统计分析论文数学

在统计学中，统计模型是指当有些过程无法用理论分析方法导出其模型，但可通过试验或直接由工业过程测定数据，经过数理统计法求得各变量之间的函数关系。下文是我为大家整理的关于统计模型论文的范文，欢迎大家阅读参考!

统计套利模型的理论综述与应用分析

【摘要】统计套利模型是基于数量经济学和统计学建立起来的，在对历史数据分析的基础之上，估计相关变量的概率分布，并结合基本面数据对未来收益进行预测，发现套利机会进行交易。统计套利这种分析时间序列的统计学特性，使其具有很大的理论意义和实践意义。在实践方面广泛应用于个对冲基金获取收益，理论方面主要表现在资本有效性检验以及开放式基金评级，本文就统计套利的基本原理、交易策略、应用方向进行介绍。

【关键词】统计套利成对交易应用分析

一、统计套利模型的原理简介

统计套利模型是基于两个或两个以上具有较高相关性的股票或者其他证券，通过一定的方法验证股价波动在一段时间内保持这种良好的相关性，那么一旦两者之间出现了背离的走势，而且这种价格的背离在未来预计会得到纠正，从而可以产生套利机会。在统计套利实践中，当两者之间出现背离，那么可以买进表现价格被低估的、卖出价格高估的股票，在未来两者之间的价格背离得到纠正时，进行相反的平仓操作。统计套利原理得以实现的前提是均值回复，即存在均值区间(在实践中一般表现为资产价格的时间序列是平稳的，且其序列图波动在一定的范围之内)，价格的背离是短期的，随着实践的推移，资产价格将会回复到它的均值区间。如果时间序列是平稳的，则可以构造统计套利交易的信号发现机制，该信号机制将会显示是否资产价格已经偏离了长期均值从而存在套利的机会在某种意义上存在着共同点的两个证券(比如同行业的股票)，其市场价格之间存在着良好的相关性，价格往往表现为同向变化，从而价格的差值或价格的比值往往围绕着某一固定值进行波动。

二、统计套利模型交易策略与数据的处理

统计套利具体操作策略有很多，一般来说主要有成对/一篮子交易，多因素模型等，目前应用比较广泛的策略主要是成对交易策略。成对策略，通常也叫利差交易，即通过对同一行业的或者股价具有长期稳定均衡关系的股票的一个多头头寸和一个空头头寸进行匹配，使交易者维持对市场的中性头寸。这种策略比较适合主动管理的基金。

成对交易策略的实施主要有两个步骤：一是对股票对的选取。海通证券分析师周健在绝对收益策略研究―统计套利一文中指出，应当结合基本面与行业进行选股，这样才能保证策略收益，有效降低风险。比如银行，房地产，煤电行业等。理论上可以通过统计学中的聚类分析方法进行分类，然后在进行协整检验，这样的成功的几率会大一些。第二是对股票价格序列自身及相互之间的相关性进行检验。目前常用的就是协整理论以及随机游走模型。

运用协整理论判定股票价格序列存在的相关性，需要首先对股票价格序列进行平稳性检验，常用的检验方法是图示法和单位根检验法，图示法即对所选各个时间序列变量及一阶差分作时序图，从图中观察变量的时序图出现一定的趋势册可能是非平稳性序列，而经过一阶差分后的时序图表现出随机性，则序列可能是平稳的。但是图示法判断序列是否存在具有很大的主观性。理论上检验序列平稳性及阶输通过单位根检验来确定，单位根检验的方法很多，一般有DF，ADF检验和Phillips的非参数检验(PP检验)一般用的较多的方法是ADF检验。

检验后如果序列本身或者一阶差分后是平稳的，我们就可以对不同的股票序列进行协整检验，协整检验的方法主要有EG两步法，即首先对需要检验的变量进行普通的线性回归，得到一阶残差，再对残差序列进行单位根检验，如果存在单位根，那么变量是不具有协整关系的，如果不存在单位根，则序列是平稳的。EG检验比较适合两个序列之间的协整检验。除EG检验法之外，还有Johansen检验，Gregory hansan法，自回归滞后模型法等。其中johansen检验比较适合三个以上序列之间协整关系的检验。通过协整检验，可以判定股票价格序列之间的相关性，从而进行成对交易。

Christian L. Dunis和Gianluigi Giorgioni(2010)用高频数据代替日交易数据进行套利，并同时比较了具有协整关系的股票对和没有协整关系股票对进行套利的立即收益率，结果显示，股票间价格协整关系越高，进行统计套利的机会越多，潜在收益率也越高。

根据随机游走模型我们可以检验股票价格波动是否具有“记忆性”，也就是说是否存在可预测的成分。一般可以分为两种情况：短期可预测性分析及长期可预测性分析。在短期可预测性分析中，检验标准主要针对的是随机游走过程的第三种情况，即不相关增量的研究，可以采用的检验工具是自相关检验和方差比检验。在序列自相关检验中，常用到的统计量是自相关系数和鲍克斯-皮尔斯 Q统计量，当这两个统计量在一定的置信度下，显著大于其临界水平时，说明该序列自相关，也就是存在一定的可预测性。方差比检验遵循的事实是：随机游走的股价对数收益的方差随着时期线性增长，这些期间内增量是可以度量的。这样，在k期内计算的收益方差应该近似等于k倍的单期收益的方差，如果股价的波动是随机游走的，则方差比接近于1;当存在正的自相关时，方差比大于1;当存在负的自相关是，方差比小于1。进行长期可预测性分析，由于时间跨度较大的时候，采用方差比进行检验的作用不是很明显，所以可以采用R/S分析，用Hurst指数度量其长期可预测性，Hurst指数是通过下列方程的回归系数估计得到的：

Ln[(R/S)N]=C+H*LnN

R/S 是重标极差，N为观察次数，H为Hurst指数，C为常数。当H>时说，说明这些股票可能具有长期记忆性，但是还不能判定这个序列是随机游走或者是具有持续性的分形时间序列，还需要对其进行显著性检验。

无论是采用协整检验还是通过随机游走判断，其目的都是要找到一种短期或者长期内的一种均衡关系，这样我们的统计套利策略才能够得到有效的实施。

进行统计套利的数据一般是采用交易日收盘价数据，但是最近研究发现，采用高频数据(如5分钟，10分钟，15分钟，20分钟收盘价交易数据)市场中存在更多的统计套利机会。日交易数据我们选择前复权收盘价，而且如果两只股票价格价差比较大，需要先进性对数化处理。Christian L. Dunis和Gianluigi Giorgioni(2010)分别使用15分钟收盘价，20分钟收盘价，30分以及一个小时收盘价为样本进行统计套利分析，结果显示，使用高频数据进行统计套利所取得收益更高。而且海通证券金融分析师在绝对收益策略系列研究中，用沪深300指数为样本作为统计套利配对交易的标的股票池，使用高频数据计算累计收益率比使用日交易数据高将近5个百分点。

三、统计套利模型的应用的拓展―检验资本市场的有效性

Fama(1969)提出的有效市场假说，其经济含义是:市场能够对信息作出迅速合理的反应,使得市场价格能够充分反映所有可以获得的信息,从而使资产的价格不可用当前的信息进行预测,以至于任何人都无法持续地获得超额利润.通过检验统计套利机会存在与否就可以验证资本市场是有效的的，弱有效的，或者是无效的市场。徐玉莲(2005)通过运用统计套利对中国资本市场效率进行实证研究，首先得出结论：统计套利机会的存在与资本市场效率是不相容的。以此为理论依据，对中国股票市场中的价格惯性、价格反转及价值反转投资策略是否存在统计套利机会进行检验，结果发现我国股票市场尚未达到弱有效性。吴振翔，陈敏(2007)曾经利用这种方法对我国A股市场的弱有效性加以检验，采用惯性和反转两种投资策略发现我国A股若有效性不成立。另外我国学者吴振翔，魏先华等通过对Hogan的统计套利模型进行修正，提出了基于统计套利模型对开放式基金评级的方法。

四、结论

统计套利模型的应用目前主要表现在两个方面：1.作为一种有效的交易策略，进行套利。2.通过检测统计套利机会的存在，验证资本市场或者某个市场的有效性。由于统计套利策略的实施有赖于做空机制的建立，随着我股指期货和融资融券业务的推出和完善，相信在我国会有比较广泛的应用与发展。

参考文献

[1] . Burgess：A computational Methodolology for Modelling the Dynamics of statistical arbitrage, London business school,PhD Thesis,1999.

[2]方昊.统计套利的理论模式及应用分析―基于中国封闭式基金市场的检验.统计与决策,2005,6月(下).

[3]马理,卢烨婷.沪深 300 股指期货期现套利的可行性研究―基于统计套利模型的实证.财贸研究,2011,1.

[4]吴桥林.基于沪深 300 股指期货的套利策略研究[D].中国优秀硕士学位论文.2009.

[5]吴振翔,陈敏.中国股票市场弱有效性的统计套利检验[J].系统工程理论与实践.2007,2月.

关于半参统计模型的估计研究

【摘要】随着数据模型技术的迅速发展，现有的数据模型已经无法满足实践中遇到的一些测量问题，严重的限制了现代科学技术在数据模型上应用和发展，所以基于这种背景之下，学者们针对数据模型测量实验提出了新的理论和方法，并研制出了半参数模型数据应用。半参数模型数据是基于参数模型和非参数模型之上的一种新的测量数据模型，因此它具备参数模型和非参数模型很多共同点。本文将结合数据模型技术，对半参统计模型进行详细的探究与讨论。

【关键词】半参数模型完善误差测量值纵向数据

本文以半参数模型为例，对参数、非参数分量的估计值和观测值等内容进行讨论，并运用三次样条函数插值法得出非参数分量的推估表达式。另外，为了解决纵向数据下半参数模型的参数部分和非参数部分的估计问题，在误差为鞅差序列情形下，对半参数数据模型、渐近正态性、强相合性进行研究和分析。另外，本文初步讨论了平衡参数的选取问题，并充分说明了泛最小二乘估计方法以及相关结论，同时对半参数模型的迭代法进行了相关讨论和研究。

一、概论

在日常生活当中，人们所采用的参数数据模型构造相对简单，所以操作起来比较容易;但在测量数据的实际使用过程中存在着相关大的误差，例如在测量相对微小的物体，或者是对动态物体进行测量时。而建立半参数数据模型可以很好的解决和缓解这一问题：它不但能够消除或是降低测量中出现的误差，同时也不会将无法实现参数化的系统误差进行勾和。系统误差非常影响观测值的各种信息，如果能改善，就能使其实现更快、更及时、更准确的误差识别和提取过程;这样不仅可以提高参数估计的精确度，也对相关科学研究进行了有效补充。

举例来说，在模拟算例及坐标变换GPS定位重力测量等实际应用方面，体现了这种模型具有一定成功性及实用性;这主要是因为半参数数据模型同当前所使用的数据模型存在着一致性，可以很好的满足现在的实际需要。而新建立的半参数模型以及它的参数部分和非参数部分的估计，也可以解决一些污染数据的估计问题。这种半参数模型，不仅研究了纵向数据下其自身的t型估计，同时对一些含光滑项的半参数数据模型进行了详细的阐述。另外，基于对称和不对称这两种情况，可以在一个线性约束条件下对参数估计以及假设进行检验，这主要是因为对观测值产生影响的因素除了包含这个线性关系以外，还受到某种特定因素的干扰，所以不能将其归入误差行列。另外，基于自变量测量存在一定误差，经常会导致在计算过程汇总，丢失很多重要信息。

二、半参数回归模型及其估计方法

这种模型是由西方著名学者Stone在上世纪70年代所提出的，在80年代逐渐发展并成熟起来。目前，这种参数模型已经在医学以及生物学还有经济学等诸多领域中广泛使用开来。

半参数回归模型介于非参数回归模型和参数回归模型之间，其内容不仅囊括了线性部分，同时包含一些非参数部分，应该说这种模型成功的将两者的优点结合在一起。这种模型所涉及到的参数部分，主要是函数关系，也就是我们常说的对变量所呈现出来的大势走向进行有效把握和解释;而非参数部分则主要是值函数关系中不明确的那一部分，换句话就是对变量进行局部调整。因此，该模型能够很好的利用数据中所呈现出来的信息，这一点是参数回归模型还有非参数归回模型所无法比拟的优势，所以说半参数模型往往拥有更强、更准确的解释能力。

