《多元统计分析与R建模》教学大纲

《多元统计分析与R建模》教学大纲课程编号：06220233英文名称：MultivariatestatisticalanalysisandRmodeling学分：2学时：总学时48学时，其中理论16学时，实践32学时先修课程：线性代数、概率统计、管理统计课程类别：专业主干课程（必修）授课对象：大数据管理与应用专业学生教学单位：商学院修读学期：第6学期一、课程描述和目标多元统计分析是以概率统计这门数学科学为基础，应用线性代数的基本原理和方法结合计算机对实际资料和信息进行收集、整理和分析的一门科学。多元统计分析通常计算量大，需要运用大量的数学公式、数学符号、矩阵运算和统计计算，因此必须借助于现代化的计算工具。目前受到广泛应用的R语言是属于GNU系统的一个自由、免费、源代码开放的软件，是一个用于统计计算和统计制图的优秀工具。本课程基于R语言，学习和应用包括多元相关、回归分析、判别分析、聚类分析、因子分析、对应分析等常见多元统计分析的原理，并采用R语言进行建模。课程目标1：了解多元统计分析在管理领域的应用；掌握R语言的基本语法和应用领域；了解相关分析、回归分析、判别分析、聚类分析、因子分析等多元统计方法的基本数学原理。课程目标2：初步掌握搜集多元统计分析所需数据的方法；熟练使用R语言进行相关分析、回归分析、判别分析、聚类分析、因子分析等常见多元统计方法的操作。课程目标3：能够应用多元统计分析和R语言建模解决实际管理问题，同时培养求真、求实、创新、探索精神，进行统计分析实践时不弄虚作假，并将所学知识技能应用在为改善我国企业经营管理上。

二、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权重2-1大数据管理基础理论：具有系统化管理思维、较高人文和管理素质，系统掌握大数据商务分析中的数学、统计学、计算机科学、数据科学、经济学与管理学基础理论。课程目标1H2-2理论知识整合学习能力：掌握管理科学与工程专业数据、模型与决策、统计学等主干课程，同时融入机器学习与人工智能等新技术新方法，并整合商科优势，培养学生更加注重对于现代管理、电子商务、营销与金融等商业背景知识的学习。课程目标1、2L2-4国际化交流与现代化工作能力：具有熟练的英语语言应用能力和计算机运用技能，能够胜任国际化交流和现代化工作。课程目标3L3-2大数据管理技术综合运用能力：熟练掌握商务数据建模与决策分析的相关技术、方法和工具，具备运用大数据技术和软件工具为不同行业进行商业分析、量化管理和商业智能决策的能力。课程目标2M3-3专业知识与素养：具有宽阔视野、扎实专业基础，以及较高商业道德素养、创新能力、创业精神。课程目标3M三、教学内容、基本要求与学时分配理论课：序号教学内容基本要求及重、难点（含德育要求）学时教学方式对应课程目标1多元统计分析概述与R语言基础了解多元统计分析的历史、用途、内容和应用；掌握如何配置R语言环境；掌握基础的R语言语法；了解多元数据的数学表达以及多元数据的R语言使用3集中讲授、课堂演练课程目标1、22多元数据的直观表示了解描述性统计与数据可视化的基本概念；掌握条形图、箱尾图、星相图、脸谱图等数据图表的R语言实现方法1集中讲授、课堂演练课程目标1、23多元相关与线性回归分析了解多元回归分析和多元相关的基本概念；掌握多元线性回归分析、多元相关分析（包括简单相关和复相关）的数学原理以及R语言实现方法2集中讲授、课堂演练课程目标1、2、34广义与一般线性模型了解数据分类与模型选择之间的关系；掌握Logistic模型、对数线性模型等广义线性模型的数学原理与R语言实现方法；掌握完全随机设计模型、随机单位组设计模型等一般线性模型（方差分析）的数学原理与R语言实现方法2集中讲授、课堂演练课程目标1、2、35判别分析了解判别分析的基本概念；掌握Fisher判别法、距离判别法、Bayes判别法的数学原理与R语言实现方法2集中讲授、课堂演练课程目标1、2、36聚类分析了解聚类分析的基本概念；掌握系统聚类法、快速聚类法的数学原理与R语言实现方法2集中讲授、课堂