统计学的研究特点范例6篇

前言:中文期刊网精心挑选了统计学的研究特点范文供你参考和学习,希望我们的参考范文能激发你的文章创作灵感,欢迎阅读。

统计学的研究特点

统计学的研究特点范文1

[关键词] 基底节出血;丘脑出血;记忆损害;特点

[中图分类号] R4 [文献标识码] A [文章编号] 1674-0742(2016)12(a)-0001-04

血管性痴呆是一种严重认知功能障碍综合征,出血性卒中和缺血性卒中均可导致血管性痴呆,临床治疗效果欠佳。脑卒中后患者多表现为执行功能受损的认知功能损害,而且老年人皮质及基底节梗死早期就会影响记忆功能。有研究显示每种记忆系统都有特异的脑区参与,因此不同性质的记忆障碍间接反映不同部位的脑组织损害[1]。该文整群选择2014年3月―2016年3月该院收治的脑出血患者78例为研究对象,其中41例基底节出血和37例丘脑部脑出血,观察出血恢复期的记忆损害,以探讨无脑出血后各种记忆成分损害的特点,现报道如下。

1 资料与方法

1.1 研究对象的选择与分组

整群选取内蒙古国际蒙医医院脑外科收治的脑出血恢复期患者78例,男性45例,女性33例,年龄45~65岁,其中基底节出血41例,丘脑出血37岁,符合1995中华医学会制定的脑出血诊断标准,并经头部MRA或CTA检查证实,脑出血后6~9个月。排除标准:非源自脑出血导致的认知障碍患者,排除严重的听觉、视觉障碍及意识障碍、失语等不能完成认知检测者,排除有精神疾病、明显情绪障碍及不愿合作的患者。78例脑出血恢复期患者根据出血部位不同分为基底节出血组41例,男21例,女20例,平均年龄(51.6±3.3)岁;丘脑出血组37例,男24例,女13例,平均年龄(51.9±3.8)岁;另选取同期健康体检者40名作为对照组,对照组患者无精神系统及神经系统疾病史,无导致认知功能障碍的系统性疾病,无智能障碍,男22名,女18名,平均年龄(50.3±2.2)岁;3组患者一般资料差异无统计学意义,具有可比性(P>0.05)。

1.2 研究方法

采用韦氏记忆量表(WMS)、韦氏成人智力量表(WAIS)、Rey听觉词语学习测验(AVMT)来评价两组患者记忆成分的差异。

1.2.1 韦氏记忆量表 选用1989年湖南医科大学修正版本,内容包括:瞬时记忆测验(顺背、倒背)、短时记忆测验(再生、再认、图片回忆、触摸、联想、理解记忆)、长时记忆测验(经历、定向、数字顺序)。

1.2.2 韦氏成人智力量表 选用1989年湖南医科大学修正版本,内容包括:操作测验(填图、数字符号、图形拼凑、图片排列)、言语测验(知识、算术、领悟、相似、词汇、数字广度),该研究选用了词汇分测验和数字广度倒背分测验。

1.2.3 Rey听觉词语学习测验 向受试者读出12个词语,要求连续学习3次。给予非语言刺激间隔3 min后,回忆之前的12个词语,为短延迟回忆;非语言刺激间隔20 min后,回忆之前的12个词为长延迟回忆。

1.3 统计方法

采用SPSS 19.0统计学软件分析所有数据,计量资料(x±s)表示,行t检验,计数资料比较采用χ2检验,P

2 结果

2.1 基底节出血组患者与对照组记忆成分比较

患者在1-100、100-1、累加、视觉再生、视觉再认、图片回忆、触觉记忆、联想学习、语义记忆、工作记忆、短延迟回忆、长延迟回忆等记忆指标上得分均显著低于正常对照组,提示基底节出血恢复期患者存在记忆受损,主要表现在短时记忆、工作记忆、语义记忆、延迟回等记忆成分方面,见表1。

2.2 丘脑出血组患者与对照组记忆成分比较

患者在1-100、100-1、累加、视觉再生、视觉再认、图片回忆、触觉记忆、联想学习、词汇测试、倒背、短延迟回忆、长延迟回忆等记忆指标上得分均显著低于正常对照组,提示丘脑出血恢复期患者均存在记忆受损。

