xiàn)指定維度，指定屬性數(shù)據(jù)的讀?。疚奶岢龅尼t(yī)療數(shù)據(jù)分析模塊作為Web服務(wù)的客戶端，通過HTTP服務(wù)向數(shù)據(jù)提取模塊請(qǐng)求獲取數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理．醫(yī)療數(shù)據(jù)分析模塊：我們使用Caisis開源平臺(tái)作為醫(yī)療數(shù)據(jù)分析與疾病預(yù)測(cè)系統(tǒng)實(shí)現(xiàn)這一模塊．Caisis是基于Web的開源癌癥數(shù)據(jù)管理系統(tǒng)，一些臨床醫(yī)學(xué)研究使用Caisis系統(tǒng)管理和歸檔數(shù)字顯微圖像，通過向Caisis系統(tǒng)中添加特征選擇和SVM算法，使用SVM算法對(duì)醫(yī)療數(shù)據(jù)進(jìn)行分析和疾病預(yù)測(cè)，因此使用的特征選擇算法需要基于SVM，可以提高數(shù)據(jù)分析和疾病預(yù)測(cè)過程的效率和準(zhǔn)確度．

2數(shù)據(jù)分析模塊與算法

2．1SVM算法SVM算法最初是由Vapnik等人在1995年提出的一種可訓(xùn)練的機(jī)器學(xué)習(xí)算法．依據(jù)統(tǒng)計(jì)學(xué)習(xí)理論、VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論，從一定數(shù)目的樣本信息在學(xué)習(xí)能力和復(fù)雜度（對(duì)訓(xùn)練樣本的學(xué)習(xí)程度）中找到最佳折中，以期望獲得最好的推廣能力（或稱泛化能力）．

2．2基于SVM的醫(yī)療數(shù)據(jù)分析模塊將SVM分類算法應(yīng)用到醫(yī)療數(shù)據(jù)分析模塊中，進(jìn)行疾病預(yù)測(cè)．基于SVM的醫(yī)療數(shù)據(jù)分析模塊，通過數(shù)據(jù)交換模塊獲取原始組數(shù)據(jù)（患病病人醫(yī)療數(shù)據(jù)和對(duì)照組病人數(shù)據(jù)）．通過特征選擇過程輸入到SVM分類器中進(jìn)行訓(xùn)練，訓(xùn)練后可以對(duì)新的醫(yī)療數(shù)據(jù)進(jìn)行分析預(yù)測(cè)．

3改進(jìn)的醫(yī)療數(shù)據(jù)交換模塊

摘要：結(jié)合凱里供電局電力營(yíng)銷工作的實(shí)際，以電量銷售、電費(fèi)回收、線損率等營(yíng)銷指標(biāo)為監(jiān)控重點(diǎn)，建立銷售數(shù)據(jù)分析系統(tǒng)，客觀的分析營(yíng)銷工作中的重點(diǎn)難點(diǎn)，客觀公正地評(píng)價(jià)下屬業(yè)績(jī)，導(dǎo)入競(jìng)爭(zhēng)機(jī)制從而能更有針對(duì)性的解決問題。

關(guān)鍵詞：電力營(yíng)銷；數(shù)據(jù)分析；實(shí)時(shí)監(jiān)控；月度分析

1凱里供電局營(yíng)銷工作概況

凱里供電局系中國(guó)南方電網(wǎng)公司和貴州電網(wǎng)公司領(lǐng)導(dǎo)下的國(guó)家大二型企業(yè)，擔(dān)負(fù)供電轄區(qū)內(nèi)15個(gè)縣（市）及湘黔電氣化鐵路的電能供應(yīng)、銷售與服務(wù)任務(wù)，并為黔電入粵、黔電入湘的重要通道，為貴州電網(wǎng)公司代管縣局最多（15個(gè)）的供電企業(yè)。該局年售電量40億千瓦時(shí)，轄區(qū)內(nèi)高能耗負(fù)荷企業(yè)占總負(fù)荷70％左右，該局目前營(yíng)銷工作面臨負(fù)荷結(jié)構(gòu)不合理、代管縣局多的復(fù)雜管理形勢(shì)。如何有效的調(diào)動(dòng)代管縣局主動(dòng)做好轄區(qū)內(nèi)的營(yíng)銷服務(wù)工作，培育更多優(yōu)質(zhì)負(fù)荷，提高企業(yè)的營(yíng)銷經(jīng)營(yíng)業(yè)績(jī)，成為該局營(yíng)銷管理工作的研究重點(diǎn)。為此，該局通過建立電力營(yíng)銷數(shù)據(jù)分析系統(tǒng)，客觀公正地評(píng)價(jià)下屬業(yè)績(jī)，導(dǎo)入競(jìng)爭(zhēng)機(jī)制，不斷提高該局的營(yíng)銷工作質(zhì)量。

