多元统计学范文

1授课安排与原则

笛卡尔曾说：“只有两种方法使人们获得真正的知识，清晰的直觉和必要的推理”。我国大学数学课程的教材和教学中，多着重于数学推理，而对创新能力至关重要的“清晰直觉”的培养重视不够。应注意锻练学生对图像和数值的敏感性，增强其直覚猜测和判断能力。课程的开篇就从图形直观入手：绪论及多元统计图形的表示（对应教材中的第13章，下同）――绪论介绍多元统计分析的参考书、应用等。多元统计图形：多维变量在二维平面上用图形表达，例如折线图、轮廓图、脸谱图、雷达图、星座图。多元正态分布（第1章）：本章的介绍注重一元正态和多元正态的对比，强调“温故而知新”。统计距离之马氏距离（第1章）：1936年印度统计研究所所长马哈拉诺比斯（P．C．Mahalanobis）提出。介绍欧式距离、闵氏距离、相似系数等多种距离的优缺点，使学生树立起“统计上的方法无对错之分，只有好坏之分”的思想。多元分布数字特征及估计（第1章）：对二次型的期望重点介绍，因为后面做参数估计、检验的抽样分布很多都是二次型。多元三大抽样分布（第1章）及在估计和检验中的应用（第2章简介）。专题讲座：相关性度量，取材自著名统计学家张尧庭的讲座“传统统计学有两大基本任务：研究数据变异和相关”。本节介绍相关性度量的依据，分别从不变性、阿达玛不等式、判别信息量三个角度，介绍回归方程的本质，介绍近代统计学的重要概念：熵、信息量等。主成分分析（第5章）：由于后面的方法（因子分析、典型相关分析等）会用到该方法，所以方法的学习从主成分分析开始。因子分析（第5章）：主要用于降维、评价、排名、聚类等。起源于20世纪初KarlPearson和CharlesSpearmen等人关于智力测验的统计分析。典型相关分析（第8章）：多维变量和多维变量的相关性研究。对应分析（第7章）：定性数据相关性的研究。聚类分析（第3章）：物以类聚，包括系统聚类、快速聚类、模糊聚类、最优分割法等。判别分析（第8章）：对有训练样品的数据进行判别归类，包括逐步判别、费歇尔判别、距离判别、贝叶斯判别等。定型数据的建模分析（第9章）：定性数据的研究也称为“离散多元分析”，相对于定量数据研究有专门的研究方法。路径分析及结构方程模型简介（第10、11章）：是近年心理学、教育学、社会学领域研究潜变量的主要统计方法，成功运用在“顾客满意度”、“主观幸福感”的研究中。

2介绍并提供材料

为了增强学生学习兴趣，随着课程的进行，陆续介绍相关的资料。以2010年度授课提供的资料为例。①人大经济论坛，此论坛资料丰富，有很多案例分析的数据资源。②《女士品茶》统计科普书籍，该书生动有趣，可作案头书。③《北美一流统计学专业课程设置》，了解到很多同学想出国深造，所以提供该研究报告。④2010国内统计学热点研究问题，以此了解统计研究热点问题。⑤《离散多元分析-理论与实践》，主要介绍定性数据分析的理论，以此做相关课程介绍。⑥中国人民大学统计学院2010境外讲学课表，从中可以了解统计学热门研究领域。⑦西南财经大学博士论文《个人住房抵押贷款提前还款风险实证研究》，培养统计方法的综合运用和资料查询。该论文里面用到了因子分析、判别分析、聚类分析、逻辑斯蒂回归等统计方法。

3作业的布置及相关培养

在大学数学课程学习过程中，培养学生应用数学的意识和兴趣，提高学生的应用能力是大学数学课程教学改革的重要方向。根据选课人数分成兴趣小组，以小组为单位留大作业，鼓励大家查找资料、编程、实证分析，处理实际数据，分析解决实际问题的能力，侧重于数学知识的综合应用（见表1）。

