前言：中文期刊网精心挑选了经济学数据分析范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
经济学数据分析范文1
【关键词】《数据统计分析》；教学内容；教学方法；考核方式
一、引言
随着信息技术的发展，在经济管理中会出现越来越多的数据，如何挖掘这些庞大的数据，发现有用的信息已成为管理中迫切需要解决的问题。如在网上营销中，我们急需知道哪一类人需求某一种商品，从而使营销能够有的放矢，最大限度地扩大销售量。而《数据统计分析》正是讲述如何收集数据，整理数据，分析与解释数据，研究如何在浩瀚的数据中发现信息并指导我们的经营管理。因此《数据统计分析》成为财经学院的学科基础课，成为该类学校各专业的必修课。希望该门课程的讲授能够让学生掌握基本的统计分析方法，并能够运用这些统计方法解决实际问题。
笔者通过这几年对这门课的讲授与学生的交流，发现学生在学习这门课的过程中普遍存在如下几个问题。
第一，该门课程涉及深奥的概率知识与统计理论以及复杂的推导，学生普遍感觉该门课程的理论很难以掌握。
第二，虽然通过统计软件操作出结果，但对结果的解读不一定正确。
第三，学生普遍对这门课很有兴趣，但在学习过程中总感觉内容太多，学过易忘。
对于这些问题，作为教师该如何调整教学，使学生能够克服以上问题？本文从以下几个方面进行了教学改革，提高了教学质量，激发了学生兴趣。
二、《数据统计分析》教学内容调整
对于财经学院的学生来说，学习这门课以前，普遍学习了《高等数学》《线性代数与概率统计》，但学得不一定深，学生对于统计分析所要求的各种分布性质、矩阵与向量的计算等理论推导很头疼。因此，教师应该以“学以致用”为原则，坚持理论与实践相结合，理论适可而止，重点在于应用与实践。根据这些原则构建“基础理论-统计软件-实践教学”授课体系，首先浅显地讲述理论，然后在统计软件中进行操作，对得出的结果进行详细的分析，结合实际案例进一步加深对理论的理解以及结果的解读。因此教师在本课程教学中应以实践为主，可以开设为全实验课程。
授课内容的选取与教材有关。本课程选取了薛薇主编的《SPSS统计分析方法及应用》，该书是北京市高等教育精品教材。重点教授内容为与经济管理相关的数据文件建立、数据预处理、数据的描述统计、参数检验、非参数检验、回归分析、聚类分析、因子分析、信度分析和时间序列分析。与统计分析相关的统计软件有Matlab、SAS、SPSS、R、Eviews、STATISTICA等，而SPSS全部是界面式操作，对于不是计算机与统计相关专业的学生来说是最容易上手的。而且SPSS软件包含了统计分析方法的所有功能和强大的图形输出功能，可以输出简洁漂亮的y计分析图表。运用SPSS 软件，可以使理论概念变得直观、准确、具体、形象，将理论知识融入实践中来，增强学生对概念的理解和对数据处理方法的运用[1]。而在该教材中，对于SPSS操作讲解非常详尽，每种统计方法结合具体案例都有详细的讲解。
三、《数据统计分析》教学方法与手段革新
从以上分析可知，该门课程应用实践性很强。在教学中如何避免复杂的理论记忆而掌握各种统计方法，并能学以致用呢？本文从以下几个方面进行阐述。
（一）运用以“统计思想”为中心的“黑箱”教学方法
什么是统计思想？统计思想是关于“为何统计，统计什么，如何统计”的思想，就是关于统计的世界观和方法论[2]。《数据统计分析》有很多统计方法，每种统计方法都有复杂的统计理论及推导。对于经济管理类学生来说，掌握所有的理论推导有一定的难度，但可以理解相应的统计思想。在统计教育中，掌握了统计思想，就慢慢培养了看问题的统计思维方式和思维习惯，统计思想教育应重于统计方法教育[3]。因此，教师在教学中应使每种统计方法的理论讲解浅显易懂，重点讲清楚统计思想。所谓“黑箱”教学方法就是从综合的角度提供了一条人们认识事物的重要途径，尤其对某些内部结构比较复杂的系统，它是从系统的观点出发，强调在整体与部分之间、整体与周围环境的相互联系中认识事物，而不去深究其内部结构和局部细节[4]。所以教师在统计理论的讲解中，应把学生从复杂的统计理论与推导中解脱出来，把这些当作“黑箱”，只需在学生头脑中建立起某种统计方法的统计思想，然后随着授课进度的深入，结合具体的案例再讲解这些理论与方法。例如对于非参数统计，可以借助已学过的参数检验，讲解非参数统计的统计思想也是“提出假设-建立统计量-计算概率-是否拒绝原假设”，只是参数检验是在数据符合正态分布的条件下，推断检验数据的均值与标准差是否相等，而非参数检验是小样本统计推断下，判断各数据是否来自同一分布。学生理解非参数统计思想后，再打开“黑箱子”，阐明非参数检验各种情况下统计量的来源及计算方法。
