《属性数据分析》课程主要介绍用于分析属性数据的统计方法，是面向本科生开设的介绍属性数据分析引论的课程，主要覆盖属性数据的介绍，列联表分析，广义线性模型，并重点介绍 logistic 回归模型和 logit 模型等。
本课程采用教师讲授、学生实践相结合的实验教学形式，努力形成教师和学生双向互动，理论学习结合实践运用，达到学以致用的结果。教师讲授是主要的课堂教学方式，同时加入程序指导操作的环节，引导学生进行实践练习。在学期末要求学生提交 1 篇课程论文。课程采用双语教学的方式，课程课件为英文，中文讲述，有助于学生双语学习和紧跟研究前沿。
通过本课程的学习，学生可掌握与属性数据有关的统计学基础知识，如学会何处理、建模、分析属性数据，并学会通过用广义线性模型、logistic 回归模型等理论分析属性数据。通过课堂讲授让学生具有坚实的理论基础，通过对大量典型例子的介绍和分析， 使学生掌握基本方法，并在课后的习题练习中掌握使用软件分析属性数据的方法，具有思考和分析问题，并能实际解决问题的能力。
属性数据分析主要介绍用于分析属性数据的统计模型，是面向本科生开设的介绍属性数据分析引论的课程，主要覆盖属性数据的介绍，列联表分析，广义线性模型，并重点介绍 logistic 回归模型和 logit 模型等。
授课目标为：通过本课程的学习，学生可掌握与属性数据有关的统计学基础知识，如学会何处理、建模、分析属性数据，并学会通过用广义线性模型、logistic 回归模型等理论分析属性数据。通过课堂讲授让学生具有坚实的理论基础，通过对大量典型例子的介绍和分析， 使学生掌握基本方法，并在课后的习题练习中掌握使用软件分析属性数据的方法，具有思考和分析问题，并能实际解决问题的能力。
要求学生具有基础统计课程的知识，如数理统计，回归分析等，不需要微积分、矩阵代数等高等数学的知识。
为积极响应国家低碳环保政策， 2021年秋季学期开始，中国大学MOOC平台将取消纸质版的认证证书，仅提供电子版的认证证书服务，证书申请方式和流程不变。
电子版认证证书支持查询验证，可通过扫描证书上的二维码进行有效性查询，或者访问 http://www.icourse163.org/verify，通过证书编号进行查询。学生可在“个人中心-证书-查看证书”页面自行下载、打印电子版认证证书。
完成课程教学内容学习和考核，成绩达到课程考核标准的学生（每门课程的考核标准不同，详见课程内的评分标准），具备申请认证证书资格，可在证书申请开放期间（以申请页面显示的时间为准），完成在线付费申请。
认证证书申请注意事项：
1. 根据国家相关法律法规要求，认证证书申请时要求进行实名认证，请保证所提交的实名认证信息真实完整有效。
2. 完成实名认证并支付后，系统将自动生成并发送电子版认证证书。电子版认证证书生成后不支持退费。
选用教材
An Introduction to Categorical Data Analysis. Second Edition. Alan Agresti (2007). John Wiley & Sons.
参考书目与文献
(1) Analysis of Categorical Data. Agresti, A., New York: Wiley, 2002.
(2) Generalized Linear Models. 2nd Ed. McCullagh P. and Nelder J., London: CRC Publishers, 1989.
(3)《属性数据分析引论（第二版）》张淑梅 王睿 曾莉 译， 高等 教育出版社.
(4)《实用多元统计方法与 SAS 系统》高惠璇，北京大学出版社.
Q : 课程的教材是什么？
A : 选用教材
An Introduction to Categorical Data Analysis. Second Edition. Alan Agresti (2007). John Wiley & Sons.
参考书目与文献
(1) Analysis of Categorical Data. Agresti, A., New York: Wiley, 2002.
(2) Generalized Linear Models. 2nd Ed. McCullagh P. and Nelder J., London: CRC Publishers, 1989.
(3)《属性数据分析引论（第二版）》张淑梅 王睿 曾莉 译， 高等 教育出版社.
(4)《实用多元统计方法与 SAS 系统》高惠璇，北京大学出版社.
Q : 课程的时间是什么时候？
A : 每周三 10:30 固定发布课程内容和更新
Q : 课程难度如何？
A : 属性数据分析主要介绍用于分析属性数据的统计模型，是面向本科生开设的介绍属性数据分析引论的课程，主要覆盖属性数据的介绍，列联表分析，广义线性模型，并重点介绍 logistic 回归模型和 logit 模型等。要求学生具有基础统计课程的知识，如数理统计，回归分析等，不需要微积分、矩阵代数等高等数学的知识。
Q : 有问题怎么办？
A : 课程配备多位老师和助教，大家有问题可以在留言板块中提问，老师和助教会及时回复和解答。
Q : 课程考核方式是怎样的？
A : 本课程考试用百分制计算，最终成绩为60分及以上为合格，85分及以上为优秀。最终成绩合格的同学可以根据实际需求申请认证证书，认证证书是收费的，费用为100/人。具体考试及计分方法如下：
1. 作业（30%）
本人作业实际分数的平均。
备注：随堂练习不计入最终成绩。
2. 期中考试（35%）
（1）试题设置：共分为五道大题，每道大题有2~3个问题，共计100分，题型与单元作业题型设置类似，均为计算题和简答题。
（2）期中考试开放时间为 2023年10月10日10:30 -- 12月31日晚23:30，即在这一时段都内可以进行期中考试答题。
3. 课程论文（35%）
本课程期末考试的形式是，要求在截止时间前提交一份课程论文
（1）课程论文提交截止时间为：2023年12月31日23:30。2023年11月4日10:30起至2023年12月31日23:30之间都可以提交课程论文（word, PDF文档）。
（2）课程论文要求，格式和评分细则等请见课程发表内容中的《课程论文要求和细则》
网上有害信息举报（涉未成年人）：网站 https://www.12377.cn 邮箱（涉未成年人） youdao_jubao@rd.netease.com
粤B2-20090191-26
| 京ICP备12020869号-2 |
京公网安备44010602000207
©2014-2024
浙公网安备 33010802012594号