時間：2023-03-22 17:32:42
導語：在多元統計分析論文的撰寫旅程中，學習并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優秀范文，愿這些內容能夠啟發您的創作靈感，引領您探索更多的創作可能。
【關鍵詞】主成分分析；因子分析；新指標解釋
一、引言
隨著數理統計理論的發展，作為它的分支的“多元統計分析方法”在近20年越來越受到人們的重視。這不僅是因為很多事情都是帶有隨機因素，而且在具體分析問題的時候，人們需要考慮的因素不止有一個。比如在購物的時候，我們評價商品并不是僅僅看其價格，還要關注質量、保修期等多方面的因素。在學校里，評價一個學生也是至少需要“德、智、體”三方面的指標。多元統計分析就是用統計的方法分析這種帶有多指標的隨機性問題。上述的例子所涉及的指標其實并不多，但更多的時候會遇到很多指標，如考察一個企業，需要了解其規模、產量、產值、稅收、員工數、利潤等，如果我們關注所有的指標就會大大增加分析的復雜性，而且也不宜抓住主要的因素。因此有必要對這些原始的指標數據進行降維，亦即用較少的新指標來代替原始指標，這就是主成分分析與因子分析在解決問題時所要體現的思想。可以說，出于數據降維的目的它們是沒有區別。
二、具體實例分析
但是在新生成的指標的解釋方面，它們還是有較大不同的。首先看一下兩種方法的數學模型。主成分分析是考慮原來的指標的線性組合，把原始指標的線性組合叫做主成分。從這一點可以看出，主成分其實就是原來指標的壓縮綜合。而因子分析模型則是把原始指標表示成因子的線性組合（如果姑且不去考慮隨機擾動的因素），也就是說因子分析的目的是要找出影響所有原始指標的內在因素。因此盡管兩種方法都是對原始數據進行降維，得到新的指標，但是在對新指標的解釋是有不同的。下面分析一個具體例子。該例通常出現在統計教科書中因子分析一章，但本文從主成分分析和因子分析兩方面同時對其進行剖析。
考察某校學生的學習成績狀況。隨機抽取了30個學生，關注起數學、物理、化學、語文、歷史、英語六門課程的成績。故形成了如下的30行、6列的原始數組。我們需要從中提煉出1，2個新指標。
通過MATLAB軟件中的主成分分析與因子分析程序，可以看到通過兩種方法的數據降維處理后按照累計貢獻率均提煉出了兩個新的指標，它們都是從上述的原始二維數組出發，計算其協方差距陣的特征值與特征向量，因此很容易搞不清楚所得到的兩個新變量到底是主成分變量，還是因子變量。其實，我們此時回顧一下前文中提到的數學模型就清楚了。主成分分析是原始變量的線性組合，結合此例，即為所獲得的兩個新指標是原始指標的綜合。又注意到原始變量前的組合系數（也叫作載荷）大小，不難發現，在其中的一個新指標中數學、物理、化學、三科占的比重比較大，因此可以把該綜合指標形象地稱為“理科”主成分；而在另一個新指標中語文、歷史、英語三科占的比重比較大，因此可以把該綜合指標形象地稱為“文科”主成分。此時再考慮因子分析的模型。如前文所講，原始變量表示成了因子的線性組合。結合此例，即數學、物理、化學、語文、歷史、英語這原六個指標表示成了兩個新的指標的線性組合。考慮到因子的組合系數，發現在數學、物理、化學這三科的線性表示中一個因子的組合系數比較大，而另一個比較小，因此可以把所占分量較大的那個因子形象地理解成“理性思維”因子，同樣的道理可以把另一個新指標理解為“文性思維”因子。
三、總結
從此例可以看出，雖然主成分分析與因子分析都是從原始數據的協方差矩陣（有時是相關系數陣）出發，計算特征值與特征向量，按照累計貢獻率大于85%的原則確定新的指標個數。但是為了避免搞混兩種方法，在解釋新的指標時應回饋到各自的模型上面來。即：按照主成分分析理論，新指標僅僅是原始指標的簡單匯總，如果想用較少的幾個變量替代原來的變量則用主成分分析；而對于因子分析，新指標則是對所有原始指標皆有影響的那些公共因子，所以當需要尋找潛在的影響要因時，傾向于用因子分析。明白了這一點，對新指標的解釋也就變得順理成章了。
【參考文獻】
[1]高惠璇 應用多元統計分析 2005
[2]李靜萍 謝邦昌 多元統計分析方法與應用 2008
[3]李衛東 應用多元統計分析 2008
[4]陸恒芹 蘇勤 陳麗榮 女性旅游者行為特征分析及其動機研究―以西遞、宏村為例 2006
[5]陸虹 用因子分析測量“護士工作滿意度量表”的結構效度[期刊論文] 2007
[關鍵詞]社會科學 統計方法 應用問題
社會科學的實證研究在應用統計學時,統計分析是其關鍵環節,資料性質分析、資料類型的判斷、統計方法的選擇等各個環節都應把握好,否則,其分析結果將是沒有意義的。本文擬通過對社會科學實證研究論文中應用統計分析方法出現的問題,從描述性分析、定量資料的統計分析、定性資料的統計分析、相關與回歸分析等方面進行解析。
一、描述性分析問題
在社會科學實證研究中,一般首先要對社會調查數據進行描述性統計分析,以發現其內在的規律性,再選擇進一步的分析方法。描述性統計分析要對調查總體所有變量的有關數據做統計性描述,主要包括數據的頻數分析、集中趨勢分析、離散程度分析、分布形態以及一些基本的統計圖形。
描述性統計分析雖然較為簡單,但如果對某個事件或某種現象的描述不清楚或存在偏差,那么其后的所有分析都將值得懷疑,而描述的偏差可能會引起公眾或學術界對某些社會現象的誤解,甚至誤導政府決策。
1.均值的誤用
均值是用于描述樣本集中趨勢的最常用指標,但應注意,對于正態或近似正態的對稱分布樣本,它是較好的指標,一般與離散趨勢指標中的標準差一起描述數據資料(即形式);而對于偏態分布的樣本,則常用中位數來描述集中趨勢,一般與離散趨勢指標中的四分位數間距一起描述數據資料(即形式),究其原因是均值容易受到極端值的影響。
對于兩個分布完全不同的樣本,可能會得到相同的均值,因此均值在某種程度上抹殺了樣本內部的差異,而往往這種內部差異正是需要進行深入研究或應當引起人們注意的。為了彌補均值的這種缺陷,一般在報告均值的同時,也應該報告標準差,或用直方圖或散點圖的形式描述分布,以展示群體內部的差異。
2.絕對數的誤用
因為社會調查研究比較容易得到大容量的樣本,所以對任何小概率事件,用絕對數報告都會出現較大的數字,單純對絕對數的強調往往會產生誤解。比較合理的方式一般是在報告某事件絕對數的同時,給出該事件的發生率或占研究樣本的比例。
3.相對數的誤用
相對數常用于描述定性資料的內部構成情況或相對比值或某現象的發生強度,一般有比與率兩種形式。雖然比與率的計算形式是相同的,即兩個絕對數之商乘以100%,但它們的含義是不同的。率用于反映某種事物或現象發生的強度,而比則用于反映部分與整體或某一部分與另一部分之間的關系。當數據的比較基礎相差懸殊,用絕對數表述沒有可比性時,就要借助于相對數。
應用相對數也容易出現一些問題,如:百分比與百分率的混用;當分母很小時,只計算百分比或百分率,而沒有報告樣本量;當比較兩個或多個總體率時,沒有考慮到各總體對應的內部構成情況是否一致,而直接比較等。
例如在報告流動人口犯罪問題時,給人的印象往往是流動人口犯罪率高于常住人口,其實是忽視了流動人口的年齡和性別構成與常住人口完全不同,且青年男性是犯罪率較高的人群,這樣對兩個不同群體的比較往往會導致錯誤的結論。
二、定量資料的統計分析問題
定量資料的統計分析是指所觀測的結果變量是定量的,而且希望考察定性的影響因素取不同水平時,定量觀測結果的均值之間的差別是否有統計學意義。定量資料的統計分析在統計學應用中占有很大的比重,出現的誤用也比較多。
正確選擇定量資料統計分析方法的關鍵有兩點:一是正確判斷統計研究設計的類型;再是檢驗定量資料是否滿足“獨立性、正態性及方差齊性”的前提條件[1]。前者要求使用者對統計研究設計的類型較為熟悉,后者則需要進行預分析,可適當借助于統計分析軟件。根據前提條件是否滿足來決定用參數假設檢驗或方差分析,還是用非參數檢驗方法,進而根據對統計研究設計類型的判斷,確定采用具體的統計分析方法。
對定量資料作統計分析時,常犯的錯誤有:
1.不管統計研究設計類型,盲目套用t檢驗或單因素方差分析;
2.不驗證“獨立性、正態性及方差齊性”前提條件,而直接應用參數檢驗法;
3.將多因素設計定量資料人為拆成多個成組設計定量資料,采用t檢驗法;
4.將多因素設計定量資料用單因素多水平方差分析解決,或用一元分析替代多元分析等。
三、定性資料的統計分析問題
定性資料的統計分析是指觀測結果為定性變量的統計處理問題。定性資料的統計分析在社會科學研究中的應用也是很廣泛的,通常根據影響觀測結果的原因變量性質分為三種情況:
1.原因變量都為定性變量,此類資料就是通常理解的定性資料。常用的統計分析方法有:檢驗、秩和檢驗或Ridit分析、Spearman秩相關分析、線性趨勢檢驗、一致性檢驗(也稱Kappa檢驗)、加權檢驗、對數線性模型等。
2.原因變量中既有定性變量,又有定量變量。這類資料的統計分析通常有兩種處理方法:一是結合專業知識先將定量的原因變量離散化,使其轉化為定性變量,然后采用上面3.1的統計方法處理;二是先對定性的原因變量,采用啞變量技術進行處理,轉化為多個二值變量,賦予0或1值,然后采用Logistic回歸分析方法或多值有序變量Logistic回歸分析處理。
3.原因變量全部為定量變量。這類資料的分析可以直接采用Logistic回歸分析方法或多值有序變量Logistic回歸分析處理。
定性資料的最常用表達形式是列聯表,列聯表有多種類型,如橫斷面設計的四格(或稱2x2)列聯表、隊列研究設計的四格列聯表、配對研究設計的四格列聯表、雙向無序的R×C列聯表、單向有序的R×C列聯表、高維列聯表等,不同類型所用統計方法也不同,所以處理這類資料的關鍵是分辨出列聯表的類型,從而選擇相應統計分析方法。
