這是近日聽講其中很重要的一段
| 台灣有一天或許也會有同樣的狀況。以電訪調查為主的機構必須在抽樣方法和克服涵蓋率降低等項目上多作準備了。 |
From Evernote: |
美國住家使用有線電話的比率,退回到二戰時期!Clipped from: http://techorange.com/2013/01/09/more-than-half-of-american-homes-dont-use-a-landline/ |
根據一份來自美國疾病控制與預防中心的最新調查報告顯示,一半以上(51.7%)的美國住家鮮少使用有線電話,而其中 35.8% 甚至根本就沒有安裝有線電話,剩下的 15.9% 雖然有有線電話,卻甚少使用。
美國的有線電話普及率於 1975 年達到 90%,約等於今日行動電話的普及率,但目前住家擁有有線電話的比率,只和 20 世紀中、約第二次世界大戰的時期差不多!
由於對新科技的接受度逐漸提高,因此從有線電話到行動電話的過度期十分短暫。根據這份調查報告,只有有線電話的住家數從 17.4% 減少到了 9.4%,只有行動電話的住家數則從 20.2% 上升到 35.8%。
然而,這份報告中最值得注意的卻不是電話,而是人!
也就是說,重點是究竟哪些人使用有線電話,而哪些人不使用有線電話?根據這份調查報告,不使用有線電話的族群共有四大類:
1. 25 到 34 歲的美國人(55.1%)
2. 與非家屬同住的成年人(75.9%)
3. 租屋者(58.2%)
4. 家境清寒的成年人(51.8%)
整體而言,居住條件越穩定,才越可能使用有線電話。想當然,若是時常搬家,使用有線電話將十分麻煩。而如此低的有線電話使用率,清楚反映了美國當前的居住條件。
另外一點值得注意的是,根據 2008 年的資料顯示,家境優渥的美國家庭,有 30.7% 只使用行動電話,遠低於較清寒家庭只使用行動電話的比率。換句話說,有錢的人比較有本錢最先嘗試新科技,同時也能夠安定居住、並在家中安裝有線電話,而當兩者可以兼得時,何需捨其一?
總而言之,這份有線電話衰減的調查報告,其實是一體兩面:有錢的人有本錢及早嘗試新科技,也有較好的居住條件。
(資料來源:The Atlantic;圖片來源:Vincent_AF , CC Licensed)
See Video: http://video.udn.com/player/Vidplayer-new.swf?v=344-233-2B4-233-2B3c3b3233304...
從女性投考警校人數大增到出現愈來愈多傑出女士官,女性投入職場已從量變帶來質變。根據最新調查,當女性收入足以支應家庭所需,男性願當「主夫」比例高達58.5%,與女性願當「主婦」60.5%,相差無幾,顯示傳統男主內女主外的偏見獲得改善。
yes123求職網上月底進行「主夫主婦」網路問卷調查,回收有效問卷共1182份。調查發現,男女兩性「主內」的意願只剩下微幅差距,當另一半的經濟能力許可時,5成8男性願當主夫,比起女性願當主婦僅少2個百分點。
但儘管個人意願擺脫了社會成見,調查卻顯示,男性實難擺脫社會包袱。問卷徵詢兩性主內時面對的壓力來源,男性最難承擔「社會眼光」,其次為「對方家人的看法」;女性雖不受限社會眼光,但最憂心與社會脫節,以及經濟無法自主之下,要看另一半臉色。
至於雙薪情形下,雙方薪資差距多大會對自己造成壓力?男性在另一半薪水多出3000元,就有1成5的人感到有壓力;女性則是當對方高出1-1.5萬,才有約12%的人感到壓力。
問卷中也調查哪些銀色夫妻最令人稱羨,陶晶瑩與老公李李仁以近5成的壓倒性比例,榮登第一,小S與許雅鈞名列第二。
Original Page: http://forum.udn.com/forum/NewsLetter/NewsPreview?NewsID=7545216
Shared from Pocket
微軟全球資深副總裁兼亞太研發集團主席張亞勤昨(6)日在華人企業領袖高峰會時表示,雲端時代的殺手級應用是海量資料(Big Data),他表示,年輕人如果不知道該找什麼工作,不妨考慮投入資料分析、成為資料數據科學家,這將是未來相當具有潛力的工作。
張亞勤表示,個人電腦時代的殺手級應用是Office文書處理軟體,在個人電腦為主要工作平台的時代,企業講求的是商業智慧分析(BI)需求,但現在是雲端時代,殺手級應用為海量資料分析。
微軟針對雲端時代已經推出了公有雲Azure的服務,這個平台現在的運算能量,已經超過1999年微軟運算量的總和。而過去6估月內,該平台資料量已經是倍數成長,而近兩個月儲存量也成長了1倍。而Azure推出迄今僅3年。該平台也在不久前落地大陸。
張亞勤預估,到了2015年時,雲端運算將在全球帶來1,400萬的工作機會,而其他大型企業也預估到了2014年時,約有5成的運算將是透過雲端運算的方式產生。而目前所有的數據,有9成是過去兩年中形成的。更值得一提的是,世界經濟論壇將海量資料視為新的資源及貨幣。可見未來雲端運算普及之後,海量資料將成為顯學。
針對這個大趨勢,也會帶動及催生所謂的資料分析專家的需求,張亞勤表示,透過資料的分析及探勘,海量數據將可望產生意想不到的「價值」,這將是未來商機所在。
由於近期全球均遭逢不景氣,昨日的華人企業領袖高峰會的與會者,也針對年輕人創業等議題提出建議,張亞勤認為,海量資料所帶動的資料分析及資料探勘科學家,將是極具有未來性的工作趨勢。
Original Page: http://news.chinatimes.com/tech/171706/122012110700414.html
Shared from Pocket
