“商業分析學”課程教學創新策略探析

武止戈 周舟 曾文軒

基金項目：本文系2019年國家自然科學基金項目“考慮尾部風險關聯性和逆周期因子的宏觀審慎金融監管機制研究”（71973053）、2020年湖南省普通高等學校課程思政建設研究項目“中外合作辦學課程思政建設研究”（HNKCSZ-2020-0220）、湖南省教育科學“十三五”規劃2019年度資助課題“一流學科建設視角下地方高校中外合作辦學融合發展機制與路徑研究”（XJK19BBJ002）、2019年湖南省普通高校教學改革研究項目“中外合作辦學視域下金融專業產學研融合創新人才培養模式研究”、2018年中南林業科技大學教學改革研究項目“中外合作辦學平臺金融專業‘課程+課題’學術創新能力培養模式研究”的階段性研究成果。

作者簡介：武止戈（1984-），男，漢族，湖南長沙人，博士研究生，中南林業科技大學班戈學院金融系主任，碩士生導師，研究方向為微觀經濟學、計量經濟學、綠色金融。

摘 要：培養學生問題意識、批判性思維和創新能力是一流本科建設的核心目標。本文基于“商業分析學”課程內容架構和R語言特征，分別從強化經濟學基礎理論與實證研究聯系、指導學生由“已封裝”向“預封裝”程序學習演進，以及促進課程模塊化研學等三方面分析了R語言實證訓練模式下的“商業分析學”課程創新教學策略，旨在充分調動學生創新研學的興趣，提升其分析和解決實際問題的能力。

關鍵詞：R語言;“商業分析學”;實證訓練

中圖分類號：G4 文獻標識碼：A doi：10.19311/j.cnki.1672-3198.2022.10.070

0 引言

創新是引領社會發展的第一動力，是建設社會主義現代化經濟體系的戰略支撐。黨的十九屆五中全會提出“堅持創新在我國現代化建設全局中的核心地位”，明確“把科技自立自強作為國家發展的戰略支撐”。堅持創新發展，建設創新型國家和人力資本強國根基在于深入實施科教興國戰略和人才強國戰略。作為建設高等教育強國和實現人力資源強國戰略的“壓艙石”，一流本科建設的核心目標在于培養學生問題意識、批判性思維和創新能力，為經濟社會發展培養具有豐富創造力的一流人才。

高度發達的網絡信息技術及其與實體經濟的高度融合，產生了爆炸式增長和高度復雜化的數據集合，并廣泛應用于政務、零售、醫療、教育、公共治理等經濟社會各個領域。人類社會由此步入了以規模性（volume）、多樣性（variety）、價值性（value）、高速性（velocity）和準確性（veracity）等5V為特征的大數據時代。據賽迪研究院預計，我國大數據產業規模至2022年將達到10166.6 億元。在大數據興起的時代背景下，如何培養學生具備認識現實問題，基于數據挖掘和編程量化分析問題，以及創造性地解決問題的能力，對于促進學生成長成才，實現我國經濟社會長足發展，以及推動我國創新型國家建設具有重要深遠的意義。

本文基于“商業分析學”課程內容架構和R語言特征，分別從強化經濟學基礎理論與實證研究聯系、指導學生由“已封裝”向“預封裝”程序學習演進，以及促進課程模塊化研學等三方面分析了R語言實證訓練模式下的“商業分析學”課程創新教學策略，旨在充分發掘和調動學生參與創新性研究型學習的興趣，提升其分析和解決實際問題的能力。

1 “商業分析學”課程簡介及內容架構

“商業分析學”（Business Analytics）是中南林業科技大學所屬中外合作辦學機構——班戈學院金融學、會計學本科專業課程體系下一門全面引進自英國班戈大學（Bangor University）的核心專業課。該課程作為后續“統計學方法”（Statistical Methods）和“計量經濟學”（Econometrics）等高年級數據實證分析類課程學習的鋪墊，以經濟學原理為理論基礎、以反映經濟商業現實場景的統計數據為依據，以應用統計學為實證方法、以解決經濟、金融現實商業問題為導向，全面提升學生收集、處理、描述、分析經濟商業數據的能力。通過本課程學習，學生將系統掌握經濟理論模型構建、數據收集、整理與展示、離散與連續型概率分布計算、樣本分布理論、中心極限定理、總體區間估計、假設檢驗，以及初步回歸分析等統計學基礎理論與方法（如圖1所示）及其在真實經濟商業數據分析中的應用（如表1所示）。

