序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了七篇統計學論文范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

篇(1)

【論文摘要】所謂統計思想，就是在統計實際工作、統計學理論的應用研究中，必須遵循的基本理念和指導思想。統計思想主要包括均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想等思想。文章通過對統計思想的闡釋，提出關于統計思想認識的三點思考。

一、關于統計學

統計學是一門實質性的社會科學，既研究社會生活的客觀規律，也研究統計方法。統計學是繼承和發展基礎統計的理論成果，堅持統計學的社會科學性質，使統計理論研究更接近統計工作實際，在國家和社會得到廣泛發展。

二、統計學中的幾種統計思想

2.1統計思想的形成

統計思想不是天然形成的，需要經歷統計觀念、統計意識、統計理念等階段。統計思想是根據人類社會需求的變化而開展各種統計實踐、統計理論研究與概括，才能逐步形成系統的統計思想。

2.2比較常用的幾種統計思想

所謂統計思想，就是統計實際工作、統計學理論及應用研究中必須遵循的基本理念和指導思想。統計思想主要包括:均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想。現分述如下：

2.2.1均值思想

均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論，是統計學的基本思想。均值思想也要求從總體上看問題，但要求觀察其一般發展趨勢，避免個別偶然現象的干擾，故也體現了總體觀。

2.2.2變異思想

統計研究同類現象的總體特征，它的前提則是總體各單位的特征存在著差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差，是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特征的抽象和宏觀度量。

2.2.3估計思想

估計以樣本推測總體，是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設：樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響，在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。

2.2.4相關思想

事物是普遍聯系的，在變化中，經常出現一些事物相隨共變或相隨共現的情況，總體又是由許多個別事務所組成，這些個別事物是相互關聯的，而我們所研究的事物總體又是在同質性的基礎上形成。因而，總體中的個體之間、這一總體與另一總體之間總是相互關聯的。

2.2.5擬合思想

擬合是對不同類型事物之間關系之表象的抽象。任何一個單一的關系必須依賴其他關系而存在，所有實際事物的關系都表現得非常復雜，這種方法就是對規律或趨勢的擬合。擬合的成果是模型，反映一般趨勢。趨勢表達的是“事物和關系的變化過程在數量上所體現的模式和基于此而預示的可能性”。

2.2.6檢驗思想

統計方法總是歸納性的，其結論永遠帶有一定的或然性，基于局部特征和規律所推廣出來的判斷不可能完全可信，檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特征的假設是否可信。

2.3統計思想的特點

作為一門應用統計學，它從數理統計學派汲取新的營養，并且越來越廣泛的應用數學方法，聯系也越來越密切，但在統計思想的體現上與通用學派相比，還有著自己的特別之處。其基本特點能從以下四個方面體現出：（1）統計思想強調方法性與應用性的統一；（2）統計思想強調科學性與藝術性的統一；（3）統計思想強調客觀性與主觀性的統一；（4）統計思想強調定性分析與定量分析的統一。

三、對統計思想的一些思考

3.1要更正當前存在的一些不正確的思想認識

英國著名生物學家、統計學家高爾頓曾經說過：“統計學具有處理復雜問題的非凡能力，當科學的探索者在前進的過程中荊棘載途時，唯有統計學可以幫助他們打開一條通道”。但事實并非這么簡單，因為我們所面臨的現實問題可能要比想象的復雜得多。此外，有些人認為方法越復雜越科學，在實際的分析研究中，喜歡簡單問題復雜化，似乎這樣才能顯示其科學含量。其實，真正的科學是使復雜的問題簡單化而不是追求復雜化。與此相關聯的是，有些人認為只有推斷統計才是科學，描述統計不是科學，并延伸擴大到只有數理統計是科學、社會經濟統計不是科學這樣的認識。這種認識是極其錯誤的，至少是對社會經濟統計的無知。比利時數學家凱特勒不僅研究概率論，并且注重于把統計學應用于人類事物，試圖把統計學創建成改良社會的一種工具。經濟學和人口統計學中的某些近代概念，如GNP、人口增長率等等，均是凱特勒及其弟子們的遺產。

3.2要不斷拓展統計思維方式

統計學是以歸納推理或歸納思維為主要的邏輯方式的。眾所周知，邏輯推理方式主要有兩種：歸納推理和演繹推理。歸納推理是基于觀測到的數據信息(尤其是不完全甚至劣質的信息)去產生新的知識或去驗證一個假設，即以所掌握的數據信息為依據，歸納得出具有一般特征的結論。歸納推理是要在數據信息的基礎上透過偶然性去發現必然性。演繹推理是對統計認識能力的深化，尤其是在根據必然性去研究和認識偶然性方面，具有很大的作用。

3.3深化對數據分析的認識

任何統計研究都離不開數據分析。因為這是得到統計研究結論的必要環節。雖然統計分析的形式隨時代的推移而變化著，但是“從數據中提取一切信息”或者“歸納和揭示”作為統計分析的目的卻一直沒有改變。對統計數據分析的原因有以下三個方面：一是基于同樣的數據會得出不同、甚至相反的分析結論；二是我們所面對的分析數據有時是缺損的或存在不真實性；三是我們所面對的分析數據有時則又是海量的，讓人無從下手。雖然統計數據分析已經經歷了描述性數據分析(DDA)、推斷性數據分析(IDA)和探索性數據分析(EDA)等階段，分析的方法技術已經有了質的飛躍，但與人類不斷提高的要求相比，存在的問題似乎也越來越多。所以，我們必須深化對數據分析的認識，圍繞“準確解答特定問題并且從數據中獲取一切有效信息”這一目的，不斷拓展研究思路，繼續開展數據分析方法技術的研究。

參考文獻:

[1]陳福貴.統計思想雛議[J]北京統計,2004,(05).

[2]龐有貴.統計工作及統計思想[J]科技情報開發與經濟,2004,(03).

篇(2)

建構主義對學生學習活動的本質進行了科學的分析，認為學生學習有如下特點：

1、學生學習不是從零開始的，而是基于原有知識經驗背景的建構。即學生在學習統計課程之前，頭腦里并非一片空白。學生通過日常生活的各種渠道和自身的實踐，對客觀世界中各種自然現象已經形成了自己的看法，建構了大量的樸素概念或前學科概念。這些前概念形形，共同構成了影響學生學習統計學概念的系統。學生的前概念是極為重要的，它是影響統計學學習的一個決定性的因素。前概念指導或決定著學生的感知過程，還會對學生解決問題的行為和學習過程產生影響。

2、學生學習知識是一個主體建構的過程，要突出學習者的主體作用。學習不僅僅是知識由外到內的轉移和傳遞，而是學習者主動地建構自己的知識經驗的過程，即通過新經驗與原有知識經驗的反復的、雙向的相互作用，充實、豐富和改造學習者原有的知識經驗。在這種建構過程中，學生一方面對當前信息的理解要以原有的知識經驗為基礎，超越外部信息本身；另一方面，對原有知識經驗的運用又不只是簡單地提取和套用，個體同時需要依據新經驗對原有經驗本身也做出某種調整和改造，即同化和順應兩方面的統一。學生不是被動信息的吸收者，而是主動地建構信息，這種建構不可能由其他人代替。因此，教師不能直接將知識傳遞給學生，而是要組織、引導，使學生參與到整個學習過程中去。

3、學生學習既是個體建構過程，也是社會建構過程。雖然知識是在個體與環境的相互作用中建構起來的，但社會性的相互作用也很重要，甚至更重要。因為人的高級心理機能的發展是社會性相互作用內化的結果（正如統計的特點具有社會性）。此外，每個學習者都有自己的經驗世界，不同的學習者對某種問題可以有不同的假設和推論，學習者可以通過相互溝通和交流，相互爭辯和討論，合作完成一定的任務，共同解決問題，從而形成更豐富、更靈活的理解。同時，學生可以與教師、統計專家等展開充分溝通。這種社會性相互作用可以為知識建構創設一個廣泛的學習共同體，從而為知識建構提供豐富的資源和積極的支持。因此，課堂上師生交互和生生交互活動起到了很重要的作用，“學習共同體”的形成以及對課堂社會環境和情境的營建是學生獲得學習成效的重要途徑。

