報告具有匯報性、陳述性的特點，只有按照報告的格式，正確編寫報告，報告才能發揮出它的作用。那么在寫報告的時候，應該如何寫才能突出的重要性呢？以下是小編整理的《多元回歸統計分析報告》，供大家參考借鑒，希望可以幫助到有需要的朋友。
第一篇：多元回歸統計分析報告
多元線性回歸模型實驗報告計量經濟學
實 驗 報 告
課程名稱金融計量學 實驗項目名稱多元線性回歸模型
班級與班級代碼 實驗室名稱(或課室)
專業
任課教師 xxx
學號 ：xxx
姓名 ：xxx 實驗日期：2012 年 5 月 3 日
廣東商學院教務處制 姓名 xxx 實驗報告成績 評語 ：
指導教師 (簽名)
年月日
說明：指導教師評分后，實驗報告交院(系)辦公室保存
多 元線性回歸模型
一、實驗目的 通過上機實驗,使學生能夠使用 Eviews 軟件估計可化為線性回歸模型的非線性模型，并對線性回歸模型的參數線性約束條件進行檢驗。
二、實驗內容 (一)根據中國某年按行業分的全部制造業國有企業及規模以上制造業非國有企業的工業總產值 Y，資產合計 K 及職工人數 L 進行回歸分析。
(二)掌握可化為線性多元非線性回歸模型的估計和多元線性回歸模型的線性約束條件的檢驗方法 (三)根據實驗結果判斷中國該年制造業總體的規模報酬狀態如何? 三、實驗步驟 (一)收集數據 下表列示出來中國某年按行業分的全部制造業國有企業及規模以上制造業非國有企業的工業總產值 Y，資產合計 K 及職工人數 L。
序號 工業總產值 Y(億元)
資產合計 K(億元)
職工人數 L(萬人)
序號 工業總產值 Y (億元)
資產合計 K(億元)
職工人數 L(萬人)
1 3722.7 3078.22 113 17 812.7 1118.81 43 2 1442.52 1684.43 67 18 1899.7 2052.16 61 3 1752.37 2742.77 84 19 3692.85 6113.11 240 4 1451.29 1973.82 27 20 4732.9 9228.25 222 5 5149.3 5917.01 327 21 2180.23 2866.65 80 6 2291.16 1758.77 120 22 2539.76 2545.63 96 7 1345.17 939.1 58 23 3046.95 4787.9 222 8 656.77 694.94 31 24 2192.63 3255.29 163 9 370.18 363.48 16 25 5364.83 8129.68 244 10 1590.36 2511.99 66 26 4834.68 5260.2 145 11 616.71 973.73 58 27 7549.58 7518.79 138 12 617.94 516.01 28 28 867.91 984.52 46 13 4429.19 3785.91 61 29 4611.39 18626.94 218 14 5749.02 8688.03 254 30 170.3 610.91 19 15 1781.37 2798.9 83 31 325.53 1523.19 45 16 1243.07 1808.44 33 表 1 (二)創建工作文件(Workfile)。
1、啟動Eviews5，在主菜單上依次點擊FileNewWorkfile(如圖)，按確定。
2、在彈出的對話框中選擇數據的時間頻率(本實驗為序列數據)，輸入數據數為31(如圖1)，然后點擊OK(如圖2)。
(圖 1)(圖 2)、(三)輸入數據 1、在 Eviews 軟件的命令窗口中鍵入數據輸入/編輯命令：DATAYKL，按 Enter，則顯示一個數組窗口(如圖)。
2、分別在Y、K、L列輸入相應的數據并以group01命名保存(如圖)：
(四)、回歸分析 1、在經濟理論指導下，設定如下的理論模型：
2、運用OLS估計模型 經對數轉換，式? ? ?e L AK Y ?可變換對數形式如下：
3、對表1的Y、K、L的數據進行對數轉換，得新的數據如表2所示：
序號
序號
1
17 8.222204 8.032107 4.727388 2
18 7.274147 7.429183 4.204693 3
19 7.468724 7.916724 4.430817 4
20 7.280208 7.587726 3.295837 5
21 8.546616 8.685587 5.78996 6
22 7.736814 7.47237 4.787492 7
23 7.204276 6.844922 4.060443 8
24 6.487334 6.543826 3.433987 9
25 5.913989 5.895724 2.772589 10
26 7.371716 7.828831 4.189655 11
27 6.424399 6.881134 4.060443 12
28 6.426391 6.246126 3.332205 13
29 8.395972 8.239042 4.110874 14
30 8.656785 9.069701 5.537334 15
31 7.485138 7.936982 4.418841 16
表2 4、對表2經對數轉化后的數據進行相關性分析 ①重復數據輸入步驟，輸入取對數后的數據如圖：
②在彈出的窗口中選擇ViewGraphScatterSimpleScatter按確定，得取對數后的Y、K、L三者之間關系的散點圖，結果如下：
③通過對以上散點圖的觀察可以看出，取對數后的K、L的聯合值對取對數后的Y的值有著顯著的線性影響。