（二）以“案例”为导向讲述统计的理论与方法
《数据统计分析》这门课理论复杂，只有与实践相结合，统计的理论与方法才能被学生充分理解和接受。案例教学是一种通过模拟或者重现现实生活中的一些场景，让学生把自己纳入案例场景中，通过讨论或者研讨的方式来进行学习的教学方法[5]。学生在教师的指导下，对案例进行思考，分析与讨论，从而在案例中掌握所授课的内容。例如讲述“因子分析时”，可以先阐述因子分析的统计思想就是降维以及相关的适用条件、因子的抽取、因子的命名解释等，然后以某一行业上市公司的盈利能力指标为例让学生进行因子分析。在案例讨论分析时，教师首先引导学生分析数据是否适用于因子分析，然后让学生考虑应该抽取几个因子，每一个因子包含哪些盈利指标，每一个公司在新因子的得分情况如何，最后让学生分析如何对所有公司的盈利能力进行综合排名。在这样一个案例讨论中，通过教师循序渐进的引导，学生不断加深对该方法的理解，而且对一些晦涩的概念如方差贡献率、载荷矩阵、因子得分等有了感性认识，增强了学习兴趣。
（三）加强学生上机实验的体验式教学模式
所谓体验式教学模式，主要是组织体验和引导反思，让学生在经历和实践中实现自我领悟，在反思中重构自己的经验，形成自己的行动策略和方式，从而习得相关知识[6]。为了使学生掌握相关的统计知识，可以让学生亲身运用SPSS体验某种统计分析方法。这样教授每部分内容时，必须准备好相应的实验指导书与实验报告。在实验指导书中简单阐述相P的理论、实验内容以及相关的SPSS操作步骤与结果。学生根据实验指导书完成实验报告中的新内容，并撰写实验分析报告，实验报告主要是实验结果以及对结果用规范的统计语言进行描述，分析与解释。学生做完实验报告后，教师根据实验情况进行讲解与分析，验证实验结果。每部分授课内容通过这样的体验式教学，学生就会懂得相关的统计分析方法、操作与结果分析，达到教学目的。
（四）充分利用信息技术，构筑立体化教学模式
对于该门课程，教师在课堂教学中可以充分利用多媒体技术制作一些动画与视频，吸引学生的兴趣。课堂教学以外，可以构建该课程的网络教学平台，提供上课视频、课件、实验指导书、实验报告等，让学生可以对课堂内容进行复习和自主学习。对于该课程的拓展及补充内容，制作一些微课，进一步拓宽学生的知识视野，提高学生的自主学习能力；还可以开设网上答疑和学习讨论空间，对学生提供在线答疑。
四、《数据统计分析》考核方式改革
在每门课程中，学生最关心的是考试，但一次理论考试根本不足以评价学生的学习情况。该门课程又是一门实践性较强的课程，因此应改革考核方式，变为如下图的综合考核体系。
在该门课程考核中，根据课堂表现和实验报告考核学生上课情况。在教学中把教学内容分为两部分进行阶段化理论考核：第一部分包括数据预处理、基本描述性统计、统计推断；第二部分包括相关分析、线性回归分析、聚类分析、因子分析、时间序列分析等。对于期末大作业，让学生收集感兴趣的三套数据，运用学过的方法进行分析与评价，这样可以充分考核学生对已学知识的实践应用能力。在这样一个综合考核体系中，学生在每部分阶段考核中，为了通过考核，必然会对这部分内容进行复习，而不是累积到期末再复习，这样就不会感觉要学的内容繁杂，学了后面忘前面。该评价体系不仅考核了学生是否掌握理论知识，而且进一步考核了学生应用知识的能力，从而提高了学生的分析能力。
五、结束语
综上所述，《数据统计分析》是一门应用性很强的课程，随着信息技术的发展，它在经济管理中的应用越来越广泛，这门课会在更多专业开设。作为这门课的教师，应该根据时代的要求，不断调整教学内容，创新教学方法与手段，改革考核方式，提高教学质量，增强学生的学习兴趣。
【参考文献】
[1]刘凤艳.SPSS 软件在多元统计分析课程教学中的应用杂谈[J].赤峰学院学报（自然科学版）， 2016（03）：255-256.
[2]李金昌.关于统计思想若干问题的探讨[J]， 统计研究，2006（03）： 31-38.
[3]马艳梅，汪冬华.经济管理类专业多元统计分析教学探讨[J].教学研究， 2013 （05）：79-82.
[4]葛仁华，杨元妍.论黑箱理论在电子专业教学中的巧妙应用[J].桂林航天工业高等专科学校学报， 2009（03）：366-367.
