“商业分析学”课程教学创新策略探析

武止戈 周舟 曾文轩

基金项目：本文系2019年国家自然科学基金项目“考虑尾部风险关联性和逆周期因子的宏观审慎金融监管机制研究”（71973053）、2020年湖南省普通高等学校课程思政建设研究项目“中外合作办学课程思政建设研究”（HNKCSZ-2020-0220）、湖南省教育科学“十三五”规划2019年度资助课题“一流学科建设视角下地方高校中外合作办学融合发展机制与路径研究”（XJK19BBJ002）、2019年湖南省普通高校教学改革研究项目“中外合作办学视域下金融专业产学研融合创新人才培养模式研究”、2018年中南林业科技大学教学改革研究项目“中外合作办学平台金融专业‘课程+课题’学术创新能力培养模式研究”的阶段性研究成果。

作者简介：武止戈（1984-），男，汉族，湖南长沙人，博士研究生，中南林业科技大学班戈学院金融系主任，硕士生导师，研究方向为微观经济学、计量经济学、绿色金融。

摘 要：培养学生问题意识、批判性思维和创新能力是一流本科建设的核心目标。本文基于“商业分析学”课程内容架构和R语言特征，分别从强化经济学基础理论与实证研究联系、指导学生由“已封装”向“预封装”程序学习演进，以及促进课程模块化研学等三方面分析了R语言实证训练模式下的“商业分析学”课程创新教学策略，旨在充分调动学生创新研学的兴趣，提升其分析和解决实际问题的能力。

关键词：R语言;“商业分析学”;实证训练

中图分类号：G4 文献标识码：A doi：10.19311/j.cnki.1672-3198.2022.10.070

0 引言

创新是引领社会发展的第一动力，是建设社会主义现代化经济体系的战略支撐。党的十九届五中全会提出“坚持创新在我国现代化建设全局中的核心地位”，明确“把科技自立自强作为国家发展的战略支撑”。坚持创新发展，建设创新型国家和人力资本强国根基在于深入实施科教兴国战略和人才强国战略。作为建设高等教育强国和实现人力资源强国战略的“压舱石”，一流本科建设的核心目标在于培养学生问题意识、批判性思维和创新能力，为经济社会发展培养具有丰富创造力的一流人才。

高度发达的网络信息技术及其与实体经济的高度融合，产生了爆炸式增长和高度复杂化的数据集合，并广泛应用于政务、零售、医疗、教育、公共治理等经济社会各个领域。人类社会由此步入了以规模性（volume）、多样性（variety）、价值性（value）、高速性（velocity）和准确性（veracity）等5V为特征的大数据时代。据赛迪研究院预计，我国大数据产业规模至2022年将达到10166.6 亿元。在大数据兴起的时代背景下，如何培养学生具备认识现实问题，基于数据挖掘和编程量化分析问题，以及创造性地解决问题的能力，对于促进学生成长成才，实现我国经济社会长足发展，以及推动我国创新型国家建设具有重要深远的意义。

本文基于“商业分析学”课程内容架构和R语言特征，分别从强化经济学基础理论与实证研究联系、指导学生由“已封装”向“预封装”程序学习演进，以及促进课程模块化研学等三方面分析了R语言实证训练模式下的“商业分析学”课程创新教学策略，旨在充分发掘和调动学生参与创新性研究型学习的兴趣，提升其分析和解决实际问题的能力。

1 “商业分析学”课程简介及内容架构

“商业分析学”（Business Analytics）是中南林业科技大学所属中外合作办学机构——班戈学院金融学、会计学本科专业课程体系下一门全面引进自英国班戈大学（Bangor University）的核心专业课。该课程作为后续“统计学方法”（Statistical Methods）和“计量经济学”（Econometrics）等高年级数据实证分析类课程学习的铺垫，以经济学原理为理论基础、以反映经济商业现实场景的统计数据为依据，以应用统计学为实证方法、以解决经济、金融现实商业问题为导向，全面提升学生收集、处理、描述、分析经济商业数据的能力。通过本课程学习，学生将系统掌握经济理论模型构建、数据收集、整理与展示、离散与连续型概率分布计算、样本分布理论、中心极限定理、总体区间估计、假设检验，以及初步回归分析等统计学基础理论与方法（如图1所示）及其在真实经济商业数据分析中的应用（如表1所示）。

