数据模型所描述的内容包括三个部分：数据结构、数据操作、数据约束。 1）数据结构:数据模型中的数据结构主要描述数据的类型、内容、性质以及数据间的联系等。数据结构是数据模型的基础，数据操作和约束都建立在数据结构上。不同的数据结构具有不同的操作和约束。 2）数据操作:数据模型中数据操作主要描述在相应的数据结构上的操作类型和操作方式。 3）数据约束：数据模型中的数据约束主要描述数据结构内数据间的语法、词义联系、他们之间的制约和依存关系，以及数据动态变化的规则，以保证数据的正确、有效和相容。 数据模型按不同的应用层次分成三种类型：分别是概念数据模型、逻辑数据模型、物理数据模型。 1、概念数据模型（Conceptual Data Model）：简称概念模型，主要用来描述世界的概念化结构，它使数据库的设计人员在设计的初始阶段，摆脱计算机系统及DBMS的具体技术问题，集中精力分析数据以及数据之间的联系等，与具体的数据管理系统（Database Management System，简称DBMS）无关。概念数据模型必须换成逻辑数据模型，才能在DBMS中实现。 概念数据模型是最终用户对数据存储的看法，反映了最终用户综合性的信息需求，它以数据类的方式描述企业级的数据需求，数据类代表了在业务环境中自然聚集成的几个主要类别数据。 概念数据模型的内容包括重要的实体及实体之间的关系。在概念数据模型中不包括实体的属性，也不用定义实体的主键。这是概念数据模型和逻辑数据模型的主要区别。 概念数据模型的目标是统一业务概念，作为业务人员和技术人员之间沟通的桥梁，确定不同实体之间的最高层次的关系。 在有些数据模型的设计过程中，概念数据模型是和逻辑数据模型合在一起进行设计的。 2、逻辑数据模型（Logical Data Model）:简称数据模型，这是用户从数据库所看到的模型，是具体的DBMS所支持的数据模型，如网状数据模型(Network Data Model)、层次
1.2.3 最常用的数据模型 最常用的数据模型包括四种： 注1：非关系模型在20世纪70-80年代很流行，现在逐步被关系模型取代。 注2：下面讲的数据模型都是指逻辑上的数据模型，即用户眼中看到的数据范围。 一、层次模型 定义： ①有只有一个结点没有双亲结点，这个结点称为根结点； ②根以外的其他结点有且只有一个双亲结点。 代表产品：IBM公司的IMS(Information Management System)数据库管理系统。 1. 数据结构 基本结构 ①用树形结构来表示各类实体以及实体间的联系。 ②每个结点表示一个记录类型（实体），结点之间的连线表示记录类型间一对多的父子联系，这种联系只能是父子联系。 ③每个记录类型可包含若干个字段（属性）。
图1.12 教员学生层次数据库模型 图1.13 教员学生层次数据库的一个值 多对多联系在层次模型中的表示 ①必须首先将其分解成一对多联系。 ②分解方法有两种：冗余结点法和虚拟结点法。 图1.14(a) 一个学生选课的多对多联系
图1.14(b) 冗余结点法将多对多联系转化为一对多联系 图1.14(c) 虚拟结点法将多对多联系转化为一对多联系 2. 数据操作与完整性约束 数据操作：查询、插入、删除和修改。 完整性约束： ①插入：如果没有相应的双亲结点值就不能插入子女结点值。如：图1.13中，若新调入一名教师，在未分配到某个教研室以前，不能将新教员插入到数据库。 ②删除：如果删除双亲结点值，则相应的子女结点值也被同时删除。如：图1.9中，若删除网络教研室，需要首先删除属于网络教研室的所有教师的数据。 ③修改：应修改所有相应记录，以保证数据的一致性。如：图1.14(b)中，若一个学生要改姓名，则两处学生记录值均要修改。 3. 存储结构