从其用途上来说，这种回归模型是当前经常使用的一种统计模型。其形式为：

三、纵向数据、线性函数和光滑性函数的作用

纵向数据其优点就是可以提供许多条件，从而引起人们的高度重视。当前纵向数据例子也非常多。但从其本质上讲，纵向数据其实是指对同一个个体，在不同时间以及不同地点之上，在重复观察之下所得到一种序列数据。但由于个体间都存在着一定的差别，从而导致在对纵向数据进行求方差时会出现一定偏差。在对纵向数据进行观察时，其观察值是相对独立的，因此其特点就是可以能够将截然不同两种数据和时间序列有效的结合在一起。即可以分析出来在个体上随着时间变化而发生的趋势，同时又能看出总体的变化形势。在当前很多纵向数据的研究中，不仅保留了其优点，并在此基础之上进行发展，实现了纵向数据中的局部线性拟合。这主要是人们希望可以建立输出变量和协变量以及时间效应的关系。可由于时间效应相对比较复杂，所以很难进行参数化的建模。

另外，虽然线性模型的估计已经取得大量的成果，但半参数模型估计至今为止还是空白页。线性模型的估计不仅仅是为了解决秩亏或病态的问题，还能在百病态的矩阵时，提供了处理线性、非线性及半参数模型等方法。首先，对观测条件较为接近的两个观测数据作为对照，可以削弱非参数的影响。从而将半参数模型变成线性模型，然后，按线性模型处理，得到参数的估计。而多数的情况下其线性系数将随着另一个变量而变化，但是这种线性系数随着时间的变化而变化，根本求不出在同一个模型中，所有时间段上的样本，亦很难使用一个或几个实函数来进行相关描述。在对测量数据处理时，如果将它看作为随机变量，往往只能达到估计的作用，要想在经典的线性模型中引入另一个变量的非线性函数，即模型中含有本质的非线性部分，就必须使用半参数线性模型。

另外就是指由各个部分组成的形态，研究对象是非线性系统中产生的不光滑和不可微的几何形体，对应的定量参数是维数，分形上统计模型的研究是当前国际非线性研究的重大前沿课题之一。因此，第一种途径是将非参数分量参数化的估计方法，也称之为参数化估计法，是关于半参数模型的早期工作，就是对函数空间附施加一定的限制，主要指光滑性。一些研究者认为半参数模型中的非参数分量也是非线性的，而且在大多数情形下所表现出来的往往是不光滑和不可微的。所以同样的数据，同样的检验方法，也可以使用立方光滑样条函数来研究半参数模型。

四、线性模型的泛最小二乘法与最小二乘法的抗差

(一)最小二乘法出现于18世纪末期

在当时科学研究中常常提出这样的问题：怎样从多个未知参数观测值集合中求出参数的最佳估值。尽管当时对于整体误差的范数，泛最小二乘法不如最小二乘法，但是当时使用最多的还是最小二乘法，其目的也就是为了估计参数。最小二乘法，在经过一段时间的研究和应用之后，逐步发展成为一整套比较完善的理论体系。现阶段不仅可以清楚地知道数据所服从的模型，同时在纵向数据半参数建模中，辅助以迭代加权法。这对补偿最小二乘法对非参数分量估计是非常有效，而且只要观测值很精确，那么该法对非参数分量估计更为可靠。例如在物理大地测量时，很早就使用用最小二乘配置法，并得到重力异常最佳估计值。不过在使用补偿最小二乘法来研究重力异常时，我们还应在兼顾着整体误差比较小的同时，考虑参数估计量的真实性。并在比较了迭代加权偏样条的基础上，研究最小二乘法在当前使用过程中存在的一些不足。应该说，该方法只强调了整体误差要实现最小，而忽略了对参数分量估计时出现的误差。所以在实际操作过程中，需要特别注意。

(二)半参模型在GPS定位中的应用和差分

半参模型在GPS相位观测中，其系统误差是影响高精度定位的主要因素，由于在解算之前模型存在一定误差，所以需及时观测误差中的粗差。GPS使用中，通过广播卫星来计算目标点在实际地理坐标系中具体坐标。这样就可以在操作过程中，发现并恢复整周未知数，由于观测值在卫星和观测站之间，是通过求双差来削弱或者是减少对卫星和接收机等系统误差的影响，因此难于用参数表达。但是在平差计算中，差分法虽然可以将观测方程的数目明显减少，但由于种种原因，依然无法取得令人满意的结果。但是如果选择使用半参数模型中的参数来表达系统误差，则能得到较好的效果。这主要是因为半参数模型是一种广义的线性回归模型，对于有着光滑项的半参数模型，在既定附加的条件之下，能够提供一个线性函数的估计方法，从而将测值中的粗差消除掉。

另外这种方法除了在GPS测量中使用之外，还可应用于光波测距仪以及变形监测等一些参数模型当中。在重力测量中的应用在很多情形下，尤其是数学界的理论研究，我们总是假定S是随机变量实际上，这种假设是合理的，近几年，我们对这种线性模型的研究取得了一些不错的成果，而且因其形式相对简洁，又有较高适用性，所以这种模型在诸多领域中发挥着重要作用。

通过模拟的算例及坐标变换GPS定位重力测量等实际应用，说明了该法的成功性及实用性，从理论上说明了流行的自然样条估计方法，其实质是补偿最小二乘方法的特例，在今后将会有广阔的发展空间。另外文章中提到的分形理论的研究对象应是非线性系统中产生的不光滑和不可微的几何形体，而且分形已经在断裂力学、地震学等中有着广泛的应用，因此应被推广使用到研究半参数模型中来，不仅能够更及时，更加准确的进行误差的识别和提取，同时可以提高参数估计的精确度，是对当前半参数模型研究的有力补充。

五、总结

文章所讲的半参数模型包括了参数、非参数分量的估计值和观测值等内容，并且用了三次样条函数插值法得到了非参数分量的推估表达式。另外，为了解决纵向数据前提下，半参数模型的参数部分和非参数部分的估计问题，在误差为鞅差序列情形下，对半参数数据模型、渐近正态性、强相合性进行研究和分析。同时介绍了最小二乘估计法。另外初步讨论了平衡参数的选取问题，还充分说明了泛最小二乘估计方法以及有关结论。在对半参数模型的迭代法进行了相关讨论和研究的基础之上，为迭代法提供了详细的理论说明，为实际应用提供了理论依据。

参考文献

[1]胡宏昌.误差为AR(1)情形的半参数回归模型拟极大似然估计的存在性[J].湖北师范学院学报(自然科学版)，2009(03).

[2]钱伟民，李静茹.纵向污染数据半参数回归模型中的强相合估计[J].同济大学学报(自然科学版)，2009(08).

[3]樊明智，王芬玲，郭辉.纵向数据半参数回归模型的最小二乘局部线性估计[J].数理统计与管理，2009(02).

[4]崔恒建，王强.变系数结构关系EV模型的参数估计[J].北京师范大学学报(自然科学版).2005(06).

[5]钱伟民，柴根象.纵向数据混合效应模型的统计分析[J].数学年刊A辑(中文版).2009(04)

[6]孙孝前，尤进红.纵向数据半参数建模中的迭代加权偏样条最小二乘估计[J].中国科学(A辑：数学)，2009(05).

[7]张三国，陈希孺.EV多项式模型的估计[J].中国科学(A辑)，2009(10).

[8]任哲，陈明华.污染数据回归分析中参数的最小一乘估计[J].应用概率统计，2009(03).

[9]张三国，陈希孺.有重复观测时EV模型修正极大似然估计的相合性[J].中国科学(A辑).2009(06).

[10]崔恒建，李勇，秦怀振.非线性半参数EV四归模型的估计理论[J].科学通报，2009(23).

[11]罗中明.响应变量随机缺失下变系数模型的统计推断[D].中南大学，2011.

[12]刘超男.两参数指数威布尔分布的参数Bayes估计及可靠性分析[D].中南大学，2008.

[13]郭艳.湖南省税收收入预测模型及其实证检验与经济分析[D].中南大学，2009.

[14]桑红芳.几类分布的参数估计的损失函数和风险函数的Bayes推断[D].中南大学，2009.

[15]朱琳.服从几类可靠性分布的无失效数据的bayes分析[D].中南大学，2009.

[16]黄芙蓉.指数族非线性模型和具有AR(1)误差线性模型的统计分析[D].南京理工大学，2009.

猜你喜欢：

1. 统计学分析论文

2. 统计方面论文优秀范文参考

3. 统计优秀论文范文

4. 统计学的论文参考范例

统计分析是运用统计方法与分析对象有关的知识，从定量与定性的结合上进行的研究活动。下文是我为大家整理的关于统计分析论文的范文，欢迎大家阅读参考!

浅谈统计分析与决策

[摘要] 统计分析与决策二者有联系又有区别。统计要参与决策，必须搞好统计分析。搞好统计分析，需要解决选题、分析、撰写报告三个问题。

[关键词] 统计分析分析方法决策

统计工作的全过程分为四个阶段，即统计设计，统计调查，统计整理，统计分析。其中，统计分析是统计工作的最后一个阶段，是出统计成果的阶段。现在倡导统计要参与决策，这是不是说统计工作还要增加一个决策阶段呢?如果不是，那么，统计分析与决策是什么关系呢?

狭义的说，统计分析与决策是有区别的。统计分析是以统计数字为基础，以统计方法为手段，对社会经济情况进行科学的分析和综合研究，以认识其本质和规律的过程。而决策则是为了达到某一预定目标，运用逻辑方法和统计方法，对两种或两种以上可能采取的方案进行比较、分析、研究，以做出合理的、科学的抉择的行为过程。假若把统计分析与决策比作医生看病，统计分析就是对病情的诊断，决策就是开处方，“诊断”和“处方”是有区别的。

广义的讲，统计分析与决策是密不可分的。一方面，统计分析贯穿于决策过程之中。一个决策过程大体上可分为下列三个大步骤：第一，诊断问题所在，确定决策目标;第二，探索和拟定各种可能的备选方案;第三，从各种备选方案中选出最合适的方案。从这三大步骤看，尽管要用到多种方法和手段，但哪一步也离不开统计分析，第一步就是通过统计分析，诊断问题所在，并在分析的基础上确定决策目标;第二步拟定备选方案，要经过“轮廊设想”和“细部设计”这个阶段对轮廊设想的方案要做初步筛选，对每一方案要充实具体内容，“筛选”和“充实”都要经过统计分析;第三步选择最佳方案，首先要对各个备选方案进行评价、论证，这又需要统计分析。因此可以说，没有统计分析，也就没有科学决策。另一方面，从某种意义上讲，决策是统计分析的结果。一般来说，统计分析报告是提出问题、分析问题、指出解决问题的办法，其实，决策方案也就是解决问题实现决策目标的办法，只不过比“今后意见”“几条措施 ”之类的办法更全面、更详细、更科学罢了。医生诊断是为了正确处方，治病救人，不能只诊断不处方。统计分析是为了发现问题，解决问题，推动社会经济的顺利发展;也不能只提出问题，而不寻找解决问题的办法。从这个意义上讲，统计分析也就包括预测和决策。我们不能为统计而统计，也不能为分析而分析。统计应该参与决策，为了决策科学化，必须搞好统计分析。

搞好统计分析，需要解决选题、分析、撰写报告三个问题。

一、统计分析选题

所谓选题，就是在复杂的社会经济现象中,确定统计分析的内容和范围。进行统计分析,选题很重要。成功的选题是成功的分析的前提。

怎样选好题呢?选好题标准有两条:―是分析对象有意义，二是适合决策层和群众需要。关键是抓住党和国家的方针政策和企业的经济效益。

统计分析课题是很广泛的。工业统计分析课题如：计划执行情况分析、工业净产值统计分析、工业产品销售统计分析、工业原材料供应和消耗统计分析、工业能源消耗统计分析、工业生产设备统计分析、工业劳动与工资统计分析、成本利润统计分析、综合经济效益统计分析等。商品流通企业统计分析课题如：市场供求状况分析、市场占有率分析、主要商品经济寿命周期分析、市场商品价格分析、计划执行情况分析、购销合同执行情况分析、商品购进质量分析、商品销售动态分析、商品销售构成分析、商品库存分析、企业经济效益分析等。对于以上内容，可根据不同的时间、地点、条件，按两条选题标准适当选择。

统计分析有专题分析与综合分析之分。在一定的总体范围内，研究总体的各个方面及其相互关系，或研究总体的主要方面的统计分析，属于综合分析;只研究其中某一方面，或某一部分的统计分析，属于专题分析。两者各有不同的特点，都是必要的，但专题分析宜多，综合分析宜少。

二、统计分析方法

统计分析的关键是分析，怎样进行统计分析呢?统计分析有两个特点:一是以统计数字为基础,二是以统计方法为手段。因此,统计分析在选题之后,就要根据分析的需要,搜集整理有关数字资料及具体情况,在充分占有材料的基础上,灵活运用统计方法进行分析。

统计分析方法很多。统计学原理中除了有关统计调查、统计整理的内容外,综合指标、统计指数、时间数列、抽样推断等内容全部是统计分析方法。从方法角度上讲，统计分析就是统计学原理的运用。