5、在 Eviews 主窗口中點擊 QuickEstimateEquation，在彈出的方程設定框內輸入模型：log(y)clog(k)log(l)(如圖)：
再點擊確定，系統將彈出一個窗口來顯示有關估計結果(如圖)。
由圖顯示的結果可知，樣本回歸方程為：
?Y ln =1.154+0.609 K ln +0.361 L ln
(1.59)(3.45)(1.75) 其中 8099 .02? R ，2R =0.7963，F=59.66 4、對以上實驗結果做 t 檢驗分析：
給定顯著性水平 5%，自由度為(2，28)的 F 分布的臨界值為34 .3 28 2 (05 .0? )
， F ，因此總體上看， K ln , L ln 聯合起來對 Y ln 有著顯著的線性影響。在 5%的顯著性水平下，自由度為 28 的 t 分布的臨界值為048 .2 ) 28 (05 .0? t，因此， K ln 的參數通過了該顯著性水平下的 t 檢驗，但L ln 未通過檢驗。如果設定顯著性水平為 10%，t 分布的臨界值為701 .1 ) 28 (05 .0? t ，這時 L ln 的參數通過了顯著性水平的檢驗。
2R =0.7963 表明，工業總產值對數值的 79.6%的變化可以由資產合計的對數與職工的對數的變化來解釋，但仍有 20.4%的變化是由其他因素的變化影響的。
(五)參數的約束檢驗 由以上的實驗結果可以看出， 1 97 .0 ? ? ?? ?? ? ，即資產與勞動的產出彈性之和近似為1，表明中國制造業在2000年基本呈現規模報酬不變的狀態。因此，進行參數的約束檢驗時，提出零假設為0H ：1 ? ? ? ?。
如果原假設為真，則可估計如下模型：
1、在 Equation 窗口選擇 proc/Specify/Estimate 在彈出的窗口中輸入 log(y/l)clog(k/l)如圖所示：
1 按確定，所得結果如下：
容易看出，該估計方程通過了 F 檢驗與參數的 t 檢驗。
2、對規模報酬是否變化進行的分析 由上面兩個實驗可以得到 0703 .5 ?URSS ， 0886 .5 ?RRSS 。在原假設為真的條件下有：
?? ???) 1 2 31 (1 ) (UU RRSSRSS RSSF28 0703 .50703 .5 0886 .5 ?=0.1011 在 5%的顯著性水平下，自由度為(1,28)的 F 分布的臨界值為 4.20。因為 0.1011<4.20,所以不拒絕原假設，表明 2000 年中國制造業呈現規模報酬不變的狀態。
3、運用參數約束條件 12 1? ? ? ? 對上面假設模型進行檢驗 打 開 eq01 方 程 對 象 窗 , 點 擊ViewCoefficientTestsWaldCoefficientRestrictions…，在 Waldtests窗口設定參數約束條件：c(2)+c(3)=1。再按 OK,結果如下圖：
由以上實驗結果可知，我們仍然不拒絕原假設，原假設為真，即中國該年的制造業總體呈現規模報酬不變狀態。
四、實驗結論 通過上面實驗可以看出，中國某年按行業分的全部制造業國有企業及規模以上制造業非國有企業的資產合計 K 和職工人數 L 的聯合對數對工業總產值 Y 的對數有著顯著地線性影響。但并非全是由 K、L 影響，還有 20.4%的變化時由其他因素影響的。在規模報酬的分析中可以看出，國制造業在2000 年基本呈現規模報酬不變的狀態。
第二篇：多元統計分析實驗報告
多元統計分析得實驗報告 院系:數學系 班級:13級 B 班 姓名:陳翔 學號:20131611233 實驗目得:比較三大行業得優劣性 實驗過程 有如下得內容:(1)正態性檢驗; (2)主體間因子,多變量檢驗 a; (3)主體間效應得檢驗; (4)對比結果(K 矩陣);
(5) 多變量檢驗結果;
(6) 單變量檢驗結果;
(7) 協方差矩陣等同性得 Box 檢驗a,誤差方差等同性得 Levene 檢驗 a;
(8) 估計;
(9) 成對比較,多變量檢驗;(10)單變量檢驗。
實驗結果:綜上所述,我們對三個行業得運營能力進行了具體得比較分析,所得數據表明,從總體來瞧,信息技術業要稍好于電力、煤氣及水得生產與供應業以及房地產業。
1。
正態性檢驗
Kolmogorov-Smirnova
Shapir o—Wilk 統計量 df Sig.統計量 df Sig、凈資產收益率 。113 35 、200*
。978 35 。677 總資產報酬率 。121 35 、200*
。964 35 、298 資產負債率 。086 35 。200*
.962 35 、265 總資產周轉率 .180 35 、006 。864 35 。000 流動資產周轉率 、164 35 、018 .885 35 、002 已獲利息倍數 、281 35 .000 。551 35 、000 銷售增長率 .103 35 、200*
。949 35 、104 資本積累率 。251 35 。000 、655 35 。000 *。
這就是真實顯著水平得下限。
a。
Lilliefors 顯著水平修正 此表給出了對每一個變量進行正態性檢驗得結果,因為該例中樣本中n=35<2000,所以此處選用 Shapiro—Wilk 統計量。由 Sig。值可以瞧到,總資產周轉率、流動資產周轉率、已獲利息倍數及資本積累率均明顯不遵從正態分布,因此,在下面得分析中,我們只對凈資產收益率、總資產報酬率、資產負債率及銷售增長率這四個指標進行比較,并認為這四個變量組成得向量遵從正態分布(盡管事實上并非如此)。這四個指標涉及公司得獲利能力、資本結構及成長能力,我們認為這四個指標可以對公司運營能力做出近似得度量。
2.
