统计学意义范文

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的13篇统计学意义范例，将为您的写作提供有力的支持和灵感！

篇1

一、统计学对侦查学的意义

事实上,在我国,统计学对侦查学的意义远被低估了,因为我国侦查学者没有真正认识到统计学能够为侦查学做些什么,当然也就不知道统计学对侦查学的意义。时至今日,我国侦查学界的研究成果中,能够找到熟练运用统计学的简直是凤毛麟角。侦查学研究者们的知识库中,能够找到统计学的更是少之又少。这便是我们没有认识到统计学对侦查学的意义的有力证据。那么统计学对侦查学有什么意义呢?或者更为直白地说,统计学能为侦查学做些什么呢?

(一)统计学能够帮助侦查学较为精确地揭示各类犯罪的特点

和犯罪学一样,侦查学也要研究各种犯罪类型的特点。只不过,二者的研究角度是不同的。犯罪学研究犯罪特点的目的在于预防和改造犯罪人,它反映的是犯罪现象背后深层次的社会根源和心理根源;而侦查学研究犯罪特点的目的在于发现和证明具体的犯罪事件,因此,侦查学中的犯罪特点反映的是犯罪人在具体环境中的行为方式以及这些行为对环境的影响。比如,犯罪人的职业习惯、教育水平、生活方式、社会经济地位等等因素是犯罪学和侦查学都要关心的问题。然而,犯罪学只关心这些因素的差异是如何导致犯罪人犯罪的,又如何利用这些因素来预防、惩罚和改造犯罪人;而侦查学则要追问这些因素如何通过犯罪现场、犯罪痕迹、犯罪遗留物、目击证人、被害人等途径反映出来,又如何通过这些途径来识别这些因素,从而最终识别犯罪人,建立特定犯罪人和犯罪事件的关联。当然,应该承认,这些差异在侦查学著作中表现得也不是那么一目了然;但是,无论如何,侦查学是要研究各类犯罪的特点是没有疑问的。要研究各类犯罪表现出来的行为特点或犯罪行为改变环境表现出来的特点,统计学在其中大有可为。还是拿犯罪人的职业习惯、教育水平、生活方式、社会经济地位等等因素来说,这些因素在多大程度上能够通过犯罪现场或者其他途径反映出来?对此问题,侦查学著作都不同程度地有所解答。但让人遗憾的是,对这些问题的解答常常不能让人满意;因为缺少统计学这一工具,我们无法准确得知犯罪人的这些个人特征在多大程度上决定了犯罪类型、犯罪手法,这些个人特征各自是在多大程度上能够通过特定途径表现出来,是否有些因素并不是我们想象的那么重要,是否这些因素之间的关系和作用也要影响具体的犯罪行为本身?我们习惯的方法是通过与侦查实务人员的经验交流,通过案例的总结,根据个人生活经验想当然地“反思”,对这些问题进行简单化处理;到头来,这些问题的答案在我们的著作中始终是一片混沌。反之,如果我们吸取社会学发展的经验,对每个因素在犯罪中的反映程度、反映方式,以及因素之间的关系如何影响反映程度、反映方式等问题进行统计分析,对前面提出的这些问题相信会有一个准确的回答,而且还可能会有让人意外的发现。

(二)统计学能够帮助侦查学准确评价侦查方法和策略

特定类型的案件的特定侦查方法、策略是什么?这些方法、策略的效度(effectiveness)、效益(efficien-cy)及正当性(justifiableness)如何?随着时代和社会的变迁,这些方法、策略是否发生了改变?发生了多大改变?这些侦查方法、策略在多大程度上打了法律的球?公众、其他司法机关、犯罪嫌疑人、侦查机关对有违法嫌疑的方法、策略有多大的容忍度?这些问题在我国侦查学著作中几乎是没有答案的,即使有,得出答案的过程也是非常草率的。然而,如果我们应用了统计学这一工具来进行研究,对不同类型的案件就会发现不同的侦查策略和方法,侦查学著作中就再也不会有所有案件的侦查方法大同小异的现象。如果我们对方法、策略在特定类型案件中的效度、效益和正当性进行了统计分析,就会减少侦查实践中侦查方法、策略的设计与运用的盲目性和随意性,也会促使侦查学界、诉讼法学界、侦查实务界就某些侦查方法和策略正当性这一问题达成一定程度的共识。应用统计分析的工具,我们就会发现一些侦查方法、策略的效度、效益及正当性的问题都随着时代和社会的变迁也在发生变化,对变化的程度、导致变化的因素都会有一个全面而准确的认识。总之,统计学可以帮助侦查学较为准确地评价侦查策略。实际上,将统计学应用于侦查策略的研究,在国外已经有了成功的范例,而这一成功范例是由侦查心理学家提供的。讯问策略和技术的评估,是国外侦查心理学家们长期研究的侦查策略问题。在1986年出版的一本侦查讯问手册中,Inbau等人竭力推荐在讯问中使用“里德讯问技巧(ReidTech-nique)”,这项技巧是由Inbau和Reid二人于1962年提出的,技巧分为九个步骤[1]:直接正面接触;帮助犯罪嫌人找到借口;对否认和抵赖的操控;平息异议;抓住并维持嫌疑人的注意力;控制嫌疑人的消极情绪;换一种形式提问;使嫌疑人口头交代犯罪的各个细节;将口头供述转化为书面供述。这项“里德讯问技巧”也是无数审讯人员的经验总结,而且这项技巧一直以来用于培训美国的审讯人员,而且还一直为一些学者所引用。然而,有的侦查心理学专家对这项技术也有疑问:和强制程度较低的讯问技巧(里德讯问技巧具有较大的强制性)相比,运用里德讯问技术能获得更多的供述吗?使用雷德讯问技巧导致的虚假供述所占的比例是多大?[2]这些问题显然是对里德讯问技巧的评估。而且,很明显,单纯从侦查人员的经验感知出发,很难对这两个问题有准确的答案,而且即使有答案,也只是凭个人感觉而得出的想当然的结论。经过侦查心理学专家们的研究发现,即使是犯罪嫌疑人在没有犯罪的情况下,犯罪嫌疑人都有可能说自己有罪,冰岛和北爱尔兰的研究分别显示20%和22%的犯罪嫌疑人都会如此[3];而Leo等人认为讯问成功的策略以及在讯问中成功使用的几率如下[4]:诉诸犯罪嫌疑人的道德良心(97%);发现犯罪嫌疑人供述的矛盾(91%);“夸奖”(91%);为犯罪行为提供伦理和心理上的“正当”理由(90%)。从冰岛、北爱尔兰以及Leo的研究成果来看,这些研究成果都对“里德讯问技巧”提出的疑问进行了间接回答。而且,从上可以看出,对这些疑问的回答,依靠了统计学这一工具。可见,对侦查方法、策略的评估研究是应当应用统计学的,而如果引入统计学这一工具,将把我国侦查学中侦查方法、策略的研究引入一个崭新的阶段。#p#分页标题#e#

(三)统计学能够为侦查学建立证据的科学评估体系

目前,我国的侦查实践中,对证据的评估完全是一种“跟着感觉走”的状态,规范性和科学性很低。之所以如此,是因为我国的侦查学没有为侦查实践提供一个科学的证据评估体系。到目前为止,我国的侦查学著作描述的多是对证据资格而非证明力的评估,对证明力也多是定性评估而非定量评估。然而,在侦查实践中,证据资格评估和证明力评估是同等重要的;定性评估虽然不可少,但定量评估更有说服力。然而,要在侦查学中建立一个能够定量评估证据证明力的方法体系,是离不开统计学的。在侦查中评估证据的证明力,要同时考虑肯定、否定两个方面的情况。单纯考虑某一证据可以确证或者可以否证某一犯罪事件或者犯罪事件中的某一要素,都是不科学的。客观地说,任何一个证据对某一犯罪事件或者犯罪事件中的某一要素,既有确证能力又有否证能力,只是能力的强弱不同而已。而且,犯罪嫌疑人没有最后定罪之前,证据对犯罪事件的确证和否证都实际上是一种假设。是否要选取某一证据,就要将证据对犯罪事件的确证假说和否证假说进行一番量化对比,然后根据量化标准来选取证据。根据这一思想,我们将证据标记为E,证据的确证假设标记为Hp,证据的否证假设记为Hd;那么,证据支持确证假设的概率可以表示为p(E|Hp),而证据支持否证假设的概率可以表示为p(E|Hd)。而要比较这两个概率的大小,同时用于决定是否选取证据,则要引入一个概念,即概率比(LikelihoodRatio,LR)。这个概率比等于证据支持确证假设概率p(E|Hp)除以证据支持否证假设概率p(E|Hd):LR=p(E|Hd)[5]可见,若证据支持确证假设的概率越大,则概率比值越大;若证据支持否证假设概率的概率越大,则概率比值越小。假如,经统计分析发现,犯罪现场找到的某一枚弹头由某一枪支发射的概率为80%,而并非由这一枪支发射的概率为10%,则两个概率的比值为LR=80%/10%=8。那么,这个概率比值要达到多大才能作为证据呢?经过研究发现,可以将这些比值用自然语言划定等级,用于帮助选取或者排除证据。表1列出了与LR等值的自然语言。当然,侦查实践中远比这上面的情况复杂得多:首先,证据可能会很多,其次,证据的两个概率值不易获得。对于证据很多的问题,是可以解决的,只需将前面的LR公式推广就行了(由于推广的过程有些繁琐,兹不赘述);对于证据的两个概率值的问题,诚然,并非所有证据的概率都容易量化,但可以肯定的是,侦查实践中有相当一部分证据的概率值是可以量化的。所以,这一评估证据的方法体系,可以应用到侦查学中去,当然这一方法的实质还是统计学。其实,类似的方法早已在国外的法庭科学实践中运用了。总之,在侦查学中,统计学是可以大有作为的,但是我国侦查学研究者中具有统计学知识背景的人却少之又少,导致侦查学研究很少运用统计学。之所以如此,很大成程度上是由我国侦查学教育中统计学缺位造成的。

二、统计学课程缺位给侦查学教育带来的后果

据Robertson和Fields二人于1986年对美国大学刑事司法专业开设统计学课程的调查显示,绝大多数四年制本科刑事司法专业都必修统计学这一门课程[7]。这还只是1986年调查显示的结果,现在开设统计学的范围应该更加广泛了。而相反,只要了解一下国内数十所警察、政法院校侦查专业教学课程的设置情况,我们就会发现,侦查专业的教学计划中是没有统计学这一门课程的。那么,统计学课程在侦查学教学中的缺位,到底带来了什么不良后果呢?

(一)使侦查专业人才的知识结构很不合理

侦查实践是一项复杂的社会实践,侦查人员需要有广泛的人文、社会、自然科学知识,还需要有丰富的生活经验,才能胜任现代社会的犯罪侦查工作。因此,侦查学教育应该坚持通识教育的理念,在通识教育理念的指导下,侦查专业课程的设置应当坚持科技与人文并重、理论与实务并重的格局。然而,实际情况是,不管是警察院校还是政法院校的侦查学专业,其课程设置以人文学科为主,缺少科学技术学科;并且,侦查学教育长期重实践、重应用,因此侦查课程设置也是重实务、轻理论。在这种课程设置的框架之下,是没有统计学这一课程的,似乎也不需要有这门课程。然而,由于没有设置统计学这一工具,使侦查专业人才的知识结构表现出不合理的特点:人文学科知识比重大而科学技术学科比重小;实务经验比重大而理论比重小。因为,只有开设了统计学这门课程,现代自然科学技术才容易为侦查学专业的学生所接受;之所以如此,是因为现代科学技术都必须要运用统计学这一工具,而如果没有这一工具,学生对任何自然科学技术都不可能深入学习、研究下去;这样一来,在侦查学专业中培养学生的科学素养将成为空谈。此外,由于缺少统计学知识,学生便缺少了一项研究社会的工具,对侦查实践这一社会现象的认识只能停留于侦查实务人士的工作经验总结这一水平上,根本无法利用现代社会科学的研究工具,从而展开有计划、有条理的、系统的侦查学理论探索;这样的结果便是,实务经验的价值被无限拔高,而理论思考和探索的价值被无限贬低。这一切都是因为没有培养侦查学专业的学生的科学精神所造成的,而科学精神的培养,少了统计学是不可能的。此外,由于缺少统计学的训练,在侦查实践中,侦查专业人员常常不知道利用统计学工具来分析侦查实践中的问题,也不知道使用统计学工具来对具体案件中的证据进行科学评估。

(二)使侦查学研究长期处于“缺少问题”的状态

科学哲学认为,科学探索开始于问题。[8]也就是说,科学的发展是因为人们对自然、社会等等现象有疑问,而又有力图解决疑问的强烈冲动,因而才有人花费无数的精力、财力和时间来进行科学探索。可见,提出问题在科学中的地位是无比重要的,而科学研究中最重要的意识就是问题意识;而如果有无数的问题需要某一门科学解决,那么这门科学将获得无穷的发展动力,这门科学的发展前途将无限宽广。我国的侦查学研究却处于“缺少问题”的状态。我们经常可以听见从事侦查学研究的人士感叹:侦查学的问题太少了!事实真的是这样吗?不是的,实际情况完全相反。且不说侦查学的概念体系需要厘清,学科体系需要完善,基础理论需要完善和深化;就侦查实践来说,亦有无穷无尽的问题需要侦查学研究者去研究、去解决。然而,人们为什么要感叹侦查学“缺少问题”呢?道理很简单,缺少发现问题的工具,而统计学则是一个发现问题的工具。侦查实务人士最关心的是具体工作目标怎么达成,如何清除阻碍工作目标实现的因素。对这些问题,侦查学界常常没有一个好的答案,其原因在于没有从这些表面问题看到更深入的问题,当然不会有好的答案。而要从表面问题看到更深刻的问题,没有统计学这一工具是不行的;因为统计学可以将十分庞杂的社会调查资料进行深入分析和解释,“统计学能使我们从资料中发现行为模式、设计有效的研究计划、对大量信息进行简化描述”。[9]然而,我们的侦查学教学计划中却没有统计学这门课程,而这样培养出来的侦查学研究者当然也没有统计学知识,那么在研究中当然也就无法应用这一研究工具;因此,我国当今的侦查学研究者除了只能进行一下概念上的分析、观念上的推演外,只能充当侦查实务人员的传声筒,根本无法对侦查这一社会现象进行科学、独立的研究;这样一来,侦查学研究怎么会有“问题”呢?没有“问题”的科学是没有前途的科学,我国的侦查学要找到自己的“问题”,得利用统计学。而侦查学要利用统计学,则需要有懂统计学的研究者,而懂统计学的侦查学研究者则绝大多数来自于学过统计学课程的学生。因此,在侦查学教育中开设统计学课程可以造就懂统计学的侦查学研究者,可以帮助侦查学找到“问题”,从而推动侦查学的发展。#p#分页标题#e#

(三)使我国侦查学研究者长期无法与国外同行进行有效对话

篇2

一、概率论引入统计学的意义

（一）方法的突破

统计学研究对象的拓展。引入概率论后统计学研究对象的拓展表现在外延与内涵两方面。外延上，导源赌博问题研究的概率论以随机性现象为主要研究对象，它的应用将统计学思想方法带到自然科学领域，甚至用于研究人类心理活动、思维现象，拓展了原来始于社会经济现象研究的统计学的研究对象。另外，联姻前统计学对现象的描述、分析只能止于其确定性方面，有概率论新工具后，其不确定性方面也能描述分析，拓展了作为统计学对象的社会经济现象的数量信息内涵。研究对象的拓展，使得在此基础上统计学成了一门具有通用性的定量分析工具。

