学习spss心得体会.docx
《学习spss心得体会.docx》由会员分享,可在线阅读,更多相关《学习spss心得体会.docx(43页珍藏版)》请在冰豆网上搜索。
![学习spss心得体会.docx](https://file1.bdocx.com/fileroot1/2023-2/4/cd68625c-1545-4620-93d6-be320170d6bc/cd68625c-1545-4620-93d6-be320170d6bc1.gif)
学习spss心得体会
学习spss心得体会
篇一:
SPSS学习报告总结心得
应用统计分析学习报告
本科的时候有概率统计和数理分析的基础,但是从来没有接触过应用统计分析的东西,SPSS也只是听说过,从来没有学过。
一直以为这一块儿会比较难,这学期最初学的时候,因为没有认真看老师给的英文教材,课下也没有认真搜集相关资料,所以学起来有些吃力,总感觉听起来一头雾水。
老师说最后的考核是通过提交学习报告,然后我从图书馆里借了些教材查了些资料,发现很多问题都弄清楚了。
结合软件和书上的例子,实战一下,发现SPSS的功能相当强大。
最后总结出这篇报告,以巩固所学。
SPSS,全称是StatisticalProductandServiceSolutions,即“统计产品与服务解决方案”软件,是IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称,也是世界上公认的三大数据分析软件之一。
SPSS具有统计分析功能强大、操作界面友好、与其他软件交互性好等特点,被广泛应用于经济管理、医疗卫生、自然科学等各个领域。
具体到管理方面,SPSS也是一个进行数据分析和预测的强大工具。
这门课中也会用到AMOS软件。
关于SPSS的书,很多都是首先介绍软件的。
这个软件易于安装,我装的是的,虽然有一些改变和优化,但是主体都是一样的,而且都是可视化界面,用起来很方面且容易上手。
所以,我学习的重点是卡方检验和T检验、方差分析、相关分析、回归分析、因子分析、结构方程模型等方法的适用范围、应用价值、计算方式、结果的解释和表述。
首先是T检验这一部分。
由于参数检验的基础不牢固,这部分也是最初开始接触应用统计的东西,学起来很多东西拿不准,比如说原假设默认的是什么。
结果出来后依然分不清楚是接受原假设还是拒绝原假设。
不过现在弄懂了。
这部分很有用的是T检验。
T检验应用于当样本数较小时,且样本取自正态总体同时做两样本均数比较时,还要求两样本的总体方差相等时,已知一个总体均数u,可得到一个样本均数及该样本标准差,样本来自正态或近似正态总体。
T检验分为单样本T检验、独立样本T检验、配对样本T检验。
其中,单样本T检验是样本均数与总体均数的比较的T检验,用于推断样本所代表的未知总体
均数μ与已知的总体均数uo有无差别;独立样本T检验主要用于检验两个样本是否来自具有相同均值的总体,即比较两个样本的均值是否相同,要求两个样本是相互独立的;配对样本T检验中,要正确理解“配对”的含义,主要用于检验两个有联系的正态总体的均值是否有显著差异,跟独立检验的区别就是样本是否是配对样本。
这几个方法用软件操作起来都是相对简单的,关键是分清楚什么时候用这个什么时候用那个。
然后是方差分析。
方差分析就是将索要处理的观测值作为一个整体,按照变异的不同把观测值总变异的平方和以及自由度分解为两个或多个部分,获得不同变异的均值与误差均方,通过比较不同变异的均方与误差均方,判断各样本所属总体方差是否相等。
方差分析主要包括单因素方差分析、多因素方差分析和协方差分析等。
这一部分在学习的过程中出现一些问题,就是用SPSS来操作的时候分不清观测变量和控制变量,如果反了的话会导致结果的不准确。
其次,对Bonferroni、Tukey、Scheffe等方法的使用目的不清楚,现在基本掌握了多重比较方法选择:
一般如果存在明确的对照组,要进行的是验证性研究,即计划好的某两个或几个组间(和对照组)的比较。
宜用Bonferroni(LSD)法;若需要进行多个均数间的两两比较,且各组个案数相等,适宜用Tukey法;其他情况宜用Scheffe法。
最后,对方差齐性检验、多重比较检验、趋势检验理解不够透彻,在方差检验中,PostHoc键有LSD的选项:
当方差分析F检验否定了原假设,即认为至少有两个总体的均值存在显著性差异时,须进一步确定是哪两个或哪几个均值显著地不同,则需要进行多重比较来检验。
LSD即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验。
相关分析是研究现象之间是否存在某种依存关系,并对具体有依存关系的现象探讨其相关方向以及相关程度,是研究随机变量之间的相关关系的一种统计方法。
相关分析研究现象之间是否相关、相关的方向和密切程度,一般不区别自变量或因变量。
主要有双变量相关分析、偏相关、距离相关几个方法。
双变量相关分析是相关分析中最常使用的分析过程,主要用于分析两个变量之间的线性相关分析,可以根据不同的数据类型和条件,选用Pearson积差相关、Spearman等级相关和Kendall的tau-b等级相关。
当数据文件包括多个变量时。
直接对两个变量进行相关分析往往不能真实反映二者之间的关系,此时就需要用到偏相关分析,从中剔除其他变量的线性影响。
距离相关分析是对观测变量之间差异度或相似程度进行的测量,其中距离需要弄清楚,距离分析是对观测量之间相似或不相似程度的一种测度,是计算一对观测量之间的广义距离。
这些相似性或距离测度可以用于其他分析过程,例如因子分析、聚类分析或多维定标分析,有助于分析复杂的数据集。
接着是回归分析。
相关分析研究的是现象之间是否相关、相关的方向和密切程度,一般不区别自变量或因变量。
而回归分析则要分析现象之间相关的具体形式,确定其因果关系,并用数学模型来表现其具体关系。
比如说,从相关分析中我们可以得知“质量”和“用户满意度”变量密切相关,但是这两个变量之间到底是哪个变量受哪个变量的影响,影响程度如何,则需要通过回归分析方法来确定。
回归分析的目的在于了解两个或多个变量间是否相关、相关方向与强度,并建立数学模型以便观察特定变量来预测研究者感兴趣的变量。
运用十分广泛,回归分析按照涉及的自变量的多少,可分为一元回归分析和多元回归分析;按照自变量和因变量之间的关系类型,可分为线性回归分析和非线性回归分析。
如果在回归分析中,只包括一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析。
如果回归分析中包括两个或两个以上的自变量,且因变量和自变量之间是线性关系,则称为多元线性回归分析。
应用回归分析时应首先确定变量之间是否存在相关关系,如果变量之间不存在相关关系,对这些变量应用回归预测法就会得出错误的结果。
正确应用回归分析预测时应注意:
①用定性分析判断现象之间的依存关系;②避免回归预测的任意外推;③应用合适的数据资料;
接下来是因子分析。
因子分析是指研究从变量群中提取共性因子的统计技术。
最早由英国心理学家斯皮尔曼提出。
他发现学生的各科成绩之间存在着一定的相关性,一科成绩好的学生,往往其他各科成绩也比较好,从而推想是否存在某些潜在的共性因子,或称某些一般智力条件影响着学生的学习成绩。
因子分析可在许多变量中找出隐藏的具有代表性的因子。
将相同本质的变量归入一个因子,可减少变量的数目,还可检验变量间关系的假设。
因子分析的主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的,但又无法直接
测量到的隐性变量。
从显性的变量中得到因子的方法有两类。
一类是探索性因子分析,另一类是验证性因子分析。