在社會科學研究中,定性資料的統計分析常犯的錯誤主要就是列聯表的誤判,從而錯誤的選用統計方法。
四、相關與回歸分析問題
相關分析是研究變量之間的相互關系,常局限于統計描述,較難從數量角度對變量之間的聯系進行深入研究;回歸分析則是研究變量之間的依賴關系,可實現對自變量進行控制,對因變量進行預測,及對隨機變化趨勢進行適當修勻。
相關分析可用于對定類、定序、定距及定比等尺度的各類資料進行定量描述,但各類資料的計算公式是不同的,所以應用時,需要判明資料的類型;而回歸分析則要根據因變量性質的不同,選用不同的回歸分析方法,一般可分為兩類:一是因變量為連續型變量,具體的,當為非時間性的連續型變量時,可用線性回歸分析、多項式回歸分析、非線性回歸分析等;當為時間變量時,可用COX半參數回歸分析、指數分布回歸分析及威布爾回歸分析等;當為隨時間變化的連續型變量時,則需要利用時間序列分析。二是因變量為離散型變量,需要利用Logistic回歸分析、對數線性模型分析及多項Logit模型分析等。
在社會科學研究中,相關與回歸分析的應用非常廣泛。但應用時也經常出現一些錯誤:
1.沒有結合問題的專業背景和實際意義,就進行相關與回歸分析。其結果有時可能是莫名奇妙的,可能出現所謂的虛假相關。
2.對于較簡單的線性相關與回歸分析,不注意應用條件,盲目套用。一般地,Pearson相關分析要求兩變量都是隨機變量,且都服從或近似服從正態分布,若不滿足條件,應采用其它相關分析法,如Spearman相關分析等。而線性回歸分析則要求因變量必須是隨機變量,且服從或近似服從正態分布,在回歸分析前,先要進行統計檢驗,證實兩變量的顯著相關性,再進一步進行回歸分析才有意義。
3.只求得相關系數或回歸方程,而不進行參數假設檢驗就下統計分析結論。因為相關系數或回歸方程都是由樣本數據求得的,是否具有統計學意義,必須通過其相關參數的假設檢驗來判定。
4.多元回歸分析策略的錯誤。在社會科學實證研究中,對多元回歸分析的應用,不少人采取的策略是先用單變量分析,得到有統計學意義的多個變量,再將它們引入回歸方程進行多變量分析,用逐步回歸法進行篩選,從中選出有統計學意義的變量,這種分析策略是不正確的。因為自變量之間可能存在不同程度的交互作用,在單變量分析中無統計學意義的變量并非在多元回歸分析中也沒有意義。正確的處理方法應該是先綜合分析各種變量之間的作用、實際意義及關系,有些可作為控制變量(如性別、年齡等),將經過初步篩選的所有變量代入回歸方程進行分析,再采用逐步回歸方法,必要時可多用幾種篩選變量的方法,同時要注意自變量間的交互作用,進行綜合分析,這樣才能得到較為可靠的結果。
參考文獻:
[1]王在翔:社會統計理論與實踐[M].青島:中國海洋大學出版社,2008
[2]胡良平等.醫學統計學基礎與典型錯誤辨析[M].北京:軍事醫學科學出版社,2003.148-239
[3]柯文泉:統計方法應用中應注意的幾個問題[J].時代經貿,2008,6(96):83-86
摘要：我國中藥發展已有悠久歷史，中藥大多采用復方制劑，以其復方療效顯著而越來越受到重視，在其成分分析中，多元統計分析方法的運用，本質上是一種多變量協同考量的思路。本文通過對以往多元統計分析方法在中藥成分分析數據中的應用作整理總結，對今后相關研究提供理論依據。
關鍵詞：多元統計分析 中藥成分分析
中藥物質基礎的闡明和科學質量控制方法的建立是中藥現代化和國際化的關鍵，在化學計量學中，多元統計分析方法得到了很好的應用，通過優化了化學量測過程，提高分析效果，應用統計分析方法及其他數學方法和計算機軟件的應用對其數據進行整理，已較好的闡明了中藥物質成分，結構與其性能之間的復雜關系。
一、應用現狀
1.1方法
在中藥成分分析中，多元統計分析方法如多元回歸，多元相關分析，逐步回歸分析，最大似然法，判別分析，聚類分析和主成分分析，利用電子計算機能迅速而大量地處理實驗數據，還廣泛采用了蒙特卡洛（Monte Carlo）統計模擬法，都能在某一特定方面很好的說明其成分，但尚未有統一理論支撐整個體系，也是國內著力于建立中成藥數據庫的緣由之一。要進一步定性定量的確定中藥成分，并很好的分析中藥成分還需不斷努力。
在應用中，應用最多的為多元線性回歸和Logistic回歸方法，其次是通徑分析，因子分析和聚類分析的運用較少，比如風險模型，典型相關，MCA分析和Probit分析。
1.1.1成分提取
在對中藥復方有效成分的整體提取方法，指紋圖譜條件優化及定量評價指標，以及基于藥理活性的組方條件優化的基礎上，化學模式識別方法引入中藥分析體系，模式識別，指通過相關軟件等用數學方法來實現模式的自動處理和判別，模式識別可大致分為用監督模式識別（判別分析方法），是實現規定分類的標準和種類的數模，并且通過大批已知樣本的信息處理找出規律，再預報未知樣本的類型，如貝葉斯法（Bayes）逐步判別分析方法，人工神經網絡判別法等，無監督模式識別（聚類分析方法），是對一組尚無明確分類的樣本，根據它們所變現的變量特征，按相似程度的大小加以歸類，最終通過信息處理找出合適的分類方法并實現樣本的分類，如系統聚類分析，模糊聚類分析等以及基于特征投影的降維顯示方法，另外還有一類基于特征投影的降維顯示方法，如主成分分析方法，基于偏最小二乘法的降維方法等，中藥的化學模式識別方法可以從復雜的化學測量數據出發，進一步揭示復雜化合物之間的隱藏規律，為中藥整體研究提供十分有用的信息。
1.1.2質量控制
在中藥復方質量控制方面，近年來，有監督的模式識別和無監督的模式識別往往聯合起來使用，即當某中藥方劑的總體質量分類不清楚時，可先用聚類分析對原來的樣品進行分類，然后再用判別分析建立判別式以對新樣品進行判別。
1.1.3藥效檢驗
在化學計量中運用多變量統計過程控制（multivariate statistical process control,MSPC） 方法來處理中藥成分組成，在中藥分析中，結合對無知復雜多組分進行同時定性定量分析的方法，連用色譜儀器等，包括HPLC-DAD.CE-DAD(毛細管電泳二極管陣列聯用儀),HPLC-MS,HPLC-IR,GC-MS.GC-IR等因其將分離與分析技術集于一體，已有很大突破，目前國內在中藥成分分析中，運用了在中藥化學成分研究的手段方面，如薄層色譜，氣相色譜，高效液相色譜，紫外光譜，紅外光譜等已得到普遍使用，還包括超臨界色譜，高效逆流色譜，色譜質譜連用技術（GC/MS、HPLC/MS），核磁共振（NMR）指紋圖譜，x-射線衍射指紋圖譜等。其中產生大量的數據，有關研究人員運用數學中多元統計分析方法對其分析，得到相關結論，進而對藥效進行更有效的分析。
1.1.4組分分析
借助各類分析儀器以及光譜色譜聯用手段，可以再較短的時間內得到大量的多元性化合物信息，該過程所用到的具體方法有聚類分析，主成分分析以及偏最小二乘法，判別式分析法等，中藥藥效，由定量構效關系到定量組效關系研究
1.2數據處理的應用實例
在對藥材產地區分和鑒別研究方面，徐永群等在黃苓的紅外光譜的指紋圖譜基礎上，采用主成分分析法，對多個產地進行了聚類分析。
王繼國等分析中藥血竭樣品的高效液相色譜中，把指紋圖譜信息進行數據處理時，用重疊率與相關系數兩個參數，從兩個方面定量地對圖譜進行了相似性評價，在此基礎上用系統聚類分析法定性地對樣品進行了分類和鑒別，建立了一種相對完善的中藥血竭的化學模式識別技術。
楊紅娟等對金銀花的種類進行了模式識別研究，利用高效液相色譜分析獲得金銀花的化學信息，并進行了系統聚類分析，同時用微生物法進行抑菌活性測定，用多重線性回歸揭示化學信息與藥理指標之間的關系。
孫麗新等用典型相關分析對獲得反映樣品整體化學特征的數據做了處理，并運用聚類的方法將樣品分類，得到效果良好的質量控制方法。
周立東等提出在天然藥物演技中建立定量組效關系，用以解決中藥復雜成分的化學組成與生物活性之間的關系問題，在中藥的多變量的化學祖墳空間和中藥的多變量空間之間建立起定量的關系，在多元統計分析中，如回歸分析，聚類分析以及因子分析西歐提供了操作方法，
二、存在的主要問題
統計方法的選擇在一定程度上取決于變量的測度水平，多元統計分析，自變量中包括名義變量的最多，自變量全部為間距測度的很少，多元統計分析方法中序次測度變量和名義測度變量的處理方法一樣，所以一般并不加以區分，序次測度變量作為名義測度變量來用，把二者合成為分類變量，本次研究的論文數據中應用多元統計方法時大多數的分析中是分類變量。
2.1方法使用錯誤
在多元統計分析方法的應用中，如通經分析等存在一些錯誤，通徑分析是建立一組線性回歸方程，因此對變量的要求和多元線性回歸一樣，多元線性回歸要求因變量必須為間距測度或以上的變量，自變量可以使分類變量，但當自變量中有分類變量時，必須做虛擬變量回歸，而不是普通的線性回歸。
2.2數據的評價和檢驗
對實驗數據處理的最終評價是要反映該藥效的最好方式，即數據在多大程度上能很好解釋了因變量的間的關系，每一種統計分析方法都有自己的數據評價指標和方法。
三、總結
化學計量學提供了一整套區別于傳統復方研究的思路，在中藥化學，質量控制，藥效檢驗，組方分析，代謝組學以及建立中藥數據等各個領域都已有了初步的應用和發展。多元統計分析方法作為數學數據分析中的主要分析方法，雖在中藥分析方法中應用存在少數問題，但其應用前景及意義極其樂觀。（作者單位：沈陽師范大學）
參考文獻：
［1］梁逸曾.化學計量學用于中醫藥研究.長沙：化學計量學與傳感技術研究所，1998.
