【正文】 看上去有些象魚(yú)骨，問(wèn)題或缺陷（即后果）標(biāo)在魚(yú)頭外。它實(shí)際上是FMA（故障模式分析）和FEA（故障影響分析）的組合。數(shù)據(jù)分析統(tǒng)計(jì)工具：SPSS：SPSS是世界上最早采用圖形菜單驅(qū)動(dòng)界面的統(tǒng)計(jì)軟件，它最突出的特點(diǎn)就是操作界面極為友好，輸出結(jié)果美觀(guān)漂亮。用戶(hù)只要掌握一定的Windows操作技能，粗通統(tǒng)計(jì)分析原理，就可以使用該軟件為特定的科研工作服務(wù)。JMP：JMP的算法源于SAS，特別強(qiáng)調(diào)以統(tǒng)計(jì)方法的實(shí)際應(yīng)用為導(dǎo)向，交互性、可視化能力強(qiáng)，使用方便，尤其適合非統(tǒng)計(jì)專(zhuān)業(yè)背景的數(shù)據(jù)分析人員使用，在同類(lèi)軟件中有較大的優(yōu)勢(shì)。JMP是六西格瑪軟件的鼻祖，當(dāng)年摩托羅拉開(kāi)始推六西格瑪?shù)臅r(shí)候，用的就是JMP軟件，目前有非常多的全球頂尖企業(yè)采用JMP作為六西格瑪軟件，包括陶氏化學(xué)、惠而浦、鐵姆肯、招商銀行、美國(guó)銀行、中國(guó)石化等等?！　“颖净举Y料的描述，作各變量的次數(shù)分配及百分比分析，以了解樣本的分布情況。2．Cronbach’a信度系數(shù)分析　　信度是指測(cè)驗(yàn)結(jié)果的一致性、穩(wěn)定性及可靠性，一般多以?xún)?nèi)部一致性(consistency)來(lái)加以表示該測(cè)驗(yàn)信度的高低。針對(duì)各研究變量的衡量題項(xiàng)進(jìn)行Cronbach’a信度分析，以了解衡量構(gòu)面的內(nèi)部一致性。3．探索性因素分析(exploratory factor analysis)和驗(yàn)訌性因素分析(confirmatory factor analysis)　　用以測(cè)試各構(gòu)面衡量題項(xiàng)的聚合效度(convergent validity)與區(qū)別效度(discriminant validity)。所以我們必須對(duì)效度進(jìn)行檢驗(yàn)。收斂效度的檢驗(yàn)根據(jù)各個(gè)項(xiàng)目和所衡量的概念的因素的負(fù)荷量來(lái)決定；而區(qū)別效度的檢驗(yàn)是根據(jù)檢驗(yàn)性因素分析計(jì)算理論上相關(guān)概念的相關(guān)系數(shù)，檢定相關(guān)系數(shù)的95％信賴(lài)區(qū)間是否包含1．0，若不包含1．0，則可確認(rèn)為具有區(qū)別效度(Anderson，1987)。容許更大彈性的測(cè)量模型，可估計(jì)整個(gè)模型的擬合程度(Bollen和Long，1993)，因而適用于整體模型的因果關(guān)系。在評(píng)價(jià)整體模式適配標(biāo)準(zhǔn)方面，本研究采用x2(卡方)／df(自由度)值、擬合優(yōu)度指數(shù)(goodness．of．f：iJt．in．dex，GFI)、平均殘差平方根(root—mean．square：residual，RMSR)、近似誤差均方根(rootmean—squareerrorofapproximation，RMSEA)等指標(biāo)；模型內(nèi)在結(jié)構(gòu)擬合優(yōu)度則參考Bagozzi和Yi(1988)的標(biāo)準(zhǔn)，考察所估計(jì)的參數(shù)是否都到達(dá)顯著水平。信度指標(biāo)多以相關(guān)系數(shù)表示，具體評(píng)價(jià)方法大致可分為三類(lèi)：穩(wěn)定系數(shù)（跨時(shí)間的一致性），等值系數(shù)（跨形式的一致性）和內(nèi)在一致性系數(shù)（跨項(xiàng)目的一致性）。也可以對(duì)兩次重復(fù)測(cè)試結(jié)果做兩相關(guān)樣本差異的統(tǒng)計(jì)檢驗(yàn)。是指測(cè)驗(yàn)內(nèi)部所有題目間的一致性程度。 ，并沒(méi)有指出不一致的原因。 二、效度分析　效度是指測(cè)量工具能夠準(zhǔn)確測(cè)量出所要測(cè)量特性的程度，除受隨機(jī)誤差影響外，還受系統(tǒng)誤差的影響。