R包的分类介绍

R的包分类介绍

1.空间数据分析包

1）分类空间数据（Classes for spatial data）

2）处理空间数据（Handling spatial data）

3）读写空间数据（Reading and writing spatial data）

4）点格局分析（Point pattern analysis）

5）地质统计学(Geostatistics)

6）疾病制图和地区数据分析（Disease mapping and areal data

analysis）

7）生态学分析（Ecological analysis）

2.机器学习包

1）神经网络（Neural Networks）

2）递归拆分（Recursive Partitioning）

3）随机森林（Random Forests）

4）Regularized and Shrinkage Methods

5）Boosting

6）支持向量机（Support Vector Machines）

7）贝叶斯方法（Bayesian Methods）

8）基于遗传算法的最优化（Optimization using Genetic Algorithms）9）关联规则（Association Rules）

10）模型选择和确认（Model selection and validation）

11）统计学习基础（Elements of Statistical Learning）

3.多元统计包

1）多元数据可视化（Visualising multivariate data）

2）假设检验（Hypothesis testing）

3）多元分布（Multivariate distributions）

4）线形模型（Linear models）

5）投影方法（Projection methods）

6）主坐标/尺度方法（Principal coordinates / scaling methods）7）无监督分类（Unsupervised classification）

8）有监督分类和判别分析（Supervised classification and

discriminant analysis）

9）对应分析（Correspondence analysis）

10）前向查找（Forward search）

11）缺失数据（Missing data）

12）隐变量方法（Latent variable approaches）

13）非高斯数据建模（Modelling non-Gaussian data）

14）矩阵处理（Matrix manipulations）

15）其它（Miscellaneous utitlies）

4.药物（代谢）动力学数据分析

5.计量经济学

1）线形回归模型（Linear regression models）

2）微观计量经济学（Microeconometrics）

3）其它的回归模型（Further regression models）

4）基本的时间序列架构（Basic time series infrastructure）

5）时间序列建模（Time series modelling）

6）矩阵处理（Matrix manipulations）

7）放回再抽样（Bootstrap）

8）不平等（Inequality）

9）结构变化（Structural change）

10）数据集（Data sets）

1.R分析空间数据（Spatial Data）的包主要包括两部分：

1）导入导出空间数据

2）分析空间数据

功能及函数包：

1）分类空间数据（Classes for spatial data）：

包sp（https://www.360docs.net/doc/f318140511.html,/web/packages/sp/index.html）为不同类型的空间数据设计了不同的类，如：点（points）,栅格（grids），线（lines）,环（rings），多边形（polygons）。另外sp提供总结数据，获取坐标等功能；提供画图函数，并且允许在图上添加空间元素（spatial elements）和参考元素（reference elements），如：比例尺（scale bar），指北针（north arrows）等。现在很多包都利用了sp包中的类，如：rgdal，maptools。

2）处理空间数据（Handling spatial data）：

spsurvey包提供做概率抽样的函数

（https://www.360docs.net/doc/f318140511.html,/web/packages/spsurvey/index.html）；trip包扩展sp包的类，针对动物跟踪数据

（https://www.360docs.net/doc/f318140511.html,/web/packages/trip/index.html）；hdeco包用等级分解熵比较类型地图（categorical map）

（https://www.360docs.net/doc/f318140511.html,/web/packages/hdeco/index.html）；GeoXp包允许交互式的分析空间数据

（https://www.360docs.net/doc/f318140511.html,/web/packages/GeoXp/index.html）。

3）读写空间数据（Reading and writing spatial data）：

图像有向量式绘图和光栅式两种。Rgdal可以读入和导出GDAL支持的光栅式格式（https://www.360docs.net/doc/f318140511.html,/）和OGR（https://www.360docs.net/doc/f318140511.html,/ogr/）支持的向量格式（https://www.360docs.net/doc/f318140511.html,/web/packages/rgdal/index.html）。ncdf 包用来处理NetCDF文件

（https://www.360docs.net/doc/f318140511.html,/web/packages/ncdf/index.html）；maps包可连接一些地理学数据库并展示地理图

（https://www.360docs.net/doc/f318140511.html,/web/packages/maps/index.html）；RArcInfo 包可读取ArcInfo v.7二进制文件和*.e00文件

（https://www.360docs.net/doc/f318140511.html,/web/packages/RArcInfo/index.html）；maptools 包管理和读入地理数据，也为PBSmapping包、spatsta包和sp类提供接口函数

（https://www.360docs.net/doc/f318140511.html,/web/packages/maptools/index.html），还可以通到GSHHS 数据库；classInt包为专题地图制图选择单变量的类间距

（https://www.360docs.net/doc/f318140511.html,/web/packages/classInt/index.html）；gmt包

提供R和GMT 绘图软件的接口

（https://www.360docs.net/doc/f318140511.html,/web/packages/gmt/index.html）。

4）点格局分析（Point pattern analysis）：

spatstat包做空间点分布型态(Spatial Point Patterns)分析，长处在于模型拟合和仿真（https://www.360docs.net/doc/f318140511.html,/web/packages/spatstat/index.html）；spatgraphs包提供点格局的可视化图形

（https://www.360docs.net/doc/f318140511.html,/web/packages/spatgraphs/index.html）；splancs包允许分析多边形区域，包括很多种方法，如：2维核密度

（https://www.360docs.net/doc/f318140511.html,/web/packages/splancs/index.html）；ecespa

包提供书"Introduccion al Analisis Espacial de Datos en Ecologia y Ciencias Ambientales: Metodos y Aplicaciones"里用的点格局分析函数和数据

（https://www.360docs.net/doc/f318140511.html,/web/packages/ecespa/index.html）；aspace

包计算空间中心统计（centrographic satistics）和最小凸多边形

（https://www.360docs.net/doc/f318140511.html,/web/packages/aspace/index.html）；spatialkernel包做多元数据的非参核密度估计和核回归估计

（https://www.360docs.net/doc/f318140511.html,/web/packages/spatialkernel/index.html）。5）地质统计学(Geostatistics) ：

gstat包做单变量和多变量地质统计，适合于大的数据集

（https://www.360docs.net/doc/f318140511.html,/web/packages/gstat/index.html）；geoR包（用贝叶斯模型，https://www.360docs.net/doc/f318140511.html,/web/packages/geoR/index.html）

和geoRglm 包（用线性模型，

https://www.360docs.net/doc/f318140511.html,/web/packages/geoRglm/index.html）做基于模

型的地质统计；fields包也提供许多类似的函数

（https://www.360docs.net/doc/f318140511.html,/web/packages/fields/index.html）；spBayes

包用蒙特卡洛一马尔科夫链方法（MCMC）做单变量和多变量的高斯模型

（https://www.360docs.net/doc/f318140511.html,/web/packages/spBayes/index.html）。RandomFields包模拟和分析随机场

（https://www.360docs.net/doc/f318140511.html,/web/packages/RandomFields/index.html）；tripack包用于不规则数据的三角测量法

（https://www.360docs.net/doc/f318140511.html,/web/packages/tripack/index.html）；akima包用于不规则数据的线性或三次样条插值

（https://www.360docs.net/doc/f318140511.html,/web/packages/akima/index.html）；spatialCovariance包计算矩形数据的空间协方差矩阵

（https://www.360docs.net/doc/f318140511.html,/web/packages/spatialCovariance/index.html ）……。

6）疾病制图和地区数据分析（Disease mapping and areal data analysis）：DCluster包用计数数据探测疾病的空间聚类，计算空间权重，测试空间自相关，建立空间回归模型等

（https://www.360docs.net/doc/f318140511.html,/web/packages/DCluster/index.html）；spgwr

包做地理加权回归模型，检测平稳性

（https://www.360docs.net/doc/f318140511.html,/web/packages/spgwr/index.html）；spatclus 包（https://www.360docs.net/doc/f318140511.html,/web/packages/spatclus/index.html）。spatclus包探测2维或3维空间点分布的任意形状的聚类

（https://www.360docs.net/doc/f318140511.html,/web/packages/spatclus/index.html）。

7）生态学分析（Ecological analysis）：

R有很多分析生态和环境数据的包。如：grasp包用GAM模型(灰色代数曲线型模型)做环境预报

（https://www.360docs.net/doc/f318140511.html,/web/packages/grasp/index.html）；ade4包用做环境科学里的探索和欧几里德方法

（https://www.360docs.net/doc/f318140511.html,/web/packages/ade4/index.html）；adehabitat 包分析动物的栖息地选择

（https://www.360docs.net/doc/f318140511.html,/web/packages/adehabitat/index.html）；pastecs包做时空序列的分解和分析

（https://www.360docs.net/doc/f318140511.html,/web/packages/pastecs/index.html）；vegan 包做群落和植被生态学中的排序方法

（https://www.360docs.net/doc/f318140511.html,/web/packages/vegan/index.html）；WeedMap 包做空间预测

（https://www.360docs.net/doc/f318140511.html,/web/packages/WeedMap/index.html）；clustTool包做聚类分析

（https://www.360docs.net/doc/f318140511.html,/web/packages/clustTool/index.html）。更多资料见：https://www.360docs.net/doc/f318140511.html,/web/views/Environmetrics.html。

2. 机器学习& 统计学习（Machine Learning & Statistical Learning）网址：https://www.360docs.net/doc/f318140511.html,/web/views/MachineLearning.html维护人员：Torsten Hothorn

版本：2008-02-18 18:19:21

翻译：R-fox, 2008-03-18

机器学习是计算机科学和统计学的边缘交叉领域，R关于机器学习的包主要包括以下几个方面：

1）神经网络（Neural Networks）：

nnet包执行单隐层前馈神经网络，nnet是VR包的一部分

（https://www.360docs.net/doc/f318140511.html,/web/packages/VR/index.html）。

2）递归拆分（Recursive Partitioning）：

递归拆分利用树形结构模型，来做回归、分类和生存分析，主要在rpart包（https://www.360docs.net/doc/f318140511.html,/web/packages/rpart/index.html）和tree包（https://www.360docs.net/doc/f318140511.html,/web/packages/tree/index.html）里执行，尤其推荐rpart包。Weka里也有这样的递归拆分法，如：J4.8, C4.5, M5，包Rweka 提供了R与Weka的函数的接口

（https://www.360docs.net/doc/f318140511.html,/web/packages/RWeka/index.html）。

party包提供两类递归拆分算法，能做到无偏的变量选择和停止标准：函数ctree()用非参条件推断法检测自变量和因变量的关系；而函数mob()能用来建立参数模型（https://www.360docs.net/doc/f318140511.html,/web/packages/party/index.html）。另外，party