探索性因子分析不事先假定因子与测度项之间的关系,而让数据“自己说话”。
而验证性因子分析假定因子与测度项的关系是部分知道的,即哪个测度项对应于哪个因子,虽然我们尚且不知道具体的系数。
这一部分不能用SPSS来操作,要用AMOS,用起来也很方便。
最后一部分学习的是结构方程模型。
结构方程模型是一种融合了因素分析和路径分析的多元统计技术。
它的强势在于对多变量间交互关系的定量研究。
在近三十年内,其大量应用于社会科学及行为科学的领域里,并在近几年开始逐渐应用于市场研究中。
结构方程模型是对顾客满意度的研究采用的模型方法之一。
其目的在于探索事物间的因果关系,并将这种关系用因果模型、路径图等形式加以表述。
结构方程模型与传统的回归分析不同,结构方程分析能同时处理多个因变量,并可比较及评价不同的理论模型。
与传统的探索性因子分析不同,在结构方程模型中,我们可以提出一个特定的因子结构,并检验它是否吻合数据。
通过结构方程多组分析,我们可以了解不同组别内各变量的关系是否保持不变,各因子的均值是否有显著差异。
这门课要学习完了,整个学习的过程是充满曲折和挑战的,我见证了自己从一无所知到困惑迷茫再到略懂再到会用的过程。
甚至学完之后有些问题还没有彻底搞清楚,自己接下来还会不断的探索的。
SPSS是个很神奇的工具,结合AMOS和EXCEL更是如虎添翼,相信学习了SPSS在以后的论文和数据分析中很有用。
这门课给我的感觉是看起来很难,但是实际学起来就好很多,因为当我结合具体实例和软件的时候,很多抽象的问题就豁然开朗了。
但是想给老师一个建议,这门课需要很强的统计和概率论的基础,要不然就会很难听懂或者听得半懂。
然后这门课的很多方法的相关资料都是用在医疗卫生、自然科学领域的,在管理中的应用的资料不怎么多。
老师希望我们上课的时候结合在管理中的应用来学习,但是资料有限,希望老师在这个方面多给学生一些引导。
篇二:
SPSS学习感想
SPSS学习感想
在这学期以前我并没有学过统计学,甚至没有接触过它,因此对它的认识可谓是从零开始的,但经过这一段的学习,也算是受益良多,下面我就简单说下感想吧。
第一节课老师简单讲述了下这门课的概况,给了我们英文版和中文版教材便让我们开始分组讲授各个部分,当时只觉得毫无头绪,对于没接触过的事物人总有莫名的恐惧,这门课看似还很难,就比较担忧。
但看了分到的关于方差分析部分的英文版书后,觉得老师推荐的这本书真的很好,虽然看英文比较痛苦,但胜在通俗对于我这种从未接触过的人来说也是读的懂得,这大概也是许多外国教材的优点,会有很实际的举例帮助理解,语言读起来也是简单易懂,不像许多中国教材那么晦涩。
后期在看英文文献的时候看到不懂得SPSS模型便会再翻出这本书来看,许多的中文版的教材也看了但总是较难迅速找到想看的知识点,且理解起来也很困难。
说完对于教材的整体心得,就来说说讲课方面的心得吧,起初大家对于老师让学生讲授的方式不是很认同,觉得自己能力有限,问题太难,不一定能看得明白更勿论讲了。
但经过后来自己看教材做PPT,发现其实做起来并没有看起来那么难,虽然花了不少时间但最后也算是基本了解大意及步骤,并且自己花了时间做出来的东西会特别记忆深刻,因此做完后对于方差分析这一块也算是有了整体的认识和了解,之后在看论文中这部分的模型来也轻松许多。
所以这种讲课方式其实也确实能帮助同学们更积极的学习这门课程。
接着说说学习过后对SPSS的整体认识吧,我专门去XX了下它的全称,定义为SPSS是“社会科学统计软件包”(StatisticalPackagefortheSocialScience)的简称,是一种集成化的计算机数据处理应用软件。
之前看论文的时候会经常看到各种表格图形,各种结果输出,当时并不明白,以前也没见过,因此总会跳过实验整个设计直接看结果。
在学了这门课后总算对其有了初步的认识。