作为一门专业知识性强、强调数据实证分析能力的专业基础课程，如何使学生走出貌似枯燥乏味的数学公式“泥沼”，而饶有兴趣的系统掌握统计学基础方法，提升分析实际数据问题的能力？本课程旨在充分利用R语言的特征，以充分调动学生创新性研究型学习的兴趣，提升其分析和解决实际问题的能力。

2 R语言特征

R语言是统计学领域广泛使用的一种用来进行数据探索、统计分析和作图阐释的解释型计算机语言。它具有如下特征。

2.1 R语言具有开源免费属性

相较于其他价格不菲的商业统计类计算机语言，R作为一种开源语言无需支付许可或费用即可使用，因而具有更好地普及性。由于可以不受限制地访问源代码，许多优秀的编程专家可以通过优化软件包，开发新软件包以及解决问题来为R的发展做出贡献。R语言的开源属性有助于师生进行统计学模型方法创新和基于统计学模型的应用创新。

2.2 R语言具有全面的统计分析功能

R语言囊括了线性与非线性建模、时间序列分析、聚类、数据挖掘等数据分析技术在内的运算程序。作为一个可进行交互式数据分析的强大平台，R的设计理念就是支持如图2所示的数据分析方法。分析中的任何一个步骤的结果均可以被轻松保存、操作，并成为下一步分析的输入。并且在R的环境中有超过4800个软件包，涵盖计量经济学、生物信息学、等多个应用主题，有助于便利学生进行实证创新研究。

2.3 R拥有顶尖水准的制图功能

数据可视化是以图形的形式可视化来表示数据。R中有许多工具可以进行复杂的数据可视化分析和展示。使用者在使用时只需要调用合适的绘图函数，并对绘图参数进行相应的设置，就可以得出各类的图形结果。例如，R语言的“ggplot2”扩展包提供了大量绘图组件，用户可以通过简短的代码对数据以散点图（图3）、相关图（图4）等形式进行可视化呈现。

基于R语言所具有的上述优势，将其应用到统计教学实践中，能够辅助学生深入理解计量的基本原理，提升学生定量分析创新能力，解决以抽象概念、公式为主导的教学模式所产生的问题。

3 基于R语言的课程教学创新策略

基于以上R语言的特征及其显著优势，为了推进“商业分析学”课程教学创新，培养学生的创新意识与能力，可以从以下三方面进行改进。

3.1 强化经济学基础理论与实证研究联系

经济学理论是构建在假设（Assumption）基础上反映经济变量之间相互关系的假说（Hypothesis），以及依据假说运用逻辑规则演绎的预测（Prediction）研究。支撑现代经济学理论分析框架的核心就是模型。經济模型的结构和正确应用，对研究观点正确与否、稳健与否发挥着决定性的作用。经济学模型包括描述性模型和数量化模型。尽管不可否认前者的存在性，如科斯定理等，但后者是现代经济学模型公认的主流，因为其优势在于能够容易检验结论的逻辑结构和稳健性。

数量化模型分为数理模型（Theoretical Model）和计量经济模型（Econometric Model）。数理模型基于较为简单的现实假设，通过数学模型计算推导，得出有助于人们理解经济现实的结论，是现代经济学基础理论的主要表现形式，如微观经济学领域的消费者抉择理论、寡头博弈理论等，宏观经济学领域的总供给-总需求模型、菲利普斯曲线、蒙代尔弗莱明模型等，以及金融学领域的资本资产定价模型（CAPM）、期权定价模型等。计量经济模型则是结合经济学和统计学理论对经济现象进行实证定量研究的方法，如线性与非线性回归模型、工具变量模型、时间序列模型、空间计量经济模型等。