4结语

“真正的教学效果，并不是看教师教了多少，而是要看学生学到了多少。”教学过程是师生双向活动的过程，要努力引导学生去思考、去发现、去创新。

【摘要】

目的探讨多元化健康教育对老年骨质疏松骨折患者生活质量的影响。方法100例老年骨质疏松骨折患者,随机分为观察组与对照组,每组50例。对照组给予常规健康教育,观察组接受多元化健康教育。比较两组康复总有效率、二次骨折发生率、生活质量改善情况。结果观察组康复总有效率为94.0%,明显高于对照组的72.0%(P<0.05)。两组护理后生活质量评分明显优于护理前；且观察组明显优于对照组(P<0.05)。观察组二次骨折发生率为4.0%,明显低于对照组的14.0%(P<0.05)。结论老年骨质疏松骨折患者中实施多元化健康教育有利于改善患者生活质量,效果满意,值得临床推广。

【关键词】

骨质疏松；老年患者；多元化；健康教育；生活质量；骨折

老年骨质疏松患者容易发生骨折,这也是骨质疏松最为严重和最常见的并发症之一。由于老年骨质疏松骨折病情进展相对缓慢,且患者大多缺乏相关知识和认知,很容易忽视自身病情,需要临床给予及时、全面的照护和健康指导［1］。本文观察研究多元化健康教育对老年骨质疏松骨折患者生活质量的影响,为老年患者的康复提供帮助,现报告如下。

1资料与方法

1.1一般资料选取2013年2月~2015年2月收治的100例老年骨质疏松骨折患者纳入本次研究,按照随机数字表法分为对照组与观察组,各50例。对照组中男23例,女27例,年龄61~76岁,平均年龄(65.2±5.3)岁；其中18例为髋部骨折,15例为胫骨与踝部骨折,7例为肱骨近端骨折,6例为桡骨远端骨折,4例为胸腰段骨折。观察组中男22例,女28例,年龄60~75岁,平均年龄(64.6±5.2)岁；其中17例为髋部骨折,16例为胫骨与踝部骨折,8例为肱骨近端骨折,6例为桡骨远端骨折,3例为胸腰段骨折。两组患者年龄、性别、病情等一般资料比较,差异无统计学意义(P>0.05),具有可比性。

1.2方法对照组给予常规健康教育；观察组接受多元化健康教育,具体如下：①出院后第2周以视频、图片以及PPT结合的方法向患者讲述骨质疏松骨折相关知识,明确本病成因和危害,并指导患者掌握相应的预防措施；②出院后4周给予患者个性化生活与饮食指导,设计个性化且多元化的营养套餐,明确膳食结构的意义和重要性,多摄入肉类、豆类、海产品以及绿色蔬菜,并积极参与户外锻炼、晒太阳等。③出院后6周结合患者骨质疏松情况、个人兴趣爱好和骨折康复进度制订相应的运动复健锻炼方案［2］；④出院后8周通过图片以及实物等方式辅助指导,明确常用药物和应注意事项,告知药物用法用量,并开展相应的心理疏导。

摘要:

多元统计分析作为经典统计学发展中的重要分支,对社会宏观经济管理具有重要的作用,影响国民经济总体及其经济活动的状态。本文主要通过阐述多元经济分析方法的主要内容,探讨多元统计分析方法在宏观经济中的应用状况。

关键词:

多元统计分析;宏观经济;应用探讨

统计学是一门收集、整理、归纳、描述、分析数据的学科。多元统计学作为经典统计学的一个重要分支,遵循了继承、发展的原则,在掌握统计学基本统计原理的同时,创造更多统计分析方法,使多元统计学合理应用到社会宏观经济的管理中,改善社会整体经济发展水平,促进国民经济持续、稳定的发展。

一、多元统计分析方法的主要内容

随着社会科学技术水平的发展,统计学在应用数学知识的基础上,逐渐与计算机技术相融合,利用计算机快速、有效的应用能力,将统计学所涉及的领域扩大到社会生活的方方面面,影响社会经济水平的发展。多元统计分析作为一种综合的分析方法,拥有多种统计分析的方式。其中主要包括了判别分析、聚类分析、主成分分析、对应分析、因子分析等统计分析的方式。判别分析,是多元统计分析中的主要分析方式。将多个不同的样本构造成为一个特别的函数,根据与样本相关联的量变的变化,判别分析出想要知道的未知函数属于哪一个所提供的样本。这种通过判断的方式寻找问题答案的分析过程就是判别分析。判别分析在社会中应用广泛,它涉及了医学、气象、图像识别等多种领域,用判别数据的方式促进社会的发展。

