時間：2023-08-25 16:34:12
序論：在您撰寫數據分析的統計學基礎時，參考他人的優秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發您的創作熱情，引導您走向新的創作高度。
[關鍵詞] 大學生；經管類專業；數據分析能力；職業競爭力；問題；策略
[中圖分類號] G320 [文獻標識碼] B
近年來，隨著全球經濟一體化進程的加快和網絡時代信息獲取的便捷程度的極大提高，“用數據說話，做科學決策”已成為企業提高經營管理水平的必然選擇，在全球500強企業中，90%以上的重要投資和經營決策都取決于充分的數據分析支持。數據分析在企業戰略規劃、項目投資決策、融資決策、營銷決策、生產運營與管理決策中發揮的作用和價值日益顯現，并已被我國政府部門和各行各業越來越多的企業所認同。在這一時代背景下，社會對項目數據分析師、市場調查分析師這些高技能應用型人才的需求旺盛，供給缺口巨大，據權威部門預測，在未來幾年，我國對專業項目數據分析師的需求預計可達20萬人，調查分析師的市場缺口則在100萬人以上。面對社會對數據分析人才的強勁需求和高校經管專業畢業生就業難并存的局面，高校應充分地認識到，當今社會數據分析能力已成為經管類大學畢業生在職場中生存的一項核心能力，積極探討提升經管類專業大學生數據分析能力的有效策略，對于更好地適應社會需求，提高大學生的職業競爭力具有重要的意義。
一、社會對數據分析人才的技能與素質要求分析
數據分析是指運用適當的統計分析方法對收集來的大量數據進行整理、分析，從數據中提取有用信息并形成分析結論，提出有價值的決策參考建議的過程。數據分析師是指在不同行業中，專門從事數據搜集、整理、分析，并依據數據做出行業或市場研究、評估和預測的專業人員。筆者通過對各大招聘網站數據分析師、市場調查/市場分析師等職位招聘信息的搜索和分析，深入挖掘并歸納出社會用人單位對數據分析師職位的技能和能力素質要求（詳見下表1），以期為高校經管專業學生數據分析能力的培養提供參考。
從表1可以看出，數據分析能力是一種綜合實踐能力，它要求數據分析人員在了解行業狀況及公司業務流程的基礎上，構建數據分析的思路，主動地搜集相關數據，運用恰當的統計分析方法，借助于統計分析軟件對數據進行處理和分析，從而得出分析結論，并撰寫出有價值的分析報告。
通過以上分析，筆者認為，高校在經管類專業學生的培養定位中應對數據分析能力的培養給予充分的重視。應要求所有經管類專業的學生具備基本的數據分析能力，以適應本專業領域業務數據的收集、整理和初步分析的需要，并有針對性地培養出一批具有較強數據分析能力的學生，為他們考取項目數據分析師、調查分析師等資格證書創造條件，使他們有機會成為各行業中數據分析領域的高級專門人才。
二、經管類專業大學生數據分析能力培養中存在的主要問題
（一）經管類專業課程體系設置中缺少數據分析能力培養模塊
當前，在許多高校經管類專業的培養方案中，較少設有專門講授數據分析內容的課程。與數據分析相關的內容分散于《大學計算機基礎》、《數據庫應用基礎》、《統計學》、《市場調查與預測》等課程，學生雖然從多門課程中接觸到與數據分析相關的一些內容，但各門課程的教學資源未能實現有效的整合，如，《大學計算機基礎》課程一般在大一開設，該門課程中將Excel軟件作為辦公自動化軟件之一，一般只講授簡單的文字和數據錄入及處理，并未涉及Excel軟件的高級數據分析功能。而《統計學》和《市場調查與預測》課程一般在大二開設，主要側重于從理論上介紹數據的收集、整理和數據分析的各種方法，以及市場調查和市場預測的各種方法，這兩門課程主要為數據分析提供方法論的指導。這樣的課程體系設置中就缺少了將數據分析的方法與數據分析的工具結合起來培養學生數據分析實際技能的課程，致使學生并未能有效、深入地掌握實際的數據分析技能。
（二）缺少實用性強的培養學生數據分析能力的實踐教材
近年來，一些出版社出版了一批以Excel或SPSS為分析工具的統計分析教材，如：黃等編著的《Excel統計分析基礎教程》、鄧維斌等編著的《SPSS19（中文版）統計分析實用教程》等教材，這些教材在內容體系上與《統計學》教材大體相同，教材內容涉及面廣，與企業實際需求結合不緊密且難度較大，對于沒有數據分析基礎的學生來講很難掌握，而且有些高級統計分析方法在企業的實際工作中也很少能應用到。
（三）缺乏數據分析理論與實踐能力兼備的教師隊伍
培養學生的數據分析能力，首先需要擁有一支既懂數據分析理論又能指導學生統計軟件操作的高水平的教師隊伍，而長期以來統計學教學中一直存在的重理論，輕實踐的狀況，使得能夠講授《數據分析》實踐課程的教師嚴重缺乏，這也是影響學生數據分析能力培養的關鍵制約因素。
（四）學生對數據分析存在畏懼心理
對于許多初次接觸統計學和數據分析的學生，經常會對書中大量的數學公式和復雜的軟件操作產生畏懼心理和回避心理，加之一些統計學教師在教學過程中對學生的學習沒有加以正確的引導，致使很多學生從一開始就對掌握數據分析這門有用的技能失去了的興趣和學習的信心，從而必然會影響到學習的效果。
三、經管類專業大學生數據分析能力提升策略的探討
（一）完善學生數據分析能力培養模塊
為強化學生數據分析能力的培養，高校經管類各專業的培養方案中應設置培養學生數據分析能力的模塊。筆者認為，首先應將已開設的與學生數據分析能力培養相關的《大學計算機基礎》、《數據庫應用基礎》、《統計學》、《市場調查與預測》等課程的內容進行有機地整合，在此基礎上，在大三學年開設《數據分析基礎》實踐必修課，以加強學生數據分析的實際技能，構建學生數據分析能力的完備知識體系。同時，經管各專業還可根據需要增設《SPSS軟件應用》作為專業選修課，以滿足那些對數據分析有濃厚興趣，準備考取項目數據分析師、調查分析師資格證書，有志于成為數據分析專門人才的學生的需求。
（二）開發實用性強的《數據分析》實踐教材
借鑒社會項目數據分析師、調查分析師資格認證相關培訓教材，編寫一部《數據分析基礎》實踐教材，教材將以通用的Excel軟件為分析工具，這樣可以降低學習難度，從心理上拉近與非統計專業學生的距離，目的是使經管專業的學生掌握必知必會的數據分析概念、流程和操作，以適應社會對經管類應用型人才應具備基本的數據分析技能的需求。教材的內容體系將按數據分析的流程構建，具體內容將設以下7大模塊：1.數據分析概述；2.數據采集；3.數據處理；4.數據分析（包括數據分析方法、數據分析工具的使用）；5.數據呈現；6.報告撰寫；7.綜合案例。
