PLS-SEM和关联规则的《多元统计分析》教学效果影响因素实证研究
发布时间：2021-08-30 04:59
《应用多元统计分析》是高等院校统计学专业的重要的实用性必修主干课程,主要运用数理统计的方法来研究多变量的相互依赖关系和内在统计规律。通过班级调查问卷收集实际数据,运用可视化原理、结构方程模型、关联规则,从实证角度分析探讨影响教学效果的影响因素并提出相关建议。
【文章来源】：武夷学院学报. 2019,38(03)
【文章页数】：6 页
【部分图文】：
不同科目成绩间相关系数图
表2结构方程模型效应Table2Effectofstructuralequationmodel图3潜变量间效应图Figure3Effectdiagramoflatentvariables图4潜变量与观测变量间效应图Figure4Effectdiagrambetweenlatentvariableandobservationvariable4关联规则分析关联分析的概念由1993年Agrawal，Imielinski和Swami提出，是揭示数据内在结构的重要手段，在定位顾客顾客消费、保险、医疗领域发挥了重要作用。关联分析中，规则置信度、规则支持度、提升度是重要的概念，可由以下定义测度[6]。规则置信度（confi-dence）是简单关联规则的度量，反映了X出现条件下Y出现的概率，即C｛X｝→｛Y｝=T（X∩Y）T（X）（3）式中，T（X）为包含项目X的事务数，T（X∩Y）表示同时项目X和项目Y的事务数。规则支持度（support），定义为项目X和项目Y同时出现的概率，即S｛X｝→｛Y｝=T（X∩Y）T（4）式中，T为总事务数。提升度（lift）定义为规则置信度与后项支持度之比，用来衡量规则的实用性，有实用价值的关联规则为规则提升度大于1的规则，数学表达式为：L｛X｝→｛Y｝=C｛X｝→｛Y｝S（Y）=S｛X｝→｛Y｝S（X）S（Y）（5）式中，S｛X｝=T（X）T为前项支持度，S｛Y｝=T（Y）T为后项支持度。关联规则分析常用的算法有Apriori算法和Eclat算法。Apriori算法可克服简单搜索可能产生的大量无效规则，
表2结构方程模型效应Table2Effectofstructuralequationmodel图3潜变量间效应图Figure3Effectdiagramoflatentvariables图4潜变量与观测变量间效应图Figure4Effectdiagrambetweenlatentvariableandobservationvariable4关联规则分析关联分析的概念由1993年Agrawal，Imielinski和Swami提出，是揭示数据内在结构的重要手段，在定位顾客顾客消费、保险、医疗领域发挥了重要作用。关联分析中，规则置信度、规则支持度、提升度是重要的概念，可由以下定义测度[6]。规则置信度（confi-dence）是简单关联规则的度量，反映了X出现条件下Y出现的概率，即C｛X｝→｛Y｝=T（X∩Y）T（X）（3）式中，T（X）为包含项目X的事务数，T（X∩Y）表示同时项目X和项目Y的事务数。规则支持度（support），定义为项目X和项目Y同时出现的概率，即S｛X｝→｛Y｝=T（X∩Y）T（4）式中，T为总事务数。提升度（lift）定义为规则置信度与后项支持度之比，用来衡量规则的实用性，有实用价值的关联规则为规则提升度大于1的规则，数学表达式为：L｛X｝→｛Y｝=C｛X｝→｛Y｝S（Y）=S｛X｝→｛Y｝S（X）S（Y）（5）式中，S｛X｝=T（X）T为前项支持度，S｛Y｝=T（Y）T为后项支持度。关联规则分析常用的算法有Apriori算法和Eclat算法。Apriori算法可克服简单搜索可能产生的大量无效规则，
【参考文献】：
期刊论文
[1]农林院校统计学专业《多元统计分析》课程教学探索[J]. 纪志荣,何东进,刘金福,曹彦,陈虹,滕忠铭. 教育教学论坛. 2017(04)
[2]大数据时代多元统计分析课程教学模式构建[J]. 朱辉. 统计与管理. 2016(12)
[3]《应用多元统计分析》课程教学改革实践探索——立足于“学以致用”视角[J]. 朱辉. 统计与咨询. 2012(03)
[4]多元统计分析课程教学的探索与实践[J]. 刘银萍,安丽微. 吉林师范大学学报(自然科学版). 2011(03)