主成分分析,是一种归纳、整理、避免重复的分析方式。为了简化复杂的数据,将多个可变量综合整理为一个整体,应用新组合的无关变量群体替换原有的相关变量的群体,经过层层组合,将多个可变量因素归纳成为少数的主成分群体,通过少数群体所凸显的主要问题分析事物发展的主要矛盾,解决因多个相关变量互相干扰所带来的困扰。主成分分析适合解决综合性问题,将多个可变量数据组合成为一个综合的变量,逐层递减,逐渐减少可变量的数据,最终实现解决复杂问题的愿望。聚类分析,是一种较为直观的分析方式,根据它的名字我们就可以了解到,这是一种将同类属性的可变量因素综合在一起的统计分析方式,将相同类别、相同性质,可以互相关联的因素,合理的归纳在一起,这就是相互整合的聚类分析。聚类分析作为多元统计分析方式中的一种,应用图表合理的展示所要分析的数据,相比较经典统计学而言,聚类分析更为直观、具体。

一、引言

哲学是关于世界观和方法论的学说，研究自然、社会和思维的最一般的规律，在人们认识世界和改造世界的过程中发挥了重要的作用［1］。哲学在发展过程中，不仅在自身领域的研究中取得了重大进展，而且推动了其他的一些学科的诞生，如天文学、数学、教育学、美学等。统计学也当然可以归于哲学的发展框架下。因此，可以从某种程度上来讲，哲学可称为“万学之母”，抑或“元科学”。

统计学作为一门研究客体特征和规律的方法论学科，有很强的数学基础做支撑。它不但可以作为一门基础学科创造和发展理论，完善学科结构，而且可以作为一种应用型很强的学科，为人们认识世界和改造世界，进行量化研究提供强有力的工具手段。掌握好统计学，对进行科学研究，尤其是量化的科学研究必将大有裨益。然而正是由于其要求较强的数学基础，因此对于缺乏数学训练的人，尤其是文科学生来说，对统计学的掌握就可能成为一件比较让人头疼的事情，有的甚至是“谈‘统计’色变”。即使不从理论研究的深度来学习，哪怕只是在统计学的应用层面上来掌握，强调实用性，也需要费些心思，再加上没有适当的方法，就可能更加懊恼了。但是，由于哲学对统计学起指导作用，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，因此如果能将哲学中的一些方法论知识运用到统计学习中，可能会起到事半功倍的效果。

二、哲学思想的运用

哲学的众多原理和方法论都可以作为统计学习的有力指导，本文选择三方面加以阐释。

1.“从一到多”的思想，也可以称为“从简单到复杂”的思想。事物的状态有繁有简，有的表现在量的层面上，有的则表现在质的层面上。单从量的层面上来讲，就可以看到从1个、2个到3个乃至多个的变化。比如，线性回归中，从最初的回归模型中只包含一个自变量的最简单模型到后来的回归模型中包含2个甚至更多个自变量的情况，是一种从自变量的角度来观察模型由简单到繁琐的过程［2］。再比如，从t检验到方差分析的变化。t检验可以有三种情况，即单样本t检验，独立样本t检验和配对样本t检验（后两者均可以检验两个总体的均值是否有差异，只是在具体的操作过程中有些差别）。但是对于三个及以上的均值是否存在显著差异的检验，t检验则显得力不从心了（多次两两比较可能增大一类错误的概率），而方差分析则会很好地解决这一问题，因为其不仅可以处理独立样本的问题，还可以处理重复测量的问题，在很大程度上弥补了t检验的不足［3］。不难看出，从t检验到方差分析，又是一个针对平均数个数从简单到繁琐的过程。回顾上面的例子，可以对这一形式的统计方法有一个比较性的认识。首先，它们都是从一个向多个的变化过程。“多”个的发展是以“一”个的发展为前提的，换句话说，多个变量的模型要想发展，必须满足一个变量的单个模型发展所需要的假设条件。比如，多元回归要想进行就必须满足一元回归所要求的一系列条件（如正态性、连续性和方差齐性）。而方差分析若要进行也必须满足独立t检验所需要的条件（方差齐性）。如果不能满足，那么即使统计方法再先进，其科学性差的结果也是不容置疑的。其次，还要看到“多”与“一”的不同。这表现在：一方面，从前提假设方面来讲，“多”除了要满足“一”所需要的基本前提条件外，还有自己的额外要求。比如，多元回归中的多重共线性检验、多元正态分布及方差分析中的协方差分析。另一方面，从功能上讲，“多”的功能与“一”的功能既存在一致性，又存在区别，比如一元回归所能解决的问题运用多元回归也能解决，但是一个含有两个自变量的二元回归的功能却不能由分别以每个自变量作一次回归的两个简单回归的功能之和。对于方差分析，如前所述，亦不能分别进行多次两两比较的t检验来完成。了解这一思想后，在处理类似的情况时，便可以通过比较分清异同之处，查找前提条件，选用适当的方法。

