經濟學數據分析匯總十篇

序論：好文章的創作是一個不斷探索和完善的過程，我們為您推薦十篇經濟學數據分析范例，希望它們能助您一臂之力，提升您的閱讀品質，帶來更深刻的閱讀感受。

篇（1）

中圖分類號：G424 文獻標識碼：A

在傳統的數據分析教學研究中，人們總是試圖走通兩條道路，一條是做好理論假設，帶著理論去研究實踐；另一條是從大量的實踐研究中提升理論。結果往往是走第一條路的研究者將實踐“形式化”、“刻板化”；而走第二條路的研究者則往往將教育研究“簡約化”，從一線實踐中獲得的豐富經驗非但沒有上升到理論，反而在理論“提升”的過程中將大量的“經驗”過濾掉了。數據分析課程教學是建立在數學學科基礎上的，整個教學過程就是學生在一個“宏情境”中，獨立地識別問題、提出問題、解決真實與復雜的數學問題的全過程。無論是教師在課堂中的角色、課堂中教學策略的運用、數學學習與其它學科的整合，還是學生所要解決問題設計的層次性，都具有較強的科學性和目的性。情境認知學習理論是20 世紀80年代中后期形成的重要的學習理論，上世紀90年代之后，情境認知理論開始滲透到教育研究的各個領域。情境認知學習理論認為，學習的實質是個體參與實踐并與他人、環境等相互作用的過程，是個體形成實踐活動的能力、提高社會水平的過程。①國內外學者對情境認知與學習的教學模式的研究碩果累累，可對在數據分析課程中運用的研究目前作者沒有看到相關的文獻。基于數據分析課堂教學的本質特點，我們的課堂教學研究如何做？如何使情境認知學習的教學模式研究真正走進數據分析課程教學？圍繞這些問題，筆者從下面五個方面來探究數據分析的教學過程。

1 選取經典案例，引起學生對數據來源與背景分析的重視

數據不等于數字，數據是具有內涵的數字，它隱含著人們事先不知道但又有用的信息。作為一個數據分析學習者，解決問題的時候必須考慮數據的來源與背景，下面的故事充分說明了數據來源的重要性（讀者.2005.22）。一天，喬治在刪除垃圾電子郵件時發現了一個標題：驚人的足球杯預測。他好奇地打開了它：親愛的球迷，我們的統計學家已經設計出了準確預測足球比賽的方法，今晚英國足球杯第三場比賽是考文垂隊對謝菲爾隊，我們以0.95的概率預測考文垂隊獲勝。喬治看后一笑。晚上考文垂隊果然獲勝。三周后喬治又收到了那人的郵件：上次我們成功地預測了考文垂隊獲勝，今天考文垂隊要和米德爾斯堡隊相遇了，我們以0.95的概率預測米德爾斯堡隊獲勝。考文垂隊強于對手，那天晚上卻發揮不好，雙方打成平手，但在加時賽上米德爾斯堡隊奇跡般地獲勝了，喬治心中一震。一周后，那人的電子郵件預測米德爾斯堡隊將敗給特倫米爾隊，結果果然如此。接下來的四分之一決賽前，那人的郵件預測特倫米爾隊勝陶頓亨隊，結果也是如此，四次預測都成功了，喬治大吃一驚。喬治再次收到電子郵件：現在你大概知道了我們的確能夠預測比賽的結果，實際上我們買斷了一位統計學家的研究專利，能夠以0.95的概率預測足球比賽的正確結果。今晚的半決賽中，我們以0.95的概率預測阿森那隊打敗伊普斯維爾隊。晚上阿森那隊在比分落后的情況下分歧直追，最終獲勝。第二天，電子郵件又來了：我們已經五次預測成功，現在希望和你做一筆交易，你支付200磅，把一個月內所關心的比賽和球隊告訴我們，我們將以0.95的概率為你預測勝負。200磅不是小數目，但是如果能預知結果，就可以從彩票商手中賺回20萬。喬治心中盤算：如果發郵件的人只是猜測勝負，則5次都猜對的概率僅為2-5 = 0.0313，于是以0.9687的概率否定他是在猜測，于是支付了200磅。實際上這些騙子先發出8000封電子郵件，一半預測甲勝，一半預測乙勝，于是有4000人得到正確的預測，第二次只給上次得到成功預測的4000人的發電子郵件，依次類推，五次預測以后得到8000/25 = 32人，如果這250人中有100人付錢，就可以騙到20000磅，喬治就是其中一個。

關于美國選舉的例子：誰會在1936選舉中獲勝，蘭登還是羅斯福？《文學文摘》送出一千萬份問卷（返回二百四十萬份）后，預測蘭登會贏；而蓋洛普只問了五千人說羅斯福會贏。最后羅斯福和蓋洛普贏了，《文學文摘》倒閉了。為什么出現這樣的結果，究其根源在于數據的來源。通過類似這些情境的設置，使學生意識到要想準確地進行數據分析，必須重視數據的來源與背景。②

2 講解各種數據分析方法時要提供豐富的有意義的情境

學習的情境對提高知識的遷移非常重要，研究表明：復合而豐富的學習情境更有利于學習遷移的產生。在單一情境中被傳授的知識與在復合情境中被傳授的知識相比不利于產生靈活遷移。在復合情境中，學生更有可能去概括方法的相關特征，形成對知識更靈活的表征。然而當一個問題是在復合的情境中講授，并帶有演示其廣泛應用的例子時，人們就更有可能分離出方法的相關特征，并形成知識的靈活表征。③比如在講解主成分分析時可以舉例：如何理解不同機構得出的大學排名結果？如何對學生成績進行綜合評價？如何理解各地的經濟排名等等。從而引申出主成分分析是在降維的思想下產生的處理高維數據的統計方法。通過構造原變量的適當的線性組合提取不同信息，主成分分析著眼于考慮變量的“分散性”信息。再比如，在講解判別分析時可以舉例：信用問題中，如何根據公司的財務和商業資料來判斷一個公司的信用等級？工業中，如何根據產品的一些測量指標判別產品的質量等級？經濟學中，如何根據人均國民收入判斷一個國家的經濟發展程度？醫學診斷中，如何根據病人的化驗結果和病情征兆判斷病人患哪種疾病？氣象學中，如何根據已有的氣象資料判斷未來的天氣情況？地質勘探中，如何根據地質結構、化探和物探的各項指標來判斷該地的礦物類型等等。從而引申出判別分析處理的問題往往包含較大量的數據資料，且其數量指標往往是多元的。判別分析是一種有效的多元數據分析方法，它能科學地判斷樣品的類型，在紛繁的數據中揭示內在的規律，使人們對所研究的問題做出正確的判斷。④在生產、科研和日常生活中，我們經常會遇到各種各樣的問題，這為各種數據分析方法提供了豐富的情境，在課堂教學中要加強情境的供應。

3 理論方法的講解要與情境認知有機結合起來

理論與應用并重，既要重視理論方法，也要重視應用模型解決實際問題。如何由情境問題恰當地歸納出數據分析的理論方法，再將數據分析方法正確地應用到實際中，是我們教學中必須高度重視的問題。對于理論方法，重點是思路，同時要注意各種分析方法的相互關系及綜合運用。比如相關分析和回歸分析是研究現象之間相關關系的兩種基本方法。所謂相關分析，就是用一個指標來表明現象間關系相互依存的密切程度，相關是解決客觀事物或現象相互關系密切程度的問題，回歸則是用函數的形式表示出因果關系。在醫學上，許多現象之間都存在著相互聯系，例如身高與體重、體溫與脈搏、年齡與血壓、釘螺與血吸蟲感染等。而有些事物的關系是互為因果的，如上述釘螺是因，感染血吸蟲是果；但有時因果不清，只是伴隨關系。例如父母的兄弟，兄高，弟也可能高，但不能說兄是因、弟是果，這里不是因果關系，而可能與社會條件、家庭經濟、營養、遺傳等因素有關。