[5]医学研究生多元统计分析课程的教学改革[J]. 马金凤,严卫丽,曹明芹,杨蕾. 医学研究与教育. 2010(03)
本文编号：3372114
【文章来源】：武夷学院学报. 2019,38(03)
【文章页数】：6 页
【部分图文】：
不同科目成绩间相关系数图
表2结构方程模型效应Table2Effectofstructuralequationmodel图3潜变量间效应图Figure3Effectdiagramoflatentvariables图4潜变量与观测变量间效应图Figure4Effectdiagrambetweenlatentvariableandobservationvariable4关联规则分析关联分析的概念由1993年Agrawal，Imielinski和Swami提出，是揭示数据内在结构的重要手段，在定位顾客顾客消费、保险、医疗领域发挥了重要作用。关联分析中，规则置信度、规则支持度、提升度是重要的概念，可由以下定义测度[6]。规则置信度（confi-dence）是简单关联规则的度量，反映了X出现条件下Y出现的概率，即C｛X｝→｛Y｝=T（X∩Y）T（X）（3）式中，T（X）为包含项目X的事务数，T（X∩Y）表示同时项目X和项目Y的事务数。规则支持度（support），定义为项目X和项目Y同时出现的概率，即S｛X｝→｛Y｝=T（X∩Y）T（4）式中，T为总事务数。提升度（lift）定义为规则置信度与后项支持度之比，用来衡量规则的实用性，有实用价值的关联规则为规则提升度大于1的规则，数学表达式为：L｛X｝→｛Y｝=C｛X｝→｛Y｝S（Y）=S｛X｝→｛Y｝S（X）S（Y）（5）式中，S｛X｝=T（X）T为前项支持度，S｛Y｝=T（Y）T为后项支持度。关联规则分析常用的算法有Apriori算法和Eclat算法。Apriori算法可克服简单搜索可能产生的大量无效规则，
表2结构方程模型效应Table2Effectofstructuralequationmodel图3潜变量间效应图Figure3Effectdiagramoflatentvariables图4潜变量与观测变量间效应图Figure4Effectdiagrambetweenlatentvariableandobservationvariable4关联规则分析关联分析的概念由1993年Agrawal，Imielinski和Swami提出，是揭示数据内在结构的重要手段，在定位顾客顾客消费、保险、医疗领域发挥了重要作用。关联分析中，规则置信度、规则支持度、提升度是重要的概念，可由以下定义测度[6]。规则置信度（confi-dence）是简单关联规则的度量，反映了X出现条件下Y出现的概率，即C｛X｝→｛Y｝=T（X∩Y）T（X）（3）式中，T（X）为包含项目X的事务数，T（X∩Y）表示同时项目X和项目Y的事务数。规则支持度（support），定义为项目X和项目Y同时出现的概率，即S｛X｝→｛Y｝=T（X∩Y）T（4）式中，T为总事务数。提升度（lift）定义为规则置信度与后项支持度之比，用来衡量规则的实用性，有实用价值的关联规则为规则提升度大于1的规则，数学表达式为：L｛X｝→｛Y｝=C｛X｝→｛Y｝S（Y）=S｛X｝→｛Y｝S（X）S（Y）（5）式中，S｛X｝=T（X）T为前项支持度，S｛Y｝=T（Y）T为后项支持度。关联规则分析常用的算法有Apriori算法和Eclat算法。Apriori算法可克服简单搜索可能产生的大量无效规则，
【参考文献】：
期刊论文
[1]农林院校统计学专业《多元统计分析》课程教学探索[J]. 纪志荣,何东进,刘金福,曹彦,陈虹,滕忠铭. 教育教学论坛. 2017(04)
[2]大数据时代多元统计分析课程教学模式构建[J]. 朱辉. 统计与管理. 2016(12)
[3]《应用多元统计分析》课程教学改革实践探索——立足于“学以致用”视角[J]. 朱辉. 统计与咨询. 2012(03)
[4]多元统计分析课程教学的探索与实践[J]. 刘银萍,安丽微. 吉林师范大学学报(自然科学版). 2011(03)
[5]医学研究生多元统计分析课程的教学改革[J]. 马金凤,严卫丽,曹明芹,杨蕾. 医学研究与教育. 2010(03)
本文编号：3372114
本文链接：https://www.wllwen.com/guanlilunwen/tongjijuecelunwen/3372114.html
