統計學意義匯總十篇

序論：好文章的創作是一個不斷探索和完善的過程，我們為您推薦十篇統計學意義范例，希望它們能助您一臂之力，提升您的閱讀品質，帶來更深刻的閱讀感受。

篇（1）

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。客觀地說,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。總之,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。可見,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。我們經常可以聽見從事偵查學研究的人士感嘆: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

篇（2）

1、有助于提高閱讀、理解體育科技資料的能力;

篇（3）

保證醫藥科研工作的重要手段已寫入有關文件的要求中，作為高層次的醫學專業人員，通過學

習本門課程，可以較好地把統計原理和方法的思維邏輯應用于科研和管理中，尤其在本學科

的研究設計和數據分析方面，更為明顯。

通過本門課程的學習，要使學生學會人群健康研究的統計學方法，學會計量、計數資料的分析，

非參數統計方法和多元統計分析方法及醫學研究設計。其目的使大家具備新的推理思維，結合專業問

題合理設計試驗，科學獲取資料，提高科研素質。

本課程教學的主要方法有理論講授、課堂討論、課堂演算等，使學生加深對理論的理解。

【主要內容及要求】

第一章緒言

1．掌握統計工作的步驟。

2．掌握統計資料的類型。

3．掌握總體與樣本、概率、小概率事件，誤差等基本概念。

4．熟悉統計學、醫學統計學的定義、掌握統計學的研究對象。

5．了解學習本門課程應注意的問題。

第二章個體變異與變量分布

1．掌握均數、幾何均數、中位數的計算和應用；掌握四分位數、標準差的應用；相對數常用指標、應用相對數的注意事項；正態分布的應用和醫學參考值的估計。

2．熟悉利用統計圖表描述定量資料的基本方法；制作統計圖表的基本要求和規則；百分位數的計算方法；正態曲線的面積的分布規律。

3．了解定量資料頻數分布表的編制方法和分布規律；常用疾病統計指標的計算；正態分布的概念及特征。

第三章抽樣誤差

1．掌握抽樣誤差的概念；標準誤的意義及其應用；t分布特征及應用。

2．熟悉抽樣誤差影響因素；標準誤的計算。

3．了解t分布特征

第四章可信區間

1．掌握可信區間的概念，總體均數95％和99％置信區間的計算及適用條件;掌握正態近似法計算總體率的95%和99％置信區間及適用條件；闡述標準差與均數標準誤的區別。

2．熟悉可信區間的兩個要素，查表法估計總體率的置信區間。

3．了解兩均數之差的可信區間。

第五章假設檢驗

1．掌握假設檢驗的意義及步驟；第一類錯誤與第二類錯誤。

2．熟悉假設檢驗的基本思路；假設檢驗的條件；P值含義。

3．了解差異檢驗與優度檢驗；區間估計與假設檢驗之間的關系。

第六章定量資料的分析

1．掌握t檢驗的應用條件及類型，常用的t檢驗分析與計算過程；方差分析的基本思想；單因素方差分析的過程。

2．熟悉方差不齊時的t‘檢驗；多樣本的兩兩比較方法。

3．了解兩樣本幾何均數的比較；方差齊性檢驗；變量變換。

第七章定性資料的分析

1．掌握X2檢驗各種公式的適用條件和各種設計類型的X2檢驗的步驟及行×列表資料X2檢驗的注意事項。

2．熟悉樣本率與總體率比較的u檢驗；多個率的多重比較；似然比檢驗。

3．了解兩樣本率比較的u檢驗；確切概率法。

第八章等級資料的分析

1．掌握非參數統計的概念；不同設計類型的秩和檢驗的實施方法及其應用條件。

2．熟悉不同設計類型的秩和檢驗方法。

3．了解不同設計類型的秩和檢驗和相應t檢驗的功效有何不同。

第九章兩指標間的直線相關

1．掌握利用散點圖確定兩個定量變量之間有否線性關系；掌握Pearson積差相關、Spearman等級相關的應用條件并能計算相應的相關系數，同時進行假設檢驗；對分類計數頻數表資料的兩變量間的關聯性作定量分析。

2．熟悉對不同類型的變量，用不同的統計方法去分析它們之間的關系。

3．了解利用散點圖分析樣本相關系數可能出現的各種假象，并作出合理解釋。

第十章兩指標間的直線回歸

1．掌握回歸的基本概念；回歸分析的基本思想與方法；回歸系數檢驗的意義與方法；相關與回歸分析的區別與聯系。

2．熟悉總體回歸系數β的統計推斷；殘差與殘差分析。

3．了解總體回歸線的95%置信帶與個體預測值Y的區間估計；過定點的直線回歸。

第十一章多元回歸分析

1．掌握多元線性回歸、Logistic回歸、Cox比例風險回歸方程中的偏回歸系數、標準化偏回歸系數、確定系數、復相關系數、比數比（OR）的概念、應用、計算結果的解釋。

2．熟悉回歸分析的分類，殘差的概念，最小二乘法求多元回歸方程，回歸方程的配合適度檢驗，逐步篩選法選擇自變量，最大似然估計法求Logistic回歸方程及Cox比例風險回歸方程，似然比檢驗篩選自變量。

3．了解多元線性回歸、Logistic回歸模型。

第十二章研究設計（一）——總論

1．掌握醫學研究設計的意義，研究設計的形式、研究設計的基本原則和基本要素。

2．熟悉樣本含量的估計方法。

3．了解調查設計的步驟和樣本含量的估計方法。

第十三章研究設計（二）——實驗設計

1．掌握實驗設計方法選擇的依據。

2．熟悉常用實驗設計方法的特點與設計方式，如完全隨機設計、配對設計、配伍設計、交叉設計、拉丁方設計、析因設計、正交試驗設計。

3．了解常用實驗設計方法樣本含量的估計。

第十四章研究設計（三）——臨床新藥設計

1．掌握臨床試驗的特點，新藥臨床試驗的分期，新藥臨床試驗的基本原則。

2．熟悉新藥臨床試驗的統計分析方法。

3．了解臨床診斷試驗與評價的方法。

第十五章統計表和統計圖

篇（4）

生物信息學融合了生物技術、計算機技術、數學和統計學的大量方法，已逐漸成為發現生命過程中所蘊涵知識的一門重要學科。其基本問題主要包括：DNA分析、蛋白質結構分析、分子進化。醫學統計學作為醫科院校的基礎課程之一，長期以來其理論和方法就廣泛應用于臨床醫學、基礎醫學的各類研究中。隨著生物新技術的誕生，在推動生物信息學發展的同時，醫學研究對象也由宏觀的病人、生物組織拓展到微觀的基因領域，所面對的實驗數據在性質和結構上也都有所不同，這對醫學統計學的應用提出了新的更高的要求。

