造成数据缺失的原因

在各种实用的数据库中，属性值缺失的情况经常发全甚至是不可避免的。因此，在大多数情况下，信息系统是不完备的，或

者说存在某种程度的不完备。造成数据缺失的原因是多方面的，主要可能有以下几种：

1）有些信息暂时无法获取。例如在医疗数据库中，并非所有病人的所有临床检验结果都能在给定的时间内得到，就致使一部

分属性值空缺出来。又如在申请表数据中，对某些问题的反映依赖于对其他问题的回答。

2）有些信息是被遗漏的。可能是因为输入时认为不重要、忘记填写了或对数据理解错误而遗漏，也可能是由于数据采集设备

的故障、存储介质的故障、传输媒体的故障、一些人为因素等原因而丢失了。

3）有些对象的某个或某些属性是不可用的。也就是说，对于这个对象来说，该属性值是不存在的，如一个未婚者的配偶姓名

、一个儿童的固定收入状况等。

4）有些信息（被认为）是不重要的。如一个属性的取值与给定语境是无关的，或训练数据库的设计者并不在乎某个属性的取

值（称为dont-care value）。

5）获取这些信息的代价太大。

6）系统实时性能要求较高，即要求得到这些信息前迅速做出判断或决策。

处理数据缺失的机制

在对缺失数据进行处理前，了解数据缺失的机制和形式是十分必要的。将数据集中不含缺失值的变量（属性）称为完全变量

，数据集中含有缺失值的变量称为不完全变量，Little 和 Rubin定义了以下三种不同的数据缺失机制：

1）完全随机缺失（Missing Completely at Random，MCAR）。数据的缺失与不完全变量以及完全变量都是无关的。

2）随机缺失（Missing at Random，MAR）。数据的缺失仅仅依赖于完全变量。

3）非随机、不可忽略缺失（Not Missing at Random,NMAR，or nonignorable）。不完全变量中数据的缺失依赖于不完全变量

本身，这种缺失是不可忽略的。

空值语义

对于某个对象的属性值未知的情况，我们称它在该属性的取值为空值(null value)。空值的来源有许多种，因此现实世界中

的空值语义也比较复杂。总的说来，可以把空值分成以下三类：

1)不存在型空值。即无法填入的值，或称对象在该属性上无法取值，如一个未婚者的配偶姓名等。

2)存在型空值。即对象在该属性上取值是存在的，但暂时无法知道。一旦对象在该属性上的实际值被确知以后，人们就可以用

相应的实际值来取代原来的空值，使信息趋于完全。存在型空值是不确定性的一种表征，该类空值的实际值在当前是未知的。但它

有确定性的一面，诸如它的实际值确实存在，总是落在一个人们可以确定的区间内。一般情况下，空值是指存在型空值。

3)占位型空值。即无法确定是不存在型空值还是存在型空值，这要随着时间的推移才能够清楚，是最不确定的一类。这种空值

除填充空位外，并不代表任何其他信息。

空值处理的重要性和复杂性

数据缺失在许多研究领域都是一个复杂的问题。对数据挖掘来说，空值的存在，造成了以下影响：首先，系统丢失了大量的

有用信息；第二，系统中所表现出的不确定性更加显著，系统中蕴涵的确定性成分更难把握；第三，包含空值的数据会使挖掘过程

陷入混乱，导致不可靠的输出。

数据挖掘算法本身更致力于避免数据过分适合所建的模型，这一特性使得它难以通过自身的算法去很好地处理不完整数据。因

此，空缺的数据需要通过专门的方法进行推导、填充等，以减少数据挖掘算法与实际应用之间的差距。

空值处理方法的分析比较

处理不完备数据集的方法主要有以下三大类：

（一）删除元组

也就是将存在遗漏信息属性值的对象（元组，记录）删除，从而得到一个完备的信息表。这种方法简单易行，在对象有多个

属性缺失值、被删除的含缺失值的对象与信息表中的数据量相比非常小的情况下是非常有效的，类标号（假设是分类任务）缺少时

通常使用。然而，这种方法却有很大的局限性。它是以减少历史数据来换取信息的完备，会造成资源的大量浪费，丢弃了大量隐藏

在这些对象中的信息。在信息表中本来包含的对象很少的情况下，删除少量对象就足以严重影响到信息表信息的客观性和结果的正

确性；当每个属性空值的百分比变化很大时，它的性能非常差。因此，当遗漏数据所占比例较大，特别当遗漏数据非随机分布时，

这种方法可能导致数据发生偏离，从而引出错误的结论。

（二）数据补齐

这类方法是用一定的值去填充空值，从而使信息表完备化。通常基于统计学原理，根据决策表中其余对象取值的分布情况来

对一个空值进行填充，譬如用其余属性的平均值来进行补充等。数据挖掘中常用的有以下几种补齐方法：

(1)人工填写（filling manually）

由于最了解数据的还是用户自己，因此这个方法产生数据偏离最小，可能是填充效果最好的一种。然而一般来说，该方法很费时，

当数据规模很大、空值很多的时候，该方法是不可行的。

(2)特殊值填充（Treating Missing Attribute values as Special values）

将空值作为一种特殊的属性值来处理，它不同于其他的任何属性值。如所有的空值都用“unknown”填充。这样将形成另一个有趣的

概念，可能导致严重的数据偏离，一般不推荐使用。

(3)平均值填充（Mean/Mode Completer）

将信息表中的属性分为数值属性和非数值属性来分别进行处理。如果空值是数值型的，就根据该属性在其他所有对象的取值

的平均值来填充该缺失的属性值；如果空值是非数值型的，就根据统计学中的众数原理，用该属性在其他所有对象的取值次数最多

的值(即出现频率最高的值)来补齐该缺失的属性值。另外有一种与其相似的方法叫条件平均值填充法（Conditional Mean

Completer）。在该方法中，缺失属性值的补齐同样是靠该属性在其他对象中的取值求平均得到，但不同的是用于求平均的值并不是

从信息表所有对象中取，而是从与该对象具有相同决策属性值的对象中取得。这两种数据的补齐方法，其基本的出发点都是一样的

，以最大概率可能的取值来补充缺失的属性值，只是在具体方法上有一点不同。与其他方法相比，它是用现存数据的多数信息来推

测缺失值。

(4)热卡填充（Hot deck imputation，或就近补齐）

对于一个包含空值的对象，热卡填充法在完整数据中找到一个与它最相似的对象，然后用这个相似对象的值来进行填充。不

同的问题可能会选用不同的标准来对相似进行判定。该方法概念上很简单，且利用了数据间的关系来进行空值估计。这个方法的缺

点在于难以定义相似标准，主观因素较多。

(5)K最近距离邻法（K-means clustering）

先根据欧式距离或相关分析来确定距离具有缺失数据样本最近的K个样本，将这K个值加权平均来估计该样本的缺失数据。

(6)使用所有可能的值填充（Assigning All Possible values of the Attribute）

