前言：中文期刊網精心挑選了統計學的研究特點范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
統計學的研究特點范文1
[關鍵詞] 基底節出血；丘腦出血；記憶損害；特點
[中圖分類號] R4 [文獻標識碼] A [文章編號] 1674-0742（2016）12（a）-0001-04
血管性癡呆是一種嚴重認知功能障礙綜合征，出血性卒中和缺血性卒中均可導致血管性癡呆，臨床治療效果欠佳。腦卒中后患者多表現為執行功能受損的認知功能損害，而且老年人皮質及基底節梗死早期就會影響記憶功能。有研究顯示每種記憶系統都有特異的腦區參與，因此不同性質的記憶障礙間接反映不同部位的腦組織損害[1]。該文整群選擇2014年3月―2016年3月該院收治的腦出血患者78例為研究對象，其中41例基底節出血和37例丘腦部腦出血，觀察出血恢復期的記憶損害，以探討無腦出血后各種記憶成分損害的特點，現報道如下。
1 資料與方法
1.1 研究對象的選擇與分組
整群選取內蒙古國際蒙醫醫院腦外科收治的腦出血恢復期患者78例，男性45例，女性33例，年齡45～65歲，其中基底節出血41例，丘腦出血37歲，符合1995中華醫學會制定的腦出血診斷標準，并經頭部MRA或CTA檢查證實，腦出血后6～9個月。排除標準：非源自腦出血導致的認知障礙患者，排除嚴重的聽覺、視覺障礙及意識障礙、失語等不能完成認知檢測者，排除有精神疾病、明顯情緒障礙及不愿合作的患者。78例腦出血恢復期患者根據出血部位不同分為基底節出血組41例，男21例，女20例，平均年齡（51.6±3.3）歲；丘腦出血組37例，男24例，女13例，平均年齡（51.9±3.8）歲；另選取同期健康體檢者40名作為對照組，對照組患者無精神系統及神經系統疾病史，無導致認知功能障礙的系統性疾病，無智能障礙，男22名，女18名，平均年齡（50.3±2.2）歲；3組患者一般資料差異無統計學意義，具有可比性（P>0.05）。
1.2 研究方法
采用韋氏記憶量表（WMS）、韋氏成人智力量表（WAIS）、Rey聽覺詞語學習測驗（AVMT）來評價兩組患者記憶成分的差異。
1.2.1 韋氏記憶量表 選用1989年湖南醫科大學修正版本，內容包括：瞬時記憶測驗（順背、倒背）、短時記憶測驗（再生、再認、圖片回憶、觸摸、聯想、理解記憶）、長時記憶測驗（經歷、定向、數字順序）。
1.2.2 韋氏成人智力量表 選用1989年湖南醫科大學修正版本，內容包括：操作測驗（填圖、數字符號、圖形拼湊、圖片排列）、言語測驗（知識、算術、領悟、相似、詞匯、數字廣度），該研究選用了詞匯分測驗和數字廣度倒背分測驗。
1.2.3 Rey聽覺詞語學習測驗 向受試者讀出12個詞語，要求連續學習3次。給予非語言刺激間隔3 min后，回憶之前的12個詞語，為短延遲回憶；非語言刺激間隔20 min后，回憶之前的12個詞為長延遲回憶。
1.3 統計方法
采用SPSS 19.0統計學軟件分析所有數據，計量資料（x±s）表示，行t檢驗，計數資料比較采用χ2檢驗，P
2 結果
2.1 基底節出血組患者與對照組記憶成分比較
患者在1-100、100-1、累加、視覺再生、視覺再認、圖片回憶、觸覺記憶、聯想學習、語義記憶、工作記憶、短延遲回憶、長延遲回憶等記憶指標上得分均顯著低于正常對照組，提示基底節出血恢復期患者存在記憶受損，主要表現在短時記憶、工作記憶、語義記憶、延遲回等記憶成分方面，見表1。
2.2 丘腦出血組患者與對照組記憶成分比較
患者在1-100、100-1、累加、視覺再生、視覺再認、圖片回憶、觸覺記憶、聯想學習、詞匯測試、倒背、短延遲回憶、長延遲回憶等記憶指標上得分均顯著低于正常對照組，提示丘腦出血恢復期患者均存在記憶受損。
2.3 基底節出血組與丘腦出血組患者記憶成分比較
基底節出血組患者與丘腦出血組患者在記憶成分中長延遲回憶方面（2.36±0.95）vs（1.21±0.14）比較，差異有統計學意義（P
3 討論
與記憶有關的功能區主要有前額葉、顳葉內側面、丘腦、海馬、海馬旁回、基底節等部位，內側顳葉記憶系統又稱海馬記憶系統，在記憶的編碼、存儲和提取等記憶形成中起重要作用；丘腦前核和丘腦背內側核與額葉皮層和內側顳葉系統有著密集的纖維聯系。醫學診療技術的迅猛發展帶動影像學技術在臨床應用越來越廣泛，而腦內存在多重記憶系統也逐漸獲得越來越多的證據支持。海馬在情景記憶中起重要作用，而情景記憶主要依賴于內側顳葉結構的完整性，同時額葉是情景記憶系統的重要組成，其中右前額葉和左前額葉分別負責情景記憶信息的提取和編碼[2]。工作記憶不僅需要額葉皮質的參與，而且頂葉及顳葉也在工作記憶中起重要作用。語義記憶的功能區則位于前顳葉、后顳葉及下頂葉[3]。目前腦出血后引起記憶障礙通常認為是由于腦水腫導致顱內壓升高，另外血腫產生機械性壓迫，使腦組織灌注減少，也會導致認知功能減退[4]。腦出血后患者腦組織能量代謝紊亂，凝血因子聚集于血腫周圍細胞內，引發炎癥反應、氧化應激及細胞毒性損傷[5]，破壞與記憶相關的腦區，引起認知能力障礙。有研究證實中風患者發病后均會出現明顯的記憶障礙，有的發病后數年仍主訴有記憶障礙[6]。該研究探討了不同部位腦出血恢復期記憶成分損傷情況，結果發現基底節出血及丘腦出血均存在包括定向方面在內的廣泛的記憶障礙，說明基底節和丘腦在患者認知和記憶形成中起重要作用，提示腦出血患者即使恢復期仍存在記憶障礙?；咨窠浌澱{節和控制運動，同時參與多項其也功能，如語言、學習等[7]。