课程主要从应用角度阐述统计学的基本理论和基本方法,旨在达到如下的教学目标:学生理解和掌握有关描述统计和统计推断的基本原理和基本方法,具备收集、整理和显示统计数据以及对这些数据做出科学解释的能力,一方面为日后学习其他课程、开展研究奠定良好的数量分析基础,另一方面锻炼在实际中正确识别统计方法应用环境、正确使用统计方法解决问题的能力。围绕这一目标,课程每部分内容都力求从实际应用和实际背景出发,对统计方法的介绍尽量避免复杂的数学推导,更注重强调其背景、思想和如何应用。从内容上来看,课程既包含了统计学的基本理论和基本方法,以及许多统计学教材没有涉及、但后续又对学生发展特别重要的统计方法,包括多元统计、时间序列分析等,同时又略掉了学生已经在其他课程学习过的概率论和统计基础理论。为了强化学生的动手能力,课程非常重视实验教学,在每一章都安排了相应的软件操作教学内容(涵盖R语言、Excel、SPSS软件三大统计软件),以培养学生运用统计软件分析解决实际问题的能力。
Overview
Syllabus
- 1 绪论
- 1.1 绪论
- 1.2 R语言入门
- 2 数据从哪儿来
- 2.1 数据的来源
- 2.2 抽样调查与误差
- 2.3 网络数据采集
- 3 数据的描述
- 3.1 数据和变量
- 3.2 用数值特征做描述分析
- 3.3 用统计表和统计图做描述:单变量
- 3.4 用统计表和统计图做描述:双变量
- 3.5 描述分析的R语言操作
- 3.6 描述分析的Excel、SPSS操作
- 4 统计推断
- 4.1 统计推断的基本概念
- 4.2 参数估计
- 4.3 假设检验
- 4.4 参数估计和假设检验的R语言操作
- 4.5 参数估计和假设检验的SPSS操作
- 5 比较均值
- 5.1 两总体均值检验
- 5.2 方差分析
- 5.3 两总体均值检验和方差分析的R语言操作
- 5.4 方差分析的SPSS操作
- 6 回归分析
- 6.1 回归分析的基本概念
- 6.2 最小二乘估计
- 6.3 回归结果解读
- 6.4 其他类型回归
- 6.5 回归分析的R语言操作
- 6.6 回归分析的SPSS操作
- 7 分类方法
- 7.1 判别方法
- 7.2 Logistic回归
- 7.3 Fisher判别和Logistic回归的R语言操作
- 7.4 Fisher判别的SPSS操作
- 8 聚类分析
- 8.1 系统聚类
- 8.2 K均值聚类
- 8.3 系统聚类和K均值聚类的R语言操作
- 8.4 系统聚类和K均值聚类的SPSS操作
- 9 降维方法
- 9.1 主成分分析
- 9.2 因子分析
- 9.3 主成分分析和因子分析的R语言操作
- 9.4 主成分分析和因子分析的SPSS操作
- 期末考试
Taught by
Yang Liu, Rong Guan, Jingyi Ma, Huijuan Wang, Feng Li, Huiying Wang, Siyang Wang, Rui Pan, Miao Liu, and Yutao Liu