-
第一章统计学导论
本章节介绍统计学的基本概念、研究方法、数据分类和发展历史等内容，为后面章节学习奠定基础知识。具体要求：1.掌握统计与统计学的概念、特点和作用；2.掌握统计的数据类型、探讨统计数据和大数据联系、了解统计学的研究方法；3.掌握统计学中总体、个体、样本的含义及关系；掌握统计标志、指标、变量的含义及关系；掌握参数和统计量的含义及关系；4.了解统计学的发展历史和应用领域。
-
●1.1统计和统计学的概念、特征
本节介绍统计与统计学的含义、作用和二者之间的联系。要求掌握统计与统计学的含义。
-
●1.2统计的数据类型和统计学的研究方法
本节介绍结构数据和非结构数据的分类，统计学中的分组、综合评价和统计建模等研究方法。要求掌握结构数据的各种分类。
-
●1.3统计学的基本概念
本节介绍总体和样本、参数和统计量、变量和指标等统计学基本概念。要求掌握统计学基本概念。
-
●1.4统计学的发展史和分科
本节介绍近代和现代统计发展特征，近代统计学的分科。要求了解统计学发展历史。
-
第二章数据的来源
本章节先介绍普查、统计报表、概率抽样和非概率抽样等搜集数据的方式；然后介绍直接观察法、报告法、采访法和网络法等数据的搜集方法；最后介绍问卷调查结构的基本内容、调查问卷设计的有关问题、数据误差来源和控制。具体要求：①掌握统计数据搜集的含义、搜集方法和方式，理解它们之间的内在关系；②系统了解调查方案设计的内容、以及问卷调查的结构、设计原则和问题的答题设计；③了解抽样误差和非抽样误差的概念、误差产生的原因和控制方法。
-
●2.1统计数据搜集的方式和方法
本节介绍普查、统计报表和抽样调查的基本方式和方法。要求了解统计数据搜集的方式和方法。
-
●2.2调查问卷
本节介绍调查问卷的结构和基本内容。
-
●2.3调查问卷设计的有关问题
本节介绍问卷的问题设计和答案设计的基本原则。
-
●2.4统计数据的误差
本节介绍统计数据误差的类型、误差来源和误差控制方法。要求理解统计数据误差的类型、误差来源和误差控制方法。
-
第三章数据的图表展示
本章节先介绍品质数据的频数分布表、条形图、饼形图、环形图等图表展示；然后介绍数值型数据条形图、箱线图、茎叶图、散点图和列联表等图表展示方式。要求①理解各种数据类型的图形展示特性，②掌握SPSS和EXCEL作图方式。
-
●3.1品质数据的整理与图示
本节介绍品质数据的频数分布表、条形图、饼形图和环形图。要求对于课后练习利用SPSS和EXCEL制作图表。
-
●3.2数值型数据的整理与图示
本节介绍数值型数据的列联表，直方图、箱线图、茎叶图和散点图。要求对于课后练习利用SPSS和EXCEL制作图表。
-
●3.3合理使用图表
本节介绍图表使用的基本要求。
-
第四章数据的概括性度量
本章节先介绍测度数据集中趋势的众数、中位数、平均数和分位数等统计量；然后介绍测度数据离散趋势的众比率、极差、四分位差、方差和离散系数等统计量；最后介绍测度数据偏度的偏态系数以及测度数据集中度的峰态系数。要求①理解数据集中趋势和离散趋势测度统计量的含义，②对于课后练习能够利用SPSS和EXCEL展示数据集中趋势和离散趋势更重统计指标。
-
●4.1集中趋势的度量
本节介绍众数、中位数、平均数的测度集中趋势的统计量。要求掌握众数、中位数、平均数的优缺点和使用场景。
-
●4.2离散程度的度量
本节介绍众比率、极差、方差和离散系数。要求掌握众比率、极差、方差和离散系数的含义和不同测度指标的差异。
-
●4.3偏态与峰态的度量
本节介绍统计数据的偏态和峰态的测度统计量。要求理解峰态和偏态系数。
-
第五章概率与概率分布
本章节讨论了随机事件和概率的概念，随机变量的类型、数学期望和方差，0-1分布、二项分布、超几何分布。求①掌握概率的计算、不同分布类型的数学期望和方差的计算；②掌握利用EXCEL会查0-1分布、二项分布、超几何分布、泊松分布概率值和分位数。
-
●5.1随机事件及其概率的概念
本节介绍随机事件的概念，随机事件的概率计算方法，要求理解随机事件的概念，随机事件的概率计算方法。
-
●5.2离散型随机变量及其概率分布
本节介绍离散型随机变量及其概率分布。要求理解离散型分布的特点。
-
