讀《曹劌論戰》心得體會（精選3篇）

讀《曹劌論戰》心得體會 篇1

1、肉食者鄙，未能遠謀。爲什麼“肉食者” 就“ 鄙”?因爲“肉食者”生活安逸，太過安逸的生活會使人身體懶散而精神懈怠。而衣食無憂，更是縱情享樂，無危無患，然後不思進取。自然，就會“鄙”，也就是目光短淺。改革開放以來，追求物質生活成爲所有的人生追求，而思想上的學習，都停留在形式上，只要是紙上有東西、單位有學習檔案就行了，結果還是過度地追求物質生活。有權者用權，有勢者用勢、有名者用名，有臉者用臉，有拳者用拳，有些人不擇手段地斂財，什麼也沒有的還可以用不要臉，結果是如何，用盡招數的得逞者都成了“肉食者鄙”，想必也“未能遠謀”。

2、公曰：“小大之獄，雖不能察，必以情。”對曰：“忠之屬也，可以一戰。”莊公說：“對於大大小小的訴訟案件，我雖不能一一明察，一定誠心誠意來處理。”曹劌回答說：“這是忠於職守的一種表現，可以憑這個條件打一仗。”現在某些司法不公現象或多或少地影響人民對政府的信任，法律有時候被羣衆認爲是：對老百姓，確實是法律，對權勢者或是肉食者，確實又不是法律。毛澤東講，人民羣衆是歷史發展的真正動力，他在新中國成立大會上呼喊過“人民萬歲!”，他是真切地感受到人民偉力的偉人。人心向背是取決於政治與戰爭勝負的首要條件，曹劌“取信於民”的戰略思想在今天依然不會過時，是真理無疑，是值得現代人特別是黨政幹部學習的。

讀《曹劌論戰》心得體會 篇2

春秋初期，齊桓公藉口魯國曾經幫助過同自己爭做國君的公子糾，出兵進攻魯國。曹劌向魯莊公獻策，並在長勺之戰中幫助魯莊公採取正確的戰略，終使魯國戰勝強大的齊國。這一戰役，成爲以弱勝強的著名範例。

後世的評價文章多爲讚頌曹劌自薦的精神，取信於民的戰略思想，把握戰機的卓越才能，而魯莊公則歷來被當作“肉食者鄙，未能遠謀”的典型。我在這裏卻想爲他“翻案”。

首先，魯莊公能廣開言路，並且對曹劌“肉食者鄙”的批評和“小惠”、“小信”的刺耳意見，仍能虛懷若谷，便一介野民曹劌得以論戰。其次，魯莊公不是高高在上，而是親臨第一線深入實際，“戰於長勺”、“與人乘”，甘當配角，讓人能“掌旗”。再次，魯莊公善於總結經驗，“既克”之後能“問其故”，向內行請教，學習如何掌握戰爭的規律。

從以上三點來看，這位魯莊公粗中有細，雖不高明，卻也謹慎虛心。在人才層出不窮的今天，魯莊公的形象難道不使人倍覺親切和可愛嗎?願爲今朝衆多的“曹劌”呼喚更多的“魯莊公”。

讀《曹劌論戰》心得體會 篇3

SPSS課程學習心得體會

應用統計分析學習報告 本科的時候有概率統計和數理分析的基礎，但是從來沒有接觸過應用統計分析的東西，

spss也只是聽說過，從來沒有學過。一直以爲這一塊兒會比較難，這學期最初學的時候，因

爲沒有認真看老師給的英文教材，課下也沒有認真蒐集相關資料，所以學起來有些吃力，總

感覺聽起來一頭霧水。老師說最後的考覈是通過提交學習報告，然後我從圖書館裏借了些教

材查了些資料，發現很多問題都弄清楚了。結合軟件和書上的例子，實戰一下，發現spss

的功能相當強大。最後總結出這篇報告，以鞏固所學。 spss，全稱是statistical product and servicesolutions，即“統計產品與服務解