二、建構主義理論教師“教”的特點

建構主義理論認為教師在課堂中的作用，可以概括為教師是課堂教學的組織者、發現者和中介者。

1、教師是課堂教學的組織者，起主導作用和導向作用。教師應當發揮“導向”的作用和教學組織者的作用，努力調動學生的積極性，幫助他們發現問題，進而去“解決問題”。

2、教師是課堂教學的發現者。教師要高度重視對學生錯誤的診斷與糾正，并用科學的原理和原則，給予正確的引導與指引。

3、教師是課堂教學的中介者。教師是學生與教育方針及知識的橋梁。教師既要把最新的知識和分析方法提供給學生，也要注意提高學生的綜合素質。

從辯證法的角度看，教學是一個不斷發展的動態過程，教與學是對立統一的矛盾運動，隨著教學活動的變化，矛盾的主要方面，或在教師，或在學生。分開來看，“教”的主體是教師，客體是學生，教師發揮主導作用，學生發揮能動作用；“學”的主體是學生，客體是教師，學生進行認識活動和實踐活動，教師則對這些活動施加影響。合起來看，在教學活動這一不斷發展、循環往復的全過程中，教師與學生的主體客體地位是相互依存、相互規定，又在一定條件下相互轉化的。因此，“基于教師在課堂中組織者、發現者和中介者”的角色作用，教師可以實行“提出問題──探索問題──解決問題”的模式組織課堂教學。

“基于學生為主體，教師為主導”的教學思想，在教學過程中，“學”與“導”的活動、學生與教師之間的關系應該是互動的、融合的，在和諧中不斷向前發展。因此，按照“學與導和諧發展”的教學要求，教師在課堂教學中按照“提出問題──探索問題──解決問題”的模式組織課堂教學時，可以采取“誘導試學——引導探學——開導活學”方法組織課堂教學。

（1）設置情境，提出問題，激發學生學習的興趣和熱情

教師引導學生學習首先要從現實的、有興趣的、富有挑戰性的真實問題情境開始。讓學生一開始進入學習探索就真切地感受到統計就在自己身邊，體驗到學習統計的價值，從而激發起學習統計的興趣，萌發積極主動探索統計理論和方法的求知欲望。教師要通過對課堂的組織，讓學生對學習統計產生學習興趣，“熱愛是最好的老師”，興趣盎然地進入了對統計學知識的探索，學生才能學有所長。（2）探索問題，增強學生主角意識，激勵學生積極參與

“基于教師在課堂中組織者、發現者和中介者”的角色作用，課堂教學方式應從根本上改變原有的教師講、學生聽，教師指揮、學生操作的教學現象。學生要在自己生活經驗的基礎上不斷地提出問題，分析問題，對各種信息進行加工轉換，對新經驗和舊經驗進行綜合概括，解釋有關現象。在教學過程中，教師可以提供一定的支持和引導，設計有思考價值、有意義的問題。學生可以進行小組合作研究探索，教師允許學生從不同的角度去觀察分析，允許學生用自己喜歡的方法學習，通過各自想法的交流、碰撞，發現學生有價值的建設性建議及方法措施，及時制止學生運用統計方法計算分析問題時可能出現的偏差，使問題得到正確的解決。

（3）解決問題，培養學生創新能力，提高學生綜合素質

在以往統計學教學中，我們關注比較多的是學生能否記住計算公式、方法、意義、應用條件，能否利用這些知識完成所設問題的正確計算。而“基于教師在課堂中組織者、發現者和中介者”的角色作用，教師在課堂中，就應該更加關注學生能否將科學知識與自己的生活經驗緊密聯系起來，關注學生在靈活應用統計學知識、創造性地解決實際問題時所表現出來的情感、態度和價值觀。并通過實踐活動，使學生對學習統計產生興趣，變抽象的科學法則、科學方法為得心應手的工具，從而使學生在解決問題過程中，體驗參與學習統計的快樂，享受成功解決實際問題的愉悅。

三、以建構主義理論為指導統計學教法探討

1、設計課堂教學新模式

統計學課程旨在培養學生能夠運用統計學基本理論和定量分析方法，對經濟現象進行定性和定量的分析和評價。統計學課程內容基本分為三個模塊兩個層次。第一模塊：研究統計學的一般問題，屬于基礎理論。第二模塊：推斷統計的理論與方法，相關與回歸分析，屬于一般的統計方法及其在社會經濟領域的運用。第三模塊：時間序列分析與預測，統計指數與因素分析，統計綜合評價，屬于社會經濟統計方法的特有問題，側重于各種統計分析方法運用。兩個層

反映了知識、能力、素質培養的要求。在建構主義學習環境下，教師和學生的地位、作用和傳統教學相比已發生很大變化。因而首先教師必須改變傳統的教育思想與教育觀念，以現代教育思想和學習理論為指導，利用多媒體等現代化技術優勢，探索最優的課堂教學模式。課堂教學中應進一步發揮好學生的主體作用，讓學生主動地參與到獲取知識的過程中去，做到：(1)合理處理好教材，創造性地使用教材，充分展示學習內容的實用意義。(2)教學思路清晰，過程流暢、自然。(3)采用啟發式、精講多練式、答疑式、案例式等教學方法，構建情景逼近式的教學模式，努力提高課堂教學效果。

2、設計課內課外相融共生的大課堂

課堂教學不僅要教會想要傳授給學生的知識，還要教會學生在書本之外查閱圖書、報刊、雜志、網絡等資料，以開闊視野，擴大知識面，吸取精華，為我所用，要教給學生發現問題、分析問題、解決問題的方法。此外，還要通過課內設計的實訓教學內容激發學生主動參與的熱情，實訓教學內容主要包括統計調查方案的編制、調查問卷的設計、統計表統計圖的制作、綜合指標分析、統計案例分析等內容。統計實訓的課內教學采用精講、示范、多練、答疑的方式；課外教學采用學生自行分散復習和有組織分組制表、制圖、社會調查、整理計算分析等方式。

3、實行點、線、面、體相結合的大統計

“點”是指讓學生根據某一知識點完成作業、實習?！熬€”是指讓學生針對某一問題進行深入分析。“面”是指讓學生把若干知識點聯系起來進行綜合的分析和實訓?！绑w”是指讓學生能就學科體系及相關學科的內容進行深入、全面、綜合的分析與應用。在講授基本理論和基本知識的同時，注重學生基本技能培養、綜合能力培養、設計能力的培養。使學生能從高度整體把握統計的思路和統計分析、評價思想。

4、充分發揮學生的主體作用

建構主義理論強調學習者在建構性學習中的積極作用，是要求教師在課堂教學中善于激發學生的好奇心和求知欲，使學生主動積極的學習。教學中應根據統計教學內容和學生特點，選擇適當的教學方法，靈活運用適當的教學手段，設置懸念，使學生產生好奇心和強烈的求知欲。統計學教學過程中涉及到特有的概念及科學家，教學中可以適當拓展，開闊學生的視野，影響學生的心智，塑造學生的靈魂，在潛移默化中激發學生學習統計的興趣；教師的教學語言要準確生動形象，善于設疑，啟發學生思維，活躍課堂氣氛，使學生充滿求知思索的激情；做到理論聯系實際，強化學習的動機，激發學生學習統計持久的濃厚的興趣，激勵學生不斷提高對自己能力的欲求，不斷增強自己的學習信心，不斷地在自我實現中超越自我。

5、設置情境，在交互中實現教學目標

學校是社會的一個細胞，是社會的一個重要組成部分。課堂也不單純是“老師教、學生學”的木訥課堂。課堂中的社會性環境主要包括兩方面，一是師生之間的交互，二是學生之間的交互。建構主義認為，每個學習者都有自己的經驗世界，不同的學習者可以對某種問題形成不同的假設和推論。師生在課堂上可以通過合作解決問題、小組討論、意見交流、辯論等形式，促進學習者之間的溝通和互動。統計教學要從過去主要關注“人機交互”到關注“人際交互”；從只關注學生與教師、教學信息的交互到關注學生之間的交互以及學生與校外專家、實踐工作者的交互；從關注個別化學習到同時關注學習共同體的建立。教學中要充分利用社會性資源，調動學生的學習情趣，拓展學生的知識面，在交互中實現最佳的教學效果。

6、構建科學的考核評價體系

建構主義理論強調學習是診斷性學習和反思性學習和自主性學習，這意味著學生必須從事自我監控、自我測試、自我檢查、自我約束等活動，以診斷和判斷學習中所追求的是否是自己設置的目標。在教學中，應該根據理論和實訓教學的不同特點、不同教學內容的具體組織方式，不斷的反饋，使學生自己及時評價。同時，在學生成績考試評定中，應采取了靈活的考試方式

篇(3)

關鍵詞：生物統計學；精品課程；教學改革

一、引言

隨著生物科學的發展，只有定性的結論已不能滿足實踐的需要，實現生物科學結論定量化是人們長期追求探索的目標；生物統計學是生物學科定量化的重要分析理論與方法，生物統計學是生物學科應具備的基本知識和素質，與生命活動有關的各種現象中普遍存在著隨機現象，大到森林陸地生態系統，小至分子水平，均受到許多隨機因素的影響，表現為各種各樣的隨機現象，而生物統計學正是從數量方面揭示大量隨機現象中存在的必然規律的學科。因此，生物統計學是一門在實踐中應用十分廣泛的工具學科，它是生命科學各專業的專業基礎課，對后續生命科學課程學習和生物科研有重要作用。

