統計學樣本的概念

前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇統計學樣本的概念范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

統計學樣本的概念范文第1篇

關鍵詞：網絡計量；鏈接分析；流量分析

隨著網絡技術的發展和信息資源的數字化，網絡已成為人們工作生活中不可或缺的工具。然而網絡信息魚龍混雜，給人們獲取高質量的信息帶來了一定的障礙，如何客觀地評價網絡信息成為了研究的熱點之一，并由此引出了一個新的研究領域――網絡計量學。網絡計量學是采用數學、統計學等各種定量研究方法，對網上信息的組織、存儲、分布、傳遞和開發利用等進行定量描述和統計分析的一門學科，其主要研究網站的鏈接指標和流量指標。近年來，我國信息化水平不斷提高，各高校的信息化水平也逐漸成為衡量高校核心競爭力的重要標準之一。而高校的網站建設狀況是其信息化水平的直接反映，運用網絡計量學的方法研究高校網站的建設狀況與其整體實力之間的關系，對于高校網站評價方法的研究及以后高校評價體系中引入網站建設情況都有很大的幫助。

一、研究對象與指標數據

（一）研究對象

為了方便研究，本文選取中國校友會的《2014中國大學評價研究報告》中排名前50的高校為研究對象，研究網站指標與排名得分之間的關系。

（二）研究指標與獲取方法

本文運用網絡計量學中的鏈接指標分析法和網絡流量指標分析法，選取了7個鏈接指標，包括總網頁數、總鏈接數、外鏈接數、內鏈接數、總網絡影響因子、外部網絡影響因子、內部網絡影響因子。流量指標選取Alexa官方網站中關于某網站最新（2014）呈現的流量指標，包括網站的流量排名、網站的蹦失率、網站的平均訪問頁面數、網站的平均訪問時間。

鏈接指標數據通過搜索引擎的高級搜索語言獲取。本文選用必應作為鏈接指標的獲取工具。以北京大學為例，只需在檢索框內輸入表1中的高級檢索式，即可獲取鏈接指標數據。

流量指標是通過Alexa網站（）進行搜集，Alexa網站是美國亞馬遜公司旗下的一個網站，提供網站流量監測和排名，是目前比較權威的第三方流量統計工具。

二、數據的處理與分析

（一）數據的預處理

由于網絡上的信息每天都在不斷地更新，因此搜索引擎在不同時間上獲得的數據不同，為了保證數據一致，本文將所有檢索任務統一在2014年8月10日上午8點至12點之間完成。50所高校中，中國地質大學有北京和武漢兩個分校，兩所分校均具有自己的學校網站，得到兩組鏈接指標數據，為了方便研究，本文剔除中國地質大學樣本。廈門大學、大連理工大學、北京協和醫學院、重慶大學、電子科技大學、南京理工大學的總網頁數小于100，作為排行前50的知名學校，其學校網站的網頁數如此之少，與本文的認知是不相符的，所以將這6所學校剔除。對于總鏈接數，北京師范大學、南開大學、南京農業大學、中國海洋大學的數據都比其他大學高出數個數量級，本文將這幾所大學剔除。外鏈接數是指某網站范圍之外的搜索引擎搜索到的鏈接到該網站的網頁總數，高校網站的外鏈接數小于零是不可能的，因此我們將外鏈接數小于零的學校也剔除。綜上所述，對于特殊數據的處理共剔除了15所高校的數據。

（二）數據的分析與討論

1. 鏈接指標分析

（1）主成分分析

利用spss19對鏈接指標數據做降維因子分析，得到兩個主成分F1、F2，方差分別是75.217%和21.386%，累計方差為96.602%，兩個主成分累計方差超過80%，能夠很好地反映所有信息，因此得到的主成分計算公式和鏈接綜合得分公式如下。

F1=0.1×總網頁數+0.942×總鏈接數+0.968×外連接數+0.885×內鏈接數+0.939×外鏈接網絡影響因子+0.939×內鏈接網絡影響因子+0.939×總鏈接網絡影響因子