统计方法与人们的认识过程是相适应的。人们的认识分感性认识和理性认识两个阶段。感性认识阶段所认识的是事物的现象，可采用统计调查和统计整理。理性认识阶段所认识的是事物的本质和规律，这个阶段要经过形成概念、进行判断和推理等思维活动。与此相适应，要分别采用不同的统计分析方法。

形成概念一般用描述性的综合指标法，即总量指标、相对指标和平均指标，以说明现象的规模大小、水平高低、速度快慢、内部结构以及比例关系等。判断推理就是要判断事物的性质，分析事物变化的原因，找出事物发展的规律。这一般要用分组分析法、动态分析法、因素分析法、相关回归分析法、平衡分析法等。

对统计学原理中的各种统计分析方法要熟练地掌握，灵活地运用。怎样灵活运用呢?这里有个技巧问题。技巧就是定性分析与定量分析巧妙结合。

所谓定性分析是指对事物的性质和影响事物发展变化的因素进行分析。定量分析就是分析事物的规模、水平、速度、结构、比例，以及各个因素对事物总体变化的影响方向和影响程度。定性分析与定量分析巧妙结合有两层含义，一是二者不可偏废，二是二者密不可分，

没有定性分析,定量分析就没有方向。没有定量分析,定性分析就不准确。结合的目的是在质与量的辩证统一中探寻事物的内在联系。

从根本上讲，统计分析就是完成从感性认识到理性认识，从现象到本质的飞跃。完成了这―飞跃，才是高质量的统计分析。有些统计分析质量不高，往往就是没有完成这一飞跃，仍然停留在表面现象上。

三、统计分析报告的撰写

统计分析报告是统计的最终产品。如果说统计数字的准确性是统计的生命，那么，统计分析报告的质量则关系到统计作用的发挥。对高质量的统计分析报告的要求，可以概括为五个字，就是“准、快、新、深、活”。

准:就是实事求是地反映客观实际。做到数字准确，情况准确，论点准确。

快:就是在决策层决策之前，不失时机地及时提供分析报告。

新:就是不断创新。要求不断开拓新领域，钻研新课题，反映新情况和新问题。

深:就是要在充分占有材料的基础上，提高分析的深度，使认识不只停留在反映现象上，而要揭示事物的本质和规律，并且用观点统帅材料，用材料说明观点，做到材料和观点的统一。

活:就是文字生动活泼，形式灵活多样。资料要多样化和生动具体，要有群众语言，要通俗易懂，文字要精精炼。

统计分析报告是在统计分析的基础上撰写出来的。没有好的分析，不可能写出好的报告。经过分析阶段，弄清了事实，判明了性质，探索出规律，得出了结论，在此基础上就可以撰写统计分析报告。但分析得好，并不等于报告写得好，这里还有个撰写的技巧问题，那就是准确地表述事实，透彻地阐明本质，深刻地揭示规律，恰当地提出建议。

1.准确地表述事实

每一篇统计分析报告，都需要表述所分析的现象，即说明“是什么”。准确地表述事实，才能给读者一个明确的概念。为此，须注意如下几点:(1)数字要真实;(2)运用数字要适当，不要堆砌数字，搞数字文字化;(3)语言要素准确。

2.透彻地阐明本质

现象只说明事物的各个片面，本质才说明事物的整体。撰写统计分析报告，必须深刻地揭示事物的本质，它是统计认识事物的正确程度和深度的反映。如果不能深刻地阐明事物的本质，那只能是现象罗列，没有多大价值。

阐明事物的本质，也就是阐明事物的基本性质。事物的性质是由事物内部矛盾的主要方面决定的。例如，某企业利润增加，是靠涨价，还是靠降低成本?经过分析，认识到利润增加主要是靠降低成本，这是矛盾的主要方面，这就反映出事物的性质。因此，在报告中就应阐明降低成本在提高经济效益中的重要作用。再如某企业，本质问题是钢材浪费严重，在报告中就应揭示浪费的若干方面和严重程度。

3.深刻地揭示规律

规律是事物内部固有的、本质的、必然联系。成本高低与产量多少有联系，经过推理，这种联系是事物内部固有的、本质的必然联系，反映了事物发展变化的规律性，而且存在一定的回归关系。而回归方程反映这种关系，所以在统计分析报告中，要利用回归方程揭示这种必然联系及其回归关系。

4.恰当地提出建议

认识世界的目的是为了改造世界。经过统计分析,透过现象认识到事物的本质和规律,还必须提出解决问题的建议,如“今后意见”、“几点建议”、“决策方案”等等。怎样才算恰当地建议呢?恰当的建议要符合三个条件:(1)符合分析目的;(2)合乎客观规律;(3)切实可行。

以上四点,一般可以作为分析报告的结构和顺序,但不能千篇一律。

统计分析报告是统计分析结果的反映。既要注意提高写作水平，更要努力锻炼分析问题和解决问题的能力。

试谈统计分析方法应用

【摘要】统计分析方法应用于各个领域，解决了很多工业、农业、经济、医学等领域的实际问题，本文分析多元统计分析方法的主要应用和构建多元统计方法检验体系的必要性，针对性的提出了需要引起注意的共性问题，具有很强的现实意义。

【关键词】统计分析方法;应用;检验体系;共性问题;现实意义前言

随着信息技术的普及和广泛应用，它推动了社会、经济和科学技术的发展，多元统计分析方法的难题得到了攻破，各个领域广泛采用，推动了各行各业经济的快速发展。

二、多元统计分析方法的主要应用

统计方法是科学研究的一种重要工具，其应用颇为广泛。在工业，农业，经济，生物和医学等领域的实际问题中，常常需要处理多个变量的观测数据，因此对多个变量进行综合处理的多元统计分析方法显得尤为重要。随着电子计算机技术的普及，以及社会，经济和科学技术的发展，过去被认为具有数学难度的多元统计分析方法，已越来越广泛地应用于实际。

聚类分析

它是研究分类问题的一种多元统计方法，聚类分析的基本思想是首先将每个样本当作一类，然后根据样本之间的相似程度并类计算新类与其它类之间距离，再选择近似者并类每合并一次减少一类，继续这一过程直到所有样本都合并成为一类为止。所以聚类分析依赖于对观测间的接近程度或相似程度的理解，定义不同的距离量度和相似性量度就可以产生不同的聚类结果。企业制定市场营销战略时要弄清在同一市场中哪些企业是直接竞争者，哪些是间接竞争者是非常关键的一个环节。要解决这个问题，企业首先可以通过市场调查，获取自己和所有主要竟争者，从而寻找企业在市场中的机会。

判别分析

判别分析是已知研究对象分成若干类型，并取得各种类型的一批已知样品的观测数据、在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分析，企业在市场预测中往往根据以往所调查的种种指标，用判别分析方法判断下季度产品是畅销平销或滞销。一般情况下判别分析经常与聚类分析联合起来使用。

主成分分析

主成分分析就是设法将原来指标重新组合成一组新的互相无关的几个综合指标，来代替原来指标，同时根据实际需要从中可取几个较少的综台指标，尽可能多反映原来指标的信息，在市场研究中常常利用主成分析方法分析顾客的偏好和当前市场的产品与顾客之间的差别，从而提供给生产企业新产品开发方向的信息。

因子分析

因子分析是主成分分析的推广和应用。它是将错综复杂的随机变量综合为数量较少的随机变量去描述，多个变量之间的相关关系以再现原始指标与因子之间的相互关系。也可以认为因子分析是将指标按原始数据的内在结构分类。例如:对Y个调查区的商业网点数、人口数、金融机构服务数、收入情况等N个指标进行因子分析，如果按照一般的分析方法，我们就需要处理N个指标，并给它们以不同的权重。这样不仅工作量变大而且由干指标之间存在比较高的相关性，会给分析结果带来偏差另外给具有较高相关性的众多指标，从而计算出各个调查区平均综合实力得分以便决定在某个调查区拟建何种类型的销售点。

三、构建多元统计分析方法检验体系的必要性

(一)构建多元统计分析方法检验体系，提高多元统计分析应用质量

多元统计分析方法已经越来越为人们广泛应用，但应用中盲目套用分析方法的情况很多，只关心模型方法的应用。许多教科书也只侧重介绍多元统计分析方法的思想、原理和分析步骤，对多元统计分析方法应用结果的统计检验叙述不多。这就直接影响了多元统计分析方法的应用效果和可信性。因此，本文拟对多元统计分析方法的统计检验问题进行探讨。构建多元统计分析方法检验体系的目的在于进一步丰富和完善多元统计分析方法的内容体系;实践上，使多元统计分析方法的应用更加合理、规范。推动多元统计分析方法应用质量的提高，推动多元统计分析方法获得更广泛的应用。

(二)多元统计分析统计检验体系的基础理论

多元正态分布总体的样本分布，即维希特分布，霍特林分布，威尔克斯分布,多元正态总体均值向量假设检验，包括一个正态总体均值向量假设检验，两个正态总体均值向量假设检验，多个正态总体均值向量假设检验;多元正态总体协方差阵假设检验，包括一个正态总体协方差阵假设检验，多个协差阵相等假设检验。

(三)关于统计检验体系

将上述统计检验体系有机结合在一起，就构成了多元统计分析方法检验体系的基本框架。多元统计分析方法检验体系的构建,用多元统计分析方法，充分发挥多元统计分析方法的应用价值，提高应用质量，我们建议，在应用时，应该按照上述框架进行相应的统计检验。当然。上述统计检验体系还是一个初步的框架，随着多元统计分析方法理论的逐步完善，上述检验体系也需要不断完善，也需要更多的同行关注此类问题并不断加以研究。另一方面，在实际应用中，即便是某种方法根据上述内容都进行了统计检验，由于各种方法自身存在的缺陷或局限性，也还会存在许多应用中考虑不周之处。应该引起注意。但是，因子分析结果还是具有较大主观性。特别是对公共主因子在专业方面实际意义的解释上，仍然保留着一种艺术气息，并没有统一做法，因此很多情况下也是不能令人满意的。总之，我们在应用时，对因子分析的适用性、公因子的估计方法、公因子选取的数目。公因子的实际意义的解释等一系列问题都要引起足够注意。检验体系有如下几个分类：

a.主成分分析统计检验体系

b.因子分析统计检验体裂引

c.系统聚类分析统计检验体系

d.判别分析统计检验体裂

e.对应分析统计检验体系

f.典型相关分析统计检验体系

四、多元统计分析方法应用中需要注意的几个共性问题

1.关于原始数据变量的总体分布问题。

对原始变量的总体分布各种方法各有不同的要求。有的方法对原始数据变量总体分布没有特殊的要求，如主成分分析、聚类分析、对应分析。有的方法在不同情况下，对原始变量分布有不同的要求，如因子分析中，公共因子的估计方法不同，对原始变量分布要求不同，采用极大似然估计方法估计主因子时，是假定原始变量是服从多元正态分布的，因此，应用时要引起重视，如典型相关分析要求原始变量服从正态分布，但在严格意义上，如果变量的分布形式比如高度偏态不会降低其他变量的相关关系，典型相关分析是可以包含这种非正态变量的。

样本容量问题。

进行多元统计分析时，样本容量n达到多少为宜，目前尚没有统一的结论。有的认为样本容量应是变量个数的10～20倍，有的认为样本容量要在100以上比较合适，有的认为进行巴特莱特检验时的样本容量应该大于150方可，也有的认为不必苛求太多的样本容量，如在进行主成分分析和因子分析时当原始变量之间的相关性很小时，即使再扩大样本容量，也难以得到满意效果。

原始变量之间的相关性以及非线性关系问题。

多元统计分析方法中，有的是的要求原始变量中要具有相关性。有的则不要求原始变量具有相关性。如聚类分析中，进行Q型系统聚类分析时对原始数据变量之间的相关性也是有要求的，如选择欧式距离、明氏距离、兰氏距离时，则要求原始变量之间是不相关的。只有对原始数据的相关性进行了处理后，才可以选择使用上述距离。若原始变量存在相关性，则选择马氏距离比较合适。另外原始变量之间的非线性关系也是需要注意的问题。如主成分分析、因子分析以及典型相关分析当基于相关矩阵来进行计算时，这里的相关矩阵实际上是Pearson的积差相关。但是，如果变量之间的关系不是线性的，而是非性相关关系，于是，所进行的分析以及结论也就失去应有的意义了。

数据处理问题。

多元统计分析中涉及多个变量，不同变量往往具有不同的量纲及不同的数量级别。在分析时，具有不同量纲的变量进行线性组合是没有意义的，不同的数量级别的变量之间进行分析时。会导致“以大吃小”，即数量级的变量的影响会被忽略，从而影响了分析结果的合理性。因此。为了消除量纲和数量级别的影响，进行多元统计分析时，必须对原始数据进行处里，最常用的是先作标准化变换处理，然后再作相应的分析。

五、结束语

在统计分析方法的应用中，会涉及到多个变量，因此，必须根据原来有的数量进行处理，然后才能得出相应的分析结论。本文结合多元统计分析方法的理论基础，对相关检验体系和分析体系进行了分析，具有现实的理论指导意义。

【参考文献】

[1]于秀林.多元统计分析[M].北京,中国统计出版社，1999：223—224.