这种方法是用空缺属性值的所有可能的属性取值来填充，能够得到较好的补齐效果。但是，当数据量很大或者遗漏的属性值

较多时，其计算的代价很大，可能的测试方案很多。另有一种方法，填补遗漏属性值的原则是一样的，不同的只是从决策相同的对

象中尝试所有的属性值的可能情况，而不是根据信息表中所有对象进行尝试，这样能够在一定程度上减小原方法的代价。

(7)组合完整化方法（Combinatorial Completer）

这种方法是用空缺属性值的所有可能的属性取值来试，并从最终属性的约简结果中选择最好的一个作为填补的属性值。这是

以约简为目的的数据补齐方法，能够得到好的约简结果；但是，当数据量很大或者遗漏的属性值较多时，其计算的代价很大。另一

种称为条件组合完整化方法（Conditional Combinatorial Complete），填补遗漏属性值的原则是一样的，不同的只是从决策相同

的对象中尝试所有的属性值的可能情况，而不是根据信息表中所有对象进行尝试。条件组合完整化方法能够在一定程度上减小组合

完整化方法的代价。在信息表包含不完整数据较多的情况下，可能的测试方案将巨增。

(8)回归（Regression）

基于完整的数据集，建立回归方程（模型）。对于包含空值的对象，将已知属性值代入方程来估计未知属性值，以此估计值

来进行填充。当变量不是线性相关或预测变量高度相关时会导致有偏差的估计。

(9)期望值最大化方法（Expectation maximization，EM）

EM算法是一种在不完全数据情况下计算极大似然估计或者后验分布的迭代算法[43]。在每一迭代循环过程中交替执行两个步

骤：E步（Excepctaion step,期望步），在给定完全数据和前一次迭代所得到的参数估计的情况下计算完全数据对应的对数似然函

数的条件期望；M步（Maximzation step，极大化步），用极大化对数似然函数以确定参数的值，并用于下步的迭代。算法在E步和M

步之间不断迭代直至收敛，即两次迭代之间的参数变化小于一个预先给定的阈值时结束。该方法可能会陷入局部极值，收敛速度也

不是很快，并且计算很复杂。

(10)多重填补（Multiple Imputation，MI）

多重填补方法分为三个步骤：①为每个空值产生一套可能的填补值，这些值反映了无响应模型的不确定性；每个值都被用来

填补数据集中的缺失值，产生若干个完整数据集合。②每个填补数据集合都用针对完整数据集的统计方法进行统计分析。③对来自

各个填补数据集的结果进行综合，产生最终的统计推断，这一推断考虑到了由于数据填补而产生的不确定性。该方法将空缺值视为

随机样本，这样计算出来的统计推断可能受到空缺值的不确定性的影响。该方法的计算也很复杂。

(11)C4.5方法

通过寻找属性间的关系来对遗失值填充。它寻找之间具有最大相关性的两个属性，其中没有遗失值的一个称为代理属性，另

一个称为原始属性，用代理属性决定原始属性中的遗失值。这种基于规则归纳的方法只能处理基数较小的名词型属性。

就几种基于统计的方法而言，删除元组法和平均值法差于hot deck、EM和MI；回归是比较好的一种方法，但仍比不上hot

deck和EM；EM缺少MI包含的不确定成分。值得注意的是，这些方法直接处理的是模型参数的估计而不是空缺值预测本身。它们合适

于处理无监督学习的问题，而对有监督学习来说，情况就不尽相同了。譬如，你可以删除包含空值的对象用完整的数据集来进行训

练，但预测时你却不能忽略包含空值的对象。另外，C4.5和使用所有可能的值填充方法也有较好的补齐效果，人工填写和特殊值填

充则是一般不推荐使用的。

补齐处理只是将未知值补以我们的主观估计值，不一定完全符合客观事实，在对不完备信息进行补齐处理的同时，我们或多

或少地改变了原始的信息系统。而且，对空值不正确的填充往往将新的噪声引入数据中，使挖掘任务产生错误的结果。因此，在许

多情况下，我们还是希望在保持原始信息不发生变化的前提下对信息系统进行处理。这就是第三种方法：

（三）不处理

直接在包含空值的数据上进行数据挖掘。这类方法包括贝叶斯网络和人工神经网络等。

贝叶斯网络是用来表示变量间连接概率的图形模式，它提供了一种自然的表示因果信息的方法，用来发现数据间的潜在关系

。在这个网络中，用节点表示变量，有向边表示变量间的依赖关系。贝叶斯网络仅适合于对领域知识具有一定了解的情况，至少对

变量间的依赖关系较清楚的情况。否则直接从数据中学习贝叶斯网的结构不但复杂性较高（随着变量的增加，指数级增加），网络

维护代价昂贵，而且它的估计参数较多，为系统带来了高方差，影响了它的预测精度。当在任何一个对象中的缺失值数量很大时，

存在指数爆炸的危险。

人工神经网络可以有效的对付空值，但人工神经网络在这方面的研究还有待进一步深入展开。人工神经网络方法在数据挖掘

应用中的局限性，本文在2.1.5节中已经进行了阐述，这里就不再介绍了。

总结：

大多数数据挖掘系统都是在数据挖掘之前的数据预处理阶段采用第一、第二类方法来对空缺数据进行处理。并不存在一种处

理空值的方法可以适合于任何问题。无论哪种方式填充，都无法避免主观因素对原系统的影响，并且在空值过多的情形下将系统完

备化是不可行的。从理论上来说，贝叶斯考虑了一切，但是只有当数据集较小或满足某些条件（如多元正态分布）时完全贝叶斯分

析才是可行的。而现阶段人工神经网络方法在数据挖掘中的应用仍很有限。值得一提的是，采用不精确信息处理数据的不完备性已

得到了广泛的研究。不完备数据的表达方法所依据的理论主要有可信度理论、概率论、模糊集合论、可能性理论，D-S的证据理论等

诚信缺失是社会问题

诚信缺失是社会问题诚信缺失，顾名思义就是缺乏诚信，不诚实，不讲信用。人不讲诚信既缺失诚信，因此似乎觉得究竟讲不讲诚信是人的问题，跟某个特定人（不讲信用者）有关，与其他人无关。如果这样理解，那就太片面，有失认真谨慎了。这里，我们还要从人谈起，诚信缺失毕竟针对的是人。人是这个问题的主体。所以我们要研究这个人，研究这个人缺乏诚信的真正原因。人，从法律角度来讲包括自然人，法人和其他非法人组织。这些主体都可以成为诚信的主体。我们在这里以自然人（现实生活中每个有生命的主体）为例来探讨诚信缺失问题。我们每个人都是社会中的人，是社会的不可缺少的单元。因此，我们都和这个社会有关，一般情况下，我们不可能脱离社会而保持自己“鹤立鸡群”，这个社会是什么样的，基本上人都打上了社会的烙印。不是有人说：有人的地方就有江湖吗？江湖就是社会，人同样是江湖的单元。所以一般情况下，没有人就没有江湖，没有人就没有社会，人不可能脱离社会。为什么呢？我们可以从马克思主义哲学来寻找我们的理论依据。马克思主义认为：每个人都希望实现自己的人生价值，实现自己的人生价值就必须与社会相联系。