一、研究背景
1.1当代中国城镇居民收入（截至2019年）
随着中国社会经济的发展，城镇居民的收入水平日益提高。对城镇居民收入的研究不仅关系到居民个人的福祉，还关系到社会的稳定和经济的持续发展。本报告通过对城镇居民收入的研究，揭示其增长趋势和地区差异，为政策制定者提供参考。
1.2科技对于当下社会的影响
18世纪以来,世界多次发生重大科技革命，对社会生产力、经济结构及国际竞争格局产生了深远影响。源于人类及人类社会对于实践活动的客观需要，新一轮科技革命正在孕育兴起。新时期科技革命具有智能化、生态化特征,其正在对人类社会带来难以估量的影响。人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能事关我国能否抓住新一轮科技革命和产业变革机遇。在此背景下2018 年，经国务院批准，世界人工智能大会(WAIC)正式创办。2022年9月，第五届世界人工智能大会(WAIC)智能社会论坛指出，以新一代人工智能为核心的新兴技术正在推动经济社会各领域从数字化、网络化向智能化加速跃升，人类快速步人智能社会。智能社会意味着颠覆性技术的广泛推广与情境应用，从哲学层面审视，技术进步通常表现为人类改造自然的能力和人类潜在能力的增强叨，即技术可供性理论所言及的技术向特定用户群体提供面向目标行动的可能性本质上而言，机器学习是新兴智能技术的关键进人路径，如何在理论层面诠释并体现其核心内涵与价值，即机器学习与行动者之间的作用关系，以支持个人、组织甚至人类社会在适应技术环境深刻变化的同时，持续增强实践应对能力、彰显竞争优势效能，成为社会各界广泛关注的话题。实践界与理论界均证实了学习、能力及其它变量间的相互作用关系。其中，从理论层面看,壳牌石油策划经理盖亚斯( RiedeGes)认为学习能力是胜过竞争对手的唯一持久的竞争优势:于克信可指出，企业家和高层管理者需要学习、共享知识,强化融于企业核心能力之中的战略领导能力，从而促进企业获取动态竞争优势;易凌峰等呵认为，提高组织学习水平和知识管理质量,是增强企业核心竞争力的内部路径。从实践层面看,机器学习已被广泛应用于决策支持、人脸识别及数据检测等相关领域。尤其是谷歌公司(Google)旗下基于机器学习技术开发的智能围棋程序 AlphaGo 曾多次战胜人类顶尖棋手,进一步颠覆了人类对于机器学习的主观认知，为本文研究带来重要启示。首先,机器学习能够与行动者能力建立某种联系，且这种联系并非单纯基于人的主观思辨与推断，而是立足于“实践一理论”双重验证基础之上;其次,相较于传统学习方式,机器学习对于行动者能力提升具有独特发生机制。然而,通过对国内外现有文献进行梳理发现，鲜有学者针对上述问题开展具体研究。
二、运用方法及模型的原理
ARMA 模型是时间序列的一种，由美国经济学家在20世纪70年代提出模型的模型ARMA(p,q)模型的识别与定阶可以通过样本的自相关和偏自相关函数的观察获得。对原数据用 Python软件作出其相关图与偏自相关图，根据所给出的统计图观察其自相关和偏自相关函数均具有拖尾的特点可以判定该序列适合 ARMA( p,q)模型但为了能够得到更优的预测模型不设1-9 的组合，对ARMA(1,1),ARMA(1,2),...,ARMA(9,9)分别进行参数估计，并对各模型的AIC值进行计算。
机器学习使计算机能够模拟人的学习行为，并自动通过学习获取经验，且能通过经验不断完善其性能，是涉及概率论、统计学、凸分析等多门学科的新兴学科，它主要使用归纳、综合等方法，实现自我完善。作为人工智能的一个重要的研究领域，机器学习研究的是，如何使机器通过识别和利用现有数据来获取新的知识和技能，其研究工作主要围绕学习机理、学习方法、面向任务这三个基本方面进行。