包里也提供二分支树和节点分布的可视化展示。

mvpart包是rpart的改进包，处理多元因变量的问题

（https://www.360docs.net/doc/f318140511.html,/web/packages/mvpart/index.html）。

rpart.permutation包用置换法（permutation）评估树的有效性

（https://www.360docs.net/doc/f318140511.html,/web/packages/rpart.permutation/index.htm l）。knnTree包建立一个分类树，每个叶子节点是一个knn分类器

（https://www.360docs.net/doc/f318140511.html,/web/packages/knnTree/index.html）。LogicReg包做逻辑回归分析，针对大多数自变量是二元变量的情况

（https://www.360docs.net/doc/f318140511.html,/web/packages/LogicReg/index.html）。maptree包

（https://www.360docs.net/doc/f318140511.html,/web/packages/maptree/index.html）和pinktoe包（https://www.360docs.net/doc/f318140511.html,/web/packages/pinktoe/index.html）提供树结构的可视化函数。

3）随机森林（Random Forests）：

randomForest包提供了用随机森林做回归和分类的函数

（https://www.360docs.net/doc/f318140511.html,/web/packages/randomForest/index.html）。ipred包用bagging的思想做回归，分类和生存分析，组合多个模型

（https://www.360docs.net/doc/f318140511.html,/web/packages/ipred/index.html）。party包也提供了基于条件推断树的随机森林法

（https://www.360docs.net/doc/f318140511.html,/web/packages/party/index.html）。varSelRF

包用随机森林法做变量选择

（https://www.360docs.net/doc/f318140511.html,/web/packages/varSelRF/index.html）。

4）Regularized and Shrinkage Methods：

lasso2包（https://www.360docs.net/doc/f318140511.html,/web/packages/lasso2/index.html）

和lars包（https://www.360docs.net/doc/f318140511.html,/web/packages/lars/index.html）可以执行参数受到某些限制的回归模型。elasticnet包可计算所有的收缩参数

（https://www.360docs.net/doc/f318140511.html,/web/packages/elasticnet/index.html）。glmpath包可以得到广义线性模型和COX模型的L1 regularization path （https://www.360docs.net/doc/f318140511.html,/web/packages/glmpath/index.html）。penalized包执行lasso (L1) 和ridge (L2)惩罚回归模型（penalized regression models）（https://www.360docs.net/doc/f318140511.html,/web/packages/penalized/index.html）。pamr包执行缩小重心分类法(shrunken centroids classifier)

（https://www.360docs.net/doc/f318140511.html,/web/packages/pamr/index.html）。earth包可做多元自适应样条回归（multivariate adaptive regression splines）

（https://www.360docs.net/doc/f318140511.html,/web/packages/earth/index.html）。

5）Boosting :

gbm包（https://www.360docs.net/doc/f318140511.html,/web/packages/gbm/index.html）和boost包（https://www.360docs.net/doc/f318140511.html,/web/packages/boost/index.html）执行多种多样的梯度boosting算法，gbm包做基于树的梯度下降boosting，boost 包包括LogitBoost和L2Boost。GAMMoost包提供基于boosting的广义相加模型(generalized additive models)的程序

（https://www.360docs.net/doc/f318140511.html,/web/packages/GAMMoost/index.html）。mboost包做基于模型的boosting

（https://www.360docs.net/doc/f318140511.html,/web/packages/mboost/index.html）。

6）支持向量机（Support Vector Machines）：

e1071包的svm()函数提供R和LIBSVM的接口

（https://www.360docs.net/doc/f318140511.html,/web/packages/e1071/index.html）。kernlab 包为基于核函数的学习方法提供了一个灵活的框架，包括SVM、RVM……(https://www.360docs.net/doc/f318140511.html,/web/packages/kernlab/index.html) 。klaR包提供了R和SVMlight的接口

（https://www.360docs.net/doc/f318140511.html,/web/packages/klaR/index.html）。

7）贝叶斯方法（Bayesian Methods）：

BayesTree包执行Bayesian Additive Regression Trees (BART)算法

（https://www.360docs.net/doc/f318140511.html,/web/packages/BayesTree/index.html，https://www.360docs.net/doc/f318140511.html,/~edgeorge/Research_papers/BAR T%206--06.pdf）。tgp包做Bayesian半参数非线性回归（Bayesian nonstationary, semiparametric nonlinear regression）

（https://www.360docs.net/doc/f318140511.html,/web/packages/tgp/index.html）。

8）基于遗传算法的最优化（Optimization using Genetic Algorithms）：gafit包（https://www.360docs.net/doc/f318140511.html,/web/packages/gafit/index.html）和rgenoud包

（https://www.360docs.net/doc/f318140511.html,/web/packages/rgenoud/index.html）提供基于遗传算法的最优化程序。

9）关联规则（Association Rules）：

arules包提供了有效处理稀疏二元数据的数据结构，而且提供函数执Apriori和Eclat算法挖掘频繁项集、最大频繁项集、闭频繁项集和关联规则

（https://www.360docs.net/doc/f318140511.html,/web/packages/arules/index.html）。

10）模型选择和确认（Model selection and validation）：

e1071包的tune()函数在指定的范围内选取合适的参数

（https://www.360docs.net/doc/f318140511.html,/web/packages/e1071/index.html）。ipred包的errorest()函数用重抽样的方法（交叉验证，bootstrap）估计分类错误率（https://www.360docs.net/doc/f318140511.html,/web/packages/ipred/index.html）。svmpath 包里的函数可用来选取支持向量机的cost参数C

（https://www.360docs.net/doc/f318140511.html,/web/packages/svmpath/index.html）。ROCR 包提供了可视化分类器执行效果的函数，如画ROC曲线

（https://www.360docs.net/doc/f318140511.html,/web/packages/ROCR/index.html）。caret包供了各种建立预测模型的函数，包括参数选择和重要性量度

（https://www.360docs.net/doc/f318140511.html,/web/packages/caret/index.html）。caretLSF 包（https://www.360docs.net/doc/f318140511.html,/web/packages/caretLSF/index.html）和caretNWS

（https://www.360docs.net/doc/f318140511.html,/web/packages/caretNWS/index.html）包提供了与caret包类似的功能。

11）统计学习基础（Elements of Statistical Learning）：

书《The Elements of Statistical Learning: Data Mining, Inference, and Prediction 》（https://www.360docs.net/doc/f318140511.html,/~tibs/ElemStatLearn/）里的数据集、函数、例子都被打包放在ElemStatLearn包里

（https://www.360docs.net/doc/f318140511.html,/web/packages/ElemStatLearn/index.html）。

3.多元统计（Multivariate Statistics）

网址：https://www.360docs.net/doc/f318140511.html,/web/views/Multivariate.html

维护人员：Paul Hewson

版本：2008-02-08

翻译：R-fox, 2008-04-04

基本的R包已经实现了传统多元统计的很多功能，然而CRNA的许多其它包提供了更深入的多元统计方法，下面做个简要的综述。多元统计的特殊应用在CRNA的其它任务列表（task view）里也会提及，如：排序（ordination）会在Environmetrics （https://www.360docs.net/doc/f318140511.html,/web/views/Environmetrics.html）里说到；有

监督的分类方法能在MachineLearning

（https://www.360docs.net/doc/f318140511.html,/web/views/MachineLearning.html）里找到；

无监督的分类在Cluster（https://www.360docs.net/doc/f318140511.html,/web/views/Cluster.html）里。

这里要综述的包主要分为以下几个部分：

1）多元数据可视化（Visualising multivariate data）：

绘图方法：

基本画图函数（如：pairs()、coplot()）和lattice包里的画图函数（xyplot()、splom()）可以画成对列表的二维散点图，3维密度图。car包里的

scatterplot.matrix()函数提供更强大的二维散点图的画法。cwhmisc包集合里的cwhplot包的pltSplomT()函数类似pair()画散点图矩阵，而且可以在对角位置画柱状图或密度估计图。除此之外，scatterplot3d包可画3维的散点图，aplpack

包里bagplot()可画二变量的boxplot，spin3R()可画可旋转的三维点图。misc3d 包有可视化密度的函数。YaleToolkit包提供许多多元数据可视化技术，agsemisc 也是这样。更特殊的多元图包括：aplpack包里的faces()可画Chernoff’s face；MASS包里的parcoord()可画平行坐标图（矩阵的每一行画一条线，横轴表示矩

阵的每列）；graphics包里的stars()可画多元数据的星状图（矩阵的每一行用一个星状图表示）。ade4包里的mstree()和vegan包里的spantree()可画最小生成树。calibrate包支持双变量图和散点图，chplot包可画convex hull图。geometry 包提供了和qhull库的接口，由convexhulln()可给出相应点的索引。ellipse包可画椭圆，也可以用plotcorr()可视化相关矩阵。denpro包为多元可视化提供水平

集树形结构（level set trees）。graphics包里的mosaicplot()和vcd包里的mosaic()函数画马赛克图（mosaic plot）。gclus包提供了针对聚类的散点图和平行坐标图。rggobi包和DescribeDisplay包是GGobi的接口，DescribeDisplay 的图可达到出版质量的要求；xgobi包是XGobi和XGvis的接口，可实现动态交

互的图。最后，iplots包提供强大的动态交互图，尤其是平行坐标图和马赛克图。seriation包提供seriation方法，能重新排列矩阵和系统树。

数据预处理：

AIS包提供多元数据的初步描述函数。Hmisc包里的summarize()和summary.formula()辅助描述数据，varclus()函数可做聚类，而dataRep()和find.matches()找给定数据集的典型数据和匹配数据。KnnFinder包里的nn()函数用kd-tree找相似变量的个数。dprep包为分类提供数据预处理和可视化函数，如：检查变量冗余性、标准化。base包里的dist()和cluster包里的daisy()函数

提供距离计算函数；proxy包提供更多的距离测度，包括矩阵间的距离。simba包处理已有数据和缺失数据，包括相似性矩阵和重整形。

2）假设检验（Hypothesis testing）：

ICSNP包提供霍特林（Hotellings）T2检验和许多非参检验方法，包括基于marginal ranks的位置检验（location test），计算空间中值和符号，形状估计。cramer包做两样本的非参检验，SpatialNP可做空间符号和秩检验。

3）多元分布（Multivariate distributions）：

描述统计（Descriptive measures）：

stats包里的cov()和and cor()分别估计协方差和相关系数。ICSNP包提供几种数据描述方法，如：spatial.median()估计空间中值，其它的函数估计scatter。MASS包里的cov.rob()提供更健壮的方差/协方差矩阵估计。covRobust包用最近邻方差估计法估计协方差。robustbase包的covMCD()估计协方差和covOGK()做Orthogonalized Gnanadesikan-Kettenring。rrcov包提供可扩展和稳健的估计函数covMcd()、covMest()。corpcor包可计算大规模的协方差和偏相关矩阵。