价值是人或者物对他人的满足，和人与人之间的关系是密不可分的。因此单独一人与世隔绝无法实现自己的人生价值。所以每个人都是特定社会的人，和特定的社会密切相关。而诚信与否是个人的品性，特点。一般情况下，如果整个社会是诚信的社会，那么这些人也是诚信的，当然也有特例，因为我们探讨的是诚信的缺失原因，所以在这里特例可以忽略不计。为什么呢？因为每个人刚生下来时候的品德基本上是可塑的，社会是诚信的社会，这个社会塑造的人也是诚信的人。一个人不讲诚信，原因归根结底在于社会，所以，本人倾向于认为：诚信缺失问题根本的原因在于社会，而不在于个人。无论是从理论上探讨还是从实证的角度去研究，诚信缺失是社会的问题，而不是个人的问题。也许会有人以我国历史上的屈原为例来反驳我的观点。但是，我们可以很容易驳倒他的观点。我们姑且来认为在那时侯的楚国只有屈原讲诚信，其他人都不讲诚信。为什么屈原讲诚信呢？很简单，因为他是个特例。我们可以从马克思主义哲学来寻找理论根据。马克思主义认为：事物的本质是由事物的主流来决定的，事物的支流不能决定事物的本质。在屈原所处于的那个时代，是社会造就了大部人的人不讲诚信，而不是简单的个人问题。可能有人会反驳说：难道那时代的普通老百姓也都不诚信吗？他认为这些普通百姓是诚信的。那么我认为这在理论上和实证研究的角度来讲都是说不通的。我们可以这样来反驳他：既然你认为那时代的普通百姓是诚信的，那请你给我举出一个例子来。我可以大胆肯定，他绝对找不出例子来。事实胜于雄辩，一个时代的精英都不讲诚信，又有什么理由来要求这个时代的百姓去讲诚信呢？除非他是个人，但是这个人与世隔绝。因此他不是我们探讨的人，不是我们探讨的主体。我们探讨的人是社会中的人，是有追求，想实现自己人生价值的人。当然，还会有人会这样反驳：我们的时代是一个政通人和的时代，为什么有些人讲诚信，有些人不讲诚信呢？归根结底还是社会的原因。古人云：仓廪实而知礼节。一个人如果吃穿喝都无忧了，他会知道礼节的，他会讲诚信的。为什么呢？因为他生存和生活条件都富足了，在他做事情的时候，如果他想不讲诚信，他会权衡一下利弊的，是占点便宜重要还是被人认为不讲诚信重要。一般情况下，他会讲诚信的。我们的这个时代，之所以出现一些人不讲诚信，仍然是社会的原因。这和我们当今社会生产力发展不平衡，物质生活水平不高，社会诚信监督管理体制不健全，市场经济体制发展不完善有非常大的关系。也可以这样说，这些因素是起着决定性作用的，是造成社会中诚信缺失的根本性原因。总之，无论是从理论角度还是实证角度（举例子）来探讨这个问题，诚信缺失的最根本性原因是社会的原因。诚信缺失是社会问题，而不是表面上的个人问题。

企业战略方案民营企业诚信缺失的原因及对策分析

企业战略方案民营企业诚信缺失的原因及对策分析 WTD standardization office【WTD 5AB- WTDK 08- WTD 2C】

★★★文档资源★★★[摘要] 诚信是企业重要的无形资产, 具有道德、法律和经济学方面的价值.研究民营企业诚信问题是不仅有助于提高民营企业的经济效益和社会效益，而且有助于解决全社会诚信缺失问题。本文从分析民营企业诚信缺失的现状出发，具体分析了民营企业经营过程中出现诚信问题的原因，并在此基础上，提出了解决民营企业诚信问题的几点思路。 [关键词] 民营企业信用利益 “人无信不立, 政无信不威, 商无信不富”，商业社会的发展, 最需要的是诚信。信用经济是市场经济发展的高级形态，随着市场经济的不断发展，诚信问题也越来越为人们所重视。目前民营企业在诚信经营方面存在大量的问题，一些民营企业信用恶化、失信已成为当前企业发展中的一个制约因素。本文拟就民营企业在经营过程中诚信缺失的原因进行了剖析。一、民营企业诚信缺失表现 1.缺少对消费者的诚信其突出表现在，一些民营企业缺乏必要的诚信经营观念，宁愿选择不讲诚信损害消费者利益来追求企业最大利润，在经营活动中只考虑自己眼前的现实利益，不考虑消费者利益，坑蒙拐骗，尔虞我诈，以次充好，广告虚假，商品质量差，价格欺诈任意宰杀消费者等等不诚信行为。 2.缺少对企业员工的诚信

民营企业对员工不诚信是很普遍一个现象。民营企业主拖欠、私扣员工工资、不签劳动合同，或者说有合同却不遵守成为常有的现象，这些给民营企业的经营者带来极大的收益的同时，却给民营企业的员工带来了极大的心理伤害。 3.缺少对客户的诚信人们不难发现，在有的民营企业家“财大气粗”的背后，实质是“赖账不还”：要么赖供应商之债，要么赖银行、信用社之债。而且还“悠闲自在”、“心安理得”，不以为耻，反以为荣，国家每年税收流失非常严重拖欠，交易违约现象严重。 4.财务资料虚假有些民营企业为了融资，少缴税，不惜一切代价粉饰财务报表、甚至造假，财务数据脱离了企业的基本经营状况。平常的经营中，总有那么一些民营企业家，绞尽脑汁偷税、漏税，以获取自己的收益。二、民营企业诚信缺失成因分析 1.民营企业缺少公平的市场竞争环境，融资困难建立社会主义市场经济的今天，企业的性质发生了很大的变化，存在多种所有制经济成分并存，而每种成分的企业所担负的社会义务不同，所享受的国家政策也大相径庭，但却要在统一的市场经济条件下竞争，这种竞争环境不公平的存在和竞争能力的差异，以及如何取得市场的“信任”的压力，迫使民营企业管理者在企业的生存发展上绞尽脑汁，挖空心思，客观上也造成了他们的违规违法行为。另外，长期以来，民营企业在资本市场直接融资方面确实有被“歧视”的现象比如一些民营企业向银行借贷常受到歧视，他们不能像国企那样通过正常渠道就可以从银行贷到款，既然无法通过正常的渠道获得贷款，于是就常常出现民营业主通过走后门、拉关系的不正当渠道获得贷款，甚至骗贷款等等不诚信的行为。

当代大学生诚信缺失的表现及主要原因分析

当代大学生诚信缺失的表现及主要原因分析摘要：诚信素质是把诚信观念内化为道德素养并能够在社会实践中自觉贯彻实施的一种实然状态。当前，大学生的诚信现状不容乐观，在不同程度上存在着诚信意识薄弱、诚信行为缺乏自律、诚信评价多重标准以及失信行为缺乏有效监督和有力惩戒等问题。重点分析了当代大学生诚信缺失的表现和主要原因，指明了大学生诚信建设的重要性。关键词：大学生；诚信缺失；诚信建设学生的思想政治教育是一个庞大的发展系统，其中，诚信教育是重中之重。作为当代大学生，诚信品格的塑造不仅关系到大学生自身的健康成长和成才，也关系到我国市场经济的道德秩序能否健康持续发展。在当代，建设社会主义和谐社会的大环境下，诚信缺失现象也会影响到整个社会的发展和进步。因此，在学生的思想政治教育中，切实增加诚信教育，着力增强教育效果，不仅迫切而且对于整个社会的诚信建设意义重大。一、当代大学生诚信缺失的表现在当代大学生群体中，大多数学生能够把诚信道德视为做人的准则，但是我们依然不容乐观，在大学教育的招生、在校学习、毕业分配等不同阶段都有不同程度的诚信缺失问题，其中，“善恶标准模糊，耻感低下、规则意识淡漠是当今社会最主要的问题。”[1]主要表现如下：