4 將情境認知教學模式運用到軟件教學中去

數據分析這門課程除了要讓學生掌握必要的理論知識外，還要培養他們運用相關軟件在計算機上進行統計分析的能力。數據分析涉及大量數據的處理工作，需要借助統計軟件完成，學軟件的最好方式是在使用中學。2013年10月我院學生赴上海參加了“2013年中國高校SAS數據分析大賽”上海賽區的初賽，這次比賽充分帶動了學生學習的積極性，比賽所起到的推動作用遠遠高于一般實驗所起的作用，所以我們通過縮減驗證性實驗次數，增加綜合性實驗次數，給學生一些與實際生活密切相關的問題，讓學生自己去面對問題，包括數據搜集、數據處理、數據分析、圖表分析、問題結論分析等內容，進行實驗教學改革。實驗結束后通過班級比賽、院系比賽、學校比賽、全國比賽層層選拔的方式，激勵學生學習及檢查學生學習的效果，使學生意識到自己的不足，查漏補缺，從而帶動學生學習的積極性。通過這種教與練相結合的方式，學生不僅能較好地掌握各種數據分析方法的分析過程，加深對基本理論的理解，還增強了學習的興趣、信心和分析解決問題的能力。

5 將情境認知教學貫穿于輸出結果的分析與解釋中

情境認知教學模式要求學生在教師的指導下，通過自己的努力發現問題、分析問題和解決問題，這個過程不僅是知識的運用， 更主要的是能力的培養， 要學會分析問題的思路和解決問題的方法。學生在教學過程中的角色也要從聽話轉變為對話，這種轉變對于學生探究意識和創新能力的培養是非常有利的。在數據分析課程中，理論知識的傳授和實驗能力的培養歸根到底都是為了解決實際問題，各種軟件輸出的結果只能是數字或圖表，要想解決實際問題，學生必須對輸出結果進行分析、解釋，因此必須培養學生合理解釋所得到結果的能力。為了培養學生的這種能力，教學中我們經常組織學生進行討論，比如在對主成分分析的結果進行解釋時，首先從學生關心的問題開始，讓他們對輸出結果進行討論，在引起學生興趣的同時加強輸出結果模式的解釋，在其間采用引導、啟發的教學方式讓學生的思考逐步向準確答案靠近，然后逐步轉向理論化的問題。通過課堂討論不僅可以調動學生的思維，活躍課堂氣氛，而且可以在潛移默化中培養學生對所得數據結果進行合理解釋的能力。⑤

情境認知教學模式對培養學生的綜合能力、形成理論與實踐相結合的知識結構具有非常重要的作用。因此在數據分析課程的教學中要充分運用情境認知教學模式，在真實、互動的情境中學習，必定比傳統的課堂教學來得生動有趣，而且能靈活應用。

注釋

①③王文靜.基于情境認知與學習的教學模式研究[D].華東師范大學，2002.

篇（2）

一、引言

隨著信息技術的發展，在經濟管理中會出現越來越多的數據，如何挖掘這些龐大的數據，發現有用的信息已成為管理中迫切需要解決的問題。如在網上營銷中，我們急需知道哪一類人需求某一種商品，從而使營銷能夠有的放矢，最大限度地擴大銷售量。而《數據統計分析》正是講述如何收集數據，整理數據，分析與解釋數據，研究如何在浩瀚的數據中發現信息并指導我們的經營管理。因此《數據統計分析》成為財經學院的學科基礎課，成為該類學校各專業的必修課。希望該門課程的講授能夠讓學生掌握基本的統計分析方法，并能夠運用這些統計方法解決實際問題。

筆者通過這幾年對這門課的講授與學生的交流，發現學生在學習這門課的過程中普遍存在如下幾個問題。

第一，該門課程涉及深奧的概率知識與統計理論以及復雜的推導，學生普遍感覺該門課程的理論很難以掌握。

第二，雖然通過統計軟件操作出結果，但對結果的解讀不一定正確。

第三，學生普遍對這門課很有興趣，但在學習過程中總感覺內容太多，學過易忘。

對于這些問題，作為教師該如何調整教學，使學生能夠克服以上問題？本文從以下幾個方面進行了教學改革，提高了教學質量，激發了學生興趣。

二、《數據統計分析》教學內容調整

對于財經學院的學生來說，學習這門課以前，普遍學習了《高等數學》《線性代數與概率統計》，但學得不一定深，學生對于統計分析所要求的各種分布性質、矩陣與向量的計算等理論推導很頭疼。因此，教師應該以“學以致用”為原則，堅持理論與實踐相結合，理論適可而止，重點在于應用與實踐。根據這些原則構建“基礎理論-統計軟件-實踐教學”授課體系，首先淺顯地講述理論，然后在統計軟件中進行操作，對得出的結果進行詳細的分析，結合實際案例進一步加深對理論的理解以及結果的解讀。因此教師在本課程教學中應以實踐為主，可以開設為全實驗課程。

授課內容的選取與教材有關。本課程選取了薛薇主編的《SPSS統計分析方法及應用》，該書是北京市高等教育精品教材。重點教授內容為與經濟管理相關的數據文件建立、數據預處理、數據的描述統計、參數檢驗、非參數檢驗、回歸分析、聚類分析、因子分析、信度分析和時間序列分析。與統計分析相關的統計軟件有Matlab、SAS、SPSS、R、Eviews、STATISTICA等，而SPSS全部是界面式操作，對于不是計算機與統計相關專業的學生來說是最容易上手的。而且SPSS軟件包含了統計分析方法的所有功能和強大的圖形輸出功能，可以輸出簡潔漂亮的y計分析圖表。運用SPSS 軟件，可以使理論概念變得直觀、準確、具體、形象，將理論知識融入實踐中來，增強學生對概念的理解和對數據處理方法的運用[1]。而在該教材中，對于SPSS操作講解非常詳盡，每種統計方法結合具體案例都有詳細的講解。

三、《數據統計分析》教學方法與手段革新

從以上分析可知，該門課程應用實踐性很強。在教學中如何避免復雜的理論記憶而掌握各種統計方法，并能學以致用呢？本文從以下幾個方面進行闡述。

（一）運用以“統計思想”為中心的“黑箱”教學方法

什么是統計思想？統計思想是關于“為何統計，統計什么，如何統計”的思想，就是關于統計的世界觀和方法論[2]。《數據統計分析》有很多統計方法，每種統計方法都有復雜的統計理論及推導。對于經濟管理類學生來說，掌握所有的理論推導有一定的難度，但可以理解相應的統計思想。在統計教育中，掌握了統計思想，就慢慢培養了看問題的統計思維方式和思維習慣，統計思想教育應重于統計方法教育[3]。因此，教師在教學中應使每種統計方法的理論講解淺顯易懂，重點講清楚統計思想。所謂“黑箱”教學方法就是從綜合的角度提供了一條人們認識事物的重要途徑，尤其對某些內部結構比較復雜的系統，它是從系統的觀點出發，強調在整體與部分之間、整體與周圍環境的相互聯系中認識事物，而不去深究其內部結構和局部細節[4]。所以教師在統計理論的講解中，應把學生從復雜的統計理論與推導中解脫出來，把這些當作“黑箱”，只需在學生頭腦中建立起某種統計方法的統計思想，然后隨著授課進度的深入，結合具體的案例再講解這些理論與方法。例如對于非參數統計，可以借助已學過的參數檢驗，講解非參數統計的統計思想也是“提出假設-建立統計量-計算概率-是否拒絕原假設”，只是參數檢驗是在數據符合正態分布的條件下，推斷檢驗數據的均值與標準差是否相等，而非參數檢驗是小樣本統計推斷下，判斷各數據是否來自同一分布。學生理解非參數統計思想后，再打開“黑箱子”，闡明非參數檢驗各種情況下統計量的來源及計算方法。

（二）以“案例”為導向講述統計的理論與方法

《數據統計分析》這門課理論復雜，只有與實踐相結合，統計的理論與方法才能被學生充分理解和接受。案例教學是一種通過模擬或者重現現實生活中的一些場景，讓學生把自己納入案例場景中，通過討論或者研討的方式來進行學習的教學方法[5]。學生在教師的指導下，對案例進行思考，分析與討論，從而在案例中掌握所授課的內容。例如講述“因子分析時”，可以先闡述因子分析的統計思想就是降維以及相關的適用條件、因子的抽取、因子的命名解釋等，然后以某一行業上市公司的盈利能力指標為例讓學生進行因子分析。在案例討論分析時，教師首先引導學生分析數據是否適用于因子分析，然后讓學生考慮應該抽取幾個因子，每一個因子包含哪些盈利指標，每一個公司在新因子的得分情況如何，最后讓學生分析如何對所有公司的盈利能力進行綜合排名。在這樣一個案例討論中，通過教師循序漸進的引導，學生不斷加深對該方法的理解，而且對一些晦澀的概念如方差貢獻率、載荷矩陣、因子得分等有了感性認識，增強了學習興趣。