●5.3几种常见的离散型分布
本节介绍0-1分布、二项分布、超几何分布和泊松分布的特点。要求理解各种离散分布的特点。
-
●5.4分布函数与概率密度
本节介绍连续型随机变量概率分布和概率密度函数关系。要求理解连续型随机变量概率分布和概率密度函数关系。
-
●5.5正态分布
本节介绍正态分布的密度函数和正态分布的特点。要求掌握正态分布的特点。
-
第六章统计量及其抽样分布
本章节介绍统计量和抽样分布的概念，卡方分布、t分布和F分布；一个总体和两个总体均值的抽样分布，样本比例和样本方差的抽样分布。要求①掌握正态分布、卡方分布、t分布和F分布的概率和分位数对应关系；②掌握样本均值、比例和方差的对应抽样分布类型。
-
●6.1统计量及其抽样分布的概念
本节介绍统计量及其抽样分布的概念，要求理解相关内容。
-
●6.2常用的统计分布
本节介绍抽样的均值、比例和方差统计量分布，要求掌握相关内容。
-
●6.3一个总体样本均值的抽样分布
本节介绍在大样本情况下根据大数定理可知一个总体样本均值的抽样分布为正态分布；若小样本，总体分布为正态分布，样本均值的抽样分布为正态分布。要求理解一个总体样本均值在不同情况下的抽样分布情况。
-
●6.4两个总体样本均值差的抽样分布
本节介绍在大样本和正态总体情况下两个总体样本均值的抽样分布为正态分布。要求了解本节相关内容。
-
●6.5样本比例和样本方差的抽样分布
本节介绍样本比例和样本方差抽样分布的内容。
-
第七章参数估计
本章节介绍点估计和区间估计基本原理，一个和两个总体均值、比例和方差的区间估计的构造原理，构造区间估计值样本的确定。要求①掌握区间估计的基本原理；②掌握一个和两个总体均值、比例和方差的区间估计的构造方法；③掌握样本量的确定公式。④对于课后练习会构造区间估计。
-
●7.1参数估计的一般问题
本节介绍点估计和区间估计的基本原理，两种参数估计的优缺点。要求理解两种估计方法。
-
●7.2一个总体参数的区间估计
本节介绍在总体为正态、方差已知，非正态总体、大样本，正态总体、方差未知小样本一个总体均值的区间估计，大样本总体比例和方差的区间估计。要求掌握各种情况下的区间估计。
-
●7.3两个总体参数的区间估计
本节介绍独立样本、匹配样本两个总体均值的区间估计，要求掌握相关区间估计的方法。
-
●7.4样本量的确定
本节介绍总体均值和总体比例的区间估计样本量的确定，要求根据估计误差能够确定样本量。
-
第八章假设检验
本章节介绍假设检验的基本原理、两类错误、基本步骤、拒绝域和接受域、P值、一个和两个总体均值、比例和方差的假设检验所构造的检验统计量。要求①理解假设检验的两类错误、拒绝域和接受域、P值；②掌握假设检验的基本步骤。③对于课后练习能够建立假设检验。
-
●8.1假设检验的基本问题
本节介绍假设检验的基本假设、两类错误、检验统计量、检验流程、假设检验种类、拒绝域和接受域以及P值。要求理解掌握相关内容。
-
●8.2一个总体参数的假设检验
本节介绍一个总体参数均值、比例和方差的假设检验问题。要求理解掌握相关内容。
-
●8.3两个总体均值之差的检验
本节介绍在方差已知和方差未知的情况下两个总体参数均值只差的假设检验问题。要求理解掌握相关内容。
-
●8.4两个总体比例之差和两个总体方差比的检验
本节介绍两个总体比例只差为零和不为零的情况下假设检验，以及两个总体方差比的检验问题。要求理解掌握相关内容。
-
第九章分类数据分析
本章节主要介绍用于分类数关联度的测度方法：卡方检验。要求①掌握卡方检验的基本步骤和卡方值的含义；②对于课后练习能够利用SPSS软件进行卡方分析。
-
●9.1分类数据分析
本节介绍卡方检验统计量，分类变量的相关性检验问题。要求理解掌握卡方统计量，分类变量的独立性检验。
-
第十章方差分析
本章节主要讨论方差分析的误差分解、方差分析表、基本假定、单因素和双因素方差分析的基本步骤、多重比较和关联强度的测定等内容。要求①掌握误差分解和方差分析表；②要求利用单因素和双因素方差分析表能够对假设检验做出判断。③对于课后练习能够利用SPSS软件进行单因素和双因素方差分析。
-
●10.1方差分析引论
本节介绍方差分解、方差分析的基本假定和基本原理。要去掌握相关内容。