目前，醫學統計學的很多原理和方法已成功地應用于這些新研究之中，并在此基礎之上有了新的發展和改進。如概率分布的知識與序列相似性分析、蛋白質分類等技術密切相關；方差分析、非參數檢驗方法經改進和結合后在基因表達數據的前期分析中發揮了較好的作用；而聚類分析、判別分析、相關分析這些大家所熟知的統計學方法更是在基因分類和調控網絡的建立中得到了廣泛的應用。在進行醫學統計學課堂教學時加入生物信息學方面的應用實例，不僅可以使學員了解本學科研究的前沿和醫學、生物信息學研究的新發展，還可以提高學員對于醫學統計學理論學習的興趣，掌握先進的生物實驗數據分析方法，提高今后從事醫學科研的能力。下面，本文在回顧醫學統計學授課主要內容的基礎上，就醫學和生物信息學中的可能應用舉例如下：

一、概率分布

概率分布（probabilitydistribution）是醫學統計學中多種統計分析方法的理論基礎。授課內容一般包括：二項分布、Possion分布、正態分布、t分布、F分布等。

借助概率分布常常可以幫助我們了解生命指標的特征、醫學現象的發生規律等等。例如，臨床檢驗中計量實驗室指標的參考值范圍就是依據正態分布和t分布的原理計算得到；許多醫學試驗的“陽性”結果服從二項分布，因此它被廣泛用于化學毒性的生物鑒定、樣本中某疾病陽性率的區間估計等；而一定人群中諸如遺傳缺陷、癌癥等發病率很低的非傳染性疾病患病數或死亡數的分布，單位面積（或容積）內細菌數的分布等都服從Poisson分布，我們就可以借助Poisson分布的原理定量地對上述現象進行研究。

在生物信息學中概率分布也有一定應用。例如，Poisson分布可以用于基因（蛋白質）序列的相似性分析。被研究者廣泛使用的分析工具BLAST(BasicLocalAlignmentSearchTool)能迅速將研究者提交的蛋白質（或DNA）數據與公開數據庫進行相似性序列比對。對于序列a和b，BLAST發現的高得分匹配區稱為HSPs。而HSP得分超過閾值t的概率P(H(a,b)>t)可以依據Poisson分布的性質計算得到。

二、假設檢驗

假設檢驗（hypothesis）是醫學統計學中統計推斷部分的重要內容。假設檢驗根據反證法和小概率原理，首先依據資料性質和所需解決的問題，建立檢驗假設；在假設該檢驗假設成立的前提下，采用適當的檢驗方法，根據樣本算得相應的檢驗統計量；最后，依據概率分布的特點和算得的檢驗統計量的大小來判斷是否支持所建立的檢驗假設，進而推斷總體上該假設是否成立。其基本方法包括：u檢驗、t檢驗、方差分析（ANOVA）和非參數檢驗方法。

假設檢驗為醫學研究提供了一種很好的由樣本推斷總體的方法。例如，隨機抽取某市一定年齡段中100名兒童，將其平均身高（樣本均數）與該年齡段兒童應有的標準平均身高（總體均數）做u檢驗，其檢驗結果可以幫助我們推斷出該市該年齡段兒童身高是否與標準身高一致，為了解該市該年齡段兒童的生長發育水平提供參考。又如，醫學中常常可以采用t檢驗、秩和檢驗比較兩種藥物的療效有無差別；用2檢驗比較不同治療方法的有效率是否相同等等。

這些假設檢驗的方法在生物實驗資料的分析前期應用較多，但由于研究目的和資料性質不同，一般會對某些方法進行適當調整和結合。

例如，基于基因芯片實驗數據尋找差異表達基因的問題。基因芯片（genechip）是近年來實驗分子生物學的技術突破之一，它允許研究者在一次實驗中獲得成千上萬條基因在設定實驗條件下的表達數據。為了從這海量的數據中尋找有意義的信息，在對基因表達數據進行分析的過程中，找到那些在若干實驗組中表達水平有明顯差異的基因是比較基礎和前期的方法。這些基因常常被稱為“差異表達基因”，或者“顯著性基因”。如果將不同實驗條件下某條基因表達水平的重復測量數據看作一個樣本，尋找差異表達基因的問題其實就可以采用假設檢驗方法加以解決。

如果表達數據服從正態分布，可以采用t-檢驗（或者方差分析）比較兩樣本（或多樣本）平均表達水平的差異。

但是，由于表達數據很難滿足正態性假定，目前常用的方法基于非參數檢驗的思想，并對其進行了改進。該方法分為兩步：首先，選擇一個統計量對基因排秩，用秩代替表達值本身；其次，為排秩統計量選擇一個判別值，在其之上的值判定為差異顯著。常用的排秩統計量有：任一特定基因在重復序列中表達水平M值的均值；考慮到基因在不同序列上變異程度的統計量，其中，s是M的標準差；以及用經驗Bayes方法修正后的t-統計量：，修正值a由M的方差s2的均數和標準差估計得到。

三、一些高級統計方法在基因研究中的應用

（一）聚類分析

聚類分析（clusteringanalysis）是按照“物以類聚”的原則，根據聚類對象的某些性質與特征，運用統計分析的方法，將聚類對象比較相似或相近的歸并為同一類。使得各類內的差異相對較小，類與類間的差異相對較大1。聚類分析作為一種探索性的統計分析方法，其基本內容包括：相似性度量方法、系統聚類法（HierarchicalClustering）、K-means聚類法、SOM方法等。

聚類分析可以幫助我們解決醫學中諸如：人的體型分類，某種疾病從發生、發展到治愈不同階段的劃分，青少年生長發育分期的確定等問題。

近年來隨著基因表達譜數據的不斷積累，聚類分析已成為發掘基因信息的有效工具。在基因表達研究中，一項主要的任務是從基因表達數據中識別出基因的共同表達模式，由此將基因分成不同的種類，以便更為深入地了解其生物功能及關聯性。這種探索完全未知的數據特征的方法就是聚類分析，生物信息學中又稱為無監督的分析（UnsupervisedAnalysis）。常用方法是利用基因表達數據對基因（樣本）進行聚類，將具有相同表達模式的基因（樣本）聚為一類，根據聚類結果通過已知基因（樣本）的功能去認識那些未知功能的基因。對于基因表達數據而言，系統聚類法易于使用、應用廣泛，其結果——系統樹圖能提供一個可視化的數據結構，直觀具體，便于理解。而在幾種相似性的計算方法中，平均聯接法(AverageLinkageClustering)一般能給出較為合理的聚類結果2。

（二）判別分析

判別分析（discriminantanalysis）是根據觀測到的某些指標的數據對所研究的對象建立判別函數，并進行分類的一種多元統計分析方法。它與聚類分析都是研究分類問題，所不同的是判別分析是在已知分類的前提下，判定觀察對象的歸屬3。其基本方法包括：Fisher線性判別（FLD）、最鄰近分類法（k-NearestNeighborClassifiers）、分類樹算法（ClassificationTreeAlgorithm），人工神經網絡（ANNs）和支持向量機（SVMs）。

判別分析常用于臨床輔助鑒別診斷，計量診斷學就是以判別分析為主要基礎迅速發展起來的一門科學。如臨床醫生根據患者的主訴、體征及檢查結果作出診斷；根據各種癥狀的嚴重程度預測病人的預后或進行某些治療方法的療效評估；以及流行病學中某些疾病的早期預報，環境污染程度的堅定及環保措施、勞保措施的效果評估等。