主體間因子
N 行業 電力、煤氣及水得生產與供應業 11 房地行業 15 信息技術業 9 多變量檢驗a a
效應 值 F 假設 df 誤差 df Sig。
截距 Pillai 得跟蹤 .967 209。405b
4。000 29。000 。000 Wilks 得 Lambda 、033 209。405b
4.000 29、000 、000 Hotelling 得跟蹤 28.883 209、405b
4.000 29。000 .000 Roy 得最大根 28。883 209。405b
4.000 29.000 、000 行業 Pillai 得跟蹤 、481 2、373 8、000 60、000 、027 Wilks 得 Lambda 、563 2.411b
8、000 58。000 .025 Hotelling 得跟蹤 .698 2。443 8.000 56、000 .024 Roy 得最大根 、559 4、193c
4、000 30、000 。008
a、設計 : 截距 + 行業 b、精確統計量 c、該統計量就是 F 得上限,它產生了一個關于顯著性級別得下限。
上面第一張表就是樣本數據分別來自三個行業得個數。第二張表就是多變量檢驗表,該表給出了幾個統計量,由Sig。值可以瞧到,無論從哪個統計量來瞧,三個行業得運營能力(從凈資產收益率、總資產報酬率、資產負債率及銷售增長率這四個指標得整體來瞧)都就是有顯著差別得。
3.主體間效應得檢驗 源 因變量 III 型平方與 df 均方 F Sig。
校正模型 凈資產收益率 306、300a
2 153。150 4。000 、028 總資產報酬率 69.464b
2 34、732 3、320 .049 資產負債率 302。366c
2 151。183 、680 。514 銷售增長率 2904.588d
2 1452。294 2、154 .133 截距 凈資產收益率 615.338 1 615.338 16。073 .000 總資產報酬率 218、016 1 218。016 20。841 。000 資產負債率 105315。459 1 105315。459 473、833 、000 銷售增長率 1.497 1 1。497 .002 。963 行業 凈資產收益率 306、300 2 153.150 4.000 。028 總資產報酬率 69、464 2 34.732 3、320 、049 資產負債率 302。366 2 151。183 。680 .514 銷售增長率 2904.588 2 1452、294 2.154 、133 誤差 凈資產收益率 1225、054 32 38、283
總資產報酬率 334。753 32 10、461
資產負債率 7112、406 32 222.263
銷售增長率 21579、511 32 674、360
總計 凈資產收益率 2238、216 35
總資產報酬率 641.598 35
資產負債率 117585、075 35
銷售增長率 24585、045 35
校正得總計 凈資產收益率 1531。354 34
總資產報酬率 404.217 34
資產負債率 7414。772 34
銷售增長率 24484。099 34
a、R 方 = 。200(調整 R 方 = 、150) b.R 方 = .172(調整 R 方 = 、120) c.R 方 = 、041(調整 R 方 = -.019) d。
R 方 = 。119(調整 R 方 = 、064) 此表給出了每個財務指標得分析結果,同時給出了每個財務指標得方差來源,包括
校正模型、截距、主效應(行業)、誤差及總得方差來源,還給出了自由度、均方、F統計量及Sig。值 4、對比結果( ( K 矩陣) ) 行業 簡單對比a
因變量 凈資產收益率 總資產報酬率 資產負債率 銷售增長率 級別 1 與級別 3 對比估算值 -5、649 —3、070 7。259 -13、223 假設值 0 0 0 0 差分(估計 - 假設) —5。649 -3.070 7.259 -13。223 標準 誤差 2、781 1.454 6、701 11、672 Sig、。051 .043 、287 。266 差分得 95% 置信區間 下限 -11。313 -6。031 -6、390 -36、998 上限 。016 -、109 20。908 10、552 級別 2 與級別 3 對比估算值 1、054 —、057 1。791 -22。696 假設值 0 0 0 0 差分(估計 - 假設) 1、054 —。057 1、791 -22。696 標準 誤差 2、609 1、364 6.286 10。