为培养学生的创新意识和能力，应该使数理模型与实证计量经济模型更加紧密联系。在“商业分析学”课程内容中，可以尝试将每一章节的统计学和计量经济学方法与微、宏观经济学、金融经济学等经济学数理基础内容紧密衔接（如表1所示），即组织学生搜集相关数据，并借助统计学和计量经济学模型对数理模型进行实证检验。这样一方面使“商业分析学”课程中所教授的方法不至于空泛，使学生对本课程学习更有兴趣，另一方面也使包括微、宏观经济学、金融学等在内的课程理论基础内容得到充分应用。例如，金融学领域的有效市场假说（efficient market hypothesis）认为，大宗商品交易市场最近月期货合约价格（nearby futures price）应与现货价格（spot price）趋同。那么在“商业分析学”课程中，我们可通过引入以上数据，借助R语言平台进行简单线性回归分析并检验二者线性关系是否显著。在此基础上，我们可以进一步对所学知识进行延展，介绍单位根检验（unit root test）和恩格尔-格兰杰协整检验（Engle-Granger cointegration test），让学有余力的同学对此进行更为深入的研究。

3.2 指导学生由“封装”向“预封装”程序学习演进

在面向对象编程过程中，封装程序（canned package）是将对象运行所需的资源封装在程序对象中，使软件使用者“无需了解具体如何做的，只要做即可（just do it）”。R语言中的封装程序包括一般性的函数（function）和程序包（R package）。一般性函数通常只执行和实现某个单一具体功能，而程序包则包含了若干个函数，以实现某一系列相关功能。一般性函数的具体实例包括将普通数值型数据转换成时间序列数据的“ts”，计算标准差的“sd”，以及将excel数据导入R的“read.csv”等。而程序包的具体实例包括用于进行时间序列单位根和协整检验计算的“urca”，用于执行工具变量估计运算的“ivtools”，以及用于执行广义矩估计运算的“gmm”等。

封装程序的优势在于R使用者可以规避较为复杂繁琐的编程过程，借助成熟的函数执行计量程序运算并获取实证研究结果。但伴随的缺点在于R使用者在运行封装程序过程中并没有深刻掌握相关实证研究方法的内在机理和逻辑，同时，使用者在封装程序选择上非常受限于现有的函数和程序包，倘若前沿实证研究方法尚无人制作成函数或程序包，则陷入受制于人的被动境地，因而极容易被实证研究方法“卡脖子”。此外，顶级的学术期刊越来越强调在研究视角创新的基础上加强研究方法的创新，因而仅仅满足与封装程序的使用者将会逐步面临实证研究水平提升的瓶颈。

为此，越来越多的海内外名校在统计学和计量经济学实证方法类课程上强调预封装（pre-canned）程序的学习和实践。例如，在数据分析过程中，R语言没有特定的函数进行众数（mode）的计算，我们可以在理解消化众数概念的基础上进行编程，自行创建关于众数求解的函数：

再例如，我们用学生的学习时长（hour）对学习成绩（score）进行简单线性回归估计。我们分别定义学生的学习时长和学习成绩为：

我们可用R语言自带的线性回归函数lm（）进行回归运算，并得出相应结果：

为了更好地理解线性回归所涉及的矩阵运算，我们也可以根据简单线性回归的矩阵运算结构，尝试创建预封装程序，并应该得到相同的回归估计结果：

这种由“封装”向“预封装”编程的演进学习，看似是一种“倒退”，但实则是以退为进，从学习统计学和计量经济学基础原理的角度是一种显著的进步和深化。

3.3 促进课程模块化研学

模块化教学出现于20世纪60年代，是一种以基础教学与实践技能培训为核心，具有个性化、针对性、灵活性等优势的教学新模式。模块化教学的以上优势主要体现在可根据教学目标与知识体系将教学内容进行重组，使其成为若干独立且相互关联的教学模块，并可以根据教学与培养目标，挑选匹配的教学模块组成新的教学体系，以便引导学生高效完成预定的学习任务。