［2］羅國安.中藥中成藥現代化進程［M］.北京：中成藥出版社，2000.
［3］甘師俊，李振吉.中藥現代化發展戰略［M］.北京：科學技術文獻出版社，1998.
［4］張敏，呂華瑛.中藥成分分離新技術及應用［M］.山東：山東中醫雜志，2005.
［5］鄧書鴻，聶磊.中藥譜效關系的分析方法及數據處理技術研究進展.山東：中藥材 Joumal of Chinese Medicinal Materials,1819.
多元統計分析在在統計學中是一種綜合性的分析方法，通過多個分析方式對于同一個對象進行全方位的分析，內容包括多種應用方式。通過多種方式的綜合運用，在多個指標的共同參與之下，對于統計的規律進行揭示與挖掘，將這種多元化的分析手法應用于企業財務危機的預警中，是十分有效的，與現代企業管理的多元資金流和運作的資金鏈串接是有相同的運作模式的。
企業的財務危機主要是指企業在經營過程中由于無力按時償還到期的債務而產生的危機和困難就是企業的財務危機，企業財務危機的出現有種種原因，管理不善、行業蕭條、決策失誤、名譽受損等等，都可能導致企業財務危機的出現，企業一般都是個體或者合營，依靠主要管理人員和決策人的共同努力發展壯大，所以對于管理人員的措施采納和決策人的決定有嚴格的要求。一般來說，判斷一個企業財務危機的常用標準是企業破產和在證券交易中面臨的退市現象，注意，在證券公司面臨退市的現象一般指的是上市公司，中國改革開放以后，證券行業發展迅速，企業的上市已經成為一個企業發展壯大的標識，所以本文研究的企業也包括上市公司。企業在生存發展的過程中，面臨的財務危機是一項挑戰，也是一項機遇，往往一個企業進行大刀闊斧的改革都是在企業財務危機之后，由于財務危機暴露了企業在發展過程中的弊端，所以企業在財務危機中能夠頑強的生存下來，也就獲得了成功的準備，將危機中顯示出來的問題進行糾正，這樣企業獲得了良好的發展活力，更能在激烈的社會競爭力實現跨越式前進。
由于企業性質的不同，所以造成企業財務危機的原因也就不同，在企業財務危機預警的多元分析中，要根據企業的獨特性采取相應的指標來完成分析，并且在模式模型選擇過程中要根據企業財務危機的側重點來進行選擇，這樣才能有針對性的提出分析的策略。根據我們選定的財務指標，利用聚類分析法對我國企業進行科學的統計分類；再用判別分析法構造預測判別模型，對其財務危機狀況進行判定預測；最后利用主成分分析法提取主成分，計算各主成分的分數和綜合得分，根據主成分綜合得分對樣本進行排序，以發現其財務危機狀況，使用Excel電子表格中軟件和統計分析軟件SPSS來進行數據處理和建立多變量預警模型，這就是多元分析的主要步驟。
二、多元統計分析在企業財務危機預警中的應用
（一）樣本和變量選取
在企業財務危機模型的建立過程中，對于企業的財務指標和參數，利用抽樣方法進行選擇。一般來說，選擇的方式主要是隨機抽樣和對應樣本法。在企業中，選取銷售凈利率、主營業務利潤率、凈資產收益率、資產凈利率、每股收益（EPS）、應收賬款周轉率、存貨周轉率、總資產周轉率、營運資本總資產比、資產負債率、流動比率、現金負債總額比（債務保障率）、現金流動負債比、現金流入流出比率、銷售現金比率、每股凈資產來建立指標體系作為分析變量等28個指標作為企業盈利、償還等能力和資本實力的展現，也是全面地反映企業的財務狀況的指標。在多變量模型的財務預警分析中，變量越多選擇的余地越大，模型建立就越好。
（二）判別分析
根據樣本和變量的選擇，利用判別分析法建立企業財務危機的預警機制，在建立機制的過程中，可以根據研究對象創建一組函數，實現對于樣本和變量的分析判別。一般來說，用的Fisher線性判別函數是判別分析中比較常見的。函數形式為：Yi=a1x1+a2x2+…+anxn+b（i=1，2，…，k）。其中k是判別組數，Y是判別分數或判別值；x1，x2，…，xn是因變量或預測變量；a1，a2，…，anj是各變量的系數，即判別系數；b是函數中的常數。通過這組函數對于基本的系數和常數進行計算，得出基本的財務危機指數、非財務危機指數以及中間指數。
在數字計算的過程中，判別分析建立的函數變量很多，將其中有顯著性代表的變量函數作為典型例證進行分析計算，這樣既能節省時間和效率，同時也能準確的代表了判別分析的結果。具體的判別分析方法：①采用一個系統默認的檢驗指標體系，以每一步λ統計量最小的進入判別函數，這樣就能從整體上保證參數的合理性，計算的準確性也有了保證。②逐步判別停止的判據采用F值，當加入一個變量或者剔除一個變量后，對在判別函數中的變量進行方差分析，將因為變量的轉換發生的系數變化統計下來，作為以后函數計算的重要數據。
③將獲得的變量均值檢驗經過系統的分析，得出的結果作為費雪線性判別函數的系數。Fisher系數有被稱為費雪線性判別函數的系數，在Fisher系數的系數表里，主要的指標要和變量均值檢驗表實現同步，這樣在不斷地分析計算過程中，才能得出Fisher線性判別函數模型。
由于模型中的6個變量從不同角度較好地反映了對于我國企業來說最重要的幾個財務指標：盈利能力欠佳、資產周轉速度慢， 尤其是應收賬款回收慢，以及銷售收入增長幅度小，經營現金流的短缺，這些都是極易導致財務危機的發生，最終影響企業生存的重要變量，通過這些數據的分析就能逐步實現財務危機的預警。
（三）主成分分析
在企業財務危機中，除了判別分析模型的建立之外，主成分分析也是較為普遍的方式。主成分分析主要是通過篩選和建立模型來實現，但是主成分分析法對于檢測的指數和指標已經有了基本的規定，比如說企業重要的資金流動、盈利收益等，都是企業在財務危機預警里的主要成分。在變量較多的情況下，研究樣本通常都比較復雜，因此需要利用主成分分析方法實施第二次篩選，使得模型精簡化，這和判別分析的模型建立有同樣的方法選擇，選取適用的參數和指標來進行有針對性的研究。在企業財務危機分析中，具體是指，對企業收集的原始數據和財務指標進行標準化的處理，取平均為零，方差取1；然后，利用標準化的數據計算財務指標間相關系數矩陣R；最后，按照指標間的矩形計算規則，對于矩陣中的相關系數進行分析和計算。
三、多元統計分析對于企業財務危機預警的作用
論文關鍵詞：360度績效評價，雷達圖，應用
360 度績效評價 (360-degreefeedback) 又稱多評價者評估(multi- later assessment)多源反饋系統(multi- source feedback MSF)或全方位評價(full circle appraisal)，它是由被考評者的上級、同事、下級和(或) 客戶(包括內部客戶和外部客戶) 以及被考評者本人分別擔任考評者，從多個角度對被考評者進行360 度的全方位考評，再通過一定的反饋程序，促進被考評者完善自己的工作行為并提高工作績效。在國內，360 度績效評價也被稱為360 度績效反饋評價、全方位反饋評價或者多源反饋評價等。
近十幾年來，以360 度績效評價為核心的績效管理體系開始風靡全球。在《財富》雜志評選出的排名在前1000 位的企業中，有近90 %已將360 度績效考評方法用于人力資源管理和開發，如IBM、摩托羅拉、諾基亞、福特、迪斯尼、美國聯邦銀行等。我國許多著名企業也引入了這種績效評價工具，如聯想、金蝶軟件等。
360度績效評價之所以得到如此深受國內外企業青睞，主要歸功于其是通過對一個個體可從多個角度評價，有效的規避單一主體評價結果受制于評價的偏見和武斷的影響，能夠得出更有效和更可靠的結果管理論文，即有較高的可信度和效率。360度績效考評從多角度評價的理念，決定了在應用需要中對多維度的變量進行數據處理，由此，對多個變量進行綜合處理的多元統計分析方法就顯得尤為重要。
