引论：我们为您整理了13篇统计学同质的概念范文，供您借鉴以丰富您的创作。它们是您写作时的宝贵资源，期望它们能够激发您的创作灵感，让您的文章更具深度。
篇1
2006年,教育部出台了《关于全面提高高等职业教育教学质量的若干意见》(后简称16号文),进一步强调了大力推行工学结合,突出实践能力培养,改革人才培养模式的要求。
高职教育工学结合人才培养模式的基本内涵是:遵循职业教育基本规律,以适应现代经济建设、产业发展和社会进步需求为原则,建立行业(企业)与职业院校密切协作、相互促进、互利共赢的机制,以着力培养高素质技能型人才为根本目标的高职教育模式。
工学结合的学习模式具有以下诸多优势:一是使学生将理论学习与实践经验相结合,加深对所学知识的理解;二是使学生了解更多的实际问题,扩大了专业视野;三是为学生提供了检验自己能力的机会;四是增加了学习兴趣与动力。
统计学是高职院校财经类专业的基础核心课程,同时也是一门“教”和“学”难度较大的课程。如何将理论知识与实际运用有效结合起来显得格外重要,也极富挑战。由于我国高职院校的工学结合起步较晚以及条件所限,能让学生真正融入企业参加观摩、练习的并不普遍,但除了深入企业实习,我们还可以通过重构课程体系,优化教学内容,改进教学方法等手段,将实际问题引入日常学习生活,创建学生“身临其境”的学习情境,从而达到类似工学结合的效果。
二、重构课程体系
高职统计教学的目标是培养学生统计思维,掌握基本的统计原理和方法,最终服务于专业学习和工作实践。由于统计学具有理论抽象、计算繁杂、应用性强的特点,按传统的课文讲授―课后练习―习题讲解的模式基本能让学生较好的掌握书本内容,但无法将统计知识与专业技能结合起来,也缺乏分析解决实际问题的能力。既没有完全达到统计教学目标,也不能满足高职院校培养专业应用型人才的要求。因此,我们从工学结合的理念出发,在传统的理论教学体系外,结合不同的专业设计了专业实践教学体系,不同专业的实践教学体系既有自身的特色与要求,又能与理论体系相互融合与促进。
由于在传统理论教学体系外增加了专业实践课程体系,客观上要求增加统计学的授课学时,这是有效且必须的。高职院校的统计教学一般安排在72―80课时左右(平均每周4课时),这与统计课程的重要地位是不相符的。这些课时对于理论教学尚可,若想强化学生的理解与实践能力则显得捉襟见肘,建议增加至108―120学时(平均每周6学时),将增加的课时分配给专业实践课程教学,用课堂情景模拟企业环境,用课堂实训问题替代企业真实问题,从而能产生近似工学结合的学习效果。
整个专业实践体系分解为四大块:教学计划体系、教学方法体系、校内实训体系和教学改革体系。首先要求教师在熟悉课本内容的基础上,及时了解外部环境变化,发掘企业及社会的需求,从而安排实践教学内容和教学计划;其次,充分利用相关教学资源来提高教学效率,可以课堂模拟也可以课外实践;最后,在教学过程中不断比较、总结和学习,形成自己的特色与核心价值。
三、优化教学内容
目前,大多数高职统计教材都能做到结构清晰、内容完整,同时也越来越注重实用性,但真正能做到基本理论与专业需求较好融合的并不多见。
1、传统教学内容的特点
(1)一般按照原来苏联模式下的社会经济统计体系,从基本概念入手,依次安排统计设计、统计调查、统计整理和统计分析模块;接着讲解抽样推断、参数估计、相关回归和统计指数,最后介绍国民经济核算体系。但在实际教学中,由于抽样推断和参数估计需要一定的概率论知识,因此一般略过不讲。
(2)缺少案例分析。这也是目前统计教材最大的通病。大多数教材只能做到将概念、计算讲解清楚,但内容稍显陈旧和单调,没有很好地和专业内容与实际需要结合起来。统计教材一般不像经济类教材那样内容生动、案例丰富。虽然统计学基本特点是客观真实,并不像经济学那样充满想象和主观判断,但统计教材完全可以多采用案例分析――统计并不缺少实际事例。可能有老师觉得可以在课堂上自己增加举例,但枯燥的课本已经提不起学生自觉看书的兴趣了。
(3)缺少高质量习题。一般的教材课后习题只是注重对概念的识记,如选择或填空“统计的特点是什么”、“统计调查的组织方式有哪些”等;或是对例题的重复变形,不过将例题稍微改头换面就变成了一个新的习题。这里并不是说这样的题目不好――初学者总要经历一个识记和模仿的过程――而是说这样的题目占整个习题的绝大多数,仅通过这些习题的训练对于提高学生的理解和应用能力显然是不够的,在识记的基础上应适当增加理解和运用层次的练习。
2、设计和优化内容
越来越多的统计教学工作者也发现了上述问题并为之努力。本文就如何设计和优化内容提出以下建议。
首先,根据工学需要,明确统计教学的内容范畴,并将课程内容细化为具体的知识点,再针对每一个知识点来设计教学内容。一定要注意课程内容不等于授课内容,课程内容只是按教学大纲要求必须讲授的知识点,但如何让学生学好学透这个知识点,老师应该围绕该知识点的重点、难点、特点等设计具体教学内容。比如统计课程内容的“强度相对数的定义”,如果只是按书本讲解强度相对数是“某一总量指标数值与另一有联系但不同类的总量指标数值之比”,学生一般难以掌握,此时,教师可以针对此知识点设计具体的教学内容“强度相对数定义,强度相对数与平均数的区别与联系,强度相对数与其他相对指标的区别,强度相对数的争议等”。显然教学内容是对课程内容的具体设计,统计教学应该经历确定课程内容――细化具体知识点――设计教学内容的过程。
其次,大量增加实例分析,将工学需求紧密结合。目前的统计数缺少引人入胜、紧贴生活的案例。案例一般分为三种:引人入胜型,这种案例一般是与知识点相关的生活常识或趣闻,提高学生学习兴趣;解决问题型,这种案例是统计知识在生产生活中的实际运用,提高学生的理解和应用能力;启发思维型,这种案例是提出新问题引发学生思考并尝试解决。增加案例分析有三个途径:书本案例、课堂案例、课后习题案例。第一要增加书本案例,书本是学生学习的基础,一本书如果内容枯燥无味,是很难吸引学生认真阅读学习的,而没有认真研读书本则学习效果可想而知;第二要增加课堂案例,课堂案例应以生产生活实际应用为主;第三要适当增加课后习题的案例分析,既是对课堂内容的巩固,又是对统计学习的补充。
最后,鼓励使用工学结合教材和习题。编写合格的工学结合教材和习题是一项复杂艰巨的任务。一方面要求教师紧跟专业要求和地方经济需求,另一方面要求教师具有丰富的实践经验和跨专业的复合知识结构。工学结合的教材要求体现统计知识与专业知识的结合,满足实际工作的需要;工学结合的习题要求学生通过练习,掌握一定的利用统计知识解决实际问题的能力。