为了解决理论与实践相脱节的问题，在“商业分析学”课程教学中，本文提出基于R语言的科研写作驱动式的模块化教学法，将理论课（64学时）和实验课（8 学时）的 72 学时紧密结合，实现理论与实践的无缝对接。该模块化教学方法在保留原有课程知识系统完整性的基础上，重构教学内容，将原有课程知识贯穿到模块化教学中。根据科研论文写作构成和学生分工的不同， 将教学内容分为六大模块，分别为问题导向模块、文献综述模块、理论分析模块、R程序编写模块、回归分析模块和可视化创新模块。从调动学生兴趣的角度出发，按照从易到难、从简单到复杂的顺序设定研究主题，细化每个模块的任务分配，将课程基础知识点贯穿于全过程。这既有利于学生团队协作能力的培养，也能很好的促进学术创新潜质的发掘。

4 基于R语言的“商业分析学”课程教学创新的思考与建议

4.1 加强高水平师资配备

第一，要针对“商业分析学”课程特点，配置具备统计数据分析能力的教师，要求其熟练掌握Python、Stata或R语言，且具备科研能力和探索精神。第二，定期组织教师进行教学能力培训，进一步提升其指导学生进行数据分析的能力。第三，将科研内容融入课堂。鼓励教师开展科研项目并结合其项目开展问题导向性的探索式教学。在此过程中，教师应当尊重学生的个体差异，激发学生独创能力，注重学生对科研方法的掌握。学校也应对教师培养学生取得的创新成果实行奖励机制并纳入考核。第四，积极邀请学术界或金融机构的权威专家来校开展讲座，让学生更进一步了解R语言在商業经济中的作用。

4.2 夯实公共基础课程教学

由于计量经济学要求学生具有良好的数学素养，首先应该夯实学生的数学基础。目前，大部分学生仅仅重视对数学理论定义的机械记忆，却忽视对基础理论的推导，从而导致对数学概念一知半解，这使得学生在遇到实际经济问题时难以灵活运用。因此，在高等数学等数学基础课程教学过程中教师应注重推导过程的讲解。为实现该目的，教师可借助R、Stata等语言进行数据可视化教学以提高学生的学习兴趣，加深学生对数学基础概念的理解，如将中心极限定理、大数定律、区间估计等可视化。同时，在计算机课程学习过程中应该注重与经济学专业的衔接。目前，我院计算机基础课程涉及了Python语言的学习，在教学中应鼓励学生结合实际经济数据运用Python语言进行处理，为之后Stata、R等语言的学习奠定基础。此外，由于编程语言代码的拼写以英语为基础，应强化学生的英语学习以助力后期的编程学习。

4.3 强化经济学理论基础学习

由于“商业分析学”课程的实证分析研究以微、宏观经济学原理为基础，所以应强化理论基础学习。第一，可加强各经济学基础课程间的联系。课程知识间相互融通有助于学生经济学理论框架的构建和系统化认知。第二，应增加研究式教学和体验式教学比重，提高学生的学习兴趣。在理论知识学习的基础上，应引入前沿商业案例作为教学补充，让学生针对案例进行数据搜集、分析和建模，这一方面能提高学生对理论知识的掌握程度，另一方面让学生感受到课程的实用性从而提高学习热情。第三，考核方式应更加注重应用能力。通过撰写论文分析商业现象的方式考察学生的创新能力。第四，加强课程模块化学习。金融学专业毕业生多就业于银行、证券、企业等部门。应根据未来实际就业需求，结合R语言的学习特点，将课程内容模块化，培养学生的批判性思维、解决问题能力以及创新能力。