決方案”軟件，是ibm公司推出的一系列用於統計學分析運算、數據挖掘、預測分析和決策

支持任務的軟件產品及相關服務的總稱，也是世界上公認的三大數據分析軟件之一。spss具

有統計分析功能強大、操作界面友好、與其他軟件交互性好等特點，被廣泛應用於經濟管理、

醫療衛生、自然科學等各個領域。具體到管理方面，spss也是一個進行數據分析和預測的強

大工具。這門課中也會用到amos軟件。 關於spss的書，很多都是首先介紹軟件的。這個軟件易於安裝，我裝的是19.0的，雖

然20.0有一些改變和優化，但是主體都是一樣的，而且都是可視化界面，用起來很方面且容

易上手。所以，我學習的重點是卡方檢驗和t檢驗、方差分析、相關分析、迴歸分析、因子

分析、結構方程模型等方法的適用範圍、應用價值、計算方式、結果的解釋和表述。首先是t檢驗這一部分。由於參數檢驗的基礎不牢固，這部分也是最初開始接觸應用統

計的東西，學起來很多東西拿不準，比如說原假設默認的是什麼。結果出來後依然分不清楚

是接受原假設還是拒絕原假設。不過現在弄懂了。這部分很有用的是t檢驗。t檢驗應用於

當樣本數較小時，且樣本取自正態總體同時做兩樣本均數比較時，還要求兩樣本的總體方差

相等時，已知一個總體均數u，可得到一個樣本均數及該樣本標準差，樣本來自正態或近似

正態總體。t檢驗分爲單樣本t檢驗、獨立樣本t檢驗、配對樣本t檢驗。其中，單樣本t 檢

驗是樣本均數與總體均數的比較的t檢驗，用於推斷樣本所代表的未知總體均數μ與已知的總體均數uo有無差別;獨立樣本t檢驗主要用於檢驗兩個樣本是否來自

具有相同均值的總體，即比較兩個樣本的均值是否相同，要求兩個樣本是相互獨立的;配對

樣本t檢驗中，要正確理解“配對”的含義，主要用於檢驗兩個有聯繫的正態總體的均值是

否有顯著差異，跟獨立檢驗的區別就是樣本是否是配對樣本。這幾個方法用軟件操作起來都

是相對簡單的，關鍵是分清楚什麼時候用這個什麼時候用那個。 然後是方差分析。方差分析就是將索要處理的觀測值作爲一個整體，按照變異的不同來

源把觀測值總變異的平方和以及自由度分解爲兩個或多個部分，獲得不同變異來源的均值與{spss實驗心得體會}.