统计学研究方法的进阶。概率论联姻“统计”的突出意义表现在方法上—由描述走向推断。“描述统计”（包括数据的收集、整理、显示和分析）主要是通过图表形式对所收集的数据进行加工处理和显示，进而综合、概括和分析得出反映客观现象规律的数量特征；“推断统计”则是在对样本数据进行描述的基础上对统计总体的未知数量特征作出以概率形式表达的推断。联姻之前的古典统计学主要就是初级的“描述统计”（简单的计量、分组、图表、推算等），现代统计学则以“推断统计”为其核心内容。这里“描述”与“推断”的划分一方面反映统计方法发展的两个阶段，另外也反映应用统计方法探索客观事物数量规律的不同过程。“描述”是基础，“推断”是主要内容。

推断统计的现实性意义。统计学从描述发展到推断，反映统计学发展的巨大成就，也是统计学成熟的重要标志。一方面，它是重要的认识工具。正是由于有了“推断”，科学借助统计这一定量分析工具取得了巨大成就。象著名的基因论就借助推断统计方法而得。

（二）思想的腾飞

矩：统计学早期便有“平均”即一般代表值的思想，认识事物数量方面的一般性。引入概率论后，“平均”引申到“期望”，描述随机变量的集中趋势。与“平均”相对应，有对数据偏离“一般”程度的描述即“变异”，认识事物数量方面的差异。引入概率论后其内涵扩充到对随机变量离散程度的描述。“矩”源于力学研究，均数、方差同重心和转动力矩之间的类似促使统计上用“矩”来描述数据特征。其概念涵盖前述的几个参数，并扩充到多阶、多维随机变量特征的描述。“矩”体现了统计“求同察异”的思想，即在了解差异的同时认识事物的同质性。

估计：估计是据样本数据对总体参数所作出的“猜想”’其实质是一种类比，将对已知事物的认识拓广到更大范围。实际上有一个假定即样本、总体的同质性（同分布）。由于样本的随机性使得估计带有不确定性，便给出“区间”来对其描述。

检验：检验即先对总体特征作出一种假设，然后根据样本信息对这一假设的支持程度作出描述（假设正确性的判断），主要运用反证法、小概率原则等思想。检验与估计构成统计推断内容的两面，鉴于思维上推与证的不同而分别提出。

拟合：拟合就是对现象之间的联系、发展规律、变化趋势给予定量描述，是对事物间关系表现的一种抽象。也就是以一定的模型来反映现象及现象间的联系的发展变化，表现出联系的显性方面而抽象掉非显性方面。

相关：相关是客观事物普遍联系的哲学思想在统计上的具体化。统计所研究的对象之间往往表现出相随共变或相随共现的情况，相关便是对现象间这种联系的数量表现的描述、分析。通过对比关联现象变化的方向与程度，来研究它们之间是否有联系、联系的紧密程度和形式。

惯性：哲学上，客观现象都是有规律的辩证发展运动过程。任何运动都具有惯性，这种惯性表现为系统的动态性即记忆性。它反映现象未来行为与过去的行为有关这样一种动态思想，是“动态相关”，也是预测的思想基础，反映现象本身及现象之间关系发展、变化的规律性。

二、概率论引入统计学的启发

概率论引入统计学，使统计学思想方法有了质的飞跃，并成为统计学坚实的理论基础。这也给我们启发：统计学必须与时俱进，顺应时代而发展，不断完善方法体系，与其它定量分析工具、计算技术及其应用领域科学结合融会。

研究对象泛化：统计学是定量分析工具，首先便表现在对所研究的对象（社会经济现象、自然现象、精神思维等）的定量描述上（对象信息数据化），然后再做定量分析。最初统计学只能局限于现象数量信息做确定性的数量描述、分析，引入概率论之后，对研究对象便可以做随机性描述、分析。而实际工作中有时还必须对定性的、模糊的、混沌的甚至突变的等研究对象做定量的描述与分析，概率论便会有所局限，必须引入新的工具。比如引入模糊数学，对模糊性现象做定量描述分析；引入灰色理论，形成灰色统计思想等等。

电子技术发展：科技特别是计算机技术的发展使数据处理的手段得到提升，并对统计提出了新挑战。电脑、网络的出现一方面使统计学的研究对象（总体）成了一个结构复杂的系统，另一方面对数据的分析处理变成了算法。同时在我们面对的数量信息超大量化后，统计的“收集、分析数据”的任务、统计推断意义也就必然发生变化，等等。这一切都要求统计必须与计算机及其它科学联姻，如人工智能、神经网络理论等。

应用领域扩张：现代统计学是一多层次多门类的学科，几乎所有的科研都要借助这一定量分析工具。应用领域的不同，对这一工具的要求必然不尽相同。比如生物统计、保险统计与统计地理学在基础性方法一致的基础上各有与其相联系的实质性科学的特点。现代统计方法（包括概率论的成长、壮大）很大程度上来自一些实质性科研活动，这也就要求我们坚持以概率论等数理工具为基础的前提下紧密联系应用领域的实质性科学。

篇3

1必然性和偶然性的统一

统计学为探索随机现象统计规律性，必须正确处理必然性与偶然性之间的辨证关系。在总体中诸个体某种数量标志表现偶然，而诸标志值平均则为必然。重复测量某种同一客体出现不同的数值属偶然，而同一客体本身真实数值则为必然。必然性通过大量偶然性的数量差异为自己开辟道路。统计研究中经过综合平均，将大量偶然性所形成的数量差异，互相抵消，显露出平均则为必然。必然性与偶然性的对立统一关系在统计抽样调查问题上表现极为明显。客观事物极其复杂，表现千差万别，同一总体各单位的数量差异也非常大，从个别单位，往往因偶然因素的影响而无法探索其本质和规律性。然而，通过大量观察，排除偶然性因素影响，就可暴露出事物的真象，显现其本质。在进行抽样调查时，只有随机抽取的个体足够多，消除诸多偶然因素影响，才能通过抽样总体的数量特征正确地推断总体的数量特征。

2共性和个性的统一

实践和科学都证明矛盾的普遍性，矛盾无处不在、无时不在。矛盾着的事物是普遍存在的，况且同一事物或过程的矛盾有其共性。而对于每个事物或过程的矛盾也各有其个性。因此说，共性和个性的关系就是一般与特殊或普遍与个别的关系，它们是辨证统一的关系。统计学中存在着各种矛盾，每一矛盾具有不同特点。在统计认识中，个体的差异性中蕴含着总体的同一性。统计方法就是运用科学的手段抽象掉各个个体的差异性，探求总体的同一性，并用差异性去标志同一性的内在质量。差异性是统计产生和存在的前提，没有差异性就没有统计；而同一性则是统计的目的，为了求得同一性才需要进行统计。因此，统计研究要运用大量观察法与个别观察法相结合使用的统计方法。

统计研究中运用大量观察法，实现从个别到一般，从个性到共性的认识过程。同时，根据共性寓于个性之中的对立统一规律，统计研究在大量观察的基础上，运用个别观察所搜集的资料来说明总体的基本状况和发展趋势，使认识更深刻、更具体。

矛盾的共性与个性的对立统一规律指导统计研究必须是将统计中的平均数与分组法结合，用组平均数补充说明总平均数，用反映现象的离散趋势的变异指标与反映现象集中趋势的平均数结合使用，以使研究更全面，更完善。

3整体与局部的统一

统计学的研究着眼于总体，着手于样本，立足于个体；同时从总体出发，分解剖析，认识局域（类、层、组）甚至个体，并对其进行调查研究，观察计量，搜集资料。接着对个体的调查所获得的资料进行计算分析，或归纳演绎，用样本来推断总体，达到对总体的系统性认识。即为“统而计之”和“计而统之”的总和，以实现以统定计，以计达统的目的。所以，统计学的思维是一种系统思维，要求一切认识对象不仅它本身作为一个整体来认识，而且它还要作为某个更大系统的要素来认识。这种对系统客体的“主体”认识，是一种对研究对象进行整体性度量的系统思维方式。

因而，统计认识充分体现了整体和局部的有机统一，这是统计研究的一大优点，也是统计认识比较接近客观、真实的主要原因之一。其它认识方法往往是就某一要素而研究某一要素，就某一系统而认识某一系统，忽略或没有充分重视各要素的整合作用和系统环境对系统的制约作用。

4定性分析和定量分析的统一

从统计认识过程而言，充分体现着定性分析和定量分析对立统一的关系。定量分析研究是统计研究的特色所在，但统计的定量分析不是纯粹数量意义的，即不是就数量论数量，而是基于所研究事物本身的特点，并且从所研究事物的有关联系或现实背景中，紧紧扣住认识所研究事物内在本质这一主题来展开的，他注重的是定量分析背后的具体含义和意义，这也正是统计学与数学的区别所在。那么统计研究怎样才能通过数量来体现其具体含义与现实意义？这就必须结合定性分析，即以定性分析为起点，并以定性分析为终点。具体来说，统计研究总是按照“初步（感性）的定性认识——客观科学的定量认识——高级（理性）的定性认识”这一过程来进行的，即从定性开始，确定认识事物有关方面的指标，经过定量过程，搜集，整理，进而对其分析研究，上升到更高的认识，深入认识事物的质，完成定性认识。统计认识活动遵循质与量对立统一规律，从初始的定性入手，依设计的科学的方案一整套统计指标体系，按要求搜集有关数据资料，经过整理和分析对比，认识事物的本质和规律性。也就是说统计的定量分析是人类在认识事物的过程中，实现从感性认识到理性认识这个飞跃的重要途径，是避免产生认识主观偏差的重要手段。

因此，统计研究最终是为人类定性认识服务的，是为了定性认识才进行定量分析研究的，前面所讲的统计的方法性、应用性也正体现在这里。实际上，如何才能真正做到统计研究的定性分析与定量分析的统一，才是需要我们关注的重点。所以，我们需要不断地探求质与量变化的规律和界限，研究质的规定性与量的规定性的关系，将质与量同一与度中，即量的规定性定性于度中，质的规定性定量于度中，以实现定性分析和定量分析的真正统一。

5分析与综合的统一

在统计研究过程中，分析和综合是揭示事物的本质和规律性的一个基本方法。统计认识活动的根本目的是在各个局部进行剖析的基础上达到对总体的认识，揭示其本质和规律性。

所谓分析方法，就是把研究对象分解为若干组成部分，并分别加以研究，从而认识事物的基础或本质的一种思维方法。任何事物的整体都是有若干组成部分构成的，将客观事物在一定条件下分解成各组成部分，分别研究其结构与功能、各部分相互联系、相互作用的特点以及在各种外界条件作用下所表现出来的事物的属性和特点，从而达到对事物本质及内在规律性的认识之目的。可见，分析方法是以客观事物的整体与部分关系为客观基础的。在统计研究中诸如分组分析、因素分析、因果分析、结构分析、定性和定量比较分析、比例分析等等。这些分析在人们的认识中起着重要作用。但是，要把分析所得到的认识变为对整体的认识，揭示整体的本质和规律性，就必须进行综合。

所谓综合方法，就是把研究对象的各个部分联系起来加以研究，从而在整体上把握事物的本质和规律的一种思维办法。与分析方法相比，综合方法认识过程的方向完全相反。它是将事物的各个部分联结为整体，通过全面掌握事物各部分、各方面的特点以及它们之间的内在联系，并加以概括和上升。从事物各部分及其属性、关系的真实联系和本来面目，复现事物的整体，综合为多样性的统一体。在统计中，诸如人口统计的将分组、结构、比例分析化为对整个人口状况分析；商品销售总额分析时分解为价格和销售量变动的影响，进而从总体上分析其因素影响；社会总产值的变化，分解成各个部门行业的影响，进而综合研究其全貌等等。

分析与综合是对立统一，分析是综合的基础，综合统领分析。没有具体的分析，就不能具体深入地把握事物的各部分、各侧面和各种属性与诸因素，从而也就无法综合；同时，分析也离不开综合，它在综合统领下，以综合为目的，达到确切地揭示事物的总体和本质和规律性，使认识升华。因此，没有分析的综合，其结论就只能是空洞的、无根据的，是一个混沌的、外在的、直观的整体。“思维既把相互联系的要素联合为一个统一体，同样也把意识的对象分解为它的要素。没有分析就没有综合（《马克思恩格斯选集》第三卷人民出版社1972年版第81页）。”分析的结果，也就是综合的出发点。统计认识的发展总是沿着“分析——综合——新的分析——新的综合……”轨迹不断前进的，促使统计认识活动不断深化，揭示事物的本质和规律性。

6归纳与演绎的统一

所谓归纳推理，就是从特殊到一般，给出新认识；但新认识是不确定的，可能是错的；特殊材料的组合不同，给出的认识也不同甚至矛盾；基于不完善甚至劣质信息作出决策。所谓演绎推理就是从前提（公理）到命题，不提供超越前提的新知识；容许选择多个前提，但前提可能是错的；大前提里的不同小前提（公理系统里的不同子集合）会给出不同甚至矛盾的结论。以观察为基础对事物的不确定性进行度量主要属于归纳推理问题；但若已知各种事件发生的结果和发生的概率，不确定性下的决策则可以转化为演绎推理问题。

统计认识是通过个别研究认识一般的，所以统计思维必然是一种归纳（即必须通过归纳才能实现）。统计不仅要根据所构建的原始信息通过统计推理获得一般的“知识”，而且还必须进行假设检验、机理检验等，对所获得的知识进行论证。所以说，统计思维是归纳与演绎的统一。归纳方法论强调了方法和外来信息的重要性，而演绎方法论则强调了问题和先存知识的重要性。实际上，二者是一个有机的整体，需要相互补充和协调才能真正解决问题。比如在统计思维中的回归分析既是归纳，又是演绎。所以说，统计思维将归纳和演绎高度而有效地结合运用，收到了很好的认识效果。也只有通过归纳、演绎和实践的相互作用才能找到可靠的科学真理。

7具体和抽象的统一

按照统计认识要运用材料来看，统计学的实际应用具有具体性，它是依据一定的数据和事实，使人们得到启发，运用已有的经验知识，对客观事物的本质及其规律性作出迅速的识别和直接的理解，并对对象的总体状况作出判断。统计认识在取得统计数据之后，首先就是根据数据的特点，运用一定的数据整理手段（如分组、直方图、茎叶图、频率图等）和统计研究人员积累的统计认识经验，充分发挥主体的能动性，获取初步认识。在此基础上再对统计数据的背景资料进行分析研究，必要时还要进行典型剖析或抽样验证。所以说，在统计认识的数据收集、分析与所做结论需要具体化。同时，对统计理论方法研究时具有抽象性，在一定理论指导下进行的数理研究，是具有抽象思维的特点。属于抽象思维的范畴，它舍弃具体向客体的规客规律性逼近。因此，统计学是具体和抽象的统一。

8经验思维和理性思维的统一

统计认识过程不仅是通常所说的实证性研究活动，同时也是探索性研究活动。它自始至终都是理性认识和感性材料的相互结合和相互渗透。

按照统计认识属于实证性研究来说，它具有经验思维

的特点。经验思维就是运用实践经验、感性认识和感性材料进行的思维活动。它的功能主要是认识具体事物的外部状况、表面联系和现象，通过经验思维能够对丰富的大量材料初步加工，把握事物多种多样的具体状态，并且能够在一定程度上把握事物的内在联系和规律。描述性统计就是一种比较典型的经验思维。它依据的是客体的个体的实际状况或者是客体过去的、现在的状态，是事实的归纳、概括、整理。从推断性统计来看，它在描述性统计提供的经验材料的基础上，运用一定的理论、概念，依据严密的逻辑规则和推理过程进行假设检验、数理推断、悖论分析，对描述信息、经验认识进行理论思考，使经验认识升华，这又是有理性思维的特点。它抽象掉具体个体数量上的差异，得出有关对象的共同本质特征的认识；抽象掉所依据的经验材料的特殊，得出有关“类”的一般的认识。

实际上，描述性统计是推断性统计的重要基础，在某种程度上讲，推断是另一种描述；有时候描述性统计与推断性统计是交织在一起的。因此，统计认识是经验思维和理性思维的统一，兼具有两种思维的成分，两种思维相互交叉，相互补充，使统计认识更系统、更具体和更深刻。

总之，统计学是一门认识方法论，统计活动是一种认识活动，是要研究探索和发现认识客体本质及其规律性的方法。哲学是关于世界观和方法论的学说，它研究自然、社会和思维的最一般的规律。它和统计学是一般和个别、共性和个性的关系。哲学对统计学起着指导作用，为统计科学研究和统计工作提供一般指导原则和思维方法；统计学是哲学一般认识方法的具体化。所以，对统计思想进行较深入的探讨和归纳，有利于推进统计理论研究，廓清人们对统计的认识，有助于更合理、广泛的运用统计方法。

参考文献

［1］李金昌.关于统计思想若干问题的探讨［J］.统计研究，2006，(3).