经济学数据分析范文2
关键词：大数据；学习分析；教育模式
在线学习系统中包含了大量与学习者学习行为相关的数据，例如，学习日志、学习途径、学习成果数据、课程数据、学习管理数据等。充分集中整合这些大数据，再对学习过程和学习效果进行评价分析，更有效地支持学习，优化教学服务，为教学管理与决策提供依据已成为远程教育工作者面临的重大课题。
一、目前远程教育存在的问题
远程教育中学生可以随时随地利用网络进行课程学习，不受时间和空间的限制，但同时也存在一些问题，例如：
1.评价数据单一化。
教师通常采用总结性评价对学习者的学习过程进行评价，如利用课后作业、论文、测验、出勤情况等评价数据。
2.评价方法静态化
目前评价方法采集的数据是静态的，缺乏对学习过程进行实时监测，不能实现动态的反馈，不能准确反映学习者的参与程度。
3.评价的真实性难以把握
对于一些视频课程的学习，很难判断出学习者是认真参与学习还是开着视频人却离开，而对于课后测验与作业是否独立完成也很难保证。
利用上述方法考核、分析和评估远程教育，教师既不能实时把握学习者真实的学习情况，也无法确定学生个体的学习方式、认知习惯和学习兴趣。学生也无法对自身学习效果有一个客观而明晰的认识，不能较好地制订下一步的学习计划。
二、学习分析的特征
学习分析技术是运用数据挖掘、信息可视化等智能技术来分析学习系统产生的数据，并利用分析结果提供恰当的干预、评估，其主要目的是优化学习过程，促进学习。学习分析技术具有以下特征：
1.复合化的数据采集
多样化的数据为自动化的学习支持和针对性的学习服务提供了可能性。学习分析技术采集的数据来源：一是由学习管理系统、移动终端、社会性软件中所记录的学生的学习行为数据；二是内容管理系统中的学习记录数据；三是学生学习成果数据，如作业、作品。这些不同来源的多样性数据通过第三方分析软件整合并导入到同一个分析框架中，就可得出学生学习情况的分析结果。
2.多角度的分析技术
要进行有效的分析，必须使用多种研究方法、技术与工具。学习分析技术应从网络交互、交流内容、交互内容等多个角度展开，并对数据进行挖掘、聚合、分析，结合定量研究与定性研究的数据为学习提供支持。
3.可视化的分析结果
通过可视化分析结果，使学生对学习状况、教师对教学情况有直观地了解，并作出有效的判断和分析。
4.多层次的服务对象
学习分析技术从教师、学生以及管理者的角度对学生的学习过程进行客观的预测，方便教师优化教学，改进过程评价手段，帮助学生进行自我评价、自我诊断，给教育机构和管理者提供决策依据。
三、基于学习分析技术的远程学习系统模型
学习分析技术利用数据分析探究学习过程的发生机制，改进学习，这一过程包含了数据的选择、获取、综合与报告、预测、使用、完善和分享等活动。因此需要基于学习分析技术初步规划学习系统运行的步骤。第一步，学习者结合自身兴趣和系统推荐，选取学习内容；第二步，系统记录下学生者产生的学习数据，结构先定义好再存入数据库；第三步，对预测模块进行分析，在采集学习者行为数据的基础上，与学习者的特征信息相结合，利用分析工具及模型对预测模块进行分析；第四步，在参照上一步预测模块预测结果的基础上，利用数据挖掘技术为学生推荐适合学生学习特征的学习策略及指导方法；第五步，可以利用可视化的形式将上述数据挖掘结果、分析结果传递给学生、教师和教学管理者。
该学习系统包含六大模块：（1）学习的内容。管理、维护、传递个性化的学习内容与评价给学习者，以支持学习者的学习行为。（2）学习行为数据。记录学习者在学习系统中的学习行为（比如学习时间、学习次数、学习路径、学习进度等）。（3）分析预测模块。这是整个模型的核心，整合学习者信息系统中的数据和学习者学习行为数据，通过多种技术（语义分析、社会网络分析）对数据处理和分析，对学习者未来的学习行为和结果进行预测。（4）可视化面板。根据用户角色的不同，将预测模块中的结果以可视化、图形化的方式呈现。（5）推荐模块。根据分析预测模块的运行结果，再根据学习者的学习水平和兴趣，对学习内容等进行个性化的定制和推送。（6）干预模块。允许教师、教学管理者和系统开发人员根据预测模块的运行结果，对系统实施人工干预、自动化干预。
基于学习分析的远程学习系统模型能够及时量化跟踪学习过程，提出较好的学习建议，并以可视化的形式呈现给学生和老师，帮助他们更加清楚地了解自己学习的变化过程，帮助学生更好地认知自己的学习状态，激发学习者的学习兴趣和学习激情。
模型利用采集到的学生学习兴趣发展的数据，了解学习者状态，包括学习者已掌握的相关知识、学习习惯等；建立合理的学习者分析模式与数据分析框架，从简单的资源推送逐步完善为提供基于大数据分析的适时、贴切的个性化指导，帮助学生完善知识结构，挖掘自身兴趣爱好和特长。整个学习过程既实现了学习者的自制学习和自我学习，以及教师个性化干预指导，又实现了系统根据用户特征适应性推送资源辅助学习者学习的目的。
四、学习分析技术对远程教育模式改革的价值
经济学数据分析范文3
关键词：数据挖掘模型；家庭经济困难学生；精准识别；决策树
