会计专业基础课和专业课程间的典型相关分析

会计专业基础课和专业课程间的典型相关分析

刘莉莎曹俊何兰周定均严羿鹏

关键词：典型相关分析相关系数典型变量

0引言

大学本科学习阶段的课程一般分为公共基础课、专业基础课、专业课和实训课程。对于管理类会计专业而言，公共基础课一般包括大学英语、高等数学、计算机文化基础、数据库应用等一些自然科学的基础学科；专业基础课一般包括基础会计学、计算技术基础、中级财务会计、初级会计电算化、统计学原理、管理学、金融学等基础学科；专业课则包括成本会计、管理会计、高级财务会计、电算化会计、会计理论等课程。一般而论，基础课同专业课程之间有一定的相关关系，学好基础课对于提高专业课程的成绩具有促进作用、也就是增强实际动手和操作能力以满足社会的需要。虽然利用相关分析法，可以对大学某一门基础课和某一门专业课的关系进行分析，但是相关分析是点对点的分析，只能给出具体的基础课和某门专业课之间线性关系的大小，不能从总体上说明基础课和专业课之间的关系。典型相关分析（1936年由Hotelling开始论述）是研究两组变量之间相关关系的一种统计分析方法，它能够真正反映两组变量之间的相互线性依赖关系川。本文尝试应用典型相关分析法对大学会计专业基础课和专业课的关系进行分析，验证学好基础课对于专业课的学习有促进作用这一广泛认同的观点，并且找出基础课中相对来说最重要的课程是哪些。

1理论依据

典型相关分析(CanonicalCorrelationAnalysis)是研究两组变量间相互关系的统计分析方法。它把每组变量作为整体考虑，比一般的研究单一的变量间的关系以及研究一个变量与多个变量间的关系向前推进了一步。典型相关的基本思想是将两组向量x=（x1，x2，…xp）与y=（y1，y2，…yp）通过线性组合，组合成单个变量z和w。z和w的线性组合可有多个，z1，w1是第一对组合，它们的相关系数记为r1，且为最大，则称z1，w1为第一对典型变量，r1为第一典型相关系数，它可以描述这两组变量之间的相关程度。然后，再作z2和w2的线性组合，使它们之间有次大的相关系数r2。这里z1，w1必须是与z2，w2相独立的线性组合，则称z1，w1为第二对典型变量，称r2为第二典型相关系数。如此进行下去，直到x与y之间的相关性基本提取完毕为止。第一对典型变量提取的相关成分最多，第二对次之，依次类推，最后一对典型变量提取的相关成分最少。实际上，求得的典型变量对数越少越好，最好是第一对典型变量就提取了足够的相关成分。然后在典型变量的基础上分析x与y的相关性。典型相关分析在经济学、生物学、医药卫生及教育统计中都有广泛应用。

2数据收集与处理

选取我校2006级会计本科专业全部100名学生的成绩为例，应用数理统计中的典型相关性分析方法分析该专业所设的基础课对实训课程的相关影响。数据分组、变量名称以及代码为：基础课：高等数学I为x1、高等数学II为x2、计算机文化基础为x3、数据库应用为x4、基础会计学为x5、计算技术训练为x6、微观经济学为x7、管理学为x8、金融学为x9、中级财务学为x10、初级会计电算化为x11、经济学为x12、统计学原理为x13；专业课为：成本会计y1、管理会计y2、高级财务会计y3、财务管理y4、电算化会计y5、会计理论y6。所有数据以EXCEL表格形式录入，再以SPSS15.0软件进行统计计算和分析，结果如下：