（三）培養一支數據分析理論與實踐能力兼備的教師隊伍
針對當前部分高校缺乏數據分析理論與實踐能力兼備的講師隊伍的難題，學?？梢圆扇 耙M來，走出去”的辦法多渠道解決專業師資力量不足的問題，一方面可以從其他學校聘請專業教師授課，也可以派出本學校中、青年教師到其他設有統計學專業的高校進行短期的進修學習，以提高數據分析的理論水平和實踐能力，此外，學校還可以鼓勵本校中、青年教師考取項目數據分析師等資格證書，以深入地了解社會對數據分析能力的需求，使學校的人才培養定位與社會需求能夠實現無縫對接。
（四）培養學生對數據分析的濃厚興趣
記得有一位資深的數據分析人士曾說過：“統計學是一門很難，但是很有趣，更是很有用的工具學科。懂得如何使用它的人總是樂在其中，而尚未入門的人則畏之如虎?！惫P者結合多年的教學經驗認為，要想將《統計學》這樣一門多數人認為很難的課程讓初學者理解它、接受它，對它產生濃厚興趣，需要借助一些人們生活中的小案例，將難懂的統計學的基本概念和公式還原回生活當中，用來解釋社會經濟現象，幫助學生發現隱藏在數據背后的規律。總之，培養學生對數據分析的濃厚興趣，是提升經管類專業學生數據分析能力的關鍵所在。
[參 考 文 獻]
[1]鄧維斌，周玉敏，高錫榮.經管專業數據分析能力研究[J].數字通信，2013（2）
關鍵詞：大數據時代；統計學；影響
隨著大數據時代的到來，各企業采用了新的策略，獲得了更多的利潤。對于統計專業來說，改變發展策略，使培養出來的專業人才能夠適應大數據背景的需求是其主要任務。目前，高校統計學專業逐漸認識到大數據時代綜合性人才培養的重要性，并對專業建設進行了相關改革。
一、大數據時代對統計學的影響
大數據時代的到來對現代統計專業的發展造成了新的沖擊，要確保培養出來的人才能夠起到應有的作用，首先要了解大數據時代對統計專業所造成的影響。
（一）大數據時代使數據結構和數據性質發生變化
網絡技術以及基于網絡技術的電子商務等新的數據記錄模式標志著大數據時代的到來。大數據時代，不再依賴于抽樣調查的記錄模式，網站瀏覽、視頻監控都將形成大量數據。傳統的數據結構甚至是數據性質發生了變化。大量的數據信息對于需求者來說，如何甄別其可用價值成為關鍵。傳統的數據可以二維表格顯示和整理。但大數據時代所產生的數據具有多樣化和復雜化特征，往往包含了大量的音頻、視頻、HTML等。這要求大數據的收集具有較強的目的性，才能實現其價值。
（二）大數據時代要求統計分析方法和統計思維更新
大數據時代的主要特征為數據多且復雜，數據分析要求分析者對總體進行分析。在這一背景下，參數統計不再具有意義，假設檢驗法也隨著總體分析而失去價值。數據的復雜化對傳統大數據統計思維造成了巨大的沖擊，要求統計者具有活躍的思維。只有對傳統數據的改變進行分析，并且樹立新的統計方法。
二、大數據時代下的統計學發展新策略
為適應大數據時代的需求，統計學專業的發展勢必要對傳統模式進行改革。目前，多數高校統計學專業已經認識到大數據對于其發展帶來的沖擊。為此，本文提出了以下策略，以及能夠幫助統計學取得更好發展。
（一）加強統計應用性教學
根據大數據時代數據的總體分析特征，數據分析人員應掌握全面的分析方法。在人才培養過程中，應致力于培養實踐分析能力，提高數據和資料收集能力，并且培養其強烈的數據價值觀，使其能夠從眾多數據中找到所需的。另外，對傳統模式進行改革，增加大數據統計內容，以適應時代的需求。基于大數據的結構特點，實施資料透視化教學，提高分析者對復雜數據的分析能力。
（二）培養大數據統計思維
在人才培養過程中，新的統計思維的培養具有重要意義，即強調數據分析實踐能力的提高。統計思維的培養有助于數據分析者對復雜的數據進行區分，從而整理有效信息。在大數據時代，不僅要以傳統的平均思維、動態思維和變異思維為基礎，還要注重基于整體分析的大數據思維。另外，還要培養數據分者的復雜性思維，以應對復雜的數據庫?？傊?，大數據時代需要數據分析者具有全面的、創新性的思維。
（三）強化基礎性統計知識
統計學自身具有復雜性，其改變多且抽象。基礎的統計知識是進一步掌握大數據分析思維的基礎，可見學習基礎性統計知識的重要性是不言而喻的。為此，應該采取深入淺出的方法，利用多媒體等方式使復雜的數據統計清晰化、簡單化。結合具體的案例使數據分析者正確認識統計概念、掌握統計原理和方法。此外大數據分析不再是一種專業，而是更傾向于一種技術，這要求我們將大數據分析與統計學以外的相關知識相互聯系。注重真實相關與偽相關的講解，強調商務智能的開發和分析。只有具有堅實的基礎，才能確保數據分析者大數據分析思維的養成，適應現代社會的需求。
（四）加強復合型人才培養
為適應大數據時代的需求，復合型人才的培養是關鍵。所謂復合型人才，是指其不但要具有專業的數據分析能力，還要相應的具備管理以及其從事專業的技術。大數據時代，高校應建立全面的人才培養模式，注重培養人才的數據分析能力、編程能力等，使其真正了解大數據，懂得如何利用大數據對其所處的行業起到積極作用才是關鍵。總之，大數據時代對綜合性人才具有更高的需求，大數據時代不僅培養的是一種能力，而且是一種思維，是對全新模式下的數據的分析和利用。高校作為人才培養的重要基地，其教學模式的改革、對大數據時代所需教學模式的認識是高校的主要任務。
三、總結
統計學是經濟學的基礎課程，傳統的統計人才培養具有定向性。而隨著大數據時代的到來，數據產生的形式多樣，且具有復雜性。大數據分析不僅是作為一種專業存在，而是應以一項必備的技術而存在。大數據時代，傳統的統計思維和統計方法發生了改變，統計人才培養方式的改革也就勢在必行。（作者單位：海南師范大學）
參考文獻：
[1] 朱懷慶.大數據時代對本科經管類統計學教學的影響及對策[J].高等教育研究，2014（3）.
[2] 姚壽福.經濟管理類本科專業統計學課程教學改革思考[J].高等教育研究，2012（3）.
[3] 孫耀東.大數據背景下統計學專業課程教學探究[J].廊坊師范學院學報（自然科學版），2015（06）.