效度的性質(zhì)： ，任何測(cè)驗(yàn)的效度都是針對(duì)一定的目標(biāo)而言 ?測(cè)驗(yàn)效度通常用相關(guān)系數(shù)表示，它只有程度上的不同，不是“全有”或“全無(wú)”的區(qū)別。 ：是評(píng)價(jià)量表效度常用的指標(biāo)，是指測(cè)量結(jié)果體現(xiàn)出來(lái)的某種結(jié)構(gòu)與測(cè)量值之間的對(duì)應(yīng)程度，常使用因子分析。信度與效度的關(guān)系：1. 可信的測(cè)量未必有效，而有效的測(cè)量必定可信。描述性模式能確定許多不同客戶(hù)或產(chǎn)品之間的關(guān)系，來(lái)決定需要采取什么方法向前發(fā)展。他可以陳述這樣的問(wèn)題：將會(huì)發(fā)生什么？如果這個(gè)趨勢(shì)持續(xù)會(huì)怎樣？如果...,下一次會(huì)怎樣？ （3）規(guī)范模式：又叫做決定模式。我們可以預(yù)測(cè)這樣的問(wèn)題：怎樣才能達(dá)到最好的效果？怎樣應(yīng)對(duì)變數(shù)？客戶(hù)可能感興趣的其他商品是什么？雖然預(yù)測(cè)分析在現(xiàn)在數(shù)據(jù)分析中凸顯，但是他還是經(jīng)常以描述模式出現(xiàn)在傳統(tǒng)商業(yè)智能領(lǐng)域?；仡櫼郧暗臄?shù)據(jù)，指定未來(lái)的目標(biāo)，這就是數(shù)年來(lái)商業(yè)的標(biāo)準(zhǔn)模式。深入理解這些模式間的關(guān)系對(duì)于正確分析預(yù)測(cè)數(shù)據(jù)至關(guān)重要。一旦有明確的業(yè)務(wù)目標(biāo)目的，任何模式或者這三個(gè)模式都可以用在BI系統(tǒng)中，為達(dá)到最終目標(biāo)目的服務(wù)。大多數(shù)情況下，100%精準(zhǔn)的數(shù)據(jù)分析師不可能的，原因如下：歷史數(shù)據(jù)不能準(zhǔn)確預(yù)測(cè)未來(lái)預(yù)測(cè)模式中可能會(huì)有不定因素操作各種模式的時(shí)候，可能會(huì)有偏頗以及不符合實(shí)際的預(yù)測(cè)當(dāng)實(shí)踐各個(gè)模式的時(shí)候，可能的錯(cuò)誤區(qū)域應(yīng)該被記錄。因此，不斷優(yōu)化數(shù)據(jù)分析預(yù)測(cè)模式非常有必要。4. 數(shù)據(jù)統(tǒng)計(jì)，數(shù)據(jù)分析，數(shù)據(jù)挖掘，數(shù)據(jù)處理，知識(shí)發(fā)現(xiàn)，大數(shù)據(jù)處理等，這些概念之間的區(qū)別和聯(lián)系？ 數(shù)據(jù)統(tǒng)計(jì)：數(shù)據(jù)統(tǒng)計(jì)，是互聯(lián)網(wǎng)傳媒行業(yè)或其他操作流程的數(shù)據(jù)統(tǒng)計(jì)的統(tǒng)稱(chēng)，用于歷史資料、科學(xué)實(shí)驗(yàn)、檢驗(yàn)、統(tǒng)計(jì)等領(lǐng)域。 知識(shí)發(fā)現(xiàn)：從數(shù)據(jù)中鑒別出有效模式的非平凡過(guò)程，該模式是新的、可能有用的和最終可理解的。我們可以理解為，知識(shí)發(fā)現(xiàn)就是從數(shù)據(jù)中發(fā)現(xiàn)有用知識(shí)的整個(gè)過(guò)程，即把數(shù)據(jù)轉(zhuǎn)化為知識(shí)、把知識(shí)轉(zhuǎn)化為決策的一個(gè)多次循環(huán)反復(fù)的高級(jí)處理過(guò)程。數(shù)據(jù)挖掘的定義雖然表達(dá)方式不同，但本質(zhì)都是一樣的，我們認(rèn)為數(shù)據(jù)挖掘是指從各種數(shù)據(jù)庫(kù)或觀(guān)察的數(shù)據(jù)集合中提取人們事先未知的、隱含的、潛在有用的、感興趣的概念、規(guī)則、規(guī)律、模式等形式的知識(shí)，用以支持用戶(hù)的決策。兩個(gè)術(shù)語(yǔ)在定義上有一定的重合度，內(nèi)涵也大致相同，都是從數(shù)據(jù)中挖掘或發(fā)現(xiàn)隱藏的知識(shí)。因此，有些人認(rèn)為，數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)只是叫法不一樣，其含義是相同的。