949 Sig、、689 。967 .778 .046 差分得 95% 置信區間 下限 -4.260 -2.834 -11.013 -44。999 上限 6。368 2、721 14、595 -.394 a、參考類別 = 3 此表表示,在0.05得顯著水平下,第一行業(電力、煤氣及水得生產與供應業)與第三行業(信息技術業)得總資產報酬率指標存在顯著差別,凈資產收益率、資產負債率與銷售增長率等財務指標無明顯差別,但由第一欄可以瞧到,電力、煤氣及水得生產與供應業得凈資產收益率、總資產報酬率與銷售增長率均低于信息技術業,資產負債率高于信息技術業,似乎說明信息技術業作為新興行業,其成長能力要更高一些。第二行業(房地產業)與第三行業得銷售增長率指標有明顯得差別,第三行業大于第二行業,說明信息技術業得獲利能力高于房地產業。凈資產收益率、總資產報酬率與資產負債率等財務指標沒有顯著差別。
5、多變量檢驗結果
值 F 假設 df 誤差 df Sig、Pillai 得跟蹤 、481 2。373 8。000 60。000 、027 Wilks 得 lambda 、563 2、411a
8.000 58。000 .025 Hotelling 得跟蹤 .698 2、443 8。000 56.000 。024 Roy 得最大根 。559 4。193b
4。000 30.000 .008
a。
精確統計量 b、該統計量就是 F 得上限,它產生了一個關于顯著性級別得下限。
此表就是上面多重比較可信性得度量,由Sig、值可以瞧到,比較檢驗就是可信得。
6。
單變量檢驗結果 源 因變量 平方與 df 均方 F Sig.對比 凈資產收益率 306.300 2 153。150 4。000 、028 總資產報酬率 69、464 2 34、732 3。320 .049 資產負債率 302。366 2 151.183 。680 、514 銷售增長率 2904。588 2 1452。294 2、154 .133 誤差 凈資產收益率 1225。054 32 38.283
總資產報酬率 334。753 32 10、461
資產負債率 7112.406 32 222、263
銷售增長率 21579。511 32 674、360
此表就是對每一個指標在三個行業比較得結果、7。
協方差矩陣等同性得
B Box
檢驗a a
Box 得 M 29.207 F 1。172 df1 20 df2 2585。573 Sig、、269 檢驗零假設,即觀測到得因變量得協方差矩陣在所有組中均相等、a.設計 : 截距 + 行業 誤差方差等同性得
Lev en e 檢驗a a
F df1 df2 Sig。
凈資產收益率 、500 2 32 、611 總資產報酬率 1.759 2 32 。188 資產負債率 4。537 2 32 、018 銷售增長率 1、739 2 32 、192 檢驗零假設,即在所有組中因變量得誤差方差均相等。
a。
設計 : 截距 + 行業 上面第一張表就是協方差陣相等得檢驗,檢驗統計量就是Box"s M,由Sig.值可以認為三個行業(總體)得協方差陣就是相等得、第二張表給出了各行業誤差平方相等得檢驗,在0、05得顯著性水平下,凈資產收益率、總資產報酬率以及銷售增長
率得誤差平方在三個行業間沒有顯著差別。這似乎說明,除了行業因素,對資產負債率有顯著影響得還有其她因素。這與此處均值比較沒有太大得關系。
8。
估計 因變量 行業 均值 標準 誤差 95% 置信區間 下限 上限 凈資產收益率 電力、煤氣及水得生產與供應業 、169 1、866 —3、631 3、969 房地行業 6、871 1.598 3。617 10、125 信息技術業 5。818 2、062 1、617 10.019 總資產報酬率 電力、煤氣及水得生產與供應業 、524 .975 —1、463 2、510 房地行業 3。537 。835 1.836 5.238 信息技術業 3。593 1.078 1.397 5、789 資產負債率 電力、煤氣及水得生產與供應業 60、315 4、495 51、158 69.471 房地行業 54.847 3.849 47、006 62.688 信息技術業 53。056 4.969 42。933 63.178 銷售增長率 電力、煤氣及水得生產與供應業 -1.038 7.830 -16.987 14.911 房地行業 -10.512 6。705 -24。170 3、146 信息技術業 12、184 8.656 —5.448 29.816 此表給出了每一行業各財務指標描述統計量得估計、9、成對比較 因變量 (I) 行業 (J) 行業 均值差值 (I-J) 標準 誤差 Sig.b