同時，生物統計作為數理統計在生物學領域的應用，是教學難度較大的一門課程。因此，在生物統計學精品課程建設過程中，針對各專業培養目標的定位，因材施教，更新教育理念，加強實踐訓練，在教學方法和教學手段上進行改革和大膽探索。

二、二十一世紀對生物統計學課程的重新定位

（一）新世紀對生物統計學課程提出的新要求。

二十世紀上半葉農業和遺傳統計學首先獲得了發展，在其基礎上發展起來的生物統計學、統計流行病學、隨機化臨床試驗學已經成為攻克人類疾病的一個里程碑。這在過去的半個世紀里顯著提高了人類的期望壽命。

21世紀人類基因組，基因芯片等實驗科學產生出的巨量數據，需要新工具來組織和提取重要信息。

將數據轉化為信息需要統計理論和實踐方面的洞察力、技術和訓練。

未來的生物統計學將會與信息技術密切結合，較少側重傳統數理統計，而會更多注意數據分析，尤其是大型數據庫的處理。生物統計學越來越不同于其它數學領域，計算機和信息科學工具至少和概率論一樣重要。

（二）生物統計學對大學生素質培養的作用。

生物統計學的一個重要特點就是通過樣本來推斷和估計總體，這樣得到的結論有很大的可靠性但有一定的錯誤率，這是統計分析的基本特點，因此在生物統計課程的學習中培養了一種新的思維方法———從不肯定性或概率的角度來思考問題和分析科學試驗的結果。

生物統計學是通過個別的試驗研究得出其一般性結論，屬于歸納推理的范疇。但其有別于簡單枚舉法和科學歸納法，是一種或然性歸納推理或者概率歸納推理。在生命科學的研究中絕大多數涉及到的是隨機事件，因此，生物統計學不僅是試驗設計與統計方法的教學，更重要的還是大學生思維方式的培養，這對提高大學生的素質很有必要。

生物統計學包括試驗設計和統計方法兩個有機聯系的組成部分。通過試驗設計的教學可提高大學生設計研究課題試驗方案的能力，使之明確課題的研究目的、試驗因素與水平以及試驗設計方法等方面的內容。通過統計方法的教學除讓學生弄清各種統計方法的內涵外，還需要使學生能夠正確地選擇最適合的統計方法，以揭示資料潛在的信息，達到研究的最終目的，從而提高大學生科學研究素質。

三、教學方法和教學手段的改革

（一）加強電子課件及網絡平臺建設。

生物統計學是應用概率論和數理統計原理研究生物界數量變化的學科，而概率統計的理論和思維方法對本科生來說有一定的難度，加之課程學時的減少（由原來的60-70學時，降到現在的40學時左右）,如何深入淺出地引導學生入門，并使學生在了解概率統計思想的基礎上，掌握常用統計分析方法的應用及使用條件是課程的教學難點。為此，我們利用多媒體技術，制作了與教材配套的課件，通過在課堂上把抽象內容形象化與直觀化，收到了良好教學效果。建設了一個生物統計學教學網絡支撐平臺，現有課程簡介、教學大綱、師資力量、授課教案、電子版《生物統計學》教材、課程錄像、實習指導、在線測試題、參考文獻、其它教學資源等欄目，免費向全校師生開放。

（二）將多媒體教學優勢與學生的認知規律有機結合，用較少的學時得到良好的教學效果。

多媒體具有信息量大、形象化、直觀化的特點。

但是如果不能很好地將多媒體這些特點與學生的認知規律相結合，多媒體教學就可能會帶來一些弊端諸如：（1）內容多，幻燈片變換快，由照本宣科變為照屏宣科，為新的“滿堂灌”；（2）課件圖片多，內容以展示為主，缺乏啟發性；（3）教學內容常用滿屏的方式顯示（即所謂“死屏”），老師照著屏幕上的內容給學生講解，失去了傳統教學方法，老師邊講邊板書能給學生留下比較深刻印象的特點，缺乏吸引力。

而多媒體在教學中只能充當工具的角色，在教學過程中必須將多媒體信息量大、形象化、直觀化的特點與學生的認知規律緊密結合在一起。在制作課件時，采用啟發式教學方式，精煉教學內容，模仿傳統教學書寫板書的過程，根據教學內容的難易程度，采用逐字、逐句、逐段顯示教學內容的動畫方式。在課堂教學中，老師仍然保持傳統教學方法的教姿教態，在授課的過程中與學生保持互動，根據學生在課堂上接受知識的能力，掌握屏幕上顯示內容的速度，必要時輔以板書進行講解。這樣做既發揮了多媒體教學的特點，又充分照顧到學生的認知規律，在內容沒有縮減，學時減少近三分之一的情況下，仍然取得良好的教學效果。

（三）長期堅持教育教學方法及教學規律的研究。

生物統計學的理論基礎是概率論與數理統計，從這個層面上講，它有非常濃的數學味道，但是它又有別于概率論與數理統計，生物統計學更主要強調的是概率論及數理統計的思想和方法在解決生命科學中一些具體問題的應用。因此在教學過程中就存在一個“度”的把握問題，如果將概率論及數理統計的原理講得太多，一是學時不允許，二是學生難以消化，得不到好的教學效果；如果只注重方法的講解，學生知其然不知其所以然，就會誤入亂套公式的歧途。經過將教學的重點放在教學中引導學生重點掌握統計方法的功能與用途，方法與步驟，防止各類方法的誤用，淡化定理的證明與公式的推導。在教學內容的安排上采用“保干削枝”，即在學時減少很多的情況下，將一些次要的統計方法去掉，也要保證有足夠的學時講授理論分布與抽樣分布、統計假設測驗等方面的內容，讓學生掌握生物統計學中所蘊含的概率論及數理統計的思想精髓，從而避免學生亂套統計公式。

（四）密切跟蹤生命科學發展的前沿動向，探索生物統計學解決前沿問題的理論與方法。

統計學在生物學中的應用已有長遠的歷史，許多統計的理論與方法也是自生物上的應用發展而來，而且生物統計是一個極重要的跨生命科學各研究領域的平臺?，F在基因組學、蛋白質組學與生物信息學的蓬勃發展，使得生物統計在這些突破性生物科技領域上扮演著不可或缺的角色。在課程建設中，隨時注意納入生物統計學在前沿領域研究應用的內容，增強課程的活力，提高教師和學生面向生物產業主戰場解決實際問題的能力。

四、加強實踐教學，注重學生能力培養

生物統計學要不要開實驗課，怎樣開實驗課，一直存在爭議，在此認為生物統計學不僅應該開設實驗課，而且還要將實踐教學的重點放在計算機技術和統計軟件的應用上，讓學生不僅掌握統計方法，而且加深對原理的認識，獲得就業或升學的必備計算機統計技能，提高解決復雜問題的能力。

（一）開展統計軟件的實習，擴大學生的視野，提高學生素質。

20世紀20年展起來的多元統計方法雖然對于處理多變量的種類數據問題具有很大的優越性，但由于計算工作量大，使得這些有效的統計分析方法一開始并沒有能夠在實踐中很好推廣開來。而電子計算機技術的誕生與發展，使得復雜的數據處理工作變得非常容易，所以充分利用現代計算技術，通過計算機軟件將統計方法中復雜難懂的計算過程屏障起來，讓用戶直接看到統計輸出結果與有關解釋，從而使統計方法的普及變得非常容易。在課程體系改革中，各課程的教學時數與達到培養目標所需完成的教學內容相比還是不足的。為此，可以通過標準的統計軟件的教學實習來達到以點帶面，擴大學生視野，提高學生素質。

為此我們建立了一個專用于實習教學的生物統計電腦實驗室?，F共有50余臺電腦，并連接到校園網。實驗室配備有指導教師，負責對上機的學生答疑。除按教學計劃進行的正常實習教學外，實驗室還對優秀學生免費開放，鼓勵他們結合教師的科研活動，應用所學生物統計學知識，學習新的生物統計學知識，掌握應用計算機解決生物統計學問題的技能。

（二）全方位、多層次的實踐教學。

為了進一步培養學生實際動手能力和科學嚴謹的治學態度，必須將本課程的實踐教學活動延伸到課堂教學外，開展全方位、多層次的實踐教學。

在原綿陽農專期間，主要在作物育種、作物栽培、動物營養等課程實驗與實習中，根據相關內容加入了試驗設計方法以及數據統計分析的相關內容。

組建了西南科技大學生命科學與工程學院以后，由原來的單一農科專業變成了理、工、農三大學科均有專業的格局。雖然專業的學科歸屬不同，但有一點是相通的，其內涵均屬于生命科學的范疇。以科學研究的方法進行劃分，均屬于實驗科學。

