首页 优秀范文 统计学经典理论

统计学经典理论赏析八篇

发布时间:2023-10-11 16:23:36

序言:写作是分享个人见解和探索未知领域的桥梁,我们为您精选了8篇的统计学经典理论样本,期待这些样本能够为您提供丰富的参考和启发,请尽情阅读。

统计学经典理论

第1篇

【提 要】 目的 探讨经典统计学派与贝叶斯学派假设检验思想的异同。方法 总结和概括两种思想,并结合一个实例对两种思想进行比较。结果 两种思想统一于贝叶斯定理,并在特定场合下相互等价;贝叶斯方法在先验信息的利用、风险的回答、损失的考虑以及多重假设问题的处理等方面较经典方法具有明显的优势。结论 贝叶斯学派的理论应用受到重视。

【Abstract】 Objective To discuss differences between classical and Bayesian testing thoughts.Methods First these two thoughts are summarized’and then they are compared through an example.Results It is pointed out that these two thoughts are united on Bayes’s Theorem’that they are equal on given occasions’and that Bayesian testing approaches have more advantages than classical approaches in using prior information’indicating the hazard of testing’considering the loss’and dealing with the problem of multi-hypotheses.Conclusion Great attention should be paid to Bayesian theory.

【Key words】 hypothesis test Classical school Bayesian school

假设检验问题是统计学的传统问题,对于该问题,经典统计学派与贝叶斯学派有不同的处理思想。目前,经典统计方法占据着统计学的主导地位,但是,贝叶斯方法正在国外迅速发展并得到日益广泛的应用,我们有必要给以足够的重视。本文结合一个例子,对两大学派的假设检验思想进行初步比较,以揭示两种思想的区别与联系,并着重探讨贝叶斯方法的优势。

两种假设检验思想

一、经典统计学派的假设检验思想

经典统计学派运用反证的思想进行推断,即:在认定一次实验中小概率事件不会出现的前提下,若观察到的事件是H0为真时不合理的小概率事件,则拒绝H0。

上述思想可以用如下决策函数表示:

其中x代表样本信息。Φ(x)取值为0时即为通常的“拒绝H0”。

二、贝叶斯学派的假设检验思想

贝叶斯学派直接讨论H0和H1的后验概率,依据后验概率的大小进行推断。

其基本的解决方案是:在先验分布π下,有决策函数

Φ(x)取值为0时即“拒绝H0”。很明显,它选择了后验概率较大的假设。

三、两种思想的联系与分歧

在经典统计学中,参数被看作未知常数,不存在参数空间,因而不存在H0和H1的概率,给出的是P(x|H0真),其中x代表样本信息。在贝叶斯方法中,参数被看成随机变量,在参数空间内直接讨论样本x下H0和H1的后验概率,给出的是P(H0真|x)和P(H0不真|x)。

事实上,两个学派的方法在一定程度上统一于贝叶斯公式。

由贝叶斯公式容易得到:

因此,当P(H0)=P(H1),即H0与H1居于平等地位时,经典学派与贝叶斯学派的结果是一致的。

然而,H0与H1地位往往不一致,H0常居于将被否定的位置,因而上述一致性并不总能成立。贝叶斯学派对此进行了深入的探讨,他们的结果很有意义。

对于正态分布前提下的单侧检验:X~N(θ,1),H0:θ≤0 H1:θ>0,经典方法得到的P值与贝叶斯方法在无信息先验分布下的后验概率相等,此结论可以推广到正态分布前提下其他类似的单侧检验。

对于形如H0:θ=0,H1:θ>0,(或H1:θ<0)的单侧检验,情况则不同,与下述的双侧检验有类似结果。

对于形如H0∶θ=0, H1:θ≠0的双侧检验,经典方法得到的P值与贝叶斯方法的后验概率大不相同。在Berger和Sellke 1987年对正态分布前提下二者的比较研究中,当经典方法得到的P在0.01~0.1之间时,贝叶斯方法得到H0为真的后验概率大于P,因而此时拒绝H0所承担的实际风险大于P,而这个区间对于经典方法下结论是非常重要的。Hwang和Pematle 1994年提出,对这类双侧检验,类似结果始终存在,因而P值应该由其他判断标准来替代。但他们还没有找到这种标准。

两种思想的应用

下面我们通过一个例子对两种假设检验思想进行一些比较。

例:以随机变量θ代表某人群中个体的智商真值,θi为第i个个体的智商真值,随机变量Xi代表第i个个体的智商测验得分,若该人群的期望智商为μ,则第i个个体在一次智商测验中的得分可以表示为:xij=θi+eij=μ+ei+eij,其中ei为第i个个体的自然变异,eij为第i个个体第j次测量的测量误差。根据以往积累的资料,已知在某年龄儿童的智商真值θ~N(μ’τ2),其中μ=100’τ=15,个体智商测验得分Xi~N(θi’σ2),其中σ=10。现在一名该年龄儿童智商测验得分为115,问:(1)该儿童智商真值是否高于同龄儿童的平均水平(即θi>100)?(2)若取θi在(a’b)为正常,问该儿童智商是否属于正常? 转贴于

一、用经典统计方法解答

对第一问,设H0:θi≤100 H1:θi>100,按照经典统计学方法,若H0成立,则有:

因此,α水平下的拒绝域为{x:x>100+σ・u1-α}

已知σi=10,若取α=0.05,有u0.95=1.645,100+10×1.645=116.45。

现有x=115,因此,在0.05水平尚不能认为该儿童智商高于平均水平。

对第二问,经典方法需要进行两次分别针对a、b的单侧检验。过程与第一问相似,这里不再叙述。

二、用贝叶斯方法解答

在贝叶斯学派中,当θi未知时,将其看作随机变量,与θ具有相同的分布,这是贝叶斯学派与经典学派的一个重大区别。

根据贝叶斯理论,若X~N(θ,σ2),其中σ2已知,θ未知,但已知θ的先验分布是N(μ,τ2),其中μ和τ2均已知,则给定x后θ的后验分布为N(μ(x)’ρ-1,)其中(证明参见文献[1])。

由此得到,本例中该儿童智商θi的后验分布为N(110.38,69.23)。

对第一问,同样设H0:θi≤100 H1:θi>100,查正态分布表可以得到:

P(H0:θi≤100|x=115)=0.106,

P(H1:θi>100|x=115)=0.894

根据风险最小原则拒绝H0,接受H1。

对第二问,设H0:a<θi<b H1:θi<a或θi>b,查正态分布表可以分别得到P{H0:a<θi<b|x=115}和P{H1:θi<a或θi>b|x=115},类似第一问,依据风险最小原则作出推断。

讨 论

由上述分析和例子,我们可以看出,用贝叶斯方法处理假设检验问题至少在下述几方面具有明显优势。

一、先验信息利用的充分性和风险的直观性

从前述问题的处理,我们清楚地看到,经典方法只使用了Xi的已有信息(贝叶斯学派称之为先验信息),而贝叶斯方法则同时利用了Xi和θ的先验信息。因而在第二问的解决上,贝叶斯方法较经典方法少进行一次假设检验。

