时间：2023-03-22 17:32:42
导语：在多元统计分析论文的撰写旅程中，学习并吸收他人佳作的精髓是一条宝贵的路径，好期刊汇集了九篇优秀范文，愿这些内容能够启发您的创作灵感，引领您探索更多的创作可能。
【关键词】主成分分析；因子分析；新指标解释
一、引言
随着数理统计理论的发展，作为它的分支的“多元统计分析方法”在近20年越来越受到人们的重视。这不仅是因为很多事情都是带有随机因素，而且在具体分析问题的时候，人们需要考虑的因素不止有一个。比如在购物的时候，我们评价商品并不是仅仅看其价格，还要关注质量、保修期等多方面的因素。在学校里，评价一个学生也是至少需要“德、智、体”三方面的指标。多元统计分析就是用统计的方法分析这种带有多指标的随机性问题。上述的例子所涉及的指标其实并不多，但更多的时候会遇到很多指标，如考察一个企业，需要了解其规模、产量、产值、税收、员工数、利润等，如果我们关注所有的指标就会大大增加分析的复杂性，而且也不宜抓住主要的因素。因此有必要对这些原始的指标数据进行降维，亦即用较少的新指标来代替原始指标，这就是主成分分析与因子分析在解决问题时所要体现的思想。可以说，出于数据降维的目的它们是没有区别。
二、具体实例分析
但是在新生成的指标的解释方面，它们还是有较大不同的。首先看一下两种方法的数学模型。主成分分析是考虑原来的指标的线性组合，把原始指标的线性组合叫做主成分。从这一点可以看出，主成分其实就是原来指标的压缩综合。而因子分析模型则是把原始指标表示成因子的线性组合（如果姑且不去考虑随机扰动的因素），也就是说因子分析的目的是要找出影响所有原始指标的内在因素。因此尽管两种方法都是对原始数据进行降维，得到新的指标，但是在对新指标的解释是有不同的。下面分析一个具体例子。该例通常出现在统计教科书中因子分析一章，但本文从主成分分析和因子分析两方面同时对其进行剖析。
考察某校学生的学习成绩状况。随机抽取了30个学生，关注起数学、物理、化学、语文、历史、英语六门课程的成绩。故形成了如下的30行、6列的原始数组。我们需要从中提炼出1，2个新指标。
通过MATLAB软件中的主成分分析与因子分析程序，可以看到通过两种方法的数据降维处理后按照累计贡献率均提炼出了两个新的指标，它们都是从上述的原始二维数组出发，计算其协方差距阵的特征值与特征向量，因此很容易搞不清楚所得到的两个新变量到底是主成分变量，还是因子变量。其实，我们此时回顾一下前文中提到的数学模型就清楚了。主成分分析是原始变量的线性组合，结合此例，即为所获得的两个新指标是原始指标的综合。又注意到原始变量前的组合系数（也叫作载荷）大小，不难发现，在其中的一个新指标中数学、物理、化学、三科占的比重比较大，因此可以把该综合指标形象地称为“理科”主成分；而在另一个新指标中语文、历史、英语三科占的比重比较大，因此可以把该综合指标形象地称为“文科”主成分。此时再考虑因子分析的模型。如前文所讲，原始变量表示成了因子的线性组合。结合此例，即数学、物理、化学、语文、历史、英语这原六个指标表示成了两个新的指标的线性组合。考虑到因子的组合系数，发现在数学、物理、化学这三科的线性表示中一个因子的组合系数比较大，而另一个比较小，因此可以把所占分量较大的那个因子形象地理解成“理性思维”因子，同样的道理可以把另一个新指标理解为“文性思维”因子。
三、总结
从此例可以看出，虽然主成分分析与因子分析都是从原始数据的协方差矩阵（有时是相关系数阵）出发，计算特征值与特征向量，按照累计贡献率大于85%的原则确定新的指标个数。但是为了避免搞混两种方法，在解释新的指标时应回馈到各自的模型上面来。即：按照主成分分析理论，新指标仅仅是原始指标的简单汇总，如果想用较少的几个变量替代原来的变量则用主成分分析；而对于因子分析，新指标则是对所有原始指标皆有影响的那些公共因子，所以当需要寻找潜在的影响要因时，倾向于用因子分析。明白了这一点，对新指标的解释也就变得顺理成章了。
【参考文献】
[1]高惠璇 应用多元统计分析 2005
[2]李静萍 谢邦昌 多元统计分析方法与应用 2008
[3]李卫东 应用多元统计分析 2008
[4]陆恒芹 苏勤 陈丽荣 女性旅游者行为特征分析及其动机研究―以西递、宏村为例 2006
[5]陆虹 用因子分析测量“护士工作满意度量表”的结构效度[期刊论文] 2007
[关键词]社会科学 统计方法 应用问题
社会科学的实证研究在应用统计学时,统计分析是其关键环节,资料性质分析、资料类型的判断、统计方法的选择等各个环节都应把握好,否则,其分析结果将是没有意义的。本文拟通过对社会科学实证研究论文中应用统计分析方法出现的问题,从描述性分析、定量资料的统计分析、定性资料的统计分析、相关与回归分析等方面进行解析。
一、描述性分析问题
在社会科学实证研究中,一般首先要对社会调查数据进行描述性统计分析,以发现其内在的规律性,再选择进一步的分析方法。描述性统计分析要对调查总体所有变量的有关数据做统计性描述,主要包括数据的频数分析、集中趋势分析、离散程度分析、分布形态以及一些基本的统计图形。
描述性统计分析虽然较为简单,但如果对某个事件或某种现象的描述不清楚或存在偏差,那么其后的所有分析都将值得怀疑,而描述的偏差可能会引起公众或学术界对某些社会现象的误解,甚至误导政府决策。
1.均值的误用
均值是用于描述样本集中趋势的最常用指标,但应注意,对于正态或近似正态的对称分布样本,它是较好的指标,一般与离散趋势指标中的标准差一起描述数据资料(即形式);而对于偏态分布的样本,则常用中位数来描述集中趋势,一般与离散趋势指标中的四分位数间距一起描述数据资料(即形式),究其原因是均值容易受到极端值的影响。
对于两个分布完全不同的样本,可能会得到相同的均值,因此均值在某种程度上抹杀了样本内部的差异,而往往这种内部差异正是需要进行深入研究或应当引起人们注意的。为了弥补均值的这种缺陷,一般在报告均值的同时,也应该报告标准差,或用直方图或散点图的形式描述分布,以展示群体内部的差异。
2.绝对数的误用
因为社会调查研究比较容易得到大容量的样本,所以对任何小概率事件,用绝对数报告都会出现较大的数字,单纯对绝对数的强调往往会产生误解。比较合理的方式一般是在报告某事件绝对数的同时,给出该事件的发生率或占研究样本的比例。
3.相对数的误用
相对数常用于描述定性资料的内部构成情况或相对比值或某现象的发生强度,一般有比与率两种形式。虽然比与率的计算形式是相同的,即两个绝对数之商乘以100%,但它们的含义是不同的。率用于反映某种事物或现象发生的强度,而比则用于反映部分与整体或某一部分与另一部分之间的关系。当数据的比较基础相差悬殊,用绝对数表述没有可比性时,就要借助于相对数。
应用相对数也容易出现一些问题,如:百分比与百分率的混用;当分母很小时,只计算百分比或百分率,而没有报告样本量;当比较两个或多个总体率时,没有考虑到各总体对应的内部构成情况是否一致,而直接比较等。
例如在报告流动人口犯罪问题时,给人的印象往往是流动人口犯罪率高于常住人口,其实是忽视了流动人口的年龄和性别构成与常住人口完全不同,且青年男性是犯罪率较高的人群,这样对两个不同群体的比较往往会导致错误的结论。
二、定量资料的统计分析问题
定量资料的统计分析是指所观测的结果变量是定量的,而且希望考察定性的影响因素取不同水平时,定量观测结果的均值之间的差别是否有统计学意义。定量资料的统计分析在统计学应用中占有很大的比重,出现的误用也比较多。
正确选择定量资料统计分析方法的关键有两点:一是正确判断统计研究设计的类型;再是检验定量资料是否满足“独立性、正态性及方差齐性”的前提条件[1]。前者要求使用者对统计研究设计的类型较为熟悉,后者则需要进行预分析,可适当借助于统计分析软件。根据前提条件是否满足来决定用参数假设检验或方差分析,还是用非参数检验方法,进而根据对统计研究设计类型的判断,确定采用具体的统计分析方法。
对定量资料作统计分析时,常犯的错误有:
1.不管统计研究设计类型,盲目套用t检验或单因素方差分析;
2.不验证“独立性、正态性及方差齐性”前提条件,而直接应用参数检验法;
3.将多因素设计定量资料人为拆成多个成组设计定量资料,采用t检验法;
4.将多因素设计定量资料用单因素多水平方差分析解决,或用一元分析替代多元分析等。
三、定性资料的统计分析问题
定性资料的统计分析是指观测结果为定性变量的统计处理问题。定性资料的统计分析在社会科学研究中的应用也是很广泛的,通常根据影响观测结果的原因变量性质分为三种情况:
1.原因变量都为定性变量,此类资料就是通常理解的定性资料。常用的统计分析方法有:检验、秩和检验或Ridit分析、Spearman秩相关分析、线性趋势检验、一致性检验(也称Kappa检验)、加权检验、对数线性模型等。
2.原因变量中既有定性变量,又有定量变量。这类资料的统计分析通常有两种处理方法:一是结合专业知识先将定量的原因变量离散化,使其转化为定性变量,然后采用上面3.1的统计方法处理;二是先对定性的原因变量,采用哑变量技术进行处理,转化为多个二值变量,赋予0或1值,然后采用Logistic回归分析方法或多值有序变量Logistic回归分析处理。
3.原因变量全部为定量变量。这类资料的分析可以直接采用Logistic回归分析方法或多值有序变量Logistic回归分析处理。
定性资料的最常用表达形式是列联表,列联表有多种类型,如横断面设计的四格(或称2x2)列联表、队列研究设计的四格列联表、配对研究设计的四格列联表、双向无序的R×C列联表、单向有序的R×C列联表、高维列联表等,不同类型所用统计方法也不同,所以处理这类资料的关键是分辨出列联表的类型,从而选择相应统计分析方法。