（三）加強學生上機實驗的體驗式教學模式

所謂體驗式教學模式，主要是組織體驗和引導反思，讓學生在經歷和實踐中實現自我領悟，在反思中重構自己的經驗，形成自己的行動策略和方式，從而習得相關知識[6]。為了使學生掌握相關的統計知識，可以讓學生親身運用SPSS體驗某種統計分析方法。這樣教授每部分內容時，必須準備好相應的實驗指導書與實驗報告。在實驗指導書中簡單闡述相P的理論、實驗內容以及相關的SPSS操作步驟與結果。學生根據實驗指導書完成實驗報告中的新內容，并撰寫實驗分析報告，實驗報告主要是實驗結果以及對結果用規范的統計語言進行描述，分析與解釋。學生做完實驗報告后，教師根據實驗情況進行講解與分析，驗證實驗結果。每部分授課內容通過這樣的體驗式教學，學生就會懂得相關的統計分析方法、操作與結果分析，達到教學目的。

（四）充分利用信息技術，構筑立體化教學模式

對于該門課程，教師在課堂教學中可以充分利用多媒體技術制作一些動畫與視頻，吸引學生的興趣。課堂教學以外，可以構建該課程的網絡教學平臺，提供上課視頻、課件、實驗指導書、實驗報告等，讓學生可以對課堂內容進行復習和自主學習。對于該課程的拓展及補充內容，制作一些微課，進一步拓寬學生的知識視野，提高學生的自主學習能力；還可以開設網上答疑和學習討論空間，對學生提供在線答疑。

四、《數據統計分析》考核方式改革

在每門課程中，學生最關心的是考試，但一次理論考試根本不足以評價學生的學習情況。該門課程又是一門實踐性較強的課程，因此應改革考核方式，變為如下圖的綜合考核體系。

在該門課程考核中，根據課堂表現和實驗報告考核學生上課情況。在教學中把教學內容分為兩部分進行階段化理論考核：第一部分包括數據預處理、基本描述性統計、統計推斷；第二部分包括相關分析、線性回歸分析、聚類分析、因子分析、時間序列分析等。對于期末大作業，讓學生收集感興趣的三套數據，運用學過的方法進行分析與評價，這樣可以充分考核學生對已學知識的實踐應用能力。在這樣一個綜合考核體系中，學生在每部分階段考核中，為了通過考核，必然會對這部分內容進行復習，而不是累積到期末再復習，這樣就不會感覺要學的內容繁雜，學了后面忘前面。該評價體系不僅考核了學生是否掌握理論知識，而且進一步考核了學生應用知識的能力，從而提高了學生的分析能力。

五、結束語

綜上所述，《數據統計分析》是一門應用性很強的課程，隨著信息技術的發展，它在經濟管理中的應用越來越廣泛，這門課會在更多專業開設。作為這門課的教師，應該根據時代的要求，不斷調整教學內容，創新教學方法與手段，改革考核方式，提高教學質量，增強學生的學習興趣。

【參考文獻】

[1]劉鳳艷.SPSS 軟件在多元統計分析課程教學中的應用雜談[J].赤峰學院學報（自然科學版）， 2016（03）：255-256.

[2]李金昌.關于統計思想若干問題的探討[J]， 統計研究，2006（03）： 31-38.

[3]馬艷梅，汪冬華.經濟管理類專業多元統計分析教學探討[J].教學研究， 2013 （05）：79-82.

篇（3）

【中圖分類號】C81【文獻標志碼】A【文章編號】1673-1069（2020）06-0071-02

1引言

統計學作為企業經營管理的重要手段，在企業經營過程中統計工作是否落實到位，對于企業可持續發展目標的實現而言具有重要影響，尤其在當前多元化市場競爭環境下，企業規模化發展雖然推動了國民經濟的進一步發展，但與此同時企業市場競爭也愈演愈烈，實現持續性經營，確保統計學應用效益的最大化，是目前推動產業可持續發展的重要戰略基礎。

2大數據時代內容的基本概述

簡單來講，所謂的“大數據”是指在當前信息化產業時代背景下，無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是互聯網公司在日常運營中生成、累積的用戶網絡行為數據，是需要新處理模式才能有效處理的海量、高增長率和多樣化信息資產。隨著近年來信息技術的不斷發展和廣泛應用，“大數據”時代是“互聯網+”技術應用下時代未來發展的趨勢。就目前來看，與傳統信息數據相比，大數據具有數據量大、數據多元以及數據價值高的顯著特點，伴隨城市化、工業化建設進程的不斷加快，如何有效地對大數據進行處理，成為現階段基層產業結構和相關主管部門的核心發展方向，也是促進企業進一步發展的重要基礎。

數據實質上是存儲于計算機內的各種信息集合，在當前全球化、市場化不斷發展的新產業時代背景下，商業模式的巨大轉變，在改變人們關注度的同時，也為企業的進一步發展奠定了良好基礎，最終為企業預期發展目標的實現創造了良好條件。對于大數據的處理，倘若采取傳統的處理技術，不僅難以達到預期的處理目標，更極易導致一系列其他問題的產生，最終對企業整體發展造成了極為不利的影響，為此在大數據發展的同時，技術領域也取得了顯著突破，目前常見的管理技術主要有——數據倉庫技術、數據安全技術、數據分析、數據挖掘和模型預測，其中，數據分析、數據挖掘與大數據關系最為密切。

3新形勢下統計學存在的主要問題

3.1企業對于統計管理工作的重視度不足

在經濟全球化和一體化建設進程不斷加快的新市場經濟常態下，企業規模和數量的不斷增加，在加劇企業市場競爭力的同時，如何有效地提升企業工作質量和工作效率是現階段企業的核心發展方向，但由于部分企業受傳統發展以及管理理念根深蒂固的影響，企業管理和發展重心始終集中于企業經濟效益，忽視了對統計管理的關注度，致使單位在統計管理工作方面的人力和物力投入不足，各項管理工作受到一定影響的同時，企業的整體發展也受到了一定影響。

3.2統計管理人員自身專業素養有待提高

統計管理人員作為統計管理工作的實踐者，其自身專業能力和綜合素養水平的高低，對于統計管理工作質量和工作效率具有重要影響，但隨著當下統計管理工作量的增加，部分企業為滿足人員配置需求，不斷地降低人員選拔標準，導致聘用人員無論是專業能力還是綜合素養都有待完善。作為一項專業、系統的管理工作，統計管理不僅要求管理人員擁有細心、踏實、耐心等基本素質，還要具備一定的計算機操作能力，但隨著企業規模和數量的持續增加，統計管理人員身兼數職、待遇不高等問題的存在，導致管理人員自身專業能力有所欠缺，業務操作等方面也存在一定不足，最終對統計管理造成了極為不利的影響。

3.3數據庫硬件設施、設備不完善

信息化產業時代背景下，“互聯網+”技術的廣泛應用，在便捷人們日常生活，提高企業生產效益的同時，將其應用到其他領域中，在一定程度上也為各單位的轉型升級注入了新的發展動力。統計管理是企業管理作業的重要內容，在很大程度上數據管理庫自身硬件設施、設備的完善度對于統計管理工作質量和效率具有直接影響，但對于某些偏遠地區亦或經濟發展相對緩慢的區域，統計管理設備、設施的落后性在影響現代化科技管理手段應用效益的同時，統計管理作業也始終未能得到突破性進展，企業發展也由此受到了一定影響。

4新形勢下統計管理工作的創新策略探析

4.1加強對統計管理重要性的宣傳力度，提高對統計管理工作的重視

統計管理作為企業管理的重要組成部分，其管理工作質量和工作效率對企業發展而言也具有一定影響，而為實現企業可持續發展的目標，確保統計管理工作落實到實處是極為必要的。通過上述分析可知，管理人員對于統計管理工作的不重視是影響統計管理工作效益的重要因素，為有效地改善當前管理現狀，一方面基層產業機構需加大對統計管理重要性的宣傳力度，在不斷提高人們對于“統計學應用效益”高度認同的同時，為統計管理工作的順利開展奠定良好基礎。而另一方面企業還需加強對統計管理工作人員的教育力度，在不斷增強統計管理人員工作責任感和使命感的基礎上，為預期管理目標的實現創造良好條件。