2建立實(shí)時(shí)數(shù)據(jù)跟蹤監(jiān)控系統(tǒng)

凱里供電局針對(duì)需要實(shí)時(shí)控制的電量及電費(fèi)回收等指標(biāo)推行日?qǐng)?bào)表和帳目日?qǐng)?bào)表、周期性報(bào)表制度，建立起銷售狀況的實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)分析系統(tǒng)。這里重點(diǎn)介紹電量銷售日?qǐng)?bào)表和電費(fèi)回收進(jìn)度表。

1系統(tǒng)中的Agent結(jié)構(gòu)與關(guān)系表示

系統(tǒng)中的智能Agent是具有領(lǐng)域知識(shí)和模型嵌入，能自主工作和具有語(yǔ)義互操作及協(xié)作交互能力，問題求解能力的智能實(shí)體，具有自治性、通信能力、推理和計(jì)算能力、協(xié)同、協(xié)調(diào)及協(xié)商能力等特性。

2.1數(shù)據(jù)抽取Agent

數(shù)據(jù)抽取Agent（DA）主要實(shí)現(xiàn)對(duì)網(wǎng)上電子數(shù)據(jù)交換的單證進(jìn)行監(jiān)控性或合法性的格式檢查，并從不同的單證中自動(dòng)地抽取出所需的數(shù)據(jù)項(xiàng)，提交給交互協(xié)調(diào)Agent，以便進(jìn)行分析和統(tǒng)計(jì)。其對(duì)單證格式檢查的要求，以及數(shù)據(jù)抽取的要求統(tǒng)一由交互協(xié)調(diào)Agent管理。Agent實(shí)時(shí)監(jiān)測(cè)網(wǎng)上電子交換系統(tǒng)單證的收發(fā)，當(dāng)用戶收到或發(fā)送單證時(shí)，它就會(huì)自動(dòng)提取單證中的數(shù)據(jù)，根據(jù)單證的種類、知識(shí)庫(kù)中處理要求，進(jìn)行數(shù)據(jù)處理和存儲(chǔ)，并發(fā)送給交互協(xié)調(diào)Agent分析統(tǒng)計(jì)或報(bào)警。

2.2計(jì)算統(tǒng)計(jì)Agent

計(jì)算統(tǒng)計(jì)Agent（TA）主要對(duì)抽取出的單證數(shù)據(jù)按類別、時(shí)間、對(duì)象等多角度，采用馬爾可夫、多元回歸、指數(shù)等多種方法進(jìn)行分析統(tǒng)計(jì)。因此，需要建立模型庫(kù)、知識(shí)庫(kù)對(duì)不同的單證進(jìn)行不同要求的處理。計(jì)算統(tǒng)計(jì)Agent的組織結(jié)構(gòu)圖如圖1所示。

1工程概況

江門世貿(mào)廣場(chǎng)項(xiàng)目位于江門市東華路與迎賓路交匯處東南側(cè)，上部結(jié)構(gòu)是鋼筋混凝土框架，剪力墻結(jié)構(gòu)，設(shè)兩層地下室，基礎(chǔ)是預(yù)制鋼筋混凝土預(yù)應(yīng)力管樁基礎(chǔ)?；悠矫娉噬刃危娣e約為16980m2，周長(zhǎng)約為650m，場(chǎng)地已挖土，移土整平，高程約為3.9～4.9m。按規(guī)劃要求，場(chǎng)地高程開挖前平整為2.8～3.3m，基坑底高程為－3.85m，基坑開挖深度為6.35～7.15m?；拥奈髂戏较?，地表下方埋設(shè)有一條重要管線，在對(duì)基坑監(jiān)測(cè)的同時(shí)需對(duì)管線的沉降和位移進(jìn)行監(jiān)測(cè);基坑的東南方為一古廟，需監(jiān)測(cè)其在基坑施工過程中的整體沉降量。