数据挖掘（Data Mining，DM）又称数据库中的知识发现（Knowledge Discover in Database，KDD），是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的过程[1]。数据挖掘在很多领域都是一个很时髦的词，尤其是在如银行、电信、保险、交通、零售等商业领域。但是，数据挖掘在教育领域的应用尚处于理论探索阶段，其他研究中已经证明，数据挖掘在高校家庭经济困难学生精准识别的过程中具有理论上的可行性，本文通过建立基于家庭经济困难学生数据库的数据挖掘模型对困难生精准识别进行实证角度的探索，以期能够解决家庭经济困难学生认定过程中存在的主观性、片面性等问题。
本研究通过运用数据挖掘技术，对家庭经济困难学生的数据进行量化分析、建模评价、以及结果分析。本文的主要设计思路为：针对学生的一系列评价家庭经济困难程度的指标划分学生困难等级，有利于简化家庭经济困难学生的认定程序，降低错误率。一个完整的数据挖掘过程主要包括数据准备、建立模型进行挖掘、模型的评价与修正三个阶段。借助数据库中已有学生信息，使用数据挖掘方法开发出困难等级评分模型从已有数据中分析归纳出困难生识别的规则和标准。然后，将这些规则或标准应用于困难生认定过程。本文所采用的数据挖掘软件为SPSS Clementine 12.0。该软件操作简单、无需编程、界面人性化，是一款十分适用的数据挖掘软件。图1展示了基于数据挖掘的困难生精准识别所构建的模型。
一、数据预处理
数据预处理主要包括原始数据整理与数据分割两部分。
本研究采用原始数据来自2015年度某高校某学院家庭经济困难学生数据库，该数据库共有数据496条。从学生《家庭情况调查表》以及家庭经济困难申请表中原因陈述结果可以看到，涉及到学生的特征指标包括户籍性质（HJ）（农村、城镇），户口所在地（HK）（东部、西部、中部），家庭人口数（RK），是否孤残（GC），是否单亲（DQ），家庭人均年收入（SR），家庭健康情况（JK），家庭负债情况（FJ）等一系列指标。数据经整理后能够满足Clementine对数据挖掘的要求。
数据分割的目的主要是为了验证数据挖掘模型，根据一般原则，数据分割的比例配比为训练集（40%），测试集（30%），验证集（30%）。分割方法为简单随机抽样，利用Clementine 12.0的Partition节点完成。分割后的三个数据集用新增变量Partition的取值标识，但仍合并在同一个数据文件里。
二、建立模型
家庭经济困难的等级与困难学生本身的特性是紧密相关的，经由这些特性能够细分学生困难等级，常用的特征识别方法是分类树。分类树着眼于从一组无次序、无规则的事例中推理出分类树表示的分类规则。现在比较常见的算法是基于信息论的方法的决策树。本文选取决策树模型来分析处于不同困难等级的学生所共有的一些个人信息，并对困难生认定提出相应的一些建议。
符合以下几条规则之一的，可以认定为家庭经济条件特殊困难：（1）人均年收入少于2250元，家庭人口少于3.5；（2）家庭人口多于3.5，人均年收入少于950元；（3）人均年收入高于2250元，家中有负债，人口数少于5人，家庭存在不健康因素。
符合以下几条规则之一的，可以认定为家庭经济条件困难：（1）人均年收入大于1250元，家中有负债，农村户口；（2）人均年收入大于1250元，户籍所在地为中西部地区；（3）人均年收入大于1250，家中人口多于5人，且有负债；（4）收入多于2250，人口数多于6人且家中不健康因素的。
符合以下几条规则之一的，可以认定为家庭经济条件一般困难：（1）收入多于1250，家住农村，无负债；（2）收入在2250到2450之间，家住中东部，人口少于6人；（3）收入大于2450元。
三、模型评估
完成模型的制定以后，下一步就是对模型进行评估，检验其预测能力的强弱。一般来说，模型的检验有两种方式：样本内检验和样本外检验。在Clementine中，模型评估主要采用图形展示，例如Gain图、Lift图等。另外，也常用分类矩阵来比较预测结果与实际结果的吻合程度，分析结果如图2。
首先，从收益图可以明显的看出，利用决策树得到预测模型准确率非常高，几乎与理想模型重合，而基于客户特征的细分变量的准确率也比较高。
为了更好的评判预测效果，利用Clementine 12.0中的Analysis节点，可以得到如下关于决策树模型在三个部分的数据集中的预测准确率。在大小为40%的训练数据集中，模型的预测准确率达到86.03%；在大小为30%的检验数据集中预测准确率为86.1%；在大小为30%的验证数据集中，其预测准确率达到86.18%。可见，利用决策树模型已经达到了相当好的估计效果。
四、结论
数据挖掘模型的运行结果在理论与实践层面都得出了有益的结论。
首先，数据挖掘的运行结果给出了困难生认定的一些普遍规则，这些规则基于困难生认定的原始数据所表现出来的困难生的特性，反映学生的方方面面。这些规则在困难生认定过程中将会是非常好的参考条件，甚至对困难生认定的准确度起决定作用。
其次，数据挖掘应用于家庭经济困难学生精准识别，对于数据挖掘在教育领域尤其是在学生管理与服务工作中的应用提供了有益的借鉴，这种借鉴也不应止步于此，应当进行更加深入的研究与应用，一遍提高高等学校学生工作的科学化水平。（作者单位：1.济南大学外国语学院；2.济南大学党委学生工作部）
参考文献：
经济学数据分析范文4
关键词：经济类专业；量化研究；数据支持平台
当前经济类学生的培养体系中，统计学、计量经济学等以数量研究为特征的学科成为了核心课程。经济类本科生不仅需具备良好的经济学专业知识，还需具备一定的量化研究能力。而在量化研究能力的培养过程中，确实地使用当前经济运行的实际数据进行分析是必要的。为了更好地为学生提供学习环境，建立为经济类专业的数据动脚平台就成为必然之选。