密度估计和模拟（Densities (estimation and simulation)）：

MASS包的mvrnorm()产生多元正态分布的随机数。Mvtnorm包有多元t分布和多元正态分布的概率和分位数函数，还可计算多元正态分布的密度函数。mvtnormpcs包提供基于Dunnett的函数。mnormt包提供元t分布和多元正态分布的密度和分布函数，并可产生随机数。sn包提供多元偏t分布和偏正态分布的密度、分布、随机数函数。delt包提供了许多估计多元密度的函数方法，如：CART 和贪婪方法。CRAN的Cluster任务列表

（https://www.360docs.net/doc/f318140511.html,/web/views/Cluster.html）有更全面的信息，ks 包里的rmvnorm.mixt()和dmvnorm.mixt()函数产生随机数和估计密度，bayesm包里有多种拟合方法。很多地方都提供了模拟Wishart分布的函数，如：bayesm包里的rwishart()，MCMCpack包里的rwish()，而且MCMCpack包还有密度函数dwish()。KernSmooth 包里的bkde2D()和MASS包的kde2d()做分箱（binned）或不分箱二维核密度估计。ks包也像ash和GenKern包样可做核平滑（kernel smoothing）。prim包用法找高维多元数据的高密度区域，feature包可计算多元数据的显著特征。

正态检验（Assessing normality）：

mvnormtest包提供Shapiro-Wilks检验的多元数据延伸方法，mvoutlier包检测多元离群点（outlier），ICS包可检验多元正态分布。energy 包里的mvnorm.etest()基于E统计量做正态检验，k.sample()检验多个数据是否来自同一分布。dprep 包里的mardia()用Mardia检验正态性。stats包里的mauchly.test()可检验Wishart分布的协方差矩阵。

连接函数（Copulas）：

copula包提供常规的copula函数的程序，包括：normal, t, Clayton, Frank, Gumbel。fgac包提供generalised archimedian copula，mlCopulaSelection 包可做二变量的copula。

4）线形模型（Linear models）：

stats包里的lm()可做多元线形模型，anova.mlm()比较多个多元线形模型，manova()做多元方差分析（MANOVA）。sn包的msn.mle()和and mst.mle()可拟合多元偏正态和偏t分布模型。pls包提供偏最小二乘回归（PLSR）和主成分回归；ppls包可做惩罚偏最小二乘回归；dr包提供降维回归方法，如.：片逆回归

法(Sliced Inverse Regression)、片平均方差估计(sliced average variance estimation)。plsgenomics包做基于偏最小二乘回归的基因组分析。relaimpo

包可评估回归参数的相对重要性。

5）投影方法（Projection methods）：

主成分（Principal components）：

stats包的prcomp()（基于svd()）和princomp()（基于eigen()）能计算主成分。sca包做单分量分析。nFactors可评价碎石图(Scree plot)，paran包可评估主成分分析得到的主成分和因子分析得到的因子。pcurve包做主曲线（Principal Curve）分析和可视化。gmodels包提供适合大矩阵的fast.prcomp()和

fast.svd()。kernlab包里的kpca()用核方法做非线性的主成分分析。pcaPP包用投影寻踪（projection pursuit）法计算稳健/鲁棒（robust）主成分。amap包的acpgen()和acprob()函数分别针对广义（generalized）和稳健（robust）主成分分析。主成分在很多方面也有相应的应用，如：涉及生态的ade4包，感官的SensoMinR包。psy包里有用于心理学的各种程序，与主成分相关的有：sphpca()用球形直观表示相关矩阵，类似于3D的PCA；fpca()图形展示主成分分析的结果，而且允许某些变量间有相关性；scree.plot()图形展示相关或协方差矩阵的特征值。PTAk包做主张量分析（Principal Tensor Analysis）。smatr包提供关于异速生

长（allometry）的函数。

典型相关（Canonical Correlation）：

stats包里的cancor()是做典型相关的函数。kernlab包提供更稳健的核方法

kcca()。concor包提供了许多concordance methods。

冗余度分析（Redundancy Analysis）：

calibrate包里的rda()函数可做冗余度分析和典型相关。fso包提供了模糊集排序（Ordination）方法。

独立成分（Independent Components）：

fastICA包用fastICA算法做独立成分分析（ICA）和投影寻踪分析（Projection Pursuit），mlica包提供独立成分分析的最大似然拟合，PearsonICA包用基于互

信息的打分函数分离独立信号。ICS包能执行不变坐标系（invariant coordinate system）和独立成分分析（independent components）。JADE包提供就JADE 算法的接口，而且可做一些ICA。

普鲁克分析（Procrustes analysis）：

vegan包里的procrustes()可做普鲁克分析，也提供排序（ordination）函数。

更一般的普鲁克分析可由FactoMineR包里的GPA()实现。

6）主坐标/尺度方法（Principal coordinates / scaling methods）：stats包的cmdscale()函数执行传统的多维尺度分析（multidimensional scaling，MDS）（主坐标分析Principal Coordinates Analysis），MASS包的sammon()和isoMDS()函数分别执行Sammon和Kruskal非度量多维尺度分析。vegan包提供非度量多维尺度分析的包装(wrappers)和后处理程序。

7）无监督分类（Unsupervised classification）：

聚类分析：

CRAN的Cluster任务列表全面的综述了R实现的聚类方法。stats里提供等级聚类hclust()和k-均值聚类kmeans()。cluster包里有大量的聚类和可视化技术，clv包里则有一些聚类确认程序，e1071包的classAgreement()可计算Rand index比较两种分类结果。Trimmed k-means聚类分析可由trimcluster包实现，聚类融合方法（Cluster Ensembles）由clue包实现，clusterSim包能帮助选择最佳的聚类，hybridHclust包提供一些混合聚类方法。energy包里有基于E统计量的距离测度函数edist()和等级聚类方法hclust.energy()。LLAhclust包提供基于似然（likelihood linkage）方法的聚类，也有评定聚类结果的指标。fpc包里有基于Mahalanobis距离的聚类。clustvarsel包有多种基于模型的聚类。模糊聚类（fuzzy clustering）可在cluster包和hopach包里实现。Kohonen包提供用于高维谱（spectra）或模式（pattern）的有监督和无监督的SOM算法。clusterGeneration包帮助模拟聚类。CRAN的Environmetrics任务列表里也有相关的聚类算法的综述。mclust包实现了基于模型的聚类，MFDA包实现了功能数据的基于模型的聚类。

树方法：

CRAN的MachineLearning任务列表有对树方法的细节描述。分类树也常常是重要的多元方法，rpart包正是这样的包，rpart.permutation包还可以做rpart()模型的置换（permutation）检验。TWIX包的树可以外部剪枝。hier.part包分割多元数据集的方差。mvpart包可做多元回归树，party包实现了递归分割（recursive partitioning），rrp包实现了随机递归分割。caret包可做分类和回归训练，进而caretLSF包实现了并行处理。kknn包的k-近邻法可用于回归，也可用于分类。

8）有监督分类和判别分析（Supervised classification and discriminant analysis）：

MASS包里的lda()和qda()分别针对线性和二次判别分析。mda包的mda() and fda()允许混合和更灵活的判别分析，mars()做多元自适应样条回归（multivariate adaptive regression splines），bruto()做自适应样条后退拟合（adaptive spline backfitting）。earth包里也有多元自适应样条回归的函数。rda包可用质心收缩法（shrunken centroids regularized discriminant analysis）实现高维数据的分类。VR的class包的knn()函数执行k-最近邻算法，knncat包里有针对分类变量的k-最近邻算法。SensoMineR包的FDA()用于因子判别分析。许多包结合了降维（dimension reduction）和分类。klaR包可以做变量选择，可处理多重共线性，还有可视化函数。superpc包利用主成分做有监督的分类，classPP包则可为其做投影寻踪（projection pursuit），gpls包用广义偏最小二乘做分类。hddplot包用交叉验证的线性判别分析决定最优的特征个数。supclust包可以根据芯片数据做基因的监督聚类。ROCR提供许多评估分类执行效果的方法。predbayescor包可做朴素贝叶斯（na?ve Bayes）分类。关于监督分类的更多信息可以看MachineLearning任务列表。

9）对应分析（Correspondence analysis）：

MASS包的corresp()和mca()可以做简单和多重对应分析。ca包提供单一、多重和联合（joint）对应分析。ade4包的ca()和mca()分别做一般的和多重对应分析。vegan包里也有类似的函数。cocorresp可实现两个矩阵间的

co-correspondence分析。FactoMineR 包的CA()和MCA()函数也能做类似的简单和多重对应分析，还有画图函数。homals执行同质分析（homogeneity）。

10）前向查找（Forward search）：

Rfwdmv包执行多元数据的前向查找。

11）缺失数据（Missing data）：

mitools包里有缺失数据的多重估算（multiple imputation)的函数, mice包用chained equations实现了多重估算，mvnmle包可以为多元正态数据的缺失值做最大似然估计（ML Estimation），norm包提供了适合多元正态数据的估计缺失值的期望最大化算法（EM algorithm），cat包允许分类数据的缺失值的多重估算，mix包适用于分类和连续数据的混合数据。pan包可为面版数据(panel data)的缺失值做多重估算。VIM包做缺失数据的可视化和估算。Hmisc包的aregImpute()和transcan()提供了其它的估算缺失值方法。EMV包提供了knn方法估计缺失数据。monomvn包估计单调多元正态数据的缺失值。

12）隐变量方法（Latent variable approaches）：

stats包的factanal()执行最大似然因子分析，MCMCpack包可做贝叶斯因子分析。GPArotation包提供投影梯度（Gradient Projection）旋转因子法。FAiR包用遗传算法作因子分析。ifa包可用于非正态的变量。sem包拟合线形结构方程模型。ltm 包可做隐含式语义分析(Latent semantic analysis)，eRm包则可拟合Rasch 模型(Rasch models)。FactoMineR包里有很多因子分析的方法，包括：MFA()多元因子分析，HMFA()等级多元因子分析，ADFM()定量和定性数据的多元因子分析。tsfa包执行时间序列的因子分析。poLCA包针对多分类变量(polytomous variable)做潜类别分析（Latent Class Analysis）。

13）非高斯数据建模（Modelling non-Gaussian data）：

bivpois包建模Poisson分布的二变量。mprobit包提供了适合二元和顺序响应变量的多元概率模型。MNP包实现了Bayesian多元概率模型。polycor包可计算多组相关（olychoric correlation）和四分相关（tetrachoric correlation）矩阵。bayesm包里有多种模型，如：表面非相关回归(Seemingly unrelated Regression)，多元logit/probit模型, 工具变量法(Instrumental Variables)。VGAM包里有：广义线形和可加模型（Vector Generalised Linear and Additive Models），减秩回归（Reduced Rank regression）。