差分得 95% 置信區間b
下限 上限 凈資產收益率 電力、煤氣及水得生產與供應業 房地行業 —6.702*
2。456 。010 —11、705 -1、699 信息技術業 —5.649 2。781 。051 —11、313 。016 房地行業 電力、煤氣及水得生產與供應業 6、702*
2。456 。010 1.699 11.705 信息技術業 1、054 2。609 。689 —4.260 6。368 信息技術業 電力、煤氣及水得生產與供應業 5.649 2、781 。051 —.016 11。313 房地行業 -1.054 2。609 、689 —6。368 4。260
總資產報酬率 電力、煤氣及水得生產與供應業 房地行業 -3、013*
1、284 。025 —5.628 -.398 信息技術業 -3.070*
1、454 。043 —6、031 -、109 房地行業 電力、煤氣及水得生產與供應業 3。013*
1、284 。025 .398 5、628 信息技術業 —。057 1、364 。967 —2、834 2.721 信息技術業 電力、煤氣及水得生產與供應業 3、070*
1。454 .043 .109 6。031 房地行業 。057 1.364 、967 —2、721 2。834 資產負債率 電力、煤氣及水得生產與供應業 房地行業 5.468 5。918 、362 -6、587 17。523 信息技術業 7、259 6、701 .287 -6、390 20.908 房地行業 電力、煤氣及水得生產與供應業 -5。468 5、918 。362 -17。523 6。587 信息技術業 1。791 6.286 。778 -11。013 14、595 信息技術業 電力、煤氣及水得生產與供應業 -7、259 6.701 .287 -20.908 6。390 房地行業 -1。791 6。286 、778 -14、595 11。013 銷售增長率 電力、煤氣及水得生產與供應業 房地行業 9。474 10.308 、365 —11.524 30。471 信息技術業 -13。223 11、672 、266 —36、998 10、552 房地行業 電力、煤氣及水得生產與供應業 -9。474 10、308 、365 -30、471 11.524 信息技術業 —22、696*
10、949 。046 -44、999 -。394 信息技術業 電力、煤氣及水得生產與供應業 13。223 11、672 、266 —10。552 36.998 房地行業 22。696*
10。949 。046 、394 44、999 基于估算邊際均值 *、均值差值在 。05 級別上較顯著、b。
對多個比較得調整: 最不顯著差別(相當于未作調整)。
多變量檢驗
值 F 假設 df 誤差 df Sig、Pillai 得跟蹤 、481 2.373 8.000 60.000 。027 Wilks 得 lambda .563 2、411a
8、000 58、000 .025
Hotelling 得跟蹤 。698 2、443 8、000 56、000 .024 Roy 得最大根 。559 4。193b
4、000 30。000 、008 每個 F 檢驗 行業 得多變量效應、這些檢驗基于估算邊際均值間得線性獨立成對比較。
a.精確統計量 b、該統計量就是 F 得上限,它產生了一個關于顯著性級別得下限。
此兩張表給出了不同行業各財務指標得比較與檢驗及檢驗得可信性統計量。
10.單變量檢驗 因變量 平方與 df 均方 F Sig。
凈資產收益率 對比 306。300 2 153。150 4、000 。028 誤差 1225、054 32 38、283
總資產報酬率 對比 69、464 2 34.732 3。320 。049 誤差 334。753 32 10、461
資產負債率 對比 302.366 2 151、183 。680 。514 誤差 7112.406 32 222.263
銷售增長率 對比 2904、588 2 1452。294 2、154 。133 誤差 21579、511 32 674.360
F 檢驗 行業 得效應、該檢驗基于估算邊際均值間得線性獨立成對比較。
此表也就是對三個行業中各財務指標相等得假設得檢驗,可以瞧到在0.05得顯著性水平下,凈資產收益率與總資產報酬率在三個行業中有明顯得差別。
綜上所述,我們對三個行業得運營能力進行了具體得比較分析,所得數據表明,從總體來瞧,信息技術業要稍好于電力、煤氣及水得生產與供應業以及房地產業。
第三篇：多元統計分析學習總結
