统计学与大数据论文（锦集13篇）由网友“小山向日葵”投稿提供，下面小编给大家整理统计学与大数据论文，希望大家喜欢！
篇1：统计学与大数据论文
统计学与大数据论文
探究式教学法是教师在教学过程中以问题为教学研究对象，组织教学内容，使学生通过对问题的了解、资料查询、阅读、思考、研究、探讨、交流和听讲，学会获取知识和应用知识，收集和辨析有效数据，系统地分析问题，获得解决问题的答案，并进行交流、评价的一种教学方法。其核心内容是通过问题的设定进而激发学生的学习热情，变被动为主动，把学生真正当成教学主体，培养学生养成创新思维模式。在摸索和探究中不断前行，从而系统地掌握课程知识内容并形成完整知识体系。
统计学原理课属于经济与管理类专业的一门必修基础课程。对构建学生基本知识体系，逐步形成分析和解决问题的方法体系尤为重要。然而该课程内容较多，包括了统计工作过程、综合指标体系、动态数列分析、指数分析、抽样调查推断、统计预测等多项内容。每一项内容均由完整的理论知识和独特的方法构成。知识点较多且晦涩难懂，学生不易理解掌握。尤其在以往的传统教学模式下，老师卖力地讲，拼命地试图将理论知识与生产生活实践相结合，却始终无法有效激发学生的学习热情。最终是“教师讲得累、学生打瞌睡”。鉴于此，我们结合经济与管理专业的非统计类专业特点，在我校四个经济与管理类专业的统计学原理教学中逐步引入“探究式教学”方法，把教学的主体定位到学生，充分挖掘学生的主观能动潜力，拓展学生的创新思维模式，增加学生实际动手能力。把教学课堂变成探究讨论场所，让传统的教学活动重新激起一个又一个的思维涟漪，收到了较好的教学效果。
一 探究式教学法在统计学原理课程中的实施环节
1 问题选取
要依据教学大纲的定位，同时又要结合非统计专业的现有实际，结合我校应用型本科的基本定位，选择难易适中且和工作实践紧密结合的内容。做到由易到难，逐渐加大难度，稳步推进，慢慢形成学生的探究思维定式。
在实施探究式教学的初期阶段，应选取单一的并能够在较短时间内完成的问题。最好是能够当堂形成结论且给学生较深的印象。随着探究问题的不断深入，结合教学大纲，问题的.选取进一步深化，逐步设置有一定探究压力但系统性不强并限定探究学习难度的问题。此时可以按照不同的抽样标准实施抽样，让各抽样小组分别观察其组内的方差水平。在此基础上一旦实施整群抽样，则误差水平可能的变动趋向。也可以就静态指标和动态指标的特点提出问题，让学生分别去对应会计课程的存量指标和流量指标，以学科之间的交叉和连贯激发学生的探究热情。等到学生逐步适应探究式学习这一新的学习模式后，教师就可以布置系统的、需要学生分组分任务在较长时间内才能完成的任务。
2 布置问题
将选取的问题布置给各个小组。小组根据问题的大小与多寡，通常5～6人为一个小组。对于较单一的问题，可以多分几个组，各组的问题不强调其唯一性，可以重复，以便于比较不同小组的完成质量。对于较为复杂的问题，可根据问题的数量和工作任务情况，先确定各组组长(初期组长可由教师根据学生的综合能力统一指定，但随着探究活动的逐步开展，组长应鼓励个人报名或学生推荐)，然后由学生根据自己的知识侧重和个人喜好选择小组成员。每一个小组承担不同的探究任务。但无论问题难易程度如何，都必须确保每一个学生分担不同的探究任务，不允许有学生轮空，也禁止探究能力较强的学生大包大揽(但不排除必要的协作)。
3 迅速完成组内分工
各组领取任务后，在较短时间内由组长在本组内根据个人的特长确定组内分工(3～5分钟即可)。制定抽样方案、实施抽样、搜集整理数据、查阅资料、分析推断、撰写报告等。对于具有共性并较为重要的知识点，应要求每一个学生都独自完成，不因分工而隔断知识体系。
4 收集分工情况，据此串讲知识点，引导学生的工作方向
教师可收集各组分工情况的书面结果，根据分工结果分别讲授各方面、各环节涉及的知识内容。讲解应详略得当，有针对性，可以打破书本固有的知识点顺序。告诉学生在各自的工作中可能涉猎的知识内容，资料查找的方向以及分析解决问题要用到的方法。说到统计指数，涉及同度量因素，就涉及了物量指标和价值指标问题，涉及派氏、拉氏指数的选取，常用的CPI确定方法同样会牵扯到基期的选择、权数的确定。因而鼓励学生去查找相应的文献资料，并进一步思索可能出现的新问题。拉氏、派氏指数分别代表了哪一种思维定势和探究趋向?指数体系的确立基于什么考量和出发点?指数体系的确立和因素分析的实际意义在哪里?等等。这种串讲，既为学生指明了工作的方向，帮助学生打开思路，同时又告知了基本的分析方法。
5 文献检索，初步探究
学生根据教师的点拨，依据各自工作任务，分头查阅相关文献资料。指导学生利用图书馆、互联网查阅相关的统计公报、统计年鉴、报纸杂志和相关学科的理论知识。并在此基础上对所持问题进行初步探究。资料文献的查阅也是一个循序渐进的过程。学生很可能在探究初期只是查阅了和问题直接相关的表象资料，而忽略了深层探究所需数据的收集，结果出现“头疼医头、脚疼医脚”的局面。
6 集中讨论，相互激励，深入探究
各小组成员在收集相关资料并形成初步意见后，可及时组织大家集中讨论。每个人均可阐述自己观点，对所选用数据资料的可信度，使用方法是否得当等，听取他人意见。讨论过程中可有效实施相互的智力激励，迸发出灵感火花，为进一步发现深层次问题，探究和解决深层问题打下良好基础。
7 课堂交流、汇报
学生在组内讨论探究的基础上，各自完成分工任务。形成统一意见后，应将成果制作成PPT文档。在规定时间内由教师组织集中进行课堂交流、汇报。由各组主讲人通过PPT演示本组工作过程和工作成果，允许组内其他成员加以补充完善。
8 教师讲评
根据各组汇报结果，教师要进行及时讲评。既要对学生的分析运用能力给予充分肯定，又要对其在方法、思路上存在的问题给予指正。指导学生及时转换思路，回归正确的探究方向。探究式教学虽能够有效激发学生的探究热情，但由于学生认识问题和所学知识的局限性，极易形成学生“钻进去、出不来”。问题的叠加效应可能会打击学生探究热情，或导致“不可知论”。教师的及时讲评和肯定，是进一步引导学生回归探究学习正途的指南针。
二 探究式教学法在应用中应注意的几个问题
探究式教学可以很好地调动学生的学习积极性，最大程度激发学生的探究创新活力，提升教学质量和强化教学效果。但是在实际应用时必须注意以下几个问题。
1 教师要充分认识探究式教学组织的重要意义，加大对各教学环节的组织力度，并不断提升自身知识运用能力
探究式教学从表面看是把探究学习的主体转化为学生，但实质上绳子的另一端是教师。教师的备课、引导、启发在整个教学环节中起着至关重要的作用。教师的备课任务不仅不能削弱，而且更应该得到加强。从问题的选取设定到最后的验收讲评，教学的主线仍然紧握在教师手中。哪些问题可以选来作为探究目标，什么样的问题可以实施分组讨论、协作完成，都需要教师精心设计。这就需要教师具备完备的知识体系和对教学方法的综合把控能力。需要教师不断充电并择机走向生产实践一线，了解学科发展动态，始终站在学术发展前沿。
2 探究式教学需要教师的及时引导和启发
在实施这种教学方法的初期，由于学生对新的教学模式一时难以适应，会因各小组组织不力，学生无从下手，不了解整个教学活动的核心内容，而产生畏惧情绪。因而教师要及时地加以引导，为学生指明工作的方向并及时答疑解惑。教师可以利用常规教学课堂平台，也可以利用互联网的相应沟通平台或手机飞信、微信等方式，收集学生意见和问题并及时给予指导，将学生引导到独立探究、合作探究的学习环境中，逐步形成探究式学习的良好氛围。
3 探究式教学仍需要传统的课堂讲授模式加以配合
对于学科的基础知识、基本概念我们很难将之归为探究式问题。加之学生在接收一门新的课程知识时往往出现短暂的不适应。因而教师仍要利用讲堂这一平台向学生讲解基础知识。教师在讲授这些内容的时候应着力使用启发式教学方法，多列举实例，多提出问题，逐步培养学生思考问题的能力，并产生探究问题的冲动和欲望。进而实现从传统教学模式向探究式教学的自然过渡。
4 探究式教学课后占用时间较多，容易加大学生的学习负担
教师要合理安排探究式教学内容。挑选有针对性和实际意义的内容作为选题，并适度调整教材体系中的相关章节。做到教学有重点、探究有实效。把一些容易理解和掌握的知识交给学生自我消化，或由教师使用传统方式串讲带过，把核心知识且具有探究的条件和意义的章节认真组织学生探究学习。避免全面开花、拘于形式，结果造成学生到最后劳神费力、难有所获。
统计学原理课程内容较多，结构复杂且难懂。但却是经济与管理类专业学生必修的一门方法论学科，在整个学科知识体系中占有重要位置。传统的课堂讲授模式无法激发学生的学习热情，很难收到良好的教学效果。实施探究式教学法，可以充分调动学生主观能动性，培养学生学习探究的良好习惯，为今后的实际工作和终身学习奠定基础。教师要先弄清楚探究式教学的真正意义，对探究式教学的实施环节、问题的选取、节奏的把控、效果的评定有着全面而深刻的认识。欲使探究式教学能够实现预期教学目的而非只是“标新立异”，则需要教师不断充实完善自我，做到高屋建瓴、游刃有余。
篇2：大数据与统计学分析方法比较论文
大数据与统计学分析方法比较论文
基于理念分析和比较研究方法，对大数据的分析方法和传统统计学分析方法的关联性和差异进行了对比分析，从方法的基本思想、量化形式、数据来源、分析范式、分析方法、分析视角等角度揭示了两种社会科学分析方法存在的联系与差异。
随着信息技术的日益发展与普及，信息以及数据在社会经济发展过程中发挥的作用越来越重要。现如今，“大数据”时代已经来临，于是如何更有效地利用数据快速做出科学决策也已成为众多企业甚至是国家所共同关注的焦点问题。在数据处理和分析方法方面，《统计学》以及在其基础上发展而来的实证统计方法是当前的主流，这些方法可以帮助数据持有者从大量的数据中挖掘有价值的信息，并为其相关决策提供理论支撑和方法支持。然而，传统的实证统计方法在最新出现的大数据情境下，却呈现出了诸多缺陷，例如传统数据收集方法无法实现大规模（甚至是总体）数据的收集，传统统计方法和分析软件无法处理大规模数据，等等。于是，在将传统统计学方法应用于最新的大数据情境和问题之前，需要首先明确大数据所要求的处理方法与传统的统计学处理方法存在哪些关联和区别，然后才能够决定是否可以应用既有统计学理论和方法来处理某些大数据问题。
1、大数据的界定
根据一位美国学者的研究，大数据可以被定义为：it means data that’s too big， too fast， or too hard for existing tools to process。也就是说，该学者认为：在关于大数据的所有定义中，他倾向于将之定义为那类“太大”、“太快”，或现存工具“太难”处理的数据。一般而言，大数据的特征可以概括为四个V：一是量大（Volume）；二是流动性大（Velocity），典型的如微博；三是种类多（Variety），多样性，有结构化数据，也有半结构化和非结构化数据；四是价值大（Value），这些大规模数据可以为持有企业或者组织创造出巨大的商业或社会价值。
Victor在其最新著作《大数据时代——生活、工作与思维的大变革》中指出，大数据时代，思维方式要发生3个变革：第一，要分析与事物相关的所有数据，而不是依靠分析少量数据样本；要总体，不要样本。第二，要乐于接受数据的纷繁复杂，而不再追求精确性。第三，不再探求难以捉摸的因果关系，应该更加注重相关关系。这些变革反映出了大数据处理方式与传统统计学分析方法的很多关联以及主要不同。因此，下面我们分别针对两者的联系和区别进行讨论。
2、大数据与统计学分析方法的联系
从18世纪中叶至今，统计学已经经历了两百多年的发展历程，不论是基础理论还是社会应用都极其坚实而丰富。大数据作为一种新兴的事物规律认知和挖掘思维，也将会对人类的价值体系、知识体系和生活方式产生重要影响，甚至引发重大改变。作为两种认知世界和事物规律的基本方法，它们在以下两个方面存在紧密关联。
（1）挖掘事物规律的基本思想一致。统计学（statistics）探索事物规律的基本方法是：通过利用概率论建立数学模型，收集所观察系统的数据，进行量化分析和总结，做出推断和预测，为相关决策提供依据和参考。对于大数据，维克托指出，大数据思维的来临使人类第一次有机会和条件，在非常多的领域和非常深入的层次获得和使用全面数据、完整数据和系统数据，深入探索现实世界的规律，获取过去不可能获取的知识。通过这两个定义可以看出，不论是传统的统计学方法还是新兴的大数据分析方法，都是以数据为基础来揭示事物特征以及发展趋势的。