大型共享数据库的数据关系模型 E.F.Codd IBM Research Laboratory,SanJose,California 未来的数据库使用者一定是和数据在机器中的存储（即数据库的内部模式）相隔离的。而通过提示服务来提供信息是一个不太令人满意的解决方法。当数据的内部模式表示发生改变，甚至数据内部表示的多个方面发生改变时，终端用户和大多数应用程序的活动都不会受到影响。因此，查询、更新和报告存储信息类型的自然增长和变动都需要在数据表示中表现出来。 现存的不可推断的、格式化的数据系统给用户提供了树结构的文件或者更一般的网格模式的数据。本文在第一部分讨论这些模式的不足之处。并且会介绍一种基于n元组关系的模式，一种数据库关系的正式形式和通用数据子句的概念。第二部分将讨论一些关系的操作（不是逻辑层面的），并且把这些操作应用于用户模式上解决冗余和一致性问题。 1关系模式和一般模式 1.1简介 这篇文章是关于系统的基本关系原理的应用，这个原理提供了共享大型格式化数据库的方法。除了Childs[1]的文章有介绍外，用于数据库系统的关系的主要应用 还表现在演绎推理型的问-答系统中。Levein和Maron[2]提供了大量关于这个领域的参考资料。 相比之下，这里要解决的问题是一些数据独立性的问题——应用程序和终端活动之于数据类型增长和数据表示变动的独立性，而数据一致性问题即使在非演绎推 理型系统中也是很棘手的。 在目前流行的非推论性系统中，第一部分要介绍的数据的关系视图（或叫做模式）在一些方面似乎优于图模式和网格模式[3,4]。这种模式提供了一种根据数据的自然结构来描述描述数据的方式——也就是说，不用为了数据的机器表示而添加其 他的将结构。因此，这种模式为高水准的数据语言提供了基础，而这种数据语言机 制一方面可以达到最大化程序之间的独立性，另一方面也可以最大化数据的机器表 示和组织之间的独立性。 关系模式更高一级的优势在于它构成了关系处理可导性、冗余性和一致性的坚固基础——这些将在第二部分讨论。另一方面，网络模型产生了一些混淆，尤其是 把连接的源误作为关系的源（见第二部分“连接陷阱”） 最后，关系视图允许对目前格式化数据系统的范围和逻辑限制的更清晰的估算，并且有在单独的系统内竞争数据表示方式的优点（从逻辑的观点）。更清楚的这个观点的示例会在本文中的不同部分中被阐释。但是支持关系模式的系统实现不会讨论。 1.2目前系统的数据相关性 最近发展的信息系统中数据描述表的提供是向数据独立性目标[5,6,7]靠近的重要提高。这些表可以使改变数据库中数据表示的某些特征变得更容易些。但是，许 多数据表示特征可以在不逻辑地削弱一些应用程序的情况下被改变的功能仍受到相 当的限制。更进一步，与用户交互的数据模式仍然有一些散乱的代表性特征，特别
计量经济学模型对数据依赖性的探索 一、引言 在计量经济学模型的应用研究中，经常有人提出类似于“鸡生蛋还是蛋生鸡”的问题，即究竟是根据数据设定模型．还是根据模型选择数据?不同的是．鸡与蛋的关系问题是没有答案的，而模型与数据的关系问题是有答案的。表示计量经济学应用模型的类型依赖于表征研究对象状态的数 据类型，不同类型的数据。必须选择不同类型的模型。在模型类型确定之后，依据对研究对象的系统动力学关系的分析，设定总体模型。在这个过程中，必须对在经济理论指导下所分析的系统动力学关系进行统计必要性检验。当总体模型被正确设定后，接下来的任务是进行模型参数的估计，毫无疑问，模型估计必须得到样本数据的支持，模型估计结果依赖于样本数据的质量。模型经过估计和检验后进人应用，根据应用目的的不同，需要不同的数据支持，例如用于预测，必须首先给出预测期的外生变量的数据，这就是所表示的步骤。 计量经济学模型对数据的依赖性的一个人所共知的例 子是关于我国广义技术进步对经济增长的贡献的测算。国内外许多学者进行了经验研究。结果差异极大，技术进步对GDP