數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)有一定的區(qū)別。②數(shù)據(jù)挖掘是知識(shí)發(fā)現(xiàn)過(guò)程中的一個(gè)特定步驟。從知識(shí)發(fā)現(xiàn)的含義可以得知，知識(shí)發(fā)現(xiàn)一般可包括以下步驟: ①數(shù)據(jù)清理，消除噪聲和不一致數(shù)據(jù)。 ③數(shù)據(jù)選擇，從數(shù)據(jù)庫(kù)中檢索與分析任務(wù)相關(guān)的數(shù)據(jù)。 ⑤數(shù)據(jù)挖掘，使用智能方法提取數(shù)據(jù)模式。 ⑦知識(shí)表示，使用可視化和知識(shí)表示技術(shù)，向用戶(hù)提供挖掘的知識(shí)。而知識(shí)發(fā)現(xiàn)是一個(gè)高級(jí)的復(fù)雜的處理過(guò)程，它還包括前期處理和后期評(píng)估，即是一個(gè)應(yīng)用了數(shù)據(jù)挖倔算法和評(píng)價(jià)解釋模式的循環(huán)反復(fù)過(guò)程，它們之間相互影響、反復(fù)調(diào)整。而兩者的具體區(qū)別在于：（其實(shí)數(shù)據(jù)分析的范圍廣，包含了數(shù)據(jù)挖掘，在這里區(qū)別主要是指統(tǒng)計(jì)分析）數(shù)據(jù)分析是把數(shù)據(jù)變成信息的工具，數(shù)據(jù)挖掘是把信息變成認(rèn)知的工具，如果我們想要從數(shù)據(jù)中提取一定的規(guī)律（即認(rèn)知）往往需要數(shù)據(jù)分析和數(shù)據(jù)挖掘結(jié)合使用。(2.)5W2H分析模型的應(yīng)用場(chǎng)景較廣，可用于對(duì)用戶(hù)行為進(jìn)行分析以及產(chǎn)品業(yè)務(wù)分析。(4.)4P營(yíng)銷(xiāo)理論模型主要用于公司或其中某一個(gè)產(chǎn)品線(xiàn)的整體運(yùn)營(yíng)情況分析，通過(guò)分析結(jié)論，輔助決策近期運(yùn)營(yíng)計(jì)劃與方案。數(shù)據(jù)統(tǒng)計(jì)的數(shù)學(xué)模型： 多變量統(tǒng)計(jì)分析主要用于數(shù)據(jù)分類(lèi)和綜合評(píng)價(jià)。從人類(lèi)認(rèn)識(shí)的角度來(lái)看有精確的和模糊的兩種類(lèi)型，因?yàn)榻^大多數(shù)地理現(xiàn)象難以用精確的定量關(guān)系劃分和表示因此模糊的模型更為實(shí)用，結(jié)果也往往更接近實(shí)際，模糊評(píng)價(jià)一般經(jīng)過(guò)四個(gè)過(guò)程：(1)評(píng)價(jià)因子的選擇與簡(jiǎn)化。(3)因子內(nèi)各類(lèi)別對(duì)評(píng)價(jià)目標(biāo)的隸屬度確定。 地理問(wèn)題往往涉及大量相互關(guān)聯(lián)的自然和社會(huì)要素，眾多的要素常常給模型的構(gòu)造帶來(lái)很大困難，為使用戶(hù)易于理解和解決現(xiàn)有存儲(chǔ)容量不足的問(wèn)題，有必要減少某些數(shù)據(jù)而保留最必要的信息。 (AHP) Hierarahy Analysis ,是系統(tǒng)分析的數(shù)學(xué)工具之一，它把人的思維過(guò)程層次化、數(shù)量化，并用數(shù)學(xué)方法為分析、決策、預(yù)報(bào)或控制提供定量的依據(jù)。例如要比較n個(gè)因素y={yl，y2，…，yn }對(duì)目標(biāo)Z的影響，確定它們?cè)趜中的比重，每次取兩個(gè)因素yi和yJ，用aij表示yi與yJ對(duì)Z的影響之比，全部比較結(jié)果可用矩陣A=(aij)n*n表示，A叫成對(duì)比矩陣，它應(yīng)滿(mǎn)足：aij0,aij=1/aij (i,j=1,2,...n)使上式成立的矩陣稱(chēng)互反陣，必有aij=l。在由m個(gè)變量組成為m維的空間中可以用多種方法定義樣本之間的相似性和差異性統(tǒng)計(jì)量。 判別分析就是在已知研究對(duì)象分為若干類(lèi)型(組別)并已經(jīng)取得各種類(lèi)型的一批已知樣品的觀(guān)測(cè)數(shù)據(jù)基礎(chǔ)上，根據(jù)某些準(zhǔn)則，建立起盡可能把屬于不同類(lèi)型的數(shù)據(jù)區(qū)分開(kāi)來(lái)的判別函數(shù)，然后用它們來(lái)判別未知類(lèi)型的樣品應(yīng)該屬于哪一類(lèi)。