（2）均采用量化分析方式。大数据分析的基础是数据化，也就是一种把各种各样现象转变为可制表分析的量化形式的过程。不论是传统统计学中所应用的数据（定性和定量数据），还是大数据时代即将被转化和采用其他形式数据（如文字、图像等），最终都是通过量化分析方法来揭示数据中所蕴含的事物特征与发展趋势。
3、大数据与统计学分析方法的区别
（1）基础数据不同。在大数据时代，我们可以获得和分析更多的数据，有时候甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机抽样。这意味着，与传统统计学数据相比，大数据不仅规模大，变化速度快，而且数据来源、类型、收集方法都有根本性变化。
①在数据来源方面，在大数据背景下，我们需要的纷繁多样的数据可以分布于全球多个服务器上，因此我们可以获得体量巨大的数据，甚至是关于总体的所有数据。而统计学中的数据多是经由抽样调查而获得的局部数据，因此我们能够掌握的事“小数据量”。这种情况下，因为需要分析的数据很少，所以必须尽可能精确的量化我们的数据。综上，大数据情况下，分析人员可以拥有大量数据，因而不需要对一个现象刨根问底，只需要掌握事物大体的发展方向即可；然而传统的小数据情况下则需要十分注意所获得数据的精确度。
②在数据类型与收集方面，在既往模式下，数据的收集是耗时且耗力的，大数据时代所提出的“数据化”方式，将使得对所需数据的收集变得更加容易和高效。除了传统的数字化数据，就连图像、方位、文本的字、词、句、段落等等，世间万物都可以成为大数据范畴下的数据。届时，一切自然或者社会现象的事件都可以被转化为数据，我们会意识到本质上整个世界都是由信息构成的。
（2）分析范式不同。在小数据时代，我们往往是假想世界是如何运行的，然后通过收集和分析数据来验证这种假想。也就是说，传统统计实证分析的基本范式为：（基于文献）提出理论假设—收集相关数据并进行统计分析—验证理论假设的真伪。然而，在不久的将来，我们将会在大数据背景下探索世界，不再受限制于传统的`思维模式和特定领域里隐含的固有偏见，我们对事物的研究始于数据，并可以发现以前不曾发现的联系。换言之，大数据背景下，探索事物规律的范式可以概括为：数据观察与收集——数据分析——描述事物特征/关系。
（3）数据分析方法不同。传统统计学主要是基于样本的“推断分析”，而大数据情境下则是基于总体数据的“实际分析”，即直接得出总体特征，并可以分析出这些特征出现的概率。
（4）分析视角不同。传统的实证统计意在弄清事物之间的内在联系和作用机制，但大数据思维模式认为因果关系是没有办法验证的，因此需要关注的是事物之间的相关关系。大数据并没有改变因果关系，但使因果关系变得意义不大，因而大数据的思维是告诉我们“是什么”而不是“为什么”。换言之，大数据思维认为相关关系尽管不能准确地告知我们某事件为何会发生，但是它会提醒我们这件事情正在发生，因此相关关系的发现就可以产生经济和社会价值了。
4、结语
综上，相对于传统而言，大数据思维主要包括三个重大转变。首先，要分析与某事物相关的所有数据，而不是依靠分析捎来能够的数据样本；其次，研究人员应乐于接受数据的纷繁复杂，而不再追求精确性；最后，认知世界的思想发生了转变，不再探求难以捉摸的因果关系，转而关注事物的相关关系。以上三个转变构成了大数据思维的核心。在统计学的进一步应用和发展完善过程中，需要结合以上转变所产生的挑战，思考有效的统计学发展对策。
篇3：大数据时代统计学面临机遇与挑战论文
大数据时代统计学面临机遇与挑战论文
摘要：作为与数据紧密相关的统计学学科，在大数据的时代背景下，当今数据的获取和规模发生了根本的变化，统计学面临着新的机遇和挑战，需要在方法论上有所突破，研究统计学在大数据时代的发展趋势有着十分重要的时代意义。
关键词:大数据；统计学；样本；机遇；挑战
21世纪爆发的信息技术革命，改变了社会发展过程中的方方面面。在云技术、物联网技术等高科技信息技术的大规模革新背景下，网络数据增长速率十分惊人，海量庞大的数据标志着大数据时代的来临。作为与数据紧密相关的统计学学科，在大数据的时代背景下，将会面临一系列的机遇和挑战，研究统计学在大数据时代的发展趋势有着十分重要的时代意义。
1.大数据时代统计学面临的挑战
统计学是一门传统的学科，发展至今已经有几千年历史，无论是学科理论领域内还是生产实践过程中，统计学的发展已经十分成熟，存在着许多成熟的研究成果。统计学的不断发展为人类的社会生产带来了极大的影响，随着大数据时代数据呈现海量、分散式的分布状态，其对统计学的影响也是较为明显的。一方面，大数据时代数据之“大”已经超出人们的想象，数据之“全”让人们对于事情的认知更加全面，大数据的多样性、大体量改变了数据样本与总体之间的关系，另一方面，大数据的数据多样性的特点改变了传统统计对数据统计分析的主观诉求，过去人们通过统计分析更偏向于追求“为什么”，而现在的统计分析更趋同与追求“是什么”。这一系列的影响对于统计学的进一步发展提出了新的发展挑战：
1.1样本选取以及标准的确定难度加大
样本统计属于统计学的核心内容，统计学通过样本统计对客观事物数量特点、数量关系等展开研究。在大数据背景下，样本与总体之间的局部与整体之间的关联性将会进一步地降低，造成样本即是总体的变化趋势，因而会造成大样本的标准化的变更。数据来源的多样化进一步的提升了样本数量，继而提升了统计精确度，促进了统计学学科的高精尖的发展。但随着样本数量越来越多，而从网络环境中采集到的数据多半属于非结构化的数据，但传统统计学要求结构化数据，利用传统的关系数据库难以对非结构数据进行有效的转换，难以挖掘大数据大样本数据中的潜在信息。大数据时代统计样本的选取工作难度不断提升，传统统计学缺乏非结构数据的建设，难以发挥出大数据时代，大数据库有效转换非结构与结构数据的优势，也为统计学的进一步发展提出了新的挑战。
1.2统计软件以及统计方法的欠缺
随着信息计算机技术的快速发展，基于计算机运算环境的统计学软件应运而生，统计学软件的使用有效提升了统计学中对数据分析和处理的效率和精准率，统计模型也进一步的.简化了统计的实际操作，更有利于一般性的统计工作的实践操作。大数据背景下，现阶段发展较为成熟的统计学软件如SPSS、DPS等，尚不能够实现大数据高速传输、存储功能，软件功能还需要一定的开发和升级。与此同时，数据在大数据时代下属于一项资本，其被开发的水平还略显不足，绝大多数被互联网、搜索引擎以及电子商务等相关IT公司、统计机构所掌握。
2.大数据时代统计学面临的机遇
2.1统计效率的提升
在大数据时代，统计学的统计效率得到了更好的体现。一方面，大数据的多样化、及时性特征能够有效弥补传统统计中数据的滞后性问题，有效的提升了统计的时效性，另一方面，大数据的高速传输为统计的动态数据的收集提供了保障。与此同时，大数据可被频繁反复应用，采集的统计数据不再单单局限于一种相关用途，其能够服务于各式各样的需求。对采集数据应用的次数逐步增多，数据所具备的潜在价值被更全面的挖掘，而采集数据所产生的成本并不会受数据应用的次数所影响，故各式各样用途的平均统计成本将得到显著地降低。
2.2统计学科体系的新延伸
大数据引入到统计学科之中，庞大的数据使得样本的选取、标准划分都产生了新的变化，传统统计中的样本统计将会进一步的朝向总体统计的方向发展，一并囊括总体统计、样本统计的统计学科体系，能够有效消除总体统计的数据采集难度，弥补样本统计的数据采集不足，达到有效延伸统计学科体系的目的。
2.3统计学科的应用范围扩大
传统的统计学实践是为了去了解一个结果或者一个原因，但基于大数据的统计学科将向人们展示的是一个具体的过程。从前，人们习惯于根据“研究问题”来驱动“收集数据”。今后，大数据到处可得，人们将会用“数据”驱动“研究问题”而这种功能性的还变，促进了统计学应用范围的进一步扩大，例如传统的统计学往往被用来作为一个数学形式的参考信息，例如卫生统计、生产统计等等，但在大数据背景下，数据本身所含有的信息更加丰富化和多元化，基于海量用户下的网络数据所包含的信息极为广阔，而这些信息涉及到他们生活中的方方面面，这些信息一旦被深入挖掘出来，将会促进许多产业的快速发展。在大数据背景下，传统统计学的结构化数据局限会逐步接触，在非结构或者半结构的数据统计下，统计学将会应用到许多传统意义上无法数据化的行业领域中。
3结束语
数据是统计学科的核心，也是统计学科的主要价值体现。大数据时代改变了传统的数据的意义，数据所包含的信息、传播速度、分布速度也远远超出了我们的想象，数据核心意义的转变，迫使得以此为基础的统计学科必然会随之做出改变。机遇与挑战并存，在新的时期，统计学要想快速完成其学科的有效转换，就必须要进一步的深入研究大数据的时代特征，并有效地与传统统计学结合起来，以达成统计学科的进一步发展。
参考文献：
[1]维克托迈尔－舍恩伯格，肯尼思库克耶．大数据时代―生活、工作与思维的大变革［M］．盛杨燕，周涛译，杭州:浙江人民出版社．
[2]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，(02):165－171．
[3]邱东．大数据时代对统计学的挑战[J]．统计研究，，31(01):16－22．
篇4：大数据下统计学课程教学研究论文
大数据下统计学课程教学研究论文
摘要：统计学是经管类专业核心课程，主要是通过定量分析方法培养学生对统计数据的分析处理能力。大数据时代的到来对统计学人才的培养既是挑战也是机遇，因此本文从大数据时代对统计学教学的要求入手，针对当前高校经管类专业统计学教学中存在的问题，提出统计学教学应从教学模式、教学内容、教学方法以及加强实践能力的培养等四个方面探索改革途径，以提高统计学教学质量，培养更加契合时代发展的专业人才。
关键词：大数据时代;经管类专业;统计学;教学改革
一、引言
《统计学》课程是以研究数据为中心，借助概率论和数理统计的原理和方法，通过对数据的收集、整理、分析和推断，研究数据之间的内在规律性的一门应用性课程。它是高等院校经管类专业的核心课程之一，培养目标是使学生能够把统计学知识应用到经济领域解决实际问题。《统计学》在经管类学生的知识体系中占有重要位置。但随着大数据时代的到来，企业对经管理学生的数据挖掘、数据处理及分析能力有了更高的要求，因此以往我们在《统计学》课程的教学过程中着重偏重于理论讲授的授课模式很难满足当前社会的需求。大数据时代如何改革统计学教学方式，如何提升学生的实践能力，是我们在统计学教学过程中迫切要解决的问题。
二、大数据时代对统计学教学的要求
大数据是当今高科技时代发展的产物，它是大量、多样、有价值的数据集合，以多元形式，由许多来源搜集而来的庞大数据组，是伴随网络发展形成的信息数据流。在当今高速发展的社会，大数据已成为重要的发展战略，在全球的生产、流通、分配、消费、科技发展、人际沟通等方面将产生重要的影响。8月31日，国务院印发《促进大数据发展行动纲要》。《纲要》指出，目前我国在大数据发展和应用方面已具备一定基础，拥有巨大市场优势和发展潜力。与大数据相关的职位需要复合型人才，能够对数学、统计学、数据分析、机器学习和自然语言处理等多方面知识综合掌控。为此，高校经管类统计学课程的教学目标为契合当前社会的发展要求，在统计学课程的教学中应着重对学生突出以下两个方面能力的培养。
1.加强数据的分析处理能力
传统的统计学理论研究是建立在小样本基础上的，主要采用抽样估计、假设检验等方法对样本数据进行分析来推断总体概况。但在大数据时代，所研究的数据数量不再区分总体与样本，统计数据数量非常庞大且种类繁多，与传统的数据分析相比，数据的含义已经大大超出传统范畴，数据处理理论、方法、手段日新月异，这就要求我们在统计学课程的教学中重点培养学生对数据的分析处理能力。一方面要提升学生的数据挖掘能力，数据类型除数字形式外，文字，图像、图片、音频、视频、网络日志等也都是数据，意味着统计数据的收集方式、渠道、数据的整理方式都将会改变；另一方面，由于传统统计研究方法难以处理复杂的海量数据，因此在统计学的教学中除了让学生掌握传统的数据处理方法，还需掌握一些新的数据分析方法，这就要求学生具有扎实的数学基础，能够设计统计分析流程，建立统计模型并对结果进行有效性评价。