[2]高惠璇.应用多元统计分析[M].北京,北京大学出版社，2005：343—366.

[3]郭志刚.社会科学分析方法一SPSS软件应用[M].,中国人民大学出版社，1999.

[4]傅德印.主成分分析中的统计检验问题 [J].统计教育，2007(9)：4—7.

社会科学发展的进程中,统计学起了很大的推动作用。没有统计学,就没有现代的社会科学。下面是我为大家整理的统计学教育分析论文，供大家参考。

摘要：统计学是一门通用的方法论的科学，统计思想方法具有极其广泛的应用性。随着国家创新体系的建立，统计学的教育创新已经成为一个重要的议题。本文对统计学普及教育的创新问题进行一些探讨。

关键词：统计学;普及教育;创新

一、大规模的统计学普及教育势在必行

从世界发达国家的情况来看，都比较重视统计学和统计学教育。2006年6月，中国人民大学举办了“2006统计学国际论坛”，笔者参加了这一论坛，并专门就统计学普及教育问题向美国依利诺依大学何旭明教授了解了美国统计学教育的有关情况。何教授讲：“美国的高等院校几乎都开设《统计方法》选修课，而且学生中选《统计方法》课程的人数要多于选修《微积分》课程的人数，因为他们觉得统计更有用。”另外，从最近的英国、美国、日本以及港、台地区的中学教材来看，统计学与概率都是教学内容的重要组成部分，多数教材每个年级都有统计内容。

在国内，统计学也越来越受到重视。1993年12月，贺铿、袁卫两位教授提出的“大统计”的理念，在统计学界从认识上正趋于统一。1998年9月，教育部在将504个本科专业调整为249个的情况下，统计学从原来的二级学科反而被调整为理学类一级学科。这些都为统计学的发展和统计教育的大规模普及奠定了重要基础。

尽管如此，我国统计学教育与发达国家相比还是存在着很大的差距。我国所有的普通高等学校中，具有统计学专业或开设统计学课程的只有100多所，这与美国有成百上千所学校在提供统计教育的状况相比比例是较低的。从我国中学教材来看，统计的内容约占4%。相对上述国家的教科书来说比例也是较低的。

一个国家应用统计学知识的多少，反映一个国家的发达程度。随着我国社会主义市场经济和各项社会事业的快速发展，随着建设创新型国家战略目标的实施，随着高等教育的大众化进程，统计学提高教育和大规模的普及教育无疑都会得到长足发展。统计学教育也会在普及基础上进一步提高，在提高指导下进一步普及。因此笔者认为，较大规模的统计学普及教育已经势在必行。

二、高等院校是统计学普及教育的突破口

实际上，近年来我国的统计学教育已经开始突破统计学专业教育的界限，在一些理工农医以及社会学等大部分学科和专业中，开设了统计课程;统计知识还列入了中小学教学内容。这是可喜的，但笔者认为统计学普及教育还仅仅是初露端倪，大规模的统计学普及教育还未开始，还有许多工作要做。

目前，我国在一些财经类院校开设的基本是社会统计学，在理工类院校开设的基本是数理统计学，都还与“大统计”的理念和作为理学类一级学科的统计学存在着很大距离。中小学虽然在数学教材中加入了一些统计学的基本内容，但一方面比例较少，另一方面，据笔者了解，由于受应试教育和基层学校师资条件的制约，教育质量也还存在不少的问题。很多理科教师在大学仅学过数理统计课程，对抽样和描述统计的内容较生疏，因而感觉新教材内容体系较乱，内容不如老教材讲起来“顺溜”。于是知识可以传授给学生，也可以指导学生完成很多的练习题，但蕴涵在知识背后的统计思想能否也讲出来可能就要打很大的折扣了。

另外，国民的统计意识还不强，对统计学的认识也还不够，据笔者了解，一谈到统计，很多人就联想到统计局，联想到大量的统计数据和统计报表等。这些都说明，统计学的普及教育还任重道远。

大规模普及统计教育是一项浩大的系统工程，需要以强大的人力、物力、财力资源为基础。以人力资源为例，尽管我国有一支素质较高的统计学专家队伍，但由于他们承担着国家政府部门或科学研究机构的重要工作，因此显然不可能有过多的时间和精力从事大规模的普及教育工作。同样，国家目前也还不可能投入大量的物力和财力资源开展统计学的普及教育工作。那么，怎样解决人力、物力、财力的问题，开展大规模的统计学普及教育呢?

笔者认为，要进行全社会的统计学普及教育，首先应该在各类高等院校中普及统计学教育，即把高等院校作为统计学普及教育的突破口，而后推向全社会。各类高校现有专业教师可以承担统计学普及教育的教学工作，在学校教务部门的统一安排下，着力通过开设跨专业选修课的形式开展统计学普及教育。各类高等院校接受过统计学基础教育的成千上万名大学生会走向社会的众多工作岗位，他们会带着统计学的基本思想方法在各个岗位开花结果，同时也为他们进一步提高和继续进行全社会的统计学普及教育打下了基础。因此，把高等院校作为统计学普及教育的突破口是解决人力、物力、财力资源问题的最好方略和最佳途径。

当然，由中国统计教育学会、重点大学和一流专家牵头，以讲座班的形式开展对一般高等院校的师资培训工作，以研讨会的形式定期沟通和交流各高校统计学普及教育的情况和经验也是非常必要和重要的。

高等院校作为统计学普及教育的这个突破口一旦打开，全社会普及统计学教育的蓬勃局面也就很快到来了。笔者甚至认为，高等院校统计学普及教育的局面可能会很壮观，会受到学生的欢迎。

三、在高等院校进行统计学普及教育的一些思考

在各类高等院校中进行统计学普及教育实际上是相对现有教育体制来说的一项教育教学改革，是高等院校教学内容创新的一种尝试，需要领导的重视，教务部门的协调等基本条件作为保证。在这里，就有关教学指导思想和实施方法粗略地谈一下基本想法，以求抛砖引玉。

1、基本思想：将抽样技术、描述统计、概率初步、推断统计、非参数统计、 Excel 在统计分析中的应用结合在一起，并溶入案例教学，向学生较系统地介绍入门阶段最基本的统计思想和方法。

2、基本途径：通过在普通高等院校各专业开设《应用统计方法》选修课，解决统计意识的培养和统计方法普及教育问题，选修课一般为54～72学时为宜。

3、基本目标：各专业的学生通过《应用统计方法》的学习，初步树立统计意识，能够用基本的统计方法，借助于最普及的Excel统计分析软件解决工作中和生活中的实际问题。

4、教材选用：可以选用中国人民大学统计学院贾俊平等编著的《统计学》作为教材，也可以根据教学时间和其它具体情况，自编教材。

5、师资问题：各高等院校讲授统计学或者概率统计的教师承担统计学普及教育的教学工作，教务部门承担相关的教学管理工作都是没有太大问题的。当然教师很可能需要进行一些再学习，更新知识结构。例如，讲授概率统计的教师很可能需要学习实际的抽样技术和Excel统计分析软件的应用方法等。

6、学习评价：注重理论联系实际，将“学统计”转化为“做统计”，改革传统考试方法，通过撰写统计报告进行考核，从而使学生掌握从数据的收集、整理、分析、写出统计报告的全过程，提高教学效果。

在2004年8月教育部颁布的《普通高等院校本科教学工作水平评估方案(试行)》中，实践教学被视为专业建设与教学改革的重要方面，单独列为一项二级指标，强化了实践教学的地位。各类高等院校率先进行统计学教育的普及工作，不但增强了实践教学的环节，而且也为统计学的社会普及教育打开了突破口，是义不容辞的时代使命。同时，通过大规模地进行统计学普及教育，也会提高统计学在国民心目中的地位，提高统计工作者的社会地位，更重要的是可以提高适应社会主义市场经济的与世界发达国家接轨的国民基本科学素质。

参考文献：

[1]胡学锋.美国统计教育之考察[J].统计与决策.

[2]张国荣.在中国统计教育学会第四次会员代表大会开幕式上的讲话[J].统计教育，

[3]马赞军.大学统计学教学模式探讨[J].统计教育.[4]杨大成.统计教学方法当改[J].中国统计.

摘要：以上探讨了在建构主义理论指导下统计学课堂教学方法，统计教学是一门艺术，艺无止境。相信当建构主义理论真正走进统计课堂教学时，统计教学会取得更好的教学效果。

关键词：统计学;教育

一、建构主义理论学生“学”的特点

建构主义对学生学习活动的本质进行了科学的分析，认为学生学习有如下特点：

1、学生学习不是从零开始的，而是基于原有知识经验背景的建构。即学生在学习统计课程之前，头脑里并非一片空白。学生通过日常生活的各种渠道和自身的实践，对客观世界中各种自然现象已经形成了自己的看法，建构了大量的朴素概念或前学科概念。这些前概念形形色色，共同构成了影响学生学习统计学概念的系统。学生的前概念是极为重要的，它是影响统计学学习的一个决定性的因素。前概念指导或决定着学生的感知过程，还会对学生解决问题的行为和学习过程产生影响。

2、学生学习知识是一个主体建构的过程，要突出学习者的主体作用。学习不仅仅是知识由外到内的转移和传递，而是学习者主动地建构自己的知识经验的过程，即通过新经验与原有知识经验的反复的、双向的相互作用，充实、丰富和改造学习者原有的知识经验。在这种建构过程中，学生一方面对当前信息的理解要以原有的知识经验为基础，超越外部信息本身;另一方面，对原有知识经验的运用又不只是简单地提取和套用，个体同时需要依据新经验对原有经验本身也做出某种调整和改造，即同化和顺应两方面的统一。学生不是被动信息的吸收者，而是主动地建构信息，这种建构不可能由其他人代替。因此，教师不能直接将知识传递给学生，而是要组织、引导，使学生参与到整个学习过程中去。

3、学生学习既是个体建构过程，也是社会建构过程。虽然知识是在个体与环境的相互作用中建构起来的，但社会性的相互作用也很重要，甚至更重要。因为人的高级心理机能的发展是社会性相互作用内化的结果(正如统计的特点具有社会性)。此外，每个学习者都有自己的经验世界，不同的学习者对某种问题可以有不同的假设和推论，学习者可以通过相互沟通和交流，相互争辩和讨论，合作完成一定的任务，共同解决问题，从而形成更丰富、更灵活的理解。同时，学生可以与教师、统计专家等展开充分沟通。这种社会性相互作用可以为知识建构创设一个广泛的学习共同体，从而为知识建构提供丰富的资源和积极的支持。因此，课堂上师生交互和生生交互活动起到了很重要的作用，“学习共同体”的形成以及对课堂社会环境和情境的营建是学生获得学习成效的重要途径。

二、建构主义理论教师“教”的特点

建构主义理论认为教师在课堂中的作用，可以概括为教师是课堂教学的组织者、发现者和中介者。

1、教师是课堂教学的组织者，起主导作用和导向作用。教师应当发挥“导向”的作用和教学组织者的作用，努力调动学生的积极性，帮助他们发现问题，进而去“解决问题”。

2、教师是课堂教学的发现者。教师要高度重视对学生错误的诊断与纠正，并用科学的原理和原则，给予正确的引导与指引。

3、教师是课堂教学的中介者。教师是学生与教育方针及知识的桥梁。教师既要把最新的知识和分析方法提供给学生，也要注意提高学生的综合素质。

从辩证法的角度看，教学是一个不断发展的动态过程，教与学是对立统一的矛盾运动，随着教学活动的变化，矛盾的主要方面，或在教师，或在学生。分开来看，“教”的主体是教师，客体是学生，教师发挥主导作用，学生发挥能动作用;“学”的主体是学生，客体是教师，学生进行认识活动和实践活动，教师则对这些活动施加影响。合起来看，在教学活动这一不断发展、循环往复的全过程中，教师与学生的主体客体地位是相互依存、相互规定，又在一定条件下相互转化的。因此，“基于教师在课堂中组织者、发现者和中介者”的角色作用，教师可以实行“提出问题──探索问题──解决问题”的模式组织课堂教学。

“基于学生为主体，教师为主导”的教学思想，在教学过程中，“学”与“导”的活动、学生与教师之间的关系应该是互动的、融合的，在和谐中不断向前发展。因此，按照“学与导和谐发展”的教学要求，教师在课堂教学中按照“提出问题──探索问题──解决问题”的模式组织课堂教学时，可以采取“诱导试学——引导探学——开导活学”方法组织课堂教学。