關鍵詞：大數據 統計專業 核心
中圖分類號：G632 文獻標識碼：A 文章編號：1674-2117（2014）10-0008-02
1 大數據的統計涵義
通常來說，凡是數據量超過一定大小，導致常規軟件無法在一個可接受的時間范圍內完成對其進行抓取、管理和處理工作的數據即可稱為大數據。業界通常用4個V（即Volume、Variety、Value、Velocity）來概括大數據的特征：數據體量巨大、數據類型繁多、價值密度低、處理速度快。
大數據潮流讓我們獲得了海量的數據，數據已經成為相關行業創造價值的重要資源。因此，許多IT企業和互聯網企業都已將業務范圍延伸至大數據產業，探索大數據驅動的業務模式。2012年，美國政府投資2億美元啟動的“大數據研究和發展計劃”，更是將大數據的研究上升到國家戰略層面。然而，大數據的真正意義不在于數據量的巨大，而在于對數據信息進行專業化的處理，核心是對數據進行分析。面對大數據，越來越多的領域都開始運用數學特別是統計學的工具，挖掘大數據中真正蘊藏的價值。正如西內啟在《看穿一切數字的統計學》書中所指出的，“從數據中得出有意義的結果，關鍵在于控制和減少誤差，得出因果關系，單純收集數據并加以全部量化分析在很多情況下會得出謬誤結果，”而科學的統計學方法是得出因果關系的最佳方法。
從統計學角度看，一方面，大數據具有類型繁多、結構復雜、體量巨大等特點，海量數據以分布式方式進行存儲，特別是圖片、音頻、視頻等非結構化數據的廣泛存在，傳統的統計方法和統計分析工具已無法滿足大數據分析的需要，亟需統計方法的革新。另一方面，數據分析結果需要用生動、直觀、容易被接受的方式展示給讀者，可視化分析能夠直觀地呈現大數據的特點，闡釋數據與數據之間的聯系。因此，統計學要挺立大數據潮頭，創新統計分析工具、可視化分析方法，以大數據的挖掘和應用為核心，將傳統文本、圖像的統計、分析向數據分析轉變，以適應大數據時代的發展及其對統計學帶來的挑戰。
2 大數據時代統計學教育面臨的挑戰與應對
據互聯網數據中心（Internet Data Center）預測，中國大數據技術與服務市場將會從2011年的7760萬美元快速增長到2016年的6.16億美元，而據業界專家估算，中國大數據市場的人才需求量至少為100萬人，其中統計人才、技術更是捉襟見肘。傳統數據收集和分析技術的知識結構已不能滿足大數據時代對“數據科學家”的要求，多家企業在面對大數據發展時遭遇人才瓶頸。大數據相關人才供給不足將會成為影響大數據市場發展的一個重要因素。
當前，全世界范圍內已有數百個高校開設了大數據分析專業。卡內基梅隆大學和新澤西州立大學在培養目標和課程設置上項目設置偏重于計算機方向。課程設置偏重統計學與運籌學（包括決策科學）的典型學校有田納西大學和約克大學。2013年，北京航空航天大學與慧科教育合作開辦了國內首個“大數據技術與應用”軟件工程碩士項目研究生班，這是目前國內唯一一個培養大數據行業專業型人才的項目，但其培養目標、知識體系是面向計算機領域，而立足統計學基礎的大數據分析人才培養項目，在國內可謂是鳳毛麟角。
知者隨事而制。高等院校統計學專業要通過有效利用和整合人才培養資源，承擔大學人才培養的責任，駕馭大數據的浪潮，占領大數據發展人才培養的制高點，體現高等院校向社會、企業提供智力支撐，輸送企業亟需的復合型、實用性大數據分析人才的載體作用，確保產業科學、持續、高速的發展。一是教育資源的整合，走在前列的首都經濟貿易大學、北京大學、中國人民大學、中國科學院大學、中央財經大學五所應用統計專業碩士培養單位在北京成立了“中國大數據教育協同創新體”，在高校之間實現學科融合、優勢互補、強強聯合，通過共享優質資源平臺、共同建立課程體系、共同建設案例資源庫、聯合搭建實踐實訓平臺等多種形式，創新人才培養體制機制。二是高等院校教育資源與業界資源的整合，通過與國有超大型企業、互聯網翹楚的協同培養，立足應用統計專業碩士教育，建立人才培養基地，進行協同創新，探索構建應用統計（大數據分析）專業碩士人才協同培養模式。以緩解當前大數據人才供需矛盾為目的，建立“校校協同、校企協同、院系協同”的大數據分析方向人才協同培養模式，最終實現協同培養“數據科學家”的目標。[5]
3 面向大數據分析方向的應用統計專業碩士培養模式的構建
本研究認為，可以將大數據分析及相關的案例教學模式融入應用統計專業碩士學位研究生的培養過程，進而打破統計學傳統的以闡述統計理論、公式推導、數學計算為主的教學模式。以情境浸潤為基礎，為學生呈現統計學在大數據領域應用為核心的教學模式，可以培養學生對大數據的挖掘、整合、分析價值的能力，以期更好、更快地適應企業對數據分析師、數據科學家的需求。
3.1 科學構建課程體系，突出大數據分析特點
大數據具有強烈的行業特點，在充分借鑒國外大學成功經驗的基礎上，大數據分析專業碩士的課程設置，強化數據分析能力和數據挖掘能力，注重上述技術在金融等領域的應用。必修課在講授統計基礎理論（描述、多元、時序、空間、可視化等）課程的基礎上，為增強學生的大規模分布式計算技能，引入主流的大數據計算平臺，如Hadoop分布式平臺、MapReduce并行編程算法。與此同時，為提高學生動手能力，構建數據模型思維，開設《大數據分析案例》等多門課程。選修課方面，考慮到學生二次開發的需要，設置大數據開發基礎課程，如C++、Java等。為突出應用統計專業碩士側重應用的特點，開設面向數據的編程語言，如R、SAS、Python等課程。這些課程模塊的設置并非體現某一學科知識的縱深發展，而是將相關學科的知識融合，有利于突出大數據分析的特點。
3.2 創新教學培養模式，注重培用結合
以“編組”方式開展教學活動。授課教師和學生均采用團隊編組模式，多名教師協同工作，共同完成一門課程的授課任務。打破原有學科思維、教材的束縛。采用導師指導與集體培養相結合的方式。教師不可照搬舊有的教學大綱、課程內容，要學習和熟悉大數據相關知識體系與技術新進展，充分結合大數據分析需求和實際案例，使課程內容緊貼實際需求，注重培養學生對模型的理解，對數據的想象力，真正實現學以致用、培用結合。
采取“訂制化”培養模式，突出培養與應用相結合的特點，力爭做到人、崗的高度匹配。“訂制化”培養模式打破了目前應用統計專業碩士統一培養、與市場需求脫節的模式壁壘，教學實踐以市場需求為導向，依照企業的崗位標準、用人要求，強調以崗位需求制定培養方案，更好地滿足用人單位對大數據分析人才的需求。
3.3 開展校企協同培養，構建問題導向、項目牽引的實踐教學模式
根據國務院學位委員會的規定，應用統計學專業碩士學位研究生教育的目的是培養具有良好的統計學背景，系統掌握數據采集、處理、分析和開發的知識與技能，具備熟練應用計算機處理和分析數據的能力，能夠并適應行業或職業實際工作需要的應用型高層次人才。因此，要摒棄普遍存在的重理論輕實踐、重知識輕技能的教學方式。
協同創新培養在實踐教學中建立了以問題為導向，以項目為牽引的運作機制，強調實踐教學內容的呈現方式要面向企業需求，讓學生參與到企業的項目運行過程中，引導學生建立業務建模能力，培養學生的數據資源整合能力，激發學生參與項目的積極性和自覺性。學生不拘泥于學校的實驗實訓基地和各類實驗室，在第二學年中安排一定時間走出校門，進入到企業的實際環境中，參與企業的項目組織、實施過程，在實踐過程中提升自我認知能力，在實踐過程應用知識和理論研究實際問題的能力，培養和鍛煉數據資源整合能力、溝通協調能力、IT支撐能力、業務建模能力，真正實現面向能力培養的目的。指導教師方面，在案例教學和實習階段引進業務素質高、項目經驗豐富、對大數據發展有敏銳洞察力的企業高級數據分析人員，指導學生在實習實踐中提出問題、建立模型、解決問題的能力。
4 結語
應用統計（大數據分析）專業碩士人才協同培養模式，是一項可持續發展的應用統計專業碩士人才培養的新模式，是專業碩士教學實踐的創新舉措，也是在全國率先建立起來的立足統計學，在大數據分析人才層面建立的校校協同、校企系統辦學體。體現了面向能力培養、面向社會需求培養、面向人才價值培養的“三個面向”的培養目標，著重培養學生分析數據、處理數據、展示數據的能力，對于培養“高層次、實用性、復合型、國際化”大數據分析人才意義重大，同時也是順應大數據技術革命的浪潮，必將對大數據等新興技術產業的發展注入活力。
（首都經濟貿易大學，北京 100070）
參考文獻：
[1]劉軍.Hodoop大數據處理[M].人民郵電出版社，2013.