多元統計分析方法多種多樣。主成分分析法、因子分析法、判別分析法、聚類分析法、典型相關分析法、主坐標分析法等都先后被人們應用于各類的綜合評價活動中。這些方法的種種優點不再贅述,，但總體給使用者的感覺是技術性太強而形象化不夠,，本文擬從可視化的角度對多元統計分析方法在綜合評價中的應用進行探討。
一、雷達圖法概述
1．多變量的可視化
圖形是直觀了解、認識數據的一種可視化手段，如果能將評價中的數據直接顯示在一個平面上，便可一目了然地看出所分析變量間的數量關系。由于在綜合評價中涉及的指標往往很多，多變量數據的維數通常都大于三，而觀測三維以上數據又存在一定困難， 若有一種方法可以把高維數據投影到二維空間去，并且在投影過程中不會過多地損失原有數據的信息，就可以使用通常的方法在平面上畫出這些高維數據圖形來。
多變量的可視化一直是人們關注的熱點，從研究成果看主要分為兩類：一類是使高維空間的點與平面上某種圖形對應，這種圖形能反應高維數據的某些特點或數據間的關系；另一類是對多變量數據降維處理，在盡可能多地保留原始信息的原則下，將數據的維數降為二維或一維，然后再在平面上表示，主成分分析法、因子分析法就屬于此類方法。
雷達圖就是一種多變量可視圖形，也稱星形圖，它屬于第一類可視化方法。
2． 雷達圖
雷達圖早期多應用于經濟財務領域，如財務報表的分析，后因其簡潔、精確、可操作性強等特點而倍受關注， 是一種能夠用定量指標較好地反映出定性問題的模型工具。
雷達圖中，每個數據都有一個獨立的單一數值軸，坐標軸呈輻射狀分布在中心點周圍， 把同一數據序列的值在不同坐標軸上的點用折線連接起來所形成的多邊形就是雷達圖管理論文，用來比較若干個數據序列指標的總體情況中國期刊全文數據庫。
3． 評價的基本思想
利用雷達圖進行綜合評價的基本思想是：
首先，確定需要分析的對象和分析的目的，選擇分析的各個評價對象的評價指標，這些評價指標與分析的對象密切相關，必要而且充分地支持分析目的。
然后，以評價值的最大值為半徑畫圓, 并以評價指標數N 等分圓周, 從圓心出發畫N 條坐標軸，每條坐標軸表示一個評價指標；
最后，在每根放射線上標注出等距離的刻度，研究每一個指標可能的水平等級，以明確的數字區分水平等級。將每個測評指標的評分結果標注在相應的坐標軸上，并把各軸上的點連接構成最終的雷達圖。
為了使評價結果更具綜合性和客觀性，在繪制雷達圖時，首先將各評價指標的數據進行標準化處理，以消除定量評價結果在各評價指標間的數量差異。運用雷達圖解釋分析結果，重點關注那些差距最大的領域。
二、360度績效評價中雷達圖的應用
一般常見的360度績效評價的應用是對于不同的評價者賦予不同的權重，然后加權求和得出最終綜合評價分值。這樣的評價雖然能綜合反應一個員工的績效但無法反應導致員工總體評分波動的原因，不利于進行績效診斷。
基于工作績效的多維性，不同評價主體觀察到的是績效的不同維度，對于同一個員工的績效評價的結果必然會因評價主體不同而不同。績效評價的結果不是評判員工的優劣，而是為了提高績效。評價結果中全面反映員工績效結果必然有利于這一目的的實現。利用可視化效果好的多元統計方法成了解決這一問題的必然選擇。
在360度評價中，以不同評價主體為不同維度繪制出雷達圖，可以直觀的反映出不同評價主體對同一客體的評價結果，形成不同類別的“臉譜化”的評價結果。具體繪制過程包括一下步驟：
1．確定三個同心圓。中圓的圓周表示評價主體評價結果的中值；外圓的圓周表示評價結果的最大值；內圓的圓周表示評價結果的最小值。
2．劃分評價指標軸。用評價指標體系對圓周(360 度) 作N 等分，N等與選擇的評價主體的類型，得到N 個坐標軸，每個坐標軸代表該體系的第N 個評價主體的評價結果。
3．將不同評價主體的評分進行標準化處理。利用公式：
Xi=(xi-xmin)/(xmax- xmin)
來計算每一個指標的標準化數據。
其中： Xi 為第i 個評價主體標準化后的數據； xi表示第i 個評價主體的實際評價結果， xmin表示同一評價主體評價結果的最小值管理論文， xmax 表示同一評價主體評價結果的最大值。
經過上式處理后，統計數據被規范到[0， 1]之間。
4．將不同評價主體的評價結果標在圖中適當位置，并連接各點成為一個多邊形或曲邊多邊形。
具體如下圖：
從以上四個雷達圖可以看出： 員工A的評價結果幾乎在各評價主體的評價值都是最大值，評價結果所構成的多邊形向外明顯擴張，說明該員工工作績效突出；員工B的自我評價績效結果突出，但其他主體評價均低于平均水平；員工C的多個主體評價均高于平均水平，但下級評價結果低于平均水平；員工D 各評價主體評價均低于中值，評分結果構成的多邊形向圓心明顯收縮，說明該員工各方面的績效水平較低。
雷達圖不僅綜合反映評價對象的好壞，更直接表現了其在單個指標上的優劣。如圖1 中的員工C，雷達圖屬于擴張型， 但它在下級的績效評價值靠近圓心，說明它在這方面具有很明顯的劣勢，可能在工作方式、下屬培養等方面存在問題。管理人員可以通過雷達圖直觀地看出員工那些方面較好， 那些方面較差, 并制定出相應的措施以提升自主創新能力。
利用各績效指標評價值所連接成的多邊形，雷達圖實現了各員工間的橫向比較，通過對多個維度的評價結果描述和比較， 直觀地表征了被評價者的績效水平。雷達圖還可以利用多邊形的相似性對評價對象進行主觀聚類。本例選取的4 名員工都是具有代表性的數據，可以不同類型的雷達圖對不同員工進行“臉譜化”。然后根據不同類型的“臉譜”采用不同的管理手段，有針對性的改善組織績效。
對于雷達圖在360度績效評價中的應用還可以進一步細化的不同主體的評價指標，每個坐標軸代表一個指標，多邊形的每個頂點代表不同指標的評價值。如下圖，使評價結果更加清晰明了。
三、雷達圖在360度績效評價中的應用價值
1．描述直觀、形象。
雷達圖為多因素評價方法,適合于在二維平面上直觀、形象地反映多個指標的變動規律中國期刊全文數據庫。通過疊加不同形狀的雷達圖,可以直接判斷出績效評價結果的整體分布情況及優劣態勢。
2．便于績效反饋。
一個有效的績效管理體系必然具有通過持續不斷的績效反饋不斷的提高績效的功能。而此項功能的實現依賴績效反饋的有效性。在績效反饋中利用可視化的雷達圖，一方面可以改善被評價者對評價結果的理解；另一方面可以使績效反饋面談更有針對性，均可有利于提高績效反饋的有效性。
3．有利于人力資源開發。
績效管理作為人力資源管理的一個功能模塊，其評價結果可作為其他功能模塊開展工作的依據。在360度績效評價中管理論文，不同的評價主體觀察到的是同一評價客體的不同方面績效，通過雷達圖可以直觀的看出員工那些方面的績效低下，需要進一步的培訓開發。
4．提高了管理措施的針對性。
利用雷達圖對360度績效評價結果進行處理，將員工的評價結果“臉譜化”。不同“臉譜”代表了不同績效類型的員工，通過對雷達圖“臉譜”的聚類，可將員工分成不同類型，便于針對性的管理。
5．易于推廣。
將雷達圖應用到360度績效評價中，使績效評價走向簡明、直觀、快速。具有重大的價值。雷達圖為找出影響員工工作績效的關鍵因素提供了簡明直觀的依據，便于績效管理工作的進行，其推廣應用必然受到專業人士的歡迎。
四、結論
本文在多元統計分析的基礎上，從可視化角度出發，將雷達圖法引入到360度全方位績效評價之中， 建立評價模型，并給出了不同評價主體評價數據的標準化方法。通過把圖形引入績效評價其中，使得評價更具說服力。雷達圖能夠非常直觀地反映評價對象在各個不同績效維度上的相對優劣勢，是360度全方位績效評價中分析問題的非常好的輔助工具。
參考文獻：
[1]石金濤、魏晉才.績效管理[M] . 北京:北京師范大學出版社,2007 :138～140.