篇4

生物信息学融合了生物技术、计算机技术、数学和统计学的大量方法，已逐渐成为发现生命过程中所蕴涵知识的一门重要学科。其基本问题主要包括：DNA分析、蛋白质结构分析、分子进化。医学统计学作为医科院校的基础课程之一，长期以来其理论和方法就广泛应用于临床医学、基础医学的各类研究中。随着生物新技术的诞生，在推动生物信息学发展的同时，医学研究对象也由宏观的病人、生物组织拓展到微观的基因领域，所面对的实验数据在性质和结构上也都有所不同，这对医学统计学的应用提出了新的更高的要求。

目前，医学统计学的很多原理和方法已成功地应用于这些新研究之中，并在此基础之上有了新的发展和改进。如概率分布的知识与序列相似性分析、蛋白质分类等技术密切相关；方差分析、非参数检验方法经改进和结合后在基因表达数据的前期分析中发挥了较好的作用；而聚类分析、判别分析、相关分析这些大家所熟知的统计学方法更是在基因分类和调控网络的建立中得到了广泛的应用。在进行医学统计学课堂教学时加入生物信息学方面的应用实例，不仅可以使学员了解本学科研究的前沿和医学、生物信息学研究的新发展，还可以提高学员对于医学统计学理论学习的兴趣，掌握先进的生物实验数据分析方法，提高今后从事医学科研的能力。下面，本文在回顾医学统计学授课主要内容的基础上，就医学和生物信息学中的可能应用举例如下：

一、概率分布

概率分布（probabilitydistribution）是医学统计学中多种统计分析方法的理论基础。授课内容一般包括：二项分布、Possion分布、正态分布、t分布、F分布等。

借助概率分布常常可以帮助我们了解生命指标的特征、医学现象的发生规律等等。例如，临床检验中计量实验室指标的参考值范围就是依据正态分布和t分布的原理计算得到；许多医学试验的“阳性”结果服从二项分布，因此它被广泛用于化学毒性的生物鉴定、样本中某疾病阳性率的区间估计等；而一定人群中诸如遗传缺陷、癌症等发病率很低的非传染性疾病患病数或死亡数的分布，单位面积（或容积）内细菌数的分布等都服从Poisson分布，我们就可以借助Poisson分布的原理定量地对上述现象进行研究。

在生物信息学中概率分布也有一定应用。例如，Poisson分布可以用于基因（蛋白质）序列的相似性分析。被研究者广泛使用的分析工具BLAST(BasicLocalAlignmentSearchTool)能迅速将研究者提交的蛋白质（或DNA）数据与公开数据库进行相似性序列比对。对于序列a和b，BLAST发现的高得分匹配区称为HSPs。而HSP得分超过阈值t的概率P(H(a,b)>t)可以依据Poisson分布的性质计算得到。

二、假设检验

假设检验（hypothesis）是医学统计学中统计推断部分的重要内容。假设检验根据反证法和小概率原理，首先依据资料性质和所需解决的问题，建立检验假设；在假设该检验假设成立的前提下，采用适当的检验方法，根据样本算得相应的检验统计量；最后，依据概率分布的特点和算得的检验统计量的大小来判断是否支持所建立的检验假设，进而推断总体上该假设是否成立。其基本方法包括：u检验、t检验、方差分析（ANOVA）和非参数检验方法。

假设检验为医学研究提供了一种很好的由样本推断总体的方法。例如，随机抽取某市一定年龄段中100名儿童，将其平均身高（样本均数）与该年龄段儿童应有的标准平均身高（总体均数）做u检验，其检验结果可以帮助我们推断出该市该年龄段儿童身高是否与标准身高一致，为了解该市该年龄段儿童的生长发育水平提供参考。又如，医学中常常可以采用t检验、秩和检验比较两种药物的疗效有无差别；用2检验比较不同治疗方法的有效率是否相同等等。

这些假设检验的方法在生物实验资料的分析前期应用较多，但由于研究目的和资料性质不同，一般会对某些方法进行适当调整和结合。

例如，基于基因芯片实验数据寻找差异表达基因的问题。基因芯片（genechip）是近年来实验分子生物学的技术突破之一，它允许研究者在一次实验中获得成千上万条基因在设定实验条件下的表达数据。为了从这海量的数据中寻找有意义的信息，在对基因表达数据进行分析的过程中，找到那些在若干实验组中表达水平有明显差异的基因是比较基础和前期的方法。这些基因常常被称为“差异表达基因”，或者“显著性基因”。如果将不同实验条件下某条基因表达水平的重复测量数据看作一个样本，寻找差异表达基因的问题其实就可以采用假设检验方法加以解决。

如果表达数据服从正态分布，可以采用t-检验（或者方差分析）比较两样本（或多样本）平均表达水平的差异。

但是，由于表达数据很难满足正态性假定，目前常用的方法基于非参数检验的思想，并对其进行了改进。该方法分为两步：首先，选择一个统计量对基因排秩，用秩代替表达值本身；其次，为排秩统计量选择一个判别值，在其之上的值判定为差异显著。常用的排秩统计量有：任一特定基因在重复序列中表达水平M值的均值；考虑到基因在不同序列上变异程度的统计量，其中，s是M的标准差；以及用经验Bayes方法修正后的t-统计量：，修正值a由M的方差s2的均数和标准差估计得到。

三、一些高级统计方法在基因研究中的应用

（一）聚类分析

聚类分析（clusteringanalysis）是按照“物以类聚”的原则，根据聚类对象的某些性质与特征，运用统计分析的方法，将聚类对象比较相似或相近的归并为同一类。使得各类内的差异相对较小，类与类间的差异相对较大1。聚类分析作为一种探索性的统计分析方法，其基本内容包括：相似性度量方法、系统聚类法（HierarchicalClustering）、K-means聚类法、SOM方法等。

聚类分析可以帮助我们解决医学中诸如：人的体型分类，某种疾病从发生、发展到治愈不同阶段的划分，青少年生长发育分期的确定等问题。

近年来随着基因表达谱数据的不断积累，聚类分析已成为发掘基因信息的有效工具。在基因表达研究中，一项主要的任务是从基因表达数据中识别出基因的共同表达模式，由此将基因分成不同的种类，以便更为深入地了解其生物功能及关联性。这种探索完全未知的数据特征的方法就是聚类分析，生物信息学中又称为无监督的分析（UnsupervisedAnalysis）。常用方法是利用基因表达数据对基因（样本）进行聚类，将具有相同表达模式的基因（样本）聚为一类，根据聚类结果通过已知基因（样本）的功能去认识那些未知功能的基因。对于基因表达数据而言，系统聚类法易于使用、应用广泛，其结果——系统树图能提供一个可视化的数据结构，直观具体，便于理解。而在几种相似性的计算方法中，平均联接法(AverageLinkageClustering)一般能给出较为合理的聚类结果2。

（二）判别分析

判别分析（discriminantanalysis）是根据观测到的某些指标的数据对所研究的对象建立判别函数，并进行分类的一种多元统计分析方法。它与聚类分析都是研究分类问题，所不同的是判别分析是在已知分类的前提下，判定观察对象的归属3。其基本方法包括：Fisher线性判别（FLD）、最邻近分类法（k-NearestNeighborClassifiers）、分类树算法（ClassificationTreeAlgorithm），人工神经网络（ANNs）和支持向量机（SVMs）。

判别分析常用于临床辅助鉴别诊断，计量诊断学就是以判别分析为主要基础迅速发展起来的一门科学。如临床医生根据患者的主诉、体征及检查结果作出诊断；根据各种症状的严重程度预测病人的预后或进行某些治疗方法的疗效评估；以及流行病学中某些疾病的早期预报，环境污染程度的坚定及环保措施、劳保措施的效果评估等。

在生物信息学针对基因的研究工作中，由于借助了精确的生物实验，研究者通常能得到基因（样本）的准确分类，如，基因的功能类、样本归结于疾病（正常）状态等等。当利用了这些分类信息时，就可以采用判别分析的方法对基因进行分类，生物信息学中又称为有监督的分析（SupervisedAnalysis）。例如，基因表达数据分析中，对于已经过滤的基因，前三种方法的应用较为简单。而支持向量机（SVMs）和人工神经网络（ANNs）是两种较新，但很有应用前景的方法。

（三）相关分析

相关分析（correlationanalysis）是医学统计学中研究两变量间关系的重要方法。它借助相关系数来衡量两变量之间的关系是否存在、关系的强弱，以及相互影响的方向。其基本内容包括：线性相关系数、秩相关系数、相关系数的检验、典型相关分析等。

我们常常可以借助相关分析判断研究者所感兴趣的两个医学现象之间是否存在联系。例如，采用秩相关分析我们发现某种食物中黄曲霉毒素相对含量与肝癌死亡率间存在正相关关系；采用线性相关方法发现中年女性体重与血压之间具有非常密切的正相关关系等等。

生物信息学中可以利用相关分析建立基因调控网络。如果将两个不同的基因在不同实验条件下的表达看作是两个变量，相关分析所研究的正是两者之间的调控关系。如采用线性相关系数进行两基因关系的分析时，其大小反应了基因调控关系的强弱，符号则反应了两基因是协同关系（相关系数为正），还是抑制关系（相关系数为负）。

篇5

2精简和更新教学内容

在教学内容方面做到突出实用性，适当地减少或减弱概率论部分的理论性和难度，以直观、趣味和易于理解的方式把概率论作为数理统计的基础知识加以介绍.在假设检验部分注意阐述数理统计方法的思想、应用的背景及应用中所需的条件，重点讲解假设检验应该如何选取原假设和备择假设，如何对得出的结论进行合理的解释;在参数估计部分着重地讲解参数估计在实际应用中的重要性、合理性及应用中应注意的问题，区间估计中置信区间的理解及单侧置信限在应用中的意义等;在方差分析部分讲清楚引进方差分析的意义、假设检验的方法对多个总体进行多次t检验时的缺点、方差分析应用的条件及合理解释检验结果等;在回归分析部分注意阐述量与量之间的关系、回归方程的理论意义及对回归方程结果在应用中的解释等.目前SPSS软件是国际医学论文中应用最广泛的统计软件［2］，国内的大部分医学期刊也要求论文数据统计分析要应用统计软件处理，统计检验结果要用P值来表示，更要求学生了解统计软件的使用方法，做到正确使用统计软件.

3互动式的教学方法培养应用、创新型人才

传统的教学方式是知识传授型教学，即教师在课堂上灌输知识，在有限的时间内按教学大纲要求把大量的教学内容尽可能地讲授完毕，不能有效地调动学生对学习的主动性，忽视学生应用能力的发展，结果导致学生把主要精力投入到统计计算上，很难有时间去深入分析统计结果.互动式教学方法要求教师在教学中充分发挥教师的主导作用，同时让学生处于教学的中心，在加强课堂讨论的同时，由教员归纳总结，充分调动学生的学习兴趣，提高学生的主动性和创造性.统计学应用能力的培养主要指可正确选择和应用统计分析方法解决医药学科学研究和医药工作中的实际问题［3］.为了避免学生滥用及错用统计方法，教师要重点讲清各种方法的适用条件及特点.在考试方法上亦采用开卷考试，使学生不再花大量时间去推敲和死记那些复杂的公式，不再难于分清和理解符号及公式.通过几年来的改革实践，发现上述教学内容、方法及手段的改革增强了学生的学习兴趣，使学生真正体会到数理统计学的内容在医药及日常生活中的应用价值，激发学生的创造性思维，取得了良好的效果.

［参考文献］

［1］刘定远.医药数理统计方法［M］.第3版.北京:人民卫生出版社，1999.20.

篇6

作者简介：姜春霞

在医学期刊编辑过程中编辑们常会遇到许多统计学问题，因统计学方法正确与否关系到医学科研结果的可信度和有效性，对其运用合理性、科学性的把握在某种程度上成为论文取舍的关键，更是影响医学期刊学术质量的重要方面[1-2]。作者从事医学期刊编辑工作近十年，越来越体会到统计学审核的重要性。有鉴于此，探讨医学期刊编辑统计学审核具有重要的理论意义和现实意义。现以《郑州大学学报(医学版)》(以下简称《郑大学报(医)》)为例，浅谈医学期刊编辑工作中统计学审核的意义。

1《郑大学报(医)》的审稿特色：统计学审核

《郑大学报(医)》是由河南省教育厅主管、郑州大学主办的综合性医药卫生类期刊，为中文核心期刊、中国科技论文统计源期刊、中国科学引文数据库来源期刊。这些成绩的获得与编辑辛勤的付出是分不开的。从创办之初，编辑部就十分重视统计学审核，并把这种思想贯穿到日常工作的各个方面。每篇稿件从收稿到最终正式出版均需经过最少三遍的统计学审核，包括收稿后的统计学盲审、修稿后的统计学审查和待刊前的统计学预终审。统计学审核不合格的稿件将有可能终止审稿并直接退稿。收稿后的统计学盲审包括两个方面：盲和审。盲要求双盲，即统计学专家对稿件的作者信息完全不知情，作者也不知道哪些教授进行审稿，这样有利于客观地对稿件进行评价；审即对稿件的科学性、合理性给出准确的评价。修稿后的统计学审查和待刊前的统计学预终审主要包括审查和核对两个方面，即审查统计学方法和核对统计学数据。