該研究結果顯示患者分別出現語義記憶、工作記憶、短時記憶、延遲記憶等損害。有學者研究后認為尾狀核遭到破壞會導致注意力障礙和多動癥而影響短期記憶[8]，前額葉皮質起著自上而下的認知控制功能，基地神經節對工作記憶加工過程起支持作用。丘腦前核是海馬環路的重要組成部分，在記憶編碼與提取中起重要作用；另外丘腦還參與執行短時記憶[9]，而在長時記憶的提取過程中，早期記憶信號的提取需要依賴丘腦向前額葉皮質傳遞完成。該研究結果也提示患者恢復期存在長時、短時、工作等方面的記憶成分損害。主要是因為丘腦是皮質-基底節-丘腦-皮質環路中的關鍵神經結構，共同參與了空間工作記憶，同時丘腦參與工作、情景、語義等方面的記憶成分加工過程。有研究顯示[10]丘腦背內側核和丘腦中央中核-束旁核復合體功能結構的完整性直接影響語義記憶信息的提取。另有研究顯示背外側前額葉在工作記憶中起重要作用[11]。該研究中，基底節出血組1-100、長延遲回憶的評分分別為（112.58±35.46）分和（2.36±0.95）分，丘腦出血組分別為（73.21±18.64）分和（1.21±0.14）分，基底節出血組高于丘腦出血組，研究結果與丁偉等[12]報道一致?；坠澇鲅M長延遲回憶的評分為（2.36±1.50）分，丘腦出血組評分為（1.20±1.14）分，基底節出血組高于丘腦出血組。Maeshima等[13]的報道，雙側丘腦下腳或腳間區域梗死會留下永久遺忘癥，多因丘腦部病變引起，一般與丘腦背內核，左顳區顳干病變密切相關，由雙側丘腦病變所致，但單側丘腦病變也可導致遺忘癥。在一項對41例急性腦卒中患者進行聽覺詞語回憶測驗時發現，丘腦在人類記憶活動中起重要作用。丘腦左側卒中會導致語義層次結構受到破壞，有丘腦病灶的患者智力和執行力功能良好，但記憶力和精神運動速度、外在記憶、內在視覺運動序列學習受損，不只影響指令記憶，還影響非指令運動技能的學習。
之，記憶障礙是腦出血恢復期患者的常見癥狀，因此，針對患者的記憶成分損傷特點給予及時的干預，有助于降低血管性癡呆的發生概率。該研究不足處是樣本量相對較少，不同時間段腦出血及其他部位腦出血與記憶損害的關系并未觀察到，需要對患者進行長期隨訪并增加研究樣本量，才能獲得準確結果。
[參考文獻]
[1] 李曉莉.吡拉西坦對老年血管性非癡呆認知功能損害的療效觀察[J].神經損傷與功能重建，2015，10（5）：459-460.
[2] 李曉宇，周利民，畢家香，等.蒙特利爾認知評估量表在高血壓腦出血患者認知功能篩查中的應用[J].臨床醫學，2014（12）：24-25.
[3] 毛高峰，李朝武，聶海嶺，等.非癡呆型血管性認知障礙的神經心理學研究[J].臨床和實驗醫學雜志，2014，13（16）：1366-1369.
[4] 李旗.NSE、S100β與老年高血壓性腦出血患者認知障礙的相關性研究[J].陜西醫學雜志，2015，44（8）：1030-1031.
[5] 肖展宏.腦出血或腦梗塞引起的認知障礙對神經運動功能的影響[J].按摩與康復醫學，2013，4（5）：51-53.
[6] 吳海寬，王曉青.奧拉西坦和吡拉西坦治療老年腦出血后認知功能障礙的療效比較[J].現代藥物與臨床，2014（10）：1117-1120.
[7] 姜容，常履華.腦出血后認知功能障礙的研究進展[J].醫學綜述，2014，20（10）：806-1808.
[8] 李會琪，何劍波，張恒，等.腦出血患者認知功能障礙與腦白質疏松癥相關性分析[J].陜西醫學雜志，2013，42（8）：1046-1047.
[9] 邢立紅，翟飛，張敬，等.腦微出血灶與認知功能相關性的磁共振研究[J].中華老年心腦血管病雜志，2014，16（3）：287-290.
[10] 劉雯文，劉進才.腦微出血與認知功能障礙研究進展[J].現代醫藥衛生，2015，31（5）：710-712.
[11] 汪國宏，吳竹青，王小強，等.腦微出血的危險因素及其對認知功能影響的臨床研究[J].中華老年心腦血管病雜志，2014，16（7）：736-739.
[12] 丁偉.不同部位腦出血的危險因素及恢復期記憶障礙的研究[D].濟南：山東大學：2014.
統計學的研究特點范文2
對非數學或者經濟學專業的人士來說,統計學是陌生的;對我國研習法學或者刑事司法的人士來說,統計學更是一門枯燥而且令人望而生畏的學問。但是,統計學是很有用的。客觀世界中有許多令人不解的現象,對這些現象的解答絕大多數不是非“黑”即“白”的,而是處在“黑”“白”之間的“灰色地帶”。要揭示這些“灰色地帶”的規律,非統計學莫屬。由于諸多原因,我國的偵查學教育甚至偵查學研究中都幾乎找不到統計學的身影,這在一定程度上阻礙了偵查學的發展,使偵查學教育長期徘徊在經驗傳授的低水平層次上,使偵查學無法擺脫“技藝”的身份而難以躋身于真正的學問之林。為了使人們認識到統計學在偵查學教育中的必要性,本文從正面討論統計學對偵查學意義的同時,亦從反面分析了統計學缺位給偵查學教育帶來的后果,從而論證了在偵查學教育中開設統計學這一課程的必要性。
一、統計學對偵查學的意義
事實上,在我國,統計學對偵查學的意義遠被低估了,因為我國偵查學者沒有真正認識到統計學能夠為偵查學做些什么,當然也就不知道統計學對偵查學的意義。時至今日,我國偵查學界的研究成果中,能夠找到熟練運用統計學的簡直是鳳毛麟角。偵查學研究者們的知識庫中,能夠找到統計學的更是少之又少。這便是我們沒有認識到統計學對偵查學的意義的有力證據。那么統計學對偵查學有什么意義呢?或者更為直白地說,統計學能為偵查學做些什么呢?