[2]大數據的四個典型特征[N].中國電子報、電子信息產業網，2012（12）.
[3]CCF大數據專家委員會.2014年大數據發展趨勢預測[J].中國計算機學會通訊，2014（1）：32-36.
關鍵詞：農經專業；數據分析；教學改革
2019年12月，農業農村部、中央網絡安全和信息化委員會辦公室關于印發《數字農業農村發展規劃（2019-2025年）》的通知，部署了用數字化引領驅動農業農村現代化，加快農業農村生產經營、管理服務的數字化改造的發展戰略，將全面提升農業農村生產智能化、經營網絡化、管理高效化、服務便捷化水平作為農業農村發展的目標[1]。農業農村的數字化建設離不開專業人才的培養。農林經濟管理專業畢業生的就業方向主要有農業經營單位、面向農業農村的政府管理部門、事業單位、科研院所等。隨著農業農村數字化發展戰略的推進，給傳統的農經人才培養帶來了一系列的挑戰[2]。在數字經濟和智慧農業的時展背景下，數據分析能力是農經專業學生重要的核心競爭力。如何提升農經專業學生數據分析能力，是農經專業人才培養中面臨的重要課題[3]。
1農業農村數字化發展戰略給農經人才培養帶來的挑戰
1.1對農經人才的數據思維的更高要求
在大數據時代，無論是農業生產經營活動，還是農村的行政管理中都有大量的數據資源。農業企業、農業合作經營組織、農產品產銷數據、農產品溯源數據為農業經營者提供了生產、物流、銷售環節大量的數據資源。經營者需要認識到數據是一種新的生產要素，要調動數據作為生產要素的屬性，讓數據分析為管理決策服務[4]。在數字中國的建設進程中，各級政府部門工作人員通過各級各部門的行政管理智能，收集了大量省、市、區、縣級的區域經濟社會發展數據。社區網格化管理下收集了微觀層面的農業經營單位數據、農村常住人口數據、醫保數據、扶貧數據、農村小額信貸數據。這些數據資源是政府提高行政效率、提高政務服務質量的寶貴資源。
1.2對農經人才的數據分析能力的更高要求
在大數據時代，每天都有海量數據生成，如何能更好地利用這些數據，讓數據能發揮其為管理決策服務的功能，與數據使用者的數據分析能力是密切相關的。例如，農業經營單位在農業生產環節的農業投入數據、農產品銷售數據、電商平臺的客戶反饋評論、農產品庫存的動態數據，如何整合分析這些數據，要求農業經營者系統掌握數據分析、數據挖掘、文本分析等多元化的數據分析方法。政府管理部門掌握的農業人口的遷移數據、農村常住人口網格管理數據、農村居民醫保數據、扶貧數據等，數據類型豐富，數據量龐雜，如何實現數據庫的整合，要求政府部門工作人員掌握數據庫管理、大數據分析技術。
2農經專業數據分析課程群建設中存在的問題
2.1課程之間連貫性不足
以筆者所在的高校為例，為農經專業本科生開設的數據分析類課程，見表1。數據分析課程群包括了通識教育、專業教育和實踐教育。從目前的課程設置來看，涵蓋了數據庫、統計學、經濟計量學、多元統計、大數據分析等領域，內容豐富。數據庫應用由計算機學院開設，是一門通識教育課程，在授課時教師往往將其視為一門計算機類的入門課程，在教學中沒有針對農經專業學生的特質，將數據庫的教學與其在農經領域的應用結合起來。學生在學習中往往會覺得該課程與專業聯系不夠緊密，教學內容枯燥，缺乏學習興趣。
2.2學生學習的軟件種類繁多，但不夠深入
在統計學和多元統計課程中，學生將學習EXCEL、SPSS或者R語言的應用，在經濟計量學課程中學生將學習Eviews或STATA的應用，在數據挖掘與大數據分析課程中學生將學習Python語言的應用。在每一門課程中學習的軟件都不同，對于軟件的學習缺乏連貫性和延續性，雖然學生接觸的軟件種類多，但是由于學時所限，每一種軟件都只是入門級的介紹，無法進入到深度學習。
2.3與專業課學習聯系不夠緊密，缺乏應用機會
學生缺乏在專業課學習中運用數據分析類課程所學知識的機會。數據分析類課程主要介紹數據分析方法和軟件的應用，但大部分都安排在第5學期和第6學期。學生在學習了數據分析方法后，缺少在專業學習領域里運用這些方法的機會。例如學生若要完成產業經濟學、農業技術經濟學、農產品國際貿易學的專題研究、課程論文，需要用到統計學、經濟計量學、大數據分析的方法，但在第2-4學期開設大量專業課的學期，數據分析類課程還沒有開設。若能將數據分析類課程盡量靠前安排，學生可以在后續的專業學習、課題研究中運用所學的方法，一方面夯實數據分析技能，另一方面也可以增加學生對專業課的學習興趣。
2.4排課不夠科學
在大三階段，學生可以選修多元統計、數據挖掘與大數據分析、Python語言三門選修課。但到了大三，學生專業課的學習任務重，選修課種類考慮繁多，學生選課可能出于興趣、學分安排或者準備考研保研考慮，并不是每一位同學都會選修上述課程。尤其是計算機能力不太強、對數學類課程感到困難的同學，會傾向于選擇難度小的課程。
3基于項目驅動式教學理念的數據分析課程群改革
3.1開展項目驅動式教學的意義
項目驅動教學法是基于行動導向的探究式教學方法，是將真實的或模擬的項目轉化為教學項目，結合課程內容將項目分解為若干工作任務，創設工作情境，引導學生完成任務，進而實現項目教學目標的教學活動[4-5]。項目驅動式教學法最顯著的特點是“以項目為主線、教師為主導、學生為主體”，改變了以往“教師講，學生聽”被動的教學模式，完善了學生主動參與、自主協作、探索創新的新型教學模式。與傳統教學方法相比，教學實施過程中，學生的目標更清晰明確，可避免傳統課堂教學的被動性，進而提高學生學習知識的興趣和主動性[6]。在數據分析課程群中引入項目驅動教學，一方面能讓學生運用所學的數據分析方法分析現實問題，創設數據分析情境，加深對所學方法的理解和運用，激發學習興趣，培養自主學習能力；另一方面也可以有針對性地創設圍繞“三農”問題的數據分析項目，讓學生從數據分析中加深對“三農”問題的感性認識，培養對農經專業學習的興趣，提升對農經專業的認同度。具體來講，可以從以下方面開展對數據分析課程群的改革[7]。