在社会科学研究中,定性资料的统计分析常犯的错误主要就是列联表的误判,从而错误的选用统计方法。
四、相关与回归分析问题
相关分析是研究变量之间的相互关系,常局限于统计描述,较难从数量角度对变量之间的联系进行深入研究;回归分析则是研究变量之间的依赖关系,可实现对自变量进行控制,对因变量进行预测,及对随机变化趋势进行适当修匀。
相关分析可用于对定类、定序、定距及定比等尺度的各类资料进行定量描述,但各类资料的计算公式是不同的,所以应用时,需要判明资料的类型;而回归分析则要根据因变量性质的不同,选用不同的回归分析方法,一般可分为两类:一是因变量为连续型变量,具体的,当为非时间性的连续型变量时,可用线性回归分析、多项式回归分析、非线性回归分析等;当为时间变量时,可用COX半参数回归分析、指数分布回归分析及威布尔回归分析等;当为随时间变化的连续型变量时,则需要利用时间序列分析。二是因变量为离散型变量,需要利用Logistic回归分析、对数线性模型分析及多项Logit模型分析等。
在社会科学研究中,相关与回归分析的应用非常广泛。但应用时也经常出现一些错误:
1.没有结合问题的专业背景和实际意义,就进行相关与回归分析。其结果有时可能是莫名奇妙的,可能出现所谓的虚假相关。
2.对于较简单的线性相关与回归分析,不注意应用条件,盲目套用。一般地,Pearson相关分析要求两变量都是随机变量,且都服从或近似服从正态分布,若不满足条件,应采用其它相关分析法,如Spearman相关分析等。而线性回归分析则要求因变量必须是随机变量,且服从或近似服从正态分布,在回归分析前,先要进行统计检验,证实两变量的显著相关性,再进一步进行回归分析才有意义。
3.只求得相关系数或回归方程,而不进行参数假设检验就下统计分析结论。因为相关系数或回归方程都是由样本数据求得的,是否具有统计学意义,必须通过其相关参数的假设检验来判定。
4.多元回归分析策略的错误。在社会科学实证研究中,对多元回归分析的应用,不少人采取的策略是先用单变量分析,得到有统计学意义的多个变量,再将它们引入回归方程进行多变量分析,用逐步回归法进行筛选,从中选出有统计学意义的变量,这种分析策略是不正确的。因为自变量之间可能存在不同程度的交互作用,在单变量分析中无统计学意义的变量并非在多元回归分析中也没有意义。正确的处理方法应该是先综合分析各种变量之间的作用、实际意义及关系,有些可作为控制变量(如性别、年龄等),将经过初步筛选的所有变量代入回归方程进行分析,再采用逐步回归方法,必要时可多用几种筛选变量的方法,同时要注意自变量间的交互作用,进行综合分析,这样才能得到较为可靠的结果。
参考文献:
[1]王在翔:社会统计理论与实践[M].青岛:中国海洋大学出版社,2008
[2]胡良平等.医学统计学基础与典型错误辨析[M].北京:军事医学科学出版社,2003.148-239
[3]柯文泉:统计方法应用中应注意的几个问题[J].时代经贸,2008,6(96):83-86
摘要：我国中药发展已有悠久历史，中药大多采用复方制剂，以其复方疗效显著而越来越受到重视，在其成分分析中，多元统计分析方法的运用，本质上是一种多变量协同考量的思路。本文通过对以往多元统计分析方法在中药成分分析数据中的应用作整理总结，对今后相关研究提供理论依据。
关键词：多元统计分析 中药成分分析
中药物质基础的阐明和科学质量控制方法的建立是中药现代化和国际化的关键，在化学计量学中，多元统计分析方法得到了很好的应用，通过优化了化学量测过程，提高分析效果，应用统计分析方法及其他数学方法和计算机软件的应用对其数据进行整理，已较好的阐明了中药物质成分，结构与其性能之间的复杂关系。
一、应用现状
1.1方法
在中药成分分析中，多元统计分析方法如多元回归，多元相关分析，逐步回归分析，最大似然法，判别分析，聚类分析和主成分分析，利用电子计算机能迅速而大量地处理实验数据，还广泛采用了蒙特卡洛（Monte Carlo）统计模拟法，都能在某一特定方面很好的说明其成分，但尚未有统一理论支撑整个体系，也是国内着力于建立中成药数据库的缘由之一。要进一步定性定量的确定中药成分，并很好的分析中药成分还需不断努力。
在应用中，应用最多的为多元线性回归和Logistic回归方法，其次是通径分析，因子分析和聚类分析的运用较少，比如风险模型，典型相关，MCA分析和Probit分析。
1.1.1成分提取
在对中药复方有效成分的整体提取方法，指纹图谱条件优化及定量评价指标，以及基于药理活性的组方条件优化的基础上，化学模式识别方法引入中药分析体系，模式识别，指通过相关软件等用数学方法来实现模式的自动处理和判别，模式识别可大致分为用监督模式识别（判别分析方法），是实现规定分类的标准和种类的数模，并且通过大批已知样本的信息处理找出规律，再预报未知样本的类型，如贝叶斯法（Bayes）逐步判别分析方法，人工神经网络判别法等，无监督模式识别（聚类分析方法），是对一组尚无明确分类的样本，根据它们所变现的变量特征，按相似程度的大小加以归类，最终通过信息处理找出合适的分类方法并实现样本的分类，如系统聚类分析，模糊聚类分析等以及基于特征投影的降维显示方法，另外还有一类基于特征投影的降维显示方法，如主成分分析方法，基于偏最小二乘法的降维方法等，中药的化学模式识别方法可以从复杂的化学测量数据出发，进一步揭示复杂化合物之间的隐藏规律，为中药整体研究提供十分有用的信息。
1.1.2质量控制
在中药复方质量控制方面，近年来，有监督的模式识别和无监督的模式识别往往联合起来使用，即当某中药方剂的总体质量分类不清楚时，可先用聚类分析对原来的样品进行分类，然后再用判别分析建立判别式以对新样品进行判别。
1.1.3药效检验
在化学计量中运用多变量统计过程控制（multivariate statistical process control,MSPC） 方法来处理中药成分组成，在中药分析中，结合对无知复杂多组分进行同时定性定量分析的方法，连用色谱仪器等，包括HPLC-DAD.CE-DAD(毛细管电泳二极管阵列联用仪),HPLC-MS,HPLC-IR,GC-MS.GC-IR等因其将分离与分析技术集于一体，已有很大突破，目前国内在中药成分分析中，运用了在中药化学成分研究的手段方面，如薄层色谱，气相色谱，高效液相色谱，紫外光谱，红外光谱等已得到普遍使用，还包括超临界色谱，高效逆流色谱，色谱质谱连用技术（GC/MS、HPLC/MS），核磁共振（NMR）指纹图谱，x-射线衍射指纹图谱等。其中产生大量的数据，有关研究人员运用数学中多元统计分析方法对其分析，得到相关结论，进而对药效进行更有效的分析。
1.1.4组分分析
借助各类分析仪器以及光谱色谱联用手段，可以再较短的时间内得到大量的多元性化合物信息，该过程所用到的具体方法有聚类分析，主成分分析以及偏最小二乘法，判别式分析法等，中药药效，由定量构效关系到定量组效关系研究
1.2数据处理的应用实例
在对药材产地区分和鉴别研究方面，徐永群等在黄苓的红外光谱的指纹图谱基础上，采用主成分分析法，对多个产地进行了聚类分析。
王继国等分析中药血竭样品的高效液相色谱中，把指纹图谱信息进行数据处理时，用重叠率与相关系数两个参数，从两个方面定量地对图谱进行了相似性评价，在此基础上用系统聚类分析法定性地对样品进行了分类和鉴别，建立了一种相对完善的中药血竭的化学模式识别技术。
杨红娟等对金银花的种类进行了模式识别研究，利用高效液相色谱分析获得金银花的化学信息，并进行了系统聚类分析，同时用微生物法进行抑菌活性测定，用多重线性回归揭示化学信息与药理指标之间的关系。
孙丽新等用典型相关分析对获得反映样品整体化学特征的数据做了处理，并运用聚类的方法将样品分类，得到效果良好的质量控制方法。
周立东等提出在天然药物演技中建立定量组效关系，用以解决中药复杂成分的化学组成与生物活性之间的关系问题，在中药的多变量的化学祖坟空间和中药的多变量空间之间建立起定量的关系，在多元统计分析中，如回归分析，聚类分析以及因子分析西欧提供了操作方法，
二、存在的主要问题
统计方法的选择在一定程度上取决于变量的测度水平，多元统计分析，自变量中包括名义变量的最多，自变量全部为间距测度的很少，多元统计分析方法中序次测度变量和名义测度变量的处理方法一样，所以一般并不加以区分，序次测度变量作为名义测度变量来用，把二者合成为分类变量，本次研究的论文数据中应用多元统计方法时大多数的分析中是分类变量。
2.1方法使用错误
在多元统计分析方法的应用中，如通经分析等存在一些错误，通径分析是建立一组线性回归方程，因此对变量的要求和多元线性回归一样，多元线性回归要求因变量必须为间距测度或以上的变量，自变量可以使分类变量，但当自变量中有分类变量时，必须做虚拟变量回归，而不是普通的线性回归。
2.2数据的评价和检验
对实验数据处理的最终评价是要反映该药效的最好方式，即数据在多大程度上能很好解释了因变量的间的关系，每一种统计分析方法都有自己的数据评价指标和方法。
三、总结
化学计量学提供了一整套区别于传统复方研究的思路，在中药化学，质量控制，药效检验，组方分析，代谢组学以及建立中药数据等各个领域都已有了初步的应用和发展。多元统计分析方法作为数学数据分析中的主要分析方法，虽在中药分析方法中应用存在少数问题，但其应用前景及意义极其乐观。（作者单位：沈阳师范大学）
参考文献：
［1］梁逸曾.化学计量学用于中医药研究.长沙：化学计量学与传感技术研究所，1998.