在贝叶斯方法中,由于导出了样本x下的后验分布,可以对风险给出正面的回答,因而较经典方法下的间接判断更直观。

二、可以将后续问题纳入考虑范围

如果推断错误在后续问题的解决过程中会造成一定损失,贝叶斯方法在进行推断时可将这一损失考虑在内。如:

在假设H0∶θ∈Θ0,H1∶θ∈Θ1(Θ0、Θ1是参数空间内两个互补子集)下,有:

Φ等于0,1分别代表拒绝、接受H0,a0、a1分别代表了第一、第二类错误造成的损失,这时,贝叶斯方法给出如下决策函数:

由于可以将假设检验结果带来的损失纳入检验考虑的范畴之内,因而对问题的回答更接近实用。

三、多重假设的处理不存在困难

对多重假设,如将前例第二问改为:若θi∈(a’b)为智力正常,θi<a为智力低下,θi≥b为智力超常,问该儿童智力属何种类型?

在现有条件下,经典方法很难处理这一问题。而贝叶斯方法对这一问题的解答并不存在特殊的困难,只需将假设设为:H0∶a≤θi<b H1∶θi<a H2∶θi≥b,多计算一个后验概率便可。

第2篇

关键词:统计学;教育改革;大数据

一、引言

最早提出大数据时代到来的机构是全球知名的麦肯锡咨询公司,该公司在一份研究报告中指出:“数据已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素,人们对于海量数据的挖掘和运用,预示着新一波生产率增长和消费者盈余浪潮的到来”。

大数据是随着互联网技术的广泛应用带来的数据量和数据类型激增而衍生出来的一种现象,但大数据一词不仅指规模大、种类多的数据集,还包括对这种数据集进行采集、处理与分析以提取有价值信息和直接创造价值的技术构架和技术过程。大数据的第一个特征是数据量巨大。截止到2012年,数据量已经从TB(1024GB=1TB)级别跃升到PB(1024TB=1PB)、EB(1024PB=1EB)乃至ZB(1024EB=1ZB)级别。第二个特征是数据类型繁多、异构性突出,包括网络日志、音频、视频、图片、地理位置信息等等。第三个特征是数据价值密度较低,数据中存在大量重复性和无价值性信息或噪声。如何通过强大的计算技术和统计分析等方法迅速完成数据的价值提纯,是大数据时代亟待解决的难题。第四个特征是处理速度快、时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。

目前,不同的学科领域对大数据概念有着不尽相同的解释,但各种解释中大致可以从两个方面去理解。首先,大数据概念体现在数据量的巨大、种类的众多及产生速度的飞快,同时产生的数据集极有可能包含着各种半结构化和非结构化数据;其次,大数据概念还体现在对数据进行处理的手段和流程方面,由于数据量的庞大和类型复杂,利用常规的统计软件已经无法对当今的数据进行及时有效的存储、分析及处理。因此,所谓的大数据并不是单纯指数据流量的巨大,还指其结构的复杂和种类的多样,在数据处理和分析上需要采用高端计算平台或高级统计软件,以及海量数据中存在着可挖掘的潜在的大量价值信息与知识。

近年来,随着高速计算机的应用、信息技术的快速发展,特别是云计算技术的发展,使大数据的存储和分析技术得到迅速发展,目前的核心技术有MapReduce、GFS、BigTable、Hadoop,以及数据可视化等。在数据搜集上,可方便地通过在线互联网数据库获取二手数据或一手实时数据。在数据分析上,传统统计学方法采取的是基于统计模型的样本数据分析,而大数据分析技术则是通过高端计算平台,对大数据中的信息进行挖掘。

统计学作为对数据进行处理和分析的科学,必然受到大数据的影响。在大数据时代,统计学教育必须与时俱进,跟上时展步伐。近年来,有不少文献讨论了大数据环境下我国统计学教育的改革问题(例如[1]-[5]),本文在分析大数据时代特征的前提下,进一步讨论我国统计学教育的现状与挑战、统计学教育改革的内容、方法、借鉴和适应时代要求的变革问题。

二、统计学教育的现状与挑战

2013年,教育部对我国统计学专业设置进行一次新的调整,将原来的既可授予理学学位,也可授予经济学学位的统计学专业划分为统计学、应用统计学和经济统计学三个本科专业[6]。根据教育部高等学校统计类专业教学指导委员会2013年11月公布的数据,当时全国有194所高校开设了统计学专业,156所高校开设了应用统计学专业,164所高校开设了经济统计学专业[6]。目前,全国开设这三个统计学专业的高校个数和在校学生人数与2013年相比都有不少的增加。

面对大数据时代,我们目前的统计学教育无论在培养目标和教学内容上,还是在教育方式和人才培养模式上,都存在着亟待解决的挑战性问题。例如,在专业培养目标和人才培养过程中,我们比较重视课程层面上的评价,比较轻视专业层面上的整体评价,缺乏对学生综合能力的反馈机制。

关于教学内容,目前三个统计学专业在统计理论和应用统计两个方面有不同的侧重。统计理论主要包括:抽样理论、实验设计、估汁理论、假设险验、决策理论、贝叶斯统计、半参数和非参数统计、序贯分析、多元统计分析、时间序列分析、小样本理论和大样本理论等。在数据分析中,现今的统计方法基本以结构化数据为主要处理对象,而对非结构化和半结构化数据的分析和工具涉及较少。因此,现今统计学课程及内容已不能满足从事非结构型和半结构型的大数据研究和商业应用对人才培养的需要,必须进行必要的改革。

对于教育方式,鉴于大数据时代要求,统计分析人员需要具备较高的数学和现代统计学基础,具有较高的软件操作能力,掌握一定的大数据收集、整理、分析、处理和挖掘数据的技能。日本学者城田真琴认为:“数据科学家要有计算机科学专业背景,数学、统计方面的素养和使用数据挖掘软件的技能,善于利用数据可视化的手法展现晦涩难懂的信息,而且具备相应的专业知识、眼界和视野,具有适应社会发展和创造价值的能力”。现今的统计学教育方式还不能很好适应大数据时代数据科学人才培养需要,必须进行必要及时的调整和变革。

对人才培养模式,大数据时代不仅要求培养具有数据处理和分析所需的基本素质与技能,更重视培养从海量数据中发现和挖掘价值信息、把握市场机遇、创造利润的潜在能力。面对大数据时代的诸多挑战,现代统计技术、数据挖掘方法、计算机信息技术、软件工具和理念的日新月异,培养统计人才的教育模式也需要相应变化,统计学教育只有与时俱进,主动做出全面的调整和变革才能适应新时代知识进步和激烈人才市场竞争的需要,积极迎接大数据时代的挑战。

