经济学数据分析汇总十篇
时间：2024-02-28 14:37:31
序论：好文章的创作是一个不断探索和完善的过程，我们为您推荐十篇经济学数据分析范例，希望它们能助您一臂之力，提升您的阅读品质，带来更深刻的阅读感受。
篇（1）
中图分类号：G424 文献标识码：A
在传统的数据分析教学研究中，人们总是试图走通两条道路，一条是做好理论假设，带着理论去研究实践；另一条是从大量的实践研究中提升理论。结果往往是走第一条路的研究者将实践“形式化”、“刻板化”；而走第二条路的研究者则往往将教育研究“简约化”，从一线实践中获得的丰富经验非但没有上升到理论，反而在理论“提升”的过程中将大量的“经验”过滤掉了。数据分析课程教学是建立在数学学科基础上的，整个教学过程就是学生在一个“宏情境”中，独立地识别问题、提出问题、解决真实与复杂的数学问题的全过程。无论是教师在课堂中的角色、课堂中教学策略的运用、数学学习与其它学科的整合，还是学生所要解决问题设计的层次性，都具有较强的科学性和目的性。情境认知学习理论是20 世纪80年代中后期形成的重要的学习理论，上世纪90年代之后，情境认知理论开始渗透到教育研究的各个领域。情境认知学习理论认为，学习的实质是个体参与实践并与他人、环境等相互作用的过程，是个体形成实践活动的能力、提高社会水平的过程。①国内外学者对情境认知与学习的教学模式的研究硕果累累，可对在数据分析课程中运用的研究目前作者没有看到相关的文献。基于数据分析课堂教学的本质特点，我们的课堂教学研究如何做？如何使情境认知学习的教学模式研究真正走进数据分析课程教学？围绕这些问题，笔者从下面五个方面来探究数据分析的教学过程。
1 选取经典案例，引起学生对数据来源与背景分析的重视
数据不等于数字，数据是具有内涵的数字，它隐含着人们事先不知道但又有用的信息。作为一个数据分析学习者，解决问题的时候必须考虑数据的来源与背景，下面的故事充分说明了数据来源的重要性（读者.2005.22）。一天，乔治在删除垃圾电子邮件时发现了一个标题：惊人的足球杯预测。他好奇地打开了它：亲爱的球迷，我们的统计学家已经设计出了准确预测足球比赛的方法，今晚英国足球杯第三场比赛是考文垂队对谢菲尔队，我们以0.95的概率预测考文垂队获胜。乔治看后一笑。晚上考文垂队果然获胜。三周后乔治又收到了那人的邮件：上次我们成功地预测了考文垂队获胜，今天考文垂队要和米德尔斯堡队相遇了，我们以0.95的概率预测米德尔斯堡队获胜。考文垂队强于对手，那天晚上却发挥不好，双方打成平手，但在加时赛上米德尔斯堡队奇迹般地获胜了，乔治心中一震。一周后，那人的电子邮件预测米德尔斯堡队将败给特伦米尔队，结果果然如此。接下来的四分之一决赛前，那人的邮件预测特伦米尔队胜陶顿亨队，结果也是如此，四次预测都成功了，乔治大吃一惊。乔治再次收到电子邮件：现在你大概知道了我们的确能够预测比赛的结果，实际上我们买断了一位统计学家的研究专利，能够以0.95的概率预测足球比赛的正确结果。今晚的半决赛中，我们以0.95的概率预测阿森那队打败伊普斯维尔队。晚上阿森那队在比分落后的情况下分歧直追，最终获胜。第二天，电子邮件又来了：我们已经五次预测成功，现在希望和你做一笔交易，你支付200磅，把一个月内所关心的比赛和球队告诉我们，我们将以0.95的概率为你预测胜负。200磅不是小数目，但是如果能预知结果，就可以从彩票商手中赚回20万。乔治心中盘算：如果发邮件的人只是猜测胜负，则5次都猜对的概率仅为2-5 = 0.0313，于是以0.9687的概率否定他是在猜测，于是支付了200磅。实际上这些骗子先发出8000封电子邮件，一半预测甲胜，一半预测乙胜，于是有4000人得到正确的预测，第二次只给上次得到成功预测的4000人的发电子邮件，依次类推，五次预测以后得到8000/25 = 32人，如果这250人中有100人付钱，就可以骗到20000磅，乔治就是其中一个。
关于美国选举的例子：谁会在1936选举中获胜，兰登还是罗斯福？《文学文摘》送出一千万份问卷（返回二百四十万份）后，预测兰登会赢；而盖洛普只问了五千人说罗斯福会赢。最后罗斯福和盖洛普赢了，《文学文摘》倒闭了。为什么出现这样的结果，究其根源在于数据的来源。通过类似这些情境的设置，使学生意识到要想准确地进行数据分析，必须重视数据的来源与背景。②
2 讲解各种数据分析方法时要提供丰富的有意义的情境
学习的情境对提高知识的迁移非常重要，研究表明：复合而丰富的学习情境更有利于学习迁移的产生。在单一情境中被传授的知识与在复合情境中被传授的知识相比不利于产生灵活迁移。在复合情境中，学生更有可能去概括方法的相关特征，形成对知识更灵活的表征。然而当一个问题是在复合的情境中讲授，并带有演示其广泛应用的例子时，人们就更有可能分离出方法的相关特征，并形成知识的灵活表征。③比如在讲解主成分分析时可以举例：如何理解不同机构得出的大学排名结果？如何对学生成绩进行综合评价？如何理解各地的经济排名等等。从而引申出主成分分析是在降维的思想下产生的处理高维数据的统计方法。通过构造原变量的适当的线性组合提取不同信息，主成分分析着眼于考虑变量的“分散性”信息。再比如，在讲解判别分析时可以举例：信用问题中，如何根据公司的财务和商业资料来判断一个公司的信用等级？工业中，如何根据产品的一些测量指标判别产品的质量等级？经济学中，如何根据人均国民收入判断一个国家的经济发展程度？医学诊断中，如何根据病人的化验结果和病情征兆判断病人患哪种疾病？气象学中，如何根据已有的气象资料判断未来的天气情况？地质勘探中，如何根据地质结构、化探和物探的各项指标来判断该地的矿物类型等等。从而引申出判别分析处理的问题往往包含较大量的数据资料，且其数量指标往往是多元的。判别分析是一种有效的多元数据分析方法，它能科学地判断样品的类型，在纷繁的数据中揭示内在的规律，使人们对所研究的问题做出正确的判断。④在生产、科研和日常生活中，我们经常会遇到各种各样的问题，这为各种数据分析方法提供了丰富的情境，在课堂教学中要加强情境的供应。
3 理论方法的讲解要与情境认知有机结合起来
理论与应用并重，既要重视理论方法，也要重视应用模型解决实际问题。如何由情境问题恰当地归纳出数据分析的理论方法，再将数据分析方法正确地应用到实际中，是我们教学中必须高度重视的问题。对于理论方法，重点是思路，同时要注意各种分析方法的相互关系及综合运用。比如相关分析和回归分析是研究现象之间相关关系的两种基本方法。所谓相关分析，就是用一个指标来表明现象间关系相互依存的密切程度，相关是解决客观事物或现象相互关系密切程度的问题，回归则是用函数的形式表示出因果关系。在医学上，许多现象之间都存在着相互联系，例如身高与体重、体温与脉搏、年龄与血压、钉螺与血吸虫感染等。而有些事物的关系是互为因果的，如上述钉螺是因，感染血吸虫是果；但有时因果不清，只是伴随关系。例如父母的兄弟，兄高，弟也可能高，但不能说兄是因、弟是果，这里不是因果关系，而可能与社会条件、家庭经济、营养、遗传等因素有关。
4 将情境认知教学模式运用到软件教学中去
数据分析这门课程除了要让学生掌握必要的理论知识外，还要培养他们运用相关软件在计算机上进行统计分析的能力。数据分析涉及大量数据的处理工作，需要借助统计软件完成，学软件的最好方式是在使用中学。2013年10月我院学生赴上海参加了“2013年中国高校SAS数据分析大赛”上海赛区的初赛，这次比赛充分带动了学生学习的积极性，比赛所起到的推动作用远远高于一般实验所起的作用，所以我们通过缩减验证性实验次数，增加综合性实验次数，给学生一些与实际生活密切相关的问题，让学生自己去面对问题，包括数据搜集、数据处理、数据分析、图表分析、问题结论分析等内容，进行实验教学改革。实验结束后通过班级比赛、院系比赛、学校比赛、全国比赛层层选拔的方式，激励学生学习及检查学生学习的效果，使学生意识到自己的不足，查漏补缺，从而带动学生学习的积极性。通过这种教与练相结合的方式，学生不仅能较好地掌握各种数据分析方法的分析过程，加深对基本理论的理解，还增强了学习的兴趣、信心和分析解决问题的能力。
5 将情境认知教学贯穿于输出结果的分析与解释中
情境认知教学模式要求学生在教师的指导下，通过自己的努力发现问题、分析问题和解决问题，这个过程不仅是知识的运用， 更主要的是能力的培养， 要学会分析问题的思路和解决问题的方法。学生在教学过程中的角色也要从听话转变为对话，这种转变对于学生探究意识和创新能力的培养是非常有利的。在数据分析课程中，理论知识的传授和实验能力的培养归根到底都是为了解决实际问题，各种软件输出的结果只能是数字或图表，要想解决实际问题，学生必须对输出结果进行分析、解释，因此必须培养学生合理解释所得到结果的能力。为了培养学生的这种能力，教学中我们经常组织学生进行讨论，比如在对主成分分析的结果进行解释时，首先从学生关心的问题开始，让他们对输出结果进行讨论，在引起学生兴趣的同时加强输出结果模式的解释，在其间采用引导、启发的教学方式让学生的思考逐步向准确答案靠近，然后逐步转向理论化的问题。通过课堂讨论不仅可以调动学生的思维，活跃课堂气氛，而且可以在潜移默化中培养学生对所得数据结果进行合理解释的能力。⑤
情境认知教学模式对培养学生的综合能力、形成理论与实践相结合的知识结构具有非常重要的作用。因此在数据分析课程的教学中要充分运用情境认知教学模式，在真实、互动的情境中学习，必定比传统的课堂教学来得生动有趣，而且能灵活应用。
注释
①③王文静.基于情境认知与学习的教学模式研究[D].华东师范大学，2002.