［2］罗国安.中药中成药现代化进程［M］.北京：中成药出版社，2000.
［3］甘师俊，李振吉.中药现代化发展战略［M］.北京：科学技术文献出版社，1998.
［4］张敏，吕华瑛.中药成分分离新技术及应用［M］.山东：山东中医杂志，2005.
［5］邓书鸿，聂磊.中药谱效关系的分析方法及数据处理技术研究进展.山东：中药材 Joumal of Chinese Medicinal Materials,1819.
多元统计分析在在统计学中是一种综合性的分析方法，通过多个分析方式对于同一个对象进行全方位的分析，内容包括多种应用方式。通过多种方式的综合运用，在多个指标的共同参与之下，对于统计的规律进行揭示与挖掘，将这种多元化的分析手法应用于企业财务危机的预警中，是十分有效的，与现代企业管理的多元资金流和运作的资金链串接是有相同的运作模式的。
企业的财务危机主要是指企业在经营过程中由于无力按时偿还到期的债务而产生的危机和困难就是企业的财务危机，企业财务危机的出现有种种原因，管理不善、行业萧条、决策失误、名誉受损等等，都可能导致企业财务危机的出现，企业一般都是个体或者合营，依靠主要管理人员和决策人的共同努力发展壮大，所以对于管理人员的措施采纳和决策人的决定有严格的要求。一般来说，判断一个企业财务危机的常用标准是企业破产和在证券交易中面临的退市现象，注意，在证券公司面临退市的现象一般指的是上市公司，中国改革开放以后，证券行业发展迅速，企业的上市已经成为一个企业发展壮大的标识，所以本文研究的企业也包括上市公司。企业在生存发展的过程中，面临的财务危机是一项挑战，也是一项机遇，往往一个企业进行大刀阔斧的改革都是在企业财务危机之后，由于财务危机暴露了企业在发展过程中的弊端，所以企业在财务危机中能够顽强的生存下来，也就获得了成功的准备，将危机中显示出来的问题进行纠正，这样企业获得了良好的发展活力，更能在激烈的社会竞争力实现跨越式前进。
由于企业性质的不同，所以造成企业财务危机的原因也就不同，在企业财务危机预警的多元分析中，要根据企业的独特性采取相应的指标来完成分析，并且在模式模型选择过程中要根据企业财务危机的侧重点来进行选择，这样才能有针对性的提出分析的策略。根据我们选定的财务指标，利用聚类分析法对我国企业进行科学的统计分类；再用判别分析法构造预测判别模型，对其财务危机状况进行判定预测；最后利用主成分分析法提取主成分，计算各主成分的分数和综合得分，根据主成分综合得分对样本进行排序，以发现其财务危机状况，使用Excel电子表格中软件和统计分析软件SPSS来进行数据处理和建立多变量预警模型，这就是多元分析的主要步骤。
二、多元统计分析在企业财务危机预警中的应用
（一）样本和变量选取
在企业财务危机模型的建立过程中，对于企业的财务指标和参数，利用抽样方法进行选择。一般来说，选择的方式主要是随机抽样和对应样本法。在企业中，选取销售净利率、主营业务利润率、净资产收益率、资产净利率、每股收益（EPS）、应收账款周转率、存货周转率、总资产周转率、营运资本总资产比、资产负债率、流动比率、现金负债总额比（债务保障率）、现金流动负债比、现金流入流出比率、销售现金比率、每股净资产来建立指标体系作为分析变量等28个指标作为企业盈利、偿还等能力和资本实力的展现，也是全面地反映企业的财务状况的指标。在多变量模型的财务预警分析中，变量越多选择的余地越大，模型建立就越好。
（二）判别分析
根据样本和变量的选择，利用判别分析法建立企业财务危机的预警机制，在建立机制的过程中，可以根据研究对象创建一组函数，实现对于样本和变量的分析判别。一般来说，用的Fisher线性判别函数是判别分析中比较常见的。函数形式为：Yi=a1x1+a2x2+…+anxn+b（i=1，2，…，k）。其中k是判别组数，Y是判别分数或判别值；x1，x2，…，xn是因变量或预测变量；a1，a2，…，anj是各变量的系数，即判别系数；b是函数中的常数。通过这组函数对于基本的系数和常数进行计算，得出基本的财务危机指数、非财务危机指数以及中间指数。
在数字计算的过程中，判别分析建立的函数变量很多，将其中有显著性代表的变量函数作为典型例证进行分析计算，这样既能节省时间和效率，同时也能准确的代表了判别分析的结果。具体的判别分析方法：①采用一个系统默认的检验指标体系，以每一步λ统计量最小的进入判别函数，这样就能从整体上保证参数的合理性，计算的准确性也有了保证。②逐步判别停止的判据采用F值，当加入一个变量或者剔除一个变量后，对在判别函数中的变量进行方差分析，将因为变量的转换发生的系数变化统计下来，作为以后函数计算的重要数据。
③将获得的变量均值检验经过系统的分析，得出的结果作为费雪线性判别函数的系数。Fisher系数有被称为费雪线性判别函数的系数，在Fisher系数的系数表里，主要的指标要和变量均值检验表实现同步，这样在不断地分析计算过程中，才能得出Fisher线性判别函数模型。
由于模型中的6个变量从不同角度较好地反映了对于我国企业来说最重要的几个财务指标：盈利能力欠佳、资产周转速度慢， 尤其是应收账款回收慢，以及销售收入增长幅度小，经营现金流的短缺，这些都是极易导致财务危机的发生，最终影响企业生存的重要变量，通过这些数据的分析就能逐步实现财务危机的预警。
（三）主成分分析
在企业财务危机中，除了判别分析模型的建立之外，主成分分析也是较为普遍的方式。主成分分析主要是通过筛选和建立模型来实现，但是主成分分析法对于检测的指数和指标已经有了基本的规定，比如说企业重要的资金流动、盈利收益等，都是企业在财务危机预警里的主要成分。在变量较多的情况下，研究样本通常都比较复杂，因此需要利用主成分分析方法实施第二次筛选，使得模型精简化，这和判别分析的模型建立有同样的方法选择，选取适用的参数和指标来进行有针对性的研究。在企业财务危机分析中，具体是指，对企业收集的原始数据和财务指标进行标准化的处理，取平均为零，方差取1；然后，利用标准化的数据计算财务指标间相关系数矩阵R；最后，按照指标间的矩形计算规则，对于矩阵中的相关系数进行分析和计算。
三、多元统计分析对于企业财务危机预警的作用
论文关键词：360度绩效评价，雷达图，应用
360 度绩效评价 (360-degreefeedback) 又称多评价者评估(multi- later assessment)多源反馈系统(multi- source feedback MSF)或全方位评价(full circle appraisal)，它是由被考评者的上级、同事、下级和(或) 客户(包括内部客户和外部客户) 以及被考评者本人分别担任考评者，从多个角度对被考评者进行360 度的全方位考评，再通过一定的反馈程序，促进被考评者完善自己的工作行为并提高工作绩效。在国内，360 度绩效评价也被称为360 度绩效反馈评价、全方位反馈评价或者多源反馈评价等。
近十几年来，以360 度绩效评价为核心的绩效管理体系开始风靡全球。在《财富》杂志评选出的排名在前1000 位的企业中，有近90 %已将360 度绩效考评方法用于人力资源管理和开发，如IBM、摩托罗拉、诺基亚、福特、迪斯尼、美国联邦银行等。我国许多著名企业也引入了这种绩效评价工具，如联想、金蝶软件等。
360度绩效评价之所以得到如此深受国内外企业青睐，主要归功于其是通过对一个个体可从多个角度评价，有效的规避单一主体评价结果受制于评价的偏见和武断的影响，能够得出更有效和更可靠的结果管理论文，即有较高的可信度和效率。360度绩效考评从多角度评价的理念，决定了在应用需要中对多维度的变量进行数据处理，由此，对多个变量进行综合处理的多元统计分析方法就显得尤为重要。