三、改革教学方法
1、始终坚持“兴趣性”和“重要性”原则
统计学本身涉及了大量抽象概念和计算,而数学是高职学生的普遍弱点,要达到预期教学效果,必须让学生对统计感兴趣并且重视,从而愿意学且认真学。因此,教师在整个教学过程中始终要坚持上述两大原则。
2、善用教学方法
目前倍受推崇的有项目驱动法、工学交替法、情景模拟法等。项目驱动法是指根校企双方据实际需要确定研究项目,并在项目合作过程中完成教学培养工作。工学交替式是指把学生的校内学习和校外实训分段交替进行,一个学期在学校学习文化理论知识,一个学期下企业实习。这两种方法效果明显,但局限性也较强,比如研究项目的选择、实习人数的限制等。情景模拟法是利用校内条件,仿真企业环境和实际工作需求,学生在教师指导下模拟企业实训,从而达到身临其境般的效果。
3、强化职业道德教育,全方位指导学生
统计也有其职业素质和职业道德要求。从事统计学习和工作,必须本着客观真实、实事求是的原则,不弄虚作假。教学工作不仅仅限于课堂上知识的讲解,应该以知识激起兴趣,以兴趣串起知识,并用真挚的情感全面地指导学生学习,帮助学生树立正确的人生观、价值观,构建和谐的师生关系。积极利用课内外可利用的渠道来指点学生、关怀学生、帮助学生,建立一种长久、融洽、信任的师生关系,让学生真正喜欢上这门课程。
四、改变考核标准
为了有效实现上述目标,考核标准也要做相应调整。除了传统的期中期末考试外,更应该注重对平时的学习态度、实训效果进行考核,改变“一考定成绩”的模式。同时,除了教学考核外,还要求学生取得相关从业资格证,甚至鼓励和指导学生参与职业技能考试(如统计师,会计师,经济师等),这也是一种激励学生学习,提高学习和应用能力的有效途径。
综上所述,高职院校推行工学结合人才培养模式是新形势下我国高职教育改革的重要方向和根本出路。真正建立一套科学有效的工学结合人才培养模式任重道远,需要在加大学校软硬件投入,强化双师师资队伍建设,加强校企合作、校校合作等各个方面共同努力,最终为我国培养出更多高素质高技能的应用型人才。
【参考文献】
[1] 陈解放:合作教育的理论及其在中国的实践――学习与工作相结合教育模式研究[M].上海:上海交通大学出版社,2006.
篇2
类比推理和演绎推理、归纳推理一起构成人们认识客观对象的三大推理形式。类比推理作为平行型思维方式，突破了演绎推理和归纳推理只在同质同类的一般与个别之间运用的局限，借助同构对应关系，在不同质的两个或两类对象之间建立起特殊的推理关系，其探索性价值充分体现于纵向层次的认知推理和横向领域的知识转移。
二、分析
波利亚认为：“类比是某种类型的相似性……是一种更确定的和更概念性的相似。”这里的“相似性”，是指对象在某些方面的一致性，而类比则是指可以清楚定义的一致性。因此，应用类比的关键在于如何把关于对象在某些方面一致性的含糊认识说清楚，其实质就是根据两个对象的之间的相似性（或一致性），把信息从一个对象转移到另一个对象。
相对于数学概念而言，可以把一个已知或者熟悉的数学对象的信息转移到要学习和研究的数学对象上来，从而推理出另一个数学对象也应该具有某些信息，然后获取这个数学对象的相关信息。通常，在概率统计的学习中有如下几种类比的类型：因果类比、降维类比、结构类比和简化类比。在教学中有意识地培养学生的类比思维，将有助于学生化解概率统计学习中的一些难点问题和培养学生的数学思维能力。
（或问题）掌握另一种概念（或问题），而且能够发现两种概念（或问题）不同之处及其产生原因。这样就能真正领悟概念（或问题）的实质。从而架起新旧知识联系的纽带，既加强了知识间的纵向沟通，同时又鲜明地展示了知识的获取过程，形成清晰的知识脉络，把新知识纳入原有认知结构中。这样，避免了本质属性相近的数学知识孤立的存在于学生的头脑中，使学生将所学知识条理化、系统化。
参考文献：
篇3
1关于统计学
统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。
2统计学中的几种统计思想
2.1统计思想的形成
统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。
2.2比较常用的几种统计思想
所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：
2.2.1均值思想
均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.2.2变异思想
统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
2.2.3估计思想
估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
2.2.4相关思想
事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
2.2.5拟合思想
拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
2.2.6检验思想
统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
2.3统计思想的特点
作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。
3对统计思想的一些思考
3.1要更正当前存在的一些不正确的思想认识
英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。
3.2要不断拓展统计思维方式
统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。
3.3深化对数据分析的认识
任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(DDA)、推断性数据分析(IDA)和探索性数据分析(EDA)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。
参考文献:
[1]陈福贵.统计思想雏议[J]北京统计,2004,(05).