篇（2）
一、引言
随着信息技术的发展，在经济管理中会出现越来越多的数据，如何挖掘这些庞大的数据，发现有用的信息已成为管理中迫切需要解决的问题。如在网上营销中，我们急需知道哪一类人需求某一种商品，从而使营销能够有的放矢，最大限度地扩大销售量。而《数据统计分析》正是讲述如何收集数据，整理数据，分析与解释数据，研究如何在浩瀚的数据中发现信息并指导我们的经营管理。因此《数据统计分析》成为财经学院的学科基础课，成为该类学校各专业的必修课。希望该门课程的讲授能够让学生掌握基本的统计分析方法，并能够运用这些统计方法解决实际问题。
笔者通过这几年对这门课的讲授与学生的交流，发现学生在学习这门课的过程中普遍存在如下几个问题。
第一，该门课程涉及深奥的概率知识与统计理论以及复杂的推导，学生普遍感觉该门课程的理论很难以掌握。
第二，虽然通过统计软件操作出结果，但对结果的解读不一定正确。
第三，学生普遍对这门课很有兴趣，但在学习过程中总感觉内容太多，学过易忘。
对于这些问题，作为教师该如何调整教学，使学生能够克服以上问题？本文从以下几个方面进行了教学改革，提高了教学质量，激发了学生兴趣。
二、《数据统计分析》教学内容调整
对于财经学院的学生来说，学习这门课以前，普遍学习了《高等数学》《线性代数与概率统计》，但学得不一定深，学生对于统计分析所要求的各种分布性质、矩阵与向量的计算等理论推导很头疼。因此，教师应该以“学以致用”为原则，坚持理论与实践相结合，理论适可而止，重点在于应用与实践。根据这些原则构建“基础理论-统计软件-实践教学”授课体系，首先浅显地讲述理论，然后在统计软件中进行操作，对得出的结果进行详细的分析，结合实际案例进一步加深对理论的理解以及结果的解读。因此教师在本课程教学中应以实践为主，可以开设为全实验课程。
授课内容的选取与教材有关。本课程选取了薛薇主编的《SPSS统计分析方法及应用》，该书是北京市高等教育精品教材。重点教授内容为与经济管理相关的数据文件建立、数据预处理、数据的描述统计、参数检验、非参数检验、回归分析、聚类分析、因子分析、信度分析和时间序列分析。与统计分析相关的统计软件有Matlab、SAS、SPSS、R、Eviews、STATISTICA等，而SPSS全部是界面式操作，对于不是计算机与统计相关专业的学生来说是最容易上手的。而且SPSS软件包含了统计分析方法的所有功能和强大的图形输出功能，可以输出简洁漂亮的y计分析图表。运用SPSS 软件，可以使理论概念变得直观、准确、具体、形象，将理论知识融入实践中来，增强学生对概念的理解和对数据处理方法的运用[1]。而在该教材中，对于SPSS操作讲解非常详尽，每种统计方法结合具体案例都有详细的讲解。
三、《数据统计分析》教学方法与手段革新
从以上分析可知，该门课程应用实践性很强。在教学中如何避免复杂的理论记忆而掌握各种统计方法，并能学以致用呢？本文从以下几个方面进行阐述。
（一）运用以“统计思想”为中心的“黑箱”教学方法
什么是统计思想？统计思想是关于“为何统计，统计什么，如何统计”的思想，就是关于统计的世界观和方法论[2]。《数据统计分析》有很多统计方法，每种统计方法都有复杂的统计理论及推导。对于经济管理类学生来说，掌握所有的理论推导有一定的难度，但可以理解相应的统计思想。在统计教育中，掌握了统计思想，就慢慢培养了看问题的统计思维方式和思维习惯，统计思想教育应重于统计方法教育[3]。因此，教师在教学中应使每种统计方法的理论讲解浅显易懂，重点讲清楚统计思想。所谓“黑箱”教学方法就是从综合的角度提供了一条人们认识事物的重要途径，尤其对某些内部结构比较复杂的系统，它是从系统的观点出发，强调在整体与部分之间、整体与周围环境的相互联系中认识事物，而不去深究其内部结构和局部细节[4]。所以教师在统计理论的讲解中，应把学生从复杂的统计理论与推导中解脱出来，把这些当作“黑箱”，只需在学生头脑中建立起某种统计方法的统计思想，然后随着授课进度的深入，结合具体的案例再讲解这些理论与方法。例如对于非参数统计，可以借助已学过的参数检验，讲解非参数统计的统计思想也是“提出假设-建立统计量-计算概率-是否拒绝原假设”，只是参数检验是在数据符合正态分布的条件下，推断检验数据的均值与标准差是否相等，而非参数检验是小样本统计推断下，判断各数据是否来自同一分布。学生理解非参数统计思想后，再打开“黑箱子”，阐明非参数检验各种情况下统计量的来源及计算方法。
（二）以“案例”为导向讲述统计的理论与方法
《数据统计分析》这门课理论复杂，只有与实践相结合，统计的理论与方法才能被学生充分理解和接受。案例教学是一种通过模拟或者重现现实生活中的一些场景，让学生把自己纳入案例场景中，通过讨论或者研讨的方式来进行学习的教学方法[5]。学生在教师的指导下，对案例进行思考，分析与讨论，从而在案例中掌握所授课的内容。例如讲述“因子分析时”，可以先阐述因子分析的统计思想就是降维以及相关的适用条件、因子的抽取、因子的命名解释等，然后以某一行业上市公司的盈利能力指标为例让学生进行因子分析。在案例讨论分析时，教师首先引导学生分析数据是否适用于因子分析，然后让学生考虑应该抽取几个因子，每一个因子包含哪些盈利指标，每一个公司在新因子的得分情况如何，最后让学生分析如何对所有公司的盈利能力进行综合排名。在这样一个案例讨论中，通过教师循序渐进的引导，学生不断加深对该方法的理解，而且对一些晦涩的概念如方差贡献率、载荷矩阵、因子得分等有了感性认识，增强了学习兴趣。
（三）加强学生上机实验的体验式教学模式
所谓体验式教学模式，主要是组织体验和引导反思，让学生在经历和实践中实现自我领悟，在反思中重构自己的经验，形成自己的行动策略和方式，从而习得相关知识[6]。为了使学生掌握相关的统计知识，可以让学生亲身运用SPSS体验某种统计分析方法。这样教授每部分内容时，必须准备好相应的实验指导书与实验报告。在实验指导书中简单阐述相P的理论、实验内容以及相关的SPSS操作步骤与结果。学生根据实验指导书完成实验报告中的新内容，并撰写实验分析报告，实验报告主要是实验结果以及对结果用规范的统计语言进行描述，分析与解释。学生做完实验报告后，教师根据实验情况进行讲解与分析，验证实验结果。每部分授课内容通过这样的体验式教学，学生就会懂得相关的统计分析方法、操作与结果分析，达到教学目的。
（四）充分利用信息技术，构筑立体化教学模式
对于该门课程，教师在课堂教学中可以充分利用多媒体技术制作一些动画与视频，吸引学生的兴趣。课堂教学以外，可以构建该课程的网络教学平台，提供上课视频、课件、实验指导书、实验报告等，让学生可以对课堂内容进行复习和自主学习。对于该课程的拓展及补充内容，制作一些微课，进一步拓宽学生的知识视野，提高学生的自主学习能力；还可以开设网上答疑和学习讨论空间，对学生提供在线答疑。