演练课程目标1、2、37主成分分析与因子分析了解主成分分析与因子分析的基本思想与有关概念；掌握主成分分析与因子分析的数学原理与R语言实现方法3集中讲授、课堂演练课程目标1、2、38数据分析报告的撰写了解多元统计分析在科研、生产与管理领域的实际应用；掌握数据分析报告的标准格式，并了解如何在学术论文中汇报数据1集中讲授、课堂演练课程目标3合计16实验课：序号实验项目实验内容与要求学时类型对应课程目标1R语言基础掌握R语言的基本操作2上机课程目标2、32多元数据的直观表示理解数据可视化的基本概念，运用R语言实现条形图、箱尾图、星相图、脸谱图等数据图表的呈现2上机课程目标2、33多元相关与线性回归分析运用R语言实现多元线性回归分析、多元相关分析2上机课程目标2、34广义与一般线性模型运用R语言实现Logistic模型、对数线性模型等广义线性模型，以及完全随机设计模型、随机单位组设计模型等一般线性模型2上机课程目标2、35判别分析运用R语言实现Fisher判别法、距离判别法、Bayes判别法等判别分析方法2上机课程目标2、36聚类分析运用R语言实现系统聚类法、快速聚类法2上机课程目标2、37主成分分析与因子分析运用R语言实现主成分分析与因子分析2上机课程目标2、38综合练习综合采用各种多元统计分析方法对具体数据进行分析，并使用R语言实现2上机课程目标2、3合计16四、课程教学方法集中讲授、课堂演练、上机操作五、学业评价和课程考核（一）考核方式及具体要求1.课程成绩构成与要求课程考核注重形成性和终结性评价相结合，考核内容主要由课堂互动（线上线下平台）、课程作业、期末考核组成，均按百分制计分，其中期末考核成绩占60%、课堂互动占10%、课程作业成绩占30%。课程作业为上机实验报告，期末考核采用课程论文形式，要求学生针对具体的管理问题，采集相应数据，并以简单的论文形式报告数据分析结果以及对于管理问题的思考。2.课程目标达成考核与评价序号教学环节课程目标1（分值）课程目标2（分值）课程目标3（分值）合计1课堂互动550102课程作业101010303期末考核20202060课程目标对应分值353530100（二）考核与评价标准1.课堂互动考核与评价标准线下互动：根据参与小组讨论的情况、课堂回答的情况相应给分。对于有独特、创新见解的回答给予高分，对于基本符合要点的回答给予中高分数，对于不到要点的回答给予低分。线上互动：根据参与线上学习平台的情况相应给分，包括线上平台的习题和讨论等。2.课程作业考核与评价标准分值观测点90-100分70-89分60-69分0-59分课程作业按时完成，90%以上的作业内容齐全，基本知识点理解、掌握到位，统计方法完全正确。能够对统计报表进行较为深度的解读。按时完成，70%以上的作业内容齐全，基本知识点理解、掌握较到位，统计方法基本正确。能够对统计报表进行基本解读。延时完成，60%以上的作业内容齐全，基本知识点理解、掌握基本到位，统计方法有一定错误。不交和补交，50%以下的作业内容齐全，基本知识点理解、掌握有偏差，统计方法完全错误。3.期末论文考核与评价标准分值观测点90-100分70-89分60-69分0-59分课程大论文研究方法合理，运用多元统计分析的方法准确，研究信效度较高；格式规范，符合课程论文写作要求；参考文献充分、正文引用恰当，文献引文格式符合文献标准；无摘录摘抄痕迹，能恰当运用自己的语言组织素材，论点正确。研究方法合理，运用多元统计分析的方法大体准确，研究信效度一般；格式符合课程论文写作要求；参考文献充分、正文能够较好对文献进行引用，文献引文格式基本符合科技期刊论文文献标准；正文主题大部分运用自己的语言组织素材，论点正确。研究方法有不合理之处，运用多元统计分析的方法有不准确之处，研究信效度不足；格式符合课程论文写作要求；参考文献有，文献引文格式基本符合科技期刊论文文献标准；正文有部分摘抄，论点分析较清晰。研究方法不合理，运用多元统计分析的方法出现严重错误，研究信效度较低；论文格式不符合课程论文要求，能反映部分主题内容，论文结构不完整，论点分析不清晰，参考文献少，正文没有引用，格式