作為一門專業知識性強、強調數據實證分析能力的專業基礎課程，如何使學生走出貌似枯燥乏味的數學公式“泥沼”，而饒有興趣的系統掌握統計學基礎方法，提升分析實際數據問題的能力？本課程旨在充分利用R語言的特征，以充分調動學生創新性研究型學習的興趣，提升其分析和解決實際問題的能力。

2 R語言特征

R語言是統計學領域廣泛使用的一種用來進行數據探索、統計分析和作圖闡釋的解釋型計算機語言。它具有如下特征。

2.1 R語言具有開源免費屬性

相較于其他價格不菲的商業統計類計算機語言，R作為一種開源語言無需支付許可或費用即可使用，因而具有更好地普及性。由于可以不受限制地訪問源代碼，許多優秀的編程專家可以通過優化軟件包，開發新軟件包以及解決問題來為R的發展做出貢獻。R語言的開源屬性有助于師生進行統計學模型方法創新和基于統計學模型的應用創新。

2.2 R語言具有全面的統計分析功能

R語言囊括了線性與非線性建模、時間序列分析、聚類、數據挖掘等數據分析技術在內的運算程序。作為一個可進行交互式數據分析的強大平臺，R的設計理念就是支持如圖2所示的數據分析方法。分析中的任何一個步驟的結果均可以被輕松保存、操作，并成為下一步分析的輸入。并且在R的環境中有超過4800個軟件包，涵蓋計量經濟學、生物信息學、等多個應用主題，有助于便利學生進行實證創新研究。

2.3 R擁有頂尖水準的制圖功能

數據可視化是以圖形的形式可視化來表示數據。R中有許多工具可以進行復雜的數據可視化分析和展示。使用者在使用時只需要調用合適的繪圖函數，并對繪圖參數進行相應的設置，就可以得出各類的圖形結果。例如，R語言的“ggplot2”擴展包提供了大量繪圖組件，用戶可以通過簡短的代碼對數據以散點圖（圖3）、相關圖（圖4）等形式進行可視化呈現。

基于R語言所具有的上述優勢，將其應用到統計教學實踐中，能夠輔助學生深入理解計量的基本原理，提升學生定量分析創新能力，解決以抽象概念、公式為主導的教學模式所產生的問題。

3 基于R語言的課程教學創新策略

基于以上R語言的特征及其顯著優勢，為了推進“商業分析學”課程教學創新，培養學生的創新意識與能力，可以從以下三方面進行改進。

3.1 強化經濟學基礎理論與實證研究聯系

經濟學理論是構建在假設（Assumption）基礎上反映經濟變量之間相互關系的假說（Hypothesis），以及依據假說運用邏輯規則演繹的預測（Prediction）研究。支撐現代經濟學理論分析框架的核心就是模型。經濟模型的結構和正確應用，對研究觀點正確與否、穩健與否發揮著決定性的作用。經濟學模型包括描述性模型和數量化模型。盡管不可否認前者的存在性，如科斯定理等，但后者是現代經濟學模型公認的主流，因為其優勢在于能夠容易檢驗結論的邏輯結構和穩健性。

數量化模型分為數理模型（Theoretical Model）和計量經濟模型（Econometric Model）。數理模型基于較為簡單的現實假設，通過數學模型計算推導，得出有助于人們理解經濟現實的結論，是現代經濟學基礎理論的主要表現形式，如微觀經濟學領域的消費者抉擇理論、寡頭博弈理論等，宏觀經濟學領域的總供給-總需求模型、菲利普斯曲線、蒙代爾弗萊明模型等，以及金融學領域的資本資產定價模型（CAPM）、期權定價模型等。計量經濟模型則是結合經濟學和統計學理論對經濟現象進行實證定量研究的方法，如線性與非線性回歸模型、工具變量模型、時間序列模型、空間計量經濟模型等。