F2=0.958×總網頁數+0.291×總鏈接數+0.091×外連接數+0.454×內鏈接數-0.306×外鏈接網絡影響因子-0.306×內鏈接網絡影響因子-0.306×總鏈接網絡影響因子

z鏈接=0.75217×F1+0.21386×F2

（2）相關分析

將各鏈接指標、鏈接總分與網站的排名得分之間進行相關性比較，得到如下結果。

從表2中可以看出，Z鏈接、總網頁數、總鏈接數、外鏈接數、內鏈接數與排名總分之間，在雙側置信度為0.01下顯著相關，說明排名總分越高的學校，實力越強，網站的規模趨于更大，指向網站的鏈接數越多，這與邱均平、段宇峰等的研究結果一致。網絡影響因子與排名總分之間的相關性并沒有得到理想的結果，本文認為其原因有以下兩點：首先，網絡影響因子的提出來源于期刊影響因子，期刊與學術性網站在很多方面的特征相同，但目前國內大學網站主要是介紹性、性的內容，真正純學術性的內容較少，完全照搬期刊影響因子的應用勢必得不到理想的結果；其次，商業搜索引擎的抓取能力有限，無法搜集到全部的鏈接數和網站下所有的網頁數，用平均年每頁的被鏈接率來評價大學網站并不合適。因此，將網絡影響因子作為大學網站測評的指標，還有待探究。

2. 流量指標分析

（1）主成分分析

蹦失率是指用戶瀏覽一個頁面就離開的訪問次數占該入口總訪問次數的比例，蹦出率越高，網頁越不受用戶歡迎。流量排名和蹦失率是兩個“負概念”，流量排名和蹦失率數值越大，網站的質量越差，所以在進行主成分分析前，本文將這兩個負概念轉為“正概念”，得到新的關于流量排名和蹦失率的兩組數據。然后進行主成分分析，得到兩個主成分F1、F2，貢獻率分別為56.409%和27.620%，累計貢獻率為84.029%>80%，F1、F2的成分矩陣如表3所示。

同鏈接指標的主成分分析，根據F1、F2的因子得分，計算出各高校的流量指標綜合得分Z流量。

（2）相關分析

用spearman等級相關數檢驗流量總分、流量排名、蹦失率、平均訪問頁面數、平均訪問時間與排名總分之間的相關性，得到結果如表4所示。

流量總分、流量排名、平均訪問頁面數、平均訪問時間均與排名總分顯著相關，流量指標可以較好地反映大學的綜合實力。其中流量排名與排名總分最相關，且為負相關，即高校的排名得分越高，其Alexa流量排名的值越小（即排名越靠前），因此Alexa流量排名對高校網站的評價具有較高的效率。分析結果顯示，蹦失率與排名總分之間并無顯著相關性，其原因是一些排名靠前的學校網站的蹦失率反而高于排名靠后的學校，用戶喪失嚴重，因此蹦失率高的學校要引起重視，加強網站信息整合，提高網站質量，增強對用戶的吸引度。

3. 鏈接特征與流量特征綜合分析

鏈接指標與流量指標綜合得分均與高校排名得分顯著相關，說明在網站進行測評時鏈接指標分析法和流量指標分析法均具有一定的科學性和可行性。流量指標綜合得分的相關性高于鏈接指標綜合得分，并且流量指標數據是通過Alexa網站，其具有一定的專業性和權威性，而鏈接指標的獲取通過商業搜索引擎，商業搜索引擎有其局限性。因此，從專業性角度來說，流量指標分析法效度高于鏈接指標分析法，而綜合運用兩種方法能夠更加全面地對網站進行評價。

三、結語

大學網站評價與大學綜合實力排名相關，在一定程度上大學網站評價可以作為學校綜合實力評價的輔助和參考。一般情況下，排名越靠前的高校，實力越強，科研水平越高，且由于具有豐富的辦學資源和良好的學校形象，勢必帶來大量的鏈接和用戶流量。就網站評價中鏈接分析法和流量分析法而言，二者均是網站測度的有效方法，流量分析法評價高校網站的效度高于鏈接分析法，但為了使評價結果更全面準確，可以綜合運用兩種方法。

參考文獻：

[1]邱均平，陳敬全.網絡信息計量學及其應用研究[J].情報理論與實踐，2001（03）.

[2]郭亞寧，徐偉.高校網站評價應用研究――以國內15所農林類院校網站為例[J].農業圖書情報學刊，2014（02）.

[3]劉文云，翟羽佳，王文穎.基于鏈接分析法的高校圖書館網站影響力評價研究[J].情報科學，2013（06）.

[4]曹梅.教育網站評價的網絡計量模式初探[J].開放教育研究，2011（05）.

[5]邱均平，張洋.網絡信息計量學綜述[J].高校圖書館工作，2005（01）.

[6]Ingwersen P. The Calculation of Web impact factors[J].Journal of Documentation， 1998（02）.