[2]付赟、方德英.雷達圖法在綜合評價中的應用研究[J]. 統計與決策.2007(24):176-177
[3]李明、易匠翹.雷達圖在發展性評價中的應用[J].長沙鐵道學院學報.2004(12):162-163
Radar graphin the 360-degree Performance Evaluation Research
關鍵詞：數理統計；教學模式；案例教學；統計建模
數理統計課程是我校工科相關專業研究生的一門必修學位基礎課程，學習該課程的工科專業研究生在其課題研究中要求具備較高的統計分析水平。然而，由于受計劃學時少、教材內容偏理論、統計方法繁多、教學手段單一、學生基礎參差不齊、學習價值取向差異大等因素的影響，教學質量提高緩慢，影響了學生統計素質的培養和創新能力的提升。針對上述問題，作者在在近幾年的數理統計課程的教學中，嘗試更新教學理念，擴充教學內容，引進數學實驗技術，以案例教學為突破口，進行了一系列的改革研究和實踐探索，使學生能夠熟練掌握現代數理統計的基本思想和方法、樹立統計建模思想，學會使用統計思維分析和解決問題，達到其專業對統計工具的科研要求。
一、變革教學理念，調整教學內容以適應學生的知識需求
目前大多數工科研究生的數學素養現狀并不能適應飛速發展的新技術的需要，他們在本科階段的數學基礎僅限于微積分、線性代數、初等概率統計的范疇，對現代數學知識知之甚少，計算機工具的運用能力較弱，嚴重影響了他們在專業研究中的能力發展。所以研究生階段的數理統計課程在某種意義上承擔著培養學生的數學素養、鍛煉學生的數學應用能力的重任。這就需要教師在教學中更新教學觀念，強調理論與應用并重、研究與實踐并重，促進教學理念的轉變和教學方式方法的變革，以素質培養為中心，把課程重點放在素質培養上，而不是放在知識的簡單灌輸上。在教學中，如何培養學生的概率統計思維是一大難點。在教學中我注重對每一種統計方法的思想進行詳盡解讀，力圖使學生真正掌握統計方法的內涵。比如，假設檢驗包含了非常重要的統計思想，其思想原理幾乎貫穿整個統計領域。因此在教學中，首先利用簡單的實際問題從直觀角度引入假設檢驗的思想，推斷依據原理，可能存在的風險，各種不同假設下所得結論的關系和區別等問題，然后再上升到理論層面，給出正態總體各種情況下參數的檢驗模式，再進一步深入學習非正態總體的參數檢驗、非參數檢驗、方差分析、回歸分析等其它統計方法，并且引導學生分析對比各種統計分析方法的區別和聯系。如果前期的基礎比較扎實，學生對后續的各種統計方法掌握起來就順利很多。在教學內容上，針對學生知識層次不齊，需求各異的特點，改變教學思想，在教學內容上淡化理論、強化統計思想和方法，重點講授統計方法的內涵、特點和限制、統計建模和求解、結果檢驗及應用等。對理論性較強的部分內容進行了刪減，而對應用性較強的內容進行了補充。例如壓縮了參數點估計的有關理論，加強了試驗設計和數據分析、多元線性回歸和非線性回歸等統計方法的教學，并布置了相應的大作業進行案例討論，強化其應用。在教學內容的選擇上，我還注重培養研究生的建模能力。大部分研究生在本科階段沒有受過建模的訓練，幾乎不知各種建模工具和建模步驟，更談不上靈活應用。所以我經常選擇與工科專業有關的實際案例，融合多種統計方法建模，配合統計軟件的應用，并且對分析結果重點解讀，效果很好。
二、采用案例教學，提高學生分析問題解決問題的能力
由于工科研究生的數理統計課程是在研一開設，幾年的教學下來就發現一個問題，在研一時學生學的還不錯，然而等升到研二、研三開始進行課題研究時，卻不知怎么著手進行數據分析，經常有學生再回到教室旁聽，或找老師求教。其原因主要是因為學生在學到的仍然是書本知識，缺乏對實際問題的深入分析，缺乏解決實際問題的能力，不能夠很好地把所學知識用到自己的研究工作中。在教學改革研究過程中，我大量采用案例教學，收集了數十例與研究生專業領域有關的案例，如環境、生物、經濟等領域，編寫成文檔與學生共享。通過對典型案例的分析和研究，提高學生分析問題的能力，并充分利用互聯網平臺，采取互動教學方式，引導學生尋求最好的解決問題途徑。在教學中所選擇的案例大致分兩類：一類是成熟的數據案例，比如教材中或已發表文獻中的案例，只需要對案例涉及到實際問題進行分析，適當抽象后選擇合適的統計模型，求出其模型中的參數，檢驗，應用即可；還有一類是往屆研究生提出來的研究課題中的問題，經過加工整理后形成的案例，更像是數學建模訓練。比如，河道水質治理，企業污水凈化、空氣質量監測、經濟數據分析等，這些案例都有可能是他們日后面臨的問題，因此更具有實際意義。在這些案例的研究討論中，更側重整個工作流程，在制訂試驗設計方案、收集試驗數據、數據分析、計算機求解、研究結論與應用等每個環節，初步幫助學生了解利用統計方法解決實際問題的過程，提高他們的分析能力和應用能力。經過這樣的訓練，不少研究生的統計分析水平和數據計算水平有極大提高，不但在研一階段就開始申請到校、省級科研項目，而且積極參加全國研究生數學建模競賽，取得了不錯的戰績。還有一類案例是反面的案例，我們收集了部分錯用統計、誤用統計、惡用統計的例子，有已經發表在正式刊物的論文，有網絡文章，有實踐過程中出現的問題，還有學生作業中的錯誤等等，借用這些反面問題警示學生，在使用統計方法解決問題時一定要慎重，要善用統計，用好統計，正確利用統計方法提高自己的統計分析水平。
三、利用統計軟件和計算技術，提高教學效率和學生統計分析水平
目前許多統計軟件都能夠方便、快速、有效的處理數據。在教學過程中，主要采取統計軟件和多媒體課件相結合的教學方式，以加大信息量，擴展知識面，挖掘出教材文字達不到的直觀、動態效果，使難以理解的抽象理論形象化、生動化，并且為學生以后的研究發展提供統計處理技術手段。對于工科研究生來說，應用統計方法進行數據分析和處理，至少要掌握一種軟件工具幫助其計算，比如，Excel，SAS，JMP，SPSS，Eviews，Minitab等，除Excel外，其它的統計軟件都提供了方便的菜單式操作，便于學習和應用。為方便學生學習和掌握，筆者在課堂教學中，不但介紹常用統計軟件的特點，而且對所有例題都至少使用一種統計軟件進行求解演示，同時要求研究生在案例分析研究中，使用統計軟件完成計算，并給出軟件輸出結果的合理解釋。近幾年的教學實踐結果表明，許多學生不但理解和掌握了統計方法，也掌握了數據分析計算工具，有效地提高了教學效率和學生的統計分析水平。
四、建立網絡教學環境，為學生提供靈活持續的知識學習和交流平臺
我們利用學校天空教室網絡課程系統，建設了工科研究生數理統計網絡課程，為學生營造一個持續的知識學習輔助教學環境，以及師生課余時間的交流平臺，成為課堂教學的重要補充，從而適應不同專業學生對統計知識和方法的需求。在網絡課程的教學資源中，我們不但設立了教學大綱、教學進度、教學課件等常規教學資源的節點，還設立了統計軟件學習、案例討論、大作業、閱讀等拓展類節點，同時網絡課程平臺還有通知、留言、在線答疑、論壇等互動窗口，方便研究生課后學習、交流和研究。網絡課程運行三年來，受到學生的大力支持和好評。同時也有不少研究生提出了許多好的建議，希望能提供更多的教學資源，加大交流互動的力度，增加更多的實際案例進行討論學習。
五、改革考核方式，建立綜合考核評價系統
數學課程傳統的教學評價方式一般是閉卷考核，評價內容主要以記憶性知識為主，對于培養創新性工科研究生的數理統計學習目標來說并不適合。工科研究生學習現代數學的特點應體現應用和創新，因此改革傳統的考核評價方式就是必然。我們根據教學內容進度，適時安排課堂作業、大作業、案例討論、讀書報告等多種方式的練習，建立綜合考核評價系統，采取多項加權的考核評價方式，結合期末的開卷考試成績進行加權綜合評定。平時的多種形式的考點為如何運用已掌握的統計理論和方法，對于給定的數據資料進行分析、篩選、抽象、建立模型、計算或軟件應用、檢驗及結論解讀等方面的訓練，同時要求以科研小論文的形式提交電子文檔，相當于撰寫科研論文的模擬訓練。期末考核則是綜合性的開卷考核，題目多樣化、靈活化，重點考核研究生的學習能力和所掌握知識的扎實程度。總的來看，重視統計思想的教學，加強統計思維方式的培養和訓練是工科研究生數理統計教學中的一項長期重要內容和任務，需要師生的共同努力，來探討如何更好地培養學生自主學習統計知識的能力、提升研究生在所研究專業中統計方法的應用能力和創新能力。
參考文獻
[1]周夢，孫海燕.工科研究生應用數理統計教學改革的探索[J].理工高教研究，2007，26（5）：62-63.
[2]肖枝洪，郭明月.研究生多元統計分析課程教學的改革與實踐[J].高等理科教育，2009（1）：100-103.
[3]鐘波，劉瓊蓀.工科研究生創新能力培養與“數理統計”課程教學改革[J].重慶工學院學報（自然科學版），2007，21（4）：137-140.
[4]劉旭華，田英，陳薇.對研究生數理統計課程教學的思考與探索[J].高等農業教育，2010（7）：76-78.