(一)統計學能夠幫助偵查學較為精確地揭示各類犯罪的特點
和犯罪學一樣,偵查學也要研究各種犯罪類型的特點。只不過,二者的研究角度是不同的。犯罪學研究犯罪特點的目的在于預防和改造犯罪人,它反映的是犯罪現象背后深層次的社會根源和心理根源;而偵查學研究犯罪特點的目的在于發現和證明具體的犯罪事件,因此,偵查學中的犯罪特點反映的是犯罪人在具體環境中的行為方式以及這些行為對環境的影響。比如,犯罪人的職業習慣、教育水平、生活方式、社會經濟地位等等因素是犯罪學和偵查學都要關心的問題。然而,犯罪學只關心這些因素的差異是如何導致犯罪人犯罪的,又如何利用這些因素來預防、懲罰和改造犯罪人;而偵查學則要追問這些因素如何通過犯罪現場、犯罪痕跡、犯罪遺留物、目擊證人、被害人等途徑反映出來,又如何通過這些途徑來識別這些因素,從而最終識別犯罪人,建立特定犯罪人和犯罪事件的關聯。當然,應該承認,這些差異在偵查學著作中表現得也不是那么一目了然;但是,無論如何,偵查學是要研究各類犯罪的特點是沒有疑問的。要研究各類犯罪表現出來的行為特點或犯罪行為改變環境表現出來的特點,統計學在其中大有可為。還是拿犯罪人的職業習慣、教育水平、生活方式、社會經濟地位等等因素來說,這些因素在多大程度上能夠通過犯罪現場或者其他途徑反映出來?對此問題,偵查學著作都不同程度地有所解答。但讓人遺憾的是,對這些問題的解答常常不能讓人滿意;因為缺少統計學這一工具,我們無法準確得知犯罪人的這些個人特征在多大程度上決定了犯罪類型、犯罪手法,這些個人特征各自是在多大程度上能夠通過特定途徑表現出來,是否有些因素并不是我們想象的那么重要,是否這些因素之間的關系和作用也要影響具體的犯罪行為本身?我們習慣的方法是通過與偵查實務人員的經驗交流,通過案例的總結,根據個人生活經驗想當然地“反思”,對這些問題進行簡單化處理;到頭來,這些問題的答案在我們的著作中始終是一片混沌。反之,如果我們吸取社會學發展的經驗,對每個因素在犯罪中的反映程度、反映方式,以及因素之間的關系如何影響反映程度、反映方式等問題進行統計分析,對前面提出的這些問題相信會有一個準確的回答,而且還可能會有讓人意外的發現。
(二)統計學能夠幫助偵查學準確評價偵查方法和策略
特定類型的案件的特定偵查方法、策略是什么?這些方法、策略的效度(effectiveness)、效益(efficien-cy)及正當性(justifiableness)如何?隨著時代和社會的變遷,這些方法、策略是否發生了改變?發生了多大改變?這些偵查方法、策略在多大程度上打了法律的球?公眾、其他司法機關、犯罪嫌疑人、偵查機關對有違法嫌疑的方法、策略有多大的容忍度?這些問題在我國偵查學著作中幾乎是沒有答案的,即使有,得出答案的過程也是非常草率的。然而,如果我們應用了統計學這一工具來進行研究,對不同類型的案件就會發現不同的偵查策略和方法,偵查學著作中就再也不會有所有案件的偵查方法大同小異的現象。如果我們對方法、策略在特定類型案件中的效度、效益和正當性進行了統計分析,就會減少偵查實踐中偵查方法、策略的設計與運用的盲目性和隨意性,也會促使偵查學界、訴訟法學界、偵查實務界就某些偵查方法和策略正當性這一問題達成一定程度的共識。應用統計分析的工具,我們就會發現一些偵查方法、策略的效度、效益及正當性的問題都隨著時代和社會的變遷也在發生變化,對變化的程度、導致變化的因素都會有一個全面而準確的認識。總之,統計學可以幫助偵查學較為準確地評價偵查策略。實際上,將統計學應用于偵查策略的研究,在國外已經有了成功的范例,而這一成功范例是由偵查心理學家提供的。訊問策略和技術的評估,是國外偵查心理學家們長期研究的偵查策略問題。在1986年出版的一本偵查訊問手冊中,Inbau等人竭力推薦在訊問中使用“里德訊問技巧(ReidTech-nique)”,這項技巧是由Inbau和Reid二人于1962年提出的,技巧分為九個步驟[1]:直接正面接觸;幫助犯罪嫌人找到借口;對否認和抵賴的操控;平息異議;抓住并維持嫌疑人的注意力;控制嫌疑人的消極情緒;換一種形式提問;使嫌疑人口頭交代犯罪的各個細節;將口頭供述轉化為書面供述。這項“里德訊問技巧”也是無數審訊人員的經驗總結,而且這項技巧一直以來用于培訓美國的審訊人員,而且還一直為一些學者所引用。然而,有的偵查心理學專家對這項技術也有疑問:和強制程度較低的訊問技巧(里德訊問技巧具有較大的強制性)相比,運用里德訊問技術能獲得更多的供述嗎?使用雷德訊問技巧導致的虛假供述所占的比例是多大?[2]這些問題顯然是對里德訊問技巧的評估。而且,很明顯,單純從偵查人員的經驗感知出發,很難對這兩個問題有準確的答案,而且即使有答案,也只是憑個人感覺而得出的想當然的結論。經過偵查心理學專家們的研究發現,即使是犯罪嫌疑人在沒有犯罪的情況下,犯罪嫌疑人都有可能說自己有罪,冰島和北愛爾蘭的研究分別顯示20%和22%的犯罪嫌疑人都會如此[3];而Leo等人認為訊問成功的策略以及在訊問中成功使用的幾率如下[4]:訴諸犯罪嫌疑人的道德良心(97%);發現犯罪嫌疑人供述的矛盾(91%);“夸獎”(91%);為犯罪行為提供倫理和心理上的“正當”理由(90%)。從冰島、北愛爾蘭以及Leo的研究成果來看,這些研究成果都對“里德訊問技巧”提出的疑問進行了間接回答。而且,從上可以看出,對這些疑問的回答,依靠了統計學這一工具。可見,對偵查方法、策略的評估研究是應當應用統計學的,而如果引入統計學這一工具,將把我國偵查學中偵查方法、策略的研究引入一個嶄新的階段。#p#分頁標題#e#
(三)統計學能夠為偵查學建立證據的科學評估體系
目前,我國的偵查實踐中,對證據的評估完全是一種“跟著感覺走”的狀態,規范性和科學性很低。之所以如此,是因為我國的偵查學沒有為偵查實踐提供一個科學的證據評估體系。到目前為止,我國的偵查學著作描述的多是對證據資格而非證明力的評估,對證明力也多是定性評估而非定量評估。然而,在偵查實踐中,證據資格評估和證明力評估是同等重要的;定性評估雖然不可少,但定量評估更有說服力。然而,要在偵查學中建立一個能夠定量評估證據證明力的方法體系,是離不開統計學的。在偵查中評估證據的證明力,要同時考慮肯定、否定兩個方面的情況。單純考慮某一證據可以確證或者可以否證某一犯罪事件或者犯罪事件中的某一要素,都是不科學的?？陀^地說,任何一個證據對某一犯罪事件或者犯罪事件中的某一要素,既有確證能力又有否證能力,只是能力的強弱不同而已。而且,犯罪嫌疑人沒有最后定罪之前,證據對犯罪事件的確證和否證都實際上是一種假設。是否要選取某一證據,就要將證據對犯罪事件的確證假說和否證假說進行一番量化對比,然后根據量化標準來選取證據。