2.3 基底节出血组与丘脑出血组患者记忆成分比较

基底节出血组患者与丘脑出血组患者在记忆成分中长延迟回忆方面(2.36±0.95)vs(1.21±0.14)比较,差异有统计学意义(P

3 讨论

与记忆有关的功能区主要有前额叶、颞叶内侧面、丘脑、海马、海马旁回、基底节等部位,内侧颞叶记忆系统又称海马记忆系统,在记忆的编码、存储和提取等记忆形成中起重要作用;丘脑前核和丘脑背内侧核与额叶皮层和内侧颞叶系统有着密集的纤维联系。医学诊疗技术的迅猛发展带动影像学技术在临床应用越来越广泛,而脑内存在多重记忆系统也逐渐获得越来越多的证据支持。海马在情景记忆中起重要作用,而情景记忆主要依赖于内侧颞叶结构的完整性,同时额叶是情景记忆系统的重要组成,其中右前额叶和左前额叶分别负责情景记忆信息的提取和编码[2]。工作记忆不仅需要额叶皮质的参与,而且顶叶及颞叶也在工作记忆中起重要作用。语义记忆的功能区则位于前颞叶、后颞叶及下顶叶[3]。目前脑出血后引起记忆障碍通常认为是由于脑水肿导致颅内压升高,另外血肿产生机械性压迫,使脑组织灌注减少,也会导致认知功能减退[4]。脑出血后患者脑组织能量代谢紊乱,凝血因子聚集于血肿周围细胞内,引发炎症反应、氧化应激及细胞毒性损伤[5],破坏与记忆相关的脑区,引起认知能力障碍。有研究证实中风患者发病后均会出现明显的记忆障碍,有的发病后数年仍主诉有记忆障碍[6]。该研究探讨了不同部位脑出血恢复期记忆成分损伤情况,结果发现基底节出血及丘脑出血均存在包括定向方面在内的广泛的记忆障碍,说明基底节和丘脑在患者认知和记忆形成中起重要作用,提示脑出血患者即使恢复期仍存在记忆障碍。基底神经节调节和控制运动,同时参与多项其也功能,如语言、学习等[7]。该研究结果显示患者分别出现语义记忆、工作记忆、短时记忆、延迟记忆等损害。有学者研究后认为尾状核遭到破坏会导致注意力障碍和多动症而影响短期记忆[8],前额叶皮质起着自上而下的认知控制功能,基地神经节对工作记忆加工过程起支持作用。丘脑前核是海马环路的重要组成部分,在记忆编码与提取中起重要作用;另外丘脑还参与执行短时记忆[9],而在长时记忆的提取过程中,早期记忆信号的提取需要依赖丘脑向前额叶皮质传递完成。该研究结果也提示患者恢复期存在长时、短时、工作等方面的记忆成分损害。主要是因为丘脑是皮质-基底节-丘脑-皮质环路中的关键神经结构,共同参与了空间工作记忆,同时丘脑参与工作、情景、语义等方面的记忆成分加工过程。有研究显示[10]丘脑背内侧核和丘脑中央中核-束旁核复合体功能结构的完整性直接影响语义记忆信息的提取。另有研究显示背外侧前额叶在工作记忆中起重要作用[11]。该研究中,基底节出血组1-100、长延迟回忆的评分分别为(112.58±35.46)分和(2.36±0.95)分,丘脑出血组分别为(73.21±18.64)分和(1.21±0.14)分,基底节出血组高于丘脑出血组,研究结果与丁伟等[12]报道一致。基底节出血组长延迟回忆的评分为(2.36±1.50)分,丘脑出血组评分为(1.20±1.14)分,基底节出血组高于丘脑出血组。Maeshima等[13]的报道,双侧丘脑下脚或脚间区域梗死会留下永久遗忘症,多因丘脑部病变引起,一般与丘脑背内核,左颞区颞干病变密切相关,由双侧丘脑病变所致,但单侧丘脑病变也可导致遗忘症。在一项对41例急性脑卒中患者进行听觉词语回忆测验时发现,丘脑在人类记忆活动中起重要作用。丘脑左侧卒中会导致语义层次结构受到破坏,有丘脑病灶的患者智力和执行力功能良好,但记忆力和精神运动速度、外在记忆、内在视觉运动序列学习受损,不只影响指令记忆,还影响非指令运动技能的学习。

之,记忆障碍是脑出血恢复期患者的常见症状,因此,针对患者的记忆成分损伤特点给予及时的干预,有助于降低血管性痴呆的发生概率。该研究不足处是样本量相对较少,不同时间段脑出血及其他部位脑出血与记忆损害的关系并未观察到,需要对患者进行长期随访并增加研究样本量,才能获得准确结果。

[参考文献]

[1] 李晓莉.吡拉西坦对老年血管性非痴呆认知功能损害的疗效观察[J].神经损伤与功能重建,2015,10(5):459-460.

[2] 李晓宇,周利民,毕家香,等.蒙特利尔认知评估量表在高血压脑出血患者认知功能筛查中的应用[J].临床医学,2014(12):24-25.

[3] 毛高峰,李朝武,聂海岭,等.非痴呆型血管性认知障碍的神经心理学研究[J].临床和实验医学杂志,2014,13(16):1366-1369.

[4] 李旗.NSE、S100β与老年高血压性脑出血患者认知障碍的相关性研究[J].陕西医学杂志,2015,44(8):1030-1031.

[5] 肖展宏.脑出血或脑梗塞引起的认知障碍对神经运动功能的影响[J].按摩与康复医学,2013,4(5):51-53.

[6] 吴海宽,王晓青.奥拉西坦和吡拉西坦治疗老年脑出血后认知功能障碍的疗效比较[J].现代药物与临床,2014(10):1117-1120.

[7] 姜容,常履华.脑出血后认知功能障碍的研究进展[J].医学综述,2014,20(10):806-1808.

[8] 李会琪,何剑波,张恒,等.脑出血患者认知功能障碍与脑白质疏松症相关性分析[J].陕西医学杂志,2013,42(8):1046-1047.

[9] 邢立红,翟飞,张敬,等.脑微出血灶与认知功能相关性的磁共振研究[J].中华老年心脑血管病杂志,2014,16(3):287-290.

[10] 刘雯文,刘进才.脑微出血与认知功能障碍研究进展[J].现代医药卫生,2015,31(5):710-712.

[11] 汪国宏,吴竹青,王小强,等.脑微出血的危险因素及其对认知功能影响的临床研究[J].中华老年心脑血管病杂志,2014,16(7):736-739.

[12] 丁伟.不同部位脑出血的危险因素及恢复期记忆障碍的研究[D].济南:山东大学:2014.

统计学的研究特点范文2

对非数学或者经济学专业的人士来说,统计学是陌生的;对我国研习法学或者刑事司法的人士来说,统计学更是一门枯燥而且令人望而生畏的学问。但是,统计学是很有用的。客观世界中有许多令人不解的现象,对这些现象的解答绝大多数不是非“黑”即“白”的,而是处在“黑”“白”之间的“灰色地带”。要揭示这些“灰色地带”的规律,非统计学莫属。由于诸多原因,我国的侦查学教育甚至侦查学研究中都几乎找不到统计学的身影,这在一定程度上阻碍了侦查学的发展,使侦查学教育长期徘徊在经验传授的低水平层次上,使侦查学无法摆脱“技艺”的身份而难以跻身于真正的学问之林。为了使人们认识到统计学在侦查学教育中的必要性,本文从正面讨论统计学对侦查学意义的同时,亦从反面分析了统计学缺位给侦查学教育带来的后果,从而论证了在侦查学教育中开设统计学这一课程的必要性。