為培養學生的創新意識和能力，應該使數理模型與實證計量經濟模型更加緊密聯系。在“商業分析學”課程內容中，可以嘗試將每一章節的統計學和計量經濟學方法與微、宏觀經濟學、金融經濟學等經濟學數理基礎內容緊密銜接（如表1所示），即組織學生搜集相關數據，并借助統計學和計量經濟學模型對數理模型進行實證檢驗。這樣一方面使“商業分析學”課程中所教授的方法不至于空泛，使學生對本課程學習更有興趣，另一方面也使包括微、宏觀經濟學、金融學等在內的課程理論基礎內容得到充分應用。例如，金融學領域的有效市場假說（efficient market hypothesis）認為，大宗商品交易市場最近月期貨合約價格（nearby futures price）應與現貨價格（spot price）趨同。那么在“商業分析學”課程中，我們可通過引入以上數據，借助R語言平臺進行簡單線性回歸分析并檢驗二者線性關系是否顯著。在此基礎上，我們可以進一步對所學知識進行延展，介紹單位根檢驗（unit root test）和恩格爾-格蘭杰協整檢驗（Engle-Granger cointegration test），讓學有余力的同學對此進行更為深入的研究。

3.2 指導學生由“封裝”向“預封裝”程序學習演進

在面向對象編程過程中，封裝程序（canned package）是將對象運行所需的資源封裝在程序對象中，使軟件使用者“無需了解具體如何做的，只要做即可（just do it）”。R語言中的封裝程序包括一般性的函數（function）和程序包（R package）。一般性函數通常只執行和實現某個單一具體功能，而程序包則包含了若干個函數，以實現某一系列相關功能。一般性函數的具體實例包括將普通數值型數據轉換成時間序列數據的“ts”，計算標準差的“sd”，以及將excel數據導入R的“read.csv”等。而程序包的具體實例包括用于進行時間序列單位根和協整檢驗計算的“urca”，用于執行工具變量估計運算的“ivtools”，以及用于執行廣義矩估計運算的“gmm”等。

封裝程序的優勢在于R使用者可以規避較為復雜繁瑣的編程過程，借助成熟的函數執行計量程序運算并獲取實證研究結果。但伴隨的缺點在于R使用者在運行封裝程序過程中并沒有深刻掌握相關實證研究方法的內在機理和邏輯，同時，使用者在封裝程序選擇上非常受限于現有的函數和程序包，倘若前沿實證研究方法尚無人制作成函數或程序包，則陷入受制于人的被動境地，因而極容易被實證研究方法“卡脖子”。此外，頂級的學術期刊越來越強調在研究視角創新的基礎上加強研究方法的創新，因而僅僅滿足與封裝程序的使用者將會逐步面臨實證研究水平提升的瓶頸。

為此，越來越多的海內外名校在統計學和計量經濟學實證方法類課程上強調預封裝（pre-canned）程序的學習和實踐。例如，在數據分析過程中，R語言沒有特定的函數進行眾數（mode）的計算，我們可以在理解消化眾數概念的基礎上進行編程，自行創建關于眾數求解的函數：

再例如，我們用學生的學習時長（hour）對學習成績（score）進行簡單線性回歸估計。我們分別定義學生的學習時長和學習成績為：

我們可用R語言自帶的線性回歸函數lm（）進行回歸運算，并得出相應結果：

為了更好地理解線性回歸所涉及的矩陣運算，我們也可以根據簡單線性回歸的矩陣運算結構，嘗試創建預封裝程序，并應該得到相同的回歸估計結果：

這種由“封裝”向“預封裝”編程的演進學習，看似是一種“倒退”，但實則是以退為進，從學習統計學和計量經濟學基礎原理的角度是一種顯著的進步和深化。

3.3 促進課程模塊化研學

模塊化教學出現于20世紀60年代，是一種以基礎教學與實踐技能培訓為核心，具有個性化、針對性、靈活性等優勢的教學新模式。模塊化教學的以上優勢主要體現在可根據教學目標與知識體系將教學內容進行重組，使其成為若干獨立且相互關聯的教學模塊，并可以根據教學與培養目標，挑選匹配的教學模塊組成新的教學體系，以便引導學生高效完成預定的學習任務。