大数据时代对统计学教师有更高的要求,统计学教师需要与时俱进,跟上时代步伐。随着互联网、物联网、云计算等信息技术的发展,对数据的分析和处理的技术也随之要求更高,统计学教师固有的知识体系已不能满足培养现代统计人才的需要,必须进一步深化和更新原有的统计学理论知识,而且还需要学习掌握计算机技术、互联网、数据库和信息科学等有关知识和技术,同时还要熟悉处理非结构型和半结构型数据的知识和技能,以适应现代统计学教育对教师的知识结构和基本素质的要求。

大数据时代对统计专业的学生也提出了更高的要求,他们不仅需要掌握现代统计理论、统计方法和专业统计软件,还要学会如何分析、处理来自互联网或各种实际问题中的海量数据,如何利用统计软件和互联网技术进行数据操作,如何借助软件技术和统计准则判断数据质量,如何进行模型选择和评价模型方法的有效性,如何准确清晰地呈现统计分析结果和结论,等等。

2014年11月,美国统计学会了统计学本科专业指导性教学纲要 [7],该教学纲要对统计学专业提出四个方面的要求:(1)具有扎实的数学和统计学基础、强大的统计计算和编程能力,熟练使用统计软件和数据库;(2)分析来自现实问题的真实数据,真实数据是统计专业教育的重要组成部分;(3)掌握多样化的统计模型方法;(4)具有通过语言、图表和动画等方式解释数据分析结果的能力。美国是统计学教育和人才培养最先进的国家之一,该指导性教学纲要代表着美国统计学专业培养人才的基本要求和发展方向,对我国统计教育的改革具有重要的参考价值。以该指导性教学纲要为参考依据,对照我国目前的统计学本科专业教育,无论是在培养目标和课程设置方面,还是在教学内容和教学方法方面,都存在着亟待解决的挑战性问题。

三、统计学教育的改革

大数据时代的统计学教育不仅是各种统计方法、数据挖掘方法和信息技术手段的延续或发展,更主要的是这些方法的集成应用和在实际数据分析中的真实体验。过去,企业数据库价格昂贵,在统计学教育的教学案例或实验课教学中,很少采用真实和海量的数据库资源,基本都是采用过时或虚拟的数据。今天,像百度大数据引擎这样的数据库的逐步对外开放,将有助于开展“线上大数据统计实验”教学。为了适应大数据时代要求,有必要利用网络资源以及各种数据处理软件,搭建线上大数据分析实验教学平台,全面开展大数据统计实验教学的改革。实际上,借助大数据分析平台,本科阶段的统计学教育就可以融人联机分析和数据的可视化教学。其次,要时刻关注大数据分析理论的进展,及时将新理论新方法融入课堂教学内容。

需要指出的是,在大数据时代,经典统计理论和方法并没有过时,但需要进行改进和进一步发展。这是因为,网上采集的巨型数据集往往存在大量的重复性和无价值数据信息,使得大数据价值密度降低。在对这些数据进行分析处理之前往往需要通过去噪、分层、截断、聚类等方法的预处理,将其变成便于进行分析处理的小数据,继而借助于经典统计方法进行分析和处理。因而在大数据时代仍然需要采用传统统计学的小样本理论和方法。所以,即便是在大数据时代,经典统计方法仍然是进行统计分析的基石,其核心地位不可动摇。所以,在大数据时代仍然要强化统计学的基本理论和方法,尤其是在长期发展和实践应用中经过验证的、成熟有效的经典和现代统计方法,在大数据时代仍然没有过时,但需要结合大数据分析的需要对经典统计方法进行必要的发展和改进。

大数据科学需要统计学与数学、计算机等学科的结合。亚马逊大数据科学家John Rauser 认为:“数据科学家是统计学家和计算机工程师的结合体”。为了满足大数据时代的要求,统计学专业的课程设置需要进行必要的调整。应根据新时代人才培养的要求,增设与大数据前沿领域发展相关的课程,如计算机网络和大数据相关的软件应用,同时要加大实验课和社会实践课的比重,引导学生理解和掌握大数据概念、理论、技术和方法,培养其运用大数据的相关分析工具解决实际问题的能力。对于理论课程,除基本统计理论外,还应开设一些较为现代和深入的课程,如现代贝叶斯方法、神经网络、数据挖掘、应用随机过程论等。另外,还应开设与大数据分析相关的关联规则、决策树、机器学习、支持向量机等课程。

为了培养与时代适应的统计学人才,统计学专业教师应不断更新自身的知识结构和价值观念,改变认识数据、收集数据和分析数据的思维,主动学习和补充互联网、现代数据分析技术、数据库和数据挖掘技术,使自己的知识体系不断更新和提升,跟上时展的步伐。

在大数据时代,要注意培养学生适应社会的能力。统计专业人才培养模式应以提高本专业学生数据分析方面的能力,开阔他们的视野,培养其适应社会的能力。应积极引导学生进入实训场所动手操作和锻炼,尝试以企事业单位的财政、金融、保险、统计、咨询和信息公司等部门为主构建专业性教育实践基地。鼓励学生到大数据相关的机构部门、产业园区和企业中去调查研究和实践。此外,统计专业应积极同其他专业进行合作,联合培养适应新时代要求的数据分析人才。鉴于大数据对数据分析人员在计算机技术、行业认知、业务知识、数据分析工具和方法的要求提高,统计学科应主动与计算机、经济学、管理学等相关学科合作,培养学生的计算机能力、专业素质和业务修养。

“它山之石可以攻玉”,关于统计学专业的课程设置,可以参考和借鉴美国统计学会公布的统计学本科专业指导性教学纲要。根据该教学纲要,统计专业的课程设置应该涵盖五个模块[7]:(1)统计方法与统计理论。建立统计模型并对模型的输出结果进行评价,熟悉统计推断,能够从数据分析中得出恰当的结论。(2)数据操作和统计计算。熟练使用一款专业统计软件进行探索性数据分析,发现和清洗数据中的错误记录,具有编程能力和算法思维,可以进行各种数据操作,还应掌握统计计算技术,能够进行模拟研究。(3)数学基础。熟练掌握微积分、线性代数、矩阵论、概率论和数理统计的基础知识。(4)实践训练和表达能力。具有良好的表达和交流能力,善于通过图示和动画等听众易于理解的方式展示分析结论,并且具有团队合作精神和项目领导能力。(5)特定领域的知识。掌握特定应用领域的知识,并用统计学特有的思维方法来分析和解决特定领域的实际问题。

大数据时代是以数据为中心的时代,统计学专业的教育改革必须适应这个时代的要求。统计数据分析中软件应用能力至关重要。在众多统计软件中推荐使用R和SAS软件,因为R是免费开源软件,其统计建模、统计计算和可视化功能强大,更新迅速,是最新统计方法的主要平台,非常有利于培养学生的编程能力和知识更新能力,而SAS软件被很多公司用于数据管理和数据分析,在实际应用领域具有长期而深远的影响,是数据分析不可或缺的专业统计软件。当然,教学中也可以尝试使用其他专业统计软件,例如经济统计专业学生也可使用SPSS软件,但最好会使用SAS或R软件。在加强软件使用和编程能力的基础上,应加强学生统计计算和统计模拟能力的培养。在大数据时代,强调统计计算的重要性是大势所趋。统计模拟技术是伴随着高速计算机和信息技术的快速发展而广泛应用的现代技术,可用来解决传统学科领域中无法解决的问题。例如,在计算技术飞速发展的今天,贝叶斯统计方法过去曾经面临的计算瓶颈正在逐渐消失,基于马尔科夫链蒙特卡洛(MCMC)技术的统计模拟方法在数据分析中的强大威力正在日益显现[8]。