4.2積極和有關大數據公司或機構進行合作

要想在大數據時代背景下進一步優化和提高統計管理工作，就必須將大數據有關技術和統計管理的實際工作緊密結合起來，因此必須解放思想，打破行業限制，積極尋求和有關大數據公司或者機構進行合作開發，開發出真正適合統計管理工作的大數據技術和工具，大數據無法使用單臺計算機進行操作和處理，必須采用分布式架構技術等，其也必然和云計算的有關分布式處理、云存儲以及虛擬技術等密不可分，因此統計管理必須要積極尋求多方合作，積極將大數據的有關技術引入統計管理的實際工作中去。

4.3不斷優化和完善統計管理模式

在當前企業規模和數量持續增加的新產業時代背景下，數據的形成過程較為煩瑣，且數量也較為龐大，為從根本上有效提高管理的科學性、高效性和有效性，不斷地優化統計管理模式和管理手段也是極為必要的。通過大量調研數據分析可知，在進行統計管理過程中，信息技術的不斷發展和傳播渠道的日趨增多，在很大程度上為企業統計管理創造了良好條件，但由于部分企業在計算機信息技術應用過程中，未將現代化技術應用到電子統計管理中，導致管理信息化水平較低的同時，預期管理目標也難以實現，為有效地解決上述問題，將數據信息化納入到工作日程中，為單位的數據管理部門配置專門的信息化設備，是現階段提高統計管理信息化水平，促進企業進一步發展的重要戰略手段。

4.4將各項統計管理工作細節落實到位

在統計管理作業過程中，從根本上有效地提高企業的經濟效益、確保各項統計工作細節落實到位也是現階段基層產業機構和相關主管部門的重要工作內容，換言之，在當前多元化市場競爭環境下，要想從根本上提升統計管理工作質量，提高企業整體的經濟效益，以會計管理工作為中心，確保各項細節管理工作落實到位是十分必要的。要想確保管理工作效益的最大化發揮，提升企業經濟效益，企業需將會計的發展目標與企業的發展方向相結合，在確保兩者“統一性”的基礎上，以會計管理工作為中心對企業經營進行系統化管理，最終為企業可持續發展目標的實現奠定良好基礎。

4.5確保預算統計管理工作落實到位

篇（4）

一、引言

在現如今的社會，無論是干什么都離不開信息。小到穿衣吃飯，大到國防軍事，每一樣都需要信息才能完成。信息是一個名詞，圍繞著它有信息的產生、信息的處理加工、信息的傳遞、信息技術的發展等等的一系列環節。所以在現代社會信息就如同一個核心細胞，其他細胞的工作都是圍繞它展開進行的。我們對信息一定要敏感而精準。

二、何為大數據時代

大數據最初是由麥肯錫公司所提出來的，它在物理、生物、化學、金融、通訊行業出現并存在已經有一段時日，但它真正為人們所熟知認識卻是因為互聯網行業的飛速發展。人們總是用它來表述現時代是一個信息爆炸、海量、共享的時代。現如今一個決策的出臺不再是憑借昔日的經驗和感覺，而是數據的收集、整理、處理、分析所得出的結論。這就表示了一個新的時代，也就是信息數據時代的到來，經濟、商業、金融、貿易等多個領域，信息已經成為主宰。這就是大數據時代，也是信息的年代。

三、統計學專業基本概況

統計學，從名稱來看貌似是一個新興專業，其實不然，它是一門非常古老的學科。它最早始于希臘雅典的亞里士多德時代，距今已有兩千多年的歷史。統計學是通過對數據信息的搜索、整理、分析、描述，以達到窺測所測對象的本質的目的，它是預測對象未來性的一門綜合性科學。運用到了大量的數學和其他學科的專業知識，它的使用范圍幾乎涵蓋了社會科學和自然科學的各個領域。統計學家王見定的研究已經說明了數理統計學永遠打不敗社會統計學，所以在以后的發展道路上，將是社會統計學與數理統計學共存與互補共同前行的模式。

目前作為高校所開設的一門學科，統計學專業主要有一般統計、經濟統計兩類專業方向，它所培養的是具有良好的數學、經濟學素養，熟練掌握統計學的基本理論和方法，熟練地運用計算機分析數據，在企業、事業單位、經濟管理部門從事統計調查、統計信息管理、數量分析等開發、應用和管理工作，或在科研、教育部門從事研究和教學工作的專業型精英類人才。

四、如何很好發展大數據時代下的統計學專業

首先從上文的論述中我們可以得出以下結論：統計學的技術手段是，搜索、整理、分析、描述數據，它的目的是預測、推斷檢測對象的本質，它是一門綜合性非常強的科學性學科。從它的使用廣度上來看，它幾乎覆蓋了社會科學和自然科學的各個領域。所以統計學的“勢力”非常大。

而統計學所依賴的基礎則是數據，傳統的統計學中數據的收集主要包括實驗數據、調查數據以及各種途徑收集到的第二次數據。但是在經過一段時期的實踐后人們發現這種方法得到的數據經常會存在一定范圍內的誤差，這對樣本的客觀性是一個根本上的影響，同時樣本選取結果產生影響，因此傳統的數據收集方法很難適應統計學的飛速發展的需要。從這個層面上來說，大數據的出現是科學發展到一定階段的必然結果。因此大數據的產生和統計學的發展有著密不可分的關系。從另一面來看大數據的出現也是統計學中的核心環節實現，也就是數據的采集實現了大幅度的跨越。大數據時代的到來意味著檢測對象的任何數據都能應用到統計過程中，打破了數據采集處理的局限性，再加上精準、合理的統計處理方法，使得統計結果將更具有代表性和說服力。

同時大數據、統計學、云計算技術三者的強強聯合，預計未來的統計學勢必會發生革命性的變革。大數據將對未來產生深刻影響，目前可以預見的統計學未來發展的前景有以下兩個關鍵的點：第一點是在數據中科學性將和數據本身形成聯盟。數據科學獨立門戶成為一門專門的學科勢不可擋，數據的重要性不言而喻。統計學也將乘浪前行迎來新的發展的奇跡。對于數據平臺，也將實現跨領域共享，最終將數據的共享擴展到企業層面，成為未來產業的一員。第二點則是數據的管理處理的競爭力大大增強，數據管理成為企業競爭力中的核心競爭力，直接關乎財務表現。數據資產是一個企業的核心資產，這個理念會逐步深入人心。之后，企業對于數據管理便有了更加精準的定位，企業就會將數據管理作為企業核心競爭力，持續發展，戰略性規劃與運用數據資產。數據資產管理效率與主營業務收入增長率、銷售收入增長率顯著正相關。屆時，統計學的相關知識將會有大作為，每一位統計學專業的學生的就業前景將是不可估量的。統計學的發展前景也是一片大好，大數據、云計算、統計學三者則是珠聯璧合，我國乃至全世界的信息技術又會迎來新的浪潮，并且是一浪高過一浪，讓我們拭目以待。

五、結束語

本文就大數據，統計學二者的定義、概念首先做了介紹。其次是對統計學和大數據包括云計算在內的聯合后的優勢，以及未來的發展前景做了合理的分析與預測。數據時代已經起航，我們每一個人萬萬不可落后，我們要追趕信息技術的時代潮流，乘風破浪，迎難而上。為我國信息技術的發展增磚添瓦，為實現自我的價值奮斗不息。

參考文獻： 

[1] 薛艷.大數據時代統計學專業教學體系的改革[J].教育教學論壇，2015（4）：110-111. 

[2] 周茂袁.大數據時代統計學專業教學改革的初步探索[J].教育教學論壇，2015（35）：105-106. 

