《统计分析软件》课程教学大纲

ADDINCNKISM.UserStyle《统计软件应用》课程教学大纲（实验课程）一、课程基本信息课程号0423D00006开课单位河北大学管理学院课程名称统计分析软件ApplicationofStatisticalSoftware课程性质必修考核类型考查课程学分1课程学时34课程类别学科基础课（学科拓展课）适用专业（类）劳动与社会保障、财政学二、课程描述及目标（一）课程简介《统计分析软件》课程是本专业（类）的一门学科基础课程，旨在训练统计分析能力，统计软件的应用知识。本课程主要基于统计基本理论。本课程主要包括STATA基本操作、描述统计分析过程、参数估计和假设检验等实验项目。（二）教学目标通过本课程，使学生一方面掌握统计基本理论和方法，另外还需通过上机实践，运用统计软件进行各项统计分析，从而透彻掌握各种分析方法，真正领会统计软件的发展使得统计分析成为直接受益领域之一。课程目标1：熟练掌握统计软件的使用方法和技巧。课程目标2：有助于学生对各种统计理论和方法的准确、全面理解，在实际中更好地运用各种统计分析方法。课程目标3：帮助学生利用掌握的计算机相关知识和著名统计软件作定量分析研究，提高学生解决实际问题的能力。课程目标4：使学生更好地适应形势发展，满足社会的需要，把学生培养成既具有较强的经济理论基础又掌握一定的统计理论方法，而且借助统计软件熟练的进行各种定量分析的复合型人才。三、课程目标对毕业要求的支撑关系毕业要求指标点课程目标1-2：掌握劳动与社会保障专业学科的基本理论、基本知识课程目标12-1：具有处理劳动与社会保障领域业务的基本能力课程目标22-2：掌握文献探索、实践调研、数据处理、理论模型的理解与构建等方面的基本方法课程目标33-1：具有一定的科学研究和实际工作能力课程目标4四、教学方式与方法讲授、演示和实验操作。五、教学重点与难点（一）教学重点1.变量的类型与测度。在应用统计方法时必须满足其对于变量测度等级的要求以及其他假设条件，不合乎统计方法所要求的变量类型不能应用；2.相关分析用于描述两组变量之间所存在的相关关系。通过相关系数最大化原则，依次建立若干成对的典型变量，并计算出它们之间的相关系数(即典型相关系数)，代表两组变量之间在不同维度上的共变关系；对于各维度上的典型相关进行检验，精简不显著的维度，以便将分析集中于那些存在显著相关性的维度。3.多元回归分析。描述和预测多个自变量对一个因变量发生影响作用的数量关系；多元回归分析的因变量必须为间距测度等级，其他自变量则必须为间距测度等级和特定的标示编码形式；在多元回归中，确定系数表示所有自变量对于因变量的解释能力。4.因子分析。主要目的是浓缩数据，用较少数的几个假想因子来反映原来众多观测变量所代表的信息；因子分析主要用于两个方面：一是寻求数据的基本结构，二是进行数据化简；因子分析用于分析间距测度及以上等级的变量，变量之间应该有较强的相关关系。5.聚类分析。它根据研究对象之间的相似性对研究对象进行分类。聚类分析可以用来对案例进行分类，也可以用来对变量进行分类；选择合适的聚类变量在分析中至关重要。选择这些变量的要求是：各聚类分析的目标密切相关，反映要分类对象的特征，在不同研究对象上的值具有明显差异，变量之间不存在高度相关。6.对logistic模型。logit转换使得模型系数的解释比一般线性回归中更为复杂。对于发生概率、发生比、优势比等概念的掌握有利于对本章介绍模型的理解；给出了二分类logistic模型的整体检验与拟合优度评价标准，介绍模型中检验单个自变量影响及自变量组影响的原理和方法。7.计数变量是社会和行为科学研究中经常会遇到的一类变量，它的取值往往为有限个非负整数值，表示所关注事件在特定时间或空间范围内的发生次数；分析计数因变量时不适宜应用常规线性回归方法，通常采用的统计模型是泊松回归，它假定因变量服从泊松分布，并将期望计数的对数表达为一组自变量的函数。7.优势比测量交互表行变量与列变量之间的关联；优势比与对数线性模型参数之间存在对应关系，表现为，对数优势比对应着交互项参数，而条件发生比则对应着边缘分布效应；对数线性模型分析中，重点是对关联的分析。（二）教学难点1.不用统计方法的基础是对变量之间关系的模型假设。应该按照研究需要和数据类型选择统计方法；统计分析只是整个研究的一个组成部分。必须以科学研究方法论和具体学科理论为指导，正确理解和阐释所得到的统计结果。2.偏回归系数表示在控制其他自变量的条件下，某一自变量与因变量之间在变量实际测量单位基础上的数量关系，表示自变量每增加一个单位量所造成因变量的变化量；标准化偏回归系数为某一自变量对因变量的纯统计联系，不受变量实际测量单位的影响，因此可以用来比较各自变量对因变量相对作用大小。3.相关测度和距离测度适用于间距测度及以上的数据，关联测度适用于名义测度和序次测度的数据；每一种聚类方法各有特点。