随着网络信息技术的发展，采用搜索引擎实现网络数据信息管理和检索成为常态。搜索引擎检索数据，是在信息化体系构架下，进行搜索引擎粗糙集查询;结合知识结构图模型设计，建立搜索引擎粗糙集查询数据的检索和特征匹配模型，构建搜索引擎粗糙集查询数据信息和文献资源的数据分析模型，能够提高数据检索的精准度。相关的搜索引擎粗糙集特征检索方法研究受到了人们的极大关注.结合知识结构图模型设计，建立搜索引擎粗糙集查询数据的检索和特征匹配模型，能够提高数据检索的精准度。基于模板匹配的想索引整粗糙集特征检索方法。采用稀疏性字典匹配集存储机制构建搜索引擎粗糙集查询数据信息的分块网格化词义结构模型，实现粗糙集特征分配检索;采用类型化的模板参数匹配，实现对搜索引警粗糙集查询数据知识结构图模型的匹配。
目前关于比例数据的分位数回归建模及其统计推断研究刚刚开始，主要原因是其估计的相关理论性质难以建立，以及如何将得到的大样本理论性质应用到实际数据分析中。相比于经典的频率方法贝叶斯方法具有如下优点:贝叶斯方法原理简单且易实施:通过选取合适的参数先验，基于后验分布除了可以得到 Bayesian 后验估计值，同时可以得到Bayesian 可信区间，这为我们提供一种选择相关重要自变量的方法;很多时候,特别在小样本时，由贝叶斯方法得到的结果要比基于频率方法得到的结果更可靠。
对于是在生活中的很多实际问题，大量重复实验是不现实的。比如想推断川普当选美国总统的概率。显然，我们没法让美国人进行成千上万次不同的投票选举，然后计算川普获胜的频率。即便是通过民意调查的方式，进行成千上万次也是不切实际的（简单从成本的角度考虑就不可能）。因此，对于这个问题只能有非常有限的几次民意调查结果。当然可以只通过这些有限的结果利用古典统计学对川普获胜的概率做出估计，但是可以想象的是这个估计的误差会非常大。而贝叶斯统计则提供了新的视角。合理的先验分布对未知量的估计是非常有益的。对生活中很多实际问题的判断都和人们的学识、经验、见识有关。在这种情况下，如果我们把有限和观测数据和根据知识和经验得到的先验结合起来，会得到对未知量更好的推断。在资产配置领域，高盛著名的 Black–Litterman 收益率模型（Black-Litterman 模型 —— 贝叶斯框架下的资产配置利器）就是将从市场均衡假设推出的资产收益率作为先验，将基金经理的主观判断作为观测值，通过把它们两者结合来得到后验判断。它的本质也是贝叶斯统计。
参考文献：
[1]邱国栋,任博.机器学习与行动者能力：技术可供性视角——以谷歌AlphaGo为案例[J].科技进步与对策,2023,40(14):1-11.
[2]马志锋,种庆,张文斌等.时间序列分析在中国城镇居民消费水平中的应用[J].周口师范学报,2011,28(02):37-38.DOI:10.13450/j.cnki.jzknu.2011.02.012.
[3] 高守宝,张舒婷,孟现美等.机器学习在科学教育评估中的应用：维度、领域与规律[J].中国教育信息化,2023,29(10):83-92.
[4] 马芳平,李林,郭金婷等.基于粒子群算法的科技创新数据检索系统设计[J].2023,31(15):66-69+74.DOI:10.14022/j.issn1674-6236.2023.15.014.
[5] 王学军.基于模板匹配的搜索引擎粗糙集特征检索[J].物联网技术,2023,13(09):108-110.DOI:10.16667/j.issn.2095-1302.2023.09.028.8.
[6]赵为华,张日权.基于贝叶斯方法的比例数据分位数推断及其应用[J].统计与信息论坛,2016,31(8):9-13
作者简介：
贾宏博（2001），男，汉，吉林省公主岭市，本科，研究方向：数据科学与大数据技术系，单位：长春大学
弓天剑（2001），男，汉族，江苏省扬州市人，本科，研究方向：数据科学与大数据技术系，单位：长春大学
董子剑（2002），男，汉族，四川省绵阳市人，本科，研究方向：数据科学与大数据技术系，单位：长春大学