誤差均方，通過比較不同變異來源的均方與誤差均方，判斷各樣本所屬總體方差是否相等。

方差分析主要包括單因素方差分析、多因素方差分析和協方差分析等。這一部分在學習的過

程中出現一些問題，就是用spss來操作的時候分不清觀測變量和控制變量，如果反了的話會

導致結果的不準確。其次，對bonferroni、tukey、scheffe等方法的使用目的不清楚，現在

基本掌握了多重比較方法選擇：一般如果存在明確的對照組，要進行的是驗證性研究，即計

劃好的某兩個或幾個組間(和對照組)的比較。宜用bonferroni(lsd)法;若需要進行多個

均數間的兩兩比較，且各組個案數相等，適宜用tukey法;其他情況宜用scheffe法。最後，

對方差齊性檢驗、多重比較檢驗、趨勢檢驗理解不夠透徹，在方差檢驗中，post hoc鍵有lsd

的選項：當方差分析f檢驗否定了原假設，即認爲至少有兩個總體的均值存在顯著性差異時，

須進一步確定是哪兩個或哪幾個均值顯著地不同，則需要進行多重比較來檢驗。lsd即是一

種多因變量的三個或三個以上水平下均值之間進行的兩兩比較檢驗。 相關分析是研究現象之間是否存在某種依存關係，並對具體有依存關係的現象探討(轉載

於:spss課程學習心得體會)其相關方向以及相關程度，是研究隨機變量之間的相關關係的一

種統計方法。相關分析研究現象之間是否相關、相關的方向和密切程度，一般不區別自變量

或因變量。主要有雙變量相關分析、偏相關、距離相關幾個方法。雙變量相關分析是相關分

析中最常使用的分析過程，主要用於分析兩個變量之間的線性相關分析，可以根據不同的數

據類型和條件，選用pearson積差相關、spearman等級相關和kendall的tau-b等級相關。

當數據文件包括多個變量時， 直接對兩個變量進行相關分析往往不能真實反映二者之間的關係，此時就需要用到偏相

關分析，從中剔除其他變量的線性影響。距離相關分析是對觀測變量之間差異度或相似程度

進行的測量，其中距離需要弄清楚，距離分析是對觀測量之間相似或不相似程度的一種測度，

是計算一對觀測量之間的廣義距離。這些相似性或距離測度可以用於其他分析過程，例如因

子分析、聚類分析或多維定標分析，有助於分析複雜的數據集。 接着是迴歸分析。相關分析研究的是現象之間是否相關、相關的方向和密切程度，一般

不區別自變量或因變量。而回歸分析則要分析現象之間相關的具體形式，確定其因果關係，

並用數學模型來表現其具體關係。比如說，從相關分析中我們可以得知“質量”和“用戶滿

意度”變量密切相關，但是這兩個變量之間到底是哪個變量受哪個變量的影響，影響程度如

何，則需要通過迴歸分析方法來確定。迴歸分析的目的在於瞭解兩個或多個變量間是否相關、

相關方向與強度，並建立數學模型以便觀察特定變量來預測研究者感興趣的變量。運用十分

廣泛，迴歸分析按照涉及的自變量的多少，可分爲一元迴歸分析和多元迴歸分析;按照自變

量和因變量之間的關係類型，可分爲線性迴歸分析和非線性迴歸分析。如果在迴歸分析中，

只包括一個自變量和一個因變量，且二者的關係可用一條直線近似表示，這種迴歸分析稱爲

一元線性迴歸分析。如果迴歸分析中包括兩個或兩個以上的自變量，且因變量和自變量之間

是線性關係，則稱爲多元線性迴歸分析。應用迴歸分析時應首先確定變量之間是否存在相關

關係，如果變量之間不存在相關關係，對這些變量應用迴歸預測法就會得出錯誤的結果。正

確應用迴歸分析預測時應注意：①用定性分析判斷現象之間的依存關係;②避免迴歸預測的