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

托马斯•库恩(ThomasKuhn)在《科学革命的结构》一书中提出了科学研究的范式这一概念,他指出“‘范式’就是彼此纠缠的、复杂的理论信念和方法信念体系,它指导人们(在科学研究中)进行选择、评估、批评”。[10]同样,侦查学也有研究范式。我国侦查学的研究范式是借助自然语言对现象的描述进行观念推演,而推演的过程和结论缺乏精度。而国外的同行进行的刑事司法研究(包括侦查学在内),深受西方社会科学范式转换的影响(从单纯观念推演转换到观念推演与定量研究并重),一定程度实现了定量化研究。这主要体现在研究中大量利用统计学工具来获取、分析、解释资料。现在,国外的刑事司法学者(其中包括侦查学研究者)出版的论文、著作已经达到了这样一种程度,即“大多数公开发表的研究实际上都是定量化了的,而且还要求用统计学方法分析资料”;[11]而查阅包括犯罪侦查在内的刑事司法文献的学人会遇到这样一种情况,即“如果不怎么熟悉统计学,就几乎不可能读懂绝大多数公开发表的刑事司法文献和社会科学文献”。[12]然而,不熟悉统计学,正是我国侦查学研究者的“软肋”。于是,我国侦查学研究者与国外同行之间的对话出现了这样的局面:国外同行不习惯我们的研究范式,认为我们的研究缺乏科学方法和科学依据;而国内学者只能知道国外同行对侦查实践中某一问题的研究结论,根本无能力对研究方法进行评估。这样一来,我国的侦查学研究无法介绍给国外同行;同时,我们也只能被动接受国外同行的研究结论,结论是对是错,根本无力进行评估。显然,这是一个让人无奈的对话过程。这样的对话并没有使双方真正了解对方,是一种无效的对话。而这一切很大程度上是由我国侦查学研究者没有受过统计学训练所造成的,其根本原因同样可以追溯到侦查学教育中统计学的缺位。

统计学的研究特点范文3

【关键词】统计 课程 发展 教学

【基金项目】*本文为梧州学院2012年教育教学改革重点资助项目“基于教育部新课标的大学概率统计课程衔接性教学资源开发研究”的部分成果;2010年广西教育科学规划、教师教育立项课题部分成果(桂教师范[2010]60号,项目编号:C类17)

【中图分类号】C8 【文献标识码】A 【文章编号】2095-3089(2012)06-0125-01

一、中国统计课程的研究现状

课程研究一直是教学研究的重点,统计教学的研究自然也离不开对统计课程发展的讨论。统计课程的发展一直和统计学的学科地位息息相关,改革开放以前,统计学的学科发展一直依附于政府统计工作,人们对于统计课程的研究多局限于政府各个部门的统计指标、方法和制度。改革开放以后,随着社会经济体制的改变,统计学科更多地与数学和社会经济学科相关联,统计学的课程研究逐渐更多地和市场经济发展相适应。1998年国家教育部把统计学设立为本科专业一级学科,统计学课程的研究更是得到了飞速的前进,关于统计课程结构、规格和目标的研究都更深入、更全面。

二、中国统计课程的教学发展特点分析

中国统计课程的发展和其它课程一样,具有自身的发展方向。在中国社会教育、经济高速发展的大背景下,统计课程的发展呈现出以下特点:

1. 统计课程从数理统计中分离,回归自身的本质和特色

过去,统计在中国常被认为是数学的一部分,该类课程的教材和教学刚开始只片面地强调统计学的基础理论,因此教师以数理统计为核心把统计课程作为数学的分支来组织教学。但随着中国经济的发展,统计课程的教学内容不再是单纯的数理统计知识,逐渐还原统计的本质——收集、分析、表述和解释数据,以此解决生产、生活和经济发展中的问题。1998年教育部将统计学设置为本科一级专业学科,从此,统计学得到全面、快速的发展(吴启富,2012:48)。统计课程也在学科发展带动下,得到全面的提升,进一步完善了统计的课程结构、内容、教材以及学习的方式和评价的方法。

2. 统计课程开课范围扩大和数量剧增

随着统计逐渐扩展到政治、经济、科技、文化等领域,统计课程在学校的开设数量也越来越多。全国大约 40% 的高校学生学习统计相关课程。现在全国高校在校生已经超过了 2000 万,以 40% 推算,大约有 800 万在校大学生学习统计方法及应用的课程(刘超、吴喜之,2012:105)。我国高校大部分工科、理科专业以及管理类专业都把统计作为重要的基础课程,非统计专业学生的统计课程和概率论合二为一,教师着重讲授统计的基本方法、思路和统计软件的操作,更多地考虑统计学和其它各个学科的关系,为庞大的统计学习群体找到实际应用的方法。

3. 统计课程发展具备良好的教育基础和持续性

统计是贯穿小学、中学、大学数学教学大纲的知识。针对小学和初中的数学教学,教育部颁布的2011年版《全日制义务教育数学课程标准》把统计与概率作为九年义务教育阶段数学四大学习领域之一,在课程内容的学习方面强调要树立学生的统计观念,应用意识和推理能力。针对高中阶段的数学教学,2003年4月教育部颁布的《普通高中数学课程标准》把统计与概率作为高中三年的五大学习模块之一,统计案例、推理与证明、统筹法等统计学知识更是高中数学的选修内容的重要组成部分,在课程内容的学习方面把统计作为基本技能之一,必备的常识。针对大学阶段的数学教学,教育部没有颁布统一的课程标准,大学专业种类繁多,统计课程的类别更是被划分得多样且细致,也不可能为此制定统一的全国课标。但是统计课程在大学数学教学中是基础,非统计学专业的统计课程着重介绍统计学的初步概念、原理和方法,培养大学生基本的统计素质;统计专业的统计课程除了介绍常识性内容更注重讲解数据的方法论本质(吴启富,2012:49)。由此可见,统计课程具有良好的社会基础和教学背景,其内容发展从中小学到大学是一脉相承的,教学的持续性强。

三、结论

中国的统计课程和中国的经济发展一样,还有很长的路要走,本研究仍缺乏更多的实证调查,希望有兴趣的教师共参讨。

参考文献:

[1]李长吉,贾志国. 教育价值研究三十年[J]. 浙江师范大学学报( 社会科学版). 2012(2):76-81

[2]刘超、吴喜之. 统计教学面对的挑战[J]. 统计研究. 2012,(2):105-108页

[3]潘惫元, 王威廉. 高等教育学[M]. 福建:福建教育出版社,2002:36

[4] 檀传宝. 教育是人类价值生命的中介——论价值与教育中的价值问题[J].教育研究. 2000,(3):14-20页

[5]吴启富. 中国统计学课程建设发展沿革及存在问题[J]. 统计与决策. 2012,(3):48-50页

[6]中华人民共和国教育部制订. 全日制义务教育数学课程标准[M]. 北京:北京师范大学出版社(第2版),2008

[7]中华人民共和国教育部制订.普通高中数学课程标准(实验)[M].北京:人民教育出版社,2003

统计学的研究特点范文4

关键词:生物统计学;精品课程;教学改革

一、引言

随着生物科学的发展,只有定性的结论已不能满足实践的需要,实现生物科学结论定量化是人们长期追求探索的目标;生物统计学是生物学科定量化的重要分析理论与方法,生物统计学是生物学科应具备的基本知识和素质,与生命活动有关的各种现象中普遍存在着随机现象,大到森林陆地生态系统,小至分子水平,均受到许多随机因素的影响,表现为各种各样的随机现象,而生物统计学正是从数量方面揭示大量随机现象中存在的必然规律的学科。因此,生物统计学是一门在实践中应用十分广泛的工具学科,它是生命科学各专业的专业基础课,对后续生命科学课程学习和生物科研有重要作用。

同时,生物统计作为数理统计在生物学领域的应用,是教学难度较大的一门课程。因此,在生物统计学精品课程建设过程中,针对各专业培养目标的定位,因材施教,更新教育理念,加强实践训练,在教学方法和教学手段上进行改革和大胆探索。

二、二十一世纪对生物统计学课程的重新定位

(一)新世纪对生物统计学课程提出的新要求。

二十世纪上半叶农业和遗传统计学首先获得了发展,在其基础上发展起来的生物统计学、统计流行病学、随机化临床试验学已经成为攻克人类疾病的一个里程碑。这在过去的半个世纪里显著提高了人类的期望寿命。

21世纪人类基因组,基因芯片等实验科学产生出的巨量数据,需要新工具来组织和提取重要信息。

将数据转化为信息需要统计理论和实践方面的洞察力、技术和训练。

未来的生物统计学将会与信息技术密切结合,较少侧重传统数理统计,而会更多注意数据分析,尤其是大型数据库的处理。生物统计学越来越不同于其它数学领域,计算机和信息科学工具至少和概率论一样重要。

(二)生物统计学对大学生素质培养的作用。

生物统计学的一个重要特点就是通过样本来推断和估计总体,这样得到的结论有很大的可靠性但有一定的错误率,这是统计分析的基本特点,因此在生物统计课程的学习中培养了一种新的思维方法———从不肯定性或概率的角度来思考问题和分析科学试验的结果。

生物统计学是通过个别的试验研究得出其一般性结论,属于归纳推理的范畴。但其有别于简单枚举法和科学归纳法,是一种或然性归纳推理或者概率归纳推理。在生命科学的研究中绝大多数涉及到的是随机事件,因此,生物统计学不仅是试验设计与统计方法的教学,更重要的还是大学生思维方式的培养,这对提高大学生的素质很有必要。

生物统计学包括试验设计和统计方法两个有机联系的组成部分。通过试验设计的教学可提高大学生设计研究课题试验方案的能力,使之明确课题的研究目的、试验因素与水平以及试验设计方法等方面的内容。通过统计方法的教学除让学生弄清各种统计方法的内涵外,还需要使学生能够正确地选择最适合的统计方法,以揭示资料潜在的信息,达到研究的最终目的,从而提高大学生科学研究素质。

三、教学方法和教学手段的改革

(一)加强电子课件及网络平台建设。

生物统计学是应用概率论和数理统计原理研究生物界数量变化的学科,而概率统计的理论和思维方法对本科生来说有一定的难度,加之课程学时的减少(由原来的60-70学时,降到现在的40学时左右),如何深入浅出地引导学生入门,并使学生在了解概率统计思想的基础上,掌握常用统计分析方法的应用及使用条件是课程的教学难点。为此,我们利用多媒体技术,制作了与教材配套的课件,通过在课堂上把抽象内容形象化与直观化,收到了良好教学效果。建设了一个生物统计学教学网络支撑平台,现有课程简介、教学大纲、师资力量、授课教案、电子版《生物统计学》教材、课程录像、实习指导、在线测试题、参考文献、其它教学资源等栏目,免费向全校师生开放。

(二)将多媒体教学优势与学生的认知规律有机结合,用较少的学时得到良好的教学效果。

多媒体具有信息量大、形象化、直观化的特点。

但是如果不能很好地将多媒体这些特点与学生的认知规律相结合,多媒体教学就可能会带来一些弊端诸如:(1)内容多,幻灯片变换快,由照本宣科变为照屏宣科,为新的“满堂灌”;(2)课件图片多,内容以展示为主,缺乏启发性;(3)教学内容常用满屏的方式显示(即所谓“死屏”),老师照着屏幕上的内容给学生讲解,失去了传统教学方法,老师边讲边板书能给学生留下比较深刻印象的特点,缺乏吸引力。

而多媒体在教学中只能充当工具的角色,在教学过程中必须将多媒体信息量大、形象化、直观化的特点与学生的认知规律紧密结合在一起。在制作课件时,采用启发式教学方式,精炼教学内容,模仿传统教学书写板书的过程,根据教学内容的难易程度,采用逐字、逐句、逐段显示教学内容的动画方式。在课堂教学中,老师仍然保持传统教学方法的教姿教态,在授课的过程中与学生保持互动,根据学生在课堂上接受知识的能力,掌握屏幕上显示内容的速度,必要时辅以板书进行讲解。这样做既发挥了多媒体教学的特点,又充分照顾到学生的认知规律,在内容没有缩减,学时减少近三分之一的情况下,仍然取得良好的教学效果。

