美赛大神 发表于 2014-1-24 09:06

去想：下次能不能够碰到一个背景类似的问题直接套用？很遗憾，这种浮于表面的想法无法深入到文章的思想，这样的生搬硬套就会像布包刺猬一样，总还是会扎人的，评委看起来也会刺眼。其实，读论文最能帮助大家提高的办法是：从作者解决这个问题的方法出发，还原回去：他是怎么想到这么做的？换了我能够形成这样正确而可行的思路吗？
比方说，2012年A题葡萄酒评价模型，有篇文章用了回归分析和灰色关联方法对葡萄酒进行了评级，然后比较二者的结果，得出灰色关联的方法更加能够反映理化成分对葡萄酒质量的影响的结论。这就是论文表面上给我们呈现的样子，但是我们就可以多想想以下几个问题：
1. 葡萄酒的理化成分数据是怎么一个结构？作者用了哪些数据处理方法，缺失、异常数据怎么处理的？他为什么要这么处理？如果以后遇到类似的问题，数据分析的时候，有没有好的步骤？
简要来说，这道题的理化指标是一个多变量多对象的二维数据表，存在异常数据用spss验证数据功能予以去除，缺失值用插值方法补充，然后用主成分分析法进行了降维，目的是能够减小变量个数。这样一来，数据分析的一套流程就比较清楚了。
2. 他为什么选取了回归分析和灰色关联方法来建模？遇到这类评价某事物的问题，一共有哪些建模方法？分别能够在什么条件下使用？各有什么特点？
回归分析能够忽略问题机理，只从数据上分析出变量之间的相关关系，进而得出结论；而灰色关联方法能够在机理没有完全摸清的情况下，部分挖掘变量间更深层次的联系，更能够准确地评价葡萄酒的好坏。在评价类问题上，我们还有TOPSIS方法，模糊综合评判等等，各有各的特点和优势，处理的问题类型有较小的差别，大家

frozo 发表于 2014-1-24 10:42

谢谢分享，受益了。

合欢花 发表于 2014-1-24 11:12

谢谢，受益

竹林风声 发表于 2014-1-24 15:11

谢谢楼主！！！

竹林风声 发表于 2014-1-24 15:12

谢谢楼主！！！

竹林风声 发表于 2014-1-24 15:12

谢谢楼主！！！

cherry小期许 发表于 2014-1-26 22:07

为何把国赛帖子拿来说美赛？

winlandiano 发表于 2014-1-26 23:05

好吧我是来刷体力的。。。。。。

老程 发表于 2014-1-27 15:26

谢谢，辛苦啦~

統計也瘋狂 发表于 2014-1-28 22:59

感谢分享啊 ~~~~~
页: 1 2 3 4 5 6 7 [8] 9 10 11 12 13 14 15 16 17
查看完整版本: 【原创】美赛经验谈之三：怎样进行论文阅读