1.考试作弊等现象屡禁不止高校里，学生的诚信首先体现在其根本的使命和任务——学业上。然而，大学生作业抄袭、考试作弊的现象不仅广泛存在，而且学生本身并不以之为耻[2]。更加发人深省的是，尽管各大高校目前关于学生考试作弊的处理措施都非常严厉，有些学校考前还要求学生签订考前诚信责任书、使用屏蔽仪，但仍然屡屡有人铤而走险，考试作弊现象屡禁不止，而且抄袭手段呈现出多样化趋势，从交头接耳、小条抄袭到手机短信、数字手表等现代化设备的应用。关于大学生作弊情况的问卷调查表明：31.5%的学生认为考试当中的作弊现象很普遍；5.3%的学生认为作弊是取得好成绩的捷径；考试前准备作弊以及考试过程中可能随机作弊的学生各占36%和21%。这些数据，在一定程度上反映了高校大学生考试作弊现象的严重性。 2.毕业后不还助学贷款国家助学贷款是党中央、国务院在社会主义市场经济条件下，利用金融手段完善我国普通高校资助政策体系，加大对普通高校贫困家庭学生资助力度所采取的一项重大措施。借款学生通过学校向银行申请贷款，用于弥补在校学习期间学费、住宿费和生活费的不足，毕业后分期偿还，这项政策深受广大学生欢迎。然而有些学生却恶意拖欠学费，不按时归还国家助学贷款，还想当然地认为国家的便宜不占白不占，能晚还一天是一天。这种心态和做法不仅影响自身信用、学校声誉,而且将直接影响该校后面的困难学生申请贷款工

会计诚信缺失的原因及对策

会计诚信缺失的原因及对策诚信是市场经济的基石，是行业发展之源，会计工作之本。近年来，国内外一系列会计造假事件引起了社会公众对会计诚信问题的普遍关注，会计行业遇到了前所未有的"诚信危机",主要表现在：会计核算失真，有账无实、账实不符，会计信息不真，有多套账等。它的出现，败坏了社会风气，扰乱了正常的经济秩序，不仅对证券市场和投资者造成巨大的伤害，也给国家和人民造成重大损失，极大地影响了国民经济的持续、稳定、协调发展，成为阻碍我国市场经济顺利发展的巨大障碍。如何维护会计中的诚信原则，是我国目前亟待解决的会计问题。一、会计诚信缺失的原因 1.企业产权制度不合理，造成委托人“虚位” 由于企业所有权与经营权分离，代理人以企业法定代表人的身份独立自主地对企业资源进行经营活动，代理人成了企业的“内部人”，而委托人则成了“外部人”。一旦委托人变得远离企业或者根本找不到确定的真正代表，那么会计诚信就失去了动力和约束力，经营者为了其短期利益使得会计造假行为愈演愈烈。 2.会计从业人员与会计执业机构缺少独立性，导致监管

机制失灵 ①会计人员缺少独立性地位。我国目前的会计人员隶属于所服务的单位，在会计核算和决策的过程当中，会计人员总是要听从管理当局的控制和指挥。一些单位的领导人干扰会计人员依法行使职权，授意、指使、强令篡改会计数据，假造账册，账外设账。在这种情况下，会计人员除了无奈之外，已别无选择。 ②注册会计师与事务所缺少独立性地位。我国当前审计市场的特点是事务所数量多、规模小、集中度低、竞争激烈。为了生存，有些会计师事务所一方面降低审计收费，另一方面不断靠拉关系、走门子来争夺客户资源。为了不得罪客户，会计师事务所不得不以降低审计质量为代价，与上市公司管理当局“合作”。在这种背景下，注册会计师不但起不到应有作用，反而变成了“拿人钱财，替人消灾”的工具，使得会计诚信进一步缺失。民事赔偿机制不健全。在我国，《证券法》对股票发行人未按有关规定披露有关信息，或者披露的信息有虚假记载、误导性陈述或者有重大遗漏规定了行政和刑事责任，但没有提到民事赔偿问题，难以使违规者受到严厉的经济处罚。此外，我国会计师事务所普遍采取有限责任制，即使会计师事务所违反本法规定给委托人、其他利害关系人造成损失，事务所出资人也仅承担有限责任，这对注册会计师构不

目前我国社会诚信缺失的表现和原因-文档

目前我国社会诚信缺失的表现和原因、当前我国社会诚信缺失的表现人们之所以普遍关注诚信，社会呼唤诚信，除了社会诚信直接关系人们社会生活的切身利益的根本原因之外，当前，社会诚信缺失现象普遍存在及严重程度，则是十分重要的现实原因。这类诚信缺失，可主要归纳为以下几个方面。 1、腐败大案频发，社会矛盾复杂突出。近年来，一些官员腐败案件屡屡发生，党和政府的反腐倡廉取得了巨大成绩，但暴露出的大案、要案，金额之巨、层次之高，令社会大为震惊。王益、黄瑶、许宗衡、张春江、刘志军等腐败分子，以权谋私、贪污腐化，情节严重、性质恶劣。一些官员不作为、乱作为或工作方法简单等而导致对抗基层政权的群体性、恶性事件频发。一些政府部门政出多门，矛盾不一，公开、公平、公正性不够，导致社会舆论纷然不一。有的地方由于社会分配不公，贫富差距拉大、体制改革利益受损等引发的部分有关利益阶层诉求不断，上访连连，以至发展成群体事件。这些已经严重败坏了党的声誉，损害了人民政府的形象，极大影响了政府管理行为的可信度和公信力。 2、经营行为唯利是图，社会责任缺失。具体表现为：一是不守信用。主要体现在不认真履行合同，包括供货合同、贷款合同、用工合同、工程合同等。二是制假卖假。假药、假酒、假烟、

毒奶、毒米、毒胶囊、黑心棉、注水肉横溢市场，屡禁不止。三是恶意欺诈。利用假合同、假票据诈骗企业和银行资金，利用假广告坑害消费者，利用“假破产”方式逃废银行债务，一些无良企业频频曝光，商业欺诈现象屡禁不止，假冒伪劣产品层出不穷，丧失起码的诚信底线，这些不单是诚信缺失问题，而是严重的犯罪行为。四是财务失真。编制虚假财务报表隐瞒利润，逃税漏税；有的上市公司掩盖经营亏损，披露虚假财务信息，虚高利润，骗取业绩，误导投资者。 3、人际关系庸俗功利，坦诚不足，戒防有余。人与人之间的接触，正常的情感越来越淡薄，功利性趋强，多带上“面罩” 和“标签”，社会存在决定社会意识，人与人之间越来越缺乏基本的互信，坦诚不足，戒防有余。 4、职业道德污浊于名利私欲，潜规则横行。教育界、学术界、文艺界、体育界以及中介机构风气污化，不少从业人员职业操守下降，潜规则替代了规章制度，名利金钱主导所言所行，拜金主义泛滥。文凭造假、考试作弊，硕士、博士、博士后、院士等学位、职称空前贬值。二、当前社会诚信缺失的危害在当前我国经济加速转型、社会深刻变革的过程中，由于些人诚信意识淡薄、信用监督机制不健全、失信成本过低等原因，社会诚信不彰且严重缺失行为像“沙尘暴”一样吞噬着信用的绿洲”，这类社会诚信缺失现象的存在和蔓延，于党、于国、于民危害甚大。第一，损害党和政府的形象和执政能力。在社会诚信危机中, 政府诚信缺失是最有杀伤力和影响力的。因为这关系到党的形象和执政地位的巩固，关系到党领导的人民政府管理国家、经济和社会事务的能力和水平，关系到人民群众信任、拥护、服从党和政府领导和管理的大问题。第二，破坏经济和社会秩序的健康运行。当前，我国正处于建立和完善社会主义市场经济体制的转型时期，市场经济就是信用经济、法制经济，诚信是基石，法制是保障。如果社会普遍面临诚信危机，人与人之间不信任，企业不讲信用，政府缺乏公信力，那么整个国家的管