(三)长期坚持教育教学方法及教学规律的研究。

生物统计学的理论基础是概率论与数理统计,从这个层面上讲,它有非常浓的数学味道,但是它又有别于概率论与数理统计,生物统计学更主要强调的是概率论及数理统计的思想和方法在解决生命科学中一些具体问题的应用。因此在教学过程中就存在一个“度”的把握问题,如果将概率论及数理统计的原理讲得太多,一是学时不允许,二是学生难以消化,得不到好的教学效果;如果只注重方法的讲解,学生知其然不知其所以然,就会误入乱套公式的歧途。经过将教学的重点放在教学中引导学生重点掌握统计方法的功能与用途,方法与步骤,防止各类方法的误用,淡化定理的证明与公式的推导。在教学内容的安排上采用“保干削枝”,即在学时减少很多的情况下,将一些次要的统计方法去掉,也要保证有足够的学时讲授理论分布与抽样分布、统计假设测验等方面的内容,让学生掌握生物统计学中所蕴含的概率论及数理统计的思想精髓,从而避免学生乱套统计公式。

(四)密切跟踪生命科学发展的前沿动向,探索生物统计学解决前沿问题的理论与方法。

统计学在生物学中的应用已有长远的历史,许多统计的理论与方法也是自生物上的应用发展而来,而且生物统计是一个极重要的跨生命科学各研究领域的平台。现在基因组学、蛋白质组学与生物信息学的蓬勃发展,使得生物统计在这些突破性生物科技领域上扮演着不可或缺的角色。在课程建设中,随时注意纳入生物统计学在前沿领域研究应用的内容,增强课程的活力,提高教师和学生面向生物产业主战场解决实际问题的能力。

四、加强实践教学,注重学生能力培养

生物统计学要不要开实验课,怎样开实验课,一直存在争议,在此认为生物统计学不仅应该开设实验课,而且还要将实践教学的重点放在计算机技术和统计软件的应用上,让学生不仅掌握统计方法,而且加深对原理的认识,获得就业或升学的必备计算机统计技能,提高解决复杂问题的能力。

(一)开展统计软件的实习,扩大学生的视野,提高学生素质。

20世纪20年展起来的多元统计方法虽然对于处理多变量的种类数据问题具有很大的优越性,但由于计算工作量大,使得这些有效的统计分析方法一开始并没有能够在实践中很好推广开来。而电子计算机技术的诞生与发展,使得复杂的数据处理工作变得非常容易,所以充分利用现代计算技术,通过计算机软件将统计方法中复杂难懂的计算过程屏障起来,让用户直接看到统计输出结果与有关解释,从而使统计方法的普及变得非常容易。在课程体系改革中,各课程的教学时数与达到培养目标所需完成的教学内容相比还是不足的。为此,可以通过标准的统计软件的教学实习来达到以点带面,扩大学生视野,提高学生素质。

为此我们建立了一个专用于实习教学的生物统计电脑实验室。现共有50余台电脑,并连接到校园网。实验室配备有指导教师,负责对上机的学生答疑。除按教学计划进行的正常实习教学外,实验室还对优秀学生免费开放,鼓励他们结合教师的科研活动,应用所学生物统计学知识,学习新的生物统计学知识,掌握应用计算机解决生物统计学问题的技能。

(二)全方位、多层次的实践教学。

为了进一步培养学生实际动手能力和科学严谨的治学态度,必须将本课程的实践教学活动延伸到课堂教学外,开展全方位、多层次的实践教学。

在原绵阳农专期间,主要在作物育种、作物栽培、动物营养等课程实验与实习中,根据相关内容加入了试验设计方法以及数据统计分析的相关内容。

组建了西南科技大学生命科学与工程学院以后,由原来的单一农科专业变成了理、工、农三大学科均有专业的格局。虽然专业的学科归属不同,但有一点是相通的,其内涵均属于生命科学的范畴。以科学研究的方法进行划分,均属于实验科学。

掌握正确的实验设计方法,从不确定性数据中挖掘事物的客观规律,是实验科学工作者必备的技能。因此,我们将原来只是在农科专业上延伸实践教学的作法推广到全院的所有专业,结合实验课教学的改革,对发酵工艺学实验、植物细胞工程实验、食用菌实验、微生物学实验等课程的内容全部或部分改为用生物统计学指导学生自主进行实验设计,把过去单一的实验流程、样品观察或检测实验改变为试验条件的优化试验,提出在不同条件下对样品测定的比较试验设计、单因素试验设计、多因素试验设计、正交试验设计、均匀试验设计,对试验结果要求学生使用统计学的方法对进行分析和讨论,最后得出最佳试验条件。

这样的实验教学改革起到了一箭双雕的作用,从专业基础课或专业课的角度看,改验证性实验为设计型、综合性实验,增强了学生解决实际问题的能力,培养了学生创新思维的能力;从生物统计学角度看,将课程的教学实践延伸到课程外,弥补了学时的不足,更重要的是学生将自己学到的统计学知识,转化为解决实际问题的能力,知识得到很好的内化。

此外,在学生课外科技活动中指导学生选用正确的实验设计和数据的统计分析方法,提升科技作品的档次;在毕业论文(设计)中要求学生采用恰当的生物统计学方法进行设计与分析,写出高质量的毕业论文(设计)。

通过这样的教学实践,训练了学生的统计思维能力,使学生充分认识到掌握生物统计学这一工具的重要性和必要性,增强了学生学好用好这门工具的信心,提高了学生从复杂的生命现象中挖掘事物客观发展规律的能力。

精品课程是集科学性、先进性、教育性、整体性、有效性和示范性于一身的优秀课程。作为精品课程的载体,应具有一流的教师队伍、一流的教学内容、一流的教学方法、一流的教材、一流的教学管理等特点。与之相比,我们在生物统计学精品课程的建设上,才刚刚起步,今后还要在教材建设、师资队伍建设、科学研究等方面加大力度,将生物统计学建设成体现现代教育教学思想、符合现代科学技术和适应社会发展进步的需要、能够促进学生的全面发展而深受学生欢迎的一门课程。

参考文献:

[1]何风华,李明辉。生物统计学多媒体教学的探索与实践[J].江西教育学院学报(综合),2004,25(6):25~27

[2]洪伟,吴承祯,陈辉,等。精品课程建设的核心:学科、队伍建设与科学研究[J].高等农业教育,2004,6:50~51.

[3]崔相学。提高学生统计分析素质的实践与探讨[J].成都中医药大学学报(教育科学版),2004,6(2):67~68.