根據這一思想,我們將證據標記為E,證據的確證假設標記為Hp,證據的否證假設記為Hd;那么,證據支持確證假設的概率可以表示為p(E|Hp),而證據支持否證假設的概率可以表示為p(E|Hd)。而要比較這兩個概率的大小,同時用于決定是否選取證據,則要引入一個概念,即概率比(LikelihoodRatio,LR)。這個概率比等于證據支持確證假設概率p(E|Hp)除以證據支持否證假設概率p(E|Hd):LR=p(E|Hd)[5]可見,若證據支持確證假設的概率越大,則概率比值越大;若證據支持否證假設概率的概率越大,則概率比值越小。假如,經統計分析發現,犯罪現場找到的某一枚彈頭由某一槍支發射的概率為80%,而并非由這一槍支發射的概率為10%,則兩個概率的比值為LR=80%/10%=8。那么,這個概率比值要達到多大才能作為證據呢?經過研究發現,可以將這些比值用自然語言劃定等級,用于幫助選取或者排除證據。表1列出了與LR等值的自然語言。當然,偵查實踐中遠比這上面的情況復雜得多:首先,證據可能會很多,其次,證據的兩個概率值不易獲得。對于證據很多的問題,是可以解決的,只需將前面的LR公式推廣就行了(由于推廣的過程有些繁瑣,茲不贅述);對于證據的兩個概率值的問題,誠然,并非所有證據的概率都容易量化,但可以肯定的是,偵查實踐中有相當一部分證據的概率值是可以量化的。所以,這一評估證據的方法體系,可以應用到偵查學中去,當然這一方法的實質還是統計學。其實,類似的方法早已在國外的法庭科學實踐中運用了?？傊?在偵查學中,統計學是可以大有作為的,但是我國偵查學研究者中具有統計學知識背景的人卻少之又少,導致偵查學研究很少運用統計學。之所以如此,很大成程度上是由我國偵查學教育中統計學缺位造成的。
二、統計學課程缺位給偵查學教育帶來的后果
據Robertson和Fields二人于1986年對美國大學刑事司法專業開設統計學課程的調查顯示,絕大多數四年制本科刑事司法專業都必修統計學這一門課程[7]。這還只是1986年調查顯示的結果,現在開設統計學的范圍應該更加廣泛了。而相反,只要了解一下國內數十所警察、政法院校偵查專業教學課程的設置情況,我們就會發現,偵查專業的教學計劃中是沒有統計學這一門課程的。那么,統計學課程在偵查學教學中的缺位,到底帶來了什么不良后果呢?
(一)使偵查專業人才的知識結構很不合理
偵查實踐是一項復雜的社會實踐,偵查人員需要有廣泛的人文、社會、自然科學知識,還需要有豐富的生活經驗,才能勝任現代社會的犯罪偵查工作。因此,偵查學教育應該堅持通識教育的理念,在通識教育理念的指導下,偵查專業課程的設置應當堅持科技與人文并重、理論與實務并重的格局。然而,實際情況是,不管是警察院校還是政法院校的偵查學專業,其課程設置以人文學科為主,缺少科學技術學科;并且,偵查學教育長期重實踐、重應用,因此偵查課程設置也是重實務、輕理論。在這種課程設置的框架之下,是沒有統計學這一課程的,似乎也不需要有這門課程。然而,由于沒有設置統計學這一工具,使偵查專業人才的知識結構表現出不合理的特點:人文學科知識比重大而科學技術學科比重小;實務經驗比重大而理論比重小。因為,只有開設了統計學這門課程,現代自然科學技術才容易為偵查學專業的學生所接受;之所以如此,是因為現代科學技術都必須要運用統計學這一工具,而如果沒有這一工具,學生對任何自然科學技術都不可能深入學習、研究下去;這樣一來,在偵查學專業中培養學生的科學素養將成為空談。此外,由于缺少統計學知識,學生便缺少了一項研究社會的工具,對偵查實踐這一社會現象的認識只能停留于偵查實務人士的工作經驗總結這一水平上,根本無法利用現代社會科學的研究工具,從而展開有計劃、有條理的、系統的偵查學理論探索;這樣的結果便是,實務經驗的價值被無限拔高,而理論思考和探索的價值被無限貶低。這一切都是因為沒有培養偵查學專業的學生的科學精神所造成的,而科學精神的培養,少了統計學是不可能的。此外,由于缺少統計學的訓練,在偵查實踐中,偵查專業人員常常不知道利用統計學工具來分析偵查實踐中的問題,也不知道使用統計學工具來對具體案件中的證據進行科學評估。
(二)使偵查學研究長期處于“缺少問題”的狀態
科學哲學認為,科學探索開始于問題。[8]也就是說,科學的發展是因為人們對自然、社會等等現象有疑問,而又有力圖解決疑問的強烈沖動,因而才有人花費無數的精力、財力和時間來進行科學探索?？梢?提出問題在科學中的地位是無比重要的,而科學研究中最重要的意識就是問題意識;而如果有無數的問題需要某一門科學解決,那么這門科學將獲得無窮的發展動力,這門科學的發展前途將無限寬廣。我國的偵查學研究卻處于“缺少問題”的狀態。我們經?？梢月犚姀氖聜刹閷W研究的人士感嘆:偵查學的問題太少了!事實真的是這樣嗎?不是的,實際情況完全相反。且不說偵查學的概念體系需要厘清,學科體系需要完善,基礎理論需要完善和深化;就偵查實踐來說,亦有無窮無盡的問題需要偵查學研究者去研究、去解決。然而,人們為什么要感嘆偵查學“缺少問題”呢?道理很簡單,缺少發現問題的工具,而統計學則是一個發現問題的工具。偵查實務人士最關心的是具體工作目標怎么達成,如何清除阻礙工作目標實現的因素。對這些問題,偵查學界常常沒有一個好的答案,其原因在于沒有從這些表面問題看到更深入的問題,當然不會有好的答案。而要從表面問題看到更深刻的問題,沒有統計學這一工具是不行的;因為統計學可以將十分龐雜的社會調查資料進行深入分析和解釋,“統計學能使我們從資料中發現行為模式、設計有效的研究計劃、對大量信息進行簡化描述”。[9]然而,我們的偵查學教學計劃中卻沒有統計學這門課程,而這樣培養出來的偵查學研究者當然也沒有統計學知識,那么在研究中當然也就無法應用這一研究工具;因此,我國當今的偵查學研究者除了只能進行一下概念上的分析、觀念上的推演外,只能充當偵查實務人員的傳聲筒,根本無法對偵查這一社會現象進行科學、獨立的研究;這樣一來,偵查學研究怎么會有“問題”呢?沒有“問題”的科學是沒有前途的科學,我國的偵查學要找到自己的“問題”,得利用統計學。而偵查學要利用統計學,則需要有懂統計學的研究者,而懂統計學的偵查學研究者則絕大多數來自于學過統計學課程的學生。因此,在偵查學教育中開設統計學課程可以造就懂統計學的偵查學研究者,可以幫助偵查學找到“問題”,從而推動偵查學的發展。#p#分頁標題#e#
(三)使我國偵查學研究者長期無法與國外同行進行有效對話