一、数据支持平台概念
所谓的数据支持平台是指为学生提供可获得教学和研究的相关经济数据的软件和硬件的集合，具体可设计包括：数据采集实验室；数据分析实验室；数据库（数据建设实验室）等。数据支持平台是一个集成平台，可作为整个经济类专业开设学院的基础平台。
二、数据支持平台建设的重要性
数据是教学和科研工作的重要支撑，这一点对经济学科尤其重要。
首先，由于科研基础的薄弱和信息获得的滞后性，公开的二手数据目前科研工作价值逐渐降低。收集获得第一手数据值得重视，基于自身一手数据的论文有绝对的竞争力。数据支持平台可以提升整个经济类院校教师的科研水平。
其次，学生参与数据收集、数据整理，并在此基础上分析问题、解决问题，无疑提升了学生的科研能力和动手能力；学生对自身感兴趣的经济、社会问题，以及发生在身边的现象收集数据，加深对社会问题的理解。同时在问卷中，与受访者联系，有助于学生提高自己的社交沟通能力，不但使重要的社会实践，而且增强学生就业和就业后的社会适应能力。
再次，可作为经济学院的对外合作的一个窗口。
三、数据支持平台内容设计
1、定位
数据支持平台应当作为经济类相关专业通用的数据平台，成为特色实践和特色教学的重要内容。它应当为教师提供教学和研究所需的数据，同时也为学生提供学习和研究的数据支持。
2、服务对象
数据支持平台的对象包括了服务主体的服务内容。其中服务主体主要是为校内外教师和学生提供服务，服务内容包括了校内外教师和学生的问卷调查、学生的科研以及社会实践、与统计和计量经济学等相关课程相衔接的实验和实践、此外还可以考虑对校内开放，有偿接受其他文科学院学生科研，为其他学院教师科研有偿服务；接受学校委托进行师德学风、学校建设、大学生生活、就业等等调查；向社会开放，接受企事业、地方政府、咨询机构、社会公益组织等等委托为其调查。
3、调查功能
数据支持平台的调查功能可以包括多个方面，具体而言：
（1）市场调查：主要针对产品品牌知名度、市场渗透率和市场占有率，居民消费观念、消费习惯和生活形态，媒体覆盖率接触率和广告到达率等。主要委托对象是工商企业、媒体单位和研究机构。
（2）社情民意调查：主要包括居民对市政建设、环境治理、治安情况以及就业、教育、住房现状的评价。此类调查主要由各级政府和相关部门委托。
（3）行业行风调查：包括政策透明度、办事程序和办事效率以及办事人员工作态度等。主要服务对象为党政纠风部门、行业主管部门和大型企业集团，如工商、税务、公安、银行、电信等。
（4）社会热点问题、分配问题、公共服务评价调查等
（5）网络调查。这是这个数据支持平台发展的方向之一。从前瞻性角度来说，随因特网发展和电脑普及，网络是人们生活的一部分。网络是最大的受众媒体，网络调查将是统计调查未来发展方向。私密性、敏感的、设计人文生活的热点话题、包括政治统计都会在网络进行。因此个数据支持平台必须能开展网络调查。
四、数据支持平台技术模块设想
数据支持平台可包括：数据采集实验室；数据分析实验室；数据库（数据建设实验室）三个方面的内容。其中：
1、数据采集实验室
数据采集方式可包括包括传统的问卷调查和电脑辅助调查两种。具体而言，传统的问卷调查的问题设计是电脑辅助调查的基础，因此应与保留，作为辅助调查手段。电脑辅助调查模块要集成计算机辅助电话调查系统CATI和计算机辅助人员访问CAPI（Computer Assisted Personal Interviewing）。具有高智能的问卷评价体系，以及可以与通行数据库对接。CATI系统通常的工作形式是：访员坐在计算机前，面对屏幕上的问卷，向通话另一端的被访者读出问题，并将被访者回答的结果通过鼠标或键盘记录到计算机中去；督导在另一台计算机前借助局域网和电话交换机的辅助对整个访问工作进行现场监控。CAPI系统通常的工作形式是：问卷由计算机管理与呈现，被访者回答的结果被访问员（或被访者）通过鼠标、键盘、手写笔或触摸屏等直接记录入计算机内。访问结束，数据通过互联网、邮寄或无线网等方式传送到中央服务器。汇总后的数据无需做太多整理便可直接用于统计分析。
CATI和CAPI都有现成的技术和成套软件。CAPI是发展趋势，因此我们这个模块选择集成CATI功能的CAPI系统，因此需要新购置电脑中有一部分是移动电脑，承载面访功能。
2、数据库（数据建设实验室）
对于一些收据如就业、教育、住房等需要定期、长期、连续调查收集，这样经过很多届学生、多年的积累，可以汇集成自有数据库。这个数据库可以支持教师的科研创新团队，同时可以对外出售、租用、转让，因此必须加强数据库的建设。
3、数据分析实验室
数据分析实验室主要包括了建立可考虑有已有的计量分析平台、由学院前期购进SPSS完成。
综上所述，为提高经济类本科教学的质量，提升相关专业教师的教学和研究水平，特别是培养经济类本科生的量化研究能力，构建数据支持平台是具有必要性的。通过数据采集实验室、数据分析实验室和数据库三方面的建设，为教师和学生全面提供了教学和研究所需的数据支撑，并且还可为学校内外的其他教学和研究单位提供服务。因此建立数据支持平台具有现实的意义。
参考文献：
[1]黄秉成，孙宗进.统计调查数据质量的甄别与控制[J].中国统计，2010，（1）.
[2]陈光慧，刘建平.连续性统计调查方法及其在我国的应用研究[J].商业经济与管理，2010，（1）.