2《郑大学报(医)》统计学审核的原因和意义

2.1统计学审查的原因

目前，许多编辑部都实行“三审三校”的工作制度，《郑大学报(医)》编辑部也不例外。具体到统计学审核，可分为修稿前的审核和修稿后的审核。起初认为初审就是查查文字复制比之类的，考虑到还要送给相关专家进行同行评议以及主编终审，所以并不重视这一过程。后期编辑部对审稿流程进行了改革，部分终审权直接分配给初审编辑。这在一定程度上简化了审稿流程，提高了工作效率[3]。正常审稿程序是责任编辑对文章的内容、伦理学、知情同意等进行审查后即可进行专业盲审和统计学盲审，简化的程序则是责任编辑对文章的统计学内容进行审查，若发现较严重问题即可直接退稿，省去了专业盲审和统计学盲审等步骤。这不仅可提高工作效率，而且节约办刊经费。例如，临床研究中常见的选择某人群采用某方法或药物进行治疗，对治疗前后某些指标进行检测，有些作者常采用t检验比较这些指标治疗前后有无差异。因治疗前后为相同的患者，样本不独立，应该用配对t检验。这种数据分析的错误直接导致统计结果的不正确[4-5]。更有严重者，实验没有对照、研究对象分组也不随机，这些都是实验设计的硬伤，研究结果的可信度就大打折扣。这就是医学论文不同于其他论文之处，写作水平等方面的努力弥补不了实验设计的缺陷。只有从实验设计之初就融入统计学思想，才不会犯此类错误。因此编辑在审稿之初就应对稿件的研究类型(探索性或确证性，优效性、等效性或不劣性)、研究设计是否合理(实验研究必须遵循随机、对照、重复的原则，临床试验研究还应遵循盲法的原则)、统计方法是否正确进行判断。

2.2统计学核对的原因

修稿后的统计学审核重点考查各种细节问题，包括对数据的核对。《郑大学报(医)》不仅重视稿件的统计学审查，而且对稿件的统计学结果均进行核对。从2008年起要求在文中提供统计量和P值的确切数据，而非常见的标明“P>0.05”或“P<0.05”。对于这一要求，许多作者反映实验结果的原始资料太多了，补充确切统计量是不是有点不太现实；还有作者指出，国内外大多数期刊均不要求提供确切统计量，“P<0.05”已经能够说明问题，这样要求是不是有点“过”了。但是编辑部还是将这一改革实施了下去，经过一段时间的不适应，作者大多在新投稿件中就直接按要求给出了数据。这样的一种“修稿要求的微调”，按照作者的说法，要花费他们许多精力。实际确实如此，而且编辑也要花费大量的精力对数据进行核对，但这样做的好处是确切的。编辑部花工夫在一些作者看来并不十分重要的数据上，是因为数据才是文章的核心。类似的，如logistic回归分析中均要求补充变量的赋值表、变量如何哑变量、定量资料如何转化等。在创办精品期刊、打造国际品牌期刊的今天，浮夸的思想是无用的，只有从最基本的做起才是强刊之道。关于统计学在医学论文中如何正确应用已有较多报道，如统计图表、统计符号、统计描述、统计术语等[6-9]。具体到《郑大学报(医)》，编辑部在核对统计学方法的基础上，对一些细节问题也严格要求。例如，有作者将P<0.001误用为P=0.000，将P>0.999误用为P=1，这说明其对P值的概念仍不清楚。表示概率的P值是不会等于0或1的，而是在0和1之间。还有作者将死亡率、病死率，直线相关、秩相关、积差相关，相关、关联回等归搞混；或在单因素方差分析的基础上就得出量效关系的结论，或在单因素方差分析的基础上并没有进行两两比较就对两两比较的结果展开讨论，更有甚者多组间比较总体无差异而两两组间却有差异。这种错误要求编辑首先要通读全稿，其次要前后对应的阅读，这样才能发现并将其改正。总之，修稿后的审核要在各个细节方面对论文进行考量，如统计图表、统计符号、统计描述、统计分析方法是否正确，是否报告统计量和确切P值，是否报告统计学结论和专业结论，统计术语是否规范，这样才能使论文更加严谨。

2.3统计学审核的意义

科技期刊，尤其是医学科技期刊每年刊发的大量论文中真正有分量的仅占很小一部分。如何改变这种现状，不仅是摆在科研工作者面前的任务，更是期刊工作者的责任。医学统计学作为医学专业中的工具学科意义重大。而规范医学论文统计学报告不仅有助于医学研究者自觉地按照规范的方法进行医学研究的设计、实施、数据分析、推断和写作，而且有助于编辑对研究设计及结果进行质疑和核实，更有助于满足meta分析等文献再分析的需要。所以统计学审核对期刊编辑、科研工作者以及期刊的发展都有很大帮助。首先，有助于编辑素质的提高。编辑作为期刊的第一读者对期刊的质量有把关的作用，编辑的素质提高了期刊的水平会随之上升。最简单的例子，核对作者提供的统计结果可以有效地发现文中的错误，甚至是学术造假，使那些编造数据者没有可乘之机[10-11]。准确掌握一些简单的统计学规律可以使编辑很容易发现文中的数据错误。例如同一实验结果中统计量越大P值越小，统计量越小P值越大；OR值介于95%CI之间。不符合这些规律的数据就应通知作者进行核对并修改。其次，有助于作者的培养。《郑大学报(医)》的稿源主要来自高校、医疗卫生单位、疾病控制部门等，作者中不乏许多在校生。对于众多人生中第一次写科技论文的“新手”作者来说，编辑的素养在一定程度上会对他们产生深远影响。而对于医疗卫生单位、疾病控制部门的作者，一些医学统计学的相关知识也有些欠缺。而医学统计学的发展要求作者的知识储备也随之进行更新。很多作者还不能完全正确应用t检验、t'检验、单样本t检验，重复测量数据的方差分析，单因素方差分析、析因设计的方差分析，交叉设计的方差分析、卡方检验、校正卡方检验、确切概率法等。也许有人认为不就是几个字的差异吗，但是几个字的差异实质上却大不相同。还有一例，某实验结果显示实验组与对照组比较差异有统计学意义，但是临床效果并不十分明显。这是因为虽然实验结果显示P值小于0.05，但是很接近0.05，此时推断临床结论和进行生物学解释应十分谨慎。明白了概率的概念，对此就很容易理解。可见，医学期刊编辑的素养提高了，作者的素养也会有质的飞跃。不要小看了编辑一个字、几个词的修改，对于作者也许是终生的受益。第三，有助于期刊的发展。《郑大学报(医)》从创刊之初的省级刊物发展到连续四届入选《中文核心期刊要目总览》，与杂志的办刊理念是分不开的。编辑部聘请了专业的统计学专家对稿件质量进行把关，但是授人以鱼不如授人以渔，因此更重视编辑的统计学审核，再由编辑将这种理念传递给作者，形成编者-作者-期刊良性发展的模式。最初《郑大学报(医)》载文常见的统计分析方法无外乎t检验、方差分析、卡方检验，实施新措施以来吸引了大批高水平的文章。近年来，《郑大学报(医)》的影响因子不断上升，在《中文核心期刊要目总览》中的排名也稳中有升。

3做好统计学审核工作的措施和建议

篇7

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2014）23-0121-03

一、引言

《统计学》是一门搜集、整理、分析数据并进行推断的方法论学科，其目的就是探索数据的内在规律性，使人们对所研究的问题有更深入的了解和把握，其专业技术性和实践性都非常强。对于经管类专业的《统计学》课程来说，其培养目标就是使学生能运用科学的统计方法去分析和解决社会现实中的实际问题，为今后从事经济管理工作打下基础。因此，经管类专业的《统计学》课程教学应顺应市场经济的发展和高等教育的新要求，本着“服务专业，突出应用”的原则，加强对学生素质和能力的培养和训练，培养出适应社会发展需要的应用型经管类人才。但从教学实践来看，尽管近年来国内院校经管类专业统计教学在教学内容设计、教学方法和手段、考核方式等方面进行了大量的改进，但是，当前非专业《统计学》课程的实际教学效果仍不够理想，为此，以在杭高校的经管类专业学生为例，通过统计调查探究《统计学》在经管类学生科研创新及实践中的应用状况及教学满意度，并据此提出针对性的意见及建议。

二、经管类专业《统计学》教学现状分析

为探析经管类专业《统计学》教学满意度，从教学目标与课程安排、教学内容、方法和手段、教学应用与效果评价等多方面设计调查问卷展开统计调查。本次调查总共发放问卷550份，回收521份，其中有效问卷485份，有效率达93.1%。在所有受访者中，男女同学的比例为36∶64，符合经管类专业学生的性别分布特点，问卷涉及各个专业，具有普遍代表性。

（一）学生对统计教学的基本评价

1.课程设置与本专业目标的符合度较高。调查结果显示，51.34%的人认为统计课程与本专业培养目标基本符合，26.80%的人认为比较符合，10.10%认为很符合，只有2.89%的人认为很不符合。可知《统计学》课程设置与各专业的培养目标符合程度较高。

2.统计学在以后专业学习中的作用较大。在调查的群体中认为《统计学》该门课程设置基本有用、比较有用和非常有用的人数占63.30%，只有4.95%认为是基本没用的，可以认为设置《统计学》这门课程是非常有必要的。

3.统计教学的专业针对性不够强。63.09%的同学更倾向于分专业组织上课，他们认为不同专业对于统计知识的接受程度、基础知识掌握程度是不同的，增强统计课程学习的专业针对性很有必要。但同时，学生反映当前非专业《统计学》课程主要通过介绍统计学的基本原理和基本方法，特别强调各不同专业需要掌握的共性统计理论知识，与专业的融合不够，导致教学效果较差。

4.男女同学对《统计学》课程的难度、兴趣度及实用度等方面的看法存在显著差异。50.52%的同学认为《统计学》课程基础实用，29.90%的同学认为课程难度大，24.54%的同学认为统计学枯燥无味，只有11.34%的同学选择课程是生动有趣的。由此可以很明显地看出该课程的教学虽然是有用的，但是由于难度较大使部分学生无法接受而且上课的兴趣不大。可见，《统计学》教学需要改进以使更多学生对该课程产生兴趣，使实用性扩大。

进一步探析男女同学对统计课程的看法差异，运用假设检验对课程难度、兴趣度、实用度、基础实用度、生动及抽象程度等方面进行分析。结果显示，在5%的显著性水平下，男女同学对课程难度（P值为0.018）和实用度（P值为0.002）的看法存在显著差异。

5.学生对实践中巩固统计学知识的意愿较强。学生是否愿意在实践中巩固统计理论知识是实现统计学的关键。调查结果表明，80%以上的同学愿意在实践中巩固所学的统计学知识，可见在课程教育中应增加更多的实践训练。同时，在考核方式上，绝大部分学生也愿意增加实践操作考核。

（二）《统计学》课程教学现状及存在的问题

1.教材主要存在结合案例不足及缺乏趣味等问题。学生普遍反映：教材结合案例不够（39.18%）、材料缺乏趣味（38.14%）、忽略统计软件应用（37.73%）以及过于注重数学公式推导（36.49%）等问题是当前统计教材存在的主要问题。

2.教学内容与专业融合度不够并过于机械化。被调查者认为教学内容主要问题在于与相关专业融合不够的占57.88%，认为教学内容过于机械化的占40.82%。

3.教学方法和手段过于传统落后。调查结果显示，三分之二以上（68.45%）的学生认为统计教学方式多为灌输式教学，启发式、互动式、案例式教学不足的问题非常突出。此外，统计实践教学的缺乏、师生交流过少等问题也不可轻视。

4.考核方式单一，考核内容过于理论化。考核方式中存在的问题最为突出的是考试内容过于理论化（占55.05%），其次是缺少对应用技能考核（占41.65%）。由此可见学生更愿意接受实际操作性的东西，对于理论的内容认为考核中可以少出现。

（三）《统计学》在学生创新研究和实践中的应用状况

1.对统计方法的运用认识大多限于统计描述分析，对统计推断方法的应用价值了解不够。调查结果显示，大多数学生认为统计调查方案设计（62%的同学选择了此项）、问卷设计（61.3%）、统计调查方法（49.9%）及统计图表分析（44.7%）等方法对将来用途较大，其余依次是相关回归（32.4%）、假设检验（29.9%）、参数估计（26%）、统计指数（22%）和时间序列分析（15%）等。可见，当前学生对统计方法的运用认识大多还限于统计描述分析，对于统计推断方法的应用价值了解还不够。

2.统计调查和整理方法运用较广泛，对于统计推断方法的运用相对较少。调查结果显示，当前经管类专业的学生曾运用过的统计方法主要集中于问卷设计（70.4%的同学选择了此项）、统计调查（46.8%）、方案设计（46%）、统计图表（35.6%）及频数分析（23.8%）等最基本和最简单的方法，对于统计推断方法的应用，除相关回归（22.8%）和假设检验（21.5%）外其余则较少。可见，当前经管类专业的学生对统计知识运用的深度及广度还远不够。

3.学生在各类实践竞赛和创新研究中运用统计知识分析和解决实际问题的能力较为薄弱。在大学参与的各类竞赛及创新研究中，运用过统计知识的地方主要集中在城乡调查（74.7%）和企业调查（77.8%）中，而其他创新研究及竞赛（如大学生科技创新计划、大学生“新苗人才”培养计划、课题研究、创业设计大赛等）中应用统计知识和方法的极少。由此需要大力度地提高学生运用统计知识分析和解决实际问题的能力。

三、统计教学满意度评价模型构建与分析

（一）教学目标与课程安排对统计教学满意度的影响因素分析

根据统计教学目标与课程安排所包含的项目评价得分构建多分有序Probit模型分析其对《统计学》教学满意度的影响，Ordered probit模型拟合结果显示似然比LR为196.86，显著性水平小于0.01，表明模型具有显著性意义；同时输出教学目标与课程安排对统计教学满意度的影响结果如表1所示。

表1显示，在10%的显著性水平下，教学目标、专业融合、理论课时以及实验课时因素对于统计教学满意度具有显著影响。可见，清晰的教学目标，能够让学生明确这门课的内容和要求，了解该课程的应用情况；理论课时与实验课时的合理分配，能够让学生将所学到的理论知识与实践相结合，当这些满意度提高时，能增加统计教学满意状况提高的概率，且教学目标的明确性对教学满意度的影响最大，从系数来看它的提升对教学满意度等级的提高效应最为明显。而专业针对性前系数较小且不显著，说明它对教学满意度状况的提升影响相对较弱。

（二）教学内容、方法和手段对统计教学满意度的影响因素分析

教学内容、方法和手段是影响教学满意度的重要因素，根据所包含的项目评价得分构建多分有序Probit模型分析其对统计教学满意度的影响，似然比LR为263.55，显著性水平小于0.01，表明模型具有显著性意义。各因素影响结果如表2所示。

表2显示，在10%的显著性水平下，教学内容、课程内容、教学媒体、实验教学方式以及实践训练的满意情况会影响统计教学满意度。从结果来看，这些影响因素的系数符号与数值大小与实际相符。评价一门课的重要指标就是这门课的教材内容，因此该模型下其前的估计系数最大；此外，当课程内容具体丰富、有实例、教学媒体效果良好时，学生更有兴趣学习这门课程，从而在一定程度上增加《统计学》教学满意状况提高的概率。统计与生活息息相关，好的实验教学方式与实践训练能够培养学生将其所学到的统计知识应用到实际问题上，真正做到学以致用，这自然会增加他们对于统计学的好感。而教学内容、方法和手段中的其他因素的系数较小且不具有统计显著性，因此它们的提升对教学满意度的提升影响相对较弱。

（三）教学应用与效果评价对统计教学满意度的影响因素分析

理论知识和实际的结合应用是评价一门课程教学成效的直接因素，也是课程教学满意度的重要评价尺度。根据教学应用与效果评价所包含的项目评价得分构建多分有序Probit模型分析其对统计教学满意度的影响，似然比LR的值为222.51，显著性水平小于0.01，表明模型具有显著意义；各因素影响结果如表3所示。