[5]趙姝淳.對研究生概率論與數理統計教學的探討[J].大學數學，2007，23（4）：27-29.
關鍵詞： 《食品試驗設計與統計分析》 混合教學 創新能力
混合教學是一種基于計算機網絡環境的教學模式，“把傳統學習方式的優勢和網絡化學習的優勢結合起來；既要發揮教師引導、啟發、監控教學過程的主導作用，又要充分體現學生作為學習過程主體的主動性、積極性與創造性”，其目的在于融合課堂教學和網絡教學的優勢，綜合采用以教師講授為主的集體教學形式、基于“合作”理念的小組教學形式和以自主學習為主的教學形式。相比于傳統教學模式，混合學習具備學習資源提供的靈活性、為個別化學習提供支持及提高教學效率的優勢。
課程組建立起基于信息技術的課程自主學習網絡平臺，嘗試“《食品試驗設計與統計分析》網絡教學平臺建設”的教學改革，在信息技術環境下，以混合式學習理論為基礎，構建“課堂教學”與“網絡平臺學習”混合教學模式。構建《食品試驗設計與統計分析》網絡教學平臺，采用教師引導、學生參加、師生互動的課堂教學模式，提高學生的學習自主性，通過多種形式的考核方式評價學生的學習效果，并建立合理的激勵措施，培養學生的創新能力。
1.《食品試驗設計與統計分析》課程自主學習與面授學習混合
《食品試驗設計與統計分析》是一門具有較強實踐性、理論性和系統性的課程，是食品相關專業的重要專業基礎課，強調培養學生完成整個實驗的設計、準備、實施、數據處理及結果分析等能力。在信息技術環境下，《食品試驗設計與統計分析》網絡平臺可模仿網上相關數理統計的資源建設，如可汗學院的統計學公開課、DPS統計軟件學習平臺等，再逐步完善以本課程多媒體課件、試題資源、視頻資源、統計學習網站等課程資源，開展人機互動、生生互動及師生互動，加強課程網絡教學平臺建設。《食品試驗設計與統計分析》自主學習的有效開展要求學生具備一定的數學基礎和自主學習能力，可以根據學生的實際水平，開展分級分類教學，比如第1至3教學周開展基于《食品試驗設計與統計分析》基礎知識的教與學，集中讓學生學會統計學的基本概念，培養學生自主學習能力和個性化學習方法，第4至8周教學周則開展基于混合式學習的《食品試驗設計與統計分析》立體化教學，加強網上題庫、練習、問卷調查建設。教師通過網絡平臺公布各階段的《食品試驗設計與統計分析》學習內容、學習進度、學習目標和考核標準等，關注學生的反饋，根據學生的需要，調整學習內容，完善合理的考評體系。學生主要在校園網吧或個人電腦上完成自學、自測、自評，教師可通過網絡平臺給學生布置一些與學習單元主題相關的活動，讓學生個人或小組合作完成，然后每三周花1課時的時間對單元學習中的難點、疑點進行解答及學習策略的培訓等。在這種“課下學習，課上展示”的教學模式中，教師要幫助學生確定各階段的學習任務，組織學習活動，提供幫助和指導，發揮組織者、指導者、意義建構的幫助者和促進者的作用。
2.《食品試驗設計與統計分析》課程內容教學法與實踐運用混合
內容教學法是將特定主題和學術內容相結合，針對《食品試驗設計與統計分析》課程在食品學科的應用性，教師可結合學生的實際水平、專業需求和學習興趣，選擇內容和難度的教學材料，開展主題式教學。教師在課堂上通過各種文獻資料、工廠設計資料、視頻資料等，講授和各種主題相關（食品生產的案例）的公式、概念、例題等，增強學生將理論知識運用于實踐的能力。教師要設計多種形式的課堂教學活動或任務，避免讓課堂落入“教師一言堂”的俗套。因此在教學實施過程中，除基于內容外，教學還應基于任務和情境，在信息技術環境下，借助各種多媒體信息技術手段，創設接近于真實的教學情境，開展基于任務或項目的情景式教學。《食品試驗設計與統計分析》網絡平臺建設引入大量工廠、生產實習、學生畢業論文、大學生創新創業訓練、科研試驗中的大量真實案例。學生通過學習，幫助他們解決在實際生產實踐中遇到的問題，培養學生的學習思維能力和科研能力。
3.“網絡交互式”學習與“網絡探究式”學習混合
由于教學時間的限制，課堂上教師無法解決學生所有的問題。在混合式教學模式中，我們可通過網絡化教學平臺搭建立體化答疑系統，學生可將問題提交到答疑系統，等待老師或其他學生解答。對于一些具有普遍性的問題，教師可將問題和回答整體公布到答疑中心，供其他學生參考。教師也可通過答疑系統提出自己的問題，啟發學生思考。除答疑功能以外，一般的網絡教學平臺都提供討論交流的模塊，教師也可通過微博、論壇等網絡虛擬社區搭建師生交流平臺。教師可結合《食品試驗設計與統計分析》課程內容學習單元的內容，設計一些話題，而學生則通過發帖、跟帖等形式進行交流和討論。這種主題討論可以不受時間和地點的限制，加深學生對所學單元內容的理解，通過發帖表達自己的思想，大大提高思維能力和學習效率。針對結合課堂面授的任務驅動型的情景式教學，教師應鼓勵學生開展基于項目的網絡探究式學習。在網絡環境下，在教師的指導下，以一定的任務驅動學生進行自主探究學習。這種學習方法注重培養學生通過網絡，直接搜索數據庫、了解最新報道、最終解決實際問題的能力，給予學生充分的自由，讓學生可以根據自己承擔的任務分工從豐富的網絡資源中尋找自己所需要的資源，并與其他老師、同學進行交流，最終圓滿完成任務。在此過程中，教師為學生提供一些有用的網站或鏈接，并給予經常性的幫助和指導，在提高學生學習效率的同時，培養學生的自主學習能力和團隊合作精神。
4.“期末考試評價”與“網上學習評價”混合
信息技術環境下的“課堂教學”與“網絡平臺學習”混合教學模式強調學生的個性化學習，要求學生具備自主學習、合作學習的能力，注重培養學生在真實情境下解決實際問題的能力，引起學生的認知模式、學習方式及教師的教學模式、教學策略和角色的變革，因此我們要改變過去重結果、輕過程的評價方式，改變過去教師作為評價唯一主體的狀況，建立一套由師生共同參與的多元化的終結性評價和形成性評價相結合的評價體系，實現評價內容、評價主體和評價工具的多元化。
我們認為“期末考試”占60%、平時作業占15%、線上發帖次數占5%、網上參與活動表現占5%、線下課堂考勤占5%、線上學習任務占10%較合適。終結性評價在學期末進行，是期末考試測試。“網上學習評價”主要以在線測評為主，學生可通過網絡教學平臺提供的測試題進行經常性的測評，在線測評成績作為形成性評價的一部分（線上學習任務10%）。此外，網絡平臺所記錄的學習時間、網絡答疑、網絡交互參與程度也可以作為形成性評價的依據（網上參與活動表現5%）。對學生的線上發帖次數作出評價（5%），鼓勵學生對自己的學習過程、學習方法及努力程度等進行連續性反思。學生的考勤也應成為形成性評價的一部分（5%）。不管采用何種形式、何種比例，課程評價標準必須公正、清晰，教師應在開展具體評價之前公布相關標準，并進行必要的說明、示范和指導，這既能保證評價結果的公正、準確，還能幫助學生更好地明白自己應實現的目標。
形成完整的《食品試驗設計與統計分析》網絡教學平臺，切實體現新型混合式教學方法對該課程教學效果的增強。通過混合式教學研究的開展，加強對課程的教學改革研究，提高教師參與教學改革的熱情，使教學內容、教學手段、課程建設、教材建設更完善。
參考文獻：
[1]姬華，盧士玲，唐明翔，等.對《食品試驗設計與統計分析》教學的體會[J].考試周刊，2013，48：172.
[2]姬華，朱麗莉，江英，等.對“食品科學與工程”專業人才培養方案改革的探索[J].科學時代，2007，3：134-135.
[3]盧士玲，陳計巒，姬華，等.對“食品質量與安全”專業人才培養方案改革的探索[J].考試周刊，2014，89：5.
[4]吳長偉，陳靜，鄧紅，等.基于慕課的應用型本科混合教學模式研究[J].現代教育科學，2015，3：57-59.
[5]宋濤，徐亮.基于網絡教學平臺的混合學習模式的設計與應用[J].電腦知識與技術，2015，11（2）：77-78.