托馬斯•庫恩(ThomasKuhn)在《科學革命的結構》一書中提出了科學研究的范式這一概念,他指出“‘范式’就是彼此糾纏的、復雜的理論信念和方法信念體系,它指導人們(在科學研究中)進行選擇、評估、批評”。[10]同樣,偵查學也有研究范式。我國偵查學的研究范式是借助自然語言對現象的描述進行觀念推演,而推演的過程和結論缺乏精度。而國外的同行進行的刑事司法研究(包括偵查學在內),深受西方社會科學范式轉換的影響(從單純觀念推演轉換到觀念推演與定量研究并重),一定程度實現了定量化研究。這主要體現在研究中大量利用統計學工具來獲取、分析、解釋資料。現在,國外的刑事司法學者(其中包括偵查學研究者)出版的論文、著作已經達到了這樣一種程度,即“大多數公開發表的研究實際上都是定量化了的,而且還要求用統計學方法分析資料”;[11]而查閱包括犯罪偵查在內的刑事司法文獻的學人會遇到這樣一種情況,即“如果不怎么熟悉統計學,就幾乎不可能讀懂絕大多數公開發表的刑事司法文獻和社會科學文獻”。[12]然而,不熟悉統計學,正是我國偵查學研究者的“軟肋”。于是,我國偵查學研究者與國外同行之間的對話出現了這樣的局面:國外同行不習慣我們的研究范式,認為我們的研究缺乏科學方法和科學依據;而國內學者只能知道國外同行對偵查實踐中某一問題的研究結論,根本無能力對研究方法進行評估。這樣一來,我國的偵查學研究無法介紹給國外同行;同時,我們也只能被動接受國外同行的研究結論,結論是對是錯,根本無力進行評估。顯然,這是一個讓人無奈的對話過程。這樣的對話并沒有使雙方真正了解對方,是一種無效的對話。而這一切很大程度上是由我國偵查學研究者沒有受過統計學訓練所造成的,其根本原因同樣可以追溯到偵查學教育中統計學的缺位。
統計學的研究特點范文3
【關鍵詞】統計 課程 發展 教學
【基金項目】*本文為梧州學院2012年教育教學改革重點資助項目“基于教育部新課標的大學概率統計課程銜接性教學資源開發研究”的部分成果；2010年廣西教育科學規劃、教師教育立項課題部分成果（桂教師范[2010]60號，項目編號：C類17）
【中圖分類號】C8 【文獻標識碼】A 【文章編號】2095-3089（2012）06-0125-01
一、中國統計課程的研究現狀
課程研究一直是教學研究的重點，統計教學的研究自然也離不開對統計課程發展的討論。統計課程的發展一直和統計學的學科地位息息相關，改革開放以前，統計學的學科發展一直依附于政府統計工作，人們對于統計課程的研究多局限于政府各個部門的統計指標、方法和制度。改革開放以后，隨著社會經濟體制的改變，統計學科更多地與數學和社會經濟學科相關聯，統計學的課程研究逐漸更多地和市場經濟發展相適應。1998年國家教育部把統計學設立為本科專業一級學科，統計學課程的研究更是得到了飛速的前進，關于統計課程結構、規格和目標的研究都更深入、更全面。
二、中國統計課程的教學發展特點分析
中國統計課程的發展和其它課程一樣，具有自身的發展方向。在中國社會教育、經濟高速發展的大背景下，統計課程的發展呈現出以下特點：
1. 統計課程從數理統計中分離，回歸自身的本質和特色
過去，統計在中國常被認為是數學的一部分，該類課程的教材和教學剛開始只片面地強調統計學的基礎理論，因此教師以數理統計為核心把統計課程作為數學的分支來組織教學。但隨著中國經濟的發展，統計課程的教學內容不再是單純的數理統計知識，逐漸還原統計的本質——收集、分析、表述和解釋數據，以此解決生產、生活和經濟發展中的問題。1998年教育部將統計學設置為本科一級專業學科，從此，統計學得到全面、快速的發展（吳啟富，2012：48）。統計課程也在學科發展帶動下，得到全面的提升，進一步完善了統計的課程結構、內容、教材以及學習的方式和評價的方法。
2. 統計課程開課范圍擴大和數量劇增
隨著統計逐漸擴展到政治、經濟、科技、文化等領域，統計課程在學校的開設數量也越來越多。全國大約 40% 的高校學生學習統計相關課程?，F在全國高校在校生已經超過了 2000 萬，以 40% 推算，大約有 800 萬在校大學生學習統計方法及應用的課程（劉超、吳喜之，2012：105）。我國高校大部分工科、理科專業以及管理類專業都把統計作為重要的基礎課程，非統計專業學生的統計課程和概率論合二為一，教師著重講授統計的基本方法、思路和統計軟件的操作，更多地考慮統計學和其它各個學科的關系，為龐大的統計學習群體找到實際應用的方法。
3. 統計課程發展具備良好的教育基礎和持續性
統計是貫穿小學、中學、大學數學教學大綱的知識。針對小學和初中的數學教學，教育部頒布的2011年版《全日制義務教育數學課程標準》把統計與概率作為九年義務教育階段數學四大學習領域之一，在課程內容的學習方面強調要樹立學生的統計觀念，應用意識和推理能力。針對高中階段的數學教學，2003年4月教育部頒布的《普通高中數學課程標準》把統計與概率作為高中三年的五大學習模塊之一，統計案例、推理與證明、統籌法等統計學知識更是高中數學的選修內容的重要組成部分，在課程內容的學習方面把統計作為基本技能之一，必備的常識。針對大學階段的數學教學，教育部沒有頒布統一的課程標準，大學專業種類繁多，統計課程的類別更是被劃分得多樣且細致，也不可能為此制定統一的全國課標。但是統計課程在大學數學教學中是基礎，非統計學專業的統計課程著重介紹統計學的初步概念、原理和方法，培養大學生基本的統計素質；統計專業的統計課程除了介紹常識性內容更注重講解數據的方法論本質（吳啟富，2012：49）。由此可見，統計課程具有良好的社會基礎和教學背景，其內容發展從中小學到大學是一脈相承的，教學的持續性強。
三、結論
中國的統計課程和中國的經濟發展一樣，還有很長的路要走，本研究仍缺乏更多的實證調查，希望有興趣的教師共參討。
參考文獻：
[1]李長吉,賈志國. 教育價值研究三十年[J]. 浙江師范大學學報( 社會科學版). 2012(2):76-81
[2]劉超、吳喜之. 統計教學面對的挑戰[J]. 統計研究. 2012,(2):105-108頁
[3]潘憊元, 王威廉. 高等教育學[M]. 福建:福建教育出版社，2002:36
[4] 檀傳寶. 教育是人類價值生命的中介——論價值與教育中的價值問題[J].教育研究. 2000,(3):14-20頁
[5]吳啟富. 中國統計學課程建設發展沿革及存在問題[J]. 統計與決策. 2012,(3):48-50頁
[6]中華人民共和國教育部制訂. 全日制義務教育數學課程標準[M]. 北京：北京師范大學出版社（第2版），2008
[7]中華人民共和國教育部制訂.普通高中數學課程標準(實驗)[M].北京：人民教育出版社，2003
統計學的研究特點范文4
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.