14）矩阵处理（Matrix manipulations）：

R作为一种基于向量和矩阵的语言，有许多处理矩阵的强有力的工具，由包Matrix 和，SparseM实现。matrixcalc包增加了矩阵微积分的功能。spam包提供了更深入的针对稀疏矩阵的方法。

15）其它（Miscellaneous utitlies）：

DEA包执行数据包络分析(data envelopment analysis,DEA)。abind包组合多维array。Hmisc

包的mApply()扩充了apply()的功能。除了前面描述的功能，sn包还未偏正态和偏t分布提供边缘化（marginalisation）、仿射变换（affine transformations）等。SharedHT2包执行芯片数据的Hotelling's T2检验。panel包里有面版数据(panel data)的建模方法。mAr包可做向量自回归模型(vector auto-regression)，MSBVAR包里有贝叶斯向量自回归模型。Hmisc包的rm.boot()函数bootstrap 重复测量试验（Repeated Measures Models）。compositions包提供复合数据

分析（compositional data analysis）。

cramer包为两样本数据做多元非参Cramer检验。psy里有许多心理学的常用方法。cwhmisc包集合的cwhmath包里有许多有趣的功能，如各种旋转函数。desirability包提供了基于密度函数的多变量最优化方法。geozoo包可以画geozoo包里定义的几何对象。

4.药物（代谢）动力学数据分析（Analysis of Pharmacokinetic Data）

网址：https://www.360docs.net/doc/f318140511.html,/web/views/Pharmacokinetics.html

维护人员：Suzette Blanchard

版本：2008-02-15

翻译：R-fox, 2008-04-12

药物（代谢）动力学数据分析的主要目的是用非线性浓度时间曲线（concentration time curve）或相关的总结（如曲线下面积）确定给药方案（dosing regimen）和身体对药物反应间的关系。R基本包里的nls()函数用非线性最小二乘估计法估计非线性模型的参数，返回nls类的对象，有coef()，formula()，resid()，print()，summary()，AIC()，fitted() and vcov()等方法。

在主要目的实现后，兴趣就转移到研究属性（如：年龄、体重、伴随用药、肾功能）不同的人群是否需要改变药物剂量。在药物（代谢）动力学领域，分析多个个体的组合数据估计人群参数被称作群体药动学（population PK）。非线性混合模型为分析群体药动学数据提供了自然的工具，包括概率或贝叶斯估计方法。

nlme包用Lindstrom和Bates提出的概率方法拟合非线性混合效应模型(1990, Biometrics 46, 673-87)，允许nested随机效应（nested random effects），组内误差允许相关的或不等的方差。返回一个nlme类的对象表示拟合结果，结果

可用print()，plot()和summary()方法输出。nlme对象给出了细节的结果信息

和提取方法。

nlmeODE包组合odesolve包和nlme包做混合效应建模，包括多个药动学/药效学(PK/PD)模型。

面版数据(panel data)的贝叶斯估计方法在CRAN的Bayesian Inference任务

列表里有所描述（https://www.360docs.net/doc/f318140511.html,/web/views/Bayesian.html）。

PKtools包为nlme，NONMEM 和WinBUGS包提供单剂量群体药动学数据的接

口，分别返回"PKNLME"，"NONMEM"和"WinBUGS"类的对象；促进了混合似然和贝叶斯方法的使用。PKtools包的其它函数有：AICcomp()函数从NONMEM和nlme计算模型的AIC, AICc (small sample AIC)和对数似然值。paramEst()和indEst()分别返回群体和个体参数，对NONMEM类使用最大似然法，对nlme 类使用广义最小二乘法，对WinBUGS类使用MCMC贝叶斯估计法。HTMLtools()和tex()函数分别输出群体和个体参数的HTML和LaTeX报道文件，和诊断图（diagnostic plot）便于用户选择估计方法。还能分别产生HTMLtools和tex文件里的诊断图。

其它的分析药物（代谢）动力学数据的包还有：PK，PKfit和drc。VR包束的MASS 包包括一些基本的方法，如：计算Logit或Probit模型的半数致死计量LD50。

分析药物（代谢）动力学数据的图形展示也非常重要，lattice包的trellis图用来可视化面板数据。

5.计算计量经济学（Computational Econometrics）

网址：https://www.360docs.net/doc/f318140511.html,/web/views/Econometrics.html

维护人员：Achim Zeileis

版本：2008-04-02

翻译：R-fox, 2008-04-15

R的很多基本函数都可用于计量经济学，尤其是stats包。CRAN的许多包也有可以分析计量经济学，下面做个简要的综述。这里介绍的工具可能与CRAN的计量金融(empirical finance)任务列表

（https://www.360docs.net/doc/f318140511.html,/web/views/Finance.html）有许多的重合。此外，从邮件列表finance SIG

（https://www.stat.math.ethz.ch/mailman/listinfo/R-SIG-Finance/）可获得计量经济和计量金融相关的帮助和讨论问题。CRAN的SocialSciences任务列表（https://www.360docs.net/doc/f318140511.html,/web/views/SocialSciences.html）覆盖了许多社会科学的工具，因此也与这里的工具有所重合，如：政治科学。这里综述的包大致可分为如下的几个话题：

1）线形回归模型（Linear regression models）

线形模型可由lm()函数拟合，也有各种检验方法用来比较模型，如：summary() 和anova()。类似的函数也支持。类似的功能也适合于渐近检验（如：z检验而不是检验，卡方检验而不是F检验），此外还有lmtest包里的coeftest()和waldtest()函数。car包里的linear.hypothesis()可检验更广义的线形假设。HC和HAC协方差矩阵的这些功能可在sandwich包里实现。car和lmtest包还提供了许多线形回归模型的诊断方法。

2）微观计量经济学（Microeconometrics）：

许多微观计量经济学模型属于广义线形模型，可由stats包的glm()函数拟合。包括用于选择类数据（choice data）的Logit和probit模型，用于计数类数据（count data）的poisson模型。负二项广义线形模型可由MASS包的glm.nb()实现。边缘(zero—inflated)和hurdle计数模型可由pscl包提供，zicounts包里也实现了

边缘模型。双变量Poisson回归模型可在bivpois包里实现。基本的删失回归模型(censored regression model)，如：tobit模型，可由survival包里的survreg()函数拟合。micEcon包里提供了微观计量经济学的更好的工具。bayesm包执行微观计量济学和营销学（marketing）中的贝叶斯方法。reldist包提供了相对分布（relative distributions）相关的方法。

3）其它的回归模型（Further regression models）：

R和CRNA包里有各种延伸的线形回归模型和其它模型拟合方法。非线性最小二乘回归建模可用stats包里的nls()实现。相关的包还有：quantreg（分位数回归Quantile Regression），crq（截取分位点回归censored quantile regression），plm（面板数据的线形回归），sem（线性结构方程模型，包括二阶段最小平方），systemfit（联立方程估计），np（非参核方法），betareg（beta回归），nlme（非线性混合效应模型），VR（nnet 包的多项Logit模型），MNP（贝叶斯多项Probit 模型）。Design和Hmisc包提供广义线形回归模型的工具。

4）基本的时间序列架构（Basic time series infrastructure）：

tats包的"ts" 类是R的规则间隔时间序列的标准类。Zoo包提供了规则和不规则间隔时间序列的架构。建立在"POSIXt"时间-日期类上的its, tseries和fCalendar 包也提供不规则间隔时间序列的架构，特别用于金融分析。

5）时间序列建模（Time series modelling）：

stats包里有经典的时间序列建模工具，arima()函数做ARIMA建模和

Box-Jenkins-type分析。stats包还提供StructTS()函数拟合结构时间序列，decompose()过滤时间序列，HoltWinters()分解时间序列。forecasting包束提供了一些延伸的方法，尤其是预测和模型选择。多种时间序列的过滤器可在mFilter 包里找到。为了估计VAR模型，stats包的ar()拟合简单的模型，vars包、dse 包的estVARXls()提供了更精巧的模型，MSBVAR包提供了贝叶斯方法。Dynlm 包提供了经由OLS过滤动态回归模型的方便接口；dyn包里则提供了不同的方法。更高级的动态系统方程可由dse包拟合。高斯线形状态空间模型可由dlm包拟合（用最大斯然，kalman滤波/平滑，和贝叶斯方法）。Unit root（单位根）和cointegration technique（协整技术）可在urca，uroot和tseries包里找到。tsfa包可做时间序列因子分析。sde包提供随机微分方程的模拟和推论。

6）矩阵处理（Matrix manipulations）：

作为一个向量和矩阵语言，R有许多基本函数处理矩阵，与Matrix和SparseM包互补。

7）放回再抽样（Bootstrap）：

除了推荐的boot包，bootstrap或simpleboot包里有一些其它的常规bootstrapping技术；还有些函数专门为时间序列数据而设计，如：meboot包里的最大熵bootstrap，tseries包里的tsbootstrap()函数。

8）不平等（Inequality）：

为了测量不平等（inequality），集中（concentration）和贫穷（poverty），ineq 包提供了一些基本的工具，如：劳伦茨曲线（Lorenz curves），Pen's parade，基尼系数(Gini coefficient)。

9）结构变化（Structural change）：

R有很强的处理参数模型的结构变化和变化点的能力，可参考strucchange和segmented包。

10）数据集（Data sets）：

这里介绍的许多包里都有来自计量经济学文献里的数据集，Ecdat包包括许多来自计量经济学教科书和杂志（应用计量经济学，商业/经济统计）的数据集。FinTS包针对书'Analysis of Financial Time Series' (2nd ed., 2005, Wiley)，包括数据集，函数，列子的脚本文件。CDNmoney包提供加拿大货币流通额，pwt包提供佩恩世界表(Penn World T able)。