篇（5）

在線學習系統中包含了大量與學習者學習行為相關的數據，例如，學習日志、學習途徑、學習成果數據、課程數據、學習管理數據等。充分集中整合這些大數據，再對學習過程和學習效果進行評價分析，更有效地支持學習，優化教學服務，為教學管理與決策提供依據已成為遠程教育工作者面臨的重大課題。

一、目前遠程教育存在的問題

遠程教育中學生可以隨時隨地利用網絡進行課程學習，不受時間和空間的限制，但同時也存在一些問題，例如：

1.評價數據單一化。

教師通常采用總結性評價對學習者的學習過程進行評價，如利用課后作業、論文、測驗、出勤情況等評價數據。

2.評價方法靜態化

目前評價方法采集的數據是靜態的，缺乏對學習過程進行實時監測，不能實現動態的反饋，不能準確反映學習者的參與程度。

3.評價的真實性難以把握

對于一些視頻課程的學習，很難判斷出學習者是認真參與學習還是開著視頻人卻離開，而對于課后測驗與作業是否獨立完成也很難保證。

利用上述方法考核、分析和評估遠程教育，教師既不能實時把握學習者真實的學習情況，也無法確定學生個體的學習方式、認知習慣和學習興趣。學生也無法對自身學習效果有一個客觀而明晰的認識，不能較好地制訂下一步的學習計劃。

二、學習分析的特征

學習分析技術是運用數據挖掘、信息可視化等智能技術來分析學習系統產生的數據，并利用分析結果提供恰當的干預、評估，其主要目的是優化學習過程，促進學習。學習分析技術具有以下特征：

1.復合化的數據采集

多樣化的數據為自動化的學習支持和針對性的學習服務提供了可能性。學習分析技術采集的數據來源：一是由學習管理系統、移動終端、社會性軟件中所記錄的學生的學習行為數據；二是內容管理系統中的學習記錄數據；三是學生學習成果數據，如作業、作品。這些不同來源的多樣性數據通過第三方分析軟件整合并導入到同一個分析框架中，就可得出學生學習情況的分析結果。

2.多角度的分析技術

要進行有效的分析，必須使用多種研究方法、技術與工具。學習分析技術應從網絡交互、交流內容、交互內容等多個角度展開，并對數據進行挖掘、聚合、分析，結合定量研究與定性研究的數據為學習提供支持。

3.可視化的分析結果

通過可視化分析結果，使學生對學習狀況、教師對教學情況有直觀地了解，并作出有效的判斷和分析。

4.多層次的服務對象

學習分析技術從教師、學生以及管理者的角度對學生的學習過程進行客觀的預測，方便教師優化教學，改進過程評價手段，幫助學生進行自我評價、自我診斷，給教育機構和管理者提供決策依據。

三、基于學習分析技術的遠程學習系統模型

學習分析技術利用數據分析探究學習過程的發生機制，改進學習，這一過程包含了數據的選擇、獲取、綜合與報告、預測、使用、完善和分享等活動。因此需要基于學習分析技術初步規劃學習系統運行的步驟。第一步，學習者結合自身興趣和系統推薦，選取學習內容；第二步，系統記錄下學生者產生的學習數據，結構先定義好再存入數據庫；第三步，對預測模塊進行分析，在采集學習者行為數據的基礎上，與學習者的特征信息相結合，利用分析工具及模型對預測模塊進行分析；第四步，在參照上一步預測模塊預測結果的基礎上，利用數據挖掘技術為學生推薦適合學生學習特征的學習策略及指導方法；第五步，可以利用可視化的形式將上述數據挖掘結果、分析結果傳遞給學生、教師和教學管理者。

該學習系統包含六大模塊：（1）學習的內容。管理、維護、傳遞個性化的學習內容與評價給學習者，以支持學習者的學習行為。（2）學習行為數據。記錄學習者在學習系統中的學習行為（比如學習時間、學習次數、學習路徑、學習進度等）。（3）分析預測模塊。這是整個模型的核心，整合學習者信息系統中的數據和學習者學習行為數據，通過多種技術（語義分析、社會網絡分析）對數據處理和分析，對學習者未來的學習行為和結果進行預測。（4）可視化面板。根據用戶角色的不同，將預測模塊中的結果以可視化、圖形化的方式呈現。（5）推薦模塊。根據分析預測模塊的運行結果，再根據學習者的學習水平和興趣，對學習內容等進行個性化的定制和推送。（6）干預模塊。允許教師、教學管理者和系統開發人員根據預測模塊的運行結果，對系統實施人工干預、自動化干預。

基于學習分析的遠程學習系統模型能夠及時量化跟蹤學習過程，提出較好的學習建議，并以可視化的形式呈現給學生和老師，幫助他們更加清楚地了解自己學習的變化過程，幫助學生更好地認知自己的學習狀態，激發學習者的學習興趣和學習激情。

模型利用采集到的學生學習興趣發展的數據，了解學習者狀態，包括學習者已掌握的相關知識、學習習慣等；建立合理的學習者分析模式與數據分析框架，從簡單的資源推送逐步完善為提供基于大數據分析的適時、貼切的個性化指導，幫助學生完善知識結構，挖掘自身興趣愛好和特長。整個學習過程既實現了學習者的自制學習和自我學習，以及教師個性化干預指導，又實現了系統根據用戶特征適應性推送資源輔助學習者學習的目的。

篇（6）

本次研究將在過去的上、下學期中英語聽力有明顯進步（成績提高10%以上）的同學作為調查對象，通過實際調查報告、互聯網（以人人網為主）數據、某高校英語聽力考試成績數據等資源，共有10352份有效數據，以教學手段、學習目的、教學語言、教師學歷、教師類型以及考試難度等方面進行分類，進行數據統計和計算，得出結果，顯示出對英語聽力教學效果的主要影響因素。

根據我國高校師資情況現狀，由于教師類型、學歷程度、以及教學語言方面的影響，使得學生在英語聽力的教學當中能夠得到最為純正的英語聽力能力培養，同時結合英語課堂當中的新式教學方法，可以在英語聽力教學效果上得到最為顯著的體現。

二、實驗結果與分析

篇（7）

中圖分類號：G640 文獻標識碼：A 文章編號：1002-4107（2016）07-0068-02

隨著大數據時代的到來，數據分析已從過去由專門數據處理人員勝任的工作，變成了商務管理人員的日常事務性工作。企業在享受大數據便利的同時卻面臨著數據分析人才嚴重短缺的難題。據麥肯錫公司預計，到2018年，美國數據分析專業人才的缺口將高達14―19萬，能夠使用大數據幫助企業高效決策的管理人員的缺口將達150萬[1]。因此，順應大數據時代的需要，培養具有數據處理能力的專業人才，已成為目前世界各國高等教育改革的首要任務。

本研究運用大數據時代的思維方式和工作方式，力圖設計一門緊密聯系企業實踐的數據分析課程――“商務決策技術”，以提升學生的商務決策能力，滿足大數據時代企業對管理人才的新要求。

一、數據處理課程設置現狀

隨著大數據時代的到來，我國高等教育研究者針對大數據的特點，對已有的數據處理相關課程進行了改革。如：李海林根據大數據具體特性，從授課內容以及實踐環節對高校數據挖掘課程進行了詳細設計[2]；邱勝海等針對關系型數據庫在面對大數據管理時存在的問題，給出了開展非關系型數據庫教學的具體措施[3]。然而這些以大數據為時代背景的教學改革，并非面向數理基礎較差的經管類學生。為了提高經管類學生的數據分析能力，我國很多高校已開設數據分析與建模方面的相關課程，也撰寫了相關教學書籍。如：蔣紹忠[4]、劉蘭娟[5]等編寫了各類商務數據分析教材；葛虹等[6]以經管專業課“數據分析與管理建模”為例，提出了知識的系統性訓練和創新能力的培養的建議；鄧維斌等針對經管類學生在數據分析能力培養中存在的問題[7]，提出編寫針對性強的實驗指導教材，構建科學的實驗教學體系，改變實驗教學模式等主要改革措施。然而，這些為經濟管理類學生開設的數據處理課程中沒有加入大數據的相關內容。

本研究圍繞即將開設的“商務決策技術”這門新課，基于大數據理念，從課程內容、教學手段等方面對該課程進行全方位設計。在設計前，為方便日后跟蹤學生的學習進展，對學生的數理基礎和學習需求等方面進行了問卷調查，并對調查結果進行詳細分析。

二、經管類學生數據處理能力現狀調查與分析

（一）調查問卷設計

本調查共發放問卷250份，回收有效問卷234份，回收率達到93.6%。主要由2013級和2014級經管類學生填寫。主要借助于李克特量表的形式測試學生對相關問題的認知程度。

設計《大數據理念下數據分析方法教學調查問卷》，除了了解學生的性別、年齡、班級、文理科生等基本信息外，還從四個方面進行了詳盡的調查：前沿技術、學習動機、教學方法以及考核方式。