多元统计分析方法多种多样。主成分分析法、因子分析法、判别分析法、聚类分析法、典型相关分析法、主坐标分析法等都先后被人们应用于各类的综合评价活动中。这些方法的种种优点不再赘述,，但总体给使用者的感觉是技术性太强而形象化不够,，本文拟从可视化的角度对多元统计分析方法在综合评价中的应用进行探讨。
一、雷达图法概述
1．多变量的可视化
图形是直观了解、认识数据的一种可视化手段，如果能将评价中的数据直接显示在一个平面上，便可一目了然地看出所分析变量间的数量关系。由于在综合评价中涉及的指标往往很多，多变量数据的维数通常都大于三，而观测三维以上数据又存在一定困难， 若有一种方法可以把高维数据投影到二维空间去，并且在投影过程中不会过多地损失原有数据的信息，就可以使用通常的方法在平面上画出这些高维数据图形来。
多变量的可视化一直是人们关注的热点，从研究成果看主要分为两类：一类是使高维空间的点与平面上某种图形对应，这种图形能反应高维数据的某些特点或数据间的关系；另一类是对多变量数据降维处理，在尽可能多地保留原始信息的原则下，将数据的维数降为二维或一维，然后再在平面上表示，主成分分析法、因子分析法就属于此类方法。
雷达图就是一种多变量可视图形，也称星形图，它属于第一类可视化方法。
2． 雷达图
雷达图早期多应用于经济财务领域，如财务报表的分析，后因其简洁、精确、可操作性强等特点而倍受关注， 是一种能够用定量指标较好地反映出定性问题的模型工具。
雷达图中，每个数据都有一个独立的单一数值轴，坐标轴呈辐射状分布在中心点周围， 把同一数据序列的值在不同坐标轴上的点用折线连接起来所形成的多边形就是雷达图管理论文，用来比较若干个数据序列指标的总体情况中国期刊全文数据库。
3． 评价的基本思想
利用雷达图进行综合评价的基本思想是：
首先，确定需要分析的对象和分析的目的，选择分析的各个评价对象的评价指标，这些评价指标与分析的对象密切相关，必要而且充分地支持分析目的。
然后，以评价值的最大值为半径画圆, 并以评价指标数N 等分圆周, 从圆心出发画N 条坐标轴，每条坐标轴表示一个评价指标；
最后，在每根放射线上标注出等距离的刻度，研究每一个指标可能的水平等级，以明确的数字区分水平等级。将每个测评指标的评分结果标注在相应的坐标轴上，并把各轴上的点连接构成最终的雷达图。
为了使评价结果更具综合性和客观性，在绘制雷达图时，首先将各评价指标的数据进行标准化处理，以消除定量评价结果在各评价指标间的数量差异。运用雷达图解释分析结果，重点关注那些差距最大的领域。
二、360度绩效评价中雷达图的应用
一般常见的360度绩效评价的应用是对于不同的评价者赋予不同的权重，然后加权求和得出最终综合评价分值。这样的评价虽然能综合反应一个员工的绩效但无法反应导致员工总体评分波动的原因，不利于进行绩效诊断。
基于工作绩效的多维性，不同评价主体观察到的是绩效的不同维度，对于同一个员工的绩效评价的结果必然会因评价主体不同而不同。绩效评价的结果不是评判员工的优劣，而是为了提高绩效。评价结果中全面反映员工绩效结果必然有利于这一目的的实现。利用可视化效果好的多元统计方法成了解决这一问题的必然选择。
在360度评价中，以不同评价主体为不同维度绘制出雷达图，可以直观的反映出不同评价主体对同一客体的评价结果，形成不同类别的“脸谱化”的评价结果。具体绘制过程包括一下步骤：
1．确定三个同心圆。中圆的圆周表示评价主体评价结果的中值；外圆的圆周表示评价结果的最大值；内圆的圆周表示评价结果的最小值。
2．划分评价指标轴。用评价指标体系对圆周(360 度) 作N 等分，N等与选择的评价主体的类型，得到N 个坐标轴，每个坐标轴代表该体系的第N 个评价主体的评价结果。
3．将不同评价主体的评分进行标准化处理。利用公式：
Xi=(xi-xmin)/(xmax- xmin)
来计算每一个指标的标准化数据。
其中： Xi 为第i 个评价主体标准化后的数据； xi表示第i 个评价主体的实际评价结果， xmin表示同一评价主体评价结果的最小值管理论文， xmax 表示同一评价主体评价结果的最大值。
经过上式处理后，统计数据被规范到[0， 1]之间。
4．将不同评价主体的评价结果标在图中适当位置，并连接各点成为一个多边形或曲边多边形。
具体如下图：
从以上四个雷达图可以看出： 员工A的评价结果几乎在各评价主体的评价值都是最大值，评价结果所构成的多边形向外明显扩张，说明该员工工作绩效突出；员工B的自我评价绩效结果突出，但其他主体评价均低于平均水平；员工C的多个主体评价均高于平均水平，但下级评价结果低于平均水平；员工D 各评价主体评价均低于中值，评分结果构成的多边形向圆心明显收缩，说明该员工各方面的绩效水平较低。
雷达图不仅综合反映评价对象的好坏，更直接表现了其在单个指标上的优劣。如图1 中的员工C，雷达图属于扩张型， 但它在下级的绩效评价值靠近圆心，说明它在这方面具有很明显的劣势，可能在工作方式、下属培养等方面存在问题。管理人员可以通过雷达图直观地看出员工那些方面较好， 那些方面较差, 并制定出相应的措施以提升自主创新能力。
利用各绩效指标评价值所连接成的多边形，雷达图实现了各员工间的横向比较，通过对多个维度的评价结果描述和比较， 直观地表征了被评价者的绩效水平。雷达图还可以利用多边形的相似性对评价对象进行主观聚类。本例选取的4 名员工都是具有代表性的数据，可以不同类型的雷达图对不同员工进行“脸谱化”。然后根据不同类型的“脸谱”采用不同的管理手段，有针对性的改善组织绩效。
对于雷达图在360度绩效评价中的应用还可以进一步细化的不同主体的评价指标，每个坐标轴代表一个指标，多边形的每个顶点代表不同指标的评价值。如下图，使评价结果更加清晰明了。
三、雷达图在360度绩效评价中的应用价值
1．描述直观、形象。
雷达图为多因素评价方法,适合于在二维平面上直观、形象地反映多个指标的变动规律中国期刊全文数据库。通过叠加不同形状的雷达图,可以直接判断出绩效评价结果的整体分布情况及优劣态势。
2．便于绩效反馈。
一个有效的绩效管理体系必然具有通过持续不断的绩效反馈不断的提高绩效的功能。而此项功能的实现依赖绩效反馈的有效性。在绩效反馈中利用可视化的雷达图，一方面可以改善被评价者对评价结果的理解；另一方面可以使绩效反馈面谈更有针对性，均可有利于提高绩效反馈的有效性。
3．有利于人力资源开发。
绩效管理作为人力资源管理的一个功能模块，其评价结果可作为其他功能模块开展工作的依据。在360度绩效评价中管理论文，不同的评价主体观察到的是同一评价客体的不同方面绩效，通过雷达图可以直观的看出员工那些方面的绩效低下，需要进一步的培训开发。
4．提高了管理措施的针对性。
利用雷达图对360度绩效评价结果进行处理，将员工的评价结果“脸谱化”。不同“脸谱”代表了不同绩效类型的员工，通过对雷达图“脸谱”的聚类，可将员工分成不同类型，便于针对性的管理。
5．易于推广。
将雷达图应用到360度绩效评价中，使绩效评价走向简明、直观、快速。具有重大的价值。雷达图为找出影响员工工作绩效的关键因素提供了简明直观的依据，便于绩效管理工作的进行，其推广应用必然受到专业人士的欢迎。
四、结论
本文在多元统计分析的基础上，从可视化角度出发，将雷达图法引入到360度全方位绩效评价之中， 建立评价模型，并给出了不同评价主体评价数据的标准化方法。通过把图形引入绩效评价其中，使得评价更具说服力。雷达图能够非常直观地反映评价对象在各个不同绩效维度上的相对优劣势，是360度全方位绩效评价中分析问题的非常好的辅助工具。
参考文献：
[1]石金涛、魏晋才.绩效管理[M] . 北京:北京师范大学出版社,2007 :138～140.