中国各行业分类

中国行业新分类一、机构组织政府机构，各国驻华行政机构，贸易公司，经济组织，协会，其他机构二、农林牧渔农业：粮食，豆类，蔬菜及制品，水果及制品，坚果，杂果，干果，咖啡，可可及制品，棉类，麻类，含油子仁，果仁，籽，食用菌，烟草，花木，竹木，藤苇，干草，木炭，植物提取物，动物提取物，动植物油，动植物种苗，家禽，牲畜，养殖动物，蚕茧，蚕丝，羽毛，羽绒，羊绒，生皮，毛皮，动物毛鬃，肠衣，禽蛋，饲料，饲料添加剂，肥料，农药，园艺用具，农用品，农用机械，林业设备及用具，畜牧养殖业设备及用具，渔业设备及用具，粮油加工机械，饲料加工机械，屠宰及肉类初加工设备，农副产品加工，木材加工，家具制造机械，其他三、医药卫生保健用品，减肥增重产品，个人保养，药材，中药饮片，康复产品，制药设备，医疗器械制造设备，计生用品，其他四、建筑建材房地产，市政工程：市政道路建设，市政公用设施建设，自来水输水工程，集中供暖、供热、供气工程，文教、卫生、体育、音乐等公益设施建设，纪念性建筑设施建设，各类建筑工程，木材板材，石材石料，水泥及制品，石灰，石膏，混凝土及制品，建筑玻璃，陶瓷，搪瓷及制品，塑料建材，金属建材，防水，防潮材料，耐火，防火材料，隔热，吸声材料，绝缘材料，特种建材，施工材料，砖，瓦及砌块，墙体材料，天花板，地板，门窗，壁纸，锁具，建筑装饰五金，管件管材，厨房设施，卫浴设施，涂料，胶粘剂，作业保护，活动房，堆垛搬运机械，建筑及相关设备，陶瓷，木工机械设备，搪瓷生产加工机械，工程承包，建筑装潢设计，其他五、冶金矿产金属矿产，有色金属，有色金属制品，有色金属合金，有色金属合金制品，稀土及稀土制品，黑色金属及制品，铁合金及制品，钢铁及制品，铸锻件，金属丝网，粉末冶金，磁性材料，废金属，非金属矿产，非金属矿物制品，石墨及碳素产品，矿业设备，冶金设备，金属线，管、板制造设备，冶炼加工，其他六、石油化工

中国职业分类大全

农林牧渔业行业分类

附录：一、农林牧渔业行业分类 01 农业指对各种农作物的种植活动。 011 谷物及其他作物的种植 0111 谷物的种植指以收获籽实为主，可供人类食用的农作物的种植，如稻谷、小麦、玉米等农作物的种植。 ◇包括： —稻谷、小麦、玉米、高粱、谷子等谷物的种植。 0112 薯类的种植 ◇包括： —马铃薯（土豆、洋芋）、甘薯（红薯、白薯）、木薯等的种植。 0113 油料的种植 ◇包括： —花生、油菜籽、芝麻、向日葵等油料的种植。 0114 豆类的种植 ◇包括： —大豆的种植； —其他各类杂豆（如豌豆、绿豆、红小豆、蚕豆等）的种植。 0115 棉花的种植 ◇包括： —棉花的种植。 ◆不包括： —轧棉花，列入0512(农产品初加工服务）。 0116 麻类的种植 ◇包括： —各种麻类的种植，如亚麻、黄红麻、苎麻、大麻等的种植； —用于编织、衬垫、填充、刷子、扫帚用植物原料的种植。 0117 糖料的种植 ◇包括： —甘蔗、甜菜等糖料作物的种植。 0118 烟草的种植 ◇包括： —各种生烟叶的种植； —烟草的初级简单加工，如烟草的烤、晾、晒等活动。 ◆不包括： —烟草企业进行的烟叶复烤，列入1610（烟叶复烤）。 0119 其他作物的种植 ◇包括： —用于杀菌和杀虫目的作物的种植，如除虫菊等的种植； —染料作物、绿肥作物、饲料作物(牧草等的种植）、苇子、蒲草等作物的种植； —野生植物的采集。

—野生林产品的采集，列入0230（林产品的采集）； —中药材的种植，列入0140（中药材的种植）。 012 蔬菜、园艺作物的种植 0121 蔬菜的种植 ◇包括： —各种叶菜、根茎菜、瓜果菜、茄果菜、葱蒜、菜用豆、水生菜等的种植； —蘑菇、菌类等蔬菜的种植。 ◆不包括： —用作水果的瓜果类种植，如西瓜、白兰瓜，香瓜等，列入0131（水果、坚果的种植）。 0122 花卉的种植 ◇包括： —各种鲜花和鲜花蓓蕾的种植。 0123 其他园艺作物的种植 ◇包括： —盆栽观赏花木、工艺盆景等； —用于装饰等目的的植物的种植，如草皮（草皮卷）等的种植。 ◆不包括： —树木幼苗的培育和种植，列入0211（育种和育苗）； —城市草坪的种植、管理列入8120（城市绿化管理）。 013 水果、坚果、饮料和香料作物的种植 0131 水果、坚果的种植 ◇包括： —园林水果如苹果、梨、柑橘、葡萄、香蕉、杏、桃、李、梅、荔枝、龙眼等的种植； —西瓜、木瓜、哈密瓜、甜瓜、草莓等瓜果类的种植； —坚果的种植，如椰子等； —在同一种植地点或在种植园内对水果的简单加工，如晒干、暂时保存等活动。 ◆不包括： —野生水果和坚果等的采集，列入0230（林产品的采集）。 0132 茶及其他饮料作物的种植 ◇包括： —茶、可可、咖啡等饮料作物的种植； —茶叶、可可和咖啡等的采集和简单加工，如农场或农户对茶叶的炒制和晾晒等活动。 ◆不包括： —茶叶的精加工，列入1540（精制茶加工）； —可可和咖啡的精加工，列入1535（固体饮料制造）。 0133 香料作物的种植 ◇包括： —香料叶、香料果、香料籽、香料花等的种植，如留兰香、香茅草、熏衣草、月桂、香子兰、枯茗、茴香、丁香等香料作物的种植。 ◆不包括： —香料的提取和制造等活动，列入2674（香料、香精制造）。 014 0140 中药材的种植指主要用于中药配制以及中成药加工的药材作物的种植。 ◇包括： —当归、地黄、五味、人参、枸杞子等中药材的种植。

职业分类大全

中国职业分类大全? 职业类别工种描述一类纯文职人员，从事非体力劳动人员：公司管理人员、研发人员、文职人员、柜面人员；教师；设计师；财务人员；法官、律师、书记员；警卫行政及内勤人员；编辑；医生、护士；工程师；试验室人员（化学、核能、放射实验人员除外）、质检员；仓库管理员等二类从事少量体力劳动非纯文职人员：机关、企事业单位外勤人员（如银行信贷员、销售人员、采购人员、报关员）；外勤记者（非战地记者）；清洁工（非从事高空作业、公路清扫）；导游；餐饮、酒店服务业服务员；制造业车间主任、领班；电影、电视业人员（非跑片员、武打演员、特技演员、机械工、电工、布景搭设人员）；高尔夫球场、保龄球场、球场、游泳池、海水浴场、游乐园的教练、球童、服务员、记分员、管理员、服务员；门卫；理发师、美容师、洗衣店工人；学生；公共事业抄表员、收费员；批发、零售业商人家政人员、退休人员、个体工商户；桌球、羽毛球、游泳、射箭、溜冰、射击、举重、民俗体育活动、手球、乒乓球教练三类农牧业人员；内陆渔业养殖工人、水产品加工人员；非营运汽车司机及随车人员；航运稽查员；厨师；造修船业工程师；建筑业监工、领班、土木建筑承包商；铁工厂、机械厂全自动车床工；电子业工人；仪器、仪表制造业工人；纺织及成衣业工人；食品饮料制造业工人；烟草业工人；文具制造业工人；塑胶业工人；橡胶业工人；包装工人；新闻杂志业装订工、送货员；印刷厂工人；舞蹈演员；酒家、歌厅工作人员；物业保安；司法警察；工商、税务执法人员；汽车教练；健身教练；体操教练；篮球教练；橄榄球教练；游泳、网球、垒球、溜冰、篮球、田径、体操、帆船、泛舟、手球、橄榄球、乒乓球职业运动员四类沿海养殖工人、内陆捕鱼人；护林员；野生植物保护人员；人力三轮车夫；营运汽车司机及随车人员；搬运工人、装卸工人；铁路维护工；铁路保安；航运领航员、饮水员、缉私人员、拖船轮渡驾驶员及工作人员飞机洗刷人员、机械员、修护人员；土木工程建筑业工人（不含外墙及高空作业）；安装工人（非高空作业）；装潢人员（非高空作业）；地质探测员（山区、海上）；加油站人员；制药厂工人；铁工厂、机械厂工人；板金工、车床工、水电工、电镀工、铣床工、冲床工、钻床工、铲车工、钳工、焊工、铸造工；化工产品生产人员；造纸业、床垫及枕头制造业、陶器业工人；砖瓦厂、水泥厂工人；玻璃厂工人；广告业拍摄人员、广告牌制作人员（室内）；电影、电视业机械工、电工、布景搭设人员；城管人员；兽医、兽栏清洁工；邮政外勤人员、快递人员；电讯及电力业工人（不含高空作业）；交警、治安人员；无业人员；篮球球员；排球、击剑、棒球教练；五类野生动物保护人员；木材加工业工人；石材加工业工人；家具厂工人；五金工具厂工人危险品运输司机及随车人员；拖拉机驾驶人员；铁路道路铺设工、修路工；码头工人及领班；矿业采石业坑外作业人员；港口作业吊车、堆高机、起重机操作员；海水浴池救生员；现金押运员、司机六类森林砍伐业伐木工人、锯木工人、装运工人；造修船业工人；高速公路工程人员；道路清洁工；刑警、特警；消防队队员；警校学生； S类高空作业人员；炸药处理警察；高压电工作人员；化学原料、易燃易爆易腐蚀品的制造业拒保捕鱼人（沿海）、船员；矿业采石业坑内作业人员；石油、天然气开采业；所有海上作业人员；内河航运船员；国内外航线民航机飞行人员及服务员；飞行员、飞行学员；潜水人员；爆破人员；炸药、火药、雷管制造及处理人员；暴身于尘埃或有毒化合物之工人；战地记者；电视业跑片员、武打、特技、杂技演员；训兽师、饲养员；保镖；防暴警察；现役军人；电力高压电工程设

各种行业划分

农业：粮食蔬菜水果干果、果仁豆类食用菌茶烟草牲畜家禽禽蛋饲料肥料农药竹木、藤苇植物提取物动物提取物种植植物养殖动物动植物油木炭种苗花草园艺农机、农具林业设备渔业设备及用具畜牧业设备农副产品代理库存农产品食品、饮料业：面条、粉丝淀粉饮料香烟酒类糖类水产食用油豆制品蛋制品乳制品蜜制品肉制品调味品速冻食品罐头食品休闲食品速食食品保健食品糕饼面包食品设备烹饪设备食品代理库存食品服饰业：运动服饰休闲服装羽绒服装皮革服装丝绸服装牛仔服装民族服装特制服装工作服、制服婴儿服装儿童服装内衣、睡衣外衣、外套衬衣T恤西服夹克裤子大衣、风衣婚纱、礼服毛衣鞋子袜子手套围巾领带帽子辅料、饰品缝纫设备相关设备服饰代理库存服装其它纺织业：纺织辅料皮革制品毛巾工艺纺织家用纺织床上用品地毯纱线、绒线棉织物毛织物丝织物麻织物针织物化纤织物混纺织物无纺布坯布面料纺织设备和器材纺织品代理库存纺织品纺织原料：棉纺织原料麻纺织原料毛纺织原料绒纺织原料丝纺织原料皮革原料人造纤维合成纤维其它纺织原料