四、《数据统计分析》考核方式改革
在每门课程中，学生最关心的是考试，但一次理论考试根本不足以评价学生的学习情况。该门课程又是一门实践性较强的课程，因此应改革考核方式，变为如下图的综合考核体系。
在该门课程考核中，根据课堂表现和实验报告考核学生上课情况。在教学中把教学内容分为两部分进行阶段化理论考核：第一部分包括数据预处理、基本描述性统计、统计推断；第二部分包括相关分析、线性回归分析、聚类分析、因子分析、时间序列分析等。对于期末大作业，让学生收集感兴趣的三套数据，运用学过的方法进行分析与评价，这样可以充分考核学生对已学知识的实践应用能力。在这样一个综合考核体系中，学生在每部分阶段考核中，为了通过考核，必然会对这部分内容进行复习，而不是累积到期末再复习，这样就不会感觉要学的内容繁杂，学了后面忘前面。该评价体系不仅考核了学生是否掌握理论知识，而且进一步考核了学生应用知识的能力，从而提高了学生的分析能力。
五、结束语
综上所述，《数据统计分析》是一门应用性很强的课程，随着信息技术的发展，它在经济管理中的应用越来越广泛，这门课会在更多专业开设。作为这门课的教师，应该根据时代的要求，不断调整教学内容，创新教学方法与手段，改革考核方式，提高教学质量，增强学生的学习兴趣。
【参考文献】
[1]刘凤艳.SPSS 软件在多元统计分析课程教学中的应用杂谈[J].赤峰学院学报（自然科学版）， 2016（03）：255-256.
[2]李金昌.关于统计思想若干问题的探讨[J]， 统计研究，2006（03）： 31-38.
[3]马艳梅，汪冬华.经济管理类专业多元统计分析教学探讨[J].教学研究， 2013 （05）：79-82.
篇（3）
【中图分类号】C81【文献标志码】A【文章编号】1673-1069（2020）06-0071-02
1引言
统计学作为企业经营管理的重要手段，在企业经营过程中统计工作是否落实到位，对于企业可持续发展目标的实现而言具有重要影响，尤其在当前多元化市场竞争环境下，企业规模化发展虽然推动了国民经济的进一步发展，但与此同时企业市场竞争也愈演愈烈，实现持续性经营，确保统计学应用效益的最大化，是目前推动产业可持续发展的重要战略基础。
2大数据时代内容的基本概述
简单来讲，所谓的“大数据”是指在当前信息化产业时代背景下，无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是互联网公司在日常运营中生成、累积的用户网络行为数据，是需要新处理模式才能有效处理的海量、高增长率和多样化信息资产。随着近年来信息技术的不断发展和广泛应用，“大数据”时代是“互联网+”技术应用下时代未来发展的趋势。就目前来看，与传统信息数据相比，大数据具有数据量大、数据多元以及数据价值高的显著特点，伴随城市化、工业化建设进程的不断加快，如何有效地对大数据进行处理，成为现阶段基层产业结构和相关主管部门的核心发展方向，也是促进企业进一步发展的重要基础。
数据实质上是存储于计算机内的各种信息集合，在当前全球化、市场化不断发展的新产业时代背景下，商业模式的巨大转变，在改变人们关注度的同时，也为企业的进一步发展奠定了良好基础，最终为企业预期发展目标的实现创造了良好条件。对于大数据的处理，倘若采取传统的处理技术，不仅难以达到预期的处理目标，更极易导致一系列其他问题的产生，最终对企业整体发展造成了极为不利的影响，为此在大数据发展的同时，技术领域也取得了显著突破，目前常见的管理技术主要有——数据仓库技术、数据安全技术、数据分析、数据挖掘和模型预测，其中，数据分析、数据挖掘与大数据关系最为密切。
3新形势下统计学存在的主要问题
3.1企业对于统计管理工作的重视度不足
在经济全球化和一体化建设进程不断加快的新市场经济常态下，企业规模和数量的不断增加，在加剧企业市场竞争力的同时，如何有效地提升企业工作质量和工作效率是现阶段企业的核心发展方向，但由于部分企业受传统发展以及管理理念根深蒂固的影响，企业管理和发展重心始终集中于企业经济效益，忽视了对统计管理的关注度，致使单位在统计管理工作方面的人力和物力投入不足，各项管理工作受到一定影响的同时，企业的整体发展也受到了一定影响。
3.2统计管理人员自身专业素养有待提高
统计管理人員作为统计管理工作的实践者，其自身专业能力和综合素养水平的高低，对于统计管理工作质量和工作效率具有重要影响，但随着当下统计管理工作量的增加，部分企业为满足人员配置需求，不断地降低人员选拔标准，导致聘用人员无论是专业能力还是综合素养都有待完善。作为一项专业、系统的管理工作，统计管理不仅要求管理人员拥有细心、踏实、耐心等基本素质，还要具备一定的计算机操作能力，但随着企业规模和数量的持续增加，统计管理人员身兼数职、待遇不高等问题的存在，导致管理人员自身专业能力有所欠缺，业务操作等方面也存在一定不足，最终对统计管理造成了极为不利的影响。
3.3数据库硬件设施、设备不完善
信息化产业时代背景下，“互联网+”技术的广泛应用，在便捷人们日常生活，提高企业生产效益的同时，将其应用到其他领域中，在一定程度上也为各单位的转型升级注入了新的发展动力。统计管理是企业管理作业的重要内容，在很大程度上数据管理库自身硬件设施、设备的完善度对于统计管理工作质量和效率具有直接影响，但对于某些偏远地区亦或经济发展相对缓慢的区域，统计管理设备、设施的落后性在影响现代化科技管理手段应用效益的同时，统计管理作业也始终未能得到突破性进展，企业发展也由此受到了一定影响。
4新形势下统计管理工作的创新策略探析
4.1加强对统计管理重要性的宣传力度，提高对统计管理工作的重视
统计管理作为企业管理的重要组成部分，其管理工作质量和工作效率对企业发展而言也具有一定影响，而为实现企业可持续发展的目标，确保统计管理工作落实到实处是极为必要的。通过上述分析可知，管理人员对于统计管理工作的不重视是影响统计管理工作效益的重要因素，为有效地改善当前管理现状，一方面基层产业机构需加大对统计管理重要性的宣传力度，在不断提高人们对于“统计学应用效益”高度认同的同时，为统计管理工作的顺利开展奠定良好基础。而另一方面企业还需加强对统计管理工作人员的教育力度，在不断增强统计管理人员工作责任感和使命感的基础上，为预期管理目标的实现创造良好条件。
4.2积极和有关大数据公司或机构进行合作