（二）調查結果分析

四個方面的調查結果如下。

1.學生對前沿技術的了解程度。很多學生對最新的前沿技術不甚了解。僅118人（占50%）聽說過“云計算”，87人（占37%）聽說過“物聯網”，即使大部分學生會使用手機上網，但調查結果卻顯示僅168人（占72%）知道“移動互聯網”這個詞。對“大數據”的了解更為有限，聽說過“大數據”這個詞的人僅78人（占33%），能準確或大概說出其含義的僅49人（占21%）。其中，25人認為大數據的主要特征是“數據量大”；27人認為是“數據類型繁多”；8個人認為是“價值密度低”；18人認為“處理速度快”，僅3人將大數據的這四個特征全部選中。雖然大部分人對大數據不甚了解，但207人（占88%）對大數據的未來前景較為樂觀，173人（占74%）已經感受到了大數據在日常生活中的存在。

2.學生的課程選修情況。為了了解哪類學生會選修這門課程，是數據處理基礎好的學生？還是對數據處理感興趣的學生？學生學習的自信心強弱會不會影響他們的選課？如果所學課程對學生未來工作有用，會不會有更多的學生選這門課呢？帶著這些問題，本研究使用SPSS中的Pearson相關性分析法挖掘出影響課程選修狀況的主要因素。

從分析結果中可以發現，學生是否選這門課主要取決于兩大因素：“工作需要”（相關系數為0.427）和“學習信心”（相關系數為0.163），與學生的“數據處理基礎”、“對數據分析是否感興趣”的關系不大。也就是說，如果學生認為學習這門功課對未來的工作有用，即使他們的數理基礎并不好，學習興趣也不大，他們依然會非常樂意選此課；此外，學生的自信心也是學好這門課的關鍵。很有信心學好數據分析方法的學生僅占12%，86%的學生對此沒有把握。提及何種工作會用到數據分析技術時，僅有131人（占56%）覺得數據分析技術對管理工作有用，91人（39%）覺得對銷售工作有用；而94人（占40%）覺得數據分析技術對管理或銷售工作根本沒用，僅數據分析員或IT工作人員會用到該技術。

3.學生喜好的教學方法。近60%的學生對教學方法不甚了解，特別是現代教學方法。在調查過程中，我們對四個目前熱門的教學方法，如：案例式教學法、討論式教學法、翻轉課堂、MOOC進行了詳細介紹。最后，65%的學生偏愛案例式教學法，47%的學生偏愛討論式教學法，對于翻轉課堂僅有19%的學生愿意嘗試，MOOC僅13%的愿意嘗試。當問到哪種教學方法適用于本課程的教學時，44%的學生希望使用案例式教學法，23%的學生覺得翻轉課堂不錯，22%的學生依然喜歡以教師為主導的講授式教學方法，88%學生認為MOOC不適合數據處理課程的教學工作。

4.學生喜歡的考核方式。僅有18%的人愿意閉卷考試，開卷考試和學生上臺講解的考核形式最受青睞。此外，78%的學生希望參與到教師評分中，同意教師獨自給分的僅占18%，同意僅依靠學生評分的也只占6%。

三、“商務決策技術”課程教學設計策略

根據以上分析，擬在實施本課程教學時注重以下幾個方面。

（一）提高學生學習數據分析技術的自信心

該課程涉及定量分析，這是經管類學生最為薄弱的知識點。從調查分析中可以發現，“工作需要”和“學習信心”這兩個因素對學生選修該課程比學生的“數據處理基礎”和“學習興趣”更為重要。因此，本課程首先安排2至4個學時來講解什么是“大數據”，大數據在未來各個領域的應用前景，并通過實例、視頻或實地調研讓學生了解商務數據分析的一些實際應用，只有當學生切身體會到了數據分析技術在未來生活中的應用價值，才能從根本上調動他們主動學習的積極性和自信心。

（二）豐富大數據相關內容

大數據最重要的應用就在于預測，而預測是商務決策的基礎。以往的經濟預測多依賴于因果模型的分析，而大數據分析則是運用相關性分析方法從海量數據中發掘數據之間的聯系，進而進行有效的預測。因此，本課程將重點講授相關分析方法，不僅講授諸如簡單線性回歸、Pearson相關系數等傳統相關分析方法，還會介紹大數據相關分析方法，如：最大信息系數、隨機相關系數等。

（三）采用多種教學模式與方法

從調查分析中了解到：以往以教師講授為主、學生被動學習的傳統教學模式不再受到學生的青睞，翻轉課堂、案例教學法、討論式教學法是學生喜愛的教學方式。因此，本課程將采用學生平等參與的討論式教學方式，并事先設計“自主學習任務單”、制作教學視頻、布置案例教學任務等多種教學手段，將教師的教學職能從單一的講課向設計、組織、幫助與指導方向轉變。

（四）師生共建考核方式與信息反饋機制

調查分析結果表明：傳統死記硬背的考核方式不再受到學生的歡迎，開卷考試和上臺講課的考核形式更能全方位地衡量學生處理實際問題的能力。因此，本課程擬首先讓教師和學生共同制定考核目標，細分考核內容以及考核方式；然后由學生自主選擇考核方式和內容。評分時，組織成立學生考評團，所有學生輪番成為考評團成員，與老師雙向溝通，共同評分。

本文展示了“商務決策技術”課程開設的調查研究工作，并依據分析結果，提出順應大數據時代需要，培養具有現代數據處理能力的管理人才的具體措施。希望通過培養學生學好數據處理方法的興趣和自信心，通過制訂合理的教學計劃、設計新穎的教學內容、運用現代化的教學模式、采取師生共同參與的考核方式，來提升學生適應大數據時代市場需要的數據素養。

參考文獻：

[1]Manyika J.，et al.Big data：The next frontier for

innovation，competition，and productivity[EB/OL].

[2015-11-03].http：///insights/

business_technology/big_data_the_next_frontier_

for_innovation.

[2]李海林.大數據環境下的數據挖掘課程教學探索[J].

計算機時代，2014，（2）.

[3]邱勝海，周玉敏，高錫榮等.大數據時代非關系型數據庫

教學與實驗改革探索[J].電腦知識與技術，2013，（9）.

[4]蔣紹忠.數據、模型與決策――基于Excel的建模和商

務應用[M].北京：北京大學出版社，2013.

[5]劉蘭娟等.經濟管理中的計算機應用[M].北京：清華大

學出版，2013.

[6]葛虹，韓偉一.多模式交互教學與教學工作量評估――

以“數據分析與管理建模”為例[J].黑龍江高教研究，

篇（8）

數據挖掘（Data Mining，DM）又稱數據庫中的知識發現（Knowledge Discover in Database，KDD），是指從數據庫的大量數據中揭示出隱含的、先前未知的并有潛在價值的信息的過程[1]。數據挖掘在很多領域都是一個很時髦的詞，尤其是在如銀行、電信、保險、交通、零售等商業領域。但是，數據挖掘在教育領域的應用尚處于理論探索階段，其他研究中已經證明，數據挖掘在高校家庭經濟困難學生精準識別的過程中具有理論上的可行性，本文通過建立基于家庭經濟困難學生數據庫的數據挖掘模型對困難生精準識別進行實證角度的探索，以期能夠解決家庭經濟困難學生認定過程中存在的主觀性、片面性等問題。

本研究通過運用數據挖掘技術，對家庭經濟困難學生的數據進行量化分析、建模評價、以及結果分析。本文的主要設計思路為：針對學生的一系列評價家庭經濟困難程度的指標劃分學生困難等級，有利于簡化家庭經濟困難學生的認定程序，降低錯誤率。一個完整的數據挖掘過程主要包括數據準備、建立模型進行挖掘、模型的評價與修正三個階段。借助數據庫中已有學生信息，使用數據挖掘方法開發出困難等級評分模型從已有數據中分析歸納出困難生識別的規則和標準。然后，將這些規則或標準應用于困難生認定過程。本文所采用的數據挖掘軟件為SPSS Clementine 12.0。該軟件操作簡單、無需編程、界面人性化，是一款十分適用的數據挖掘軟件。圖1展示了基于數據挖掘的困難生精準識別所構建的模型。

一、數據預處理

數據預處理主要包括原始數據整理與數據分割兩部分。

本研究采用原始數據來自2015年度某高校某學院家庭經濟困難學生數據庫，該數據庫共有數據496條。從學生《家庭情況調查表》以及家庭經濟困難申請表中原因陳述結果可以看到，涉及到學生的特征指標包括戶籍性質（HJ）（農村、城鎮），戶口所在地（HK）（東部、西部、中部），家庭人口數（RK），是否孤殘（GC），是否單親（DQ），家庭人均年收入（SR），家庭健康情況（JK），家庭負債情況（FJ）等一系列指標。數據經整理后能夠滿足Clementine對數據挖掘的要求。