為了解決理論與實踐相脫節的問題，在“商業分析學”課程教學中，本文提出基于R語言的科研寫作驅動式的模塊化教學法，將理論課（64學時）和實驗課（8 學時）的 72 學時緊密結合，實現理論與實踐的無縫對接。該模塊化教學方法在保留原有課程知識系統完整性的基礎上，重構教學內容，將原有課程知識貫穿到模塊化教學中。根據科研論文寫作構成和學生分工的不同， 將教學內容分為六大模塊，分別為問題導向模塊、文獻綜述模塊、理論分析模塊、R程序編寫模塊、回歸分析模塊和可視化創新模塊。從調動學生興趣的角度出發，按照從易到難、從簡單到復雜的順序設定研究主題，細化每個模塊的任務分配，將課程基礎知識點貫穿于全過程。這既有利于學生團隊協作能力的培養，也能很好的促進學術創新潛質的發掘。

4 基于R語言的“商業分析學”課程教學創新的思考與建議

4.1 加強高水平師資配備

第一，要針對“商業分析學”課程特點，配置具備統計數據分析能力的教師，要求其熟練掌握Python、Stata或R語言，且具備科研能力和探索精神。第二，定期組織教師進行教學能力培訓，進一步提升其指導學生進行數據分析的能力。第三，將科研內容融入課堂。鼓勵教師開展科研項目并結合其項目開展問題導向性的探索式教學。在此過程中，教師應當尊重學生的個體差異，激發學生獨創能力，注重學生對科研方法的掌握。學校也應對教師培養學生取得的創新成果實行獎勵機制并納入考核。第四，積極邀請學術界或金融機構的權威專家來校開展講座，讓學生更進一步了解R語言在商業經濟中的作用。

4.2 夯實公共基礎課程教學

由于計量經濟學要求學生具有良好的數學素養，首先應該夯實學生的數學基礎。目前，大部分學生僅僅重視對數學理論定義的機械記憶，卻忽視對基礎理論的推導，從而導致對數學概念一知半解，這使得學生在遇到實際經濟問題時難以靈活運用。因此，在高等數學等數學基礎課程教學過程中教師應注重推導過程的講解。為實現該目的，教師可借助R、Stata等語言進行數據可視化教學以提高學生的學習興趣，加深學生對數學基礎概念的理解，如將中心極限定理、大數定律、區間估計等可視化。同時，在計算機課程學習過程中應該注重與經濟學專業的銜接。目前，我院計算機基礎課程涉及了Python語言的學習，在教學中應鼓勵學生結合實際經濟數據運用Python語言進行處理，為之后Stata、R等語言的學習奠定基礎。此外，由于編程語言代碼的拼寫以英語為基礎，應強化學生的英語學習以助力后期的編程學習。

4.3 強化經濟學理論基礎學習

由于“商業分析學”課程的實證分析研究以微、宏觀經濟學原理為基礎，所以應強化理論基礎學習。第一，可加強各經濟學基礎課程間的聯系。課程知識間相互融通有助于學生經濟學理論框架的構建和系統化認知。第二，應增加研究式教學和體驗式教學比重，提高學生的學習興趣。在理論知識學習的基礎上，應引入前沿商業案例作為教學補充，讓學生針對案例進行數據搜集、分析和建模，這一方面能提高學生對理論知識的掌握程度，另一方面讓學生感受到課程的實用性從而提高學習熱情。第三，考核方式應更加注重應用能力。通過撰寫論文分析商業現象的方式考察學生的創新能力。第四，加強課程模塊化學習。金融學專業畢業生多就業于銀行、證券、企業等部門。應根據未來實際就業需求，結合R語言的學習特點，將課程內容模塊化，培養學生的批判性思維、解決問題能力以及創新能力。