2基坑變形監(jiān)測(cè)設(shè)計(jì)與實(shí)施

基坑的主要監(jiān)測(cè)項(xiàng)目由支護(hù)結(jié)構(gòu)樁頂位移、深層位移、支護(hù)結(jié)構(gòu)應(yīng)力、地下水位等項(xiàng)目組成。

2.1布設(shè)基準(zhǔn)點(diǎn)

布設(shè)基準(zhǔn)點(diǎn)的目的是在長(zhǎng)期觀測(cè)過程中提供穩(wěn)定的起算數(shù)據(jù)。(1)位移基準(zhǔn)點(diǎn)應(yīng)布設(shè)在遠(yuǎn)離施工現(xiàn)場(chǎng)、結(jié)實(shí)穩(wěn)定的地方。水平位移監(jiān)測(cè)基準(zhǔn)點(diǎn)3個(gè)，工作基點(diǎn)3個(gè)，編號(hào)為J1～J6;(2)沉降基準(zhǔn)點(diǎn)的布設(shè)位置應(yīng)選在遠(yuǎn)離施工現(xiàn)場(chǎng)且穩(wěn)定的水泥路上。布設(shè)了3個(gè)水準(zhǔn)基準(zhǔn)點(diǎn)，編號(hào)為G1～G3。

1HANA數(shù)據(jù)分析平臺(tái)采用的核心技術(shù)

HANA數(shù)據(jù)分析平臺(tái)在軟件方面，通過內(nèi)存技術(shù)，應(yīng)用程序能直接處理電力企業(yè)數(shù)據(jù)庫(kù)中的各種數(shù)據(jù)，并直接在主內(nèi)存中處理。主要技術(shù)包括行+列的存儲(chǔ)、壓縮、數(shù)據(jù)分區(qū)、增量數(shù)據(jù)更新等。平臺(tái)采用的軟件包括數(shù)據(jù)抽取工具、內(nèi)存數(shù)據(jù)庫(kù)（含數(shù)據(jù)庫(kù)服務(wù)器、建模工具Studio、客戶端工具）、報(bào)表展現(xiàn)層BusinessObjectsBI組件。在硬件方面，通過預(yù)配置的軟硬件結(jié)合體，提供高性能的數(shù)據(jù)讀寫操作，并在內(nèi)存數(shù)據(jù)庫(kù)里采用列式存儲(chǔ)從而將更多的數(shù)據(jù)存入（列式存儲(chǔ)方式更適合數(shù)據(jù)壓縮）。

2HANA數(shù)據(jù)分析平臺(tái)實(shí)施過程

數(shù)據(jù)分析平臺(tái)建設(shè)應(yīng)遵循最大限度的考慮應(yīng)用實(shí)用性、縮短實(shí)現(xiàn)周期、降低技術(shù)風(fēng)險(xiǎn)等因素。

2.1需求分析

需求分析是要對(duì)用戶的訴求或需求進(jìn)行深入了解，并在需求的基礎(chǔ)上對(duì)整個(gè)平臺(tái)進(jìn)行一致約定。因此以重要性、分析的復(fù)雜性、數(shù)據(jù)量大小、以及快速見效為原則，需求分析需要明確下面的內(nèi)容。

1海量數(shù)據(jù)處理流程

1.1數(shù)據(jù)采集

數(shù)據(jù)的采集是指利用傳感器、社交網(wǎng)絡(luò)以及移動(dòng)互聯(lián)網(wǎng)等方式獲得的各種類型的結(jié)構(gòu)化、半結(jié)構(gòu)化以及非結(jié)構(gòu)化的海量數(shù)據(jù)，這是一切數(shù)據(jù)分析的基礎(chǔ)。數(shù)據(jù)的采集需要解決分布式高速高可靠數(shù)據(jù)的采集、高速數(shù)據(jù)全映像等數(shù)據(jù)收集技術(shù)。還要設(shè)計(jì)質(zhì)量評(píng)估模型，開發(fā)數(shù)據(jù)質(zhì)量技術(shù)。而數(shù)據(jù)采集一般分為大數(shù)據(jù)智能感知層：主要包括數(shù)據(jù)傳感體系、網(wǎng)絡(luò)通信體系、傳感適配體系、智能識(shí)別體系及軟硬件資源接入系統(tǒng)，實(shí)現(xiàn)對(duì)海量數(shù)據(jù)的智能化識(shí)別、定位、跟蹤、接入、傳輸、信號(hào)轉(zhuǎn)換、監(jiān)控、初步處理和管理等。