掌握正確的實驗設計方法，從不確定性數據中挖掘事物的客觀規律，是實驗科學工作者必備的技能。因此，我們將原來只是在農科專業上延伸實踐教學的作法推廣到全院的所有專業，結合實驗課教學的改革，對發酵工藝學實驗、植物細胞工程實驗、食用菌實驗、微生物學實驗等課程的內容全部或部分改為用生物統計學指導學生自主進行實驗設計，把過去單一的實驗流程、樣品觀察或檢測實驗改變為試驗條件的優化試驗，提出在不同條件下對樣品測定的比較試驗設計、單因素試驗設計、多因素試驗設計、正交試驗設計、均勻試驗設計，對試驗結果要求學生使用統計學的方法對進行分析和討論，最后得出最佳試驗條件。

這樣的實驗教學改革起到了一箭雙雕的作用，從專業基礎課或專業課的角度看，改驗證性實驗為設計型、綜合性實驗，增強了學生解決實際問題的能力，培養了學生創新思維的能力；從生物統計學角度看，將課程的教學實踐延伸到課程外，彌補了學時的不足，更重要的是學生將自己學到的統計學知識，轉化為解決實際問題的能力，知識得到很好的內化。

此外，在學生課外科技活動中指導學生選用正確的實驗設計和數據的統計分析方法，提升科技作品的檔次；在畢業論文（設計）中要求學生采用恰當的生物統計學方法進行設計與分析，寫出高質量的畢業論文（設計）。

通過這樣的教學實踐，訓練了學生的統計思維能力，使學生充分認識到掌握生物統計學這一工具的重要性和必要性，增強了學生學好用好這門工具的信心，提高了學生從復雜的生命現象中挖掘事物客觀發展規律的能力。

精品課程是集科學性、先進性、教育性、整體性、有效性和示范性于一身的優秀課程。作為精品課程的載體，應具有一流的教師隊伍、一流的教學內容、一流的教學方法、一流的教材、一流的教學管理等特點。與之相比，我們在生物統計學精品課程的建設上，才剛剛起步，今后還要在教材建設、師資隊伍建設、科學研究等方面加大力度，將生物統計學建設成體現現代教育教學思想、符合現代科學技術和適應社會發展進步的需要、能夠促進學生的全面發展而深受學生歡迎的一門課程。

參考文獻：

[1]何風華，李明輝。生物統計學多媒體教學的探索與實踐[J].江西教育學院學報（綜合）,2004,25（6）:25～27

[2]洪偉，吳承禎，陳輝，等。精品課程建設的核心：學科、隊伍建設與科學研究[J].高等農業教育，2004,6:50～51.

[3]崔相學。提高學生統計分析素質的實踐與探討[J].成都中醫藥大學學報（教育科學版）,2004,6（2）:67～68.

[4]鄧華玲，傅麗芳，孟軍，等。概率論與數理統計課程的改革與實踐[J].大學數學，2004,20（1）:34～37.

篇(4)

目前，很多研究人員對影像資料分析方法的學習和理解存在一定困難，尤其初學者對繁雜的概念、復雜的計算公式、數據資料性質判斷以及如何選擇合適統計學方法等問題難以深刻理解。針對這些問題，王良等[1]建議采用以下模式：判斷資料類型、根據研究目的選擇分析方法、其他適宜方法。

1.1根據資料類型初步確定方法

臨床研究中產生的各種不同原始資料，而不同數據資料類型采用的統計分析方法也不同。定量資料常用的方法有t檢驗、方差分析、非參數檢驗、線性相關與回歸分析等。定性資料可用的方法有χ2檢驗、對數線性模型、logistic回歸等，影像醫師可根據不同需要選用不同統計方法。值得一提的是有些資料類型確定后，統計方法的選用對其有序性有相應要求；而多種方法聯合應用或者使用部分少見的分析方法時還需要在選定統計方法后，利用統計軟件(如SAS、SPSS)對應的不同命令進行初步分析試驗。

1.2根據研究目的選擇方法

1.2.1差異性研究

差異性分析是指評價比較組間均數、頻數、比率等的差異。根據研究需要可選用的方法有χ2檢驗、t檢驗、方差分析、非參數檢驗等。臨床上研究兩組、多組樣本比率或構成比之間的差別關系時最常用χ2檢驗，也是針對計數資料進行假設檢驗的一種常用的統計學方法，而對兩組定量資料分析常用t檢驗和秩和檢驗，多組資料分析則常用方差分析；Fisher精確概率法主要適用于總體樣本頻數小于40或四格表中最小格子T值<1。雖然Fisher精確檢驗不屬于χ2檢驗，但仍可以作為有效的補充，而也有人認為在統計軟件普遍易得的當下，Fisher精確概率法也同樣適用于大樣本四格表的資料。如彭澤華等[6]在探討冠狀竇-左心房肌連接的雙源CT冠狀動脈成像(DSCTCA)形態特征時針對冠狀竇-左心房肌連接的類型在兩組類別變量采用聯表的χ2檢驗，結果差異無統計學意義(χ2=0.115，P=0.944)。Teefey等[7]在研究超聲表現及白細胞計數預測急性膽囊炎壞疽變化關系時使用Fisher精確分析。t檢驗適用于兩組定量資料分析且資料滿足方差齊性和正態性兩個基本條件；同樣t檢驗適用于完全隨機設計的單因素兩水平的資料，在選用t檢驗時應注意對資料進行相應的變量變換，若資料不能滿足基本條件則選用適合分析偏態分布的非參數檢驗(如：秩和檢驗)進行分析。如Wang等[8]在研究不同侵襲性的前列腺癌組織和正常前列腺組織以及外周帶前列腺癌Gleason評分與腫瘤信號對比時采用t檢驗。Kung等[9]在研究化膿性髖關節炎的臨床和放射學預測指標時也使用t檢驗分析。秩和檢驗包括基本秩和檢驗(Wilcoxon等級檢驗、Mann-WhitneyU-檢驗)和高級秩和檢驗(Kruskal-Wallis、Friedmantests、Kolmogorov-Smirnov擬合檢驗)。當研究資料為兩方差齊且呈正態分布的總體，而總體分布類型未知或者不滿足參數檢驗的條件時，采用t檢驗對樣本進行比較；但若無需比較總體參數只比較總置的分布是否相同且總體資料分布類型未知時需要采用非參數的Wilcoxon秩和檢驗進行比較。針對兩組或多組樣本的定性資料使用秩和檢驗比較時，需要混合兩樣本數據、編秩(從小到大)、計量T值、查表或計算求得P值。如Saindane等[10]在對“空蝶鞍”的臨床意義判定因素研究中針對顱內壓增高和偶然發現空蝶鞍患者兩組資料對比時采用Wilcoxon秩和檢驗。Filippi等[11]在研究DTI測量兒童Ι型神經纖維瘤病胼胝體派生指標時運用Wilcoxon秩和檢驗。事實上在影像資料分析中經常見到多重組間比較的情況，方差分析(analysisofvariance,ANOVA)就是用來推斷兩個或者多個總體之間是否有差別的檢驗，又稱F檢驗。多重組間比較不能單純選用兩樣本均數比較的t檢驗，但是可以根據資料類型選用ANOVA檢驗。若來自兩個隨機樣本資料呈正態分布且方差齊性同的定量資料，應采用兩因素(處理、配伍)方差分析(two-wayANOVA)或配對t檢驗。通過F檢驗可以比較可能由某因素所至的變異或隨機誤差，同時可了解該因素對測定結果有無影響。當不滿足方差分析和t檢驗條件時，可對數據進行變換或采用隨機區組設計資料的FriedmanM檢驗。Obdeijn等[12]在研究乳腺術前MRI能減少術中切緣和乳腺保守術后再次手術，使用ANOVA分析兩組資料，結果對照組(29.3%)相比術前MRI病例組(15.8%)有效減少切緣和再次手術(P<0.01)。