表3显示，在10%的显著性水平下，影响统计教学满意度的因素有教师讲授技巧、教师实践教学能力、创新能力培养、统计软件应用以及课程考核方式。

现实中，老师的讲授技巧和实践教学能力，在很大程度上影响学生该课程的兴趣、学生听课状态以及吸收知识的情况等。面对枯燥乏味的讲课，学生可能对这门课产生厌倦甚至是反感，更可能造成他们的高缺勤率。如今的社会越来越重视创新，当然学生也希望能够提高自身的创新能力，因此创新能力对于教学满意度的评定情况具有正影响，且影响较大。此外，课程考核方式也会影响学生的满意程度，学习认真，统计学知识掌握较好的同学可能会希望通过一定的闭卷考核方式来证明自己的实力，而对统计学略知一二的学生可能更倾向于开卷的考核方式，因此他们对于考核方式的满意度也是影响因素之一。而教师理论水平以及学评教评价方式前系数较小且不显著，说明其对教学满意度的提升影响相对较弱。

四、结论与建议

（一）结论分析

调查结果表明，当前经管类专业学生对于《统计学》课程的总体满意度不够高，统计教学仍存在许多不容忽视的问题：

1.课程设置与本专业目标的符合度较高、实用性较强，但专业针对性不够。

2.《统计学》教材结合案例不够、缺乏趣味、注重数学公式推导且忽略统计软件应用。

3.教学内容与相关专业融合不够，内容过于机械化；统计教学方式则多为灌输式教学，互动式等教学方法应用不足。

4.大部分同学对当前采用的纯粹理论考核方式表示不满意，而更倾向于实践测评。

5.一半以上的学生认为统计调查方案设计、问卷设计以及统计调查方法对以后的学习和工作有帮助；70%以上的学生在城乡调查、企业调查和专业调查中能运用统计调查和统计整理方法，但对其他统计知识的应用极少。

从教学目标与课程安排的视角来看，教学目标、专业融合、理论课时以及实验课时的设计对于统计教学满意度具有显著影响；在教学内容、方法和手段所包含的因素中，教学内容、课程内容、教学媒体、实验教学方式以及实践训练的满意情况会影响学生对于统计教学满意度；教师讲授技巧、教师实践教学能力、创新能力培养、统计软件应用以及课程考核方式等则是影响统计教学成效的重要因素。

（二）对策建议

1.统计教学内容的调整和创新。统计教学应避免把时间放在讲授抽象理论、数学定理等方面，增加趣味性教学内容和案例分析，并根据专业需要调整相应的教学内容，增强统计教学的专业契合度，注重培养“应用型”人才。

2.教学方法和手段的转变。调查结果表明，教学方法和手段上最突出的问题为灌输式教育，互动教学不足，所以即由“灌输式”转变为“互导式”教学。在统计教学中，既要发挥教师的主导作用，又要充分调动学生的积极性和主动性，给学生留下充分的思考时间。将知识的传授与能力的培养有机结合起来。

同时，运用统计案例教学，培养学生运用统计思维的基本思想分析、解决问题的实际能力。通过课程案例学，可激发学生的学习兴趣，增强学生对理论知识的理解。重视课程实验教学，提高学生的基本统计业务操作技能和基本统计分析技能。

3.优化考核内容及方式。基于教学内容与教学方式等改革成效的督促，考核方式及评分标准应随之进行匹配，将考核方式由记忆性的闭卷笔试改为多样化的着重考查学生对所学统计知识的应用能力考核，以考查学生分析问题和解决问题的能力。因此，考核方式应采用综合考核的形式，根据学生参与教学活动的程度、期末项目研究报告、上机操作和实践成绩等综合评定其学习成效。

4.构建统计实践教学平台，提升统计实践应用价值。依托学校实验中心建成全校大学生基础实验设备平台、统计建模演示与实现平台、统计调查方案设计大赛仿真模拟等平台，为统计的创新研究和实践应用提供更有力的保障。

参考文献：

[1]吴喜之.统计学：从数据到结论[M].第3版.北京：中国统计出版社，2009.

[2]曾五一，肖红叶，庞皓，朱建平.经济管理类统计学专业教学体系的改革与创新[J].统计研究，2010，（2）.

篇8

目前，教育部在各大高校大力推广“大学生创新创业训练计划”（简称“大创”），旨在转变传统学习观念，以大学生为主体进行创新性实践改革，通过科研实践提高学生分析问题、解决问题的能力［1］。传统教学模式以教师授课为主，学生侧重于理论知识的学习，对现存问题及新知识缺乏主动思考与学习和独立实践能力，创新意识和创新能力普遍偏低［2］。2018年《教育部关于加快建设高水平本科教育，全面提高人才培养能力的意见》强调，高校必须紧紧围绕全面提高人才培养能力这个核心点，加强高等教育的内涵建设，培养和提高大学生的应用和创新能力［3］，深化教学改革理念与方法，提升学生综合素质。本文分析了2021年某医学院校在《医学统计学》课程教学中以“大创”项目为驱动的实践教学模式的改革效果。

1对象与方法

1.1研究对象选择某医学院校开设《医学统计学》的本科、专升本和专科医学检验技术专业学生377人为调查对象，以2021年2—12月授课的班级为实验组，包括本科2002-03班、专升本2101班和专科2001班，以2020年2—12月授课班级为对照组，包括本科1902-03班、专升本2001班和专科1901班。教材均使用人民卫生出版社李康、贺佳主编的《医学统计学》（第七版），授课教师相同。1.2方法1.2.1对照组采用常规教学模式，理论课按班级合堂授课，SPSS实训课为小班授课，单人单机，采用红蜘蛛多媒体网络教室，授课教师动态演示SPSS软件操作过程并解读SPSS输出结果，SPSS实训以课后上机题为练习，督促学生完成操作并课堂答疑。1.2.2实验组采用分层多阶段导师制改革实践教学模式，理论课按班级合堂授课，改革理论课程内容，SPSS实训课为小班授课，单人单机，采用红蜘蛛多媒体网络教室，将“大创”项目设计融入实践教学，在实践教学模式设计过程中，结合上一阶段确定的教学目标，围绕课程教学主线，形成多层递进、逐步增强的阶段化教学步骤。第一阶段为学习阶段，进行SPSS软件操作、基本方法和结果分析教学；第二阶段为积累阶段，学生分层分组以“大创”项目为契机，进行课堂案例教学和课后虚拟“大创”项目设计，项目设计从立项选题、开展与实施，包括数据资料的收集、录入、整理、分析和结果汇报，由指定导师指导完成；第三阶段为科研阶段，组织申报省级与国家级“大创”项目，以各项目团队为小组，分享课题设计过程的经验与成果，择优选择部分项目修改后申报“大创”项目。1.3评价指标以实验组和对照组学生考核成绩和教学满意度作为教学评价标准，考核试卷难度系数相近，考核评价体系相同。对照组考核成绩包括3部分，第一部分为过程性考核成绩，以考勤、课堂表现为评价指标，占总评成绩的10%；第二部分为SPSS实训考核成绩，以课堂提交作业情况与上机操作考试成绩为评价指标，占总评成绩的40%；第三部分为理论考核成绩，以闭卷、线下理论考试成绩为评价指标，占总评成绩的50%。实验组考核成绩也包括3部分，第一部分过程性考核评价指标和第三部分理论考核评价指标与对照组相同；第二部分SSPSS实训考核评价指标与对照组不同，以“大创”项目完成情况与最终评分为评价指标，占总评成绩的40%。1.4调查表设计根据文献资料和专家咨询自行设计教学改革满意度调查问卷，利用超星尔雅教学平台发放给实验组学生，评价指标设为“满意”或“不满意”，对授课内容、授课方式、考核方式和教学效果4个方面评价满意度，分析满意率［4］。1.5统计学分析用《网络数字化流行病学调查数据采集系统》V1.0软件采集问卷信息，剔除无效问卷。用SPSS22.0分析数据。定量数据用xˉ±s表示，定性数据用频数（n）和百分比（%）表示，P<0.05为差异有统计学意义。

2结果

2.1实验组与对照组考核成绩比较2.1.1本科学生本科医学检验技术专业2020级共2个班93人，参加实践教学改革授课为实验组，2019级共2个班95人参加常规教学为对照组。结果显示，过程性考核成绩对照组得分高于实验组（t=17.016），理论考核（t=-21.392）、SPSS实训考核（t=-5.135）和总评成绩（t=-14.795）实验组得分高于对照组，差异有统计学意义（P<0.05）。见表1。2.1.2专升本学生专升本医学检验技术专业2021级共1个班46人为实验组，2020级共1个班50人为对照组。结果显示，过程性考核对照组得分高于实验组（t=5.598），理论考核（t=-14.765）、SPSS实训考核（t=-13.662）和总评成绩（t=-14.178）实验组得分高于对照组，差异均有统计学意义（P<0.05）。见表2。2.1.3专科学生专科医学检验技术专业2020级共1个班47人为实验组，2019级共1个班46人为对照组。结果显示，对照组的过程性考核（t=6.573）、理论考核（t=3.544）、SPSS实训考核（t=4.915）和总评成绩（t=4.539）得分均高于实验组，差异均有统计学意义（P<0.05）。见表3。2.2实验组实践教学改革满意度评价对实验组93名本科生、46名专升本学生和47名专科生调查实践教学改革满意度，结果显示，专升本学生对授课内容（97.8%）和授课方式（100.0%）的满意率最高，专科学生对总体教学效果满意率最高（93.6%），不同层次学生对授课内容（χ2=0.857）、授课方式（χ2=0.536）和总体教学效果（χ2=1.641）满意率差异均无统计学意义（P>0.05），本科生、专升本和专科学生对考核方式满意率差异有统计学意义（χ2=9.098，P<0.05），本科生满表1某医学院校本科医学检验技术专业学生

3讨论

《医学统计学》是以数理统计、概率论的基本原理与方法为基础，通过数据收集、整理和分析研究医学现象的一门应用学科，是本科医学检验技术专业必修课。从培养学生学术能力和实践能力的角度出发，改革《医学统计学》课程教学内容与实践教学模式，以“大创”项目为契机，成立导师教学团队，分层、分组进行课堂案例教学和课后虚拟“大创”项目设计，课程结束后从虚拟项目中择优选择申报省级和国家级“大创”项目，以期提升医学检验技术专业学生的科研信息素养［5-6］。使学生在考研及撰写毕业论文前，对学术产生兴趣，并具备使用基本学术工具的能力，进一步提升学生科研创新能力和综合素质。分层分阶段授课过程中，实践教学极大地提升了学生学习《医学统计学》的兴趣和尝试科研设计的积极性。教学过程和效果显示实践教学改革效果显著，本科和专升本学生过程性考核成绩，实验组低于对照组（t=17.016，5.598），但理论考核（t=-21.392，-14.765）、SPSS实训考核（t=-5.135，-13.662）和总评成绩（t=-14.795，-14.178）实验组得分均高于对照组（P<0.05）。专科生与本科、专升本学生考核结果不同，所有考核项对照组均高于实验组（t=6.573，3.544，4.915，4.539，P<0.05），这种差异的产生与参与实践教学改革的师生双方均有关系，实践导师方面，只要第一次教学改革过程中存在的问题未及时解决，产生滞后现象，如课后师生互动较少，导师主动性不高，不能较好的指导学生积极开展“大创”项目，均会影响课后实践教学质量。学生方面，实践教学模式发生改变，学生的学习方法和习惯亦要随之改变，部分学生思想散漫，跟不上课程内容和项目进度，不能很好地融入实践课堂；其次“大创”项目的设计与资料收集主要在课外时间完成，部分学生由于其他课程冲突或对项目重视度不够而影响完成质量，造成评分较低；再者学生层次不同，对课程的需求与定位不同，本科生有毕业课题设计或考研需求，认为《医学统计学》比较重要，而专科生无此需求，认为是一门边缘学科，用途不大，学习态度与行为的差异影响了“大创”项目完成的质量和评分。同时部分专升本学生在专科阶段学习过《医学统计学》，对内容的理解和掌握程度更好，考核中有更大的优势。因此本科生和专升本学生更适合采用分层多阶段导师制改革实践教学模式教学。实践教学改革主要涉及授课内容、授课方式、考核方式3个方面［7］，不同层次学生对授课内容满意度最高为97.8%，对授课方式满意度最高为100.0%，对总体教学效果满意度最高为93.6%，且满意率差异均无统计学意义（χ2=0.857，0.536，1.641）。本科生对考核方式满意率较低（78.5%），与专升本、专科学生差异有统计学意义（χ2=9.098，P<0.05）。部分学生表示首次接触“大创”项目，实践过程中任务重、压力大，较其他课程费时费力，理论闭卷考核压力更大，更喜欢开放式的考核方式。因此实践教学还需进一步完善，改革考核方式、教学内容与模式。同时以教研室为单位，不断优化教师队伍的梯度，优化《医学统计学》实践教学导师团队［8］。通过一学期的实践教学改革，创新了《医学统计学》实践教学理念，把教学与临床应用更紧密的联系在一起，本着培养医学生创新科研能力的宗旨，在实践教学中组建导师团队，按照学生的层次与需求进行多阶段导师制实践教学，将常规实践教学中较为枯燥的课后习题上机操作改为课堂案例教学和课后“大创”项目的设计实施，为学生搭建学研协同创新平台，鼓励学生积极加入实验室与导师课题参与科研活动，2021年本科生申报了4项“大创”项目，为今后进一步深造和科研打下一定基础。在实践教学中同步开展《医学统计学》课程的思想政治教育，培养学生严谨求真的务实精神，这是做数据统计工作的基本道德素养，也是大数据时代对医务人员科学精神的要求［9］。

参考文献

[1]陈淑珍,戴品怡,陈素云,等.以"大学生创新创业训练计划"为契机的医学本科生科研素养培养探索[J].检验医学与临床,2020,17(5):711-713.

[2]吕军城,王莹莹,石福艳,等.医学统计学教学面临的主要障碍及教改思考[J].中国卫生统计,2018,35(6):946-948.

[3]刘伟.激发学习兴趣和潜能打造数学建模"金课"[J].山东教育(高教),2019(6):33-34.

[4]霍红,路彬,贾喜平,等.预防医学线上线下混合式教学效果分析[J].疾病预防控制通报,2021,36(6):77-79.

[5]叶小华,周舒冬,李丽霞,等.医学统计学教学方法—内容—评价三位一体改革实践[J].卫生职业教育,2021,39(17):50-52.

[6]王春霞,王晓东.医学统计学在医学教学中的改革探讨[J].兰州文理学院学报(自然科学版),2020,34(4):90-92.

[7]李宓儿,张露,郑倩雯,等.研究生«医学统计学»教学情况及效果的评价[J].现代预防医学,2019,46(17):3260-3264.