要想在大数据时代背景下进一步优化和提高统计管理工作，就必须将大数据有关技术和统计管理的实际工作紧密结合起来，因此必须解放思想，打破行业限制，积极寻求和有关大数据公司或者机构进行合作开发，开发出真正适合统计管理工作的大数据技术和工具，大数据无法使用单台计算机进行操作和处理，必须采用分布式架构技术等，其也必然和云计算的有关分布式处理、云存储以及虚拟技术等密不可分，因此统计管理必须要积极寻求多方合作，积极将大数据的有关技术引入统计管理的实际工作中去。
4.3不断优化和完善统计管理模式
在当前企业规模和数量持续增加的新产业时代背景下，数据的形成过程较为烦琐，且数量也较为庞大，为从根本上有效提高管理的科学性、高效性和有效性，不断地优化统计管理模式和管理手段也是极为必要的。通过大量调研数据分析可知，在进行统计管理过程中，信息技术的不断发展和传播渠道的日趋增多，在很大程度上为企业统计管理创造了良好条件，但由于部分企业在计算机信息技术应用过程中，未将现代化技术应用到电子统计管理中，导致管理信息化水平较低的同时，预期管理目标也难以实现，为有效地解决上述问题，将数据信息化纳入到工作日程中，为单位的数据管理部门配置专门的信息化设备，是现阶段提高统计管理信息化水平，促进企业进一步发展的重要战略手段。
4.4将各项统计管理工作细节落实到位
在统计管理作业过程中，从根本上有效地提高企业的经济效益、确保各项统计工作细节落实到位也是现阶段基层产业机构和相关主管部门的重要工作内容，换言之，在当前多元化市场竞争环境下，要想从根本上提升统计管理工作质量，提高企業整体的经济效益，以会计管理工作为中心，确保各项细节管理工作落实到位是十分必要的。要想确保管理工作效益的最大化发挥，提升企业经济效益，企业需将会计的发展目标与企业的发展方向相结合，在确保两者“统一性”的基础上，以会计管理工作为中心对企业经营进行系统化管理，最终为企业可持续发展目标的实现奠定良好基础。
4.5确保预算统计管理工作落实到位
篇（4）
一、引言
在现如今的社会，无论是干什么都离不开信息。小到穿衣吃饭，大到国防军事，每一样都需要信息才能完成。信息是一个名词，围绕着它有信息的产生、信息的处理加工、信息的传递、信息技术的发展等等的一系列环节。所以在现代社会信息就如同一个核心细胞，其他细胞的工作都是围绕它展开进行的。我们对信息一定要敏感而精准。
二、何为大数据时代
大数据最初是由麦肯锡公司所提出来的，它在物理、生物、化学、金融、通讯行业出现并存在已经有一段时日，但它真正为人们所熟知认识却是因为互联网行业的飞速发展。人们总是用它来表述现时代是一个信息爆炸、海量、共享的时代。现如今一个决策的出台不再是凭借昔日的经验和感觉，而是数据的收集、整理、处理、分析所得出的结论。这就表示了一个新的时代，也就是信息数据时代的到来，经济、商业、金融、贸易等多个领域，信息已经成为主宰。这就是大数据时代，也是信息的年代。
三、统计学专业基本概况
统计学，从名称来看貌似是一个新兴专业，其实不然，它是一门非常古老的学科。它最早始于希腊雅典的亚里士多德时代，距今已有两千多年的历史。统计学是通过对数据信息的搜索、整理、分析、描述，以达到窥测所测对象的本质的目的，它是预测对象未来性的一门综合性科学。运用到了大量的数学和其他学科的专业知识，它的使用范围几乎涵盖了社会科学和自然科学的各个领域。统计学家王见定的研究已经说明了数理统计学永远打不败社会统计学，所以在以后的发展道路上，将是社会统计学与数理统计学共存与互补共同前行的模式。
目前作为高校所开设的一门学科，统计学专业主要有一般统计、经济统计两类专业方向，它所培养的是具有良好的数学、经济学素养，熟练掌握统计学的基本理论和方法，熟练地运用计算机分析数据，在企业、事业单位、经济管理部门从事统计调查、统计信息管理、数量分析等开发、应用和管理工作，或在科研、教育部门从事研究和教学工作的专业型精英类人才。
四、如何很好发展大数据时代下的统计学专业
首先从上文的论述中我们可以得出以下结论：統计学的技术手段是，搜索、整理、分析、描述数据，它的目的是预测、推断检测对象的本质，它是一门综合性非常强的科学性学科。从它的使用广度上来看，它几乎覆盖了社会科学和自然科学的各个领域。所以统计学的“势力”非常大。
而统计学所依赖的基础则是数据，传统的统计学中数据的收集主要包括实验数据、调查数据以及各种途径收集到的第二次数据。但是在经过一段时期的实践后人们发现这种方法得到的数据经常会存在一定范围内的误差，这对样本的客观性是一个根本上的影响，同时样本选取结果产生影响，因此传统的数据收集方法很难适应统计学的飞速发展的需要。从这个层面上来说，大数据的出现是科学发展到一定阶段的必然结果。因此大数据的产生和统计学的发展有着密不可分的关系。从另一面来看大数据的出现也是统计学中的核心环节实现，也就是数据的采集实现了大幅度的跨越。大数据时代的到来意味着检测对象的任何数据都能应用到统计过程中，打破了数据采集处理的局限性，再加上精准、合理的统计处理方法，使得统计结果将更具有代表性和说服力。
同时大数据、统计学、云计算技术三者的强强联合，预计未来的统计学势必会发生革命性的变革。大数据将对未来产生深刻影响，目前可以预见的统计学未来发展的前景有以下两个关键的点：第一点是在数据中科学性将和数据本身形成联盟。数据科学独立门户成为一门专门的学科势不可挡，数据的重要性不言而喻。统计学也将乘浪前行迎来新的发展的奇迹。对于数据平台，也将实现跨领域共享，最终将数据的共享扩展到企业层面，成为未来产业的一员。第二点则是数据的管理处理的竞争力大大增强，数据管理成为企业竞争力中的核心竞争力，直接关乎财务表现。数据资产是一个企业的核心资产，这个理念会逐步深入人心。之后，企业对于数据管理便有了更加精准的定位，企业就会将数据管理作为企业核心竞争力，持续发展，战略性规划与运用数据资产。数据资产管理效率与主营业务收入增长率、销售收入增长率显著正相关。届时，统计学的相关知识将会有大作为，每一位统计学专业的学生的就业前景将是不可估量的。统计学的发展前景也是一片大好，大数据、云计算、统计学三者则是珠联璧合，我国乃至全世界的信息技术又会迎来新的浪潮，并且是一浪高过一浪，让我们拭目以待。
五、结束语
本文就大数据，统计学二者的定义、概念首先做了介绍。其次是对统计学和大数据包括云计算在内的联合后的优势，以及未来的发展前景做了合理的分析与预测。数据时代已经起航，我们每一个人万万不可落后，我们要追赶信息技术的时代潮流，乘风破浪，迎难而上。为我国信息技术的发展增砖添瓦，为实现自我的价值奋斗不息。
参考文献：
[1] 薛艳.大数据时代统计学专业教学体系的改革[J].教育教学论坛，2015（4）：110-111.
[2] 周茂袁.大数据时代统计学专业教学改革的初步探索[J].教育教学论坛，2015（35）：105-106.