根據(jù)判別函數(shù)的形式，判別分析可以分為線(xiàn)性判別和非線(xiàn)性判別。根據(jù)判別標(biāo)準(zhǔn)的不同，判別分析有距離判別、Fisher判別、Bayes判別等。 以教育(教學(xué)、學(xué)習(xí))為例，可以分析和挖掘的數(shù)據(jù)模型？ 基于教育數(shù)據(jù)挖掘的網(wǎng)絡(luò)學(xué)習(xí)過(guò)程監(jiān)管研究為例進(jìn)行論述（1.）教育數(shù)據(jù)挖掘及其應(yīng)用。根據(jù)國(guó)際教育數(shù)據(jù)挖掘工作組網(wǎng)站的定義，教育數(shù)據(jù)挖掘是指運(yùn)用不斷發(fā)展的方法和技術(shù)，探索特定的教育環(huán)境中的數(shù)據(jù)類(lèi)型，挖掘出有價(jià)值的信息，以幫助教師更好地理解學(xué)生，并改善他們所學(xué)習(xí)的環(huán)境，為教育者、學(xué)習(xí)者、管理者等教育工作者提供服務(wù)。教育數(shù)據(jù)挖掘的數(shù)據(jù)來(lái)源可以來(lái)自于網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)或者教育辦公軟件等，也可以來(lái)自于傳統(tǒng)學(xué)習(xí)課堂或傳統(tǒng)測(cè)試結(jié)果等。教育數(shù)據(jù)挖掘過(guò)程包括數(shù)據(jù)獲取與預(yù)處理、數(shù)據(jù)分析和結(jié)果解釋三個(gè)階段?！枋鲂阅Ｐ陀糜谀Ｊ降拿枋?，為決策制定提供參考意見(jiàn)；而預(yù)測(cè)性模型主要用于基于數(shù)據(jù)的預(yù)測(cè)（如預(yù)測(cè)學(xué)生成績(jī)或課程通過(guò)情況等）。數(shù)據(jù)源主要來(lái)自網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)數(shù)據(jù)庫(kù)，以及教務(wù)管理平臺(tái)數(shù)據(jù)庫(kù)中的學(xué)生課程考試成績(jī)、個(gè)人信息等數(shù)據(jù)。數(shù)據(jù)預(yù)處理完成后，進(jìn)入教育數(shù)據(jù)挖掘的核心環(huán)節(jié)——選擇挖掘方法分析數(shù)據(jù)并得出結(jié)果。最后，將教育數(shù)據(jù)挖掘的結(jié)果應(yīng)用到網(wǎng)絡(luò)學(xué)習(xí)過(guò)程的監(jiān)管中，學(xué)生進(jìn)行新一輪的網(wǎng)絡(luò)學(xué)習(xí)，產(chǎn)生新的網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)，對(duì)產(chǎn)生的新數(shù)據(jù)繼續(xù)進(jìn)行分析。6. 大數(shù)據(jù)的本質(zhì)特征是什么？大數(shù)據(jù)是指按照一定的組織結(jié)構(gòu)連接起來(lái)的數(shù)據(jù)，是非常簡(jiǎn)單而且直接的事物，但是從現(xiàn)象上分析，大數(shù)據(jù)所呈現(xiàn)出來(lái)的狀態(tài)復(fù)雜多樣，、交織關(guān)聯(lián)的復(fù)雜系 統(tǒng)結(jié)構(gòu)，數(shù)據(jù)是分布在節(jié)點(diǎn)上的構(gòu)成物質(zhì)，數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系是由節(jié)點(diǎn)的位置決定的，而不是由數(shù)據(jù)本身來(lái)決定。(1.)使用所有的數(shù)據(jù) 運(yùn)用用戶(hù)行為觀(guān)察等大數(shù)據(jù)出現(xiàn)前的分析方法，通常是將調(diào)查對(duì)象范圍縮小至幾個(gè)人。而使用大數(shù)據(jù)技術(shù)，能夠通過(guò)發(fā)達(dá)的數(shù)據(jù)抽選和分析技術(shù)，完全可以做到對(duì)所有的數(shù)據(jù)進(jìn)行分析，以提