参考文献:

[1] 刘春杰,大数据时代对当代统计学教育的挑战,统计与决策,2015年,第8期。

[2] 孟生旺,袁卫,大数据时代的统计教育,统计研究,2015年,第32卷4期。

[3] 葛虹,韩伟,大数据时代统计教育变革的SWOT分析与发展策略,统计与决策,2015年,第4期。

[4] 张海波,黄世祥,统计学专业学生大数据分析能力的培养方式选择,统计与决策,2014年,第24期。

[5] 李卫东,大数据对统计学科发展的影响,统计与决策,2014年,第13.期。

[6] 教育部高等学校统计类专业教学指导委员会.统计学专业教学单位.http:///category/信息公开/教学单位,2013-11-15.

第3篇

关键词:计量经济学;“深入浅出”;实验教学

中图分类号:G642.4 文献标志码:A 文章编号:1674-9324(2014)19-0077-02

一、计量经济学背景介绍

1.计量经济学的产生与发展。计量经济学(Econometrics)一词最早由挪威经济学家、第一届诺贝尔经济学奖获得者弗里希(R.Frisch)于1926年在《论纯经济问题》一文中,按照“生物计量学”(Biometrics)一词的结构仿造出来的。计量经济学是经济学的一个分支学科,是以揭示经济活动中客观存在的数量关系为内容的分支学科,是由经济学、统计学和数学三者结合而成的交叉学科。1930年12月弗里希和丁伯根(J.Tinbergen)等经济学家发起在美国克里富兰成立国际计量经济学会,该学会的成立标志着计量经济学作为经济学的一门独立学科被正式确立。美国诺贝尔经济学奖获得者萨谬尔森(P.Samuelson)认为:“第二次世界大战后的经济学是计量经济学的时代。”20世纪70年代以来,随着计算机的广泛应用和非经典计量经济学的理论有了新突破,使得计量经济学的理论和应用又进入一个新的阶段。

2.计量经济学在国内的发展。中国高等学校开设计量经济学课程已有20多年的历史,起初只是在部分学校的少数专业开设,1998年经教育部全国经济学教学指导委员会讨论决定,把计量经济学纳入了高等学校经济学门类各专业8门共同核心课程之一。全国各高校不仅在经济学类各专业已普遍开设了计量经济学,而且一些管理类专业也十分重视这门课程的学习。与此同时,计量经济学的学习不再仅限于理论层面,计量经济分析在经济领域中得到一定运用,仅从经济学类期刊文章看,学者在探索经济问题的过程中,更希望通过对经济问题的定量分析来提升文章实用价值,它也成为文章含金量的一个重要尺标。据统计,在1984―2007年《经济研究》刊物上发表的近3300余篇论文中,以计量模型作为主要分析方法的论文占到了53%[1]。

二、计量经济学的学科特点

从学科综合性看,计量经济学是一门综合性边缘学科。计量经济学的一个显著特点是它自身并没有固定的经济理论,计量经济学中的各种计量方法和技术,大多来自数学和统计学,但建立的计量经济模型需有相关的经济理论作为支撑。因此,在运用计量经济学的过程中,我们需坚持以科学的经济理论为指导,紧密结合经济问题所处的环境,选择适当的计量方法才能使计量研究成果发挥它应有的作用。从方法论角度看,计量经济学是一门工具学科。作为方法论学科,计量经济学信奉“经验主义”,作为经济问题分析的工具,计量经济学需要通过对经济问题的数量关系,并从定量角度分析实际经济问题。因此,计量经济学通过自身的优势,将现实中的经济问题,通过计量经济方法并结合相应软件,将经济问题转化为可度量且具有实际经济意义的分析结果,并为后续政策的制定提供数据支撑。

三、计量经济学在财经院校的发展现状

财经院校在开设课程的过程中,更强调课程的实际应用而不是课程的理论推导,理论推导并不是其教学主要目的。虽然理论推导及证明不是其学生的强项,但学生具有较强的经济学基础。虽然计量经济学作为经济学门类各专业核心课程,且该课程在教学建设中越来越受到重视,但计量经济学在财经院校的课程开设中仍面临着许多挑战。首先,课程具有课时少、内容多、实践性强的特点。目前,财经院校为本科生开设的计量经济学课时较为有限,而计量经济学是由经济学、统计学和数学结合而成的交叉学科,以微积分、线性代数、概率论与数理统计、微观经济学、宏观经济学和经济统计学等为先修课程。因此,计量经济学所涉及的知识内容广泛,内容较多。其次,计量经济学现有教学特点致使学生课程压力进一步加大。计量经济学要求学生在学习计量经济学之前必须具有宏微观经济学、微积分、线性代数、概率论及数理统计等先行课程的良好基础。但对财经院校而言,选修计量经济学课程的本科生其数学基础参差不齐,加之开设的时间正好为学生专业课最多的时间段。另一方面,计量经济学的学习是一个循序渐进的过程,前部分知识掌握的熟悉程度将直接影响后面知识的学习效果。最后,教学方法仍以理论讲授为主,导致教学的“深入深出”。现行的计量经济学教材中充斥着各种数学公式,教师在教学过程中可能过分注重于数学理论推导,而忽视了财经院校学生知识结构背景,在课堂教学过程中缺乏对学生的引导与启发,使得学生对计量经济学的学习兴趣缩减。

四、实现计量经济学本科教学的“深入浅出”途径

如果在计量经济学教学过程中忽视定量分析,经济研究很难深入下去,对经济“政策效应的验证也是一句空话”,但如果不改变理论脱离实践的问题,我们将会看到从公式到公式的数字游戏[2],这将最终形成计量经济学教学的“深入深出”,教学效果难于达到最大化。从财经院校本科教学视角出发,实现计量经济学教学的“深入浅出”教学途径可以从以下几方面进行考虑:

1.选择经典计量经济学部分作为本科教学重点。在本科阶段,计量经济学的教学目标应定位于让学生掌握计量经济学最基本的理论与方法,让学生具有运用计量经济方法分析实际经济问题的初步能力[3]。其中,经典计量经济学应用最为普遍,也是学习更高层次计量经济学课程的重要基础,符合财经院校绝大多数本科教学的实际要求。因此,可以选择经典计量经济学部分作为本科教学重点,更多的非经典计量经济学的内容可以放入更高层次学生的教学或学生根据自己个人兴趣爱好拓展非经典计量经济学知识。