Here is the list of press reports and news about R
開放原始碼的R語言在資料分析上的知名度及使用率近年已經大幅增加。以下只截取報告中最重要的部份。全文請見:http://r4stats.com/articles/popularity/
Surveys of Use
One way to estimate the relative popularity of data analysis software is though a survey. Rexer Analytics does a survey each year asking about tools used for data mining. The difference between software for classical data analysis software and data mining seems like more of a marketing concept than one based on any actual difference in analytic need. Figure 3 shows the results of just one “check all that apply” type question about the tools that respondents reported using in 2009 (the survey was taken in 2010).
Figure 3. Data mining/analytic tools reported in use on Rexer Analytics survey during 2009.
We see that R comes out on top, followed by SAS and SPSS. The entire report contained over 40 questions on topics such as algorithms used, fields, challenges, data, impact of the economy on the field, and more. More comprehensive results are available here. It’s interesting to note that SPSS and SAS are used more often than their more expensive products aimed specifically at data mining, SPSS IBM Modeler (formerly Clementine) and SAS Enterprise Miner. This data is two years old now and due to be updated soon.
The results of a similar survey done by the data mining web site KDnuggets in 2012 are shown in Figure 4. This one shows R in first place with 30.7% of users reporting having used it for a real project. Excel is almost as popular. It seems out of place among so many more capable packages, but Excel is a tool that almost everyone has and knows how to use.
It’s interesting to note that four of the top five packages used were open source. While open source packages are clearly playing a major role in analytics, people still reported using more commercial software (1086) than open source (927).
近月國內通膨似有山雨欲來之勢,但日前行政院主計總處公布四月份的通膨率僅1.44%,物價漲勢溫和。由於所公布的數據與外界預期有不小落差,在野人士質疑聲浪四起,副閣揆江宜樺呼籲民眾相信政府的統計,但這些呼籲顯然無法消除民眾心中的疑慮。何以如此?
我們認為民眾對政府統計的信任取決於兩個前提,一是要有好的調查統計品質,一是要有好的政府統計形象。而要兼具這兩項特質,總統、閣揆就 必須把政府統計視為重要政務,在政府組織章程上提高其統計獨立性的地位,並在預算上增加調查經費,而不是在急需時推崇其為權威機構,於平日又無視其存在。
遺憾的是,我國政府統計向來並沒有受到總統、閣揆太多的重視。多數政治人物總認為這些數字不就是調查調查、統計統計罷了,因此只要數字出 的來,不要太難看,平日裡內閣並不會有人去重視調查環境及統計資源所面臨的問題。正是這樣的思維,前年政府研商組織再造時,各部會的統計處險些遭裁併,而 近年當部會空間不足時,各統計單位更經常被迫遷至部外辦公;更有甚者,許多國勢調查也因為預算緊縮而擬予停辦。執政者如此漠視,部會如此短視,看在民眾眼 裡,政府統計如何贏得社會的信任?
