基于面板数据模型的在校成绩统计分析

发布时间：2021-02-22 09:46

　　高校学生在校成绩分析对于高校教育发展具有重要的反省和推动作用,因此分析高校学生在校成绩数据十分有必要。文章在采用相关系数分析、典型相关分析、主成分分析、主成分回归分析等多元统计方法对高校成绩进行分析的基础上,为进一步探究成绩数据的数据结构及变化趋势,又基于面板数据均值共同变点理论,采用CUSUM比率检验统计量并通过Monte Carlo模拟对合肥工业大学数学学院学生成绩进行变结构分析研究。本文一共分为五章,文章结构如下:在第一章中,首先给出本文的研究意义,介绍了多元统计分析方法在高校成绩分析中的应用与发展情况,同时介绍了面板数据均值共同变点在国内外的研究现状。在第二章中,介绍了在高校成绩分析中主要运用的典型相关分析、主成分分析及主成分回归分析等多种统计方法的相关理论,并介绍了面板数据均值共同变点分析,以及Monte Carlo模拟的相关理论。在第三章中,采用Pearson简单相关系数分析、典型相关分析、主成分分析等统计方法对合肥幼儿高等师范学校学前教育专业14级学生的8个学期的成绩数据及其对应的中考成绩数据进行分析得到,学生中学时期的综合能力会对高校成绩产生深远的影响,中考成绩在一定程... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：49 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 统计方法在高校成绩分析中的应用与发展
    1.3 面板数据均值变点分析的国内外研究现状
第二章 基本理论
    2.1 典型相关分析
    2.2 主成分分析
        2.2.1 主成分的基本性质
        2.2.2 主成分回归
    2.3 面板均值共同变点理论
    2.4 Monte Carlo模拟
第三章 高职高专在校成绩的多元统计分析
    3.1 描述性统计分析
    3.2 相关分析
    3.3 典型相关分析
        3.3.1 pearson相关分析
        3.3.2 典型相关分析
        3.3.3 典型相关分析显著性检验
    3.4 主成分分析
    3.5 本章小结
第四章 基于面板数据均值变点的在校成绩分析
    4.1 原始GPA数据分析
    4.2 去均值GPA数据分析
    4.3 分专业成绩分析
    4.4 本章小结
第五章 结论
参考文献
附录
攻读硕士学位期间的学术活动及成果情况


【参考文献】：
期刊论文
[1]多元统计分析在大学生综合成绩评价中的应用[J]. 王小丽,李林芝,简太敏.  产业与科技论坛. 2018(12)
[2]双因素方差分析在数学成绩分析中的应用[J]. 吕士宝.  学周刊. 2018(18)
[3]基于面板数据均值变点的股市收益率分析[J]. 胡俊迎,谭常春,张雪莲.  合肥工业大学学报(自然科学版). 2017(11)
[4]高校成绩分析模型及应用研究[J]. 陆冷飞.  中国教育信息化. 2017(09)
[5]基于SPSS软件的高校学生课程考试成绩分析方法[J]. 孙谦.  曲靖师范学院学报. 2013(03)
[6]关联规则在高校成绩分析中的应用[J]. 罗浩,罗许练.  福建电脑. 2010(06)
[7]多元统计分析在考试成绩分析中的应用[J]. 应敏.  中国科技信息. 2006(04)
[8]大学成绩与高考成绩的相关分析[J]. 何杭佳.  玉林师范学院学报. 2002(03)
[9]统计分析方法在成绩分析中的应用[J]. 黄修芝.  统计与决策. 2002(03)
[10]大学成绩与高考成绩相关关系的统计分析[J]. 别雪君,李祖超.  建材高教理论与实践. 1997(04)

硕士论文
[1]基于Adaptive Lasso及面板数据均值共同变点的应用统计分析[D]. 张雪莲.合肥工业大学 2017
[2]面板数据中均值与方差的断点分析[D]. 侯炳山.浙江大学 2016



本文编号：3045806