篇9

进入二十一世纪，随着现代信息技术的高速发展，高校的理论教学与实践教学的环境有了很大的改变。传统的教学模式和方法在现代信息技术的推动下不断为适应新形势而改变。建构主义学习理论以更关注学生，更多地注重交流，更强调课堂的研究活动和小组互动的理念成为二十一世纪教育改革的主流理论。我国各教育领域也受到建构主义理论的影响，尤其是在教育改革不断创新的背景下。作为高校财经类各专业必修的专业基础课，统计学在教学上必须摆脱传统的模式，以适应不断变化的新要求。本文尝试基于建构主义教学模式下讨论统计学教学的改革，以提高学生的学习兴趣，提高教学效率，提高学生分析和解决实际问题的综合能力。

一、建构主义教学观

从儿童认知发展的相关理论建立的建构主义认为，知识不是通过教师直接传授得到的，而是在一定的情景，即社会文化背景下，学生主体借助他人（包括教师和同学）的帮助，利用相关的学习资料，通过意义建构的方式获得。在此过程中，学习不再仅仅是由教师把知识简单地传递给学生，而是由学生自己建构知识。与此同时，学生也不是简单被动地接收信息，而是主动地建构知识的意义。因此，建构主义更强调以学生为中心，要求学生由外部刺激的被动接受者和知识的灌输对象转变为信息加工的主体、知识意义的主动建构者。这就使得教师要从传统的教学过程中转变角色――由知识的传授者、灌输者转变为学生学习过程中建构意义的引导者和帮助者。

在建构主义者看来，课本知识是一种关于各种现象的较为可靠的假设，而不是解释现实世界的精确模版。因而对教师来说，必须认识到学生在教科书里学习到的所谓“知识”的很大一部分，几十年后可能会被看成是错误的概念。尽管科学知识包含真理性，但它并非是绝对正确的知识。建构主义强调从相对正确的意义上去理解科学知识、书本知识，这要求教师在教学过程中更加注重培养学生主动学习、建构知识。

二、统计学教学中存在的问题

统计学作为高校财经类各专业必修的专业基础课，旨在培养本科毕业生的分析问题能力、实际处理和分析相应财经数据的业务技能。该课程是在掌握必要的统计原理和统计分析方法的基础上，对社会经济现象进行量化分析的方法论工具。当前，统计学教学存在一些问题和挑战。

（一）教学内容日益丰富与学生学习兴趣低下

随着大统计学思想的建立和统计学在实质学科中应用的需要，统计学的教学内容日益丰富。在统计学的教学过程中，除了保留社会经济统计学原理中仍然具有现实意义的内容之外，如统计的基本概念、统计学的研究方法、统计数据的搜集整理、总量指标、相对指标、抽样调查、时间序列、统计指数等外，还系统地充实了统计推断的内容，例如：假设检验、统计数据的分布特征、方差分析、相关与回归分析、统计决策，等等。

然而统计学由于相关理论繁多，且重复教学内容不少，使得很多学生认为统计学学习内容枯燥，从而导致畏难情绪，对统计学的学习兴趣不高。此外，统计学与前修课程概率论和后修课程计量经济学两门课程内容多有重复。在教学过程中，相同内容重复教学，教学效率低下，重难点无法突出，使得学生无法掌握基本的知识、技能，导致学生应该具有的能力无法培养。统计学涉及大量的计算问题，且计算量很大，如方差分析、回归分析等。由于计算量大，会占用很多教学课时；而学生在做练习时不能快捷地得到计算结果，会影响后续的教学内容。计算的繁琐使得计算结果容易错误，也会影响学生学习统计学的积极性，所有这些都不利于统计学的教和学。

（二）课程重要性的提高与教授方法的枯燥

随着我国市场化步伐的加快，社会对新知识的需求日益增加，无论是国民经济管理，还是公司企业乃至个人的经营、投资决策，都越来越依赖于数量分析，依赖于统计方法，统计方法已成为管理、经贸、金融等许多学科领域科学研究的重要方法。作为一门通用方法论的科学，统计方法只有与具体的实质性学科相结合，才能够发挥其强大的数量分析功效。在实际教学过程中统计学的教学方式局限于课堂上教师的传授，形式单一，且注重理论教学，实践教学内容偏少，存在重概念轻实践、重理论轻方法、重传授轻参与的现象。于是在教学过程中，学生始终处在被动接受的位置上，从而不利于学生独立思考能力、质疑发问精神的培养，特别是在处理相应财经数据技能方面存在欠缺。

三、统计学教学方法的改进

建构主义学习理论认为学习是双向构建的过程。一方面，学习者对信息的理解是通过运用已有经验，超越所提供的信息本身而形成的。另一方面，学习者从记忆系统中提取的信息本身，要视具体情况的变异而进行重新构建。构建主义主张教学应选择真实性的任务，避免学生脱离现实，过于抽象简化，强调学习过程中学生的主体性。教师设计学习情境要以提高学生解决现实问题的能力为目标。学习过程中强调师生的合作沟通与交流及学生与学生之间的合作和讨论，目的在于使学生获得对同一事物更丰富、更全面的理解。在具体的实践过程中有如下应用：

（一）抛锚式教学

因为抛锚式教学要以真实事例或问题为基础（作为“锚”），所以有时也被称为“实例式教学”或“基于问题的教学”。这种教学要求以有趣、有感染力的实例或真实问题为基础，帮助学习认识事物的性质规律及其相互关系，建构认知图式。抛锚式教学的主要目的是使学生在一个完整、真实的问题情境中，产生学习的需要，并通过教学及学习成员之间的互动交流，即合作学习，凭借自己的主动学习，亲身体验从识别目标到提出并达到目标的全过程。抛锚式教学应用于统计学课堂时，可以将学习内容分解成若干部分，将其中实践性的内容作为“锚”，要求学生对此展开讨论和调查。例如在统计方法的教学中，教师可以引导学生通过对概念的把握结合经济生活中的一些热点问题展开实际的运用，让学生发挥想象力和创造力。在这个过程中教师全程跟进，及时帮助学生处理遇到的难点，有助于保持学生对问题研究的完整性，使学生积极融入对“锚”的研究过程中。

（二）支架式教学

支架是建筑行业中的术语，即脚手架。作为一种教学模式，支架即为教师的帮助。支架式教学强调学生的学习是通过支架把学习的任务逐渐由教师转移给学生。教师为学生构建对知识的理解提供一套概念框架，使学生在了解学习内容的基础上，激发兴趣和智力，以完成学习目标。具体操作时要先由教师介绍相关概念、演示方法运用和计算过程，然后让学生自己去体会、分析。在学习过程中教师要适时提示，帮助学生沿概念框架逐步深入。此外还可以引导学生利用课余时间完成学习项目、鼓励学生利用假期时间，参加学校组织的一些团队、小组或自己组织去开展一些与统计有关的活动，全方位地激发学生的学习兴趣，培养学生的统计专业能力、研究方法能力和社会适应能力。

（三）合作学习

建构主义者十分重视学生在交往和合作中的学习。在教学中可以将学生分成若干学习小组，教师将学习任务布置给学习小组展开知识的构建。学习形式包括小组讨论、互帮互学等合作互助，旨在营造出活泼生动、轻松愉快、合作竞争的教学环境。学生小组学习有利于学生对知识构建新的、更深层次的理解，同时在与同伴的交流过程中可以更好地整理自己的思路。在统计学的学习中，学生合作学习开展的形式包括小组讨论、头脑风暴、专题演示、小组互评等。通过这些形式的应用，教师可以将课堂变得更加有趣生动，使枯燥的学习过程成为学生互相学习、取长补短、交流思想的场所。同时，教师还可以由片面地依据“一张试卷”，到从多个角度对学生展开评价，有助于学生对学习目的的重新认识。

参考文献：

[1]莱斯利・P・斯特弗，杰里・盖尔.教育中的建构主义[M].高文等译.上海：华东师范大学出版社，2002.

篇10

1 《卫生统计学》的课程特点

《卫生统计学》是利用统计学的原理对人群健康问题进行解决的一门应用性的学科。《卫生统计学》的课程特点就是概念抽象、理论深奥、数据枯燥。在学习的过程中又和《医学统计学》有所不同，学习的重点不是公式的推导和证明；同时，又不同于医学学科的学习，学习的重点也不在于记忆和背诵，而是需要在学习的过程中进行深入的理解，在学习的过程中需要大量的实践，所以《卫生统计学》又具有了逻辑性强、实践性强的特点[1]。

2 《卫生统计学》的教学现状

2.1 定位不明确

《卫生统计学》在教学的过程中经常出现和《医学统计学》交叉的现象。《卫生统计学》以统计学的原理和方法为基础，将其运用在公共卫生领域，比较侧重公共卫生学的社会性；《医学统计学》侧重的是医学的生物性。所以两者之间具有很大的区别。但是，目前在医学院校的教学中，两者的区别并不是很大。《卫生统计学》和《医学统计学》的区分不明主要体现在教学安排、课程设置、教材编写等方面，比如，有的医学院校为《卫生统计学》专设了教学部门，但是这个部门开展的工作却是编写医学统计学的教材，进行医学统计学的教学；甚至有的医学院校虽然设立了《卫生统计学》的硕士点，却进行的是医学统计学的考试。并且，在教学过程中，两者也经常被混为一谈。这样的情况给《卫生统计学》的教学带来了很大的困难[2]。

2.2 教学重点不合理

第一，《卫生统计学》的教学内容包括两个方面，一方面是统计学基础，其中涉及到的知识是数据资料描述、统计和分析，推断统计分析，相关回归分析，调查设计等；另一方面是专业知识，其中涉及到的内容是横断面研究资料统计分析，病例对照研究分析、队列研究的分析和设计、生存分析、寿命表和Meta分析。目前，在很多医学院校的教学中，教学的重点依然集中在基础知识的学习方面，对于专业性知识部分涉及的内容非常少，甚至卫生统计调查方法、卫生统计制度等很多内容都没有在现行的《卫生统计学》中涉及。这种情况给《卫生统计学》课程的普及带来了很大的麻烦。

第二，《卫生统计学》在教学过程中，医学院校的教学重点普遍是基本原理的介绍和具体公式的推导，没有完善的培养学生统计思维的内容。统计思维对于《卫生统计学》的学习来说非常重要，它是一种透过数据就能对现象进行分析和判断的方法。在《卫生统计学》的教学中，忽视了对统计思维的培养，对《卫生统计学》教学的发展会产生非常不利的作用。

2.3 缺乏电脑实验课程

《卫生统计学》课程的应用性很强，为了保证课堂效果，在讲授理论的同时，还要和电脑实验相结合，通过具体软件将抽象性比较强的统计学概念转变为直观的数据结果或者是形象生动的图形，可以在增强学生的实践能力，同时还可以提高学生的学习兴趣。但是，目前在大部分的医学院校中，因为资金和课时的问题，还没有开设电脑实验课程，影响了《卫生统计学》的教学效果[3]。

2.4 教学形式过于单一

目前，在大多数的医学院校中，在教学形式方面存在的问题就是过于强调单一统计方法的学习，过于强调理论知识的学习。缺乏《卫生统计学》知识的实践应用，导致学生在遇到统计学问题的时候，不能运用统计学的相关知识对其进行解决，影响了《卫生统计学》的教学效果。

3 《卫生统计学》的教学模式

为了改变上述问题，就需要对《卫生统计学》的教学模式进行探讨。在《卫生统计学》的教学过程中，使用多元化的教学模式，通过多媒体教学、案例分析教学、小组交流互动式教学、基于问题教学法等方法来改善《卫生统计学》的教学效果。

3.1 案例教学法

案例教学法指的是在《卫生统计学》的课堂教学中引入案例，通过案例为学生设计某种情境，引导学生调动自己的理论知识对实际问题进行解决的教学方法。案例教学法的特点是：注重实践，具有很强的能动性、创造性、仿真性，能够很好的将启发式教学、民主式教学和参与式教学融为一体。案例教学法的优点是：充分调动学生学习的主动性和积极性，能够有效的培养学生的创新思维，能够有效的提升学生解决问题的能力，以实现《卫生统计学》的教学目的[4]。案例教学法的应用流程如下。

第一，准备教学案例。在课程开始之前，要严格执行集体备课制度，以教学大纲为基础，结合具体的教材内容，融合相关的科研成果和工作实践，根据以上内容精心选取案例，对案例进行实际的分析，保证案例符合教学设计，符合学生的学习兴趣，并且保证选择的案例在学生可以接受的范围内。

第二，运用案例进行教学。运用案例进行教学，需要按照以下的流程来进行：案例介绍―提出问题―学生讨论―教师评价和分析―问题解决的实际应用方法。具体的应用步骤如下：首先，在课程开始时教师引入案例，通过案例引发学生的思考，让学生对案例所反映的知识有一个明确的了解；然后，在学生经过一段时间的思考之后，教师要组织学生展开讨论，讨论的方式可以是小组讨论，也可以是集体辩论，还可以是个人发言；最后，教师针对学生的讨论进行客观的点评，对讨论过程中的错误点和错误原因进行分析，然后对讨论过程中不准确、不完整的方面给予指正。

3.2 基于问题教学法

基于问题教学法（PBL）的应用核心是“问题”，应用流程是：提出问题―收集资料―建立假设―论证假设―总结。这种教学法实施的目的是培养学生的自主学习能力，培养学生捕捉、整合、判断信息的能力，培养学生的创新能力和质疑能力[5]。基于问题教学法的具体应用流程如下：

第一，理论的讲授。应用基于问题法进行教学，在教学的过程中，将教学的内容和各个章节的内容相结合，然后结合案例教学法，通过在教学的过程中引入案例，从而引出问题，然后将处理问题的统计方法和统计思路运用到教学的过程中。

第二，问题的确定。在理论讲授完成之后，授课老师根据授课的内容，结合自身的工作经验或者在文献中曾经出现的统计问题，来确定学生的具体问题，在确定问题的过程中还要对学生的学习任务和学习目标进行明确。

第三，讨论学习。教师在提出问题之后，要将学生分成不同的学习小组，然后由学习小组来收集解决问题需要用到的资料，在收集资料的过程中，学习小组可以针对文献中的不足之处和教师或者同学进行交流分析，或者还可以对如何实现课堂效果的改进进行讨论，对讨论的结果进行总结汇报。

第四，总结评定。教师针对学生在收集资料的过程中出现的问题进行指导，并给出具体的建议，同时要对各个小组的讨论报告进行总结归纳，然后对学生的成绩进行评定。评定的方式可以有三种，分别是：学生互相评价、小组自我评价和教师评价。

通过基于问题教学法的实施，可以通过问题的设置来引导学生的学习，激发学生的学习兴趣，提高学生学习的主动性，让学生在收集资料和小组合作的过程中丰富自己的知识系统，从而提高学生解决问题和团队合作的能力。

3.3 实验教学法

实验教学法就是在《卫生统计学》的理论教学中，运用计算机的相关软件来训练学生实际解决问题的能力。目前，很多医学院校的《卫生统计学》在教学过程中遇到相关的计算和检验问题时，大都是通过计算器来完成的。计算器在《卫生统计学》教学过程中的应用不仅增加了计算量，导致计算过程繁琐，而且还会浪费大量的课程时间，导致在《卫生统计学》教学过程中学生学习主动性难以得到发挥[6]。实验教学法的应用因为涉及到配套设施的购买问题和相关课时的安排问题，所以要循序渐进的来实现。

首先，实验教学的应用可以从预防医学专业开始，在进行实验课的教学过程中，针对其部分内容可以使用实验教学的方法来进行教学。比如在学习方差分析的时候，因为这部分内容涉及的公式比较多，计算过程比较复杂，如果应用计算器进行教学，在教学的过程中在计算方面会浪费过多的时间。所以在教学过程中可以引进电脑教学，将方差分析时需要的数据，比如：SS处理、SS总、SS区组、SS误差等，通过幻灯片对学生进行讲授，让学生以这些数据为基础对其进行方差分析。通过这样的方式，《卫生统计学》在教学的过程中可以节约部分实验课课时，并且在教学的过程中还可以向学生介绍相关软件的操作和使用，可以取得很好的教学效果。