2.提升学生的软件操作能力及实践能力
大数据时代的数据分析面临的不是数据匮乏，而是数据过剩。在大数据背景下，学生不但要能收集海量数据，还要把不同类型的数据恰当处理后进行数据分析，通过模拟运算得出分析结论。因此，统计教学不但要让学生掌握统计知识，还要拥有很强的软件操作能力。此外，在统计理论的教学中要注重培养学生实践能力，培养学生能够运用理论知识解决某一领域实际问题的能力。
三、经管类专业统计学课程教学中存在的问题
统计学是经管类专业的核心课程之一，是一门应用性很强的课程。但目前统计学课程的教学效果并不理想，通过研究发现主要存在以下方面的问题。
1.学生数学功底参差不齐
统计学的研究对象主要是统计数据，分析统计数据之间的内在联系，所以统计学又是一门一定量研究为主的科学，在学习中必然要有大量的统计理论、繁杂的公式推导以及统计建模，这些需要扎实的数学功底。但这恰恰也是很多经管专业学生的软肋。经管类学专业开设的很多课程主要是进行形象思维和识记能力的培养，但缺乏抽象思维和数学推导及分析方面的系统训练，学生数学知识的基础比较薄弱。在学习统计学课程时，一些同学反映听课像听“天书”，短时间内对统计学知识点不能完全掌握。
2.教学内容与大数据时代脱节
现有的统计学课程重点在于统计思想和统计理论的讲解，统计研究的对象主要针对统计数据，参数估计和假设检验是利用样本数据推断总体的主要方法。但在大数据时代，统计数据的形式已经多样化，海量的统计数据也是研究对象，不再区分总体与样本，传统的统计方法难以处理复杂的统计数据，因此在教学内容中还应讲授一些新的数据处理方法。
3.教学方法陈旧
当前经管专业的统计学课程主要以讲授为主，授课内容主要是有教师在课堂上讲述，学生通过课堂听讲、课后复习及作业对知识点进行理解和消化。这种传统的授课方法有一定的优势，如授课内容直观、重点突出。但缺点也很突出，首先这种填鸭式的教学模式，学生难以整堂课集中精神听课，而且授课内容又是相对枯燥乏味的数字分析，授课质量难以保证；其次这种授课模式传递的信息量有限，有限的授课时间传统的知识点都难以讲完，更不用说要讲授大数据时代接轨的统计理论、方法和模型了。
4.对实践教学不够重视
统计学是一门应用型的科学，培养目标是利用统计理论分析实际问题。因此统计学课程也应对学生的实践能力进行培养。当前统计学课程对学生实践能力的培养主要通过两条途径：其一是上机实验，主要是让学生熟悉统计软件的操作。但目前专业的统计软件较多，各有特色，不同的学校选择也不尽相同。在有限的上机课时中，选择哪个软件讲授，讲哪些内容是，值得我们思考和合理安排的。其二是实训训练。由于种种原因，统计实训环节安排的课时比较少，甚至根本没有实训环节，学生对课堂中学习的`理论不知道该如何使用，学习的目标更多是应付理论考试，获得学分，无法理解统计研究的现实意义。
四、大数据背景下经管类专业统计学课程教学改革的措施
大数据技术以及新的教育技术的出现，对传统的统计学教学提出了新的要求。经管类统计学的教学改革应结合经管专业的特点，转变教学思路，创新教学方法，加强实践环节和软件的训练，构筑统计理论、实践训练、软件操作三位一体的教学体系。
1.建立任务驱动型的教学模式
就本科统计学的教学而言，一方面统计学课程是以定量分析为主，繁杂的数学公式、数学推导以及统计模型导致学习起来相对枯燥；另一方面由于没有科研压力，大多学生的学习目的就是拿到学分，缺乏主动学习的热情，所以统计学的教学效果并不理想。要提高统计学的教学效果，关键还要从内因入手，激发学生的学习主动性，仅仅通过有限课时的课堂讲解，学生无法了解更多的统计知识，只有调动学生的学习主动性，通过学生自学为主、教师辅导的方式才能让学生了解更多的统计知识。任务驱动是教师通过设计项目、布置任务的方式主导学生，学生通过网络、APP或组间团队进行自学或复习的一种主动学习模式。要使任务驱动学习模式取得更好的效果，统计学考核方式也要进行相应的改革，增加平时成绩的比重，将任务的完成效果也纳入考核的一部分。
2.教学内容紧密结合大数据时代特色
在大数据时代，数据的采集、类型及分析方法都发生了很大的变化，传统的统计方法已难以满足海量数据分析的要求。因此，除了传统的统计学理论的讲解外，教学内容还应增加针对大数据采集、导入、分析、挖掘的统计方法。此外，教师也可以结合经管类学生的不同专业，有针对性地选取案例进行实例讲解，提高学习效率。
3.采用多元化的教学方法
传统的统计教学多采用课堂板书或多媒体的形式上课，板书的优势在于授课重点突出，教学内容直观，缺点是授课信息量有限。多媒体上课的优势是能够将声音、视频、图片、图像等融入其中，授课内容呈现形式多样，缺点是传递的信息量大，教学节奏快，部分学生难以跟上教学进度。在大数据时代，统计信息更加庞杂，统计理论及统计方法更加复杂，因此教师可以在教学中采用一些现代科技手段。例如，在授课前后教师可以采用微课、慕课的形式让学生利用网络资源进行预习和复习；利用网络交流的群组织课后的统计答疑及辅导；直接在课堂上利用手机进行即时的辅助教学。
4.强化对学生实践能力的培养
在大数据时代，学生实践能力是反映统计学教学质量的关键指标，统计学教学的主要目的是学生具备应用统计理论处理及分析实际问题的能力。提高实践能力和水平的主要途径包括：
（1）融入案例教学。案例教学是统计理论与实践之间的桥梁，教师在课堂上通过对案例进行梳理与分析，可以让学生直观地了解统计分析的过程。
（2）课后教师可以设计案例，以慕课的形式引导学生对案例进行操作分析。
（3）组建学习小组，给每个小组分配任务，引导学生完成从统计案例选题——数据收集——数据整理——数据分析等整个统计分析流程，教师随时跟进指导。
（4）提升统计软件操作水平。目前专用的统计软件很多，各有特点，在大数据时代，鼓励学生除了掌握一般统计软件的操作之外，还要具备处理和海量数据的能力。总之，在经管类专业统计学的教学改革中，我们要注重结合当前大数据时代特色，让学生除了掌握传统的统计学知识外，更要具备大数据思维和对海量数据的处理和分析的能力，激发学生的学习和研究兴趣，提升学生的实践能力及软件操作水平，培养出适应时代需要的专业人才。
参考文献：
[1]刘帆.大数据时代经管类专业管理统计学教学改革研究[J].中国管理信息化，
[2]陶雪萍,邱红.经管类专业统计学教学效果提升策略研究[J].高教学刊，2016
[3]黄小艳,李君.应用型本科经管类专业统计学实践教学调查分析[J].产业与科技论坛，
[4]孟生旺,袁卫.大数据时代的统计学教育[J].统计研究，
篇5：统计学论文
统计学论文
空气中弥漫着栀子花浓烈的芳香。校园里流淌着苍翠的绿色。炎热的天气却阻挡不住毕业的脚步，略略一算，我已毕业两年，这两年，每当周末闲暇，我总想回母校看看，再看看那熟悉的校园，再看看那些年轻干净的脸庞，再去感受母校的一点一滴，于是6月的一个星期六，我重回母校，
魅力无限的花园学府
我是浙江工商大学届的学生。是下沙新校区的第一届学生，我们常常戏称自己是这里的开拓者，新校区在下沙高教园东区，东临钱塘江，远眺萧山观潮城。风景怡人，虽然最初条件不是很好，但到处是一片新气象。开拓者的感觉很让人精神振奋，
随着建设的快马加鞭，学校的设施也逐渐完善，如今呈现在眼前的，是青灰色的统一建筑，整齐、干净、大气而美丽，小河像血脉一样连通着校园，一片片草坪绿得耀眼，点缀着年轻的小树――在和煦的阳光下，杭州细腻的美景中。或看书或聊天，非常惬意;如今再一次从设计精美的'求知泉、蓝天碧水的月亮湾、大气的扬帆启航广场走过，看着三五成群的学弟学妹，一脸笑容，一脸朝气，让已经失去校园滋补的我满是羡慕，不知不觉，我走到了校园最远处的鸽房，这是我最喜欢的地方，草坪上设计了几个专供鸽子休憩的木头房子，鸽子优雅地在草坪上踱步、飞扬，这种场景让人感到高贵而纯洁。
快离开教学区的时候，我又去瞻仰了一下学校的飞翔门，飞翔门――顾名思义，门的形状像展翅飞翔的鸟，气势磅礴，象征着莘莘学子即将起航飞扬神州大地。
浙商大的培养方法很独特，施行“子女战略”，视学生为子女，让学生在严格要求与热情关爱中健康成长，学校给新生寄教材。让他们早日开始大学的学习;实行早读和晚自习制度，这造就了学校良好的学风;在全校学生中聘任校长书记联络员，让学生直接和校领导交流，这些使得整个学校就像一个大家庭一样温暖。
枯燥而有趣的统计学
我学的是统计学，这是一个老牌专业，主要包括一般统计和经济统计两类专业方向，需要学习数学基础课(分析、代数、几何)、概率论、数理统计、运筹学、计算机基础、应用随机过程、实用回归分析、时间序列分析、多元统计分析、抽样调查、非参数统计、统计预测与决策、风险管理等，统计学是一个枯燥的专业，我们要和大量的数据打交道，堆积如山的各式表格看了都让人害怕，更别说还要去整理和分析这一堆堆冷冰冰的数字了，不过，统计学又是一个有趣的专业，毕竟它是和生活紧密联系在一起的。
你知道美女是怎么来的吗?美女都是被“统计”出来的。比如某一天你在街上闲逛，迎面走来一位女生，这时你就统计她出现在你面前时的心率，如果高于120次，就绝对可以称之为美女了，如果某一天你遇到一位让你心跳超过140次的女孩子。那在你看来，沉鱼落雁、绝代佳人都不足以形容这位美女，当然。你此刻的心情也无语言表。
你想知道你心仪的女孩子对你的态度吗?要看一个女孩子对你的态度究竟怎样。那你就统计去找她时，有多少次她会说自己忙、抽不出空来。或者不巧、没有办法、抱歉，如果这样的比例高于某个百分比，那你就该知道，再死缠烂打下去，也不会有好的结果。
你看，统计学是多么的有趣，居然关系到同学们的终身大事，当然这仅仅是一个玩笑而已，不过，它在现实生活中确实是很重要的，在现代，我们很难找到不会利用统计学的领域了，太阳每天从东方升起，但天安门广场上与太阳同时升起的国旗，其升旗时间却每天不同;冬天过去，春天就要来临，但今年的春色比去年更加明媚;物体失去支撑就会坠落，但受风速、风向、地心引力等很多细小因素的影响。两个同样重的物体坠落速度和落点会有差别;“神舟五号”飞船按设计的轨迹运转，但每次经过我国领空的时间都略有差距;经济按市场规则运行，但今年的GDP比去年增长8%;奔波的人们按自己的哲学度日，但一年又一年我们的生活逐渐发生了改变。
充满希望的就业前景
如前所述，现代统计学的应用是很广泛的，理、工、农、医、文、经，没有不用到统计学的，所以，它的出路不再尴尬。前途充满光明。
毕业后，你可以选择工作，去政府统计部门，银行、证券公司、保险公司等金融机构。信息咨询公司等，整体而言，如果英语比较好，统计分析能力强，并且具备一定的社会实践经验，就能够进入跨国公司与大牌的咨询公司，薪酬会非常高，在8000元左右，如果没有这方面的优势，薪酬就会比较一般，北京、上海、深圳等一线城市，普遍薪酬在4000元左右。
如果你不想工作，也可以攻读研究生，往财税、金融等领域突破，此外，国外一些院校的统计专业，也非常愿意接收国内一些优秀的毕业生，为他们提供深造的机会。
最后，还要提醒同学们的是，不管是工作，还是继续深造，考取CPA(注册会计师)、精算师等职业资格证书将是非常有必要的，对今后的职业生涯有非常大的帮助。
篇6：统计学论文
统计学课程是统计专业的专业基础理论课，也是财经类各专业学科的基础课和必修课，进入21世纪,随着我国市场化步伐的加快,市场对各种社会经济信息需求日益增加, 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,都越来越依赖于相关信息的取得及相应的数量分析，这些都高度依赖于统计方法。统计方法已成为管理、经贸、金融等许多学科和社会经济实践活动领域科学研究的重要方法。如何在统计学的教学中培养能满足社会主义市场经济建设所需要的统计学专业人才，必然需要我们认真研究和改革教学方法。
一、传统的统计学课程教学成在的主要问题及负面影响
(一)传统教学存在的主要问题。
1、学生对人生的目标模糊，在课堂上缺乏主动性、自觉性大部分学生都带着原来的一些不好的学习习惯、学习方法，使他们在接受知识上比别的同学要慢一些，而且在课余时间，他们也不能自我加压。对于人生的长远打算更是缺乏认识，或者说有的同学是害怕思考，在回避或者逃避这个问题，缺乏青年人那种对知识广泛涉猎，锐意进取的精神。