工业通用设备：轻工设备金属加工设备节能装置五金工具锅炉及动力设备风机压缩、分离设备散热、制冷设备泵及真空设备焊接设备与材料磨具、磨料搬运机械木工工具工业用品代理工业设备库存内燃机量器量具其它通用零部件：齿轮链条轴承传送带模具标准件阀门铸锻件其它电子、电工、仪器：数控设备仪器、仪表电子元器件金融电子商业电子电子产品代理库存电子产品电动机插头、插座开关变压器、稳压器电容器继电器整流器配电装置蓄电池电动工具照明与灯具充电器电线电缆电工产品代理通讯产品：雷达及无线导航广播、电视设备交换机电话机移动电话集团电话无线通信对讲机寻呼机传真机网络通信产品GP S系统通信配件通信电缆电话磁卡相关产品其它家用电器：空调冰箱、冷柜洗衣机视听器材微波炉电饭煲热水器吸尘器电熨斗饮水机果汁机搅拌机空气净化器抽油烟机洗碗机消毒柜电吹风电风扇灭蚊器定时器净水器氧气机遥控器抽湿器加湿器取暖器家电制造设备家用电器代理库存家用电器其它电脑、软件：计算机笔记本电脑服务器、工作站电子记事簿网络设备、配件插卡类主机配件电脑外设UPS与电源消耗品IC卡软件二手设备新产品网络工程

七大战略新兴产业物联网详细分类目录共

战略性新兴产业分类目录《战略性新兴产业分类目录》课题组二〇一一年十二月

编制说明一、编制背景 2010年10月，《国务院关于加快培育和发展战略性新兴产业的决定》(国发〔2010〕32号)发布，确定重点发展节能环保、新一代信息技术等七大战略性新兴产业，要求有关部门抓紧制定实施方案和具体落实措施，加大支持力度。由于目前对战略性新兴产业的概念界定和分类标准模糊，产业分类目录尚未建立，缺乏统一规范的统计口径，无法准确把握战略性新兴产业发展现状、存在的问题，不利于把战略性新兴产业每一个领域和方向均细化落实到重点企业和重点项目上，不利于相关部门有针对性的出台配套财税政策。2010年底，按照部领导批示，决定组织研究编制《战略性新兴产业分类目录》，建立战略性新兴产业运行监测、信息发布与分析评价体系，为国家制定有关政策提供基础支撑。二、编制原则《目录》编制紧紧围绕国务院《关于加快培育和发展战略性新兴产业的决定》的精神，结合我部重点工作，以“全局性、前瞻性、动态性、先导性、成长性和带动性”为总体原则，力求厘清战略性新兴产业内涵、规模及发展重点。《目录》与国家统计局现行的工业统计目录成并列关系，亦可回归还原于国家统计局工业统计目录，不影响工业及国民经济的核算。三、编制框架《目录》采取五级目录分类，共包括721类产品。在产业重点领域和技术参数选择上，紧扣国发32号文件精神和发展改革委《产业结构调整目录》（2011）、战略性新兴产业及各行业相关的“十二五”发展规划及行

业技术标准。一级目录的选取与32号文的七大战略性新兴产业保持一致；二级、三级目录主要依据32号文确定的24个重点方向和各产业“十二五”发展规划，并在此基础上有所补充和扩展；四级以下目录为具体产品，其划分依据主要参考了《国民经济行业分类》、《中国高新技术产品目录》（2006）、《统计用产品分类目录》和行业统计制度。另外，考虑到物联网产业的特殊性，将物联网目录单列，未汇总到总目录中。四、编制过程《目录》编制工作自2011年4月份开始启动， 8月底完成综合汇总目录初稿，期间共召开了4次大型研讨会和30余次专题讨论会。《目录》编制过程主要经历了以下七个阶段。一是组建专业的编制队伍。4月至5月，由周子学总经济师担任组长，11个司局和相关支撑研究机构组成了《目录》编制队伍，下分1个综合组，7个专题组。其中综合组由运行局和规划司牵头，组织电子工业标准化研究所承担综合研究和协调工作。科技司、节能司、原材料司、装备司、消费品司、军民结合司、电子司、软件司和通信发展司等司局牵头组成了7个专题组。《目录》还邀请了来自地方、行业主管部门、协会、企业的技术、管理、统计以及标准管理等领域的数十名专家参与编制工作。二是建立科学高效的工作机制。课题组建立了高效的工作机制，按照“强化顶层系统分析，深化专业领域研究”的原则，科学制定了研究计划，将每一项任务都落实到专人负责。专题组按照“广泛征求意见，专家讨论筛选，迭代收敛目录”的要求开展工作，综合组每月召开一次综合性全体会议，集中讨论、评估和解决课题研究中的难点和共性问题。三是理清目录编制的思路。我们首先根据32号文件和各产业“十二五”发展规划选取重点发展领域，剔除传统产品；其次利用相关产品的技

行业分类标准

行业分类标准根据现行统计指标体系的要求，需照国家统计局行业划分标准进行区别归类。 1．农林牧渔业：指对各种农作物的种植活动、林木的培育和种植、木材和竹材的采运、为获得各种畜禽产品而从事的饲养活动、海洋和内陆水域养殖和捕捞活动及对农、林、牧、渔业生产活动进行的各种支持性服务活动等。含农业、林业、畜牧业、渔业、农林牧渔服务业五个次级行业。关键词：种植、培育、养殖、饲养、捕捞、畜牧等。 2．采矿业：指对固体（如煤和矿物）、液体（如原油）或气体（如天然气）等自然产生的矿物的采掘。包括地下或地上采掘、矿井的运行，在矿址或矿址附近从事的旨在加工原材料的所有辅助性工作，以及使原料得以销售所需的准备工作。含煤炭开采和洗选业、石油和天然气开采业、黑色金属矿采选业、非金属矿采选业、其他矿采业六个次级行业。关键词：开采、选矿、钻探等。 3．制造业：指经物理变化或化学变化后成为了新的产品，包括动力机械制造、手工制作以及产品的批发销售、零售等活动。含农副食品加工业、纺织业、家具、医药橡胶、塑料制造等31个次级行业。只要经物理变化或化学变化后成为了新的产品，不论是动力机械制造，还是手工制作；也不论产品是批发销售，还是零售，均视为制造。关键词：厂、加工、制造、印刷、修理等。

4．电力、燃气及水的生产和供应业：是指利用自然资源，进行电力、热能、燃气和水的生产、供应及污水的净化、处理等活动。含电力、热力的生产和供应业、燃气生产和供应业、水的生产和供应业三个次级行业。关键词：发电、供电、供热、燃气、自来水、污水处理等。 5．建筑业：房屋和土木工程建筑，建筑物内的各种设备的安装、装饰，工程准备、施工设备服务等活动。含房屋和土木工程建筑业、建筑安装业、建筑装饰业、其他建筑业四个次级行业。关键词：建筑、施工、架线、安装、装饰、装修等。 6．交通运输、仓储和邮政业：指铁路、公路、水上、航空、管道运输、城市公共交通、装卸搬运，货物仓储、以仓储为主的物流配送，国家邮政局系统提供的邮政服务等活动。含铁路运输等九个次级行业。原交通运输、仓储和邮电通信业忠，通信业归入信息传输、计算机服务和软件业，其余全部归入本行业。关键词：物流、运输、客运、公路管理、公交、出租车、轮渡、港口、航空、机场、装卸、搬运、配送、快递、邮政等。 7．信息传输、计算机服务和软件业：指通过电缆、光缆、无线电波、互联网等传输的通信、信息、电信服务和广播电视传输服务，计算机系统和软件服务等活动。含电信和其他信息传输服务业、计算机服务业、软件业三个次级行业。关键词：通讯、通信、电信、信息、网络、传输、网吧、计算机、软件、硬件、计算机维修等。 8．批发和零售业：指商品在流通环节中的批发活动和零售活动。含批发业和零售业两个次级行业。原批发零售贸易餐饮业中，除餐饮业归入住宿餐饮业，租赁业、商务服务业归入租赁和商务服务业外，其余全部归入本行业。

国民经济行业分类

国民经济行业分类(GB/T 4754-2011)门类由A～T共20种：A—农、林、牧、渔业 B —采矿业 C—制造业 D—电力、热力、燃气及水生产和供应业 E—建筑业 F —批发和零售业 G —交通运输、仓储和邮政业 H —住宿和餐饮业 I —信息传输、软件和信息技术服务业 J —金融业2 K —房地产业 L—租赁和商务服务业 M—科学研究和技术服务业 N —水利、环境和公共设施管理业 O —居民服务、修理和其他服务业

P—教育 Q —卫生和社会工作 R —文化、体育和娱乐业 S —公共管理、社会保障和社会组织 T—国际组织国民经济行业分类(GB/T 4754-2011)大类由01～96共96种： 01 —农业 02 —林业 03—畜牧业 04 —渔业 05—农、林、牧、渔服务业 06—煤炭开采和洗选业 07—石油和天然气开采业 08—黑色金属矿采选业 09—有色金属矿采选业 10—非金属矿采选业 11—开采辅助活动 12—其他采矿业 13—农副食品加工业 14 —食品制造业 15—酒、饮料和精制茶制造业 16 —烟草制品业 17—纺织业 18 —纺织服装、服饰业 19 —皮革、毛皮、羽毛及其制品和制鞋业 20—木材加工和木、竹、藤、棕、草制品业 21—家具制造业 22—造纸和纸制品业

23—印刷和记录媒介复制业 24—文教、工美、体育和娱乐用品制造业 25—石油加工、炼焦和核燃料加工业 26—化学原料和化学制品制造业 27—医药制造业 28—化学纤维制造业 29—橡胶和塑料制品业 30—非金属矿物制品业 31—黑色金属冶炼和压延加工业 32—有色金属冶炼和压延加工业 33 —金属制品业 34—通用设备制造业 35—专用设备制造业 36—汽车制造业 37—铁路、船舶、航空航天和其他运输设备制造业38—电气机械和器材制造业 39—计算机、通信和其他电子设备制造业 40—仪器仪表制造业 41—其他制造业 42—废弃资源综合利用业 43—金属制品、机械和设备修理业 44—电力、热力生产和供应业 45—燃气生产和供应业 46—水的生产和供应业 47—房屋建筑业 48—土木工程建筑业 49—建筑安装业 50 —建筑装饰和其他建筑业 51—批发业 52—零售业 53—铁路运输业