篇4
统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。
2 统计学中的几种统计思想
2.1 统计思想的形成
统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。
2.2 比较常用的几种统计思想
所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：
2.2.1 均值思想
均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.2.2 变异思想
统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
2.2.3 估计思想
估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
2.2.4 相关思想
事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
2.2.5 拟合思想
拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
2.2.6 检验思想
统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
2.3 统计思想的特点
作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。
3 对统计思想的一些思考
3.1 要更正当前存在的一些不正确的思想认识
英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。
3.2要不断拓展统计思维方式
统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。
3.3深化对数据分析的认识
任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(DDA)、推断性数据分析(IDA)和探索性数据分析(EDA)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。
参考文献:
[1] 陈福贵.统计思想雏议[J]北京统计， 2004，(05) .
[2] 庞有贵.统计工作及统计思想[J]科技情报开发与经济， 2004，(03) .
篇5
统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。
2统计学中的几种统计思想
2.1统计思想的形成
统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。
2.2比较常用的几种统计思想
所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：
2.2.1均值思想
均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.2.2变异思想
统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
2.2.3估计思想
估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
2.2.4相关思想
事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
2.2.5拟合思想
拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
2.2.6检验思想
统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
2.3统计思想的特点
作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。
3对统计思想的一些思考
3.1要更正当前存在的一些不正确的思想认识
英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。
3.2要不断拓展统计思维方式
统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。
3.3深化对数据分析的认识
任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(DDA)、推断性数据分析(IDA)和探索性数据分析(EDA)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。
论文摘要】所谓统计思想，就是在统计实际工作、统计学理论的应用研究中，必须遵循的基本理念和指导思想。统计思想主要包括均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想等思想。文章通过对统计思想的阐释，提出关于统计思想认识的三点思考。
参考文献:
[1]陈福贵.统计思想雏议[J]北京统计,2004,(05).
篇6
1关于统计学
统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。
2 统计学中的几种统计思想
2.1 统计思想的形成
统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。
2.2 比较常用的几种统计思想
所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：
2.2.1 均值思想
均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.2.2 变异思想
统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
2.2.3 估计思想
估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
2.2.4 相关思想
事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
2.2.5 拟合思想
拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
2.2.6 检验思想
统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
2.3 统计思想的特点
作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。
3 对统计思想的一些思考