回归中缺失值处理方法

若选择“全部”，即将所有的观察值作为临近点。 ③Median of nearby points：表示利用邻近点的中位数作为替代值。数据指定方法同上。 ④Linear interpolation：为线性插值法，表示利用缺失值前后两时点数据的某种线性组合进行填补，是一种加权平均。线性插值法应用线性插值法填补缺失值。用该列数据缺失值前一个数据和后一个数据建立插值直线，然后用缺失点在线性插值函数的函数值填充该缺失值。如果前后值有一个缺失，则得不到缺失值的替换值。 ⑤Linear trend at point：为线性趋势值法，表示利用回归拟合线的拟合值作为替代值。缺失点处的线性趋势法应用缺失值所在的整个序列建立线性回归方程，然后用该回归方程在缺失点的预测值填充缺失值。 *注意：如果序列的第一个和最后一个数据为缺失值，只能利用序列均值和线性趋势值法处理，其他方法不适用。

回归中缺失值处理方法

回归中缺失值处理方法文稿归稿存档编号：[KKUY-KKIO69-OTM243-OLUI129-G00I-FDQS58-

在《SPSS统计分析方法及应用》一书中，对时间序列数据缺失处理给出了几种解决方法，可以供我们设计的时候参考：新生成一个由用户命名的序列，选择处理缺失值的替代方法，单击Change按钮。替代方法有以下几种： ①Series mean：表示用整个序列的均值作为替代值。 ②Mean of nearby points：表示利用邻近点的均值作为替代值。对此用Span of nearby points框指定数据段。在Number后输入数值k，以表示缺失值为中心，前后分别选取k个数据点。这样填补的值就是由这2k 个数的平均数。也可以选择All，作用同Series mean选项。 “附（邻）近点的跨度”：系统默认的是2，即缺失值上下两个观察值作为范围。若选择“全部”，即将所有的观察值作为临近点。 ③Median of nearby points：表示利用邻近点的中位数作为替代值。数据指定方法同上。 ④Linear interpolation：为线性插值法，表示利用缺失值前后两时点数据的某种线性组合进行填补，是一种加权平均。线性插值法应用线性插值法填补缺失值。用该列数据缺失值前一个数据和后一个数据建立插值直线，然后用缺失点在线性插值函数的函数值填充该缺失值。如果前后值有一个缺失，则得不到缺失值的替换值。 ⑤Linear trend at point：为线性趋势值法，表示利用回归拟合线的拟合值作为替代值。缺失点处的线性趋势法应用缺失值所在的整个序列建立线性回归方程，然后用该回归方程在缺失点的预测值填充缺失值。

社会诚信缺失问题的原因分析及其对策

社会诚信缺失问题的原因分析及其对策班级：12经贸英语2班学号：12090316 姓名：王婷【摘要】随着社会的发展，诚信已不仅是一种伦理范畴，而是在伦理范畴的基础上，又赋予了法制内涵，实现由道德自律向法律规制的转化，最终筑就诚实守信这一道德准则的法律化。中国当前社会诚信状况令人忧心。国若无信，国何以堪？在中国特色社会主义市场经济的实践中，如何实现传统诚信的现代化转化，重新确立起人们对现代诚信文化的信仰，进而推动社会诚信体系的真正建立，始终是中国现代社会转型过程中的一个重大课题。本文通过对当前社会诚信现状及问题的分析并进一步探讨其原因，提出前加强社会诚信建设的对策建议。【关键词】诚信缺失现状原因对策一：当前社会诚信的现状及其导致的问题（一）：现状为了解当前中国社会诚信状况，《瞭望》新闻周刊联合国内专业调查研究机构于２０１１年２月１１日至２月１４日，在北京、上海、广州、杭州、成都５个大中城市展开了民意调查。数据显示，被访者对当前中国社会诚信状况总体评价较低，仅有4.8%的被访者评价“好”48.7%评价“一般”接近半数46.6%被访者认为社会诚信状况“差”甚至“很差”。对此数据持质疑态度的同时，也许更多的是一种反思。诚信缺失导致了一系列严重的社会问题。这些问题不仅仅加大社会的运行成本，引发整个社会的信任危机，扰乱正常的社会经济秩序，严重者甚至会影响社会的安定。从诚信主体来看，社会诚信主要包括政府诚信、企业诚信和个人诚信。这三类主体在当前社会的诚信指数均不乐观。当前社会存在着各类诚信问题，政府有的单位制造虚假增长指数者，企业界有的企业制造假冒伪劣产品者，教育领域有的院校学术造假者，等等。有研究者对政府诚信缺失方面进行了归纳，主要体现为有的地方政府或有的部门政策多变、不守承诺、随意性大、暗箱操作、弄虚作假、欺上瞒下、虚报成绩等。企业诚信缺失主要方面表现在：有的企业任意逃废银行债务，银企之间陷入信用危机；企业之间失信赖账，商业信用日趋萎缩；制造和销售假冒伪劣商品，严重损害消费者利益；会计人员做假账，提供虚假财务报告，发布虚假财务信息，误导投资者和消费者；偷税、漏税、走私、骗汇、骗取出口退税屡禁不止。政府和企业是由人组成的，作为个体的人

我国社会诚信面临的主要问题及其成因

我国社会诚信面临的主要问题及其成因改革开放三十多年来，我国社会主义市场经济迅速发展，取得了令世人瞩目的辉煌成就，同时也衍生出一系列新的社会矛盾和社会问题。其中，社会诚信缺失问题就是政府高度重视、民众普遍关注的社会问题之一。胡锦涛同志在党的十八大报告中就指出：“一些领域存在道德失范、诚信缺失现象。”诚信缺失必然会干扰我国社会主义市场经济的自我完善过程，阻碍我国社会文明和社会和谐的建构。因此，我们必须正视我国诚信缺失的现状，深刻认识其危害性，深入把握现代社会中诚信缺失的社会原因，从而更加有力的治理诚信缺失问题。广义的说，我国社会诚信面临的主要问题主要分为四大领域信用缺失问题，包括企业信用缺失、个人信用缺失、政府信用缺失、司法公信力缺失等问题，每个领域的信用缺失问题都能造成十分严重的后果，企业信用缺失会造成巨大经济损失，个人信用缺失则会加剧社会不信任，政府信用缺失会影响政府公信力，而司法公信力缺失滋生腐败犯罪，无论是其中的哪一种都会成为我国建设中国特色社会主义的道路上绊脚石。狭义的说，我国社会诚信面临的主要问题可以细分为五个部分。其一，商业信用危机。毁约、违约、欺诈签约、恶意骗约的商业流氓行为屡见不鲜，其存在和蔓延不仅破坏了市场信用的健康发展，而且导致了市场交易风险加大。其二，产品信用危机。假冒伪劣产品盛行，而且品种多、数量大、范围广，在有些地区，有些领域泛滥成灾。