統計學的研究特點范文5
關鍵詞：科技；統計學；問題分析；思考；
文章編號：1674-3520（2015）-04-00-01
引言
由于統計學是一門獨立、比較難理解的學科，這就會出現一系列的相關問題。隨著中國進入一個快速發展的時期，我國經濟、科學、社會等進入了空前的發展階段，科技統計學作為一門新興的學科，如雨后春竹破土而出。而科技統計學作為新興的學科，將會迎來嚴峻的挑戰。怎樣才能在迎接挑戰的基礎上，解決科技統計學存在的問題，對此作出了相關的分析思考。
一、有關科技統計的對象及其范圍
（一）科技統計的研究對象
科技統計所研究的對象包含了社會發展變化的趨勢，它是對全社會科技活動的總體數量特點及變化。科技活動它涉及的范圍及其廣泛，所處的環境也較為復雜，有些不同的社會經濟現象都很容易被區分開來?？萍蓟顒佑泻芏啾举|的特征，它都是人類文明發展所積累下來的知識?？萍蓟顒拥谋举|特征包括創新性和多樣性，它的數量特點、數量變化沒有那么明顯的變化?？茖W技術活動是人類一種客觀存在的社會實踐，這些社會實踐的統計計量包含了很多特點，除了有統計研究所共有的數量性、總體性特點外，還具有統計學計量的其他特點，間接性就是其中的一個特性，很多東西都需要用一些特別的、間接地事物表現出來，例如想要衡量一個國的科技發展水平，基本上都會采用統計科技論文、文獻資源的數量來體現；對于各國在最近幾年，科研成果被引用的數量來表示。最明顯的一個特點就是模糊性，科技活動是一個不斷創新進步的過程，它其中涉及的領域就相對非常的廣泛，那么他的數量界限就不是很明確了。
（二）科技統計研究對象所包含的范圍
科技統計研究的對象所包含的范圍是最廣泛、最全面的。它應該包含著全社會、全人類，是一個大的研究統計過程。所謂的全社會的科技活動主要是分為三個部門：第一種是用獨立的專業機構來從事研究的活動；第二種是有指定的部門來組織大量的科技開發活動；三類是有從事科研的部門組織各種科技服務。這三類部門活動相對來說都處于初期的基礎，以上三種部門只有獨立的專業機構還相對比較規范，其他兩類統計部門都不規范，基本上都不具備使用的條件。從理論上講，技術進步的活動發展并開拓了科技活動，是社會科技活動的組成部分。要加強對科技統計部門的管理，只有這樣才能反映社會的現象，才能在社會經濟發展中起到至關重要的作用。
二、關于科技統計指標體系
它是一種全面的、科學的、標準的反映測評的工具，它具有完整的統計計量。全面的科技統計指標有利于對科技統計的研究對象和研究范圍進行一個科學的界定，我們要把握好對科技技能的活動特點和內容進入深入的了解。
一個完整的科技統計指標體系通常包括兩個部分，這兩個部分都是科技統計指標中不可缺少的部分，第一部分是指科技活動類指標，它一般都體現了科技活動的前期準備，是由一群科技活動過程、科技產出的情況等指標構成的，所謂的科技活動是指對課題的研究、技術的服務以及進行學術交流等內容，這些內容一般涉及的范圍較廣泛，這些都反映了科技活動龐大的規模形式。而科技產出主要是對科技的成果、專利等科技活動得到的經濟收益，它從認識和發展的角度都體現了科技勞動者存在的價值。第二部分是衡量科技地位的指標，在科技統計學中，必須有較高的文化知識和努力學習的精神，這些都為科技統計提供了前所未有的幫助。他們每一個指標都代表著一種涵義，都對科技統計的進步提供不可或缺的幫助。技術進步也代表著科技統計指標向一個全新的方向發展，它是科學活動的延續。反映科技統計可以從技術進步的活動、效果、措施等三方面，這些都是技術進步類指標進行完善的要求。對于科技經濟效益指標來說，有的科技成果體現了學術價值，有的體現經濟價值，它們都能帶來巨大的經濟效益，還間接地擴展了科技生產領域。另一方面從客觀層面上說科技經濟效益也屬于科技活動的產出，它在帶來科技經營收益時，同時也提高了科學技術在社會經濟中的重要地位?？萍歼M步的宏觀計量指標的涵義是指有關科技成果的范圍不斷的增大，它的經濟效益也會出現在其他地區，那么相對的范圍就無限擴大了，因此使用簡單的常規統計方法來進行統計是行不通的，必須采用一些科學的計量指標，才能準確的反應出來，這些指標體系都全面的促進科技的進步，并且對于統計學也加強了完善。
三、關于科技統計的問題分析及思考
（一）制定統一的科學管理措施，加大科技的投入總量
對于各級政府的統計部門，最重要的任務就是要規劃好對社會科技投入的總量，要合理的分配資源?？萍冀y計系統作為國家一級的實施系統，所謂要投入大的人力物力，來開發并研制機構統計。由于在統計的過程中各個系統的工作的出發點不同，它所統計出來的結果和范圍也是有所差別的，統計指標的無法配置，分類無法連接，這就導致一系列的問題出現。想要解決這種問題，就要協調有關政府部門進行調節，或者設計出滿足系統統計要求的指標，同時要符合國際標準。所以說為了取消這種差異化，各個系統都要以國際化的標準形式出現，以國家統計局為中心，所以國家必須建立一套具有科學化、完整化的體系。
（二）建立科學的財務統計，解決科技活動增加值的計算問題
所謂的財務統計就是對會計核算資料進行相關的整理歸納，它的主要目的就是為了收集整理會計資料?？萍贾笜梭w系最需要補充完善的是科技活動單位的財務統計指標。有了科技財務統計這一策略，對于科技活動增加的核算就很容易被解決掉。
統計學的研究特點范文6
關鍵詞:大數據;統計學;數據分析;抽樣理論;理論
重構隨著信息科學技術的高速度發展,當代獲取和儲存數據信息的能力不斷增強而成本不斷下降,這為大數據的應用提供了必要的技術環境和可能.應用大數據技術的優勢愈來愈明顯,它的應用能夠幫助人類獲取真正有價值的數據信息.近年來,專家學者有關大數據技術問題進行了大量的研究工作[1],很多領域也都受到了大數據分析的影響.這個時代將大數據稱為未來的石油,它必將對這個時代和未來的社會經濟以及科學技術的發展產生深遠的意義和影響.目前對于大數據概念,主要是從數據來源和數據的處理工具與處理難度方面考慮,但國內外專家學者各有各的觀點,并沒有給出一致的精確定義.麥肯錫全球數據分析研究所指出大數據是數據集的大小超越了典型數據庫工具集合、存儲、管理和分析能力的數據集,大數據被Gartner定義為極端信息管理和處理一個或多個維度的傳統信息技術問題[23].目前得到專家們認可的一種觀點,即:“超大規?！笔荊B級數據,“海量”是TB級數據,而“大數據”是PB及其以上級別數據[2].