(1)设置情境，提出问题，激发学生学习的兴趣和热情

教师引导学生学习首先要从现实的、有兴趣的、富有挑战性的真实问题情境开始。让学生一开始进入学习探索就真切地感受到统计就在自己身边，体验到学习统计的价值，从而激发起学习统计的兴趣，萌发积极主动探索统计理论和方法的求知欲望。教师要通过对课堂的组织，让学生对学习统计产生学习兴趣，“热爱是最好的老师”，兴趣盎然地进入了对统计学知识的探索，学生才能学有所长。(2)探索问题，增强学生主角意识，激励学生积极参与

“基于教师在课堂中组织者、发现者和中介者”的角色作用，课堂教学方式应从根本上改变原有的教师讲、学生听，教师指挥、学生操作的教学现象。学生要在自己生活经验的基础上不断地提出问题，分析问题，对各种信息进行加工转换，对新经验和旧经验进行综合概括，解释有关现象。在教学过程中，教师可以提供一定的支持和引导，设计有思考价值、有意义的问题。学生可以进行小组合作研究探索，教师允许学生从不同的角度去观察分析，允许学生用自己喜欢的方法学习，通过各自想法的交流、碰撞，发现学生有价值的建设性建议及方法措施，及时制止学生运用统计方法计算分析问题时可能出现的偏差，使问题得到正确的解决。

(3)解决问题，培养学生创新能力，提高学生综合素质

在以往统计学教学中，我们关注比较多的是学生能否记住计算公式、方法、意义、应用条件，能否利用这些知识完成所设问题的正确计算。而“基于教师在课堂中组织者、发现者和中介者”的角色作用，教师在课堂中，就应该更加关注学生能否将科学知识与自己的生活经验紧密联系起来，关注学生在灵活应用统计学知识、创造性地解决实际问题时所表现出来的情感、态度和价值观。并通过实践活动，使学生对学习统计产生兴趣，变抽象的科学法则、科学方法为得心应手的工具，从而使学生在解决问题过程中，体验参与学习统计的快乐，享受成功解决实际问题的愉悦。

三、以建构主义理论为指导统计学教法探讨

1、设计课堂教学新模式

统计学课程旨在培养学生能够运用统计学基本理论和定量分析方法，对经济现象进行定性和定量的分析和评价。统计学课程内容基本分为三个模块两个层次。第一模块：研究统计学的一般问题，属于基础理论。第二模块：推断统计的理论与方法，相关与回归分析，属于一般的统计方法及其在社会经济领域的运用。第三模块：时间序列分析与预测，统计指数与因素分析，统计综合评价，属于社会经济统计方法的特有问题，侧重于各种统计分析方法运用。两个层

反映了知识、能力、素质培养的要求。在建构主义学习环境下，教师和学生的地位、作用和传统教学相比已发生很大变化。因而首先教师必须改变传统的教育思想与教育观念，以现代教育思想和学习理论为指导，利用多媒体等现代化技术优势，探索最优的课堂教学模式。课堂教学中应进一步发挥好学生的主体作用，让学生主动地参与到获取知识的过程中去，做到：(1)合理处理好教材，创造性地使用教材，充分展示学习内容的实用意义。(2)教学思路清晰，过程流畅、自然。(3)采用启发式、精讲多练式、答疑式、案例式等教学方法，构建情景逼近式的教学模式，努力提高课堂教学效果。

2、设计课内课外相融共生的大课堂

课堂教学不仅要教会想要传授给学生的知识，还要教会学生在书本之外查阅图书、报刊、杂志、网络等资料，以开阔视野，扩大知识面，吸取精华，为我所用，要教给学生发现问题、分析问题、解决问题的方法。此外，还要通过课内设计的实训教学内容激发学生主动参与的热情，实训教学内容主要包括统计调查方案的编制、调查问卷的设计、统计表统计图的制作、综合指标分析、统计案例分析等内容。统计实训的课内教学采用精讲、示范、多练、答疑的方式;课外教学采用学生自行分散复习和有组织分组制表、制图、社会调查、整理计算分析等方式。

3、实行点、线、面、体相结合的大统计

“点”是指让学生根据某一知识点完成作业、实习。“线”是指让学生针对某一问题进行深入分析。“面”是指让学生把若干知识点联系起来进行综合的分析和实训。“体”是指让学生能就学科体系及相关学科的内容进行深入、全面、综合的分析与应用。在讲授基本理论和基本知识的同时，注重学生基本技能培养、综合能力培养、设计能力的培养。使学生能从高度整体把握统计的思路和统计分析、评价思想。

4、充分发挥学生的主体作用

建构主义理论强调学习者在建构性学习中的积极作用，是要求教师在课堂教学中善于激发学生的好奇心和求知欲，使学生主动积极的学习。教学中应根据统计教学内容和学生特点，选择适当的教学方法，灵活运用适当的教学手段，设置悬念，使学生产生好奇心和强烈的求知欲。统计学教学过程中涉及到特有的概念及科学家，教学中可以适当拓展，开阔学生的视野，影响学生的心智，塑造学生的灵魂，在潜移默化中激发学生学习统计的兴趣;教师的教学语言要准确生动形象，善于设疑，启发学生思维，活跃课堂气氛，使学生充满求知思索的激情;做到理论联系实际，强化学习的动机，激发学生学习统计持久的浓厚的兴趣，激励学生不断提高对自己能力的欲求，不断增强自己的学习信心，不断地在自我实现中超越自我。

5、设置情境，在交互中实现教学目标

学校是社会的一个细胞，是社会的一个重要组成部分。课堂也不单纯是“老师教、学生学”的木讷课堂。课堂中的社会性环境主要包括两方面，一是师生之间的交互，二是学生之间的交互。建构主义认为，每个学习者都有自己的经验世界，不同的学习者可以对某种问题形成不同的假设和推论。师生在课堂上可以通过合作解决问题、小组讨论、意见交流、辩论等形式，促进学习者之间的沟通和互动。统计教学要从过去主要关注“人机交互”到关注“人际交互”;从只关注学生与教师、教学信息的交互到关注学生之间的交互以及学生与校外专家、实践工作者的交互;从关注个别化学习到同时关注学习共同体的建立。教学中要充分利用社会性资源，调动学生的学习情趣，拓展学生的知识面，在交互中实现最佳的教学效果。

6、构建科学的考核评价体系

建构主义理论强调学习是诊断性学习和反思性学习和自主性学习，这意味着学生必须从事自我监控、自我测试、自我检查、自我约束等活动，以诊断和判断学习中所追求的是否是自己设置的目标。在教学中，应该根据理论和实训教学的不同特点、不同教学内容的具体组织方式，不断的反馈，使学生自己及时评价。同时，在学生成绩考试评定中，应采取了灵活的考试方式

笔试、有口试，也有设计方案和调查报告，笔试内容也应着重考核学生运用所学知识分析问题解决问题的能力，注重知识、能力和素质的综合评价。

以上探讨了在建构主义理论指导下统计学课堂教学方法，统计教学是一门艺术，艺无止境。相信当建构主义理论真正走进统计课堂教学时，统计教学会取得更好的教学效果。

浅谈统计学教育分析论文相关文章：

1. 统计学教学专业论文范文

2. 统计学教学优秀毕业论文

3. 统计学专业课程建设模式探究论文

4. 统计学课程教学专业论文

5. 统计学教学专业优秀硕士论文

6. 统计学课程教学相关论文

spss数据统计分析论文

对于论文中用SPSS分析数据的部分，一般需要写以下八个小节：1. Introduction 简介2. Data Screening & Cleaning 数据筛选和整理3. Profile of Respondents 受访者介绍4. Reliability of the Measurement 测量的可靠性分析5. Descriptive of Main Variables 主要变量描述6. Correlation Analysis 相关性分析7. Multiple Regression Analysis 多元回归分析8. Summary of Findings 调查结果总结This chapter focuses on presenting the results of this research. It begins with Data Screening & Cleaning. Next, Profile of Respondents will be presented followed by Reliability of the Measurement, Descriptive of Main Variables and Correlation Analysis.本章重点介绍了本研究的结果。它从数据筛选和清理开始。接下来，将介绍受访者的概况，然后是测量的可靠性、主要变量的描述和相关分析。2. Data Screening & Cleaning 数据筛选和整理调查数据必须首先对数据输入错误进行筛选和清理，然后才能进行分析。我们首先使用函数频率和描述性来筛选数据输入错误来检测回答中的异常。然后我们还评估了是否有很多空白的回答，最后我们还检查了被调查者是否回答相同的回答。首先，将收集来的数据整合成进Excel；然后打开SPSS，按照"File"→"Open"→"Data"的顺序导入文件第二步我们需要定义数据，包括 name， label， label， value首先定义variable name：然后定义value：（这一步是需要根据自己的调查问卷，比如问卷中定义1为男性，2 为女性，那么我们编码的时候也需要这样写）以定义性别为例之后我们就可以进行数据筛选和整理了：下面为输出结果：在这一部分我们需要介绍关于受访者的信息，以确认不同受访者对调查结果是否有影响。我们选择描述性统计中的频率将需要分析的受访者背景数据移到右侧这是频率表输出结果对于这个结果我们不能直接复制到论文中，我们可以另整理一个表格，如下图：4. Reliability of the Measurement 测量的可靠性分析对于可靠性分析的操作：选择分析→刻度→可靠性分析将需要分析的变量移到右侧可靠性分析的输出结果整理为表格写进论文中5. Descriptive of Main Variables 主要变量描述。

SPSS软件是“统计产品与服务解决方案”软件，是数据统计分析的一个重要的工具。下文是我为大家整理的关于spss统计分析论文的范文，欢迎大家阅读参考!

统计分析软件SPSS的特点和应用分析

【摘要】通过文献资料法，介绍了统计分析软件SPSS的特点，并通过实例：用非参数检验中的两个独立样本的检验(Test for Two Independent Sample)进行分析，对该软件的应用做了详细的介绍，旨在为学习SPSS软件的人们提供参考。

【关键词】统计分析软件;SPSS;独立样本;非参数检验

一、前言

统计分析软件SPSS是一款统计产品与服务解决方案的软件，其全称为“统计产品与服务解决方案(Statistical Product and Service Solutions)”。该软件是一款在统计中应用很广的统计分析软件，目前在各专业毕业论文经常可以看到它的身影，其应用范围广、方便快捷等特点吸引着众多的爱好者。本文通过对统计分析软件SPSS的功特点进行介绍，通过举例用非参数检验中的两个独立样本的检验(Test for Two Independent Sample)进行分析，对该软件的操作用做了详细的介绍，为学习SPSS软件的人们提供参考。

二、SPSS软件的特点

(一)操作简便

SPSS软件的界面非常友好，除了数据录入及部分命令程序等少数输入工作需要键盘键入外，大多数操作可通过鼠标拖曳、点击“菜单”、“按钮”和“对话框”来完成。

(二)编程方便

具有第四代语言的特点，告诉系统要做什么，无需告诉怎样做。只要了解统计分析的原理，无需通晓统计方法的各种算法，即可得到需要的统计分析结果。对于常见的统计方法，SPSS的命令语句、子命令及选择项的选择绝大部分由“对话框”的操作完成。因此，用户无需花大量时间记忆大量的命令、过程、选择项。

(三)功能强大

具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。自带11种类型136个函数。SPSS提供了从简单的统计描述到复杂的多因素统计分析方法，比如数据的探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、Logistic回归等。

(四)全面的数据接口

能够读取及输出多种格式的文件。比如由dBASE、FoxBASE、FoxPRO产生的*.dbf文件，文本编辑器软件生成的ASCⅡ数据文件， Excel 的*.xls文件等均可转换成可供分析的SPSS数据文件。能够把SPSS的图形转换为7种图形文件。结果可保存为*.txt，word，PPT及html格式的文件。

(五)灵活的功能模块组合

SPSS for Windows软件分为若干功能模块。用户可以根据自己的分析需要和计算机的实际配置情况灵活选择。

(六)针对性强

SPSS针对初学者、熟练者及精通者都比较适用。并且现在很多群体只需要掌握简单的操作分析，大多青睐于SPSS，像薛薇的《基于SPSS的数据分析》一书也较适用于初学者。而那些熟练或精通者也较喜欢SPSS，因为他们可以通过编程来实现更强大的功能。

三、实例分析――两个独立样本的检验(Test for Two Independent Sample)

例题：为了调查甲、乙两地土壤对种植同一种西瓜有没有影响，从这两个产地分别随机抽取同种的8只和7只西瓜，称重后得重量(市斤)如下：

甲(斤)：、、、、、、、

乙(斤)：、、、、、、

问：根据样本数据检验两地的土壤对种植西瓜在重量上是否有显著差异?