[2]付赟、方德英.雷达图法在综合评价中的应用研究[J]. 统计与决策.2007(24):176-177
[3]李明、易匠翘.雷达图在发展性评价中的应用[J].长沙铁道学院学报.2004(12):162-163
Radar graphin the 360-degree Performance Evaluation Research
关键词：数理统计；教学模式；案例教学；统计建模
数理统计课程是我校工科相关专业研究生的一门必修学位基础课程，学习该课程的工科专业研究生在其课题研究中要求具备较高的统计分析水平。然而，由于受计划学时少、教材内容偏理论、统计方法繁多、教学手段单一、学生基础参差不齐、学习价值取向差异大等因素的影响，教学质量提高缓慢，影响了学生统计素质的培养和创新能力的提升。针对上述问题，作者在在近几年的数理统计课程的教学中，尝试更新教学理念，扩充教学内容，引进数学实验技术，以案例教学为突破口，进行了一系列的改革研究和实践探索，使学生能够熟练掌握现代数理统计的基本思想和方法、树立统计建模思想，学会使用统计思维分析和解决问题，达到其专业对统计工具的科研要求。
一、变革教学理念，调整教学内容以适应学生的知识需求
目前大多数工科研究生的数学素养现状并不能适应飞速发展的新技术的需要，他们在本科阶段的数学基础仅限于微积分、线性代数、初等概率统计的范畴，对现代数学知识知之甚少，计算机工具的运用能力较弱，严重影响了他们在专业研究中的能力发展。所以研究生阶段的数理统计课程在某种意义上承担着培养学生的数学素养、锻炼学生的数学应用能力的重任。这就需要教师在教学中更新教学观念，强调理论与应用并重、研究与实践并重，促进教学理念的转变和教学方式方法的变革，以素质培养为中心，把课程重点放在素质培养上，而不是放在知识的简单灌输上。在教学中，如何培养学生的概率统计思维是一大难点。在教学中我注重对每一种统计方法的思想进行详尽解读，力图使学生真正掌握统计方法的内涵。比如，假设检验包含了非常重要的统计思想，其思想原理几乎贯穿整个统计领域。因此在教学中，首先利用简单的实际问题从直观角度引入假设检验的思想，推断依据原理，可能存在的风险，各种不同假设下所得结论的关系和区别等问题，然后再上升到理论层面，给出正态总体各种情况下参数的检验模式，再进一步深入学习非正态总体的参数检验、非参数检验、方差分析、回归分析等其它统计方法，并且引导学生分析对比各种统计分析方法的区别和联系。如果前期的基础比较扎实，学生对后续的各种统计方法掌握起来就顺利很多。在教学内容上，针对学生知识层次不齐，需求各异的特点，改变教学思想，在教学内容上淡化理论、强化统计思想和方法，重点讲授统计方法的内涵、特点和限制、统计建模和求解、结果检验及应用等。对理论性较强的部分内容进行了删减，而对应用性较强的内容进行了补充。例如压缩了参数点估计的有关理论，加强了试验设计和数据分析、多元线性回归和非线性回归等统计方法的教学，并布置了相应的大作业进行案例讨论，强化其应用。在教学内容的选择上，我还注重培养研究生的建模能力。大部分研究生在本科阶段没有受过建模的训练，几乎不知各种建模工具和建模步骤，更谈不上灵活应用。所以我经常选择与工科专业有关的实际案例，融合多种统计方法建模，配合统计软件的应用，并且对分析结果重点解读，效果很好。
二、采用案例教学，提高学生分析问题解决问题的能力
由于工科研究生的数理统计课程是在研一开设，几年的教学下来就发现一个问题，在研一时学生学的还不错，然而等升到研二、研三开始进行课题研究时，却不知怎么着手进行数据分析，经常有学生再回到教室旁听，或找老师求教。其原因主要是因为学生在学到的仍然是书本知识，缺乏对实际问题的深入分析，缺乏解决实际问题的能力，不能够很好地把所学知识用到自己的研究工作中。在教学改革研究过程中，我大量采用案例教学，收集了数十例与研究生专业领域有关的案例，如环境、生物、经济等领域，编写成文档与学生共享。通过对典型案例的分析和研究，提高学生分析问题的能力，并充分利用互联网平台，采取互动教学方式，引导学生寻求最好的解决问题途径。在教学中所选择的案例大致分两类：一类是成熟的数据案例，比如教材中或已发表文献中的案例，只需要对案例涉及到实际问题进行分析，适当抽象后选择合适的统计模型，求出其模型中的参数，检验，应用即可；还有一类是往届研究生提出来的研究课题中的问题，经过加工整理后形成的案例，更像是数学建模训练。比如，河道水质治理，企业污水净化、空气质量监测、经济数据分析等，这些案例都有可能是他们日后面临的问题，因此更具有实际意义。在这些案例的研究讨论中，更侧重整个工作流程，在制订试验设计方案、收集试验数据、数据分析、计算机求解、研究结论与应用等每个环节，初步帮助学生了解利用统计方法解决实际问题的过程，提高他们的分析能力和应用能力。经过这样的训练，不少研究生的统计分析水平和数据计算水平有极大提高，不但在研一阶段就开始申请到校、省级科研项目，而且积极参加全国研究生数学建模竞赛，取得了不错的战绩。还有一类案例是反面的案例，我们收集了部分错用统计、误用统计、恶用统计的例子，有已经发表在正式刊物的论文，有网络文章，有实践过程中出现的问题，还有学生作业中的错误等等，借用这些反面问题警示学生，在使用统计方法解决问题时一定要慎重，要善用统计，用好统计，正确利用统计方法提高自己的统计分析水平。
三、利用统计软件和计算技术，提高教学效率和学生统计分析水平
目前许多统计软件都能够方便、快速、有效的处理数据。在教学过程中，主要采取统计软件和多媒体课件相结合的教学方式，以加大信息量，扩展知识面，挖掘出教材文字达不到的直观、动态效果，使难以理解的抽象理论形象化、生动化，并且为学生以后的研究发展提供统计处理技术手段。对于工科研究生来说，应用统计方法进行数据分析和处理，至少要掌握一种软件工具帮助其计算，比如，Excel，SAS，JMP，SPSS，Eviews，Minitab等，除Excel外，其它的统计软件都提供了方便的菜单式操作，便于学习和应用。为方便学生学习和掌握，笔者在课堂教学中，不但介绍常用统计软件的特点，而且对所有例题都至少使用一种统计软件进行求解演示，同时要求研究生在案例分析研究中，使用统计软件完成计算，并给出软件输出结果的合理解释。近几年的教学实践结果表明，许多学生不但理解和掌握了统计方法，也掌握了数据分析计算工具，有效地提高了教学效率和学生的统计分析水平。
四、建立网络教学环境，为学生提供灵活持续的知识学习和交流平台
我们利用学校天空教室网络课程系统，建设了工科研究生数理统计网络课程，为学生营造一个持续的知识学习辅助教学环境，以及师生课余时间的交流平台，成为课堂教学的重要补充，从而适应不同专业学生对统计知识和方法的需求。在网络课程的教学资源中，我们不但设立了教学大纲、教学进度、教学课件等常规教学资源的节点，还设立了统计软件学习、案例讨论、大作业、阅读等拓展类节点，同时网络课程平台还有通知、留言、在线答疑、论坛等互动窗口，方便研究生课后学习、交流和研究。网络课程运行三年来，受到学生的大力支持和好评。同时也有不少研究生提出了许多好的建议，希望能提供更多的教学资源，加大交流互动的力度，增加更多的实际案例进行讨论学习。
五、改革考核方式，建立综合考核评价系统
数学课程传统的教学评价方式一般是闭卷考核，评价内容主要以记忆性知识为主，对于培养创新性工科研究生的数理统计学习目标来说并不适合。工科研究生学习现代数学的特点应体现应用和创新，因此改革传统的考核评价方式就是必然。我们根据教学内容进度，适时安排课堂作业、大作业、案例讨论、读书报告等多种方式的练习，建立综合考核评价系统，采取多项加权的考核评价方式，结合期末的开卷考试成绩进行加权综合评定。平时的多种形式的考点为如何运用已掌握的统计理论和方法，对于给定的数据资料进行分析、筛选、抽象、建立模型、计算或软件应用、检验及结论解读等方面的训练，同时要求以科研小论文的形式提交电子文档，相当于撰写科研论文的模拟训练。期末考核则是综合性的开卷考核，题目多样化、灵活化，重点考核研究生的学习能力和所掌握知识的扎实程度。总的来看，重视统计思想的教学，加强统计思维方式的培养和训练是工科研究生数理统计教学中的一项长期重要内容和任务，需要师生的共同努力，来探讨如何更好地培养学生自主学习统计知识的能力、提升研究生在所研究专业中统计方法的应用能力和创新能力。
参考文献
[1]周梦，孙海燕.工科研究生应用数理统计教学改革的探索[J].理工高教研究，2007，26（5）：62-63.