3.2統籌規劃教學內容，加強課程間的連貫和遞進
農經專業數據分析課程群目前主要包括必修課數據庫應用、統計學和經濟計量學，選修課多元統計、數據挖掘與大數據分析，以及實踐課R語言與統計應用、Python語言。統計學教學的重點在于對基礎性的統計方法的運用，經濟計量學教學的重點在于讓學生掌握經濟計量分析的范式，如何利用經濟計量模型開展實證分析。多元統計強調對復雜多維數據信息的提煉。數據挖掘與大數據分析教學的重點在于大數據時代數據挖掘方法的應用。此外，針對于目前學生所學的軟件門類過多，軟件操作不夠熟練，建議在統計學、多元統計、數據挖掘大數據分析中統一采用R語言進行教學，讓學生通過幾門課程的學習，能夠熟練掌握一種統計分析軟件。
3.3基于項目驅動對教學內容進行整合及優化，調動學生主動參與
例如統計學課程介紹了基礎性的統計分析方法，在后續課程經濟計量學、多元統計、數據挖掘與大數據分析中引導學生運用基礎性統計分析方法，對數據進行初步的統計分析和整理，為經濟計量分析、多元統計、數據挖掘做好數據處理上的準備，讓學生體會到關聯課程中所學知識的聯結。鼓勵學生積極參與“三下鄉”活動，開展田野調查實踐，圍繞“三農”開展調研，運用統計和計量方法對調研數據進行分析，鼓勵學生參與到教學中來，培養學生的學習興趣，學以致用。
3.4建設“項目驅動”實踐教學模塊
結合農經專業課程體系，建設數據分析課程群“項目驅動”實踐教學模塊。在農經專業的課程體系中開設的農業經濟學、農產品貿易、農村社會學等專業性課程對大量的“三農”問題進行了探討，這類課程中涉及的城鄉差異問題、收入和消費問題、農產品價格波動、農產品貿易等現實問題的研究，都離不開基于現實數據的定量分析。因此，在農經專業的數據分析課程群中可以結合教學內容引導學生對專業課學習中熱點問題的研究，圍繞課程教學大綱，建設“項目驅動”實踐教學模塊，理論聯系實際，讓學生在研究項目中運用所學的數據分析方法，加深對專業知識的理解。
4農經專業數據分析課程群優化方案
在大數據時代，數據分析能力是學生的核心競爭力之一。數據分析類課程在建設中要強調理論與實踐的結合，不能只是將教學停留在課堂上，引入體現專業特色的實踐教學環節?？梢詮囊韵聨追矫骈_展數據分析課程群的優化：第一，數據分析基礎類必修課安排在大一學年。在第1學期，可以安排R入門、Python入門、數據可視化課程，讓學生盡早接觸當前主流的數據分析軟件，激發學生對R或Python的學習興趣，讓學生自我拓展學習空間。R入門、Python入門、或者數據可視化課程都屬于數據分析的基礎課程，無需其他先修課程。在這一時期，讓學生開始接觸數據分析軟件，學習數據可視化的分析工具，有利于培養學生的數據思維、數據意識和軟件實操能力。第二，將與農經專業課有關的專業必修課統計學、經濟計量學安排在第3-4學期學習。統計學課程需要學生先行修讀高等數學和概率論課程，經濟計量學需要學生先行修讀微觀經濟學、宏觀經濟學，因此可安排在第3-4學期。讓學生在掌握了一定經濟管理專業知識后，可以更好地體會統計學、經濟計量學方法論學科的應用價值。第三，將數據分析進階類選修課多元統計、大數據分析、數據挖掘、機器學習等課程安排在第5-6學期。為高年學生提供豐富的數據分析類選修課，讓學生結合自己的興趣、未來的發展規劃學習更加多元化的數據分析技術。鼓勵學生能在專業論文習作、學科競賽中有更多的機會運用自己所學的數據分析方法，增加學生的收獲感和成就感，挖掘學生的學習潛力。第四，改革課程考核評價體系，采用項目式管理和評估的思路，由學生自主開展一個數據分析項目，從收集數據、提出問題、分析數據到提煉研究結論，開展小組團隊成員互評。教師跟蹤學生的項目開展過程，從學生的學習態度、投入程度、數據分析質量等綜合評價學生的學習效果。
5結束語
將項目驅動教學引入到農經專業數據分析課程群的建設，讓學生參與到教學中去，突破傳統教學中“教師教學生學”的局面，讓學生通過參與項目，運用數據分析方法解決項目中的實際問題，激發學生的學習興趣和潛能，讓學生體會到所學知識的應用價值，讓學生不再對數據分析類課程望而生畏。本文的研究對于農經專業學生數據分析能力的培養有重要的意義，強調理論與實踐的結合，提高學生數據分析的高階能力，也能為同類課程開展項目驅動教學提供借鑒。
參考文獻：
[1]農業農村部中央網絡安全和信息化委員會辦公室關于印發《數字農業農村發展規劃（2019-2025年）》的通知[EB/OL].（2019-12-25）[2020-4-14].
[2]李虹賢.農業經濟管理專業人才培養模式創新研究與實踐[J].智慧農業導刊，2022，2（7）：110-112.
[3]馮開文，陶冶.農業經濟管理專業實踐教學改革———以中國農業大學經濟管理學院為例[J].教育現代化，2017，4（23）：54-56+63.
[4]杜洪燕，陳俊紅.鄉村振興背景下中國數字農業高質量發展路徑研究[J].南方農業，2021，15（21）：213-214.