2.“整体与部分的关系”的思想。整体是由部分组成的，整体是部分的整体，离开部分，整体即不会存在；部分是整体的部分，离开整体谈部分，部分也会丧失其原来的意义。这一思想要求我们要正确处理好整体与部分之间的关系。由于统计研究中经常会涉及处理多个变量的数据的情况，多变量及多层关系的情况，或是为了更好地分析事物之间的关系，通过假设将多个数据变为一个（如利用平均数来代表整组数据的信息），将几个变量合并为一个（如某一概念的结构分为了几个维度），将多个相互复杂的关系合并为一个（如结构方程及利用多元线性模型处理嵌套关系）。这就会使某些变量为了满足统计分析的需要而临时组成一个小的整体。比如，多层线性模型中，就会出现一个由不同层次的回归模型而组成的层次结构，每一层的回归模型均可看做是这一多层模型中的一部分，而且是必不可少的一部分；而由多个层次的单个模型所组成的模型又很好地囊括了每一个层次的部分［4］。然而，各个部分所组成的整体可能有各个部分单独所不具有的功能，亦即整体的功能并不是各个部分的简单相加。比如，多层线性模型中就存在每个单层的回归模型所不具有的拟合特性，能够充分发挥其模型的整体拟合优度来实现对各个层次的信息的最大限度的完美组合，而作为部分的每个层次的单一回归模型，则只能依据下一层的回归结果来考虑本层次的信息，并在一定程度上为更上一层的分析提供一定的信息基础。但就单一层次来讲，虽然可能会与相邻层次发生关系，但是绝对不可能够表现出所有层次的整体效果，即使是在层级次数很少的情况下。此外，对于模型的好坏程度的检验也是如此［5］。对于整个模型的评价，既要有整个模型的拟合优度的指标，又要求其所组成的各个部分均达到显著性水平；而对于各个部分的考察，则更多地只考察其自身的显著性即可。这一点除了多层线性模型，在结构方程处理一般概念结构时也有所体现。一般认为，如果想要证明所建构的概念（如自尊）的结构效度比较好的话，除了要使整体的结构方程的各项指标（如NFI，GFI）符合要求外，还要保证模型（概念）的各个维度也都要符合要求，甚至于对于每一层的各个项目的各项测量学指标（四度）也要符合通行的标准，因为一旦一个不符合要求的题项进入模型之中，将直接影响到维度的各项指标的要求，进而影响整个模型。而当仅仅对某一个维度或题项进行考察时，一般只对于其自身的数据所包含的信息进行分析，很少涉及其他的部分。

整体与部分的思想要求我们在处理涉及模型的统计分析时，一要分清整体界限，认清整体的模型到底是什么；二要通过理论分析和数据验证，认清整体模型相对于各个部分模型的独特之处，即整体的优越性，通过模型的拟合最大限度地利用数据所蕴含的统计信息。此外，还不应忽视的一点是，对模型的整体检验，既要有对模型的整体的检验，又要包含对局部的评估，将两者综合考虑，通过比较选择出最适合的模型。

专业建设的内容主要包括专业人才培养目标和人才培养规格的设计、人才培养方案的制定、人才培养途径的选择、教学内容与课程建设、专业教育制度的制定与执行、教学基础设施建设、师资队伍建设、教学手段和教学方法的改进等。本文结合笔者统计学专业教学经历和专业建设实践，主要从培养目标与模式、课程设置、教学手段与方法三方面谈几点思考。

一、关于培养目标与模式

根据统计学专业的特点，统计学专业培养目标的制定遵循“宽口径、厚基础、重应用”的原则，培养具有良好的经济学基础，掌握统计学的基本理论与方法，熟练地运用计算机分析处理数据的能力，具有宽广的知识面，较强的实践能力和创新精神，能在国家各级管理部门，各类企事业单位从事统计调查、数量分析、统计信息管理与咨询等实际工作，适应社会经济发展需要的高级复合型专门人才。