關健詞： 《生物統計學》 教學改革 改革與探索
《生物統計學》是數理統計的原理和方法在生物科學研究中的應用，它不僅給我們提供了如何正確地設計科學試驗和收集數據的方法，而且提供了如何正確地整理、分析數據，得出客觀、科學結論的方法。它是生物科學等專業重要的專業基礎課，該課程體系建設對生物科學、植物生產類專業、動物生產類專業十分重要，是從事生物生產、育種試驗研究的工具性課程。通過該門課程的學習，學生不僅可以了解有關生物統計的基本概念以及參數的意義，掌握基本的試驗設計和生物試驗數據的統計分析方法，提高綜合素質，同時還可以培養發現問題、分析問題的能力，建立和鞏固專業思想。
在專業發展、大學生素質教育與創新教育等教學改革方面，《生物統計學》課程是一門十分重要的課程，具體體現在：（1）可提高學生從必然性推理到或然性推理的歸納推理能力；（2）可提高學生的科研能力，使學生明白試驗研究前、中和后的主要目的和任務，以及怎樣提高試驗的精度，為畢業論文以及今后參加科學研究奠定良好的基礎；（3）可提高學生的動手能力。為此，我們對《生物統計學》課程的教學內容、方法和手段進行了幾項改革探索。
1 .教學內容的改革與探索
《生物統計學》主要講述五個方面的內容：（1）介紹科學研究基本過程、試驗方案制定和試驗誤差及其控制，講述生物試驗的誤差來源和控制誤差的技術、試驗設計、實施規則；（2）介紹研究對象總體的理論分布、統計數的抽樣分布及統計數的理論概率；（3）講述統計推斷的基本方法、平均數比較的u測驗和t測驗、F測驗和x2測驗及其應用，包括計量數據的方差分析和計數數據的統計分析；（4）方差分析的應用，介紹單因素、多因素試驗結果的統計分析；（5）二變量直線回歸和相關分析。該課程的知識和分析問題的方法是科研工作者必須掌握和熟練運用的。因此在教學實踐中，描述性統計學的知識即資料的整理和描述應重點講授連續性資料的整理方法；推斷性統計學的知識即理論分布、t檢驗、x2檢驗、F檢驗，重點講授正態分布的概率計算方法和對各種資料的檢驗方法，特別是資料的類型與相應統計分析方法的聯系，使學生能掌握根據不同資料正確選擇使用統計分析方法的能力，并且能夠根據所掌握的知識和技能分析具體的實驗數據和材料，得出較為客觀和準確的結果；對于回歸、相關分析則主要介紹一元回歸、相關分析的基本思想和分析方法，計算方法、過程留給學生自學，多元分析則要求學生在熟練掌握的基礎上進行自學；試驗設計重點講清試驗設計的基本原則，并結合實際講清不同的試驗設計的基本思想和設計方法，對試驗所得資料的分析方法則要求學生自學。
2. 教學方法、手段的改革與探索
《生物統計學》的理論性相對較強，內容相對枯燥和抽象，教學方法單一必然會導致學生學習興趣低下，不利于培養學生分析問題和解決問題的能力，要想真正建立起先進、科學的創新教學模式，只有通過系統優化教學設計，針對教學內容，借助于現代化媒體技術，采取各種有效的教學方法。因此在教學中就要求由以教師為主體轉變為以學生為主體、教師為主導的思路上來，突出以學為主，堅持以啟發誘導為核心，激發學生學習的興趣，引導學生積極主動開展思維活動，緊緊圍繞學的需要組織教學。課內以課堂理論講授為主，重點讓學生弄懂基本原理；習題討論主要運用實例進行分析，重點讓學生掌握具體計算方法和分析；教學中可適當安排一些討論課，讓學生將所學知識與生產實際結合起來，充分調動學生學習的主動性、積極性，讓學生學會學習。
2.1計算機輔助教學
《生物統計學》概念多、公式多，統計計算過程煩瑣乏味，如果在課堂上用板書的形式進行演算，既浪費課堂教學時間，又容易導致學生注意力渙散，產生視覺、聽覺和思維疲勞。多媒體課件具有圖文并茂的特點，在《生物統計學》教學中若能應用好多媒體，既能提高學生的學習興趣，又可加深學生的理解和記憶，促進教學內容的進一步深入，明顯提高教學效果。
多媒體教學的效果與課件的設計和制作水平關系密切，課件應在重視教學基本原理的基礎上，處理好內容與形式的關系，達到為教學服務的目的，切忌完全復制教材上的內容，而是必須突出重點、難點，這就需要教師對所要講解的內容理解透徹，具備熟練的多媒體創作和使用技巧，引導學生學會統計分析方法，提高學習的積極性，同時要經常注意來自學生的信息反饋，不斷地進行課件的更新。多媒體教學對教師提出了更高的要求，要求教師花費更多的時間和精力準備每一堂課的教學內容，同時不斷地更新知識，為教學積累素材。
2.2 統計分析軟件的應用
目前廣泛應用的統計軟件主要有SAS、SPSS，國產的優秀統計軟件有DPS，此外Excel軟件提供了較強的數據分析功能和統計繪圖功能，易學易用，筆者在教學過程中穿插介紹Excel的一些統計功能，如Excel的一些常用統計函數及統計方法的應用，以及常用統計圖表的繪制，并要求學生能夠掌握并熟練運用，取得了較好的教學效果。對具體資料的統計分析，一些常用的統計分析方法如t檢驗、x2檢驗、方差分析、相關回歸分析、多元相關回歸分析等均有相應的計算機分析軟件，教學中只需給學生介紹基本思想和基本原理，要求學生盡量考慮用計算機來完成，把學生從大量的計算中解脫出來使之集中精力去學習《生物統計學》的基本思想、方法及其實際應用。
2.3 理論聯系實際
生物統計學的教學并不是為了讓學生掌握一些知識點而進行教學，樹立統計的觀念、應用統計方法分析和解決生物學研究的問題才是這門課程的最終目標。因此，在教學中，特別要注意將純理論的統計學知識與科學研究中的實際問題聯系在一起，必須與專業實際聯系在一起進行教學，只有這樣才不會使本課程的教學顯得空洞，才不會脫離生產實際，才能在實踐中培養學生的綜合能力。
3. 考核方式的改革與探索
考核是教學活動的一個重要組成部分，是促進學生復習、鞏固所學知識，并對教學效果進行檢查的重要方法，恰當的考核對學生的理論學習和實踐訓練具有引導、激勵和促進的作用。傳統的筆試中學生要把大量的時間花在數學計算上，而不能全面考查學生對各種統計分析方法的掌握和應用情況。為了對教學質量進行科學地評價與管理，也為了客觀準確地評定學生的成績和能力，進行考試改革是必要的。
為了更好地發揮考試的功能，我們在教學過程中針對過去把書面考試作為評價學生學習效果的主要手段這一應試教育現象，實行考知識與考方法相結合，考理論與考應用相結合，建立了從學習過程、作業練習、期中考試到期末考試，定性評價與定量評價相結合的過程性評價體系，確保對影響學生應用能力形成的關鍵知識點進行全面測試，從重“知識”逐步走向重“能力”，培養學生腳踏實地的學習態度和嚴謹作風，促進教學質量不斷改進和提高。
通過以上三個方面的改革嘗試和探索，從各屆學生的學習效果的比較分析看，已收到了一定的成效，使學生體會到了該課程的重要實用價值，初步樹立了統計理念，培養了學生應用概率統計方法解決實際問題的能力。但《生物統計學》作為生命科學學科中重要而特殊的一門工具課程，要教好這門課，還有很多問題需要進一步的探究，在以后的教學中，還需要繼續鉆研統計理論，探索教學規律，優化教學過程，完善教學體系，從而全面提高該課程的教學質量。
參考文獻：
［1］李春喜，姜麗娜，邵云等.生物統計學（第三版）［M］.北京：科學出版社，2005.
［2］貴州農學院主編.生物統計附試驗設計（第二版）［M］.北京：中國農業出版社，1999.
［3］劉光祖.概率論與應用數理統計［M］.北京：高等教育出版社，2000.
［4］杜榮騫.生物統計學［M］.北京：高等教育出版社，2002.
［5］胡德海.教育學原理〔M］.蘭州：甘肅教育出版社，1998.
［6］鄭勛燁，劉慧芳，邢永麗.“概率論與數理統計”教法初探［J］.中國地質教育，2005，（3）：58-59.
［7］李玉閣.“生物統計學”課程教學初探［J］.生物學雜志，2006，23（5）：52-54，61.