篇（5）
在线学习系统中包含了大量与学习者学习行为相关的数据，例如，学习日志、学习途径、学习成果数据、课程数据、学习管理数据等。充分集中整合这些大数据，再对学习过程和学习效果进行评价分析，更有效地支持学习，优化教学服务，为教学管理与决策提供依据已成为远程教育工作者面临的重大课题。
一、目前远程教育存在的问题
远程教育中学生可以随时随地利用网络进行课程学习，不受时间和空间的限制，但同时也存在一些问题，例如：
1.评价数据单一化。
教师通常采用总结性评价对学习者的学习过程进行评价，如利用课后作业、论文、测验、出勤情况等评价数据。
2.评价方法静态化
目前评价方法采集的数据是静态的，缺乏对学习过程进行实时监测，不能实现动态的反馈，不能准确反映学习者的参与程度。
3.评价的真实性难以把握
对于一些视频课程的学习，很难判断出学习者是认真参与学习还是开着视频人却离开，而对于课后测验与作业是否独立完成也很难保证。
利用上述方法考核、分析和评估远程教育，教师既不能实时把握学习者真实的学习情况，也无法确定学生个体的学习方式、认知习惯和学习兴趣。学生也无法对自身学习效果有一个客观而明晰的认识，不能较好地制订下一步的学习计划。
二、学习分析的特征
学习分析技术是运用数据挖掘、信息可视化等智能技术来分析学习系统产生的数据，并利用分析结果提供恰当的干预、评估，其主要目的是优化学习过程，促进学习。学习分析技术具有以下特征：
1.复合化的数据采集
多样化的数据为自动化的学习支持和针对性的学习服务提供了可能性。学习分析技术采集的数据来源：一是由学习管理系统、移动终端、社会性软件中所记录的学生的学习行为数据；二是内容管理系统中的学习记录数据；三是学生学习成果数据，如作业、作品。这些不同来源的多样性数据通过第三方分析软件整合并导入到同一个分析框架中，就可得出学生学习情况的分析结果。
2.多角度的分析技术
要进行有效的分析，必须使用多种研究方法、技术与工具。学习分析技术应从网络交互、交流内容、交互内容等多个角度展开，并对数据进行挖掘、聚合、分析，结合定量研究与定性研究的数据为学习提供支持。
3.可视化的分析结果
通过可视化分析结果，使学生对学习状况、教师对教学情况有直观地了解，并作出有效的判断和分析。
4.多层次的服务对象
学习分析技术从教师、学生以及管理者的角度对学生的学习过程进行客观的预测，方便教师优化教学，改进过程评价手段，帮助学生进行自我评价、自我诊断，给教育机构和管理者提供决策依据。
三、基于学习分析技术的远程学习系统模型
学习分析技术利用数据分析探究学习过程的发生机制，改进学习，这一过程包含了数据的选择、获取、综合与报告、预测、使用、完善和分享等活动。因此需要基于学习分析技术初步规划学习系统运行的步骤。第一步，学习者结合自身兴趣和系统推荐，选取学习内容；第二步，系统记录下学生者产生的学习数据，结构先定义好再存入数据库；第三步，对预测模块进行分析，在采集学习者行为数据的基础上，与学习者的特征信息相结合，利用分析工具及模型对预测模块进行分析；第四步，在参照上一步预测模块预测结果的基础上，利用数据挖掘技术为学生推荐适合学生学习特征的学习策略及指导方法；第五步，可以利用可视化的形式将上述数据挖掘结果、分析结果传递给学生、教师和教学管理者。
该学习系统包含六大模块：（1）学习的内容。管理、维护、传递个性化的学习内容与评价给学习者，以支持学习者的学习行为。（2）学习行为数据。记录学习者在学习系统中的学习行为（比如学习时间、学习次数、学习路径、学习进度等）。（3）分析预测模块。这是整个模型的核心，整合学习者信息系统中的数据和学习者学习行为数据，通过多种技术（语义分析、社会网络分析）对数据处理和分析，对学习者未来的学习行为和结果进行预测。（4）可视化面板。根据用户角色的不同，将预测模块中的结果以可视化、图形化的方式呈现。（5）推荐模块。根据分析预测模块的运行结果，再根据学习者的学习水平和兴趣，对学习内容等进行个性化的定制和推送。（6）干预模块。允许教师、教学管理者和系统开发人员根据预测模块的运行结果，对系统实施人工干预、自动化干预。
基于学习分析的远程学习系统模型能够及时量化跟踪学习过程，提出较好的学习建议，并以可视化的形式呈现给学生和老师，帮助他们更加清楚地了解自己学习的变化过程，帮助学生更好地认知自己的学习状态，激发学习者的学习兴趣和学习激情。
模型利用采集到的学生学习兴趣发展的数据，了解学习者状态，包括学习者已掌握的相关知识、学习习惯等；建立合理的学习者分析模式与数据分析框架，从简单的资源推送逐步完善为提供基于大数据分析的适时、贴切的个性化指导，帮助学生完善知识结构，挖掘自身兴趣爱好和特长。整个学习过程既实现了学习者的自制学习和自我学习，以及教师个性化干预指导，又实现了系统根据用户特征适应性推送资源辅助学习者学习的目的。
篇（6）
本次研究将在过去的上、下学期中英语听力有明显进步（成绩提高10%以上）的同学作为调查对象，通过实际调查报告、互联网（以人人网为主）数据、某高校英语听力考试成绩数据等资源，共有10352份有效数据，以教学手段、学习目的、教学语言、教师学历、教师类型以及考试难度等方面进行分类，进行数据统计和计算，得出结果，显示出对英语听力教学效果的主要影响因素。
根据我国高校师资情况现状，由于教师类型、学历程度、以及教学语言方面的影响，使得学生在英语听力的教学当中能够得到最为纯正的英语听力能力培养，同时结合英语课堂当中的新式教学方法，可以在英语听力教学效果上得到最为显著的体现。
二、实验结果与分析
篇（7）
中图分类号：G640 文献标识码：A 文章编号：1002-4107（2016）07-0068-02
随着大数据时代的到来，数据分析已从过去由专门数据处理人员胜任的工作，变成了商务管理人员的日常事务性工作。企业在享受大数据便利的同时却面临着数据分析人才严重短缺的难题。据麦肯锡公司预计，到2018年，美国数据分析专业人才的缺口将高达14―19万，能够使用大数据帮助企业高效决策的管理人员的缺口将达150万[1]。因此，顺应大数据时代的需要，培养具有数据处理能力的专业人才，已成为目前世界各国高等教育改革的首要任务。
本研究运用大数据时代的思维方式和工作方式，力图设计一门紧密联系企业实践的数据分析课程――“商务决策技术”，以提升学生的商务决策能力，满足大数据时代企业对管理人才的新要求。
一、数据处理课程设置现状
随着大数据时代的到来，我国高等教育研究者针对大数据的特点，对已有的数据处理相关课程进行了改革。如：李海林根据大数据具体特性，从授课内容以及实践环节对高校数据挖掘课程进行了详细设计[2]；邱胜海等针对关系型数据库在面对大数据管理时存在的问题，给出了开展非关系型数据库教学的具体措施[3]。然而这些以大数据为时代背景的教学改革，并非面向数理基础较差的经管类学生。为了提高经管类学生的数据分析能力，我国很多高校已开设数据分析与建模方面的相关课程，也撰写了相关教学书籍。如：蒋绍忠[4]、刘兰娟[5]等编写了各类商务数据分析教材；葛虹等[6]以经管专业课“数据分析与管理建模”为例，提出了知识的系统性训练和创新能力的培养的建议；邓维斌等针对经管类学生在数据分析能力培养中存在的问题[7]，提出编写针对性强的实验指导教材，构建科学的实验教学体系，改变实验教学模式等主要改革措施。然而，这些为经济管理类学生开设的数据处理课程中没有加入大数据的相关内容。