在生物信息學針對基因的研究工作中，由于借助了精確的生物實驗，研究者通常能得到基因（樣本）的準確分類，如，基因的功能類、樣本歸結于疾病（正常）狀態等等。當利用了這些分類信息時，就可以采用判別分析的方法對基因進行分類，生物信息學中又稱為有監督的分析（SupervisedAnalysis）。例如，基因表達數據分析中，對于已經過濾的基因，前三種方法的應用較為簡單。而支持向量機（SVMs）和人工神經網絡（ANNs）是兩種較新，但很有應用前景的方法。

（三）相關分析

相關分析（correlationanalysis）是醫學統計學中研究兩變量間關系的重要方法。它借助相關系數來衡量兩變量之間的關系是否存在、關系的強弱，以及相互影響的方向。其基本內容包括：線性相關系數、秩相關系數、相關系數的檢驗、典型相關分析等。

我們常常可以借助相關分析判斷研究者所感興趣的兩個醫學現象之間是否存在聯系。例如，采用秩相關分析我們發現某種食物中黃曲霉毒素相對含量與肝癌死亡率間存在正相關關系；采用線性相關方法發現中年女性體重與血壓之間具有非常密切的正相關關系等等。

生物信息學中可以利用相關分析建立基因調控網絡。如果將兩個不同的基因在不同實驗條件下的表達看作是兩個變量，相關分析所研究的正是兩者之間的調控關系。如采用線性相關系數進行兩基因關系的分析時，其大小反應了基因調控關系的強弱，符號則反應了兩基因是協同關系（相關系數為正），還是抑制關系（相關系數為負）。

篇（5）

1．1研究對象選取武漢大學醫學部2008級臨床、口腔和檢驗醫學專業醫學統計學試卷共354份(臨床273份、口腔54份、檢驗27份)作為研究對象，不分性別，逐題統計得分情況。試卷由6道名詞解釋(3分／題)、l5道選擇(2分／題)、5道簡答(6分／題)和2道分析計算題(分別為：10分和12分)構成。

1．2研究方法對各題目難度值(P)進行計算。難度值反映了每個題目的平均得分率，其計算公式為：P=，其中為P為第i題的難度值，為第iAma題的平均得分，為第i題的總分。對于單項選擇題，由于存在因機遇而答題正確的可能，因此采用以下校正公式計算其難度值。P=其中P為校正后的難度值，m為選擇題中的選項個數。對試題按難度值大小分組，P≥0．8的為組1，認為較易；0．6≤P<0．8的為組2，認為中等難度；難度值P<0．6為組3，認為較難。同時，對每道試題按章節進行歸納，試題所涉及的章節共有十二章，分別為：第一章醫學統計中的基本概念(c1)；第二章集中趨勢的統計描述(C2)；第三章變異程度的統計描述(c3)；第四章抽樣誤差與假設檢驗(c4)；第五章t檢驗(C5)；第六章方差分析(c6)；第七章相對數及應用(c7)；第八章卡方檢驗(C8)；第九章非參數檢驗(C9)；第十章線性相關與回歸(C10)；第十二章統計表與統計圖(C12)；第十三章醫學實驗設計與診斷試驗的評價(C13)J。若一道試題包括了多個章節內容，則以其主要考查知識點所在章節為準。分別統計各專業在各難度分組和各章節的平均得分率，并比較其得分率的差異。

1．3統計分析所有資料采用epdata3．1建庫。試卷的信度分析，通過計算克朗巴哈(Cronbach)系數僅進行評價。計算各試題得分與總分間的Pearson相關系數，來比較各試題間區分度的大小。由于得分率呈偏態分布，同時檢驗專業的試卷數較少，因此各專業得分率差異的比較采用Kruskal—Wallis檢驗。另外，屬于第二、三、九章內容的題目僅有一道選擇題，專業間得分率差異的比較采用X檢驗，所有的統計分析均使用統計軟件包SPSS17．0進行分析。

2結果

2．1試卷分析試卷難度、區分度以及各試題平均得分情況如表1所示。在共28道試題中，按難度值劃分較易(P≥0．8)的題分占總分的50％、中等難度(0．6≤P<0．8)占34％、較難部分(P<0．6)占16％，試卷平均難度為0．72，說明試卷整體難度不大，見表1。按項目區分度度標準(區分度0．4以上為優良、0．3—0．39間為合格、0．2—0．29問為尚可、0．19以下為應淘汰)j，本套試卷各區分度等級的分數占總分比例分別為：61％、11％、1l％和17％。區分度尚可及以上的試題分數占總分比例達83％，平均區分度為0．34，說明試卷整體區分度合格。選擇題4和選擇題14的區分度分別為一0．04和O．04，其難度值分別為0．95和一0．07，說明前者過于簡單而后者又太難，其區分度均無統計學意義，在以后的試卷中類似題目應予以回避。克朗巴哈(Cronbach)系數Ot是目前最常用的信度系數，一般認為系數應達到0．7以上。本套試卷信度分析克朗巴哈系數僅為0．739，因此考試的結果可信(見表2)。

2．2不同專業得分率的比較按不同難度以及章節比較各專業學生平均得分率的結果如表2所示。三個專業在難度組1的得分率非常接近，并均高于0．75，隨著難度的上升，得分率呈現了下降的趨勢。檢驗專業得分率下降的幅度明顯大于其他專業，在占總分34％和16％的中等及以上難度部分的平均得分率僅為0．62和0．39，經Kruskal—Wallis檢驗，P<0．05。結果表明不同專業對較大難度題目的解答能力可能存在差異。各專業學生在不同章節平均得分率的結果顯示，醫學統計學的基礎部分(c1一C4、C12)如：統計學的基本概念、統計描述(統計圖表)以及假設檢驗等知識的掌握情況良好，其平均得分率為0．84，各專業得分率間無顯著差異。在統計推斷部分(c5一C10)，除第九章非參數檢驗外，其平均得分率均在0．7左右，各專業間差異無統計學意義。然而第十三章醫學實驗設計與診斷實驗的評價部分，檢驗專業學生平均得分率僅為0．53，明顯低于臨床和口腔專業學生的平均得分率0．70和0．77，經Kruskal—wallis檢驗，P<0．01。

篇（6）

1 對象與方法

1.1 對象與分組

在校醫學生，不同研究內容其相應的學生人數分別是：定量研究38人，定性研究200人，干預性研究，90人（傳統教學組109人，討論組81人）。

1.2 研究方法

1.2.1 定量與定性調查

針對學生的學習方式、學習態度以及實踐教學過程中的問題，設計相應調查表。對定量研究的38人進行問卷調查，對定性研究的200人進行集體問題采訪和個別問題采訪，并對問題進行記錄、整理。

1.2.2 干預性研究

在問卷調查基礎上，針對學生學習中存在的主要問題，結合教學實踐，采用干預對比研究。討論組（81人）：基本理論講解+實踐操作+討論；傳統教學組（109人）：基本理論講解+實踐操作。經過近一學期教學后，對兩組學生采用同一份試題進行測評，并對結果進行對比分析。