一些研究學者把大數據特征進行概括,稱其具有數據規模巨大、類型多樣、可利用價值密度低和處理速度快等特征,同時特別強調大數據區別于其他概念的最重要特征是快速動態變化的數據和形成流式數據.大數據技術發展所面臨的問題是數據存儲、數據處理和數據分析、數據顯示和數據安全等.大數據的數據量大、多樣性、復雜性及實時性等特點,使得數據存儲環境有了很大變化[45],而大部分傳統的統計方法只適合分析單個計算機存儲的數據,這些問題無疑增加了數據處理和整合的困難.數據分析是大數據處理的核心過程,同時它也給傳統統計學帶來了巨大的挑戰[6].產生大數據的數據源通常情況下具有高速度性和實時性,所以要求數據處理和分析系統也要有快速度和實時性特點,而傳統統計分析方法通常不具備快速和實時等特點.基于大數據的特點,傳統的數據統計理論已經不能適應大數據分析與研究的范疇,傳統統計學面臨著巨大的機遇與挑戰,然而為了適應大數據這一新的研究對象,傳統統計學必須進行改進,以繼續和更好的服務于人類.目前國內外將大數據和統計學相結合的研究文獻并不多.本文對大數據時代這一特定環境背景,統計學的抽樣理論和總體理論的存在價值、統計方法的重構及統計結果的評價標準的重建等問題進行分析與研究.
1傳統意義下的統計學
廣泛的統計學包括三個類型的統計方法:①處理大量隨機現象的統計方法,比如概率論與數理統計方法.②處理非隨機非概率的描述統計方法,如指數編制、社會調查等方法.③處理和特定學科相關聯的特殊方法,如經濟統計方法、環境科學統計方法等[7].受收集、處理數據的工具和能力的限制,人們幾乎不可能收集到全部的數據信息,因此傳統的統計學理論和方法基本上都是在樣本上進行的.或者即使能夠得到所有數據,但從實際角度出發,因所需成本過大,也會放棄搜集全部數據.然而,選擇最佳的抽樣方法和統計分析方法,也只能最大程度還原總體一個特定方面或某些方面的特征.事實上我們所察覺到的數據特征也只是總體大量特征中的一小部分,更多的其他特征尚待發掘.總之,傳統統計學是建立在抽樣理論基礎上,以點帶面的統計分析方法,強調因果關系的統計分析結果,推斷所測對象的總體本質的一門科學,是通過搜集、整理和分析研究數據從而探索數據內部存在規律的一門科學.
2統計學是大數據分析的核心
數的產生基于三個要素,分別是數、量和計量單位.在用數來表示事物的特征并采用了科學的計量單位后,就產生了真正意義上的數據,即有根據的數.科學數據是基于科學設計,通過使用觀察和測量獲得的數據,認知自然現象和社會現象的變化規律,或者用來檢驗已經存在的理論假設,由此得到了具有實際意義和理論意義的數據.從數據中獲得科學數據的理論,即統計學理論.科學數據是通過統計學理論獲得的,而統計學理論是為獲得科學數據而產生的一門科學.若說數據是傳達事物特征的精確語言,進行科學研究的必備條件,認知世界的重要工具,那么大數據分析就是讓數據最大限度地發揮功能,充分表達并有效滿足不同需求的基本要求.基于統計學的發展史及在數據分析中的作用,完成將數據轉化為知識、挖掘數據內在規律、通過數據發現并解決實際問題、預測可能發生的結果等是研究大數據的任務,而這必然離不開統計學.以大數據為研究對象,通過數據挖掘、提取、分析等手段探索現象內在本質的數據科學必須在繼承或改進統計學理論的基礎上產生.
統計數據的發展變化經歷了一系列過程,從只能收集到少量的數據到盡量多地收集數據,到科學利用樣本數據,再到綜合利用各類數據,以至于發展到今天的選擇使用大數據的過程.而統計分析為了適應數據可觀察集的不斷增大,也經歷了相應的各個不同階段,產生了統計分組法、大量觀察法、歸納推斷法、綜合指標法、模型方程法和數據挖掘法等分析方法,并且借助計算機以及其他軟件的程度也越來越深.300多年來,隨著數據量以指數速度的不斷增長,統計學圍繞如何搜集、整理和分析數據而展開,合理構建了應用方法體系,幫助各個學科解決了許多復雜問題.現在進入了大數據時代,統計學依舊是數據分析的靈魂,大數據分析是數據科學賦予統計學的新任務.對于統計學而言,來自新時代的數據科學挑戰有可能促使新思想、新方法和新技術產生,這一挑戰也意味著對于統計學理論將面臨巨大的機遇.
3統計學在大數據時代下必須改革
傳統統計學是通過對總體進行抽樣來搜索數據,對樣本數據進行整理、分析、描述等,從而推斷所測對象的總體本質,甚至預測總體未來的一門綜合性學科.從研究對象到統計結果的評判標準都是離不開樣本的抽取,完全不能適應大數據的4V特點,所以統計學為適應大數據技術的發展,必須進行改革.從學科發展角度出發,大數據對海量數據進行存儲、整合、處理和分析,可以看成是一種新的數據分析方法.數據關系的內在本質決定了大數據和統計學之間必然存在聯系,大數據對統計學的發展提出了挑戰,體現在大樣本標準的調整、樣本選取標準和形式的重新確定、統計軟件有待升級和開發及實質性統計方法的大數據化.但是也提供了一個機遇,體現在統計質量的提高、統計成本的下降、統計學作用領域的擴大、統計學科體系的延伸以及統計學家地位的提升[7].