多元統計分析方法現在已經廣泛的應用社會科學和自然科學的許多領域中。
通過對多元統計一個學期的學習，基本掌握了一些可以運用在學習、生活跟實踐中的方法比如多元統計分析中最常見的九種方法：回歸分析、時間序列分析、方差分析、判別分析、邏輯回歸、聯列表與相合性分析、因子分析、聚類分析和聯合分析，基本掌握了運用Spss軟件來分析數據從而找到分析問題中存在的疑問。
當然了通過短短的一個學期的學習學習很多的方法并且把所有的方法盡然掌握不切實際，但是在生活中運用最多的基本上掌握的很熟練，而且在上機操作的過程中有老師的指點迷津也讓自己很快的能夠把握問題的實質，如何分析所得到的實驗結果，如何與實際生活中所遇到的問題進行比對，然后得到的結果是不是跟實際有很大的出入等。
每次的上機操作的都會有一份相應的報告要提交，大多數情況下都是在老師幫助與指導下完成，自己獨立完成的部分相對較少，雖然如此但是收獲還是很多，在老師指導下完成一邊，自己然后再把整個過程再重復一遍這樣就能把所學的溫習一遍，不至于跟老師走一遍就完事兒，最后什么都沒有掌握，遇到問題也不會分析的局面，所以通過自己的不斷練習與操作能夠不斷熟悉掌握多元統計的方法。
第四篇：多元統計分析選擇題
選擇題
1 下面哪一項不是判別分析的方法(C)
A. 距離判別 B.貝葉斯判別 C.協方差陣判別 D.費歇判別 2 式子cov(AX,BY)=(C)
A.cov(X,Y)B B.cov(X,Y) C.Acov(X,Y)D.Acov(X,Y)B 3 如果正態隨機向量X=(1，2，……)的各分量是相互獨立的隨機變量,那么隨機變量X的協方差陣是(B)。 A.零矩陣 B.對角陣 C.對稱陣 D.單位陣 4 利用主成分分析得到的各個主成分之間(D)
A.相互獨立 B.線性相關 C.不完全相關 D.互不相關 5 典型相關分析是研究(B)變量之間相關關系的多元統計方法。
A.一組 B.兩組 C.大于兩組 D.大于一組 6 典型相關分析的步驟不包括(C)
A.設計典型相關分析 B.確定典型相關分析的目標 C.給出典型相關分析方案 D.驗證模型 7 對數線性模型中表示兩個因素的交互效應，此模型為非飽和模型的條件是(C)
A.>0 B.<0 C.=0 D.=1 8 貝葉斯判別法中的判別規則所帶來的平均損失ECM達到(D)
A.0 B.1 C.一定數值 D.最小 9 一個p維變量的函數f(?)能作為中某個隨機向量的分布函數，當且僅當(B)
A.f x <0 B.f x >0 C. >0 D. <0 10 馬氏距離不需要符合下面哪一條基本公理(A)
A.d x,y ≤0 B.d x,y =d(y,x) C.d x,y ≤d x,z +d(z,y) D.d x,y =0，當且僅當x=y。
第五篇：關于多元統計分析課程教學的幾點思考
米拉吉古麗 德娜·吐熱汗 李輪溟
(新疆農業大學數理學院)
摘要：多元統計分析是數學專業本科生的核心課程。由于該課程涉及的數學知識多而深，是本科生比較難學的一門課程。多元統計分析方法的應用領域非常廣泛，因此應用數學專業本科學生應當掌握基本的多元統計分析方法，并且能夠運用所學的多元統計知識解決實際問題。本文結合多元統計分析教學的實踐和體會，提出了關于多元統計分析課程教學的幾點思考。
關鍵詞：多元統計分析 教學
多元統計分析課程是數學與應用數學專業的一門重要的專業課，具有很強的應用性和實踐性。多元統計分析主要用于研究多維隨機變量之間相互關系及其內在統計規律，是認識和探索社會經濟現象數量方面關系的重要方法，在科學研究和生產實踐中已成為分析數據的一種重要手段。
在教學中，我們盡力結合社會、經濟等領域的研究案例，把多元分析的方法與實際應用結合起來，注意定性分析與定量分析的緊密結合，突出統計思想在實際案例中應用和滲透，著力提高學生運用統計方法分析和解決問題的能力。但由于案例來自課本，缺乏真正的應用性和實踐性，尤其對一些基礎好的學生來講，不能有效提高他們的創新能力，教學效果難盡人意。
為此，我們對該課程的教學進行多方面改革， 以培養學生應用能力為主線，將多媒體教學、統計分析軟件、案例教學、實踐教學等有機結合起來，達到提高課堂教學效率和教學質量的目的，使學生真正掌握多元統計分析方法，培養了學生動手能力、數據分析能力、使用統計分析軟件能力以及對實際經濟問題的綜合統計分析能力。我們在幾年的教學工作中積累了一些經驗，提出幾點思考，以供同行參考。
作者簡介：米拉吉古麗，女，講師，主要從事多元統計分析課程的教學工作。
德娜·吐熱汗，女，教授，研究方向為數理統計及其應用。
李輪溟，男，講師，主要從事經濟計量分析課程的教學工作。
一、多元統計分析的課程建設思路