首先，专业培养目标中培养人才规格定位问题。专业培养目标是人才培养体系中基层目标，也是对毕业生培养的规格和质量所提出的应当达到的标准，同时也是构建专业课程体系、制定专业主干课程、实践教学环节的重要依据。国内大多数高校统计学专业培养目标对人才培养规格定位为高级复合型专门人才，在这里应该理解为统计学专业既不是培养所谓的统计“专才”，也不是培养对财经、管理类各学科无所不会、无所不晓的“通才”，而是培养在一定领域、一定程度上能融入其它财经、管理类学科的“参与型”、“协同型”的“复合型”人才。只有突出统计学专业思想，才能使统计专业的毕业生利用统计思想理解行业问题，进而选择正确解决途径的能力。而这种参与和协同，是指统计学专业所培养的人才，能运用自己所学的统计理论方法和相关的经济、管理理论，与经济、管理专业人才合作和协同，解决好数据搜集、整理、分析、显示等统计方法在经济和管理中的应用问题。

其次，专业方向问题。著名的经济学家、统计学家萨维奇认为：“统计学基本上是寄生的：靠研究其它领域内的工作而生存”。统计学实践性、应用性的学科性质要求统计学专业人才应当具有从事经济、信息、生物、医学、法学、教育及心理等各个领域中有关统计实务工作的专业技能，为政府或企业决策、科学研究提供可靠的依据，这就必然要求统计专业人才不仅要有丰富的统计学专业知识，还应当具备经济、信息、生物、教育等所从事行业的基本知识。然而，“高级复合型人才”的统计专业人才培养目标，培养过程注重理论而轻应用，导致统计学专业毕业生的知识结构过于狭窄：大多数学生除了统计学专业知识外，对于其他学科领域的知识掌握甚少，这直接影响了统计专业毕业生的创新能力以及对统计实务工作的适应能力。目前，统计学本科授予经济学学士的院校，一般基于“大统计”及经济学学科背景设计课程体系，但明显的不足是统计学作为一种分析工具，课程设置中重理论方法而轻应用，没有和具体的行业背景相结合，统计学专业没有明确的专业方向。由于专业方向模糊，势必影响对必修课、选修课的科学安排，实现不了多种课程的有机结合。另外，由于专业方向不明，学生在选修课程的时候茫然而不只所措，有的同学到毕业时，也没有选修专业综合特色课程，从而不知道统计学专业在哪些行业领域能应用自如。

再次，在培养目标中还应进一步明确“数学”和“经济学”的基础性作用。因为统计学是以数为据，以量为证。具备一定的定量分析，注重数的背景和量的意义，是统计学区别其它经济学科的一个显著特征，也是培养学生具有数理判断能力和以数为背景的逻辑思维能力。

最后，在培养模式中，应该强调实践教学的重要性，以培养学生的操作技能和综合能力。实践教学的形式多种多样，既可以渗透到具体的课程中去，又可以采用课外学生实践的方式。实际上，统计学、社会经济统计、抽样调查、计量经济学、多元统计分析等课程都可以开展理论与实践相结合的教学模式，这些课程的实验大多侧重于理论方法的验证，对于如何走出模拟实验环境，进一步面向社会、服务社会，增强学生的专业与社会实践相结合，还有待进一步完善。笔者以为，从高年级开始，每学期至少有一次社会实践机会。一是在学期教学过程中进行，如组织学生进行统计模拟专题实验或请政府统计机关的人员走进课堂介绍统计方案的设计、数据的收集与处理、调查报告及统计分析报告的撰写；教师在组织教学的过程中，适当地走出课堂开展统计信息咨询、多元化市场调查与统计分析，使学生感到学有所用、学以致用；高年级统计模拟实验课程应该开设专业综合实验，侧重以案例为背景，主要是描述统计、推断统计、多元统计及其计量经济等方法的综合应用。二是在假期中进行，如寒暑假组织学生开展社会调查、信息咨询、岗位实习等实践活动，亲自从事调查数据录入、整理及分析推断，使学生在实践中发现问题，提出解决问题的思路与方法，不墨守成规，勇于创新。