論文摘要：科技型企業作為國民經濟中一支活躍的力量，已逐漸引起各個銀行的重視。但是對科技型企業信用風險的度量，國內尚無合適的方法。文章試通過對國際上較先進的信用風險度量模型進行介紹、比較，從而選取適合我國科技型企業的度量模型。
科技型企業在生產經營過程中，資本金主要靠自我積累和銀行信貸，銀行借款成為其最主要的外部資金來源。然而，由于銀行對科技企業的風險識別能力有限，加之信貸市場中的逆向選擇和道德風險的存在，銀行對科技企業貸款一直持謹慎態度。近年來，我國利率市場，特別是小額貸款的利率正逐步放開，商業銀行為增加利潤來源，漸漸趨向于各科技企業貸款。不過，科技企業貸款業務為銀行帶來利潤的同時，也帶來了較大的信用風險。因此，對于科技型企業的信用風險度量方法的選擇，成為了各家銀行急迫解決的問題。
一、古典信用風險度量模型
1.古典信用分析。古典信用分析屬于定性分析，是銀行最基本的信用風險度量方法。銀行業在發展過程中為控制信用風險早已形成了一些有用的信用風險管理技術，如常見的5C法和5P法。5C法從以下五個方面對借款人的信用進行考察：品格、資本、償付能力、抵押品、周期狀況。5P法將以下五個因素作為銀行判斷企業信用的準則：個人狀況、借款用途、還款來源、債權保障和未來前景。古典信用分析過分依賴專家的主觀經驗判斷，不同專家對同一借款人會做出不同的判斷，扭曲借款人真正的信用品質，同時它也缺乏為信用風險定價的市場機制，難以滿足信用風險評估日益發展的要求。
2.多元統計分析。即利用統計方法把企業違約概率評估看成是模式識別中的分類問題——根據貸款企業的財務、非財務狀況，將其分為正常和違約兩類，或根據已評級級別結果分為多類，這樣企業違約概率評估就轉化為統計中的分類問題。根據歷史樣本每個類別（兩類或多類），從數據中找出規律，總結出分類的規則，建立評估模型，然后用于對新樣本的判別，這些判別的結果隱含著不同企業的綜合得分或者說企業競爭力排序。國外關于違約概率評估研究，主要集中于違約的定性測度方法，然后根據結果，通過違約頻率統計獲得違約概率。按違約測度方法分：有線性判別模型，Logistic模型，神經網絡模型等；按變量數分有單變量（Fitzpatrick，1932；Beaver，1966）和多變量方法；按變量性質分有定量變量，定性變量，混合變量。
多元統計分析最初表現為多元線形判別分析模型，包括Z計分模型和ZETA模型。此后又產生了另一種多元線性方法——線形概率模型，其典型代表有Logistic回歸分析模型，隨后又有像神經網絡、遺傳算法、線形規劃等方法的信用風險模型的誕生。
二、現代信用風險度量模型
1.結構性模型。即基于公司價值的模型，把違約過程描述為公司價值惡化的顯性結果，并把公司證券視為發行公司價值的或有債權（期權）。一旦公司估值過程的模型確定，公司的資本結構也已知，就可用期權定價公式對權益和債務進行定價。結構模型已經成為違約風險領域的一個市場標準。這類模型的主要特點之一是能夠對上市公司信用價值進行逐日盯市的連續評估。但滿足違約概率簡單計算公式必要的基本假設有時與現實不符。
2.簡約化模型。這個方法不像結構型模型那樣，要求利用企業參數確定違約風險。該方法通過外生定義的違約率和回收率，把有違約風險債券的定價或價差直接與無風險債券連在一起。在這種方法中，信用期限結構不是根據公司財務基礎或宏觀經濟因素進行推導而是直接從市場數據中獲取。在數學上，這種方法更易于實施。但從考察公司信用基礎的角度看，這種方法遠不如企業價值方法那么直觀。
3.CreditMetrics模型。它建立在Merton模型所構筑的資本結構假設之上（當公司市場價值小于債務值時，公司違約），因此借款人的違約概率和資產超過債務的數量、資產的波動密切相關，資產的變化遵循幾何布朗運動，當資產的變化超過某一臨界值時，借款人即違約。該模型應用信用受險價值（VaR）對一些非上市流通的資產，如貸款、私募債券等進行估價和信用風險評價。運用這個模型可以估算在極端情況下貸款或貸款組合的損失。
4.CreditRisk+模型。該方法采用了保險精算的科學框架推導債券/貸款組合的損失分布，建立只考慮違約不考慮降級風險的模型。與信用計量模型（CreditMetrics）、KMV等不同，違約與企業的資本結構無關。CreditRisk+是信用違約風險的統計模型，該模型對引發違約的原因不作假設，與市場風險管理考慮的出發點是相同的。建立市場風險模型，不考慮市場價格變動的原因。銀行和保險公司一樣，必須用貼現現金流模型定量化度量自身蒙受的風險。保險公司的風險來源于客戶的索賠，而銀行的風險來源于債務人的違約。
三、科技型企業信用風險度量模型的選取
1.信用風險度量模型、方法的比較與評價。從上面的文獻回顧可以發現，關于信用風險度量的模型和方法很多，然而由于信用風險本身的固有特點，大家公認和統一的模型和方法到目前還沒有出現，各種模型和方法其本身都存在這樣或那樣的缺陷，且大多是針對上市公司等大型企業的，并沒有考慮科技型企業自身的一些特點，因此有必要對這些模型和方法進行分析、比較、評價，從中選擇合適的模型來度量我國科技型企業的信用風險。
單變量模型具有簡單可行的優點，但其缺陷是任何單個財務指標都無法全面地反映公司財務特征及公司總體情況，甚至任何單個財務指標將在很大程度上排斥其他指標的作用。多元線性判別模型具有相當的影響，它克服了單變量模型的缺點，判別的準確性也有大幅提高，但其本身也存在兩大缺陷：其一，它是一個線性模型，但判斷一個公司信用風險的因素非常復雜，不太可能成簡單的線性關系；其二，它基本上采用歷史財務比率，影響對借款人信用評價的時效性。Logistic等多元非線性回歸模型很好的解決了非線性的問題，并且有較高的準確性，但也存在信用度量的時效滯后缺陷。
轉貼于
KMV模型以股票市場數據為基礎，而不是依賴會計核算數據，反映了市場中投資者對公司未來發展的綜合預期，具有前瞻性、高敏感性；但它針對未上市公司具有一定的局限性，而且片面強調股票市場，變動敏感度太高。CreditMetrics模型成功地把信用風險度量與信用等級的轉移、違約率等相關因素結合起來，使模型考慮的因素更加全面，適用范圍更加廣泛；但它片面強調信用評級，不能夠反映特定債務人當前的信用質量變化情況。而且我國目前還沒有一個權威的、完善的信用評級體系，也不可能有有效的信用風險轉移矩陣，同時也缺少一個準確的基準貼現率，因此現階段該模型在我國尚無法應用。CreditRisk+模型最大的優點是簡單易用，泊松過程的應用使得計算非常有效，需要估計的變量很少，對于每個組合只需要知道違約概率和風險頭寸；但它忽略了信用級別的變動，對于每個債務人風險頭寸是固定不變的，只依賴于遠期利率變動。甚至在大多數情況下，模型簡化為違約概率由幾種隨機背景因子決定，風險頭寸是常量。
2.我國科技型企業信用風險度量可能采用的模型或方法。中小企業普遍存在著一些問題，如規模小、經營制度不規范、財務數據不完善、資本結構不合理和可抵押資產相對缺乏等。這意味著商業銀行向科技企業貸款的信用風險較大，且有不同于一般企業信用風險的特點。科技企業貸款的信用風險與企業所有者個人的信用息息相關，判定指標體系不易用衡量大型企業的標準。然而，長期以來我國商業銀行并沒有將對科技型企業的貸款獨立出來，信用風險內部評級仍然采用與大企業一樣的體系。2003年以前，我國銀行對貸款的分類一直延用“一逾兩呆”的分類方式。“一逾兩呆”分類管理主要依據借款人的還款狀況將貸款劃分為正常、逾期、呆滯、呆賬四類，是一種事后監督的管理方法。從2003年1月1日起，我國各類銀行全面實行貸款風險五級分類管理。貸款五級風險分類將貸款質量劃分為正常、關注、次級、可疑和損失五類(其中后三類稱為不良貸款)，在動態監測的基礎上，通過對借款人現金流量、財務實力、抵押品價值等因素的連續監測和分析，判斷貸款的實際損失程度，確定貸款風險。
對于信用風險內部評估，據人民銀行的調查結果顯示，現今國內幾家大銀行的信用風險評級剛剛進入計分卡階段，相當于一種加權綜合評分法。具體做法是:首先，設定待評價的指標體系，并根據評價的重要程度對各種指標給以一定的權重；其次，根據所收集的被評企業各種財務、非財務信息對照指標標準進行打分，確定各指標分值；再次，根據各指標評分以及權重，計算加權綜合評分；最后，對照評級表的級別區間，判定被評企業的信用等級。這樣一種評定信用風險的方法是在評價指標結構分析的基礎上再進行量化分析的。因此，其實是以定性分析為主、定量分析為輔的分析方法。而且，主要幾個指標權重的設定和打分的過程是根據“專家分析”的結果。
綜上，我國銀行內部對于企業信用風險評估仍然較多使用古典信用分析，處于定性向定量的過渡階段，尚未使用多元分析及現代信用風險度量模型。科技企業大部分為非上市公司，KMV模型無法大規模使用；我國缺乏完善的信用評級體系，歷史數據積累稀少，CreditMetrics由于缺乏相應數據而無法使用；Credit Risk+模型將信用風險簡化為泊松分布，過于武斷，忽略了債務人的特有風險，更無法適用于變幻莫測的科技型企業。總之，現代信用風險模型在現階段尚不適用于我國科技型企業。而銀行使用現行古典信用分析的結果是大部分的科技企業被拒之門外，導致其貸款難融資難，因此對于科技企業信用風險度量最可能選取的方法為多元統計分析。而多元統計分析法中，Logistic回歸模型的應用性最廣，它以企業財務指標為變量計算企業潛在的違約風險，適合我國科技型企業的信用風險度量。
參考文獻
1.Fraydman H，Altman E，Kao D.Introducing recursive partitioning for financial classfication:the case of financial distress.Journal of Banking& Finance，1985，11(1)
2.Altman E.Financial ratios，Discriminant Analysis and the Predicton of Corporate Bankruptcy.Journal of Banking and Finance，1968，(9)p589-609
3.Beaver W.Market prices，financial ratio s，and the prediction of failure[J].Journal of Accounting Research，1968.
4.Altman E，Haldeman R，Narayanan P，Zeta analysis a new model to identify bankruptcy risk of corporations. Journal of Banking&Finance， 1977，(1)，p29-54
5.Fitzpatrick PJ，A comparison of ratios of successful industrial enterprises with those of failed firms[J]，Certified Public Account，1932.
6.Beaver WH，Financial ratios as predictors of failure[J]，Journal of Accounting research(Supplement)，1966，p71-101
7.周首華，楊濟華等.論財務危機的預警分析——F分數模型.會計研究，1996(8)
8.陳靜.上市公司財務惡化預測的實證分析.會計研究，1999(4)