(一) 多元統計分析課程建設的思路及過程
根據多元統計分析課程的特點及教學目的，多元統計分析課程的教學基本上可以分成三個階段來學習，明確各階段的任務和要解決的問題是關鍵的工作。
第一階段：多元統計分析方法的學習。這一階段主要是學習每一種具體方法的基本原理、前提條件、適用范圍和局限性等。由于這一部分涉及的數學知識尤其是矩陣原理比較多， 所以要求教師在講方法之前能夠先回顧必要的數學基礎知識，學生們也要事先復習這部分內容。黑板+粉筆是這一階段最理想的教學手段。盡管這一手段比較傳統，但是通過幾年的教學實踐發現，像這種具有數學推理的教學內容，用板書比用多媒體的教學效果要好很多。因為多媒體演示比較快，學生們的思考時間相對縮短，所以對方法的理解并不深刻。
第二階段：統計軟件的學習
由于多元統計分析方法具有數據的大量性特點，所以手工計算(方法過程)分析處理數據是不可能的。因此必須借助相應的統計軟件來完成統計方法的計算過程。所以，統計軟件的學習是必要的。主要內容有SPSS 軟件基礎知識和基本概念, 數據文件的建立和整理等最基本內容, 其目的是為那些沒有使用過該軟件的學生掌握多元統計分析所需的必備操作技能服務。這一階段主要是通過多媒體教學手段來完成：教師在課堂演示軟件的操作，并且講解各個參數的含義，然后由學生上機自己操作，在實驗室人手一臺電腦，教師邊演示學生邊操作，這種教學的效果比較好。本課程已采用課堂講授與親身體驗相結合的教學模式, 利用SPSS 統計軟件, 讓學生自己親自動手操作來實現課堂所講的原理與方法, 從而體驗、理解、加深和消化課堂所講的內容, 這是本課程教學的重要特點之一。
第三階段：案例教學
在掌握了多元統計分析方法的原理以及學會用統計專業軟件來實現方法的計算過程以后， 第三個階段就應該進入案例教學的環節。這一階段的教學是相當重要的，它主要是訓練學生將理論方法與實踐相結合、定性分析與定量分析相結合的能力。這首先要求教師要有目的地選取具有代表性的案例;其次要充分地準備與案例相關的各種背景材料，以便讓學生在進行課堂討論時能夠全面了解案例背景，使其進入實際問題的角色當中，便于課堂討論的參與;第三，在對案例背景有了充分了解并且形成了初步分析思路之后，上機進行軟件相關操作并且對案例數據進行計算機處理。第四，以計算機處理的數據結果為參考，教師應組織學生進行討論，通過定量與定性相結合的分析方式深入探討案例數據所體現的社會經濟問題。最后，以分析報告的形式對案例學習進行總結。
(二)多元統計分析課程建設中應注意的問題
多元統計分析課程建設的基本思想是：樹立實踐教學觀念，加大案例教學的應用，學會定性與定量分析相結合，對實際問題的分析能力?；谝陨纤枷雭碚劧嘣y計分析課程建設中應注意的幾點問題：
第一，不能重推理，輕應用。這是很多理科生在學習多元統計分析時經常會犯的錯誤。學習多元統計分析方法的最終目的是要應用于實際，解決和分析實際問題。有很多學生包括有些教師在教學與學習過程中將側重點放在數學方法的推理上，而對于多元統計分析方法在實際中的應用并不重視。這樣以來很多學生在學完多元統計分析這門課程后，不知道如何將所學的多元統計分析方法應用于對實際問題的分析解決與處理上，不能學以致用。因此本課程建設的重點應該放在應用上。
第二，計算機不是萬能的。多元統計分析方法中的(計算)數據分析處理過程往往是通過計算機來完成的，但計算機的應用并不是多元統計分析的全過程。對方法的選擇以及輸出結果的解釋，是計算機所不能夠完成的。這需要分析與對問題有深刻的理解才能做出正確的判斷和科學的評價。所以不能夸大計算機的作用。
第三，案例教學切勿流于形式。 在進行案例教學的過程中，多元統計分析方法只是一種定量分析的工具，最主要的是對案例的深刻理解和深入分析。教師應當時刻把握案例教學的進度和同學們探討問題的方向，實時地加以引導。只有這樣才能夠保證案例教學的效果，讓同學們真正從案例分析中學會方法的應用。切勿放羊式的教學，不管不問，流于形式。在組織案例教學時, 教師起著“指路人”和“知識信息庫”的作用, 要充分調動學生的積極性、主動性和自覺性, 因勢利導, 把問題討論引向深入,而學生則是主體, 通過分析、討論、求索, 經歷彎路、岔路、糾偏直到解決問題，讓學生親身體會參與多元統計分析的方法與過程，從而積累一定的多元統計基本方法與實踐經驗。