[5]金娥.基于項目式學習的《現代教育技術應用》課程學習框架的設計與實踐研究[D].武漢：華中師范大學，2021.
[6]胡靜，王昌鳳.基于應用型本科人才培養目標的項目式教學模式構建[J].教書育人（高教論壇），2022（9）：59-64.
應用統計專業學位的設立是為了適應現代統計事業發展對應用統計專門人才的需要而設置的，它的培養目標主要是讓學生掌握扎實的理論基礎和系統的專業知識和技能，具備數據采集、整理、分析和開發的能力，能夠從事統計調查咨詢、數據分析等“應用型”統計專門人才[5]110-111。然而，在大數據環境下實現的數據分析已不再局限于某一類特殊的行業統計分析需要，各行各業的運作發展都越來越依賴于大數據環境的存儲、計算、統計分析與決策。對于多樣化的大數據集，其所涉及的內容和知識結構必然是不同學科的交叉應用。大數據時代的數據分析專業人才的培養目標并不僅僅是傳統的數據收集、整理與分析，而是需要掌握能適應大數據特點的新的研究方法和獨立分析的能力，能很好地融會貫通其他專業的知識內涵，成為真正意義的專業大數據分析人才。然而傳統的統計學人才培養目標和教學模式并不符合社會對大數據分析專業能力的要求。參考和借鑒文獻[6-7]8-9,226提出來的一些建議，筆者探索從以下幾個方面對人才培養目標和教學培養模式進行改革：（一）走出校園，深入社會，挖掘并歸納出社會用人單位對數據分析專業職位技能和能力素質要求，進而制定符合社會需求的人才培養目標，以市場需求為導向更好地指導教學實踐活動。為了更好地為用人單位輸送符合大數據時代需求的專業數據分析人才，嘗試對高年級學生的培養方案設計中考慮以崗位需求為標準靈活調整和制定相應的培養目標和內容。（二）參考國外本科生專業人才培養的先進理念，引入“協作式”培養模式，大力支持大型企業與高校合作或高校與高校合作培養復合型和開發型人才。各個高校、企業可以發揮各自專業特長來實現合作，高校的不同專業之間也應該加強溝通和協作，例如在制定應用統計專業數據分析人才培養方案及實施過程中，可以以統計學科所在的學院為主導，讓計算機學科、經濟、金融及管理學科等相關學院協作參與完成[8-9]60-64。（三）總結教學過程存在的不足，探索新的知識學習和能力培養的創新模式。目前的教學活動主要以老師獨立授課，學生被動接受知識為主的方式，培養過程計劃性強，缺乏彈性，培養的評價也過于單一。在本科生培養中可以引入課程學習、導師指導和科學研究三個階段，考慮采用導師指導與集體培養相結合的方式，一門專業課程的講授不再局限于單個老師完成，在培養方案中考慮主題分組方式，鼓勵授課教師根據自己的專業特點和知識背景共同參與一門課程的教學活動。多名教師協同工作的模式可以取長補短，在大數據分析的實際案例設計及課程內容上都更加貼近實際需求，產生更好的教學效果[6]8-9。
二、基于大數據分析的特點科學構建課程體系
大數據背景下，人們可以通過互聯網、數據庫以及各種通信工具獲得海量數據，人們日常生活、學習和工作的各類事物都可以實現信息化，世界幾乎是由各種信息和數據所構成的。大數據的特點可以歸結為四個V,數量大（Volume）、類型繁多（Variety）、價值密度低（Value）、速度快時效高(Velocity)[6]8-9。大數據的真正意義不在于能提供龐大的數據量，而是對海量的數據進行專業的處理和分析，并從中獲取用戶關注的信息。結合當前互聯網應用中大數據本身的特點，從大數據中挖掘出重要知識并對之深度學習和分析的工具和方法也應與時俱進地發生改變，傳統的統計方法和統計分析工具已無法滿足大數據分析的需要。然而，在大多數高等院校中，統計學專業人才培養的課程體系并沒有考慮社會的實際應用需求，仍然停留在以傳統的統計模型框架為主導的課程體系設置，本科生教育的主要專業課程包括：數學分析、高等概率論與數理統計、應用隨機過程、回歸分析和多元統計分析等[10]248-249，這些課程內容和知識結構還不足以滿足大數據時代對數據分析專業人才知識結構的要求，課程體系設置中缺少能有效整合的數據分析能力培養模塊[11]66-68。因此，有必要針對各類院校師生各自的專業特點和學科基礎，分層次、分階段地展開課程體系改革。（一）參考國內外先進高校大數據分析專業的課程設置，結合本校的師資和專業結構特點采取靈活的策略制定課程計劃，在實施學分制改革的高校中各類學生可以在學業導師指導下實施符合學生自身特點的課程學習方案。（二）以大數據分析人才需求驅動的課程體系改革要考慮市場的行業需求變化、大數據應用中跨學科的特點。素質好的數據分析人員不僅僅要具備專業的數據分析能力，還應該對具體數據中涉及的學科知識有較好的儲備，能將不同行業的專業知識與數據分析緊密關聯起來，實現大數據分析的效用最大化。此外，在充分借鑒國內外大學成功經驗的基礎上，課程設置應該與學生的學術傾向和基礎能力緊密結合，注重基礎課程教育的同時強調文理滲透，同時要兼顧學生的興趣與學習的聯系，在課程體系的設置中需要增設一些多領域、跨學科的選修課程，如經濟學、金融學、保險學、管理學和會計學等。因此，校內跨學科或高校與高校之間聯合培養是實現跨學科課程建設的有效方法之一。（三）科學構建課程體系的主要思路還包括根據大數據時代需求，對專業必修和專業選修課程在課程時間、順序及內容等方面進行改革。專業必修課程重點內容為統計學和計算機科學的交叉部分，在講授統計基礎理論（如多元統計、決策樹、時間序列等）課程基礎上設置大數據案例分析課程，在案例分析過程中讓學生實際操作企業當前應用的大數據計算平臺[6]8-9，從而增強學生大規模分布式計算技能。為提高學生的實際動手和二次開發能力，專業選修課程需更多地開設與數據挖掘及面向數據的編程語言相關的課程，如數據挖掘算法、C++、Java和Python等課程，強化學生的數據挖掘和分析能力。
三、基于協同創新的理念開展實踐教學改革
近幾年，隨著應用型、創新型人才培養目標的提出，學校越來越重視和加強對各類專業人才實踐教學能力的培養，以“數據分析”為方向的專業人才需要運用統計分析軟件對數據進行分析和決策，其實踐教學的重要性更是不言而喻。然而，在大數據被廣泛應用的時代背景下，高等院校中的實踐教學仍然是培養高層次“大數據分析”人才的薄弱環節，實踐教學教材及內容不規范、教學方法單一、軟硬件的更新以及師資儲備等方面都存在著一些問題[12]96-97。例如以模型驅動為主的實踐教學模式已不適應大數據時代的要求，大數據時代數據是海量且復雜的，用簡單的SPSS、Eviews為主的軟件教學已無法處理大數據[5]110-111。因此，學習其他知名高校構建的協同創新的理念，結合財經類院校的統計學科及人才培養的特點，開展實踐教學改革[13]248-249。對“數據分析”專業人才實踐教學改革，筆者的建議如下：（一）根據協同創新理念，解決實踐教學環節存在的實驗教材（教學內容）缺乏實用性的問題，一方面可以參考企業對數據分析師、調查分析師資格認證相關培訓教材，開發實用性強的《數據分析》實踐教材，另一方面學?？梢院推髽I或其他高校定期舉辦交流座談會，面向企業需求甄選實踐教學內容。（二）高素質的師資隊伍對人才的培養無疑起著至關重要的作用，在提高指導教師理論和實踐能力方面，借鑒協同創新聯合培養的模式可以有效充分地利用企業、學校的各方面師資資源。例如北京大學、中國科學院、中國人民大學、中央財經大學、首都經濟貿易大學5所高校已經與政府部門和產業界簽署了聯合培養大數據分析應用人才的合作協議[14]。