任意外推;③應用合適的數據資料; 接下來是因子分析。因子分析是指研究從變量羣中提取共性因子的統計技術。最早由英

國心理學家c.e.斯皮爾曼提出。他發現學生的各科成績之間存在着一定的相關性，一科成績

好的學生，往往其他各科成績也比較好，從而推想是否存在某些潛在的共性因子，或稱某些

一般智力條件影響着學生的學習成績。因子分析可在許多變量中找出隱藏的具有代表性的因

子。將相同本質的變量歸入一個因子，可減少變量的數目，還可檢驗變量間關係的假設。因

子分析的主要目的是用來描述隱藏在一組測量到的變量中的一些更基本的，但又無法直接測量到的隱性變量。從顯性的變量中得到因子的方法有兩類。一類是探索性因子分析，

另一類是驗證性因子分析。探索性因子分析不事先假定因子與測度項之間的關係，而讓數據

“自己說話”。而驗證性因子分析假定因子與測度項的關係是部分知道的，即哪個測度項對應

於哪個因子，雖然我們尚且不知道具體的係數。這一部分不能用spss來操作，要用amos，

用起來也很方便。

最後一部分學習的是結構方程模型。結構方程模型是一種融合了因素分析和路徑分析的

多元統計技術。它的強勢在於對多變量間交互關係的定量研究。在近三十年內，其大量應用

於社會科學及行爲科學的領域裏，並在近幾年開始逐漸應用於市場研究中。結構方程模型是

對顧客滿意度的研究採用的模型方法之一。其目的在於探索事物間的因果關係，並將這種關

系用因果模型、路徑圖等形式加以表述。結構方程模型與傳統的迴歸分析不同，結構方程分

析能同時處理多個因變量，並可比較及評價不同的理論模型。與傳統的探索性因子分析不同，

在結構方程模型中，我們可以提出一個特定的因子結構，並檢驗它是否吻合數據。通過結構

方程多組分析，我們可以瞭解不同組別內各變量的關係是否保持不變，各因子的均值是否有

顯著差異。

這門課要學習完了，整個學習的過程是充滿曲折和挑戰的，我見證了自己從一無所知到

困惑迷茫再到略懂再到會用的過程。甚至學完之後有些問題還沒有徹底搞清楚，自己接下來

還會不斷的探索的。spss是個很神奇的工具，結合amos和excel更是如虎添翼，相信學習

了spss在以後的論文和數據分析中很有用。這門課給我的感覺是看起來很難，但是實際學起

來就好很多，因爲當我結合具體實例和軟件的時候，很多抽象的問題就豁然開朗了。但是想

給老師一個建議，這門課需要很強的統計和概率論的基礎，要不然就會很難聽懂或者聽得半

懂。然後這門課的很多方法的相關資料都是用在醫療衛生、自然科學領域的，在管理中的應

用的資料不怎麼多。老師希望我們上課的時候結合在管理中的應用來學習，但是資料有限，

希望老師在這個方面多給學生一些引導。篇二：spss心得體會 學習spss在教育統計中的應用心得體會

一、什麼是spss?爲什麼要學習spss? 新學期開始時，在信息化教育測量與評價的課程中第一次接觸到spss這個軟件，作爲本科是計算機專業出身的我，當時只知道spss是一套統計軟件，

就是一套根據統計學原理所編寫出來的統計分析軟件，至於統計什麼?分析什麼?我一無所

知，尤其是看到老師推薦的《spss在教育統計中的應用》這本書的時候，就簡單的把它理解

爲用spss軟件來統計、分析與教育相關的數據，最終得出想要的結論而已，而現在看來，我

當初的想法未免有點簡單與無知。下面就來讓我們瞭解一下spss。spss軟件是一組專業的、

通用的統計軟件包，同時它也是一個組合式軟件包，兼有數據管理、統計分析、統計繪圖和{spss實驗心得體會}.