解：建立假设 H0：甲乙两地的西瓜重量没有显著差异;

H1：甲乙两地的西瓜重量有没有显著差异。

然后根据上面给出的数据建立数据文件，注意数据文件中有一个表示重量数据的变量和一个表示地区分组的变量。最后在数据编辑窗口进行检验。检验的具体操作过程如下：

第一步：单击Analyze Nonparametric Test 2 Independent Sample，打开Two-Independent-Sample对话框(见图1)。

第二步：选择检验的变量进入检验框中，选择分组变量进入Grouping Variable框中，单击Define Group键，打开Define Group对话框，将分组变量值分别键入两个框中，单击Continue返回主对话框(见图2)：

第三步：在Test Type栏中，确定检验方法。

SPSS中提供了四种检验方式，几种检验方法侧重点不同，但都是先把两样本数据混合排序，再从不同的角度分析并检验两个独立总体的分布是否有显著的差异。有时这几种检验结果可能不一样，所以要结合数据的探索分析考察数据的分布状况作出结论。本文选择了常用的Mann-Whitney U曼―惠特尼检验和Kolmogorov-Smirnov Z K-S检验。

第四步：选择输出的结果形式及缺失值处理方式;

第五步：单击OK，得输出结果。

所以，以上两种检验结论是一致的。也就是说在两地种植的同一种西瓜地重量没有显著差异。

参考文献

[1]杜志渊.常用统计分析方法―SPSS应用[M].山东人民出版社,2011.

[2]刘宁元.运用SPSS对高职专业课程成绩进行相关分析[J].电脑与电信,2007(3).

[3]井海立.SPSS在数学试卷统计分析中的应用[J].科技信息(学术版),2006(10).

试谈SPSS软件在考试数据统计分析中的应用

摘要： SPSS软件是数据统计分析的一个重要的工具。本文作者利用SPSS软件对考试数据的相关性、检验假设进行了统计分析，介绍了使用SPSS进行统计分析的一般方法和步骤，文中的方法对考试研究人员具有一定的指导意义。

关键词： SPSS软件考试数据统计分析操作步骤

1. 引言

一份好的试卷须有好的测量指标来表明它的优良程度，试题有难度和区分度指标，试卷有效度和信度指标，这些是评价考试最主要的测量指标，但是仅有这些指标不足以反映一份试卷的实际测量效果，考试研究人员希望从考生的试卷统计分析中获取更多的信息来评价一份试卷。在计算机未普及的年代，考试成绩统计主要依靠人工阅卷，考试数据无法电子化存储，对考试数据分析统计难以实现。随着计算机的普及和信息化的推广，各种分析数据的软件应运而生，这些软件中汇集了统计学和测量学的分析工具，使得应用电子信息技术分析统计考试成绩数据成为可能，这些统计信息可以为教研部门、考试行政部门进行行政决策等提供非常重要的帮助。在众多的统计分析软件当中，SPSS是应用最多、影响最广泛的分析工具之一。在本文中，我们以SPSS软件为工具，对教育招生考试成绩的数据进行统计分析，分析主要着重于考试数据的相关性、假设检验等几个方面。

2. SPSS分析软件简介

“SPSS统计分析软件”的英文名称为“Statistical Package for the Social Science”，中文名称为“社会科学统计软件包”，它是世界著名的统计分析软件之一，在自然科学、社会科学的各个领域均有非常广泛的应用。SPSS是一个组合式软件包，它集数据整理、分析于一身，主要功能包括数据管理、统计分析、图表分析、输出管理等，该软件的统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类。

下面我们利用SPSS软件对考试数据的相关性、检验假设进行统计分析，介绍使用SPSS进行统计分析的一般方法和步骤。

3. 相关性分析

教育考试中，考试结果的信度，试题的区分度，每个题目得分与试卷总分的关系，以及题目之间的关系，等等，都是考试研究的重要内容，最主要的研究方法就是数据的相关性分析。在众多的教育考试数据的相关性分析方法中，Pearson相关系数法、Spearman相关系数法和Cronbach α信度系数法是比较常用的几种方法。

Pearson相关系数法计算公式：

式中x为第i个考生第j题的得分，y为第i个考生第k题的得分，为第j题的平均分，为第k题的平均分，n为测试样本量。该公式既可以计算两个连续变量之间的相关性，又可以计算一个双歧变量与一个连续变量之间的相关性。

Spearman相关系数法计算公式：

r=1-(2)

式中D为两个变量的秩序之差，n为样本容量。

Cronbach a信度系数法计算公式：

α= 1-(3)

式中n为试题数，s为第i题的标准差，s为总分的标准差。该公式实际上就是将考试中所有试题间相关系数的平均值(又称内部一致性)作为α信度系数。

对于给定的一组考生成绩数据，利用SPSS统计分析软件可以非常容易地定量分析考生某学科试卷总分和该学科某道题的相关性，以及各个题目之间的相关性。我们以Pearson相关系数分析为例，利用SPSS软件进行统计分析。

数据统计分析的对象是某省高考数学6道解答题的得分情况(不是整张试卷)，数据源于该省的高考数据成绩。研究的目的是测量6道解答题每两个题目之间的相关性。

我们以SPSS 版本的软件为例，介绍利用SPSS进行数据统计分析的步骤(以Pearson相关系数法为例)：

(1)将考试数据导入SPSS软件，在SPSS数据窗口中，顺序点击【Analyze】→【Correlate】→【Bivariate...】，系统弹出变量相关系数设置对话框。

(2)在该对话框中，将待计算的变量从左侧的变量列表中导入到右侧的“Variables”变量列表中，在本例中导入t1、t2、t3、t4、t5、t6共6个变量(t1―t6是6道解答题的变量名称)。在“Correlation Coefficients”相关系数选项中，选取“Pearson”复选框。

(3)在该对话框的“Test of Significance”设置区域，可以点选“Two-tailed”选项或者“One-tailed”，我们采用系统默认值。

(4)对话框中的其它选项取软件系统的默认值，点击【OK】，开始相关系数计算，系统弹出新的窗体输出运算的结果。本次输出的情况如下：

上表的统计结果可用于题目之间相关性的分析。表中的大部分题目的相关系数都比较适中，但题目T4和题目T5之间的相关程度远高于其它几个题目，我们可以确信这两者之间一定存在着比其他题目之间更紧密的关系，这是我们通过分析获取的重要信息，该信息表明这两个题目之间的相关性高于其他几个题目之间的相关性，这在大规模考试中是不应该出现的，需要在以后的命题考试中加以改进。

Spearman相关系数分析方法和上述分析方法类似，只需要在上述SPSS操作的第二个骤中选取“Pearson”复选框，程序就会按Pearson相关系数法进行统计分析，如果同时选中“Spearman”和“Pearson”复选框，程序将会同时计算按两种分析方法统计分析的数据，并会以不同的图表进行显示，而Cronbach a信度系数法计算方法与上述方法略有不同，其操作步骤如下：

(1)在SPSS数据窗口中，顺序点击【Analyze】→【Scale】→【Reliability Analysis...】，系统弹出“Reliability Analysis”信度分析设置对话框。

(2)将待计算的变量从左列的变量列表中导入到右侧的“items”变量中，在左下列的“model”选择项的下拉列表中确保选中“Alpha”(信度系数)，点击“Statistics”选择项可以进行更为详细的参数设置，我们采用系统的默认值即可。

(3)参数设置完毕之后，点击【OK】，软件开始相关系数计算并输出运算结果。

4. 选择题的选项分析

在目前的教育招生考试中选择题是一种较常见的题型，考试研究人员关注较多的是对选择题基本特征、测量功能及其优缺点的理论探讨[1][2]，对选择题干扰项的设计及其施测后的实际效果关注甚少，事实上施测后对题目各选项的有效性作出判断可为评价试题质量提供重要参考依据。我们利用统计中χ检验假设，对试卷中常见的选择题选择项进行统计分析。

教育考试的单项选择项一般设置为4个，其中仅有1个选择项是正确的。命题人员在设计选择项时，应当也必然对每道题目所有的选择项(正确选择项和干扰选择项)的考生作答情况作出预测，对考生作答的分布情况作出预估。考试结束后，研究人员应该对实测的情况与命题教师预测的情况进行对比分析，以检验考试效果是否达到了预测的目标。这和χ拟合度检验的思想具有一致性，因此可以尝试使用χ检验假设进行分析。

我们依据文献[3][4]的方法来介绍χ检验假设在考试数据分析中应用的基本原理，设变量E是命题者对某道试题的期望值，E=nP，n为样本容量，P为期望的相对频率，引入以下统计量：∑(O-E)/E，其中O为观察频数。

本文为全文原貌未安装PDF浏览器用户请先下载安装原版全文

我们需要进行的假设检验是：零假设H：选项的实测分布与期望分布相同;非零假设H：选项的实测分布与期望分布不同。

检验假设的思想：拟合度检验的统计量在确定的某种显著性水平下如果零假设是真，则检验统计量∑(O-E)/E呈近似χ分布，其自由度为研究变量的可能值减1;如果实测分布与期望的分布相当吻合，就不排除零假设，否则就排除零假设;最后对检验假设的结果进行解释。

数据分析的目的是判断考生实际的应答结果(实测数据)与命题期望的选择概率(期望数据)是否一致。我们随机抽取某省5542个高考考生的数学有效数据构成分析样本，利用SPSS进行统计分析。

SPSS数据统计分析的步骤如下：

(1)将考试数据导入SPSS软件，依次点击【Analyze】→【Nonparametric Tests】→【Chi-Square...】，弹出“Chi-Square Tests”对话框。

(2)将变量列表中待分析的题目序号导入到“Test Variables List”(检验变量列表)中，本例中题目的序号为t7。

(3)将对选择试题的每个选项的期望值依次输入到“Expected Values”所属的方框，具体操作方法是选中单选框“Values”，输入具体的期望数值，点击“Add”按钮，依次重复上述的步骤直至所有的选项的期望值输入完毕。

(4)点击【OK】，输出软件运算结果。

我们需要进行的假设检验，H：选项的实测分布与期望分布相同;H：选项的实测分布与期望分布不同。

假设检验的显著性水平为α=，χ=∑(O-E)/E，自由度为df=4-1=3，查χ分布表或利用相关软件可得P=，由于P>α，因此不能拒绝零假设，即选项的实测分布与期望分布相同。因此，检验结果在显著性水平时，没有足够的证据拒绝零假设，即可认为本题选项的实测分布与期望分布相同，也就是说本题的实际测试效果与命题教师预测的效果是一致的，命题教师准确地估计了考生的实际水平，这是分析获得的很重要的结论。

5. 结语

SPSS软件在考试数据统计分析中应用广泛，但大部分是集中在试题难度、均值、方差统计、考试数据的图表显示等几个方面，本文从一个新的角度利用SPSS软件对考试数据的相关性、检验假设等几个方面进行了尝试性统计分析，介绍了使用SPSS进行统计分析的一般方法和步骤。从上述分析来看，软件操作步骤和统计分析过程十分简单、快捷，对于测量学和统计学基础不太好的数据分析统计人员来说，只要遵循一定的操作步骤，就可以进行分析。

参考文献：

[1]王孝玲.教育测量(修订版)[M].上海：华东师范大学出版社，2006.

[2]雷新勇.大规模教育考试：命题与评价[M].上海：华东师范大学出版社，2006.

[3]李伟明，冯伯麟，余仁胜.考试的统计分析方法[M].北京：高等教育出版社，1990.