1.2數(shù)據(jù)預(yù)處理

數(shù)據(jù)采集的過程本身就有會(huì)有很多數(shù)據(jù)庫(kù)，但如果想達(dá)到有效分析海量數(shù)據(jù)的目的，就必將這些來自前端的數(shù)據(jù)導(dǎo)入到一個(gè)集中的大型分布式數(shù)據(jù)庫(kù)，或者分布式存儲(chǔ)集群，而且在導(dǎo)入基礎(chǔ)上做一些簡(jiǎn)單的辨析、抽取、清洗等操作。

①抽取：因?yàn)槲覀兺ㄟ^各種途徑獲取的數(shù)據(jù)可能存在多種結(jié)構(gòu)和類型，而數(shù)據(jù)抽取過程可以有效地將這些復(fù)雜的數(shù)據(jù)轉(zhuǎn)換為單一的結(jié)構(gòu)或者便于處理的類型。以達(dá)到快速分析處理的目的。

摘要：結(jié)合凱里供電局電力營(yíng)銷工作的實(shí)際，以電量銷售、電費(fèi)回收、線損率等營(yíng)銷指標(biāo)為監(jiān)控重點(diǎn)，建立銷售數(shù)據(jù)分析系統(tǒng)，客觀的分析營(yíng)銷工作中的重點(diǎn)難點(diǎn)，客觀公正地評(píng)價(jià)下屬業(yè)績(jī)，導(dǎo)入競(jìng)爭(zhēng)機(jī)制從而能更有針對(duì)性的解決問題。

關(guān)鍵詞：電力營(yíng)銷；數(shù)據(jù)分析；實(shí)時(shí)監(jiān)控；月度分析

1凱里供電局營(yíng)銷工作概況

凱里供電局系中國(guó)南方電網(wǎng)公司和貴州電網(wǎng)公司領(lǐng)導(dǎo)下的國(guó)家大二型企業(yè)，擔(dān)負(fù)供電轄區(qū)內(nèi)15個(gè)縣（市）及湘黔電氣化鐵路的電能供應(yīng)、銷售與服務(wù)任務(wù)，并為黔電入粵、黔電入湘的重要通道，為貴州電網(wǎng)公司代管縣局最多（15個(gè)）的供電企業(yè)。該局年售電量40億千瓦時(shí)，轄區(qū)內(nèi)高能耗負(fù)荷企業(yè)占總負(fù)荷70％左右，該局目前營(yíng)銷工作面臨負(fù)荷結(jié)構(gòu)不合理、代管縣局多的復(fù)雜管理形勢(shì)。如何有效的調(diào)動(dòng)代管縣局主動(dòng)做好轄區(qū)內(nèi)的營(yíng)銷服務(wù)工作，培育更多優(yōu)質(zhì)負(fù)荷，提高企業(yè)的營(yíng)銷經(jīng)營(yíng)業(yè)績(jī)，成為該局營(yíng)銷管理工作的研究重點(diǎn)。為此，該局通過建立電力營(yíng)銷數(shù)據(jù)分析系統(tǒng)，客觀公正地評(píng)價(jià)下屬業(yè)績(jī)，導(dǎo)入競(jìng)爭(zhēng)機(jī)制，不斷提高該局的營(yíng)銷工作質(zhì)量。

2建立實(shí)時(shí)數(shù)據(jù)跟蹤監(jiān)控系統(tǒng)

凱里供電局針對(duì)需要實(shí)時(shí)控制的電量及電費(fèi)回收等指標(biāo)推行日?qǐng)?bào)表和帳目日?qǐng)?bào)表、周期性報(bào)表制度，建立起銷售狀況的實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)分析系統(tǒng)。這里重點(diǎn)介紹電量銷售日?qǐng)?bào)表和電費(fèi)回收進(jìn)度表。