本研究围绕即将开设的“商务决策技术”这门新课，基于大数据理念，从课程内容、教学手段等方面对该课程进行全方位设计。在设计前，为方便日后跟踪学生的学习进展，对学生的数理基础和学习需求等方面进行了问卷调查，并对调查结果进行详细分析。
二、经管类学生数据处理能力现状调查与分析
（一）调查问卷设计
本调查共发放问卷250份，回收有效问卷234份，回收率达到93.6%。主要由2013级和2014级经管类学生填写。主要借助于李克特量表的形式测试学生对相关问题的认知程度。
设计《大数据理念下数据分析方法教学调查问卷》，除了了解学生的性别、年龄、班级、文理科生等基本信息外，还从四个方面进行了详尽的调查：前沿技术、学习动机、教学方法以及考核方式。
（二）调查结果分析
四个方面的调查结果如下。
1.学生对前沿技术的了解程度。很多学生对最新的前沿技术不甚了解。仅118人（占50%）听说过“云计算”，87人（占37%）听说过“物联网”，即使大部分学生会使用手机上网，但调查结果却显示仅168人（占72%）知道“移动互联网”这个词。对“大数据”的了解更为有限，听说过“大数据”这个词的人仅78人（占33%），能准确或大概说出其含义的仅49人（占21%）。其中，25人认为大数据的主要特征是“数据量大”；27人认为是“数据类型繁多”；8个人认为是“价值密度低”；18人认为“处理速度快”，仅3人将大数据的这四个特征全部选中。虽然大部分人对大数据不甚了解，但207人（占88%）对大数据的未来前景较为乐观，173人（占74%）已经感受到了大数据在日常生活中的存在。
2.学生的课程选修情况。为了了解哪类学生会选修这门课程，是数据处理基础好的学生？还是对数据处理感兴趣的学生？学生学习的自信心强弱会不会影响他们的选课？如果所学课程对学生未来工作有用，会不会有更多的学生选这门课呢？带着这些问题，本研究使用SPSS中的Pearson相关性分析法挖掘出影响课程选修状况的主要因素。
从分析结果中可以发现，学生是否选这门课主要取决于两大因素：“工作需要”（相关系数为0.427）和“学习信心”（相关系数为0.163），与学生的“数据处理基础”、“对数据分析是否感兴趣”的关系不大。也就是说，如果学生认为学习这门功课对未来的工作有用，即使他们的数理基础并不好，学习兴趣也不大，他们依然会非常乐意选此课；此外，学生的自信心也是学好这门课的关键。很有信心学好数据分析方法的学生仅占12%，86%的学生对此没有把握。提及何种工作会用到数据分析技术时，仅有131人（占56%）觉得数据分析技术对管理工作有用，91人（39%）觉得对销售工作有用；而94人（占40%）觉得数据分析技术对管理或销售工作根本没用，仅数据分析员或IT工作人员会用到该技术。
3.学生喜好的教学方法。近60%的学生对教学方法不甚了解，特别是现代教学方法。在调查过程中，我们对四个目前热门的教学方法，如：案例式教学法、讨论式教学法、翻转课堂、MOOC进行了详细介绍。最后，65%的学生偏爱案例式教学法，47%的学生偏爱讨论式教学法，对于翻转课堂仅有19%的学生愿意尝试，MOOC仅13%的愿意尝试。当问到哪种教学方法适用于本课程的教学时，44%的学生希望使用案例式教学法，23%的学生觉得翻转课堂不错，22%的学生依然喜欢以教师为主导的讲授式教学方法，88%学生认为MOOC不适合数据处理课程的教学工作。
4.学生喜欢的考核方式。仅有18%的人愿意闭卷考试，开卷考试和学生上台讲解的考核形式最受青睐。此外，78%的学生希望参与到教师评分中，同意教师独自给分的仅占18%，同意仅依靠学生评分的也只占6%。
三、“商务决策技术”课程教学设计策略
根据以上分析，拟在实施本课程教学时注重以下几个方面。
（一）提高学生学习数据分析技术的自信心
该课程涉及定量分析，这是经管类学生最为薄弱的知识点。从调查分析中可以发现，“工作需要”和“学习信心”这两个因素对学生选修该课程比学生的“数据处理基础”和“学习兴趣”更为重要。因此，本课程首先安排2至4个学时来讲解什么是“大数据”，大数据在未来各个领域的应用前景，并通过实例、视频或实地调研让学生了解商务数据分析的一些实际应用，只有当学生切身体会到了数据分析技术在未来生活中的应用价值，才能从根本上调动他们主动学习的积极性和自信心。
（二）丰富大数据相关内容
大数据最重要的应用就在于预测，而预测是商务决策的基础。以往的经济预测多依赖于因果模型的分析，而大数据分析则是运用相关性分析方法从海量数据中发掘数据之间的联系，进而进行有效的预测。因此，本课程将重点讲授相关分析方法，不仅讲授诸如简单线性回归、Pearson相关系数等传统相关分析方法，还会介绍大数据相关分析方法，如：最大信息系数、随机相关系数等。
（三）采用多种教学模式与方法
从调查分析中了解到：以往以教师讲授为主、学生被动学习的传统教学模式不再受到学生的青睐，翻转课堂、案例教学法、讨论式教学法是学生喜爱的教学方式。因此，本课程将采用学生平等参与的讨论式教学方式，并事先设计“自主学习任务单”、制作教学视频、布置案例教学任务等多种教学手段，将教师的教学职能从单一的讲课向设计、组织、帮助与指导方向转变。
（四）师生共建考核方式与信息反馈机制
调查分析结果表明：传统死记硬背的考核方式不再受到学生的欢迎，开卷考试和上台讲课的考核形式更能全方位地衡量学生处理实际问题的能力。因此，本课程拟首先让教师和学生共同制定考核目标，细分考核内容以及考核方式；然后由学生自主选择考核方式和内容。评分时，组织成立学生考评团，所有学生轮番成为考评团成员，与老师双向沟通，共同评分。
本文展示了“商务决策技术”课程开设的调查研究工作，并依据分析结果，提出顺应大数据时代需要，培养具有现代数据处理能力的管理人才的具体措施。希望通过培养学生学好数据处理方法的兴趣和自信心，通过制订合理的教学计划、设计新颖的教学内容、运用现代化的教学模式、采取师生共同参与的考核方式，来提升学生适应大数据时代市场需要的数据素养。
参考文献：
[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.大数据环境下的数据挖掘课程教学探索[J].
计算机时代，2014，（2）.
[3]邱胜海，周玉敏，高锡荣等.大数据时代非关系型数据库
教学与实验改革探索[J].电脑知识与技术，2013，（9）.
[4]蒋绍忠.数据、模型与决策――基于Excel的建模和商
务应用[M].北京：北京大学出版社，2013.
[5]刘兰娟等.经济管理中的计算机应用[M].北京：清华大
学出版，2013.