1.3 資料整理與統計方法

在Excel中進行數據錄入，應用SPSS 13.0統計軟件包進行描述性分析和χ2檢驗。

2 結果

2.1 定量與定性調查結果

定量研究結果：學習態度，97.4%（37/38）的學生認為在大學期間還需要好好學習，68.4%（26/38）認為應該積極和主動地學習；不清楚學習《醫學統計學》目的的學生占26.3%，復習上課內容的學生占50%，偶爾復習的占13.2%，通常不復習的占36.8%，課前不預習老師上課內容的學生占71.1%。；不能靈活應用統計知識的占52.6%，認為統計理論不重要的學生占26.3%。選用是否復習和是否預習作為考察學生學習態度與實際學習行為關系的客觀指標，結果顯示，學習態度積極的26人中，復習占57.69%，不復習的占42.31%；學習態度不積極的12人中，復習的占75.00%，不復習的占25.00%，經χ2檢驗，差異無統計學意義。學習態度積極的26人，預習的占26.92%，不預習占73.09%；學習態度不積極的12人中，預習的占33.33%，不預習的占66.67%，經χ2檢驗，差異無統計學意義。定性分析結果顯示，學生在學習《醫學統計學》中存在的主要問題是“概念抽象、模糊”、“難理解”、“枯燥”，“實際應用難度大”、“不能靈活應用”等。

2.2 干預性研究結果

不同教學方法測評的試題總難度系數為63.73%。測評結果顯示，討論組（68.37±10.33）分，傳統教學組（60.28±8.47）分，討論組高于傳統教學組（t=5.93，P

3 討論

醫學統計學培養醫學生正確、合理地應用數理統計的基本原理和方法，解決醫學衛生領域中的統計問題，需要學生們在記憶的基礎上訓練自己的邏輯思維、判斷和綜合能力，而這些素質與自主思考是密不可分的，具體體現在學習態度和行為上[1～3]。定量調查結果提示，即使是明白大學生應該自主學習，但具體在《醫學統計學》的學習過程中，其行為也并不一定與思想一致，這可能是制約學生自主思考的主要原因，也可能是學習《醫學統計學》困難的原因之一。定量調查結果還提示，部分學生對學習《醫學統計學》的目的不明確，不了解為什么要學習這門課程，這可能導致學生的學習盲目性和不自覺性。定性調查結果提示，學生學習過程中，統計理論與實際應用脫節。分析其原因，可能是對理論知識的重要性認識不夠，以及對基本概念和基本知識的掌握與理解有限。有些學生認為只要會用，統計理論并不重要，也有部分學生過于極端地認為《醫學統計學》僅僅是一門操作技能課，忽視其深刻的理論基礎。實踐教學中，也反映出學生在平時實習課中對必須應用到的一些基本知識點記憶效果不理想，這可能會導致學生在學習中難以建立一個良性的知識循環結構，達到理論學習與實踐學習互為促進的效果[4]。

學生在學習《醫學統計學》時的實踐操作能力與其對統計學基本概念和原理的準確掌握密切相關，鑒于此，在原來的傳統教學法中，增加了針對基本概念、基本原理的討論課，討論教學組學生對于統計學中出現的基本概念的正確理解率高于傳統教學組，提示有針對性的討論教學對幫助學生準確理解基本概念、基本原理有明顯的促進作用。

參考文獻

[1]顏艷，徐勇勇. 統計思想是第一位的[J].2001（4）:243-244.

篇（7）

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2014）23-0121-03

一、引言

《統計學》是一門搜集、整理、分析數據并進行推斷的方法論學科，其目的就是探索數據的內在規律性，使人們對所研究的問題有更深入的了解和把握，其專業技術性和實踐性都非常強。對于經管類專業的《統計學》課程來說，其培養目標就是使學生能運用科學的統計方法去分析和解決社會現實中的實際問題，為今后從事經濟管理工作打下基礎。因此，經管類專業的《統計學》課程教學應順應市場經濟的發展和高等教育的新要求，本著“服務專業，突出應用”的原則，加強對學生素質和能力的培養和訓練，培養出適應社會發展需要的應用型經管類人才。但從教學實踐來看，盡管近年來國內院校經管類專業統計教學在教學內容設計、教學方法和手段、考核方式等方面進行了大量的改進，但是，當前非專業《統計學》課程的實際教學效果仍不夠理想，為此，以在杭高校的經管類專業學生為例，通過統計調查探究《統計學》在經管類學生科研創新及實踐中的應用狀況及教學滿意度，并據此提出針對性的意見及建議。

二、經管類專業《統計學》教學現狀分析

為探析經管類專業《統計學》教學滿意度，從教學目標與課程安排、教學內容、方法和手段、教學應用與效果評價等多方面設計調查問卷展開統計調查。本次調查總共發放問卷550份，回收521份，其中有效問卷485份，有效率達93.1%。在所有受訪者中，男女同學的比例為36∶64，符合經管類專業學生的性別分布特點，問卷涉及各個專業，具有普遍代表性。

（一）學生對統計教學的基本評價

1.課程設置與本專業目標的符合度較高。調查結果顯示，51.34%的人認為統計課程與本專業培養目標基本符合，26.80%的人認為比較符合，10.10%認為很符合，只有2.89%的人認為很不符合。可知《統計學》課程設置與各專業的培養目標符合程度較高。

2.統計學在以后專業學習中的作用較大。在調查的群體中認為《統計學》該門課程設置基本有用、比較有用和非常有用的人數占63.30%，只有4.95%認為是基本沒用的，可以認為設置《統計學》這門課程是非常有必要的。

3.統計教學的專業針對性不夠強。63.09%的同學更傾向于分專業組織上課，他們認為不同專業對于統計知識的接受程度、基礎知識掌握程度是不同的，增強統計課程學習的專業針對性很有必要。但同時，學生反映當前非專業《統計學》課程主要通過介紹統計學的基本原理和基本方法，特別強調各不同專業需要掌握的共性統計理論知識，與專業的融合不夠，導致教學效果較差。

4.男女同學對《統計學》課程的難度、興趣度及實用度等方面的看法存在顯著差異。50.52%的同學認為《統計學》課程基礎實用，29.90%的同學認為課程難度大，24.54%的同學認為統計學枯燥無味，只有11.34%的同學選擇課程是生動有趣的。由此可以很明顯地看出該課程的教學雖然是有用的，但是由于難度較大使部分學生無法接受而且上課的興趣不大。可見，《統計學》教學需要改進以使更多學生對該課程產生興趣，使實用性擴大。

進一步探析男女同學對統計課程的看法差異，運用假設檢驗對課程難度、興趣度、實用度、基礎實用度、生動及抽象程度等方面進行分析。結果顯示，在5%的顯著性水平下，男女同學對課程難度（P值為0.018）和實用度（P值為0.002）的看法存在顯著差異。

5.學生對實踐中鞏固統計學知識的意愿較強。學生是否愿意在實踐中鞏固統計理論知識是實現統計學的關鍵。調查結果表明，80%以上的同學愿意在實踐中鞏固所學的統計學知識，可見在課程教育中應增加更多的實踐訓練。同時，在考核方式上，絕大部分學生也愿意增加實踐操作考核。