二、关于课程设置

生物统计学是运用数理统计的原理和方法来分析和解释生物界各种现象和试验调查资料的一门科学,是应用统计学的一个分支。随着生物学研究的不断发展,对生物体的研究和观察已不再局限于定性的描述,而是需要从大量调查和测定数据中,应用统计学方法,分析和解释其数量上的变化,以正确制定试验计划,科学进行试验结果的分析,从而做出符合科学实际的推断[1]。因此,生物统计学是生物学领域科学研究和实际工作中必不可少的工具。目前,各高等学校生物类专业都将生物统计学作为一门重要的基础课程纳入到教学体系中以促进新型综合性生物学高级人才的培养。

教材是教师教学和学生学习的主要依据,是体现教学内容和教学要求的知识载体,贯穿整个教学过程。国内现有《生物统计学》及相关教材有20余种,每本教材都有自己的特点和针对领域,有的还附有相关统计软件知识的介绍和应用[2～4]。河南师范大学生命科学学院是较早开设生物统计学课程的高校之一。开设之初是选修课,没有固定的教材,教师将主要讲授内容以讲义的形式发给学生,重点介绍常用的统计学原理和生物统计学的方法,所选案例亦是生物学试验中常见的。随着培养方案的完善和专业设置的调整,1997年该课程调整为全院必修课。目前,是我院生物科学专业的专业必修课,是生物技术专业和水产养殖专业的专业限选课。在多年的教学过程中,随着生物学的发展和统计软件的应用,该课程的教材也从讲义到科学出版社四版《生物统计学》及其配套的《生物统计学学习指导》[1,5～8]。笔者就四版教材建设中的体会与实践进行分析。

1《生物统计学》(第一版)

统计学是以概率论为基础的,因而生物统计学必然与抽象复杂的数学知识相联系。生物统计学的理论性和实践性均较强,而且涉及的内容、公式和抽象概念较多,需要一定的数学基础和较强的逻辑推理能力,但由于生物学科的特点,生物统计学相对应于概率论与数理统计是“拿来主义”,一般不过多讨论其数学原理,而是在简单介绍统计原理的基础上重点介绍具体分析方法的应用。教学组在多年教学实践工作的基础上,1997年在科学出版社出版的《生物统计学》[5]就充分体现了这个特点。书中内容主要侧重于各种统计方法的应用,在统计原理方面,一般只作概念上的介绍和公式的简单推导,对有些较复杂的统计公式则只给出公式,其目的主要是为让读者不但对统计学原理有较全面的了解,更重要的是结合实例了解和掌握各种常用统计方法。在内容的编排上,全书共分十二章,概括起来主要有五个方面:第一章至第三章介绍统计和概率的基础知识,包括生物统计学的概念和内容、数据的搜集与整理、平均数和变异数的计算、概率和概率分布等;第四章、第五章介绍统计推断,包括样本平均数的检验、样本频数的检验、方差同质性检验、非参数检验和检验;第六章至第九章介绍统计分析方法,主要内容有方差分析、直线回归与相关分析、可直线化的曲线回归分析、多元回归与相关分析、逐步回归分析、多项式回归、协方差分析;第十章、第十一章介绍抽样与试验设计,主要包括抽样误差估计、抽样方法、抽样方案制订及常见的试验设计如对比设计、随机区组设计、正交设计及其相应的统计分析方法;第十二章对多元统计分析进行了简单介绍。每章都附有一定数量的思考练习题,供读者参考。

2《生物统计学》(第二版)

根据教学安排和生物统计学应用的需要,在教材使用反馈意见的基础上《生物统计学》(第二版)[6]于2000年在科学出版社出版。与第一版相比,各章节做了大幅度调整,将全书分为十四章,补充了拉丁方设计和裂区设计两种试验设计方法,将抽样原理和方法、常用试验设计及其统计分析放在了可直线化的非线性回归分析之后进行介绍,使章节编排体系更符合读者学习的要求。第一章至第三章分是基础理论,包括概论、试验资料的整理与特征数的计算及概率与概率分布。第四章至第六章介绍了具体的统计分析方法,分别是统计推断、检验和方差分析。第七章、第八章主要介绍试验设计的相关内容,包括抽样原理与方法、常用试验设计及统计分析。前面所涉及的统计分析内容主要是针对一个变量而言,之后的章节则主要介绍两个及多个变量的分析方法,第九章、第十章是关于一元回归和相关的内容,分别是直线回归与相关分析、可直线化的非线性回归分析。第十一章至第十四章介绍了协方差分析、多元回归与多元相关分析、多项式回归分析和多元统计分析简介。书中增加了对全文关键词汇和术语的索引,并在书后附上了各章部分思考练习题的答案。在例题上进行了重新编排,以使所选例题更能反映本章的内容且便于读者的学习和理解。