[6]葛虹，韩伟一.多模式交互教学与教学工作量评估――
以“数据分析与管理建模”为例[J].黑龙江高教研究，
篇（8）
数据挖掘（Data Mining，DM）又称数据库中的知识发现（Knowledge Discover in Database，KDD），是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的过程[1]。数据挖掘在很多领域都是一个很时髦的词，尤其是在如银行、电信、保险、交通、零售等商业领域。但是，数据挖掘在教育领域的应用尚处于理论探索阶段，其他研究中已经证明，数据挖掘在高校家庭经济困难学生精准识别的过程中具有理论上的可行性，本文通过建立基于家庭经济困难学生数据库的数据挖掘模型对困难生精准识别进行实证角度的探索，以期能够解决家庭经济困难学生认定过程中存在的主观性、片面性等问题。
本研究通过运用数据挖掘技术，对家庭经济困难学生的数据进行量化分析、建模评价、以及结果分析。本文的主要设计思路为：针对学生的一系列评价家庭经济困难程度的指标划分学生困难等级，有利于简化家庭经济困难学生的认定程序，降低错误率。一个完整的数据挖掘过程主要包括数据准备、建立模型进行挖掘、模型的评价与修正三个阶段。借助数据库中已有学生信息，使用数据挖掘方法开发出困难等级评分模型从已有数据中分析归纳出困难生识别的规则和标准。然后，将这些规则或标准应用于困难生认定过程。本文所采用的数据挖掘软件为SPSS Clementine 12.0。该软件操作简单、无需编程、界面人性化，是一款十分适用的数据挖掘软件。图1展示了基于数据挖掘的困难生精准识别所构建的模型。
一、数据预处理
数据预处理主要包括原始数据整理与数据分割两部分。
本研究采用原始数据来自2015年度某高校某学院家庭经济困难学生数据库，该数据库共有数据496条。从学生《家庭情况调查表》以及家庭经济困难申请表中原因陈述结果可以看到，涉及到学生的特征指标包括户籍性质（HJ）（农村、城镇），户口所在地（HK）（东部、西部、中部），家庭人口数（RK），是否孤残（GC），是否单亲（DQ），家庭人均年收入（SR），家庭健康情况（JK），家庭负债情况（FJ）等一系列指标。数据经整理后能够满足Clementine对数据挖掘的要求。
数据分割的目的主要是为了验证数据挖掘模型，根据一般原则，数据分割的比例配比为训练集（40%），测试集（30%），验证集（30%）。分割方法为简单随机抽样，利用Clementine 12.0的Partition节点完成。分割后的三个数据集用新增变量Partition的取值标识，但仍合并在同一个数据文件里。
二、建立模型
家庭经济困难的等级与困难学生本身的特性是紧密相关的，经由这些特性能够细分学生困难等级，常用的特征识别方法是分类树。分类树着眼于从一组无次序、无规则的事例中推理出分类树表示的分类规则。现在比较常见的算法是基于信息论的方法的决策树。本文选取决策树模型来分析处于不同困难等级的学生所共有的一些个人信息，并对困难生认定提出相应的一些建议。
符合以下几条规则之一的，可以认定为家庭经济条件特殊困难：（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，家中有负债，人口数少于5人，家庭存在不健康因素。
符合以下几条规则之一的，可以认定为家庭经济条件困难：（1）人均年收入大于1250元，家中有负债，农村户口；（2）人均年收入大于1250元，户籍所在地为中西部地区；（3）人均年收入大于1250，家中人口多于5人，且有负债；（4）收入多于2250，人口数多于6人且家中不健康因素的。
符合以下几条规则之一的，可以认定为家庭经济条件一般困难：（1）收入多于1250，家住农村，无负债；（2）收入在2250到2450之间，家住中东部，人口少于6人；（3）收入大于2450元。
三、模型评估
完成模型的制定以后，下一步就是对模型进行评估，检验其预测能力的强弱。一般来说，模型的检验有两种方式：样本内检验和样本外检验。在Clementine中，模型评估主要采用图形展示，例如Gain图、Lift图等。另外，也常用分类矩阵来比较预测结果与实际结果的吻合程度，分析结果如图2。
首先，从收益图可以明显的看出，利用决策树得到预测模型准确率非常高，几乎与理想模型重合，而基于客户特征的细分变量的准确率也比较高。
为了更好的评判预测效果，利用Clementine 12.0中的Analysis节点，可以得到如下关于决策树模型在三个部分的数据集中的预测准确率。在大小为40%的训练数据集中，模型的预测准确率达到86.03%；在大小为30%的检验数据集中预测准确率为86.1%；在大小为30%的验证数据集中，其预测准确率达到86.18%。可见，利用决策树模型已经达到了相当好的估计效果。
四、结论
数据挖掘模型的运行结果在理论与实践层面都得出了有益的结论。
首先，数据挖掘的运行结果给出了困难生认定的一些普遍规则，这些规则基于困难生认定的原始数据所表现出来的困难生的特性，反映学生的方方面面。这些规则在困难生认定过程中将会是非常好的参考条件，甚至对困难生认定的准确度起决定作用。
其次，数据挖掘应用于家庭经济困难学生精准识别，对于数据挖掘在教育领域尤其是在学生管理与服务工作中的应用提供了有益的借鉴，这种借鉴也不应止步于此，应当进行更加深入的研究与应用，一遍提高高等学校学生工作的科学化水平。（作者单位：1.济南大学外国语学院；2.济南大学党委学生工作部）
篇（9）
一、SPSS统计软件特性分析
（一）SPSS统计软件应用范围
SPSS（Statistical Product and Service Solutions），是一种“统计产品与服务解决方案”软件。开始时它的全称为“社会科学统计软件包”，但最后被命名为“统计产品与服务解决方案”。它最初用于统计学分析运算、数据挖掘、预测分析和决策支持任务，有Windows和Mac OS X等版本。后来随着SPSS公司对这款软件的更新与改进，它的应用范围也逐渐扩大起来，它在自然科学、技术科学和社会科学等方面都有涉及，并且都收到使用者的好评。世界上许多著名的杂志报刊都对SPSS统计软件的各方面功能做出了很高的评价。
（二）运用SPSS统计软件的实例分析
某高校要对大学生党员素质进行评价，以便于对发展和培养当代大学生的工作实践。他们首先选取了“道德品行”“政治素养”“学习能力”“工作能力”“心理素养”这五个方面对大学生党员素质进行评价，然后要求被调查者根据自己对党员的要求来判断学生党员是否能做到其中一点。其中1表示“非常不同意”、2表示“不同意”、3表示“不能确定”、4表示“同意”、5表示“非常同意”。从发出的300份卷中筛选出有效的188份，然后用SPPS统计软件对分卷信度用克隆巴赫系数测量，该系数表示的是问卷调查结果总变异中由不同被调查者导致的比例占多少，整个问卷和各个子问卷的克隆巴赫系数如下表所示：
为了验证所获得数据的有效性，该试验还进行了Bartlett’s Test和KMO指标验证。Bartlett’s Test检验的sig为0.000说明参与分析的数据来自正态分布的总整体，而KMO的取值在0到1之间，所得到的值越接近1，表明这些变量对因子分析的效果越好，这些因素很好的解释了大学生优秀党员应当从什么地方开始培养，而SPSS统计软件则是验证了这些因素的有效性和可信度，为大学生党员的培养工作提供科学依据。
二、大学生职业素质评价模型构建
（一）大学生素质评价模型研究背景
随着时代的前进和科学技术的发展，现代年轻人的思维也追上了时代的最前端。步入大学殿堂的“90后”一代年轻人，他们追求自我和个性的特点越来越显著，教育工作者对大学生职业素质的培养与分析也遇到了挑战。如何根据大学生的特点来构建素质评价模型是新一代教育工作者需要考虑的问题。
（二）SPSS统计软件对大学生职业素质评价模型构建的作用
对大学生职业素质评价要从学习能力、工作能力、政治思想、心理素质四个因素考虑，这四个因素涵盖了大学生的外在处事能力和内部思想，是对一个人的综合职业素质比较全面的评价。大学生的职业素质评价模型由这四个因素构成。运用SPSS统计软件对这几个因素进行分析，可以看出这些因素对职业素质评价所占比重的大小，然后根据各个因素所占的比重构建大学生职业素质评价模型，得出科学的评价方法和评价重点。
（三）SPSS软件对大学生职业素质评价情况分析
运用SPSS统计软件对大学生职业素质进行数据统计分析，可以了解到我国当代大学生需要培养的职业素质，也可以看出在校大学生对自身优秀职业素质的期盼和要求。大学生的职业素质涵盖了学习、工作、政治、心理等四大方面，以大学的具体生活为基础，由校园小范围扩大到社会这个大范围，具有很强的现实指导意义。运用SPSS统计软件，可以得出大学生职业素质评价的重点，让大学生充分了解到自己达标和不达标的地方，加以改正。