統計報表功能。它廣泛用於教育、心理、醫學、市場、人口、保險等研究領域，也用於產品

質量控制、人事檔案管理和日常統計報表等。spss軟件對計算機硬件系統的要求較低;對運

行的軟件環境要求寬鬆，有各種版本可運行在windows xp、win7系統環境下， spss統計軟

件採用電子表格的方式輸入與管理數據，能方便地從其他數據庫中讀入數據(如dbase，excel，

lotus等)。

我爲什麼要學習spss呢?其實很簡單，一方面，做爲一名 研究生，要具備一定的科研能力，如今量化研究的方法大行其道，一切要以事實說話、

要以數據說話，有了數據支持的研究才能更容易被認可、被推論。另一方面，根據對aect94

定義的理解，教育技術 學研究的對象是學習過程和學習資源，包含大量的偶然現象和非精確現象。因此，要深

入研究教育技術現象及其規律，必須運用統計描述、統計分析方法和模糊數學分析方法，才

可能使這門學科達到真正完善的地步。教育技術學研究的現象多數是偶然的現象，其變化發

展往往具有幾種不同的可能性，究竟出現哪一種結果，那是帶有偶然性的，是隨機的。這類

偶然現象是遵循統計規律的，當隨機現象是由大量的成份組成，或者隨機現象出現大量的次

數時，就能體現統計平均規律。我們只有對數據資料作統計處理，纔可能可以發現它們的內

在規律，掌握現象的特徵，檢驗研究的假設，才能得出準確的、可靠的研究結果。

二、對本spss各章節學習的心得 新課程老師帶領下，採取一種新的學習方式，老師講解了基礎部分後，全班同學採取小

組分工、協作學習，然後對全班同學進行講解學習內容，教師進行當堂指導，這種方法改變

了同學們的學習態度，同學們不再是課前不預習，課下不復習的狀態，每組都有自己的任務，

課前有一定的壓力，同學間的討論也明顯的增多，例如：一次課下同學們在一起吃飯，有幾

位同學還在調侃說“兩個菜之間用spss進行分析後得出的結果不接受h0假設，也就是兩個

菜之間不相關”，雖然這只是一個課下的玩笑，但是這也可以體現出對學習的態度的轉變。下

面就本學期的所學spss的各章節做一下歸納，這些歸納也是基於本人平時在課前預習，課上

及課後的一些所思所想，也許會有一些理解上的偏頗在內，但這僅限於心得而已。本學期學

習各個章節

及分工如下表：

章節名稱

的認識

及數據文件的

處理

2.數據清理與

基本統計及測

量質量分析

3.t檢驗

4.方差分析

1、 2人 3人 7.聚類分析 8.統計圖形 2人 1人 2人 6.卡方檢驗 3人 2人 5.相關分

析 3人 分工人數 章節名稱 分工人數 spss的認識及數據文件的處理心得體會可能是由於是同學們第一次講，萬事開頭難，壓力很大，在大家認爲最爲簡單的內容講

解上，兩位同學並沒有完全展現出二人實際水平，大家在這一節課上都感覺到很壓抑，總的

感覺是這節內容很簡單，但是內容又很鬆散，可講的東西太多，講的東西多就沒有突出重點

和難點，所以聽過之後就有種無數的碎片漂浮在腦海中一樣，很難將知識系統化，課後總結

一下無非就是兩塊，一塊是瞭解spss軟件的歷史及基本功能，還有一塊就是spss軟件當中

一個模塊叫做數據文件的處理，在認識spss軟件當中瞭解到它是一組社會科學統計軟件包，

誕生於1968年，當時美國的3位大學生開發出了它，經過這麼多年的後續開發，spss已經

有了很多的版本，具有了更的兼容性、和更友好的操作界面，也在很多的學科領域得到了應

用，而在教育中的應用 只是它的一個分支。此外它對硬件的要求也很低，當前一般的電腦都能安裝它，安裝的

過程中也沒有什麼特殊的方法，傻瓜式的安裝方式完全就可以滿足。在數據文件的處理方面，

主要是要學會定義變量、處理變量兩方面;定義變量是要注意根據自己實際採集的數據來定

義變量，例如是數值型的變量還是文本型的變量及變量的長度，小數點保留尾數等，總之就

是一句話，根據實際調查的數據要求來定義相應變量。變量定義只有只要細心的將實際調查

的數據錄入到spss當中即可，當然也可以在spss軟件之外進行數據編制，可以通過execel

等編輯後可以直接導入到spss中。在處理變量模塊當中，可以對變量進行添加、刪除、拆分

與合併等操作，只要根據實際調查數據，細心調整變量，使操作更加簡便和明瞭。

2、 數據清理與基本統計及測量質量分析的心得體會 數據的清理與基本統計及測量質量分析由兩名同學進行講解，由於吸取了上節課兩名同

學的經驗，本節講授的明顯好於上節課，這裏我也是把它分爲兩塊進行學習，一塊是數據的

清理，另一塊是相關統計理論的學習。在數據清理方面主要學習了奇異數據的檢查與清理，

在這裏本人覺得非常有必要進行數據清理，在實際的調查數據時難免會出現錯誤或者碰到極