[4]雷新勇.考试数据的统计分析和解释[M].上海：华东师范大学出版社，2007.

excel数据统计分析论文

可行，EXCEL是最常见的数据分析工具，不是很专业，但是简单分析还是可以的。

EXCEL构建财务分析数据库 [2010-05-06 03:01] 【关键词】 EXCEL; 财务 - 【摘要】 EXCEL具备强大的数据分析工具和数据处理功能,基于EXCEL的财务分析数据库具有灵活、简便的特性,可以满足个性化、多层次、多维度的财务分析需求,从而弥补通用财务软件和管理信息系统财务分析功能薄弱的现状,提高财务分析的作用和效率。【关键词】 EXCEL; 财务分析; 数据库用友、金蝶等财务软件以及企事业其他信息系统的应用和普及,大大提高了中小企事业单位会计信息化程度,减轻了会计人员的负担,节约了财务成本。但实务工作者也发现,财务软件更偏重于会计账务的处理及标准财务报表的提供,而分析功能不足,未提供良好的分析工具,分析方法也不够灵活,其他信息系统更偏重于业务处理。这时就需要借助EXCEL等外部工具进行个性化的财务分析。一、财务分析数据库的构建用EXCEL建立财务分析数据库时,可以充分发挥其灵活性,从各个维度、各个层次对企事业单位数据进行分析。尽管EXCEL2007已经解除了以前版本只能处理65 536行数据的限制,但是也要考虑到数据库如果过于庞大,运行速度会降低。因此,建立数据库时如果数据库偏大,可以将数据库拆分成几个小的数据库。明确了数据库的构建目标后,就可以从不同地方收集财务分析数据。这些数据既可以从用友、金蝶等财务软件获取,也可以从企事业单位的其他信息系统导入,如医院的HIS系统、药品管理系统、材料进销存系统等等。导入的数据既可以是用友等财务软件整个科目数据,也可以是固定资产数据等等。财务软件和其他信息系统一般都有导出成EXCEL电子表格的功能,如果这些信息系统软件可以导出成分隔符区分的文本文件,也可以通过EXCEL中的分栏工具进行拆分。(一)基础数据字段整理在进行基础数据整理时,经常会用到这些函数:1.时期处理函数。如根据日期提取年、月、周的数据:YEAR(),MONTH(),WEEK()。2.字符处理函数。如提取字符串中的某一内容:LEFT(),MID(),RIGHT()。字符串联结:CONCATENATE()。3.数据格式转换函数。如将数字强制转换成文本:TEXT()。4.逻辑判断函数。如条件判断:IF()。信息提取:ISNA(),ISTEXT()。(二)数据的归类财务分析时经常会对数据进行分类,这时可以借助函数VLOOKUP()来实现。如对食品进行分类时,可以首先建立一张字典表,如表1。然后在数据库里面在目标单元格输入函数vlookup()并设置函数参数,再对整个字段进行填充,就可以根据字段食品名称获取其对应分类了。(三)数据库的定义数据收集整理完后,可以在EXCEL里形成一张表单(sheet),可将有数据的区域定义为一张表,并为之命名。本文以医院收入分析数据库为例,基础数据通过医院用友、HIS系统收集整理后,存放在一张名为“医疗收入”的表单内。这时先选择所有数据区域,点击右键,选择“命名单元格区域”,命名为如“数据表”。定义数据区域可以更方便地对数据库进行维护。建立的数据库如图1。二、财务数据的分析数据库建立好之后,就可以充分利用EXCEL的数据分析挖掘工具,灵活方便地对数据进行分析。下面介绍几种常用的分析方法。 (一)对比分析建立的数据库如果包含了一段时期的数据并进行归类后,可方便地 -二、财务数据的分析数据库建立好之后,就可以充分利用EXCEL的数据分析挖掘工具,灵活方便地对数据进行分析。下面介绍几种常用的分析方法。(一)对比分析建立的数据库如果包含了一段时期的数据并进行归类后,可方便地实现对比分析。这里面需要用到EXCEL的数据透视表工具,首先将光标定位到“数据表”,单击“插入数据透视表”,并根据需要选择报表筛选字段、行标签、列标签字段以及值字段。在作对比分析时,应该在列标签选择时间字段,并选择需要进行对比的时间段。透视表建立后,可以通过报表等字段筛选数据的范围,例如既可以看全院收入,也可关注某一个或几个科室的收入分析。同时,在邻近单元格建立公式对数据进行比较分析。建立的数据对比分析如图2。(二)趋势分析趋势分析也是财务分析中的一个常用方法,分析人员可以从数据变化趋势看出数据的长期变化趋势及季节趋势等。用EXCEL建立趋势分析时,也要建立数据透视表并选择要分析的字段。作趋势分析时,可以辅以图片更能直观地进行分析。将光标定位在数据透视表内,单击“插入折线图”或其他图形模板,并调整图形格式就可以制作出专业的图表。如图3。(三)结构分析结构分析可以看出数据之间的构成分析。在EXCEL里面作数据的结构分析时也可以通过建立数据透视表,选择要分析的数据字段进行分析。同时,还可以制作数据饼图等进行直观的观察分析。数据的结构分析如图4。三、财务分析数据库的维护与更新财务分析数据库建立完成后,可以根据个性需求灵活地对数据进行抽取和分析。同时,这个数据库也是可以动态更新的。更新数据库时,只需在数据表末端追加数据记录,数据库就会智能地将数据加入。当然,这个数据库也支持对以前数据记录进行修改,批量修改数据时可以使用EXCEL的批量替换功能;具备支持增加和删减字段的功能。修改数据库后,应确保增加的记录在数据表内可以通过扩大数据表区域来实现。同步更新数据透视表和数据图时,只需要在任意表内,单击“更新数据源”,则所有基于数据库的透视表和数据图都可以同步进行更新,操作非常方便。从上述研究可以看出,EXCEL具备灵活、简便而功能强大的数据分析和挖掘功能,而基于EXCEL数据库的维护和更新也非常简单,财务人员通过简单的操作,就可以从各个维度、范围对财务数据进行深入的分析。当然,EXCEL还具备更多的数据分析潜能,需要财务人员在工作中发挥主动性和创造力,从而提高财务分析的效率和作用。【参考文献】[1] 陈伟. 自动化财务信息处理系统的构建[J]. 财会月刊:理论版,2006(10).[2] 张瑞君,译.EXCEL在财务管理中的应用[M]. 中国人民大学出版社,2007.

用EXCEL对论文数据进行分析，不是不可以做。但是一定要把握几个原则，首先你得要走专业数据的标准，换句话说，假设你的某项指标的系数标准是之间，你得要有标准，这样的话就可以进行分析！当然你得需要提供表格模板！让答辩者按照你的格式填写，你就可以用excel分析了！

用透视表分析一般的数据就可以了啊。步骤：插入——数据透视表——选定需要分析的数据，即可生成透视表。然后根据自己需要的数据进行布局，在树枝一栏中可以选择统计方式，比如求和、求平均、最大值、最小值等等。另外，如果因为专业原因需要进行更专业的数据分析，可以参考楼上的数据分析软件进行分析即可。以上问题来源于天猫博望专营服务店团队，希望可以帮到您。

多元统计分析论文数据

绝大多数的论文撰写,均需通过一定数量临床病例(或资料)的观察,研究事物间的相互关系,以探讨客观存在的新规律。如确定新诊断、新治疗等措施是否优于原沿用的方法,就需进行两种方法比较,这就涉及统计处理;统计设计又是整个课题研究设计中一个重要的组成部分。显然,经正确统计处理的结果可信度高,论文的质量也高。

后期会把每一章的学习笔记链接加上

多元统计分析是研究多个随机变量之间相互依赖关系及其内在统计规律的一门学科

在统计学的基本内容汇总，只考虑一个或几个因素对一个观测指标（变量）的影响大小的问题，称为一元统计分析。

若考虑一个或几个因素对两个或两个以上观测指标（变量）的影响大小的问题，或者多个观测指标（变量）的相互依赖关系，既称为多元统计分析。

有两大类，包括：

将数据归类，找出他们之间的联系和内在规律。

构造分类模型一般采用聚类分析和判别分析技术

在众多因素中找出各个变量中最佳的子集合，根据子集合所包含的信心描述多元系统的结果及各个因子对系统的影响，舍弃次要因素，以简化系统结构，认识系统的内核（有点做单细胞降维的意思）

可采用主成分分析、因子分析、对应分析等方法。

多元统计分析的内容主要有: 多元数据图示法、多元线性相关与回归分析、判别分析、聚类分析、主成分分析、因子分析、对应分析及典型相关分析等。

多元数据是指具有多个变量的数据。如果将每个变量看作一个随机向量的话，多个变量形成的数据集将是一个随机矩阵，所以多元数据的基本表现形式是一个矩阵。对这些数据矩阵进行数学表示是我们的首要任务。也就是说，多元数据的基本运算是矩阵运算，而R语言是一个优秀的矩阵运算语言，这也是我们应用它的一大优势。

直观分析即图示法，是进行数据分析的重要辅助手段。例如，通过两变量的散点图可以考察异常的观察值对样本相关系数的影响，利用矩阵散点图可以考察多元之间的关系，利用多元箱尾图可以比较几个变量的基本统计量的大小差别。

相关分析就是通过对大量数字资料的观察，消除偶然因素的影响，探求现象之间相关关系的密切程度和表现形式。在经济系统中，各个经济变量常常存在内在的关系。例如，经济增长与财政收人、人均收入与消费支出等。在这些关系中，有一些是严格的函数关系，这类关系可以用数学表达式表示出来。还有一些是非确定的关系，一个变量产生变动会影响其他变量，使其产生变化。这种变化具有随机的特性，但是仍然遵循一定的规律。函数关系很容易解决，而那些非确定的关系，即相关关系，才是我们所关心的问题。

回归分析研究的主要对象是客观事物变量间的统计关系。它是建立在对客观事物进行大量实验和观察的基础上，用来寻找隐藏在看起来不确定的现象中的统计规律的方法。回归分析不仅可以揭示自变量对因变量的影响大小，还可以用回归方程进行预测和控制。回归分析的主要研究范围包括:

(1) 线性回归模型: 一元线性回归模型，多元线性回归模型。 (2) 回归模型的诊断: 回归模型基本假设的合理性，回归方程拟合效果的判定，选择回归函数的形式。 (3) 广义线性模型: 含定性变量的回归，自变量含定性变量，因变量含定性变量。 (4) 非线性回归模型: 一元非线性回归，多元非线性回归。

在实际研究中，经常遇到一个随机变量随一个或多个非随机变量的变化而变化的情况，而这种变化关系明显呈非线性。怎样用一个较好的模型来表示，然后进行估计与预测，并对其非线性进行检验就成为--个重要的问题。在经济预测中，常用多元回归模型反映预测量与各因素之间的依赖关系，其中，线性回归分析有着广泛的应用。但客观事物之间并不一定呈线性关系，在有些情况下，非线性回归模型更为合适，只是建立起来较为困难。在实际的生产过程中，生产管理目标的参量与加工数量存在相关关系。随着生产和加工数量的增加，生产管理目标的参量（如生产成本和生产工时等）大多不是简单的线性增加，此时，需采用非线性回归分析进行分析。

鉴于统计模型的多样性和各种模型的适应性，针对因变量和解释变量的取值性质，可将统计模型分为多种类型。通常将自变量为定性变量的线性模型称为一般线性模型，如实验设计模型、方差分析模型; 将因变量为非正态分布的线性模型称为广义线性模型，如 Logistic回归模型、对数线性模型、 Cox比例风险模型。

1972年，Nelder对经典线性回归模型作了进一步的推广，建立了统一的理论和计算框架，对回归模型在统计学中的应用产生了重要影响。这种新的线性回归模型称为广义线性模型( generalized linear models，GLM)。

广义线性模型是多元线性回归模型的推广，从另一个角度也可以看作是非线性模型的特例，它们具有--些共性，是其他非线性模型所不具备的。它与典型线性模型的区别是其随机误差的分布不是正态分布，与非线性模型的最大区别则在于非线性模型没有明确的随机误差分布假定，而广义线性模型的随机误差的分布是可以确定的。广义线性模型不仅包括离散变量，也包括连续变量。正态分布也被包括在指数分布族里，该指数分布族包含描述发散状况的参数，属于双参数指数分布族。

判别分析是多元统计分析中用于判别样本所属类型的一种统计分析方法。所谓判别分析法，是在已知的分类之下，一旦有新的样品时，可以利用此法选定一个判别标准，以判定将该新样品放置于哪个类别中。判别分析的目的是对已知分类的数据建立由数值指标构成的分类规则，然后把这样的规则应用到未知分类的样品中去分类。例如，我们获得了患胃炎的病人和健康人的一些化验指标，就可以从这些化验指标中发现两类人的区别。把这种区别表示为一个判别公式，然后对那些被怀疑患胃炎的人就可以根据其化验指标用判别公式来进行辅助诊断。

聚类分析是研究物以类聚的--种现代统计分析方法。过去人们主要靠经验和专业知识作定性分类处理，很少利用数学方法，致使许多分类带有主观性和任意性，不能很好地揭示客观事物内在的本质差别和联系，特别是对于多因素、多指标的分类问题，定性分类更难以实现准确分类。为了克服定性分类的不足，多元统计分析逐渐被引人到数值分类学中，形成了聚类分析这个分支。

聚类分析是一种分类技术，与多元分析的其他方法相比，该方法较为粗糙，理论上还不完善，但应用方面取得了很大成功。聚类分析与回归分析、判别分析一起被称为多元分析的三个主要方法。

在实际问题中，研究多变量问题是经常遇到的，然而在多数情况下，不同变量之间有一定相关性，这必然增加了分析问题的复杂性。主成分分析就是一种通过降维技术把多个指标化为少数几个综合指标的统计分析方法。如何将具有错综复杂关系的指标综合成几个较少的成分，使之既有利于对问题进行分析和解释，又便于抓住主要矛盾作出科学的评价，此时便可以用主成分分析方法。

因子分析是主成分分析的推广，它也是一种把多个变量化为少数几个综合变量的多元分析方法，但其目的是用有限个不可观测的隐变量来解释原变量之间的相关关系。主成分分析通过线性组合将原变量综合成几个主成分，用较少的综合指标来代替原来较多的指标（变量)。在多元分析中，变量间往往存在相关性，是什么原因使变量间有关联呢? 是否存在不能直接观测到的但影响可观测变量变化的公共因子呢?