3.1 要更正当前存在的一些不正确的思想认识
英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如gnp、人口增长率等等，均是凯特勒及其弟子们的遗产。
3.2要不断拓展统计思维方式
统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。
3.3深化对数据分析的认识
任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(dda)、推断性数据分析(ida)和探索性数据分析(eda)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。
参考文献:
[1] 陈福贵.统计思想雏议[j]北京统计, 2004,(05) .
篇7
统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。
2 统计学中的几种统计思想
2.1 统计思想的形成
统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。
2.2 比较常用的几种统计思想
所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：
2.2.1 均值思想
均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.2.2 变异思想
统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
2.2.3 估计思想
估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
2.2.4 相关思想
事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
2.2.5 拟合思想
拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
2.2.6 检验思想
统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
2.3 统计思想的特点
作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。
3 对统计思想的一些思考
3.1 要更正当前存在的一些不正确的思想认识
英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如gnp、人口增长率等等，均是凯特勒及其弟子们的遗产。
3.2要不断拓展统计思维方式
统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。
3.3深化对数据分析的认识
任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(dda)、推断性数据分析(ida)和探索性数据分析(eda)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。
参考文献:
[1] 陈福贵.统计思想雏议[j]北京统计, 2004,(05) .
篇8
1.均值思想。均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.变异思想。统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
3.估计思想。估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设:样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
4.相关思想。事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
5.拟合思想。拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
6.检验思想。统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
二、对统计思想的若干思考
篇9
1.均值思想。均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论,是统计学的基本思想。均值思想也要求从总体上看问题,但要求观察其一般发展趋势,避免个别偶然现象的干扰,故也体现了总体观。
2.变异思想。统计研究同类现象的总体特征,它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差,是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
3.估计思想。估计以样本推测总体,是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设:样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响,在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
4.相关思想。事物是普遍联系的,在变化中,经常出现一些事物相随共变或相随共现的情况,总体又是由许多个别事务所组成,这些个别事物是相互关联的,而我们所研究的事物总体又是在同质性的基础上形成。因而,总体中的个体之间、这一总体与另一总体之间总是相互关联的。
5.拟合思想。拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在,所有实际事物的关系都表现得非常复杂,这种方法就是对规律或趋势的拟合。拟合的成果是模型,反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
6.检验思想。统计方法总是归纳性的,其结论永远带有一定的或然性,基于局部特征和规律所推广出来的判断不可能完全可信,检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
二、对统计思想的若干思考
篇10
Key words: Variable Symbol Statistical target Statistical data
作者简介：鲁瑜，女，1963年9月出生，讲师。籍贯：安徽省桐城县，出生地：河南省洛阳市。1986年洛阳大学计划统计专业专科毕业，1997年中南财经政法大学财务会计学本科毕业，2007年西安建筑科技大学工业工程硕士毕业。研究方向为统计核算、企业会计。