3.4 搭建非实时课堂学习平台

篇11

20世纪40年代晚期，一个以随机实验评估肺结核链霉素治疗法效果的研究开启了统计学在医学研究领域的广泛应用[1]。随着循证医学兴起，医学统计学逐渐受到人们重视，如何客观真实准确地采集、整理、分析数据并将结论应用于医学实践是每一个医学领域工作者需要掌握并考虑的问题[2]。然而，医学统计学理论复杂，难度较高，医学生普遍数理基础比较薄弱[3]，因而教学工作也颇具挑战。近几年，医学院校虽然也认识到了在更高层次医学人才培养过程中医学统计学的重要性，然而却达不到预期的教学效果[4]。

医学生对医学统计学的认知以及态度对于教学设计十分重要[5-6]，本调查旨在了解各专业医学生对于医学统计学的看法与建议，为教学改革提供依据，从而更好地提升医学统计学教学的针对性，优化教学内容[7]，提高医学生们运用统计学知识的能力。

1资料与方法

1.1研究对象

本次研究采用方便抽样法，选取上海交通大学医学院接触过医学统计学及相关课程的在籍本科生、硕士研究生及博士研究生作为研究对象，专业包含临床医学(五年制、八年制)。共发放纸质问卷601份，回收601份，经筛查保留有效问卷581份，有效回收率97%。

1.2方法

1.2.1问卷调查：本研究采用自编问卷，以纸质问卷形式发放给研究对象进行调查。此次调查问卷共分为3个部分。

第1部分涵盖研究对象基本信息调查，涉及性别和专业等。根据专业特点，此次研究按专业及相关课程差异将研究对象分为3类：临床医学(含口腔医学)、预防医学及其他(医学检验、护理学和营养学)；第2部分涵盖研究对象对于医学统计学这门学科以及学校相关课程设置的认知调查，涉及学生对医学统计学课程的满意度、重视程度等；第3部分涵盖研究对象对于自身医学统计学知识学习的认识及自身未来规划，涉及学生对医学统计学及相关统计软件的学习情况、掌握程度、未来职业规划等。

1.2.2质量控制：为确保本次调研结果的客观性、真实性和全面性，本次研究从问卷设计、问卷发放、问卷回收及问卷筛查等方面都进行了严格控制。问卷设计环节设计了逻辑检测题；问卷发放环节没有进行大范围的随意发放，而是由校内学生、老师等小范围发放给身边的同学，确保研究对象为上海交通大学医学院接触过医学统计学及相关课程的学生，填写完毕当场回收问卷；在问卷筛查环节将前后回答明显矛盾的问卷视为废卷，将答题率太低，低于90%的问卷视为废卷。

1.3统计学分析

由纸质问卷转录为电子问卷后由EXCEL导出，进行统一筛查与编码，导入R3.3.1软件进行数据分析，主要统计方法为描述性分析及卡方检验或修正的卡方检验。

2结果

2.1调查对象基本情况

本次调查共回收有效问卷581份。其中男性共196人，女性385人，分别占34%与66%。调查对象的专业以临床医学为主，共461人，占79%。其余为预防医学(24人，4%)，口腔医学(18人，3%)，医学检验(59人，10%)，护理学(16人，3%)，营养学(3人，1%)。

2.2各专业医学生对医学统计学的认识

上海交通大学医学院各专业医学生对医学统计学的认知调查显示大部分学生(477人，82%)对学校设置的医学统计学相关课程感到满意，少部分(共104人，18%)不满意。具体分布情况如下(表1)。

医学统计学认知调查显示，共68人(12%)表示医学统计学是一门必修的课，修满学分即可；455人(78%)表示医学统计学未来应用很广；只有10人(2%)表示是一门无聊的课，不用太在意；38人(7%)表示感觉统计学很有趣；10人(2%)选择了其他。在课程难度及课程重要性方面，受调查者的具体分布如下(表2)。

在调查对象中有100人(17%)表示在科研中遇到统计学知识困难中会选择利用已学过的知识自己解决；262人(45%)选择咨询相关同行；149人(26%)选择外包给专业人士；70人选择其他。

2.3各专业医学生医学统计学学习情况及自身未来规划

篇12

统计研究中运用大量观察法，实现从个别到一般，从个性到共性的认识过程。同时，根据共性寓于个性之中的对立统一规律，统计研究在大量观察的基础上，运用个别观察所搜集的资料来说明总体的基本状况和发展趋势，使认识更深刻、更具体。

矛盾的共性与个性的对立统一规律指导统计研究必须是将统计中的平均数与分组法结合，用组平均数补充说明总平均数，用反映现象的离散趋势的变异指标与反映现象集中趋势的平均数结合使用，以使研究更全面，更完善。

2必然性和偶然性的统一

统计学为探索随机现象统计规律性，必须正确处理必然性与偶然性之间的辨证关系。在总体中诸个体某种数量标志表现偶然，而诸标志值平均则为必然。重复测量某种同一客体出现不同的数值属偶然，而同一客体本身真实数值则为必然。必然性通过大量偶然性的数量差异为自己开辟道路。统计研究中经过综合平均，将大量偶然性所形成的数量差异，互相抵消，显露出平均则为必然。必然性与偶然性的对立统一关系在统计抽样调查问题上表现极为明显。客观事物极其复杂，表现千差万别，同一总体各单位的数量差异也非常大，从个别单位，往往因偶然因素的影响而无法探索其本质和规律性。然而，通过大量观察，排除偶然性因素影响，就可暴露出事物的真象，显现其本质。在进行抽样调查时，只有随机抽取的个体足够多，消除诸多偶然因素影响，才能通过抽样总体的数量特征正确地推断总体的数量特征。

3整体与局部的统一

统计学的研究着眼于总体，着手于样本，立足于个体；同时从总体出发，分解剖析，认识局域（类、层、组）甚至个体，并对其进行调查研究，观察计量，搜集资料。接着对个体的调查所获得的资料进行计算分析，或归纳演绎，用样本来推断总体，达到对总体的系统性认识。即为“统而计之”和“计而统之”的总和，以实现以统定计，以计达统的目的。所以，统计学的思维是一种系统思维，要求一切认识对象不仅它本身作为一个整体来认识，而且它还要作为某个更大系统的要素来认识。这种对系统客体的“主体”认识，是一种对研究对象进行整体性度量的系统思维方式。

因而，统计认识充分体现了整体和局部的有机统一，这是统计研究的一大优点，也是统计认识比较接近客观、真实的主要原因之一。其它认识方法往往是就某一要素而研究某一要素，就某一系统而认识某一系统，忽略或没有充分重视各要素的整合作用和系统环境对系统的制约作用。

4定性分析和定量分析的统一

从统计认识过程而言，充分体现着定性分析和定量分析对立统一的关系。定量分析研究是统计研究的特色所在，但统计的定量分析不是纯粹数量意义的，即不是就数量论数量，而是基于所研究事物本身的特点，并且从所研究事物的有关联系或现实背景中，紧紧扣住认识所研究事物内在本质这一主题来展开的，他注重的是定量分析背后的具体含义和意义，这也正是统计学与数学的区别所在。那么统计研究怎样才能通过数量来体现其具体含义与现实意义？这就必须结合定性分析，即以定性分析为起点，并以定性分析为终点。具体来说，统计研究总是按照“初步（感性）的定性认识——客观科学的定量认识——高级（理性）的定性认识”这一过程来进行的，即从定性开始，确定认识事物有关方面的指标，经过定量过程，搜集，整理，进而对其分析研究，上升到更高的认识，深入认识事物的质，完成定性认识。统计认识活动遵循质与量对立统一规律，从初始的定性入手，依设计的科学的方案一整套统计指标体系，按要求搜集有关数据资料，经过整理和分析对比，认识事物的本质和规律性。也就是说统计的定量分析是人类在认识事物的过程中，实现从感性认识到理性认识这个飞跃的重要途径，是避免产生认识主观偏差的重要手段。

因此，统计研究最终是为人类定性认识服务的，是为了定性认识才进行定量分析研究的，前面所讲的统计的方法性、应用性也正体现在这里。实际上，如何才能真正做到统计研究的定性分析与定量分析的统一，才是需要我们关注的重点。所以，我们需要不断地探求质与量变化的规律和界限，研究质的规定性与量的规定性的关系，将质与量同一与度中，即量的规定性定性于度中，质的规定性定量于度中，以实现定性分析和定量分析的真正统一。

5分析与综合的统一

在统计研究过程中，分析和综合是揭示事物的本质和规律性的一个基本方法。统计认识活动的根本目的是在各个局部进行剖析的基础上达到对总体的认识，揭示其本质和规律性。

所谓分析方法，就是把研究对象分解为若干组成部分，并分别加以研究，从而认识事物的基础或本质的一种思维方法。任何事物的整体都是有若干组成部分构成的，将客观事物在一定条件下分解成各组成部分，分别研究其结构与功能、各部分相互联系、相互作用的特点以及在各种外界条件作用下所表现出来的事物的属性和特点，从而达到对事物本质及内在规律性的认识之目的。可见，分析方法是以客观事物的整体与部分关系为客观基础的。在统计研究中诸如分组分析、因素分析、因果分析、结构分析、定性和定量比较分析、比例分析等等。这些分析在人们的认识中起着重要作用。但是，要把分析所得到的认识变为对整体的认识，揭示整体的本质和规律性，就必须进行综合。

所谓综合方法，就是把研究对象的各个部分联系起来加以研究，从而在整体上把握事物的本质和规律的一种思维办法。与分析方法相比，综合方法认识过程的方向完全相反。它是将事物的各个部分联结为整体，通过全面掌握事物各部分、各方面的特点以及它们之间的内在联系，并加以概括和上升。从事物各部分及其属性、关系的真实联系和本来面目，复现事物的整体，综合为多样性的统一体。在统计中，诸如人口统计的将分组、结构、比例分析化为对整个人口状况分析；商品销售总额分析时分解为价格和销售量变动的影响，进而从总体上分析其因素影响；社会总产值的变化，分解成各个部门行业的影响，进而综合研究其全貌等等。

分析与综合是对立统一，分析是综合的基础，综合统领分析。没有具体的分析，就不能具体深入地把握事物的各部分、各侧面和各种属性与诸因素，从而也就无法综合；同时，分析也离不开综合，它在综合统领下，以综合为目的，达到确切地揭示事物的总体和本质和规律性，使认识升华。因此，没有分析的综合，其结论就只能是空洞的、无根据的，是一个混沌的、外在的、直观的整体。“思维既把相互联系的要素联合为一个统一体，同样也把意识的对象分解为它的要素。没有分析就没有综合（《马克思恩格斯选集》第三卷人民出版社1972年版第81页）。”分析的结果，也就是综合的出发点。统计认识的发展总是沿着“分析——综合——新的分析——新的综合……”轨迹不断前进的，促使统计认识活动不断深化，揭示事物的本质和规律性。

6归纳与演绎的统一

所谓归纳推理，就是从特殊到一般，给出新认识；但新认识是不确定的，可能是错的；特殊材料的组合不同，给出的认识也不同甚至矛盾；基于不完善甚至劣质信息作出决策。所谓演绎推理就是从前提（公理）到命题，不提供超越前提的新知识；容许选择多个前提，但前提可能是错的；大前提里的不同小前提（公理系统里的不同子集合）会给出不同甚至矛盾的结论。以观察为基础对事物的不确定性进行度量主要属于归纳推理问题；但若已知各种事件发生的结果和发生的概率，不确定性下的决策则可以转化为演绎推理问题。

统计认识是通过个别研究认识一般的，所以统计思维必然是一种归纳（即必须通过归纳才能实现）。统计不仅要根据所构建的原始信息通过统计推理获得一般的“知识”，而且还必须进行假设检验、机理检验等，对所获得的知识进行论证。所以说，统计思维是归纳与演绎的统一。归纳方法论强调了方法和外来信息的重要性，而演绎方法论则强调了问题和先存知识的重要性。实际上，二者是一个有机的整体，需要相互补充和协调才能真正解决问题。比如在统计思维中的回归分析既是归纳，又是演绎。所以说，统计思维将归纳和演绎高度而有效地结合运用，收到了很好的认识效果。也只有通过归纳、演绎和实践的相互作用才能找到可靠的科学真理。

7具体和抽象的统一

按照统计认识要运用材料来看，统计学的实际应用具有具体性，它是依据一定的数据和事实，使人们得到启发，运用已有的经验知识，对客观事物的本质及其规律性作出迅速的识别和直接的理解，并对对象的总体状况作出判断。统计认识在取得统计数据之后，首先就是根据数据的特点，运用一定的数据整理手段（如分组、直方图、茎叶图、频率图等）和统计研究人员积累的统计认识经验，充分发挥主体的能动性，获取初步认识。在此基础上再对统计数据的背景资料进行分析研究，必要时还要进行典型剖析或抽样验证。所以说，在统计认识的数据收集、分析与所做结论需要具体化。同时，对统计理论方法研究时具有抽象性，在一定理论指导下进行的数理研究，是具有抽象思维的特点。属于抽象思维的范畴，它舍弃具体向客体的规客规律性逼近。因此，统计学是具体和抽象的统一。

8经验思维和理性思维的统一

统计认识过程不仅是通常所说的实证性研究活动，同时也是探索性研究活动。它自始至终都是理性认识和感性材料的相互结合和相互渗透。

按照统计认识属于实证性研究来说，它具有经验思维

的特点。经验思维就是运用实践经验、感性认识和感性材料进行的思维活动。它的功能主要是认识具体事物的外部状况、表面联系和现象，通过经验思维能够对丰富的大量材料初步加工，把握事物多种多样的具体状态，并且能够在一定程度上把握事物的内在联系和规律。描述性统计就是一种比较典型的经验思维。它依据的是客体的个体的实际状况或者是客体过去的、现在的状态，是事实的归纳、概括、整理。从推断性统计来看，它在描述性统计提供的经验材料的基础上，运用一定的理论、概念，依据严密的逻辑规则和推理过程进行假设检验、数理推断、悖论分析，对描述信息、经验认识进行理论思考，使经验认识升华，这又是有理性思维的特点。它抽象掉具体个体数量上的差异，得出有关对象的共同本质特征的认识；抽象掉所依据的经验材料的特殊，得出有关“类”的一般的认识。

实际上，描述性统计是推断性统计的重要基础，在某种程度上讲，推断是另一种描述；有时候描述性统计与推断性统计是交织在一起的。因此，统计认识是经验思维和理性思维的统一，兼具有两种思维的成分，两种思维相互交叉，相互补充，使统计认识更系统、更具体和更深刻。

总之，统计学是一门认识方法论，统计活动是一种认识活动，是要研究探索和发现认识客体本质及其规律性的方法。哲学是关于世界观和方法论的学说，它研究自然、社会和思维的最一般的规律。它和统计学是一般和个别、共性和个性的关系。哲学对统计学起着指导作用，为统计科学研究和统计工作提供一般指导原则和思维方法；统计学是哲学一般认识方法的具体化。所以，对统计思想进行较深入的探讨和归纳，有利于推进统计理论研究，廓清人们对统计的认识，有助于更合理、广泛的运用统计方法。

摘要：统计学是一门方法论的学科，其中包含着丰富的系统的辩证统一思想，掌握这些辩证思维，有利于我们更好地理解统计理论，正确地运用统计方法。主要从统计学中概括出了一系列辩证统一的思想，并对其进行了较为完整的阐述。

关键词：统计学；辩证统一；统计规律；思想

参考文献

［1］李金昌.关于统计思想若干问题的探讨［J］.统计研究，2006，(3).