數據分割的目的主要是為了驗證數據挖掘模型，根據一般原則，數據分割的比例配比為訓練集（40%），測試集（30%），驗證集（30%）。分割方法為簡單隨機抽樣，利用Clementine 12.0的Partition節點完成。分割后的三個數據集用新增變量Partition的取值標識，但仍合并在同一個數據文件里。

二、建立模型

家庭經濟困難的等級與困難學生本身的特性是緊密相關的，經由這些特性能夠細分學生困難等級，常用的特征識別方法是分類樹。分類樹著眼于從一組無次序、無規則的事例中推理出分類樹表示的分類規則。現在比較常見的算法是基于信息論的方法的決策樹。本文選取決策樹模型來分析處于不同困難等級的學生所共有的一些個人信息，并對困難生認定提出相應的一些建議。

符合以下幾條規則之一的，可以認定為家庭經濟條件特殊困難：（1）人均年收入少于2250元，家庭人口少于3.5；（2）家庭人口多于3.5，人均年收入少于950元；（3）人均年收入高于2250元，家中有負債，人口數少于5人，家庭存在不健康因素。

符合以下幾條規則之一的，可以認定為家庭經濟條件困難：（1）人均年收入大于1250元，家中有負債，農村戶口；（2）人均年收入大于1250元，戶籍所在地為中西部地區；（3）人均年收入大于1250，家中人口多于5人，且有負債；（4）收入多于2250，人口數多于6人且家中不健康因素的。

符合以下幾條規則之一的，可以認定為家庭經濟條件一般困難：（1）收入多于1250，家住農村，無負債；（2）收入在2250到2450之間，家住中東部，人口少于6人；（3）收入大于2450元。

三、模型評估

完成模型的制定以后，下一步就是對模型進行評估，檢驗其預測能力的強弱。一般來說，模型的檢驗有兩種方式：樣本內檢驗和樣本外檢驗。在Clementine中，模型評估主要采用圖形展示，例如Gain圖、Lift圖等。另外，也常用分類矩陣來比較預測結果與實際結果的吻合程度，分析結果如圖2。

首先，從收益圖可以明顯的看出，利用決策樹得到預測模型準確率非常高，幾乎與理想模型重合，而基于客戶特征的細分變量的準確率也比較高。

為了更好的評判預測效果，利用Clementine 12.0中的Analysis節點，可以得到如下關于決策樹模型在三個部分的數據集中的預測準確率。在大小為40%的訓練數據集中，模型的預測準確率達到86.03%；在大小為30%的檢驗數據集中預測準確率為86.1%；在大小為30%的驗證數據集中，其預測準確率達到86.18%。可見，利用決策樹模型已經達到了相當好的估計效果。

四、結論

數據挖掘模型的運行結果在理論與實踐層面都得出了有益的結論。

首先，數據挖掘的運行結果給出了困難生認定的一些普遍規則，這些規則基于困難生認定的原始數據所表現出來的困難生的特性，反映學生的方方面面。這些規則在困難生認定過程中將會是非常好的參考條件，甚至對困難生認定的準確度起決定作用。

其次，數據挖掘應用于家庭經濟困難學生精準識別，對于數據挖掘在教育領域尤其是在學生管理與服務工作中的應用提供了有益的借鑒，這種借鑒也不應止步于此，應當進行更加深入的研究與應用，一遍提高高等學校學生工作的科學化水平。（作者單位：1.濟南大學外國語學院；2.濟南大學黨委學生工作部）

篇（9）

一、SPSS統計軟件特性分析

（一）SPSS統計軟件應用范圍

SPSS（Statistical Product and Service Solutions），是一種“統計產品與服務解決方案”軟件。開始時它的全稱為“社會科學統計軟件包”，但最后被命名為“統計產品與服務解決方案”。它最初用于統計學分析運算、數據挖掘、預測分析和決策支持任務，有Windows和Mac OS X等版本。后來隨著SPSS公司對這款軟件的更新與改進，它的應用范圍也逐漸擴大起來，它在自然科學、技術科學和社會科學等方面都有涉及，并且都收到使用者的好評。世界上許多著名的雜志報刊都對SPSS統計軟件的各方面功能做出了很高的評價。

（二）運用SPSS統計軟件的實例分析

某高校要對大學生黨員素質進行評價，以便于對發展和培養當代大學生的工作實踐。他們首先選取了“道德品行”“政治素養”“學習能力”“工作能力”“心理素養”這五個方面對大學生黨員素質進行評價，然后要求被調查者根據自己對黨員的要求來判斷學生黨員是否能做到其中一點。其中1表示“非常不同意”、2表示“不同意”、3表示“不能確定”、4表示“同意”、5表示“非常同意”。從發出的300份卷中篩選出有效的188份，然后用SPPS統計軟件對分卷信度用克隆巴赫系數測量，該系數表示的是問卷調查結果總變異中由不同被調查者導致的比例占多少，整個問卷和各個子問卷的克隆巴赫系數如下表所示：

為了驗證所獲得數據的有效性，該試驗還進行了Bartlett’s Test和KMO指標驗證。Bartlett’s Test檢驗的sig為0.000說明參與分析的數據來自正態分布的總整體，而KMO的取值在0到1之間，所得到的值越接近1，表明這些變量對因子分析的效果越好，這些因素很好的解釋了大學生優秀黨員應當從什么地方開始培養，而SPSS統計軟件則是驗證了這些因素的有效性和可信度，為大學生黨員的培養工作提供科學依據。

二、大學生職業素質評價模型構建

（一）大學生素質評價模型研究背景

隨著時代的前進和科學技術的發展，現代年輕人的思維也追上了時代的最前端。步入大學殿堂的“90后”一代年輕人，他們追求自我和個性的特點越來越顯著，教育工作者對大學生職業素質的培養與分析也遇到了挑戰。如何根據大學生的特點來構建素質評價模型是新一代教育工作者需要考慮的問題。

（二）SPSS統計軟件對大學生職業素質評價模型構建的作用

對大學生職業素質評價要從學習能力、工作能力、政治思想、心理素質四個因素考慮，這四個因素涵蓋了大學生的外在處事能力和內部思想，是對一個人的綜合職業素質比較全面的評價。大學生的職業素質評價模型由這四個因素構成。運用SPSS統計軟件對這幾個因素進行分析，可以看出這些因素對職業素質評價所占比重的大小，然后根據各個因素所占的比重構建大學生職業素質評價模型，得出科學的評價方法和評價重點。

（三）SPSS軟件對大學生職業素質評價情況分析

運用SPSS統計軟件對大學生職業素質進行數據統計分析，可以了解到我國當代大學生需要培養的職業素質，也可以看出在校大學生對自身優秀職業素質的期盼和要求。大學生的職業素質涵蓋了學習、工作、政治、心理等四大方面，以大學的具體生活為基礎，由校園小范圍擴大到社會這個大范圍，具有很強的現實指導意義。運用SPSS統計軟件，可以得出大學生職業素質評價的重點，讓大學生充分了解到自己達標和不達標的地方，加以改正。

三、結論

對大學生的職業素質進行評價是大學生發展階段中的必要條件。大學教育的目的在于讓大學生成長和發展，讓他們掌握更多的知識技能，認清自己與社會外界的關系，有助于自己以后的工作和生活。而在SPSS統計軟件的分析下，可以看到大學生的職業道德素質由多種原因共同決定，因此我們可以知道，只有多方面的對大學生進行教育，才能使大學生形成良好的職業道德素質，做一個對社會、對國家有用的人。

篇（10）

2．案例不夠豐富，沒有考慮專業差異目前的計量經濟學教學過程中，通常情況下教師都會直接運用教材上的案例進行講授。案例主要涉及一元、多元線性回歸及放寬古典假定的內容，一般都是經濟問題分析，如居民消費問題、財政收入影響因素等。這些案例的突出特點是適用性廣泛，只要學生有宏觀經濟學、微觀經濟學的基礎知識，都能很好地通過案例掌握相關數據分析的方法。在實際教學中，這些案例的不足之處在于沒有和學生的專業基礎密切結合，不能拓寬學生的視野，部分同學會誤以為計量經濟學只能應用于經濟學，而對于以后如何在自己的專業中應用相關知識缺乏相應的了解和實踐。