1.2.2相關性分析

相關性分析不等同因果性，也不是簡單的個性化相比，其涵蓋的范圍和領域較為廣泛。統計學意義中的相關性分析包含相關性系數的計算，其過程為：每個變量轉化為標準單位后，乘積的平均數即為相關系數。相關性分析可以用直觀地用散點圖表示兩個或者多個變量的離散，當其緊密地靠近于一條直線時，即變量間存在很強的相關性。相關分析常用的方法有Pearson相關性分析、Spearman等級相關分析和卡方檢驗。臨床中對兩個或者多個均為定量變量的資料，且變量均呈正態分布時可選用Pearson相關分析，但多數情況下Pearson相關分析適用于兩組資料的相關性分析。判斷兩變量之間線性關系的密切程度主要用Pearson積差相關系數，其范圍為－1～+1。若相關系數的絕對值越接近1，即兩變量間相關性越密切；反之，相關系數的絕對值越接近0，其相關性越差。實際上在高質量期刊論文中使用Spearman等級相關分析的研究也很常見，其通過相關系數進行變量間線性關系分析來判定兩個變量間相關性的密切程度。而密切程度的量化指標則通過計算樣本相關系數r，根據實際計算r絕對值所屬范圍來推斷兩個來自總體變量的線性相關程度，從而推斷總體的相關性。根據實際分析需要，將相關關系密切程度分為6等：當IrI=0時，說明兩變量完全不相關：當0<IrI<0.3時，說明兩變量不相關；當0.3<IrI<0.5時，說明兩變量低度相關；當0.5<IrI<0.8時，說明兩變量顯著相關；當0.8<IrI<1說明兩變量高度相關：當IrI=l時，說明兩個變量完全相關。王效春等[13]在研究磁敏感加權成像與動態磁敏感加權對比增強MR灌注加權成像聯合應用在腦星形細胞瘤分級中的價值一文應用Spearman等級相關分析，結果顯示腫瘤內磁敏感信號與相對血容量最大值和病理分級呈正相關(IrI分別為0.72、0.89，P值均＜0.01),相對血容量與病理分級呈顯著正相關(r=0.78，P＜0.01)。又如Lederlin等[14]在比較幾何參數、相關功能與組織學特性在哮喘患者的支氣管壁CT衰減性關系中同時使用Pearson相關分析和Spearman等級相關分析，其r=0.39～0.43，表明與對照組相比常規CT衰減參數在哮喘患者平常支氣管的CT參數、氣道壁衰減方面更好的區分哮喘患者，同時也更好地區分氣道梗阻。值得提及的是對資料有序或無序無法作出初步判定，且明確資料類型為定性資料時還可以選擇使用卡方檢驗和Spearman等級相關分析。

1.2.3影響性分析

由于事物之間的聯系是多種多樣的，而某一結局可能受到來自其他多個方面的影響，此時為分析某一結局發生的影響因素可采用的資料分析方法有線性回歸(一元或多元)、logistic回歸、Cox比例風險回歸模型(生存分析)等。在影像資料分析中一元線性回歸是將影像資料中一個最主要影響因素作為自變量來解釋因變量的變化。多元回歸定義為某一因變量的變化受多個重要因素的影響，而此時需要用兩個或多個影響因素作為自變量來解釋因變量的變化，且多個自變量與因變量之間是線性關系(多個因變量之間相互獨立)。實際研究中多元線性回歸模型在影像資料分析應用較為廣泛。Langkammer等[15]在磁敏感系數繪圖在多發性硬化中應用研究中使用多元線性分析，結果顯示各種影響因素中年齡是預測磁化率影響最強的因素。Logistic回歸是研究二分類和多分類觀察結果與某些影響因素自己建關系的一種多變化分析方法，其經常需要分析疾病與各影像指標之間的定量關系，同時又需要排除一些混雜因素影響。Logistic回歸在統計學上屬于概率型非線性回歸，其分析思路與線性回歸大致相同，能有效解決過高或過低水平因素以及分析因素少而樣本量大等問題。相比多元線性回歸，Logistic回歸在處理分類反應數據方面更為常用，且適用于結局為定性影像資料。如Lee等[16]研究高分辨率CT在發現小蜂窩樣特發性間質肺炎纖維化的連續變化和預后應用中使用logistic回歸分析，結果表明高分辨率CT在網狀和磨玻璃狀范圍內評價普通肺炎與非特異性纖維化肺炎之間差別明顯(P<0.01)。在臨床實際工作中常常需要分析生存時間與影像資料之間的關系，Kaplan-Meier法就是常用的一種分析方法，其又稱乘積極限法，對大小樣本資料分析均適用。實踐中習慣上以時間為橫軸、生存率為縱軸回執的階梯狀圖稱為Kaplan-Meier生存曲線(survivalcurve)，也稱K-M曲線。Cox比例風險回歸模型是另一種生存分析方法，包括參數與半參數模型兩類，其主要是進行多因素生存分析的一種方法，同時可分析眾多變量對生存時間和生存結局的影響。Saad等[17]在經頸靜脈肝內門體靜脈分流術在肝移植受者的技術分析和臨床評估研究中比較成功施行肝移植與非移植病人開展門體分流術(transjugularintrahepaticportosystemicshunt，TIPS)后的臨床療效評估，使用了Kaplan-Meier法，結果顯示6～12個月、12～24個月、24個月以上，移植成活率分別為43%、32%和22%。生存期大于1年的晚期肝臟疾病模型存活評分低于17分、等于17分或大于17分的存活率分別為54%和8%(P<0.05)。

2其他適用方法

2.1ROC曲線

ROC(receiveroperatingcharacteristic)曲線是歐美影像學期刊中應用較為常見的統計學方法，國內期刊應用相對較少。ROC曲線根據一系列不同的分界值以真陽性率(靈敏性)為縱坐標，假陽性率(特異性)為橫坐標繪制的曲線。ROC曲線分析結合靈敏度(sensitivity)和特異度(specificity)廣泛應用于醫學診斷，也應用于影像診斷及人群篩查。ROC曲線根據曲線下面積(areaundertheROCcurve，AUC)的大小對診斷試驗作定量分析。理論上，AUC值在0～1間。根據實際情況將診斷分為不符合診斷(AUC<0.5)、無診斷價值(AUC=0.5)、低準確性(0.5<AUC<0.7)、一定準確性(0.7<AUC<0.9)、較高準確性(0.9<AUC<1)，AUC越接近于1，表明診斷準確性越高。Hyodo等[18]在研究乏血管少結節的慢性肝臟疾病患者發展成富血管性肝細胞癌風險因素一文中使用ROC曲線分析，結果顯示后續發展成血管性結節平均增長率明顯高于非血管過渡性結節。

2.2Kappa檢驗

Kappa檢驗主要用于評價不同資料間一致性程度，常用Kappa值評價一致程度。Kappa系數適用于兩項和多項無序分類變量資料。在影像學試驗中常需要判斷多名醫師測量同一研究對象或者同一醫師多次測量同一對象的一致性，Kappa一致性檢驗便是最佳選擇。Kappa檢驗還可通過計算Kappa值對兩種非金標準的診斷方法進行診斷結果一致性分析。一般而言，評價Kappa一致性需要計算Kappa系數，但在研究考察新的診斷試驗方法是否優于金標準，或者檢驗是否與金標準一致時，還需要計算特異度、靈敏度、陽性預測值和陰性預測值等指標。目前公認的Kappa系數分為六個區段即一致性極差(Kappa值<0)，一致性微弱(Kappa值0～0.2)，一致性弱(Kappa值0.21～0.40)，中度一致Kappa值(0.41～0.60)，高度一致(Kappa值0.61～0.80)，一致性極強(Kappa值0.81～1.00)。

2.3Levene檢驗

篇(5)

關鍵詞：統計學；教學模式；EXCEL

進入21世紀,隨著我國市場化步伐的加快,社會對新知識的需求日益增加,無論是國民經濟管理,還是公司企業乃至個人的經營、投資決策,都越來越依賴于數量分析，依賴于統計方法,統計方法已成為管理、經貿、金融等許多學科領域科學研究的重要方法。教育部也將《統計學》課程列為財經類專業本、?？茖I的核心必修課程之一。力圖通過《統計學》的學習，使學生掌握探索各學科內在的數量規律性，并用這種規律性的解釋來研究各學科內在的規律。同時，由于統計學所倡導的尊重客觀實事，通過調查研究用實事說話，這也有利于培養學生的實事求是的學習、工作和科學研究精神。

一、《統計學》課程教學面臨的挑戰

1、內容日益豐富。長期以來,在我國存在兩門相互獨立的統計學——數理統計學和社會經濟統計學，分別隸屬于數學學科和經濟學學科。20世紀80年代以來,建立包括數理統計學和社會經濟統計學在內的大統計學,逐步成為我國統計學界的共識。1992年11月,國家技術監督局正式批準統計學上升為一級學科。國家頒布的學科分類標準已將統計學單列為一級學科。隨著大統計學思想的建立和統計學在實質學科中的應用的需要，大多數學校和老師在財經類專業的本、專科專業《統計學》教學過程中，除了保留社會經濟統計學原理中仍有現實意義的內容，如統計學的研究對象方法、統計的基本概念、統計數據的搜集整理、平均及變異指標、總量指標、相對指標、抽樣調查、時間序列、統計指數等；同時也系統的充實了統計推斷的內容，如：統計數據的分布特征、假設檢驗、方差分析、相關與回歸分析、統計決策等。這一變化使得《統計學》的內容更適合相關實質學科的發展需要。

