模块

教学内容

思政案例

思政元素

降维方法之一：聚类分析

1) 相似性度量。

2) 系统聚类分析法。

3) K均值聚类分析。

4) 有序样品的聚类分析法。

1) 随着改革开放的深入发展，我国城市经济群快速发展，其背后所代表的聚集经济已经成为推动我国经济社会发展的重要力量。聚集经济效应，又称为：规模经济效应，简称聚集经济，集聚效应、群聚效应等。

2) K均值聚类的核心是通过不断迭代寻找最优的均值中心，从而到达最优的聚类效果。

1) 物以类聚，人以群分，引导学生终生学习和自主学习的意识和能力，能够自我规划、自我管理，学会学习，学会发展，不断缩小与优秀人群的差距。

2) 使学生意识到在目前的大数据时代，应该相信科学，脚踏实地，培养自己执着专注、精益求精、一丝不苟、追求卓越的工匠精神。实现个人精神的锲而不舍、金石可镂。

降维方法之二：主成分分析

1)主成分的几何意义及数学推导。

2) 主成分分析的性质。

3) 主成分方法应用中应注意的问题。

1) 当今国际形势复杂，国际贸易环境乱象丛生，因此我国需要不断提升对外开放水平，加快从贸易大国向贸易强国的转变。为了响应这一号召，促进全国各地外贸水平的发展，各级政府针对各类外贸方面的数据，探究外贸竞争力的影响因素，对各地区的外贸竞争水平进行综合评价，为更好地发展外贸水平给出建议。

2) 随着云计算和大数据技术的逐步成熟，近几年全国各地公安机关结合人工智能技术中的人脸识别深入挖掘与分析案件，优化了现代安全工作效能，取得了很多成功案例，凸显了数据分析在行业中的重要地位。

1) 介绍外贸竞争力的影响因素分析时，强调主成分分析可以在该领域发挥显著的作用，以此进一步激发学生学术报国的家国情怀和使命担当。

2) 人脸识别中的关键技术便是主成分分析与因子分析，在此背景下讲解章节知识背后的原理，更好地使学生认识到要善于抓住问题的主要矛盾和矛盾的主要方面，理论可以应用于实践，同时也要注重量的积累，促成质的飞跃。

降维方法之三：因子分析

1) 因子分析模型。

2) 因子载荷矩阵求解。

3) 公因子重要性的分析。

1) 2020至2022年是全世界抗击新冠肺炎疫情的三年，期间局部地区时有爆发疫情传染事件，部分媒体账号借机杜撰夸大疫情蔓延误导信息，严重干扰政府与社会疫情防控大局，但好在中国政府能够实事求是，及时公布疫情，最终取得抗疫的重大胜利。作为新时代的大学生我们更应该透过现象看本质，不被表象所迷惑。这也是因子分析所蕴含的哲学思想。

2) 课堂上，以近年来不断凸显的大学生就业压力为主题，布置学生以小组为团队，通过问卷调查对我校及周边大学的学生就压力情况和个人未来发展规划进行研究分析，综合运用相关分析、方差分析、因子分析等多种统计学方法研究大学生压力状况和就业规划等影响因素，并分析各因素之间的关系，从而探寻其面临的主要问题及成因，尽可能帮助该群体提供有用的信息及参考建议，也希望能够帮助自己更好的规划自己的未来，平稳步入社会。

3) 邀请证券基金领域从业者对行业发展最新状况作专题报告，通过与学生课堂的互动，将统计领域的先进方法应用于投资实践完整地展现在大家面前，加强沉浸式“大思政课”的交互感。

1) 通过抗疫时期的大量不实谣言的例子讲述，告诫学生要善于抓住事件背后的根本逻辑，理解其中的前因后果，而不是被谣言的表象、影响了判断。这也是因子分析的思维方式。

2)在问卷调环节中，通过小组分工协作，培养团队意识和责任心，能够积极分担责任，发挥出个人在团队中的作用。同时强调学生的动手操作能力、解决实际问题的能力和扎根基层的务实精神。

3) 目前量化投资，量化金融以及量化基金等领域发展迅速，对统计人才的渴望相当强烈。通过面对面与从业者的交流，以此让学生顺应时代与专业发展的需求进行自我规划，树立崇高的人生理想，并为此努力奋斗，实现个人价值。