2、学生文化基础差，入学成绩普遍偏低。
近年来随着高校的全面扩招，高等教育的学生综合素质也在明显的下降，高职专科这个层次的学生已是高等教育的最低层次，学生的素质特别是文化课的成绩较差。很多高职高专学校只要考生过了提档线就可以录取，所以其文化课基础可想而知。
3、统计学课程的计算太复杂。
如组距数列的编制，其资料中的数据有几十至上百，要将其中的数据从小到大排列再分组，光凭眼睛观察是不行的，还有几何平均数的计算、方差分析、相关与回归分析、指数曲线趋势模型、多元回归预测等等，这些计算都很复杂，手工计算量非常大，没有计算机软件的支撑，是很难进行教学实际问题分析的。
4、教师教学重理论，实践教学深广度不够。
有些教师上课时滔滔不绝，黑板写得满满的，学生不停地记笔记。这种满堂灌、填鸭式的教法带来很多弊病。教师讲得过多，他所能提供给学生独立掌握知识、主动训练能力的机会就越少，学生常处于被动位置，没有时间及时思考、消化、吸收，所学知识当然没法巩固。再有，讲得过多，重点不突出，学生掌握不了要领，课堂气氛也沉闷，学生容易产生疲劳。加上统计学的数学知识太多，本来他们的基础就不是那么好，无法听懂这些理论知识。
还有在当前评估热潮的推动下，许多学校开展了轰轰烈烈、前所未有的实践教学，但受诸多因素影响，大多浮于表面，实践教学深度不够，还不能使学生全面地、系统地、高质量地完成专业技能训练。统计学课程一般每周4～6节，总学时约60～70节，而实践课只占10%左右。这意味着该专业学生在课程学习中，从事的主要是理论学习和简单的上机实践操作，课程考察也主要以理论知识为主，实践技能的培养被忽视了。
5、过于“人性化”的管理制度。
有许多高职院校对考试和毕业制度放得较宽，考试只是以期末成绩为主，而平时的表现、成绩和实作等所占的比例较少。有不少学生平时不上课，到期末考试时才参加，也能顺利过关。毕业过关也较容易，只要每一门课程都及格就可以毕业，而忽略了对学生真正掌握知识的需求。
(二)传统教学的负面影响。
由于教与学脱离实际，学生在学习过程中没有学过、接触过解决实际问题的基本方法、步骤、程序，走入社会后动手能力差，解决实际问题无从入手，企业还得花精力、资金和很长时间进行培训，学生还得从头学起。这严重影响了学校的信誉，直接导致学校生源减少，许多教师无课可上。因此教学方法的改革迫在眉睫。
二、高职统计学教学模式改革的有关对策
1、制定切实有效的人生规划，为学生提供强劲动力。
为了提高学生的积极性、主动性和创造能力，教师要鼓励学生制定自己的人生规划，让学生懂得适者生存的道理。使学生能充分利用上课学习时间、课外活动时间，多参加社会实践活动，查阅有关资料，不断地充实自己。使自己的在未来的市场竞争中处于不败之地。
2、在课堂上进行互动式教学，鼓励学生质疑。
在课堂教学中有师生的充分交流，使学生由被动学习变为主动求知，将课堂教学中的精英参与变为大众参与;将学生的学习活动由只重视课堂学习变为课前、课堂、课后并重，引导学生自主地经过课前预习、课堂听讲与双向互动、课后复习、作业实践、总结规律、重点记忆去主动感知客观事物，最大限度地挖掘自身的学习潜能。
3、强化实践教学和社会调查活动，将教学活动的理论和实践有机结合起来。
案例教学法是一种具有启发、诱导、决策等功能的新型教学方法。在选择案例时应遵循实用性、典型性、综合性原则。教师可以根据教学内容，参考有资料结合社会经济的实际状况，设计教学案例，也可以从有关资料中收集教学案例。案例教学法可以将理论与实际紧密联系起来。它有利于学生更好的理解基本概念、原理、技能等知识点，使学生在课堂上就能接触到大量的实际问题，有利于提高学生综合分析和解决实际问题的能力。结合学生所学专业有选择的进行实践教学。比如对于财会电算化专业的学生可以设计用几何平均数计算投资的平均收益率、运用标志变异指标考察投资组合的风险大小、利用加权平均数和加权系数来进行顾客满意程度调查统计分析等。对于经管专业的学生，精选抽样调查、假设检验、方差分析等方面的实例用EXCEL软件进行分析。激发了学生的兴趣、开阔了学生的视野，使学生能学到更多的知识。
4、适当运用多媒体技术教学。
随着现代教育技术的发展，多媒体技术给人们带来了全新的认知结构、活动效率、活动效果和感官上的突破，形象思维的增强，被大量使用于日常教学过程当中。教师应学会将多媒体技术与教学课程有机结合起来，有了它，教师可以节约时间，讲授更多的教学内容;有了它，教师可以将语言难以完全表达的内容，用视屏或动画的形式表现出来……但是不能过分依赖于多媒体技术，它只是辅助教学的工具。使用多媒体进行教学的最终目的，是将教学内容通过多媒体技术的运用，达到启发学生抽象思维，提高学生学习效果的作用。
5、EXCEL在统计学中的教学设想。
在教学内容上，依据EXCEL软件的有关功能，结合书中的基本理论和方法，重组整合教学内容。在传统的统计学教学过程中，对统计数据的搜集主要强调统计报表制度，在EXCEL环境应该更注重抽样调查，EXCEL提供的随机抽样工具使得抽样调查不再是十分复杂的技术，统计图也可以被广泛运用于对数据的描述。在传统教学中比如计算简单的标准差必须用公式进行多步计算才能得到结果，但在EXCEL中只要有函数STDEVP直接就能得到结果;再比如一元线性回归模型，要计算回归系数b和截距a的值太复杂了，但在EXCEL中分别用函数SLOPE和LNTERCEPT就能直接计算结果。这样的例子很多，因此我们应该的传统教学与EXCEL软件有机的结合起来，以适应当代大学生的需要，顺应时代的潮流。
6、改革考试模式，综合评定学生成绩考试是教学过程中的一个重要环节，是检验学生学习情况、评估教学质量的手段。
对于统计学的考试，多年以来一直沿用闭卷笔试的方式，这种方式对于保证教学质量，维持正常的教学秩序起到了一定的作用，但也存在着缺陷，就是死记硬背，缺乏独立思考的能力，不利于培养学生的创造能力，这违背了高职教育培养应用型技能人才的愿望。考试方法要突出多样性、针对性、生动性，不能只限于笔试，还应采取口试、试验、实地调查等多种多样的形式，课堂评价也是重要方式，教师应在教学活动中观察和记录学生的表现，还可以通过面谈、正式作业、项目调查、书面报告、讨论问题和写论文等方式考察和评价学生。综合评定学生成绩，就是要把理论考试与过程考核中学生取得的成绩结合起来，作为判断学生学习成绩的重要依据。同时，建立考试结果分析，总结教学经验教训，发现问题及时纠正，是提高教学质量的有效反馈渠道和沟通机制。
总之，《统计学概论》教学改革势在必行，特别是对于我们的高职学生更是如此，只有运用灵活多样的教学方法，加强实践教学，开阔学生视野，提高学生学习的积极性、主动性和创造能力，才能学到更多的知识，才能接受更多的挑战，以适应社会的需要，成为国家有用之才。
篇7：统计学论文
一、数理统计与统计学的主要特点
（一）数理统计的主要特点
数理统计就是通过对随机现象有限次的观测或试验所得数据进行归纳，找出这有限数据的内在数量规律性，并据此对整体相应现象的数量规律性做出推断或判断的一门学科。概括起来有如下几方面的特点：一是随机性，就是说数理统计的研究对象应当具有随机性，确定性现象不是数理统计所要研究的内容。二是有限性，就是说数理统计据以研究的随机现象数量表现的次数是有限的。三是数量性，即数理统计以研究随机现象的数量规律性为主，而对随机现象质的研究为次。四是采用的研究方法主要为归纳法。最后，数理统计通过对小样本的研究以达到对整体的推断都具有一定的概率可靠性。用样本推断总体误差的存在是客观的，但是数理统计不仅重在研究误差的大小，还指出误差发生的可能性的大小。
从数理统计的学科特征来看，数理统计是应用数学中最重要、最活跃的学科之一。由此可见!数理统计从学科划分来说，应属于数学学科，但是其重在应用!而不是纯数学理论或方法的研究，故其采用的方法也就重在归纳法，而不是数学的演绎法。
综上所述，数理统计的主要特点可以用一句话概括为、数理统计是一门对随机现象进行有限次的观测或试验的结果进行数量研究，并依之对总体的数量规律性做出具有一定可靠性推断的应用数学学科。
（二）统计学的主要特点
统计学是一门收集、整理和分析统计数据的方法论科学，其目的在于探索数据的内在数量规律性，以达到对客观事物的科学认识。
统计学从其研究的范围来说有三大领域：数据的收集$数据的整理和数据的分析。首先，这三大领域随着统计学的不断发展，已很难分辨出哪个领域更重要些。也许有很多人认为数据的分析要相对重要些。在对19和19美国两次农业普查资料进行分析时，列宁曾指出：“全部问题，任务的全部困难在于，如何综合这些资料，才能确切地从政治上经济上说明不同种类或类型的农户的整个情况。”这足见数据整理的重要性。近年来困扰我国统计研究的并不是数据的分析方法，而是缺少充分真实有效的统计数据，造成无法用数据去检验或证实相应的经济理论、经济模型和经济政策。数据收集的重要性可见一斑。其次，统计学是一门方法论科学。长期以来，人们一直认为在这众多的方法中，统计研究的基本方法是大量观察法、统计指标法、统计分组法和模型推断法。特别是大量观察法更成为统计学最重要的基本特征方法之一，也可以说这是统计学与数理统计的根本区别之一，否则，统计学也就真的成了现代西方数理统计学了。随着统计学由早期的纯粹描述统计不断拓展为描述统计与推断统计并重，直至有的学者认为现代统计学应该以推断统计为主，描述统计为辅，暂且不论这种观点是否有不妥之处，但可足见推断统计学已在现代社会生活中起到举足轻重的作用。事实上，推断统计已成为现代统计学的基本特征之一。再次，统计学从其成为一门科学的那一天起，就把对现象数量方面的研究作为自己的基本特征，但是，同时强调要以对现象的定性认识为基础。
（三）数理统计与统计学的比较
通过上述对数理统计与统计学特点的分析，可以把数理统计与统计学的主要异同归纳为如下几方面：
1.从其研究目的来看，两者都重在揭示总体现象的数量规律性，而统计学更声称要以对总体现象的定性认识为基础。
2.从其研究的途径来看，数理统计希望通过对总体部分个体的数量特征的研究，以达到对总体相应数量特征的认识；而统计学既希望通过对构成总体的全部个体的数量特征的研究(如果可能$或值得的话)，以达到对总体相应数量特征的认识，同时也希望能通过对构成总体的部分个体的数量特征的研究，以达到对总体相应数量特征的认识。
3.从其研究的手段来看，数理统计主要依赖于小样本特征值统计分布的数学原理来推断总体的相应特征值；而统计学或者说推断统计学主要依赖于大样本特征值统计分布的数学原理来推断总体的相应特征值。
4.从其研究的主要范围来看，数理统计侧重于对样本数据的定量分析；而统计学不仅重视样本数据的定量分析，而且重视对所获得的总体全部数据的定量分析，同时，重视数据收集方法、数据整理方法的研究。
5.从其利用样本数据对总体进行推断的数理机理而言，概率论是其共同的基础。特别是作为统计学基本方法之一的大量观察法，其数理基础正是概率论中的大数定律；统计学中用大样本可以方便地推断出总体特征的数理基础正是概率论中的中心极限定理，而无论是大数定律还是中心极限定理也都是数理统计的根基。
6.数理统计尽管强调应用性，但是它本身还是一门数学学科，重在应用方法的数理基础的研究；统计学更侧重于对解决社会、经济等现实问题数量分析方法的研究与应用，而方法本身的数理基础的科学性研究，则由相应的理论统计学去研究，事实上，推断统计方法的数理基础的科学性研究，正是数理统计的研究范畴之一。
从上述数理统计与统计学的特点及其比较，可以清楚地看到，随着现代统计学的发展及其在社会政治经济生活中发挥作用越来越大的趋势，数理统计研究问题的理念及其方法已对统计学的发展产生重要的革命性影响，但是，数理统计与统计学毕竟是两门差异较大的学科，不可能简单地加以“统一”。
二、数理统计在统计学中的地位
数理统计与统计学是两门不同的学科，不可相互取代，也不可能像多年来有些学者提出的那样，要建立所谓的大统计，或者说融合统计学，其实质就是要把数理统计与统计学融合起来。但是其融合的直接后果就是现在某些高校所使用的统计学教材中，既有统计学的内容，也有数理统计的成分，不伦不类，细读之，其实就是数理统计的内容与统计学内容的简单拼接。这不能不说是近年来，中国统计学、统计学教材、统计教学的一大悲哀：迷失了自我，盲目地要“与西方接轨”。笔者认为要想理顺数理统计与统计学的关系，就必须对数理统计在统计学中的地位加以深入的研究。
