大数据浪潮下《多元统计分析》课程教学改革*

赵丽琴

(山西财经大学统计学院，山西 太原 030006)

多元统计分析方法是处理多维数据不可缺少的统计方法。随着大数据规模和数据类型等特点的不断升级变化，对多维数据分析提出了更高的要求，意味着在大数据浪潮下，作为大数据思维前提的《多元统计分析》课程，有必要进行系统性地综合改革。

一、多元统计分析与大数据技术的联系与区别

多元统计分析是统计类专业的核心课程，大数据技术是由计算机人开发的借鉴了多元思想的面向大数据的一系列算法。二者存在着很强的联系，但基于数据的不同，也有区别之处。

(一)多元统计分析方法概述

多元统计分析方法主要有聚类分析、判别分析、主成分分析、因子分析、相应分析、典型相关分析、多维标度法、可视化技术等。依据各个方法的主要原理将这些方法的功能分为五类：分类与分组、数据的结构化简、依赖关系研究、预测、假设的构造与检验。

(二)大数据主要技术概述

大数据技术是根据特定目标，进行数据收集与存储、数据筛选、算法分析与预测、数据分析结果展示，从而帮助做出正确的抉择。常见的大数据算法有：分类和预测、关联分析、聚类、异常值探测、序列模式挖掘。

(三)多元统计分析与大数据技术的联系与区别

1.联系

两类技术的功能有很多相同之处：都是为了发现数据中的结构和模式；都具有分类和预测功能；都能描述变量或现象间的相关和关联性；很多方法的数学和统计基础相同。

2.区别

基于对数据和计算机能力要求的不同，二者也存在着很多的不同之处：对数据量的大小和类型要求不一样；学科基础有不同之处；目标和任务及其分析逻辑上存在差异。

二、教学实践过程

结合本校的研究生课程设置特点，针对大数据背景下的课程改革要求，进行为期约3年的教学实践。共有8次课32课时的内容。前3次课，在大数据背景下对已学内容进行梳理和总结；后面4次课有针对性地介绍几种大数据挖掘方法；最后一次课，进行交流和心得体会。

三、教学成果

在教学实践思想指导下，在近3年的实践中，课程教学改革取得了一些成效。

(一)基于大数据方法的文章逐年增多

关于大数据和利用多元统计方法进行分析的文章逐年增多。2015年后半年本课程正在尝试进行改革，相关论文只有2篇，2016年和2017年，课程改革已过两年多，分别增长到4篇和10篇，在当年毕业生人数中占到约30%的比重(2017年)，绝对量和相对数得到明显提升。

(二)计算机编程能力有所提高

学生在课下利用网络课程等方式自主学习软件，并尝试编程，使得软件编程能力有所提高。不仅限于R软件的学习，有的还学习了Python、Hadoop、Java、SAS等其他软件。

(三)自学能力逐渐形成

通过老师抛砖引玉地提供知识点和前沿领域信息，学生能够根据兴趣，利用互联网查阅和学习相关知识，逐渐形成了较强的自主学习能力，在线搜索能力和在大量杂乱信息中获取有效知识的能力也不断得到增强。

(四)在线获取数据能力增强

鼓励学生尝试用Python软件、R或者八爪鱼等软件在开放的平台或相关的互联网端口获取有用的数据。如毕业论文《基于社交网络平台的股市信息传递特征研究—以新浪微博为例》、《互联网个人信用评估研究——基于不平衡样本视角》、《有限关注和媒体舆论导向对股票交易影响研究》，分别要在新浪微博、互联网平台、社交平台的端口来采集数据。

(五)数理推导能力提高

经过第一个阶段的数学推导训练，大部分学生的数学基础进一步牢固，数理推导能力显著提升，看文献时轻松多了；搞清楚数学原理后，编程也没那么难了。

四、结论

当前全国各大高校都在重新制定人才培养方案，培养目标明确导向“加强大数据的采集与分析与市场需求紧密联系的课程教育”。在大数据浪潮下，能在教学中主动将传统课程结合大数据进行改革是有意义的。希望通过改革，能培养出更多的适应社会需求的统计人才！