[4]邓华玲,傅丽芳,孟军,等。概率论与数理统计课程的改革与实践[J].大学数学,2004,20(1):34~37.

统计学的研究特点范文5

关键词:科技;统计学;问题分析;思考;

文章编号:1674-3520(2015)-04-00-01

引言

由于统计学是一门独立、比较难理解的学科,这就会出现一系列的相关问题。随着中国进入一个快速发展的时期,我国经济、科学、社会等进入了空前的发展阶段,科技统计学作为一门新兴的学科,如雨后春竹破土而出。而科技统计学作为新兴的学科,将会迎来严峻的挑战。怎样才能在迎接挑战的基础上,解决科技统计学存在的问题,对此作出了相关的分析思考。

一、有关科技统计的对象及其范围

(一)科技统计的研究对象

科技统计所研究的对象包含了社会发展变化的趋势,它是对全社会科技活动的总体数量特点及变化。科技活动它涉及的范围及其广泛,所处的环境也较为复杂,有些不同的社会经济现象都很容易被区分开来。科技活动有很多本质的特征,它都是人类文明发展所积累下来的知识。科技活动的本质特征包括创新性和多样性,它的数量特点、数量变化没有那么明显的变化。科学技术活动是人类一种客观存在的社会实践,这些社会实践的统计计量包含了很多特点,除了有统计研究所共有的数量性、总体性特点外,还具有统计学计量的其他特点,间接性就是其中的一个特性,很多东西都需要用一些特别的、间接地事物表现出来,例如想要衡量一个国的科技发展水平,基本上都会采用统计科技论文、文献资源的数量来体现;对于各国在最近几年,科研成果被引用的数量来表示。最明显的一个特点就是模糊性,科技活动是一个不断创新进步的过程,它其中涉及的领域就相对非常的广泛,那么他的数量界限就不是很明确了。

(二)科技统计研究对象所包含的范围

科技统计研究的对象所包含的范围是最广泛、最全面的。它应该包含着全社会、全人类,是一个大的研究统计过程。所谓的全社会的科技活动主要是分为三个部门:第一种是用独立的专业机构来从事研究的活动;第二种是有指定的部门来组织大量的科技开发活动;三类是有从事科研的部门组织各种科技服务。这三类部门活动相对来说都处于初期的基础,以上三种部门只有独立的专业机构还相对比较规范,其他两类统计部门都不规范,基本上都不具备使用的条件。从理论上讲,技术进步的活动发展并开拓了科技活动,是社会科技活动的组成部分。要加强对科技统计部门的管理,只有这样才能反映社会的现象,才能在社会经济发展中起到至关重要的作用。

二、关于科技统计指标体系

它是一种全面的、科学的、标准的反映测评的工具,它具有完整的统计计量。全面的科技统计指标有利于对科技统计的研究对象和研究范围进行一个科学的界定,我们要把握好对科技技能的活动特点和内容进入深入的了解。

一个完整的科技统计指标体系通常包括两个部分,这两个部分都是科技统计指标中不可缺少的部分,第一部分是指科技活动类指标,它一般都体现了科技活动的前期准备,是由一群科技活动过程、科技产出的情况等指标构成的,所谓的科技活动是指对课题的研究、技术的服务以及进行学术交流等内容,这些内容一般涉及的范围较广泛,这些都反映了科技活动庞大的规模形式。而科技产出主要是对科技的成果、专利等科技活动得到的经济收益,它从认识和发展的角度都体现了科技劳动者存在的价值。第二部分是衡量科技地位的指标,在科技统计学中,必须有较高的文化知识和努力学习的精神,这些都为科技统计提供了前所未有的帮助。他们每一个指标都代表着一种涵义,都对科技统计的进步提供不可或缺的帮助。技术进步也代表着科技统计指标向一个全新的方向发展,它是科学活动的延续。反映科技统计可以从技术进步的活动、效果、措施等三方面,这些都是技术进步类指标进行完善的要求。对于科技经济效益指标来说,有的科技成果体现了学术价值,有的体现经济价值,它们都能带来巨大的经济效益,还间接地扩展了科技生产领域。另一方面从客观层面上说科技经济效益也属于科技活动的产出,它在带来科技经营收益时,同时也提高了科学技术在社会经济中的重要地位。科技进步的宏观计量指标的涵义是指有关科技成果的范围不断的增大,它的经济效益也会出现在其他地区,那么相对的范围就无限扩大了,因此使用简单的常规统计方法来进行统计是行不通的,必须采用一些科学的计量指标,才能准确的反应出来,这些指标体系都全面的促进科技的进步,并且对于统计学也加强了完善。

三、关于科技统计的问题分析及思考

(一)制定统一的科学管理措施,加大科技的投入总量

对于各级政府的统计部门,最重要的任务就是要规划好对社会科技投入的总量,要合理的分配资源。科技统计系统作为国家一级的实施系统,所谓要投入大的人力物力,来开发并研制机构统计。由于在统计的过程中各个系统的工作的出发点不同,它所统计出来的结果和范围也是有所差别的,统计指标的无法配置,分类无法连接,这就导致一系列的问题出现。想要解决这种问题,就要协调有关政府部门进行调节,或者设计出满足系统统计要求的指标,同时要符合国际标准。所以说为了取消这种差异化,各个系统都要以国际化的标准形式出现,以国家统计局为中心,所以国家必须建立一套具有科学化、完整化的体系。

(二)建立科学的财务统计,解决科技活动增加值的计算问题

所谓的财务统计就是对会计核算资料进行相关的整理归纳,它的主要目的就是为了收集整理会计资料。科技指标体系最需要补充完善的是科技活动单位的财务统计指标。有了科技财务统计这一策略,对于科技活动增加的核算就很容易被解决掉。

统计学的研究特点范文6

关键词:大数据;统计学;数据分析;抽样理论;理论

重构随着信息科学技术的高速度发展,当代获取和储存数据信息的能力不断增强而成本不断下降,这为大数据的应用提供了必要的技术环境和可能.应用大数据技术的优势愈来愈明显,它的应用能够帮助人类获取真正有价值的数据信息.近年来,专家学者有关大数据技术问题进行了大量的研究工作[1],很多领域也都受到了大数据分析的影响.这个时代将大数据称为未来的石油,它必将对这个时代和未来的社会经济以及科学技术的发展产生深远的意义和影响.目前对于大数据概念,主要是从数据来源和数据的处理工具与处理难度方面考虑,但国内外专家学者各有各的观点,并没有给出一致的精确定义.麦肯锡全球数据分析研究所指出大数据是数据集的大小超越了典型数据库工具集合、存储、管理和分析能力的数据集,大数据被Gartner定义为极端信息管理和处理一个或多个维度的传统信息技术问题[23].目前得到专家们认可的一种观点,即:“超大规模”是GB级数据,“海量”是TB级数据,而“大数据”是PB及其以上级别数据[2].