-
●10.2单因素方差分析
本节介绍单因素分析的数据结构、分析步骤和方差分析表。要求掌握单因素方差分析的步骤，理解方差分析表里面的每一个数据的含义。
-
●10.3双因素方差分析
本节介绍双因素分析的数据结构、分析步骤和方差分析表。要求掌握双因素方差分析的步骤，理解方差分析表里面的每一个数据的含义。
-
第十一章一元线性回归
本章节主要讨论测度变量之间关联程度的相关系数、一元线性回归模型的假设前提、估计方法、t检验和拟合优度检验和参数估计方法。要求①掌握相关系数的计算公式和含义，一元线性回归的假设、估计方法和检验；②对于课后练习能够利用SPSS软件会建立一元线性回归模型。
-
●11.1变量间关系的度量
本节介绍散点图、相关系数和相关系数的检验。要求掌握相关内容。
-
●11.2一元线性回归模型
本节介绍回归模型、回归方程和估计方程。要求掌握相关内容。
-
●11.3一元线性回归模型的求解
本节介绍最小二乘法。要求掌握相关内容。
-
●11.4回归分析的显著性检验
本节介绍F检验和t检验。
-
●11.5利用回归方程进行预测与残差分析
本节介绍利用回归方程进行预测与残差分析。
-
第十二章多元线性回归
本章节讨论多元线性回归模型的假定、参数估计方法、t检验、多重共线性、F检验和拟合优度检验。要求①掌握多元线性回归模型的假定、参数估计方法、t检验、多重共线性、F检验和拟合优度检验；②利用SPSS软件对于课后练习能够构建多元线性模型。
-
●12.1多元线性回归模型
本节介绍多元线性回归模型和方程、参数最小二乘估计。要求掌握相关内容。
-
●12.2多元线性回归的检验与多重共线性
本节介绍多重判定系数、显著性检验和多重共线性问题。要求掌握相关内容。
-
第十三章时间序列分析和预测
本章节讨论时间序列的趋势、周期、季节和随机成分，介绍时间序列的趋势性、周期性、季节性和随机性的加法和乘法模型，介绍平稳时间序列的移动平均、指数平滑、回归和ARMA预测模型，以及非平稳时间序列的ARIMA 预测模型。要求①掌握时间序列的趋势、周期、季节和随机的分解；②了解时间序列的移动平均、指数平滑预测、回归和ARMA预测模型，非平稳时间序列的ARIMA预测模型。
-
●13.1时间序列及其分解和时间序列的描述性分析
本节介绍时间序列的长期趋势、季节性、周期性和随机性、时间序列的图形描述、时间序列的增长速度分析。要求掌握相关内容。
-
●13.2时间序列预测程序和平稳时间序列的预测
本节介绍时间序列趋势成分确定、季节成分确定的方法，介绍预测平稳时间序列的方法：指数平滑法和移动平均法。要求掌握相关内容。
-
●13.3趋势型序列的预测和复合型序列的分解预测
本节介绍线性趋势预测和非线性趋势预测以及复合序列的分解方法。要求掌握相关内容。
-
第十四章指数
本章节讨论个体指数和综合指数的概念、综合指数编制原理、拉氏和帕氏指数以及指数的分解。要求①掌握综合指数编制原理、拉氏和帕氏指数；②对于课本练习题能够利用指数的指数分解和绝对值分解进行数量和价格变动情况分析。
-
●14.1指数的基本问题及编制方法
本节介绍指数的概念、分类编制指数的相关问题、简单指数、加权指数。要求掌握相关内容。
-
●14.2指数体系
本节介绍总量指数体系分解和平均指数体系分解。要求掌握相关内容。
-
第十五章综合评价
本章节讨论综合评价的定义、作用和步骤，综合评价的指标体系构建，指标的筛选、处理以及指标权重的确定。要求①掌握综合评价的基本步骤；②掌握指标的筛选、处理以及指标权重的确定；③对于实际案例能够根据学习内容建立综合评价。
-
●15.1综合评价的定义、作用和步骤
本节介绍综合评价的定义、使用场景、综合评级的基本要素和步骤。要求理解相关内容。
-
●15.2综合评价指标体系的构建
本节介绍综合评价指标体系构建一般原则和构建的基本内容。要求理解相关内容。
-
●15.3综合评价指标的数据处理和筛选
本节介绍数据的无量钢化处理和同向化处理方法，数据筛选的最小均方差和极小极大离差法方法。要求理解相关内容。
-
●15.4指标权重确定方法和指标综合方法
本节介绍指标权重主观赋值法和客观赋值法，线性综合法、几何综合法和混合综合法。要求掌握相关内容。