其三，金融信用危机。信贷是信用的基本方式，信贷的循环状况也是衡量社会信用的一个尺度。而现在，金融生活领域中，集资诈骗、货款诈骗、票据诈骗等不断增加，甚至出现了假借各种名目脱逃银行债务的行为。最后，官员信用危机。极少数领导干部口是心非，言行不一，弄虚作假，欺上瞒下，不务实效。如“以实掩虚”搞形象工程，上“短平快”项目，还有极少数官员滥用公共权力以谋取私人之利，这种权力腐败极大地污染了社会诚信，也影响到政府的诚信。我国社会诚信缺失问题已经十分严峻，深究其原因可以分为几个部分。首先，从经济上看，诚信缺失问题是市场经济建立过程中产生的负面影响。我国经济体制改革的目标是建立社会主义市场经济体制，从原来的计划体制向市场体制转变。在这一经济体制的转型中，一方面，市场经济优胜劣汰的平等、公平竞争原则，效率优先、讲究盈利的原则，调动了生产经营者的积极性、创造性;但另一方面也诱发了人们的求利心理，在追求利益最大化目的驱使下，有的人里市场经济的行为规范于不顾，甚至公然践踏、破坏这些原则来获取不义之财、不当之利，这使得以诚信为本的现代市场经济原则严重失范。其次，从政治上看，政务诚信的漏洞和监管失策也是我国社会诚信缺失问题的成因之一。社会诚信包括政务诚信、商务诚信、个人诚信三方面，而关键还是政务诚信，或者说国家主权信用起到主导作用。这是因为政府既是社会信用制度的制定者、执行者和维护者，又是公共信用的示范者，由此决定了政务诚信在社会信用体系中处于核心地位。如果政府不讲诚信，企业诚信就难以做到，个人诚信就更无从谈

民营企业诚信缺失的原因及对策分析(一)

民营企业诚信缺失的原因及对策分析(一) 摘要]诚信是企业重要的无形资产,具有道德、法律和经济学方面的价值.研究民营企业诚信问题是不仅有助于提高民营企业的经济效益和社会效益，而且有助于解决全社会诚信缺失问题。本文从分析民营企业诚信缺失的现状出发，具体分析了民营企业经营过程中出现诚信问题的原因，并在此基础上，提出了解决民营企业诚信问题的几点思路。关键词]民营企业信用利益 “人无信不立,政无信不威,商无信不富”，商业社会的发展,最需要的是诚信。信用经济是市场经济发展的高级形态，随着市场经济的不断发展，诚信问题也越来越为人们所重视。目前民营企业在诚信经营方面存在大量的问题，一些民营企业信用恶化、失信已成为当前企业发展中的一个制约因素。本文拟就民营企业在经营过程中诚信缺失的原因进行了剖析。一、民营企业诚信缺失表现 1.缺少对消费者的诚信其突出表现在，一些民营企业缺乏必要的诚信经营观念，宁愿选择不讲诚信损害消费者利益来追求企业最大利润，在经营活动中只考虑自己眼前的现实利益，不考虑消费者利益，坑蒙拐骗，尔虞我诈，以次充好，广告虚假，商品质量差，价格欺诈任意宰杀消费者等等不诚信行为。 2.缺少对企业员工的诚信民营企业对员工不诚信是很普遍一个现象。民营企业主拖欠、私扣员工工资、不签劳动合同，或者说有合同却不遵守成为常有的现象，这些给民营企业的经营者带来极大的收益的同时，却给民营企业的员工带来了极大的心理伤害。 3.缺少对客户的诚信人们不难发现，在有的民营企业家“财大气粗”的背后，实质是“赖账不还”：要么赖供应商之债，要么赖银行、信用社之债。而且还“悠闲自在”、“心安理得”，不以为耻，反以为荣，国家每年税收流失非常严重拖欠，交易违约现象严重。 4.财务资料虚假有些民营企业为了融资，少缴税，不惜一切代价粉饰财务报表、甚至造假，财务数据脱离了企业的基本经营状况。平常的经营中，总有那么一些民营企业家，绞尽脑汁偷税、漏税，以获取自己的收益。二、民营企业诚信缺失成因分析 1.民营企业缺少公平的市场竞争环境，融资困难建立社会主义市场经济的今天，企业的性质发生了很大的变化，存在多种所有制经济成分并存，而每种成分的企业所担负的社会义务不同，所享受的国家政策也大相径庭，但却要在统一的市场经济条件下竞争，这种竞争环境不公平的存在和竞争能力的差异，以及如何取得市场的“信任”的压力，迫使民营企业管理者在企业的生存发展上绞尽脑汁，挖空心思，客观上也造成了他们的违规违法行为。另外，长期以来，民营企业在资本市场直接融资方面确实有被“歧视”的现象比如一些民营企业向银行借贷常受到歧视，他们不能像国企那样通过正常渠道就可以从银行贷到款，既然无法通过正常的渠道获得贷款，于是就常常出现民营业主通过走后门、拉关系的不正当渠道获得贷款，甚至骗贷款等等不诚信的行为。 2.民营企业失信成本过低当绝大多数企业都讲诚信时，少数企业不讲诚信就会受到严厉的惩罚。但是，当大多数企业不讲诚信，只有少数企业讲诚信时，少数讲诚信的企业只能是单方面受损。如果被查处的概率很低，而且处罚也不重，那就是说犯罪被惩罚的成本低，犯罪的人就会增加。在这种情况下，单个民营企业经营者坚持诚信可以看作是一种风险，企业也就没有坚持诚信的动力。由

政府诚信缺失及原因分析

试论政府诚信建设摘要：目前地方政府诚信缺失的现象是与建设服务型政府、发展社会主义市场经济和构建社会主义和谐社会的要求极不适应的。如何增强地方政府诚信，进而实现服务型政府建设目标，是当前的一个大问题。本文从实际出发，结合自己十几年的工作经历，见证了一些地方政府诚信缺失的现状，并对造成这种诚信缺失的原因作了浅要的分析。经过20多年的摸索，中国逐渐破除了社会主义与市场经济不能兼容的传统观念，并确认以建立社会主义市场经济体制改革为目标。在进行社会主义市场经济建设过程中，中国的经济发展取得了举世瞩目的成就。然而，在经济飞速发展的同时，作为现代市场经济发展的道德基础和可靠保证——诚信，却在经济发展中有着不同程度的缺失，这对我国市场经济的健康、持续发展是十分不利的，也与构建社会主义和谐社会的宏伟蓝图极不适应。参加工作十几年来，我结合自己的切身感受，对造成这种诚信缺失的原因作了简要的分析。一、地方政府诚信缺失的表现改革开放以来，我国为了搞活经济，推行社会主义市场经济体制改革，国家在各项政策和法规方面体现了一个负责任、为民谋利益政府形象，但是，某些地方政府和官员在市场经济的浪潮中错误地理解了国家政府的政策倾向，为一地之利，一已之利公