一、財(cái)稅分權(quán)與經(jīng)濟(jì)增長(zhǎng)的計(jì)量分析

(一)數(shù)據(jù)說明。本文以中國(guó)31個(gè)省市2007－2012年的有關(guān)財(cái)稅分權(quán)、GDP的數(shù)據(jù)進(jìn)行面板分析。被解釋變量:GDP，解釋變量:財(cái)稅分權(quán)度R，教育EDU，工業(yè)化進(jìn)程GYH，稅收占GDP比重F，數(shù)據(jù)是在國(guó)泰安(CSMAR)、中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)、歷年中國(guó)統(tǒng)計(jì)年鑒等數(shù)據(jù)庫(kù)的基礎(chǔ)上整理而成，且都經(jīng)過了對(duì)數(shù)處理。

(二)單位根檢驗(yàn)。為了避免偽回歸現(xiàn)象，在進(jìn)行回歸分析之前需要對(duì)相應(yīng)數(shù)據(jù)進(jìn)行單位根檢驗(yàn)。LLC檢驗(yàn)的結(jié)果顯示:R、EDU、GYH、F、GDP變量序列在0．05顯著性水平下均是原序列平穩(wěn)的，不必協(xié)整可直接構(gòu)造回歸模型。

(三)面板回歸

1．財(cái)稅政策改革對(duì)經(jīng)濟(jì)發(fā)展的整體效應(yīng)。研究財(cái)政分權(quán)對(duì)GDP的影響，本文參考黃顯林發(fā)表于2013年的《財(cái)稅政策演進(jìn)對(duì)地區(qū)產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平的影響研究－－基于分權(quán)背景下的省級(jí)面板數(shù)據(jù)分析》中的研究方法，以GDP為被解釋變量，R、EDU、GYH、F為解釋變量，建立如下回歸模型:本文同時(shí)采取面板數(shù)據(jù)的固定效應(yīng)模型和隨機(jī)效應(yīng)模型進(jìn)行回歸分析，同時(shí)應(yīng)用Eviews6．0采用廣義最小二乘法(GLS)對(duì)模型進(jìn)行估計(jì)，以免去對(duì)模型進(jìn)行異方差檢驗(yàn)，然后通過F檢驗(yàn)和Hausman檢驗(yàn)為各個(gè)樣本組選擇混合OLS模型，或固定效應(yīng)模型，或隨機(jī)效應(yīng)模型。面板回歸模型選擇F檢驗(yàn)的P值為0．0000，拒絕原假設(shè)，可認(rèn)為應(yīng)該建立固定效應(yīng)回歸模型，同時(shí)Hausman檢驗(yàn)結(jié)果對(duì)應(yīng)的P值也為0．0000，拒絕原假設(shè)，也認(rèn)為應(yīng)該建立固定效應(yīng)回歸模型，因此2007～2012年31個(gè)省市的年度數(shù)據(jù)應(yīng)該建立個(gè)體固定效應(yīng)模型。固定效應(yīng)模型結(jié)果表明，回歸方程整體顯著(F=2470．712，P=0．000000＜0．01)，各回歸系數(shù)在0．05顯著性水平下均顯著不為0，調(diào)整后的樣本決定系數(shù)為0．997802，模型擬合得非常好。EDU對(duì)GDP的影響最大，R、F次之，GYH最小。同時(shí)，R、EDU和F對(duì)GDP均有顯著的正向影響，其系數(shù)分別為0．350122、0．484144、0．066664，說明財(cái)稅分權(quán)、教育支出水平、稅收水平等都促進(jìn)了經(jīng)濟(jì)的發(fā)展。而GYH的系數(shù)為－0．041997，這說明工業(yè)化進(jìn)程對(duì)經(jīng)濟(jì)的發(fā)展有輕微的反向作用，這說明工業(yè)化進(jìn)程的加大并沒有強(qiáng)烈促進(jìn)經(jīng)濟(jì)的發(fā)展。

2．財(cái)稅政策改革對(duì)經(jīng)濟(jì)發(fā)展的區(qū)域差異效應(yīng)。由于地方的經(jīng)濟(jì)水平、人力物力資源等的差異，具體財(cái)稅政策改革對(duì)地方經(jīng)濟(jì)發(fā)展的影響效應(yīng)可能會(huì)存在明顯的地區(qū)差異。因此有必要通過建立變系數(shù)模型來分析財(cái)稅分權(quán)對(duì)經(jīng)濟(jì)發(fā)展的地區(qū)差異效應(yīng)。使用Eviews6軟件分別對(duì)本文的面板數(shù)據(jù)進(jìn)行變系數(shù)、變截距、不變系數(shù)模型的估計(jì)，得到殘差平方和，通過建立協(xié)方差分析，構(gòu)建F統(tǒng)計(jì)量的方法來判別。根據(jù)變異系數(shù)模型估計(jì)出31個(gè)省市的結(jié)果，在10%置信水平下，相關(guān)變量系數(shù)大部分都通過顯著性檢驗(yàn)，模型擬合程度很高。