（一）数理统计在统计思想发展中的地位
统计作为一项社会实践活动，已有几千年的历史。“统而计之”，就是人们对统计的朴素认识。随着社会生产力的不断进步，当代的统计已不圄于“统而计之”的范畴。
1.统计作为人们认识社会的最有力的武器之一，已广泛应用于社会、政治、经济、科技等众多领域，而每一个领域有其复杂多样性，若采用简单地“统”，即全面调查几乎是不可能的，但是全面地了解每一个领域的基本情况及不同领域之间的数量联系的规律性，又为现代社会管理所必需。数理统计研究问题的思路和方法，自然而然地为统计学所利用，即数理统计为现代统计学的发展点燃了解决复杂现实问题的科学思想火花——为用总体的部分去说明总体奠定了数理基础。
2.20世纪30年代以来，随着政府要有效地干预国民经济理念的形成，政府以社会经济生活直接参与者的身份出现，基于对全局数据的掌握，大大地推动了统计思想的发展，不仅投入了大量的资金对统计这支“武器”进行开发，更重要的是从立法的角度对统计行为进行规范。在当今许多国家的统计法规中，都明确地规定抽样调查在统计调查中的重要地位。比如，在我国5月经修改后颁布并实施的《中华人民共和国统计法》第二章第十条就明确规定：“统计调查应当以周期性普查为基础，以经常性抽样调查为主体，以必要的统计报表、重点调查、综合分析等为补充，收集、整理基本统计资料”。而抽样调查的基本原理就基于数理统计的推断原理。可见，数理统计的推断理念在统计实践中的地位已用法律的形式确定下来。
3.作为社会经济活动主体的企业单位，在世界经济全球化、区域经济一体化的发展背景下，不仅没有足够的资金、技术支持从事某一方面的全面调查，有时也没有必要通过全面调查以获得生产经营方面的全面数据资料，而抽样调查就足以提供相应可靠的数据作为企业生产经营决策的依据。这也说明数理统计有着微观的现实需要，为微观经济管理活动开辟了无限广阔的前景。在微观统计应用中有着坚实的思想根基。
4.统计的理念，已不仅仅在于用历史数据描述历史的发展特征，而当代更强调通过对历史数据的收集、整理和分析，去预测未来，而这种预测的基础同样基于数理统计的原理。即从历史的时序数据中找出数据的内在数量规律性，以把握未来的走向，即数理统计的分析原理在时间序列数据预测中的作用，同样功不可没。
（二）数理统计在统计方法中的地位
随着数理统计解决现实问题的理念在统计思想中地位的确立，数理统计在统计方法中的重要地位也相应地得以确立。
1.大数定律为数理统计应用于统计学搭起了连接的纽带。大量观察法是现代统计学的基本方法之一，而大数定律又是大量观察法的基础。统计学若没有大量观察法的支撑，则统计分析中的基本指标——平均数与相对数，则失去其应有的作用和意义，可见数理统计在统计方法中的基础地位不容置疑。
2.中心极限定理为数理统计在统计学中的应用铺平了道路。用样本推断总体的关键在于掌握样本特征值的抽样分布，而中心极限定理表明+只要样本容量足够地大，得自未知总体的样本特征值就近似服从正态分布。从而，只要采用大量观察法获得足够多的随机样本数据，几乎就可以把数理统计的全部处理问题的方法应用于统计学，这从另一个方面也间接地开辟了统计学的方法领域，其在现代推断统计学方法论中居于主导地位。
3.数理统计中样本抽样分布的理论，为现代统计学中的方差分析、正交设计等方法的应用同样提供了方法上的理论保证。特别是正交设计在现实工农业生产中的作用，及其对经济的贡献已引起国外学者的高度关注。据日本某些专家估计：“（日本）经济发展中至少有10％的功劳归于正交设计。”这足见数理统计的方法在统计方法中应用的现实意义。
（三）数理统计在统计内容中的地位
统计学是一门关于如何收集、整理和分析统计数据的一门方法论科学。不管数理统计对统计思想的发展有多大的影响，也不管数理统计在统计方法中居于何种地位，数理统计在统计学中的地位还是主要体现在统计分析中的地位。数理统计对数据的收集方法与整理方法的实际影响要比其对统计数据分析方法的影响小得多。也就是说，统计学作为一门方法论科学，其研究领域要比数理统计宽广得多。试图用数理统计取代统计学的观点显然是不正确的，同样试图用大统计学取代数理统计的观点也不正确，毕竟数理统计作为一门数学学科有其自身的不可替代的特点。因此，数理统计在统计内容中的地位，也只能主要体现在统计分析方面。
1.统计数据收集方法的研究仍然是现代统计学的主要内容之一。正如前所述，在我国现阶段如何获得大量真实有效的统计数据，是我们所面临的迫切任务之一。不真实、不全面的统计数据，使国家的宏观管理“经济理论’经济模型和经济政策的统计检验，以及企业的生产经营预测、决策，都不能有效地进行。可见，“统计数据的质量是统计全部工作的生命”的观点的正确性。而数理统计在统计数据收集方面的影响仅体现在统计数据调查方式方法方面，即抽样调查如何组织实施的方式方法，在统计数据收集方法中得以突出和强调。
2.相同的原始统计数据，采用不同的整理方法所获得的整理资料可以完全不同，并由此对其采用相同的方法进行分析所得的结论，可能完全相反。这足以说明统计整理的重要性。但是数理统计在统计整理方面却难以发挥有效的作用，毕竟，数理统计研究的依据是小样本，而统计学研究的依据的是大样本。假如统计学不是以大样本或总体的全部个体为研究依据，统计学也许就真的沦为数理统计了。
3.数理统计对统计数据分析方法的影响是显著的。不仅体现在对大样本总体参数估计、非参数估计、相关与回归分析、总体分布型态的判断、一个总体参数与两个总体参数的假设检验、方差分析和正交设计等许多内容上，而且体现在描述统计学中最基本指标：平均数、相对数的计算原理等方面。也许真不可想象，若在现代统计方法的内容体系中缺少了数理统计的关于大样本的分析方法原理，将是怎样一种景象。
三、统计学传播理念的转变
对数理统计与统计学的特点作了比较研究，以及对数理统计在统计学中的地位作了分析之后，让我们再回到统计学知识传播的现实实践中来，可以更清楚地看到我们现在正在做什么、在哪些方面还需要改进、今后该怎样把工作做得更好。
（一）统计学知识传播理念的转变主要体现在如下三个方面：
1.统计是什么。这是对统计的最基本的认识，可以通过加强对统计知识的宣传达到。在现代统计工作中，尽管“统而计之”仍有非常重要的现实意义，但是在我们的统计学教学与其它途径的统计知识的传播中，绝不能仅限于此。不仅要让不同阶层的人，认识到统计对现实社会生活的巨大认识作用，而且要让他们了解统计在国家宏观管理、企业经营预测、决策，以及对经济理论#经济模型、经济政策检验中的重要性，从而使各个阶层的人民群众自觉地参与和配合各级统计机构所开展的统计调查活动，以保证统计数据的真实完整。这就要求我国必须加强统计知识普及教育及统计法规的宣传教育!开辟多途径多手段的统计知识传播途径。这是统计学传播的基础理念。
2.统计为什么，即让统计活动的直接参与者懂得为什么要这样做。显然，这是对统计学传播的较高层次要求。知道为什么要这样做!即要知道统计的原理，这并不需要所有的公民都知晓。事实上，只能是具有一定知识基础的人才可能真正理解，且其途径主要是通过高等学校的统计教学活动。由此就对高校的统计学教学理念提出了挑战：统计学课堂上应向学生教授什么。笔者从事高校统计学教学多年，认为高校统计学课堂上应向学生解释统计方法的原理。高校统计学教学课堂不应过分地强调对统计知识的宣传和如何具体地从事统计活动，而应强调重视统计方法机理教学的传播理念，但这在我国现实的高校统计学教学中并没有真正地形成。
3.怎么做统计，这是统计方法具体应用的问题。可以说当前我国高校统计学教学实质上就是教会学生如何做实际统计工作。如何收集、整理数据，如何用公式去计算某些指标等。显然，这样的工作中学生就可以胜任。而真正为什么要那样组织实施数据的调查、整理，为什么要那样计算。不仅老师介绍的不够!而且教材编写的深度也不够。
由此可见，统计知识的传播理念应大致界定在三个层面上：一是统计基本常识的传播。二是如何开展具体的统计活动。三是为什么那样开展统计活动可以达到预期的目的。不同层面的传播对象是有差别的。知道统计是什么、怎么做统计，相对于懂得为什么要那样做统计，其要求是相当低的。也许只要会记数、会写字的居委会大妈，就可以从事数据的收集工作，而会套用公式的一个中学生就可以计算服从X*2分布的统计量的样本数值。而知道为什么要这样做，没有相应的数理统计知识是万万不行的。另一方面，随着计算机的普及及统计数据处理软件的开发，利用计算机对数据进行分析已变得异常简单，甚至一个孩童都可以教会使用统计处理软件，在这种情况下。是否让学生懂得统计为什么就变得不重要了呢？正相反，在统计学的高校课堂上让学生懂得为什么就更重要了。
四、我国统计学教材改革的方向
从对统计学传播理念的不同层次的要求，及数理统计在统计学中的地位和学生的知识结构来看，改革现行高校统计学教材内容体系及教学理念势在必行。
1.去除现行统计学教材中与数理统计相重复的内容，加强关于大样本的数理统计内容，即增加大样本统计分布的数理基础的内容。
2.强调大数定律及中心极限定理内容的教学。尽管这两个定理是纯数理统计的问题，但由于其在数理统计的教学中，教师通常重视不够，因为小样本问题才是数理统计研究的主要问题，因此，可能一带而过，而它们恰恰是联系数理统计与统计学的重要纽带。因此，在统计学教材中必须增加并突出其内容。
3.增加统计方法机理的内容。不仅表现在统计推断方法的数理统计机理!而且也包括统计数据收集方法、整理方法的机理。
4.编写适用于特定专业需求的统计学教材，即在强化介绍各种统计方法机理的前提下，结合不同专业学生所学专业的实际，介绍、说明统计方法在相应学科中的具体应用，以便于所有专业的学生都能熟练地把统计的数量分析方法准确地应用于未来的实际工作之中。
篇8：统计学论文
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]。
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
统计分析的结果是推翻无效假设或是不能推翻无效假设。无效假设在一般的统计检验为两组总体参数相等。推翻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论文发表，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]。
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]。
4.1提高编辑人员的统计学知识
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。
4.3强化作者的统计学意识
目前,我国医学科研工作者对统计学的重视不够,没有认识到统计学的重要性。因此,要加强宣传,提高医学科研人员对统计学重要性的认识,强化他们的统计学意识,务必在科研工作中和撰写论文时做到正确应用统计学。另外,还可以对作者开办有关科研论文撰写知识的培训班,面向临床医生,特别是年轻医生定期培训。请有研究经验的专家讲授科研课题的设计方法、如何正确运用统计学方法等。这些措施有利于强化作者的统计学意识,并树立其精品意识,有利于增加优质稿源,从而提高期刊学术质量[19]。
总之,提高医学期刊中统计学应用的质量是一项长期而又艰巨的工作,它涉及到作者、编者、审者及读者等多个方面,需要大家共同努力,才能逐步减少以至消除统计学误用现象,从而提高医学论文的科学性
篇9：统计学论文
很多从事生物医学科研的工作者学了多遍统计学仍不得要领，几乎是一用就出错，这是什么原因呢？原因很多，但最根本的原因可能是统计学的教材和教学方法联系实际不够。虽然统计学教材上举些例子都已经过统计学工作者的精心加工，成了统计学教科书中与问题对应的“标准型”，而这些“标准型”对于实际科研工作者来说，已经是“脱胎换骨”后的“装饰品”。至于统计学教学方法方面的缺陷，也是显而易见的。很多人习惯将统计学深奥的理论、繁琐的计算公式和令人眼花缭乱的由统计软件输出的计算结果，采取“填鸭式教学法”一股脑地全部灌输给学习者。等实际工作者学完统计学后，他们面对科研工作中出现的一个个实际问题，就像见到“外星人”一样，不知如何与他们进行“交流和沟通”，更不能随心所欲地去控制和指挥他们。事实上，实际工作者在科研中所遇到的与统计学有关的问题正是问题的“原型”，由于他们无力识别“原型”，无可奈何之下就按自己所能理解的程度和习惯的做法将问题表达出来，这就是问题的“表现型”。当实际工作者准备选择统计分析方法处理自己所收集的实验资料时，常被依附在“表现型”上的伪装所误导，例如，“组别”一词常被实际工作者误认为是“一个实验因素”。因此，他们十有八九会误用或滥用统计学。