3《生物统计学》(第三版)

为适应21世纪生命科学发展和生物学人才培养的要示,在第一版、第二版的基础上,对教材内容重新进行了编排、审核并增加了部分内容,于2005年在科学出版社出版《生物统计学》(第三版)[7],并被列为21世纪高等院校生物科学系列教材。与之前相比,此版教材突出了以下3个特点:(1)内容丰富:增加了平衡不完全区组设计、倒数函数曲线、通径分析等内容;(2)编排科学:全书分解为十六章,各章节的安排更加注重了内容的循序渐进,并在每章之首增加了本章提要,总结该章节的主要内容,并列出了难点和重点;(3)针对性强:内容突出了本教材主要作为生物学专业教材这个重点,所选例题均为均为生物学试验中的案例。另外,随着计算机统计软件的发展和应用,统计软件是在统计学研究中必不可少的应用工具。目前的统计学软件,相关的统计分析方法及术语多以英文形式给出,只有掌握了相关术语的英文表达,才能更好地应用软件,否则只会导致统计分析的误用。在此版的修订中,对主要概念和术语增加了英文标注,并重新编排了中英文对照索引,以便于学习和检索。此版还对统计分析中学生易引起歧义的内容进行了修订,例如,方差分析是统计学常用的分析方法之一,对方差分析基本原理的理解是正确运用方差分析的前提。在教学中,要求学生正确理解方差分析中的处理数和组内重复数的含义和统计学意义。原来的教材中,例题中的处理数k和每处理下的重复数n的数量值是一样的,这样学生学习起来容易产生混淆,在这次修订中对例题进行了更换,以使学生很容易掌握n、k的含义及特征。

摘要：统计学在经济管理评估、经济管理预测、经济管理分类、经济管理标准制定，以及经济管理科学研究中都存在广阔的应用空间。统计学与当代经济管理交互影响、相互推动，统计学方法有助于推动经济管理科学化目标的实现。同时统计软件的广泛应用，提高了统计方法应用于经济管理的便利性；经济管理中的小样本以及大数据等问题的出现，对统计学的技术发展提出了新的需求。

关键词：统计学；经济管理；应用研究；影响分析

统计是认识客观世界数量规律的有力工具，无论是进行宏观的国民经济管理，还是进行微观的企业经营决策，都需要准确地把握有关经济运行的各类数量信息。根据具体应用领域的不同，先后形成了生物统计学、档案统计学、管理统计学、信息统计学等统计学的不同学科。统计学方法在经济管理中有广泛的应用，经济管理评估、经济管理预测、经济管理分类、经济管理标准制定等领域统计学的思想和方法均发挥重要作用。同时，在经济管理工作的具体实践中，也对统计调查的方法、统计分析工具甚至统计信息化工具提出了诸多新的需求，推动统计科学的不断发展和完善。因此，深入探讨统计学在当代经济管理工作中的影响，对于推动统计科学和经济管理科学的发展具有重要的理论意义和实践意义。

一、统计学的基本理论和价值观

统计理论是数学的一门分支学科。它以概率论为基础运用统计学的方法对数据进行分析、研究导出其概念规律性（即统计规律）。它主要研究随机现象中局部（字样）与整体（母体）之间，以及各有关因素之间相互联系的规律性。它主要是利用样本的平均数、标准差、标准误、变异系数率、均方、检验推断、相关回归、聚类分析、判别分析、主成分分析、正交试验、模糊数学和灰色系统理论等有关统计量的计算来对实验所取得的数据和测量、调查所获得的数据进行有关分析研究得到所需结果的一种科学方法。统计学的价值观主要体现在以下方面：第一，真实可信。统计资料的真实性是保证统计结论可行度的基础，统计资料的真实性不仅包括统计数据本身的真实性，也包括统计过程的真实性，统计工作者只有坚持真实可靠的价值观，才能发挥统计在了解国情国力、服务经济社会发展中的重要作用。第二，科学严谨。就是要提高统计的科学性，坚持统计调查工作的规范统一，健全完善制度，夯实基层基础，实现统计方法、手段的现代化，推动统计能力、数据质量、政府统计公信力的提高，努力争创卓越一流的工作业绩。第三，创新进取。就是在进行统计实践工作和统计研究的过程中不断以问题为导向，创新统计工作方法、创新统计技术，促使统计工作更好地为经济社会发展服务。