2.减少数学的理论推导,重视其分析思想及实际应用。计量经济学是一门经济学课程,并不是数学课。因此,教学的内容和教学过程不能过于数学化。尽可能地避免不必要的数学推导,使学生了解方法的基本思想即可。以学生扎实的经济知识基础为支撑,加强其计量经济学的实际应用。

3.加强实验教学及启发教学。教师在教学实践中需适当引入案例调动学生的学习兴趣,增加教师与学生之间的互动。根据理论教学的进度合理安排实验教学的时间,通过案例演示及实验操作以提高学生解决实际问题的能力。在案例讲解的过程中,选择经济热点主题,同时案例内容紧扣教学大纲,改变教材中实例一成不变的形象,保持案例的动态更新[4]。计量经济学的实验课程学习可以让学生更为直观掌握计量经济学的运用。在实验课案例讲解的过程中,各个步骤需要结合经济问题及计量经济软件讲解,增加讲解的直观性,培养学生综合运用知识的能力。

4.增加同行间的学术交流,把握学术前沿发展动态。计量经济学是一门交叉性学科,虽然这门学科在中国发展仅20多年,但其运用领域在不断扩大。仅从目前权威的经济学类相关文献统计数据可知,越来越多的文献在分析实际经济问题的过程中涉及计量经济学方法作为辅助。计量经济学在中国的发展仍不成熟,并且其学术前沿问题也在不断更新,仅凭专业教师单一力量还略显单薄,因此,专业教师需增加专业间的学术交流活动,探讨专业领域相关困惑。通过学术交流活动,专业教师可以更为深刻地理解计量经济学相关理论及学术前沿发展动态。教师在教学过程中可适当为学生讲解专业相关的学术前沿发展现状,增强学生自主学习能力。

参考文献:

[1]陈永伟.计量经济学课程教学的创新性探索与思考[J].科教新报(教育科研),2011,(4):12-13.

[2]陈岱孙.陈岱孙文集(下卷)[M].北京:北京大学出版社,1989.

[3]庄.关于《计量经济学》课程本科教学改革的研讨[J].统计与咨询,2010,(06):46-47.

[4]徐盈之.研究型大学高级计量经济学课程教学改革探讨[J].东南大学学报(哲学社会科学版),2009,11(12):228-231.

[5]高铁梅.计量经济学分析方法与建模[M].北京:清华大学出版社,2006.

[6]李子奈.关于计量经济学课程教学内容的创新与思考[J].中国大学教学,2010,(1):18-22.

第4篇

关键词:家庭金融;能力效应;市场参与

Competence effect and financial market participation: Evidence from Household Survey Micro-Data

Wu Weixing Xu Qian Wang Gong

(Research Center of Applied Finance, University of International Business and Economics, Beijing 100029, China)

Abstract: In addition to household demographic characteristics, household wealth, illiquid assets and other objective factors, investors’ subjective perceived competence also have a significant effect on household participation in the financial market. Based on survey micro-data of households, this paper defines two indicators by the self-assessment of understanding of the market and investors’ own perceived ability. Empirical results show that investors’ subjective perceived competence has a significant and positive effect on household behaviors about market participation. It implies that the investors with higher self-perceived competence are more likely to participate in stock investment. It is also found that investors’ subjective perceived competence is mainly affected by education level, household income and health status.

Key words: Household finance; Competence effect; Market participation

能力效应与金融市场参与:基于家庭微观调查数据的分析

摘要:除了居民家庭的人口统计学特征、财富水平和非流动资产等客观因素之外,投资者主观能力感受对居民家庭金融市场参与也有显著影响。基于中国居民家庭微观调查数据,根据家庭户主对市场了解程度的自我评价以及能力水平感受构建指标,发现居民家庭主观能力感受对居民家庭市场参与行为具有显著的正向影响,表明如果投资者如果在自我感知的能力方面对自己有更高的评价,则更有可能参与股票市场。同时研究也发现教育程度、家庭收入和健康状况等均会显著影响居民家庭的主观能力感受。

关键词:家庭金融;能力效应;市场参与

经典的投资组合理论在最为一般的假设下证明经济人的最优资产配置是持有一定比例的风险资产和一定比例的无风险资产,并且风险资产的权重是不变的。但实证研究发现不管是在发达国家还是在新兴市场国家的居民家庭即使是非常富有的家庭都有很大比例没有参与股票等风险类资产的投资,这似乎并不符合经典理论的结论,学术界称之为“市场参与之谜”。那么,在现实中哪些因素是导致投资组合异质性的原因呢?大量的研究已经对居民家庭的人口统计学特征、财富水平和非流动资产等客观因素与家庭资产配置的关系进行了研究,本文则在此基础上基于中国居民家庭微观调查数据,对投资者主观能力感受与居民家庭金融市场参与之间的关系进行了分析,并探讨了影响居民主观能力感受的因素。

一、 相关研究综述

1.1居民家庭投资组合研究

第5篇

摘要:本文对计量经济学及其研究的内容和方法,论文进行了综述、补充和总结,系统地从经济理论、统计学和科学性角度分析了计量经济学模型方法及其设定方式。

关键词计量经济学内容模型方法

计量经济学是经济理论、统计学和数学三者的结合。计量经济学研究的主体是经济现象发展变化的数量规律,计量经济模型描述的是经济变量之间的数量关系,这就决定了计量经济研究必须以经济理论和经济运行机制作为建立模型的理论依据。此外,由于计量经济研究过程是将经济理论与客观事实紧密联系起来进行分析,计量经济研究的结论反过来可以验证有关经济理论的正确与否(即是否符合客观实际)。因此,计量经济的研究成果又可以进一步充实,完善和发展经济理论。

数理经济学是一门以数学形式描述经济变量之间逻辑关系、运用数学符号和公式分析研究经济现象的学科。数理经济学与理论经济学的区别只是表述形式不同,所以,有人称之为“理论上的空盒子”。但是,数理经济学对计量经济学的产生和发展却有着重大影响,因为它毕竟将经济关系数学化、公式化了,为计量经济学的进一步研究奠定了基础。

计量经济学家在此基础做了两点改进,一是在模型中加入随机误差项,使模型成为随机方程。二是利用统计资料和数理统计方法估计出模型的具体形式。所以,计量经济学时计量经济研究的基础,计量经济学时数理经济学的具体应用和发展,计量经济的研究结果在数理经济学的“空盒子”中填上了实际内容。

一、关于计量经济学模型方法科学性的研究

讨论计量经济学模型方法的科学性,必须回答如下两个方面的问题。

1.计量经济学的哲学基础问题。广义的或者说完整的计量经济学模型方法并不是一般认为的“只能检验,不能发现”,而是一个能够作出科学发现的研究全过程。计量经济学模型不是有人认为的“是归纳的”,模型设定阶段的演绎与模型检验阶段的归纳相结合,构成了完整的、辨证的计量经济学模型的认识论。