那么统计学中讲的“变量”该如何理解呢？变量的概念是发展变化的，按发展变化的时序有以下几种理解：第一、统计中的变量是指可变的数量标志；第二、变量是指可变的数量标志和全部统计指标；第三、变量是指可变的数量标志和可变的统计指标；第四、变量是说明现象某种可变特征的概念，更明确一点，即：变量包括可变的品质标志和可变的数量标志和可变的统计指标。普遍的认为第四种理解更符合客观实际，笔者也赞同第四种理解。
一、统计中的变量是指可变的数量标志这种理解较狭隘，通过讲解引入可变的品质标志也是变量，即“可变的标志”都应作变量看待。
一般变量的讲解是这样进行下去的：首先明确统计学中的几个基本概念，三对六个：第一对是统计总体和总体单位，简称总体和单位；第二对是统计标志和统计指标，简称标志和指标；第三对是变异和变量。总体是所研究对象的全体，是由具有某种共同性质的许多个体所构成的整体，构成总体的各个个别单位，简称单位，也称个体，总体和单位的概念是随着研究目的的不同而发生变化的；标志是说明单位特征的名称，强调单位是标志的承担着，指标是反映现象总体数量特征的概念或名称和具体数值（指标名称+指标数值构成完整的统计指标，但只有概念或名称的指标是统计设计和统计理论中使用的指标概念），是综合各单位的某一标志而得到的，通过对指标概念的理解，首先明确指标是说明总体的，其次明确指标都是用数值表示的，没有不用数值表现的统计指标，这是指标和标志的区别之一，由于总体和单位之间存在着变换关系，标志和指标之间也会发生变换；变异和变量，我多年的教学经验通常是通过对标志的分类讲下去的，标志按在总体单位上的表现是否稳定可分为不变标志和可变标志，一个总体中，各个单位的某一标志的具体表现都相同的标志为不变标志（强调同质性），一个总体中，各个单位的某一标志的具体表现不都（尽）相同的标志为可变标志（强调变异性），如人口总体性别是可变标志，男性人口总体性别就是不变标志；可变标志在总体各个单位上具体表现上的差别就是变异，变异有品质变异和数量变异，如人口总体性别就是品质变异，年龄就是数量变异，数量变异也称变量，即可变的数量标志称为变量，变量的具体取值为变量值。很显然，通过以上的讲解，通常认为变量是指可变的数量标志，即第一种变量的概念。
这种理解，未免太过于狭隘。教师若以此思想去指导教学，难免会陷入不能自圆其说的境地。我们知道，一切总体单位都具有属性特征和数量特征，统计学中将其称为品质标志和数量标志。例如人口总体，这些特征可能是性别、民族、籍贯、文化程度，也可能是身高、体重、年龄、工龄等。对统计研究对象而言，无论其属性特征还是数量特征，往往均具有可变性。并且一个具体的特征可能在一种场合是可变的，而在另一场合是不变的。例如，上述所说人口总体性别是可变标志，男性人口总体性别就是不变标志了。可见性别这个品质标志有时也是可变的。推而广之，品质标志也具有可变性。这样，凡是“可变的标志”都应作变量看待。
然而，这只是对总体内部各单位的差异作静态考察时的变量。如果仅仅把变量定义为“可变的标志”，那么可变的统计指标怎么解释？它是否属变量范畴呢？所以，还得对统计总体作考察。
二、变量是指可变的数量标志和全部统计指标这种理解也不准确，不是所有的统计指标都是变量，通过讲解引入可变的统计指标才是变量，即只有“可变的统计指标”才应作变量看待。
统计有数量性、总体性、具体性和社会性的特点（《基础统计》，梁前德主编，高等教育出版社，2000年8月第1版），由统计的具体性可知，统计所研究的社会经济现象的数量方面是具体的量，是具体的社会经济现象在具体时间、地点、条件下的数量表现、数量关系和数量界限。例如，甲公司2005年的销售收入60亿元就是一个统计指标，而且是具体的、唯一的数值。对于2005年的来讲，销售收入这个指标只有一个数字。因而并非所有的统计指标都是变量。但是若把甲公司2005年至2008年的销售收入60万元、69万元、80万元、84万元依次排列，这时销售收入就是一个变量。可见，只有当同一统计总体的同一指标在不同时间的指标数值形成数列时，统计指标才可能成为变量。
因此，从静态上看，某总体的某一统计指标是常量，但把若干总体的同一指标放在一起，指标就变成变量了。例如，以洛阳市为总体时，2005年各公司销售收入指标是各不相同的，它是一变量。从动态上看，我们常常使用时间数列来处理统计数据，时间数列中的指标数值往往随时间变化而变化。如上，这种不断变化的指标也是变量，前后不同的指标数值就是变量值。可见，统计指标也有可变与不变之分，因而，“可变的统计指标”才应看作变量。
上述第二种观点是把全部统计指标视为变量了，但不是所有的统计指标都是变量，只有可变的统计指标才是变量，因而我认为是不妥的。第三种观点倒是把可变的统计指标视为变量了，但未包括可变的品质标志因而我认为也是不妥的。第四种观点我认为比较可取，但在文字表述上还可进一步具体化，由于说明现象某种特征的概念可以是标志（说明总体单位的），也可以是指标（说明总体的），因而我们不妨对变量作如下明确的定义：所有可变标志和可变的统计指标都是变量，即变量是说明现象某种可变特征的概念。
三、变量的分类：
（一）变量按具体表现不同分为分类变量（品质变量）和数值变量（数量变量）。
分类变量是用于说明事物所属类别方面的可变特征的变量，分类变量具体表现为分类数据，它又可以分为定类变量和定序变量。定类变量是用于区分现象不同类别的变量，它的取值表现为定类数据（如产业部门）。定序变量是说明现象的有序类型的变量，它的取值表现为定序数据（如产品的质量等级）。数值变量是用于说明事物数值方面的可变特征的变量，数值变量具体表现为数值数据，按数值数据的性质不同它可以分为定距变量和定比变量。定距变量是用于测度事物次序之间的距离的变量，它的取值表现为定距数据（如考试分数）。定比变量是说明现象的比例数据的变量，它的取值表现为定比数据（如体重）。
(二)变量按所使用的测量尺度不同分为定类变量、定序变量、定距变量和定比变量。
四种变量的概念已如上所述。四种变量对事物的反映是由低级到高级,由粗略到精确逐步递进的,高级变量能转化为低级变量,但不能反过来。如可将考试成绩百分制转化为五分制,但不能反过来。另外,四种变量适合于不同的统计计算方法。定类变量适合计算频数、频率、x2检验、列联相关系数等；定序变量适合计算中位数、四分位差、等级相关、非参数检验等；定距变量适合计算算术平均数、方差、积差相关、复相关、参数检验等；定比变量适合所有的统计计算方法。几乎所有的物理量和绝大多数经济量都属于定比变量。因此,不仅可以计算总量指标反映它们的总规模、总水平,还可以计算相对指标和平均指标反映它们的相对水平和一般水平。
（三）数值变量按变量取值是否连续分为连续型变量和离散型变量。
连续型变量是指可取无穷多个值,其取值是连续不断的,不能一一列举。它是用测量或计算的方法取得的数据，如温度、身高等。离散型变量是指只能取有限个值,而且其取值都是从整数位数断开,可一一列举。它只能用计数的方法取得的数据，如企业数、人数等。
（四）数值变量按性质不同分为确定性变量和随机变量。