经济学数据分析范文5
从资本市场与企业的业务经营变化来看，商业模式经历了从线下转向线上之后，进入了业务数字化和智能化阶段。现代信息技术对商业模式的影响日益深广，对财务人才的知识结构和技能提出了重大挑战。尤其是2020年高招过程中，清华大学停招会计学本科专业、安徽大学停招财务管理专业更是引发了社会对财会人才培养和专业建设的反思。
我国财务管理专业建设在信息技术的冲击下正在发生重大变化，浙江大学、山东财经大学等高校已经新开设了智能财务专业，而其他部分高校亦加强了智能财务实验室建设，开设有关大数据分析、人工智能、区块链技术及应用等课程。而国外高校也逐步加强了财务管理专业与信息技术专业的复合型人才培养。在理论研究中，学者已经对财务管理智能化、智慧财务、智能财务等进行了探讨，指出了财务会计转向管理会计的发展趋势，但未对专业本身的建设进行探讨。因此，本文对现代信息技术对财务管理专业建设的影响进行初步探讨，梳理我国高校财务管理专业建设的新变化，提出相应的政策建议，旨在引发数字经济时代财务管理专业建设的反思与改革。
1人才培养模式的比较与反思
从英国大学商学院专业设置来看，会计学与金融学作为传统优势商科专业一直处于重要地位，这也是海外留学的热门专业。但在对金融学、财务管理专业的理解上，我国与英国存在很大的分歧。随着海外留学人才回国任教人数的增加，这种分歧正在逐渐减少，从而促进了人才培养目标共识的达成。
1.1财务管理专业人才培养模式的比较
1.1.1我国现行主要做法
改革开放之后，金融人才的培养成为经济学院或者经济系的重要使命。为此，金融学专业是设置在经济学院或者经济系，课程设计主要以货币银行学和国际金融而展开。而会计学专业作为商科专业设置在商学院或者管理学院。随着市场经济的深化，商学院在培养人才方面也意识到，培养体系缺乏金融人才培养这一重要环节。为此，商学院亦通过设置财务管理专业的方式，与会计学专业一同成为商科主要专业。因此，我国高校商学院在设置财务管理专业上形成了以下格局:要么在设置会计学专业的同时，由会计系下设财务管理专业;要么仅设置会计学专业。毫无例外的是，在商学院设置财务管理专业的同时，经济学院或经济系也开设金融学专业。
在这种专业设置的格局下，财务管理专业培养目标是比较模糊的，基本上是在会计学和金融学专业之间游移。当然，这里的金融学专业是指我国以宏观金融为核心而构建的专业培养体系。随着我国金融学专业建设的推进，以公司金融和证券投资学为核心的微观金融逐步受到重视，公司金融、投资学、金融市场、金融衍生品、金融工程等成为金融学专业的基础课程，但传统宏观金融课程仍然占据重要地位。正因为如此，高校近年来进行专业学科改革中亦停止了财务管理专业的招生，通过开设计算金融或者会计学(智能财务)专业，强化微观金融方向的专业知识和技能的培训。值得注意的是，厦门大学财务管理专业人才培养和课程设置体现了欧美商学院会计与金融本科专业的特点，提供了传统会计学和流行金融学专业的核心课程。除财务会计、管理会计、审计与鉴证、税收等会计课程之外，亦开设了公司财务(金融)、证券投资学、固定收益证券、衍生金融产品、金融工程等必修课程。在培养方向上设定了公司理财和证券投资两个方向，这与英国商学院会计与金融专业培养模式是相通的。
1.1.2英国会计与金融专业模式
从国外来看，会计学专业也发生了很大的改变。英国会计学专业设置极具特点。从《泰晤士报》(TheTimes)和《卫报》(Guardian)公布的2020年会计与金融(accountingandfinance)排名前10的大学名单来看，除利兹大学、伦敦政治经济学院、巴斯大学、华威大学、拉夫堡大学、思克莱德大学这6所大学均入榜之外，根据《卫报》和《金融时报》的评价标准，8所大学出现了较大波动，仅进入其中一份榜单。入围两份榜单前10的这14所大学中，仅思克莱德大学、贝尔法斯特女王大学设置了会计学专业(accounting)，其他12所大学的商学院均设置会计与金融专业(accountingandfinance)(思克莱德大学亦同时设置了会计与金融专业)。值得注意的是，巴斯大学和华威大学商学院只设置了会计与金融专业，没有其他会计学、金融学专业设置。即使利兹大学、伦敦政治经济学院、约克大学设置了多个金融方向的专业，但与会计学有关的专业仅有会计与金融专业。与英国会计与金融学专业设置相比较来看，我国高校的财务管理专业实际上类似英国流行的商科专业———会计与金融，在强化财务会计、管理会计知识和技能的同时，加强公司金融、金融市场、投资分析与组合管理知识和技能的训练。
1.2现代信息技术对人才培养目标带来的挑战
大数据、区块链、人工智能等信息技术对财务管理人才的知识和技能结构产生了影响，企业中传统的大量重复性的日常业务会被智能系统所替代，对日常财务管理人才的需求数量会减少。甚至企业将日常财务业务外包给专业化的财务管理咨询公司，由其利用财务信息技术进行集约化管理。与此同时，现代信息技术凸显了财务管理人才的重要性。公司财务管理人才发挥着财务信息与其他企业信息的归集与分析中枢的角色，尤其是在企业数字化转型中，财务管理人才提供的企业信息的准确性和全面性直接影响着企业发展的重大决策。这就要求公司财务管理人才具备对实时、大量的财务数据和其他数据的挖掘能力和分析能力，要求公司财务人员必须掌握计算机科学与技术、数据科学与大数据技术等专业知识和技能。因此，财务管理人才培养目标应定位于掌握金融学、会计学的基础理论和方法，在企业价值创造、财务决策、风险管理等领域具备较强的数据分析、数理工具运用的能力。
为此，财务管理专业作为会计与金融(accountingandfinance)的复合型专业，应当在财务会计、管理会计、公司财务、资产定价和投资组合管理知识和方法的基础上，通晓数据挖掘与分析的知识和技能。我国部分高校已经进行了积极探索，在专业课程体系与专业学位建设上进行了改革。