第四、多元統計分析案例的選擇應客觀真實有效。多元統計分析教學在選擇案例時應考慮以下幾個因素: ①案例必須客觀真實,所選案例應當是針對客觀實際中存在的問題整理而成的, 盡可能地保持其原有的基本特征、基本內容、基本結構和實際數據、背景等, 以便讓學生親身體會到所學知識的實用性, 激發其進一步學習的興趣。②多元統計分析教學所選案例要有層次性。隨著教學進度的推進, 案例應逐步增加其難度, 從專門性的特殊案例向綜合性的復雜案例過渡。③多元統計分析教學所選案例應具有完整性。案例題目要求名符其實、簡潔醒目;導言要簡括交待案例內容、時間、地點并能吸引閱讀者的興趣; 正文則將案例的目標、背景材料、基本內容、情節條件準確傳達給學生;結尾提出供分析思考的問題, 可以是明喻的, 也可是引而不露, 讓學生去探求和發掘?？傊?，多元統計分析教學所選案例應當結合客觀實際情況，符合學生循序漸進的學習過程，做到讓學生在多元統計分析的學習中受到啟發、學有所獲，培養學生自我分析處理問題的能力。
二、傳統教學與多媒體教學互補的教學模式
多元統計分析課程是一種處理多維數據的技術方法論課程,其理論和方法都是在高維空間中討論的。 一方面, 由于多元統計分析中有大量公式和成堆數據,書寫繁瑣, 使課堂教學很難形成一種氣氛。將多媒體引入教學, 不僅能豐富課堂教學方式, 而且可大大地減輕教師在課堂上的繁重板書。用節省下來的時間，教師可以與學生展開更加自由的討論，擴大了知識的容量，在學生和教師之間提供了較多的研討機會;另一方面，課程通過使用統計分析軟件來實現要求掌握的理論方法和原理，并能通過運行結果進行統計分析。盡管多媒體課件有著上述強大的優勢，但全部課程都采用多媒體課件效果并不好，因為多媒體課件演示速度較快，容易使學生看得眼花繚亂，無法記筆記，而且課程容量根據學生的接受能力是有客觀局限性的，如果缺乏思考時間和節奏，一味通過多媒體教學擴大容量和加快節奏，會產生事與愿違的后果。因此，傳統教學不能因為多媒體教學的引入而被完全取代。 如何在教學中解決這一問題呢? 教師不但要從教育心理學的角度考慮學生的認知規律，還要考慮到課程自身特點對多媒體技術的合理需要，結合自己傳統教學和現代化教學經驗，精心制作課件，根據每個知識點的情況合理安排板書的時機,盡量做到傳統教學與多媒體教學取長補短、互相補充。 例如，在系統聚類分析中，聚類樹的形成過程如果用課件表示，學生眼花繚亂，無法真正掌握。我們配合板書分析，讓學生真正掌握系統聚類原理;在主成分分析的系數矩陣的教學中，課件強調結果和簡單過程，板書補充涉及線性代數相關知識點，等等。
三、改革傳統考試方法，以論文形式評定成績
多元統計分析課程實用性、操作性很強，大量的數據錄入運算，通常要在計算機上執行完成，并且多元統計分析是一門對客觀事物定量認識的科學。對事物量的看法和認識將有利于增強人們對事物量的研究，應善于通過事物量的表現和量的關系來挖掘事物的本質。學習該課程就是要是學生學會用數據說話，運用數據來分析實際經濟現象。因此，該門課程應采用以平時的理論學習，期末撰寫論文并進行答辯的形式為主，二者結合的考核形式。為此, 我們先介紹一些簡單的問卷設計理論和抽樣方法，相關理論講授后就對學生進行分組，一般讓兩到三位學生組成一組，讓他們去發現身邊所在的問題，設計問卷，再用所學的統計抽樣方法做抽樣調查，然后結合SPSS 統計分析軟件的應用，開始講授常用的多元統計分析方法。我們介紹的多元統計分析方法主要有方差分析、聚類分析、判別分析、主成份分析、因子分析、典型相關分析、多元回歸分析等。每講授一種統計分析方法，除了講解書上的案例和老師從課外補充的一些案例外，還讓同學們理論結合實際，用自己收集好的數據做相關的分析，對分析結果進行整理和解釋。 到課程全部結束時，學生就可以給出由他們自己采集的數據做出來的一份數據分析報告，并把它做成一個論文(當作為我們這們課程的結業論文。在撰寫論文的過程中，學生要親自查閱大量資料，從整個論文的構思到多次反復的修改，教師要給予各方面的指導。雖然教師的工作量大大增加了，但學生從中獲得了分析處理實際問題的比較完整的各方面的知識，提高了分析實際問題和解決問題的能力。實踐證明，撰寫論文是理論聯系實際的一種非常好的考核方式，值得提倡。
四、結語
以上是我們在多年的多元統計分析課程的講授過程中,對傳統的教學方法的思考與幾點改進,在實踐中取得了良好的教學效果。通過實際調查, 學生的綜合能力有一定的提高。本文所論述的一些教學方法的改進,同樣適用于統計學專業其他的課程，如隨機過程、時間序列分析、實用回歸分析等等。我們相信,多元統計分析課程在廣大教育同仁的共同努力下,一定會有一個更加廣闊美好的未來。
參考文獻：
[1]孫旭.多元統計分析教學如何激發學生的學習興趣[J].統計教研，2008(5):68-69. [2]王靜敏 .多元統計課程的創新改革研究[J].統計教育，2007(10):24-25. [3] 董志清，廖正琦.《多元統計分析》課程的教學的教學體會及探討[J]. 重慶文理學院學報(自然科學版),2010(2):82-84.