三、结论
对大学生的职业素质进行评价是大学生发展阶段中的必要条件。大学教育的目的在于让大学生成长和发展，让他们掌握更多的知识技能，认清自己与社会外界的关系，有助于自己以后的工作和生活。而在SPSS统计软件的分析下，可以看到大学生的职业道德素质由多种原因共同决定，因此我们可以知道，只有多方面的对大学生进行教育，才能使大学生形成良好的职业道德素质，做一个对社会、对国家有用的人。
篇（10）
2．案例不够丰富，没有考虑专业差异目前的计量经济学教学过程中，通常情况下教师都会直接运用教材上的案例进行讲授。案例主要涉及一元、多元线性回归及放宽古典假定的内容，一般都是经济问题分析，如居民消费问题、财政收入影响因素等。这些案例的突出特点是适用性广泛，只要学生有宏观经济学、微观经济学的基础知识，都能很好地通过案例掌握相关数据分析的方法。在实际教学中，这些案例的不足之处在于没有和学生的专业基础密切结合，不能拓宽学生的视野，部分同学会误以为计量经济学只能应用于经济学，而对于以后如何在自己的专业中应用相关知识缺乏相应的了解和实践。
3．课程难度大，学生重视程度不一由于计量经济学是数学、统计学和经济学三门学科的结合，在经典线性回归理论部分，需要用到矩阵、参数估计和假设检验的大量知识。对一般经济管理类专业的学生而言，学习计量经济学课程并不轻松，文科背景的同学学习起来更加困难。调查问卷中关于计量经济学难度的问题中，有28%的同学选择了很困难，有43%的同学选择了比较困难，选择一般困难的有27%，只有2%的同学选择了不困难。从调查结果看，选择比较困难和很困难的学生高达71%的比例，充分说明对一般本科院校的学生而言，计量经济学课程难度还是比较大的。对计量经济学课程的重要性方面，有41%的同学认为计量经济学对以后的工作学习有用，高达54%的同学认为用处不大，5%的同学认为没有用。当今学生学习有一定的功利性，如果学生认为某门课程在目前对就业、考研没有直接作用，往往不太重视，也不会投入太多精力。学生学习计量经济学的目的中，排在第一位的是通过考试，这是无可厚非的，但需要注意，选择通过考试的同学中，有10位同学除了通过考试外，其他的选项均没有选择，说明这部分同学学习计量经济学的目的就是为了通过考核，拿到学分;还有5位同学选择了所有的选项，说明这5位同学是希望通过计量经济学课程的学习能掌握相关知识。排在第二位的是为以后学习数据分析方法打基础，当今是大数据时代，许多行业的发展都离不开数据分析，学习计量经济学能为数据分析打下基础，学生对此也有较清晰的认识。此外，掌握计量经济学基本理论和软件使用方法排名在第三和第四，而运用计量经济学理论进行实证分析排在最后，说明学生对如何运用计量经济学的理论信心不足。
4．先导课程基础差异大为了探明学生畏难情绪的原因，在之后的调查中，设计了这样的问题:计量经济学课堂上，您能否跟得上授课老师的思路，教学内容能否及时消化?从学生调查的结果看，选择完全跟得上的只有9%，选择勉强跟得上的有58%，有33%的同学选择了跟不上。说明在课堂上计量经济学的授课效果并不是很理想，有三分之一的同学跟不上老师的思路。，占比例最大的是每节课信息量太大，其次是没有及时预习和复习课堂内容，第三是先导课程没有学习，理科基础不好。由于计量经济学的课程特征，上课会用到线性代数、数理统计的知识，学生只有进行课前预习和课后复习才能有效地掌握相关知识。实际情况中，一般院校都将计量经济学安排在第5或者第6个学期，正是学生大量学习专业课的时间，课程压力较大，因此，学生没有充裕的时间进行预习和复习，导致学生对于每节课的信息不能充分接收。此外，目前本科院校中，各个专业的课程体系安排有一定的差异，大多数专业是在第3个学期学习的概率论与数理统计学课程，但数理统计部分由于课时的限制，在参数估计和假设检验部分授课教师一般不作深入介绍，学生也很少去主动自学这部分内容，掌握程度不是很理想;更有个别院校，将计量经济学和数理统计学安排在同一学期学习。这样的教学安排，导致学生在学习计量经济学课程时，由于存在大量的数学符号，本来就心存畏惧，加上数理统计知识不够扎实，容易对计量经济学课程产生厌学情绪，影响教学效果;对教师而言，在上课过程中需要专门抽时间补充介绍数理统计基础知识，影响教学进程。
5．课时安排偏少通过查阅相关资料发现，一般的本科院校的计量经济学课程设置为48个学时，其中包括40个学时的理论授课，8个学时的上机实验。一些重点院校的计量经济学课程学时安排多一些，如清华大学的计量经济学课程为54个学时。郑州航院计量经济学安排了48个学时，这样的学时安排，调查中有14%的同学认为课时够用，而有39%的同学认为理论课时不够，有47%的同学认为上机时间不够。计量经济学既需用到大量的矩阵和数理统计知识，又需要一定的经济学基础，同时又是一门操作性和实用性很强的学科，必须将理论知识讲授与软件使用结合起来，才能达到学以致用的目的。面对数理基础和经济学基础程度不一、接受能力有别的学生，教师在有限的学时内，将经典的回归理论能够全面、系统地给学生介绍清楚，已属不易。通过短短几个学时的上机实验，让学生能掌握相关的软件操作技能，也显得勉为其难。此外，在教学过程中，教师一般缺乏充裕的时间进行案例分析和介绍前沿的研究成果，这种拓展既能开阔学生的视野，又能增强学生学习计量经济学的兴趣，但因课时限制，一般得不到实施。
6．实验教学效果难以保障现有计量经济学实验教学主要是验证性的，教师讲授计量经济学软件(Eviews、SAS等)操作方法，给定学生数据，学生验证经典回归模型的估计、检验方法。这样的教学过程对学生掌握具体的软件操作过程是十分必要的。实际教学过程中，实验教学的主要目的也是使学生掌握相关软件操作方法，学会利用软件实现数据分析，但对学生而言，如何将这些理论知识和实际问题结合起来，尤其是将计量经济学的知识应用于专业相关的数量分析，缺乏实践。
二、计量经济学教学改革建议
1．做好课程衔接和课时安排从调查的结果看，许多学生觉得计量经济学课程困难的原因一方面是信息量太大，另一方面是先导课程没有学习，基础不好。因此，在前期的课程安排方面，一定要做好课程的衔接，学生后期要学习计量经济学，一定要在前期安排数理统计学的课程内容。可以采取增加概率论与数理统计课时或者专门开一门数理统计学课程来解决。从课时安排看，条件允许的学校可以适当增加计量经济学的课时，尤其上机实验的课时。增加理论课时一方面可以讲授如时间序列的平稳性、协整、格兰杰因果关系检验等非经典线性回归的内容;另一方面教师可以简要介绍计量经济学前沿知识，如向金融学专业学生介绍金融计量、向经济学专业的同学介绍空间计量经济学等，开阔学生的视野，走上工作岗位后学生可根据实际需要自学相关知识，有条件的院校可将计量经济学理论课时增加4～8个。从上机课时看，一般8个课时的上机基本能保证学生熟悉一个软件的基本操作，完成经典线性回归的相关验证性实验，如能增加2～4个学时，学生会对软件操作更加熟悉，对相关分析结果的分析更加深入，以后的应用较为得心应手。
2．改革教学目标在以应用型人才培养为目标的本科院校，学生毕业后一少部分进入研究生阶段的学习，大多数学生都是直接走上工作岗位从事经济管理类的工作。根据调查结果，学生多数认为计量经济学课程难度较大，主要是课程信息量太大，难以取舍，因此在计量经济学的教学目标上，应当定位在使学生掌握计量经济学研究的基本方法与相关的软件操作方面。教学过程中首先应当介绍计量经济学相关方法的基本背景，在授课过程中应特别注意介绍基本思想、基本方法和应用范围，尤其是这些方法的经济背景。在介绍普通最小二乘估计和相关检验方法的时候，要把侧重点放在思路和结论方面，而尽量减少或者简化相关的推导过程，要求学生“知其然”即可，而对学有余力的同学可以通过课下自学的方法“知其所以然”。
3．改革教学方式计量经济学的教学不仅要传授知识，更是要教给学生学会利用相关知识进行数据分析，因此，要把理论教学、案例教学和实验教学等教学方式充分结合起来。理论教学部分，要更多地采用启发式教学、课堂讨论等方式。启发式教学可以激发学生学习理论知识的积极性，引导学生主动思考;课堂讨论要选择合适的教学内容，提前定下讨论内容，要求学生发挥主观能动性，提前做好课下准备，加深对理论知识的理解。案例教学则需要任课教师提前做好准备，选择与学生专业相关的案例。案例分析过程要尽量让学生参与进来，教师提前选择好专业方面的问题。可以安排部分同学进行前期的理论分析，部分学生搜集相关数据，最后在教师的带动下完成案例分析的全过程。