确定性变量是具有某种或某些起决定性作用的因素致使其沿着一定的方向呈上升、下降或水平变动的变量，如我国国民经济总是不断发展的，具体表现为各种经济指标数值上升或下降（如人均收入和单位能耗），虽然也有些波动，但变化的方向和趋势是不可改变的，这些经济指标就是确定性变量。随机变量是指受多种方向和作用大小都不相同的随机因素影响，致使其变动无确定方向即呈随机变动的变量，如，在正常情况下某种机械产品的零件尺寸就是一个随机变量。
总之,统计学是一门逻辑严密的传统学科体系,作为统计学中几个基本概念之一的变量应有一个公认的正确的解释。这对今后统计学理论的研究发展都是很重要的。
参考文献：
[1]王军虎主编．统计学基础[M]．武汉：武汉理工大学出版社，2007年7月：10
[2]梁前德主编．基础统计[M]．北京：高等教育出版社，2000年8月：6~9
篇11
传统意义的精神分裂症是指起病于成年早期伴有慢性衰退的一组精神疾病，而起病于成年后期或老年期的精神分裂症的诊断归属仍然存在争议［1］，主要疑问是：早晚发精神分裂症是否归属于同一疾病单元，是同质的还是异质的［2］？本研究基于特征性认知损害是精神分裂症的特质性损害特征之一［3］，以神经心理测查为手段，比较了两组性别、年龄、受教育程度相当的早发、晚发精神分裂症患者的临床和神经心理特征，探讨早晚发患者的临床诊断归属。
1 对象与方法
1.1 对象
收集2003－02－2004－02北京大学第六医院和北京安定医院老年科的住院连续病例及符合入组条件的门诊患者。符合ICD－10精神分裂症诊断标准，晚发患者起病年龄≥45岁，早发患者起病年龄
共入组早晚发精神分裂症患者各36例，健康对照21例。晚发组：男性4例，女性32例；年龄46－70岁，平均年龄59±7岁；平均受教育年限10±4年；PANSS平均分79±18。早发组：男女也分别为4例、32例；年龄46－72岁，平均60±8岁；平均受教育年限9±4年；PANSS平均分84±17。健康对照组：男性5例，女性16例；年龄48－71岁，平均57±8岁；平均受教育年限10±4年。早发、晚发与对照组年龄、受教育年限比较差异无统计学显著性。
1.2 方法
所有研究对象由本人或其监护者签署知情同意书，通过精神检查及知情者收集患者的一般资料、病史资料及精神症状评定，内容包括：躯体疾病史、精神神经疾病家族史、起病年龄、总病程、疾病分型诊断、症状模式、抗精神病用药当量数以及评定临床疗效总评量表（Clinical Global Impression，CGI）、Schneider一级症状、阳性与阴性症状量表（Positive and Negative Syndrome Scale，PANSS）、总体功能评定量表（Global Assessment Scale, GAS）、简明精神状态检查表（Mini Mental Status Examination，MMSE）。
根据精神分裂症认知损害特征结合中老年患者特点，选取注意转换测查、划消测验、控制性口语联想测验、色词Stroop测验和威斯康星卡片分类测验，测查受试者的注意力和执行功能。注意转换测验采用湘雅大学医学院电脑版认知实验室注意测查部分，测查操作为按一定时间间隔在电脑屏幕上变换位置呈现1－9中任意一个或一组数字，当显示某一指定数字时，要求被试按下空格键。划消测验和控制性口语联想测验采用WHO老年成套神经心理测查中的图形划消测验和词语流畅性测验［6］，分别给被试呈现一张有各种彩色图形的纸，要求被试尽量快而准确地用铅笔划去特定图形，以及要求被试在一分钟时间内尽可能多地分别说出动物名称、姓氏和蔬菜名称并记录正确、不重复的词语数量。色词Stroop测验测查要求被试读出卡片上的字或说出字的颜色，卡片A用黑色的字随机排列红、绿、黄、蓝4个字；卡片B与A雷同，所不同的是以不同于字的红、绿、黄、蓝4种颜色写上上述4个字，卡片C是将红、绿、黄、蓝颜色的图形顺序排列，根据完成时间评分。威斯康星卡片分类测验128项电脑版显示4张刺激图片和128张反应图片，具有不同的颜色和形状，要求被试将呈现反应卡片与刺激卡片配对，系统给予对或错的反馈提示，被试可以根据反馈来推测应按何种原则分类，最后要求被试报告测验的原则。
所有研究对象的神经心理测查和精神状态评定由同一研究者完成，测查时间安排在下午2－4点。
1.3 统计方法
采用卡方检验、Mann－Whitney检验和单因素方差分析。
2结果
2.1早晚发精神分裂症患者的阳性家族史
早发患者组具有阳性精神病家族史者占50%(18/36)，高于晚发组的22%(8/36)（χ2＝5.316，P=0.021）。其中一级亲属患精神分裂症的比例早发组25%(8/36)高于晚发组14%(5/36)，同时神经系统疾病家族史阳性者早发患者11%(4/36)，晚发组未报告神经系统疾病阳性家族史。
2.2早晚发精神分裂症患者的临床特征
早发和晚发精神分裂症的平均起病年龄分别为28±5岁和53±7岁，总病程分别为31±7岁和7±8年。早晚发组患者MMSE评分分别为28±2和29±3，差异无统计学显著性（F＝1.388，P＝0.243）。症状模式比较显示晚发组阳性症状为主的患者比例89%（32/36，χ2=16.706,P=0.002）远高于早发组50%(18/36)，晚发患者中出现Schneider一级症状者占58%(21/36)，早发者占44%(16/36)，差异无统计学显著性。两组精神病理特征比较见表1。早（晚）发患者采用传统、传统合并新型以及新型抗精神病药治疗的比例分别为31%（14%）、14%（8%）、56%（78%）,两组比较差异无统计学显著性（χ2＝4.083,df=2,P=0.130），但早发患者氯氮平使用比例31%,远高于晚发的3%。平均用药当量数早发和晚发患者组分别相当于（318±214）mg和（244±143）mg氯丙嗪，晚发患者用量较低，但两组比较差异无统计学显著性（F＝2.887,P=0.094）。
2.3 早晚发精神分裂症患者神经心理特征比较
配对比较早发与晚发精神分裂症患者各项神经心理测查成绩，仅有注意转换测验第四试的错误数（TOVA33）、划消测验第一试遗漏数（CT12）、完成威斯康星卡片分类测验首次完成轮换所需次数（W6）差异有统计学显著性（见表2）。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文
早晚发精神分裂症患者与健康对照相比，注意转换测查、划消测验、控制性口语联想测验、色词Stroop测验和威斯康星卡片分类测验主要指标均低于健康对照，差异有统计学显著性。
3讨论
1943年Bleuler M首次提出“晚发性精神分裂症”的概念，其后有多位学者研究发现，晚发患者女性多见，病前可有视、听感觉缺损和分裂样或偏执性人格特质，突出的症状是幻觉、离奇的被害妄想，可见一级症状及情绪障碍症状，思维形式障碍、情感衰退较少，人格和社会功能保持良好，存在与老化有关的临床和神经影像学改变等［2,4］。晚发的精神分裂症与传统意义的分裂症有些不同，并认为早晚发精神分裂症可能归属不同的疾病单元，但也有反对意见［5］。