3.1大數據時代抽樣和總體理論存在價值
傳統統計學中的樣本數據來自總體,而總體是客觀存在的全體,可以通過觀測到的或經過抽樣而得到的數據來認知總體.但是在大數據時代,不再是隨機樣本,而是全部的數據,還需要假定一個看不見摸不著的總體嗎?如果將大數據看成一個高維度的大樣本集合,針對樣本大的問題,按照傳統統計學的方法,可以采用抽樣的方法來減少樣本容量,并且可以達到需要的精度;對于維度高的問題,可以采取對變量進行選擇、降維、壓縮、分解等方法來降低數據的復雜程度.但實際上很難做得到,大數據涵蓋多學科領域、多源、混合的數據,各學科之間的數據融合,學科邊界模糊,各范疇的數據集互相重疊,合成一體,而且大數據涉及到各種數據類型.因此想要通過抽樣而使數據量達到傳統統計學的統計分析能力范圍是一件相當困難或是一件不可能的事.大量的結構數據和非結構數據交織在一起,系統首先要認清哪個是有價值的信息,哪個是噪聲,以及哪些不同類型的數據信息來自于同一個地址的數據源,等等,傳統的統計學是無法做到的.在大數據時代下,是否需要打破傳統意義的抽樣理論、總體及樣本等概念和關系,是假設“樣本=總體”,還是“樣本趨近于總體”,還是不再使用總體和樣本這兩個概念,而重新定義一個更合適的概念,等等.人們該怎樣“安排”抽樣、總體及樣本等理論,或人們該怎樣修正抽樣、總體、樣本的“公理化”定義,這個問題是大數據時代下,傳統統計學面臨改進的首要問題.
3.2統計方法在大數據時代下的重構問題
在大數據時代下,傳統的高維度表達、結構描述和群體行為分析方法已經不能精確表達大數據在異構性、交互性、時效性、突發性等方面的特點,傳統的“假設-模型-檢驗”的統計方法受到了質疑,而且從“數據”到“數據”的統計模式還沒有真正建立,急切需要一個新的理論體系來指引,從而建立新的分析模型.去除數據噪聲、篩選有價值的數據、整合不同類型的數據、快速對數據做出分析并得出分析結果等一系列問題都有待于研究.大數據分析涉及到三個維度,即時間維度、空間維度和數據本身的維度,怎樣才能全面、深入地分析大數據的復雜性與特性,掌握大數據的不確定性,構建高效的大數據計算模型,變成了大數據分析的突破口.科學數據的演變是一個從簡單到復雜的各種形式不斷豐富、相互包容的過程,是一個循序漸進的過程,而不是簡單的由一種形式取代另一種形式.研究科學數據的統計學理論也是一樣,也是由簡單到復雜的各種形式相互包容、不斷豐富的發展過程,而絕不是完全否定一種理論、由另一種理論形式所代替.大數據時代的到來統計學理論必須要進行不斷的完善和發展,以適應呈指數增長的數據量的大數據分析的需要.
3.3如何構建大數據時代下統計結果的評價標準框架
大數據時代下,統計分析評價的標準又該如何變化?傳統統計分析的評價標準有兩個方面,一是可靠性評價,二是有效性評價,然而這兩種評價標準都因抽樣而生.可靠性評價是指用樣本去推斷總體有多大的把握程度,一般用概率來衡量.可靠性評價有時表現為置信水平,有時表現為顯著性水平[8].怎么確定顯著性水平一直是個存在爭議的問題,特別是在模型擬合度評價和假設檢驗中,因為各自參照的分布類型不一樣,其統計量就不一樣,顯著性評價的臨界值也就不一樣,可是臨界值又與顯著性水平的高低直接相關.而大數據在一定程度上是全體數據,因此不存在以樣本推斷總體的問題,那么在這種情況下,置信水平、可靠性問題怎么確定?依據是什么?有效性評價指的是真實性,即為誤差的大小,它與準確性、精確性有關.通常準確性是指觀察值與真實值的吻合程度,一般是無法衡量的,而精確性用抽樣分布的標準差來衡量.顯然,精確性是針對樣本數據而言的,也就是說樣本數據有精確性問題,同時也有準確性問題.抽樣誤差和非抽樣誤差都可能存在于樣本數據中,抽樣誤差可以計算和控制,但是非抽樣誤差只能通過各種方式加以識別或判斷[910].大多數情況下,對于樣本量不是太大的樣本,非抽樣誤差可以得到較好的防范,然而對于大數據的全體數據而言,沒有抽樣誤差問題,只有非抽樣誤差問題,也就是說大數據的真實性只表現為準確性.但是由于大數據特有的種種特性,使得大數據的非抽樣誤差很難進行防范、控制,也很難對其進行準確性評價.總之,對于大數據分析來說,有些統計分析理論是否還有意義,確切說有哪些統計學中的理論可以適用于大數據分析,而哪些統計學中的理論需要改進,哪些統計學中的理論已不再適用于大數據統計研究,等等,都有待于研究.所以大數據時代的統計學必是在繼承中求改進,改進中求發展,重構適應大數據時代的新統計學理論.
4結論
來自于社會各種數據源的數據量呈指數增長,大數據對社會發展的推動力呈指數效應,大數據已是生命活動的主要承載者.一個新事物的出現,必然導致傳統觀念和傳統技術的變革.對傳統統計學來說,大數據時代的到來無疑是一個挑戰,雖然傳統統計學必須做出改變,但是占據主導地位的依然會是統計學,它會引領人類合理分析利用大數據資源.大數據給統計學帶來了機遇和挑戰,統計學家們應該積極學習新事物,適應新環境,努力為大數據時代創造出新的統計方法,擴大統計學的應用范圍.
參考文獻:
[1]陳冬玲,曾文.頻繁模式挖掘中基于CFP的應用模型[J]沈陽大學學報(自然科學版),2015,27(4):296300.
[3]卞友江.“大數據”概念考辨[J].新聞研究導刊,2013,35(5):2528.
[5]靳小龍,王元卓,程學旗.大數據的研究體系與現狀[J].信息通信技術,2013(6):3543.
[6]覃雄派,王會舉,杜小勇,等.大數據分析:Rdbms與Mapreduce的競爭與共生[J].軟件學報,2012,23(1):32-45.
[7]游士兵,張佩,姚雪梅.大數據對統計學的挑戰和機遇[J].珞珈管理評論,2013(2):165171.
[8]李金昌.大數據與統計新思維[J].統計研究,2014,31(1):1017.