2.计量经济学模型方法体系的内在一致性问题。现代计量经济学包括时间序列计量经济学、微观计量经济学、非参数计量经济学以及面板数据计量经济学等相对独立的分支。它们之间的关系,特别是内在一致性,是计量经济学模型方法是否具有科学性的重要体现。从计量经济学模型发展的角度,论述计量经济学模型方法的科学性。

二、关于计量经济学模型的统计学基础研究

与计量经济学模型方法的统计学基础相关的专题有3个,即模型类型设定对数据的依赖性、模型随机扰动项的源生性和假设检验的不对称性。“计量经济学模型对数据的依赖性”全面地论述了计量经济学模型与数据的关系。从计量经济学模型类型选择、总体回归模型设定、模型估计和模型应用等方面分析了数据的作用,强调了模型对数据的依赖性。具体包括,计量经济学应用模型的类型依赖于表征研究对象状态的数据类型,不同类型的数据,必须选择不同类型的模型。

从检验对象的角度,计量经济学中的假设检验大体分为四类。一是关于模型设定的检验。二是关于分布的检验。三是关于样本数据的检验。四是关于模型结果的检验。从检验方法的角度,计量经济学中的假设检验大体分为两类。一类是非嵌套检验。在非嵌套检验中,既设定了原假设,又同时设定了备择假设,检验一次完成。绝大多数假设检验都采用非嵌套检验。一类是嵌套检验。在嵌套检验中,只设定了原假设,没有明确的备择假设,检验非一次完成。当原假设被拒绝,需要设计进一步的检验。

假设检验中充满着不对称性。假设检验的不对称性包括三个方面,一是统计意义和经济意义的不对称性,属于经济学范畴;二是证伪和证实的不对称性,属于逻辑学范畴;三是犯第一类错误和犯第二类错误的不对称性,属于统计学范畴。正确理解假设检验的不对称性,对于正确认识和正确应用计量经济学模型方法,都是十分重要的。

三、关于计量经济学模型设定理论的研究

在经典计量经济学模型的应用研究中,直接依据经济学理论设定总体模型的现象十分普遍,因此经典计量经济学模型通常被认为是先验理论导向的。以先验的经济学理论作为计量经济学模型总体设定的导向,至少存在两个主要障碍。第一,正统经济学以经济人假设和理性选择为其理论体系的基石,任何一种理论都建立在决策主体是理性的和决策行为是最优的基础之上。而计量经济学模型总体设定的目的,是建立能够描述人们实际观察到的经济活动之中蕴藏着的一般规律的总体模型,毫无疑问,实际经济活动既不是“理陛”的,也不是“最优”的。第二,正统经济学理论强调“简单”,认为只有简单的理论才能够揭示本质。而计量经济学模型恰恰相反,它强调“一般”,必须将经济活动所涉及的所有因素包含其中。所以,即使经济学理论是正确的,也不能据此设定计量经济学模型,因为它舍弃了太多显著的因素。所谓“统计检验必要性”原则,是对数据关系导向的批评。

计量经济学模型设定应该遵循“经济主体动力学关系导向”原则。以经济主体与环境之间的动力学关系分析为基础和前提,基于该动力学过程生成的数据,以数据统计分析为必要条件,验证并确定经济主体与环境的互动关系,正是计量经济学总体模型所要界定的因果关系。以这样的原则设定计量经济学模型,可以实现先验理论导向和数据关系导向的综合。

参考文献:

[1]李芝倩.应用导向下的本科阶段计量经济学教学之思考.赤峰学院学报(自然科学版).2010(12).

[2]吴国新,余宇新.基于主体可计算模型的服务外包生态系统研究综述.国际商务研究.2010(06).

第6篇

1.1独立学院学生的统计学学习现状

学生缺乏对于统计学的兴趣,很多经管类专业的学生在思想上意识不到统计学的重要性,并不太重视统计学的学习。独立学院的学生数学基础相对比较差,并且经管类专业的生源大多是文科生,对于数据、公式、原理的理解和学习普遍存在“畏难”情绪,也不善于数理类课程的学习。授课的普遍经验是学生对于描述统计学部分的学习很轻松,但是对于以概率论为基础的推断统计学部分的学习则是“叫苦连天”。讲授推断统计学部分的内容时,可以看到学生茫然的表情,似乎完全跟不上老师的节奏;下课后,不少学生向老师抱怨“好难,好难”。经管类专业的统计学课程是36-54学时,在这有限的课时里,要完成经典统计学的大部分内容———描述统计学、概率分布、抽样分布、区间估计、假设检验、线性回归的授课,时间已然不太足够。更何况,学生在高中对于排列组合的学习并不深入,甚至很多文科生反映他们完全没有学习过排列组合的内容;在大一只学习了微积分,并没有开设概率论相关的课程。因此在讲课的过程中还需要补充一些教材之外的基础知识,不仅时间不够用,而且学习的效果也大打折扣。

1.2独立学院教师的统计学授课状况

在教学内容方面,由于课时限制和学生基础薄弱,教师能够按计划完成教学计划已属不易;由于学生普遍反映统计学学习太难,一线的授课教师迫于教学质量评估的压力,不得不删减掉一些比较难的知识点。这就使得教师讲课的内容不得不局限于教材基础知识,而缺乏对于基础知识的延伸和对于学生解决实际问题能力的培养。在教学手段方面,由于现在的年轻教师授课过度依赖于多媒体,虽然展示了生动形象的图片、视频等,也能用动态的方式展示图形的变换。但是多媒体授课很难帮助教师把握好授课的节奏,尤其是统计学这种需要深入理解的学科,其结果是导致学生很难透彻理解基本原理和方法。

2独立学院统计学课程教学中存在的问题及分析

2.1教材选用不太合适

独立学院的很多课程在教材使用方面都和母体院校保持一致,统计学教学使用的教材也不例外。然而,母体院校本身就是偏重科研,在教学方面也偏重于理论教学;而独立学院的人才培养定位是应用型人才,在教学方面也更应偏重于应用能力的培养。而且,独立学院的学生相比母体院校的学生来说,基础较差,学习同等难度的教材肯定会很吃力。因此,简单的套用母体院校使用的教材肯定会导致教学内容和教学目标相冲突的现象。许多教材都是重理论、轻应用,太过注重讲述基本理论、基本方法的推导和计算过程,而缺乏经济与管理领域的相关案例,无法调动学生学习的积极性,也无法培养学生学习的兴趣。

2.2教学形式单一

目前独立学院对于统计学的教学大多仍是采用传统的以教师为主的“讲授式”教学。教师单向灌输式的向学生介绍基本方法及其推导,缺乏学生的全身参与,就会使得课程更加枯燥无聊。而现在的学生都是思想活跃、个性活波的90后,一味的“填鸭式”教学不仅会使他们失去学习兴趣,甚至会引起他们的反感。