3．課程難度大，學生重視程度不一由于計量經濟學是數學、統計學和經濟學三門學科的結合，在經典線性回歸理論部分，需要用到矩陣、參數估計和假設檢驗的大量知識。對一般經濟管理類專業的學生而言，學習計量經濟學課程并不輕松，文科背景的同學學習起來更加困難。調查問卷中關于計量經濟學難度的問題中，有28%的同學選擇了很困難，有43%的同學選擇了比較困難，選擇一般困難的有27%，只有2%的同學選擇了不困難。從調查結果看，選擇比較困難和很困難的學生高達71%的比例，充分說明對一般本科院校的學生而言，計量經濟學課程難度還是比較大的。對計量經濟學課程的重要性方面，有41%的同學認為計量經濟學對以后的工作學習有用，高達54%的同學認為用處不大，5%的同學認為沒有用。當今學生學習有一定的功利性，如果學生認為某門課程在目前對就業、考研沒有直接作用，往往不太重視，也不會投入太多精力。學生學習計量經濟學的目的中，排在第一位的是通過考試，這是無可厚非的，但需要注意，選擇通過考試的同學中，有10位同學除了通過考試外，其他的選項均沒有選擇，說明這部分同學學習計量經濟學的目的就是為了通過考核，拿到學分;還有5位同學選擇了所有的選項，說明這5位同學是希望通過計量經濟學課程的學習能掌握相關知識。排在第二位的是為以后學習數據分析方法打基礎，當今是大數據時代，許多行業的發展都離不開數據分析，學習計量經濟學能為數據分析打下基礎，學生對此也有較清晰的認識。此外，掌握計量經濟學基本理論和軟件使用方法排名在第三和第四，而運用計量經濟學理論進行實證分析排在最后，說明學生對如何運用計量經濟學的理論信心不足。

4．先導課程基礎差異大為了探明學生畏難情緒的原因，在之后的調查中，設計了這樣的問題:計量經濟學課堂上，您能否跟得上授課老師的思路，教學內容能否及時消化?從學生調查的結果看，選擇完全跟得上的只有9%，選擇勉強跟得上的有58%，有33%的同學選擇了跟不上。說明在課堂上計量經濟學的授課效果并不是很理想，有三分之一的同學跟不上老師的思路。，占比例最大的是每節課信息量太大，其次是沒有及時預習和復習課堂內容，第三是先導課程沒有學習，理科基礎不好。由于計量經濟學的課程特征，上課會用到線性代數、數理統計的知識，學生只有進行課前預習和課后復習才能有效地掌握相關知識。實際情況中，一般院校都將計量經濟學安排在第5或者第6個學期，正是學生大量學習專業課的時間，課程壓力較大，因此，學生沒有充裕的時間進行預習和復習，導致學生對于每節課的信息不能充分接收。此外，目前本科院校中，各個專業的課程體系安排有一定的差異，大多數專業是在第3個學期學習的概率論與數理統計學課程，但數理統計部分由于課時的限制，在參數估計和假設檢驗部分授課教師一般不作深入介紹，學生也很少去主動自學這部分內容，掌握程度不是很理想;更有個別院校，將計量經濟學和數理統計學安排在同一學期學習。這樣的教學安排，導致學生在學習計量經濟學課程時，由于存在大量的數學符號，本來就心存畏懼，加上數理統計知識不夠扎實，容易對計量經濟學課程產生厭學情緒，影響教學效果;對教師而言，在上課過程中需要專門抽時間補充介紹數理統計基礎知識，影響教學進程。

5．課時安排偏少通過查閱相關資料發現，一般的本科院校的計量經濟學課程設置為48個學時，其中包括40個學時的理論授課，8個學時的上機實驗。一些重點院校的計量經濟學課程學時安排多一些，如清華大學的計量經濟學課程為54個學時。鄭州航院計量經濟學安排了48個學時，這樣的學時安排，調查中有14%的同學認為課時夠用，而有39%的同學認為理論課時不夠，有47%的同學認為上機時間不夠。計量經濟學既需用到大量的矩陣和數理統計知識，又需要一定的經濟學基礎，同時又是一門操作性和實用性很強的學科，必須將理論知識講授與軟件使用結合起來，才能達到學以致用的目的。面對數理基礎和經濟學基礎程度不一、接受能力有別的學生，教師在有限的學時內，將經典的回歸理論能夠全面、系統地給學生介紹清楚，已屬不易。通過短短幾個學時的上機實驗，讓學生能掌握相關的軟件操作技能，也顯得勉為其難。此外，在教學過程中，教師一般缺乏充裕的時間進行案例分析和介紹前沿的研究成果，這種拓展既能開闊學生的視野，又能增強學生學習計量經濟學的興趣，但因課時限制，一般得不到實施。

6．實驗教學效果難以保障現有計量經濟學實驗教學主要是驗證性的，教師講授計量經濟學軟件(Eviews、SAS等)操作方法，給定學生數據，學生驗證經典回歸模型的估計、檢驗方法。這樣的教學過程對學生掌握具體的軟件操作過程是十分必要的。實際教學過程中，實驗教學的主要目的也是使學生掌握相關軟件操作方法，學會利用軟件實現數據分析，但對學生而言，如何將這些理論知識和實際問題結合起來，尤其是將計量經濟學的知識應用于專業相關的數量分析，缺乏實踐。

二、計量經濟學教學改革建議

1．做好課程銜接和課時安排從調查的結果看，許多學生覺得計量經濟學課程困難的原因一方面是信息量太大，另一方面是先導課程沒有學習，基礎不好。因此，在前期的課程安排方面，一定要做好課程的銜接，學生后期要學習計量經濟學，一定要在前期安排數理統計學的課程內容。可以采取增加概率論與數理統計課時或者專門開一門數理統計學課程來解決。從課時安排看，條件允許的學校可以適當增加計量經濟學的課時，尤其上機實驗的課時。增加理論課時一方面可以講授如時間序列的平穩性、協整、格蘭杰因果關系檢驗等非經典線性回歸的內容;另一方面教師可以簡要介紹計量經濟學前沿知識，如向金融學專業學生介紹金融計量、向經濟學專業的同學介紹空間計量經濟學等，開闊學生的視野，走上工作崗位后學生可根據實際需要自學相關知識，有條件的院校可將計量經濟學理論課時增加4～8個。從上機課時看，一般8個課時的上機基本能保證學生熟悉一個軟件的基本操作，完成經典線性回歸的相關驗證性實驗，如能增加2～4個學時，學生會對軟件操作更加熟悉，對相關分析結果的分析更加深入，以后的應用較為得心應手。

2．改革教學目標在以應用型人才培養為目標的本科院校，學生畢業后一少部分進入研究生階段的學習，大多數學生都是直接走上工作崗位從事經濟管理類的工作。根據調查結果，學生多數認為計量經濟學課程難度較大，主要是課程信息量太大，難以取舍，因此在計量經濟學的教學目標上，應當定位在使學生掌握計量經濟學研究的基本方法與相關的軟件操作方面。教學過程中首先應當介紹計量經濟學相關方法的基本背景，在授課過程中應特別注意介紹基本思想、基本方法和應用范圍，尤其是這些方法的經濟背景。在介紹普通最小二乘估計和相關檢驗方法的時候，要把側重點放在思路和結論方面，而盡量減少或者簡化相關的推導過程，要求學生“知其然”即可，而對學有余力的同學可以通過課下自學的方法“知其所以然”。

3．改革教學方式計量經濟學的教學不僅要傳授知識，更是要教給學生學會利用相關知識進行數據分析，因此，要把理論教學、案例教學和實驗教學等教學方式充分結合起來。理論教學部分，要更多地采用啟發式教學、課堂討論等方式。啟發式教學可以激發學生學習理論知識的積極性，引導學生主動思考;課堂討論要選擇合適的教學內容，提前定下討論內容，要求學生發揮主觀能動性，提前做好課下準備，加深對理論知識的理解。案例教學則需要任課教師提前做好準備，選擇與學生專業相關的案例。案例分析過程要盡量讓學生參與進來，教師提前選擇好專業方面的問題。可以安排部分同學進行前期的理論分析，部分學生搜集相關數據，最后在教師的帶動下完成案例分析的全過程。