学生对于老师的课堂教学进行评分是教学评价的常用方法,被广泛运用于各个高校,是考察教学质量的重要手段之一,对于评教数据的分析能有助于发现在教学中暴露的问题,从而有针对性的采取措施,引导教学与实践朝着正确的方向发展。本文采用重庆大学2011-2014级学生考试成绩数据和2011-2017年教学评价数据,分析学生评教分数和学生成绩之间的关系。首先使用方差分析比较不同的课程类型下学生评教的差异情况,发现对于专业课、公共课、通识课三大板块,学生的评教具有较大差异,因此在后续的分析中将数据划分为三大板块分别进行。随后分别进行相关分析,发现以下若干结论,全校共计137门课程发现不同程度相关性,其中专业课79门,占相应课程数2.8%,最高相关系数的课程为财政学,相关系数r=0.7462;公共课23门,占相应课程数16.7%,最高相关系数的课程为自动化学院的大学英语（4）,r=0.661;通识课11门,占相应课程数5.8%,最高相关系数的课程为大众文化导论,r=0.613。分析导致相关性的影响因素,一方面,积极、正向的原因为老师认真授课,效果良好,引起学生拥护,同时优秀的授课水平带动学生学习热情,导致相关分析表现出正相关,另一方面的原因可能是消极、负向的原因,在于老师与学生达成评分“共谋”,以损害教学质量为代价,使得师生双方评分上的“共赢”。本文以每门课课程分数的方差与相应类别课程总体方差的大小进行比较,以此作为推断其学生评教分数与成绩相关性原因的主要依据。第二部分对于存在显著相关性的数据进行回归拟合,我们使用python程序制作了一个交互界面,在建立最小二乘估计线性模型的基础上,实现了对于目标数据模型的索引并可视化,最大程度上直观展示出相关分析的结果。随后针对OLS（最小二乘估计）线性模型稳健性风险问题,引入Theil-Sen估计建立线性模型,从数据中选取实例进行对比,从稳健性和拟合精度两个方面论述了Theil-Sen模型的优势,实现了对于OLS模型在非正态数据建模方面的补充。最后尝试用对数函数模型和多项式回归分别进行非线性拟合,拟合结果显示以对数函数模型的形式将非线性回归问题线性化,可以在一定程度上进一步提升拟合优度。通过最小二乘估计、Theil-Sen估计、非线性回归这三种方法对数据进行拟合,能较好的反应出各支数据的发展趋势和相关情况,为学校管理人员针对各个学院、各个学科提高教学质量提供了一定的帮助。