它其实大致分为两个大部分,一是简要介绍描述性和推断性统计,包括描述性统计、推断性统计原理与推断性统计机制;二是统计分析方法,包括卡方检验、
独立样本t检验、配对样本t检验、方差分析等检验差异的统计方法,和多元回归分析、因子分析和结构方程模型等检验联系的统计方法。
利用这些方法可以得出计算数据和统计图形,看出数据的离散程度、集中趋势和分散程度,单变量的比重,还有对数据进行标准化处理。
利用这个软件对问卷数据进行分析是极好的。
统计分析也主要有两大类,一类是验证差异的,另一类是验证相关性的。
验证差异的主要有t检验和方差分析,验证相关性的主要有回归分析、因子分析和结构方程模型。
通过课程的学习我基本知道了他们的区别和应用场景,如t检验适合两个变量之间的差异比较,而方差分析则在变量较多时使用,从而达到便捷的效果。
在学习方差分析时,我刚开始常常把因变量和自变量弄混淆,在分析的时候应分别送入哪个对应框中,如果反了的话会导致结果的不准确。
接着,对LSD、Bonferroni、Tukey、Scheffe等方法的使用不清楚,现在基本掌握了多重比较方法选择:
一般如果存在明确的对照组,要进行的是验证性研究,即计划好的某两个或几个组间(和对照组)的比较,宜用Bonferroni(LSD)法;若需要进行多个均数间的两两比较,且各组个案数相等,适宜用Tukey法;其他情况宜用Scheffe法。
因为经常混淆,所以这些都被我记录在PPT中,好让自己以后方便查看。
还有,当时对方差齐性检验、多重比较检验的理解也存在困难,但经过小组讨论对他们也基本有了了解。
当方差分析F检验否定了原假设,即认为至少有两个总体的均值存在显著性差异时,须进一步确定是哪两个或哪几个均值显著地不同,则需要进行多重比较来检验。
LSD即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验,最灵敏,但会较易犯假阳性的错误。
在听别的小组讲述相关分析时,对于在绘制散点图时的横坐标和纵坐标的区分刚开始不太明白,但经过同学的讲授明白了横坐标是解释变量,纵坐标是被解释变量。
在学习回归分析的过程中,对解释变量向前筛选、向后筛选、逐步帅选策略不能熟练掌握,特别是对向前向后筛选时到处的结果不会进行分析。
在学习因子分析的时,刚开始对提取出来的因子的实际含义不清晰,但这些问题都都一一在讲授和之后的讨论中得到了解析,从而对于他们都算是有了大致的了解。
虽然整个学习过程经历了很多困难,但小组成员在一起,大家一起克服困难,集思广益,最后的结果还算是成功的,每个人对于自己的部分都很认真在准备希望能给大家讲的清楚明晰,这个学习的过程对我们都意义非凡。
现在这门课
要结束了,但对于SPSS的学习却没有,现有的知识感觉只是对他有个初步的了解,离熟练运用还有些距离,论文中的模型分析的结果还不能很快的看出,因此还需要不断地看书看文献运用。
但这门课显然给我们打下了很好的基础,在这结束的时刻,我希望谢谢这些陪我一起走过这个历程的人,我的老师,小组的成员以及其他组的成员们,感谢你们同我一起成长。
篇三:
SPSS软件学习心得
误差理论数据处理分析
常见的统计软件有SAS,SPSS,MINITAB,EXCEL等。
这些统计软件的功能大同小异,各有所侧重。
其中的SAS和SPSS是目前在大型企业,各类院校及科研机构中较为流行的两种统计软件。
特别是SPSS,其界面友好,功能强大,易学,易用,包含了几乎全部尖端的统计方法,具备完善的数据定义,操作管理和开放的数据接口以及灵活美观的统计图表制作。
作为专业的统计软件,SPSS感觉比EXCEL更丰富,也更准确。
从表1中分析,抗拉强度的极小值为,极大值为,均值标准误差为,标准差为3,47793,方差为。
屈服强度的极小值为,极大值为。
表2
从表2中分析,回归平方和为,自由度为1,均值方差,,显著性为
残差平方和为,自由度为14,均值方差为。