2、學生的學習難度加大。首先、結合《統計學》的課程特點——概念多而且概念之間的關系十分復雜、公式多且計算有一定難度等。如果學生不做必要的課外閱讀、練習和實踐活動，是很難理解和掌握的。對于財經類專業的本、?？茖I的學生來說，本身的專業課學習負擔已不輕。其次、對于財經類專業的本、?？茖I的學生來說，由于其本專業的課程體系要求，使得學生的數學或者數理統計的基礎不是特別好，對于?？茖W生來說更不用說，推斷統計將是他們學習的困難。再說，《統計學》作為專業基礎課，一般安排在一年級或二年級第一學期，在這個學習時段也是大多數?？粕捅究粕τ谟嬎銠C課程和英語課程的考證時段。如果以犧牲授課內容和降低要求來減輕學生的學習負擔，顯然有悖于《統計學》課程的教學和相關專業的發展要求。所有這一切對于學生學好這一課程面臨的困難可想而知。

3、教師的教學難度加大。授課內容越來越豐富；課程難度太大可能導致學生興趣下降；在倡導學生自主性學習的背景下，授課時數大為減少（一般安排一個學期共17～19教學周，每周2～3課時）；高等教育擴招后，由于師資力量一時沒有跟上，大多數學校，授課班級學生人數越來越多，一個教師跨越不同專業授課不再新鮮。這要求授課教師必須深刻領會授課內容的核心和相互關系，學會控制和駕馭課堂教學，學會激發學生的興趣，注重統計學在不同專業領域的具體應用等等。作為這門學科的授課教師特別需要認真考慮該怎么辦？

二、《統計學》教學的發展趨勢分析

1、統計學從數學技巧轉向數據分析的訓練。在計算機及計算機網絡非常普及的今天，統計計算技術不再是統計學教學的重點了。統計思想、統計應用才應該是重點?，F代統計方法的實際應用離不開現代信息處理技術。統計軟件的使用，不僅使統計數據的計算和顯示變得簡單、準確，而且使統計教學由繁瑣抽象變得簡單輕松、由枯燥乏味變得趣味盎然。所以，在統計教學過程中，大量的內容只需要給學生講清楚統計基本思想、計算的原理和正確應用的條件、正確解讀計算的結果，而對大量復雜具體的計算可以交給計算機去完成。

比如方差分析，手工計算量非常大，沒有計算機軟件的支撐，是很難教學實際問題分析的。現在我們只要講清楚方差分析要做什么，為什么方差分析要解決的中心問題是判斷有無條件誤差，而原假設又是K種不同水平下總體的理論均值是否相等，檢驗結果表示什么等就可以了，大計算量的工作讓計算機去完成。

2、通過統計實踐學習統計。也就是以學生為中心，通過課堂現場教學、引導學生先讀后寫再議、模擬實驗、利用課余時間完成項目、利用假期時間，通過參加學校組織的某些團隊、小組或自己組織去開展一些與專業有關的活動，如社會調查、專題研究、提供咨詢、參與企業管理等方法。全方位地激發學生的學習興趣、培養學生的專業能力、方法能力和社會能力。

比如依同學們在設計調查問卷和調查方案的基礎上，讓他們組成若干調查小組（如以寢室為單位），在校園內真正進行一次統計調查活動，從具體調查對象和單位的確定，樣本的抽?。ú灰欢ㄒ艽螅?，問卷的發放、回收與審核，數據輸入與資料整理，估計與分析，一直到調查報告的編寫，調查總結或體會的形成，全部由同學自己來完成。這樣，同學們就親身參與了統計調查、統計整理和統計分析（含統計推斷）的整個過程，效果很好。

三、基于EXCEL的《統計學》教學設想

如何從煩瑣的數理統計技巧轉向數據處理的訓練，同時還要使學生容易掌握并有機會輔之于實踐。教師的導向是第一位的，要求必須選擇容易獲得而且普及性比較強的統計分析軟件，并在課堂教學和引導學生實踐中廣泛采用。

（一）微軟公司開發的EXCEL軟件無疑是我們最好的選擇

專業的統計分析軟件SPSS、SAS、BMDP、SYSTAT其功能固然強大，統計分析的專業性、權威性不可否認，但是對于沒有開設統計學專業的院校這些軟件并不常用，如果學生要進行自主性學習也比較難以找到相應的工具，此外專業統計分析軟件的英文操作界面，也讓中國人用起來不是很順手。微軟公司開發的EXCEL軟件作為一款優秀的表格軟件，其提供的統計分析功能雖然比不上專業統計軟件，但它比專業統計軟件易學易用，便于掌握。在Windows操作系統極為流行的今天，EXCEL也是隨處可見。對于《統計學》這門課程而言，利用EXCEL提供的統計函數和分析工具，結合電子表格技術，已能滿足統計方面的要求。

（二）基于EXCEL的《統計學》教學設想

1、在教學內容上，依據EXCEL的函數功能、電子表格功能、數據分析功能，結合統計學原理的基本理論和方法，整合教學內容。比如傳統的統計學原理教學過程中，對統計數據的搜集主要強調統計報表制度，在EXCEL環境應該更注重抽樣推斷，EXCEL提供的隨機抽樣工具使得抽樣調查不再是十分復雜的技術，統計圖也可以被廣泛運用于對數據的描述；再比如現有統計學教材很多都講根據整理的數據計算平均數時，都用加權平均的方法，當用組距式變量數列計算平均數時，用組中值作為各組的代表值進行計算。我們知道，組中值作為各組的代表值是假定各組變量值在組內是均勻分布的，如果實際數據與這一假定相吻合，計算結果比較準確，否則誤差比較大。事實上實際數據往往就不是均勻分布的，因此用組中值計算的平均數都是近似的，而且相同資料編制的不同變量數列計算的平均數還不相等。其實為了編制變量數列，我們必須輸入原始數據，EXCEL的有關程序可以得到準確平均數，哪里還有必要按加權算術平均的方法計算近似的平均數呢？那么有沒有必要編制變量數列、特別是組距式變量數列呢？有沒有必要按加權的方法計算平均數呢？我們認為有必要，但是組距式變量數列的主要功能不再是提供計算資料了，而是用于表現資料的分布狀況和進行分析用；加權平均方法主要是介紹和要求學生掌握加權平均的思想，用于綜合評價分析中。超級秘書網

2、案例教學成為《統計學》課程的重要內容。案例教學法不僅可以將理論與實際緊密聯系起來，使學生在課堂上就能接觸到大量的實際問題，而且對提高學生綜合分析和解決實際問題的能力大有幫助。結合學生所學專業精選案例教學，比如對于金融專業的學生可以設計用幾何平均數計算投資的平均收益率、運用標志變異指標考察投資組合的風險大小等。對于經管專業的學生，精選抽樣推斷、假設檢驗、方差分析對于控制產品質量，經營決策等方面的案例,深入淺出地介紹這些方法的基本思想、并用EXCEL進行分析。既激發了學生的興趣、擴大了學生的視野，也使統計學的課堂不再是教師一塊黑板、一支粉筆、一本教材、一張嘴巴就能將一門專業課程從頭講到尾。

3、改革考試方式和內容，合理評定學生成績。考試是教學過程中的一個重要環節，是檢驗學生學習情況，評估教學質量的手段。對于《統計學原理》的考試，多年以來一直沿用閉卷筆試的方式。這種考試方式對于保證教學質量，維持正常的教學秩序起到了一定的作用，但也存在著缺陷，離考試內容和方式應更加適應素質教育，特別是應有利于學生的創造能力的培養之目的相差較遠。在過去的《統計學》教學中，基本運算能力被認為是首要的培養目標，教科書中的各種例題主要是向學生展示如何運用公式進行計算，各類輔導書中充斥著五花八門的計算技巧。從而導致了學生在學習《統計學》課程的過程中，為應付考試搞題海戰術，把精力過多的花在了概念、公式的死記硬背上。這與財經類專業培養新世紀高素質的經濟管理人才是格格不入的。為此，需要對《統計學》考試進行了改革，主要包括兩個方面：一是考試內容與要求不僅體現出《統計學》的基本知識和基本運算以及推理能力，還注重了學生各種能力的考查，尤其是創新能力。二是考試模式不具一格，除了普遍采用的閉卷考試外，還在教學中用討論、答辯和小論文的方式進行考核，采取靈活多樣的考試組織形式。學生成績的測評根據學生參與教學活動的程度、學習過程中提交的讀書報告、上機操作和卷面考試成績等綜合評定。這樣，可以引導學生在學好基礎知識的基礎上，注重技能訓練與能力培養。

參考文獻：

[1]謝安邦.高等教育學[M].北京：高等教育出版社,1999.

[2]賈俊平.統計學[M].北京：中國人民大學出版社,2000.