[2]肖枝洪，郭明月.研究生多元统计分析课程教学的改革与实践[J].高等理科教育，2009（1）：100-103.
[3]钟波，刘琼荪.工科研究生创新能力培养与“数理统计”课程教学改革[J].重庆工学院学报（自然科学版），2007，21（4）：137-140.
[4]刘旭华，田英，陈薇.对研究生数理统计课程教学的思考与探索[J].高等农业教育，2010（7）：76-78.
[5]赵姝淳.对研究生概率论与数理统计教学的探讨[J].大学数学，2007，23（4）：27-29.
关键词： 《食品试验设计与统计分析》 混合教学 创新能力
混合教学是一种基于计算机网络环境的教学模式，“把传统学习方式的优势和网络化学习的优势结合起来；既要发挥教师引导、启发、监控教学过程的主导作用，又要充分体现学生作为学习过程主体的主动性、积极性与创造性”，其目的在于融合课堂教学和网络教学的优势，综合采用以教师讲授为主的集体教学形式、基于“合作”理念的小组教学形式和以自主学习为主的教学形式。相比于传统教学模式，混合学习具备学习资源提供的灵活性、为个别化学习提供支持及提高教学效率的优势。
课程组建立起基于信息技术的课程自主学习网络平台，尝试“《食品试验设计与统计分析》网络教学平台建设”的教学改革，在信息技术环境下，以混合式学习理论为基础，构建“课堂教学”与“网络平台学习”混合教学模式。构建《食品试验设计与统计分析》网络教学平台，采用教师引导、学生参加、师生互动的课堂教学模式，提高学生的学习自主性，通过多种形式的考核方式评价学生的学习效果，并建立合理的激励措施，培养学生的创新能力。
1.《食品试验设计与统计分析》课程自主学习与面授学习混合
《食品试验设计与统计分析》是一门具有较强实践性、理论性和系统性的课程，是食品相关专业的重要专业基础课，强调培养学生完成整个实验的设计、准备、实施、数据处理及结果分析等能力。在信息技术环境下，《食品试验设计与统计分析》网络平台可模仿网上相关数理统计的资源建设，如可汗学院的统计学公开课、DPS统计软件学习平台等，再逐步完善以本课程多媒体课件、试题资源、视频资源、统计学习网站等课程资源，开展人机互动、生生互动及师生互动，加强课程网络教学平台建设。《食品试验设计与统计分析》自主学习的有效开展要求学生具备一定的数学基础和自主学习能力，可以根据学生的实际水平，开展分级分类教学，比如第1至3教学周开展基于《食品试验设计与统计分析》基础知识的教与学，集中让学生学会统计学的基本概念，培养学生自主学习能力和个性化学习方法，第4至8周教学周则开展基于混合式学习的《食品试验设计与统计分析》立体化教学，加强网上题库、练习、问卷调查建设。教师通过网络平台公布各阶段的《食品试验设计与统计分析》学习内容、学习进度、学习目标和考核标准等，关注学生的反馈，根据学生的需要，调整学习内容，完善合理的考评体系。学生主要在校园网吧或个人电脑上完成自学、自测、自评，教师可通过网络平台给学生布置一些与学习单元主题相关的活动，让学生个人或小组合作完成，然后每三周花1课时的时间对单元学习中的难点、疑点进行解答及学习策略的培训等。在这种“课下学习，课上展示”的教学模式中，教师要帮助学生确定各阶段的学习任务，组织学习活动，提供帮助和指导，发挥组织者、指导者、意义建构的帮助者和促进者的作用。
2.《食品试验设计与统计分析》课程内容教学法与实践运用混合
内容教学法是将特定主题和学术内容相结合，针对《食品试验设计与统计分析》课程在食品学科的应用性，教师可结合学生的实际水平、专业需求和学习兴趣，选择内容和难度的教学材料，开展主题式教学。教师在课堂上通过各种文献资料、工厂设计资料、视频资料等，讲授和各种主题相关（食品生产的案例）的公式、概念、例题等，增强学生将理论知识运用于实践的能力。教师要设计多种形式的课堂教学活动或任务，避免让课堂落入“教师一言堂”的俗套。因此在教学实施过程中，除基于内容外，教学还应基于任务和情境，在信息技术环境下，借助各种多媒体信息技术手段，创设接近于真实的教学情境，开展基于任务或项目的情景式教学。《食品试验设计与统计分析》网络平台建设引入大量工厂、生产实习、学生毕业论文、大学生创新创业训练、科研试验中的大量真实案例。学生通过学习，帮助他们解决在实际生产实践中遇到的问题，培养学生的学习思维能力和科研能力。
3.“网络交互式”学习与“网络探究式”学习混合
由于教学时间的限制，课堂上教师无法解决学生所有的问题。在混合式教学模式中，我们可通过网络化教学平台搭建立体化答疑系统，学生可将问题提交到答疑系统，等待老师或其他学生解答。对于一些具有普遍性的问题，教师可将问题和回答整体公布到答疑中心，供其他学生参考。教师也可通过答疑系统提出自己的问题，启发学生思考。除答疑功能以外，一般的网络教学平台都提供讨论交流的模块，教师也可通过微博、论坛等网络虚拟社区搭建师生交流平台。教师可结合《食品试验设计与统计分析》课程内容学习单元的内容，设计一些话题，而学生则通过发帖、跟帖等形式进行交流和讨论。这种主题讨论可以不受时间和地点的限制，加深学生对所学单元内容的理解，通过发帖表达自己的思想，大大提高思维能力和学习效率。针对结合课堂面授的任务驱动型的情景式教学，教师应鼓励学生开展基于项目的网络探究式学习。在网络环境下，在教师的指导下，以一定的任务驱动学生进行自主探究学习。这种学习方法注重培养学生通过网络，直接搜索数据库、了解最新报道、最终解决实际问题的能力，给予学生充分的自由，让学生可以根据自己承担的任务分工从丰富的网络资源中寻找自己所需要的资源，并与其他老师、同学进行交流，最终圆满完成任务。在此过程中，教师为学生提供一些有用的网站或链接，并给予经常性的帮助和指导，在提高学生学习效率的同时，培养学生的自主学习能力和团队合作精神。
4.“期末考试评价”与“网上学习评价”混合
信息技术环境下的“课堂教学”与“网络平台学习”混合教学模式强调学生的个性化学习，要求学生具备自主学习、合作学习的能力，注重培养学生在真实情境下解决实际问题的能力，引起学生的认知模式、学习方式及教师的教学模式、教学策略和角色的变革，因此我们要改变过去重结果、轻过程的评价方式，改变过去教师作为评价唯一主体的状况，建立一套由师生共同参与的多元化的终结性评价和形成性评价相结合的评价体系，实现评价内容、评价主体和评价工具的多元化。
我们认为“期末考试”占60%、平时作业占15%、线上发帖次数占5%、网上参与活动表现占5%、线下课堂考勤占5%、线上学习任务占10%较合适。终结性评价在学期末进行，是期末考试测试。“网上学习评价”主要以在线测评为主，学生可通过网络教学平台提供的测试题进行经常性的测评，在线测评成绩作为形成性评价的一部分（线上学习任务10%）。此外，网络平台所记录的学习时间、网络答疑、网络交互参与程度也可以作为形成性评价的依据（网上参与活动表现5%）。对学生的线上发帖次数作出评价（5%），鼓励学生对自己的学习过程、学习方法及努力程度等进行连续性反思。学生的考勤也应成为形成性评价的一部分（5%）。不管采用何种形式、何种比例，课程评价标准必须公正、清晰，教师应在开展具体评价之前公布相关标准，并进行必要的说明、示范和指导，这既能保证评价结果的公正、准确，还能帮助学生更好地明白自己应实现的目标。
形成完整的《食品试验设计与统计分析》网络教学平台，切实体现新型混合式教学方法对该课程教学效果的增强。通过混合式教学研究的开展，加强对课程的教学改革研究，提高教师参与教学改革的热情，使教学内容、教学手段、课程建设、教材建设更完善。
参考文献：
[1]姬华，卢士玲，唐明翔，等.对《食品试验设计与统计分析》教学的体会[J].考试周刊，2013，48：172.
[2]姬华，朱丽莉，江英，等.对“食品科学与工程”专业人才培养方案改革的探索[J].科学时代，2007，3：134-135.
[3]卢士玲，陈计峦，姬华，等.对“食品质量与安全”专业人才培养方案改革的探索[J].考试周刊，2014，89：5.
[4]吴长伟，陈静，邓红，等.基于慕课的应用型本科混合教学模式研究[J].现代教育科学，2015，3：57-59.
[5]宋涛，徐亮.基于网络教学平台的混合学习模式的设计与应用[J].电脑知识与技术，2015，11（2）：77-78.