增长的贡献率．最低的估计为0，最高估计达到40％。甚至所建立的模型都是C—D型总量生产函数模型．选择的投入要素都是资本和劳动．甚至选择的样本区间也是相同的．数据都来自于中国统计年鉴，仍然会得到不同的结论。为什么?关键是不同的研究者对资本投入的数据或者未进行任何处理，或者进行了不同方式的处理，以消除价格因素的影响最近几年．我们对农户借贷需求进行了较为广泛的调查，采集了青海、新疆、甘肃、河北、黑龙江、吉林、山西、湖南、湖北、河南、安徽、江西、陕西、山东、辽宁、内蒙古等16省区的72个县、440多个村庄的5100家农户的数据。其中，在一年中发生借贷行为的农户占55．3％(包括向亲友借贷)，为2820户，其余2280户没有发生借贷。对于这一宝贵的数据资源．当然要充分利用。于是。为了对农户借贷行为进行因素分析．不同的研究者建立了不同的计量经济学模型。 上述例子从不同的角度反映了计量经济学模型与数据 之间的关系。前者反映了计量经济学模型估计结果对数据质量的依赖性：后者反映了计量经济学模型类型对数据类型的依赖性。正如李子奈(2007)指出的．在我国计量经济学应用研究广泛开展的今天，问题和错误也普遍存在。重要的原因之一是对计量经济学模型方法论基础缺乏正确的理解，其中包括计量经济学模型的数据基础问题下面将着重就当前计
三、空间数据结构与GIS数据模型 地理信息系统所处理的数据与一般事务性信息系统如银行管理系统、图书检索系统不同。GIS的数据处理不仅包括所研究对象的属性关系，还包括研究对象的空间位置以及空间拓扑关系等信息，数据量大，结构复杂。因此，人们对GIS中的数据结构和数据模型进行了大量的研究，并发展了一整套空间数据处理的算法。 一、空间数据结构的概念 数据结构是指数据的组织形式，可以分为抽象数据结构(或称逻辑结构)和数据存贮结构(或称物理结构)来进行研究。 所谓抽象数据结构是指人们仅从概念上描绘数据之间的排列和联系，而并不涉及数据和具体程序管理细节。 数据存贮结构则是为实现某一抽象数据结构而具体设计的数据存贮管理方式.是依照任务的不同，软件系统和设计者的不同而改变的，具有一定的特殊性，是前者的一个具体实现。 地理空间数据在GIS中的流向可以认为经历了四个阶段。用户认知的数据结构输入GIS系统后转换成为GIS空间数据结构，然后，为有效地进行数据管理，将其转化为数据库结构，最后按某种特定程式以硬件结构写入存贮介质。上述流程即为数据的输入过程。 地理空间实体可以抽象为点、线、面三种基本地形要素来表示它的位置、形状、大小、高低等。 ---点(零维)：又称为元素或像元，是一个数据点，具有一对(x，y)坐标相至少—个属性，逻辑上不能再分。这里所谓逻辑上不能再分是指抽象的点而不是几何点，因为事实上抽象的点可以是实体线段或面块，对某个比例尺或图像分辨率而言，它们可以被抽象为以一对坐标表示的数据点。