一、统计学的三型理论
(一）何为统计学的三型理论
统计学的三型理论（简称为“三型理论”）就是把科研工作中与统计学有关的问题归结为“表现型”、“原型”和“标准型”，笔者通过阐述这三型的客观存在性和他们之间的相互关系，提出破解三型之迷的技巧与策略，为人们编写高质量的统计学教材、巧妙地讲授统计学、轻松地学习统计学和正确地应用统计学提供一种崭新的理念、理论和方法。“三型理论”在实验设计类型的识别和统计分析方法的合理选用上可以起到举足轻重的作用。
1.“表现型就是实际工作者将一个与统计学有关的专业问题以自己最习惯的形式呈现出来的一种模式或结构，这种结构常以一种假象出现，对合理选用统计分析方法处理资料常起误导作用。比如说，某研究者同时用AB两种药做某实验，每种药又考虑小与大两种剂量，一共可以形成4个实验组，研究者习惯上就用“组别”来代表此实验中的“实验因素”，在其下标出“第1组、第2组、第3组、第4组”，给出各组某些定量观测指标测定值的平均值和标准差，并误认为此实验设计是单因素4水平设计，接着进行6次脸验或做一次单因素4水平设计定量资料的方差分析和”检验。这都是错误的，
2“原型就是能全面正确反映实际工作者研究目的的一种模式或结构，这种结构常把问题的本质呈现出来了。例如，在前例中，在“药物分组”之下表示出“A和B药均用小剂量、八药小剂量B药大剂量、A药大剂量B药小剂量、A和B药均用大剂量”。这样把各药物组的含义明确表达出来，做统计分析时就会很慎重，一般不会盲目去进行两两比较。
3“标准型就是统计学教科书上对各类问题习惯采用的一种表达模式或结构，这种结构常以“不言自明”的方式把问题的本质呈现出来。例如，在前例中，不用“组别”或“药物分组”等字样，而用“八药剂量”与“B药剂量”这样两个词，在统计学上称它们为两个实验因素，每个实验因素都有“小与大”两个水平，与此实验对应的实验设计名称自然就是“两因素设计”了，更确切地说，应叫做两因素析因设计或2X2析因设计（注意：在两因素实验中，根据某些假设，还有其他的实验设计名称，如两因素系统分组设计、两因素分割设计等)
(二)“三型”之间的关系
通过分析和总结医学科研工作中出现的大量实际问题，不难发现:有些问题的“表现型”就是问题的“原型”;有些问题的“表现型”需要通过结构变形使其转变成“原型”，而还有些问题的“表现型”需要通过拆分使其转变成“原型”。
“原型”与“标准型”之间存在什么样的关系呢？有些问题的“原型”就是问题的“标准型”;有些问题的“原型”需要分解成多个“标准型”;而还有些问题的“原型”根本不存在与之对应的“标准型”。
(三)不易出错的“三型”和极易出错的“三型”
若与一个实际问题对应的“三型”完全相同，只要这个问题本身不很复杂，而且实际应用工作者已具备处理此类问题所需要的知识，通常，人们处理这样的问题是不易出错的。
若与一个实际问题对应的“三型”属于上述最复杂的情形，即“表现型”需要经过变形或拆分才能转变成“原型”，若“原型”又根本不存在与之对应的“标准型”，此时人们处理这样的问题是极易出错的。
(四）皮解“三型”的技巧与策略
全面学习和掌握各类问题的“标准型”，学会透过“表现型”的现象看清其“原型”的本质，借助专业和统计学知识将“原型”所对应的“标准型”如果存应的“标准型，根本不存在，则对拟解决的问题作出应有的裁决（很可能实验设计有严重错误或数据无法得到正确的处理），有时可以通过“拆分组别”的方法，使问题得到适当解决。
二、“三型理论”在实验设计上的应用
实验设计的核心内容是“三要素”、“四原则”和“实验设计类型，1341，人们在设计生物医学实验时，常表现在“设计类型”方面出错，但其本质可能是在“对照原则”与“均衡原则’方面出了问题。可用“三型理论”来指导实验设计，也可用于辨析实验设计方面出现的错误。
【例1】为了探讨在体外具有强大细胞毒活性的口腔癌浸润淋巴细胞（TIL)在体内的抑瘤效果以及化疗药物环磷酰胺（CY)与TL眹合应用治疗口腔癌的可能性。原作者取裸小鼠BAB/C-nu/nu15只，鼠龄6~8周，体重18~24g随机分为3组，即对照组、T1L+1L2组和T1L+L+CY组,每组5只裸鼠。从第1周开始观测肿瘤生长情况，设计与资料见表1
对差错的辨析与释疑:表1给出了本实验设计的“表现型”，看上去本实验似乎涉及到两个实验因素，一个叫“组别”，另一个叫“时间”。然而，此处的“组别”却不是一个普通的实验因素，它是由多个因素分别取不同水平的组合结果中的一部分。若将“T1L+1L2”视为一个不可分割的整体则“组别”本质上由“（TL+1L2)用否”与“CY用否”的。
4种水平组合中的3种组成，显然，在表1的设计中缺少了单用“C>药”的那一组，这种错误叫“对照不全”。若在表1中，加上一行“Cy?，此时所对应的设计就是问题的“原型”（表2)
在表2中，假定“Cy?”这一行上也有实验数据，面对表2所表达的资料，很多人在判定实验设计类型时，仍认为此项实验中仅涉及两个实验因素，将计”。事实上，应将“组别”拆分成两列，用两个实验因素明确地表示出来康3)由表3可知:它就是与此实验设计对应的“标准型”。
值得注意的是:表3中第二行必须补齐实验结果。此时，表3所呈现的“标准型”，其设计名称为：“具有一个重复测量的三因素设计”，当资料满足参数检验的前提条件时，应选用“具有一个重复测量的三因素设计定量资料的方差分析”处理资料为宜。
如果T1L与1L-2是两种可以合用也可以分别使用的“物质或药物，特别当他们分别处在“使用与否”的状态下，若存在不可忽视的“交互作用”时，则表1中的“组别”在本质上是由“T1用否”、“1L2用否”与“C拥否”的8种水平组合中的3种组成，仅从实验分组的角度看，表1的设计就缺少了5组，这种“对照不全”错误所导致的后果是割裂了整体设计，组间缺乏可比性，结论缺乏说服力。有兴趣的读者可试着列出此时的表格，即在表3的基础上，将左侧的两列改成3列，其实验因素的名称分别为：
“T1L用否”、“12用否”与“C觸用否，他们都有“不用”与“用”两个水平，由这3个实验因素的水平全面组合可以形成8个组，表头上仍是5个时间点，此时的设计应叫做“具有一个重复测量的四因素设上数据之间不独立”当资料满足参数检验的前提条件时，应选用“具有一个重复测量的四因素设计定量资料的方差分析，处理资料为宜。
三、“三型理论，在实验设计类型辨析上的应用
(一)如何才能做到合理选用统计分析方法处理定量资料呢？
合理选用统计分析方法处理定量资料的关键在于两点:其一，检查定量资料所具备的前提条件；其二，准确判定定量资料所对应的实验设计类型。第一个问题可以通过使用统计软件来轻松地解决，而第二个问题完全取决于使用者对实验设计类型知识掌握的熟练程度。笔者提出的“三型理论，可在辨析实验设计类型上发挥很大作用。
(二)借助“三型理论，辨析实验设计类型的实例
【例2】原文题目：咬合干扰对身体重心移动的影响。目的：了解咬合干扰是否会对身体重心产生影响。方法:对14名健康受试者实施人为的咬合干扰，测定其在干扰前、干扰后30min和干扰后24h身体重心的变化。结果见表4统计方法:应用配对验验。结论:咬合干扰对人体重心移动会产生影响。
对差错的辨析与释疑:表4是实际工作者呈现实验资料习惯采用的一种形式，它是一个“表现型”根据这个“表现型”人们很容易误用统计分析方法，因为它给人的印象是表中有两批实验数据，其一是“睁眼检测，的结果，其二是“闭眼检测，的结果。每批实验数据中又分为3个时间点上观测的结果，每位受试者均在这3个时间点上被重复观测，相当于进行了两次自身配对，故原作者采用配对检验对此定量资料进行了处理，这是不正确的。
因为配对设计定量资料的检验仅适用于分析差量服从正态分布的配对设计的定量资料，在配对设计中，只涉及一个具有2水平的因素;而本实验包含两个实验因素，一个是“检测时眼的状态”，它有“睁眼、闭眼”2个水平。另一个是“观测时间”它有“干扰前、干扰后30min干扰后24h”3个水平。对于每一名受试者来说，在这2个因素的不同水平组合条件下都被观测了定量指标的数值，故本资料应为“具有两个重复测量的两因素设计的定量资料”从表4是很难看出其真正的实验设计类型的，按照此实验具体的实施步骤去呈现实验数据，可以得知，与表4对应的问题的“原型，如表5所示。“标准型”只要列出了表5的式样，接触过这种实验设计类型的人就知道，它就是“具有两个重复测量的两因素设计，的标准型。发表论文时，若希望以简练的形式呈现资料的精华可用表6的形式来表达。
对于表5或表6中的定量资料，应选用什么统计分析方法处理为宜呢？当定量资料满足参数检验的前提条件时，若要求不高，可选用具有两个重复测量的两因素设计定量资料的方差分析对资料进行处理，此时，将每个检测状态下的3个时间点视为“地位平等”的;但仔细追究起来，感到并非很合理，因为在“干扰前”这个时间点上观测的结果仅与“测定状态”本身有关，而与“干扰的作用”无关，将此时的测定结果视为“基线值”或“本底”，若能设法将每个受试者的“基线值”化成相等的条件下，推测出“干扰的作用”大小，则更有可比性。统计学上与“基线值”对应的专有名词叫“协变量”，实现前述思想的合适的统计分析方法的全称叫做“具有两个重复测量的两因素设计定量资料的一元协方差分析”。用此方法处理此定量资料，不但可以消除数据之间相关性对观测结果的影响，还可消除“基线值”不等对观测结果的影响，在此基础上，分析出各个因素及因素之间可能存在的交互作用的实验效应来。
四、“三型理论”在表达和分析列联表资料上的应用
如何才能合理地选用统计分析方法处理定性资料呢？其关键在于以下3点：（1)正确地绘制表达定性资料的列联表；（2)准确地给列联表命名；（3)根据结果变量的性质、资料所具备的前提条件和分析目的，选用相应的统计分析方法处理资料16"。“三型理论”在表达和分析列联表资料上也大有用武之地。
五，讨论
实际工作者如何才能从问题的“表现型”正确地揭示其“原型”，进而能顺利地演变出其“标准型”呢？首先，需要对统计学上各类问题的“标准型”有一个全面而又准确地了解和掌握，例如实验设计的4个基本原则是什么，其关键点是什么；标准的实验设计类型有哪些，其特点是什么。其次，要多实践，要在真正掌握了这方面知识的人员指导下多解决一些实际问题，使自己从一次又一次的错误中解放出来。一是不要怕出错，二是要科学地对待所出现的错误，要努力做到“吃一堑长一智”。要做到合理运用统计学虽然不是一朝一夕的事，但只要在正确的理论指导下，学习方法得当，再加上坚持不懈地努力，解决很多较复杂问题的技巧自然也就慢慢掌握了。因为“熟能生巧，功到自然成”。
篇10：统计学论文
随着我国市场经济的不断发展与成熟，我国的金融市场和证券市场也逐渐繁荣起来，尤其是统计学及其相关理论的不断突破为金融市场和证券市场的发展提供了重要的助力。
统计学以定量研究的精准特点逐渐成为金融市场和证券市场发展的一种趋势，本文主要研究了统计学在当今国内金融和证券市场的应用及将来的发展，现在的问题并提出针对的政策。
一、统计学在我国金融和证券市场的相关应用
1.在金融政策和证券市场的应用
在金融政策方面，统计学的应用主要集中在了在利用VAR模型、协整检验(Cointegration test)、ECM模型、非平稳时间计量经济模型等计量经济学的研究方法对我国近年来的货币政策进行研究，并预测发展趋势;我国货币的供给对我国产出与市场价格波动的联动性影响;量化宽松的货币政策与财政政策对我国和世界经济增长的刺激性分析;人民币汇率的波动对我国物价的影响以及我国储蓄收支变化对我国货币流通的影响等。
此外，在金融决策的领域，统计学也可以发挥十分重要的作用：利用统计学我们可以将进行金融决策所需要的数据，并且对数据进行分析时，可以利用统计学中的抽样统计、数据波动的分析与协整、时间序列分析等方法帮助决策。