（二）《統計學》課程教學現狀及存在的問題

1.教材主要存在結合案例不足及缺乏趣味等問題。學生普遍反映：教材結合案例不夠（39.18%）、材料缺乏趣味（38.14%）、忽略統計軟件應用（37.73%）以及過于注重數學公式推導（36.49%）等問題是當前統計教材存在的主要問題。

2.教學內容與專業融合度不夠并過于機械化。被調查者認為教學內容主要問題在于與相關專業融合不夠的占57.88%，認為教學內容過于機械化的占40.82%。

3.教學方法和手段過于傳統落后。調查結果顯示，三分之二以上（68.45%）的學生認為統計教學方式多為灌輸式教學，啟發式、互動式、案例式教學不足的問題非常突出。此外，統計實踐教學的缺乏、師生交流過少等問題也不可輕視。

4.考核方式單一，考核內容過于理論化。考核方式中存在的問題最為突出的是考試內容過于理論化（占55.05%），其次是缺少對應用技能考核（占41.65%）。由此可見學生更愿意接受實際操作性的東西，對于理論的內容認為考核中可以少出現。

（三）《統計學》在學生創新研究和實踐中的應用狀況

1.對統計方法的運用認識大多限于統計描述分析，對統計推斷方法的應用價值了解不夠。調查結果顯示，大多數學生認為統計調查方案設計（62%的同學選擇了此項）、問卷設計（61.3%）、統計調查方法（49.9%）及統計圖表分析（44.7%）等方法對將來用途較大，其余依次是相關回歸（32.4%）、假設檢驗（29.9%）、參數估計（26%）、統計指數（22%）和時間序列分析（15%）等。可見，當前學生對統計方法的運用認識大多還限于統計描述分析，對于統計推斷方法的應用價值了解還不夠。

2.統計調查和整理方法運用較廣泛，對于統計推斷方法的運用相對較少。調查結果顯示，當前經管類專業的學生曾運用過的統計方法主要集中于問卷設計（70.4%的同學選擇了此項）、統計調查（46.8%）、方案設計（46%）、統計圖表（35.6%）及頻數分析（23.8%）等最基本和最簡單的方法，對于統計推斷方法的應用，除相關回歸（22.8%）和假設檢驗（21.5%）外其余則較少。可見，當前經管類專業的學生對統計知識運用的深度及廣度還遠不夠。

3.學生在各類實踐競賽和創新研究中運用統計知識分析和解決實際問題的能力較為薄弱。在大學參與的各類競賽及創新研究中，運用過統計知識的地方主要集中在城鄉調查（74.7%）和企業調查（77.8%）中，而其他創新研究及競賽（如大學生科技創新計劃、大學生“新苗人才”培養計劃、課題研究、創業設計大賽等）中應用統計知識和方法的極少。由此需要大力度地提高學生運用統計知識分析和解決實際問題的能力。

三、統計教學滿意度評價模型構建與分析

（一）教學目標與課程安排對統計教學滿意度的影響因素分析

根據統計教學目標與課程安排所包含的項目評價得分構建多分有序Probit模型分析其對《統計學》教學滿意度的影響，Ordered probit模型擬合結果顯示似然比LR為196.86，顯著性水平小于0.01，表明模型具有顯著性意義；同時輸出教學目標與課程安排對統計教學滿意度的影響結果如表1所示。

表1顯示，在10%的顯著性水平下，教學目標、專業融合、理論課時以及實驗課時因素對于統計教學滿意度具有顯著影響。可見，清晰的教學目標，能夠讓學生明確這門課的內容和要求，了解該課程的應用情況；理論課時與實驗課時的合理分配，能夠讓學生將所學到的理論知識與實踐相結合，當這些滿意度提高時，能增加統計教學滿意狀況提高的概率，且教學目標的明確性對教學滿意度的影響最大，從系數來看它的提升對教學滿意度等級的提高效應最為明顯。而專業針對性前系數較小且不顯著，說明它對教學滿意度狀況的提升影響相對較弱。

（二）教學內容、方法和手段對統計教學滿意度的影響因素分析

教學內容、方法和手段是影響教學滿意度的重要因素，根據所包含的項目評價得分構建多分有序Probit模型分析其對統計教學滿意度的影響，似然比LR為263.55，顯著性水平小于0.01，表明模型具有顯著性意義。各因素影響結果如表2所示。

表2顯示，在10%的顯著性水平下，教學內容、課程內容、教學媒體、實驗教學方式以及實踐訓練的滿意情況會影響統計教學滿意度。從結果來看，這些影響因素的系數符號與數值大小與實際相符。評價一門課的重要指標就是這門課的教材內容，因此該模型下其前的估計系數最大；此外，當課程內容具體豐富、有實例、教學媒體效果良好時，學生更有興趣學習這門課程，從而在一定程度上增加《統計學》教學滿意狀況提高的概率。統計與生活息息相關，好的實驗教學方式與實踐訓練能夠培養學生將其所學到的統計知識應用到實際問題上，真正做到學以致用，這自然會增加他們對于統計學的好感。而教學內容、方法和手段中的其他因素的系數較小且不具有統計顯著性，因此它們的提升對教學滿意度的提升影響相對較弱。

（三）教學應用與效果評價對統計教學滿意度的影響因素分析

理論知識和實際的結合應用是評價一門課程教學成效的直接因素，也是課程教學滿意度的重要評價尺度。根據教學應用與效果評價所包含的項目評價得分構建多分有序Probit模型分析其對統計教學滿意度的影響，似然比LR的值為222.51，顯著性水平小于0.01，表明模型具有顯著意義；各因素影響結果如表3所示。

表3顯示，在10%的顯著性水平下，影響統計教學滿意度的因素有教師講授技巧、教師實踐教學能力、創新能力培養、統計軟件應用以及課程考核方式。

現實中，老師的講授技巧和實踐教學能力，在很大程度上影響學生該課程的興趣、學生聽課狀態以及吸收知識的情況等。面對枯燥乏味的講課，學生可能對這門課產生厭倦甚至是反感，更可能造成他們的高缺勤率。如今的社會越來越重視創新，當然學生也希望能夠提高自身的創新能力，因此創新能力對于教學滿意度的評定情況具有正影響，且影響較大。此外，課程考核方式也會影響學生的滿意程度，學習認真，統計學知識掌握較好的同學可能會希望通過一定的閉卷考核方式來證明自己的實力，而對統計學略知一二的學生可能更傾向于開卷的考核方式，因此他們對于考核方式的滿意度也是影響因素之一。而教師理論水平以及學評教評價方式前系數較小且不顯著，說明其對教學滿意度的提升影響相對較弱。