篇(6)

關鍵詞：統計學教學模式EXCEL

進入21世紀，隨著我國市場化步伐的加快，社會對新知識的需求日益增加，無論是國民經濟管理，還是公司企業乃至個人的經營、投資決策，都越來越依賴于數量分析，依賴于統計方法，統計方法已成為管理、經貿、金融等許多學科領域科學研究的重要方法。

一、《統計學》課程教學面臨的挑戰

1.1內容日益豐富。長期以來，在我國存在兩門相互獨立的統計學——數理統計學和社會經濟統計學，分別隸屬于數學學科和經濟學學科。統計學是一門通用方法論的科學，是一種定量認識問題的工具。統計方法只有與具體的實質性學科相結合，才能夠發揮出其強大的數量分析功效。這些分支學科的存在主要不是為了發展統計方法，而是為了解決實質性學科研究中的有關定量分析問題，統計方法是在這一應用過程中得以完善和發展的。隨著大統計學思想的建立和統計學在實質學科中的應用的需要，大多數學校和老師在財經類專業的本、?？茖I《統計學》教學過程中，除了保留社會經濟統計學原理中仍有現實意義的內容，如統計學的研究對象方法、統計的基本概念、統計數據的搜集整理、平均及變異指標、總量指標、相對指標、抽樣調查、時間序列、統計指數等；同時也系統的充實了統計推斷的內容，如：統計數據的分布特征、假設檢驗、方差分析、相關與回歸分析、統計決策等。

1.2學生的學習難度加大。首先、結合《統計學》的課程特點——概念多而且概念之間的關系十分復雜、公式多且計算有一定難度等。如果學生不做必要的課外閱讀、練習和實踐活動，是很難理解和掌握的。對于財經類專業的本、專科專業的學生來說，由于其本專業的課程體系要求，使得學生的數學或者數理統計的基礎不是特別好，對于專科學生來說更不用說，推斷統計將是他們學習的困難。

1.3教師的教學難度加大。授課內容越來越豐富；課程難度太大可能導致學生興趣下降；傳統教學方法的主要目的是讓學生了解、掌握知識，其一成不變的教學內容和模式，學生味同嚼蠟，學生只是被動地吸收知識，最后得到的效果就是使其不思進取缺乏新意。高等教育擴招后，大多數學校，授課班級學生人數越來越多，一個教師跨越不同專業授課。這要求授課教師必須深刻領會授課內容的核心和相互關系，學會控制和駕馭課堂教學，注重統計學在不同專業領域的具體應用等等。教師和學生之間不再只是簡單的知識“單向”傳遞，而是師生之間思想、心得、智慧的“雙向”交流，教師和學生都承擔了更多的教與學的責任。

二、《統計學》教學的發展趨勢分析

2.1統計學從數學技巧轉向數據分析的訓練。在計算機及計算機網絡非常普及的今天，統計計算技術不再是統計學教學的重點了。統計思想、統計應用才應該是重點。現代統計方法的實際應用離不開現代信息處理技術。統計軟件的使用，不僅使統計數據的計算和顯示變得簡單、準確，而且使統計教學由繁瑣抽象變得簡單輕松、由枯燥乏味變得趣味盎然。所以，在統計教學過程中，大量的內容只需要給學生講清楚統計基本思想、計算的原理和正確應用的條件、正確解讀計算的結果，而對大量復雜具體的計算可以交給計算機去完成。注重引導學生運用所學知識來解決實際問題，給學生多做一些教學案例，教學案例與教科書上的例題不同，例題的作用是單一的、有限的，通過例題只是掌握和熟練所學的統計方法及計算公式，而案例的作用是多方面的，它讓學生了解了分析問題的思路，要解決什么問題，如何解決，應用什么理論和方法，需要什么數據，怎樣解讀計算結果，并根據分析結果，提出針對性的對策和措施，訓練學生綜合運用所學知識去解決實際問題的能力，激發學生學習的興趣和求知的欲望。

2.2通過統計實踐學習統計。它要求統計教師不僅要融會貫通統計理論和方法，而且要對案例中問題的解決思路和方法有熟練的把握。在教學中學生是主角，教師起引導作用，針對不同的統計教學案例，教師只有事先親自采用各種方法進行計算和分析，才能對學生使用哪些統計方法和統計分析軟件進行計算和分析提出建議，并對學生采用不同的分析方法和得到的分析結果作出比較透明的比較和評價。通過課堂現場教學，引導學生利用課余時間完成項目，利用假期時間，通過參加學校組織的某些團隊、小組或自己組織去開展一些與專業有關的活動，全方位地激發學生的學習興趣、培養學生的專業能力、方法能力和社會能力。

三、基于EXCEL的《統計學》教學設想

如何從煩瑣的數理統計技巧轉向數據處理的訓練，教師的導向是第一位的，必須選擇容易獲得而且普及性比較強的統計分析軟件，并在課堂教學和引導學生實踐中廣泛采用。

3.1微軟公司開發的EXCEL軟件無疑是我們最好的選擇專業的統計分析軟件SPSS、SAS、BMDP、SYSTAT其功能固然強大，統計分析的專業性、權威性不可否認，但是對于沒有開設統計學專業的院校這些軟件并不常用，微軟公司開發的EXCEL軟件作為一款優秀的表格軟件，其提供的統計分析功能雖然比不上專業統計軟件，但它比專業統計軟件易學易用，便于掌握。對于《統計學》這門課程而言，利用EXCEL提供的統計函數和分析工具，結合電子表格技術，已能滿足統計方面的要求。

3.2基于EXCEL的《統計學》教學設想

3.2.1在教學內容上，依據EXCEL的函數功能、電子表格功能、數據分析功能，結合統計學原理的基本理論和方法，對統計數據的搜集主要強調統計報表制度，在EXCEL環境應該更注重抽樣推斷，EXCEL提供的隨機抽樣工具使得抽樣調查不再是十分復雜的技術，統計圖也可以被廣泛運用于對數據的描述。

3.2.2案例教學成為《統計學》課程的重要內容。案例教學法不僅可以將理論與實際緊密聯系起來，使學生在課堂上就能接觸到大量的實際問題，而且對提高學生綜合分析和解決實際問題的能力大有幫助。結合學生所學專業精選案例教學，比如對于金融專業的學生可以設計用幾何平均數計算投資的平均收益率、運用標志變異指標考察投資組合的風險大小等。對于經管專業的學生，精選抽樣推斷、假設檢驗、方差分析對于控制產品質量，經營決策等方面的案例，深入淺出地介紹這些方法的基本思想、并用EXCEL進行分析。

3.2.3改革考試方式和內容，合理評定學生成績。對于《統計學原理》的考試，多年以來一直沿用閉卷筆試的方式。這種考試方式對于保證教學質量，維持正常的教學秩序起到了一定的作用，但也存在著缺陷。在過去的《統計學》教學中，基本運算能力被認為是首要的培養目標，教科書中的各種例題主要是向學生展示如何運用公式進行計算。這樣導致了學生在學習《統計學》課程的過程中，為應付考試把精力過多的花在了概念、公式的死記硬背上。這與財經類專業培養新世紀高素質的經濟管理人才是格格不入的。為此，需要對《統計學》考試進行了改革，主要包括兩個方面：一是考試內容與要求不僅體現出《統計學》的基本知識和基本運算以及推理能力，還注重了學生各種能力的考查，尤其是創新能力。二是考試模式不居一格，除了普遍采用的閉卷考試外，還在教學中用討論、答辯和小論文的方式進行考核，采取靈活多樣的考試組織形式。學生成績的測評根據學生參與教學活動的程度、學習過程中提交的讀書報告、上機操作和卷面考試成績等綜合評定。這樣，可以引導學生在學好基礎知識的基礎上，注重技能訓練與能力的培養。

參考文獻：

[1]謝安邦.高等教育學[M].北京：高等教育出版社.1999.

[2]賈俊平.統計學[M].北京：中國人民大學出版社.2000.