一、汽車出口海關(guān)統(tǒng)計(jì)數(shù)據(jù)及揭示的問題

自入世以來,我國(guó)的汽車出口發(fā)展極為迅速。由海關(guān)統(tǒng)計(jì)數(shù)據(jù),2001年,中國(guó)汽車和汽車底盤出口額為19374萬美元,出口數(shù)量為22779輛；到了2005年,中國(guó)汽車和汽車底盤出口額已達(dá)到190396萬美元,出口數(shù)量為1084309輛。我國(guó)汽車出口總量上看成績(jī)喜人,但細(xì)看下來，情況卻不容樂觀：據(jù)計(jì)算,中國(guó)入世五年來汽車和汽車底盤出口數(shù)量增長(zhǎng)了46.60倍,而出口額只增長(zhǎng)了8.83倍,這與同時(shí)段進(jìn)口額增幅略超出進(jìn)口數(shù)量形成了鮮明的對(duì)比。

這一現(xiàn)象并非小問題：出口量增幅遠(yuǎn)大于出口額是汽車大部分瞄準(zhǔn)低端市場(chǎng)低價(jià)出口統(tǒng)計(jì)上的表現(xiàn)。據(jù)海關(guān)統(tǒng)計(jì)分析顯示，2005年我國(guó)整車出口企業(yè)共有1025家，其中出口量在10輛以下的就有600家，出口僅1輛的有185家，近900家企業(yè)的出口額僅占全國(guó)整車出口額約10%。隨著中國(guó)低價(jià)汽車及零部件的出口，他國(guó)逐漸采取反傾銷和關(guān)稅壁壘措施來應(yīng)對(duì)。

二、汽車出口價(jià)格低廉成因分析

低價(jià)的原因自然包括了中國(guó)的勞動(dòng)力水平相對(duì)較低，但在全球化背景下，專業(yè)化分工日趨明顯，許多品牌汽車也選擇在勞動(dòng)力成本相對(duì)低的環(huán)境下生產(chǎn)，但同樣高價(jià)出售。這說明，低價(jià)不僅是勞動(dòng)力成本低導(dǎo)致。

汽車出口低價(jià)的另一原因是中國(guó)相對(duì)缺乏自主品牌。從經(jīng)濟(jì)學(xué)的角度看，同質(zhì)產(chǎn)品的價(jià)格需求彈性大，顧客對(duì)價(jià)格的變動(dòng)極敏感。生產(chǎn)同質(zhì)產(chǎn)品的廠商為使利潤(rùn)最大化采取降價(jià)的方案，最終基本只能得到正常利潤(rùn)，無法獲得超額利潤(rùn)。目前中國(guó)汽車市場(chǎng)自主品牌還屈指可數(shù)，且大部分局限于模仿水平，真正進(jìn)行自主創(chuàng)新開發(fā)出顧客很難找到替代品的汽車的情況還很少。汽車大量的同質(zhì)化使得廠商選擇打價(jià)格戰(zhàn)。

1材料與方法

1.1資料來源

AEFI數(shù)據(jù)來源于中國(guó)疑似預(yù)防接種信息管理系統(tǒng)。疫苗接種數(shù)據(jù)來源于中國(guó)免疫規(guī)劃信息管理系統(tǒng)。1.2統(tǒng)計(jì)方法采用描述性流行病學(xué)方法，運(yùn)用EXCEL2007進(jìn)行統(tǒng)計(jì)分析。

2結(jié)果

2.1地區(qū)分布

2013年鞍山市共報(bào)告AEFI189例，與2012年相比（35例）上升了440%?？h級(jí)AEFI報(bào)告覆蓋率100%。各縣（市、區(qū)）AEFI報(bào)告數(shù)與2012年相比上升了55.56%～4200%。