2.1基础课程变量之间的相关系数阵：

x1x2x3x4x5x6x7x8x10x11x12x13

x11.0000.5743-.0430.3024.4673.4594.3648.1931.1486.2090.0929.2706

x2.57431.0000-.0198.3630.3714.3779.3340.3387.3105.3319.1456.4853

x3-.0430-.01981.0000.1547.1619.1649.0680.1224-.0375.1192.1203.0819

x4.3024.3630.15471.0000.3708.3727.4950.3434.2611.3350.3934.5616

x5.4673.3714.1619.37081.0000.9902.2743.2385.1551.1991.2567.3377

x6.4594.3779.1649.3727.99021.0000.2829.2353.1662.2124.2510.3496

x7.3648.3340.0680.4950.2743.28291.0000.3584.3210.3575.4496.5314

x8.1931.3387.1224.3434.2385.2353.35841.0000.3329.2795.2126.4983

x9.1486.3105-.0375.2611.1551.1662.3210.33291.0000.2846.3094.5193

x10.1446.2946.1193.7425.3673.3677.4592.2995.2390.2254.3415.5508

x11.2090.3319.1192.3350.1991.2124.3575.2795.28461.0000.3322.4848

x12.0929.1456.1203.3934.2567.2510.4496.2126.3094.33221.0000.5375

x13.2706.4853.0819.5616.3377.3496.5314.4983.5193.4848.53751.0000

2.2专业课程变量之间的相关系数阵：

y1y2y3y4y5y6

y11.0000.3304.4884.4417.4065.1592

y2.33041.0000.6051.4785.4417-.0248

y3.4884.60511.0000.4961.6450-.0364

y4.4417.4785.49611.0000.5055-.0561

y5.4065.4417.6450.50551.0000.0419

y6.1592-.0248-.0364-.0561.04191.0000

2.3基础课程变量与专业课程变量之间的相关系数阵：

y1y2y3y4y5y6

x1.1823.1272.3161.1813.2130-.0564

x2.2962.3435.4047.3476.3485.1068

x3.0993.1112.1663.0388.0468-.0201

x4.4208.5617.5680.4279.5188.1164

x5.3087.3502.4582.2569.1889.0270

x6.3236.3734.4792.2596.2054.0410

x7.5719.4178.5330.4709.4507-.0441

x8.4136.4359.5244.3964.4090-.0288

x9.2127.4445.4525.3142.3399-.0265

x10.5284.4661.4822.3728.4836.1838

x11.2150.4157.5235.2357.4488.0531

x12.2902.4131.5193.4068.4620-.1228

x13.5037.5433.7109.4749.5834.1199

2.4典型相关变量的确定。根据样本数据，得到我校2006级会计专业共100名学生的基础课成绩、专业课成绩2组变量的典型相关系数及检验(表1)。由表1知，第1典型相关系数为0.892，第2典型相关系数为0.493。第1典型变量的相关性显著，而第2典型相关变量统计检验不显著。因此我校2006级会计专业共100名学生的基础课成绩、专业课成绩2组变量指标相关性的研究可转化为研究第1对典型相关变量之间的关系。

采用典型相关变量标准化的系数来建立典型相关模型：来自于我校2006级会计专业共100名学生的基础课成绩的第1典型变量模型为：X1=0.089*x1-0.054*x2+0.004*x3-0.199*x4＋0.981*x5-1.149*x6-0.159*x7-0.241*x8-0.092*x9-0.117*x10-0.149*x11-0.138*x12－0.203*x13。基础会计学（x5）和计算技术基础（x6）2个变量的典型权重最大，说明基础会计学和计算技术基础对会计专业本科生的基础课成绩的影响较大。来自于我校2006级会计专业共100名学生的专业课成绩的第1典型变量模型为：Y1＝－0.230*y1－0.326*y2－0.458*y3－0.065*y4－0.172*y5－0.069*y6。成本会计（y1）、管理会计（y2）和高级财务会计（y3）3个变量的典型权重最大，这两个变量反映了会计从业人员的专业理论水平。

可以看出：成本会计、管理会计和高级财务会计对专业课成绩的影响较大。所以，我们可以得出一个结论：基础会计学和计算技术基础的学习情况对成本会计、管理会计和高级财务会计的成绩影响最大。

3结论

通过对我校2006级会计专业共100名学生的专业基础课成绩、专业课成绩的两组成绩进行典型相关分析，得出如下结论：基础会计学和计算技术基础对会计专业本科生的基础课成绩的影响较大；成本会计、管理会计和高级财务会计对专业课成绩的影响较大。基础会计学和计算技术基础的学习情况对成本会计、管理会计和高级财务会计的成绩影响最大。从上述分析结果可以看出，要搞好专业课程的学习，基础课程的作用不可忽视。考虑到数据的选取的局限性，得到上述分析结果的原因有多方面，如入学成绩相对比较低，基础知识有所欠缺；也有教学手段与方法，师资力量等相应的影响。但总的来说，基础课程是与后继专业课程密切相关的，在高校教育体制改革中，要全面考虑课程设置，内容安排等问题，既要办出专业特色，又要兼顾全面发展，为培养更高素质的人才服务。

参考文献：

[1]王成名，余鑫辉.应用概率统计[M].桂林:广西师范大学出版社.

[2]程光文，李文芳，陈清山.医学生入学成绩与在校成绩间相互关系的典型相关分析[J].数理医药学.2002.15(1):3232－3251.

[3]吴津津，郑海鹰.用统计方法讨论大学一年级课程成绩对后继课程成绩的影响[J].温州师范学院学报.2003.24(5):662－701.

[4]陈建宝，胡光涛，赵志云.大学生成绩比较分析[J].云南大学学报.1995.17(2):132.

[5]陈希孺，倪国熙.数理统计学教程[M].上海:上海科学技术出版社.1988.

作者简介：

刘莉莎（1979.09），女，汉，重庆人，重庆科技学院数理系，讲师，经济学硕士。

曹俊（1975.10），男，汉，湖北枝江人，重庆科技学院管理学院，管理学博士。