2专业课程体系的调整
商学院在财务管理专业课程体系设置方面已经加入了数据分析与大数据技术方面的课程，部分高校甚至设置了专门的智能财务专业。2.1我国大学课程体系的改革
在财务管理与会计学专业建设过程中，部分高校利用其在大数据分析方面的教学科研优势，鼓励财务管理等商科专业选修信息技术类课程，甚至作为必选课程，这在理工类大学商学院得到了积极回应。南京理工大学经管学院智能会计专业的建设过程中，设置了大量开放式选修课程，例如《Excel高级数据分析与可视化》《大数据分析》《财务共享服务与智能财务》《商业智能分析》《大数据财务决策》《大数据供应链成本管理》《IT审计》等。山东财经大学智能会计专业开设了《机器学习与数据挖掘》《智能财务共享》《大数据与智能财务决策》《Python数据分析》核心课程，并加强《智能会计概论》《智能会计信息系统》《智能财务共享》《智能财务决策》《智能财务分析可视化》等智能会计系列教材的建设。而作为面向内地提供复合型、国际化人才的香港中文大学(深圳)经济管理学院，会计学专业课程包括《会计与金融中的文本分析》《会计分析中的数据挖掘》《会计数据库和数据可视化》《计算机科技导论:程式设计方法》《计算机实验》《数据分析导论》《数据挖掘技术》等，并且部分课程是与金融学专业共享的。
2.2智能财务专业的开设
除了智能会计专业之外，浙江大学、长沙理工大学在智能财务专业建设上进行了积极探索。浙江大学管理学院于2019年在竺可桢学院开设智能财务专业，鲜明地体现了“公司财务+人工智能+大数据”的深度融合，开设《人工智能导论》《深度学习理论及应用》《智能机器人原理与技术》《数据编程》《数据管理与数据挖掘》《数据建模与数据可视化》等课程。相较而言，浙江大学智能财务专业更重视人工智能创新能力的培养。浙江大学管理学院鼓励学生辅修计算机、数学等交叉课程，而这一做法在英国亦是普遍做法。上海财经大学会计学院已经开设了财务管理(智能化)专业，开设课程包括《程序语言(Python)》《SQL数据库基础》《智能财务前沿专题(区块链、机器学习)》《大数据分析与数据挖掘》。而长沙理工大学财务管理(智能方向)，以及南京理工大学和山东财经大学智能会计专业则更侧重大数据分析及运用。值得注意的是，即使没有设立智能财务或者智能会计专业，部分高校亦加强了智能财务实验室建设，通过与科技公司的合作推进产学研的协同发展。例如，云南财经大学、西南财经大学、上海财经大学等以成立智能财务与大数据研究院或会计智能化教学改革研究中心等形式，推进财务数智化人才的培养。
2.3英国大学的做法:以选修课程为主的模式
英国商学院在应对信息技术对商科教学体系的挑战时，主要采取了两种教学改革模式:一是在会计与金融专业的选修课程中增加大数据分析方面的课程;二是开设计算机与商科交叉类专业。为了适应信息技术的快速发展，部分大学商学院鼓励学生辅修第二学位或提供双学位教育。英国商学院提供双学位教育的一个便利条例是课程的数量不多，这也是为鼓励甚至要求学生接受双学位教育的前提条件。会计与金融专业的核心课程上基本上包括4门，即《财务会计》《管理会计》《公司财务》《投资学》，其他课程均是在此基础上进一步演变为初级和高级课程，以及专题课程。伦敦政治经济学院在选修课程组上提供了信息系统课程模块，开设了创新数字系统与服务、信息系统发展与管理、信息交流技术、数字创新研究项目、软件工程等课程。利兹大学、华威大学、杜伦大学、巴斯大学、爱丁堡大学均开设了计算科学与商学专业(ComputerScienceandBusiness)。在接受数据科学基础、算法与数据结构等课程基础上，选择商科类课程等。整体而言，英国商学院在会计与金融专业课程数量上并不多，但难度也不低。从伦敦政治经济学院提供的会计与金融专业课程介绍来看，斯蒂芬·罗斯等的《公司金融》、理查德·布雷利等的《公司金融原理》、伯克等的《公司金融》、滋维·博迪等的《投资学》成为资产定价、金融市场、公司金融、投资学课程的指定教材。这几本经典教材采取了“搭积木”的内容模式，可以根据不同授课对象和学分选择不同的内容。这意味着，在核心专业课程之外，学生会有更多的时间选修其他领域的课程，甚至是双学位课程。
经济学数据分析范文6
关键词：财经类院校；专业建设；数据分析；数据挖掘
一、引言
从大环境来看，如今，全球数据量均呈现激增趋势，大数据时代全面到来，这不仅意味着社会需要更多信息分析人才，也说明相关院校要加强信息管理专业人才培养。从本国国情出发，我国从工业社会向以信息资源开发、应用和管理为主要特征的信息化社会转变，计算机技术在各行各业普及应用，对经济管理活动中产生的海量数据进行分析，挖掘出有潜在价值的信息，为管理决策提供依据，是信息管理学科研究的新方向。以目前毕业生就业市场需求情况来看，懂经济、懂计算机同时又能掌握数据分析知识的学生在就业时有相当的优势，这恰好与我们哈尔滨金融学院信息管理专业的人才培养目标一致，如何发挥财经类本科院校的办学优势，建成专业特色，是此次本科教学改革的目标。
二、人才培养目标
对于我们这样有明显“金融特色”的院校，充分发挥在金融领域的办学优势，塑造出自己的金融特色，即：坚持服务于金融行业，跟踪IT发展的前沿，把握财经行业在信息化方面的最新需求，培养学生创新意识和能力，打造金融特色专业：金融信息管理－数据分析方向。培养具有管理学和计算机科学的专业知识，精通金融学、经济学以及数据分析理论与技术，了解数据的商业价值，通晓以清晰直观的形式提供数据分析结果的方法，强调学生掌握现代管理科学思想，掌握现代信息系统的规划、分析、设计、实施和运行维护等方面的方法与技术，同时，更要具有较强的信息系统开发利用以及数据分析处理能力。