---线：是由一个(x,y)坐标对序列表示的具有相同属性的点的轨迹。线的形状决定坐标对序列的排列顺序，线上每个点有不多于二个邻点。地理实体，如河流、道路、地形线、公共设施走廊、区域边界、地质界线等均属线状地物，其特点是线上各点有相同的公共属性并至少存在一个属性。 ---面：是以(x,y)坐标对的集合表示的具有相同属性的点的轨迹。面的形状不受各点坐标对排列顺序的影响。凡是面的内部点可以有多于三个的邻点，面内每个点应至少具有一个相同属性。土壤、植被、行政区划、岩石分类等地理实体属面状地物。 如果顾及平面位置与高程位置结合起来所构成的空间数据模型则还应考虑三维的体元素，作为点、线、面三个基本地形要素的—个外延。总之，从几何上讲，人们正是通过上述这些基本要素构成了对各种地理实体的认识结构。 地理信息系统空间数据结构就是指空间数据的编排方式和组织关系。空间数据编码是空间数据结构的实现。 目的是将图形数据、影像数据、统计数据等资料，按一定的数据结构转换为适用于计算机存储和处理的过程，不同的数据源，其数据结构相差很大，同一数据源，也可以用许多方式来组织数据，按不同的数据结构去处理，得到的截然不同的内容。 如下图所示为用这两种数据结构来表示同一块由不同土壤结构构成的土地。图中(a)的土壤结构是由一组具有起终点坐标的线段和必要的连接指针构成。因为表示物件的线段有方向性，所以称之为矢量结构。线段端点的指针表明了这些线段应如何连接在一起才能形成相应地块。这种结构可以表述为: 地块→矢量组→连通性 图中(b)的土壤结构是由格网中某一部分的像元或称栅格集合所构成，所以称之为栅格结构。在同一集合中的像元都具有同样的编码“a”或“b”或“c”等。实际上这些值本身并不一定显示出来，通常它们可能只代表某一符弓或是某种颜色或是影像灰度,这种结构可以表述为： 地块→符号／颜色→像元
什么是数据模型什么是数据模型？？请给出关系数据模型的基本组成内容请给出关系数据模型的基本组成内容。。 答：数据（data ）是描述事物的符号记录。模型（Model)是现实世界的抽象。数据模型（Data Model ）是数据特征的抽象，是数据库管理的数学形式框架。数据库系统中用以提供信息表示和操作手段的形式构架。数据模型包括数据库数据的结构部分、数据库数据的操作部分和数据库数据的约束条件。关系数据模型把概念模型中实体以及实体之间的各种联系均用关系来表示。从用户的观点来看，关系模型中数据的逻辑结构是一张二维表，它由行列构成。每一个关系用一张二维表来表示，常称为表。每一个关系表都有个区别于其他关系表的名字，称关系名。关系是概念模型中同一类实体以及实体之间联系集合的数据模型表示。二维表中的每一列即为一个属性，每个属性都有一个显示在每一列首行的属性名。在一个关系表当中不能有两个同名属性。关系中每个属性的值是有一定变化范围的。每一个属性所对应的变化范围叫做属性的变域或简称域，它是属性值的集合，关系中所有属性的实际取值必须来自于它对应的域。二维表中的每一行数据总称为一个元组或记录。一个元组对应概念模型中一个实体的所有属性值的总称。由若干个元组就可构成一个具体的关系，一个关系中不允许有两个完全相同的元组。在关系数据库中，对每个指定的关系经常需要根据某些属性的值来唯一的操作一个元组，也就是要通过某个或某几个属性来唯一的标识一个元组，我们把这样的属性或属性组称为指定关系的关键字。关系运算：并、交、差、选择、连接、投影。关系数据模型的基本理论不但对关系模型的结构进行了严格的定义，而且还有一组完整的数据约束规则，它规定了数据模型中的数据必须符合的某种约束条件。在定义关系数据模型和进行数据操作时都必须保证符合约束。关系模型中共有四类完整性约束：域完整性、实体完整性、参照完整性、用户自定义完整性。其中实体完整性和参照完整性是关系模型必须满足的完整性约束条件，任何关系系统都应该能自动维护。