时间序列分析中对一系列的历史数据的收集和对比分析，可以挖掘一些不易发现的历史规律，以此可以对未来类似金融态势时借鉴历史经验进行决策，而数据波动的分析与协整方法则是在计算机软件上利用统计学的知识，对股市的涨跌情况进行专业的分析。
而在证券领域的统计学应用主要是我国股市开始逐渐成熟后兴起的，集中在利用统计学分析我国股市的波动性和稳定性研究，通过沪市和深市指点的绝对变化在指数波动的幅度基础上，利用标准差或者极值法、VAR模型或者混沌方法来显示我国当前证券市场的波动性;另一方面则是利用GJR/广义矩阵、交叉自相关模型等方法对我国证券市场的运行现状及股市的成熟度进行大致的测算。
2.数据挖掘技术的应用
数据挖掘(Data-mining)是基于统计学及其它相关的学科来对决策进行支持的一种统计知识，即将大型数据库中的隐藏的具有利用颊脂垫额信息进行提取以便帮助决策者发现关键信息、进行决策的技术。
数据挖掘技术在证券领域的应用及其广泛，主要集中在以下两方面：首先是客户关系管理。证券客户关系管理系统可以不断对证券交易市场的交易数据进行汇总和总结，并且生成股票交易的相关行为数据，在这个系统中保存的客户历史数据，在系统详细分类的基础上可以分析每个客户的实际贡献和潜在贡献，并且吸引更多具有相关需求的潜在客户。其次是对庞大数据的分析。
金融市场和证券市场的数据及其庞大和复杂，如何最大程度的剔除那些无关的和相互矛盾的数据，可以提高决策的效率和准确性。尤其是投资者更应采取科学的分析方法，在数据库的基础上利用数据挖掘技术进行分析，避免主观臆断。
3.统计学在金融和证券市场风险管理中的应用
运用统计学从市场发展的规律中发现对自己有用的数据从而规避市场的风险是统计学的重要应用。马尔科夫预测法的应用能够有效的预测经济发展中金融市场的贷款回收率以及商品市场的占有率吗，从而实现我国金融市场的健康、有序、安全运行。
马柯威茨组合则是利用统计学的知识对金融和证券市场的投资损失的概率进行有序排列，分析预期收益与可能收益的偏离程度，从而帮助投资者实现有效分散投资风险，提高风险管理的效率。
二、当前我国金融和证券统计学应用存在的问题和解决对策
虽然近年来统计学在我国金融和证券领域取得了长足的进步和发展，但是由于发展时间比较短，体系不健全等原因还存在金融人才缺乏。人才培养模式不合理，我国目前主要实施传统的单向博士导师招考制的培养模式，这种作坊式的培养模式不利于在竞争激烈的市场经济中培养他们的竞争意识;知识结构不合理，即在金融理论知识与数理金融知识的掌握上没有给予足够的重视，经常出现只精通一方面知识的人才，知识结构严重畸形;最后就是高校的教材与我国实际脱节，高校培养缺乏对我国金融市场和证券市场的实践调查，导致教材多不具备实践性。
针对上述问题，本文认为应当在以下四方面大力改善统计学在金融和证券领域应用存在的问题：
第一，不断加大金融师资力量的培训力度。当务之急就是培养一批具备实力的高素质专业人才，增强教师对我国宏观经济理论与微观数理金融水平的理解，为我国大规模相关人才的培养奠定坚实的师资基础。
第二，不断强化我国的法律和金融学研究，健全和完善金融学科的建设，最后实现金融学科的创新和统一。
第三，不断加强教材建设，编制适合我国实情的教材。我国金融和证券教材的编制应当根据我国金融和证券市场的实际情况来编写，避免闭门造车的情况，将理论知识和实践相结合，增强学生的实际操作能力。
总之，统计学在整个世界范围内金融和证券领域的应用已经成为普及，在我国当然也不例外。统计学方法作为众多的定量分析方法之一，是我们加深对我国金融和证券市场认知的重要工具，不断加强统计学的学习对于研究我国金融和证券的相关问题具有重要的意义。
篇11：统计学论文
一、关于总体与总体单位的关系问题
总体与总体单位的关系是一个老问题，在20世纪80年代有过争论。有两种对立的观点：一是认为二者可以相互转换，即随着研究目的和研究对象的改变，总体单位可以转换为总体，总体也可以转换成总体单位；二是认为二者不能相互转换。比较而言，赞成可以相互转换的人为众。这两种观点到底孰是孰非，现在似乎没有人再关注了，但并不等于有了普遍认可的定论。
众所周知，总体是在一定研究目的下，所研究事物或单位的全体，具有大量性、同质性和差异性。总体单位是构成总体的个别单位。总体是一个集合，总体单位是集合里面的元素，这两者是不能相互转化的。而有不少人认为可以转化，是存在一个认识上的误区，这个误区就在于，把一个单位与构成一个单位的各个元素相混淆。例如，认为可以相互转换的人可以举出这样的例子：我们以太阳系的各个星球为研究对象，太阳系就是一个总体，太阳系里面的各个星球就是总体单位，地球就是其中之一。当研究目的变了，如果以地球上的人类为研究对象，地球就是一个总体，地球上的各个人就是总体单位。这个时候，地球就由总体单位转化为总体了。不难看出，这个表述存在问题：不管太阳系有多么浩瀚，但作为一个星系，它不具有大量性，而只是单一性，不具备总体的“大量性”这一属性。而太阳系里面的各个星球就可以成为一个总体，具有大量性。同样，地球再大，它同样不具有大量性，只具有單一性。地球上的人类可以成为一个总体，具有大量性。所以，正确的表述是：以太阳系为范围，研究太阳系的星球，太阳系的所有星球就是总体，其中的每一个星球就是总体单位，地球就是其中之一。如果以地球为范围，研究地球上的人类，地球上的所有的人就是一个总体，其中每一个人就是总体单位。把太阳系称为总体和把地球称为总体都是错误的。同样，也可以这样说：以某个城市为范围，研究其工业企业，该市所有工业企业就是一个总体，其中每一个工业企业就是总体单位。如果以其中某一个企业为范围，研究其职工，该企业的所有职工就是一个总体，其中每个职工就是总体单位。同样，如果把这个城市称为总体和把某个企业称为总体都是错误的。
二、关于标志的相关问题
（一）品质标志和数量标志的划分
一般教材都把品质标志定义为“说明事物质的特征的标志”，把数量标志定义为“说明事物量的特征的标志”。这种定义本无错误，但这只是一般情形。事实上，品质标志和数量标志的划分并不是从这两个定义来划分的。在很多情况下，品质标志都由于人为的原因变成了数量标志。比如学生成绩，本来考量学生对知识和技能掌握的深度属于质的问题，但往往都人为地将其数量化了。具体表现是数值，如百分制、五分制等，但有时候也打等级，如优、良、中、及格和不及格。这时候的具体表现就是文字，认为是数量标志。再如产品质量，显然是质的问题不是量的问题。有时候表现为数值，有时候表现为文字，可以分为一级品、二级品等，也可分为合格品、优等品、等外品等，类似的情形还有很多。所以，同样一个标志，到底是品质标志还是数量标志，其实要看其具体表现，表现为文字时是品质标志，表现为数值时是数量标志。关于这个问题，在统计学的教材里面都没有比较明晰的阐述，难免给教学带来一定的困难。
（二）关于变量的定义问题
变量是一种数量标志。关于变量的定义，一般教材都习惯表述为“可变的数量标志”。这个定义显然是有失偏颇的，问题就在于对“可变”的理解。这里的“可变”是指同一时间上不同单位取值有差异，是一种横向的可变。而学生就很难正确理解这个定义，一般都会将其错误地理解为不同时间上的纵向“可变”，会理解为年龄在不断增长，是可变的，工资在调整，是可变的……到底应当如何给变量下定义呢？很简单，变量就是在不同单位之间表现出差异的数量标志。
（三）关于标志表现
一般的统计教科书只介绍标志和标志值、变量和变量值，却没有“标志表现”这一概念。这是一个很大的缺失。如果只介绍标志和标志值，而不介绍标志表现，就容易引起混淆，因为品质标志的表现是文字，不是数值，因而就只能叫作标志表现，不能叫作标志值。数量标志的表现是数值，可以有多种叫法。例如，身高这个标志的表现是数值，可以称为标志表现，由于具体表现是数值，又可以称为标志值，又由于每个人的身高不一样，身高又是一个变量，还可以把身高的数值表现称为变量值。而性别这个标志的表现就是男、女，就只能叫作标志表现，不可能有其他叫法。在教学实践中，甚至有学生把品质标志的表现和标志值混为一谈，或者把品质标志的表现和标志混为一谈，这都是因为教材里面没有正式给出“标志表现”这一概念造成的。
三、关于同度量因素是不是权数的问题
采用综合指数的形式编总指数，都需要同度量因素。关于为什么需要同度量因素，同度量因素为何要固定，固定在什么时期，这都有定论，无须赘述。但让人匪夷所思的是，一般教材都把同度量因素叫作权数，更让人难以置信的是，居然没有任何人对此提出异议！
众所周知，总指数是个体指数的平均数，这从加权算术平均指数和加权调和平均指数中能够看明白：（，）。其中的pq和pq就是权数。而从综合指数里面却看不见有加权的计算。难道p和q相乘就是加权？统计计算中有不少加权计算，不管如何加权平均计算，加权算术平均也好，加权调和平均也好，加权几何平均也好，算式里面都有权数的总和出现。例如，加权算术平均数（xf/f），有∑f出现，加权调和平均数{m/（m/x）}有∑m出现等等。再比如，上面的加权算术平均指数里面有∑p0q0出现，加权调和平均指数里面有∑p1q1出现。如果p和q是权数，为何没有出现∑p或∑q？综合指数里面的p或者q原本就是一个同度量因素，就起到一个转换作用、过渡作用，将不能直接加总的多个数量因素q或质量因素p转换成可以加总的某个总额pq。所以，同度量因素就是同度量因素，不能称为权数，否则是对权数概念的滥用，使人难以理解，给教学带来麻烦。
篇12：统计学论文
经济统计学是以经济数据为研究对象， 包括经济数据的采集、生成和传输，用统计方法分析经济数据背后的经济现象以及复杂经济系统的规律，从而为经济和管理决策服务。 目前，我国有近百所院校开设了经济统计学本科专业。 在统计学上升为一级学科以及大数据时代已经到来的大背景下， 经济统计学专业的课程教学也面临着新的挑战。 本文从经济统计学课程教学改革的背景出发，分析了当前经济统计学课程教学存在的问题，指出经济统计学课程教学改革的定位， 提出了经济统计学课程教学改革的具体举措。
1经济统计学课程改革的背景。
1.1 统计学上升为一级学科。
20xx 年 2 月 , 国务院学位委员会第 28 次会议通过了新的《学位授予和人才培养学科目录（ 20xx） 》，统计学上升为一级学科，设在理学门类中，编号为 0714.这样，统计学就完全从数学和经济学中独立出来， 成为了一级学科。 统计学上升为一级学科后，下设的二级学科包括数理统计学、社会经济统计学、生物卫生统计学、金融统计、风险管理和精算学、应用统计学。 统计学上升为一级学科对经济统计学的发展带来巨大影响。 在统计学上升为一级学科的大背景下， 如何更好的体现经济统计学的学科特色，协调经济统计学和其他统计学之间的关系，进一步适应经济社会发展和学科发展的需要， 培养具有扎实经济学和统计学理论基础的人才，成为摆在高等学校面前的一大挑战。
1.2 大数据时代的到来。
随时计算机技术和互联网的快速发展， 大数据时代已经走入人们的日常生活。 大数据时代的到来对经济统计学也带来了新的机遇和挑战， 特别是大数据对于数据分析人才产生了巨大需求，要求经济统计学生掌握更为复杂统计软件的编程和操作。大数据背景下，经济统计学要适应新的形势，需要对课程教学进行有针对性的改革。
2当前经济统计学课程教学中存在的问题。
经过几十年的发展， 经济统计学的课程教学取得了显着进步，构建了较为完善的教学课程体系，培养的经济统计学学生能够较好地掌握经济学理论和统计学方法。 尽管如此，我国经济统计学的课程教学还是存在一些不足之处。
2.1 经济统计学的核心课程有待完善。
目前，各高校的经济统计学的课程体系主要由三部分组成：
一是通识课程，包括大学英语、高等数学等；二是经济管理的理论课程，包括经济学、管理学、会计学等；三是统计学专业课程，包括概率论与数理统计、国民经济核算、市场调查、金融统计等。
从实用的角度看，统计学专业课程并不完善，还应该包括企业统计、行业统计等实践性较强的统计课程，这些课程的学习不仅有助于学生深化对于统计学知识的认识， 更有助于统计学知识在今后工作中的实际应用。
2.2 课程内容落后，没有体现理论前沿。
目前，中国经济统计学的相关课程（如国民经济核算）在课程设置上大多较为固定，教材内容较为基础，没有很好的反映出国外研究的最新进展，不利于硕士层次和博士层次的课程教学。
2.3 缺少实际应用，难以学以致用。