篇13

1　统计设计存在的常见问题

统计设计是整个研究中最重要的一环,是研究工作应遵循的依据。常见的统计设计问题有:忽视组间均衡性,样本缺乏代表性,样本例数不足,未设置对照组,未随机分组,未提出统计分析方法等。针对以上问题,在科研设计中一定要遵循实验设计的四大原则即“随机、对照、均衡、重复”的原则[6]。

1.1不遵循或不重视随机化原则

随机化是科研设计的重要原则，直接影响研究结果的可信度。随机化既要随机抽样，还要随机分组，并有足够的样本量作前提。然而，在医学论文中许多作者对此不够重视，主要表现在论文中统计处理随机化不突出，随机化缺失情况比较常见，有的论文甚至将随机误解为随意、随便，不采用随机化处理方法，导致结果缺乏可靠性。还有些文章中没有提出“随机”抽样的设计与方法，没有排除标准，给人随意选择病例之感，且病例数少，因此没有代表性，所得出的结论不可靠。部分文章虽然注明了“随机”，但未提及采取什么方法进行随机化研究或两组间的例数相差甚远，不符合随机化的一般规律，没有临床参考价值[7]。

1.2缺少对照研究或对照组设计不合理

正确设立对照是临床或实验研究的一个核心问题，设立对照的意义在于说明临床试验或实验研究中干预措施的效应，减少或防止偏倚和机遇产生的误差对试验结果的影响。目前，国内许多期刊发表的论文对照组设计不合理现象比较普遍，尤其有些作者对某种新药或新技术在临床的应用观察研究中，不设对照组，缺乏对照观察，得出的结论缺乏科学性，令人怀疑。有的文章虽然设立了对照组，但在分析结果时，却没有将试验组与对照组的结果进行比较，而仅将各组间的自身前后进行比较，从而使该研究失去对照意义。对照组选择不当，还表现在两组间重要的临床特征和基线情况相差太大，无可比性，如性别、年龄、病情、经济情况和文化程度等不一致，如有些论文将健康人或志愿者作为对照组，使结果受到非处理因素的影响，产生偏倚或系统误差，使结论不可信[7]。

1.3均衡性原则掌握不够

均衡性原则要求实验中的各组之间除处理因素不同外，其他可控制的非处理因素要尽可能保持一致。特别对疾病预后有重要影响的临床特性一定要在组间分布均衡。各组间越均衡，可比性越强。有些作者在对病例进行分组时，忽视了均衡性原则，两组之间没有可比性，结论自然是错误的。具体表现在：有的文章对治疗组与对照组的相应统一指标没有设在均衡的水平上。对治疗组情况交代的比较详细，而对对照组的年龄、性别、病情等不予交代，或所选对照组的年龄与治疗组不在一个年龄段，影响了作者对指标的观察[7]。

1.4重复的原则掌握不好

所谓重复,一是指重复试验或平行试验,二是指各样本组的例数要有一定的数量,即样本的例数要足够大。虽然随机化是增强非处理因素均衡性的重要方法,但当各组内例数过少时,尽管采用了随机化分组的方法,也难以保证非处理因素的均衡一致。在随机化分组的基础上,只有样本例数足够大,才能使非处理因素均衡一致,同时也才能使抽样误差减小,增强样本对总体的代表性。一般来说,在随机分组的前提下,样本例数越大,各组之间非处理因素的均衡性越好;但当样本量太大时,往往又会给整个实验和质量控制工作带来更多的困难,同时也会造成浪费。为此,在实验设计时,还应保证在实验结果具有一定可靠性的前提下,确定最少的样本例数。一般说来,计数指标每组样本不得少于20～30例,计量指标每组样本不得少于5～10例。在多因素分析时,一般认为样本例数至少为观察指标的5～10倍[8]。

1.5样本的含量

样本的含量的大小直接影响到结论的可靠性。样本量过少,则抽样误差大,结果可靠性差,且经不起重复验证;反之,盲目加大样本量也会造成人、财、物的浪费,同时也造成非抽样误差增大。故应在保证研究结果精确可靠的前提下,确定最小的样本量。如某篇论文报道某药治疗的临床疗效,实际总例数为10例,其中6例有效,于是作者得出有效率为60%。显然,有限的病例数不能充分说明该药是否有效,作者贸然得出结论,容易给他人造成假象甚至误导[9]。

2　统计方法选择与使用不当

在选择统计方法之前,首先应确定研究资料是计数资料还是计量资料。只划分其类别而得到的资料为计数资料,也叫定性资料,如根据治疗结果计算出的治愈率、阴性率、阳性率等。测定某个具体数值而得到的资料为计量资料,如血压值、血细胞计数、血氧分压测定等许多物理诊断和化验检查的结果。目前,医学论文中计数资料最常用的统计方法为χ2检验,计量资料最常用的统计方法为t检验。值得注意的是,各种假设检验方法均有其适用条件,应根据资料特点来选用最适当的方法。均数与标准差分别是描述正态分布资料集中和离散趋势的指标。能否选用“均数±标准差”来描述某一资料的分布特征,关键看该资料是否符合正态分布。当资料不符合正态分布或方差不齐时,应将资料转换使之符合正态分布,方差齐性后再用t检验或方差分析,否则用秩和检验。有些作者在使用t检验时,未考虑到上述适用条件而盲目使用,造成统计学处理不当或统计学计算错误[10]。#p#分页标题#e#

2.1统计指标应用不当

2.1.1描述计量资料的统计指标描述计量资料的统计指标主要有平均数指标(算术均数、中位数M等)和变异指标(标准差s和四分位数间距Q等),在应用时一定要注意它们各自的适用范围。对于非对称分布资料,算术均数不能反映数据的平均水平,应采用中位数描述。一般地,正态资料或对称资料用描述,偏态资料用M和Q来描述。在不能确定数据的分布类型时,应选用M和Q进行统计描述。四分位数间距Q是75%分位数P75和25%分位数P25之差,即Q=P75－P25,所谓百分位数Px是将全部观察值分为两部分,理论上x%的观察值比它小,(100-x)%的观察值比它大,中位数M是50%分位数P50。、s、M、Px与Q可通过统计软件直接输出[9]。

2.1.2描述计数资料的统计指标描述计数资料的统计指标有绝对数和相对数。绝对数是原始资料经汇总得到的小计或总计数。相对数是两个有关的绝对数之比,主要包括率和构成比(百分比)。医学论文中相对数应用的主要问题之一是分母较小。分母较小时,相对数的可靠性不能保证,在这种情况下,宜直接用绝对数进行描述而不宜计算相对数。医学论文中相对数应用的主要问题之二是将构成比误用来说明事物发生的强度。构成比只能反映事物的内部构成,不能说明事物的发生强度。医学的研究对象主要是人以及与人体有关的各种因素。由于生物现象的变异较大,各种影响因素又错综复杂,研究常是抽样观察,使事物本质差异与抽样误差混杂,故需用统计方法透过偶然现象来探测其规律性。如果不能正确运用统计学方法,造成统计学上的偏差或失误,就很容易把本来成功的结果当成失败而放弃,或把失败的教训误认为成功的结论而加以宣传。在进行科研设计时要严格遵循科学的统计学分析方法,不能留下隐患,否则,再高明的统计学专家和统计学软件也无法弥补科研设计缺陷造成的损失。总之,统计学分析在医学研究和论文写作中意义重大。作者在撰写论文时,应注意识别、总结有代表性的、有借鉴意义的统计学领域的缺陷、失误或错误的多发点,特别留心易出现统计错误的险区,从而使论文中的统计学问题减到最低限度。认真检查、仔细核验,尽量避免上述错误,必要时还可以请统计学专家帮助把关[12]。

2.2统计方法描述或选择不当

统计方法选择非常重要，它直接影响结论的可靠性[12]。临床资料的结果变量可分为计数资料、计量资料和等级资料。计数资料指将观察对象按两种属性分类，如生存、死亡，治愈、未治愈，有效、无效等，通常转化为率。如果是两组间的比较，则采用四格表χ2检验或其校正公式，如果是多组间率的比较，则采用行×列表资料χ2检验。计量资料指对某一个研究对象用定量的方法测定某项指标得到的资料，一般均有计量单位。通常资料呈正态分布时，两组间均数比较用t检验，多组间均数比较用方差分析和q检验。当资料不呈正态分布或方差不齐时，也可用秩和检验等非参数检验法。

2.2.1统计方法描述不清

医学论文中常可发现作者未交代所用的统计方法，如是配对设计的t检验还是成组设计的t检验，是Ridit分析还是χ2检验，是作相关分析还是作回归推断。统计方法交代不清或根本不予交代，使读者对论文结论的正确与否无法判断。有的作者只提一句“经统计学处理”后，就写出结论。有的甚至直接用P值说明问题，笼统地以P<0.05或0.01、P>0.05便称结果差异有无显著性，P值的大小不说明差值的大小，它还与抽样误差大小有关[13]。因此，还应写明具体的统计方法，如有特殊情况，还应说明是否采用了校正，应写出描述性统计量的可信区间，注明精确的统计量值和P值，然后根据P值大小作出统计学推断，并作出相应的医学专业结论。

2.2.2假设检验方法交代不清不交

代假设检验方法或假设检验方法交代的不具体、不清楚是医学科研论文中常见的错误。如果不交代假设检验方法或假设检验方法交代的不具体，读者就无法考察论文的统计学方法选择的是否正确，无法核对计算结果是否准确。每一种假设检验方法都有其特定的适应条件和严格的适用范围。对于同一组资料，采用不同的假设检验方法可能得出截然相反的结论。如将配对设计的资料按成组设计资料的方法处理，将会损失样本提供的信息、降低检验效率，可能使原本有统计学意义的结果无统计学意义[14]。在论文写作时，不但要交代选用的是什么统计学方法，而且统计学方法要尽可能具体。如选择t检验，要说明是配对t检验，还是成组t检验；选择方差分析时，要说明是完全随机设计的方差分析，还是配伍组设计的方差分析。对于四格表资料，应说明是一般四格表χ2检验、配对四格表χ2检验及四格表资料的精确概率法等。

2.2.3统计方法选择常见错误

①误用χ2检验。χ2检验有一定的适用条件,n>40且理论数(T)>5时,可用一般χ2检验;n>40,但至少有1个T>1且T<5时,可用校正χ2检验;n<40或T<1时用χ2检验的确切概率法[15]。②t检验误用于多组资料的比较。在医学期刊中常会出现将t检验误用于多组资料的比较。多组资料的比较应该采用方差分析(F检验),当差异具有统计学意义时,再进一步作两两比较。当各组均与一个对照组比较时采用Dunnettt检验;当各组相互循环比较时,则常采用Student-Newman-keuls(SNK)检验,又称q检验[16]。③配对t检验与成组t检验误用。大部分论文只注明采用t检验,而未注明是配对t检验还是成组t检验。配对t检验常用于处理前后的自身对照,即差值均数与总体均数“0”的比较;成组t检验适用于成正态分布的两个小样本均数间的比较。④资料不呈正态分布时未用非参数检验。t检验F检验等适用于呈正态分布、方差齐且有确切的测量数值的资料,而非参数检验(如符号检验、秩和检验Wilcoxon法、秩检验-KruskalWallis法、Friedman法、Ridit分析、Seperman相关等)对资料无特殊要求,对按大小顺序、评分、等级、反应程度甚至色调深浅等资料都可进行分析比较[17-18]。因此,对于多组计量资料的比较,呈正态分布且方差齐时用F检验,方差不齐时可用变量变换,或采用秩和检验;对于两个小样本均数的比较或处理前后的比较,方差齐时用成组t检验或配对t检验，方差不齐时用t′检验[19]。

3结果解释时存在的问题

统计分析的结果是无效假设或是不能无效假设。无效假设在一般的统计检验为两组总体参数相等。无效假设只能说两组总体参数不相等而并不能说两组相差很大。两组相差如何要对可信区间进行研究观察后得出。由于统计检验不能得出差别的大小,因而结论不能说“有明显差异”或“有显著差异”,也不能说“差异非常显著”,更不能说“差异明显”。在国外的统计书籍上的英语表达为“significant”,它的正确意义应当是“有意义的、有重要性的”。俄语为“Значмый”和日语中的“有意”也是这个意思。国内只有极个别的英汉词典把“significant”误译为“显著的”。正确的说法应当是“差异有统计学意义”或“差异有高度统计学意义”等[20]。在解释差别有统计学意义的结果时，有些人常常根据P值的大小作出对实验效应差别程度不同的专业结论[21]。例如某实验研究，比较甲、乙两种治疗方法对某病的治疗效果(假定甲法的疗效优于乙法)，若得到“P<0.001”，则认为甲法极显著优于乙法；若得到“P<0.01”，则认为甲法非常显著优于乙法；若得到“P<0.05”，则认为甲法显著优于乙法。犯这种错误的原因是错误的理解了统计学中P值的概念[7]。统计学上根据假设检验原理推算出来的P值表示拒绝特定的无效假设可能犯假阳性错误的概率。P值的大小并非指差异的太小，只能反映两者相同或不相同。P值越小，说明越有理由认为两种处理方法效果不同，而不能反映对比的两组或多组之间差异的大小。差异的大小只能根据专业知识来确定。此外，甚至在部分投稿文章中未交代所采用的统计分析方法，也未见应用统计学的迹象，仅从各组数据的均数大小做出了统计推断。医学期刊论文中暴露出来的统计学错误，从表面上看是编辑部和审稿者把关不严所致。事实上，即使审稿时发现了上述错误，也无法改正。因为实验设计的错误只有在科研工作开始之前才有可能得到纠正。即使编辑工作者能够阻止有严重统计学问题的，也仅仅是治标而已。如何使广大医学论文作者在医学研究中正确应用统计学，提高科研质量才是治本[7]。#p#分页标题#e#

4对策与建议

众所周知，统计学是从事科学研究不可缺少的工具。从试验设计、资料收集与表达、数据处理和结果分析，每一个环节都需要正确地运用统计知识，才能真正发挥统计学在科学研究中应起的作用。然而，在已出版和发表的一些学术专著和论文中、通过评审的科研成果和答辩的学位论文中，经常可以看到忽视、轻视和误用统计学的现象[22]。

知识应完善编辑人员的知识结构,保证统计学应用的准确性。为此,可定期聘请统计学专家对审稿人员进行统计学知识培训。科技期刊的群体效应理论[23]认为,期刊编辑的专业结构应多元化,以利于编辑互相学习,实现知识互补。医学期刊编辑部可考虑聘用统计学专业的研究生作为编辑。编辑应将医学统计学作为自己的必修课,通过多种方式,如自学自修,参加讲座或培训班学习统计学知识,有条件的编辑部,如医学院校学报编辑部,可以有计划地组织编辑参加本科生或研究生医学统计学课程的学习,也可鼓励编辑人员在职攻读统计学专业研究生学位。这样,可以提高全体编辑人员的统计学水平,最终使编辑和审稿人都能够发现论文中存在的统计学错误,并指导作者修改,正确进行医学论文中有关统计学分析的描述[24]。另外，有关职能部门或学会可组织与医学统计学相关的培训班,聘请统计学专家讲课,对编辑人员进行定期统计学知识培训,加强科研设计、统计学知识的学习[19]。

4.2加强医学统计学专家审稿

医学研究论文专业性强,经常涉及统计学处理问题,有时会遇到统计方法复杂的稿件,这不仅需要本学科专家审稿,而且需要医学统计专家把关,只有这样,才能保证论文所报道的研究成果的真实性和可靠性。医学期刊编委会中应有统计学专家,专门负责稿件统计学方面的审查工作。