关健词： 《生物统计学》 教学改革 改革与探索
《生物统计学》是数理统计的原理和方法在生物科学研究中的应用，它不仅给我们提供了如何正确地设计科学试验和收集数据的方法，而且提供了如何正确地整理、分析数据，得出客观、科学结论的方法。它是生物科学等专业重要的专业基础课，该课程体系建设对生物科学、植物生产类专业、动物生产类专业十分重要，是从事生物生产、育种试验研究的工具性课程。通过该门课程的学习，学生不仅可以了解有关生物统计的基本概念以及参数的意义，掌握基本的试验设计和生物试验数据的统计分析方法，提高综合素质，同时还可以培养发现问题、分析问题的能力，建立和巩固专业思想。
在专业发展、大学生素质教育与创新教育等教学改革方面，《生物统计学》课程是一门十分重要的课程，具体体现在：（1）可提高学生从必然性推理到或然性推理的归纳推理能力；（2）可提高学生的科研能力，使学生明白试验研究前、中和后的主要目的和任务，以及怎样提高试验的精度，为毕业论文以及今后参加科学研究奠定良好的基础；（3）可提高学生的动手能力。为此，我们对《生物统计学》课程的教学内容、方法和手段进行了几项改革探索。
1 .教学内容的改革与探索
《生物统计学》主要讲述五个方面的内容：（1）介绍科学研究基本过程、试验方案制定和试验误差及其控制，讲述生物试验的误差来源和控制误差的技术、试验设计、实施规则；（2）介绍研究对象总体的理论分布、统计数的抽样分布及统计数的理论概率；（3）讲述统计推断的基本方法、平均数比较的u测验和t测验、F测验和x2测验及其应用，包括计量数据的方差分析和计数数据的统计分析；（4）方差分析的应用，介绍单因素、多因素试验结果的统计分析；（5）二变量直线回归和相关分析。该课程的知识和分析问题的方法是科研工作者必须掌握和熟练运用的。因此在教学实践中，描述性统计学的知识即资料的整理和描述应重点讲授连续性资料的整理方法；推断性统计学的知识即理论分布、t检验、x2检验、F检验，重点讲授正态分布的概率计算方法和对各种资料的检验方法，特别是资料的类型与相应统计分析方法的联系，使学生能掌握根据不同资料正确选择使用统计分析方法的能力，并且能够根据所掌握的知识和技能分析具体的实验数据和材料，得出较为客观和准确的结果；对于回归、相关分析则主要介绍一元回归、相关分析的基本思想和分析方法，计算方法、过程留给学生自学，多元分析则要求学生在熟练掌握的基础上进行自学；试验设计重点讲清试验设计的基本原则，并结合实际讲清不同的试验设计的基本思想和设计方法，对试验所得资料的分析方法则要求学生自学。
2. 教学方法、手段的改革与探索
《生物统计学》的理论性相对较强，内容相对枯燥和抽象，教学方法单一必然会导致学生学习兴趣低下，不利于培养学生分析问题和解决问题的能力，要想真正建立起先进、科学的创新教学模式，只有通过系统优化教学设计，针对教学内容，借助于现代化媒体技术，采取各种有效的教学方法。因此在教学中就要求由以教师为主体转变为以学生为主体、教师为主导的思路上来，突出以学为主，坚持以启发诱导为核心，激发学生学习的兴趣，引导学生积极主动开展思维活动，紧紧围绕学的需要组织教学。课内以课堂理论讲授为主，重点让学生弄懂基本原理；习题讨论主要运用实例进行分析，重点让学生掌握具体计算方法和分析；教学中可适当安排一些讨论课，让学生将所学知识与生产实际结合起来，充分调动学生学习的主动性、积极性，让学生学会学习。
2.1计算机辅助教学
《生物统计学》概念多、公式多，统计计算过程烦琐乏味，如果在课堂上用板书的形式进行演算，既浪费课堂教学时间，又容易导致学生注意力涣散，产生视觉、听觉和思维疲劳。多媒体课件具有图文并茂的特点，在《生物统计学》教学中若能应用好多媒体，既能提高学生的学习兴趣，又可加深学生的理解和记忆，促进教学内容的进一步深入，明显提高教学效果。
多媒体教学的效果与课件的设计和制作水平关系密切，课件应在重视教学基本原理的基础上，处理好内容与形式的关系，达到为教学服务的目的，切忌完全复制教材上的内容，而是必须突出重点、难点，这就需要教师对所要讲解的内容理解透彻，具备熟练的多媒体创作和使用技巧，引导学生学会统计分析方法，提高学习的积极性，同时要经常注意来自学生的信息反馈，不断地进行课件的更新。多媒体教学对教师提出了更高的要求，要求教师花费更多的时间和精力准备每一堂课的教学内容，同时不断地更新知识，为教学积累素材。
2.2 统计分析软件的应用
目前广泛应用的统计软件主要有SAS、SPSS，国产的优秀统计软件有DPS，此外Excel软件提供了较强的数据分析功能和统计绘图功能，易学易用，笔者在教学过程中穿插介绍Excel的一些统计功能，如Excel的一些常用统计函数及统计方法的应用，以及常用统计图表的绘制，并要求学生能够掌握并熟练运用，取得了较好的教学效果。对具体资料的统计分析，一些常用的统计分析方法如t检验、x2检验、方差分析、相关回归分析、多元相关回归分析等均有相应的计算机分析软件，教学中只需给学生介绍基本思想和基本原理，要求学生尽量考虑用计算机来完成，把学生从大量的计算中解脱出来使之集中精力去学习《生物统计学》的基本思想、方法及其实际应用。
2.3 理论联系实际
生物统计学的教学并不是为了让学生掌握一些知识点而进行教学，树立统计的观念、应用统计方法分析和解决生物学研究的问题才是这门课程的最终目标。因此，在教学中，特别要注意将纯理论的统计学知识与科学研究中的实际问题联系在一起，必须与专业实际联系在一起进行教学，只有这样才不会使本课程的教学显得空洞，才不会脱离生产实际，才能在实践中培养学生的综合能力。
3. 考核方式的改革与探索
考核是教学活动的一个重要组成部分，是促进学生复习、巩固所学知识，并对教学效果进行检查的重要方法，恰当的考核对学生的理论学习和实践训练具有引导、激励和促进的作用。传统的笔试中学生要把大量的时间花在数学计算上，而不能全面考查学生对各种统计分析方法的掌握和应用情况。为了对教学质量进行科学地评价与管理，也为了客观准确地评定学生的成绩和能力，进行考试改革是必要的。
为了更好地发挥考试的功能，我们在教学过程中针对过去把书面考试作为评价学生学习效果的主要手段这一应试教育现象，实行考知识与考方法相结合，考理论与考应用相结合，建立了从学习过程、作业练习、期中考试到期末考试，定性评价与定量评价相结合的过程性评价体系，确保对影响学生应用能力形成的关键知识点进行全面测试，从重“知识”逐步走向重“能力”，培养学生脚踏实地的学习态度和严谨作风，促进教学质量不断改进和提高。
通过以上三个方面的改革尝试和探索，从各届学生的学习效果的比较分析看，已收到了一定的成效，使学生体会到了该课程的重要实用价值，初步树立了统计理念，培养了学生应用概率统计方法解决实际问题的能力。但《生物统计学》作为生命科学学科中重要而特殊的一门工具课程，要教好这门课，还有很多问题需要进一步的探究，在以后的教学中，还需要继续钻研统计理论，探索教学规律，优化教学过程，完善教学体系，从而全面提高该课程的教学质量。
参考文献：
［1］李春喜，姜丽娜，邵云等.生物统计学（第三版）［M］.北京：科学出版社，2005.
［2］贵州农学院主编.生物统计附试验设计（第二版）［M］.北京：中国农业出版社，1999.
［3］刘光祖.概率论与应用数理统计［M］.北京：高等教育出版社，2000.
［4］杜荣骞.生物统计学［M］.北京：高等教育出版社，2002.
［5］胡德海.教育学原理〔M］.兰州：甘肃教育出版社，1998.
［6］郑勋烨，刘慧芳，邢永丽.“概率论与数理统计”教法初探［J］.中国地质教育，2005，（3）：58-59.
［7］李玉阁.“生物统计学”课程教学初探［J］.生物学杂志，2006，23（5）：52-54，61.