2.3教学内容重理论、轻实践

经管类专业的统计学课程由于课时或者教学条件的限制,在统计学教学方面,只注重课堂上教师的单向讲授,只是机械的向学生灌输理论和相关公式,没有把统计学的授课和相关专业课程有机结合起来,甚至出现很多个专业在统计学授课时用同样案例的现象。这导致学生们在学习了一个学期的统计学之后,对它的印象只有“和高数一样难”,“一大堆公式”,而不知道学习这门课有什么用,该怎样用。

2.4考核方式简单

如今统计学课程的考核仍是采用传统的闭卷考试方式,考试的内容主要是计算分析附带一堆数据的题目。这样的考试主要考察学生对基础理论和基础方法的掌握,却很难考察出学生运用知识解决实际问题的能力。尤其是在“挂科”和评奖学金的压力下,学生最关注的还是试卷上的一个分数,他们希望取得高分,所以在期末时会拼命的通过习题进行演练,这个过程当然也能带来强化基础理论的效果。但是更真实的情况是,只要学生练习足够多的习题,即使他完全不会运用这个知识点,仍然能在试卷上按照早已经熟记的步骤和公式写出解题过程,仍然能取得不错的分数。很显然,这样的考核方式和培养应用型人才的目标相冲突的。

3独立学院统计学课程教学改革的措施

3.1选择或开发合适的教材

前几年的统计学教学采用中国人民大学出版社编写的统计学经典教材,该系列的教材内容全面、逻辑清楚,为很多高校所采用。然而该教材对于独立学院的学生来说难度偏大,偏重于对统计学原理和方法的讲解,而缺乏详实的经济管理领域的例子。近两年来我们采用国外学者主编的《经济与商务统计》作为教材,该教材内容相对比较简单,并且包含有丰富案例,这些案例都是来源于经济与管理领域,有些案例是讲述企业在生产经营过程中遇到了难题之后怎样运用统计学的思维进行解决的。较简单的教学内容能够减轻学生在学习中的心理负担,丰富的案例能让学生真切地意识到统计学的实用性,并能够激发他们的学习兴趣。

3.2建设学生参与型课程,充分调动学生积极性

从教学方式上来说,要多种教学手段并用,树立“教师为指导,学生为主体”的教学理念,进行互动式教学。具体来说,在教学中不能单纯采用教师讲授的灌输式授课,要结合采用案例教学法、项目教学法等方法。案例教学法中,通过精心准备的案例,对学生进行逐步引导,培养他们应用统计学的理念和方法解决具体问题的能力。在项目教学法中,把学生分为几个小组,以小组为单位完成一项统计调查任务;让学生作为任务主体,通过独立完成任务把理论和实践结合起来。

3.3改革教学内容,改变教学手段

统计学对于经管类专业的学生来说是一种工具,他们没有必要很清楚具体的统计公式是怎样推导出来的,也没必要把公式背得滚瓜烂熟,更没必要擅长把数据套进公式进行计算。他们只需要知道什么样的情况下应该采用什么样的统计学方法解决问题,统计的结果代表什么含义就可以了。所以在经管类统计学课程的教学中,应该强化基本原理的讲解,弱化公式的推导和统计计算。教学手段上,不应该过度依赖于多媒体教学,应当结和板书与多媒体教学,并增加上机课。统计学的内容理解起来比较难,如果全部采用幻灯片授课,学生对于上课内容无法深刻理解,当然也就不能很好地掌握了。板书教学会放慢课堂节奏,给予学生更充分的思考和理解时间,并且步骤清晰,更方面学生进行复习。上机课主要着重于学生实际操作技能的培训,讲解相关统计软件的使用,并让学生动手操作,加强技能的训练。

3.4考核方式多样化

考核方式不应该只是期末闭卷考试,描述统计学部分可以采用书面报告的形式进行考核。撰写格式规范、层次清晰、图表结合的报告是对于一个大学毕业生最基本的要求,可以找一些与本专业相关的案例和数据资料让学生进行分析整理并撰写分析报告,以此来培养和考核学生撰写规范的统计报告的能力,也可以考察学生对于统计图表的应用能力。

4总结

第7篇

关键词:统计学应用性;三线牵引课堂;教学创新;人才培养质量

1统计学课程特色分析

首先,统计学是经济管理类专业基础课。其作用在于方法体系和工具性质的入门,为更专业的统计工具学习做铺垫,这决定了教学过程中应重视统计意识和思维的传递…。其次,统计学是解决问题的方法性工具。教学应突出如何科学的收集整理数据,并恰当运用统计方法分析数据,解决实际经济管理问题。最后,统计学应用多元化。可应用于诸多专业领域问题,为课堂教学提供了各专业汇聚的丰富案例,但同时亦带来教学案例选择的难度。基于统计学课程的应用性、方法性,可设计三线牵引的课堂教学模式。

2三线牵引课堂教学实践

2.1三线牵引课堂设计

三线牵引课堂指在教学过程中,由求知心理牵引,完整解决问题的应用流程牵引,理论知识体系牵引三方面作为动力推动课堂进程,更具体的思路可总结为:情景案例导入,问题驱动思考,系统设问探索,问题解决成就感的获得,深入追问延伸后续章节学习,教学目标达成。以统计学中抽样与参数估计的讲解为例,可进行教学设计思路图如下:

2.2三线牵引课堂组织实现

首先,情景导入。情景1:某工厂生产某一型号灯泡,想知道这种型号灯泡的平均使用寿命,需要对所有灯泡使用寿命进行测试求出平均值吗?情景2:想知道铜陵学院一万八千多学生平均月生活支出或者是眼睛近视率,需要对全院学生进行全面调查吗?

其次,统计意识的引导,讲述抽样原因。面对上述情景,测量遇到了障碍,情景1是无限总体不可能实现全部测量,同时所有产品都用于实验这也是不可取的,情景2是总体很庞大而且个体之间差异性较小,没有必要进行全部测量;由此引出抽样和估计的概念。

再次,连续设问形式引导:抽样相关概念。问题一:抽取的这一部分单位叫什么呢?讲授:样本与总体概念。问题二:如何抽取?有什么要求呢?讲授:重复抽样不重复抽样及随机原则。问题三:应抽取多少个单位呢?讲授:样本容量与样本空间概念。问题四:进行观测计算的数量特征叫什么呢?讲授样本估计量:样本均值、样本比例、样本方差,与总体参数:总体均值、总体比例、总体方差,及总体参数确定性和样本统计量是随机性。

最后.持續探索抽样概率科学性:抽样分布。问题五:观测的数量特征是确定的一个值还是许多个值呢?为什么?讲授:样本估计量是随机变量。在随机原则抽样和样本空间概念的基础上进一步例证样本均值、样本成数、样本方差等样本估计量均是随机变量。问题六:如果是一个变量,有没有自己的分布律呢?讲授:抽样分布知识,难点部分,辅之概率论与数理统计部分知识的回顾。问题五讲解的基础上,进一步例证随机变量所有可能的取值,每个取值对应的概率,并针对总体如果取值改变,对应样本取值及概率会发生什么变化,总而总结出样本均值、样本成数服从的分布律,即为抽样的概率分布,在此理论讲解的基础上,要求学生记住可能的分布律及对应的参数。