第3章关系数据模型 3.1 关系数据模型和关系数据库 关系模型由三部分组成： ·数据结构 ·操作集合 ·完整性约束 这三部分也称为关系模型三要素。 3.1.1 数据结构 ·关系数据模型用二维表来组织数据。 ·这个二维表在关系数据库中就称为关系。 ·关系数据库就是表或者说是关系的集合。 ·表是逻辑结构而不是物理结构。 3.1.2 数据操作 关系数据模型中的操作包括： ·传统的关系运算：并、交、差、广义笛卡尔乘积； ·专门的关系运算：选择、投影、连接、除; ·有关的数据操作：查询、插入、删除、更改。 操作特点 ·关系模型中操作的数据以及查询的结果都是完整的集合（或表）， ·这些集合可以只包含一行数据，也可以是不包含任何数据的空集合。 ·非关系模型数据库中典型的操作是一次一行或一次一个记录。 ·集合处理能力是关系系统区别于其他系统的重要特征。 关系模型与非关系模型区别 ·在非关系模型中，各个数据记录之间是通过指针等方式连接的，当要定位到某条记录时，需要用户自己按指针的链接方向逐层查找——导航。 ·在关系模型中，用户只需指定数据的定位条件，数据库管理系统就可以自动定位到该数据记录——非导航。 关系操作 关系模型的数据操作主要包括： 查询、插入、删除、更改 关系数据库中的信息表示方式：表中的行列位置有明确的值——逻辑层。 关系数据库的物理层 关系数据库在物理层也使用指针，但这些物理层的存储细节对用户来说都是不可见的，用户所看到的物理层实际上就是存放数据的数据库文件: ·文件名 ·存放位置 ·关系语言特点 关系操作是通过关系语言实现的，关系语言的特点是高度非过程化： 用户不必关心数据的存取路径和存取过程，只需要提出数据请求，DBMS会自动完成用户请求的操作；
关系模型的数据结构 关系模型源于数学，它用二维表来组织数据，而这个二维表在关系数据库中称为关系。 关系数据库是表的集合 用关系表示实体以及实体间的联系的模型，称为关系模型，下面我们来看看关系模型中的基本术语 1.关系 关系就是二维表，它满足以下几个条件 1）关系表中的每一列都是不可再分的基本属性。（有子属性，分开了，不是关系表） 2）表中的各属性不能重名 3）表中的行、列次序并不重要，即交换列的前后顺序（比如将性别放在年龄前面）不影响其表达的一个语义。 2.元组 表中的每一行数据称为一个元组，它相当于一个记录值 3.属性 表中的每一列是一个属性值的集合，列可以命名，称为属性名，属性与前面讲到的实体属性（特征）或记录的字段意义相当。 关系表中的每一行数据不允许完全相同，因为存储值完全相同的两行或多行数据并没有实际意义 4.主键 主键也称主码或主关键字，是表中用于唯一确定一个元组的一个属性或最小属性组。 主键可以由一个属性组成，也可以由多个属性共同组成。 如表所示，学号就是此学生基本信息表的主键，因为它可以唯一地确定一个学生。而表所示的关系的主键就由学号和课程号共同组成，因为一个学生可以选修多门课程，而且一门课程也可以有多个学生选修，因此，只有将学号和课程号结合起来才能共同的确定一行记录。通常称由多个属性共同组成的主键为复合主键。表的主键与其实际应用语义有关，与表设计者的意图有关，如表，用（学号，课程号）作为主键在一个学生对一门课程只能有一次考试的前提下是成立的，如果设定一个学生对一门课程可以有多次考试，则用（学号，课程号）作主键就不够了，因为一个学生对一门课程有多少次考试，则这个值就回重复多少遍，如果是这种情况，就必须为这个表添加一个“考试次数”列，同时作为主键 有时一个表中可能存在多个可以作主键的属性，比如，对于学生信息表，如果能够保证姓名肯定不重复的话，那么姓名也可以作为学生基本信息的主键，如果表中存在多个可以作为主键的属性，则称这些属性为候选键属性，相应的键称为候选键，从中选一个作为主键都是可以的。 5.域 属性的取值范围称为域。例如，大学生的年龄假设在14~40岁范围内，则学生的“年龄”属性的域就是（14~40）