论文摘要：科技型企业作为国民经济中一支活跃的力量，已逐渐引起各个银行的重视。但是对科技型企业信用风险的度量，国内尚无合适的方法。文章试通过对国际上较先进的信用风险度量模型进行介绍、比较，从而选取适合我国科技型企业的度量模型。
科技型企业在生产经营过程中，资本金主要靠自我积累和银行信贷，银行借款成为其最主要的外部资金来源。然而，由于银行对科技企业的风险识别能力有限，加之信贷市场中的逆向选择和道德风险的存在，银行对科技企业贷款一直持谨慎态度。近年来，我国利率市场，特别是小额贷款的利率正逐步放开，商业银行为增加利润来源，渐渐趋向于各科技企业贷款。不过，科技企业贷款业务为银行带来利润的同时，也带来了较大的信用风险。因此，对于科技型企业的信用风险度量方法的选择，成为了各家银行急迫解决的问题。
一、古典信用风险度量模型
1.古典信用分析。古典信用分析属于定性分析，是银行最基本的信用风险度量方法。银行业在发展过程中为控制信用风险早已形成了一些有用的信用风险管理技术，如常见的5C法和5P法。5C法从以下五个方面对借款人的信用进行考察：品格、资本、偿付能力、抵押品、周期状况。5P法将以下五个因素作为银行判断企业信用的准则：个人状况、借款用途、还款来源、债权保障和未来前景。古典信用分析过分依赖专家的主观经验判断，不同专家对同一借款人会做出不同的判断，扭曲借款人真正的信用品质，同时它也缺乏为信用风险定价的市场机制，难以满足信用风险评估日益发展的要求。
2.多元统计分析。即利用统计方法把企业违约概率评估看成是模式识别中的分类问题——根据贷款企业的财务、非财务状况，将其分为正常和违约两类，或根据已评级级别结果分为多类，这样企业违约概率评估就转化为统计中的分类问题。根据历史样本每个类别（两类或多类），从数据中找出规律，总结出分类的规则，建立评估模型，然后用于对新样本的判别，这些判别的结果隐含着不同企业的综合得分或者说企业竞争力排序。国外关于违约概率评估研究，主要集中于违约的定性测度方法，然后根据结果，通过违约频率统计获得违约概率。按违约测度方法分：有线性判别模型，Logistic模型，神经网络模型等；按变量数分有单变量（Fitzpatrick，1932；Beaver，1966）和多变量方法；按变量性质分有定量变量，定性变量，混合变量。
多元统计分析最初表现为多元线形判别分析模型，包括Z计分模型和ZETA模型。此后又产生了另一种多元线性方法——线形概率模型，其典型代表有Logistic回归分析模型，随后又有像神经网络、遗传算法、线形规划等方法的信用风险模型的诞生。
二、现代信用风险度量模型
1.结构性模型。即基于公司价值的模型，把违约过程描述为公司价值恶化的显性结果，并把公司证券视为发行公司价值的或有债权（期权）。一旦公司估值过程的模型确定，公司的资本结构也已知，就可用期权定价公式对权益和债务进行定价。结构模型已经成为违约风险领域的一个市场标准。这类模型的主要特点之一是能够对上市公司信用价值进行逐日盯市的连续评估。但满足违约概率简单计算公式必要的基本假设有时与现实不符。
2.简约化模型。这个方法不像结构型模型那样，要求利用企业参数确定违约风险。该方法通过外生定义的违约率和回收率，把有违约风险债券的定价或价差直接与无风险债券连在一起。在这种方法中，信用期限结构不是根据公司财务基础或宏观经济因素进行推导而是直接从市场数据中获取。在数学上，这种方法更易于实施。但从考察公司信用基础的角度看，这种方法远不如企业价值方法那么直观。
3.CreditMetrics模型。它建立在Merton模型所构筑的资本结构假设之上（当公司市场价值小于债务值时，公司违约），因此借款人的违约概率和资产超过债务的数量、资产的波动密切相关，资产的变化遵循几何布朗运动，当资产的变化超过某一临界值时，借款人即违约。该模型应用信用受险价值（VaR）对一些非上市流通的资产，如贷款、私募债券等进行估价和信用风险评价。运用这个模型可以估算在极端情况下贷款或贷款组合的损失。
4.CreditRisk+模型。该方法采用了保险精算的科学框架推导债券/贷款组合的损失分布，建立只考虑违约不考虑降级风险的模型。与信用计量模型（CreditMetrics）、KMV等不同，违约与企业的资本结构无关。CreditRisk+是信用违约风险的统计模型，该模型对引发违约的原因不作假设，与市场风险管理考虑的出发点是相同的。建立市场风险模型，不考虑市场价格变动的原因。银行和保险公司一样，必须用贴现现金流模型定量化度量自身蒙受的风险。保险公司的风险来源于客户的索赔，而银行的风险来源于债务人的违约。
三、科技型企业信用风险度量模型的选取
1.信用风险度量模型、方法的比较与评价。从上面的文献回顾可以发现，关于信用风险度量的模型和方法很多，然而由于信用风险本身的固有特点，大家公认和统一的模型和方法到目前还没有出现，各种模型和方法其本身都存在这样或那样的缺陷，且大多是针对上市公司等大型企业的，并没有考虑科技型企业自身的一些特点，因此有必要对这些模型和方法进行分析、比较、评价，从中选择合适的模型来度量我国科技型企业的信用风险。
单变量模型具有简单可行的优点，但其缺陷是任何单个财务指标都无法全面地反映公司财务特征及公司总体情况，甚至任何单个财务指标将在很大程度上排斥其他指标的作用。多元线性判别模型具有相当的影响，它克服了单变量模型的缺点，判别的准确性也有大幅提高，但其本身也存在两大缺陷：其一，它是一个线性模型，但判断一个公司信用风险的因素非常复杂，不太可能成简单的线性关系；其二，它基本上采用历史财务比率，影响对借款人信用评价的时效性。Logistic等多元非线性回归模型很好的解决了非线性的问题，并且有较高的准确性，但也存在信用度量的时效滞后缺陷。
转贴于
KMV模型以股票市场数据为基础，而不是依赖会计核算数据，反映了市场中投资者对公司未来发展的综合预期，具有前瞻性、高敏感性；但它针对未上市公司具有一定的局限性，而且片面强调股票市场，变动敏感度太高。CreditMetrics模型成功地把信用风险度量与信用等级的转移、违约率等相关因素结合起来，使模型考虑的因素更加全面，适用范围更加广泛；但它片面强调信用评级，不能够反映特定债务人当前的信用质量变化情况。而且我国目前还没有一个权威的、完善的信用评级体系，也不可能有有效的信用风险转移矩阵，同时也缺少一个准确的基准贴现率，因此现阶段该模型在我国尚无法应用。CreditRisk+模型最大的优点是简单易用，泊松过程的应用使得计算非常有效，需要估计的变量很少，对于每个组合只需要知道违约概率和风险头寸；但它忽略了信用级别的变动，对于每个债务人风险头寸是固定不变的，只依赖于远期利率变动。甚至在大多数情况下，模型简化为违约概率由几种随机背景因子决定，风险头寸是常量。
2.我国科技型企业信用风险度量可能采用的模型或方法。中小企业普遍存在着一些问题，如规模小、经营制度不规范、财务数据不完善、资本结构不合理和可抵押资产相对缺乏等。这意味着商业银行向科技企业贷款的信用风险较大，且有不同于一般企业信用风险的特点。科技企业贷款的信用风险与企业所有者个人的信用息息相关，判定指标体系不易用衡量大型企业的标准。然而，长期以来我国商业银行并没有将对科技型企业的贷款独立出来，信用风险内部评级仍然采用与大企业一样的体系。2003年以前，我国银行对贷款的分类一直延用“一逾两呆”的分类方式。“一逾两呆”分类管理主要依据借款人的还款状况将贷款划分为正常、逾期、呆滞、呆账四类，是一种事后监督的管理方法。从2003年1月1日起，我国各类银行全面实行贷款风险五级分类管理。贷款五级风险分类将贷款质量划分为正常、关注、次级、可疑和损失五类(其中后三类称为不良贷款)，在动态监测的基础上，通过对借款人现金流量、财务实力、抵押品价值等因素的连续监测和分析，判断贷款的实际损失程度，确定贷款风险。
对于信用风险内部评估，据人民银行的调查结果显示，现今国内几家大银行的信用风险评级刚刚进入计分卡阶段，相当于一种加权综合评分法。具体做法是:首先，设定待评价的指标体系，并根据评价的重要程度对各种指标给以一定的权重；其次，根据所收集的被评企业各种财务、非财务信息对照指标标准进行打分，确定各指标分值；再次，根据各指标评分以及权重，计算加权综合评分；最后，对照评级表的级别区间，判定被评企业的信用等级。这样一种评定信用风险的方法是在评价指标结构分析的基础上再进行量化分析的。因此，其实是以定性分析为主、定量分析为辅的分析方法。而且，主要几个指标权重的设定和打分的过程是根据“专家分析”的结果。
综上，我国银行内部对于企业信用风险评估仍然较多使用古典信用分析，处于定性向定量的过渡阶段，尚未使用多元分析及现代信用风险度量模型。科技企业大部分为非上市公司，KMV模型无法大规模使用；我国缺乏完善的信用评级体系，历史数据积累稀少，CreditMetrics由于缺乏相应数据而无法使用；Credit Risk+模型将信用风险简化为泊松分布，过于武断，忽略了债务人的特有风险，更无法适用于变幻莫测的科技型企业。总之，现代信用风险模型在现阶段尚不适用于我国科技型企业。而银行使用现行古典信用分析的结果是大部分的科技企业被拒之门外，导致其贷款难融资难，因此对于科技企业信用风险度量最可能选取的方法为多元统计分析。而多元统计分析法中，Logistic回归模型的应用性最广，它以企业财务指标为变量计算企业潜在的违约风险，适合我国科技型企业的信用风险度量。
参考文献
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.周首华，杨济华等.论财务危机的预警分析——F分数模型.会计研究，1996(8)
8.陈静.上市公司财务恶化预测的实证分析.会计研究，1999(4)
购物车(0)