4.4 完善高校數據庫和文獻資源建設

高校圖書館數據庫和文獻信息資源建設是“十四五”規劃中重要組成部分。此外商業分析課程的研究學習也要求學校配備相應的數據資源。第一，進行需求導向型資源建設。結合高校專業和課程設置情況合理配置相關數據資料。同時通過問卷調查、大數據分析的方式了解學生和教師的需求，并針對需求高低分批次完善配置。第二，建立特色數據庫，并及時更新維護。結合大數據整合平臺，來主動建設有內在邏輯、完善、實用的數據庫。目前清華大學、北京大學、復旦大學等國內知名高校，在擁有超過 200 個中、外文數據庫的同時，建設了數十個涵蓋教育教學、科研學術、社會人文等不同領域的特色數據庫。數據庫的建立包括數據輸入、數據存儲、交互板塊等，這要求高技術人才的引進。此外在維護更新方面也要求一定的資金和人才投入。第三，購買商業數據庫平臺。考慮到自主研發建立數據庫的難度和成本較大，高校也可以選擇引入已有的商業數據庫，讓學生老師更加便捷地查詢。包括針對經濟學的萬得（wind）、國泰安（CSMAR）、中國經濟金融（CCER）、同花順數據庫等。同時，完善電子圖書館建立，對數據庫進行模塊化管理。

4.5 搭建R語言在線教育的橋梁

R語言的學習離不開實際操作，而面授形式難以測試學生的實操能力。在線教育平臺則可以彌補傳統面授的局限性，以學生為主體，培養學生自主學習能力，真正做到教學相長。首先，可以借助學習通、智慧樹、Coursera等平臺發布并上傳R語言程序作業，由平臺批改或建立學生互評系統，提高教學效率的同時也能保證教學質量。其次，應該在平臺上傳不同研究方向的R語言擴展學習書籍、案例及資料，以便學生根據自身興趣進行選擇，提高學生自主學習興趣。如數據可視化、應用統計學、人工智能科學等方向。同時，根據學生的學習能力將補充內容按難度劃分高、中、低三個等級，學生根據自身學習情況選擇，做到因材施教、個性化教學。此外，可以開展“商業分析學”的第二課堂教學，鼓勵學生自主進行商業分析學的項目研究，由學生自選課題，獨立構建研究框架。

參考文獻

[1]李碩豪.論一流本科教育的基本特征[J].中國高教研究，2018，（7）：12-16.

[2]尹勤，黃寶鳳.大數據時代應用統計人才能力需求與教改探索[J].大學教育，2019，（6）：157-159.

[3]張敏.基于大數據的會計專業學生創新能力個性化培養研究[J].營銷界，2020，（44）：25-26.

[4]劉守鵬，王娟娟.基于大數據時代高職學生創新創業能力培養問題分析[J].現代職業教育，2020，（50）：138-139.

[5]于曉華.如何正確運用計量經濟模型進行實證分析-實證分析中的數據、模型與參數[J].農業技術經濟，2014，（7）：4-16.

[6]張郢峰，張瑞鵬.“互聯網+”背景下高職化工技術類課程教學改革研究[J].廣州化工，2018，46（14）：111-112.

[7]宋蓓.大學物理實驗課程專業模塊化教學探索[J].造紙裝備及材料，2021，50（01）：135-136+157.

[8]王德青，王新宇，李凱風，等.《高級計量經濟學》研究性教與學的實施策略探索[J].教育現代化，2019，6（26）：133-137.

[9]李麗潔，潘偉權，尹譽銘，等.基于R語言的概率論可視化教學方法[J].中阿科技論壇（中英阿文），2020，（07）：158-160.

[10]羅先堯.“互聯網+”背景下計量經濟學實踐教學改革研究[J].中國農村教育，2020，（02）：18+20.

[11]喬慧琴.讀者需求導向下的高校圖書館文獻資源建設策略探討[J].辦公室業務，2020，（23）：171-172.

[12]蔣梅.高校圖書館數字資源建設與館配轉型[J].合肥學院學報（綜合版），2021，38（01）：125-130.