3 电子商务数据分析方法（教案）《电子商务数据分析》（电子工业出版社）

项目三 电子商务数据分析方法 “电子商务数据分析与应用”课程混合式教学方案 （课前）BlackBoard系统 + （课中）理论授课 + （课后）雨课堂测试 课程名称：电子商务数据分析与应用 任课教师：屈莉莉 开课单位：航运经济与管理学院 教学对象：电子商务专业2022级 章节名称：项目三 电子商务数据分析方法 教学目标： 1 知识目标 · 了解静态指标和动态指标的含义 · 掌握相关分析的计算过程 · 重点掌握一元线性回归的计算过程，了解多元线性规划和非线性回归的计算过程 · 重点掌握移动平均指数平滑两种时间序列预测模型 · 了解聚类分析等数据挖掘算法的主要计算过程 2 能力目标 · 正确区分电子商务主要数据指标的分类 · 熟练掌握各数据分析方法的流程步骤 · 能够将数据分析方法应用到实际问题中 3 素质目标 · 培养自发分析电子商务数据的意识 · 培养针对不同电子商务数据采取不同分析方法的能力 教学安排： 教学环节 教 学 内 容 教学工具 （1）课堂教学 OFFICE工具； （2）雨课堂：实施反馈与课后测试 教学任务 （一）课前自学 1. 统计分析 2. 相关与回归分析 3. 时间序列分析 4. 聚类分析 （二）课中实训 实训一、统计分析计算 实训二、相关分析与回归分析的应用 实训三、时间序列分析计算 实训四、聚类分析计算 （三）课后提升 案例1 神奇的购物篮分析 案例2 Target百货商店的怀孕预测指数 思维导图 内容引入 通过案例进行本章内容的导入。 在研究人类遗传问题时，为了研究父代与子代身高的关系，高尔顿搜集了1078对父亲及其儿子的身高数据。他发现这些数据的散点图大致呈直线状态，也就是说，总的趋势是父亲的身高增加时，儿子的身高也倾向于增加。但是，高尔顿对试验数据进行了深入的分析，发现了一个很有趣的现象：当父亲高于平均身高时，他们的儿子身高比他更高的概率要小于比他更矮的概率；父亲矮于平均身高时，他们的儿子身高比他更矮的概率要小于比他更高的概率。它反映了一个规律，即这两种身高父亲的儿子的身高，有向他们父辈的平均身高回归的趋势。对于这个一般结论的解释是:大自然具有一种约束力，使人类身高的分布相对稳定而不产生两极分化，这就是所谓的回归效应。 这是统计学上最初出现“回归”时的涵义，虽然是一种特殊情况，与线形关系拟合的一般规则无关，但“线形回归”的术语却因此沿用下来。你了解回归吗？线性回归是数据分析的一种方法，试着说说他在数据分析上所发挥的作用。 授新环节 （一）课前自学 1. 统计分析 （1）静态分析指标 静态分析指标是用来说明社会经济现象数量特征的。由于社会经济现象及其发展的复杂性，静态分析指标呈现多样性，可以将其归纳为四类：总量指标、相对指标、平均指标和变异指标。 （2） 动态分析指标 动态分析方法又称时间数列分析，主要用来描述和探索现象随时间发展变化数量规律性，也就是对处于不断发展变化的社会经济现象从动态的角度进行分析。 （3） 统计指数 统计指数分析法是经济分析中广泛应用的一种方法。最具代表性的就是关于物价指标的编制，即用现行价格与过去价格对比来反映价格的变化情况，后来过渡到综合反映多种商品价格的变动情况。 （4） 抽样推断 抽样推断（Sample Inference）是在抽样调查的基础上，利用样本的实际资料计算样本指标，并据以推算总体相应数量特征的一种统计分析方法。 2. 相关与回归分析 （1）相关分析 相关关系是指变量之间存在的一种不确定的数量依存关系，即一个变量的数值发生变化时，另一个变量的数值也相应地发生变化，但变化的数值不是确定的，而是在一定的范围内。 （2）回归分析 一元线性回归分析是处理两个变量x（自变量）和y（因变量）之间关系的最简单模型，研究是这两个变量之间的线性相关关系。 对多元线性回归模型（Multivariate Linear Regression Model）的基本假设是在对一元线性回归模型的基本假设基础之上，还要求所有自变量彼此线性无关，这样随机抽取n组样本观察值就可以进行参数估计。 不少经济变量之间的关系为非线性的，可以通过变量代换把本来应该用非线性回归处理的问题近似转化为线性回归问题，再进行分析预测。 3. 时间序列分析 （1）时间序列数据 时间序列类型数据就是按照时间先后顺序排列各个观测记录的数据集。 （2）移动平均方法 一次移动平均法是在算术平均法的基础上加以改进，其基本思想是每次取一定数量周期的数据平均，按时间顺序逐次推进。 当序列具有线性增长的发展趋势时，用一次移动平均预测会出现滞后偏差，表现为对于线性增长的时间序列预测值偏低。这时，可进行二次移动平均计算，二次移动平均就是将一次移动平均再进行一次移动平均来建立线性趋势模型。 （3）指数平滑方法 当时间序列的变动出现直线趋势时，用一次指数平滑法来预测存在着明显的滞后偏差。修正的方法是在一次指数平滑的基础上再作二次指数平滑，利用滞后偏差的规律找出曲线的发展方向和发展趋势，然后建立直线趋势预测模型，即二次指数平滑法。 （4）季节指数方法 季节指数预测法是指变量在一年内以季（月）的循环为周期特征，通过计算变量的季节指数达到预测目的的一种方法。 4. 聚类分析 1. 聚类分析的定义 聚类（Clustering）是将数据划分成群组的过程，研究如何在没有训练的条件下把对象化分为若干类。 2. k-means聚类方法 k-means算法接受输入量k，然后将n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高，而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 （二）课中实训 实训一、统计分析计算 可安排上机实验的任务，利用Excel操作完成此部分内容的学习。 实训二、相关分析与回归分析的应用 可安排上机实验的任务，利用Excel操作完成此部分内容的学习。 实训三、时间序列分析计算 可安排上机实验的任务，利用Excel操作完成此部分内容的学习。 实训四、聚类分析计算 设有数据样本集合为X={1, 5, 10, 9, 26, 32, 16, 21, 14}，将X聚为3类，即k=3。随机选择前三个数值为初始的聚类中心，即z1=1，z2=5，z3=10。（采用欧氏距离进行计算） （三）课后提升 案例1 神奇的购物篮分析 案例2 Target百货商店的怀孕预测指数 内容小结 本章主要学习与电子商务数据分析相关的模型方法，主要包括两大类，一类是统计分析，包括：静态分析指标、动态分析方法、统计指数、抽样推断、相关与回归分析等内容。 另一大类是数据挖掘模型，主要是从大量的数据中发现隐含的、事先未知的、潜在的、有用的信息、知识、规则、规律或者模式，主要包括：时间序列分析模型、聚类分析算法等。 课后作业 1.判断题 （1）总量指标属于静态分析指标。 （2）平均数动态数列是把一系列同类的相对指标数值按时间先后顺序排列而形成的。 （3）一般情况下，样本容量超过20个样本即可视为大样本。 （4）某次计算得到相关系数R为0.58，可认为两类变量之间存在显著相关。 2.单选题 （1）以下不属于相对指标的为（ ） A. 倍数 B. 成数 C. 百分数 D.中位数 （2）按照相关程度划分，以下不属于相关关系的为（ ） A. 完全相关 B. 正相关 C. 不相关 D. 不完全相关 （3）求解线性回归模型参数的方法称为（ ） A. 相关系数 B. 聚类分析 C. 最小二乘 D. 关联规则 （4）聚类算法停止的标志是（ ）收敛 A. 聚类数 B. 聚类中心 C. 测度函数 D. 相似度 （5）能够在没有训练的条件下把对象化分为若干类的算法是（ ） A. 回归分析 B. 关联规则 C.聚类分析 D. 分类分析 3.多选题 （1）平均指标包括（ ） A. 算术平均数 B.调和平均数 C.众数 D.中位数 （2）按表示的特征不同，统计指数可分为（ ） A. 数量指标指数 B. 定基指数 C. 质量指标指数 D. 动态指数 （3）以下属于按照形式分类的相关关系的有（ ） A. 线性相关 B. 非线性相关 C. 偏相关 D. 曲线相关 （4）以下可以被认为是时间序列数据的有（ ） A.股票价格 B. 每日气温 C. 心跳变化 D. 地震强度 （5）在聚类分析中，可作为测量类间距离方法的有（ ） A. 明氏距离 B. 欧氏距离 C. 马氏距离 D. 兰氏距离 4.简答题 （1）简述统计指数的作用。 （2）简述回归分析模型的主要形式。 （3）简述k-means算法的工作过程。 （4）简述季节指数水平法的主要步骤。 教学总结 （1）从课程思政的角度： 电子商务数据分析与思政教育紧密结合。 （2）从知识体系的角度： 本章所学习的统计分析与数据挖掘方法是所有数据模型的基础。本章重点讲授统计类指标、相关分析、回归分析、时间序列分析、聚类分析等方法。还有许多相关的数据分析算法与模型。 （3）从能力培养的角度： 综合运用数学、计算机、信息科学的知识，培养全方位高素质人才。尤其要注重大数据时代对数据科学与数据分析人才的需求。 效果评估 （1）通过理论课堂教学，进行师生互动，在课程讲授过程中，实时发布测试题目和课堂提问，掌握学习效果； （2）通过课程微信群，了解学生的学习动态并及时发布课程测试题目； （3）通过雨课堂发布测试题，评估学生学习效果，并记录到平时成绩之中。 （4）本章可安排上机实验学习，对相关模型的具体操作展开实践教学。 学科网（北京）股份有限公司 $$