表3
从表3从分析,常数量B为,非标准化系数的标准误差为,T值为。
标准系数使用版为,T值为22.自变量的B值为,非标准化系数的标准误差为,295。
表4
图1
从散点图可以看出,抗拉强度Y与屈服强度X大致呈线性关系。
人们假设Y与X之间的内在关系是一条直线,这些点与直线的偏离是实验过程中其他一些随机因素的影响而引起的。
心得体会
在学习SPSS中必须学会的是“数据组织方式和数据测度”,这个对于那些学习信息的人容易理解,对文科出身的人不容易理解。
但是这个问题对于初学者很重要。
在实际使用SPSS时,就得按部就班地按照先定义变量,测调度,在录入(导入数据),再分析。
分析并不是整个流程。
在大二快结束的学习过程中参加了SPSS的课程学习,尽管我只是大略地学习,泛泛地接触这门课程,但是对这门课的兴趣很浓。
参与这次实践的经历深刻改变了我对这门课的认识。
我越发感到我需要这门课程,我必须掌握这门统计技术,分析方法。
这就是社会的需求,学校的标准,也是个人发展得需要。
虽然只有几周的学习时间,但我已经对该课程有了更多的了解,十分感谢黄璟老师讲解的这门课,提供了这个平台。
理论加实践,为不同基础的学生提供了好的学习环境。
我认为开设很有必要,应当成为重点。
现实生活中的数据多不胜数,但要得到有用的数据并不容易,这就要应用数据分析的方法确定数据的属性,再用清理工具(清洗、集成、转换、消减)进行筛选转化为有用的信息,再用SPSS深入分析,得出规律。
对数据的分析是以统计学为基础的,统计学提供了一套完整的科学方法论,统计软件则是实现的手段,统计分析软件具有很多有点。
它功能全面,系统地集成了多种成熟的统计分析方法;有完善的数据定义、操作和管理功能;方便地生成各种统计图形和统计表格;使用方式简单,有完备的联机帮助功能;软件开放性好,能方便地和其他软件进行数据交换。
我们接触最多的统计软件是EXCEL和SPSS。
在统计学中应用EXCEL,在数据分析中则主要是SPSS,它具有很好的人机界面和完善的输出结果。
这门课程中我们学了另外一种数据分析方法就是聚类分析。
它与“物以类聚,人以群分”是同样的道理。
多元统计分析方法就是对样品或指标进行量化分类的问题,它们讨论的对象是大量的样品,要求能合理地按各自的特性也就是相似性来进行合理的分类,没有任何模式可供参考或依循,即是在没有先验知识的情况下进行的。
我们学习了Q型聚类法、R型聚类法以及系统聚类法。
Q型聚类分析样品间的聚类,用距离来测度亲疏程度。
R型聚类分析变量间的聚类,用相似系数来测度亲疏程度。
篇四:
spss心得体会
学习SPSS在教育统计中的应用心得体会
一、什么是SPSS?
为什么要学习SPSS?
新学期开始时,在信息化教育测量与评价的课程中第一次接触
到SPSS这个软件,作为本科是计算机专业出身的我,当时只知道SPSS是一套统计软件,就是一套根据统计学原理所编写出来的统计分析软件,至于统计什么?
分析什么?
我一无所知,尤其是看到老师推荐的《SPSS在教育统计中的应用》这本书的时候,就简单的把它理解为用SPSS软件来统计、分析与教育相关的数据,最终得出想要的结论而已,而现在看来,我当初的想法未免有点简单与无知。
下面就来让我们了解一下SPSS。
SPSS软件是一组专业的、通用的统计软件包,同时它也是一个组合式软件包,兼有数据管理、统计分析、统计绘图和统计报表功能。
它广泛用于教育、心理、医学、市场、人口、保险等研究领域,也用于产品质量控制、人事档案管理和日常统计报表等。
SPSS软件对计算机硬件系统的要求较低;对运行的软件环境要求宽松,有各种版本可运行在WINDOWSXP、WIN7系统环境下,SPSS统计软件采用电子表格的方式输入与管理数据,能方便地从其他数据库中读入数据(如Dbase,Excel,Lotus等)。
我为什么要学习SPSS呢?