一些研究学者把大数据特征进行概括,称其具有数据规模巨大、类型多样、可利用价值密度低和处理速度快等特征,同时特别强调大数据区别于其他概念的最重要特征是快速动态变化的数据和形成流式数据.大数据技术发展所面临的问题是数据存储、数据处理和数据分析、数据显示和数据安全等.大数据的数据量大、多样性、复杂性及实时性等特点,使得数据存储环境有了很大变化[45],而大部分传统的统计方法只适合分析单个计算机存储的数据,这些问题无疑增加了数据处理和整合的困难.数据分析是大数据处理的核心过程,同时它也给传统统计学带来了巨大的挑战[6].产生大数据的数据源通常情况下具有高速度性和实时性,所以要求数据处理和分析系统也要有快速度和实时性特点,而传统统计分析方法通常不具备快速和实时等特点.基于大数据的特点,传统的数据统计理论已经不能适应大数据分析与研究的范畴,传统统计学面临着巨大的机遇与挑战,然而为了适应大数据这一新的研究对象,传统统计学必须进行改进,以继续和更好的服务于人类.目前国内外将大数据和统计学相结合的研究文献并不多.本文对大数据时代这一特定环境背景,统计学的抽样理论和总体理论的存在价值、统计方法的重构及统计结果的评价标准的重建等问题进行分析与研究.

1传统意义下的统计学

广泛的统计学包括三个类型的统计方法:①处理大量随机现象的统计方法,比如概率论与数理统计方法.②处理非随机非概率的描述统计方法,如指数编制、社会调查等方法.③处理和特定学科相关联的特殊方法,如经济统计方法、环境科学统计方法等[7].受收集、处理数据的工具和能力的限制,人们几乎不可能收集到全部的数据信息,因此传统的统计学理论和方法基本上都是在样本上进行的.或者即使能够得到所有数据,但从实际角度出发,因所需成本过大,也会放弃搜集全部数据.然而,选择最佳的抽样方法和统计分析方法,也只能最大程度还原总体一个特定方面或某些方面的特征.事实上我们所察觉到的数据特征也只是总体大量特征中的一小部分,更多的其他特征尚待发掘.总之,传统统计学是建立在抽样理论基础上,以点带面的统计分析方法,强调因果关系的统计分析结果,推断所测对象的总体本质的一门科学,是通过搜集、整理和分析研究数据从而探索数据内部存在规律的一门科学.

2统计学是大数据分析的核心

数的产生基于三个要素,分别是数、量和计量单位.在用数来表示事物的特征并采用了科学的计量单位后,就产生了真正意义上的数据,即有根据的数.科学数据是基于科学设计,通过使用观察和测量获得的数据,认知自然现象和社会现象的变化规律,或者用来检验已经存在的理论假设,由此得到了具有实际意义和理论意义的数据.从数据中获得科学数据的理论,即统计学理论.科学数据是通过统计学理论获得的,而统计学理论是为获得科学数据而产生的一门科学.若说数据是传达事物特征的精确语言,进行科学研究的必备条件,认知世界的重要工具,那么大数据分析就是让数据最大限度地发挥功能,充分表达并有效满足不同需求的基本要求.基于统计学的发展史及在数据分析中的作用,完成将数据转化为知识、挖掘数据内在规律、通过数据发现并解决实际问题、预测可能发生的结果等是研究大数据的任务,而这必然离不开统计学.以大数据为研究对象,通过数据挖掘、提取、分析等手段探索现象内在本质的数据科学必须在继承或改进统计学理论的基础上产生.

统计数据的发展变化经历了一系列过程,从只能收集到少量的数据到尽量多地收集数据,到科学利用样本数据,再到综合利用各类数据,以至于发展到今天的选择使用大数据的过程.而统计分析为了适应数据可观察集的不断增大,也经历了相应的各个不同阶段,产生了统计分组法、大量观察法、归纳推断法、综合指标法、模型方程法和数据挖掘法等分析方法,并且借助计算机以及其他软件的程度也越来越深.300多年来,随着数据量以指数速度的不断增长,统计学围绕如何搜集、整理和分析数据而展开,合理构建了应用方法体系,帮助各个学科解决了许多复杂问题.现在进入了大数据时代,统计学依旧是数据分析的灵魂,大数据分析是数据科学赋予统计学的新任务.对于统计学而言,来自新时代的数据科学挑战有可能促使新思想、新方法和新技术产生,这一挑战也意味着对于统计学理论将面临巨大的机遇.

3统计学在大数据时代下必须改革

传统统计学是通过对总体进行抽样来搜索数据,对样本数据进行整理、分析、描述等,从而推断所测对象的总体本质,甚至预测总体未来的一门综合性学科.从研究对象到统计结果的评判标准都是离不开样本的抽取,完全不能适应大数据的4V特点,所以统计学为适应大数据技术的发展,必须进行改革.从学科发展角度出发,大数据对海量数据进行存储、整合、处理和分析,可以看成是一种新的数据分析方法.数据关系的内在本质决定了大数据和统计学之间必然存在联系,大数据对统计学的发展提出了挑战,体现在大样本标准的调整、样本选取标准和形式的重新确定、统计软件有待升级和开发及实质性统计方法的大数据化.但是也提供了一个机遇,体现在统计质量的提高、统计成本的下降、统计学作用领域的扩大、统计学科体系的延伸以及统计学家地位的提升[7].