篇(7)

統計學中常用的概念有總體與樣本、隨機化與概率、計量與計數、等級資料及正態與偏態分布資料、標準差與標準誤等。如某研究采用經會陰途徑測定宮頸長度,以探討不同宮頸長度與臨產時間的關系。結果顯示35例宮頸長度為25～34mm者與32例宮頸長為15～24mm者臨產時間的均值±標準差(x±s)各為57.6±58.1與47.3±49.1小時。該計量資料,經t檢驗顯示t=0.780,P>0.05,并未提示不同宮頸長度的臨產時間差異有顯著意義;從標準差大于均值,顯示各變量值離散程度大,呈偏態分布,故不能采用x±s這一算術均數法計算均數。經偏態轉換成近似正態分布資料后結果是:35例與32例的臨產時間各為34.5±4.1與26.7±4.1小時,(t=7.778,P<0.001),兩組差異有極顯著意義?？烧J為隨著宮頸長度的縮短、臨產時間也縮短。此外,當兩組資料單位不同時,其S單位也不同;即使兩組單位相同的變量值,若其均數差異較大,也都應以變異系數替代s來比較兩組值的離散度的大小。

二、正常值范圍及異常閾值的確定

如何選擇研究對象,至少需多少例,正確統計處理和參考一定數量的病例數據,是確定正常值范圍及異常閾值的四個重要因素。

1.研究對象:應為“完全健康者”,可包括患有不影響待測指標疾病的患者。如“正常妊娠”的條件:孕前月經周期規則、單胎、妊娠過程順利、無產科并發癥及其它有關合并癥,分娩孕周為37～41周+6,新生兒出生體重為2500～4000g和Apgar評分≥7分。

2.觀察數量:觀察數量應盡可能多于100例;需分組者,各組人數也是如此(標本來源困難時酌情減少)。有些指標值如雌三醇(E3)、甲胎蛋白(AFP)、胎盤泌乳素(HPL)等隨孕周進展而變化,應按孕周分組;鄰近孕周均數相近者,可合并幾周計算。若為偏態分布,應以百分位數計算,則例數應≥120例。取各孕周對象時,應考慮到所取各孕周中的例數分布大致均衡。顯然,文稿中往往以少量例數求得正常值是欠可靠的。

3.統計處理:應根據所得數據分布特征采用不同的統計處理方法。屬正態或近似正態分布的數據,可采用x±s法計算;這也適用于以一定方法能將非正態分布轉換成正態或近似正態分布的資料。對無法轉換的偏態資料,應采用百分位數計算法。具體計算(包括上下限初步制定)見文獻。

4.對照數量:相應觀察的病例數(包括分組)應不少于30例,這對制定某指標有臨床意義的異常閾值尤其重要,這一點往往易被忽視。如在參考較多病例數據后,唾液游離E3的下限異常閾值應為第2.5百分位數,而非通常采用的5百分位數。否則,將會導致該指標產前監護的假陽性率增加。

三、t檢驗與校正t檢驗(t′檢驗)

這是文稿中極易混淆的一類計量資料統計問題。

(一)檢驗的注意事項

1.t檢驗的意義:t檢驗與所有統計分析相同,其結果提示現有差別不僅僅是抽樣誤差所致,且提示犯第一類錯誤的可能性大小,即t0.05與t0.01犯第一類錯誤的可能性各為5%與1%。

2.統計意義與臨床意義的關系:統計學有顯著意義,而在臨床上可能是無意義的,提示該研究應繼續深入,以明確該差異是否真有顯著意義;相反,統計無顯著意義,而臨床上卻是有意義的,不能貿然輕易地下結論。應復查實驗設計、方法、試劑及儀器性能、質控措施和實驗數據等是否有問題,或尚需再進一步增加樣本量進行復測等。

3.t檢驗適用范圍:t檢驗僅適用于正態或近似正態分布(包括偏態轉換)和其方差是齊性資料的檢驗;t檢驗適用于可比性資料,即除了欲比較的因素外,其它所有可影響的因素應相似。

4.t檢驗的結果判斷:判斷結果不應絕對化,P<或>0.05,分別表示可拒絕或接受原定的假設,但兩者都有5%的可能性犯第一類錯誤;而P值越小,只能是更有理由拒絕原定的假設。

5.單側與雙側檢驗:應預先制定本研究的結果是需行雙側還是單側檢驗。對有把握確知某治療措施或某指標是不會劣于現有的,才作單側檢驗;若不知何者為優,應行雙側檢驗。因為在同一t值的界限上,單側檢驗的概率(P)僅為后者的一半,也就是說單側檢驗較雙側檢驗更易得出差別有統計意義的結論,不可隨意制定。一般講,絕大多數研究以采用雙側檢驗為妥。

(二)t′檢驗與t檢驗的區別

當兩樣本均數的方差非齊性時,應以t′替代t檢驗。例如:甲組32例血清某指標值為53.9±49.6(μmol/L);乙組6例的結果為26.6±7.2(μmol/L),若不考慮兩樣本方差大小,t檢驗示t=1.331,P>0.05,提示兩組血清該指標的平均含量差異無顯著意義。但先作方差齊性檢驗,F=47.4,P<0.01,示這兩樣本方差差異有極顯著意義。據此應采用t′檢驗,t′=2.952>t′0.012.875,P<0.01。顯然,與上述結論恰恰相反。

四、卡方(χ2)、校正χ2與直接概率法(或精確法)檢驗

這三種檢驗方法為一類用途較廣、但也易混淆的、適用于計數資料檢驗的方法。應注意,鑒于總數與理論值的不同,應采用相適合的檢驗方法。

例1.192例出生體重≥4000g的新生兒發生難產與窒息數分別為151例與22例;3475例出生體重≥3500～4000g的新生兒發生難產與窒息數分別為185與265例;2451例出生體重≥2500～3500g的新生兒發生難產與窒息數分別為122與169例。3組的構成比:難產與新生兒窒息率分別為:78.6%、5.3%、5.0%與11.4%、7.6%、6.9%。據此貿然認為出生體重≥2500～3500g為最佳新生兒分娩體重的結論是不可靠的。經χ2分析,后兩組的難產與窒息率間和前兩組窒息率間差異均無顯著意義(P均>0.05)。故可認為,單據本研究結果是難以得出上述臨床上認可的結論的。這涉及到上述“統計無顯著意義,而臨床卻是有意義”的問題,應進一步復查或增加樣本測試。杜絕單純根據百分率的大小貿然下結論。

例2.某藥治療感染衣原體(CT)的中、晚期孕婦各11例和36例,她們的新生兒感染CT數各為3例和23例。χ2檢驗得χ2=4.570,P<0.05。據此誤認為,某藥治療中孕期感染CT孕婦的新生兒感染CT數少于晚孕期才開始治療的新生兒感染數。根據統計原則,其中一個數的理論值為4.9(<5)時,應采用校正χ2計算,得χ2=3.209,P>0.05。顯然,正確結論恰與上述相異。

例3.以精確法替代χ2檢驗。某新技術測試8例卵巢內胚竇瘤患者,5例呈陽性反應;測試25例卵巢顆粒細胞瘤患者中6例陽性。χ2檢驗得χ2=4.042,P<0.05。誤認為該新技術測前組的陽性率高于后組。但鑒于總例數33例(<40),且其中一個數的理論值為2.7(<5),故應改用精確法檢驗,結果首次計算P值,已達0.102,>雙側檢驗的有顯著性意義的界限0.025,故P>0.05。結論也恰相反。

五、相關與回歸分析

相關分析只是以相關系數(r)來表示兩個變量間直線關系的密切程度和相關方面的統計指標。無論是正相關(r為正值)或負相關(r為負值),只是經相關系數的統計意義檢驗(如t檢驗)后,當P<0.05時,即示差異有顯著意義時,才能依據|r|值的大小來說明兩變量間相關的密切程度。因此,表示相關性,除寫出r值外,應注明P值;切不可將相關的顯著性誤解為相關程度;也應注意:相關分析是不能單純用于闡明兩事物或現象間存在著本質的聯系,即使兩變量間存在高度相關關系(即有一定的統計聯系),也不能證明它們間存在著因果關系。如欲證明兩事物間的內在聯系,必需憑借專業知識從理論上加以闡明。

“相關”是表示兩個變量間相互關系的密切程度,而回歸分析是提示兩個變量間的從屬關系。在回歸分析中,應注意由X變量值推算Y,與以Y變量值推算X的回歸線是不一樣的;直線回歸方程的適用范圍,一般僅適合于自變量X原測數據的范圍,故繪制回歸線時,X值切不能超越實測值的范圍而任意延長。

可見,這兩種分析,說明的問題是不同的,但相互又有聯系。在作回歸分析時,一般先作相關分析,只有在相關分析有統計意義(即回歸有統計意義)的前提下,求回歸方程和回歸線才有實際意義。決不能把毫無實際意義的兩個事物或兩種現象進行相關與回歸分析。

六、數據的正確書寫

1.文稿內各數據的書寫必須前后一致;總數應等于各分組的數據之和。

2.對不同指標,有其不同數據精度的要求,這應結合專業知識加以判斷。如新生兒出生體重是以公斤為單位,記錄測定數據精確到小數點后的第二位數字即可。

3.測定數據的書寫,不能超越其測量儀器測試的精確度范圍。

4.同一指標的前后數據應保持同一精確度。

5.經計算,出現比預定小數點后兩位數多的數字,應采取“≤4舍、≥6入”與“5‘奇’進‘偶’出”方法,以決定小數點后第三位數字是“舍”還是“入”,即5前為單數則入,雙數則舍。