三、金融特色信息人才培养模式构建
（一）面向社会需求
2013年3月，IDC数字宇宙报告《大数据，更大的数字身影，最大增长在远东》写到：预计到2020年数字宇宙规模将达到40ZB。在这样的大数据环境下，我国也必然需要更多高素质的信息管理类人才，例如，互联网企业、金融机构、保险、医疗卫生、电子商务、零售企业及政府数据中心等行业对大数据专业人才的需求量都很大。所以，在此情况下，我院有必要在加大人才培养力度的同时，面向社会需求，对信息管理专业数据分析方向人才的培养标准与目标进行重新定位，以确保符合大数据时代提出的新要求，顺应大数据浪潮的发展趋势。例如，未来对具有大数据管理和分析能力的人才需求将快速增长，数据分析师、数据架构师、数据可视化人员、数据监管人员等和大数据相关的职位也将应运而生，因此，我院应当注重培养需要具备深度分析数据能力的专业人才，使其成为能够满足市场需求的高层次复合型人才，为社会发展付出应有之力。
（二）教学特色
课程教学内容归纳为两个模块：“信息系统开发课程”、“数据分析课程”，其中，“信息系统开发课程”又分为“开发技术类课程”和“面向应用的课程”两个子模块，将程序设计类课程与管理信息系统理论课程相结合，以理论指导实践，通过该课程的学习，使学生了解信息系统开发的基本理论和方法、信息系统的实施、运行与管理方法，熟练掌握信息系统的开发工具，最终通过案例实践，深入理解信息系统的分析与设计过程。“数据分析课程”又分为“数据分析方法课程”和“面向应用的数据分析课程”两个子模块，从而形成较为系统的立体化课程体系，数据挖掘是数据分析的核心课程，运筹学是辅助课程，教学目的是使学生掌握数据分析的基本方法和典型工具，了解数据仓库和数据挖掘的基本原理，初步具备利用数据分析和解决实际问题的能力。
（三）制定科学合理的人才培养方案
在制定培养方案的过程中，要以市场需求为导向，设计灵活的人才培养方案，既要高度重视理论知识的学习，又要加强实践能力的培养，为学生搭建实践平台，拓宽实践渠道。极力扩大与企业和科研院所的合作，为学生创造更多的研究、实践机会，在课堂教学环节中，设立一些针对某个合作企业的某些具体问题的研究项目，组织学生在该企业的资助下开展研究。这样既丰富了学生的实践经验又提高了他们的综合分析能力和动手能力，同时还能促进合作企业的创新发展。
四、课程设置
计算机程序设计在数据架构当中起着重要作用，因此，在通识课基础上，从第二学期开始，开设专业基础课：C语言程序设计，专业必修课：面向对象程序设计、数据库、数据结构、Java程序设计、JSP程序设计、Web实战项目（Java方向）等计算机程序设计类课程，以及SPSS、数据挖掘与分析类课程。同时，开设信息管理专业既有体系中的基础课程：信息管理概述、会计学、管理学、统计学、运筹学、信息资源管理、数据库原理及应用、UML与可视化建模、计算机网络技术、银行计算机系统、管理信息系统（含课程设计）、信息系统分析与设计、专业英语等。以及专业选修课：信息检索技术、多媒体技术与应用二选一，电子商务概论、静态网页设计、图形图像处理三选一，IT项目管理、系统工程、ERP原理与应用三选一，企业资源规划、经济法、经济学三选一。
五、强化实践性教学
财经类学校在专业教学方面应该关注实践性课程的设置，它是培养学生理论联系实际能力的关键，实践教学能够帮助学生更加了解学科特点，实践的过程中学生原本零散的知识点得以组合联通，长久以来，高校办学都在坚持以行业需求为导向，以培养学生能力为目标，实现学术与职业特点的融合，要将“隐性”的课外实践逐渐转变为“显性”的实践课程。在落实学生实践学习的过程中，学校要积极引入从业资格课程、职业群集课程等等，强化专业实践，与当地的金融企业建立合作伙伴关系，引入“3+1”的实践教学模式，全面促进学生能力、素质以及知识等综合能力的提升，使其能够更加满足当今市场对人才的各项要求。同时，学校还可以构建校企联盟模式，协同培养人才，充分发挥校企合作的优势，为学校学生提供良好的实践平台以及展现自我的机会，帮助他们客观的认识自身职业的特点，进而有目的的投入实践学习，提升自身能力。实践教学要侧重学生职业能力的培养，要帮助他们更加适合当今市场的需求，树立“厚基础、精专业、强能力”的人才培养目标。最后，要注重实践评价，建立完善的评价体系，通过这样的方式了解学生的实践情况，便于查缺补漏。开展实践教学，要综合多元化的实践渠道，融合先进的教学方式，最大限度将课程体系内容与工作领域的相关知识紧密联系在一起，必须要使学生的专业能力、职能能力得到提升。从多年的实践经验来看，实践教学人才培养模式有效提升了学生的综合素质以及专业水平，有利于学生未来发展与就业，在目前金融类学科教学中应该加以推广。
六、结论
信息管理与信息系统专业是一个多学科交叉、应用以计算机为主的技术解决经济管理问题的专业，应用范围广泛，技术性强。随着信息技术的发展以及信息化建设的推进，信息系统在运行中积累的数据量已经超越管理控制能力，社会对具有数据管理和数据分析能力的人才需求也在迅猛增长，信管专业的建设必须从社会需求的角度出发，重新设计课程体系和教学内容，培养符合经济社会发展需要的人才。
参考文献：
[1]刘婷婷.大数据时代下信息管理与信息系统专业培养模式研究[J].中国电子教育,2014(02).
[2]石洪波.财经院校信息类专业数据管理与分析课程群体系研究[J].高等财经教育研究,2015(09).
[3]闫娜.大数据视角下信息管理与信息系统专业建设研究[J].图书馆学研究,2013(11).
[4]陈红琳.财经类院校信管专业人才培养模式研究[J].科技视界,2013(25).