執政當局對政府統計的漠視還不止於此。我國政府統計的法源係來自《統計法》,而這部法律自民國61年修正公布以來,迄今未曾修正。四十年 來台灣經濟社會變化何等大,但我們的《統計法》隻字未變。以這樣一部老舊的《統計法》如何因應當前的挑戰?遠的不提,就以日前主計長石素梅在立院的答詢為 例,石主計長一開始雖強調統計數據的公布有一定的章程,但在被立委追問公布統計有何法律依據時,竟無法援引《統計法》捍衛政府統計的獨立性。由於沒有法律 做後盾,石主計長這一番辯解竟被立委視為藐視國會、不尊重憲法。由此可知,政府統計的獨立性必須明明白白地寫入《統計法》才行,四十年未變的《統計法》也 到了該好好修訂的時候了。
在面對政府統計獨立性遭立委挑戰時,我們既未見主計總處從《統計法》的高度嚴正回應立委,也未見府院高層站出來宣示政府統計超然獨立的重 要,更未見行政部門擬藉修正《統計法》強化統計超然獨立性,最後僅以更改發布時間做為整起事件的收場。如此便宜行事,置政府統計獨立性於何地?難怪民眾對 政府統計始終無法信任。
這幾天,社會上出現有些人質疑四月份通膨率低估的聲音,難道他們知道調查如何進行、指數如何編製、權數如何分配嗎?相信絕大多數的人都不 十分瞭解,他們只是憑感覺,然後選擇不相信政府統計。何以會有這個感覺?概而言之,這雖與近日電視、報紙紛至沓來的漲價報導有關,但更重要的是近十年政府 每隔一段時間就會出現荒腔走板的處理統計態度,以致政府改善統計形象的努力,每每前功盡棄。如此年復一年,民眾對政府統計的信任,豈能不流失?
江副院長要大家相信政府統計,但「相信」是人們長期互動後的自然反應,試想,2000年底官方的消費信心調查是如何喊停的?經濟部的製造業景氣動向調查又是用什麼理由停止發布的?2007年經建會的住宅需 求動向調查是如何悄然上網的?諸如此類,不勝枚舉。長期互動的經驗讓民眾無法相信政府,近年政府苦心建立統計發布制度,形象大獲改善,但日前立院一役,瞬 時變更發布時間,政府統計形象又毀。這些年的經驗告訴我們,唯有總統、院長帶頭尊重政府統計的超然獨立地位,並將其載入法律,政府統計形象才可能有穩定提 升之日,否則全是海市蜃樓。
我們在前面提及民眾對政府統計信任與否,繫於統計形象及調查品質,這些年非僅政府統計形象經常受挫,調查品質也因社會環境的變遷而日趨惡 化。雖然統計機構的調查依然嚴謹,但如今社會詐騙橫行,致使調查遭拒情況日趨嚴重;此外,台灣小家庭逐年增加,十年來戶內人口已由3.3人降至2.8人, 同樣抽兩萬戶訪查所獲樣本卻日趨減少。這兩大社會環境的變化對政府統計品質影響日深,江副院長既要大家相信政府統計,理應就這兩項問題提出改善之道才是, 否則即屬虛言。
1996年春天伯根航空301號班機自多明尼加起飛,不久即墜海,經調查發現原因出在機艙外測量空速的皮氏管。這架飛機的皮氏管受堵塞, 以致飛行速度明明是連連下滑,但空速表卻呈節節升高甚至超速,面對這個局面,機長採信空速表上錯誤的數據,推動節流閥減速,遂失速墜海。這一事件有著深遠 的意涵,統計機構之於經濟體系就像皮氏管之於飛機,雖不甚起眼,卻極為關鍵。台灣若不儘速改善當前政府統計的種種困境,今日統計的困境必將成為明日經濟失速的危機。
http://news.chinatimes.com/politics/11050201/122012051500078.html
Information Age recently published a feature article devoted to the R language, "Putting the R in analytics". Says author Pete Swabey:
Already popular in universities, there are signs that R is finding increasing adoption in the enterprise. This promises to lower the barriers of entry for advanced analytics, and may accelerate the mathemitisation of business management.
The article includes an overview of the history of R: its predecessor, the S language; the transition to open-source R; the pervasiveness of R in academia; and how this is driving an increasing rate of adoption in industry.
This popularity in academia means that R is being taught to statistics students, says Matthew Aldridge, co-founder of UK- based data analysis consultancy Mango Solutions. “We're seeing a lot of academic departments using R, versus SPSS which was what they always used to teach at university,” he says. “That means a lot of students are coming out with R skills.”
Finance and accounting advisory Deloitte, which uses R for various statistical analyses and to visualise data for presentations, has found this to be the case. “Many of the analytical hires coming out of school now have more experience with R than with SAS and SPSS, which was not the case years ago,” says Michael Petrillo, a senior project lead at Deloitte's New York branch.
Like many companies today, Deloitte needs to develop analytics with varied and large quantities of data, and is using Revolution R Enterprise for big-data analytics and API integration of R:
Deloitte is currently preparing a big data pilot using Revolution Analytics’ enhanced R product. “We are using the server-based version of Revolution R to investigate big data analysis capabilities,” says Petrillo.
“We are looking at integration options to [big data programming platform] Hadoop, as well as ability to integrate R code into other applications via a web services framework.”
I'm also quoted in the article discussing the big-data extensions of Revolution R Enterprise:
Smith argues that these enhancements are necessary if R is to be applied to ‘big data’, i.e. data whose volume, velocity and variability outstrip the capabilities of conventional relational databases.
For more on the history of R and its applications in business, read the complete article in Information Age at the link below.
Information Age: Putting the R in Analytics