当前很多经济统计学教材编写的侧重点还仅仅停留在经济统计基础知识的介绍，将大量的篇幅用在了简单、重复性地介绍经济统计知识上，这样显然无法有效地激发学生学习的兴趣、爱好、创新能力和动手能力，使教材“教书育人”的作用仅仅停留在了“教书”方面。 考虑到经济统计学具有很强的实践应用特点，目前的教材编写在实际应用方面还存在较大欠缺， 无法使学生真正做到学以致用。
2.4 教材建设亟需规范。
教材建设是事关经济统计学教学的根本问题， 我国经济统计学教材建设的问题主要体现在相关核心教材 （如国民经济统计学、国民经济核算等）的质量参差不齐。 尽管有些教材能系统的介绍经济统计学的理论与方法， 还是有为数众多的教材存在或多或少的质量问题，如一些教材片面追求内容体系的完整，造成内容庞杂；一些教材过于理论化，与现实结合并不紧密；一些教材内容陈旧，与社会经济的快速发展不相适应。 教材建设的落后严重影响我国经济统计学的课程教学和人才培养。
3经济统计学课程教学改革的定位。
为了满足经济统计学的培养目标， 经济统计学教学改革的定位应该基于以下几点。
3.1 强调经济统计学的学科特色。
统计学是一门工具，各行各业都离不开统计学。 总体来看，经济统计学属于社会学科，它既属于统计学的分支，又属于经济学的分支。 经济统计学是统计学在经济学领域的具体应用，有别于其他的统计学。 经济统计学的课程教学改革应该强调经济统计学的科学特色，既要突出统计学的方法论特点，又要注重经济学的应用范畴和理论基础。
3.2 体现不同教学层次的差异性。
目前，经济统计学的人才培养已经涵盖了学士、硕士和博士三个层次。 经济统计学学士培养注重基本理论的学习，掌握统计学基本理论和方法，能熟练利用统计软件；经济统计学硕士培养具有良好的统计学背景，系统掌握数据采集、处理、分析和开发的知识与技能，具备熟练应用计算机处理和分析数据的能力；经济统计学博士培养则注重统计学和经济学理论与方法的创新及应用。 经济统计学的课程设置应该根据培养目标的不同，充分体现不同教学层次的差异性。
3.3 兼顾课程设置的普适性和特色性。
截至目前， 全国共有 93 所院校开设了经济统计学专业，这其中以财经类院校居多，同时兼有综合型大学和理工类大学。 不同高校开设的经济统计学专业的课程总体相同， 但是也有较大的差异性，如有的院校注重更加注重经济学的理论学习，有的院校则更加注重数学和软件学习。经济统计学的课程设置需要有具有普适性的核心课程，同时也要考虑到不同高校的实际情况，允许存在一定的特色性。
4经济统计学课程教学改革的举措。
4.1 扎实理论功底。
尽管经济统计学是一门强调应用的学科， 但是其对基本理论的要求比较高，因此，在教学过程中应该注重夯实学生的基本理论功底。 对于统计学基础理论，尤其注重概率论与数理统计、线性代数、微积分等课程的教学，适时增加课时量；对于经济学的理论，要有系统的教学体系，建议在现有的宏观经济学和微观经济学基础上，引入政治经济学、产业经济学、劳动经济学、计量经济学等经济学课程，培养学生系统的经济学理论基础；对于计算机理论，要强化学生对于计算机编程的学习，对于 C 语言、C++等基本编程语言要有系统的课程讲授。
4.2 重视教材建设。
目前，经济统计学的教材建设尚存在明显不足，完善教材建设是经济统计学课程改革的重点。 建议组织有丰富教学经验和相关科研成果的教授担任核心课程教材的主编，亲自动手编写。
根据经济统计学专业的特点，努力贯彻“少而精”和“学以致用”的原则。 尽可能做到既反映本门学科的先进水平，又要简明易懂和便于教学。 同时，教材编写完成后应该进行全面推广普及，让不同高校的教学从中受益。 最后，教材编写还应该重视结合实际案例，让学生能从实际生活中理解统计学知识。
4.3 注重实践应用。
大数据背景下， 经济统计学的教学应该更加紧密的结合实践应用。 注重统计学的实践应用可以通过以下两个方面进行：课堂外，积极开展社会实践活动，通过与企业、政府部门合作的方式，构建实践实习的平台；课堂内，推广项目教学法，以师生共同参与的方式，通过课堂研讨、收集数据、构建模型、分析结果等过程完成；增加数据挖掘和数据处理和分析的课程，培养学生能够使用专业统计软件（R/SAS/Python）进行数据挖掘、清洗、分析等；选定特点的社会经济现象及经济指标， 让学生通过对经济现象和经济数字的解读，更好的理解统计学基本原理。
4.4 引进国外先进理论。
近年来，国际上经济统计学的发展较为迅速，无论是国际官方统计机构（如联合国、OECD、世界银行的统计部门）还是学术界的理论研究，经济统计学的理论研究都取得了显着的进步，这些理论研究成果需要及时引入中国。 经济统计学的课程引进国外先进理论可以从两个方面进行， 一方面可以直接引入国外现有的较为成熟的成果，如联合国最新的核算体系 SNA（20xx）、投入产出核算领域的国际权威读本《Input-output Analysis Founda-tions and Extensions》等 ;另一方面 ,可以将目前经济统计学领域的国际研究进展引入现有教材，如国际比较（ICP）的理论与方法进展、非市场服务核算等。
4.5 搭建精品课资源共享平台。
精品资源共享课建设对深化课程教学改革、提高教学质量都意义重大。 尽管目前已有不同层次的统计学精品课资源，但是总体来看还是有很大欠缺。 通过开放精品课程网站，最大限度的实现不同地域、不同特色院校经济统计学的资源共享。 其次，可以实现学生课下的高效学习。对于课上没有理解的知识点，学生可以通过观看精品课，重温课上学习，极大地提高了学生学习的便利性和高效性。
4.6 创新教学形式。
大部分专业传统的教学方式都是教师占据主动地位， 学生占据被动地位。 这种灌输式的教学方式对于理论性较强的专业是合适的，但是对于实践性较强的经济统计学来说并不合适。 经济统计学的教学应该创新教学形式，在大一、大二学生强调基础理论的学习，在大三、大四学生中则更多的采用小组研讨、案例演练等教学形式，激发学生学习兴趣，鼓励学生积极参加市场调查大赛、统计建模大赛等课外比赛，提高学生的实际动手和理论应用能力。
主要参考文献。
[1]林洪。对统计学学科性质 、专业建设几个问题的认识 [J].统计研究 ,（11）：20-25.
[2]曾五一，肖红叶，庞皓，等。 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，20xx（2）：3-6.
[3]曾五一。 关于经济与管理类统计学专业教学规范的若干问题 [J]. 统计与信息论坛，20xx（4）：12-17.
[4]顾六宝，陈峰。 关于经济统计学教材内容拓展与改革的思考[J]. 统计教育，20xx（2）：4-5.
[5]邱东，宋旭光。 中国经济统计学 60 年[J]. 统计研究，20xx（1）：26-34.
篇13：统计学论文
目前，项目驱动教学模式作为一种新兴的教学方法正被越来越广泛的运用于应用统计学的教学过程中，这一新的教学模式产生于建构主义教学的理论基础之上。本文旨在对应用统计学的课程特点进行分析，并对应用统计学教学过程中存在的问题进行探讨。对过去的教学过程中所普遍存在的局限性进行深入的分析，从建构主义的角度看问题，对应用统计学教学中项目驱动教学模式的应用做进一步的阐述，对该模式的具体实施方法与实施步骤做出进一步的讨论。
项目驱动教学模式正在越来越广泛的被用于应用统计学的教学过程中，这种用构建于建构主义概念之上的新型教学模式很好解决了过去应用统计学教学过程中的一些问题。本文通过对应用统计学的教学目的和教学中存在的问题进行详细的探究，进而对项目驱动教学模式在应用统计学教学中的应用提出具体的实施办法。
一、应用统计学的教学目的和存在的问题
1.应用统计学的教学目的 所谓统计学，就是指对数据资料进行收集、整理和分析，把数字作为语言，对客观事物的数量进行描述与分析的科学。无论是自然科学还是社会科学领域，统计学都已经被广泛地应用其中。而应用统计学则是将统计学的理论实用化，使之渗透到现实生活的各个方面当中去。
教育部规定，统计学是经济与工商管理两大类专业学科的核心课程，这一课程的教学目的是在熟练掌握统计学的各种基本理论的前提之下，对于学生与统计相关的技能进行培养，使学习过这一课程的学生能够熟练运用统计方法对数据进行处理、分析与解析，在学好相关理论的同时对各类统计方法之后所蕴含的统计思想做到进一步的理解，使学生能够在实际案例当中运用相关的统计方法分析与解决问题。
2.应用统计学教学存在的问题 应用统计学课程的两个特点是，一个是课程有着繁多的概念、原理与公式，很难被理解与记忆;另一个是这一学科有着很高的抽象性。统计学中的大部分概念都十分的抽象，例如参数检验与多元回归之类的概念如果不和实践进行紧密联系的话一般很难被人理解。
一般情况下，统计学课程主要就统计工作中统计的设计、调查、整理、分析四个阶段进行讲解。其中统计的设计、调查与整理只占统计课程的小部分，这三部分是统计分析的前提基础，而统计分析则是应用统计学课程的真正的难点。
应用统计学是一门有着很强的应用性的学科，它的教学目的不是简单地让学生对统计学基础理论进行理解或者掌握一些统计方法，最重要的是让学生能够在处理实际的经济或者管理问题时，对统计学的原理与方法进行准确的应用。
当前应用统计学的教学模式单一，可以通过教学中的目的、教学内容与教学方式三个方面看待应用统计学教学模式单一的问题。目前，经管类专业在对统计学进行教学时，常常只着重对统计的理论与方法进行教学，而很少深究其背后的统计思想。因此，学生的统计素养和统计水平都很难得到真正的提高。
在教学内容上也只对一些抽象的概念进行泛泛地教授而很少涉及统计学的具体应用。在课程的考核方面同样也存在着很大的问题，考虑内容与方式的落后让学生可以通过突击取得成绩从而很难对学生的实际应用能力进行真实的评价。
二、应用统计学教学中项目驱动教学模式的应用
在项目驱动教学模式下的应用统计学教学过程中，如何进行项目选择与项目设计，是教学过程中的最重要的问题。能否选择恰当的项目进行恰当的设计，对统计理论教学与统计方法实施的效果有着最直接的影响。针对应用统计学的教学目的与内容进行如下设计：
1.选取项目 为了在教学过程中实现学生项目与真实的统计活动在最大程度上的贴近，并且让教学过程中的研究成果被作为真正的参考凭据使用，要通过两种方式进行项目的选取。一是选取与学生生活息息相关的，学生感兴趣的问题。二是选取企业关注的问题作为项目。
2.教学设计与子项目教学 在应用统计学的教学之初，就对学生必须完成调研项目的学习目标进行强调，使学生明白，统计学理论与统计方法的学习是为完成调研项目打基础的，完成项目才是最终的目的。
转变以学习理论为先的传统观念，培养学生的职业素养和高度的敬业精神。并将项目分为数个子项目，突出任务的核心部分，打破传统思想的枷锁。
3.项目评价 在教学过程中，对项目过程与成果进行及时的评价，对提高学生参与项目的积极性有着积极的作用。在评价过程中，学生之间的互评作为一种重要的评价方式应该得到重视。
通过学生的互评，让他们更好的了解各自项目的特点和自身所存在的问题。这种项目评价的方式，更有利于培养学生的团队协作精神，提高学生的执行力。让学生不但通过自己的努力完成了项目、学习了知识，而且让学生在完成项目的过程中发现探索的乐趣，培养了研究的精神。
三、结束语
项目驱动的教学模式，是对过去应用统计学教学模式的一种创新性的挑战。这一模式在教学过程中一反过去以老师教学为主的教学方法，把学生自主学习作为主导，调动了学生学习的自主性与积极性。
在完成项目的过程中培养学生的协作精神与探索精神，提高学生的职业素养。使学生今后能够更好更快地融入到社会生活当中去。
【统计学与大数据论文（锦集13篇）】相关文章：
浅谈机构投资者对关联担保抑制效应的实证研究2022-07-30
试论大数据环境中社会科学研究范式论文2023-03-16
网络经济数据挖掘在工商管理中的应用论文2022-08-22
大数据背景下区域经济发展的思考论文2023-07-02
学什么专业就业前景好2023-05-29
会计基础工作规范化的毕业论文2022-11-22
数据大集中管理模式下数据同步技术探讨论文2023-06-09
网络道德研究综述的论文2023-02-01
Vista下的数据保护策略：卷影2022-10-27
实验数据的计量经济分析挑战与机遇论文2023-05-07