另外,深入追问延伸后续章节学习:抽样误差。问题七:如果是一个变量,用一个变化的值来估计总体的数量特征会准确吗?讲授抽样误差概念,并延伸由于估计量随机性误差也是不确定的,误差的大小如何衡量呢,由哪些因素决定呢,留作课后思考下一节学习。

3三线牵引课堂教学创新点

首先,课堂设计导向创新,由兴趣吸引到任务驱动转变。兴趣吸引课堂是以案例情景引起学生兴趣,继而完成知识讲授,但该教学模式传递的是具有选择性的学习态度,可以感兴趣,亦可不感兴趣;三线牵引课堂是任务驱动,结合各专业时代问题设计经典案例,以学生必然面对该问题为要求,驱使其展开探索,并最终完成任务促成成就感获得。

第8篇

关键词:经管类专业;统计学;课程改革

引言

随着经济的快速发展,统计学知识和方法被广泛应用于政治、经济、科学等多个社会领域,发挥了重大的应用价值。统计学作为经管类专业的核心学科,主要通过搜集、整理、分析数据等手段,来推断所测对象的本质以及预测对象未来发展,其内容设计面广、理论性强、与现实生活联系紧密,对于培养经管类专业学生的综合能力具有重要意义。对经济管理类专业学生来说,在学习和毕业后的工作中,都会涉及到很多社会经济方面的数据,也会涉及到一些大数据分析。因此,统计学课程如何适应学校学习与学生在未来职业发展中的需要,成为职业技术学院统计学教学改革中亟待解决的问题。

一、 经管类专业统计学教学中存在的问题

(一)教学方法落后

目前统计学教学方法主要采用讲授制,教师通过粉笔黑板加电子教案式的教学方法太过单一,形同于直接灌输,学生的上课积极性往往较差。许多教师在授课过程中为了能够将统计学原理介绍的更加清晰,逻辑更加严谨,常常更注重基本原理的演绎和统计方法的选择,而忽略了统计学在我们实际生产、生活中的应用案例的讲解,这样就更加剧了学生认为统计学学习和自己未来的工作、职业发展没有关系,进一步影响学生对于统计学学习兴趣的培养。

(二) 实践教学环节薄弱

经管类统计学教师在课堂上过于重视理论的讲解,缺少必要的实践环节,在讲解过程中不能与实践相结合,导致经管类专业的学生对统计学的认识不到位,认为其就是一门简单的数学理论课目,没有实际的操作价值,从而忽视统计学在经管专业的地位。此外,教学材料普遍存在着知识面很广,但是不够精的现象,大多数统计学教材中没有建立统计思维的培养板块,只是在培养学生学习理论上的统计方法,并且教学所涉及的理论内容与经管专业学生所实践的内容不相符,导致学生学习理论知识无法运用到实践中去。

(三)考核方式不合理

统计学课程考核中平时成绩在整个考核中所占比重过低,而期末闭卷成绩所占比重过高,因此学生平时学习松散,导致课堂教学效率降低。学生上课迟到早退,甚至旷课现象严重。学生考前几天突击式复习,虽然能起到了一定的效果,但是这种学习方式不能真正地掌握统计学理论知识,更谈不上有效地应用统计学知识解决实际问题。平时的作业、期末考试命题方面涉及的内容也偏重于统计学理论知识,较少涉及到实际的知识应用,这样的考试内容不利于提升学生学习统计学的兴趣,更不利于培养学生的就业能力以及应用能力的培养。

二、 经管类专业统计学课程改革措施

(一)调整教学方法,引入案例教学

统计学课程开设时间比较悠久,课程内容已经比较成熟和完善。要使得学生有效、自信、轻松地接受课程内容,要考虑多种教学方法和途径。在教学方法上,教师可以设法采用多种形式,多应用启发式教学,重点通过引入大量案例,如当前经济社会热点、经典的统计应用案例、统计方法的来源和思想等,尝试让学生自己利用所学知识分析问题,既可以调动学生的学习积极性和主动性,又可以更深刻理解统计理论与方法的实际应用条件和分析思路。此外,还可以采用多种灵活的教学形式,如学生讲课、游戏互动、课堂讨论、小竞赛等,活跃课堂气氛,结合不同专业的特点,将统计学知识与其所学专业的融合,达到更好的教学效果。

(二)加强实践教学环节

统计学课程的教学过程中,加强实践环节,实现理论与实践相结合,对于提高教学质量具有重要作用。在统计学课程的教学改革过程中,培养学生实践能力,可以从以下两个方面进行:一是在教学过程中,给学生设置一定量的大型实验作业,让学生独立完成运用统计理论和方法分析实际生活中存在的经济管理专业问题,实验作业的内容应紧密联系学生本专业所学的专业知识为基础,同时兼顾目前社会经济生活实际,通过这一实践活动,使学生能够加深对某一经济管理实际问题的认识,使他们具有成就感,激发他们主动学习本专业知识的热情;二是教师必须联系社会生活中的实际案例进行教学,给学生示范应用统计学相关的具体方法,比如下载数据中国的数据资料,从新闻和广告等大家熟悉的渠道获取素材,使学生真正在实际生活中领会统计工作的内涵。这在一定程度上可以克服学生对国内外经济、政治生活了解不多,对企事业生产经营管理活动接触较少的弊端。

(三)考核方式多样化,题型丰富化

统计学课程考核中要侧重平时的考核,避免期末定终身,平时与期末比例应调整,可以适当提高平时成绩比重,比如平时比重提高至60%,期末考试成绩比重降低至40%。平时考核要包含多个方面,例如小测验、期中考试、出勤、实验报告、组织统计调查、撰写统计报告等;平时成绩中增加上机实验操作选用普及程度最广的EXCEL软件工具进行操作,使每个学生都能系统地掌握EXCEL在统计学中的应用;布置学生以宿舍为单位选定某个社会关注问题、学生感兴趣的话题进行调查设计完成调查问卷、数据收集、整理和调查报告,这样才能真正地实现学以致用,同时也锻炼了学生团队协作能力。此外,考试题型应当更加丰富,除了常规的判断题、单选题、多选题、计算题,还应当增加主观综合分析题考察学生运用统计知识解决实际问题的能力,这样的题目不仅能够对学生的学习效果有一定的区分度,更重要的是将偏向考试能力的培养调整为偏向应用能力的培养,从而避免通过死记硬背的方式就能取得高分的情况出现。

结束语

总之,职业技术学院经管类专业统计学课程改革的目标是提高学生分析和解决问题的能力,为社会输送合格的应用型人才。面对统计学教学中存在的问题,学校和教师必须积极采取有效措施,调整教学方法、引入案例教学,加强实践教学环节,完善考核方式,从而提高教学效率,促进经管类专业统计学的课程改革。

参考文献

[1]赖流滨.经管类专业统计学课程教学探究[J].中小企业管理与科技(中旬刊),2015,01:226-227.