因子分析就是寻找这些公共因子的统计分析方法，它是在主成分的基础上构筑若干意义较为明确的公因子，以它们为框架分解原变量，以此考察原变量间的联系与区别。例如，在研究糕点行业的物价变动中，糕点行业品种繁多、多到几百种甚至上千种，但无论哪种样式的糕点,用料不外乎面粉、食用油、糖等主要原料。那么，面粉、食用油、糖就是众多糕点的公共因子，各种糕点的物价变动与面粉、食用油、糖的物价变动密切相关，要了解或控制糕点行业的物价变动，只要抓住面粉、食用油和糖的价格即可。

对应分析又称为相应分析，由法国统计学家于 1970年提出。对应分析是在因子分析基础之上发展起来的一种多元统计方法，是Q型和R型因子分析的联合应用。在经济管理数据的统计分析中，经常要处理三种关系，即样品之间的关系（Q型关系)、变量间的关系（R型关系）以及样品与变量之间的关系（对应型关系) 。例如，对某一行业所属的企业进行经济效益评价时，不仅要研究经济效益指标间的关系，还要将企业按经济效益的好坏进行分类，研究哪些企业与哪些经济效益指标的关系更密切一些，为决策部门正确指导企业的生产经营活动提供更多的信息。这就需要有一种统计方法，将企业（样品〉和指标（变量）放在一起进行分析、分类、作图，便于作经济意义.上的解释。解决这类问题的统计方法就是对应分析。

在相关分析中，当考察的一组变量仅有两个时，可用简单相关系数来衡量它们;当考察的一组变量有多个时，可用复相关系数来衡量它们。大量的实际问题需要我们把指标之间的联系扩展到两组变量，即两组随机变量之间的相互依赖关系。典型相关分析就是用来解决此类问题的一种分析方法。它实际上是利用主成分的思想来讨论两组随机变量的相关性问题，把两组变量间的相关性研究化为少数几对变量之间的相关性研究，而且这少数几对变量之间又是不相关的，以此来达到化简复杂相关关系的目的。

典型相关分析在经济管理实证研究中有着广泛的应用，因为许多经济现象之间都是多个变量对多个变量的关系。例如，在研究通货膨胀的成因时，可把几个物价指数作为一组变量，把若干个影响物价变动的因素作为另一组变量，通过典型相关分析找出几对主要综合变量，结合典型相关系数对物价上涨及通货膨胀的成因，给出较深刻的分析结果。

多维标度分析（ multidimensional scaling，MDS）是以空间分布的形式表现对象之间相似性或亲疏关系的一种多元数据分析方法。1958年，Torgerson 在其博士论文中首次正式提出这一方法。MDS分析多见于市场营销，近年来在经济管理领域的应用日趋增多,但国内在这方面的应用报道极少。多维标度法通过一系列技巧，使研究者识别构成受测者对样品的评价基础的关键维数。例如，多维标度法常用于市场研究中，以识别构成顾客对产品、服务或者公司的评价基础的关键维数。其他的应用如比较自然属性（比如食品口味或者不同的气味)，对政治候选人或事件的了解，甚至评估不同群体的文化差异。多维标度法通过受测者所提供的对样品的相似性或者偏好的判断推导出内在的维数。一旦有数据，多维标度法就可以用来分析:①评价样品时受测者用什么维数;②在特定情况下受测者可能使用多少维数;③每个维数的相对重要性如何;④如何获得对样品关联的感性认识。

20世纪七八十年代，是现代科学评价蓬勃兴起的年代，在此期间产生了很多种评价方法，如ELECTRE法、多维偏好分析的线性规划法（LINMAP)、层次分析法（AHP)、数据包络分析法（EDA）及逼近于理想解的排序法（TOPSIS)等，这些方法到现在已经发展得相对完善了，而且它们的应用也比较广泛。

而我国现代科学评价的发展则是在20世纪八九十年代，对评价方法及其应用的研究也取得了很大的成效，把综合评价方法应用到了国民经济各个部门，如可持续发展综合评价、小康评价体系、现代化指标体系及国际竞争力评价体系等。

多指标综合评价方法具有以下特点: 包含若干个指标，分别说明被评价对象的不同方面 ;评价方法最终要对被评价对象作出一个整体性的评判，用一个总指标来说明被评价对象的一般水平。

目前常用的综合评价方法较多，如综合评分法、综合指数法、秩和比法、层次分析法、TOPSIS法、模糊综合评判法、数据包络分析法等。

R -- 永远滴神~

多元统计分析论文各省市数据可以在国家统计局下设省统计局，市统计局，均可获取各地的数据资料。多元统计分析是从经典统计学中发展起来的一个分支，是一种综合分析方法，它能够在多个对象和多个指标互相关联的情况下分析它们的统计规律，很适合农业科学研究的特点。

绝大多数的论文撰写,均需通过一定数量临床病例(或资料)的观察,研究事物间的相互关系,以探讨客观存在的新规律。如确定新诊断、新治疗等措施是否优于原沿用的方法,就需进行两种方法比较,这就涉及统计处理;统计设计又是整个课题研究设计中一个重要的组成部分。显然,经正确统计处理的结果可信度高,论文的质量也高。楼主信不信由你，这篇文章就是在、创新医学网那摘录下来的。别的太多的我也复制不下来....

数据统计分析论文格式

1、标题：标题应简明扼要，主题明确，一目了然，突出论文主题。一般不超过20个字。2、作者署名：作者署名置于题名下方，包含所在单位、邮编等。3、摘要：摘要内容和一般格式：（1）目的：说明论文要解决的问题及其起源、由来。（2）方法：说明研究时间、参加完成研究的人数和研究的主要方法。（3）结果：说明研究内容中主要结果，包括数据和统计学检验结果。（4）结论：说明主要结论，包括直接的临床应用。注意：（1）中文摘要一般不宜超过200~300字；外文摘要不宜超过250个实词。摘要可为独立一段。摘要中不用图、表、化学结构式、非公知公用的符号和术语。（2）关键词：关键词是从论文中选取出来用以表示全文主题内容信息的单词或术语。每篇论文选取3-8个词作为关键词，以显著的字符另起一行，排在摘要的左下方，中间不加标点。为了国际交流，应标注与中文对应的英文摘要、关键词。（3）引言：引言（或绪论），用在论文的开头。引言一般要概括地写出作者意图，说明选题的目的和意义，并指出论文写作的范围。引言要短小精悍、紧扣主题。不要与摘要雷同，不要成为摘要的注释。一般教科书中有的知识，在引言中不必赘述。（4）资料与方法。一般资料：研究对象的基本信息。研究方法：常采用观察组与对照组相比较。也可为独立的观察研究对象。统计学方法：采用何种软件，哪种统计分析方法进行数据统计分析。4、正文（1）核心期刊论文格式要求正文篇幅一般在5000–10000字不等，包括简短引言、论述分析、结果和结论等内容。文字太少就不能充分展开论述。文中出现的外文缩写除公知公用的首次出现一律应标有中文翻译或外文全称。（2）文中图、表应有自明性，且随文出现，并要有相应的英文名。文中图的数量一般不超过6幅。图中文字、符号、坐标中的标值和标值线必须写清，所有出现的数值都应标有明确的量与单位。文中表格一律采用”三线表”。（3）文中有关量与单位必须符合国家标准和国际标准。用单个斜体外文字母表示（国家标准中专门规定的有关特征值除外；如要表示量的状态、序位、条件等，可对该单个字母加上下角标、阿拉伯数字以及”′””＾”等），避免用中文表示。（4）正文章节编号采用三级标题顶格排序。一级标题形如1，2，3，…排序；二级标题形如，，，…排序；三级标题形如，，，…排序；引言不排序。5、参考文献（1）核心期刊论文格式要求有专著（M），论文集（C），报纸文集（N），期刊文章（J），学位论文（D），报告（R），标准（S），专利（P），其他未说明文章（Z）。（2）参考文献如为专著，项目包括：作者姓名. 书名. 版本. 出版地：出版者，出版年；参考文献如为期刊，项目包括：作者姓名. 版本. 年. 月. 卷(期)～年. 月. 卷(期). 出版地：出版者，出版年。（3）参考文献如为电子文献，项目包括：作者姓名. 电子文献题名. 文献出处或网址，发表或更新日期.6、作者信息包括作者简介（100字以内），出生年月，性别，毕业院校，学历，主要研究方向。作者联系方式，包括：地址，邮编，电话，（含手机）E-mail等。

统计分析软件SPSS的特点和应用分析

【关键词】统计分析软件;SPSS;独立样本;非参数检验

一、前言

二、SPSS软件的特点

(一)操作简便

(二)编程方便

(三)功能强大

(四)全面的数据接口

(五)灵活的功能模块组合

SPSS for Windows软件分为若干功能模块。用户可以根据自己的分析需要和计算机的实际配置情况灵活选择。

(六)针对性强

三、实例分析――两个独立样本的检验(Test for Two Independent Sample)

例题：为了调查甲、乙两地土壤对种植同一种西瓜有没有影响，从这两个产地分别随机抽取同种的8只和7只西瓜，称重后得重量(市斤)如下：

甲(斤)：、、、、、、、

乙(斤)：、、、、、、

问：根据样本数据检验两地的土壤对种植西瓜在重量上是否有显著差异?

解：建立假设 H0：甲乙两地的西瓜重量没有显著差异;

H1：甲乙两地的西瓜重量有没有显著差异。

第一步：单击Analyze Nonparametric Test 2 Independent Sample，打开Two-Independent-Sample对话框(见图1)。

第三步：在Test Type栏中，确定检验方法。

第四步：选择输出的结果形式及缺失值处理方式;

第五步：单击OK，得输出结果。

所以，以上两种检验结论是一致的。也就是说在两地种植的同一种西瓜地重量没有显著差异。

参考文献

[1]杜志渊.常用统计分析方法―SPSS应用[M].山东人民出版社,2011.

[2]刘宁元.运用SPSS对高职专业课程成绩进行相关分析[J].电脑与电信,2007(3).

[3]井海立.SPSS在数学试卷统计分析中的应用[J].科技信息(学术版),2006(10).

试谈SPSS软件在考试数据统计分析中的应用

关键词： SPSS软件考试数据统计分析操作步骤

1. 引言

2. SPSS分析软件简介

下面我们利用SPSS软件对考试数据的相关性、检验假设进行统计分析，介绍使用SPSS进行统计分析的一般方法和步骤。

3. 相关性分析

Pearson相关系数法计算公式：

Spearman相关系数法计算公式：

r=1-(2)

式中D为两个变量的秩序之差，n为样本容量。

Cronbach a信度系数法计算公式：

α= 1-(3)

式中n为试题数，s为第i题的标准差，s为总分的标准差。该公式实际上就是将考试中所有试题间相关系数的平均值(又称内部一致性)作为α信度系数。

我们以SPSS 版本的软件为例，介绍利用SPSS进行数据统计分析的步骤(以Pearson相关系数法为例)：

(1)将考试数据导入SPSS软件，在SPSS数据窗口中，顺序点击【Analyze】→【Correlate】→【Bivariate...】，系统弹出变量相关系数设置对话框。

(3)在该对话框的“Test of Significance”设置区域，可以点选“Two-tailed”选项或者“One-tailed”，我们采用系统默认值。

(4)对话框中的其它选项取软件系统的默认值，点击【OK】，开始相关系数计算，系统弹出新的窗体输出运算的结果。本次输出的情况如下：

(1)在SPSS数据窗口中，顺序点击【Analyze】→【Scale】→【Reliability Analysis...】，系统弹出“Reliability Analysis”信度分析设置对话框。

(3)参数设置完毕之后，点击【OK】，软件开始相关系数计算并输出运算结果。

4. 选择题的选项分析

本文为全文原貌未安装PDF浏览器用户请先下载安装原版全文

我们需要进行的假设检验是：零假设H：选项的实测分布与期望分布相同;非零假设H：选项的实测分布与期望分布不同。

SPSS数据统计分析的步骤如下：

(1)将考试数据导入SPSS软件，依次点击【Analyze】→【Nonparametric Tests】→【Chi-Square...】，弹出“Chi-Square Tests”对话框。

(2)将变量列表中待分析的题目序号导入到“Test Variables List”(检验变量列表)中，本例中题目的序号为t7。

(4)点击【OK】，输出软件运算结果。

我们需要进行的假设检验，H：选项的实测分布与期望分布相同;H：选项的实测分布与期望分布不同。

5. 结语

参考文献：

[1]王孝玲.教育测量(修订版)[M].上海：华东师范大学出版社，2006.

[2]雷新勇.大规模教育考试：命题与评价[M].上海：华东师范大学出版社，2006.

[3]李伟明，冯伯麟，余仁胜.考试的统计分析方法[M].北京：高等教育出版社，1990.

[4]雷新勇.考试数据的统计分析和解释[M].上海：华东师范大学出版社，2007.