3.1大数据时代抽样和总体理论存在价值

传统统计学中的样本数据来自总体,而总体是客观存在的全体,可以通过观测到的或经过抽样而得到的数据来认知总体.但是在大数据时代,不再是随机样本,而是全部的数据,还需要假定一个看不见摸不着的总体吗?如果将大数据看成一个高维度的大样本集合,针对样本大的问题,按照传统统计学的方法,可以采用抽样的方法来减少样本容量,并且可以达到需要的精度;对于维度高的问题,可以采取对变量进行选择、降维、压缩、分解等方法来降低数据的复杂程度.但实际上很难做得到,大数据涵盖多学科领域、多源、混合的数据,各学科之间的数据融合,学科边界模糊,各范畴的数据集互相重叠,合成一体,而且大数据涉及到各种数据类型.因此想要通过抽样而使数据量达到传统统计学的统计分析能力范围是一件相当困难或是一件不可能的事.大量的结构数据和非结构数据交织在一起,系统首先要认清哪个是有价值的信息,哪个是噪声,以及哪些不同类型的数据信息来自于同一个地址的数据源,等等,传统的统计学是无法做到的.在大数据时代下,是否需要打破传统意义的抽样理论、总体及样本等概念和关系,是假设“样本=总体”,还是“样本趋近于总体”,还是不再使用总体和样本这两个概念,而重新定义一个更合适的概念,等等.人们该怎样“安排”抽样、总体及样本等理论,或人们该怎样修正抽样、总体、样本的“公理化”定义,这个问题是大数据时代下,传统统计学面临改进的首要问题.

3.2统计方法在大数据时代下的重构问题

在大数据时代下,传统的高维度表达、结构描述和群体行为分析方法已经不能精确表达大数据在异构性、交互性、时效性、突发性等方面的特点,传统的“假设-模型-检验”的统计方法受到了质疑,而且从“数据”到“数据”的统计模式还没有真正建立,急切需要一个新的理论体系来指引,从而建立新的分析模型.去除数据噪声、筛选有价值的数据、整合不同类型的数据、快速对数据做出分析并得出分析结果等一系列问题都有待于研究.大数据分析涉及到三个维度,即时间维度、空间维度和数据本身的维度,怎样才能全面、深入地分析大数据的复杂性与特性,掌握大数据的不确定性,构建高效的大数据计算模型,变成了大数据分析的突破口.科学数据的演变是一个从简单到复杂的各种形式不断丰富、相互包容的过程,是一个循序渐进的过程,而不是简单的由一种形式取代另一种形式.研究科学数据的统计学理论也是一样,也是由简单到复杂的各种形式相互包容、不断丰富的发展过程,而绝不是完全否定一种理论、由另一种理论形式所代替.大数据时代的到来统计学理论必须要进行不断的完善和发展,以适应呈指数增长的数据量的大数据分析的需要.

3.3如何构建大数据时代下统计结果的评价标准框架

大数据时代下,统计分析评价的标准又该如何变化?传统统计分析的评价标准有两个方面,一是可靠性评价,二是有效性评价,然而这两种评价标准都因抽样而生.可靠性评价是指用样本去推断总体有多大的把握程度,一般用概率来衡量.可靠性评价有时表现为置信水平,有时表现为显著性水平[8].怎么确定显著性水平一直是个存在争议的问题,特别是在模型拟合度评价和假设检验中,因为各自参照的分布类型不一样,其统计量就不一样,显著性评价的临界值也就不一样,可是临界值又与显著性水平的高低直接相关.而大数据在一定程度上是全体数据,因此不存在以样本推断总体的问题,那么在这种情况下,置信水平、可靠性问题怎么确定?依据是什么?有效性评价指的是真实性,即为误差的大小,它与准确性、精确性有关.通常准确性是指观察值与真实值的吻合程度,一般是无法衡量的,而精确性用抽样分布的标准差来衡量.显然,精确性是针对样本数据而言的,也就是说样本数据有精确性问题,同时也有准确性问题.抽样误差和非抽样误差都可能存在于样本数据中,抽样误差可以计算和控制,但是非抽样误差只能通过各种方式加以识别或判断[910].大多数情况下,对于样本量不是太大的样本,非抽样误差可以得到较好的防范,然而对于大数据的全体数据而言,没有抽样误差问题,只有非抽样误差问题,也就是说大数据的真实性只表现为准确性.但是由于大数据特有的种种特性,使得大数据的非抽样误差很难进行防范、控制,也很难对其进行准确性评价.总之,对于大数据分析来说,有些统计分析理论是否还有意义,确切说有哪些统计学中的理论可以适用于大数据分析,而哪些统计学中的理论需要改进,哪些统计学中的理论已不再适用于大数据统计研究,等等,都有待于研究.所以大数据时代的统计学必是在继承中求改进,改进中求发展,重构适应大数据时代的新统计学理论.

4结论

来自于社会各种数据源的数据量呈指数增长,大数据对社会发展的推动力呈指数效应,大数据已是生命活动的主要承载者.一个新事物的出现,必然导致传统观念和传统技术的变革.对传统统计学来说,大数据时代的到来无疑是一个挑战,虽然传统统计学必须做出改变,但是占据主导地位的依然会是统计学,它会引领人类合理分析利用大数据资源.大数据给统计学带来了机遇和挑战,统计学家们应该积极学习新事物,适应新环境,努力为大数据时代创造出新的统计方法,扩大统计学的应用范围.

参考文献:

[1]陈冬玲,曾文.频繁模式挖掘中基于CFP的应用模型[J]沈阳大学学报(自然科学版),2015,27(4):296300.

[3]卞友江.“大数据”概念考辨[J].新闻研究导刊,2013,35(5):2528.

[5]靳小龙,王元卓,程学旗.大数据的研究体系与现状[J].信息通信技术,2013(6):3543.

[6]覃雄派,王会举,杜小勇,等.大数据分析:Rdbms与Mapreduce的竞争与共生[J].软件学报,2012,23(1):32-45.

[7]游士兵,张佩,姚雪梅.大数据对统计学的挑战和机遇[J].珞珈管理评论,2013(2):165171.

[8]李金昌.大数据与统计新思维[J].统计研究,2014,31(1):1017.