四、結論與建議

（一）結論分析

調查結果表明，當前經管類專業學生對于《統計學》課程的總體滿意度不夠高，統計教學仍存在許多不容忽視的問題：

1.課程設置與本專業目標的符合度較高、實用性較強，但專業針對性不夠。

2.《統計學》教材結合案例不夠、缺乏趣味、注重數學公式推導且忽略統計軟件應用。

3.教學內容與相關專業融合不夠，內容過于機械化；統計教學方式則多為灌輸式教學，互動式等教學方法應用不足。

4.大部分同學對當前采用的純粹理論考核方式表示不滿意，而更傾向于實踐測評。

5.一半以上的學生認為統計調查方案設計、問卷設計以及統計調查方法對以后的學習和工作有幫助；70%以上的學生在城鄉調查、企業調查和專業調查中能運用統計調查和統計整理方法，但對其他統計知識的應用極少。

從教學目標與課程安排的視角來看，教學目標、專業融合、理論課時以及實驗課時的設計對于統計教學滿意度具有顯著影響；在教學內容、方法和手段所包含的因素中，教學內容、課程內容、教學媒體、實驗教學方式以及實踐訓練的滿意情況會影響學生對于統計教學滿意度；教師講授技巧、教師實踐教學能力、創新能力培養、統計軟件應用以及課程考核方式等則是影響統計教學成效的重要因素。

（二）對策建議

1.統計教學內容的調整和創新。統計教學應避免把時間放在講授抽象理論、數學定理等方面，增加趣味性教學內容和案例分析，并根據專業需要調整相應的教學內容，增強統計教學的專業契合度，注重培養“應用型”人才。

2.教學方法和手段的轉變。調查結果表明，教學方法和手段上最突出的問題為灌輸式教育，互動教學不足，所以即由“灌輸式”轉變為“互導式”教學。在統計教學中，既要發揮教師的主導作用，又要充分調動學生的積極性和主動性，給學生留下充分的思考時間。將知識的傳授與能力的培養有機結合起來。

同時，運用統計案例教學，培養學生運用統計思維的基本思想分析、解決問題的實際能力。通過課程案例學，可激發學生的學習興趣，增強學生對理論知識的理解。重視課程實驗教學，提高學生的基本統計業務操作技能和基本統計分析技能。

3.優化考核內容及方式。基于教學內容與教學方式等改革成效的督促，考核方式及評分標準應隨之進行匹配，將考核方式由記憶性的閉卷筆試改為多樣化的著重考查學生對所學統計知識的應用能力考核，以考查學生分析問題和解決問題的能力。因此，考核方式應采用綜合考核的形式，根據學生參與教學活動的程度、期末項目研究報告、上機操作和實踐成績等綜合評定其學習成效。

4.構建統計實踐教學平臺，提升統計實踐應用價值。依托學校實驗中心建成全校大學生基礎實驗設備平臺、統計建模演示與實現平臺、統計調查方案設計大賽仿真模擬等平臺，為統計的創新研究和實踐應用提供更有力的保障。

參考文獻：

[1]吳喜之.統計學：從數據到結論[M].第3版.北京：中國統計出版社，2009.

[2]曾五一，肖紅葉，龐皓，朱建平.經濟管理類統計學專業教學體系的改革與創新[J].統計研究，2010，（2）.

篇（8）

根據中醫學專業課程的特點和統計學教育培養目標的要求，本課程的教學目的主要是掌握中醫藥管理，提供統計調查、資料整理和統計數量分析的一般原理與方法，為學習其他醫藥管理類課程的數量分析方法打下基礎。要達到以上目的，在學習中要求了解統計的產生與發展，掌握數據搜集、整理和顯示的方法，能描述中醫藥臨床現象統計分布的特征，掌握抽樣推斷、相關回歸分析、統計指數、時間序列分析、統計預測等統計分析研究方法，并作出綜合評價。

SPSS是非專業統計人員的首選統計軟件。學生將經歷簡單的數據統計過程，進一步學習搜集、整理和描述數據的方法，并根據數據分析的結果作出簡單的判斷與預測，并能計算一些簡單事件發生的可能性。在教學中，應注意所學內容與中醫學專業現實生活和工作的密切聯系，應注重使學生有意識地經歷單位的數據統計過程，根據數據作出簡單的判斷與預測，并進行交流；應注重在具體情境中對可能性的體驗，應避免單純的統計量的計算[2]。

二、中醫藥統計學課程教學的現狀

統計學，按照《大不列顛百科全書》的定義，“是關于收集和分析數據的科學和藝術”。因此，統計是圍繞數據分析而建立的。其中包括運用統計的方法來分析數據，組織和顯示數據（表格和圖形），并在數據的基礎上形成推論和預測。

從具體應用的角度來分，統計學包括三個部分：描述統計、推斷統計和實驗設計。其中，在中醫藥統計學課程中，主要涉及的是描述統計。描述統計是指對所搜集的大量數字資料進行整理、概括，尋找數據的分布特征，用以反映研究對象的內容和實質的統計方法。例如，對原始數據資料用歸組、列表、圖示等方法加以歸納、整理，為進一步處理數據資料做好準備工作。計算集中量指標（如算出平均數、中位數）用來反映數據的集中趨勢。描述統計可使無序而龐雜的數字資料成為有序而清晰的信息資料。描述統計是整個統計學的基礎。統計表是對數據分類后的一種簡便表示形式。根據學生年齡的特點，從實物的分類，到抽象的統計表表示將經歷幾個年級段的學習。對低年級的學生來說，可以通過列表的方式來體驗統計的意義。統計表的制作不只是一個簡單的技術問題，而是在制作過程中體驗和理解統計表意義。不是一個簡單的數據堆砌的過程，而是一個對數據理解的過程。設計簡單的統計表是更加規范地收集數據的一種方法。學生在設計一個統計表時，一方面，要明確調查的目的，為什么要去調查；另一方面，要考慮調查這個問題所涉及的內容。這些問題在開始設計時，需要有一個全面的思考，這樣，在設計統計表時，就容易獲得成功。其中，每一項具體內容都應圍繞調查的主題。

以往的課堂教學中，由于內容多、時間緊，每次課都是“滿堂灌”。教師講得口干舌燥，學生要么機械地記筆記，要么昏昏欲睡，根本用不著動腦，如果課后不下功夫的話，課堂上的學習時間幾乎是白白浪費了。為了解決這個問題，可以嘗試“少講多練”的教學方法。

三、中醫藥統計學課程教學改革的建議

1.課程教學內容應由淺入深

在教學過程中，要注意基礎理論、基礎知識和基本技能的學習和培養；緊密結合實際，注重統計分析的基本理論與方法的應用。在教學方法上：每部分教學結束，對全部內容進行小結，提示重點與難點內容，并布置適量的復習思考題與計算分析題，以理解與鞏固所學內容。并可選用創新性教學形式，如案例教學、實務分析、作業指導、多媒體教學、課程設計等。在學習過程中：根據實際情況安排兩次左右習題課，以解決練習中的問題。有關部分可安排選題練習，即自己選題，自己搜集資料、整理資料，選擇適當的統計分析方法。

2.加強中醫藥專業統計學的實踐教學

統計學本科階段的實踐包括課程實驗、社會實踐、畢業實習等實踐活動。統計學專業學生通過本科階段的學習，必須熟練掌握統計學的基本原理和基本方法，具備應用統計學原理和方法解決實際問題的能力。社會實踐包括社會調查等活動，主要培養學生將統計學原理和方法用于社會實際的能力。這類實踐學生可利用假期等業余時間進行。