爲特殊的典型案例，所以這些數據很難符合大衆規律，在統計、分析過程中可能會造成分析

結果異常，從而直接影響最終的結論。所以覺得非常有必要進行數據檢查與清理。而我認爲

本節的難點不是怎樣熟練運用spss軟件，而是在第二塊中的，相關統計理論的學習，學習這

些理論需要一定的數學基礎，只有明確這些 理(論如均值、標準誤差、中數、衆數、全距、四分位等)原理，知其然，知其所以然，

這纔是關鍵，在spss中想要實現對數據進行以上分析只需要輕輕點擊一下按鈕就可以是輕鬆

實現，但是如果不清楚到底用它們來做什麼就無從談起做數據分析了，所以本節內容知道分

析原理的重要性要遠遠大用spss對數據做出相關分析的重要性。總結爲一句話“知道它們是

做什麼的後纔會讓它們去做該做的工作”。

3、 t檢驗的心得體會

t檢驗由兩名同學講解，在學習t檢驗時，首先要明確什麼樣的數據適合t檢驗，t檢驗

的結果要說明什麼問題?經過學習可以知道，t檢驗是對兩組數據間的平均水平或均數的比

較，通過比較可以得出兩組數據間的顯著性水平，而這兩組數據都要符合正態分佈，方差具

有齊同性，t檢驗由兩種情況，一種配對提檢驗，要求兩組數據不可以獨立顛倒順序，如果

顛倒順序就會改變問題的性質，這種t檢驗稱爲配對t檢驗;另一種情況下的t檢驗是兩組

數據可以任意顛倒順的檢驗稱爲獨立樣本的t檢驗。但是這兩種情況都必須符合最先的要求，

即都是符合正態分佈，方差都具有齊同性。通過spss的相關操作可以輕鬆完成檢驗，但是在

檢驗的過程中必須設置置信區間，一般設置爲95%，在設置置信區間時必須要考慮到所做分

析的數據，如果像要得到顯著性差異的結果則可儘量將置信區間設置小些，如果想要得到不

顯著差異就要將置信區間甚至大些，本人的理解爲若置信區間小，則可以理解爲在小範圍內

是可以相信的，但如果將分析結果的置信區間值調大則說明在很大的範圍內這個結果可信，

反之則不可信，篇三：spss課程學習感悟(交) spss學習總結與反思 財管132 王天茜在這學期以前我並沒有學過統計學，甚至沒有接觸過它，

因此對它的認識可謂是從零開始的，但經過這一段的學習，也算是受益良多，下面我就簡單

說下感想吧。

第一節課老師簡單講述了下這門課的概況，當時只覺得毫無頭緒，對於沒接觸過的事物

人總有莫名的恐懼，這門課看似還很難，就比較擔憂。 接着說說學習過後對spss的整體認識吧，我專門去百度了下它的全稱，定義爲spss是

“社會科學統計軟件包”(statistical package for the social science)的簡稱，是一種

集成化的計算機數據處理應用軟件。之前看論文的時候會經常看到各種表格圖形，各種結果

輸出，當時並不明白，以前也沒見過，因此總會跳過實驗整個設計直接看結果。在學了這門

課後總算對其有了初步的認識。

1、spss的認識及數據文件的處理心得體會 一塊是瞭解spss軟件的歷史及基本功能，還有一塊就是spss軟件當中一個模塊叫做數

據文件的處理，在認識spss軟件當中瞭解到它是一組社會科學統計軟件包，誕生於1968年，

當時美國的3位大學生開發出了它，經過這麼多年的後續開發，spss已經有了很多的版本，

具有了更的兼容性、和更友好的操作界面，也在很多的學科領域得到了應用，而在教育中的

應用只是它的一個分支。此外它對硬件的要求也很低，當前一般的電腦 都能安裝它，安裝的過程中也沒有什麼特殊的方法，傻瓜式的安裝方式完全就可以滿足。

在數據文件的處理方面，主要是要學會定義變量、處理變量兩方面;定義變量是要注意根據

自己實際採集的數據來定義變量，例如是數值型的變量還是文本型的變量及變量的長度，小

數點保留尾數等，總之就是一句話，根據實際調查的數據要求來定義相應變量。變量定義只

有隻要細心的將實際調查的數據錄入到spss當中即可，當然也可以在spss軟件之外進行數

據編制，可以通過execel等編輯後可以直接導入到spss中。在處理變量模塊當中，可以對

變量進行添加、刪除、拆分與合併等操作，只要根據實際調查數據，細心調整變量，使操作

更加簡便和明瞭。

2、 數據清理與基本統計及測量質量分析的心得體會 這裏我也是把它分爲兩塊進行學習，一塊是數據的清理，另一塊是相關統計理論的學習。

在數據清理方面主要學習了奇異數據的檢查與清理，在這裏我覺得非常有必要進行數據清理，

在實際的調查數據時難免會出現錯誤或者碰到極爲特殊的典型案例，所以這些數據很難符合

大衆規律，在統計、分析過程中可能會造成分析結果異常，從而直接影響最終的結論。所以

覺得非常有必要進行數據檢查與清理。而我認爲本節的難點不是怎樣熟練運用spss軟件，而

是在第二塊中的，相關統計理論的學習，學習這些理論需要一定的數學基礎，只有明確這些