4.4 完善高校数据库和文献资源建设

高校图书馆数据库和文献信息资源建设是“十四五”规划中重要组成部分。此外商业分析课程的研究学习也要求学校配备相应的数据资源。第一，进行需求导向型资源建设。结合高校专业和课程设置情况合理配置相关数据资料。同时通过问卷调查、大数据分析的方式了解学生和教师的需求，并针对需求高低分批次完善配置。第二，建立特色数据库，并及时更新维护。结合大数据整合平台，来主动建设有内在逻辑、完善、实用的数据库。目前清华大学、北京大学、复旦大学等国内知名高校，在拥有超过 200 个中、外文数据库的同时，建设了数十个涵盖教育教学、科研学术、社会人文等不同领域的特色数据库。数据库的建立包括数据输入、数据存储、交互板块等，这要求高技术人才的引进。此外在维护更新方面也要求一定的资金和人才投入。第三，购买商业数据库平台。考虑到自主研发建立数据库的难度和成本较大，高校也可以选择引入已有的商业数据库，让学生老师更加便捷地查询。包括针对经济学的万得（wind）、国泰安（CSMAR）、中国经济金融（CCER）、同花顺数据库等。同时，完善电子图书馆建立，对数据库进行模块化管理。

4.5 搭建R语言在线教育的桥梁

R语言的学习离不开实际操作，而面授形式难以测试学生的实操能力。在线教育平台则可以弥补传统面授的局限性，以学生为主体，培养学生自主学习能力，真正做到教学相长。首先，可以借助学习通、智慧树、Coursera等平台发布并上传R语言程序作业，由平台批改或建立学生互评系统，提高教学效率的同时也能保证教学质量。其次，应该在平台上传不同研究方向的R语言扩展学习书籍、案例及资料，以便学生根据自身兴趣进行选择，提高学生自主学习兴趣。如数据可视化、应用统计学、人工智能科学等方向。同时，根据学生的学习能力将补充内容按难度划分高、中、低三个等级，学生根据自身学习情况选择，做到因材施教、个性化教学。此外，可以开展“商业分析学”的第二课堂教学，鼓励学生自主进行商业分析学的项目研究，由学生自选课题，独立构建研究框架。

参考文献

[1]李硕豪.论一流本科教育的基本特征[J].中国高教研究，2018，（7）：12-16.

[2]尹勤，黄宝凤.大数据时代应用统计人才能力需求与教改探索[J].大学教育，2019，（6）：157-159.

[3]张敏.基于大数据的会计专业学生创新能力个性化培养研究[J].营销界，2020，（44）：25-26.

[4]刘守鹏，王娟娟.基于大数据时代高职学生创新创业能力培养问题分析[J].现代职业教育，2020，（50）：138-139.

[5]于晓华.如何正确运用计量经济模型进行实证分析-实证分析中的数据、模型与参数[J].农业技术经济，2014，（7）：4-16.

[6]张郢峰，张瑞鹏.“互联网+”背景下高职化工技术类课程教学改革研究[J].广州化工，2018，46（14）：111-112.

[7]宋蓓.大学物理实验课程专业模块化教学探索[J].造纸装备及材料，2021，50（01）：135-136+157.

[8]王德青，王新宇，李凯风，等.《高级计量经济学》研究性教与学的实施策略探索[J].教育现代化，2019，6（26）：133-137.

[9]李丽洁，潘伟权，尹誉铭，等.基于R语言的概率论可视化教学方法[J].中阿科技论坛（中英阿文），2020，（07）：158-160.

[10]罗先尧.“互联网+”背景下计量经济学实践教学改革研究[J].中国农村教育，2020，（02）：18+20.

[11]乔慧琴.读者需求导向下的高校图书馆文献资源建设策略探讨[J].办公室业务，2020，（23）：171-172.

[12]蒋梅.高校图书馆数字资源建设与馆配转型[J].合肥学院学报（综合版），2021，38（01）：125-130.