畢業實習是統計學專業學生必修課程。集中一段時間，安排學生到實習單位學習，較為系統、全面地培養學生將統計學原理和方法應用于實際的能力。畢業實習時間一般為9周左右，安排在大學第三學年的假期或第四學年的第一學期進行。學生的學習效果最終需用考試成績來反映。

3.緊密聯系生活實際

教學要緊密聯系學生的生活實際，從學生的生活經驗和已有知識出發，創設生動有趣的情境，引導學生開展觀察、操作、猜想、推理、交流等活動，使學生通過教學活動，掌握基本的教學知識和技能，初步學會從中醫藥統計學的角度去觀察事物、思考問題，激發對中醫藥統計學的興趣，以及學好中醫藥統計學的愿望。教師是學生中醫藥活動的組織者、引導者與合作者；要根據學生的具體情況，對教材進行再加工，有創造地設計教學過程；要正確認識學生個體差異，因材施教，使每個學生都在原有的基礎上得到發展，要讓學生獲得成功的體驗，樹立學好中醫藥統計學的信心。

課堂教學需要把握好教學內容的整體性和聯系性。這一方面是中醫藥統計學學科特點的要求，中醫藥統計學學科的嚴謹性和系統性要求中醫藥統計學教學必須從整體上把握教學的內容，只有從整體上把握了教學內容，才能對每一章節、每一堂課的內容的地位、作用有深入的分析，對重、難點有恰當的定位，也才能有效地突出重點、突破難點，合理地分配時間。另一方面是中醫藥統計學學習的需要，是學生認知的需要，學生有意義地學習不是一個被動接受知識、強化儲存的過程，而是用原有的知識處理各項新的學習任務，通過同化和順應等心理活動和變化，不斷地構建和完善認知結構的過程，把客觀的中醫藥統計學知識內化為自己認知結構中的成分，而強調整體性和聯系性正是順應了學生這一認知的需要，可以幫助學生將零散的知識點形成有內在聯系的知識網絡，而形成網絡結構的知識不僅對于當前的學習，而且對于學生認識和理解中醫藥統計學都是十分有益的。

總之，統計學產生于工作實踐，又服務于工作實踐、指導工作實踐活動。中醫藥統計學課程教學是統計學教學體系的有機組成部分。在整個統計學教學過程中有多個實踐環節，分別實現特定的教學要求，共同形成一個有機整體。

參考文獻：

[1]趙瑩.淺談中醫藥統計學教學中的幾點體會[J].數理醫藥學雜志，2012（05）：630.

篇（9）

1.1研究對象山東醫學高等專科學校2013級藥學和檢驗專業需要進行醫學統計學授課的兩個教學班所有學生作為研究對象，隨機確定檢驗班（102人）作為實驗組，藥學班（100）作為對照組。

1.2實施方案實驗組和對照組所使用教材相同，教學大綱、授課學時數一致，由一名教師進行授課。對照組實施傳統理論教學方法，即在課件結合板書的前提下以教師講授理論知識并講解例題，學生課下做習題練習。實驗組實施案例式教學方法，在傳統教學方法的基礎上，基于授課內容設計案例以學生為主進行討論。

1.3案例式教學方法實施步驟案例質量是決定案例式教學方法效果的關鍵，因此課前除精心制作、選擇體現教學目的的案例外，應盡可能“擬似醫學研究情境”使學生有親臨其境的感覺，即注重案例的實用性和真實性，以滿足教學內容，并體現科學研究的嚴謹，每個案例設置3~4個問題。課堂傳統教學法講解理論知識后，提出問題，導出案例，由學生進行思考、討論。課下10人一組基于圖書館、網絡查閱所學知識單元的錯誤案例，在統計習題練習課上教師引導由學生進行分組討論。

1.4教學效果檢測與評價兩組學生均于醫學統計學課程結束后，進行問卷調查，內容包括學生對該課程的態度、興趣及其應用能力。另外由學校教務處組織學生在同一時間、使用同一試卷對課程進行測試，然后比較兩組學生的測試成績。

1.5統計學處理Epidata3.0建立數據庫，雙人錄入，SPSS20.0進行數據分析，計量資料采用t檢驗，計數資料采用2x檢驗，檢驗水準α=0.05。

2結果

2.1兩組學生一般情況比較實驗組和對照組學生年齡（t=0.843，P=0.400）、性別（2x=0.695，P=0.405）間差異無統計學意義，前期的醫學基礎課程成績類別構成相近（見表1），說明兩組學生的一般特征均衡性較好，有好的可比性。

2.2教學效果評價

2.1學生學習態度、興趣和能力為對比分析兩種教學方法的效果，設計了包含學生對醫學統計學課程態度、興趣和使用能力的問卷，于教學結束后對兩組學生進行現場問卷調查，將各項得分進行t檢驗，學生對醫學統計學態度、興趣及試驗能力的得分差異有統計學意義，實驗組高于對照班，其他指標差異無統計學意義。結果詳見表2。2.2學生期末考試醫學統計學成績分析基于學生期末實際成績按照不及格、60~80分、80分以上分成三個檔次分別統計(見表3)并對構成比進行檢驗。

3討論

案例式教學法最早在哈佛大學興起，歷經完善，現已成為世界范圍內教育教學模式改革的首選。由于其突出學生的主體性，融合探究性、創新性的教學理念，擬合真實教學情景，大大激發了學生自主學習的意識和運用知識自主解決問題的能力，彌補了傳統教學模式的不足，得到我國教育工作者的認可和推廣。

篇（10）

1 《衛生統計學》的課程特點

《衛生統計學》是利用統計學的原理對人群健康問題進行解決的一門應用性的學科。《衛生統計學》的課程特點就是概念抽象、理論深奧、數據枯燥。在學習的過程中又和《醫學統計學》有所不同，學習的重點不是公式的推導和證明；同時，又不同于醫學學科的學習，學習的重點也不在于記憶和背誦，而是需要在學習的過程中進行深入的理解，在學習的過程中需要大量的實踐，所以《衛生統計學》又具有了邏輯性強、實踐性強的特點[1]。

2 《衛生統計學》的教學現狀

2.1 定位不明確

《衛生統計學》在教學的過程中經常出現和《醫學統計學》交叉的現象。《衛生統計學》以統計學的原理和方法為基礎，將其運用在公共衛生領域，比較側重公共衛生學的社會性；《醫學統計學》側重的是醫學的生物性。所以兩者之間具有很大的區別。但是，目前在醫學院校的教學中，兩者的區別并不是很大。《衛生統計學》和《醫學統計學》的區分不明主要體現在教學安排、課程設置、教材編寫等方面，比如，有的醫學院校為《衛生統計學》專設了教學部門，但是這個部門開展的工作卻是編寫醫學統計學的教材，進行醫學統計學的教學；甚至有的醫學院校雖然設立了《衛生統計學》的碩士點，卻進行的是醫學統計學的考試。并且，在教學過程中，兩者也經常被混為一談。這樣的情況給《衛生統計學》的教學帶來了很大的困難[2]。