然做出违背政府诚信的行为，深刻影响了我国政府在民众心中的整体诚信水平，这不得不引起我们各级地主政府的深思，这些地方政府诚信缺失的现状主要表现在以下几个方面。（一）政策朝令夕改，缺乏连续性和稳定性各级地方政府作为公众利益的代表，行使着人民群众赋予的权力，其制定的政策体现了政府的权威，应具有法律效力，不能因政府领导的更换而更换，更不能因政府的换届而失效，但在实际生活中，一些地方政府为了短期利益，在本届政府中制定了一些公共政策和优惠政策，这些政策的初衷和着眼点是好的，但是在应用中缺乏稳定性和连续性。在政策兑现方面出现断档，经常是新官不理旧事，一届政府一朝政策。所有这事状况，不仅严重打击了投资者的信心，而且在公众心中极大地损害了政府的信用。（二）腐败形势严峻，官员以权谋私随着社会经济的发展和改革开放的不断深入，政府腐败问题已成为社会的一个大问题。不少地方政府官员及行政人员将部门权力私有化，喜欢通过手中的权力以权谋私，吃拿卡要，导致各种腐败现象愈演愈烈，这已经成为影响社会主义现代化建设和政府诚信建设的最大毒瘤，在实际工作中，一些政府工作人员把投资者当成“买单”和“生财”的渠道，不但不主动为投资者搞好服务，反而经常向投资者提出不合理要求，还有不少执法司法部门和机构受利益驱使，将执法司法活动作为创收的主要手段，吃

spss缺失值处理

spss数据录入时缺失值怎么处理录入的时候可以直接省略不录入分析的时候也一般剔除这样的样本。但也有替换的方法，一般有：均值替换法(mean imputation)，即用其他个案中该变量观测值的平均数对缺失的数据进行替换，但这种方法会产生有偏估计，所以并不被推崇。个别替换法(single imputation)通常也被叫做回归替换法(regression imputation)，在该个案的其他变量值都是通过回归估计得到的情况下，这种方法用缺失数据的条件期望值对它进行替换。这虽然是一个无偏估计，但是却倾向于低估标准差和其他未知性质的测量值，而且这一问题会随着缺失信息的增多而变得更加严重。多重替代法(multiple imputation)(Rubin, 1977) 。 ?它从相似情况中或根据后来在可观测的数据上得到的缺省数据的分布情况给每个缺省数据赋予一个模拟值。结合这种方法，研究者可以比较容易地，在不舍弃任何数据的情况下对缺失数据的未知性质进行推断(Little and Rubin,1987; ubin,1987, 1996)。（一）个案剔除法(Listwise Deletion) 最常见、最简单的处理缺失数据的方法是用个案剔除法(listwise deletion)，也是很多统计软件（如SPSS和SAS）默认的缺失值处理方法。在这种方法中如果任何一个变量含有缺失数据的话，就把相对应的个案从分析中剔除。如果缺失值所占比例比较小的话，这一方法十分有效。至于具体多大的缺失比例算是“小”比例，专家们意见也存在较大的差距。有学者认为应在5%以下，也有学者认为20%以下即可。然而，这种方法却有很大的局限性。它是以减少样本量来换取信息的完备，会造成资源的大量浪费，丢弃了大量隐藏在这些对象中的信息。在样本量较小的情况下，删除少量对象就足以严重影响到数据的客观性和结果的正确性。因此，当缺失数据所占比例较大，特别是当缺数据非随机分布时，这种方法可能导致数据发生偏离，从而得出错误的结论。（二）均值替换法(Mean Imputation) 在变量十分重要而所缺失的数据量又较为庞大的时候，个案剔除法就遇到了困难，因为许多有用的数据也同时被剔除。围绕着这一问题，研究者尝试了各种各样的办法。其中的一个方法是均值替换法(mean imputation)。我们将变量的属性分为数值型和非数值型来分别进行处理。如果缺失值是数值型的，就根据该变量在其他所有对象的取值的平均值来填充该缺失的变量值；如果缺失值是非数值型的，就根据统计学中的众数原理，用该变量在其他所有对象的取值次数最多的值来补齐该缺失的变量值。但这种方法会产生有偏估计，所以并不被推崇。均值替换法也是一种简便、快速的缺失数据处理方法。使用均值替换法插补缺失数据，对该变量的均值估计不会产生影响。但这种方法是建立在完全随机缺失（MCAR）的假设之上的，而且会造成变量的方差和标准差变小。（三）热卡填充法（Hotdecking）

浅论我国当前社会诚信缺失的原因与重塑策略

西安广播电视大学开放教育行政管理专业毕业论文题目：浅论我国当前社会诚信缺失的原因与重塑策略专业层次：大专级别： 2112秋学号： 1161101532544 姓名： XXX 分校（工作站）：西安电大直属二分校指导教师： XXX XXXX年XX月XX日

浅论我国当前社会诚信缺失的原因与重塑策略 XXX （西安广播电视大学直属二分校行政管理专科，陕西省西安710100）摘要:诚信一词，最早见于史书记载的是战国时期商鞅及其后学的著作汇编《商君书》第十三章《靳令》一文中。“六虱：日礼、乐；日《诗》、《书》；曰修善，曰孝弟；曰诚信，曰贞廉；曰仁、义；曰非兵，曰羞战。”[1]商鞅是著名的法家代表，所在在他的思想里将仁义、道德、诚信定义为对国家发展不利的虱害之一。但是《商君书》也是将“诚”和“信”这两个字放在一起使用的第一部著作，这就对我们后面诚信探讨提供了基础。关键词：社会诚信；策略；探讨一诚信的起源及传承诚信是什么？从道德范畴来讲，诚信即待人处事真诚、老实、讲信誉，言必行、行必果，一言九鼎，一诺千金。在《说文解字》中的解释是：“诚，信也”，“信，诚也”[2]。可见，诚信的本义就是要诚实、诚恳、守信、有信，反对隐瞒欺诈、反对伪劣假冒、反对弄虚作假。诚，是先秦儒家提出的一个重要的伦理学和哲学概念，以后成为中国伦理思想史的重要范畴。直到孔子时期，“诚”还未形成为理论概念。孟子时不但已经形成为理论概念，而且位置十分重要。他说：“是故诚者，天之道也；思诚者，人之道也。至诚而不动者，未之有也；不诚，未有能动者也。”[3]在这里，诚不但是天道本体的最高范畴，也是做人的规律和诀窍。荀子发挥了“诚”的思想，指出它为“政事之本”。他说；“天地为大矣，不诚则不能化万物；圣人为知矣，不诚则不能化万民；父子为亲矣，不诚则疏；君上为尊矣，不诚则卑，夫诚者，君子之所守也，而政事之本也。”[4]在《礼记·中庸》里，“诚”成为礼的核心范畴和人生的最高境界：“唯天下至诚，为能尽其性；能尽其性，则能尽人之性；能尽人之性，则能尽物之性；能尽物之性，则可以赞天地之化育；可以赞天地之化育，则可以与天地参矣。”[5]至诚如神，有了诚笃的品德和态度，就可以贯通多种仁义道德，成己成人，甚至能够尽人之性，尽物之性，赞天地只化育而与天地参，达到“天人合一”的境界。《大学》把“诚意”作为八条目之一，格物，致知，诚意，正心，修身，齐家，治国，平天下。“诚”成为圣贤们体察天意，修身养性和治国平天下的重