廣東財經大學也可以參照類似聯合培養的做法，和廣東其他高校、政府和企業合作。一方面企業或政府可以利用自身的資源為高校提供人才培養實習基地，并且引薦相關的技術人員聘為校外實習導師，指導學生在實習實踐中建立以問題為導向，以項目為牽引的運作機制，讓學生能夠理論聯系實際，切身體會數據分析的商業操作體系。另一方面，由于高校的專業教師缺乏社會實踐的機會和經驗，高校應該制定政策鼓勵并推薦相關專業教師走出學校、走進企業，密切與企業合作交流，從而更進一步地提高教師對復合型專業學位人才培養的能力[15]29-32。（三）為了激發學生的學習熱情，減少對實踐操作的畏難情緒，實驗課程的教學方法也需要探索創新性實踐教育模式。教學過程可以考慮靈活的制定團隊教學計劃、案例實戰分析、模擬實訓等多樣化的方式，減少單一的課堂內容講授，在理論和實踐教學環節中積極調動學生的主觀能動性，提供更真實的企業大數據應用環境，并以學生為主完成實際案例分析。此外，基于不同的授課對象的特點，老師在教學過程中也要適當考慮學生的興趣和需求，隨時調整實驗教學策略[9]。
【論文摘要】所謂統計思想，就是在統計實際工作、統計學理論的應用研究中，必須遵循的基本理念和指導思想。統計思想主要包括均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想等思想。文章通過對統計思想的闡釋，提出關于統計思想認識的三點思考。
【論文關鍵詞】統計學；統計思想；認識
1關于統計學
統計學是一門實質性的社會科學，既研究社會生活的客觀規律，也研究統計方法。統計學是繼承和發展基礎統計的理論成果，堅持統計學的社會科學性質，使統計理論研究更接近統計工作實際，在國家和社會得到廣泛發展。
2統計學中的幾種統計思想
2.1統計思想的形成
統計思想不是天然形成的，需要經歷統計觀念、統計意識、統計理念等階段。統計思想是根據人類社會需求的變化而開展各種統計實踐、統計理論研究與概括，才能逐步形成系統的統計思想。
2.2比較常用的幾種統計思想
所謂統計思想，就是統計實際工作、統計學理論及應用研究中必須遵循的基本理念和指導思想。統計思想主要包括:均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想?，F分述如下：
2.2.1均值思想
均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論，是統計學的基本思想。均值思想也要求從總體上看問題，但要求觀察其一般發展趨勢，避免個別偶然現象的干擾，故也體現了總體觀。
2.2.2變異思想
統計研究同類現象的總體特征，它的前提則是總體各單位的特征存在著差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差，是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特征的抽象和宏觀度量。
2.2.3估計思想
估計以樣本推測總體，是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設：樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響，在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。
2.2.4相關思想
事物是普遍聯系的，在變化中，經常出現一些事物相隨共變或相隨共現的情況，總體又是由許多個別事務所組成，這些個別事物是相互關聯的，而我們所研究的事物總體又是在同質性的基礎上形成。因而，總體中的個體之間、這一總體與另一總體之間總是相互關聯的。
2.2.5擬合思想
擬合是對不同類型事物之間關系之表象的抽象。任何一個單一的關系必須依賴其他關系而存在，所有實際事物的關系都表現得非常復雜，這種方法就是對規律或趨勢的擬合。擬合的成果是模型，反映一般趨勢。趨勢表達的是“事物和關系的變化過程在數量上所體現的模式和基于此而預示的可能性”。
2.2.6檢驗思想
統計方法總是歸納性的，其結論永遠帶有一定的或然性，基于局部特征和規律所推廣出來的判斷不可能完全可信，檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特征的假設是否可信。
2.3統計思想的特點
作為一門應用統計學，它從數理統計學派汲取新的營養，并且越來越廣泛的應用數學方法，聯系也越來越密切，但在統計思想的體現上與通用學派相比，還有著自己的特別之處。其基本特點能從以下四個方面體現出：（1）統計思想強調方法性與應用性的統一；（2）統計思想強調科學性與藝術性的統一；（3）統計思想強調客觀性與主觀性的統一；（4）統計思想強調定性分析與定量分析的統一。
3對統計思想的一些思考
3.1要更正當前存在的一些不正確的思想認識
英國著名生物學家、統計學家高爾頓曾經說過：“統計學具有處理復雜問題的非凡能力，當科學的探索者在前進的過程中荊棘載途時，唯有統計學可以幫助他們打開一條通道”。但事實并非這么簡單，因為我們所面臨的現實問題可能要比想象的復雜得多。此外，有些人認為方法越復雜越科學，在實際的分析研究中，喜歡簡單問題復雜化，似乎這樣才能顯示其科學含量。其實，真正的科學是使復雜的問題簡單化而不是追求復雜化。與此相關聯的是，有些人認為只有推斷統計才是科學，描述統計不是科學，并延伸擴大到只有數理統計是科學、社會經濟統計不是科學這樣的認識。這種認識是極其錯誤的，至少是對社會經濟統計的無知。比利時數學家凱特勒不僅研究概率論，并且注重于把統計學應用于人類事物，試圖把統計學創建成改良社會的一種工具。經濟學和人口統計學中的某些近代概念，如GNP、人口增長率等等，均是凱特勒及其弟子們的遺產。
3.2要不斷拓展統計思維方式
統計學是以歸納推理或歸納思維為主要的邏輯方式的。眾所周知，邏輯推理方式主要有兩種：歸納推理和演繹推理。歸納推理是基于觀測到的數據信息(尤其是不完全甚至劣質的信息)去產生新的知識或去驗證一個假設，即以所掌握的數據信息為依據，歸納得出具有一般特征的結論。歸納推理是要在數據信息的基礎上透過偶然性去發現必然性。演繹推理是對統計認識能力的深化，尤其是在根據必然性去研究和認識偶然性方面，具有很大的作用。
3.3深化對數據分析的認識
任何統計研究都離不開數據分析。因為這是得到統計研究結論的必要環節。雖然統計分析的形式隨時代的推移而變化著，但是“從數據中提取一切信息”或者“歸納和揭示”作為統計分析的目的卻一直沒有改變。對統計數據分析的原因有以下三個方面：一是基于同樣的數據會得出不同、甚至相反的分析結論；二是我們所面對的分析數據有時是缺損的或存在不真實性；三是我們所面對的分析數據有時則又是海量的，讓人無從下手。雖然統計數據分析已經經歷了描述性數據分析(DDA)、推斷性數據分析(IDA)和探索性數據分析(EDA)等階段，分析的方法技術已經有了質的飛躍，但與人類不斷提高的要求相比，存在的問題似乎也越來越多。所以，我們必須深化對數據分析的認識，圍繞“準確解答特定問題并且從數據中獲取一切有效信息”這一目的，不斷拓展研究思路，繼續開展數據分析方法技術的研究。
參考文獻:
[1]陳福貴.統計思想雛議[J]北京統計,2004,(05).