2.2 教學重點不合理

第一，《衛生統計學》的教學內容包括兩個方面，一方面是統計學基礎，其中涉及到的知識是數據資料描述、統計和分析，推斷統計分析，相關回歸分析，調查設計等；另一方面是專業知識，其中涉及到的內容是橫斷面研究資料統計分析，病例對照研究分析、隊列研究的分析和設計、生存分析、壽命表和Meta分析。目前，在很多醫學院校的教學中，教學的重點依然集中在基礎知識的學習方面，對于專業性知識部分涉及的內容非常少，甚至衛生統計調查方法、衛生統計制度等很多內容都沒有在現行的《衛生統計學》中涉及。這種情況給《衛生統計學》課程的普及帶來了很大的麻煩。

第二，《衛生統計學》在教學過程中，醫學院校的教學重點普遍是基本原理的介紹和具體公式的推導，沒有完善的培養學生統計思維的內容。統計思維對于《衛生統計學》的學習來說非常重要，它是一種透過數據就能對現象進行分析和判斷的方法。在《衛生統計學》的教學中，忽視了對統計思維的培養，對《衛生統計學》教學的發展會產生非常不利的作用。

2.3 缺乏電腦實驗課程

《衛生統計學》課程的應用性很強，為了保證課堂效果，在講授理論的同時，還要和電腦實驗相結合，通過具體軟件將抽象性比較強的統計學概念轉變為直觀的數據結果或者是形象生動的圖形，可以在增強學生的實踐能力，同時還可以提高學生的學習興趣。但是，目前在大部分的醫學院校中，因為資金和課時的問題，還沒有開設電腦實驗課程，影響了《衛生統計學》的教學效果[3]。

2.4 教學形式過于單一

目前，在大多數的醫學院校中，在教學形式方面存在的問題就是過于強調單一統計方法的學習，過于強調理論知識的學習。缺乏《衛生統計學》知識的實踐應用，導致學生在遇到統計學問題的時候，不能運用統計學的相關知識對其進行解決，影響了《衛生統計學》的教學效果。

3 《衛生統計學》的教學模式

為了改變上述問題，就需要對《衛生統計學》的教學模式進行探討。在《衛生統計學》的教學過程中，使用多元化的教學模式，通過多媒體教學、案例分析教學、小組交流互動式教學、基于問題教學法等方法來改善《衛生統計學》的教學效果。

3.1 案例教學法

案例教學法指的是在《衛生統計學》的課堂教學中引入案例，通過案例為學生設計某種情境，引導學生調動自己的理論知識對實際問題進行解決的教學方法。案例教學法的特點是：注重實踐，具有很強的能動性、創造性、仿真性，能夠很好的將啟發式教學、民主式教學和參與式教學融為一體。案例教學法的優點是：充分調動學生學習的主動性和積極性，能夠有效的培養學生的創新思維，能夠有效的提升學生解決問題的能力，以實現《衛生統計學》的教學目的[4]。案例教學法的應用流程如下。

第一，準備教學案例。在課程開始之前，要嚴格執行集體備課制度，以教學大綱為基礎，結合具體的教材內容，融合相關的科研成果和工作實踐，根據以上內容精心選取案例，對案例進行實際的分析，保證案例符合教學設計，符合學生的學習興趣，并且保證選擇的案例在學生可以接受的范圍內。

第二，運用案例進行教學。運用案例進行教學，需要按照以下的流程來進行：案例介紹―提出問題―學生討論―教師評價和分析―問題解決的實際應用方法。具體的應用步驟如下：首先，在課程開始時教師引入案例，通過案例引發學生的思考，讓學生對案例所反映的知識有一個明確的了解；然后，在學生經過一段時間的思考之后，教師要組織學生展開討論，討論的方式可以是小組討論，也可以是集體辯論，還可以是個人發言；最后，教師針對學生的討論進行客觀的點評，對討論過程中的錯誤點和錯誤原因進行分析，然后對討論過程中不準確、不完整的方面給予指正。

3.2 基于問題教學法

基于問題教學法（PBL）的應用核心是“問題”，應用流程是：提出問題―收集資料―建立假設―論證假設―總結。這種教學法實施的目的是培養學生的自主學習能力，培養學生捕捉、整合、判斷信息的能力，培養學生的創新能力和質疑能力[5]。基于問題教學法的具體應用流程如下：

第一，理論的講授。應用基于問題法進行教學，在教學的過程中，將教學的內容和各個章節的內容相結合，然后結合案例教學法，通過在教學的過程中引入案例，從而引出問題，然后將處理問題的統計方法和統計思路運用到教學的過程中。

第二，問題的確定。在理論講授完成之后，授課老師根據授課的內容，結合自身的工作經驗或者在文獻中曾經出現的統計問題，來確定學生的具體問題，在確定問題的過程中還要對學生的學習任務和學習目標進行明確。

第三，討論學習。教師在提出問題之后，要將學生分成不同的學習小組，然后由學習小組來收集解決問題需要用到的資料，在收集資料的過程中，學習小組可以針對文獻中的不足之處和教師或者同學進行交流分析，或者還可以對如何實現課堂效果的改進進行討論，對討論的結果進行總結匯報。

第四，總結評定。教師針對學生在收集資料的過程中出現的問題進行指導，并給出具體的建議，同時要對各個小組的討論報告進行總結歸納，然后對學生的成績進行評定。評定的方式可以有三種，分別是：學生互相評價、小組自我評價和教師評價。

通過基于問題教學法的實施，可以通過問題的設置來引導學生的學習，激發學生的學習興趣，提高學生學習的主動性，讓學生在收集資料和小組合作的過程中豐富自己的知識系統，從而提高學生解決問題和團隊合作的能力。

3.3 實驗教學法

實驗教學法就是在《衛生統計學》的理論教學中，運用計算機的相關軟件來訓練學生實際解決問題的能力。目前，很多醫學院校的《衛生統計學》在教學過程中遇到相關的計算和檢驗問題時，大都是通過計算器來完成的。計算器在《衛生統計學》教學過程中的應用不僅增加了計算量，導致計算過程繁瑣，而且還會浪費大量的課程時間，導致在《衛生統計學》教學過程中學生學習主動性難以得到發揮[6]。實驗教學法的應用因為涉及到配套設施的購買問題和相關課時的安排問題，所以要循序漸進的來實現。

首先，實驗教學的應用可以從預防醫學專業開始，在進行實驗課的教學過程中，針對其部分內容可以使用實驗教學的方法來進行教學。比如在學習方差分析的時候，因為這部分內容涉及的公式比較多，計算過程比較復雜，如果應用計算器進行教學，在教學的過程中在計算方面會浪費過多的時間。所以在教學過程中可以引進電腦教學，將方差分析時需要的數據，比如：SS處理、SS總、SS區組、SS誤差等，通過幻燈片對學生進行講授，讓學生以這些數據為基礎對其進行方差分析。通過這樣的方式，《衛生統計學》在教學的過程中可以節約部分實驗課課時，并且在教學的過程中還可以向學生介紹相關軟件的操作和使用，可以取得很好的教學效果。

3.4 搭建非實時課堂學習平臺