二、统计学在经济管理中的应用

实践中，统计学在经济管理评估、经济管理预测、经济管理分类、经济管理标准制定以及经济管理科学研究中都存在广阔的应用空间。

1.统计学在经济管理评估中的应用。通过评价工作为评估对象进行排序并进行择优是经济管理工作的重要职能，在评估的过程中通常包括指标权重计算、指标体系优化等工作。在指标权重计算方面，统计学中的主成分分析法、因子分析法、粗糙集方法，它不需征求专家的意见，切断了权重系数主观的来源，使权重系数具有绝对的客观性，可以克服主观因素的不利影响，同时减轻计算工作量；在指标体系优化方面，多元统计分析中的主成分分析法利用降维的思想，将多个指标转化为几个综合指标的多元统计方法，主成分保留了原始变量绝大多数信息，且各个主成分之间互不相关，从而达到指标优化的目标。

1经管类《统计学》任务型教学内容

1.1《统计学》的主要教学内容及任务制定

在教学中，选择中国人民大学出版社出版的贾俊平主编的《统计学（第四版）》作为教学参考书，设计了经管类专业统计学教学内容，共分五部分，并给每个部分安排了相应的任务，共五个大任务，八个小任务。第一部分统计概述包括：①统计学基本概念，介绍统计学相关基本概念，并给出统计学在学生所学专业中的应用，吸引学生的注意力，激发学生的兴趣；②数据搜集方法与统计指数，好多统计学教材中对数据搜集没有足够的重视，使得学生学习了统计方法但不知数据从哪里得到，指数在经管类专业应用中非常广泛，比如在衡量企业绩效时非常重要；③任务型教学方法，介绍什么是任务型教学方法、如何完成，这一点至关重要，为后续教学打下基础。本部分的任务是：搜集学习和日常生活中用到统计学的例子。第二部分描述统计学，包括图表与统计量，一方面教会学生软件（EXCEL和SPSS）的使用，另一方面强调应用，尤其是散点图、平均数等大家耳熟能详的内容。本部分的任务包括两个：结合所学专业搜集数据并用图表展示及统计量分析。第三部分是推断统计学，分了五个教学知识点，其中基础知识包括概率分布、参数估计和假设检验，对一些“恐数学”的学生来讲非常枯燥，因此上课时仅讲解基础知识，淡化公式推导和记忆，强调应用；分类变量、方差分析、一元回归、时序预测各为一章，讲课时弱化教材中较难的部分，以应用为主。本部分的任务是：结合所学专业构建一元线性回归模型并用案例分析。第四部分多元统计，好多统计教材中没有，这一部分对经管类专业非常重要，应用也最多，仅要求对理论简单了解，讲清原理和思路，公式淡化，强调理论的应用。本部分的任务包括三个：结合所学专业构建多元线性回归模型、因子分析、聚类分析并用案例分析。第五部附加讲的是分层次分析法，统计学教材里很少涉及到，但它是一个非常好学好用的定量分析方法，若条件允许的话尽可能讲，当然，以应用为主。本部分的任务是：结合所学专业构建层次分析法模型并用案例分析。

1.2教学课时安排

经管类统计学课程每周3学时，一学期共51学时。其中课堂理论讲解约32学时，上机操作约12学时，任务汇报约7学时。每个部分的学时划分为：概述部分课堂讲授6学时；描述统计课堂讲授和上机均为4学时；推断统计课堂教授14学时，上机4学时；多元统计课堂讲授8学时，上机4学时；附加部分根据实际安排。任务布置在每个部分课堂讲授结束后，学生在上机操作时就可以着手进行任务的讨论。

2经管类《统计学》任务型教学模式构建

结合任务型教学特点和统计学课程要求，在参考相关文献的基础上，构建了一个经管类《统计学》任务型教学过程模型（图略）。模型中的三个过程（课堂教授、任务机完成、任务展示）是相辅相成的，任务完成的质量在一定程度上体现了教学的效果，有利于教学的进一步提高，展现教学相长。

2.1课堂教授以教师讲课为主