层次聚类法只能单方向进行聚类，聚类结果受数据中异常值的影响很大。迭代聚类法初始分类非常敏感，通常也只能得到局部最优解。把这两种方法结合起来使用，可以取长补短。4.多分类logistic回归的原理进行介绍，如何在该模型中进行整体检验、整体拟合优度评估，并对模型具体回归参数的解读进行了说明。着重介绍独立于无关选项假定及其检验；对序次logistic回归模型及其他广义序次模型的原理和操作进行介绍，对这一模型背后的平行线假定进行说明。简要介绍本章各类模型之间的嵌套关系和其他后续拓展。6.对数线性模型属于广义线性模型族的成员，可以利用STATA的广义线性模型模块方便地进行拟合。同时，对关联模式的设定可以表达为一定的设计矩阵，并可形成一个或多个相应变量。在STATA的广义线性建模中可以方便地应用设计矩阵变量来检验不同关联假设；对数线性模型与logistic类模型之间存在内在联系，两者很多情况下是以不同方式做同样的分析。但对数线性模型没有明确设定变量因果关系，而且多用于探讨交互表变量之间的关联结构假设。六、实验内容、基本要求与学时分配序号实验项目名称实验内容与要求学时类型对应课程目标1导论与统计基础知识使学生了解本书各章大致内容并熟悉各种统计基础知识，为后续课程打下理论基础。2验证性课程目标12多元线性回归了解回归分析作用；建立有关回归分析的基本概念和应用回归的各种条件；讨论多元线性回归方程的建立；了解评价多元回归方程的有关指标；了解回归分析的统计检验；了解标准化回归系数的作用；说明多元统计控制对系数回归的影响；回归预测的区间估计；讨论回归方程的诊断；讨论如何选择最优的回归模型；介绍虚拟变量及效应变量在多元回归分析中的应用。2验证性课程目标23因子分析了解因子分析的有关概念及应用;学会使用STATA软件进行因子分析。2验证性课程目标24聚类分析了解聚类分析的原理和各种聚类方法的选择和使用；学会使用STATA软件进行聚类分析。2验证性课程目标25通径分析了解通径模型的设置；分解简单回归系数和相关系数的通径分析；通过示范例题对通径模型加以掌握。2验证性课程目标26Logistic回归讨论线性回归模型产生的问题，以便为介绍logistic回归方法作铺垫；了解在因变量为二分定性变量的条件下如何建立logistic回归模型，如何克服线性回归的局限性的；讨论logistic回归的回归系数的意义；了解logistic回归的模型评价和统计推断；学习以例题的数据示范使用STATA软件进行logistic回归的几种主要方式；了解另外两种logistic回归的扩展应用，即多分类logistic回归和序次logistic回归。3验证性课程目标37泊松回归了解作为分析计数因变量基础的泊松回归；通过例题分析来示范用STATA进行泊松回归的主要操作。3验证性课程目标38对数线性模型通过对常规交互表分析方法缺点的讨论，来概括对数线性模型对于分类变量分析的重要发展；借助一个简单的交互表数据介绍对数线性模型的基本原理，以及如何在广义线性模型框架下以STATA进行对数线性模型分析；以实际调查数据为例简要示范如何应用STATA软件进行对数线性模型分析；讨论对数线性模型与logistic回归之间的关系。3设计性课程目标39多元方差分析从多元方差分析与一元方差分析的关系入手，了解相关方法的沿革及多元方差分析的特点；了解多元方差分析所要求的变量、数据方面的条件；结合例题数据及例题分析的三个模型了解STATA多元方差分析的主要操作步骤。3验证性课程目标310鉴别分析了解鉴别分析的假定条件和基本模型；掌握用STATA对例题做鉴别分析的操作。2验证性课程目标311典型相关分析了解典型相关模型的基本假设和数据要求；学会使用STATA软件进行典型相关分析。2验证性课程目标312结构方程模型了解结构方程模型及相应的统计分析计算机软件AMOS7.0的使用。2验证性课程目标313事件史分析了解事件史分析的基本概念和模型；着重掌握离散时间logit模型和Cox比例风险模型；通过示范例题加以学习。2验证性课程目标314对事件史原始数据进行预处理介绍如何应用STATA统计软件包中的编程语言来完成十分复杂的数据格式的加工工作；通过例子示范运用STATA编程进行数据处理的技术。2验证性课程目标415对应分析了解对应分析的基本概念和假设条件；学会使用STATA软件进行对应分析。2验证性课程目标4合计34注：实验要求包括必修、选修；实验类型包括“验证性”、“设计性”、“……”等。七、学业评价和课程考核（一）考核类型：考试þ考查（二）考核方式：þ实验报告实验作品¨其它：（填写具体考核方式）（三）成绩评定：考核依据建议分值（百分比）考核/评价细则对应课程目标平时考核40%出勤40%考勤情况课程目标1作业30%作业完成情况、完整性、正确率课程目标2表