常见行业分类

一、机构组织政府机构，各国驻华行政机构，贸易公司，经济组织，协会，其他机构二、农林牧渔农业：粮食，豆类，蔬菜及制品，水果及制品，坚果，杂果，干果，咖啡，可可及制品，棉类，麻类，含油子仁，果仁，籽，食用菌，烟草，花木，竹木，藤苇，干草，木炭，植物提取物，动物提取物，动植物油，动植物种苗，家禽，牲畜，养殖动物，蚕茧，蚕丝，羽毛，羽绒，羊绒，生皮，毛皮，动物毛鬃，肠衣，禽蛋，饲料，饲料添加剂，肥料，农药，园艺用具，农用品，农用机械，林业设备及用具，畜牧养殖业设备及用具，渔业设备及用具，粮油加工机械，饲料加工机械，屠宰及肉类初加工设备，农副产品加工，木材加工，家具制造机械，其他三、医药卫生保健用品，减肥增重产品，个人保养，药材，中药饮片，康复产品，制药设备，医疗器械制造设备，计生用品，其他四、建筑建材房地产，市政工程：市政道路建设，市政公用设施建设，自来水输水工程，集中供暖、供热、供气工程，文教、卫生、体育、音乐等公益设施建设，纪念性建筑设施建设，各类建筑工程，木材板材，石材石料，水泥及制品，石灰，石膏，混凝土及制品，建筑玻璃，陶瓷，搪瓷及制品，塑料建材，金属建材，防水，防潮材料，耐火，防火材料，隔热，吸声材料，绝缘材料，特种建材，施工材料，砖，瓦及砌块，墙体材料，天花板，地板，门窗，壁纸，锁具，建筑装饰五金，管件管材，厨房设施，卫浴设施，涂料，胶粘剂，作业保护，活动房，堆垛搬运机械，建筑及相关设备，陶瓷，木工机械设备，搪瓷生产加工机械，工程承包，建筑装潢设计，其他五、冶金矿产金属矿产，有色金属，有色金属制品，有色金属合金，有色金属合金制品，稀土及稀土制品，黑色金属及制品，铁合金及制品，钢铁及制品，铸锻件，金属丝网，粉末冶金，磁性材料，废金属，非金属矿产，非金属矿物制品，石墨及碳素产品，矿业设备，冶金设备，金属线，管、板制造设备，冶炼加工，其他

中国各行业分类

证监会行业分类

上市公司行业分类指引（2012年修订）为规范上市公司行业分类工作，根据《中华人民共和国统计法》、《证券期货市场统计管理办法》、《国民经济行业分类》等法律法规和相关规定，制定《上市公司行业分类指引》（以下简称《指引》）。本《指引》自公布之日起施行。2001年中国证监会公布的《上市公司行业分类指引》同时废止。 1．分类对象与适用范围 1.1《指引》以在中国境内证券交易所挂牌交易的上市公司为基本分类对象。 1.2 《指引》适用于证券期货监管系统对上市公司行业分类信息进行统计、评价、分析及其他相关工作。中国证监会另有规定的，适用其规定。 1.3 各证券期货交易所、中国证券登记结算公司、中国证监会派出机构以及其他相关机构，向中国证监会报送统计数据所涉及的上市公司行业分类应符合《指引》的规定。 1.4 市场机构基于投资分析目的所使用的上市公司行业分类可参照《指引》规定的行业类别，但非强制适用。

2．分类原则与方法 2.1 以上市公司营业收入等财务数据为主要分类标准和依据，所采用财务数据为经过会计师事务所审计并已公开披露的合并报表数据。 2.2 当上市公司某类业务的营业收入比重大于或等于50%，则将其划入该业务相对应的行业。 2.3 当上市公司没有一类业务的营业收入比重大于或等于50%，但某类业务的收入和利润均在所有业务中最高，而且均占到公司总收入和总利润的30%以上（包含本数），则该公司归属该业务对应的行业类别。 2.4 不能按照上述分类方法确定行业归属的，由上市公司行业分类专家委员会根据公司实际经营状况判断公司行业归属；归属不明确的，划为综合类。 3. 编码方法 3.1 本《指引》参照《国民经济行业分类》（GB T4754－2011），将上市公司的经济活动分为门类、大类两级。与此对应，门类代码用一位拉丁字母表示，即用字母A、B、C……依次代表不同门类；大类代码用两位阿拉伯数字表示，从01开始按顺序依次编码。 4. 管理机构及其职责 4.1 中国证监会统筹指导上市公司行业分类工作，负责制定、修改和完善《指引》，对《指引》及相关制度进行解释，对

行业分类基准简介

全球行业分类标准 GICS 全球行业分类系统(GICS)是由标准普尔(S&P)与摩根斯坦利公司(MSCI)于1999年8月联手推出的行业分类系统。该标准为全球金融业提供了一个全面的、全球统一的经济板块和行业定义。作为一个行业分类模型，GICS已经在世界范围内得到广泛的认可，它的意义在于不仅为创造易复制的、量体裁衣的投资组合提供了坚实基础，更使得对全球范围经济板块和行业的研究更具可比性。标准普尔全球指数家族包含的所有公司都已根据GICS进行行业分类，每一家公司都会被分到一个子行业内，同时自动的归属于相应的行业、行业组和行业板块。目前有34,000家交易活跃的公司已被分类，若包括交易不活跃的公司，则总数已超过50,000家。已分类的全球股票市场资产份额超过90%。 GICS为四级分类，包括10个经济部门（Economic Sector），24个行业组（Industry Group），67个行业（Industry）和147个子行业（Sub-Industry）。行业分类基准 ICB 行业分类基准 (Industry Classification Benchmark，ICB) 由富时集团及道琼斯指数公司于2005年1月合作推出，该体系基于透明管理规则进行管理，所有ICB数据库中的公司及证券按照管理规则进行四级行业分类。行业分类基准为交易及投资决策提供了一个最全面、最有效、最易于使用的行业分类系统。 ICB从投资者的复杂需求出发，为金融行业提供了一个统一而全面的行业分类系统，对全球范围内的4万多家公司及4万5千种股票进行分类管理。该分类体系共分四级，包含10个产业、18个超行业、39个行业及104个从属行业，可以帮助用户在监控宏观行业趋势的同时，也关注小型细分市场，并进行定量和定性分析。ICB独立的管理及全球研究团队的支持确保了ICB系统准确的代表性，持续的增长性以及对市场监控的连续性。 2005年，ICB已成为市场首选的行业分类体系，为全球主要的证券交易所认可和使用，其中包括纳斯达克交易所、纽约交易所、伦敦交易所、Euronext及新加坡交易所，占世界市场65%的资本总额。此外，ICB也深获全球众多金融信息及数据提供商，以及出版机构和媒体的欢迎。中国证监会行业分类 CSRC 即标准行业分类 2001年中国证监会发布新的上市公司行业分类指引，是在1999年出台的《上市公司分

装备制造业7大类42个中分类行业清单

附件1：装备制造业7大类42个中分类行业清单

- 2 -

附件2：申请报告内容大纲一、企业基本情况（一）企业简介（母公司及控股公司、参股公司）。企业名称、所有制性质（资本构成状况）、隶属关系、改革改组情况、企业在全省全国同行业中的排名等情况。（二）企业地址概况。地址、占地面积、周边单位和环境、交通运输情况等。（三）物资供应情况。主要原材料、燃料、能源供应情况，主要协作关系等。（四）职工人员情况。职工人数及构成（工人、管理人员、技术人员、研发人员的人数及占总人数的比重）；劳动生产力水平；现有企业培训状况等。（五）固定资产现状。企业总资产、固定资产原值及净值、建筑面积、厂房面积等。（六）企业财务状况。企业近三年的销售收入、产值、利税、利润（税后）、出口创汇、资产负债率等指标。企业赢利状况分析、成长性分析、主营业务收入分析、经营管理能力分析、现金流分析、负债状况、资本状况等。 - 3 -

银行信用等级、近几年贷款融资情况。（七）企业实施标准化情况。采用标准情况、贯标情况。（八）节能、循环经济、环境保护、消防、节能、职业安全卫生情况。（九）企业在地区及省内的社会影响。二、企业产品、生产技术情况（一）生产能力和销售状况。企业现有生产能力、产品结构及水平、市场竞争能力，近三年的实际产量、销售量、出口量；主导产品的产量、销售量、出口量；主导产品销售收入占总销售收入的比重；主导产品在国内同行的排位等。（二）产品成本状况。主产品的生产成本（总成本、单位成本、固定成本与变动成本、产品成本结构），单位产品的主要原料、材料、燃料、电力等消耗定额等。（三）工艺技术及装备状况。企业产品工艺技术、装备现状（主装备明细表），与国内外先进水平的差距。三、市场预测（一）市场需求。国内、国际市场对企业产品的需求预测。 - 4 -