我国社会诚信面临的主要问题及其成因

我国社会诚信面临的主要问题及其成因诚信在人们的社会生活中发挥着极其重要的作用，但由于多方面的原因，我们面临社会诚信缺失的困境，如“彭宇案”、“瘦肉精”、萝卜招聘等，这无疑对社会主义和谐社会建设造成了不良影响。社会诚信缺失的原因。当前，诚信缺失问题的原因是多方面的，如我国市场经济起步不久，体制不成熟、不完善，市场监管不力等。其中的一个关键因素是，时代和社会发展了，诚信原则植根的原有社会土壤发生了变化，而支撑诚信原则发挥作用的保障机制却没有完全跟上。计划经济条件下也存在诚信缺失问题，但在许多领域特别是经济领域表现并不突出。这除了思想和道德教育的原因之外，还与当时的历史背景、社会条件密切相关。在计划经济体制和较为封闭的社会环境下，人们之间的纵向联系多于横向联系，熟人之间的联系多于陌生人之间的联系，行政联系多于经济联系，道德责任多于经济利益。其次，在市场经济活动中，不同的市场主体对于信息的掌握存在一定的差异。这种信息不对称现象极有可能导致市场主体之间的不公平竞争，为企业的失信行为提供可乘之机，如频频见诸网络等媒体的企业以明星的虚假代言骗取消费者对其产品的信任以扩大销量等。市场经济强调物质利益，趋利成为常见的社会现象，义利冲突和矛盾也会日益增多。面对金钱和物质的诱惑，一些人坑蒙拐骗，不择手段。作为观念形态的诚信原则，在这些行为面前显得软弱无力。

当前我国社会诚信缺失是伴随着我国的经济社会转型而出现的，而社会转型时期最容易出现的就是社会失范现象，尤其是社会道德失范。在社会转型期，随着经济和社会的发展，人们的思想观念和行为等均发生了变化，这就要求有新的社会道德来约束人们的行为，但由于转型的原因，旧的社会道德对人们的行为缺乏有效的规范，而新的社会道德又没有真正形成，处于缺位的状态，在这种情况下，社会道德失范在所难免。比如，“彭宇案”判决书中关于“人怎可能有公德，怎会主动去帮助别人”的预设，使我们再次面临老人摔倒时生出“扶还是不扶”的尴尬，严重混淆了我们传统道德中所蕴含的善恶标准和是非标准，使我们在日常生活中很可能处于无道德的状态，加剧社会的诚信危机。当前，应注重从立法、司法、执法、普法等各个方面、各个环节推动诚信建设。近年来，我国积极借鉴国际上的先进经验，抓紧把诚信建设纳入法制轨道，加强法律对信用的引导作用、规范作用、保障作用，取得了积极成效。但是从总体上看，我国的诚信立法还不够完善，对诚信的规范偏向宏观，一些失信行为得不到应有的法律制裁。这就要求加快诚信相关立法步伐，尽快制定和修改完善与建立社会信用制度体系有关的法律法规，努力形成内容丰富、层次分明的诚信法律规范体系，明确规定人们在什么条件下能做什么、不能做什么以及违反它需要承担的法律后果；抓紧建立健全覆盖全社会的征信系统，包括全国统一的信用

几种常见的缺失数据插补方法

几种常见的缺失数据插补方法（一）个案剔除法(Listwise Deletion) 最常见、最简单的处理缺失数据的方法是用个案剔除法(listwise deletion)，也是很多统计软件（如SPSS和SAS）默认的缺失值处理方法。在这种方法中如果任何一个变量含有缺失数据的话，就把相对应的个案从分析中剔除。如果缺失值所占比例比较小的话，这一方法十分有效。至于具体多大的缺失比例算是“小”比例，专家们意见也存在较大的差距。有学者认为应在5%以下，也有学者认为20%以下即可。然而，这种方法却有很大的局限性。它是以减少样本量来换取信息的完备，会造成资源的大量浪费，丢弃了大量隐藏在这些对象中的信息。在样本量较小的情况下，删除少量对象就足以严重影响到数据的客观性和结果的正确性。因此，当缺失数据所占比例较大，特别是当缺数据非随机分布时，这种方法可能导致数据发生偏离，从而得出错误的结论。（二）均值替换法(Mean Imputation) 在变量十分重要而所缺失的数据量又较为庞大的时候，个案剔除法就遇到了困难，因为许多有用的数据也同时被剔除。围绕着这一问题，研究者尝试了各种各样的办法。其中的一个方法是均值替换法(mean imputation)。我们将变量的属性分为数值型和非数值型来分别进行处理。如果缺失值是数值型的，就根据该变量在其他所有对象的取值的平均值来填充该缺失的变量值；如果缺失值是非数值型的，就根据统计学中的众数原理，用该变量在其他所有对象的取值次数最多的值来补齐该缺失的变量值。但这种方法会产生有偏估计，所以并不被推崇。均值替换法也是一种简便、快速的缺失数据处理方法。使用均值替换法插补缺失数据，对该变量的均值估计不会产生影响。但这种方法是建立在完全随机缺失（MCAR）的假设之上的，而且会造成变量的方差和标准差变小。（三）热卡填充法（Hotdecking）

缺失值处理

缺失值 1. is.na 确实值位置判断注意: 缺失值被认为是不可比较的，即便是与缺失值自身的比较。这意味着无法使用比较运算符来检测缺失值是否存在。例如，逻辑测试myvar == NA的结果永远不会为TRUE。作为替代，你只能使用处理缺失值的函数（如本节中所述的那些）来识别出R数据对象中的缺失值。 2. na.omit() 删除不完整观测 manyNAs library(DMwR) manyNAs(data, nORp = 0.2) Arguments data A data frame with the data set. nORp A number controlling when a row is considered to have too many NA values (defaults to 0.2, i.e. 20% of the columns). If no rows satisfy the constraint indicated by the user, a

warning is generated. 按照比例判断缺失. 3. knnImputation K 近邻填补 library(DMwR) knnImputation(data, k = 10, scale = T, meth = "weighAvg", distData = NULL) ? 1 ? 2 Arguments Arguments data A data frame with the data set k The number of nearest neighbours to use (defaults to 10) scale Boolean setting if the data should be scale before finding the nearest neighbours (defaults to T) meth String indicating the method used to calculate the value to fill in each NA. Available values are ‘median’ or ‘weighAvg’ (the default). distData Optionally you may sepecify here a data frame containing the data set that should be used to find the neighbours. This is usefull when filling in NA values on a test set, where you should use only information from the training set. This defaults to NULL, which means that the neighbours will be searched in data Details This function uses the k-nearest neighbours to fill in the unknown (NA) values in a data set. For each case with any NA value it will search for its k most similar cases and use the values of these cases to fill in the unknowns.