其实很简单,一方面,做为一名
研究生,要具备一定的科研能力,如今量化研究的方法大行其道,一切要以事实说话、要以数据说话,有了数据支持的研究才能更容易被认可、被推论。
另一方面,根据对AECT94定义的理解,教育技术
学研究的对象是学习过程和学习资源,包含大量的偶然现象和非精确现象。
因此,要深入研究教育技术现象及其规律,必须运用统计描述、统计分析方法和模糊数学分析方法,才可能使这门学科达到真正完善的地步。
教育技术学研究的现象多数是偶然的现象,其变化发展往往具有几种不同的可能性,究竟出现哪一种结果,那是带有偶然性的,是随机的。
这类偶然现象是遵循统计规律的,当随机现象是由大量的成份组成,或者随机现象出现大量的次数时,就能体现统计平均规律。
我们只有对数据资料作统计处理,才可能可以发现它们的内在规律,掌握现象的特征,检验研究的假设,才能得出准确的、可靠的研究结果。
二、对本SPSS各章节学习的心得
新课程老师带领下,采取一种新的学习方式,老师讲解了基础部分后,全班同学采取小组分工、协作学习,然后对全班同学进行讲解学习内容,教师进行当堂指导,这种方法改变了同学们的学习态度,同学们不再是课前不预习,课下不复习的状态,每组都有自己的任务,课前有一定的压力,同学间的讨论也明显的增多,例如:
一次课下同学们在一起吃饭,有几位同学还在调侃说“两个菜之间用SPSS进行分析后得出的结果不接受H0假设,也就是两个菜之间不相关”,虽然这只是一个课下的玩笑,但是这也可以体现出对学习的态度的转变。
下面就本学期的所学SPSS的各章节做一下归纳,这些归纳也是基于本人平时在课前预习,课上及课后的一些所思所想,也许会有一些理解上的偏颇在内,但这仅限于心得而已。
本学期学习各个章节
及分工如下表:
章节名称
的认识
及数据文件的
处理
2.数据清理与
基本统计及测
量质量分析
检验
4.方差分析
1、2人3人7.聚类分析8.统计图形2人1人2人6.卡方检验3人2人5.相关分析3人分工人数章节名称分工人数SPSS的认识及数据文件的处理心得体会
可能是由于是同学们第一次讲,万事开头难,压力很大,在大家认为最为简单的内容讲解上,两位同学并没有完全展现出二人实际水平,大家在这一节课上都感觉到很压抑,总的感觉是这节内容很简单,但是内容又很松散,可讲的东西太多,讲的东西多就没有突出重点和难点,所以听过之后就有种无数的碎片漂浮在脑海中一样,很难将知识系统化,课后总结一下无非就是两块,一块是了解SPSS软件的历史及基本功能,还有一块就是SPSS软件当中一个模块叫做数据文件的处理,在认识SPSS软件当中了解到它是一组社会科学统计软件包,诞生于1968年,当时美国的3位大学生开发出了它,经过这么多年的后续开发,SPSS已经有了很多的版本,具有了更的兼容性、和更友好的操作界面,也在很多的学科领域得到了应用,而在教育中的应用
只是它的一个分支。
此外它对硬件的要求也很低,当前一般的电脑都能安装它,安装的过程中也没有什么特殊的方法,傻瓜式的安装方式完全就可以满足。
在数据文件的处理方面,主要是要学会定义变量、处理变量两方面;定义变量是要注意根据自己实际采集的数据来定义变量,例如是数值型的变量还是文本型的变量及变量的长度,小数点保留尾数等,总之就是一句话,根据实际调查的数据要求来定义相应变量。
变量定义只有只要细心的将实际调查的数据录入到SPSS当中即可,当然也可以在SPSS软件之外进行数据编制,可以通过EXECEL等xx后可以直接导入到SPSS中。
在处理变量模块当中,可以对变量进行添加、删除、拆分与合并等操作,只要根据实际调查数据,细心调整变量,使操作更加简便和明了。
2、数据清理与基本统计及测量质量分析的心得体会
数据的清理与基本统计及测量质量分析由两名同学进行讲解,由于吸取了上节课两名同学的经验,本节讲授的明显好于上节课,这里我也是把它分为两块进行学习,一块是数据的清理,另一块是相关统计理论的学习。
在数据清理方面主要学习了奇异数据的检查与清理,在这里本人觉得非常有必要进行数据清理,在实际的调查数据时难免会出现错误或者碰到极为特殊的典型案例,所以这些数据很难符合大众规律,在统计、分析过程中可能会造成分析结果异常,从而直接影响最终的结论。
所以觉得非常有必要进行数据检查与清理。
而我认为本节的难点不是怎样熟练运用SPSS软件,而是在第二块中的,相关统计理论的学习,学习这些理论需要一定的数学基础,只有明确这些
理(论如均值、标准误差、中数、众数、全距、四分位等)原理,知其然,知其所以然,这才是关键,在SPSS中想要实现对数据进行以上分析只需要轻轻点击一下按钮就可以是轻松实现,但是如果不清楚到底用它们来做什么就无从谈起做数据分析了,所以本节内容知道分析原理的重要性要远远大用SPSS对数据做出相关分析的重要性。
总结为一句话“知道它们是做什么的后才会让它们去做该做的工作”。