精神分裂症的神经心理研究发现，85％的患者认知测查反映出某种程度的神经心理功能损害，涉及从基本的感知觉、注意、记忆、言语、推理判断到执行功能等［5］，这些损害不仅见于已患病的各种类型精神分裂症患者，而且当病情缓解或症状减轻后认知损害并未消失［7］；患者未患病的一级亲属、同胞、分裂症相关人格障碍患者也有类似表现［8,9］，提示精神分裂症患者存在遗传背景下的神经发育异常支持精神分裂症的神经发育假说［10］，即精神分裂症产生于神经选择和迁徙的早期阶段，在胎儿大脑发育的很早期，异常的变性过程可能就已经由遗传“启动”了，青春期后在外界环境影响下，以前隐藏的神经元选择和迁徙的问题得以暴露。
本研究发现，晚发精神分裂症与早发患者比较PNASS量表总分和MMSE评分相当，而且阳性症状、精神病理症状、攻击危险性特征两组患者并无不同，早晚患者中出现Schneider一级症状者的比例也无显著性差异，说明晚发精神分裂症同样可以表现精神分裂症的各类临床病理特征［3］。神经心理测查显示，早发及晚发精神分裂症患者与健康对照相比所有主要测查指标均低于健康对照。如：早晚发患者注意转换测验正确识别数比正常对照减少，错误识别数比正常对照增加，划消测验遗漏次数较对照增多，各单项划消所用时间都比对照延长。提示，早晚发精神分裂症患者都存在明显的注意保持和注意转移损害，而且相对恒定，不因任务的难度和测查形式而异。早晚发患者控制性口语联想测查中每一单项测验和总测验成绩均比正常对照明显降低，色词Sroop单次阅读、颜色识别、色词阅读以及色词颜色识别各单项测查所用时间均比正常明显增加，同时色词Sroop测查中色词颜色识别的错误发生次数较正常对照明显增多。提示，早发及晚发精神分裂症患者在概念形成、概念转换以及无关信息抑制等执行功能上均存在普遍损害。上述特征支持早发和晚发精神分裂症具有相同的认知损害特征。
本研究中发现，早发精神分裂症患者组家族精神病史阳性比例明显高于晚发组，而且神经系统疾病的阳性家族史也高于晚发组，提示遗传因素在早发精神分裂症患者发病中占比重大于晚发患者。临床病理特征比较发现，在早晚发精神分裂症PANSS总分相当的情况下，晚发组阳性症状为主的患者比例远高于早发组，其阴性症状相对不突出，同时GAS功能评分较高，也与以往发现一致［2］。从治疗上看。虽然两组抗精神病药使用种类和剂量比较统计学差异不显著，但其氯氮平的使用比例在早发组明显高于晚发组，药物剂量早发组也高于晚发组。推测可能与早发患者早年选用氯氮平有一定关系，但也可能源于早发患者的疾病控制较难，难治程度较高。配对比较两组的神经心理测查指标，注意转换测验第四试的错误数、划消测验第一试遗漏数差异有显著性,这两项指标是不同测验同类指标中的一个单项，不能排除偶然因素导致，暂无法推测两组存在本质性差别。但威斯康星卡片测验成绩，早发患者转换完成次数较晚发患者减少、首次转换所用试验数较晚发患者增多，晚发精神分裂症患者的成绩好于早发患者组，略低于健康对照组（未显示统计学显著性差异）。这一结果提示早发精神分裂症的执行功能异常可能较晚发患者突出，或认知损害在精神分裂症不同发展阶段逐渐进展演化表现不同。上述发现均支持早发的精神分裂症患者遗传因素及其神经发育异常对精神分裂症的起病贡献较晚发精神分裂症大。
篇12
一、引言
伴随信息技术的迅猛发展，数据库规模与应用的不断扩大，大量数据随之产生。新增的数据包含了重要的信息，人们希望更好地利用这些数据，并通过进行更高层次的数据分析，为决策者提供更宽广的视野。
现今，很多领域已建立了相应的数据仓库。但人们无法辨别隐藏在海量数据中有价信息，传统的查询方式无法满足信息挖掘的需求。因此，伴随着数据仓库技术不断发展并逐渐完善的一种从海量信息中提取有价潜在信息的崭新数据分析技术------数据挖掘（Data Mining）技术应运而生。
二、数据挖掘概念
数据挖掘技术从1990年左右开始，发展速度很快，数据挖掘技术的产生和不断发展可使得人们对当今世界的海量数据中隐藏着人们所需要的商业和科学信息等重要信息进行挖掘。数据挖掘运用到交叉学科，涉及到，包括Database、AI、Machine Learning、人工神经网络（Artificial Neural Networks）、统计学（statistics）、模式识别(Pattern Recognition)、信息检索（Information Retrieval）和数据库可视化等，因此数据库目前还没有明确的定义。通常普遍认可的数据挖掘定义是：从数据库中抽取隐含的、以前未知的、有潜在应用价值的模型或规则等有用知识的复杂过程，是一类深层次的数据分析方法。
三、数据挖掘方法
由于数据挖掘技术研究融合了不同学科技术，在研究方法上表现为多样性。从统计学角度上划分，数据挖掘技术模型有：线形/非线形分析、回归/逻辑回归分析、单/多变量分析、时间序列/最近序列分析和聚类分析等方法。通过运用这些技术可以检索出异常形式数据，最后，利用多种统计和数学模型对上述数据进行解释，发掘出隐藏在海量数据后的规律和知识。
（一）数据挖掘统计
统计学为数据挖掘技术提供了判别方法与分析方法，经常会用到的有贝叶斯推理(Bayesian reasoning; Bayesian inference)、回归分析（Regression analysis)、方差分析(Analysis of Variance，简称ANOVA)等分析技术、贝叶斯推理是在估计与假设统计归纳基础上发展的全新推理方法。贝叶斯推理在与传统统计归纳推理方法相比较，所得出的结论不仅根据当前观察得到的样本信息，还将根据推理者过去相关的经验和知识来处理数据挖掘中遇到的分类问题；回归分析是通过输入变量和输出变量来确定变量之间的因果关系，通过建立回归模型，根据实测数据求解模型的各参数，若能很好的拟合，则可根据自变量进一步预测。统计方法中的方差分析是通过分析研究中估计回归直线的性能和自变量对最终回归的贡献大小，从而确定可控因素对研究结果影响力的大小。
（二）聚类分析（Cluster analysis ）
聚类分析(Cluster analysis)是将一组研究对象分为相对同质的群组(clusters)的统计分析技术。 同组内的样本具有较高相似度，常用技术有分裂/凝聚算法，划分/增量聚类。聚类方法适用于研究群组内的关系，并对群组结构做出相应评价。同时，聚类分析为了更容易地使某个对象从其他对象中分离出来的方法用于检测孤立点。聚类分析已被应用于经济分析（Economic analysis）、模式识别(Pattern Recognition)、图像处理(image processing)等多种领域。
（三）机器学习（Machine Learning）
机器学习方法经过多年的研究已相对完善，通过建立人类的认识模型、模仿人类的学习方法从海量数据中提取信息与知识，在很多领域已取得了一些较满意的成果。因此利用目前比较成熟的机器学习方法可以提供数据挖掘效率。