[2]龐有貴.統計工作及統計思想[J]科技情報開發與經濟,2004,(03).
【論文摘要】所謂統計思想，就是在統計實際工作、統計學理論的應用研究中，必須遵循的基本理念和指導思想。統計思想主要包括均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想等思想。文章通過對統計思想的闡釋，提出關于統計思想認識的三點思考。
【論文關鍵詞】統計學；統計思想；認識
1關于統計學
統計學是一門實質性的社會科學，既研究社會生活的客觀規律，也研究統計方法。統計學是繼承和發展基礎統計的理論成果，堅持統計學的社會科學性質，使統計理論研究更接近統計工作實際，在國家和社會得到廣泛發展。
2統計學中的幾種統計思想
2.1統計思想的形成
統計思想不是天然形成的，需要經歷統計觀念、統計意識、統計理念等階段。統計思想是根據人類社會需求的變化而開展各種統計實踐、統計理論研究與概括，才能逐步形成系統的統計思想。
2.2比較常用的幾種統計思想
所謂統計思想，就是統計實際工作、統計學理論及應用研究中必須遵循的基本理念和指導思想。統計思想主要包括:均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想?，F分述如下：
2.2.1均值思想
均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論，是統計學的基本思想。均值思想也要求從總體上看問題，但要求觀察其一般發展趨勢，避免個別偶然現象的干擾，故也體現了總體觀。
2.2.2變異思想
統計研究同類現象的總體特征，它的前提則是總體各單位的特征存在著差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差，是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特征的抽象和宏觀度量。
2.2.3估計思想
估計以樣本推測總體，是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設：樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響，在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。
2.2.4相關思想
事物是普遍聯系的，在變化中，經常出現一些事物相隨共變或相隨共現的情況，總體又是由許多個別事務所組成，這些個別事物是相互關聯的，而我們所研究的事物總體又是在同質性的基礎上形成。因而，總體中的個體之間、這一總體與另一總體之間總是相互關聯的。
2.2.5擬合思想
擬合是對不同類型事物之間關系之表象的抽象。任何一個單一的關系必須依賴其他關系而存在，所有實際事物的關系都表現得非常復雜，這種方法就是對規律或趨勢的擬合。擬合的成果是模型，反映一般趨勢。趨勢表達的是“事物和關系的變化過程在數量上所體現的模式和基于此而預示的可能性”。
2.2.6檢驗思想
統計方法總是歸納性的，其結論永遠帶有一定的或然性，基于局部特征和規律所推廣出來的判斷不可能完全可信，檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特征的假設是否可信。
2.3統計思想的特點
作為一門應用統計學，它從數理統計學派汲取新的營養，并且越來越廣泛的應用數學方法，聯系也越來越密切，但在統計思想的體現上與通用學派相比，還有著自己的特別之處。其基本特點能從以下四個方面體現出：
（1）統計思想強調方法性與應用性的統一；
（2）統計思想強調科學性與藝術性的統一；
（3）統計思想強調客觀性與主觀性的統一；
（4）統計思想強調定性分析與定量分析的統一。
3對統計思想的一些思考
3.1要更正當前存在的一些不正確的思想認識
英國著名生物學家、統計學家高爾頓曾經說過：“統計學具有處理復雜問題的非凡能力，當科學的探索者在前進的過程中荊棘載途時，唯有統計學可以幫助他們打開一條通道”。但事實并非這么簡單，因為我們所面臨的現實問題可能要比想象的復雜得多。此外，有些人認為方法越復雜越科學，在實際的分析研究中，喜歡簡單問題復雜化，似乎這樣才能顯示其科學含量。其實，真正的科學是使復雜的問題簡單化而不是追求復雜化。與此相關聯的是，有些人認為只有推斷統計才是科學，描述統計不是科學，并延伸擴大到只有數理統計是科學、社會經濟統計不是科學這樣的認識。這種認識是極其錯誤的，至少是對社會經濟統計的無知。比利時數學家凱特勒不僅研究概率論，并且注重于把統計學應用于人類事物，試圖把統計學創建成改良社會的一種工具。經濟學和人口統計學中的某些近代概念，如GNP、人口增長率等等，均是凱特勒及其弟子們的遺產。
3.2要不斷拓展統計思維方式
統計學是以歸納推理或歸納思維為主要的邏輯方式的。眾所周知，邏輯推理方式主要有兩種：歸納推理和演繹推理。歸納推理是基于觀測到的數據信息(尤其是不完全甚至劣質的信息)去產生新的知識或去驗證一個假設，即以所掌握的數據信息為依據，歸納得出具有一般特征的結論。歸納推理是要在數據信息的基礎上透過偶然性去發現必然性。演繹推理是對統計認識能力的深化，尤其是在根據必然性去研究和認識偶然性方面，具有很大的作用。
3.3深化對數據分析的認識
任何統計研究都離不開數據分析。因為這是得到統計研究結論的必要環節。雖然統計分析的形式隨時代的推移而變化著，但是“從數據中提取一切信息”或者“歸納和揭示”作為統計分析的目的卻一直沒有改變。對統計數據分析的原因有以下三個方面：一是基于同樣的數據會得出不同、甚至相反的分析結論；二是我們所面對的分析數據有時是缺損的或存在不真實性；三是我們所面對的分析數據有時則又是海量的，讓人無從下手。雖然統計數據分析已經經歷了描述性數據分析(DDA)、推斷性數據分析(IDA)和探索性數據分析(EDA)等階段，分析的方法技術已經有了質的飛躍，但與人類不斷提高的要求相比，存在的問題似乎也越來越多。所以，我們必須深化對數據分析的認識，圍繞“準確解答特定問題并且從數據中獲取一切有效信息”這一目的，不斷拓展研究思路，繼續開展數據分析方法技術的研究。
參考文獻:
[1]陳福貴.統計思想雛議[J]北京統計,2004,(05).
[2]龐有貴.統計工作及統計思想[J]科技情報開發與經濟,2004,(03).