我国的行业分类

中国行业新分类《财富中国》根据发达国家得行业界定与行业演变规则,对中国得行业进行新分类：一、机构组织:政府机构,各国驻华行政机构,贸易公司，经济组织，协会，其她机构? 二、农林牧渔：农业:粮食，豆类，蔬菜及制品，水果及制品，坚果，杂果，干果,咖啡,可可及制品,棉类,麻类,含油子仁，果仁，籽,食用菌，烟草，花木，竹木,藤苇,干草,木炭,植物提取物,动物提取物,动植物油,动植物种苗，家禽，牲畜，养殖动物，蚕茧,蚕丝，羽毛，羽绒,羊绒,生皮，毛皮，动物毛鬃,肠衣，禽蛋,饲料,饲料添加剂,肥料，农药，园艺用具,农用品,农用机械，林业设备及用具，畜牧养殖业设备及用具,渔业设备及用具，粮油加工机械，饲料加工机械，屠宰及肉类初加工设备,农副产品加工,木材加工，家具制造机械,其她三、医药卫生：保健用品，减肥增重产品,个人保养，药材，中药饮片,康复产品，制药设备,医疗器械制造设备,计生用品，其她四、建筑建材：房地产，市政工程:市政道路建设,市政公用设施建设，自来水输水工程,集中供暖、供热、供气工程,文教、卫生、体育、音乐等公益设施建设，纪念性建筑设施建设,各类建筑工程，木材板材，石材石料，水泥及制品,石灰，石膏，混凝土及制品，建筑玻璃,陶瓷，搪瓷及制品,塑料建材，金属建材,防水，防潮材料,耐火,防火材料，隔热，吸声材料,绝缘材料，特种建材，施工材料，砖，瓦及砌块，墙体材料,天花板,地板,门窗，壁纸，锁具，建筑装饰五金，管件管材,厨房设施,卫浴设施,涂料，胶粘剂,作业保护，活动房，堆垛搬运机械,建筑及相关设备,陶瓷，木工机械设备，搪瓷生产加工机械，工程承包,建筑装璜设计，其她五、冶金矿产：金属矿产,有色金属,有色金属制品,有色金属合金，有色金属合金制品，稀土及稀土制品,黑色金属及制品,铁合金及制品，钢铁及制品,铸锻件，金属丝网，粉末冶金,磁性材料,废金属，非金属矿产,非金属矿物制品，石墨及碳素产品，矿业设备，冶金设备,金属线，管、板制造设备,冶炼加工，其她?六、石油化工：1、石油及制品，煤矿，天然气,煤气矿业设备,其她石油专用机械设备２、化工：无机化工原料,有机化工原料,树脂,其她聚合物，化学纤维，食品添加剂，饲料添加剂，化学试剂，催化剂及化学助剂，日用化学品，香料，香精,染料,颜料，涂料，胶粘剂，火工产品，油墨，塑料及制品,橡胶及制品，玻璃及制品,实验室用品，仪器，仪表,塑料生产加工机械,橡胶生产加工机械,玻璃生产加工机械,化工设备，化工废料，化工产品设计加工,其她七、水利水电:水利、火力发电设备,水利、防洪工程及用品，河道疏浚工程,大坝、水库、闸门、泻洪工程,农田水利工程，江河、湖泊治理工程,电力工程,电力、太阳能及再生能源,其 1、轮胎,汽车：轿车，越野汽她水利水电设备，其她水利水电设施?八、交通运输:? 车,吉普车,卡车，载客汽车，旅行面包车，公共汽车地,微型客车，其它载客汽车,专用汽车,工程汽车，工具汽车，消防车，警车,救护车，通讯与广播用车，皮卡,洒水车，道路清扫车，垃圾车，其她专用汽车,电车，汽车配件，摩托车及配件，专用车辆，二手汽摩，汽摩附属及相关产品，停车场,加油站设备,汽车保养,交通安全，汽摩产品制造设备，船只,飞机，其她交通工具,其它; 2、自行车，三轮车及配件,铁路，地铁用设备器材，船舶及配件，电梯,缆车及配件,飞行器及配件，集装箱,二手交通产品及用具,轮胎,废气处理设施,交通安全设施，运输、仓储,其她２、机场、航空工程，港口工程，铁路工程,公路、桥梁、涵洞。九、信息产业：?１、电脑与软件:计算机，消耗品,插卡类，主机配件，电脑外设,机箱,UPS与电源,网络设备,配件，电脑,电子记事簿,笔记本电脑，服务器，工作站，二手电脑及用品?2、软件：网络工程,电脑相关用品，电脑产品制造设备,软件开发，其她?3、通讯产品,通讯产品配件部件，锂电池,镍氢电池,磁卡，ＩP卡，ＩC卡,来电显示器，拨号器,

上市公司行业分类细分

1化工板块根据工艺流程的不同, 煤化工行业主要分为煤焦化(包含电石法)、煤气化和煤液化三条分支。其中，煤焦化及下游电石、 PVC, 煤气化后续的合成氨、尿素等为传统煤化工技术, 而煤气化制醇醚、烯烃, 煤液化则属于新型煤化工范畴。三条产业链中煤液化技术壁垒最高, 而煤气化应用最广泛。仅以煤制油为例，当煤炭价格在300元/吨、400元/吨、500元/吨时，对应的油价的盈亏平衡点为40美元/桶、48美元/桶、54美元/桶，所以煤化工相对于石化路线来讲具有成本优势。我们认为，在高油价时代，煤化工将迎来崭新的发展机遇，在石化产品因成本上涨而推动产品价格的同时，煤化工作为替代品，其盈利能力将得到明显改善。在高油价时期，我们看好与原油下游产品具有替代作用的PVC、BDO、乙二醇三类投资标的。在PVC生产中，分乙烯路线及电石路线两种。在BDO生产中分为乙炔法和石油法两种。在乙二醇生产中分石脑油路线和煤制乙二醇路线两种。目前电石价格已处于高位，进一步上涨空间不大，我们相信在国家以抗通胀为工作重点的前提下，煤炭价格的涨幅不会过大。在PVC、BDO、乙二醇的石油法生产路线中，因其成本与原油价格正相关，其成本将逐渐提高，因此未来以电石法路线生产PVC、BDO、乙二醇企业的盈利能力将得到提升。我们推荐天原集团（002386）、中泰化学（002092）、新疆天业（600075）、英力特（000635）、山西三维（000755）、丹化科技（600844）等标的。煤化工板块股票： 600096云天化 600123兰花科创 600740 *ST山焦 600227赤天化 000755山西三维 000683远兴能源 000912泸天化 000627天茂集团 600509天富热电 600426华鲁恒升 600392太工天成 600423柳化股份 000707双环科技 600063皖维高新 600725云维股份 600408安泰集团 000830鲁西化工

中国职业分类全

中国职业分类大全中国职业分类大全职业类别工种描述一类纯文职人员，从事非体力劳动人员：公司管理人员、研发人员、文职人员、柜面人员；教师；设计师；财务人员；法官、律师、书记员；警卫行政及内勤人员；编辑；医生、护士；工程师；试验室人员（化学、核能、放射实验人员除外）、质检员；仓库管理员等二类从事少量体力劳动非纯文职人员：机关、企事业单位外勤人员（如银行信贷员、销售人员、采购人员、报关员）；外勤记者（非战地记者）；清洁工（非从事高空作业、公路清扫）；导游；餐饮、酒店服务业服务员；制造业车间主任、领班；电影、电视业人员（非跑片员、武打演员、特技演员、机械工、电工、布景搭设人员）；高尔夫球场、保龄球场、球场、游泳池、海水浴场、游乐园的教练、球童、服务员、记分员、管理员、服务员；门卫；理发师、美容师、洗衣店工人；学生；公共事业抄表员、收费员；批发、零售业商人家政人员、退休人员、个体工商户；桌球、羽毛球、游泳、射箭、溜冰、射击、举重、民俗体育活动、手球、乒乓球教练三类农牧业人员；内陆渔业养殖工人、水产品加工人员；非营运汽车司机及随车人员；航运稽查员；厨师；造修船业工程师；建筑业监工、领班、土木建筑承包商；铁工厂、机械厂全自动车床工；电子业工人；仪器、仪表制造业工人；纺织及成衣业工人；食品饮料制造业工人；烟草业工人；文具制造业工人；塑胶业工人；橡胶业工人；包装工人；新闻杂志业装订工、送货员；印刷厂工人；舞蹈演员；酒家、歌厅工作人员；物业保安；司法警察；工商、税务执法人员；汽车教练；健身教练；体操教练；篮球教练；橄榄球教练；游泳、网球、垒球、溜冰、篮球、田径、体操、帆船、泛舟、手球、橄榄球、乒乓球职业运动员四类沿海养殖工人、内陆捕鱼人；护林员；野生植物保护人员；人力三轮车夫；营运汽车司机及随车人员；搬运工人、装卸工人；铁路维护工；铁路保安；航运领航员、饮水员、缉私人员、拖船轮渡驾驶员及工作人员飞机洗刷人员、机械员、修护人员；土木工程建筑业工人（不含外墙及高空作业）；安装工人（非高空作业）；装潢人员（非高空作业）；地质探测员（山区、海上）；加油站人员；制药厂工人；铁工厂、机械厂工人；板金工、车床工、水电工、电镀工、铣床工、冲床工、钻床工、铲车工、钳工、焊工、铸造工；化工产品生产人员；造纸业、床垫及枕头制造业、陶器业工人；砖瓦厂、水泥厂工人；玻璃厂工人；广告业拍摄人员、广告牌制作人员（室内）；电影、电视

各行业工作岗位分类名称一栏表

01－－－－－经营管理类－－－－－0101 总裁/总经理/CEO 0102 行政总监 0103 技术总监CTO/总工 0104 人力资源总监 0105 财务总监CFO/总会计师 0106 首席信息官CIO 0107 首席运营官/COO 0108 市场/营销总监 0109 联盟经理 02－－－－－公关/市场营销类－－－－－0201 公关经理 0202 公关专员 0211 市场经理/营销经理 0212 渠道经理 0213 产品/品牌经理 0214 市场助理/专员 0215 市场营销/推广/合作 0216 客户代表/营销代表 0217 市场策划 0218 市场分析/调研 0221 CI设计与策划 0222 广告文案/媒体策划/设计 03－－－－－贸易/销售/业务类－－－－0301 国内贸易 0302 国外贸易/涉外业务 0303 跟单员 0304 报关员 0311 销售经理/区域经理/商务经理 0312 销售工程师/销售代表 0313 销售助理/业务员 0314 商务代表/商务助理/业务助理 04－－－－－财务类－－－－－ 0401 财务经理/主任 0402 会计主管 0411 注册会计师 0412 会计 0413 出纳 0421 审计经理/主管/专员 0422 注册审计师 0431 统计 0432 计划 0433 稽核 0434 财务分析0435 成本分析/核算 05－－－－－行政/人力资源管理类－－－0501 行政经理/主管 0502 行政专员/行政秘书/助理 0503 办公室主任 0511 人力资源经理/专员/助理 0512 培训经理/专员/助理 0513 招聘经理/专员/助理 0514 薪酬福利经理/专员/助理 0515 绩效考核经理/专员/助理 06－－－－－文职类－－－－－ 0601 图书情报/资料/文档管理 0602 文秘/高级文员 0603 资料/文档撰写/编辑 0611 计算机操作员/打字员/文员/校对0612 前台/接待员/礼仪 0613 收发员/话务员/后勤 0621 英语翻译 0622 日语翻译 0623 法语翻译 0624 德语翻译 0625 韩语翻译 0626 其它语种 07－－－－－客户服务类－－－－－0701 客户服务经理 0702 技术支持/客户培训 0703 售前/售后服务 0704 热线咨询 0705 客户关系处理 0706 客户分析 0707 投诉处理 08－－－－－工厂类－－－－－ 0801 厂长/副厂长 0802 厂务管理 0803 车间主任/拉长 0811 产品开发 0812 品质管理 0813 采购管理 0814 仓储管理 0815 物料管理 0816 设备管理 0817 安全管理 0821 配色美工 0822 计划/调度/协调员