（四）数据汇总
数据库中的数据和对象经常包含原始概念层上的详细信息，将数据集通过数据立方体和面向对象的归纳方法由低概念层抽象到高概念层，并对数据归纳为更高概念层次信息的数据挖掘技术。
（五）人工神经网络（Artificial Neural Networks）
神经网络是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。近年来在解决数据挖掘中遇到的问题越来越受到人们的关注，源于人工神经网络具有良好的自组织自适应性、并行处理、分布式存储和高容错等特性，并通过调整内部大量节点之间相互连接的关系，达到处理信息的目的。
（六）遗传算法（Genetic Algorithm）
遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，是一种受生物进化启发的学习方法，通过变异和重组当前己知的最好假设来生成后续的假设。遗传算法可直接对结构对象进行操作，不存在求导和函数连续性的限定，能自动获取和指导优化的搜索空间，自适应地调整搜索方向。遗传算法已被人们广泛地应用于多种学科领域。
（七）粗糙集
粗糙集是一种刻划不完整性和不确定性的数学工具，能有效地分析不精确，不一致（inconsistent)、不完整（incomplete) 等各种不完备的信息，还可以对数据进行分析和推理，从中发现隐含的知识，揭示潜在的规律。粗糙集理论应用于数据挖掘中的分类、发现不准确数据或噪声数据内在的结构联系。
四、数据挖掘技术发展趋势
当前，数据挖掘技术不断创新与发展，数据挖掘技术开发研究人员、系统应用人员所面对的主要问题：高效、有效的数据挖掘方法和相应系统的开发；交互和集成的数据挖掘环境的建立以及在实际应用中解决大型问题。
五、小结
数据挖掘技术涉及到多种学科技术，如：数据库技术、统计学、机器学习、高性能计算、模式识别、神经网络、数据可视化、信息检索及空间数据分析等。因此，数据挖掘是非常有前景的研究领域，随着数据挖掘技术的不断发展，它将会广泛而深入地应用到人类社会的各个领域。
参考文献：
[1]罗可，蔡碧野.数据挖掘及其发展研究[J].计算机工程与应用,2002
[2]赵丹群.数据挖掘：原理、方法及其应用[J].现代图书情报技术,2000
[3]刘毅勇.情报分析智能辅助决策方法及其军事应用[M].北京：国防大学出版社，2001
[4]唐晓萍.数据挖掘技术及其在指挥控制系统中的应用[J].火力与指挥控制，2002
[5]Alex Berson，Stephen J．Smith，Data Warehousing，Data Mining,&OLAP[M], McCraw-Hill Book Co,1997
[6]吴修霆.SAS数据挖掘技术的实现[J].微电脑世界,2000, Vol.14:pp44-45
篇13
一、团队同质性与异质性的概念
团队同质性是指在一个团队之中，团队成员人口统计学特征以及态度、价值观、经验彼此相同或相似；团队异质性与此相对，是指团队成员之间特征的差异化。
二、团队同质性与异质性的优缺点
同质的团队由于团队成员个体之间比较相似，故没有“另类分子”，大多数情况下团队里较少出现多余的声音，很容易形成共识。因此团队内部和谐融洽、气氛良好。从团队氛围影响团队绩效的角度来说，在一个和谐融洽的团队当中，团队成员完成工作的内部阻力小，工作顺心、愉快，故同质性的团队具有较积极的团队力量、高水平的适应性组织变革能力和低水平的流失率。但不可否认的是，由于团队的同质性很强，专业能力以及性格喜好都很相似，所以很容易造成专业、能力的重叠和重复，造成人力资源的浪费。如果引导不当的话，还很容易造成组员的互相依赖（“干嘛非要我去做，他去也可以啊”）。另外，虽然同质性团队中不再有“异类分子”出现，但大家看待问题的视角、做事的动机、出发点都出奇的一致，这也造成了一个人掉坑里，一队人都会跟着往下掉的现象。相同的盲点、相同的误区、相同的陷阱，同质性团队对于这样的潜在危险少了一些可以预警的“异类人”。 由此可见，同质性强的背后，必然导致团队所涉及的专业领域和信息来源的缺少和缺失，从而使得团队在执行任务过程中遇上很多困难，增加了团队成功的难度。
相比同质性团队，异质性的团队成员之间有着差异化的特征与优势，能够在一定程度上形成资源互补，使得团队犹如一个多面手，在执行任务时就能够兼顾到方方面面，从容应对来自不同专业领域的突发事件，对于盲点、误区、陷阱等潜在危险的灵敏度要比同质性团队高得多。如果团队成员能够互相配合，各自展现自己的专业水准和能力所长，团队将有极强的战斗力。当然，由于在异质性团队中团队成员所具有的处世风格以及分析问题的观点和角度多少都会不同，这样在对处理问题和决策上就容易产生意见分歧。如果不能统一思想和意见分歧，那么在执行任务时就很难做到步调一致，从而团队的力量就很难发挥到淋漓尽致。
国内外学者对于团队异质性做了大量深度的研究，研究发现，异质性团队对于团队绩效既有正向影响，同时也有负向影响。例如，对于信息的异质性，多数研究者得到了较为一 致的观点，即认为职能和教育背景的异质性能提高团队绩效。Pelled等人的研究表明，教育背景的异质性与团队绩效有显著的正相关[7]。Jehn的现场研究也发现信息异质性对团队绩效有积极的影响[9]。20世纪90年代，Barry对自我管理团队的研究发现，在解决创造性问题上，外倾性与团队工作绩效呈倒“U” 关系，即团队成员中性格外向者过多或过少都不利于团队绩效的提高。Neuman等人调查了82个零售团队后发现，团队中外倾性和情绪稳定性的异质性与团队绩效有正相关，责任心、宜人性和开放性上的异质性与团队绩效负相关。此外，张平学者在高层管理团队的异质性与企业绩效的实证研究中指出，在我国企业中，TMT职业经验异质性、年龄异质性与行业动态性的交互作用在各自对企业绩效的影响中起负向的调节作用，即在竞争激烈的行业中，TMT职业经验异质性、年龄异质性越高的企业绩效越差。
三、启示与反思
无论是同质性团队还是异质性团队，都存在各自的优缺点，没有哪个是绝对好或绝对坏的，具体应结合异质性的表现方面，视工作与任务的性质而定。对于工作任务较为固定、风险度低、行业竞争力强的工作，由同质性的团队来完成就会比较顺利；而对于创造性强、灵活多变、风险高、行业竞争力弱的工作，异质性团队更能发挥其价值。
此外，对于任何一种性质的团队，要想创造高的团队绩效，都必须要有团队精神与合作意识。在同质性团队当中，要在内部形成一套完善的民主决策流程和制度，也包括合理的、科学的奖励制度。例如团队完成任务取得胜利时，应该全体人员都有奖励（哪怕有的人在本次没有能力或没有机会出到力），然后才是根据每个人的付出以及所做的贡献分级奖励。而在异质性团队中，拥有一个强而有力的领导核心人物，能够圆满的作好成员的思想工作，统一团队成员的思想，引导好员工为全体利益着想，牺牲小我成全大我，使得团队目标一致、步调一致，则是团队成功的必要因素。
参考文献：
